Noções de

Probabilidade
Alberto Barros

Cursos:
CST em Sistemas de Telecomunicações
Bacharelado em Engenharia Elétrica
1
 Roteiro

Os conceitos de experimento determinístico e aleatório

Os conceitos de espaço amostral e eventos

 Eventos disjuntos
 Eventos complementares

Definição de probabilidade e seus teoremas

 Probabilidade sobre eventos complementares
 Regra da Adição

Probabilidade sobre espaços amostrais finitos e

equiprováveis
2
 Experimento Determinístico x
Experimento Aleatório

Experimento Determinístico

 quando repetido em condições semelhantes

conduz a resultados idênticos.

Ex: Lançar uma moeda diferente, onde os dois

lados são “cara” e observar o resultado.

 é determinístico porque já sabemos o resultado

que vai acontecer, já que a moeda só tem “cara”

3
 Experimento Determinístico x
Experimento Aleatório

Experimento Aleatório

 quando repetido em condições semelhantes

pode produzir resultados diferentes.

Ex: Sorteio da Mega-Sena

 As probabilidades são usualmente calculadas

sobre eventos associados a experimentos
aleatórios

4
 Espaço Amostral

É o conjunto de todos os possíveis resultados
de um experimento aleatório. É denotado pela
letra Ω.

 Experimento 1: Lançar um dado e observar o

número da face de cima

Ω = {1, 2, 3, 4, 5, 6}

 Experimento 2: Lançar duas moedas e observar o

resultado.
Ω = {(c,c), (c,k), (k,c), (k,k)}
onde c = cara e k = coroa
5
 Espaço Amostral

 Experimento 3: Realizar um exame de sangue em

um indivíduo e observar o tipo sanguíneo

Ω = {A, B, AB, O}

 Experimento 4: Contar o número de peças

defeituosas fabricadas em um lote de 100 peças de
uma determinada linha de produção

Ω = {0, 1, 2, ..., 100}

6
 Espaço Amostral

 Experimento 5: Observar o número de falhas em

um sistema em um determinado período

Ω = {0, 1, 2, ...}

 Experimento 6: Observar o tempo entre uma falha

e a próxima em um determinado sistema

Ω = {t ∈ℜ | t > 0}

7
 Evento

É um conjunto de resultados de um
experimento aleatório, ou na linguagem da
teoria dos conjuntos, é qualquer
subconjunto de um espaço amostral.

Representaremos um evento por qualquer

letra maiúscula

8
 Evento

Por exemplo, para o experimento 1 (lançamento
do dado), podemos definir vários eventos, entre
eles:

 Evento A: sair número menor que 4

 Evento B: sair número ímpar
 Evento C: sair número múltiplo de 7
 Evento D:sair número maior que 0

9
 Eventos em Termos da
Teoria dos Conjuntos

A = {1, 2, 3} (números menores que 4)

1 2 3 B = {1, 3, 5} (números ímpares)

C=Ø (números múltiplos de 7)

4 5 6
D=Ω (números maiores que 0)

C é denominado de Evento Impossível

D é denominado de Evento Certo
10
 Utilização do Diagrama de Venn
para Denotar Novos Eventos

Diagrama de Venn

A∪B A A∪ B = A ∩ B
A ocorrência de A Não ocorrência
ou de B Não ocorrência de A
de A nem de B
B

A∩B A∩B A∩ B = A ∪ B
(*) Não ocorrência simultânea
ocorrência simultânea
de A e B (*) 11
de A e B ocorrência apenas de A
 Eventos Disjuntos ou
Mutuamente Exclusivos

Dois eventos A e B, de um mesmo espaço amostral Ω, são ditos
disjuntos se eles não puderem ocorrer simultaneamente, isto é, se

A∩B=∅

Por exemplo, no experimento de lançar um dado, os eventos

A: sair número maior que 5

B: sair número ímpar 4

são disjuntos 6 B
3
A 1
5
2
Ω

12
 Eventos Complementares

Dois eventos A e B, de um mesmo espaço amostral Ω,
são ditos complementares se:

A∩B=∅ e A∪B=Ω

Por exemplo, no experimento de lançar um dado, os

eventos

A: sair número par e 1 2 3 A

B: sair número ímpar
B
são complementares 4 6
5

Ω 13
 Definição de Probabilidade

Seja ε um experimento aleatório. Seja Ω o espaço
amostral associado a ε. Associaremos a cada evento A
um número real representado por P(A) e denominado
probabilidade de A, que satisfaça aos seguintes
axiomas:
 0 ≤ P(A) ≤ 1;

 P(Ω) = 1;

 a) Se A e B forem eventos disjuntos, então

P(A ∪ B) = P(A) + P(B)

b) Se A1, A2, ..., An, ... forem, dois a dois, eventos disjuntos,
então, ∞
P ∪ A i  = ∑ P(A i )
∞

 i=1  i =1 14
 Teoremas da Probabilidade

Teorema 1: Se ∅ for o conjunto vazio, então

P(∅) = 0

Teorema 2: Se A for o evento complementar de

A, então
P(A) = 1 - P(A)

Teorema 3: Se A e B forem dois eventos

quaisquer, de um mesmo espaço Ω, então
P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
Regra da Adição das Probabilidades
15
 Teoremas da Probabilidade

Teorema 4: Se A, B e C forem três eventos
quaisquer, de um mesmo espaço Ω, então

P(A ∪ B ∪ C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C)

– P(B ∩ C) + P(A ∩ B ∩ C)

Teorema 5: Se A ⊂ B, então

P(A) ≤ P(B)

16
 Exemplo 1

Dada a urna abaixo, qual a probabilidade de um

objeto selecionado ser quadrado ou vermelho?

