Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

CONTEÚDOS DA UNIDADE 06: FUNADAMENTOS DE PROBABILIDADE.

 Introdução;
 Conceitos Fundamentais;
 Operações com Eventos
 Conceitos de Probabilidade;
 Axiomas e Teoremas de Probabilidades;
 Exercícios de Consolidação da Unidade.

INTRODUÇÃO

A Estatística, desde as suas origens no antigo Egipto há 2000 anos antes de Cristo (aC), até
meados do século XIX, se preocupava apenas com a organização e apresentação de dados de
observações colectadas empiricamente (Estatística Descritiva).

Somente com o desenvolvimento da Teoria das Probabilidades foi possível que a

Estatística se estruturasse organicamente e ampliasse seu campo de acção, através da criação de
técnicas de amostragem mais adequadas e de formas de relacionar as amostras com as populações
de ondem provieram (Inferência Estatística).

Actualmente, a Teoria da Probabilidade tem um papel importante em quase todos os

ramos da ciência, desde a medicina onde se avaliam os riscos dos efeitos de diversos tratamentos
(por exemplo, na tomada de decisões sobre diversas campanhas) até ao controlo de qualidade, na
indústria, para se obter uma maior precisão nas decisões, perante situações de incerteza
(MURTEIRA & ANTUNES, 2012).

CONCEITOS FUNDAMENTAIS

O objectivo da Teoria da Probabilidade é o de estudar fenómenos aleatórios, construindo

modelos matemáticos, a que chamamos de modelos de probabilidade, que os possam descrever
convenientemente.

Assim, para o entendimento da temática Probabilidades, é pertinente antes de mais, o

entendimento e percepção de alguns conceitos fundamentais, tais como: Experimento

Autor: Rosângelo Paúnde Página 1

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

Probabilístico ou Aleatório, denotado por (E), Espaço Amostral, denotado por (S), Evento ou
Acontecimento, denotado por (Qualquer Letra Maiúscula do Alfabeto).

Experimento Probabilístico ou Aleatório (E)

De acordo com PIANA, MACHADO & SELAU (2009, p.68), Experimento

Probabilístico ou Aleatório, é toda a experiência cujos resultados podem não ser os mesmos,
ainda que sejam repetidos sob condições idênticas.

Outrossim, SHIGUTI & SHIGUTI (2006, p.64), definem Experimento Probabilístico ou

Aleatório, como sendo o processo de observação ou medida de um determinado fenómeno em
estudo. Os mesmos autores, acrescentam ainda que, é a experiência que repetida sob as mesmas
condições, conduz a resultados, em geral, distintos.

No entanto, MARTINS (2005, p.130), define Experimento Probabilístico ou

Experiência Aleatória, como o processo de observar um resultado de um fenómeno aleatório1.

Numa experiência aleatória obtém-se um resultado, de entre um conjunto de resultados

conhecidos de antemão, mas não se tem conhecimento suficiente de qual o resultado que sai em
cada realização da experiência. Admite-se ainda que a experiência se pode repetir e que as
repetições são realizadas nas mesmas circunstâncias e são independentes.

Assim, como características desses experimentos temos as seguintes:

 Cada experimento pode ser repetido indefinidamente sob condições inalteradas;

 Embora não possamos afirmar qual o resultado que ocorrerá, é sempre possível descrever
o conjunto de todos os possíveis resultados;

1
Fenómenos Aleatórios, são fenómenos cujos resultados individuais são incertos, mas para os quais se admite uma
regularidade a longo termo, possibilitando a obtenção de um padrão genérico de comportamento. Como exemplos de
fenómenos aleatórios, temos: Chave do totoloto em cada semana; Resposta de uma doença a um tratamento feito com
determinado medicamento; Estado do tempo no dia seguinte; Comportamento dos eleitores nas próximas eleições
legislativas; Comportamento de um aluno no exame de resposta de múltipla escolha, para o qual não estudou;
Comportamento do mercado perante um produto novo para lavar a roupa; etc.

Autor: Rosângelo Paúnde Página 2

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

 Quando o experimento for realizado repetidamente, os resultados individuais parecem

ocorrer de forma acidental, mas se for repetido um grande número de vezes uma
configuração definida ou regularidade surgirá.

