Estatstica e Probabilidade - ET586

1. Introduca
o a
` Probabilidade

Tsang Ing Ren

tir@cin.ufpe.br
1.1 Modelos Matem
aticos

Examinar o tipo de fen

omeno a ser estudado.
Formular um modelo matem
atico que nos ajudar
a a investigar esse
fenomeno de maneira bastante precisa.
Distinguir o fen
omeno e o modelo matem
atico para o fenomeno.
Modelo determinstico. Exemplo: a Lei de Ohm, I = E /R
Modelo n
ao-determinstico ou probabilstico (estoc
astico). Exemplo:
observaca
o meteorologicas.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 2 / 39

1.2 Introduca
o aos Conjuntos

asicos do modelo probabilstico >

Para expor os conceitos b
Conhecer algumas ideias e conceito de teoria dos conjuntos.
Um conjunto
e uma coleca
o de objetos.
Usualmente conjuntos s
ao representados por letras mai
uscula A, B,
C ... etc.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 3 / 39

1.2 Introduca
o aos Conjuntos

Existem tr
es maneira de descrever que objetos est
ao contidos no
conjunto A:
(a) lista de elementos de A. Por exemplo A = {1, 2, 3, 4} descreve o
conjunto formado pelos inteiros positivos 1, 2, 3, 4.
(b) Podemos descrever o conjunto A por meio de palavras. Por
exemplo, podemos dizer que A e formado de todos os n
umeros reais
entre 0 e 1, inclusive.
(c) Para descrever o conjunto acima podemos simplesmente escrever
A = {x|0 x 1}; isto e, A e o conjunto de todos os x, onde x e um
n
umero real entre 0 e 1, inclusive.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 4 / 39

1.2 Introduca
o aos Conjuntos

Os objetos que individualmente formam a cole

ca
o ou conjunto A s
ao
denominados membros ou elementos de A.
Quando a for um elemento de A, escrevemos a A.

ao for um elemento de A, escrevemos a

Quando a n / A.
Definimos o conjunto fundamental como o conjunto de todos os
objetos que estejam sendo estudados. Este conjunto e geralmente
representado por U (universo).

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 5 / 39

1.2 Introduca
o aos Conjuntos

Se o conjunto A for descrito como o conjunto de todos os n

umeros
reais x, que satisfacam a o x 2 + 1 = 0. O conjunto A n
` equaca ao tem
qualquer elemento, definido como conjunto vazio ou conjunto nulo,
representado por .
Quando dois conjuntos A e B sejam considerados, ser elemento de A
implique ser elemento de B. A e um subconjunto de B, escrevemos
A B.
Interpretao semelhante e dada para B A.
ca
Dois conjuntos constituem o mesmo conjunto, A = B, se, e somente
se, A B e B A.
Desse modo, dois conjuntos ser
ao iguais se, e somente se, eles
tiverem os mesmo elementos.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 6 / 39

1.2 Introduca
o aos Conjuntos

Duas propriedades do conjunto vazio e do conjunto fundamental:

(a) Para todo conjunto A, temos que A.
(b) Desde que se tenha definido o conjunto fundamental, temos A U.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 7 / 39

1.2 Introduca
o aos Conjuntos

Exemplo 1.1
Suponha que U = todos os n
umeros reais.

A = {x|x 2 + 2x 3 = 0}, x = 3, 1.
B = {x|(x 2)(x 2 + 2x 3) = 0)}, x = 3, 1, 2.
C = {x|x = 3, 1, 2)}.

ao: A B e B = C .
Ent

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 8 / 39

1.2 Introduca
o aos Conjuntos

Explorar a ideia de combinar conjuntos dados a fim de formar um

novo conjunto.
Duas opera
coes fundamentais que ser assemelham com a
`s operacoes
de adica
o e multiplicaca
o de n
umeros.
Sejam dois conjuntos A e B. Definimos como C a uni
ao de A e B,
(tambem denominado de soma de A e B).
Temos: C = {x|x A ou x B (ou ambos)}.

ao de A e B, assim: C = A B. C e formado pelos elementos

A uni
que estejam em A, ou em B, ou em ambos.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 9 / 39

1.2 Introduca
o aos Conjuntos

Definimos D como a interse

ca
o de A e B (tambem denominado de
produto de A e B).
Temos: D = {x|x A e x B}
A interseo de A e B, assim: D = A B. D e formado de todos os
ca
elementos que estejam em A e em B.
O conjunto denotado de A, constitudo por todos os elementos que
n
ao estejam em A (mas estejam no conjunto fundamental U) e
denominado complemento de A.
e, A = {x|x
Isto / A}.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 10 / 39

