Você está na página 1de 28

I.

PROBABILIDADES



1.1 INTRODUO: Elementos do estudo das probabilidades

O problema fundamental da estatstica consiste em lidar com o acaso e a incerteza. Os
eventos que dependem do acaso sempre foram considerados misteriosos. As conquistas
cientficas dos sculos que seguiram a Renascena, enfatizando a observao e a
experimentao, deram origem teoria da probabilidade, para estudar as leis da natureza e
os problemas da vida cotidiana.
Neste curso veremos como a incerteza pode realmente ser medida, como podemos
associar-lhes nmeros e como interpretar esses nmeros.
Na Estatstica descritiva vimos como organizar os dados, a fim de organizar e resumir
informaes. Agora veremos um pouco da Estatstica Inferencial, que est fundamentada em
modelos matemticos probabilsticos, assim conveniente dispormos de uma medida que
exprima a incerteza presente em afirmaes tais como possvel que chova amanh, ou
No h chance de vitria, em termos de uma escala numrica. Essa medida probabilidade.

A teoria das Probabilidades um ramo da matemtica que cria, elabora e pesquisa
modelos para estudar experimentos ou fenmenos aleatrios.

Devemos esclarecer que esta tcnica bastante intuitiva e no existem frmulas
especficas para todos os problemas. Cada caso um caso e deve ser estudado com muito
cuidado.

Motivao:

Considere os seguintes problemas:

Fazendo a aposta mnima na Mega Sena, qual a chance de acertar as seis dezenas?
Se um aluno chutar cinco testes (cada um com quatro alternativas) em um exame de
vestibular, qual a probabilidade de acertar pelo menos dois?
Lanando dois dados simultaneamente, qual a probabilidade de sarem nmeros
iguais?

A teoria das probabilidades nos ajuda a resolver problemas como estes e muitos outros.


1.1.1 Experimento determinstico e Experimento aleatrio

Dentro de certas condies, possvel prever a que temperatura o leite ferve. Este tipo
de experimento, cujo resultado previsvel, recebe o nome de determinstico.
No entanto, ao lanarmos um dado uma ou mais vezes, sob as mesmas condies, no
podemos saber com antecedncia o nmero obtido; sabemos apenas que os possveis
resultados so: 1, 2, 3, 4, 5 ou 6. Este tipo de experimento, cujo resultado no pode ser
previsto, chamado aleatrio.


Exemplo de experimentos aleatrios:

1

- O sorteio da quina da Loto;
- Retirar uma carta de um baralho com 52 cartas e observar o seu naipe;
- O sorteio do primeiro prmio da Loteria Federal;
- O lanamento de uma moeda honesta;
- Lanar duas moedas e observar as faces voltadas para cima;
- Lanamento de um dado honesto;
- De uma urna contendo 4 bolas brancas e 5 vermelhas, retirar 1 bola e observar sua cor.

1.1.2 Experimentos aleatrios equiprovveis

So experimentos onde qualquer resultado pode ocorrer com a mesma chance.

Exemplo: No lanamento de uma moeda, a probabilidade de ocorrer cara ou coroa a mesma.


1.2 ESPAO AMOSTRAL OU CONJUNTO UNIVERSO

o conjunto de todos os resultados possveis de um experimento aleatrio
(equiprovvel) que ser indicado por (mega). Indicaremos o nmero de elementos de um
espao amostral por n( ).

Exemplos:

1) Quando se lanam duas moedas e se observam as faces voltadas para cima, sendo as faces
da moeda cara(c) e coroa(k), o espao amostral do experimento :

={(c,c), (c,k), (k,c), (k,k)} e n( )=4

2) Lanam-se dois dados, (um azul e um branco), e observam-se os nmeros das faces
voltadas para cima. Sejam:

Dado azul
1 2 3 4 5 6
Dado branco

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)
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)

Experimento aleatrio: Lanar dois dados

={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6) (Todos os resultados possveis
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6) do experimento aleatrio)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}


2
n( )=36 (n de elementos de )

3) Uma urna contm 5 bolas vermelhas e 4 brancas. Duas bolas so extradas, ao acaso,
sucessivamente e sem reposio. Observamos a seqncia de cores das bolas sorteadas.
Para determinar , vamos construir o diagrama da rvore.
Seja: vermelha=V e branca=B

1 extrao 2 extrao

V V
B

B V
B

Experimento aleatrio: Extrair duas bolas, ao acaso, sucessivamente e sem reposio
={(V,V), (V,B), (B,V), (B,B)}
n( )= 4

Ponto amostral: cada elemento do espao amostral ( ).


1.3 EVENTO

Evento (E) qualquer subconjunto de um espao amostral . Muitas vezes um evento
pode ser caracterizado por um fato.

Exemplos:

1) No lanamento de duas moedas, temos:

Considerando c = cara e k = coroa, definimos:

Experimento: Lanar duas moedas
={(c,c),(c,k),(k,c),(k,k)}

Sejam os eventos:

1
E : aparecerem faces iguais
1
E ={(c,c),(k,k)} onde n(
1
E )=2

: E
2
aparecer cara em pelo menos uma moeda
2
E = {(c,c),(c,k),(k,c)} onde n(
2
E )=3

2) No lanamento de dois dados, temos:

Experimento: Lanar dois dados

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

3
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}
n( )=36

1
E : aparecerem nmeros iguais
1
E ={(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)} ; n(
1
E )=6

2
E : o primeiro nmero menor ou igual a 2

2
E ={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)} ; n(
2
E )=12


3
E : a soma dos resultados menor ou igual a 4

3
E ={(1,1),(1,2),(1,3),(2,1),(2,2),(3,1)} ; n(
3
E )=6


4
E : o nmero do primeiro dado o dobro do nmero do segundo dado

4
E ={(2,1),(4,2),(6,3)} ; n(
4
E )=3

1.3.1 Evento Certo: evento que possui os mesmos elementos do espao amostral, (E=)

5
E : a soma dos resultados dos dois dados menor ou igual a 12
5
E = ; n(
5
E )=36

1.3.2 Evento Impossvel: evento igual ao conjunto vazio (E =. O/ )

6
E : o nmero do primeiro dado igual a sete

6
E =O/ ; n(
6
E )=0

1.3.3 Evento Simples: evento que possui um nico elemento

7
E : a soma dos resultados nos dois dados igual a 12.
7
E ={(6,6)} ; n(
7
E )=1

1.3.4 Evento Complementar: Se E um evento de um espao amostral , o evento
complementar de E, indicado por E
c
(ou A), tal que E
c
= - E (ou seja, tudo o que no
est em E mas est no espao amostral ).
Notemos que O E E
c
/ = e =
c
E E