Exemplos:

 Contar o número de carros estacionados, na rua, ao sairmos de manhã de casa;

 Perguntar a uma pessoa ao acaso, quantas são as pessoas do seu agregado familiar;
 Lançar uma moeda ao ar e ver o resultado que sai;
 Lançar uma moeda ao ar 20 vezes e ver quantas caras saem;
 Medir o tempo que de manhã levamos a chegar ao emprego;
 Contar o número de desastres que encontramos, em cada dia, na ida para o emprego.

As situações anteriores são exemplos de experiências aleatórias pois, além de envolverem

aleatoriedade, o resultado da experiência está bem especificado. O mesmo não se passa com a
seguinte situação: ao acordar, de manhã, ir à janela. Efectivamente, nesta situação anterior não
se especificou qual o resultado possível, de modo a termos uma experiência aleatória.

Espaço Amostral (S)

SHIGUTI & SHIGUTI (2006, p.64), definem Espaço Amostral como um conjunto de
todas as possíveis ocorrências de um determinado experimento aleatório (E).

Entretanto, PIANA, MACHADO & SELAU (2009, p.68), dizem que, Espaço Amostral,
é o conjunto de todos os possíveis resultados de um experimento aleatório, ou seja, é o conjunto
universo relativo aos resultados de um experimento. Assim, a cada experimento aleatório, está
associado um conjunto de resultados possíveis, ou Espaço Amostral.

Por outro lado, MARTINS (2005, p.131) define Espaço Amostral, como o conjunto de
todos os resultados possíveis, associados à realização de uma experiência aleatória.

Exemplos:

 No seguinte Experimento Aleatório, que denotaremos por “um” (E1): Lançamento de um

dado ao ar e observar o número na face superior. Assim, para este caso, teremos como

Autor: Rosângelo Paúnde Página 3

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

Espaço Amostral (S) os seguintes: S1 = {1; 2; 3; 4; 5; 6}, visto que, um dado não
defeituoso, contém 6 faces;
 No seguinte Experimento Aleatório, que denotaremos por “dois” (E2): Lançamento de
uma moeda ao ar e observar o valor na face superior. Assim, para este caso, teremos como
Espaço Amostral (S) os seguintes: S2 = {cara; coroa}, visto que, uma moeda não
defeituosa, contém 2 faces, ou seja, cara ou coroa;
 No seguinte Experimento Aleatório, que denotaremos por “três” (E3): Lançamento de um
dado e uma moeda ao ar e observar os números e os valores nas faces superiores. Assim,
para este caso, teremos como Espaço Amostral (S) os seguintes: S3 = {1 e cara; 2 e cara;
3 e cara; 4 e cara; 5 e cara; 6 e cara; 1 e coroa; 2 e coroa; 3 e coroa; 4 e coroa; 5 e coroa; 6
e coroa}, visto que, um dado não defeituoso, contém 6 faces e uma moeda não defeituosa,
contém 2 faces;

Evento ou Acontecimento (Denotado por qualquer letra maiúscula)

Para PIANA, MACHADO & SELAU (2009, p.68), Evento ou Acontecimento é todo
conjunto particular de resultados do Espaço Amostral (S) ou, ainda, é todo o subconjunto do
Espaço Amostral (S). Geralmente, é denotado por qualquer letra maiúscula do abecedário
português (A; B; C, etc.).

Corroborando com os autores acima, SHIGUTI & SHIGUTI (2006, p.64), definem Evento
ou Acontecimento, como qualquer subconjunto de ocorrências de um determinado espaço
amostral (S).

Por outro lado, MARTINS (2005, p.131) afirma que, Evento ou Acontecimento é o
subconjunto do espaço amostral ou de resultados (S).

Assim, diante dos posicionamentos dos autores acima e, considerando a Experiência

Aleatória (E) que consiste em perguntar a uma pessoa, escolhida ao acaso, quantas pessoas
constituem o seu agregado familiar, o Espaço Amostral ou de Resultados é constituído por todos
os números inteiros não negativos (excluindo o zero). Portanto, alguns acontecimentos são:

 3 pessoas, que podemos representar por: S = {3}

 entre 2 e 4 pessoas (inclusive), que pode se representar por: S = {2, 3, 4)

Autor: Rosângelo Paúnde Página 4

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

 mais de 3 pessoas, que pode se representar por: S= {4, 5, 6, …}

 menos de 10 pessoas, que pode se representar por: S = {1, 2, …, 9}

De um modo geral os Eventos ou Acontecimentos identificam-se com letras maiúsculas

“A”, “B”, “C”, …, “Z”. Assim, diz-se que se realizou o acontecimento “A”, quando o resultado
da experiência pertence a “A”.

