Capitulo 3 - Introd A Probabilidade

38
Introdução à Probabilidade
3. Introdução à Probabilidade
3.1. Introdução
A teoria da probabilidade trata detalhadamente as características dos experimentos
aleatórios. Sua aplicação está presente em várias áreas do conhecimento: medicina, biologia,
ciências sociais, engenharia, entre outras. Num experimento a ocorrência de um particular resultado
não pode ser prevista com exatidão. De imediato, pensamos nos jogos de azar que deram origem à
teoria da probabilidade no século XVI.
Alguns experimentos têm a propriedade de que sua execução, repetida sob um conjunto de
condições iniciais fixadas, produzem invariavelmente os mesmos resultados. Estes experimentos
são chamados de determinísticos e não são estudados pela teoria da probabilidade por não envolver
incerteza.
Existem muitos outros experimentos que repetidos sob condições fixadas, não produzem
sempre o mesmo resultado. Esses experimentos são chamados de aleatórios ou não-determinísticos
e são objetos de estudo da teoria da probabilidade.
Inicialmente podemos admitir como impossível fazer qualquer afirmação exata sobre os
experimentos aleatórios (Hoel et al., 1978). Entretanto, podemos observar que muitos deles exibem
uma regularidade estatística. Isto pode ser ilustrado considerando o lançamento de uma moeda n
vezes. Para qualquer lançamento individual da moeda não podemos fazer previsão certa quanto a
ocorrência de cara ou coroa, mas as observações mostram que para um grande número de
lançamentos a proporção de caras parece oscilar em torno de algum número fixo p entre 0 e 1,
sendo p muito próximo de 1/2 se a moeda for equilibrada. Os resultados se comportam como se a
proporção de caras em n lançamentos, convergisse para p, ao fazer n tender a infinito. Podemos
considerar esta proporção limite p como a probabilidade de que a face voltada para cima em um
único lançamento de uma moeda seja cara.
3.2. Conceitos Básicos
3.2.1. Experimento Aleatório: É um experimento , em que, antes de ser executado, não se

pode prever com certeza que particular resultado ocorrerá.
39
Exemplo 3.1 – Seja : Lançamento de uma moeda honesta duas vezes e anota-se a face voltada
para cima.
A esse experimento temos o seguinte espaço amostral associado:
Ω = {(cara, coroa) , (coroa, cara) , (cara, cara) , (coroa, coroa)}.
3.2.2. Espaço Amostral: É o conjunto Ω de todos os resultados possíveis de um experimento

aleatório. Ω pode ser finito, infinito enumerável ou infinito não-enumerável.
No caso discreto e finito, se cada ponto amostral ∈Ω= 1, 2, … , for igualmente

provável, então é chamado de evento simples, para todo = 1, 2, … , .
3.2.3. Evento (A, B, C, ... , H, ... ): É qualquer subconjunto do espaço amostral Ω . No

experimento do Exemplo 3.1, temos os seguintes eventos simples:
{( c , c )}, {( c , c )}, {( c, c )}, {( c , c )} , onde c = cara, c = coroa.
Seja A o evento "obter exatamente uma cara". Ao evento A temos os seguintes eventos
simples associados: {cc} , {c c} . Isto é, A = { cc , c c }.
Quando o espaço amostral Ω contiver k elementos, então, teremos 2k subconjuntos (eventos)

associados a Ω.
Exemplo 3.2 – Suponha que um jogador decide jogar numa roleta até conseguir a primeira vitória.
Se temos interesse no número de tentativas possíveis um espaço amostral associado é dado por:
Ω = 1,2,3, … .
Note que este espaço amostral é infinito enumerável.
Exemplo 3.3 – Uma lâmpada é fabricada, em seguida é colocada para funcionar. O tempo, em
horas, de duração até falhar é registrado. Um espaço amostral associado a este experimento é dado
por:
Ω= ∈ ℝ ∶ > 0 , onde, ℝ = conjunto dos números reais.