1.2 Introduca
o aos Conjuntos

Diagrama de Venn - Recurso Gr

afico

Regi
ao sombreado representa o conjunto sob exame.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 11 / 39

1.2 Introduca
o aos Conjuntos

Exemplo 1.2
Suponha:
U = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10},
A = {1, 2, 3, 4},
B = {3, 4, 5, 6}.
Temos:
A = {5, 6, 7, 8, 9, 10},
A B = {1, 2, 3, 4, 5, 6},
A B = {3, 4}.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 12 / 39

1.2 Introduca
o aos Conjuntos

Estas opera
coes podem ser estendidas para qualquer n
umero finito
de conjunto.
Definimos: A B C como A (B C ) ou (A B) C , o que
e
equivalente.
alogo: A B C como A (B C ) ou (A B) C .
De forma an
Podemos continuar essas composi
coes de conjuntos para qualquer
n
umero finito de conjuntos dados.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 13 / 39

1.2 Introduca
o aos Conjuntos

Existe um certo n
umero de tais conjuntos equivalentes (contem os
mesmos elementos).
(a) A B = B A.
(b) A B = B A.
(c) A (B C ) = (A B) C .
(d) A (B C ) = (A B) C .

(a) e (b) leis comutativas.

(c) e (d) leis associativas.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 14 / 39

1.2 Introduca
o aos Conjuntos

Existe outras identidades de conjuntos.

(e) A (B C ) = (A B) (A C ),
(f) A (B C ) = (A B) (A C ),
(g) A = ,
(h) A = A,
(i) (A B) = A B,
(j) (A B) = A B,
(k) A = A.

(g) e (h) mostram que se comporta entre os conjuntos (relativos a

`s
operacoes e ) da maneira que o n umero zero (relativo a
`s
operacoes de adica
o e multiplicaca
o).

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 15 / 39

1.2 Introduca
o aos Conjuntos

Outra maneira de formar conjuntos.

Definica
o
Sejam dois conjuntos A e B. Denominaremos produto cartesiano de A e
B, denotando-o por A B, o conjunto {(a, b), a A, b B}, isto e, o
conjunto de todos os pares ordenados nos quais o primeiro elemento e
tirado de A e o segundo, de B.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 16 / 39

1.2 Introduca
o aos Conjuntos

Exemplo 1.3
Suponha que A = {1, 2, 3}; B = {1, 2, 3, 4}. Ent ao,
A B = {(1, 1), (1, 2), ..., (1, 4), (2, 1), ..., (2, 4), (3, 1), ..., (3, 4)}.
o: Em geral , A B 6= B A.
Observaca
Esta noca
o pode ser estendida: Se A1 , ..., An forem conjuntos ent ao,
A1 A2 ... An = {(a1 , a2 , ..., an ), ai Ai }, ou seja, o conjunto de
todas as enuplas ordenadas.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 17 / 39

1.2 Introduca
o aos Conjuntos

Casos especiais: Quando consideramos o produto cartesiano de um

conjunto por ele proprio, A A ou A A A. Exemplo: plano
euclidiano R R, onde R e o conjunto de todos os n
umeros reais, e
do espaco euclidiano tridimensional R R R.
N
umero de elementos
N
umero finito de elementos.
N
umero infinito de elementos A, com correspondencia biunvoca com
os inteiros positivos. A e numer
avel ou infinito numer avel. Exemplo:
conjunto de todos os n umeros racionais e numer avel.
Conjunto infinito n
ao-numer
avel, possui um n
umero infinito de
elementos que nao podem ser enumerados. Para quaisquer dois
umeros reais b > a, o conjunto A = {x|a x b} contem um
n
n
umero n
ao-numer avel de elementos.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 18 / 39

1.3 Exemplos de Experimentos N
ao-Determinsticos

Examinar o que entendemos por experimento aleat

orioou
n
ao-determinstico, estamos falando de fato de um modelo
n
ao-determinstico para um experimento.
Experimentos
E1 : Jogue um dado e observe o n
umero mostrado na face de cima.
E6 : Uma l
ampada e fabricada. Em seguida e ensaiada quanto a
`
duraca
o da vida, pela colocaca
o em um soquete e anotaca
o do tempo
decorrido (em horas) ate queimar.
E8 : Pe
cas s
ao fabricadas ate que 10 pecas perfeitas sejam
produzidas. O n
umero total de pecas fabricadas e contado.
E13 : Um term
ografo registra a temperatura continuamente, num
perodo de 24 horas. Em determinada localidade e em uma data
especificada, esse termografo e lido.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 19 / 39

1.3 Exemplos de Experimentos N
ao-Determinsticos

O que os experimentos tem em comum?

