Aula 15

N u b i a A l v e s d e O l i v e i r a , C P F : 7 1 3 5 9 2 2 2 2 0 0
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados

Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior 1

Raciocnio Lgico-Quantitativo para Traumatizados
Aula 15
Teoria Elementar da Probabilidade

15. Teoria Elementar da Probabilidade ............................................................................. 3
15.1 Os Diferentes Tipos de Probabilidade ................................................................. 3
15.2 Conjuntos e Eventos .................................................................................................. 5
15.2.1 lgebra de Conjuntos .................................................................................................... 5
15.3 Definio Axiomtica de Probabilidade ............................................................... 8
15.4 Probabilidades Conjunta e Condicional .............................................................. 8
15.5 Independncia ............................................................................................................ 11
15.6 Regras de Adio ...................................................................................................... 12
15.7 Regra da Multiplicao ............................................................................................ 14
15.8 Teorema da Probabilidade Total ......................................................................... 14
15.9 Teorema de Bayes .................................................................................................... 18
15.10 Memorize para a prova ....................................................................................... 21
15.11 Exerccios de Fixao ........................................................................................... 22
15.12 Gabarito .................................................................................................................... 27
15.13 Resoluo dos Exerccios de Fixao ............................................................. 28

2

Ol. Antes de comear esta aula, gostaramos de apresentar a tabela abaixo,
que detalha a programao das aulas restantes de Estatstica:

Aula Data Contedo
16 06/10 Varivel Aleatria, Valor Esperado, Anlise Combinatria e
Principais Distribuies de Probabilidade.
17 13/10 Varivel Aleatria Bivariada, Correlao, Regresso e
Funo Geratriz de Momentos.
18 20/10 Amostragem.
19 27/10 Estimao de Parmetros.
20 03/11 Testes de Hipteses.
21 17/11 Regresso Linear. Nmeros ndices.

Algumas alteraes foram feitas com o intuito de melhorar o aproveitamento
do nosso curso. Agradecemos pela sua compreenso!

Alexandre Lima
Moraes Jr.
3
15. Teoria Elementar da Probabilidade

A Probabilidade a teoria matemtica que nos ajuda a estudar sistemas
fsicos, econmicos, biolgicos, mecnicos, financeiros, etc., num sentido
mdio (esta idia ser formalizada nos prximas aulas). O seu objetivo
construir um modelo matemtico para uma situao fsica e, a partir deste
modelo, deduzir propriedades da situao. A Inferncia Estatstica (que uma
das parte da Estatstica) baseada na teoria das probabilidades.

Um fenmeno aleatrio quando o seu comportamento futuro no pode
ser previsto com absoluta certeza. Por exemplo, as condies climticas no
dia da prova do concurso no podem ser previstas com 100% de acerto. Por
outro lado, possvel que a previso do tempo seja realizada em termos
probabilsticos. Se voc tiver a curiosidade de consultar o site de uma empresa
de previso do tempo, constatar que a previso dada em termos de
tendncias e que, inclusive, a seguinte observao poderia ser feita: esta
tendncia resultado de modelos matemticos e no tem interferncia direta
dos meteorologistas. Estes valores podem variar muito de um dia para o
outro.. Ou seja, a empresa est dizendo para os seus clientes, que so leigos
em Meteorologia, que a previso do tempo possui uma margem de erro e que
isto se deve utilizao de modelos matemticos probabilsticos de previso.

Considere, por exemplo, variveis de natureza econmica. Elas so aleatrias
por natureza. No sabemos quais sero os seus valores futuros seno depois
de observ-los. Por exemplo, no sabemos dizer, com 100% de preciso, qual
ser a cotao do Dlar daqui a um ano.

Faremos uma breve apresentao dos conceitos fundamentais da teoria da
probabilidade nesta aula.

15.1 Os Diferentes Tipos de Probabilidade

A) Probabilidade como a razo entre o nmero de resultados
favorveis e o nmero total de resultados possveis (teoria clssica)

Nesta abordagem a probabilidade de um dado evento (conceito de evento ser
formalizado mais adiante) E calculada pela frmula

(1)
N
N
P
E
=

em que P a probabilidade de E, N
E
representa o nmero de ocorrncias de E
e N o nmero de todos os resultados possveis. Uma noo importante que
est subentendida em (1) que os resultados devem ser equiprovveis.

4

Exemplo. Lance uma moeda no viciada (ou justa) duas vezes. Os resultados
possveis so cara-cara (CC), cara-coroa (CK), coroa-cara (KC) e coroa-coroa
(KK). Qual a probabilidade de se obter pelo menos uma coroa?

Seja E o evento que denota a obteno de pelo menos uma coroa; ento E o
conjunto dos resultados

KK} KC, {CK, E = .

O nmero de elementos em E 3. Como N = 4, temos que

4
3
N
N
E P
E
= = ] [ .

A definio clssica de probabilidade possui alguns defeitos, como, por
exemplo, a sua no capacidade de abordar situaes em que os resultados so
no equiprovveis.

B) Probabilidade como freqncia relativa

Considere n realizaes de um experimento aleatrio (vide definio mais
adiante). Ento, define-se a probabilidade de um dado evento E como

(2)
n
n
E P
E
n
= lim ] [

em que n
E
denota o nmero de ocorrncias de E. Como na prtica no
podemos obter infinitas realizaes, temos que (2) estima P[E] dado um valor
finito de n. Observe que 1 ] [ 0 E P , pois n n
E
. Um dos problemas desta
abordagem justamente o fato de nunca podermos realizar o experimento por
um nmero infinito de vezes. Outra dificuldade que se assume que a razo
n
E
/n possui um limite para n tendendo a infinito.

Apesar dos problemas mencionados acima, a definio de probabilidade como
freqncia relativa essencial para a aplicao da teoria das probabilidades ao
mundo real.

C) Probabilidade baseada na teoria axiomtica

Esta a abordagem moderna da probabilidade. Para desenvolv-la, preciso
introduzir os conceitos de experimento aleatrio, espao amostral e
evento.

Um experimento aleatrio simplesmente um experimento em que os
resultados so no determinsticos, isto , probabilsticos. O espao
5
amostral o conjunto de todos os possveis resultados de um
experimento aleatrio. Um evento um subconjunto do espao
amostral de um experimento aleatrio.

O moderno tratamento axiomtico da teoria da probabilidade em grande
parte devido pesquisa do brilhante matemtico russo Andrei N. Kolmogorov
(1903-1987).

15.2 Conjuntos e Eventos

Um conjunto uma coleo de objetos abstratos ou concretos. Um
exemplo de conjunto concreto o conjunto de todos os residentes na cidade
de So Paulo cuja altura exceda 1,60 m. O conjunto de todos os habitantes de
So Paulo com altura entre 1,60m e 1,70m um subconjunto do conjunto
anterior. No estudo da probabilidade, ns estamos interessados no conjunto de
todos os possveis resultados de um experimento (espao amostral) e nos
subconjuntos daquele conjunto. comum representar o espao amostral de
um experimento aleatrio usando a letra grega (mega). Eventos so
subconjuntos de . O prprio conjunto um evento, o qual denominado
evento certo. O conjunto que no envolve nenhum dos resultados possveis
o evento impossvel (conjunto vazio). Este o evento que no pode
acontecer e que includo na teoria por uma questo de completeza.

15.2.1 lgebra de Conjuntos

A unio (soma) de dois conjuntos E e F, denotada por EF ou E+F, o
conjunto de todos os elementos que esto em pelo menos um dos conjuntos E
ou F. Portanto, com E = {1, 2, 3, 4} e F = {1, 3, 4, 5, 6}

E F = {1, 2, 3, 4, 5, 6}.

Se E um subconjunto de F, indicamos este fato escrevendo E F. Neste
caso, segue-se que E F = F. Ns indicamos que um elemento de
escrevendo . Logo, podemos escrever

E F = {: E ou F ou est em ambos}.

A interseo de dois conjuntos E e F, denotada por E F ou EF, o conjunto
dos elementos comuns a ambos os conjuntos E e F. Portanto, com E = {1, 2,
3, 4} e F = {1, 3, 4, 5, 6}

EF = {1, 3, 4}.

Formalmente, tem-se que EF = {: E e F }. O complemento de um
conjunto E, denotado por E
c
, o conjunto de todos os elementos que no
estejam em E. Deste modo, segue-se que

6

E E
c
= .

Nota: O complemento de E tambm costuma ser denotado por E.

Observe que EE
c
= . A diferena de dois conjuntos ou, mais
apropriadamente, a reduo de E por F, denotada por E F, o conjunto de
elementos em E que no esto em F, de modo que

E F = EF
c
.

O ou exclusivo de dois conjuntos, denotado por E F, o conjunto de todos
os elementos em E ou F mas no em ambos. Note que

E F = (E - F) (F - E).

Dois eventos E, F so mutuamente exclusivos (ou excludentes ou
disjuntos) se EF = ; ou seja, E e F no tm elementos em comum.

As prximas trs figuras ilustram algumas operaes com conjuntos vistas
acima por meio de diagramas de Venn.

