i

i

i

Aula

8

P ROBABILIDADE

Objetivos
Nesta aula, vocˆ e: ˜ o de probabilidade; 1 aprender´ a a definic ¸a 2 estudar´ a os axiomas e as propriedades de uma lei de probabilidade e 3 far´ a revis˜ ao dos seguintes conceitos de an´ alise ˜ o, arranjo e combinac ˜ o. combinat´ oria: permutac ¸a ¸a

i i i

i

i

i

Probabilidade e Estat´ ıstica | Probabilidade

˜ C L ASSICA ´ D EFINIC ¸ AO DE P ROBABILIDADE
Na aula passada, vimos que o espac ¸ o amostral para o experimento aleat´ orio do lanc ¸ amento de um dado e ´ Ω = {1, 2, 3, 4, 5, 6} . Vimos tamb´ em que e ´ usual supor que o dado seja equilibrado, o que equivale a dizer que todos os resultados s˜ ao igualmente prov´ aveis. Ent˜ ao, se jogarmos o dado v´ arias vezes, aproximadamente um sexto das ocorrˆ encias resultar´ a na face 3, bem como metade das repetic ¸o ˜ es resultar´ a em um n´ umero par. Estamos analisando a chance de ocorrˆ encia dos eventos A = “face 3” e B = “face par”. O evento A e ´ um evento elementar, enquanto o evento B e ´ um subconjunto com 3 elementos, o que representaremos por #A = 1 e #B = 3. Essa e ´ uma terminologia usual para representar o n´ umero de elementos de um conjunto, que lemos como “car´ intuitivo dizer que A ocorrer´ dinalidade de A ou B”. E a 1 6 das 1 3 vezes, enquanto B ocorrer´ a 2 = 6 das vezes. Define-se, assim, a probabilidade de um evento A como a raz˜ ao entre o n´ umero de elementos de A e o n´ umero de elementos de Ω. Vamos nos referir aos elementos de A − o evento de interesse − como sendo os “casos favor´ aveis”, enquanto os elementos de Ω s˜ ao os “casos poss´ ıveis”, o que nos leva a ` seguinte definic ¸a ˜ o. ˜ o 8.1 (Definic Definic ¸a ¸a ˜ o Cl´ assica de Probabilidade). blablabla Seja A um evento de um espac ¸ o amostral Ω finito, cujos elementos s˜ ao igualmente prov´ aveis. Define-se a probabilidade do evento A como Pr(A) = n´ umero de casos favor´ aveis #A = n´ umero de casos poss´ ıveis #Ω (8.1)

Naturalmente, nessa definic ¸a ˜ o estamos supondo que #Ω > 0, ou seja, que Ω tenha algum elemento pois, se n˜ ao tivesse, n˜ ao ter´ ıamos o que estudar! Esta foi a primeira definic ¸a ˜ o formal de probabilidade, tendo sido explicitada por Girolamo Cardano (1501-1576). Vamos nos referir a ela como a definic ¸a assica ˜ o cl´ de probabilidade. Note que ela se baseia em duas hip´ oteses: 1. H´ a um n´ umero finito de eventos elementares, isto e ´, Ω e ´
8 CEDERJ

i i i

#Ω CQD 3. Demonstrac ¸a ˜o Por definic ¸a ˜ o. Se A e B s˜ ao eventos mutuamente exclusivos.i i i um conjunto finito. Pr(A) e ´ a raz˜ ao de dois n´ umeros n˜ ao-negativos. Embora essas hip´ oteses restrinjam o campo de aplicac ¸a ˜ o da definic ¸a ˜ o. resulta que A ∩ B = ∅. veremos que ela e ´ muito importante e v´ arios exerc´ ıcios ser˜ ao resolvidos baseados nela. Pr(A ∪ B) = # ( A ∪ B) # A + # B # A # B = = + = Pr(A)+ Pr(B) #Ω #Ω #Ω #Ω CEDERJ 9 i i i AULA ´ 1 8 1 MODULO . ˜ C L ASSICA ´ P ROPRIEDADES DA D EFINIC ¸ AO DE P ROBABILIDADE A definic ¸a ˜ o cl´ assica de probabilidade satisfaz as seguintes propriedades b´ asicas: 1. Neste caso. Os eventos elementares s˜ ao igualmente prov´ aveis. Demonstrac ¸a ˜o Se A e B s˜ ao mutuamente exclusivos. Logo.1). CQD 2. ent˜ ao Pr(A ∪ B) = Pr (A) + Pr (B) . 2. # (A ∪ B) = #A + #B (veja a Figura 8. Pr(A) ≥ 0 para todo evento A ⊂ Ω Demonstrac ¸a ˜o Como #A ≥ 0 e #Ω > 0. ent˜ ao Pr(A) ≥ 0. Pr (Ω) = #Ω = 1. Pr(Ω) = 1.

1: Cardinalidade da uni˜ ao de eventos mutuamente exclusivos. podemos aplicar a Propriedade 3 para obter Pr(Ω) = Pr(Ω ∪ ∅) = Pr(Ω) + Pr(∅) Mas Pr(Ω) = Pr(Ω) + Pr(∅) ⇒ Pr(∅) = Pr(Ω) − Pr(Ω) = 0 CQD 5. na aula anterior. note que podemos escrever Ω = Ω∪∅ Como #∅ = 0. CQD 4. Pr(∅) = 0 Demonstrac ¸a ˜o #∅ 0 = =0 #Ω #Ω Essa propriedade pode ser obtida tamb´ em utilizando-se apenas as 3 primeiras. podemos aplicar a Propriedade 3 para obter que Pr(Ω) = Pr(A) + Pr(A) 10 C E D E R J i i i . resulta que Pr(∅) = Como Ω e ∅ s˜ ao mutuamente exclusivos. que Ω = A∪A Como A e A s˜ ao mutuamente exclusivos. Pr(A) = 1 − Pr(A) Demonstrac ¸a ˜o Vimos. Para isso.i i i Probabilidade e Estat´ ıstica | Probabilidade Figura 8.