Ex: Considerando ainda o experimento: lanar dois dados, temos que:
E
c
E


4

={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}

Seja o evento A definido por:
A: o primeiro nmero no lanamento dos dados menor ou igual a 2.
A={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6),(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)} ; n(A)=12

Logo,

A
c
: o primeiro nmero no lanamento dos dados maior que 2 ( ou seja, A
c
= - A)

A
c
={(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6) n(A
c
)=24
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}


1.3.5 Eventos Mutuamente Exclusivos (ou disjuntos): dois ou mais eventos so
ditos mutuamente exclusivos quando a ocorrncia de um deles implica a no
ocorrncia do outro. Deste modo, se A e B so eventos mutuamente exclusivos, ento
o B A
/
= (ou seja, no existe interseo entre eles).

Ex: Sejam os eventos:

A: quando se lana um dado, o nmero na face voltada para cima mpar.
A={1,3,5}
B: quando se lana um dado, o nmero na face voltada para cima divisvel por 4
B={4}

Os eventos A e B so mutuamente exclusivos, pois o B A
/
= .

Exerccio: Considerar o experimento aleatrio: uma moeda lanada 3 vezes. Determinar:

a) espao amostral


b) evento
1
E : sair 2 caras e 1 coroa


c) evento
2
E : sair 3 caras


d) evento
3
E : sair pelo menos 1 cara
e) evento
4
E : sair no mximo 2 coroas

5


f) evento
5
E : nenhuma cara





1.3.6 Operaes com eventos

Existe uma correspondncia entre os conceitos da linguagem dos eventos e dos
conjuntos.

Suponha um espao amostral finito e A e B trs eventos de .

1.) AB: significa que pelo menos um evento ocorre






2.) AB: os dois eventos ocorrem






3.) A-B: somente o evento A ocorre






4.) A
c
= A: o evento A no ocorre

5.) A B : somente um dos eventos ocorre

Seja A
i
; i= 1, 2, 3, ..., n uma coleo finita de eventos de , ento:

6.)
U
n
1 i
i
A
=
: pelo menos um dos A
i
s ocorre

7.)
I
n
1 i
i
A
=
: todos A
i
s ocorrem


6
Propriedades das operaes

Sejam A, B e C eventos associados a um espao amostral . As seguintes
propriedades so vlidas:

a) IDEMPOTENTES

AA = A
A A =A

b) COMUTATIVAS

AB = BA
AB = BA

c) ASSOCIATIVAS

A(BC) = (AB) C
A(BC) = (AB) C

d) DISTRIBUTIVAS

A(BC) = (AB) (AC)
A(BC) = (AB) (AC)

e) ABSORES

A(AB) = A
A(AB) = A

f) IDENTIDADES

A = A
A =
A O/ = O/
A O/ = A

g) COMPLEMENTARES

O/ =
= / O
A A = O/
= A A

h) LEIS DE MORGAN (ou Leis das Dualidades)

B A ) B A (
________
=
B A ) B A (
________
=

7

1.3.7 Partio de um Espao Amostral

Os eventos A
1
, A
2
, ..., A
n
formam uma partio do espao amostral se:

1.) A
i O/
para i = 1, 2, ..., n
2.) O A A
j i
/ = para i j
3.)
U
n
1 i
i
A
=
=




A
1
, A
2
e A
3
formam uma partio do espao
amostral e, portanto, satisfazem 1.), 2.) e 3.).


1.4 PROBABILIDADE

No estudo da probabilidade, h trs tipos de questes:

1. O que queremos dizer quando afirmamos que a probabilidade de um evento , por
exemplo, 0,50, 0,78 ou 0,44?
2. Como determinar ou avaliar, na prtica, os nmeros que chamamos
probabilidades?
3. Quais ao as regras matemticas que as probabilidades devem obedecer?

Existem basicamente trs definies para a probabilidade

Definio subjetiva da probabilidade: afirma que a probabilidade uma estimativa, na
qual o indivduo acredita que haja viabilidade de ocorrncia de um evento. Neste caso
dois indivduos podem estimar diferentemente uma probabilidade.

Definio de freqncia da probabilidade: a probabilidade de um evento
(acontecimento ou resultado) definida como sendo a proporo do nmero de vezes
que eventos do mesmo tipo ocorrem a longo prazo. Em outras palavras, quando
precisamos realizar o experimento um nmero muito grande de vezes para
observarmos que proporo das vezes tal evento ocorre.

Definio clssica de probabilidade: quando estamos interessados em probabilidades
iguais, ou seja, estamos lidando com experimentos equiprovveis.

Considerando um espao amostral , no vazio, e um evento E, sendo E , a
probabilidade de ocorrer o evento E o nmero real P(E), tal que:

) ( n
) E ( n
) E ( P

= ,

Ex:
A
1
A
2
A
3


8
Onde: n(E): tamanho do evento E (ou nmero de casos favorveis ao evento E).
n( ): tamanho do espao amostral (ou nmero total de casos).
OBS.: Esta a definio clssica de probabilidade quando finito e baseia-se no
conceito de resultados equiprovveis (tm a mesma chance de ocorrer).

Propriedades: Seja um espao amostral qualquer e sejam A e B eventos de .
i) 0 P(A) 1 (observe que P(A) 0)
ii) P () = 1
iii) P () = 0
iv) P ( A) = 1-P (A)
v) P(AB) = P(A) + P(B) P(AB). Se AB = , P(AB) = P(A) + P(B)
vi) P( AB) = P(B) P(AB).

Exemplos:

1) Lanando-se um dado, a probabilidade de sair um n mpar na face voltada para cima
obtida da seguinte forma:

={1,2,3,4,5,6} ; n( )=6
E: sair um nmero mpar E={1,3,5} ; n(E)=3

) ( n
) E ( n
) E ( P

= =
2
1
6
3
= = 0,5

Portanto, podemos concluir que a probabilidade de sair um nmero mpar na face voltada
para cima igual a 0,5. (Ou, poderamos dizer que existe 50% de chance de sair um nmero
mpar na face voltada para cima).