1 objeto

17
 Exemplo 1 (Solução Errada)
Sejam os eventos:
Q: O objeto selecionado é um quadrado
V: O objeto selecionado é vermelho

P(Q ou V) = P(Q ∪ V) = P(Q) + P(V)

Solução
errada!!!

Não existe probabilidade maior que 1!!!

18
 Exemplo 1 (Solução Certa)
Note que Q e V não são disjuntos, pois o objeto
selecionado pode ser quadrado e vermelho ao
mesmo tempo.
Usando a regra da adição:

P(Q ∪ V) = P(Q) + P(V) – P(Q ∩ V)

5 5 2 8
= + − =
9 9 9 9

19
 Probabilidade em Espaços
Amostrais Finitos
Seja Ω um espaço amostral finito constituído de
n elementos

Ω = { a1, a2, ..., an }

Considere o evento formado por um resultado

simples A = { ai } i = 1 , ..., n

20
 Probabilidade em Espaços
Amostrais Finitos
A cada evento simples { ai } associaremos um
número pi,denominado probabilidade de { ai },
satisfazendo às seguintes condições:

 pi ≥ 0 i = 1, ..., n
 p1 + p2 + ... + pn = 1

21
 Probabilidade em Espaços
Amostrais Finitos
Além disso, se B é um evento constituído de r
resultados de Ω (1 ≤ r ≤ n), ou seja,

B = { a1, a2, ..., ar },

Então, pelo axioma 3 da definição de

probabilidade, temos que

P(B) = p1 + p2 + ... + pr
Ou seja, a probabilidade de B ocorrer é a soma das probabilidades de
ocorrência de cada elemento que faz parte de B
22
 Probabilidade em Espaços
Amostrais Finitos e Equiprováveis

Quando cada elemento de um espaço amostral

finito tem a mesma probabilidade de ocorrência,
então dizemos que este espaço é equiprovável

Se este espaço amostral tem n elementos,

então a probabilidade de ocorrência de um
evento simples é 1/n

23
 Probabilidade em Espaços
Amostrais Finitos e Equiprováveis
Diante disto, se B é um evento constituído de r
resultados de Ω (1 ≤ r ≤ n), então
1 1 1 r
P(B) = p1 + p 2 + ... + p r = + + ... + =
n n n n

r vezes
ou seja,
n(B) número de elementos de B
P(B) = =
n(Ω) número de elementos de Ω
24
 Exemplo 2

Exemplo 2: Seleciona-se aleatoriamente uma
carta de um baralho completo de 52 cartas.
Sejam os eventos:
A: a carta selecionada é de espadas;

B: a carta selecionada é uma figura (valete, dama ou

rei);

Calcule P(A), P(B) e P(A ∩ B)

25
 Exemplo 2 (Solução)
Note que a seleção da carta é feita de maneira aleatória,
então o espaço amostral que é composto de 52
elementos (52 cartas do baralho) é equiprovável, ou
seja, qualquer carta tem a mesma chance de ser
selecionada.
A é composto de 13 elementos de Ω, que são as 13
cartas de espadas. Portanto,

n(A) 13 1
P(A) = = = = 0,25
n(Ω) 52 4

26
 Exemplo 2 (Solução)
Note que B é composto de 12 elementos, pois temos
valete dama e rei de 4 naipes diferentes.

O espaço amostral é finito e equiprovável. Portanto,

n(B) 12 3
P(B) = = = ≅ 0,231
n(Ω) 52 13

27
 Exemplo 2 (Solução)
O evento A ∩ B consiste na carta selecionada ser uma
figura e ser de espadas, ou seja, A ∩ B é constituído de
apenas 3 elementos, a saber
A ∩ B = { valete de espadas, dama de espadas, rei de
espadas }

Então,
n(A ∩ B) 3
P(A ∩ B) = = ≅ 0,0577
n(Ω) 52

28
 Exemplo 3
Exemplo 3: A tabela abaixo representa a
distribuição pelo sexo dos alunos matriculados
na disciplina de Estatística, em 2011.2, nos
cursos de Engenharia Elétrica e
Telecomunicações do IFPB