F E

Figura: a unio dos conjuntos E e F a parte
hachurada do diagrama.
7

E
E
c

F
E
E-F F-E
EF

Dado qualquer conjunto E, uma partio-n de E consiste em uma sequncia
de conjuntos E
i
, i = 1, 2, ..., n, tal que E
i
E,
n
i
i
E E
1 =
= e =
j i
E E para todo
j i . A figura a seguir ilustra o diagrama de Venn para uma partio-4 de um
espao amostral em quatro eventos E
1
, E
2
, E
3
e E
4
mutuamente exclusivos.

Figura: a parte hachurada do diagrama o complementar de E.
Figura: interseo e diferenas.
8

15.3 Definio Axiomtica de Probabilidade

Seja um experimento aleatrio com espao amostral . Considere um evento
qualquer E. Define-se probabilidade como a funo P[.] que atribui um
nmero P[E] para o evento E do espao amostral denominado probabilidade
de E tal que

a) P[E] 0.
b) P[] = 1.
c) P[E F] = P[E] + P[F] se E F = .

As expresses (a), (b) e (c) so os axiomas da probabilidade.

Os axiomas acima implicam os seguintes resultados:

P[] = 0

e para qualquer evento E,

P[E
c
] = 1 - P[E].

Por exemplo, se a probabilidade de um evento E for 0,4, ento a probabilidade
de E
c
= 1 - 0,4 = 0,6.

15.4 Probabilidades Conjunta e Condicional

Assuma que se queira realizar o seguinte experimento: estamos numa certa
cidade do Brasil e desejamos coletar dados sobre o tempo local. Em particular
9

estamos interessados em trs eventos, os quais sero denominados A, B e C,
onde

A o evento que representa uma temperatura igual ou maior a 20
o
C em
qualquer dia;

B o evento que denota um ndice de precipitao maior ou igual a 10 mm em
qualquer dia;

C o evento que representa a ocorrncia simultnea de A e B, isto , C = AB
(ou C = A B);

Como C um evento, P[C] uma probabilidade que satisfaz os axiomas. Mas
P[C] = P[AB]; neste caso, diz-se que P[AB] a probabilidade conjunta dos
eventos A e B.

Em muitas situaes prticas, o fenmeno aleatrio de interesse pode ser
desmembrado em duas etapas. A informao do que ocorreu numa dada etapa
pode influenciar as probabilidades de ocorrncias das etapas seguintes.

Nestes casos, diz-se que ganhamos informao e que podemos recalcular as
probabilidades de interesse. Essas probabilidades recalculadas so
conhecidas como probabilidades condicionais. A definio de probabilidade
condicional ser motivada pelo exemplo a seguir.

Exemplo. Considere os eventos A, B e C definidos acima. Seja n
i
o nmero de
dias em que o evento i ocorreu. Ao longo de 1.000 dias, foram feitas as
seguintes observaes: n
A
= 711, n
B
= 406, n
AB
= 200. Pela interpretao da
probabilidade em termos da noo de freqncia relativa, podemos estimar
que:

P[A] n
A
/n = 711/1.000 = 0,711
P[B] n
B
/n = 406/1.000 = 0,406
P[AB] n
AB
/n = 200/1.000 = 0,200

Agora considere a razo n
AB
/n
A
. Esta a freqncia relativa de ocorrncia do
evento AB quando o evento A ocorre. Dito de outra forma, n
AB
/n
A
corresponde
frao do tempo em que o ndice de precipitao maior ou igual a 10mm
naqueles dias em que a temperatura igual ou maior a 20 C. Portanto,
estamos lidando com a freqncia de um evento, dado que (ou
condicionado ao fato de que) outro evento ocorreu. Note que

] [
] [
/
/
A P
AB P
n n
n n
n
n
A
AB
A
AB
=

10

Este conceito emprico sugere que seja introduzido o conceito de uma medida
de probabilidade condicional definida por

(3) ,
] [
] [
] | [
A P
AB P
A B P = 0 ] [ > A P

em que ] | [ A B P denota a probabilidade de que B ocorra dado que A
ocorreu.

Similarmente,

(4) ,
] [
] [
] | [
B P
AB P
B A P = 0 ] [ > B P

J caiu em prova! (Analista Judicirio/Estatstico/TRF 1
Regio/2001/FCC). Numa cidade onde se publicam 2 jornais, A e B, sabe-se
que entre n famlias: 160, assinam o jornal A, 35 assinam os 2 jornais A e B,
201 no assinam B e 155 assinam apenas 1 jornal. O valor de n e a
probabilidade de que uma famlia selecionada ao acaso, dentre as n, assinar A
dado que assina B, so dados, respectivamente, por

A) 180 e 160/266
B) 250 e 35/75
C) 266 e 7/13
D) 266 e 35/76
E) 266 e 35/266

Resoluo

Se 35 das 160 famlias que assinam o jornal A tambm assinam o jornal B,
ento o nmero das famlias que s assinam A igual a 160 35) = 125. Se
155 famlias assinam apenas um jornal, ento (155 125 = 30 corresponde ao
nmeros de famlias que somente assinam B. Se 201 famlias no assinam B,
e, dado que 125 famlias assinam somente A, ento temos (201 125) = 76
famlias que no assinam nenhum dos dois jornais. O diagrama de Venn abaixo
ilustra o nosso raciocnio.

11

AA B
125
35
A
30
76

O nmero de famlias no espao amostral igual a 125 + 35 + 30 + 76 =
266.

A questo pede que seja calculada a probabilidade condicional P(A|B) =
P(AB)/P(B).

P(AB) = 35/266

P(B) = 65/266

Logo, P(A|B) = 35/65 = 7/13.

GABARITO: C

15.5 Independncia

Os eventos A e B, pertencentes ao espao amostral , com P[A] > 0 e P[B] >
0, so independentes se e somente se

(5) ] [ ] [ ] [ B P A P AB P = .

Como ] [ ] | [ ] [ ] | [ ] [ B P B A P A P A B P AB P = = , segue-se que

(6) ] [ ] | [ A P B A P =

(7) ] [ ] | [ B P A B P =

so vlidas somente quando A e B so eventos independentes.

A definio de independncia diz que, se A e B so independentes, ento o
resultado B no ter efeito sobre a probabilidade de A e vice-versa.
12

15.6 Regras de Adio

Sejam os eventos A e B, pertencentes ao espao amostral . Ento vale

(8) ] [ ] [ ] [ ] [ B A P B P A P B A P + = .

Se A e B so eventos mutuamente excludentes, ento

(9) ] [ ] [ ] [ B P A P B A P + = .

Sejam A, B e C eventos de um espao amostral . Neste caso, temos que

(10) ] [ ] [ ] [ ] [ ] [ ] [ C A P B A P C P B P A P C B A P + + =
] [ ] [ C B A P C B P + .

Para uma coleo de k eventos mutuamente excludentes,

(11) ] [ ... ] [ ] [ ] ... [
2 1 2 1 k k
E P E P E P E E E P + + + = .

J caiu em prova! (Analista Tcnico/SUSEP/2006/ESAF). Os eventos E
1

e E
2
so os conjuntos de pontos que podem estar tanto em E
1
, quanto em E
2
,
como em ambos simultaneamente. Ento, a probabilidade de uma ocorrncia
ser do evento E
1
ou E
2
dada por:

A) P(E
1
+ E
2
) = P(E
1
) + P(E
2
).
B) P(E
1
+ E
2
) = P(E
1
) + P(E
2
) - P(E
1
E
2
).
C) P(E
1
+ E
2
) = P(E
1
) + (1 - P(E
2
)).
D) P(E
1
+ E
2
) = P(E
2
) + (1 - P(E
1
)).
E) P(E
1
+ E
2
) = P(E
1
) * P(E
2
).

Resoluo

A probabilidade do evento A = E
1
E
2

P(E
1
E
2
) = P(E
1
) + P(E
2
) - P(E
1
E
2
).

Logo, a resposta a alternativa B.

GABARITO: B

J caiu em prova! (ICMS-RJ/2010/FGV) Se A e B so eventos
independentes com probabilidades P[A]=0,4 e P[B]=0,5 ento P[AB] igual
a:

13

A) 0,2.
B) 0,4.
C) 0,5.
D) 0,7.
E) 0,9.

Resoluo

P[AB] = P[A] + P[B] P[AB]

Mas, P[AB] = P[A].P[B] = 0,4 x 0,5 = 0,2, pois A e B so eventos
independentes. Assim,

P[AB] = 0,4 + 0,5 0,2 = 0,7

GABARITO: D

J caiu em prova! (ICMS-RJ/2009/FGV). Os eventos A e B so tais que
P(A) = 0,4 e P(B) = 0,9. Assinale a nica alternativa que apresenta um
possvel valor para P(AB).

A) 0,13
B) 0,22
C) 0,31
D) 0,49
E) 0,54

Resoluo

) ( ) ( ) ( ) ( B A P B P A P B A P + = (Regra da Adio de Probabilidades)
) ( 3 , 1 ) ( 9 , 0 4 , 0 ) ( B A P B A P B A P = + =

Como no foi dado o valor de ) ( B A P , testaremos os valores de ) ( B A P
dados em cada uma das alternativas, levando em conta a restrio
1 ) ( )} ( ), ( {
max
B A P B P A P 1 ) ( 9 , 0 B A P , pois ) ( B A P deve ser, no
mnimo, igual a ) (B P , caso B A .

A) P(AB) = 0,13 1 17 , 1 13 , 0 3 , 1 ) ( > = = B A P NO uma medida de
probabilidade.

