Você está na página 1de 17

EAD

Teoria Elementar
de Probabilidade

1. Objetivos
Trabalhar os princpios elementares das probabilidades.
Compreender as relaes matemticas das probabilidades.

2. Contedos
Conceitos de conjuntos e eventos e suas relaes.
Formulao bsica da probabilidade frequentista.
Dependncia e independncia.

3. ORIENTAES para o estudo da unidade


Antes de iniciar o estudo desta unidade, importante que
voc leia as orientaes a seguir:

120

Estatstica

1) Se encontrar dificuldades, no desanime! No se esquea de acessar a Sala de Aula Virtual! Interaja, pois, dessa
maneira, voc ampliar seus conhecimentos.
2) importante refletir sobre alguns conceitos introdutrios essenciais, que sero discutidos com mais detalhes
durante o andamento desse Caderno de Referncia de
Contedo.
Conjunto: uma reunio de elementos que possuem,
pelo menos, uma caracterstica em comum. Em probabilidade, a teoria e as aplicaes so definidas pela
utilizao de conjuntos e subconjuntos. Um importante conjunto que utilizamos em probabilidade o chamado espao amostral.
Relaes entre conjuntos: as relaes existentes nas
probabilidades so fundamentadas nas relaes entre
conjuntos, visto que em destaque temos as relaes
de exclusividade entre conjuntos, ou seja, exclusivos
quando no possuem elementos em comum ou no
exclusivos quando possuem elementos em comum.
Operaes entre conjuntos: como as probabilidades
so fundamentadas em conjunto, as operaes realizadas com as probabilidades so fundamentadas nas
operaes entre conjuntos, visto que em destaque temos a unio entre conjuntos, denotada por , e a
interseco entre conjuntos, denotada por e que
representa os elementos em comum entre os conjuntos.

4. Introduo unidade
Qual a importncia em estudar probabilidades? Para responder a essa pergunta, devemos pensar que, infelizmente, grande
parte dos fenmenos naturais e envolvidos nos cenrios empresariais caracterizada por variveis aleatrias. Mais adiante daremos

U5 - Teoria Elementar de Probabilidade

121

uma definio mais formal, mas para iniciar nossa discusso, podemos dizer que fenmenos aleatrios so aqueles rodeados por
incertezas, que de uma forma geral uma caracterstica inerente
aos estudos que envolvem Estatstica. Assim, para avanarmos nas
anlises estatsticas, necessria a incorporao de componentes
probabilsticos.
Apesar da origem histrica das probabilidades remeter ao
uso em jogos de azar, com o passar do tempo e com o avano das
cincias aplicadas, a probabilidade foi se tornando uma importante ferramenta analtica e hoje em dia aplicada nas mais diferentes
reas, desde a eficincia de um medicamento, passando por exames de DNA, estudos de qualidade em produo industrial, medidas de avaliao utilizadas por agncias governamentais, certificaes, entre tantas outras. Dessa forma, podemos dizer que aquela
probabilidade que estudamos no Ensino Mdio, limitadas muitas
vezes por aplicaes em jogos, no ser suficiente para nossos objetivos. Por isso estudaremos o contedo necessrio para aplicar
as probabilidades nas anlises de dados estatsticos.
Voc perceber que nesse estgio do nosso estudo das probabilidades, a matemtica necessria bem elementar, mas importante compreender a montagem e anlise das probabilidades
desde o incio, assim no deixe dvidas durante o desenvolvimento deste Caderno de Referncia de Contedo.
Bons estudos!

5. CONCEITOS IMPORTANTES
Como dito anteriormente, apesar das probabilidades possurem uma vasta aplicao, iniciaremos nossos estudos por situao
mais simples e de mais fcil visualizao. Com o decorrer dos estudos incluiremos situaes mais relacionadas com o dia a dia. De
forma simplificada, as probabilidades foram desenvolvidas para
atribuir chances de ocorrncias para particulares resultados de
Claretiano - Centro Universitrio

122

Estatstica

uma dada situao.


