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

veremos que ela e ´ muito importante e v´ arios exerc´ ıcios ser˜ ao resolvidos baseados nela. #Ω CQD 3. Pr (Ω) = #Ω = 1. resulta que A ∩ B = ∅. ˜ 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. Se A e B s˜ ao eventos mutuamente exclusivos. CQD 2. Os eventos elementares s˜ ao igualmente prov´ aveis.i i i um conjunto finito.1). Demonstrac ¸a ˜o Por definic ¸a ˜ o. # (A ∪ B) = #A + #B (veja a Figura 8. ent˜ ao Pr(A ∪ B) = Pr (A) + Pr (B) . Demonstrac ¸a ˜o Se A e B s˜ ao mutuamente exclusivos. Embora essas hip´ oteses restrinjam o campo de aplicac ¸a ˜ o da definic ¸a ˜ o. Pr(A) e ´ a raz˜ ao de dois n´ umeros n˜ ao-negativos. Pr(A) ≥ 0 para todo evento A ⊂ Ω Demonstrac ¸a ˜o Como #A ≥ 0 e #Ω > 0. Pr(Ω) = 1. Logo. ent˜ ao Pr(A) ≥ 0. Neste caso. 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 . 2.

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

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

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

essa e ´ a parte sombreada da figura. Se A ⊂ B.4: Ilustrac ¸a ˜ o da Propriedade 8: A ⊂ B. pela Propriedade 1. Demonstrac ¸a ˜o Usando as Propriedades 8 e 2. Pr(B − A) ≥ 0 ⇒ Pr(B) − Pr(A) ≥ 0 ⇒ Pr(A) ≤ Pr(B) Figura 8. Demonstrac ¸a ˜o Veja a Figura 8. ent˜ ao A ∩ B = A. temos que Pr(B − A) = Pr(B) − Pr(A ∩ B) = Pr(B) − Pr(A) mas. Nesse caso. usando a Propriedade 6. Se A ⊂ B ent˜ ao Pr(A) ≤ Pr(B). 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. CQD 9. C E D E R J 13 i i i AULA ´ 1 8 1 MODULO . a probabilidade de qualquer evento e ´ n˜ ao-negativa.i i i 8.4. Pr(A) ≤ 1 para qualquer evento A ⊂ Ω. Logo.

6.1. 7. cada naipe com 13 cartas. 6}. 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. paus e espadas.2. qual e ´ a probabilidade de que seja uma figura? Uma carta preta? ˜ o: Soluc ¸a Como h´ a 52 cartas ao todo. 10. Pr(A) = = . Logo. pretas. Estas trˆ es u ´ ltimas s˜ ao figuras que representam a realeza. Em cada naipe. 2. 4. 5. ¦ ¤ ¥ blablabl Considere um baralho usual composto de 52 cartas divididas em 4 naipes: ouros. 3. 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 . #Ω = 52. Retirando-se ao acaso uma carta desse baralho. as cartas podem ser ´ As. As cartas dos 2 primeiros naipes s˜ ao vermelhas e as dos dois u ´ ltimos naipes. 9. Valete. Dama e Rei. copas. 8.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. 6 3 § Exemplo 8. ¦ ¤ ¥ blablabl No lanc ¸ amento de um dado.

10. ¦ ¤ ¥ blablabl Um n´ umero e ´ escolhido entre os 20 primeiros inteiros. o n´ umero total de figuras e ´ 4 × 3. Pela lei de De Morgan e C E D E R J 15 i i i AULA rada e ´ preta”. 14. 19}. 18. B. Note que estamos pedindo Pr(B ∩ V ). (i) Queremos a probabilidade de V . Pr(P) = 20 2 20 5 4 1 Pr(Q) = = 20 5 § Exemplo 8. Logo. ou seja. 7. a proba12 3 bilidade de retirarmos uma figura e ´ Pr(F ) = = . Ent˜ ao. ela tem que ser preta. branca e verde. 20}. Metade 52 13 das cartas e ´ de cor preta.4. P = {1. Vamos denotar por P.i i i § Exemplo 8. ¦ ¤ ¥ blablabl Uma urna cont´ em 6 bolas pretas. V os eventos bola preta. 16}. 12. Logo. Logo. 9. 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. 16. 11. 8. 2 bolas brancas e 8 bolas verdes. Logo. 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”. Q = {1. #Ω = 16. #F = 12. 52 2 ´ 1 8 1 MODULO . 5. a probabilidade de que a carta 26 1 seja preta e ´ Pr(P) = = . 6. respectivamente. 1 a 20. 4. A = {2. 3. 13.3. (ii) Pr(B) = #Ω 16 8 (iii) Se a bola n˜ ao e ´ branca nem verde. Pr(R) = = . Vimos que Pr(V ) = 1 − Pr(V ) = 1 − = = 16 16 2 #B 2 1 = = . logo. Em cada um dos 4 naipes h´ a trˆ es figuras. 8 2 10 1 = . ou seja. 4. 17. do complemen8 8 1 tar de V . Uma bola e ´ escolhida ao acaso desta urna. por R o evento “n´ umero primo” e por Q o evento “quadrado perfeito”.