Podemos ver que essas duas partes n˜ ao tˆ em intersec ¸a ˜ o.i i i Mas. 1 = Pr(A) + Pr(A) ⇒ Pr(A) = 1 − Pr(A) CQD 6. podemos escrever: Pr(A) = Pr(A − B)+ Pr(A ∩ B) ⇒ Pr(A − B) = Pr(A) − Pr(A ∩ B) Volte a ` Figura 8. Pr(Ω) = 1. Pr(A − B) = Pr(A ∩ B) = Pr(A) − Pr(A ∩ B) Demonstrac ¸a ˜o Veja a Figura 8.2: Diferenc ¸a de dois eventos A − B = A ∩ B. Logo. Figura 8. pela Propriedade 2. pela Propriedade 3. e o segundo termo e ´ a parte sombreada mais clara. Logo.2 para visualizar melhor esse resultado. Temos que A = ( A − B) ∪ ( A ∩ B) O primeiro termo e ´ a parte sombreada mais escura.2 para ver que o evento B − A = B ∩ A corresponde a ` parte n˜ ao sombreada da figura e que Pr(B − A) = Pr(B ∩ A) = Pr(B) − Pr(A ∩ B) CQD C E D E R J 11 i i i AULA ´ 1 8 1 MODULO .

n˜ ao estamos exigindo que A e B sejam mutuamente exclusivos.3: Figura 8. ou seja: A ∪ B = A ∪ ( B − A) Como essas duas partes n˜ ao tˆ em intersecc ¸a ˜ o.3: Uni˜ ao de dois eventos quaisquer. vimos que Pr(B − A) = Pr(B) − Pr(A ∩ B). A parte mais clara e ´ B − A. Demonstrac ¸a ˜o Note que esse resultado generaliza a Propriedade 3 para dois eventos quaisquer. Substituindo. ou seja. e a parte mais escura e ´ A. pela Propriedade 3. obtemos que Pr(A ∪ B) = Pr(B − A)+ Pr(A) = Pr(A)+ Pr(B) − Pr(A ∩ B) CQD 12 C E D E R J i i i . podemos escrever Pr(A ∪ B) = Pr(A) + Pr(B − A) Mas.i i i Probabilidade e Estat´ ıstica | Probabilidade 7. Pr(A ∪ B) = Pr(A) + Pr(B) − Pr(A ∩ B). que pode ser decomposta nas duas partes com diferentes sombreamentos. Toda a parte sombreada representa a uni˜ ao dos dois eventos. Veja a Figura 8. Para dois eventos A e B quaisquer. na Propriedade 6.

ent˜ ao A ∩ B = A. temos que A ⊂ Ω ⇒ Pr(A) ≤ Pr(Ω) = 1 ⇒ Pr(A) ≤ 1 CQD R ESUMO DAS P ROPRIEDADES Vamos apresentar os resultados vistos anteriormente para facilitar o seu estudo. C E D E R J 13 i i i AULA ´ 1 8 1 MODULO . Demonstrac ¸a ˜o Usando as Propriedades 8 e 2. Se A ⊂ B ent˜ ao Pr(A) ≤ Pr(B). essa e ´ a parte sombreada da figura.i i i 8. CQD 9.4. usando a Propriedade 6. Demonstrac ¸a ˜o Veja a Figura 8. Nesse caso. Pr(A) ≤ 1 para qualquer evento A ⊂ Ω. Pr(B − A) ≥ 0 ⇒ Pr(B) − Pr(A) ≥ 0 ⇒ Pr(A) ≤ Pr(B) Figura 8. temos que Pr(B − A) = Pr(B) − Pr(A ∩ B) = Pr(B) − Pr(A) mas. pela Propriedade 1. Se A ⊂ B. a probabilidade de qualquer evento e ´ n˜ ao-negativa.4: Ilustrac ¸a ˜ o da Propriedade 8: A ⊂ B. Logo.

As cartas dos 2 primeiros naipes s˜ ao vermelhas e as dos dois u ´ ltimos naipes. as cartas podem ser ´ As. Retirando-se ao acaso uma carta desse baralho. 6}. Valete. 10. 9. ¦ ¤ ¥ blablabl Considere um baralho usual composto de 52 cartas divididas em 4 naipes: ouros. qual e ´ a probabilidade de que seja uma figura? Uma carta preta? ˜ o: Soluc ¸a Como h´ a 52 cartas ao todo. paus e espadas. cada naipe com 13 cartas. 2.1. Estas trˆ es u ´ ltimas s˜ ao figuras que representam a realeza. copas. 6. Vamos denotar por F o evento “carta retirada e ´ uma figura” e por P o evento “carta reti14 C E D E R J i i i . ¦ ¤ ¥ blablabl No lanc ¸ amento de um dado.2. #Ω = 52. 4.i i i Probabilidade e Estat´ ıstica | Probabilidade Propriedades da probabilidade 0 ≤ Pr(A) ≤ 1 Pr(Ω) = 1 A ∩ B = ∅ ⇒ Pr(A ∪ B) = Pr(A) + Pr(B) Pr(∅) = 0 Pr(A) = 1 − Pr(A) Pr(A − B) = Pr(A) − Pr(A ∩ B) Pr(B − A) = Pr(B) − Pr(A ∩ B) Pr(A ∪ B) = Pr(A) + Pr(B) − Pr(A ∩ B) A ⊂ B ⇒ Pr(A) ≤ Pr(B) § Exemplo 8. Pr(A) = = . 7. Logo. 3. 5. 6 3 § Exemplo 8. Em cada naipe. 8. pretas. Dama e Rei. qual e ´ a probabilidade de se obter face maior que 4? ˜ o: Soluc ¸a Sabemos que #Ω = 6 e tamb´ em que o evento de interesse e ´ 2 1 A = {5.

18. Em cada um dos 4 naipes h´ a trˆ es figuras.i i i § Exemplo 8. 19}. 7. ¦ ¤ ¥ blablabl Uma urna cont´ em 6 bolas pretas. A = {2. 1 a 20. Ent˜ ao. ou seja. 13. 10. 5. Logo. Logo. Uma bola e ´ escolhida ao acaso desta urna. ou seja. logo. Q = {1. 12. por R o evento “n´ umero primo” e por Q o evento “quadrado perfeito”. 3. 8. 9. B. 20}. Pr(P) = 20 2 20 5 4 1 Pr(Q) = = 20 5 § Exemplo 8.3. 17. a proba12 3 bilidade de retirarmos uma figura e ´ Pr(F ) = = .4. (ii) Pr(B) = #Ω 16 8 (iii) Se a bola n˜ ao e ´ branca nem verde. Qual e ´ a probabilidade de que (i) a bola n˜ ao seja verde? (ii) a bola seja branca? (iii) a bola n˜ ao seja nem branca nem verde? ˜ o: Soluc ¸a Temos um total de 6 + 2 + 8 = 16 bolas. V os eventos bola preta. Qual e ´ a probabilidade de que o n´ umero escolhido seja (i) par? (ii) primo? (iii) quadrado perfeito? ˜ o: Soluc ¸a Vamos denotar por P o evento “n´ umero par”. 14. Logo. 2 bolas brancas e 8 bolas verdes. Note que estamos pedindo Pr(B ∩ V ). branca e verde. P = {1. 4. #Ω = 16. a probabilidade de que a carta 26 1 seja preta e ´ Pr(P) = = . #F = 12. Logo. 8 2 10 1 = . ¦ ¤ ¥ blablabl Um n´ umero e ´ escolhido entre os 20 primeiros inteiros. respectivamente. Pr(R) = = . 6. do complemen8 8 1 tar de V . 16. Vimos que Pr(V ) = 1 − Pr(V ) = 1 − = = 16 16 2 #B 2 1 = = . Pela lei de De Morgan e C E D E R J 15 i i i AULA rada e ´ preta”. 11. 4. Metade 52 13 das cartas e ´ de cor preta. ela tem que ser preta. Vamos denotar por P. 16}. (i) Queremos a probabilidade de V . o n´ umero total de figuras e ´ 4 × 3. 52 2 ´ 1 8 1 MODULO .