A chance de perder ou ganhar, e os nmeros que definem
essa chance fez com que o matemtico francs Blaise Pascal iniciasse o estudo da teoria das probabilidades.
Durante o desenvolvimento desse trabalho vamos fixar alguns conceitos que sero interessantes para a compreenso da teoria das probabilidades. Procure no decorar esses conceitos e sim
entender seu significado, pois eles sero associados a outros para
anlises e determinao de ndices.
1) Fenmenos aleatrios e determinsticos: chamamos
fenmenos aleatrios a todos aqueles que podem ser
repetidos infinitamente sob as mesmas condies e cujo
resultado s conhecido, com certeza, aps sua finalizao, ou seja, no temos certeza do resultado final,
ou ainda, o resultado final incerto. Ao contrrio, os fenmenos determinsticos so aqueles que, se repetidos
infinitas vezes, sob as mesmas condies sempre produzem o mesmo resultado que conhecido previamente,
ou seja, predeterminado. Por exemplo, se voc jogar
uma pedra dentro de um balde cheio de gua ela afundar? Voc deve ter respondido que sim, mesmo sem
ter feito o experimento, certo? Por qu? Simples, sua
percepo e visualizao do fenmeno e intuio fsica
j antecipam o resultado certo (determinstico). Agora,
se jogarmos a mesma pedra para o alto em direo a um
ptio contendo 100 baldes cheios de gua, em qual balde cair a pedra? Notou a diferena, agora no podemos
afirmar o que vai acontecer, pois o resultado aleatrio.
2) Espao amostral: em se tratando de fenmenos aleatrios, para lidar com a incerteza, por meio de medidas
de probabilidade, somos obrigados a definir o conjunto de possibilidades, ou seja, como no temos certeza
do resultado final devemos, pelo menos, listar todos os
possveis resultados, que chamado espao amostral,
podendo ser denotado por S ou por . Por exemplo,
no lanamento de um dado honesto o espao amostral
ser S = {1, 2,3, 4,5, 6} .

U5 - Teoria Elementar de Probabilidade

123

3) Eventos aleatrios: um evento aleatrio nada mais do


que o resultado de interesse no estudo de um particular
fenmeno aleatrio e que sempre ser um resultado do
espao amostral. Por exemplo, no caso do lanamento
do dado honesto (no viciado), um evento pode ser "sair
um nmero maior que 3".
4) Eventos mutuamente exclusivos: para exemplificar podemos citar como exemplo a moeda. Se jogarmos uma
moeda as duas faces (cara e coroa) no podem ocorrer
ao mesmo tempo, logo so eventos mutuamente exclusivos. O mesmo ocorre com um dado. Os nmeros no
podem ocorrer ao mesmo tempo, ento tambm so
mutuamente exclusivos. Eventos mutuamente exclusivos so tambm chamados disjuntos.
5) Eventos no mutuamente exclusivos: para exemplificar
podemos citar como exemplo o dado. Se jogarmos um
dado e definir dois eventos do tipo "sair um nmero par"
e em outro evento "sair um nmero maior que 4", voc
pode notar que se sair o nmero 6 no dado os dois eventos ocorrero simultaneamente, ou seja, podem ocorrer
ao mesmo tempo, logo so eventos no mutuamente
exclusivos, que tambm so chamados no disjuntos.
6) Eventos igualmente provveis: podemos citar como
exemplos a moeda, pois as duas faces tm a mesma
chance de ocorrer, assim como as seis faces de um dado.

6. a probabilidade FREQUENTISTA
Por definio, uma probabilidade pode assumir qualquer valor entre 0 e 1. Ainda, as probabilidades podem ser representadas
em valores fracionrios ou em valores percentuais, ou seja, uma
probabilidade igual a 1 tambm pode ser escrita como 0,50 ou
2
como 50%.
Vamos fixar uma frmula bsica para a determinao da probabilidade e, assim, voc notar que ficar fcil fazer os clculos.