B) P(AB) = 0,22 1 08 , 1 22 , 0 3 , 1 ) ( > = = B A P NO uma medida de
probabilidade.

14

C) P(AB) = 0,31 1 99 , 0 31 , 0 3 , 1 ) ( < = = B A P satisfaz a restrio
1 ) ( 9 , 0 B A P .

D) P(AB) = 0,49 9 , 0 81 , 0 49 , 0 3 , 1 ) ( < = = B A P NO satisfaz a restrio
1 ) ( 9 , 0 B A P .

E) P(AB) = 0,54 9 , 0 76 , 0 54 , 0 3 , 1 ) ( < = = B A P NO satisfaz a restrio
1 ) ( 9 , 0 B A P .

GABARITO: C

15.7 Regra da Multiplicao

A definio (3) de probabilidade condicional pode ser reescrita para fornecer
uma expresso geral para a probabilidade conjunta de dois eventos A e B,
denominada regra da multiplicao, dada por

(12) ] [ ] / [ ] [ ] / [ ] [ A P A B P B P B A P AB P = = .

15.8 Teorema da Probabilidade Total

Em muitas aplicaes, necessrio calcular a probabilidade no condicional de
um evento B em termos de uma soma de probabilidades condicionais
ponderadas.

Sejam os eventos A e B de um espao amostral como na figura a seguir.
Como A e A
c
so disjuntos, segue-se que A B e A
c
B sero mutuamente
excludentes. Sendo assim, podemos escrever B na forma

B = (A B) (A
c
B).

A aplicao da regra da adio das probabilidades para o evento B nos d

P(B) = P(A B) + P(A
c
B),

e a aplicao da regra do produto na expresso acima nos d

(13) P(B) = P(B/A) P(A) + P(B/A
c
) P(A
c
),

conhecida como a regra da probabilidade total para dois eventos.

15

A expresso (13) pode ser generalizada para o caso de k eventos mutuamente
excludentes E
1
, E
2
, ..., E
k
tal que E
1
E
2
... E
k
= (os eventos E
i
so ditos
exaustivos porque cobrem todo o espao amostral):

(14) = + + + = ) ( ... ) ( ) ( ) (
2 1 k
E B P E B P E B P B P
). ( ) / ( ... ) ( ) / ( ) ( ) / (
2 2 1 1 k k
E P E B P E P E B P E P E B P + + + =

A Eq. (14) nos d a probabilidade total (no condicional) de B como uma
soma das probabilidades condicionais P(B/E
i
) ponderadas, respectivamente,
pelas probabilidades dos eventos exaustivos P(E
i
), i =1, 2, ..., k.

J caiu em prova! (Analista Legislativo/Contador da Cmara dos
Deputados/2007/FCC). Uma rede local de computadores composta por
um servidor e 2 (dois) clientes (Z e Y). Registros anteriores indicam que dos
pedidos de certo tipo de processamento, cerca de 30% vm de Z e 70% de Y.
Se o pedido no for feito de forma adequada, o processamento apresentar
erro. Sabendo-se que 2% dos pedidos feitos por Z e 1% dos feitos por Y
apresentam erro, a possibilidade do sistema apresentar erro

A) 5%
B) 4,1%
C) 3,5%
D) 3%
E) 1,3%

Resoluo

Figura: diviso do evento B em dois eventos mutuamente
exclusivos.
16
Trata-se de uma aplicao direta do teorema da probabilidade total. Devemos
determinar a probabilidade do sistema apresentar erro, seja o pedido de
processamento originado pelo cliente Z ou pelo cliente Y.

Assim,

P(erro) = P(erro|Z).P(Z) + P(erro|Y).P(Y),

em que P(erro|Z) = 2% = 0,02, P(Z) = 30% = 0,30, P(erro|Y) =1% =0,01 e
P(Y) = 70% = 0,70. Substituindo esses valores obtemos,

P(erro) = (0,02 x 0,30) + (0,01 x 0,70) = 0,013 = 1,3%

GABARITO: E

J caiu em prova! (Analista do BACEN/rea 3/2005/FCC). Do total de
ttulos em poder de um investidor, 1/8 do tipo T
1
, 1/4 do tipo T
2
, e o
restante do tipo T
3
. Sabe-se que as probabilidades de se obter uma taxa real
de juros positiva com estas aplicaes so 0,60 com T
1
, 0,70 com T
2
e 0,80
com T
3
. Se for escolhido um ttulo aleatoriamente entre estes em poder do
investidor e verificar-se que apresentou uma taxa real de juros no positiva, a
probabilidade dele ser do tipo T
3

A) 50%
B) 40%
C) 30%
D) 20%
E) 10%

Resoluo

Pede-se que seja calculada a probabilidade do ttulo aleatoriamente
escolhido ser do tipo T
3
sabendo-se que o mesmo apresentou uma taxa
real de juros no positiva ( 0 j ), ou seja, trata-se do clculo da
probabilidade condicional

,
) 0 (
) 0 (
) 0 | (
3
3

=
j P
j T P
j T P

em que 0 j denota o evento ttulo escolhido apresenta taxa real de juros
no positiva e ) 0 ( j P a probabilidade total de se obter uma taxa real de
juros no positiva.

Porque ) 0 ( j P a probabilidade total de se obter 0 j ?

17
Observe que os eventos T
1
, T
2
e T
3
so mutuamente exclusivos e
exaustivos, pois

P(T
1
T
2
T
3
) = P(T
1
) +P(T
2
) + P(T
3
) = 1.

Logo,

P(j0) = P(j0 T
1
) + P(j0 T
2
) + P(j0 T
3
)

P(j0) = P(j0|T
1
).P(T
1
) + P(j0|T
2
).P(T
2
) + P(j0|T
3
).P(T
3
)

A equao acima nos d a probabilidade total (no condicional) do evento
j0 como uma soma das probabilidades condicionais P(j0|T
k
), ponderadas,
respectivamente, pelas probabilidades dos eventos exaustivos P(T
k
), k =1, 2,
3.

O enunciado forneceu P(T
1
) = 1/8 e P(T
2
) = 1/4. Portanto,

P(T
3
) = 1 - 1/8 - 1/4 = 5/8.

Alm disso,

P(j>0|T
1
) = 0,60 P(j0|T
1
) = 1 - P(j>0|T
1
) = 0,40

P(j>0|T
2
) = 0,70 P(j0|T
2
) = 1 - P(j>0|T
2
) = 0,30

P(j>0|T
3
) = 0,80 P(j0|T
3
) = 1 - P(j>0|T
3
) = 0,20

Agora, podemos construir a seguinte tabela:

Ttulo P(j>0|T
k
) P(j0|T
k
) P(T
k
) P(j0|T
k
).P(T
k
)
T
1
0,60 0,40 = 2/5 1/8 2/40
T
2
0,70 0,30 = 3/10 1/4 3/40
T
3
0,80 0,20 = 1/5 5/8 5/40
Totais 1 P(j0) = 10/40

Desejamos calcular

) 0 (
) 0 (
) 0 | (
3
3

=
j P
j T P
j T P

em que o numerador a probabilidade de um ttulo ser do tipo T
3
e ter taxa
real no positiva, ou seja,

) 0 ( ) ( ) | 0 ( ) 0 ( ) 0 | ( ) 0 (
3 3 3 3 3
T j P T P T j P j P j T P j T P = = =
18

40 / 5 ) ( ) | 0 ( ) 0 (
3 3 3
= = T P T j P j T P .

Finalmente, obtemos

% 50 5 , 0 10 / 5
40 / 10
40 / 5
) 0 | (
3
= = = = j T P

GABARITO: A

15.9 Teorema de Bayes

Aprendemos que

.
) (
) (
) / (
B P
B A P
B A P

=

como

) ( ) / ( ] [ A P A B P B A P =

temos que

(15)
) (
) ( ) / (
) / (
B P
A P A B P
B A P = . 0 ) ( B P

A frmula (15) o Teorema (ou Regra) de Bayes.

Em geral, se A
1
, A
2
, ..., A
k
forem eventos mutuamente exclusivos e exaustivos
e B for qualquer evento, ento (15) pode ser reescrita como

(16) .
) ( ) / (
) ( ) / (
) / (
1
=
=
n
i
i i
k k
k
A P A B P
A P A B P
B A P

Observe que o denominador de (16) a probabilidade total de B ocorrer.

O Teorema de Bayes nos permite calcular as probabilidades dos vrios eventos
n
A A A ,..., ,
2 1
que podem causar ou provocar a ocorrncia de B. Por este motivo, o
Teorema de Bayes tambm conhecido como o teorema que nos d a
probabilidade da causa (evento
k
A ) dado o efeito observado (evento B).

Na prtica, a probabilidade ) / ( B A P
k
de (16) conhecida como probabilidade
a posteriori de
k
A dado B ; ) / (
k
A B P denominada probabilidade a priori de
B dado
k
A e ) (
k
A P a probabilidade da causa ou a priori de
k
A . Geralmente,
19

as probabilidades a priori so estimadas a partir de medies passadas ou
pressupostas pela experincia, ao passo que as probabilidades a posteriori so
medidas ou calculadas a partir de observaes.