40
Neste caso temos um exemplo de espaço amostral Ω infinito não-enumerável. Podemos representar
um evento indicando que o tempo de duração até falhar é superior a 5000 horas na forma:
= ∈ ℝ ∶ > 5000 .
3.2.4. Operações Entre Eventos
DEFINIÇÃO 3.1: A união de dois eventos A e B, denotada por A ∪ B , é o evento que ocorre se
pelo menos um desses eventos ocorre.
DEFINIÇÃO 3.2: A interseção de dois eventos A e B, denotada por A ∩ B , é o evento que ocorre
se ambos ocorrem.
DEFINIÇÃO 3.3: O complementar do evento A, denotado por A , é o evento que ocorre quando A
não ocorre.
Utilizando os diagramas de Venn, teremos:
Ω Ω Ω
A∩B A∪B A
Figura 3.1 – Representação por diagramas de Venn dos conjuntos: A ∩ B , A ∪ B e A.
Observar que, ∩ ∪ ̅∩ = − ∪ − . Sendo que − é chamada de

diferença de em relação a .
Por meio dos diagramas de Venn podemos verificar as seguintes identidades:

(a) A ∪ B = B ∪ A . (b) A ∩ B = B ∩ A .
(c) A ∪ (B ∪ C) = (A ∪ B) ∪ C . (d) A ∩ (B ∩ C) = (A ∩ B) ∩ C .
(e) A ∪ (B ∩ C) = (A ∪ B) ∩ ( A ∪ C) . (f) A ∩ (B ∪ C) = (A ∩ B) ∪ ( A ∩ C) .
(g) A ∩ φ = φ . (h) A ∪ φ = A .
_________ _________
(i) (A ∪ B) = A ∩ B . (j) (A ∩ B) = A ∪ B . (k) A = A .
41
n
DEFINIÇÃO 3.4: O evento ∪ Ai ocorre quando pelo menos um dos eventos Ai para i = 1, 2, ...,
i =1
n ocorrer.
n
DEFINIÇÃO 3.5 : O evento ∩ Ai ocorre quando todos os eventos Ai , i = 1, 2, ..., n ocorrerem.
i =1
DEFINIÇÃO 3.6 : Dois eventos A e B num mesmo espaço amostral são denominados mutuamente
excludentes ou disjuntos, se eles não puderem ocorrer juntos. Em notação de conjuntos, A e B são
mutuamente excludentes se A ∩ B = φ .
Exemplo 3.4 - Um componente eletrônico é testado e o tempo de duração até falhar T é registrado.
Considere que o espaço amostral seja Ω = { ∶ ≥ 0}. Sejam A, B e C três eventos definidos da
seguinte maneira: A = {t : t < 100} ; B = {t : 50 ≤ t ≤ 200} ; C ={ t : t > 150}. Então,
A ∪ B = {t : t ≤ 200} ; A ∩ B = {t : 50 ≤ t < 100} ; B ∪ C = {t : t ≥ 50}

B ∩ C = {t : 150 < t ≤ 200} ; A ∩ C = φ ; A ∪ C = {t : t < 100 ou t > 150};
A = {t : t ≥ 100} ; C = {t : t ≤ 150}.
3.3. Definições de Probabilidade

3.3.1. Definição Frequentista
DEFINIÇÃO 3.7: A frequência relativa de um evento A em n repetições de um experimento ε é

definida por:
!" =
#$
#
, (3.1)
sendo que, nA = no de vezes em que o evento A ocorreu nas n repetições ε .

A frequência relativa fA possui as seguintes propriedades:
(i) 0 ≤ fA ≤ 1.
(ii) fA = 1 se, e somente se, A ocorrer em todas as n repetições.
(iii) fA = 0 se, e se somente, A nunca ocorrer nas n repetições.
(iv) Se A e B forem eventos mutuamente excludentes, e se fA ∪ B for a frequência relativa
do evento A ∪ B, então fA ∪ B = fA + fB .
42
(v) Quando n → ∞ , fA converge para P(A), a probabilidade do evento A ocorrer. Isto

significa que:
n
P( A) = lim A . (3.2)
n→∞ n
Seja ε : lançamento de uma moeda honesta n vezes. Em n lançamentos, esperamos cara
50% ; coroa 50% . Isto não quer dizer que em dois lançamentos teremos exatamente uma cara.
Devemos observar que a definição frequentista de probabilidade requer que os experimentos

aleatórios satisfaçam as seguintes condições:
i) Cada experimento poderá ser repetido indefinidamente sob condições iniciais
fixadas.
ii) Podemos descrever o conjunto de todos os resultados possíveis do experimento.
iii) Quando o experimento for repetido um grande número de vezes, uma certa
regularidade estatística surgirá, a qual, torna possível construir um modelo
estatístico para análise do experimento.
Exemplo 3.5 - Observe na Figura 3.2 a estimativa da probabilidade do evento = %&'& , após n
= 1000 lançamentos de uma moeda honesta pela frequência relativa n A / n do evento A. A
estimativa de ( utilizando a linguagem R (R Core Team, 2014), resultou em n A / n = 0,518 .
Figura 3.2 - Estimativa da probabilidade do evento = %&'& , em 1000

lançamentos simulados de uma moeda honesta, (nA = 518).
43
3.3.2. Definição Clássica

