Introdução ao Cálculo de Probabilidades

Fundamentos teóricos, históricos e matemáticos

1. Definições Iniciais

A probabilidade busca quantificar a incerteza. Embora definições simples tendam a ser tautológicas (usando "possibilidade" para definir "probabilidade"), partimos de dois pilares:

  • Refere-se a experimentos aleatórios (resultado incerto).
  • É uma quantidade mensurável.

2. Evolução Histórica

O campo surgiu no século XVII com os jogos de azar. O Cavaleiro de Méré estimulou debates entre Pascal e Fermat sobre a divisão de apostas.

  • Jacob Bernoulli (1713): Introduziu a Lei dos Grandes Números em Ars Conjectandi.
  • Abraham de Moivre: Estudou distribuições e a esperança matemática.
  • Pierre-Simon Laplace: Sistematizou a teoria e expandiu o uso da Regra de Bayes.
  • Andrey Kolmogorov (1930): Criou a formalização axiomática moderna.

3. Conceitos Essenciais

Diferenciamos experimentos determinísticos (resultados certos, como reações químicas) de aleatórios (resultados variam sob as mesmas condições, como lançar um dado).

4. Espaço Amostral (Ω)

É o conjunto de todos os resultados possíveis. Deve ser:

  • Mutuamente Exclusivo: Apenas um elemento ocorre por vez.
  • Exaustivo: Pelo menos um dos resultados deve ocorrer.

Pode ser Discreto (finito ou contável) ou Contínuo (intervalos de valores reais).

5. Tipos de Eventos

Um evento é um subconjunto do espaço amostral.

  • Simples: Um único elemento.
  • Certo: Igual ao espaço amostral (P=1).
  • Impossível: Conjunto vazio (P=0).
  • Mutuamente Exclusivos: Não podem ocorrer simultaneamente (A ∩ B = ∅).
  • Independentes: A ocorrência de um não afeta a do outro.

6. Clássica vs Frequentista

Abordagem Clássica (A Priori)

Baseada na razão entre sucessos e resultados possíveis em espaços equiprováveis:

P(E) = n(E) / N

Abordagem Frequentista (A Posteriori)

A probabilidade é o limite da frequência relativa conforme o número de ensaios (n) tende ao infinito:

P(E) = lim (n → ∞) [ F(E) / n ]

7. Abordagem Axiomática (Kolmogorov)

Uma função de probabilidade deve satisfazer três axiomas:

  1. Intervalo: 0 ≤ P(E) ≤ 1.
  2. Certeza: P(Ω) = 1.
  3. Aditividade: Para eventos disjuntos, P(A ∪ B) = P(A) + P(B).

8. Regra da União

Para dois eventos quaisquer A e B:

P(A ∪ B) = P(A) + P(B) - P(A ∩ B)

9. Probabilidade Condicionada

Probabilidade de A dado que B já ocorreu (restrição do espaço amostral):

P(A|B) = P(A ∩ B) / P(B)

Se P(A|B) = P(A), os eventos são independentes.

10. Teorema de Bayes

Relaciona probabilidades inversamente condicionadas, essencial para inferência estatística:

P(Ei | B) = [ P(Ei) * P(B | Ei) ] / Σ [ P(Ej) * P(B | Ej) ]

Permite atualizar a probabilidade a priori com base em novas evidências (probabilidade a posteriori).