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

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

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

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. 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. 120 acertaram os dois e 54 acertaram apenas um. Sabe-se que 132 alunos acertaram o primeiro. qual e ´ a probabilidade de que 1. Sorteando-se ao acaso um desses alunos. 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. n˜ ao tenha acertado qualquer um dos dois problemas? 2. C E D E R J 19 i i i AULA ´ 1 8 1 MODULO .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. 86 erraram o segundo. ¦ blablabl Em uma prova ca´ ıram dois problemas.5.

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.1. Pela lei de De Morgan. Considere a situac ¸a ˜ o anterior. s´ o que agora o auditor retira sequencialmente 2 balancetes sem reposic ¸a ˜ o. Em um arquivo h´ a 4 balancetes de orc ¸ amento e 3 balancetes de custos. o auditor seleciona aleatoriamente um desses balancetes. 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 . 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 2.5: Espac ¸ o amostral do exemplo sobre acerto de duas quest˜ oes. Qual e ´ a probabilidade de que seja um balancete de custos? E de orc ¸ amento? 2. 1. Em uma auditoria. Pela Propriedade 6. o n´ umero total de alunos e ´ #Ω = #(P2 ∪ P2 ) = #P2 + #P2 = 162 + 86 = 248 1.

satisfaz determinadas propriedades interessantes. denotada por Pr. blablabla Seja Ω um espac ¸ o amostral associado a um experimento aleat´ orio. assim. 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. Axioma 1) Premissa imediatamente evidente que se admite como universalmente verdadeira sem exigˆ encia de demonstrac ¸a ˜ o. mesmo com essas restric ¸o ˜ es. 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 . Figura 8. Vemos.6 ilustra-se o conceito de probabilidade como uma func ¸a ˜ o.chamado probabilidade . Probabilidade e ´ uma func ¸a ˜ o. ˜ o 8. Em tal contexto. 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 . 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.2 (Definic Definic ¸a ¸a ˜ o Axiom´ atica de Probabilidade).6: Definic ¸a ˜ o axiom´ atica de probabilidade. que foram deduzidas (ou demonstradas) a partir das trˆ es primeiras. Isso nos leva a ` definic ¸a atica de dicion´ ˜ o axiom´ ario Aur´ elio: probabilidade. que probabilidade e ´ uma func ¸a ˜ o definida no conjunto de eventos de um espac ¸ o amostral.i i i ˜ A XIOM ATICA ´ D EFINIC ¸ AO DE P ROBABI LIDADE Anteriormente. construindo-se um gr´ afico de barSegundo o ras para represent´ a-la.

22 C E D E R J i i i . ¦ ¤ ¥ blablabl Dados Ω = {1. resulta que 1 Pr(C) = 1 − Pr(A) − Pr(B) = 3 . Pr(A ∪ B) = Pr(A) + Pr(B) = 2 3.8. ˜ o: Soluc ¸a 1. Como todas as outras propriedades foram deduzidas a partir dessas trˆ es propriedades. 3} . No caso geral. Pr(C) 2. 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. Pr(B) = 3 . B = {2} . calcule: 1. Para a definic ¸a ˜ o cl´ assica. Pr(A ∩ B) 5. 1 Pr(A) = 1 3 . ou seja. A = {1} . elas continuam valendo no caso geral. 2. a demonstrac ¸a ˜ o da validade dessas trˆ es propriedades e ´ imediata – e o ´ bvia – a partir da teoria de conjuntos. Pr(A) 4. Como A e B s˜ ao mutuamente exclusivos. elas formam o conjunto de axiomas da probabilidade. Como Pr(Ω) = 1.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. Pr(A ∪ B) 3. 2. C = {3} . Pr(A ∪ B).