Exemplos:

 S1 = {1; 2; 3; 4; 5; 6}, assim, este Espaço Amostral (S1) é composto de 6 eventos;

 S2 = {cara; coroa}, assim, este Espaço Amostral (S2) é composto de 2 eventos;
 S3 = {1 e cara; 2 e cara; 3 e cara; 4 e cara; 5 e cara; 6 e cara; 1 e coroa; 2 e coroa; 3 e coroa;
4 e coroa; 5 e coroa; 6 e coroa}, assim, este Espaço Amostral (S3) é composto de 12
eventos;

Tipos de Eventos ou Acontecimentos

No entanto, alguns dos eventos ou acontecimentos são constituídos por:

1. Um único resultado, desta feita, chama-se Evento ou Acontecimento Elementar.

2. Eventos Compostos, quando constituído por mais de um resultado;
3. Outros ainda, denominados de Eventos ou Acontecimentos Certos, quando constituído
por todos os resultados do espaço amostral (Se A = S);
4. Evento Impossível, se não tiver qualquer elemento do espaço amostral (Se A = ∅).
5. Evento Complementar, que é um outro conjunto formado pelos elementos que pertencem
ao espaço amostral, mas que não pertencem ao conjunto em estudo.

NOTA:

Genericamente, se o número de elementos do espaço amostral de um espaço amostral

finito é “n”, então o número de eventos é dado por 2n, onde a base 2, corresponde o número de
faces possíveis do objecto lançado ao ar. Assim, por exemplo, no lançamento de 5 moedas ao ar,
o número de elementos do espaço amostral ou de resultados possíveis é 25 = 32. Portanto, S = 32.

Autor: Rosângelo Paúnde Página 5

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

OPERAÇÕES COM EVENTOS

Conjunto representa uma colecção de objectos. Assim, em geral, os conjuntos indicam-se

por uma letra maiúscula do alfabeto, tal e qual os eventos e, seus elementos por letras minúsculas.
Desta feita, um conjunto pode ser representado por chavetas ou de forma geométrica (quadros e
círculos).

Assim, um conjunto pode igualmente estar representado por Extensão e por

Compreensão. Assim, se os seus elementos estiverem descriminados um por um e separados por
virgulas, diz-se por Extensão. De contrário, se os seus elementos estiverem definidos por uma
propriedade característica de todos os elementos, diz-se por Compreensão.

Portanto, através do diagrama de Venn, os conjuntos são representados, graficamente, ou

seja, todos os elementos são representados por pontos dentro duma linha fechada e, junto de cada
ponto está a designação de cada elemento.

Cardinal de um Conjunto (#)

O cardinal de um conjunto finito A é o número de elementos deste conjunto. Assim, do

conjunto A, representa-se por: #A. Exemplo: Se A = {a, b, c, d}, diz-se que o cardinal é #A = 4.

União de Conjuntos (∪)

A União de acontecimentos A e B é o acontecimento que se realiza quando se realiza A ou

B ou ambos. E, representa-se por 𝐀 ∪ 𝐁 e é formado pelos resultados que pertencem a pelo menos
um dos acontecimentos.

Intersecção de Conjuntos (∩)

A intersecção de acontecimentos A e B é o acontecimento que se realiza se e só se (sse) A

e B se realizam simultaneamente. E, representa-se por 𝐀 ∩ 𝐁 e é constituído pelos resultados
comuns de A e B.

Autor: Rosângelo Paúnde Página 6

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

Complementar de um Conjunto ou Acontecimento Contrário (𝐀)

O complementar de um conjunto “A” ou acontecimento contrário de “A” em relação a um

dado espaço amostral (S), é o acontecimento constituído por todos os resultados do espaço
amostral (S) que não pertençam a “A”. E, representa-se por 𝐀 . Assim:

𝐀 ∪ 𝐀 = 𝐒 𝐞, 𝐀 ∩ 𝐀 = ∅

Outrossim, dados dois conjuntos A e B, chama-se complementar de “B” em relação a “A”,

ao conjunto dos elementos de “A” que não pertencem a “B”. E, representa-se por A \ B ou A – B,
onde lê-se “A” menos “B” ou Diferença de “A” e “B”.