(5. (1. 4) . 5) . 4) . (3. (6. 3) . 1) . 4) → 10 5 (1. 1) . Vamos calcular a probabilidade de tais eventos. (4. 5) → 7 (3. (6. 2) → 3 (2. 4) → 7 (4. (5. 3) → 7 (5. para cada par poss´ ıvel de resultados. 4) . 4) . (1. 3) . 6) . 1) → 5 (5.     (2. 2) → 6 (5.i i i Probabilidade e Estat´ ıstica | Probabilidade pelas Propriedades 3 e 4. 1) . 3) → 5 (3. na qual. A visualizac ¸a ˜ o do espac ¸ o amostral desse experimento pode ser vista na tabela a seguir. (3. 6) → 10 (5. 5) . 4) . 2) . (2. (3. (5. (4. 4) → 5 (2. 1) . (5. 6) . 5) . (4. 6) → 12 Podemos ver que :  (1. 5) . 2) . B = “soma das faces maior que 9”. 3) .     (5. temos que Pr(B ∩ V ) = Pr(B ∪ V ) = 1 − Pr(B ∪ V ) = 2 8 6 3 = 1 − [Pr(B) + Pr(V )] = 1 − − = = = Pr(P) 16 16 16 8 § ¤ ¥ Exemplo 8. Vamos definir os seguintes eventos: A = “soma das faces par”. (1. ¦ blablabl Consideremos novamente o lanc ¸ amento de dois dados. 2) . (1. (4. 2) → 8 3 (1. 5) . apresentamos tamb´ em a soma das faces: Dado 2 1 Dado 1 2 (1. (2. (4. 1) → 2 (2. (6. 5) → 10 (6. 6) . 4) → 6 (3. (1. 3) . 6) . 3) . 6)                ⇒ #Ω = 36    ⇒ #A = 18 B = {(4. 4) → 9 (6. 2) . 5) . (6. 3) .5. (6. (3. 1) → 6 (6. 4) . 4) .    (6. 2) → 7 (6. (5.    (3. 6) → 7 (2. 3) → 6 (4. (2. (4. (5. 3) → 9 1 2 3 4 5 6 (1. (6. 1) → 4 (4. 6) . (2. (5. (6. (2. (6. 1) → 3 (3. (1. (3. A=  (5. 6)   (1. 2) → 5 (4. 5) → 6 (2. 6) . 4) . 2) . 5) . 5) → 11 6 (1. 3) → 4 (2. 1) . 6) . (3. 5) → 8 (4. (6. (3. 2) . 3) . (5. 2) → 4 (3. 2) . (2. (4. (2. (3. (1. (2. (6. 6) → 8 (3. 3) → 8 (6. 1) . 4) . 2) . 6) → 11 (6. 5) . 6)} ⇒ #B = 6 16 C E D E R J i i i . 6) . 4) . 3) . 4) → 8 (5. (6. C = “soma das faces ´ ımpar menor que 9”. 1) . 2) . 5) → 9 (5. (4. Ω= (4. 1) → 7 4 (1. 6) . 1) . (5. 3) . 5) . 1) . 6) → 9 (4. 5) . 5) .

(3. 3) . V1 . (4. Como a extrac ¸a ˜o e ´ sem reposic ¸a ˜ o. Por sua vez. Assim. B2 . 3) . B4 B2 . B2 B3 . (4. (i) O evento A = “2 bolas brancas” e ´ A= Logo. (5. o n´ umero total de pares e ´ 7 × 6 = 42. 42 7 (ii) O evento B = “2 bolas verdes” e ´ B = {V1V2 . ⇒ #C = 12 Pr (A) = 18 1 = 36 2 Pr (B) = 6 1 = 36 6 Pr (C) = 12 1 = 36 3 Exemplo 8. logo. Duas bolas s˜ ao retiradas dessa urna. (2. C1 . O espac ¸ o amostral para este experimento e ´ Ω = {(C1 . V3 . B4 B1 . 1) . B3 B2 . 1) . Pr(A) = B1 B2 . C2 ). 2) . B1 B4 . B3 B4 . B2 B1 . V1V3 . C2 = B1 . (2. B3 . 6) . 5) . B2 B4 . 1) . 4) .i i i C= Logo. 4) . B3 e B4 as quatro bolas brancas e por V1 . para a segunda bola s´ o h´ a6 possibilidades. (6. ¦ § ¤ ¥ blablabl Em uma urna h´ a 4 bolas brancas e 3 bolas verdes. (1. V2 . B4 B3 12 2 = . B1 B3 . V3V2 } Logo. C E D E R J 17 i i i AULA ´ 1 8 1 MODULO . 2) . V2 e V3 as trˆ es bolas verdes. (2. (3. sequencialmente e sem reposic ¸a ˜ o. V2V3 . B4 . Pr(B) = 6 1 = 42 7 (iii) O evento C = “bolas de cores diferentes” e ´ o complementar do evento D = “bolas de cores iguais”.6. Qual e ´ a probabilidade de obtermos (i) 2 bolas brancas? (ii) 2 bolas verdes? (iii) 2 bolas de cores diferentes? ˜ o: Soluc ¸a Vamos indicar por B1 . B3 B1 . (1. (1. V2V1 . h´ a 7 bolas poss´ ıveis. C1 = C2 } A primeira bola pode ser qualquer uma. B2 . V3V1 . 2) .