obtemos que Pr(1) = 0. 6 Pr(0) + Pr(1) = 0. 4 C E D E R J 23 i i i AULA ´ 1 8 1 MODULO . resulta que 2 × Pr(0) = 0. Pr(A) = 1 − Pr(A) = 3 4. 6 Pr ({0. § Exemplo 8. 1} . 9 Pr ({−1.9. Logo. 3. obtemos o seguinte sistema de 2 equac ¸o ˜ es e 2 inc´ ognitas: Pr(0) + 0. temos que 1 Pr(A ∩ B) = Pr(A ∪ B) = 1 − Pr(A ∪ B) = 1 − 2 3 = 3. 1}) = 0. Pela lei de De Morgan. 1} = {−1} ∪ {1}. 5 Somando termo a termo. Substituindo na segunda. 9 Pr(−1) + Pr(0) = 0. 5 ou Pr(0) − Pr(−1) = 0. 5 Da primeira equac ¸a ˜ o. ¦ ¤ ¥ blablabl Dado que Ω = {−1. 0. 5 Justifique sua resposta. 9 Pr(−1) + Pr(0) = 0. 6 − Pr(−1) = 0. 1}) = 0. 8 ⇒ Pr(0) = 0. 6 − Pr(−1). temos que Pr(A ∪ B) = Pr(A ∩ B) = 1 − Pr(A ∩ B) = 1 − 0 = 1. ˜ o: Soluc ¸a Note que o evento {−1. 3 Pr(0) + Pr(−1) = 0. 5.i i i 2 . Pela lei de De Morgan. as probabilidades dadas se transformam no seguinte sistema de 3 equac ¸o ˜ es com 3 inc´ ognitas: Pr (−1) + Pr(1) = 0. verifique se e ´ poss´ ıvel definir uma medida de probabilidade em Ω tal que Pr ({−1. 0}) = 0.

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

# A∩B ∪ A∩B . portanto. = #A + #B − 2 × # (A ∩ B) #Ω = #(A) + #(B) − 2 × # (A ∩ B) Resumo Nesta aula. vocˆ e estudou a definic ¸a ˜ o cl´ assica e a definic ¸a ˜o axiom´ atica de probabilidade. ˜ 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.i i i # A∩B ∪ A∩B #Ω e. 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 .

420 26 C E D E R J i i i . o maior n´ umero seja 7? Exerc´ ıcio 8. mostre as seguintes igualdades: 1.7. Pr(A ∩ B ∩ C) = Pr(A ∩ B) − Pr(A ∩ B ∩ C) 2. Usando a Propriedade 6.3. 4. Calcule Pr(A ∪ B). Se Pr (A) = 1/3 e Pr B = 1/4.i i i Probabilidade e Estat´ ıstica | Probabilidade Exerc´ ıcio 8. Exerc´ ıcio 8. o menor n´ umero seja 7? 2. Usando as propriedades j´ a vistas. A e B podem ser mutuamente exclusivos? Exerc´ ıcio 8. vocˆ e pode escrever A ∪ B ∪ C = A ∪ (B ∪ C) . Em uma cidade h´ a trˆ es clubes A. Em uma urna h´ a 15 bolas numeradas de 1 a 15. B. Qual e ´ a probabilidade de que: 1. 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.6. Pr(A ∩ B ∩ C) = Pr(A) − Pr(A ∩ B) − Pr(A ∩ C) + Pr(A ∩ B ∩ C) Exerc´ ıcio 8. C. que d´ a a probabilidade da uni˜ ao de dois eventos. 1. Exerc´ ıcio 8.4. 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. pela propriedade associativa. 2. 5 e Pr(B) = 0.5.2. Calcule Pr(B ∩ A). Em um grupo de 1000 fam´ ılias constatou-se que 470 s˜ ao s´ ocias do clube A.