Claretiano - Centro Universitrio

124

Estatstica

Supondo a realizao de uma ao aleatria qualquer com


um espao amostral S construdo, definimos um evento aleatrio
A de interesse e a probabilidade P de ocorrncia do evento A considerando o espao amostral S, que denotamos por P(A), assim
definida por:
P( A) =

#( A)
n( A)
ou P( A) =
n( S )
#( S )

Onde n( A) ou #( A) representa o nmero de resultados favorveis ao evento A e n( S ) ou #( S ) representa o nmero de resultados possveis que esto no espao amostral.
Veja a seguir alguns exemplos.
Exemplo 1
Joga-se uma moeda. Qual a probabilidade de sair cara?
Assim, o espao amostral S : S = {cara, coroa} . O evento de
interesse A : A = {sair cara} . Devemos calcular P(A). Note que temos dois resultados possveis (cara ou coroa), ento n( S ) = 2 , e dos
casos possveis apenas um deles favorvel ao evento de interesse
A (temos uma cara apenas), ento n( A) = 1 , logo:
P(=
A)

n( A)
=
n( S )

1
=
2

0,5 ou 50%

Exemplo 2
Joga-se um dado comum. Ento, qual a probabilidade de
sair um nmero menor que 3?
Temos seis resultados possveis (os nmeros 1, 2, 3, 4, 5 e 6)
e desses casos possveis temos dois favorveis (os nmeros 1 e 2),
logo:

U5 - Teoria Elementar de Probabilidade

)
P( A=

n( A)
=
n( S )

2
=
6

125

1
= 0,3333
= 33,33%
3

Exemplo 3
par?

Joga-se um dado. Qual a probabilidade de sair um nmero

So seis casos possveis e trs casos favorveis (os nmeros


2, 4 e 6), logo:
)
P( A=

n( A)
=
n( S )

3
=
6

1
= 0,5
= 50%
2

Exemplo 4
Retira-se uma carta qualquer de um baralho. Qual a probabilidade de sair um s?
So 52 possveis possibilidades (no baralho h 52 cartas) e
dos casos possveis, teremos quatro favorveis (no baralho h 4
ases), logo:
P (=
A)

n( A)
=
n( S )

4
=
52

1
= 0, 0769... 7, 69%
13

Exemplo 5
Uma pessoa possui trs pares de meias, de cores diferentes,
todas colocadas em uma mesma gaveta. Se a pessoa escolher aleatoriamente duas meias, qual a probabilidade de formar um par
com a mesma cor?
Veja que para esse exemplo o espao amostral corresponde
a todas as possibilidades de retiradas de duas meias de dentro da
gaveta. Podemos representar da seguinte forma: 1 par de meias
Claretiano - Centro Universitrio

126

Estatstica

(d1, e1) , 2 par de meias (d 2, e2) e 3 par de meias (d 3, e3) . Assim, todas as retiradas de duas meias compreendem um espao
amostral S da forma:
(d1, e1), (d1, e2), (d1, e3), (d 2, e1), (d 2, e2), (d 2, e3), ( d 3, e1),

S =

(d 3, e2), (d 3, e3), (d1, d 2), (d1, d 3), (d 2, d 3), (e1, e2), (e1, e3), (e2, e3)

Note que n( S ) = 15 possveis resultados. Dentre esses 15


resultados, em apenas trs deles o par de meias est correto e
tem a mesma cor: (d1, e1) , (d 2, e2) e (d 3, e3) . Assim, temos que
n( A) = 3 . Ento, a probabilidade procurada :
P( A=
)

n( A)
=
n( S )