Exemplo. A probabilidade de que um novo teste de baixo custo identifique
corretamente algum com AIDS, dando positivo, 0,99; e a probabilidade de
que o teste identifique corretamente algum sem AIDS, dando negativo,
0,95. Suponha que a incidncia de AIDS na populao seja igual a 0,0001.
Uma pessoa escolhida ao acaso, faz o teste e o resultado d positivo. Qual
a probabilidade de que esse indivduo tenha AIDS?

Devemos calcular a probabilidade de que o indivduo tenha AIDS (= causa)
dado que o resultado do teste foi positivo (= efeito observado):

,
) ( ) | ( ) ( ) | (
) ( ) | (
) (
) ( ) | (
) | (
S P S P D P D P
D P D P
P
D P D P
D P
+ + +
+
=
+
+
= +

em que S denota a parcela saudvel da populao (isto , no infectada pelo
vrus), D representa a parcela da populao que tem a doena (ou seja, a
parcela infectada) e + denota o evento resultado positivo.

O enunciado fornece as seguintes probabilidades a priori:

- P(S) = 1 0,0001;
- P(D) = 0,0001;
- P(+|D) = 0,99;
- P(-|S) = 0,95;

Logo, P(+|S) = 1 P(-|S) = 1 0,95 = 0,05. Alm disso, temos que P(-|D) =
1 P(+|D) = 1 0,99 = 0,01.

A figura a seguir ilustra a aplicao do Teorema de Bayes nesta questo:

20
002 , 0
) 0001 , 0 1 ( 05 , 0 0001 , 0 99 , 0
0001 , 0 99 , 0
) ( ) | ( ) ( ) | (
) ( ) | (
) | ( =
+

=
+ + +
+
= +
S P S P D P D P
D P D P
D P

Nota: podemos descrever o espao amostral do experimento aleatrio
proposto pelo exemplo utilizando a notao genrica

= {(X,Y): X = 0 ou 1, Y = 0 ou 1} = {(0, 0), (0, 1), (1, 0), (1, 1)}.

Assim, os resultados elementares de so:

(0, 0) = (S, -)
(0, 1) = (S, +)
(1, 0) = (D, -)
(1, 1) = (D, +)

J caiu em prova! (Analista Tcnico/SUSEP/2010/ESAF). Admita que a
probabilidade de uma pessoa de um particular grupo gentico ter uma
determinada doena de 30%. Um custoso e invasivo exame para diagnstico
especfico dessa doena tem uma probabilidade de um resultado falso positivo
de 10% e de um resultado falso negativo de 30%. Considerando que uma
pessoa desse grupo gentico com suspeita da doena fez o referido exame,
qual a probabilidade dela ter a doena dado que o resultado do exame foi
negativo?

A) 30%
B) 7,5%
C) 25%
D) 15%
E) 12,5%

Resoluo

Devemos calcular a probabilidade de que a pessoa tenha doena (= causa)
dado que o resultado do exame foi negativo (= efeito observado):

P(D| ) =
P( | D)P(D)
P()
=
P( | D)P(D)
P( | D)P(D) + P( | S)P(S)
,

em que S denota a parcela saudvel da populao (isto , que no possui a
doena), D representa a parcela da populao que tem a doena, - e +
denotam resultado negativo e resultado positivo, respectivamente.


21

- P(D) = 30% = 0,3
- P(S) = 1 0,3 = 0,7
- P(+|S) = 0,1 (falso positivo)
- P(-|D) = 0,3 (falso negativo)

Logo, P(+|D) = 1 P(-|D) = 1 0,3 = 0,7. Alm disso, temos que P(-|S) = 1
P(+|S) = 1 0,1 = 0,9.

P(D| ) =
P( | D)P(D)
P( | D)P(D) + P( | S)P(S)
=
0, 3 0, 3
0, 3 0, 3+0,9 0, 7
=
0,09
0,09 +0,63
=12,5%

GABARITO: E

15.10 Memorize para a prova

- Dois eventos A e B so mutuamente exclusivos (excludentes) se AB = ;
ou seja, A e B no tm elementos em comum.

- Probabilidade condicional: ] [ / ] [ ] | [ B P AB P B A P =

- Eventos A e B independentes: ] [ ] [ ] [ B P A P AB P = ] [ ] | [ A P B A P = e
] [ ] | [ B P A B P = .

- Regra da adio: ] [ ] [ ] [ ] [ B A P B P A P B A P + = .

- Regra da multiplicao: ] [ ] | [ ] [ ] | [ ] [ A P A B P B P B A P AB P = = .

- Regra da probabilidade total:

). ( ) | ( ... ) ( ) | ( ) ( ) | ( ) (
2 2 1 1 k k
E P E B P E P E B P E P E B P B P + + + =

em que E
1
, E
2
, ..., E
k
denotam eventos mutuamente excludentes e exaustivos
(E
1
E
2
... E
k
= ) e B um evento qualquer definido sobre o mesmo
espao amostral .

- Regra de Bayes: .
) ( ) | (
) ( ) | (
) | (
1
=
=
n
i
i i
k k
k
A P A B P
A P A B P
B A P

A frmula de Bayes nos permite calcular as probabilidades dos vrios eventos
n
A A A ,..., ,
2 1
que podem causar ou provocar a ocorrncia de B (probabilidade da
causa
k
A dado o efeito observado B).

22

15.11 Exerccios de Fixao

1. (Analista de Finanas e Controle STN/2008/ESAF) Dois eventos A e B
so ditos eventos independentes se e somente se:

A) a probabilidade de ocorrncia conjunta de A e B for nula.
B) a ocorrncia de B alterar a probabilidade de ocorrncia de A.
C) a ocorrncia de A alterar a probabilidade de ocorrncia de B.
D) a ocorrncia de B no alterar a probabilidade de ocorrncia de A.
E) a probabilidade de ocorrncia conjunta de A e B for igual a 1.

2. (Analista de Finanas e Controle STN/2008/ESAF) Marco estuda em
uma universidade na qual, entre as moas de cabelos loiros, 18 possuem olhos
azuis e 8 possuem olhos castanhos; entre as moas de cabelos pretos, 9
possuem olhos azuis e 9 possuem olhos castanhos; entre as moas de cabelos
ruivos, 4 possuem olhos azuis e 2 possuem olhos castanhos. Marisa seleciona
aleatoriamente uma dessas moas para apresentar para seu amigo Marco. Ao
encontrar com Marco, Marisa informa que a moa selecionada possui olhos
castanhos. Com essa informao, Marco conclui que a probabilidade de a moa
possuir cabelos loiros ou ruivos igual a:

A) 0
B) 10/19
C) 19/50
D) 10/50
E) 19/31

3. (ICMS-RJ/2009/FGV) Um torneio ser disputado por 4 tenistas (entre os
quais A e B) de mesma habilidade, isto , em qualquer jogo entre dois dos
quatro jogadores, ambos tm a mesma chance de ganhar.
Na primeira rodada, eles se enfrentaro em dois jogos, com adversrios
definidos por sorteio. Os vencedores disputaro a final. A probabilidade de que
o torneio termine com A derrotando B na final

A) 1/2
B) 1/4
C) 1/6
D) 1/8
E) 1/12

4. (ICMS-RJ/2007/FGV) A tabela abaixo apresenta a distribuio de 1.000
pessoas classificadas por Sexo (Masculino e Feminino) e Estado Civil (Solteiro,
Casado e Vivo).
23

Estado Civil
Sexo
Total M F
Solteiro 300 200 500
Casado 200 100 300
Vivo 100 100 200
Total 600 400 1.000

Uma pessoa selecionada ao acaso. A probabilidade de que ela seja do sexo
Feminino ou Viva igual a:

A) 0,6.
B) 0,2.
C) 0,5.
D) 0,7.
E) 0,4.

5. (ICMS-RJ/2007/FGV) Sejam A e B dois eventos definidos em um espao
amostral S de modo que P(A) = 0,70, P(B) = 0,20 e P(AB) = 0,14. Ento,
pode-se dizer que A e B so eventos:

A) mutuamente exclusivos.
B) complementares.
C) elementares.
D) condicionais.
E) independentes.

6. (TFC-CGU/2008/ESAF) Uma empresa de consultoria no ramo de
engenharia de transportes contratou 10 profissionais especializados, a saber: 4
engenheiras e 6 engenheiros. Sorteando- se, ao acaso, trs desses
profissionais para constiturem um grupo de trabalho, a probabilidade de os
trs profissionais sorteados serem do mesmo sexo igual a:

A) 0,10
B) 0,12
C) 0,15
D) 0,20
E) 0,24

7. (Assistente Tcnico-Administrativo MF/2009/ESAF) Ao se jogar um
determinado dado viciado, a probabilidade de sair um nmero 6 de 20%,
enquanto que as probabilidades de sair qualquer outro nmero so iguais
24
entre si. Ao se jogar este dado duas vezes, qual o valor mais prximo da
probabilidade de um nmero par sair duas vezes?

A) 20%
B) 27%
C) 25%
D) 23%
E) 50%

8. (Adm. Pleno/Petrobrs/2005/CESGRANRIO) Joga-se um dado no
tendencioso. Se o resultado no foi quatro, qual a probabilidade de que
tenha sido um?

