Noções de Probabilidade

17/09/2024, 21:50 Noções de Probabilidade
Introdução
O estudo de probabilidades é muito importante na área da estatística, quantificando a
incerteza. Com ela, descrevemos a possibilidade da ocorrência de eventos.
Realizamos estes cálculos de forma intuitiva quando, por exemplo, perguntamos “Será
que vai chover hoje?”, “Qual a possibilidade de ganhar na loteria?”, “Será que vou
adoecer?”. A todas essas perguntas empregamos a possiblidade de acontecimentos de
eventos.
De forma matemática, a mensuração da possibilidade de acontecimentos pode ser:
Através do conhecimento completo dos fatores que influenciam o evento (a priori);
Através do comportamento de eventos passados (a posteriori);
Segundo Vieira (2021), a probabilidade a priori é também conhecida por probabilidade

clássica e a probabilidade a posteriori é conhecida por probabilidade frequentista.
Para ilustrar esses conceitos, vamos pensar na possibilidade de uma pessoa ter diabetes.
Pelo pensamento da probabilidade a priori, deveríamos listar todos os fatores que
poderiam ocasionar diabetes em um indivíduo. Seria impossível elencar todos esses
fatores, embora, através de pesquisas médicas, já conheçamos alguns.
Por outro lado, analisando inquéritos populacionais, podemos quantificar o número de

diabéticos e algumas de suas características e, assim, calcular a probabilidade a
posteriori da ocorrência de diabetes em indivíduos com características semelhantes.
Aprofundaremos alguns conceitos e propriedades que os ajudarão no cálculo de

probabilidades.
https://ceadgraduacao.uvv.br/conteudo.php?aula=nocoes-de-probabilidade&dcp=estatistica-basica&topic=5 1/31
Se para o cálculo da probabilidade a priori devemos ter o conhecimento

completo dos fatores que influenciam o evento, onde poderíamos aplicar estes
critérios?
Conceitos importantes
A probabilidade está presente sempre que estivermos diante de um fenômeno aleatório,
isto é, um fenômeno para o qual não sabemos de antemão o que vai acontecer na
próxima repetição, mas para o qual se admite uma certa regularidade para um grande
número de repetições do fenômeno.
O objetivo da Teoria da Probabilidade é o estudo dos fenômenos aleatórios, através de

modelos matemáticos, ou seja, quando observamos o fenômeno em estudo um número
suficientemente grande de vezes, verifica-se um comportamento que pode ser
modelado, isto é, podemos arranjar um modelo para exprimir a aleatoriedade,
utilizando um experimento aleatório.
Também podemos interpretar como a “probabilidade de A dado a ocorrência de B” ou “a

probabilidade de A sabendo que B ocorreu”.
Experimentos aleatórios são fenômenos produzidos pelo homem e que, ao

serem repetidos sempre nas mesmas condições iniciais, os resultados finais
produzidos em cada tentativa não serão os mesmos e nem previsíveis.
São exemplos de experiências aleatórias
lançar uma moeda ao ar e ver o resultado que sai;
observar o tempo de vida útil de um componente eletrônico;
lançar um dado em superfície plana e observar qual face sairá;
observar quantos sinais abertos vai encontrar ao ir para o trabalho pela manhã;
sortear uma pessoa e identificar se ela é sedentária ou não sedentária, gorda ou

magra.
Espaço Amostral é o conjunto de resultados possíveis, relacionados a um

experimento. Representamos pela letra grega Ω.
Exemplos:
Lançamento de um dado (existem 6 resultados possíveis)
Ω = {1, 2, 3, 4, 5, 6}
Observação de quantos sinais abertos vai encontrar ao ir para o trabalho pela manhã;
(existem 12 semáforos no percurso)
Ω = {0, 1, 2, 3, 4, 5, 6 , 7,8, 9, 10,11, 12}
Sorteio de uma pessoa e identificar se ela é sedentária (S) ou não sedentária (NS),
gorda (G) ou magra (M);
Ω = {(S,M), (S,G), (NS,M), (NS,G)}
Você sabe diferenciar fenômenos determinístico e não

determinístico?
Segundo SILVA, Ermes Medeiros da, et al (1999):
1º) Fenômenos determinístico – Aqueles em que, conduzidos com as