3
=
15

1
= 0, 20
= 20%
5

Exemplo 6
Considere um baralho comum, com quatro diferentes naipes
e 13 cartas em cada naipe, totalizando 52 cartas. Se uma carta for
retirada aleatoriamente do baralho, qual a probabilidade de a carta ter um nmero par? Qual ser a probabilidade de ter uma letra?
Veja que, para esse exemplo, o espao amostral corresponde
a todas as possibilidades de retiradas de uma carta do baralho, ou
seja, n( S ) = 52 . Para calcular a probabilidade de a carta retirada
ter um nmero par, temos de considerar todos os eventos dessa
natureza, ou seja, sair o nmero 2, 4, 6, 8 ou 10 de cada um dos
naipes, ou seja, 5 diferentes nmeros pares em cada um dos quatro naipes. Assim, n( A) = 20 . Ento a probabilidade :
P(=
A)

n( A)
=
n( S )

20
=
52

10
=
26

5
13

Agora, para calcular a probabilidade de a carta ter uma letra, temos de considerar todos os eventos dessa natureza, ou seja,
conter a letra A, J, Q ou R de cada um dos naipes, ou seja, 4 diferentes letras em cada um dos quatro naipes. Assim, n( A) =16 .

U5 - Teoria Elementar de Probabilidade

127

Ento, a probabilidade :
P(=
A)

n( A)
=
n( S )

16
=
52

8
=
26

4
13

7. RELAES ENTRE EVENTOS ALEATRIOS


Nos casos discutidos anteriormente, trabalhamos com apenas um evento A de cada vez, mas nem sempre assim. Como
ficam as probabilidades quando temos dois ou mais eventos? Em
geral, so duas as operaes entre eventos: unio ( ) e interseco ( ) .
A utilizao das operaes de unio emprega os conceitos de
eventos disjuntos e no disjuntos discutidos anteriormente, visto
que:
) P ( A) + P ( B )
Se A e B so disjuntos: P ( A B=
Se A e B so no disjuntos:
P ( A B )= P ( A) + P ( B ) P ( A B ) .
Exemplo 1
Considere o lanamento de dois dados honestos, gerando o
espao amostral de 36. Qual a probabilidade de termos nmero
par nos dois dados ou de sarem dois nmeros cuja soma seja igual
a cinco?
Analisando o evento A = {sair nmero par nos dois dados},
podemos verificar que dos 36 resultados possveis, em apenas 9
deles teremos dois nmeros pares, a saber:
{(2, 2) (2, 4) (2, 6) (4, 2) (4, 4) (4, 6) (6, 2) (6, 4) (6, 6)} :
P=
( A)

n( A) 9
=
n( S ) 36
Claretiano - Centro Universitrio

128

Estatstica

Analisando o evento B = {sair dois nmeros cuja soma seja


igual a cinco}, podemos verificar que dos 36 resultados possveis,
em apenas quatro deles teremos uma soma igual a 5, a saber
{(1, 4) (2, 3) (3, 2) (4, 1)} . Ento:
P=
( B)

n( B ) 4
=
n( S ) 36

Como queremos o evento A ou o evento B, e estes so disjuntos (note que no existe nenhum resultado em comum entre A e
B), fazemos:
P( A B ) = P ( A) + P ( B ) =

4
9 13
+
=
36 36 36

Exemplo 2
Considere o lanamento de dois dados honestos, gerando o
espao amostral de 36. Qual a probabilidade de termos nmero
par nos dois dados ou de sarem dois nmeros cuja soma seja igual
a seis?
Analisando o evento A = {sair nmero par nos dois dados}, podemos verificar que dos 36 resultados possveis, em
apenas 9 deles teremos dois nmeros pares e, portanto, a saber
{2, 2) (2, 4) (2, 6) (4, 2) (4, 4) (4, 6) (6, 2) (6, 4) (6, 6)} :
=
P( A)

n( A)
=
n( S )