Sexo
Habilitação Total
Masculino Feminino
Telecomunicações 11 1 12
Engenharia Elétrica 13 5 18
Total 24 6 30
29
 Exemplo 3
O professor da disciplina resolve sortear um desses alunos
para ganhar 1 ponto na prova. Determine a probabilidade
de um aluno sorteado aleatoriamente:

a) ser do sexo masculino;

b) ser do sexo feminino;
c) ser do curso de Telecomunicações;
d) ser do curso de Elétrica;
e) cursar Telecomunicações e ser do sexo masculino;
f) cursar Telecomunicações e ser do sexo feminino;
g) cursar Elétrica ou ser do sexo masculino;
h) cursar Elétrica ou ser do sexo feminino;

30
 Solução do Exemplo 3a
Seja o evento M: O aluno sorteado é do sexo masculino.

O espaço amostral neste caso é formado por cada um

dos 30 alunos da disciplina, ou seja, ele é constituído de
30 elementos. E, como o sorteio do aluno é feito de
maneira aleatória, podemos afirmar que o espaço
amostral é equiprovável, pois cada elemento deste
espaço têm a mesma chance de vir a ser sorteado.

Portanto,

n( M ) 24
P(M) = = = 0,8
n( Ω ) 30
 Solução do Exemplo 3b
Seja o evento F: O aluno sorteado é do sexo feminino.

Pela tabela vemos que dos 30 alunos, 8 são do sexo

feminino. Portanto,

n( F ) 6
P(F) = = = 0,2
n( Ω ) 30
outra maneira: Note que M e F são eventos
complementares. Portanto,

P(F) = 1 – P(M) = 1 – 0,8 = 0,2

32
 Solução do Exemplo 3c
Seja o evento T: O aluno sorteado é do curso de
Telecomunicações.

Pela tabela vemos que dos 30 alunos, 12 fazem este

curso. Portanto,

n( T ) 12
P(T) = = = 0,4
n( Ω ) 30

33
 Solução do Exemplo 3d
Seja o evento E: O aluno sorteado é do curso de
Elétrica.

Pela tabela vemos que dos 30 alunos, 18 fazem este

curso. Portanto,
n( E ) 18
P(E) = = = 0,6
n( Ω ) 30

outra maneira: T e E são eventos complementares.

Portanto,
P(E) = 1 – P(T) = 1 – 0,4 = 0,6
34
 Solução do Exemplo 3e
Seja o evento (T ∩ M): O aluno sorteado cursa
Telecomunicações e é do sexo masculino.

Dos 30 alunos da disciplina, vemos pela tabela que 11

cursam Telecomunicações e são do sexo masculino
simultaneamente.

Portanto,
n( T ∩ M ) 11
P(T ∩ M) = = ≅ 0,367
n( Ω ) 30
35
 Solução do Exemplo 3f
Seja o evento (T ∩ F): O aluno sorteado cursa
Telecomunicações e é do sexo feminino.

Dos 30 alunos da disciplina, vemos pela tabela que

apenas 1 cursa Telecomunicações e é do sexo feminino
ao mesmo tempo.

Portanto,
n( T ∩ F ) 1
P(T ∩ F) = = ≅ 0,033
n( Ω ) 30
36
 Solução do Exemplo 3g
Seja o evento (E ∪ M): O aluno sorteado cursa Elétrica
ou é do sexo masculino.

Pela regra da adição:

P(E ∪ M) = P(E) + P(M) – P(E ∩ M)

P(E) e P(M) já foram obtidas nos itens d) e a)

respectivamente.

n( E ∩ M ) 13
P(E ∩ M) = =
n( Ω ) 30
37
 Solução do Exemplo 3g

Então,

P(E ∪ Μ ) = P(E) + P(M) − P(E ∩ M)

18 24 13 29
= + − = ≅ 0,967
30 30 30 30

38
 Solução do Exemplo 3h
Seja o evento (E ∪ F): O aluno sorteado cursa Elétrica
ou é do sexo feminino.

Pela regra da adição:

P(E ∪ F) = P(E) + P(F) – P(E ∩ F)

P(E) e P(F) já foram obtidas nos itens d) e b)

respectivamente.

n( E ∩ F ) 5
P(E ∩ F) = =
n( Ω ) 30
39
 Solução do Exemplo 3h

Então,

P(E ∪ F) = P(E) + P(F) − P(E ∩ F)

18 6 5 19
= + − = ≅ 0,633
30 30 30 30

40
 Referências Bibliográficas

Meyer, Paul L.; Probabilidade: Aplicações à Estatística, LTC Editora, 2a
edição;

Morettin, Pedro A. e Bussab, Wilton de O.; Estatística Básica, Editora

Saraiva, 5a edição;

Lipschutz, Seymour; Probabilidade, MacGraw-Hill;

Morgado, Augusto César de O.; Carvalho, João Bosco P.; Carvalho, Paulo
Cezar P. e Fernandez, Pedro; Análise Combinatória e Probabilidade, IMPA,
1991;

Lima, Cláudia Regina O. P.; Sena Jr., Manoel R. de; Santos, Jozemar P.
dos; Cálculo das Probabilidades e Estatística I – Notas de aula, Apostila do
Departamento de Estatística – UFPB;

41
 Próxima Aula...

Probabilidade Condicional e
Independência de Eventos

42