DEFINIÇÃO 3.8: Seja Ω = ), *, … , # um espaço amostral finito. Se os pontos amostrais
∈ Ω, são igualmente prováveis, então a probabilidade de ⊂ Ω, denotada por ( é definida
,"
por:
( = , 3.3
,-
em que,
," = no de elementos de ou no de casos favoráveis a ocorrência de ,
,- = , = no de elementos de Ω.
Uma probabilidade ( ∙ de acordo com a Definição 3.8 satisfaz os seguintes axiomas:

(i) 0 ≤ P ( A) ≤ 1 ;
(ii) P( Ω ) = 1;
(iii) Se A e B são dois eventos mutuamente excludentes ( ( A ∩ B ) = φ ), então
P( A ∪ B) = P ( A) + P( B ) ;
(iv) Se ), *, … , / forem, dois a dois, eventos mutuamente excludentes, então:
(0⋃/2) 3=( ) +( * + ⋯+ ( / .
É importante observar que a expressão (3.3) é apenas uma consequência da suposição de que
todos os resultados sejam igualmente verossímeis (igualmente prováveis), e ela é aplicada apenas
quando essa suposição for atendida.
Exemplo 3.6 - Uma moeda equilibrada é lançada duas vezes. Seja A = {aparece uma cara} e
seja Ω = {0, 1, 2} o espaço amostral, onde cada resultado representa o número de caras que ocorre.
Portanto teríamos P(A) = 1/3. Este cálculo é obviamente incorreto, porque todos os resultados não
são igualmente prováveis. Devemos então considerar Ω * = { cc , cc , c c , c c } onde c representa cara
e c representa coroa. Neste espaço amostral, todos os resultados são igualmente prováveis e, por
isso, temos P(A) = 2/4 = 1/2.
Exemplo 3.7 - Qual a probabilidade de se obter um ponto par no lançamento de um dado honesto?
A = {ponto par} = {2, 4, 6} ⇒ n(A) = 3.
Ω = {1, 2, 3, 4, 5, 6} ⇒ n (Ω ) = 6 . Logo,
44
nA 3
P(A) = = = 0.5 ou
nΩ 6
1 1 1
P ({2} ∪ {4} ∪ {6}) = P ({2}) + P ({4}) + P ({6}) = + + = 0.5 (prop. (iv)).
6 6 6
Exemplo 3.8 - Considere uma sequência de dois lançamentos de um dado honesto. O espaço
amostral Ω associado a este experimento é dado por
1,1 1,2 ⋯ 1,6
2,1 2,2 ⋯ 2,6
Ω=6 :.
⋮ ⋮ ⋱ ⋮
6,1 6,2 ⋯ 6,6
Este espaço amostral pode ser escrito do seguinte modo
Ω = Ω) × Ω* ,
sendo que, Ω) = Ω* = 1,2,3,4,5,6 . Cada um dos 36 pontos amostrais tem a mesma
probabilidade de ocorrência 1/36. Logo,
P({soma dos dados ser 7}) = 6/36 = 1/6.
P({soma ser 2}) = 1/36.
P({soma ser 7 ou 9}) = 6/36 + 4/36 = 10/36 = 5/18 = 0.28.
3.3.3. Definição Subjetiva

Há situações em que a repetição do experimento não pode ser realizada e outras em que não
pode ser realizada em idênticas condições, por exemplo:
(a) Um paciente é submetido a um novo tipo de cirurgia e desejamos saber se ele ficará
curado.
(b) Desejamos saber se haverá um terremoto numa determinada localidade no próximo ano.
(c) Quem vencerá o próximo jogo de futebol entre Corinthians e Palmeiras?
A estes exemplos, podemos associar a seguinte definição.
DEFINIÇÃO 3.9: A probabilidade de um evento A é a medida do grau de confiança em A de um

particular indivíduo, denotada por P(A | H), onde H (de história) é o conjunto de observações que
dispõe o indivíduo.
45
A probabilidade P(A | H) muda de um indivíduo para outro dependendo da quantidade de