9
36

Analisando o evento B = {sair dois nmeros cuja soma


seja igual a seis}, podemos verificar que dos 36 resultados possveis, em apenas 5 deles teremos uma soma igual a 6, a saber
{(1, 5) (2, 4) (3, 3) (4, 2) (5, 1)} . Ento:
P=
( B)

n( B ) 5
=
n( S ) 36

Como queremos o evento A ou o evento B, e estes so no

U5 - Teoria Elementar de Probabilidade

129

disjuntos (note que existem dois resultados em comum entre A e


B, que chamamos interseco entre A e B), fazemos:
P( A B ) = P ( A) + P ( B ) P ( A B ) =

9
5
2 12
1
+

=
=
36 36 36 36
3

Exemplo 3
Trs estudantes esto em um torneio de natao, que admite apenas um vencedor. Pelo retrospecto dos trs, imagina-se
que o nadador 1 e o nadador 2 tenham a mesma probabilidade de
vencer, que igual a 3 . O nadador 3 tem menor probabilidade
7 1
de vencer, que igual a . Ento, qual a probabilidade de que o
7
nadador 1 ou o nadador 3 vena o torneio?
Pelo enunciado, como s admitido um vencedor, os eventos A = {nadador 1 vencer} e B = {nadador 3 vencer} so disjuntos,
ou seja, os estudantes no podem vencer ao mesmo tempo o torneio. Assim, para calcular a probabilidade, utilizamos:
P( A B ) = P ( A) + P ( B ) =

3
1
4
+
=
7
7
7

Exemplo 4
Em um colgio foi realizada uma pesquisa sobre atividades
extracurriculares de seus alunos. Dos 500 alunos entrevistados,
240 praticavam um tipo de esporte, 180 frequentavam algum curso de idiomas e 120 realizavam as duas atividades, ou seja, praticavam algum esporte e frequentavam algum curso de idiomas. Se
dos alunos entrevistados um escolhido ao acaso, qual a probabilidade de que ele realize uma das duas atividades, ou seja, esportes ou curso de idiomas?
Claretiano - Centro Universitrio

130

Estatstica

Pelo enunciado, vemos que possvel um aluno executar as


duas atividades, praticar um esporte e estudar um idioma, sendo
assim A = {esporte} e B = {idioma} so eventos no disjuntos. Assim, para calcular a probabilidade, utilizamos:
P ( A B ) = P ( A) + P ( B ) P ( A B ) =
=

3
= 0,=
6 60%
5

240 180 120 300


+

=
=
500 500 500 500

8. PROBABILIDADE CONDICIONAL E INDEPENDNCIA


Vimos que para dois ou mais eventos podemos ter as relaes de exclusividade ou no exclusividade. Ainda, podemos estabelecer a relao de dependncia ou independncia. As probabilidades que estudam as relaes de dependncia ou independncia
so chamadas probabilidades condicionais e so teis no clculo
da probabilidade de ocorrncia de um particular evento condicionado (dependente) da ocorrncia de outro evento a priori.
Para ilustrar, vamos apresentar um exemplo prtico. Imagine
que um dado foi lanado. Qual a probabilidade de ter ocorrido o
nmero 3? J vimos que a probabilidade dada pelo quociente
entre o nmero de casos favorveis e o nmero de casos possveis,
portanto, encontramos:
P( sair o nmero=
3)

1
=
6

0,1667 ou 16, 67%

Agora, supondo que o dado foi lanado e sabemos que ocorreu um nmero mpar. Qual a probabilidade de ter ocorrido o nmero 3?
Veja que agora, aps a informao dada, os resultados possveis para o lanamento do dado no so 6, mas apenas 3, ou seja,
S = {1, 2, 5} , apenas nmeros mpares.

U5 - Teoria Elementar de Probabilidade

131

Note que a probabilidade de ocorrer determinado evento


pode ser modificada quando se coloca uma condio. Para o exemplo dado anteriormente, a chance de ocorrer o nmero 3 no jogo
de um dado 16,67%, mas, sob a condio de ter ocorrido face
1
= 0,3333
com nmero mpar, a probabilidade de ocorrer 3
3
ou 33,33%.
Veja que antes da informao P ( sair 3) = 16, 67% , e, aps
a informao, P ( sair 3) = 33,33% . Como ocorreu uma mudana
na probabilidade, dizemos que o fato de sair 3 e a informao de
ter sado um nmero mpar so dependentes.