mesmas condições iniciais, os resultados são sempre os mesmos, qualquer que
seja o número de ocorrência dos mesmos.
2º) Fenômenos não determinístico – também conhecido como

fenômenos aleatórios, são aqueles que mesmo que, mesmo que haja um grande
número de repetições sob mesmas condições iniciais, podem conduzir a mais de
um resultado. As condições iniciais não determinam o resultado do fenômeno.
Evento
Um evento pode ser referido a um único resultado, ou a um subconjunto de

resultados, pertencente a um espaço amostral.
Exemplos:
Lançamento de um dado:
E1= sair face 5
E2= sair um valor menor do que 3.
Observação de quantos sinais abertos vai encontrar ao ir para o trabalho pela manhã
E1= no máximo, 3 semáforos abertos;
E2= todos semáforos abertos.
Para exemplificar todas as definições vistas até agora, vamos pensar no experimento
aleatório envolvendo o lançamento de dois dados e observando as faces superiores.
Vamos imaginar como seria o espaço amostral neste caso. Ao lançar dois dados, temos,
então, os seguintes resultados que podem ocorrer como resultados deste lançamento:
Valores do 2º dado
1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)

Valores do 1º dado
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Espaço amostral em formato de tabela
Outra maneira de representar o espaço amostral do experimento é através do diagrama

de árvore. Este é útil para resolução de problemas que serão vistos futuramente:
Árvore de possibilidades (Espaço amostral)
Observando o espaço amostral do lançamento de dois dados, podemos observar os

seguintes eventos:
A: Saída de faces iguais;
A = { (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}.
B: Saída de duas faces impares;
B = { (1,1), (1,3), (1, 5), (3, 1), (3,3), (3, 5). (5, 1), (5, 3), (5, 5)}.
C: Saída de faces cuja soma seja menor que 2;
C=Ø
Isto quer dizer que temos um evento chamado Evento Vazio ou Evento impossível.
D: Saída de faces cuja soma seja menor que 13;
D=Ω
Isto quer dizer que temos um evento certo, pois todas as somas possíveis são menores
que 13.
Exemplo: na lanchonete da universidade, há 3 tipos de sucos (laranja, acerola e

goiaba) e 2 tipos de salgados (pastel e coxinha). Determine o espaço amostral
contendo todas as possibilidades de escolha de 1 suco e um salgado.
Para ver a resolução desse problema, acesse o link e assista ao vídeo.
Você lembra da diferença entre Arranjo e Combinação?
Vamos recordar a diferença entre Arranjo e Combinação, utilizando como

referência Morgado (2000).
ARRANJO – nº de modos distintos de ordenar r elementos entre n possíveis,

onde a ordem é importante.
Temos:
COMBINAÇÃO – nº de modos de escolher r objetos/elementos distintos entre

n objetos distintos dados, onde a ordem dos elementos não é importante.
Temos, então:
Definição de probabilidade e
propriedades
Existem duas maneiras de avaliar ou mensurar as possibilidades de um certo
acontecimento. Assim, existem três classificações para a probabilidade, a clássica (dita
a priori), a frequentista (dita a posteriori) e a subjetiva.
Definição clássica:
Na definição de probabilidade clássica (a priori), é necessário definir todos os fatores
que, de alguma forma, poderiam afetar o resultado final, ou seja, é necessário o
conhecimento do espaço amostral.
A probabilidade de um evento A vir a acontecer é a divisão do número de resultados
favoráveis pelo número de resultados possíveis.
Definição frequentista:
Na definição de probabilidade frequentista (a posteriori), é necessária a utilização da
frequência relativa, uma estimativa da verdadeira probabilidade de ocorrência de um
determinado fenômeno. Ou seja, se repetir um experimento um grande número de
vezes, a probabilidade pela frequência relativa de um evento tende para probabilidade,
está dada por:
Definição subjetiva:
A probabilidade subjetiva está relacionada ao julgamento pessoal, à crença ou ao

acúmulo de conhecimento (experiência) de determinado indivíduo sobre a
probabilidade do evento. Neste caso, não temos como representar o cálculo da
probabilidade utilizando propriedades matemáticas.
São exemplos de probabilidade subjetiva:
• A previsão que a chance de determinadas ações da empresa X cair é de 90%;