• 20 tˆ em curso superior. Escolhendo-se ao acaso uma fam´ ılia. 315 s˜ ao s´ ocias do clube C. qual e ´ a probabilidade de que ela 1. s˜ ao casados e est˜ ao empregados.000 moradores. Um lote e ´ formado por 10 artigos bons. 220 s˜ ao s´ ocias dos clubes A e C.i i i s˜ ao s´ ocias do clube B. tenha curso superior e seja casado? 2. 4 com defeitos menores e 2 com defeitos graves. • 50 tˆ em curso superior. C E D E R J 27 i i i AULA ´ 1 8 1 MODULO . 110 s˜ ao s´ ocias dos clubes A e B. Um artigo e ´ escolhido ao acaso. ou tenha curso superior ou esteja desempregado? Exerc´ ıcio 8. seja s´ ocia de pelo menos dois clubes? Exerc´ ıcio 8. • 100 est˜ ao desempregados. ele n˜ ao tenha defeitos. n˜ ao seja s´ ocia de qualquer um dos clubes? 2.9.8. Qual e ´a probabilidade de que ele 1. • 160 s˜ ao casados. Ache a probabilidade de que: 1. s˜ ao casados e est˜ ao desempregados. Em um levantamento em um bairro de 1. 140 s˜ ao s´ ocias dos clubes B e C e 75 s˜ ao s´ ocias dos 3 clubes. • 60 tˆ em curso superior e est˜ ao desempregados. ou tenha curso superior e seja casado ou esteja empregado? 3. seja s´ ocia de apenas um clube? 3. Escolhe-se ao acaso um morador desse bairro. verifica-se que: • 220 tˆ em curso superior.

Qual a probabilidade de que haja entre os sorteados: 1. C O . O3C2 . ele n˜ ao tenha defeitos graves. O4C3 .   O3C1 . pelo menos uma pessoa de cada sexo? ˜ DOS E XERC ´ S OLUC ¸ AO I CIOS Exerc´ ıcio 8. Pr(O) = 4 7 #C = 3 #Ω = 7 e Pr(C) = 2 7.1. O O . O O . C1C3 . O O . O O . O O . Temos: #O = 4 Logo. 3. C3C1 . O2C2 . C O .   1 2 1 3 1 4 2 1 2 3 2 4       O O . O4C2 .  3 1 3 2 3 4 4 1 4 2 4 3        O1C1 .10. C1 O4 . O O . C3C1 .i i i Probabilidade e Estat´ ıstica | Probabilidade 2. Exerc´ ıcio 8. Ω=    C1 O1 . C O . O1C2 . dos quais 12 s˜ ao do sexo masculino e 18 s˜ ao do sexo feminino. uma pessoa do sexo masculino? 2. C2C3 . O2C1 . #Ω = 42. O O . (i) Seja A = “dois balancetes de custos”. C2C1 . C2 O2 . O2C3 . no m´ aximo uma pessoa do sexo feminino? 3. O O . C2C3 . C1 O2 . 1. C3C2 Logo. O4C1 . O O . ele seja perfeito ou tenha defeitos graves. C O . O3C3 . A = {C1C2 .          C O . C1 O3 . C2 O1 . O espac ¸ o amostral para o experimento do sorteio sequencial de 2 balancetes sem reposic ¸a ˜o e ´   O O .   2 3 2 4 3 1 3 2 3 3 3 4     C1C2 . O O . 2. O1C3 . Ent˜ ao. C1C3 . Vamos denotar por C o evento “balancete de custo” e por O o evento “balancete de orc ¸ amento”. C2C1 . C O . Quatro bolsas de estudo ser˜ ao sorteadas entre 30 estudantes. C3C2 } 28 C E D E R J i i i .