Pr(D) = Pr(A) + Pr(B) = Logo. B1V3 . B2 B3 . B3V2 . V 1 B4 . B4 B3 . Pr(C) = 1 − Pr(D) = 1 − 3 4 = 7 7 2 1 3 + = . B3 B2 . V1V2 . V3 B1 . B2V3 . B3V1 . 7 7 7 Note o trabalho que d´ a listar todos os elementos de um evento! ´ interessante notar o seguinte fato sobre a extrac E ¸a ˜ o das bolas: em vez de fazermos extrac ¸o ˜ es sequenciais. B2 B4 . B2 B4 . O que muda. B2V1 . B4 B1 . B3 B4 . B1 B4 . V 1 B2 . V2V3 . Se fossem 3 bolas. podemos retirar 2 bolas simultaneamente. B1 B3 . que e ´ 2!. V 1V3 . ficaria reduzido por 3! = 6. V 2 B3 . B3V1 . vamos listar o espac ¸ o amostral nos dois casos. B2V3 . V2V1 . V1V2 . V 3 B3 .i i i Probabilidade e Estat´ ıstica | Probabilidade D = A ∪ B e como A e B s˜ ao mutuamente exclusivos. bem como os eventos que estudamos. a mesma bola n˜ ao pode sair duas vezes. B3 B1 . n˜ ao podemos diferenciar a ordem das bolas. Para ajudar na compreens˜ ao dessa diferenc ¸ a. B3V3 . Evento 2 bolas brancas 2 bolas verdes Branca e verde Verde e branca Extrac ¸o ˜ es sequenciais B1 B2 . B4V2 . B4V2 . os pares V1V2 e V2V1 s˜ ao os mesmos. a cardinalidade do espac ¸o amostral fica reduzida por 2. V 1V3 . n´ umero de maneiras de organizar as 2 bolas. B3 B4 . B4V1 . Dessa forma. B1 B4 . as extrac ¸o ˜ es s˜ ao sem reposic ¸a ˜ o. V3V1 . V 2V3 . ent˜ ao? Nas extrac ¸o ˜ es simultˆ aneas. V 2 B4 . V 3 B2 . V 1 B3 . por exemplo. V 2 B2 . V2 B1 . Em ambos os casos. B2V2 . B2V2 . B4 B2 . B1 B3 . B1V3 . V1 B1 . B2 B1 . ou seja. B3V2 . V 3V2 . B4V1 . B1V2 . B1V1 . B4V3 2 bolas verdes Uma branca e uma verde Note que as probabilidades s˜ ao as mesmas em ambos os casos: 18 C E D E R J i i i . B2V1 . B1V1 . B3V3 . V 3 B4 Evento 2 bolas brancas Extrac ¸o ˜ es simultˆ aneas B1 B2 . B2 B3 . B1V2 . B4V3 .

Sorteando-se ao acaso um desses alunos. 120 acertaram os dois e 54 acertaram apenas um. ¦ blablabl Em uma prova ca´ ıram dois problemas. qual e ´ a probabilidade de que 1. Os dados do problema nos d˜ ao que: #(P1 ∩ P2 ) #P1 #P2 # P1 ∩ P2 ∪ (P1 ∩ P2 ) = = = = 120 132 86 54 (acertar os 2) (acertar o primeiro) (errar o segundo) (acertar apenas um) O n´ umero de alunos que acertaram apenas a primeira e ´ # P1 ∩ P2 = #P1 − #(P1 ∩ P2 ) = 132 − 120 = 12 Logo.7. tenha acertado apenas o segundo problema? ˜ o: Soluc ¸a Vamos denotar por P1 e P2 os eventos “acertar problema 1” e “acertar problema 2” respectivamente.i i i Extrac ¸o ˜ es sequenciais Extrac ¸o ˜ es simultˆ aneas § Pr(2 verdes) Pr(2 brancas) 6 1 12 2 42 = 7 42 = 7 3 1 6 2 21 = 7 21 = 7 ¤ ¥ Pr(cores diferentes) 24 4 42 = 7 12 4 21 = 7 Exemplo 8. Sabe-se que 132 alunos acertaram o primeiro.5. C E D E R J 19 i i i AULA ´ 1 8 1 MODULO . o n´ umero de candidatos que acertaram apenas a segunda e ´ #(P1 ∩ P2 ) = 54 − 12 = 42 Da´ ı segue que o n´ umero de alunos que acertaram a segunda quest˜ ao e ´ #P2 = #(P1 ∩ P2 ) + #(P1 ∩ P2 ) = 42 + 120 = 162 Essas cardinalidades est˜ ao ilustradas na Figura 8. 86 erraram o segundo. n˜ ao tenha acertado qualquer um dos dois problemas? 2.

Considere a situac ¸a ˜ o anterior.5: Espac ¸ o amostral do exemplo sobre acerto de duas quest˜ oes. Qual e ´a probabilidade de serem sorteados (i) 2 balancetes de custos? (ii) 2 balancetes de orc ¸ amento? (iii) 2 balancetes de tipos diferentes? 20 C E D E R J i i i . 1. Em uma auditoria. Pela Propriedade 6. Em um arquivo h´ a 4 balancetes de orc ¸ amento e 3 balancetes de custos. s´ o que agora o auditor retira sequencialmente 2 balancetes sem reposic ¸a ˜ o.1. o n´ umero total de alunos e ´ #Ω = #(P2 ∪ P2 ) = #P2 + #P2 = 162 + 86 = 248 1. Pela lei de De Morgan. tem-se que Pr P1 ∩ P2 = Pr P1 ∪ P2 = 1 − Pr (P1 ∪ P2 ) = = 1 − [Pr(P1) + Pr(P2 ) − Pr(P1 ∩ P2 )] = 132 162 120 − + = 1− 248 248 248 74 37 = = 248 124 2. Qual e ´ a probabilidade de que seja um balancete de custos? E de orc ¸ amento? 2. o auditor seleciona aleatoriamente um desses balancetes. tem-se que: Pr P2 ∩ P1 = Pr(P2 ) − Pr(P1 ∩ P2 ) = 162 − 120 42 21 = = 248 248 124 Exerc´ ıcio 8.i i i Probabilidade e Estat´ ıstica | Probabilidade Figura 8. Logo.

i i i ˜ A XIOM ATICA ´ D EFINIC ¸ AO DE P ROBABI LIDADE Anteriormente.2 (Definic Definic ¸a ¸a ˜ o Axiom´ atica de Probabilidade). Isso nos leva a ` definic ¸a atica de dicion´ ˜ o axiom´ ario Aur´ elio: probabilidade. Na Figura 8. que associa a cada evento A de Ω um n´ umero real Pr(A) que satisfaz os seguintes axiomas: Axioma 1: Pr(A) ≥ 0 Axioma 2: Pr(Ω) = 1 Axioma 3: A ∩ B = ∅ ⇒ Pr(A ∪ B) = Pr(A) + Pr(B) C E D E R J 21 i i i AULA ´ 1 8 1 MODULO . Axioma 1) Premissa imediatamente evidente que se admite como universalmente verdadeira sem exigˆ encia de demonstrac ¸a ˜ o. vimos que a definic ¸a ˜ o cl´ assica de probabilidade se restringe a espac ¸ os amostrais finitos onde os eventos elementares s˜ ao equiprov´ aveis. Vemos. Figura 8. Em tal contexto. que foram deduzidas (ou demonstradas) a partir das trˆ es primeiras. construindo-se um gr´ afico de barSegundo o ras para represent´ a-la.satisfaz determinadas propriedades interessantes. assim.6 ilustra-se o conceito de probabilidade como uma func ¸a ˜ o. podemos observar o seguinte: a probabilidade e ´ um n´ umero que associamos a cada evento de um espac ¸ o amostral Ω e esse n´ umero . Probabilidade e ´ uma func ¸a ˜ o. denotada por Pr. mesmo com essas restric ¸o ˜ es. 2) Proposic ¸a ˜ o que se admite como verdadeira porque dela se podem deduzir as proposic ¸o ˜ es de uma teoria ou de um sistema l´ ogico ou matem´ atico. blablabla Seja Ω um espac ¸ o amostral associado a um experimento aleat´ orio.6: Definic ¸a ˜ o axiom´ atica de probabilidade. ˜ o 8. que probabilidade e ´ uma func ¸a ˜ o definida no conjunto de eventos de um espac ¸ o amostral.chamado probabilidade .