2) Escolhido ao acaso um elemento do conjunto dos divisores de 30, determinar a
probabilidade de que ele seja primo.

={1,2,3,5,6,10,15,30} ; n( )=6
E: o nmero ser primo E= {2, 3,5}; n(E) =3

) ( n
) E ( n
) E ( P

= = 375 , 0
8
3
=

A probabilidade de que um nmero, escolhido ao acaso, do conj. dos divisores de 30 seja
um nmero primo de 0, 375.

OBS.: Nem sempre possvel descrever os elementos de um evento ou espao amostral.
Nesse caso, devemos utilizar outras tcnicas tais como as distribuies de probabilidades.


9

3) Considere uma urna com trs bolas brancas e duas bolas pretas. Extrair casualmente duas bolas,
sendo uma aps a outra. Obter a distribuio da varivel X={nmero de bolas brancas}.


Diagrama da rvore:

a-) Repondo a primeira bola








Eventos
A= BB {X=2}
B= BP {X=1}
C= PB {X=1}
D= PP {X=0}

Distribuio de X Probabilidade de X

2 P(X=2)=
25
9
5
3
5
3
= == =

1 P(X=1)=
25
12
5
3
5
2
5
2
5
3
= == = + ++ +

0 P(X=0)=
25
4
5
2
5
2
= == =


B
P
5
3

5
3

5
2

5
2

B
B
P
P
Primeira
Extrao

Segundo
Extrao
5
3

5
2


12
b-) Sem repor a primeira bola




Eventos
A= BB {X=2}
B= BP {X=1}
C= PB {X=1}
D= PP {X=0}

Distribuio de X Probabilidade de X

2 P(X=2) =
20
6
4
2
5
3
= == =
1 P(X=1) =
20
12
4
3
5
2
4
2
5
3
= +
0 P(X=0) =
20
2
4
1
5
2
= == =

1.5 UNIO DE DOIS EVENTOS

Considerando A e B dois eventos contidos em um mesmo espao amostral , o
nmero de elementos da reunio de A com B igual ao nmero de elementos do evento A
somado ao nmero de elementos de evento B, subtrado do nmero de elementos da
interseco de A com B.
) B A ( n ) B ( n ) A ( n ) B A ( n + =

B
P
4
2

4
3

4
1

B
B
P
P
Primeira
Extrao

Segundo
Extrao
5
3

5
2

4
2


13
Sendo n( ) o nmero de elementos do espao amostral, vamos dividir os dois
membros da equao por n( ) a fim de obter a probabilidade P ) B A ( . Assim, temos:

) ( n
) B A ( n
) ( n
) B ( n
) ( n
) A ( n
) ( n
) B A ( n


Logo,

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

Para ficar bem claro esta definio vamos utilizar Diagramas de Venn em algumas situaes
para visualizar melhor operaes com eventos.

Por exemplo: Sejam A, B, B A eventos quaisquer com probabilidades, respectivamente,
iguais a 0.6, 0.3, 0.2. Encontre as probabilidades abaixo:

a) P( B A ) =

b) P(A-B) =

c) P(B-A) =


OBS: Para eventos mutuamente exclusivos, ( O B A / = ), a equao obtida fica:

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

Exemplos:

1) De uma urna com 20 bolinhas numeradas de 1 a 20, retira-se ao acaso uma bolinha. Para
calcular a probabilidade de essa bolinha ter um nmero divisvel por 2 ou 3,
consideramos:

={1, 2, 3, ..., 20}

A: conjunto dos nmeros divisveis por 2
A={2, 4, 6, 8, 10, 12, 14, 16, 18, 20}

B: conjunto dos nmeros divisveis por 3
B={3, 6, 9, 12, 15, 18}


B A : conjunto dos nmeros divisveis por 2 e por 3
B A ={6, 12, 18}

P(A)=
20
10
, P(B)=
20
6
, P( B A )=
20
3

65 , 0
20
13
B) P(A
20
3
20
6
20
10
) B A ( P = = + =


14
2) A chance de que a populao atual de um pas seja de 110 milhes ou mais de 95%. A
chance de ser 110 milhes ou menos de 8%. Calcule a probabilidade de ser 110 milhes.

Sendo P(A) a probabilidade de ser 110 milhes ou mais: P(A)=0.95

Sendo P(B) a probabilidade de ser 110 milhes ou menos: P(B)=0.08

P( B A )= a probabilidade de ser 110 milhes: P( B A )= ?

P( B A )= 1

Aplicando a regra da unio de dois eventos, temos:

P( B A )=P(A) + P(B) P( B A )
1 = 0,95 + 0,08 - P( B A )
P( B A ) = 0,95 + 0,08 1
P( B A ) = 0,03

3) Trs cavalos, A, B e C, esto em uma corrida; A tem duas vezes mais probabilidade de
ganhar que B, e B tem duas vezes mais probabilidade de ganhar que C. Quais so as
probabilidades de vitria de cada um, isto , P(A), P(B) e P(C)? Qual a Probabilidade de B ou
C ganhar?

Soluo: Vamos supor P(C)= p; desta forma P(B) = 2p e assim, P(A) = 2P(B) = 4p. Como a
soma das probabilidades 1, ento:

P(A) + P(B) + P(C) = p + 2p + 4p = 1 7p = 1 ou p =
7
1
.
Logo, temos:
P(A) = 4p =
7
4
7
1
4 = == = | || |

| || |

\ \\ \
| || |
; P(B) = 2p =
7
2
7
1
2 = == = | || |

| || |

\ \\ \
| || |
; P(C) = p =
7
1
;

A probabilidade de B ou C ganhar dada por:

7
3
0
7
1
7
2
) B A ( P ) C ( P ) B ( P ) C B ( P = == = + ++ + + ++ + = == = + ++ + = == = (OBS.: 0 ) C B ( P = == = pois dois cavalos
no ganham ao mesmo tempo.)