• Um médico prever que a expectativa de vida de determinada pessoa com câncer ser de
1 ano;
• Um analista estimar que a chance dos funcionários entrarem em greve é de 30%.
Exemplo: ao lançarmos um dado não viciado, sabemos a priori que a

probabilidade de observar face impar é de 1/2 , uma vez que temos:
Espaço amostra: Ω = {1,2,3,4,5,6}
Evento A: resultado face impar em um único lançamento de um dado.
Diagrama de Venn.
Agora, o cálculo da probabilidade frequentista (a posteriori) deve-se realizar n

repetições do lançamento do dado e, assim, observar com que frequência sai face impar.
Por exemplo: se lançarmos este mesmo dado 50 vezes (n tentativas) e forem registradas
23 faces impares e 27 faces pares, pode-se concluir que a probabilidade de ocorrer o
evento A é igual a:
Diagrama de Venn.
Assim, se o experimento for repetido um número grande de vezes, verificaremos a

probabilidade do evento A pela frequência relativa tende ao valor da probabilidade do
evento ao previsto a priori.
Lembra o que é o Princípio Fundamental da Contagem?
BUSSAB & MORETTIN (2004) explicam que, quando temos um espaço

amostral finito em que todos os pontos amostrais têm a mesma probabilidade
1/n, não é necessário explicitar completamente Ω e A. Nesse caso, são usados os
métodos clássicos de contagem da análise combinatória. Um princípio
fundamental de contagem diz que, se uma tarefa pode ser executada em duas
etapas, a primeira podendo ser realizada de p maneiras e a segunda de q
maneiras, então, a tarefa completa pode ser executada de p.q maneiras. Esse é
o princípio multiplicativo.
Propriedades da Probabilidade:
A probabilidade varia entre 0 e 1, ou entre 0 e 100%, podemos, assim, representar

por 0 ≤ P (A) ≤ 1 para qualquer evento A.
O espaço amostral (Ω) é composto por todos os possíveis resultados, logo, a

probabilidade do espaço amostral é 1 ou 100%. Sendo P (Ω) = 1.
Se A é o complemento do evento A, então P(A)=1-P(A).
Dois eventos A e B são mutuamente exclusivos se possuem interseção vazia, a

probabilidade de eles ocorrerem simultaneamente é nula. Isto é A ∩ B = Ø.
Teorema da soma: se A e B são dois eventos quaisquer, então, a probabilidade de,

pelo menos, um dos eventos ocorrer (A ou B) é dada por:
P (A ∪ B) = P(A) + P(B) – P(A ∩ B)
Teorema do produto: dado que o evento A com probabilidade P(A) ocorre n vezes, a
probabilidade das n repetições é dada por:
Se a ocorrência de A não influencia na ocorrência de B, ou, vice-versa, os dois eventos

são considerados independentes e a probabilidade da ocorrência dos dois eventos é
dada por:
P(A ∩ B) = P(A) * P(B)
A sentença acima pode ser lida por: A probabilidade de A ocorrer e B ocorrer.
Exemplo: sejam A e B dois eventos mutuamente exclusivos. A probabilidade de

ocorrência de pelo menos um deles é 0,52 e a probabilidade de A não ocorrer é 0,60.
Calcule P(B).
Temos,
Exemplo: três cavalos A, B, C estão numa corrida. Sabe-se que A é duas vezes
mais provável de ganhar que B e esse é duas vezes mais do que C. Determine a
probabilidade de ganhar de cada um dos cavalos A, B e C.
Operações com Eventos
Ilustração das propriedades
Ilustração pelo diagrama de Venn.
Exemplo: em um estudo feito com 60 pessoas, foram coletadas informações sobre o

estilo de vida de cada um (sedentário ou não) e sobre o peso de cada um (obeso ou não).
Foram observadas 24 pessoas obesas e 34 sedentárias; dentre as 24 pessoas obesas, 15
foram classificadas como sedentárias. Qual a probabilidade de:
1. um indivíduo ser obeso ou sedentário?