Conjuntos Disjuntos

Os acontecimentos disjuntos, incompatíveis ou mutuamente exclusivos, são

acontecimentos que não tem resultados comuns e, portanto, a realização de um deles implica, a
não realização do outro. Logo:

𝐀∩𝐁=∅

Relação de Pertença (∈)

Esta relação serve para indicar se um elemento pertence ou não a um conjunto.

Exemplo:

𝐚 ∈ 𝐀 → 𝐥ê − 𝐬𝐞 "a" pertence ao conjunto A;

𝟐 ∉ 𝐀 → 𝐥ê − 𝐬𝐞 "𝟐" 𝐧å𝐨 𝐩𝐞𝐫𝐭𝐞𝐧𝐜𝐞 𝐚𝐨 𝐜𝐨𝐧𝐣𝐮𝐧𝐭𝐨 𝐀.

Portanto, esta relação só se estabelece entre o elemento e o conjunto.

Relação de Inclusão

Serve para indicar se um conjunto está contido ou não noutro conjunto, ou seja, se é ou
não seu subconjunto.

A ⊂ B → lê − se A está contido ou é subconjunto de B;

Autor: Rosângelo Paúnde Página 7

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

B ⊄ A → lê − se B nåo está contido ou nåo é subconjunto de A.

Portanto, esta relação só se estabelece entre conjuntos.

PROBABILIDADES. CONCEITOS.

Na linguagem corrente, a noção de probabilidade é utilizada sem qualquer definição precisa

do seu significado, contudo, a teoria das probabilidades, sendo uma disciplina da Matemática, deve
tornar esta noção precisa. Por isso, a primeira definição de probabilidade foi estabelecida por
LAPLACE em 1812.

AXIOMAS E TEOREMAS DE PROBABILIDADES

Axioma 1: Diz que, a probabilidade de um acontecimento A é um n° real de 0 a 1. Assim,

teremos:

𝟎 ≤ 𝐏(𝐀) ≤ 𝟏

Axioma 2: A probabilidade do acontecimento certo é 1. Assim, se A é um evento ou

acontecimento certo, assim teremos:

𝐏(𝐀) = 𝟏

Axioma 3: A probabilidade da reunião de dois acontecimentos certos disjuntos, ou seja,

mutuamente exclusivos, é igual a soma das probabilidades desses acontecimentos. Assim,
teremos:

𝐏(𝐀⋃𝐁) = 𝐏(𝐀) + 𝐏(𝐁); 𝐬𝐞 𝐀 ∩ 𝐁 = ∅

PORTANTO, A PARTIR DESTES AXIOMAS 2 , PODEMOS DEDUZIR OS

TEOREMAS SEGUINTES:

Teorema 1: A probabilidade do acontecimento contrario é:

2
São verdades inquestionáveis, universalmente válidas, muitas vezes utilizadas como princípios na construção de uma
teoria ou como base para uma argumentação.

Autor: Rosângelo Paúnde Página 8

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

𝐏(𝐀) = 𝟏 − 𝐏(𝐀)

Teorema 2: A probabilidade do acontecimento impossível é zero.

𝐏(∅) = 𝟎

Teorema 3: Se A e B são acontecimentos não disjuntos, têm-se:

𝐏(𝐀⋃𝐁) = 𝐏(𝐀) + 𝐏(𝐁) − 𝐏(𝐀 ∩ 𝐁); 𝐬𝐞 𝐀 ∩ 𝐁 ≠ ∅, em que ∅ é o conjunto impossível

Assim, a Lei de Laplace, enuncia o seguinte: “Se uma experiência aleatória pode ter “N”
resultados mutuamente exclusivos e igualmente possíveis, e se desses resultados, “n” têm um certo
𝐧
atributo “A”, então a probabilidade de “A” é dada por 𝐍 . E, habitualmente escreve-se:

n N° de Casos Favoráveis do Acontecimento "A"

P(A) = → P(A) =
N N° de Casos Possíveis

Exemplo:

1. Calcule a probabilidade de que, num lançamento de um dado perfeito/honesto com as faces

numeradas de 1 a 6, se obtenha:
1.1 Um número par:

Dados:

N° de Casos Possíveis = 6 faces, que corresponde ao espaço amostral do dado: S = {1, 2,

3, 4, 5, 6};