1.6 PROBABILIDADE CONDICIONAL

Introduziremos o conceito de probabilidade condicional atravs do seguinte exemplo:

Consideremos 250 alunos que cursam o primeiro ciclo de uma faculdade. Destes alunos
100 so homens (H) e 150 so mulheres (M), 110 cursam fsica (F) e 140 cursam qumica
(Q). A distribuio dos alunos a seguinte:



15
Disciplina
Sexo
F Q Total
H 40 60 100
M 70 80 150
Total 110 140 250

Um aluno sorteado ao acaso. Qual a probabilidade de que esteja cursando qumica, dado
que mulher?

Pelo quadro vemos que esta probabilidade de
150
80
e representamos:

( )
150
80
M | Q P = (probabilidade de que o aluno curse qumica, condicionado ao fato de ser
mulher)

Observamos, porm, que ( )
250
150
) M ( P e
250
80
Q M P = = . Para obtermos o resultado do
problema basta considerar que:

( )
150
80
250
150
250
80
M | Q P = =
Logo:
) M ( P
) Q M ( P
) M | Q ( P

=
Sejam A e B. Definimos Probabilidade Condicional de A dado que B ocorre
(A|B) como segue:

0 ) B ( P se ,
) B ( P
) B A ( P
) B | A ( P

=
ou, de forma anloga

0 ) A ( P se ,
) A ( P
) B A ( P
) A | B ( P

=

Exemplo 1: Considere o lanamento de um dado.
={1, 2, 3, 4, 5, 6) (6 resultados possveis)
Seja o evento A: sair face 4,

P(A)=
6
1
= 0,167.

Para entender o problema de probabilidade condicional, suponha que embora no
possamos ver o dado, algum diga que o resultado um nmero par. Neste caso, qual a

16
probabilidade de A ocorrer? Isto , sabendo que saiu um nmero par, qual a probabilidade de
A ocorrer?
P(A) =
3
1
= 0,3333
Assim, a informao de que o valor ocorrido um nmero par afeta a probabilidade de
ocorrer o evento A, e o valor 0,3333 chamado de probabilidade condicional, uma vez que
ela calculada sob a condio de que o valor na face do dado um nmero par.

Notao: P(A|B) (l-se, probabilidade de ocorrer o evento A, sabendo-se (dado) que o evento
B j ocorreu.

Exemplo 2: No lanamento de dois dados, observando as faces de cima, para calcular a
probabilidade de sair o nmero 5 no primeiro dado, sabendo que a soma dos dois nmeros
maior que 7, fazemos:

={(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}

Evento A: nmero 5 no primeiro dado
A={(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)}

Evento B: a soma dos dois nmeros maior que 7
B={(2,6),(3,5),(3,6),(4,4),(4,5),(4,6),(5,3),(5,4),(5,5),(5,6),(6,2),(6,3),(6,4),(6,5),(6,6)}

B A : o primeiro nmero 5 e a soma dos dois nmeros maior que 7.
B A ={(5,3),(5,4),(5,5),(5,6)}

P( B A )=
36
4
e P(B)=
36
15


Logo,
) B ( P
) B A ( P
) B | A ( P

=
15
4
36
15
36
4
) B | A ( P = =

Exemplo 3: Sendo P(A) =
3
1
, P(B) =
4
3
e
12
11
) B A ( P = , calcular P(A|B).

Resoluo:

Como
) B ( P
) B A ( P
) B | A ( P

= , devemos calcular ). B A ( P
Como P( ) B A ( P ) B ( P ) A ( P ) B A + = , temos:

17


6
1
12
2
) B A ( P ) B A ( P
4
3
3
1
12
11
= = + =

Logo,
9
2
4
3
6
1
) B | A ( P = =


1.7 MULTIPLICAO DE PROBABILIDADES

Tiramos da definio de probabilidade condicional o chamado TEOREMA DO
PRODUTO: Sejam A e B. Ento, a probabilidade de ocorrer P( B A ) igual ao
produto da probabilidade de um deles pela probabilidade do outro em relao ao primeiro, ou
seja:

Sendo:
) B ( P
) B A ( P
) B | A ( P

= ou
) A ( P
) B A ( P
) A | B ( P

= ,
ento

) B | A ( P ) B ( P ) B A ( P = ou ) A | B ( P ) A ( P ) B A ( P =

Exemplos:

1-) Duas bolas vo ser retiradas de uma urna que contm 2 bolas brancas, 3 pretas e 4 verdes.
Qual a probabilidade de que ambas
a) sejam verdes?
b) Sejam da mesma cor?

Resoluo:

Temos que: P(B) =
9
2
, P(P) =
9
3
e P(V) =
5
4


a)
6
1
8
3
9
4
) V | V ( P ) V ( P ) V V ( P = = =

b) ) V V ( P ) P P ( P ) B B ( P ) Cor Mesma ( P + + =

8
3
9
4
8
2
9
3
8
1
9
2
) Cor Mesma ( P + + =

18
5
72
20
) Cor Mesma ( P = =

A generalizao do teorema do produto :


18
( ) ( ) ( )
1 n 2 1 n 2 1 3 1 2 i
n
1 i
i
A A A | A P A A | A P A | A P ) A ( P A P

=
=
|
|

\
|
K K
I


Exemplo: Uma urna contm as letras A, A, A, R, R, S. Retira-se letra por letra. Qual a
probabilidade de sair a palavra ARARAS?

60
1
1
2
1
3
1
4
2
5
2
6
3
) A R A R A | S ( P ) R A R A | A ( P
) A R A | R ( P ) R A | A ( P ) A | R ( P ) A ( P ) S A R A R A ( P
= =
=
=



1.8 EVENTOS INDEPENDENTES (OU INDEPENDNCIA ESTATSTICA)

Dois eventos A e B so estatisticamente independentes se a ocorrncia (ou
no ocorrncia) de um dos eventos no afetar a probabilidade de ocorrncia do outro evento.
Em outras palavras, dizemos que um evento B estatisticamente independente de um evento
A se a ocorrncia de A no afeta a probabilidade de ocorrer o evento B. Em smbolos:

) A ( P ) B | A ( P = ou ) B ( P ) A | B ( P =

Temos tambm que se dois eventos A e B so ditos independentes, ento a
probabilidade deles ocorrerem conjuntamente pode ser dada por:

) B | A ( P ) B ( P ) B A ( P = (I)
e
) A ( P ) B | A ( P = (II)

Substituindo II em I, obtemos:

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

Exemplo 1:

Lanando-se simultaneamente um dado e uma moeda, determine a probabilidade de se
obter 3 ou 5 no dado e cara na moeda.