2. um indivíduo ser sedentário e obeso?
3. um indivíduo ser sedentário e não obeso?
Resolução:
Definimos: O – Pessoas obesas;
S – Pessoas sedentárias.
As possíveis combinações de características são:
Obesa e Sedentária → (O ∩ S)
Obesa e Não Sedentária → (O ∩ S̅ )
Não Obesa e Sedentária → (O̅ ∩ S )
Não Obesa e Não Sedentária → (O̅ ∩ S̅ )
Com os valores informados no enunciado, poderemos montar uma tabela ou um

diagrama de Venn de possibilidades e, assim, encontrar as probabilidades. Podemos
iniciar com a tabela,
Obeso (O) Não Obeso (O̅ ) Total
Sedentário (S) 15 19 34
Não Sedentário (S̅ ) 9 17 26
Total 24 36 60
Temos, então, que 15 pessoas são obesas e sedentárias (O∩S) e, para completar o
número de obesas, teremos 9 pessoas obesas e não sedentárias (O∩S).
Das 34 sedentárias, sabe-se que 15 são obesas, logo, 19 são não obesas e sedentárias
(O∩S) . Completando a tabela, temos que 17 pessoas são Não obesas e não sedentárias
(O∩S).
O diagrama de Venn inicia-se preenchendo a informação da intercessão no centro do

diagrama, ou seja, o número de pessoas que são obesas (O) e sedentárias (S), que foi
informado no enunciado como sendo 15 pessoas. Depois, preenche-se os valores
restantes dos eventos obeso e sedentário. E, por fim, encontra a quantidade necessária
para completar o valor de 60 pessoas.
Representação em diagramas de Venn.
Observe que:
Nº de Obesos = 9 + 15 =24
Nº de sedentários = 15 + 19 = 34
Nº de não obesos e não sedentários = 60 – 9 – 15 – 19 = 17
Agora, podemos responder os questionamentos feitos no problema utilizando as

operações entre eventos e teorema da soma.
a) Qual a probabilidade de um indivíduo ser obeso ou

sedentário?
Nesse caso, poderemos usar o teorema da soma, utilizando os totais informado, ou seja,
Ou utilizar o digrama de Venn e somar os valores de O e S, ou seja,
b) Um indivíduo ser sedentário e obeso;
No caso do “e”, estamos querendo a intercessão, que é obtida pelo cruzamento das duas
características tanto na tabela quanto no diagrama de Venn, ou seja,
c) Um indivíduo ser sedentário e não obeso;

No caso do “e”, estamos querendo a intercessão entro os não obesos e os sedentários,
que é obtida pelo cruzamento das duas características tanto na tabela quanto no
diagrama de Venn, ou seja,
ATENÇÃO!!!
Se vários eventos raros ocorrem em algum lugar, eles podem ter sido causados
simplesmente pela casualidade. Os eventos raros irão acontecer com alguém em
algum lugar e em algum momento, desde que haja tempo e pessoas suficientes
(RUMSEY,2009).
Exemplo: em uma escola, num grupo de 50 estudantes de determinada turma,

20 praticam natação, 15 praticam futebol, 10 praticam vôlei, sendo que alguns
praticam mais de um desses esportes. Assim, tem-se 6 estudantes que praticam
natação e vôlei, 8 futebol e natação, 3 futebol e vôlei e 1 pratica as três
modalidades. Se um desses estudantes é sorteado ao acaso, qual é a
probabilidade de:
a) Praticar somente natação?

b) Praticar pelo menos um destes esportes;?
c) Não praticar nenhum destes esportes?
Para ver a resolução desse problema, acesse o link e assista o vídeo.
Probabilidade Condicional
Quando a probabilidade de ocorrência de um evento é afetada pela ocorrência ou não de
outro chamamos de probabilidade condicional.
Matematicamente, segundo Bussab (2010), dizemos que a probabilidade de A está

condicionada a ocorrência de B com a seguinte notação:
Também podemos interpretar como a “probabilidade de A dado a ocorrência de B” ou “a

probabilidade de A sabendo que B ocorreu”.
Representação da probabilidade condicional pelo diagrama

de Venn.
Exemplo: em um estudo feito com 60 pessoas foram coletadas informações sobre o

estilo de vida de cada uma (sedentário ou não) e sobre o peso de cada uma (obeso ou
não), conforme tabela abaixo:
Obeso (O) Não Obeso (O̅ ) Total
Sedentário (S) 15 19 34
Não Sedentário (S̅ ) 9 17 26
Total 24 36 60
Exemplo prático do cálculo de probabilidade condicional.
Perguntamos:
Qual a probabilidade de encontramos um obeso, dado que é sedentário?
Observe que é informado que o indivíduo é sedentário. Queremos saber a probabilidade