A) 1/5
B) 1/6
C) 1/9
D) 1/12
E) 1/18

9. (TCE-ES/Economia/2001/ESAF) Num teste de mltipla escolha, um
estudante sabe uma questo ou chuta a resposta. Seja 2/3 a probabilidade
de que o estudante saiba uma questo do teste. Suponha que cada questo
tenha 5 alternativas e que a probabilidade de acertar no chute seja 1/5.
Assinale a opo que d a probabilidade condicional de que o estudante saiba
realmente uma pergunta que respondeu corretamente.

A) 1/5
B) 2/15
C) 10/11
D) 2/3
E) 13/15

10. (Adm. Jr./REFAP/2007/CESGRANRIO) A probabilidade de que o preo
da farinha de trigo aumente em determinado ms estimada em 40%. Se isso
ocorre, a probabilidade de que o preo do po francs tambm aumente de
50%; caso contrrio, a probabilidade de aumento do po francs ser de
apenas 10%. Se o preo do po francs subiu, a probabilidade de que o preo
da farinha de trigo tenha sofrido majorao igual a:

A) 1/13
B) 2/10
C) 6/13
25

D) 6/11
E) 10/13

11. (Analista do BACEN/2002/ESAF) Uma empresa fabrica motores a jato
em duas fbricas A e B. Um motor escolhido ao acaso de um lote de
produo. Nota-se que o motor apresenta defeitos. De observaes anteriores
a empresa sabe que 2% e 3% so as taxas de motores fabricados com algum
defeito em A e B, respectivamente. Sabendo-se que a fbrica A responsvel
por 40% da produo, assinale a opo que d a probabilidade de que o motor
escolhido tenha sido fabricado em A.

A) 0,400
B) 0,030
C) 0,012
D) 0,308
E) 0,500

12. (Analista do BACEN/rea 2/2010/CESGRANRIO) A probabilidade de
um indivduo de classe A comprar um automvel 3/4. Para um indivduo de
classe B, essa probabilidade 1/6, e para um indivduo de classe C, ela de
1/20. A probabilidade de um indivduo de classe A comprar um fusca 1/10,
enquanto que, para um indivduo de classe B, essa probabilidade 3/5 e para
um indivduo de classe C, de 3/10. Sabendo-se que a revendedora XPTO
vendeu um Fusca, a probabilidade de o comprador pertencer classe B

A) 0,527
B) 0,502
C) 0,426
D) 0,252
E) 0,197

13. (AFT/2010/ESAF) Em uma universidade, 56% dos alunos estudam em
cursos da rea de cincias humanas e os outros 44% estudam em cursos da
rea de cincias exatas, que incluem matemtica e fsica. Dado que 5% dos
alunos da universidade estudam matemtica e 6% dos alunos da universidade
estudam fsica e que no possvel estudar em mais de um curso na
universidade, qual a proporo dos alunos que estudam matemtica ou fsica
entre os alunos que estudam em cursos de cincias exatas?

A) 20,00%.
B) 21,67%.
C) 25,00%.
D) 11,00%.
26

E) 33,33%.

14. (Analista Judicirio/Estatstico/TRF 1 regio/2001/FCC) Duas
urnas guardam bolas brancas e pretas. Uma das urnas tem 3 bolas brancas e
1 preta enquanto que a outra tem 3 bolas brancas e 3 pretas. Escolhendo-se
uma urna ao acaso e em seguida, sucessivamente e com reposio duas de
suas bolas, a probabilidade de ocorrer uma branca e uma preta

A) 7/8.
B) 7/16.
C) 3/8.
D) 7/32.
E) 3/16.

15. (AFPS/2002/ESAF) Suponha que a probabilidade de um evento C seja
0,4 e que a probabilidade condicional do evento D dado que C ocorreu seja
0,2. Assinale a opo que d o valor da probabilidade de ocorrncia de D e C

A) 0,50
B) 0,08
C) 0,00
D) 1,00
E) 0,60

(Analista do INSS com formao em estatstica/2008/Cespe) Texto
para os itens de 16 a 20

perfil A B C total
Nmero de trabalhadores
(em milhes de pessoas)
3 8 8 19

Um projeto do governo tinha como objetivo atrair para o sistema
previdencirio uma parcela de trabalhadores que no eram contribuintes do
INSS. Na ocasio em que tal projeto havia sido proposto, pelos clculos do
governo, existiam no pas 19 milhes de trabalhadores com mais de 16 anos e
renda mensal de um ou mais salrios mnimos que no contribuam para a
previdencia. Esses trabalhadores foram classificados de acordo com tres perfis
A, B e C, e a distribuico do nmero de trabalhadores em cada perfil est no
quadro acima. A expectativa do governo era a seguinte: entre as pessoas com
o perfil A, a probabilidade de entrada para o sistema previdencirio era de 0,8;
para as de perfil B, a probabilidade de entrada para o sistema era de 0,5 e os
de perfil C entrariam no sistema com uma probabilidade igual a 0,1.

Correio Braziliense, 15/11/2006, p. A-14 (com adaptaes).
27

Com base nas informaes apresentadas no texto acima, julgue os itens
seguintes.

16. Na ocasio em que o projeto havia sido proposto, a probabilidade de uma
pessoa entre os 19 milhes de trabalhadores entrar para o sistema
previdencirio era superior a 0,35 e inferior a 0,40.

17. A expectativa do governo era de que mais de 7 milhes de trabalhadores
fossem atrados para o sistema previdencirio.

18. Um trabalhador que atende s condies do projeto do governo, decidiu
entrar para o sistema de previdncia. A probabilidade de ele ser um
trabalhador do perfil A superior a 0,4.

Ainda com relao ao texto e considerando que a probabilidade de dois
trabalhadores selecionados aleatoriamente entre aqueles com o perfil A
entrarem para o sistema previdencirio igual a , julgue os itens
subseqentes.

19. Por ser uma probabilidade, pode assumir qualquer valor entre 0 e 1.

20. O nmero esperado de trabalhadores do perfil A que entraro no sistema
previdencirio aumenta medida que aumenta.

15.12 Gabarito

1 D
2 - B
3 - E
4 C
5 E
6 - D
7 B
8 A
9 C
10 E
11 D
12 A
13 C
14 B
15 B
16 C
17 C
18 E
19 E
20 - E
28

15.13 Resoluo dos Exerccios de Fixao

1. (Analista de Finanas e Controle STN/2008/ESAF) Dois eventos A e B
so ditos eventos independentes se e somente se:

A) a probabilidade de ocorrncia conjunta de A e B for nula.
B) a ocorrncia de B alterar a probabilidade de ocorrncia de A.
C) a ocorrncia de A alterar a probabilidade de ocorrncia de B.
D) a ocorrncia de B no alterar a probabilidade de ocorrncia de A.
E) a probabilidade de ocorrncia conjunta de A e B for igual a 1.

Resoluo

Dois eventos A e B so ditos eventos independentes se e somente se a
ocorrncia de B no alterar a probabilidade de ocorrncia de A e vice-versa.

GABARITO: D

2. (Analista de Finanas e Controle STN/2008/ESAF) Marco estuda em
uma universidade na qual, entre as moas de cabelos loiros, 18 possuem olhos
azuis e 8 possuem olhos castanhos; entre as moas de cabelos pretos, 9
possuem olhos azuis e 9 possuem olhos castanhos; entre as moas de cabelos
ruivos, 4 possuem olhos azuis e 2 possuem olhos castanhos. Marisa seleciona
aleatoriamente uma dessas moas para apresentar para seu amigo Marco. Ao
encontrar com Marco, Marisa informa que a moa selecionada possui olhos
castanhos. Com essa informao, Marco conclui que a probabilidade de a moa
possuir cabelos loiros ou ruivos igual a:

A) 0
B) 10/19
C) 19/50
D) 10/50
E) 19/31

Resoluo

Vamos fazer uma tabela, para facilitar o entendimento:

Moas Cabelos
Loiros
Cabelos
Pretos
Cabelos
Ruivos
Total
Olhos Azuis 18 9 4 31
29

Olhos Castanhos 8 9 2 19
Total 26 18 6 50

Marisa seleciona aleatoriamente uma dessas moas para apresentar para seu
amigo Marco. Ao encontrar com Marco, Marisa informa que a moa selecionada
possui olhos castanhos. Com essa informao, Marco conclui que a
probabilidade de a moa possuir cabelos loiros ou ruivos igual a:

Evento A = moa de cabelos loiros ou ruivos
Evento B = moa de olhos castanhos

P(A/B) = P(AB)/P(B) =
19
10
19
50
50
10
50
19
50
) 2 8 (
= =
+

GABARITO: B

3. (ICMS-RJ/2009/FGV) Um torneio ser disputado por 4 tenistas (entre os
quais A e B) de mesma habilidade, isto , em qualquer jogo entre dois dos
quatro jogadores, ambos tm a mesma chance de ganhar.
Na primeira rodada, eles se enfrentaro em dois jogos, com adversrios
definidos por sorteio. Os vencedores disputaro a final. A probabilidade de que
o torneio termine com A derrotando B na final

A) 1/2
B) 1/4
C) 1/6
D) 1/8
E) 1/12

Resoluo

P(A vencer B na final) = P[(A no enfrentar B na 1 rodada) (A vencer a 1
rodada) (B vencer a 1 rodada) (A vencer B na final)] = P(A no
enfrentar B na 1 rodada) x P(A vencer a 1 rodada) x P(B vencer a 1
rodada) x P(A vencer B na final), pois os quatro experimentos aleatrios so
independentes.