˜ o: Soluc ¸a 1. 1 Pr(A) = 1 3 . Pr(A) 4. Pr(B) = 3 . Como todas as outras propriedades foram deduzidas a partir dessas trˆ es propriedades. a partir dos trˆ es axiomas deduzimos as seguintes propriedades: Pr(∅) = 0 Pr(A) = 1 − Pr(A) Pr(A − B) = Pr(A) − Pr(A ∩ B) Pr(B − A) = Pr(B) − Pr(A ∩ B) Pr(A ∪ B) = Pr(A) + Pr(B) − Pr(A ∩ B) A ⊂ B ⇒ Pr(A) ≤ Pr(B) Pr(A) ≤ 1 § Exemplo 8. elas continuam valendo no caso geral. 22 C E D E R J i i i . Pr(A ∪ B) = Pr(A) + Pr(B) = 2 3.i i i Probabilidade e Estat´ ıstica | Probabilidade ´ importante que vocˆ E e observe que os trˆ es axiomas correspondem a ` s trˆ es primeiras propriedades vistas para a definic ¸a ˜o cl´ assica de probabilidade. 2. Como Pr(Ω) = 1. a demonstrac ¸a ˜ o da validade dessas trˆ es propriedades e ´ imediata – e o ´ bvia – a partir da teoria de conjuntos. 2. A = {1} . Pr(C) 2. C = {3} . B = {2} . Para a definic ¸a ˜ o cl´ assica. Como A e B s˜ ao mutuamente exclusivos. Pr(A ∪ B) 3. No caso geral. elas formam o conjunto de axiomas da probabilidade. ¦ ¤ ¥ blablabl Dados Ω = {1.8. 3} . Pr(A ∪ B). calcule: 1. resulta que 1 Pr(C) = 1 − Pr(A) − Pr(B) = 3 . Pr(A ∩ B) 5. ou seja.

0. 0}) = 0. 4 C E D E R J 23 i i i AULA ´ 1 8 1 MODULO . 5 Da primeira equac ¸a ˜ o. 1} . Logo. 9 Pr ({−1. 8 ⇒ Pr(0) = 0. 1}) = 0. 3 Pr(0) + Pr(−1) = 0. 9 Pr(−1) + Pr(0) = 0. 6 Pr ({0. 5 Justifique sua resposta.i i i 2 . obtemos o seguinte sistema de 2 equac ¸o ˜ es e 2 inc´ ognitas: Pr(0) + 0. temos que Pr(A ∪ B) = Pr(A ∩ B) = 1 − Pr(A ∩ B) = 1 − 0 = 1. 1} = {−1} ∪ {1}. as probabilidades dadas se transformam no seguinte sistema de 3 equac ¸o ˜ es com 3 inc´ ognitas: Pr (−1) + Pr(1) = 0. 5 Somando termo a termo. ¦ ¤ ¥ blablabl Dado que Ω = {−1. obtemos que Pr(1) = 0. Pela lei de De Morgan. 3. 5. ˜ o: Soluc ¸a Note que o evento {−1. 6 Pr(0) + Pr(1) = 0. 6 − Pr(−1) = 0. 1}) = 0.9. Pela lei de De Morgan. 5 ou Pr(0) − Pr(−1) = 0. resulta que 2 × Pr(0) = 0. temos que 1 Pr(A ∩ B) = Pr(A ∪ B) = 1 − Pr(A ∪ B) = 1 − 2 3 = 3. 6 − Pr(−1). § Exemplo 8. verifique se e ´ poss´ ıvel definir uma medida de probabilidade em Ω tal que Pr ({−1. 9 Pr(−1) + Pr(0) = 0. Substituindo na segunda. Pr(A) = 1 − Pr(A) = 3 4.

˜ o: Soluc ¸a Pela Propriedade 6. as probabilidades dos eventos “apenas A ocorre” e “apenas B ocorre”. obtemos que Pr(−1) = 0. respectivamente. Pr A ∩ B + Pr A ∩ B = Pr A ∩ B ∪ A ∩ B Logo. 6 − 0. 1 Substituindo novamente. Logo. obt´ em-se que: Pr A ∩ B + Pr A ∩ B = Pr(A) − Pr (A ∩ B)+ Pr(B) − Pr (A ∩ B) Como A ∩ B e A ∩ B s˜ ao mutuamente exclusivos. 5 − Pr(0) = 0.10. Exemplo 8. a soma de suas probabilidades e ´ a probabilidade da sua uni˜ ao. ¦ Prove que: Pr A ∩ B ∪ A ∩ B = Pr(A) + Pr(B) − 2 Pr(A ∩ B) § ¤ ¥ blablabl Os dois termos da esquerda d˜ ao. ou seja. 5 − 0. Pr A ∩ B ∪ A ∩ B = Pr(A) + Pr(B) − 2 Pr (A ∩ B) Note que. isso significa que 24 C E D E R J i i i .i i i Probabilidade e Estat´ ıstica | Probabilidade Substituindo. obtemos Pr(1) = 0. pela definic ¸a ˜ o cl´ assica de probabilidade. a afirmac ¸a ˜ o trata da probabilidade de que exatamente um dos eventos A ou B ocorre. 5 Como todos os valores obtidos est˜ ao no intervalo (0. 1 = 0. 1) e somam 1. temos que Pr A ∩ B Pr A ∩ B = Pr(A) − Pr (A ∩ B) = Pr(B) − Pr (A ∩ B) Somando essas igualdades termo a termo. 6 − Pr(−1) = 0. a atribuic ¸a ˜ o de probabilidade dada e ´ v´ alida. 4 ⇒ Pr(−1) = 0.