dos indivíduos que também são obesos dentro deste grupo de sedentários. Assim:
Sabendo que o indivíduo não é obeso, qual a probabilidade dele ser não sedentário?
Observe que é informado que o indivíduo é não obeso. Queremos saber a probabilidade
dos indivíduos que também são não sedentários dentro deste grupo de não obesos.
Assim:
Dentre os indivíduos sedentários, qual a probabilidade dele ser não obeso?
Observe que é informado que o indivíduo é sedentário. Queremos saber a

probabilidade dos indivíduos que também são não obesos dentro deste grupo de
sedentários. Assim:
Você já viu aqueles programas de TV no qual existem 3 portas? Uma com um

prêmio e as outras duas sem nada de valor? Se sim, saiba que este é um grande
exemplo de probabilidade condicional, conhecido como paradoxo de Monty
Hall. No início do jogo, você tem a probabilidade de 33% de acertar a porta
premiada. Você escolhe uma porta e o apresentador abre outra que não tem o
prêmio. Em seguida, pergunta se você deseja trocar de porta. Por intuição,
achamos que a probabilidade será 50% para cada opção restante, e tanto faz
trocar de porta ou não. Só que, ao revelar uma porta sem o prêmio, as
probabilidades se alteram. Se você trocar de porta, sua probabilidade de ganhar
o prêmio será de 66% contra 33% se não trocar.
Clique aqui
Testes Diagnósticos
Segundo Arango (2009), uma aplicação importante da teoria das probabilidades na
saúde está relacionada à avaliação da capacidade que um determinado exame tem de
acertar o verdadeiro diagnóstico. A precisão de um exame diagnóstico é avaliada
comparando seus resultados com os de um exame definitivo (padrão ouro) e verificando
sua capacidade de acerto.
Utilizando a probabilidade condicional, podemos extrair algumas relações:
Sensibilidade: é a probabilidade de o teste dar resultado positivo dado que o indivíduo

está doente. Probabilidade (teste positivo | paciente doente).
Especificidade: é a probabilidade de o teste dar resultado negativo dado que o indivíduo
não está doente. Probabilidade (teste negativo | paciente não doente).
Sensibilidade e Especificidade
Valor preditivo positivo: é a probabilidade de o indivíduo estar doente dado que o

resultado do teste deu resultado positivo. Probabilidade (paciente doente | teste
positivo).
Valor preditivo negativo: é a probabilidade de o indivíduo não estar doente dado
que o resultado do teste deu resultado negativo. Probabilidade (paciente não doente |
teste negativo).
Podemos organizar os dados dos testes em tabela de contingência.
Doença Presente (D+) Doença Ausente (D-) Total
Teste Positivo (T+) VP FP VP + FP
Teste Negativo (T-) FN VN FN + VN
Total VP + FN FP + VN VP + FP + FN + VN
Tabela de contingência para testes diagnósticos.
OBS: Para termos certeza da presença ou não da doença, utilizamos o melhor teste
disponível para avaliar um novo teste diagnóstico. Ele é conhecido como teste padrão
ouro. Onde: VP=Verdadeiro positivo, FP=Falso positivo, FN=Falso negativo,
VN=Verdadeiro Negativo.
Matematicamente, temos que:
Sensibilidade:
Especificidade:
Valor Preditivo Positivo
Valor Preditivo Negativo
Ao nos depararmos com algumas bulas para testes, estão descritas informações sobre
sua validade diagnóstica.
Por exemplo, o teste Rápido de Antígeno da COVID-19 é um imunoensaio

cromatográfico rápido para a detecção qualitativa dos antígenos do SARS-CoV-2
presentes na nasofaringe humana. Ele foi avaliado com amostras obtidas de 252
pacientes. O teste de RT-PCR é utilizado como método de referência (padrão ouro) para
o Teste Rápido de Antígeno da COVID-19 (Swab Nasofaríngeo). Os resultados presentes
na bula são:
Tabela de contingência para testes diagnósticos.
Podemos acessar as probabilidades condicionais através dos cálculos:
Sensibilidade:
Especificidade:
Valor Preditivo Positivo:
Valor Preditivo Negativo:
Fique atento, pois as linhas e colunas da tabela de contingência podem ser