Os seguintes tra
cos s
ao pertinentes a caracterizaca
o de um
Experimento Aleatorio.
(a) Cada experimento poder
a ser repetido indefinidamente sob
condicoes essencialmente inalteradas.
(b) Embora n
ao sejamos capazes de afirmar que resultado particular
ocorrer
a, somos capazes de descrever o conjunto de todos os possveis
resultados do experimento.
(c) Quando o experimento for executado repetidamente, os resultados
individuais parecerao ocorrer de forma acidental. Contudo, quando o
experimento for repetido um grande n umero de vezes, uma
configuraca
o definida ou regularidade surgir
a.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 20 / 39

1.4 O Espaco Amostral

Definica
o
Para cada experimento do tipo que estamos considerando, definimos o
espaco amostral como o conjunto de todos os resultados possveis de .
Geralmente representamos esse conjunto por S (conjunto fundamental).

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 21 / 39

1.4 O Espaco Amostral

Espa
co amostral Si referindo ao experimento Ei .
S1 : {1, 2, 3, 4, 5, 6}.
S6 : {t|t 0}.
S8 : {10, 11, 12, ...}.
S13 : espa
co amostral mais complexo considerado. Em uma
determinada localidade podemos assumir valores m aximos e mnimos
M e m. O gr afico nao ter
a saltos (funca
o contnua) ou seja o gr
afico
representa uma funcao derivavel. Podemos afirmar que o espaco
a: {f |f uma funca
amostral ser o deriv
avel, que satisfaca a
m f (t) M, para todo t}

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 22 / 39

1.4 O Espaco Amostral

O espa
co amostral n
ao e necessariamente um n
umero. Exemplo
sequencia de (H) caras e (T) coroas.
Espa
co amostral poder ser:
Finito (S1 ).
Infinito numer
avel (S8 ).
Infinito n
ao-numer
avel (S6 ) (S13 ).
Diferen
ca entre espaco amostral idealizadomatematicamente e
espaco realiz
avel experimentalmente. Lampada (S6 ) - medica
o com
duas casas decimais (infinito numer
avel).

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 23 / 39

1.5 Eventos

Conceito de Evento: Um evento A (relativo a um particular espa

co
amostral S, associado a um experimento ) e simplesmente um
conjunto de resultados possveis.
Um evento
e um subconjunto de um espaco amostral S.
umero par ocorre, isto e, A1 = {2, 4, 6} .
A1 : um n
A6 : {t|t < 3}, isto
e, a l
ampada queima em menos de 3 horas.

Quando o espa
co amostral S for finito ou infinito numer
avel todo
subconjunto poder
a ser considerado um evento.
Se S for infinito n
ao numer
avel, surgir
a um dificuldade teorica.
Verifica-se que nem todo subconjunto imaginavel poder
a ser
considerado um evento. Eventos nao-admissveis.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 24 / 39

1.5 Eventos

Combinar conjuntos (eventos) e obter novos eventos (conjuntos).

(a) Se A e B forem eventos, A B ser

a o evento que ocorrer
a se, e
somente se, A ou B (ou ambos) ocorrerem.
(b) Se A e B forem eventos, A B ser
a o evento que ocorrer
a se, e
somente se, A e B ocorrerem.
(C) Se A for um evento, A ser
a o evento que ocorrer
a se, e somente
se, n
ao ocorrer A .

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 25 / 39

1.5 Eventos

Definica
o
Dois eventos, A e B, sao denominados multuamente excludente, se eles
ao puderem ocorrer juntos. Exprimimos isso escrevendo A B = , isto
n
e, a interseca
o de A e B e o conjunto vazio.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 26 / 39

1.5 Eventos

Exemplo 1.4
Um dispositivo eletronico e ensaiado e o tempo total de servico t e
registrado. O espaco amostral e {t|t 0}. Sejam A, B e C tres eventos
definidos:
A = {t|t < 100}
B = {t|50 t 200}
C = {t|t > 150}
Consequentemente,
A B = {t|t 200}
A B = {t|50 t 100}
B C = {t|t > 50}

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 27 / 39

1.5 Eventos

Se A for um evento associado a um experimento, n

ao podemos
afirmar com certeza que A ir
a ocorrer ou n
ao.
Torna-se importante tentar associar um n
umero ao evento A, o qual
medir
a de alguma maneira qu
ao verossmil e que o evento A venha a
ocorrer.
Essa tarefa nos leva a
` teoria da probabilidade.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 28 / 39