={(1,c),(1,k),(2,c),(2,k),(3,c),(3,k),(4,c),(4,k),(5,c),(5,k),(6,c)(6,k)}

Evento A: 3 ou 5 no dado P(A)=
3
1
12
4
=
A={(3,c),(3,k),(5,c),(5,k)}

Evento B: cara na moeda P(B)=
2
1
12
6
=
B={(1,k),(2,k),(3,k),(4,k),(5,k),(6,k)}


19
Os eventos so independentes, pois o fato de ocorrer A no modifica a probabilidade
de ocorrer B. Assim, temos:

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

Portanto,
6
1
2
1
3
1
) B A ( P = =

Note que B A ={(3,k),(5,k)} e P( B A ) poderia ser calculado por:

6
1
12
2
) ( n
) B A ( n
) B A ( P = =

= . No entanto, nem sempre a obteno de n( B A ) simples.



Exemplo 2: Uma roleta contm 38 nmeros dos quais 18 so vermelhos, 18 so pretos, e dois
so verdes. Quando a roleta girada e a bola solta, igualmente provvel que a bola caia em
qualquer um dos 38 nmeros. Em duas jogadas da roleta, qual a probabilidade de que:
a) a bola caia no vermelho duas vezes?
b) A bola caia no verde na primeira vez e no preto na segunda vez?

Soluo:

razovel supor que as jogadas sucessivas da roleta so independentes, ou seja, o
resultado da 1 rodada no interfere no resultado da 2 rodada.

a) Sejam os eventos:
1
V : a bola cai no vermelho na primeira rodada e
2
V : a bola cai no vermelho na
segunda rodada.

Queremos a probabilidade de que em duas rodadas sucessivas d dois resultados
vermelhos, ou seja, a bola caia no vermelho nas duas rodadas. Ento queremos ) V V ( P
2 1
.
Como a ocorrncia de
1
V no interfere na ocorrncia de
2
V , isto , como
1
V e
2
V so
eventos independentes, fazemos:

) V ( P ) V ( P ) V V ( P
2 1 2 1
= =(18/38) x (18/38) =0,224

Existe uma chance de 22,5% de que a bola caia duas vezes no vermelho.

b) Seja os eventos:
1
Vd : a bola cai no verde na primeira rodada e
2
P : a bola cai no preto na segunda
rodada.

= = ) P ( P ) Vd ( P ) P Vd ( P
2 1 2 1
(2/38) x (18/38) =0,025

Existe uma chance de 2,5% de que a bola caia a primeira vez no verde e a segunda vez
no preto.

IMPORTANTE: comum confundir os conceitos de eventos mutuamente exclusivos e
eventos independentes. Estes termos no significam a mesma coisa. O conceito de

20
mutuamente exclusivo envolve se ou no dois eventos podem ocorrer simultaneamente. Por
outro lado, o conceito de independncia envolve se ou no a ocorrncia de um evento afeta a
probabilidade de ocorrncia do outro.

Exemplo 3: Sejam A e B eventos tais que P(A) = 0,2, P(B) = P, P(AB) = 0,6.
Calcular P considerando A e B:

a) mutuamente exclusivos;
b) independentes.

Resoluo:

a-) A e B mutuamente exclusivos 0 ) B A ( P = como
P(AB) = P(A) + P(B) P(AB) vem 0,6 = 0,2 + P 0 P = 0,4

b-) A e B independentes P 2 , 0 ) B ( P ) A ( P ) B A ( P = = como
P(AB) = P(A) + P(B) P(AB) vem 0,6 = 0,2 + P 0,2P 0,4 = 0,8P P = 0,5

OBS.: Se os eventos A
1
, A
2
, ..., A
n
so independentes ento:

= =
=
|
|

\
|
n
1 i
i
n
1 i
i
) A ( P A P
I


onde ) A ( P ) A ( P ) A ( P ) A ( P
n 2 1
n
1 i
i
=

=
K .


1.9 TABELAS DE PROBABILIDADE CONJUNTA (OU TABELAS DE DUPLA
ENTRADA OU TABELAS DE CONTINGNCIA)

Em uma tabela de probabilidade conjunta todos os possveis eventos para uma varivel
(ou observao) so listados como cabealhos de colunas, todos os possveis eventos para
uma Segunda varivel so listados como cabealhos de linhas, e o valor includo em cada
casela resultante a probabilidade de cada ocorrncia conjunta. Muitas vezes as
probabilidades em uma destas tabelas esto baseadas em freqncias observadas da
ocorrncia dos vrios eventos conjuntos, em lugar de serem a priori por natureza. A tabela das
freqncias de ocorrncias conjuntas que pode servir de base para a construo de uma tabela
de probabilidade conjunta chamada de tabela de contingncia.

Definio 16: Tabelas de contingncia

So tabelas que permitem classificar membros de uma populao ou de uma amostra
segundo duas caractersticas:
Por exemplo: - nvel educacional vs renda anual;
- idade vs sexo;

Exemplo: (Tabela de contingncia)
Classificao de professores de uma universidade segundo idade e posio na carreira.

21

Posio na carreira


Professor
Titular
(
1
R )
Professor
Associado
(
2
R )
Professor
Assistente
(
3
R )

Instrutor
(
4
R )
Total
(
i
A )
i=1,2,3,4 e 5
< 30
(
1
A )
2 3 57 6 68

30 39
(
2
A )
52 170 163 17 402
idade 40 49
(
3
A )
156 125 61 6 348
50 59
(
4
A )
145 68 36 4 253
60
(
5
A )
75 15 3 0 93
Total
(
i
R )
i=1,2,3 e 4
430 381 320 33 1164

Experimento: Selecionar um professor ao acaso.
Evento
1
A : O professor selecionado tem menos de 30 anos.
Evento
2
A : O professor selecionado tem entre 30 e 39 anos.
Evento
3
A : O professor selecionado tem entre 40 e 49 anos.
Evento
4
A : O professor selecionado tem entre 50 e 59 anos.
Evento
5
A : O professor selecionado tem mais de 60 anos.
Evento
1
R : O professor selecionado um professor titular.
Evento
2
R : O professor selecionado um professor associado.
Evento
3
R : O professor selecionado um professor assistente.
Evento
4
R : O professor selecionado um instrutor.