N° de Casos Favoráveis = 3 faces, que corresponde ao que pretendemos que saia (Par): A
= {2, 4, 6}.

n N° de Casos Favoráveis 3 1
P(A) = → P(A) = → P(A) = → P(A) = → P(A) = 0,5
N N° de Casos Possíveis 6 2
→ P(A) = 50%

Autor: Rosângelo Paúnde Página 9

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

1.2 Um número não inferior a 5.

Dados:

N° de Casos Possíveis = 6 faces, que corresponde ao espaço amostral do dado: S = {1, 2, 3,

4, 5, 6}

N° de Casos Favoráveis = 2 faces, que corresponde ao que pretendemos que saia (N° não
inferior a 5): A = {5, 6}.

n N° de Casos Favoráveis 2 1
P(A) = → P(A) = → P(A) = → P(A) = → P(A) = 0,3333
N N° de Casos Possíveis 6 3
→ P(A) = 33,33%

2. Calcule a probabilidade de que, no lançamento de uma moeda perfeita/honesta ao ar sair:

2.1 Cara;

Dados:

N° de Casos Possíveis = 2 faces, que corresponde ao espaço amostral da moeda: S = {cara,

coroa};

N° de Casos Favoráveis = 1 face, que corresponde ao que pretendemos que saia (cara): A
= {cara}.

n N° de Casos Favoráveis 1
P(A) = → P(A) = → P(A) = → P(A) = 0,5 → P(A) = 50%
N N° de Casos Possíveis 2

2.2 Coroa.

Dados:

N° de Casos Possíveis = 2 faces, que corresponde ao espaço amostral da moeda: S = {cara,

coroa};

N° de Casos Favoráveis = 1 face, que corresponde ao que pretendemos que saia (coroa):
A = {coroa}.

Autor: Rosângelo Paúnde Página 10

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

n N° de Casos Favoráveis 1
P(A) = → P(A) = → P(A) = → P(A) = 0,5 → P(A) = 50%
N N° de Casos Possíveis 2

3. Extrai-se uma carta, ao acaso, de um baralho de 52 cartas. Vamos calcular a probabilidade

de que:
3.1 A carta extraída seja um Rei;

Dados:

N° de Casos Possíveis = 52, que corresponde ao espaço amostral de um baralho, que

contém 52 cartas: S = {52 cartas};

N° de Casos Favoráveis = 4 Reis, que corresponde ao que pretendemos que saia (Rei): A
= {há 4 reis num baralho}.

n N° de Casos Favoráveis 4 1
P(A) = → P(A) = → P(A) = → P(A) = → P(A)
N N° de Casos Possíveis 52 13
= 0,0769 → P(A) = 7,69%

3.2 A carta extraída seja copas;

Dados:

N° de Casos Possíveis = 52, que corresponde ao espaço amostral de um baralho, que

contém 52 cartas: S = {52 cartas};

N° de Casos Favoráveis = 13 Copas, que corresponde ao que pretendemos que saia

(Copas): A = {há 13 cartas de copas num baralho}.

n N° de Casos Favoráveis 13 1
P(A) = → P(A) = → P(A) = → P(A) = → P(A) = 0,25
N N° de Casos Possíveis 52 4
→ P(A) = 25%

Autor: Rosângelo Paúnde Página 11

 Apontamentos da Disciplina de Introdução à Estatística – UniSave - Maxixe

Exercícios de Consolidação da Unidade

1. Seja o experimento “E” o lançamento de um dado honesto ao ar. Qual a probabilidade de

o evento “A”:
1.1 Sair números maiores e iguais a 2?
1.2 Sair um número ímpar?
2. No lançamento de duas moedas não defeituosas ao ar, qual é a probabilidade de se obter:
2.1 Duas caras;
2.2 Uma cara e uma coroa.
3. O António abre ao acaso, um livro, ficando a vista duas páginas numeradas. Qual é a
probabilidade de a soma dos números dessas duas paginas ser impar?
4. Dos ouvintes da Rádio Moçambique, 37% ouvem o programa RM Desporto; 53% ouvem
o programa Nogoma Moçambique e 15% ouvem ambos os programas. Ao escolher
aleatoriamente um ouvinte desta estacão radiofónica, qual é a probabilidade de que:
4.1 Escute apenas um dos referidos programas;
4.2 Não escute nenhum destes dois programas.

Autor: Rosângelo Paúnde Página 12