1.6 Frequencia Relativa

Suponha que repetimos n vezes o experimento , e sejam A e B dois

eventos associados a . Admitamos que sejam, respectivamente, nA e
nB o n umero de vezes que o evento A e o evento B ocorram nas n
repeticoes.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 29 / 39

1.6 Frequencia Relativa

Definica
o:
fA = nA /n e denominada frequencia relativa do evento A nas n repeticoes
de . A frequencia relativa fA apresenta as seguintes propriedades:
(1) 0 fA 1.
(2) fA = 1 se, e somente se, A ocorrer em todas as n repeti
coes.
(3) fA = 0 se, e somente se, A nunca ocorrer nas n repeti
coes.
(4) Se A e B forem eventos mutuamente excludentes, e se fAB for a
frequencia relativa associada ao evento A B, ent
ao, fAB = fA + fB .
(5) fA , com base em n repeti
coes do experimento e considerada como
uma funca
o de n, convergeem certo sentido probabilstico para
P(A), quando n .

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 30 / 39

1.6 Frequencia Relativa

Regularidade Estatstica - Se um experimento for executado um

grande n
umero de vezes, a frequencia relativa da ocorrencia de
algum evento A tender a a variar cada vez menos a
` medida que o
n
umero de repeticoes for aumentada.
Lei dos Grandes N
umeros mostra que a regularidade estatstica e,
de fato, uma consequencia da primeira condica
o: reprodutibilidade.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 31 / 39

1.7 Nocoes Fundamentais de Probabilidade

Definica
o:
Seja um experimento. Seja S um espaco amostral associado a . A
cada evento A associaremos um n
umero real representado por P(A) e
denominado probabilidade de A, que satisfaca a
`s seguintes propriedades:
(1) 0 P(A) 1.
(2) P(S) = 1.
(3) Se A e B forem eventos mutuamente excludentes,
P(A B) = P(A) + P(B).
(4) Se A1 , A2 , ..., An , ..., forem, dois a dois, eventos mutuamente
n
S
excludentes, ent
ao, P( Ai ) = P(A1 ) + P(A2 ) + ... + P(An ) + ....
i=1
Da propriedade 3, decorre que para quaisquer n finito,
n
S n
P
P( Ai ) = P(Ai ).
i=1 i=1

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 32 / 39

1.7 Nocoes Fundamentais de Probabilidade

Teorema 1.1
Se for um conjunto vazio, ent
ao P() = 0

Demonstraca
o:
Para qualquer evento A, podemos escrever A = A . Uma vez que A e
s
ao mutuamente excludentes decorre da Propriedade 3, que
P(A ) = P(A) + P().

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 33 / 39

1.7 Nocoes Fundamentais de Probabilidade

Teorema 1.2
ao P(A) = 1 P(A).
Se A for o evento complementar de A, ent

Demonstraca
o:

Podemos escrever S = A A e, empregando as Propriedades 2 e 3,

obteremos P(A) = 1 P(A).

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 34 / 39

1.7 Nocoes Fundamentais de Probabilidade

Teorema 1.3

Se A e B forem dois eventos quaisquer, ent

ao
P(A B) = P(A) + P(B) P(A B).

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 35 / 39

1.7 Nocoes Fundamentais de Probabilidade

Demonstraca
o:
o e decompor A B e B em dois eventos
A ideia desta demonstraca
mutuamente excludentes e, em seguida, aplicar a Propriedade 3.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 36 / 39

1.7 Nocoes Fundamentais de Probabilidade
Demonstraca
o:
Desse modo escrevemos

A B = A (B A),
B = (A B) (B A).

Consequentemente,

P(A B) = P(A) + P(B A),

P(B) = P(A B) + P(B A).

Subtraindo a segunda igualdade da primeira, obtem-se

P(A B) P(B) = P(A) P(A B)

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 37 / 39

1.7 Nocoes Fundamentais de Probabilidade

Teorema 1.4
Se A, B e C forem tres eventos quaisquer, ent
ao

P(A B C ) =
P(A) + P(B) + P(C ) P(A B) P(A C ) P(B C ) + P(A B C ),

Demonstraca
o:
A demonstracao consiste em escrever A B C na forma (A B) C e
aplicar o resultado do teorema anterior.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 38 / 39

1.7 Nocoes Fundamentais de Probabilidade

Teorema 1.5
Se A B, ent
ao P(A) P(B).

Demonstraca
o:
Podemos decompor B em dois eventos mutuamente excludentes, na
seguinte forma: B = A (B A).
Consequentemente, P(B) = P(A) + P(B A) P(A), porque
P(B A) 0, pela Propriedade 1.

Tsang Ing Ren (CIn/UFPE) Estatstica e Probabilidade - ET586 39 / 39