Notas:
Os eventos
1
A
5
A so mutuamente exclusivos (entre si)
Os eventos
1
R
4
R so mutuamente exclusivos (entre si)
Os eventos
i
A s com
i
R s no so mutuamente exclusivos (entre si)

Podemos considerar os eventos
i
A s conjuntamente aos eventos
i
R s.
Por Exemplo: - o professor selecionado tem menos de 30 anos (
1
A ) e tambm um
professor associado (
2
R ), isto pode ser expresso por (
1
A e
2
R ) ou (
1
A
2
R ).

(
1
A e
2
R ) = (
1
A
2
R ) = o professor selecionado um professor associado com idade
inferior a 30 anos.

Usando probabilidade temos:


22
P(
1
A ) =
1164
68
= 0,058; P(
2
R )=
1164
381
= 0,327

ou seja, 5,8% dos professores tm menos que 30 anos e 32,7% dos professores so
associados. Alm de podermos determinar a probabilidade de cada evento
i
A e
i
R , podemos
tambm determinar a probabilidade para eventos conjuntos, denominada probabilidade
conjunta. Exemplo:
P(
1
A e
2
R ) = P(
1
A
2
R ) =
1164
3
= 0,003
ou seja, 0,3% dos professores tm menos de 30 anos e so associados.

OBS: Esta probabilidade conjunta pode ser calculada para quaisquer
i
A s conjuntamente aos
i
R s.

A tabela de distribuies de probabilidades conjunta fica:

Posio na carreira
Professor
Titular
P(
1
R )
Professor
Associado
P(
2
R )
Professor
Assistente
P(
3
R )

Instrutor
P(
4
R )
Total
P(
i
A )
i=1,2,3,4 e 5
< 30
P(
1
A )
P(
1
A
1
R )=
0,002
P(
1
A
2
R )
=0,003
P(
1
A
3
R )=
0,049
P(
1
A
4
R )
0,005
P(
1
A )
=0,058

30 39
P(
2
A )
P(
2
A
1
R )
=0,045
P(
2
A
2
R )
=0,146
P(
2
A
3
R )
=0,140
P(
2
A
4
R )
0,015
P(
2
A )
=0,345
Idade 40 49
P(
3
A )
P(
3
A
1
R )=
0,134
P(
3
A
2
R )
=0,107
P(
3
A
3
R )
=0,052
P(
3
A
4
R )
0,005
P(
3
A )
=0,299
50 59
P(
4
A )
P(
4
A
1
R )
=0,125
P(
4
A
2
R )
=0,058
P(
4
A
3
R )
=0,031
P(
4
A
4
R )
0,003
P(
4
A )
=0,217
60
P(
5
A )
P(
5
A
1
R )=
0,064
P(
5
A
2
R )
=0,013
P(
5
A
3
R )
=0,003
P(
5
A
4
R )
0,000
P(
5
A )
=0,080
Total
P(
i
R )
i=1,2,3 e 4
P(
1
R )
=0,369
P(
2
R )
=0,327
P(
3
R )
=0,275
P(
4
R )
=0,028

1



Notas:
1. As probabilidades dentro da tabela so chamadas de probabilidades conjuntas dos
eventos
i
A s e
i
R s.
2. As probabilidades da ltima coluna representam as probabilidades marginais dos eventos
i
A s.
3. As probabilidades da ltima linha representam as probabilidades marginais dos eventos
i
R s.
4. A soma das probabilidades conjuntas de uma linha ou de uma coluna igual a
probabilidade marginal daquela linha ou coluna.
5. A soma de todas as probabilidades conjuntas ou das marginais referente a cada varivel
tem que dar 1.


23
Varivel
i
A = idade ; varivel
i
R = posio na carreira.

Exemplos de Probabilidade condicional usando tabela de contingncia: Suponha que A e B
sejam 2 eventos. Ento a probabilidade de ocorrer o evento A sabendo-se que o evento B
ocorreu denominada probabilidade condicional. Ela indicada pelo smbolo P(A|B).

Exerccios: Considerando o exemplo acima responda:
a) Qual a probabilidade de que o professor selecionado esteja na casa dos 50 anos.
P(
4
A )= 217 , 0
1164
253
=

b) Encontre a probabilidade de que o professor selecionado esteja na casa dos 50 anos,
sabendo-se que um professor assistente foi selecionado.
P( 113 , 0
320
36
) R | A
3 4
= = )

c) Interprete as probabilidades encontradas em termos de porcentagem.

P(
4
A )=0,217 indica que 21,7% dos professores da universidade esto na casa dos 50 anos.
P( 113 , 0 ) R | A
3 4
= indica que 11,3% dos professores assistentes esto na casa dos 50 anos.

A partir dos exemplos acima, podemos sugerir a seguinte frmula para probabilidade
condicional.

) B ( n
) B A ( n
) B ( P
) B A ( P
) B | A ( P

=

=
ou, analogamente,
) A ( n
) B A ( n
) A ( P
) B A ( P
) A | B ( P

=

=

Isto implica que:

) B | A ( P ) A ( P ) B A ( P =
e
) A | B ( P ) B ( P ) B A ( P =



1) No lanamento simultneo de dois dados considere as faces voltadas para cima e
determine:
a) espao amostral
b) evento
1
E : nmeros cuja soma igual a 5
c) evento : E
2
nmeros iguais
d) evento : E
3
nmeros cuja soma um nmero par
e) evento : E
4
nmeros mpares nos 2 dados
f) evento : E
5
nmero dois em pelo menos um dos dados

24
g) evento 12 que menor soma cuja nmeros : E
6

h) evento : E
7
nmeros cuja soma maior que 12
i) evento : E
8
nmeros divisores de 7 nos 2 dados

2) Lanam-se 3 moedas. Enumerar o espao amostral e os eventos:
a) faces iguais;
b) cara na 1 moeda;
c) coroa na 2 e 3 moedas.