# A∩B ∪ A∩B .i i i # A∩B ∪ A∩B #Ω e. ˜ o cl´ • Definic ¸a assica de probabilidade: Para um espa c ¸o amostral finito Ω em que os eventos elementares s˜ ao igualmente prov´ aveis. portanto. define-se a probabilidade como Pr(A) = #A #Ω ˜ o axiom´ • Definic ¸a atica de probabilidade: Probabilidade e ´ uma func ¸a ˜ o que associa a cada evento A de um espac ¸ o amostral Ω um n´ umero Pr(A) que satisfaz os seguintes axiomas: Axioma 1: Pr(A) ≥ 0 Axioma 2: Pr(Ω) = 1 Axioma 3: A ∩ B = ∅ ⇒ Pr(A ∪ B) = Pr(A) + Pr(B) • Propriedades da probabilidade: Pr(∅) = 0 Pr(A) = 1 − Pr(A) Pr(A − B) = Pr(A) − Pr(A ∩ B) Pr(A ∪ B) = Pr(A) + Pr(B) − Pr(A ∩ B) A ⊂ B ⇒ Pr(A) ≤ Pr(B) Pr(A) ≤ 1 C E D E R J 25 i i i AULA ´ 1 8 1 MODULO . vocˆ e estudou a definic ¸a ˜ o cl´ assica e a definic ¸a ˜o axiom´ atica de probabilidade. = #A + #B − 2 × # (A ∩ B) #Ω = #(A) + #(B) − 2 × # (A ∩ B) Resumo Nesta aula.

Em uma urna h´ a 15 bolas numeradas de 1 a 15.3.6. Pr(A ∩ B ∩ C) = Pr(A ∩ B) − Pr(A ∩ B ∩ C) 2. Exerc´ ıcio 8. C. 5 e Pr(B) = 0. Se Pr (A) = 1/3 e Pr B = 1/4. que d´ a a probabilidade da uni˜ ao de dois eventos. mostre que Pr(A ∪ B ∪ C) = Pr(A) + Pr(B) + Pr(C) − Pr(A ∩ B) − Pr(A ∩ C) − Pr(B ∩ C) + Pr(A ∩ B ∩ C) Sugest˜ ao: Note que. Trˆ es bolas s˜ ao retiradas da urna sem reposic ¸a ˜ o. Usando as propriedades j´ a vistas. Sejam A e B eventos mutuamente exclusivos tais que Pr(A) = 0. Pense que A e B ∪ C s˜ ao dois eventos e aplique a Propriedade 7.i i i Probabilidade e Estat´ ıstica | Probabilidade Exerc´ ıcio 8. A e B podem ser mutuamente exclusivos? Exerc´ ıcio 8. Em um grupo de 1000 fam´ ılias constatou-se que 470 s˜ ao s´ ocias do clube A.4. 1. Em uma cidade h´ a trˆ es clubes A. o menor n´ umero seja 7? 2. 420 26 C E D E R J i i i . Usando a Propriedade 6. Calcule Pr(A ∪ B). 2. o maior n´ umero seja 7? Exerc´ ıcio 8.5. Exerc´ ıcio 8. 4. mostre as seguintes igualdades: 1. Pr(A ∩ B ∩ C) = Pr(A) − Pr(A ∩ B) − Pr(A ∩ C) + Pr(A ∩ B ∩ C) Exerc´ ıcio 8. vocˆ e pode escrever A ∪ B ∪ C = A ∪ (B ∪ C) . pela propriedade associativa.7. Calcule Pr(B ∩ A). B. Qual e ´ a probabilidade de que: 1.2.

140 s˜ ao s´ ocias dos clubes B e C e 75 s˜ ao s´ ocias dos 3 clubes. Ache a probabilidade de que: 1. qual e ´ a probabilidade de que ela 1.9. ele n˜ ao tenha defeitos. Em um levantamento em um bairro de 1. Um artigo e ´ escolhido ao acaso. Escolhe-se ao acaso um morador desse bairro. • 20 tˆ em curso superior.i i i s˜ ao s´ ocias do clube B. seja s´ ocia de pelo menos dois clubes? Exerc´ ıcio 8. 220 s˜ ao s´ ocias dos clubes A e C. 4 com defeitos menores e 2 com defeitos graves. verifica-se que: • 220 tˆ em curso superior. 315 s˜ ao s´ ocias do clube C. s˜ ao casados e est˜ ao empregados. tenha curso superior e seja casado? 2. ou tenha curso superior e seja casado ou esteja empregado? 3. 110 s˜ ao s´ ocias dos clubes A e B. Qual e ´a probabilidade de que ele 1.000 moradores. ou tenha curso superior ou esteja desempregado? Exerc´ ıcio 8. • 100 est˜ ao desempregados.8. • 160 s˜ ao casados. Um lote e ´ formado por 10 artigos bons. • 50 tˆ em curso superior. C E D E R J 27 i i i AULA ´ 1 8 1 MODULO . n˜ ao seja s´ ocia de qualquer um dos clubes? 2. seja s´ ocia de apenas um clube? 3. • 60 tˆ em curso superior e est˜ ao desempregados. s˜ ao casados e est˜ ao desempregados. Escolhendo-se ao acaso uma fam´ ılia.

dos quais 12 s˜ ao do sexo masculino e 18 s˜ ao do sexo feminino. C1 O4 . O O . C3C1 . C1 O3 . O O . O4C3 .i i i Probabilidade e Estat´ ıstica | Probabilidade 2. C2C1 . O espac ¸ o amostral para o experimento do sorteio sequencial de 2 balancetes sem reposic ¸a ˜o e ´   O O . C O .1. 2. C2C1 . O4C2 . A = {C1C2 . O3C2 .10. Pr(O) = 4 7 #C = 3 #Ω = 7 e Pr(C) = 2 7. Qual a probabilidade de que haja entre os sorteados: 1. pelo menos uma pessoa de cada sexo? ˜ DOS E XERC ´ S OLUC ¸ AO I CIOS Exerc´ ıcio 8. O O . O O . C2C3 . C O . O4C1 .   2 3 2 4 3 1 3 2 3 3 3 4     C1C2 . C2 O2 . O2C3 .          C O . C1C3 . Temos: #O = 4 Logo. C3C2 Logo. C3C2 } 28 C E D E R J i i i . O O . C3C1 . O O . uma pessoa do sexo masculino? 2. 1. O1C2 . C1 O2 . Vamos denotar por C o evento “balancete de custo” e por O o evento “balancete de orc ¸ amento”. Exerc´ ıcio 8. O O . O2C2 . C O . no m´ aximo uma pessoa do sexo feminino? 3. Quatro bolsas de estudo ser˜ ao sorteadas entre 30 estudantes. O O .   1 2 1 3 1 4 2 1 2 3 2 4       O O .   O3C1 . C2C3 . O3C3 . O2C1 . C2 O1 . C O . O O . C1C3 . C O . #Ω = 42. Ω=    C1 O1 .  3 1 3 2 3 4 4 1 4 2 4 3        O1C1 . O O . O1C3 . 3. (i) Seja A = “dois balancetes de custos”. ele n˜ ao tenha defeitos graves. ele seja perfeito ou tenha defeitos graves. Ent˜ ao.