9. Notao de Probabilidade Condicional


Quando temos eventos dependentes, podemos representar as probabilidades condicionais da forma P(A/B), que significa
a probabilidade do evento A dada a informao sobre a ocorrncia
do evento B. No exemplo, P( saiu 3 / saiu mpar ) = 33,33% .
Da mesma forma que existem eventos dependentes, existem tambm eventos independentes. Vejamos um exemplo para
ilustrar o conceito de independncia. Se eu jogar um dado e uma
moeda, qual a probabilidade de sair o nmero 2 no dado se saiu
cara na moeda?
No exemplo, o espao amostral corresponde a todas as possibilidades de juntar as faces da moeda com as faces do dado:
S = {(cara, 1) (cara, 2) (cara, 3) (cara, 4) (cara, 5) (cara, 6) (coroa, 1)
(coroa, 2) (coroa, 3) (coroa, 4) (coroa, 5) (coroa, 6)}

Assim, temos 12 resultados possveis, n( S ) = 12 . Considerando o evento sair o nmero 2 no dado, teremos dois casos favorveis, n( A) = 2 , ento:

Claretiano - Centro Universitrio

132

Estatstica

P(=
A)

n( A)
=
n( S )

2
=
12

1
6

Agora se dissermos que ocorreu a sada de cara na moeda,


uma informao, qual ser a probabilidade de sair 2 no dado? Com
a informao, dos 12 resultados anteriores, ficamos apenas com
aqueles que possuem cara na moeda, ou seja:
S = {(cara, 1) (cara, 2) (cara, 3) (cara, 4) (cara, 5) (cara, 6)}
:

Nesse caso, a n( S ) = 6 e a probabilidade de sair 2 no dado


( A)
P=

n( A) 1
=
n( S ) 6

Note que independentemente da informao sobre a moeda,


a probabilidade de sair o nmero 2 no dado no se alterou.
Como no ocorreu uma mudana na probabilidade, dizemos
que o fato de sair 2 e a informao de ter sado cara so eventos
independentes.
O conceito de E e de OU
Considerando eventos independentes ou dependentes,
sempre que a interpretao do problema nos leva a utilizao de
E para juntar os eventos, devemos multiplicar as probabilidades.
Por exemplo, se jogarmos um dado duas vezes para o alto,
qual a probabilidade de sair o nmero 2 na primeira jogada E o
nmero 5 na segunda jogada?
A probabilidade de sair o nmero 2 na primeira jogada 1
6
E a probabilidade de sair o nmero 5 na segunda jogada 1 . A
6
1 .
soluo final ser: 1 1 =
6 6
36

U5 - Teoria Elementar de Probabilidade

133

Em casos de eventos disjuntos, sempre que podemos dizer


OU devemos somar as probabilidades, ou seja, no caso de jogar
um dado, qual a probabilidade de sair o nmero 3 OU o nmero 4?
A probabilidade de sair o nmero 2 1 . Sabemos tambm
1 6
que a probabilidade de sair o nmero 4 . Assim a probabilidade
6
de sair o nmero 2 OU o nmero 4 ser:
1
1
2
1
+
=
=
6
6
6
3
Exemplo 1
Em um lote de 12 peas, com 4 defeituosas, 3 so
selecionadas ao acaso, sendo uma aps a outra e sem reposio.
Qual a probabilidade de todas serem defeituosas?
Pelo enunciado, temos:

4
12
3
P(2 ser defeituosa) =
11
2
P(1 ser defeituosa) =
10

P(1 ser defeituosa) =

Note que como as retiradas so sem reposio, a cada retirada diminui uma pea do lote, passando de 12 para 11 e para 10,
o mesmo ocorrendo com as peas boas. Uma retirada depende da
outra.
Como queremos todas as trs defeituosas, dizemos 1 E 2
E 3 defeituosas, que ser representada pela multiplicao. Voc
est lembrado que falamos do E anteriormente? Temos ento:

Claretiano - Centro Universitrio

134

Estatstica

P (1 E 2 E 3 )

4 3 2
1

=
12 11 10
55

Exemplo 2
O ndice de falha de um sistema eltrico de um equipamento
de 1 em 10 000 . Suponha que cada equipamento tenha dois sistemas idnticos e independentes. Qual a probabilidade de ocorrer
uma falha no equipamento, ou seja, falharem os dois sistemas?
Como os equipamentos so independentes, basta multiplicarmos as probabilidades de falha de cada um:
P(1 falhar E 2 falhar ) =

1
1

=
10 000 10 000

1
100 000 000

10. questes autoavaliativas


Confira, a seguir, as questes propostas para verificar seu desempenho no estudo desta unidade:
1) UA forquilha mgica um instrumento que permite detectar gua ou minerais, e que se inclina para baixo ao ser mantido acima de um veio desses
recursos naturais. Para testar o sucesso apregoado por um especialista no
assunto, quatro latas foram enterradas, sendo duas cheias de gua e duas
vazias. O tcnico dever indicar as duas latas que acredita estarem cheias de
gua, utilizando a forquilha mgica. Partindo do princpio de que a forquilha
no funciona, qual a probabilidade de acerto do tcnico?
2) Em uma instituio de Ensino Superior, sabe-se que dos 1300 alunos matriculados no primeiro ano de seus cursos, 750 cursaram todo o Ensino Mdio em escola pblica e que 500 estudantes possuem renda familiar abaixo
de R$ 700, 00 . Sabe-se, tambm, que do total de alunos matriculados, 200
cursaram todo o Ensino Mdio em escola pblica e possuem renda familiar
abaixo de R$ 700, 00 . Se um aluno matriculado no primeiro ano for escolhido aleatoriamente, qual ser a probabilidade de ter cursado todo o Ensino
Mdio em escola pblica ou possuir renda familiar abaixo de R$ 700, 00 ?

U5 - Teoria Elementar de Probabilidade

135

3) Em certa cidade o tempo, bom ou chuvoso, igual ao do dia anterior com


2
probabilidade
. Se hoje faz tempo bom, qual a probabilidade de que cho3
va depois de amanh?
3
3
4) Joo e Jos dizem a verdade com probabilidades iguais a 4 e 5 , res
pectivamente, independentemente um do outro. Joo faz uma afirmao e
Jos diz que ele mentiu. Calcular a probabilidade de que Joo tenha dito a
verdade.

Gabarito
Confira, a seguir, as respostas corretas para as questes autoavaliativas propostas:
1) 16,67%.
2) 80,77%.
3) 44,44%.
4) 30%.

11. consideraes
Por meio da compreenso dos conceitos gerais de probabilidade e a aplicao dos mtodos em exemplos prticos, finalizamos
esta unidade. Na prxima unidade daremos continuidade ao estudo da Estatstica Aplicada aplicando a probabilidade nas distribuies de frequncias, analisando e interpretando seus resultados.
Bons estudos!

12. referncias bibliogrficas


FONSECA, J. S. Curso de Estatstica. 6. ed. So Paulo: Atlas, 1996.
LIPSCHUTZ, S. Probabilidade. 4. ed. So Paulo: Makron Books, 1993.
MARTINS, G. A. Estatstica geral e aplicada. 2. ed. So Paulo: Atlas, 2002.
MORETTIN, L. G. Estatstica bsica: probabilidade e inferncia. So Paulo: Pearson, 2010.
OLIVEIRA, F. E. M. Estatstica e probabilidade. 2. ed. So Paulo: Atlas, 1999.

Claretiano - Centro Universitrio