Na primeira rodada, as seguintes duplas podem ser formadas:

1 possibilidade: (A,B) e (C,D) 1/3 de probabilidade
2 possibilidade: (A,C) e (B,D) 1/3 de probabilidade
3 possibilidade: (A,D) e (B,C) 1/3 de probabilidade

30

Logo, P(A no enfrentar B na 1 rodada) = P{[(A,C) e (B,D)] [(A,D) e
(B,C)]} = P{(A,C) e (B,D)} + P{[(A,D) e (B,C)} = 1/3 + 1/3 = 2/3.

Tambm temos que P(A vencer a 1 rodada) = P(B vencer a 1 rodada) = P(A
vencer B na final) = 1/2, pois em qualquer jogo entre dois dos quatro
jogadores, ambos tm a mesma chance de ganhar.

Logo,

P(A vencer B na final) = 2/3 x 1/2 x 1/2 x 1/2 = 2/24 = 1/12.

GABARITO: E

4. (ICMS-RJ/2007/FGV) A tabela abaixo apresenta a distribuio de 1.000
pessoas classificadas por Sexo (Masculino e Feminino) e Estado Civil (Solteiro,
Casado e Vivo).

Estado Civil
Sexo
Total M F
Solteiro 300 200 500
Casado 200 100 300
Vivo 100 100 200
Total 600 400 1.000

Uma pessoa selecionada ao acaso. A probabilidade de que ela seja do sexo
Feminino ou Viva igual a:

A) 0,6.
B) 0,2.
C) 0,5.
D) 0,7.
E) 0,4.

Resoluo

P(sexo Feminino ou Viva) = P(sexo Feminino) + P(Viva) - P(sexo Feminino e
Viva).

P(sexo Feminino) = 400/1.000
P(Viva) = 200/1.000
P(sexo Feminino e Viva) = 100/1.000

Logo, P(sexo Feminino ou Viva) = 400/1.000 + 200/1.000
100/1.000 = 500/1.000 = 0,5.

GABARITO: C
31

5. (ICMS-RJ/2007/FGV) Sejam A e B dois eventos definidos em um espao
amostral S de modo que P(A) = 0,70, P(B) = 0,20 e P(AB) = 0,14. Ento,
pode-se dizer que A e B so eventos:

A) mutuamente exclusivos.
B) complementares.
C) elementares.
D) condicionais.
E) independentes.

Resoluo

Note que P(A) x P(B) = 0,7 x 0,2 = 0,14 = P(AB) A e B so eventos
independentes.

GABARITO: E

6. (TFC-CGU/2008/ESAF) Uma empresa de consultoria no ramo de
engenharia de transportes contratou 10 profissionais especializados, a saber: 4
engenheiras e 6 engenheiros. Sorteando- se, ao acaso, trs desses
profissionais para constiturem um grupo de trabalho, a probabilidade de os
trs profissionais sorteados serem do mesmo sexo igual a:

A) 0,10
B) 0,12
C) 0,15
D) 0,20
E) 0,24

Resoluo

I Probabilidade de sortear trs homens:

Total de Engenheiros = 6
p(trs homens) = (6/10) x (5/9) x (4/8) = (3/5) x (5/9) x (1/2) = 0,1667

II Probabilidade de sortear trs mulheres:

Total de Engenheiras = 4
p(trs mulheres) = (4/10) x (3/9) x (2/8) = (2/5) x (1/3) x (1/4) = 0,0333

Probabilidade de Sortear Trs Pessoas do Mesmo Sexo (P)

P = P(trs homens) + P(trs mulheres) = 0,1667 + 0,0333 = 0,20
32

GABARITO: D

7. (Assistente Tcnico-Administrativo-MF/2009/ESAF) Ao se jogar um
determinado dado viciado, a probabilidade de sair um nmero 6 de 20%,
enquanto que as probabilidades de sair qualquer outro nmero so iguais
entre si. Ao se jogar este dado duas vezes, qual o valor mais prximo da
probabilidade de um nmero par sair duas vezes?

A) 20%
B) 27%
C) 25%
D) 23%
E) 50%

Resoluo

Dado viciado: P(X = 6) = 0,2

As probabilidades de sair qualquer outro nmero so iguais entre si.
P(X = 1) = P(X = 2) = P(X = 3) = P(X = 4) = P(X = 5) = (1-0,2)/5 = 0,8/5 =
0,16.

Ao se jogar o dado duas vezes, qual o valor mais prximo da probabilidade de
um nmero par sair duas vezes?

I Dado jogado pela primeira vez:

P(X par na jogada 1) = P(X = 2) + P(X = 4) + P(X = 6) = 0,16 + 0,16 + 0,20
= 0,52

II Dado jogado pela segunda vez:

P(X par na jogada 2) = 0,52

Probabilidade de um nmero par sair duas vezes (eventos independentes):

P(par nas duas vezes) = P(X par na jogada 1) x P(X par na jogada 2) = 0,52 x
0,52 = 27,04%

GABARITO: B

8. (Adm. Pleno/Petrobrs/2005/CESGRANRIO) Joga-se um dado no
tendencioso. Se o resultado no foi quatro, qual a probabilidade de que
tenha sido um?

33

A) 1/5
B) 1/6
C) 1/9
D) 1/12
E) 1/18

Resoluo

Se j se sabe, a priori, que o resultado no foi quatro, ento s nos restam
cinco possibilidades equiprovveis. Logo, a probabilidade de que tenha sido
um igual a 1/5.

Tambm podemos resolver aplicando a frmula da probabilidade condicional,

) 4 (
) 4 1 (
) 4 | 1 (
=
= =
X P
X X P
X X P ,

em que
6
1
) 4 1 ( = = X X P , pois a probabilidade de que o resultado d um e
que ao mesmo tempo seja diferente de quatro igual a probabilidade de se
obter um,

e = = = = = = = ) 6 5 3 2 1 ( ) 4 ( X X X X X P X P
6
5
6
1
5 ) 6 ( ) 5 ( ) 3 ( ) 2 ( ) 1 ( = = = + = + = + = + = = X P X P X P X P X P .

Ento,

5 / 1
6 / 5
6 / 1
) 4 | 1 ( = = = X X P .

GABARITO: A

9. (TCE-ES/Economia/2001/ESAF) Num teste de mltipla escolha, um
estudante sabe uma questo ou chuta a resposta. Seja 2/3 a probabilidade
de que o estudante saiba uma questo do teste. Suponha que cada questo
tenha 5 alternativas e que a probabilidade de acertar no chute seja 1/5.
Assinale a opo que d a probabilidade condicional de que o estudante saiba
realmente uma pergunta que respondeu corretamente.

A) 1/5
B) 2/15
C) 10/11
D) 2/3
34

E) 13/15

Resoluo

Esta questo aborda o Teorema de Bayes. Um possvel mtodo de resoluo
baseado no uso de um diagrama binrio como o que se segue abaixo:

O enunciado diz que a probabilidade de que o estudante saiba uma questo do
teste (X=1) 2/3, ou seja, P
X
(1) = 2/3. Logo, P
X
(0) = 1 2/3 = 1/3
(probabilidade de o estudante no saber a questo).

Observe que Y=0 denota o evento resposta errada, enquanto que Y=1
representa a resposta certa. A probabilidade de acertar no chute 1/5, ou
seja, a probabilidade de transio

P
y|x
(1|0) = 1/5.

Ento, a probabilidade de transio complementar P
y|x
(0|0) (probabilidade de
errar no chute) dada por

P
y|x
(0|0) = 1 - P
y|x
(1|0) = 4/5.

Est implcito que a probabilidade de o estudante acertar a resposta
quando sabe a questo igual a 1, isto ,

P
y|x
(1|1) = 1.

Logo, a probabilidade de errar quando sabe a questo nula, pois

P
y|x
(0|1) = 1 - 1 = 0.
35

Finalmente, chegamos a uma verso completa do DIAGRAMA BINRIO:

Note que as probabilidades P
Y
(0) e P
Y
(1) so calculadas pelo Regra da
Probabilidade Total.

Se o estudante acertou a resposta (Y=1 o efeito observado), a
probabilidade condicional de que o estudante saiba realmente a pergunta
(X=1 a causa) dada por (Regra de Bayes)

11
10
3
1
5
1
3
2
1
3
2
1
) 0 ( ) 0 | 1 ( ) 1 ( ) 1 | 1 (
) 1 ( ) 1 | 1 (
) 1 | 1 (
| |
|
|
=
+
=
+
=
x y x x y x
x y x
y x
P P P P
P P
P

GABARITO: C

10. (Adm. Jr./REFAP/2007/CESGRANRIO) A probabilidade de que o preo
da farinha de trigo aumente em determinado ms estimada em 40%. Se isso
ocorre, a probabilidade de que o preo do po francs tambm aumente de
50%; caso contrrio, a probabilidade de aumento do po francs ser de
apenas 10%. Se o preo do po francs subiu, a probabilidade de que o preo
da farinha de trigo tenha sofrido majorao igual a:

A) 1/13
B) 2/10
C) 6/13
D) 6/11
E) 10/13
36

Resoluo

O enunciado diz que a probabilidade de que o preo da farinha de trigo
aumente em determinado ms (X=1) estimada em 40%. Logo, temos as
seguintes probabilidades a priori: P
X
(1) = 0,40 e P
X
(0) = 1 - 0,40 = 0,60.
Observe que X=0 denota o evento preo da farinha de trigo no aumentou.