4. C3 O2 . Se a bola 7 e ´ sorteada. O3 O4 . Se o menor n´ umero e ´ 7. das quais 8 15 C E D E R J 29 i i i AULA ´ 1 8 1 MODULO . 4 Exerc´ ıcio 8. Exerc´ ıcio 8. O2 O4 . O C . 1. O4C2 . O2 O3 . Logo. O C . O1 O3 . sobram 14. Do enunciado. 4 = 0. O3C2 . Pr(B ∩ A) = Pr(B − A) = Pr(B) − Pr(A ∩ B) = 0. O C .2. 3 Pr(B) = 1 − Pr(B) = 4 . C1 O4 . A e B tˆ em que ter intersec ¸a ˜ o. O1 O4 .   1 1 1 2 1 3 2 1 2 2 2 3     O3C1 . O4 O1 . Ent˜ ao. C2 O4 . 1.3. O4 O3 12 2 = . C3 O1 .i i i 1 6 = . A probabilidade de sortear a bola 1 7e ´ . O4C1 . O C . e Pr(A) = B= e Pr(B) = O1 O2 . O2 O1 .   O C . C1 O2 . 42 7 (iii) Seja C = “dois balancetes de tipos diferentes”. C3 O4 . O C . C= C1 O1 . C2 O1 . Se A e B fossem mutuamente exclusivos. 42 7 (ii) Seja B = “dois balancetes de orc ¸ amento”. Ent˜ ao. O3C3 . O4C3 . O3 O1 . Logo. 9 2. Pr(A ∪ B) = Pr(A) + Pr(B) = 0.       C2 O3 . C1 O3 . e Pr(C) = 24 4 = . O3 O2 . 5 + 0. conclu´ ımos que A ∩ B = ∅. 4 − 0 = 0. O4 O2 . C2 O2 . 42 7 Exerc´ ıcio 8. ter´ ıamos que ter 3 Pr(A ∪ B) = Pr(A) + Pr(B) = 1 3+4 = 13 12 > 1. isso significa que uma das bolas e ´ a de n´ umero 7 e as outras 2 tˆ em n´ umero de 8 a 15 e a ordem n˜ ao importa. C3 O3 .

Pr(A ∪ B ∪ C) = Pr [(A ∪ B) ∪ C] = = Pr (A ∪ B) + Pr (C) − Pr [(A ∪ B) ∩ C] = = [Pr (A) + Pr (B) − Pr (A ∩ B)] + Pr (C) − − Pr [(A ∩ C) ∪ (B ∩ C)] = Pr (A) + Pr (B) − Pr (A ∩ B) + Pr (C) − − {Pr (A ∩ C) + Pr (B ∩ C) − Pr [(A ∩ C) ∩ (B ∩ C)]} Mas (A ∩ C) ∩ (B ∩ C) = A ∩ B ∩ C. A probabilidade de sortear duas 7 8 com n´ umero maior que 7. Pr(A ∪ B ∪ C) = Pr (A) + Pr (B) + Pr (C) − Pr (A ∩ B) − Pr (A ∩ C) − Pr (B ∩ C) + Pr (A ∩ B ∩ C) Note que. a soluc ¸a ˜o e ´ 7. 1. como todos os termos est˜ ao divididos por #Ω. A Propriedade 6 nos diz que Pr(A ∩ B) = Pr(A − B) = Pr(A) − Pr(A ∩ B).i i i Probabilidade e Estat´ ıstica | Probabilidade tˆ em n´ umero maior que 7. existem 3 maneiras de sortear essas 1 3 bolas. que d´ a a probabilidade da uni˜ ao de 2 eventos e tamb´ em a propriedade distributiva da intersec ¸a ˜ o e uni˜ ao. e ´ × . > 7 em qualquer ordem → 2. Aqui vamos usar a Propriedade 7. vista na aula anterior. Esse resultado trata da probabilidade de ocorrer A e B.5. < 7 em qualquer ordem → 1 6 5 3 3 × × × = 15 14 13 1 91 8 7 3 4 1 × × × = 15 14 13 1 65 Exerc´ ıcio 8.6. mas 30 C E D E R J i i i . < 7. Logo. > 7. Exerc´ ıcio 8. Logo. esse resultado vale tamb´ em para a cardinalidade da uni˜ ao de trˆ es eventos − basta substituir Pr por #. 7. Como a 14 13 ordem n˜ ao importa. nesse caso.

mais o resultado da letra (a). ou seja. Esse resultado trata da probabilidade de ocorrer apenas A. Usando a propriedade associativa.7. Figura 8. C E D E R J 31 i i i AULA ´ 1 8 1 MODULO .i i i n˜ ao C. dentre os trˆ es eventos. Toda a parte sombreada corresponde a ` ocorrˆ encia de A e B. Toda a parte sombreada corresponde ao evento A. A parte sombreada mais escura e ´ o evento de interesse: A ∩ B ∩ C e a parte sombreada mais clara e ´ A ∩ B ∩ C. A parte sombreada mais escura corresponde ao evento de interesse: A ∩ B ∩ C. podemos escrever Pr(A ∩ B ∩ C) = Pr(A ∩ C ∩ B) = Pr A ∩ C ∩ B = = = = Pr(A ∩ C) − Pr(A ∩ C ∩ B) Pr(A) − Pr(A ∩ C) − Pr(A ∩ B ∩ C) Pr(A) − Pr(A ∩ C) − [Pr(A ∩ B) − Pr(A ∩ B ∩ C)] Pr(A) − Pr(A ∩ C) − Pr(A ∩ B) + Pr(A ∩ B ∩ C) Veja a Figura 8.8. 2. estaremos subtraindo duas vezes A ∩ B ∩ C. a´ ı.7: Ocorrˆ encia dos eventos A e B mas n˜ ao de C. temos que Pr(A ∩ B ∩C ) = Pr (A ∩ B) ∩ C = Pr(A ∩ B) − Pr(A ∩ B ∩C) Veja a Figura 8. Note que se subtrairmos A ∩ B e A ∩ C. temos que somar A ∩ B ∩ C uma vez para compensar. A ∩ B. Usando as propriedades comutativa e associativa.