informação que cada um dispõe.
Note que a definição de probabilidade subjetiva pode ser adotada quando as definições
frequentista e clássica não puderem ser aplicadas. Uma das dificuldades consiste em como mensurar
a probabilidade de um evento dado que um conjunto de informações subjetivas está disponível.
Quanto a determinação das probabilidades subjetivas, podemos utilizar um padrão, ou seja,
uma unidade de incerteza. Um especialista em sismologia, por exemplo, compara sua “opinião”
sobre a ocorrência de um terremoto com a ocorrência de bola branca na retirada de uma bola de
uma urna contendo m bolas brancas e k bolas pretas. Sua probabilidade para ocorrência do
terremoto seria então m/(m + k).
3.3.4. Definição Axiomática

Antes de apresentar a definição axiomática de probabilidade é necessário considerar a
seguinte definição de evento:
Definição: Um subconjunto de um espaço amostral Ω é um evento se pertencer a uma classe =

de subconjuntos de Ω satisfazendo as seguintes condições:
(a) Ω ∈ =;
(b) Se ∈ = , então >
∈=;
(c) Se ∈ = , ≥ 1, então ⋃@2) ∈ =. A classe = é chamada de espaço de eventos ou uma A-
álgebra.
Se apenas a união finita está em =, a classe = é denominada álgebra.
∎
DEFINIÇÃO 3.10: Probabilidade é uma função ( definida numa A-álgebra = de eventos de Ω e

com valores em [0,1] que satisfaz os seguintes axiomas:
(a) ( Ω = 1;
(b) Para todo ∈ = , ( ≥ 0;
(c) Para toda sequência ) , * , … ∈ = de eventos mutuamente excludentes,
( ⋃@2) = ∑@2) ( 3.4
∎
Devemos observar que, em particular, se ∩ F = ∅ , quando ≠ I. Então,
(0 ∪ F3 =( +( F . 3.5
46
DEFINIÇÃO 3.11: Seja um subconjunto de um espaço amostral finito ou infinito enumerável

Ω= ), *, … , . A probabilidade de A é definida por
P (A) = ∑ P(ω k ). (3.6)

k:
∎
ω k ∈A
Há outras definições simplificadas, como alternativa a Definição 3.10, ver por exemplo,
(Meyer, 2010).
Na próxima seção enunciamos alguns teoremas básicos de probabilidade.
3.4. Teoremas Básicos
TEOREMA 3.1 – Se φ for o conjunto vazio, então P(φ) = 0.

Prova:
A = A ∪ φ. Uma vez que A e φ são mutuamente excludentes, temos P(A) = P (A ∪ φ)
= P(A) + P(φ), pela propriedade (iii) da definição clássica.
A recíproca deste teorema não é verdadeira.
TEOREMA 3.2 – Se ̅ for o evento complementar de ⊂ Ω , então ( = 1−( ̅ .

Prova:
Ω =A∪ A ; P( Ω ) = P(A) + P( A ). Logo, P(A) = 1 – P( A ).
Este resultado é bastante útil, pois em muitos problemas é mais fácil calcular ( , do que
( ̅ .
TEOREMA 3.3 – Se A e B forem dois eventos definidos em um mesmo espaço amostral Ω, então:
P(A ∪ B) = P(A) + P(B) – P(A ∩ B) .

Prova:
Escrever A ∪ B e B como dois eventos mutuamente excludentes do seguinte modo
A ∪ B = A ∪ ( B ∩ A ), (I)
B = (A ∩ B) ∪ (B ∩ A ). (II)
Aplicando a propriedade (iii) da Definição 3.8 em (I) e (II) segue que
47
P (A ∪ B) = P(A) + P(B) - P(A ∩ B).
O Teorema 3.3 representa uma extensão imediata da propriedade (iii) da Definição 3.8, ao
fazermos A ∩ B = φ .
TEOREMA 3.4 – Se A, B e C forem três eventos definidos em um mesmo espaço amostral Ω,

então
P(A ∪ B ∪ C) = P (A) + P(B)+P(C) − P( A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C) .
Prova: Aplicar o Teorema 3.3
TEOREMA 3.5 – Sejam A1 , A2 , ... , An eventos de um mesmo espaço amostral Ω, então:

n n n n
P ( ∪ Ai ) = ∑ P( Ai ) − ∑ P( Ai , A j ) + ∑ P( A , A , A )
i j k
i =1 i =1 1≤i < j = 2 1≤i < j < k =3
− L + ( − 1) n −1 P ( A1 , A2 ,L , An ) .
Prova: Por indução matemática.