Foi dito que se X=1 (preo da farinha de trigo aumentou), a probabilidade de
que o preo do po francs tambm aumente (Y=1) de 50%, ou seja, foi
dada a probabilidade de transio

P
y|x
(1|1) = 0,50.

Ento, a probabilidade de transio complementar P
y|x
(0|1) (probabilidade de
que o preo do po francs no aumente (Y=0) dado que o preo da
farinha de trigo aumentou (X=1)) dada por

P
y|x
(0|1) = 1 - 0,50 = 0,50.

Caso o preo da farinha de trigo NO aumente (X=0), a probabilidade de
aumento do po francs (Y=1) ser de apenas 10%, ou seja,

P
y|x
(1|0) = 0,10.

Portanto, se o preo da farinha de trigo NO aumentar (X=0), a
probabilidade do preo do po francs tambm NO aumentar (Y=0) ser
de

P
y|x
(0|0) = 1 - 0,10 = 0,90.

Agora, chegamos a uma verso completa do DIAGRAMA BINRIO:
37

Note que as probabilidades P
Y
(0) e P
Y
(1) so calculadas pelo Teorema da
Probabilidade Total.

Se o preo do po francs subiu (Y=1 o efeito observado), a probabilidade
de que o preo da farinha de trigo tenha sofrido majorao (X=1 a causa)
, pelo Teorema de Bayes, dada por

13
10
26
20
10
6
10
1
10
4
10
5
10
4
10
5
) 0 ( ) 0 | 1 ( ) 1 ( ) 1 | 1 (
) 1 ( ) 1 | 1 (
) 1 | 1 (
| |
|
|
= =
+
=
+
=
x y x x y x
x y x
y x
P P P P
P P
P

GABARITO: E

11. (Analista do BACEN/2002/ESAF) Uma empresa fabrica motores a jato
em duas fbricas A e B. Um motor escolhido ao acaso de um lote de
produo. Nota-se que o motor apresenta defeitos. De observaes anteriores
a empresa sabe que 2% e 3% so as taxas de motores fabricados com algum
defeito em A e B, respectivamente. Sabendo-se que a fbrica A responsvel
por 40% da produo, assinale a opo que d a probabilidade de que o motor
escolhido tenha sido fabricado em A.

A) 0,400
B) 0,030
C) 0,012
D) 0,308
E) 0,500

38

Resoluo

Seja um espao amostral . Considere os eventos mutuamente exclusivos e
exaustivos
n
A A A ,..., ,
2 1
e um evento qualquer B. O Teorema de Bayes afirma
que

,
) ( ) / (
) ( ) / (
) / (
1
=
=
n
i
i i
k k
k
A P A B P
A P A B P
B A P

ou seja, o Teorema de Bayes nos permite calcular as probabilidades dos vrios
eventos
n
A A A ,..., ,
2 1
que podem causar ou provocar a ocorrncia de B. Por este
motivo, o Teorema de Bayes tambm conhecido como o teorema que nos
d a probabilidade da causa (evento
k
A ) dado o efeito observado
(evento B).

Na prtica, a probabilidade ) / ( B A P
k
conhecida como probabilidade a
posteriori de
k
A dado B ; ) / (
k
A B P denominada probabilidade a priori de
B dado
k
A e ) (
k
A P a probabilidade da causa ou a priori de
k
A .
Geralmente, as probabilidades a priori so estimadas a partir de medies
passadas ou pressupostas pela experincia, ao passo que as probabilidades a
posteriori so medidas ou calculadas a partir de observaes.

Devemos calcular a probabilidade de que o motor defeituoso escolhido ao
acaso tenha sido fabricado em A. O motor observado pode ser defeituoso
(evento D) ou no defeituoso (evento ND). Ou seja, pede-se para
determinar a probabilidade de que a fbrica A tenha causado o defeito
observado no motor selecionado:

.
) ( ) | ( ) ( ) | (
) ( ) | (
) (
) ( ) | (
) | (
B P B D P A P A D P
A P A D P
D P
A P A D P
D A P
+
= =


.
% 3 ) | (
% 2 ) | (
% 60 ) (
% 40 ) (
=
=
=
=
B D P
A D P
B P
A P

Portanto,

P(ND|A) = 1 P(D|A) = 1 0,02 = 0,98 e

P(ND|B) = 1 P(D|B) = 1 0,03 = 0,97.
39

A figura a seguir ilustra a aplicao do Teorema de Bayes nesta questo:

13
4
26
8
180 80
80
100
60
100
3
100
40
100
2
100
40
100
2
) ( ) / ( ) ( ) / (
) ( ) / (
) / ( = =
+
=
+
=
+
=
B P B D P A P A D P
A P A D P
D A P
308 , 0 ) / ( D A P

Nota: podemos descrever o espao amostral do experimento aleatrio
proposto pela questo utilizando a notao genrica

= {(X,Y): X = 0 ou 1, Y = 0 ou 1} = {(0, 0), (0, 1), (1, 0), (1, 1)}.

Para a questo, os resultados elementares de so:

(0, 0) = (A, ND)
(0, 1) = (A, D)
(1, 0) = (B, ND)
(1, 1) = (B, D)

GABARITO: D

12. (Analista do BACEN/rea 2/2010/CESGRANRIO) A probabilidade de
um indivduo de classe A comprar um automvel 3/4. Para um indivduo de
classe B, essa probabilidade 1/6, e para um indivduo de classe C, ela de
1/20. A probabilidade de um indivduo de classe A comprar um fusca 1/10,
enquanto que, para um indivduo de classe B, essa probabilidade 3/5 e para
um indivduo de classe C, de 3/10. Sabendo-se que a revendedora XPTO
vendeu um Fusca, a probabilidade de o comprador pertencer classe B

A) 0,527
B) 0,502
C) 0,426
D) 0,252
40
E) 0,197

Resoluo

Sabendo-se que a revendedora XPTO vendeu um Fusca (efeito) qual a
probabilidade de o comprador pertencer classe B (causa)? Ou seja, qual
o valor de P(B|Fusca)?

A pergunta formulada acima indica, de forma inequvoca, que preciso aplicar
o Teorema de Bayes (probabilidade da causa dado o efeito observado)
para resolver a questo. O equacionamento da probabilidade P(B|Fusca) pelo
Teorema de Bayes fornece

P(B|Fusca) = P(Fusca|B)P(B)/P(Fusca)

Neste ponto da resoluo, precisamos confirmar se os dados fornecidos pelo
enunciado viabilizam a aplicao do Teorema de Bayes. Recordaremos, a
seguir, o enunciado deste importante teorema do clculo de probabilidades.

Sejam os eventos mutuamente exclusivos e exaustivos
n k
E E E E ,..., ,..., ,
2 1

definidos sobre o espao amostral . Se Z um evento qualquer de ,
ento vlida a relao

=
=
n
i
i i
k k
k
E P E Z P
E P E Z P
Z E P
1
) ( ) | (
) ( ) | (
) | ( .

O que seria o espao amostral , dado o enunciado do problema? Quais seriam
os eventos mutuamente exclusivos e exaustivos definidos sobre ?

Suponha que represente o espao amostral dos indivduos das classe A,
B e C que compram automveis. Neste caso, temos os seguintes eventos
mutuamente exclusivos e exaustivos:

- Evento A: indivduo da classe A comprar um automvel. Neste caso, a
freqncia relativa ao evento A 3/4, ou seja, P(A) = 3/4;

- Evento B: indivduo da classe B comprar um automvel, em que P(B) =
1/6;

- Evento C: indivduo da classe C comprar um automvel, em que P(C) =
1/20.

Ser que a equao P(A) + P(B) + P(C) = 1 verificada?

P(B) + P(C) = 1 - P(A) = 1 3/4 = = 0,25
41

P(B) + P(C) = 1/6 + 1/20 0,167 + 0,05 = 0,217 0,25

H uma discrepncia de (0,25 0,217) = 0,033. Depreende-se que a banca
considerou a aproximao

P(A) + P(B) + P(C) = 0,967 1

Quem faria o papel do evento Z? Este evento representa a compra de um
Fusca por um indivduo de qualquer classe, cuja probabilidade denotada por
P(Fusca). A probabilidade total P(Fusca) dada por

P(Fusca) = P(Fusca|A)P(A) + P(Fusca|B)P(B) + P(Fusca|C)P(C)

ou seja,

P(Fusca) = (1/10)x(3/4) + (3/5)x(1/6) + (3/10)x(1/20) = 0,19

Logo,

5263 , 0
19 , 0
) 6 / 1 ( ) 5 / 3 (
) (
) ( ) | (
) | ( =
= =
Fusca P
B P B Fusca P
Fusca B P

A banca utilizou o arredondamento 0,5263 0,527 (opo A).

GABARITO: A

13. (AFT/2010/ESAF) Em uma universidade, 56% dos alunos estudam em
cursos da rea de cincias humanas e os outros 44% estudam em cursos da
rea de cincias exatas, que incluem matemtica e fsica. Dado que 5% dos
alunos da universidade estudam matemtica e 6% dos alunos da universidade
estudam fsica e que no possvel estudar em mais de um curso na
universidade, qual a proporo dos alunos que estudam matemtica ou fsica
entre os alunos que estudam em cursos de cincias exatas?