11 + 0. 42 − 0.000. 47 − 0. 315 + 0. Pr A ∪ B ∪ C = 1 − Pr(A ∪ B ∪ C) = 1 − 0. temos que Pr A ∩ B ∩ C = Pr A ∪ B ∪ C = 1 − Pr(A ∪ B ∪ C) Mas. Pelas leis de De Morgan e do evento complementar. Note que o evento A ∪ B ∪C corresponde ao evento “fam´ ılia sorteada e ´ s´ ocia de pelo menos um clube”.9: Figura 8. 19 32 C E D E R J i i i .9: Soluc ¸a ˜ o do exerc´ ıcio sobre os 3 clubes de uma cidade. #C = 315. 140 − 0. 1. A ∩ B ∩ C. # (B ∩ C) = 140. 075 = 0. Veja a Figura 8.i i i Probabilidade e Estat´ ıstica | Probabilidade Figura 8. #A = 470.8: Ocorrˆ encia de A. ou seja. # (A ∩ B ∩ C) = 75. # (A ∩ C) = 220. #B = 420. 22 + 0. para o problema. Pr(A ∪ B ∪ C) = Pr(A) + Pr(B) + Pr(C) − Pr(A ∩ B) − Pr (A ∩ C) − Pr (B ∩ C) + Pr (A ∩ B ∩ C) e.7. mas n˜ ao de B e C . O problema pede “n˜ ao e ´ s´ ocia de qualquer clube”. # (A ∩ B) = 110. #Ω = 1. Exerc´ ıcio 8.

11 − 0. 1. apenas de C. 49. 075 = 0. ou 0. 075 = 0.4) e a probabilidade pedida e ´ 0. 03 (8. prova-se que Pr A ∩ B ∩ C = Pr(B) − Pr(A ∩ B) − Pr(B ∩ C) + Pr(A ∩ B ∩ C) = 0. o evento F = “ser s´ ocio de pelo menos 2” e ´ o complementar do evento “ser s´ ocio de no m´ aximo 1” e esse. uma fam´ ılia pode ser s´ ocia de 3. Nesse caso. 14 + 0. 32 C E D E R J 33 i i i AULA ´ 1 8 1 MODULO . 245 + 0. 11 − 0. temos que Pr A ∩ B ∩ C ∪ A ∩ B ∩ C ∪ A ∩ B ∩ C = Pr A ∩ B ∩ C + Pr A ∩ B ∩ C + Pr A ∩ B ∩ C O primeiro termo se refere a ` queles que s˜ ao s´ ocias apenas de A. 3. 42 − 0. Usando o exerc´ ıcio anterior. 03 = 0.2) Analogamente. cujas probabilidades foram calculadas nas letras (a) e (b). 215 (8. 315 − 0. 075 = 0. 19 − 0.i i i 2. 22 − 0. 22 + 0. Pr(F ) = = Pr A ∩ B ∩ C + Pr(A ∩ B ∩ C) + Pr A ∩ B ∩ C + Pr (A ∩ B ∩ C) 1 − 0. 215 + 0. 49 = 0. Como s˜ ao 3 clubes.3) Pr A ∩ B ∩ C = Pr(C) − Pr(A ∩ C) − Pr(B ∩ C) + Pr(A ∩ B ∩ C) = 0. o segundo termo. temos que Pr A ∩ B ∩ C = Pr(A) − Pr(A ∩ B) − Pr(A ∩ C) + Pr(A ∩ B ∩ C) = 0. 245 (8. O problema pede Pr A ∩ B ∩ C ∪ A ∩ B ∩ C ∪ A ∩ B ∩ C Como os trˆ es eventos s˜ ao mutuamente exclusivos. Logo. apenas de B e o terceiro termo. e ´ a uni a ˜ o dos eventos “ser s´ ocio de nenhum” e “ser s´ ocio de exatamente 1”. por sua vez. 14 + 0. 2. 47 − 0.

O problema pede Pr (S ∩ C) ∪ D . 10 Pr (S ∩ C ∩ D) = 0. 90 − 0. 34 C E D E R J i i i . 22 Pr S ∩ C ∩ D = 0. M = “artigo com defeitos menores” e G = “artigo com defeitos graves”. 06 = 0. O problema pede Pr (S ∩ C).8. Sejam os eventos B = “artigo bom”. 16 16 4 Note que esses s˜ ao eventos mutuamente exclusivos. Pr (ser perfeito ou ter defeito grave) = Pr (B ∪ G) = 10 2 3 Pr (B) + Pr (G) = + = . 07 2. Pr(B ∩ G) = 0. 06 1. O problema pede Pr (S ∪ D) . ou seja. Pr(n˜ ao ter defeito) = Pr (B) = 10 5 = 16 8 14 7 = 16 8 2. 16 1. 26 Exerc´ ıcio 8. 07 + 0. 16 Pr(G) = 2 . Temos que Pr (S ∩ C) ∪ D = Pr (S ∩ C) + Pr D − Pr S ∩ C ∩ D = = 0. 05 = 0. 05 = 0. 05 Pr (C) = 0. 10 − 0. 92 3. Sejam os eventos S = “ter curso superior”.i i i Probabilidade e Estat´ ıstica | Probabilidade Exerc´ ıcio 8. 02 Pr (S ∩ D) = 0. 16 Pr (D) = 0. 16 Pr(M ) = 4 . 02 + 0. Temos que Pr (S ∩ C) = Pr (S ∩ C ∩ D)+ Pr S ∩ C ∩ D = 0. 22 + 0. C = “ ser casado”. D = “ estar desempregado”. Pelos dados do problema. Pr(n˜ ao ter defeito grave) = Pr G = 1 − Pr(G) = 3. Temos que Pr (S ∪ D) = Pr (S)+ Pr (D) − Pr (S ∩ D) = 0. O problema d´ a que Pr (S) = 0.9. temos que Pr(B) = 10 .

O n´ umero total de formas de distribuir as 4 bolsas e ´ #Ω = 30 4 1.045 4×3×2 4 2. pelo princ´ ıpio fundamental da multiplicac ¸a ˜ o. 357307.088 1 3 3×2 = = = 0. 162562 + = 30 30 27. Pr(1 do sexo masculino) = 12 18 18 × 17 × 16 12 × 1. Uma bolsa para um aluno do sexo masculino significa que 12 3 bolsas v˜ ao para alunos do sexo feminino. 870279 30 30 4 4 C E D E R J 35 i i i AULA ´ 1 8 1 MODULO .405 4 4 3.455 3 1 4 = 0.i i i Exerc´ ıcio 8.10. Pr(nenhum do sexo feminino) + Pr(1 do sexo feminino) = 12 12 18 4. Pr(pelo menos 1 de cada sexo) = 1 − Pr(nenhum do sexo masculino) − Pr(nenhum do sexo feminino) = Pr(pelo menos 1 de cada sexo) = 1 − Pr(nenhum do sexo masculino) − Pr(nenhum do sexo feminino) = 18 12 4 4 1− − = 0. Existem 1 18 maneiras de escolher o aluno do sexo masculino e 3 maneiras de escolher os 3 do sexo feminino. 30 × 29 × 28 × 27 30 3. Logo.

Sign up to vote on this title
UsefulNot useful