NOTAÇÃO: P ( A, B ) = P ( A ∩ B ) .
TEOREMA 3.6 - Sejam A e B dois eventos em um mesmo espaço amostral Ω , tais que A ⊂ B.
Então:
P (A) ≤ P(B) .
Prova: Podemos decompor B em dois eventos e ⋂ ̅ mutuamente excludentes, na seguinte

forma:
B = A ∪ (B ∩ A ) consequentemente, P(B) = P(A) + P(B ∩ A ) ≥ P(A) porque P(B ∩ A ) ≥ 0 pela
definição de probabilidade.
3.5. Métodos de Contagem
Suponha que dispomos de n objetos, a1 , ... , an.

48
(a) Escolher ao acaso um objeto, dentre n objetos significa que cada objeto tem a mesma
probabilidade de ser escolhido, isto é, P(escolher ai) = 1/n , i = 1, ..., n . Observar que
∑#2) P aN = 1.
(b) Escolher ao acaso dois objetos, dentre n objetos significa que cada par de objetos tem a
mesma probabilidade de ser escolhido que qualquer outro par. Esta formulação levanta a
questão de quantos pares diferentes existem. Admitindo que existam k pares, a probabilidade
de cada par é igual a 1/k.
(c) Escolher ao acaso m objetos (m ≤ n) dentre n objetos significa que a m-upla (a1 , a2 , ... , am)
tem a mesma probabilidade de ser escolhida que qualquer a m-upla.
3.5.1. Regra da Multiplicação
Suponha que um experimento O) pode ser executado de ,) maneiras. Vamos assumir que
um segundo experimento O* , possa ser executado de ,* maneiras. Então, o experimento formado
por O) seguido por O* poderá ser executado de ,) × ,* maneiras. Por conseguinte, a extensão para
k experimentos é imediata. Então, se o i-ésimo experimento pode ser executado de , maneiras, i =
1 , 2 , .... , k , o experimento consistindo de O) , seguido por O* , ... , seguido por O/ poderá ser
executado de ,) × ,* × ⋯ × ,/ .
Exemplo 3.9 - Suponha que estamos planejando uma viagem. Admita que existem três rodovias e
duas ferrovias. Se a viagem deve ser feita em duas etapas e tivermos de escolher um ônibus e um
trem, existem
3 × 2 = 6 modos distintos para realizar a viagem.
Exemplo 3.10 - Uma peça manufaturada deve passar por três estações de controle. Em cada estação
a peça é inspecionada e uma determinada característica é marcada. Na primeira estação, três
classificações são possíveis, enquanto nas duas últimas quatro classificações são possíveis. Então
existem: 3 × 4 × 4 = 48 maneiras distintas pelas quais uma peça pode ser marcada.
49
3.5.2. Regra da Adição

Suponha que o experimento O) possa ser realizado de n1 maneiras. Admita que um segundo
experimento O* possa ser realizado de n2 maneiras. Suponha ainda que não seja possível que ambos
os experimentos sejam realizados simultaneamente. Então, o número de maneira pelas quais
podemos realizar O) ou O* é dado por ,) + ,* . Esta regra também poderá ser generalizada para k
procedimentos.
Exemplo 3.11 - Suponha que estamos planejando uma viagem e devemos escolher entre o
transporte de ônibus ou por trem. Se existirem três rodovias e duas ferrovias, Existirão:
3 + 2 = 5 caminhos disponíveis para realizar a viagem.
3. 5.3. Permutações
Suponha que temos n objetos distintos e desejamos permutar esses objetos. Por exemplo: Se
tivermos os objetos a, b e c podemos considerar as seguintes permutações: abc, acb, bac, bca, cab,
e cba. Portanto, temos 6 maneiras possíveis.
Permutar os n objetos equivale a colocá-los dentro de uma caixa com n compartimentos, em
alguma ordenação, ver Figura 3.3:
1 2 . . . n
Figura 3.3
O primeiro compartimento pode ser ocupado por qualquer uma das n maneiras, o segundo
por qualquer uma das (n – 1) maneiras, ... , e o último compartimento apenas por uma maneira.
Aplicando então a regra da multiplicação, temos que o número de maneiras, pelas quais, a
caixa possa ser preenchida é dado por
,! = , , – 1 , – 2 ⋯ 1 ,
em que, n! é denominado fatorial de n. n! = n(n – 1)! ; 0! = 1 ; 1! = 1.
Dessa maneira o número de permutações de n objetos distintos é dado por nPn = n! .