A) 20,00%.
B) 21,67%.
C) 25,00%.
D) 11,00%.
E) 33,33%.

Resoluo

Vamos supor que h um total de 100 alunos

42

56% dos alunos = rea de Cincias Humanas = 56 alunos
44% dos alunos = rea de Cincias Exatas = 44 alunos
5% estudam matemtica = 5 alunos
6% estudam fsica = 6 alunos
No possvel estudar mais de um curso.

Percentual (Matemtica ou Fsica/Cincias Exatas)
= (5 + 6)/44 = 11/44 = 1/4 = 25%

GABARITO: C

14. (Analista Judicirio/Estatstico/TRF 1 regio/2001/FCC) Duas
urnas guardam bolas brancas e pretas. Uma das urnas tem 3 bolas brancas e
1 preta enquanto que a outra tem 3 bolas brancas e 3 pretas. Escolhendo-se
uma urna ao acaso e em seguida, sucessivamente e com reposio duas de
suas bolas, a probabilidade de ocorrer uma branca e uma preta

A) 7/8.
B) 7/16.
C) 3/8.
D) 7/32.
E) 3/16.

Resoluo

A probabilidade de escolher qualquer uma das urnas 1/2. O sorteio das duas
bolas feito com reposio, ou seja, a 1 bola sorteada retorna para a urna,
de modo que as probabilidades de ocorrncia das bolas so mantidas no 2
sorteio.

Temos as seguintes probabilidades de sorteio para a urna que guarda 3 bolas
brancas e 1 preta: P(bola branca) = 3/4 e P(bola preta) = 1/4.

Para a outra urna temos: P(bola branca) = P(bola preta) = 3/6 = 1/2.

A probabilidade pedida a probabilidade de ocorrer uma branca e uma preta.
A ordem de ocorrncia no foi especificada, isto , podemos ter branca no 1
sorteio e preta no 2 sorteio ou o inverso. Quais so as possibilidades? H
quatro casos possveis:

1) escolha de uma bola branca no 1 sorteio e de uma bola preta no 2
sorteio quando a urna escolhida a que tem 3 bolas brancas e 1 preta
(caso 1) ou
43

2) caso 2: escolha de uma bola preta no 1 sorteio e de uma preta no 2
sorteio quando a urna escolhida a que tem 3 bolas brancas e 1 preta
(caso 2) ou
3) escolha de uma bola branca no 1 sorteio e de uma bola preta no 2
sorteio quando a urna escolhida a que tem 3 bolas brancas e 3 pretas
(caso 3) ou
4) escolha de uma bola preta no 1 sorteio e de uma preta no 2 sorteio
quando a urna escolhida a que tem 3 bolas brancas e 3 pretas (caso
4).

As probabilidades dos 4 casos acima so:

P(caso 1) = (1/2)x(3/4)x(1/4) = 3/32

P(caso 2) = (1/2)x(1/4)x(3/4) = 3/32

P(caso 3) = P(1/2)x(1/2)x(1/2) = 1/8

P(caso 4) = P(1/2)x(1/2)x(1/2) = 1/8

Temos que somar as probabilidades dos 4 casos. Logo, a probabilidade de
ocorrer uma branca e uma preta

(2 x 3/32) + (2 x 1/8) = 3/16 + 1/4 = 7/16.

GABARITO: B

15. (AFPS/2002/ESAF) Suponha que a probabilidade de um evento C seja
0,4 e que a probabilidade condicional do evento D dado que C ocorreu seja
0,2. Assinale a opo que d o valor da probabilidade de ocorrncia de D e C

A) 0,50
B) 0,08
C) 0,00
D) 1,00
E) 0,60

Resoluo

Trata-se de aplicao da regra da multiplicao: P(DC) = P(D|C).P(C).

P(DC) = P(D|C).P(C) = 0,2 x 0,4 = 0,08.

GABARITO: B

44

(Analista do INSS com formao em estatstica/2008/Cespe) Texto
para os itens de 16 a 20

perfil A B C total
Nmero de trabalhadores
(em milhes de pessoas)
3 8 8 19

Um projeto do governo tinha como objetivo atrair para o sistema
previdencirio uma parcela de trabalhadores que no eram contribuintes do
INSS. Na ocasio em que tal projeto havia sido proposto, pelos clculos do
governo, existiam no pas 19 milhes de trabalhadores com mais de 16 anos e
renda mensal de um ou mais salrios mnimos que no contribuam para a
previdencia. Esses trabalhadores foram classificados de acordo com tres perfis
A, B e C, e a distribuico do nmero de trabalhadores em cada perfil est no
quadro acima. A expectativa do governo era a seguinte: entre as pessoas com
o perfil A, a probabilidade de entrada para o sistema previdencirio era de 0,8;
para as de perfil B, a probabilidade de entrada para o sistema era de 0,5 e os
de perfil C entrariam no sistema com uma probabilidade igual a 0,1.

Correio Braziliense, 15/11/2006, p. A-14 (com adaptaes).

Com base nas informaes apresentadas no texto acima, julgue os itens
seguintes.

16. Na ocasio em que o projeto havia sido proposto, a probabilidade de uma
pessoa entre os 19 milhes de trabalhadores entrar para o sistema
previdencirio era superior a 0,35 e inferior a 0,40.

Resoluo

Dados:

P(entrada|A) = 0,8, P(entrada|B) = 0,5 e P(entrada|C) = 0,1.

P(A) = 3/19, P(B) = 8/19 e P(C) = 8/19. Note que P(A) + P(B) + P(C) =
3/19 + 2 x 8/19 = 1, pois A, B e C so eventos mutuamente exclusivos.

A probabilidade total de uma pessoa entrar para o sistema previdencirio
dada por

P(entrada) = P(entrada|A).P(A) + P(entrada|B).P(B) + P(entrada|C).P(C)

P(entrada) = (0,8 x 3/19) + (0,5 x 8/19) + (0,1 x 8/19) = 7,2/19 0,38.

Portanto, a probabilidade de uma pessoa entre os 19 milhes de trabalhadores
entrar para o sistema previdencirio era superior a 0,35 e inferior a 0,40. O
item est certo.
45

GABARITO: C

17. A expectativa do governo era de que mais de 7 milhes de trabalhadores
fossem atrados para o sistema previdencirio.

Resoluo

P(entrada) = 0,38 = 38% representa a frao da populao que entraria
para o sistema da previdncia. Logo, a expectativa do governo era de que

0,38 x 19 milhes 7,22 milhes fossem atrados para o INSS. O item est
certo.

GABARITO: C

18. Um trabalhador que atende s condies do projeto do governo, decidiu
entrar para o sistema de previdncia. A probabilidade de ele ser um
trabalhador do perfil A superior a 0,4.

Resoluo

O item poderia ser parafraseado da seguinte forma: dado que um trabalhador
entrou para o sistema de previdncia, qual a probabilidade de ter o perfil A,
ou seja, qual a probabilidade da causa ser o grupo A?

Precisamos aplicar a regra de Bayes (probabilidade da causa dado o efeito):

P(A|entrada) = P(entrada|A).P(A)/P(entrada),

P(A|entrada) = (0,8 x 3/19)/0,38 (0,8 x 3/19)/0,4 = 2 x 3/19 1/3 0,33
inferior a 0,4. O item est errado.

Nota: voc notou que as contas acima foram feitas de forma aproximada?
Recomendamos que voc adote esta ttica na prova. Deste modo, o tempo
economizado na resoluo desta questo poder ser usado para resolver
outra(s) questo(es).

GABARITO: E

Ainda com relao ao texto e considerando que a probabilidade de dois
trabalhadores selecionados aleatoriamente entre aqueles com o perfil A
entrarem para o sistema previdencirio igual a , julgue os itens
subseqentes.

19. Por ser uma probabilidade, pode assumir qualquer valor entre 0 e 1.

46

Resoluo

Sejam os dois trabalhadores selecionados do grupo A denotados por T1 e T2.
Suponha que voc escolha T1 e depois T2. Como o espao amostral muito
grande (lembre que o grupo A tem 3 milhes de pessoas), podemos considerar
que

P(T2 entrar no sistema dado que T1 foi escolhido) = P(T2 entrar no sistema),
pois a escolha aleatria de T1 no muda a probabilidade de T2 entrar no
sistema conceito de independncia. Ento,

P(T1 e T2 entrarem no sistema|A) = P(entrada|A) x P(entrada|A) = 0,8 x 0,8
= 0,64 = .

Logo tem um valor fixo (= 0,64) e no pode assumir qualquer valor entre 0
e 1. Percebeu a sutileza deste item?

GABARITO: E

20. O nmero esperado de trabalhadores do perfil A que entraro no sistema
previdencirio aumenta medida que aumenta.

Resoluo

A expectativa do nmero de trabalhadores do perfil A que entraro no sistema
previdencirio aumentar se a probabilidade P(entrada|A) aumentar. O
aumento de consequncia do aumento de P(entrada|A) e no sua causa,
como sugerido pelo item. Assim, conclumos que o item est errado.

GABARITO: E

Aula 15

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 15

Enviado por

Direitos autorais:

Formatos disponíveis

N u b i a A l v e s d e O l i v e i r a , C P F : 7 1 3 5 9 2 2 2 2 0 0

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados

Você também pode gostar