O1 O3 . 9 2. 1. O3 O4 . Ent˜ ao. Exerc´ ıcio 8. O C . C3 O3 . O4 O2 . C1 O2 . O4C2 . Ent˜ ao. O3C2 . O C . C3 O2 . Se o menor n´ umero e ´ 7. Do enunciado. C1 O3 . A probabilidade de sortear a bola 1 7e ´ .       C2 O3 .4. 3 Pr(B) = 1 − Pr(B) = 4 . O3C3 . C2 O1 . O2 O1 . conclu´ ımos que A ∩ B = ∅. 4 Exerc´ ıcio 8. O1 O4 . 1. O3 O1 . O C . das quais 8 15 C E D E R J 29 i i i AULA ´ 1 8 1 MODULO . Logo. O2 O4 . e Pr(C) = 24 4 = . 4 = 0. O4 O3 12 2 = . C2 O4 . ter´ ıamos que ter 3 Pr(A ∪ B) = Pr(A) + Pr(B) = 1 3+4 = 13 12 > 1. 42 7 (iii) Seja C = “dois balancetes de tipos diferentes”. Pr(B ∩ A) = Pr(B − A) = Pr(B) − Pr(A ∩ B) = 0. O4C3 . O3 O2 . 42 7 (ii) Seja B = “dois balancetes de orc ¸ amento”. O C . C2 O2 .i i i 1 6 = . Se A e B fossem mutuamente exclusivos. C1 O4 . e Pr(A) = B= e Pr(B) = O1 O2 . O2 O3 . Pr(A ∪ B) = Pr(A) + Pr(B) = 0. Se a bola 7 e ´ sorteada. 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.   O C . Logo.   1 1 1 2 1 3 2 1 2 2 2 3     O3C1 . O4C1 . O4 O1 .2. 4 − 0 = 0.3. sobram 14. O C . A e B tˆ em que ter intersec ¸a ˜ o. 42 7 Exerc´ ıcio 8. C= C1 O1 . 5 + 0. C3 O1 . C3 O4 .

< 7. > 7 em qualquer ordem → 2. A probabilidade de sortear duas 7 8 com n´ umero maior que 7. Esse resultado trata da probabilidade de ocorrer A e B. Exerc´ ıcio 8. 7. existem 3 maneiras de sortear essas 1 3 bolas. 1. 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. Como a 14 13 ordem n˜ ao importa. 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.5. como todos os termos est˜ ao divididos por #Ω. a soluc ¸a ˜o e ´ 7. Aqui vamos usar a Propriedade 7. nesse caso. Logo. > 7.6. vista na aula anterior. mas 30 C E D E R J i i i . e ´ × .i i i Probabilidade e Estat´ ıstica | Probabilidade tˆ em n´ umero maior que 7. A Propriedade 6 nos diz que Pr(A ∩ B) = Pr(A − B) = Pr(A) − Pr(A ∩ B). esse resultado vale tamb´ em para a cardinalidade da uni˜ ao de trˆ es eventos − basta substituir Pr por #. que d´ a a probabilidade da uni˜ ao de 2 eventos e tamb´ em a propriedade distributiva da intersec ¸a ˜ o e uni˜ ao. Logo. < 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.

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

140 − 0. # (A ∩ B ∩ C) = 75. # (B ∩ C) = 140. ou seja. Veja a Figura 8. Pr A ∪ B ∪ C = 1 − Pr(A ∪ B ∪ C) = 1 − 0. mas n˜ ao de B e C .9: Figura 8. # (A ∩ C) = 220. A ∩ B ∩ C.i i i Probabilidade e Estat´ ıstica | Probabilidade Figura 8. #A = 470. 22 + 0. Pr(A ∪ B ∪ C) = Pr(A) + Pr(B) + Pr(C) − Pr(A ∩ B) − Pr (A ∩ C) − Pr (B ∩ C) + Pr (A ∩ B ∩ C) e.9: Soluc ¸a ˜ o do exerc´ ıcio sobre os 3 clubes de uma cidade. 1. # (A ∩ B) = 110. Exerc´ ıcio 8. #Ω = 1. Note que o evento A ∪ B ∪C corresponde ao evento “fam´ ılia sorteada e ´ s´ ocia de pelo menos um clube”.7. #C = 315. 19 32 C E D E R J i i i . 315 + 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. para o problema.8: Ocorrˆ encia de A. #B = 420. 42 − 0. 11 + 0. 075 = 0.000. 47 − 0. O problema pede “n˜ ao e ´ s´ ocia de qualquer clube”.

