Os modelos matemáticos tentam por meio de considerações descrever o

acontecimento de fenômenos observados e a partir dessas considerações

prover, usando as condições iniciais conhecidas, o resultado de tal fenômeno.

Modelos Determinísticos:
São aqueles em que, quando conhecidas as condições inicias e respeitando as
considerações do modelo, é possível prever EXATAMENTE o comportamento e
o resultado do experimento.

Modelos Probabilísticos:
São aqueles em que não é possível conhecer o resultado final do experimento
mesmo quando se conhecem todas as condições inicias e são respeitadas as
considerações do modelo.
 Definições:
Espaço Amostral (S): Conjunto de todas os resultados possíveis de um verto
experimento.

Ex: Lançamento de um Dado: S = {1, 2, 3, 4, 5, 6}

Evento (A): Conjunto de alguns resultados possíveis de um dado experimento.

Ex: Lançamento de um Dado: resultado par A1 = {2, 4, 6}

resultado ímpar A2 = {1, 3, 5}

Frequência Relativa (fA) No. de vezes que o evento A ocorreu

No. de vezes que se realizou o experimento

 Definições:

Probabilidade:

Por definição, representa a possibilidade de uma tentativa do experimento

resultar na ocorrência do evento. Também pode ser calculada pela definição de
frequência relativa, desde que os resultados sejam equiprováveis.
 Axiomas da Probabilidade:
(i)

(ii)

(iii)
A e B são mutuamente exclusivos.

Corolários (consequências):
1.
2.
3.
Exemplo 1. Uma dado é lançado. Qual é a probabilidade de sair um número
menor do que 4?

Exemplo 2. Uma dado é lançado duas vezes. Qual é a probabilidade de que a

soma dos resultados seja maior que 5?
Exemplo 2. Continuação: Pode-se resolver o mesmo problema contabilizando
os resultados menores ou iguais a 5, da forma:

Não há diferença entre jogar o mesmo dado 2 vezes seguidas e jogar dois
dados ao mesmo tempo. O espaço amostral é o mesmo.
 Probabilidade de um evento A ocorre dado que o evento B já ocorreu.

B já ocorreu, assim o espaço amostral está agora reduzido à B.

A única região onde A pode ocorrer se B já ocorreu.

A probabilidade condicional tem as mesmas propriedades da probabilidade não
condicional.
(i)

(ii)

(iii)

Se B1, B2, ..... são eventos par-a-par dijuntos, então

Exemplo 3. Numa caixa existem 100 peças, das quais 20 são defeituosas.
Duas peças são retiradas ao acaso. Qual é a probabilidade de que ambas
sejam defeituosas?
Se o fato de um evento ocorrer e não afetar em nada a ocorrência de outro diz-
se independente, logo,

Exemplo: (1, b); (2, b); (3, p) e (4, p)

A = “Bola preta selecionada”

B = “Bola par selecionada”
Seja Hi uma sequência de eventos que satisfazem as duas condições que
segue:

• A: Observação de um experimento

• P(Hi)’s são conhecidas (Probabilidades a priori)
•  P(A/Hi)’s são conhecidas (Verossimilhança de
A dado que Hi ocorreu.

Probabilidade Total
Regra de Bayes

Probabilidade a posteriori de Hi
Exemplo 4: Uma empresa produz rádios em três fábricas com porcentagens de
produção de 15%, 35% e 50%. Suponha que os rádios produzidos por estas
fábricas são defeituosos com probabilidades 0,01; 0,05 e 0,02, respectivamente.
a)  Se um rádio for escolhido aleatoriamente da produção, qual é a
probabilidade de que ele seja defeituoso?
b)  Suponha agora que um rádio é escolhido aleatoriamente da produção e
é verificado que é defeituoso. Qual é a probabilidade de que este rádio
seja oriundo da segunda fabrica?
Sabe-se:
•  Hi: produção da fábrica i;
•  A: evento “rádio defeituoso”.
(a)

2,9% de probabilidade de que o rádio seja defeituoso

(b)

O conhecimento que o rádio seja defeituoso aumenta a chance

de que ele tenha vindo da fabrica 2de 35% para60,3%.