apresentadas em diferente ordem. Não se confunda, cuidado com a
interpretação!
Regra do produto e independência

entre eventos
O produto de probabilidades está relacionado com a intercessão de eventos. É a
probabilidade de ocorrerem os eventos “A” e “B” simultaneamente.
Sai diretamente da probabilidade condicional:
P(A ∩ B) = P(A|B).P(A)
P(A ∩ B) = P(A|B).P(B)
Essa regra é de grande utilidade na verificação de dependência entre eventos envolvidos.
Dois eventos são considerados independentes quando a ocorrência de um não influencia

na ocorrência ou não ocorrência do outro;
P(A ∩ B) = P (A).P(B)
O exemplo abaixo é para ilustrar uma situação onde existe dependência entre os
eventos.
Exemplo: sorteamos duas bolas ao acaso sem reposição, de uma urna que
contém 2 bolas brancas (B) e 3 vermelhas (V).
A primeira retirada tem as seguintes probabilidades:

P (B) = 2/5 e P (V) = 3/5
A segunda retirada terá probabilidades diferentes, de acordo com o que foi

selecionado na primeira, portanto, terá as seguintes probabilidades:
P (B|B) = 1/4 , P (B|V) = 2/ 4 , P (V|B) = 3/4 e P (V|V) = 2/4
Essas probabilidades são representadas no diagrama a seguir.
Diagrama em árvore para a extração de

duas bolas de uma urna, sem reposição.
As probabilidades conjuntas da primeira e segunda retirada:
P (B ∩ B) = P (B). P (B|B) = 2/5 × 1/4 = 2/20
P (B ∩ V) = P (B). P (V|B) = 2/5 × 3/4 = 6/20
P (V ∩ B) = P (V). P (B|V) = 3/5 × 2/4 = 6/20
P (V ∩ V) = P (V). P (V|V) = 3/5 × 2/4 = 6/20
O mesmo exemplo da urna acima será usado para ilustrar o caso no qual há
independência entre os eventos e será utilizada a retirada com reposição.
Exemplo: uma urna contém 2 bolas brancas (B) e 3 vermelhas (V). Suponha
que sorteamos duas bolas ao acaso com reposição. Nesse caso, as retiradas são
independentes, ou seja, a primeira retirada não influencia nas possibilidades de
resultados da segunda retirada.
A primeira retirada tem as seguintes probabilidades:
P(B) = 2/5 e P(V) = 3/5

A segunda retirada tem as seguintes probabilidades:
P (B|B) = 2/5 , P(B|V) = 2/5 , P (V|B) = 3/5 e P (V|V) = 3/5
Essas probabilidades são representadas no diagrama abaixo.
Diagrama em árvore para a extração de

duas bolas de uma urna, com reposição.
Note que P(B|*) = P (B) e P(V|*) = P(V). Portanto:
P(B, B) = P(B) P (B|B) = P(B) P(B) = 2/5 × 2/5 = 4/25
P(B, V) = P(B) P (V|B) = P(B) P(V) = 2/5 × 3/5 = 6/25
P(V, B) = P(V) P (B|V) = P(V) P(B) = 3/5 × 2/5 = 6/25
P(V, V) = P(V) P (V|V) = P(V) P(V) = 3/5 × 3/5 = 9/25
Para aperfeiçoar seus estudos, recomendamos a leitura do livro:
MORETTIN, Luiz Gonzaga. Estatística básica: probabilidade. 6. ed. São

Paulo: Makron Books, 1995.
Nele, você contará com o auxilio de vários exercícios resolvidos.
Exemplo: uma rede local de computadores é composta por um servidor e 2

clientes (A e B). Registros anteriores indicam que, dos pedidos de certo tipo de
processamento, cerca de 30% vêm de A e 70% de B. Se o pedido não for feito de
forma adequada, o processamento apresentará erro. Sabe-se que 2% dos
pedidos feitos por A e 5% dos feitos por B apresentam erro. Selecionando um
pedido ao acaso, qual a probabilidade de ele ser proveniente de A, sabendo que
apresentou erro?
Conclusão
Neste Tópico, foram abordados alguns conceitos e métodos matemáticos para resolução
de problemas que envolvem probabilidade. Nele, você pode relembrar e aprofundar seus
conhecimentos e desenvolver um pouco o raciocínio matemático. O conteúdo visto neste
Tópico é importante, pois é a base para os próximos conteúdos que serão vistos na
disciplina. Vale ressaltar que existe uma gama de conteúdos de probabilidade e
inferências que vão além dos aqui abordados.
No próximo Tópico, aplicaremos a probabilidade em modelos matemáticos, chamados

de distribuições de probabilidade.