245 (8. 215 (8. ou 0. 22 − 0. 075 = 0. 315 − 0. Logo. 2. 03 (8. 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. O problema pede Pr A ∩ B ∩ C ∪ A ∩ B ∩ C ∪ A ∩ B ∩ C Como os trˆ es eventos s˜ ao mutuamente exclusivos. Usando o exerc´ ıcio anterior.i i i 2. temos que Pr A ∩ B ∩ C = Pr(A) − Pr(A ∩ B) − Pr(A ∩ C) + Pr(A ∩ B ∩ C) = 0. Pr(F ) = = Pr A ∩ B ∩ C + Pr(A ∩ B ∩ C) + Pr A ∩ B ∩ C + Pr (A ∩ B ∩ C) 1 − 0. 19 − 0. 075 = 0. 32 C E D E R J 33 i i i AULA ´ 1 8 1 MODULO .4) e a probabilidade pedida e ´ 0. e ´ a uni a ˜ o dos eventos “ser s´ ocio de nenhum” e “ser s´ ocio de exatamente 1”. 245 + 0. 49. 49 = 0. 03 = 0. cujas probabilidades foram calculadas nas letras (a) e (b). 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. 1. 11 − 0. por sua vez. Como s˜ ao 3 clubes. 075 = 0. 42 − 0. 215 + 0. o segundo termo. uma fam´ ılia pode ser s´ ocia de 3. Nesse caso. prova-se que Pr A ∩ B ∩ C = Pr(B) − Pr(A ∩ B) − Pr(B ∩ C) + Pr(A ∩ B ∩ C) = 0. 3. 11 − 0. apenas de B e o terceiro termo.2) Analogamente. 14 + 0.3) Pr A ∩ B ∩ C = Pr(C) − Pr(A ∩ C) − Pr(B ∩ C) + Pr(A ∩ B ∩ C) = 0. 22 + 0. 14 + 0. 47 − 0. apenas de C.

22 Pr S ∩ C ∩ D = 0. O problema pede Pr (S ∩ C). C = “ ser casado”. 22 + 0. 90 − 0.i i i Probabilidade e Estat´ ıstica | Probabilidade Exerc´ ıcio 8. 07 2. 06 1. 05 = 0. Sejam os eventos S = “ter curso superior”. Pr (ser perfeito ou ter defeito grave) = Pr (B ∪ G) = 10 2 3 Pr (B) + Pr (G) = + = . 02 + 0. Pr(n˜ ao ter defeito) = Pr (B) = 10 5 = 16 8 14 7 = 16 8 2. 34 C E D E R J i i i . 06 = 0. 10 − 0. O problema pede Pr (S ∪ D) .9. M = “artigo com defeitos menores” e G = “artigo com defeitos graves”. 16 Pr(M ) = 4 . 02 Pr (S ∩ D) = 0. D = “ estar desempregado”. 16 Pr (D) = 0. 05 = 0. Temos que Pr (S ∩ C) ∪ D = Pr (S ∩ C) + Pr D − Pr S ∩ C ∩ D = = 0. O problema d´ a que Pr (S) = 0. temos que Pr(B) = 10 . Temos que Pr (S ∩ C) = Pr (S ∩ C ∩ D)+ Pr S ∩ C ∩ D = 0.8. Sejam os eventos B = “artigo bom”. 07 + 0. 16 Pr(G) = 2 . 26 Exerc´ ıcio 8. 16 1. Pelos dados do problema. Pr(B ∩ G) = 0. ou seja. 16 16 4 Note que esses s˜ ao eventos mutuamente exclusivos. Pr(n˜ ao ter defeito grave) = Pr G = 1 − Pr(G) = 3. 92 3. Temos que Pr (S ∪ D) = Pr (S)+ Pr (D) − Pr (S ∩ D) = 0. O problema pede Pr (S ∩ C) ∪ D . 10 Pr (S ∩ C ∩ D) = 0. 05 Pr (C) = 0.

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− − = 0.10. Uma bolsa para um aluno do sexo masculino significa que 12 3 bolsas v˜ ao para alunos do sexo feminino.088 1 3 3×2 = = = 0. Pr(1 do sexo masculino) = 12 18 18 × 17 × 16 12 × 1. 30 × 29 × 28 × 27 30 3. Logo.045 4×3×2 4 2. O n´ umero total de formas de distribuir as 4 bolsas e ´ #Ω = 30 4 1. pelo princ´ ıpio fundamental da multiplicac ¸a ˜ o.405 4 4 3. Existem 1 18 maneiras de escolher o aluno do sexo masculino e 3 maneiras de escolher os 3 do sexo feminino. 162562 + = 30 30 27. 870279 30 30 4 4 C E D E R J 35 i i i AULA ´ 1 8 1 MODULO .i i i Exerc´ ıcio 8. 357307.455 3 1 4 = 0. Pr(nenhum do sexo feminino) + Pr(1 do sexo feminino) = 12 12 18 4.

Sign up to vote on this title
UsefulNot useful