3) Um lote contm peas de 5, 10, 15, ..., 30 mm de dimetro. Suponha que 2 peas sejam
selecionadas no lote (com reposio). Se x e y indicam respectivamente os dimetros da 1
e 2 peas selecionadas, o par (x, y) representa um ponto amostral. Usando o plano
cartesiano, indicar os seguintes eventos:
a) A={x = y}
b) B={y < x}
c) C={x = y-10}
d)
)
`

<
+
= 10
2
y x
D

4) Um casal planeja ter 3 filhos. Determine os eventos:
a) os 3 so do sexo feminino
b) pelo menos 1 do sexo masculino
c) Os 3 do mesmo sexo

5) Uma urna contm 20 bolinhas numeradas de 1 a 20. Escolhe-se ao acaso uma bolinha e
observa-se o seu nmero. Determine os seguintes eventos:
a) o nmero escolhido mpar.
b) o nmero escolhido maior que 15.
c) o nmero escolhido mltiplo de 5.
d) o nmero escolhido mltiplo de 2 e de 3.
e) o nmero escolhido primo.
f) o nmero escolhido par e mltiplo de 3.
g) o nmero escolhido mpar e mltiplo de 7.

6) Qual a probabilidade de ocorrer o nmero 5 no lanamento de um dado?

7) Qual a probabilidade de se obter um nmero par no lanamento de um dado?

8) Um disco tem uma face branca e a outra azul. Se o disco for lanado 3 vezes, qual a
probabilidade de a face azul ser sorteada pelo menos uma vez?

9) Um casal planeja Ter trs filhos. Qual a probabilidade de os 3 serem do mesmo sexo?

10) (Unesp-SP) Joo lana um dado sem que Antnio veja. Joo diz que o nmero mostrado
pelo dado par. A probabilidade de Antnio descobrir esse nmero :
a) 1/2 b) 1/6 c) 4/6 d) 1/3 d) 3/36

11) (Vunesp) Um baralho de 12 cartas tem 4 ases. Retiram-se 2 cartas, uma aps a outra.
Determine a probabilidade de a segunda ser um s, sabendo que a primeira um s.

25

12) (UFSCar-SP) Uma urna tem 10 bolas idnticas, numeradas de 1 a 10. Se retirarmos uma
bola da urna, a probabilidade de no obtermos a bola nmero 7 igual a:
a) 2/9
b) 1/10
c) 1/5
d) 9/10
e) 9/11

13) Determine a probabilidade de se obterem os eventos a seguir, no lanamento simultneo
de dois dados, observadas as faces voltadas para cima:
a) nmeros iguais
b) nmeros cuja soma igual a 5
c) nmeros cuja soma mpar
d) nmeros cujo produto par
e) nmeros cuja soma menor que 12
f) nmeros cuja soma maior que 12
g) nmeros primos nos dois dados

14) Uma urna contm 2 bolas brancas e 5 bolas vermelhas. Retirando-se 2 bolas ao acaso e
sem reposio, calcule a probabilidade de:
a) as bolas serem de cores diferentes
b) as 2 bolas serem vermelhas

15) (Mau-SP) Uma caixa contm 11 bolas numeradas de 1 a 11. Retirando-se uma delas ao
acaso, observa-se que ela tem um nmero mpar. Determine a probabilidade de esse
nmero ser menor que 5.

16) Uma bola retirada de uma urna que contm bolas coloridas. Sabe-se que a probabilidade
de ter sido retirada uma bola vermelha 5/17. Calcule a probabilidade de ter sido retirada
uma bola que no seja vermelha.

17) Uma urna contm 30 bolinhas numeradas de 1 a 30. Retirando-se ao acaso uma bolinha da
urna, qual a probabilidade de essa bolinha ter um nmero mltiplo de 4 ou de 3?

18) Jogando-se um dado, qual a probabilidade de se obter o nmero 3 ou um nmero mpar?

19) Consultadas 500 pessoas sobre as emissoras de TV que habitualmente assistem, obteve-se
o seguinte resultado: 280 pessoas assistem ao canal A, 250 assistem ao canal B e 70
assistem a outros canais, distintos de A e B. Escolhida uma pessoa ao acaso, determine a
probabilidade de que ela assista:
a) ao canal A
b) ao canal B
c) ao canal A ou ao canal B

20) (PUCCAMP-SP) Num grupo, 50 pessoas pertencem a um clube A, 70 pertencem a um
clube B, 30 a um clube C, 20 pertencem aos clubes A e B, 22 aos clubes A e C, 18 aos
clubes B e C e 10 pertencem aos 3 clubes. Escolhida ao acaso uma das pessoas presentes,
a probabilidade de ela:
a) pertencer aos 3 clubes 3/5

26
b) pertencer somente ao clube C zero
c) pertencer a pelo menos dois clubes 60%
d) no pertencer ao clube B 40%

21) De uma reunio participam 200 profissionais, sendo 60 mdicos, 50 dentistas, 32
enfermeiras e os demais nutricionistas. Escolhido ao acaso um elemento do grupo, qual
a probabilidade de ela ser mdico ou dentista?

22) Na tabela abaixo temos dados de alunos matriculados em quatro cursos de uma
universidade em dado ano.

Sexo
Curso
Homens
(H)
Mulheres
(F)
Total
Matemtica Pura (M) 70 40 110
Matemtica Aplicada (A) 15 15 30
Estatstica (E) 10 20 30
Computao (C) 20 10 30
Total 115 85 200

Encontrar as probabilidades de:

a) P(H)
b) P(F)
c) P(M)
d) P(A)
e) P(E)

f) P(C)
g) P(AH)
h) P(AH)
i) P(AC)
j) P(AC)


18) Num lote de 12 peas, 4 so defeituosas; duas peas so retiradas aleatoriamente. Calcule:
a) A probabilidade de ambas serem defeituosas
b) A probabilidade de ambas no serem defeituosas
c) A probabilidade de ao menos uma ser defeituosa


3 LISTA DE EXERCCIOS


1-) Uma urna contm exatamente 20 bolas, numeradas de 1 a 20. Retirando-se ao acaso uma
bola dessa urna, observa-se que o nmero menor do que 8. Qual a probabilidade de que
esse nmero seja par?

1) (UFSCar-SP) Dois dados usuais e no-viciados so lanados. Sabe-se que os nmeros
observados so mpares. Ento, a probabilidade de que a soma deles seja 8 :
a) 2/36 b) 1/6 c) 2/9 d) 1/4 e) 2/18

2) Lanando-se simultaneamente dois dados, qual a probabilidade de se obter o nmero 1 no
primeiro dado e o nmero 3 no segundo dado?