Noções de Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Noções de Probabilidade

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Noções de Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

17/09/2024, 21:50 Noções de Probabilidade

De forma matemática, a mensuração da possibilidade de acontecimentos pode ser:

Através do conhecimento completo dos fatores que influenciam o evento (a priori);

Através do comportamento de eventos passados (a posteriori);

Segundo Vieira (2021), a probabilidade a priori é também conhecida por probabilidade

Por outro lado, analisando inquéritos populacionais, podemos quantificar o número de

Aprofundaremos alguns conceitos e propriedades que os ajudarão no cálculo de

Se para o cálculo da probabilidade a priori devemos ter o conhecimento

O objetivo da Teoria da Probabilidade é o estudo dos fenômenos aleatórios, através de

Também podemos interpretar como a “probabilidade de A dado a ocorrência de B” ou “a

Experimentos aleatórios são fenômenos produzidos pelo homem e que, ao

São exemplos de experiências aleatórias

lançar uma moeda ao ar e ver o resultado que sai;

observar o tempo de vida útil de um componente eletrônico;

lançar um dado em superfície plana e observar qual face sairá;

sortear uma pessoa e identificar se ela é sedentária ou não sedentária, gorda ou

Espaço Amostral é o conjunto de resultados possíveis, relacionados a um

Lançamento de um dado (existem 6 resultados possíveis)

Ω = {0, 1, 2, 3, 4, 5, 6 , 7,8, 9, 10,11, 12}

Ω = {(S,M), (S,G), (NS,M), (NS,G)}

Você sabe diferenciar fenômenos determinístico e não

Segundo SILVA, Ermes Medeiros da, et al (1999):

1º) Fenômenos determinístico – Aqueles em que, conduzidos com as

2º) Fenômenos não determinístico – também conhecido como

Um evento pode ser referido a um único resultado, ou a um subconjunto de

E2= todos semáforos abertos.

1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)

3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)

5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)

6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Espaço amostral em formato de tabela

Outra maneira de representar o espaço amostral do experimento é através do diagrama

Árvore de possibilidades (Espaço amostral)

Observando o espaço amostral do lançamento de dois dados, podemos observar os

A: Saída de faces iguais;

B: Saída de duas faces impares;

C: Saída de faces cuja soma seja menor que 2;

D: Saída de faces cuja soma seja menor que 13;

Exemplo: na lanchonete da universidade, há 3 tipos de sucos (laranja, acerola e

Para ver a resolução desse problema, acesse o link e assista ao vídeo.

Você lembra da diferença entre Arranjo e Combinação?

Vamos recordar a diferença entre Arranjo e Combinação, utilizando como

ARRANJO – nº de modos distintos de ordenar r elementos entre n possíveis,

COMBINAÇÃO – nº de modos de escolher r objetos/elementos distintos entre

A probabilidade subjetiva está relacionada ao julgamento pessoal, à crença ou ao

São exemplos de probabilidade subjetiva:

• A previsão que a chance de determinadas ações da empresa X cair é de 90%;

Exemplo: ao lançarmos um dado não viciado, sabemos a priori que a

Espaço amostra: Ω = {1,2,3,4,5,6}

Evento A: resultado face impar em um único lançamento de um dado.

Agora, o cálculo da probabilidade frequentista (a posteriori) deve-se realizar n

Assim, se o experimento for repetido um número grande de vezes, verificaremos a

Lembra o que é o Princípio Fundamental da Contagem?

BUSSAB & MORETTIN (2004) explicam que, quando temos um espaço

A probabilidade varia entre 0 e 1, ou entre 0 e 100%, podemos, assim, representar

O espaço amostral (Ω) é composto por todos os possíveis resultados, logo, a

Se A é o complemento do evento A, então P(A)=1-P(A).

Dois eventos A e B são mutuamente exclusivos se possuem interseção vazia, a

Teorema da soma: se A e B são dois eventos quaisquer, então, a probabilidade de,