3) Uma urna A contm 3 bolas brancas, 4 pretas e 2 verdes. Uma urna B contm 5 bolas
brancas, 2 pretas e 1 verde. Uma urna C contm 2 bolas brancas, 3 pretas e 4 verdes. Uma

27
bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da primeira,
segunda e terceira urnas serem, respectivamente, branca, preta e verde?

4) A probabilidade de que um aluno A resolva certo problema
5
1
) A ( P = , a de que outro
aluno B o resolva
2
1
) B ( P = e a de que um aluno C o resolva .
6
1
) C ( P = Calcule a
probabilidade de que os trs resolvam o problema.

5) (Cesgranrio-RJ) Dois dados so lanados sobre uma mesa. A probabilidade de ambos os
dados mostrarem na face superior nmeros mpares :
a) 1/3 b) 1/2 c) d) 2/ e) 3/

6) (Unesp) Num grupo de 100 pessoas da zona rural, 25 esto afetadas por uma parasitose
intestinal A e 11 por uma parasitose intestinal B, no se verificando nenhum caso de
incidncia conjunta de A e B. Duas pessoas desse grupo so escolhidas, aleatoriamente,
aps a outra. Determine a probabilidade de que, dessa dupla, a primeira pessoa esteja
afetada por A e a segunda por B.

7) (Unesp) Numa gaiola esto nove camundongos rotulados 1, 2, 3, ..., 9. Selecionando-se
conjuntamente dois camundongos ao acaso (todos tm igual probabilidade de escolha), a
probabilidade de que na seleo ambos os camundongos tenham rtulo mpar :
a) 0,3777... d) 0,2777...
b) 0,47 e) 0,13333...
c) 0,17

8) No lanamento de dois dados, sabe-se que se obteve nas faces voltadas para cima a soma
dos pontos igual a 6. Qual a probabilidade de que essas faces apresentem o mesmo
nmero de pontos?

9) A probabilidade de que um homem esteja vivo daqui a 30 anos
5
2
; a de sua mulher de
3
2
. Determinar a probabilidade de que daqui a 30 anos:
a) ambos estejam vivos;
b) somente o homem esteja vivo;
c) somente a mulher esteja viva;
d) nenhum esteja vivo;
e) pelo menos um esteja vivo.

10) Verifique se so vlidas as afirmaes:
a) Se P(A) =
3
1
e P(B|A) =
5
3
, ento A e B no podem ser disjuntos.
b) Se P(A) =
2
1
, P(B|A) = 1 e P(A|B) =
2
1
, ento A pode estar contido em B.

12) Uma classe de estatstica teve a seguinte distribuio das notas finais: 4 do sexo
masculino e 6 do feminino foram reprovados, 8 do sexo masculino e 14 do feminino foram

28
aprovados. Para um aluno sorteado dessa classe, denote por M se o aluno escolhido for do
sexo masculino e por A se o aluno foi aprovado. Calcule:
a) P(A
c
M ).
b) P(
c c
M A ).
c) P(A|M).
d) P(
c
M |A).
e) P(M|A).

13) As probabilidades de 3 jogadores A, B e C marcarem um gol quando cobram um pnalti
so
10
7
e
5
4
,
3
2
, respectivamente. Se cada um cobrar uma nica vez, qual a probabilidade de
que pelo menos um marque um gol?

14) Em uma indstria h 10 pessoas que ganham mais de 20 salrios mnimos (s.m.), 20 que
ganham entre 10 e 20 s.m. e 70 que ganham menos de 10 s.m. Trs pessoas desta indstria so
selecionadas. Determinar a probabilidade de que pelo menos uma ganhe menos de 10 s.m.

15) A e B jogam 120 partidas de xadrez, das quais A ganha 60, B ganha 40 e 20 terminam
empatadas. A e B concordam em jogar 3 partidas. Determinar a probabilidade de:
a) A ganhar todas as trs;
b) duas partidas terminarem empatadas;
c) A e B ganharem alternadamente.

16) Um lote de 120 peas entregue ao controle de qualidade de uma firma. O responsvel
pelo setor seleciona 5 peas. O lote ser aceito se forem observadas 0 ou 1 defeituosa. H 20
defeituosas no lote. a) Qual a probabilidade de o lote ser aceito? b) admitindo-se que o lote
seja aceito, qual a probabilidade de ter sido observado s um defeito?

17) Num perodo de um ms, 100 pacientes sofrendo de determinada doena foram internados
em um hospital. Informaes sobre o mtodo de tratamento aplicado em cada paciente e o
resultado final obtido esto no quadrado abaixo.

Tratamento

Resultado
A B Soma
Cura total 24 16 40
Cura Parcial 24 16 40
Morte 12 8 20
Soma 60 40 100

a) Sorteando aleatoriamente um desses pacientes, determinar a probabilidade de o
paciente escolhido:
a
1
) ter sido submetido ao tratamento A;
a
2
) ter sido totalmente curado;
a
3
) ter sido submetido ao tratamento A e ter sido parcialmente curado;
a
4
) ter sido submetido ao tratamento A ou ter sido parcialmente curado.
b) os eventos morte e tratamento A so independentes? Justificar.
c) sorteando dois dos pacientes, qual a probabilidade de:
c
1
) tenham recebido tratamentos diferentes?
c
2
) pelo menos um deles tenha sido curado totalmente?

29

18) A probabilidade de que um atleta A ultrapasse 17,30 m num nico salto triplo de 0,7. O
atleta d 4 saltos. Qual a probabilidade de que em pelo menos num dos saltos ultrapasse
17,30m?

19) Um aluno responde a um teste de mltipla escolha com 4 alternativas com uma s correta.
A probabilidade de que ele saiba a resposta certa de uma questo de 30%. Se ele no sabe a
resposta existe a possibilidade de acertar no chute. No existe a possibilidade de ele obter a
resposta certa por cola.
Se ele acertou a questo, qual a probabilidade de ele realmente saber a resposta?

20) Faa A e B serem eventos com P(A) =
2
1
; P(B) =
3
1
, P(AB) =
4
1
, calcular:
a) P(AB)
b) P(A|B);
c) P(B|A);
d) P[(AB)|B];
e) P( (( ( ) )) ) ( (( ( ) )) ) A | B P e B | A .