50
3.5.4. Arranjos
Consideremos novamente n objetos distintos. Agora desejamos escolher r desses objetos,
0 ≤ r ≤ n, e permutar os r escolhidos. Denotaremos o número de maneiras de fazer isso por nAr.
Temos então,
# S =, ,– 1 ,– 2 ⋯ ,– '– 1 .
Usando a notação de fatorial,
,!
= ∙ 3.7
# S
,−' !
Exemplo 3.12 - Com as sete letras a, b, c, d, e, f, g, podemos formar 210 arranjos distintos de 3
letras,
7!
= 7 × 6 × 5 = 210.
7−3 !
3.5.5. Combinações
Nas permutações e arranjos interessa a ordem dos objetos. Assim abc é diferente de bca.
Nas combinações abc, acb, bac, bca, cab e cba são iguais, interessa apenas a escolha dos objetos,
sem distinção da ordem em que eles aparecem.
O número total de combinações de r objetos escolhidos dentre n é denotado por 0#S3 ou U#S , sendo
que,
, ,!
V W= = . 3.8
# S
' '! , − ' ! '!
O número 0#S3, também chamado de coeficiente binomial, é igual a quantidade de subconjuntos de r

elementos de um conjunto com n elementos.
Propriedades:
(a) 0#S3 = 0#XS

#
3; (b) 0#S3 = 0#X)
SX)
3 + 0#X)
S
3.
51
Esta Propriedade (b) pode ser verificada facilmente com o uso do triângulo de Pascal. Para
construção deste triângulo com 10 linhas podemos usar o seguinte código em linguagem R.
# código em R para obter 10 linhas do triângulo de Pascal

choose(5, 2) # calcula o núm. de combinações de 5 objetos tomados 2 à 2
for (n in 0:9) print(choose(n, k = 0:n))
#.
Cujo resultado é
> choose(5, 2) # calcula o núm. de combinações de 5 objetos tomados 2 à 2
[1] 10
> for (n in 0:9) print(choose(n, k = 0:n))
[1] 1
[1] 1 1
[1] 1 2 1
[1] 1 3 3 1
[1] 1 4 6 4 1
[1] 1 5 10 10 5 1
[1] 1 6 15 20 15 6 1
[1] 1 7 21 35 35 21 7 1
[1] 1 8 28 56 70 56 28 8 1
[1] 1 9 36 84 126 126 84 36 9 1
>
Teorema Binomial:
#
&+Y #
=Z 0#/3&/ Y #X/ .
/2[
(3.9)
Os coeficientes 0#/3 são chamados de coeficientes binomiais.
Exemplo 3.13 - Em uma sala com sete pessoas, quantas comissões de três membros podem ser
formadas?
7 7! 7 × 6 × 5 × 4!
\ ]= = = 35 %^_ ``õb`.
3 3! 7 − 3 ! 6 × 4!
Usando a linguagem R, basta fazer usar o código choose(7,3) para obter o resultado
desejado. Se for necessário listar todas as combinações o código combn(letters[1:7], 3) pode
ser utilizado. Usando esse código, iremos obter:
52
> combn(letters[1:7], 3)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14]
[1,] "a" "a" "a" "a" "a" "a" "a" "a" "a" "a" "a" "a" "a" "a"
[2,] "b" "b" "b" "b" "b" "c" "c" "c" "c" "d" "d" "d" "e" "e"
[3,] "c" "d" "e" "f" "g" "d" "e" "f" "g" "e" "f" "g" "f" "g"
[,15] [,16] [,17] [,18] [,19] [,20] [,21] [,22] [,23] [,24] [,25] [,26]
[1,] "a" "b" "b" "b" "b" "b" "b" "b" "b" "b" "b" "c"
[2,] "f" "c" "c" "c" "c" "d" "d" "d" "e" "e" "f" "d"
[3,] "g" "d" "e" "f" "g" "e" "f" "g" "f" "g" "g" "e"
[,27] [,28] [,29] [,30] [,31] [,32] [,33] [,34] [,35]
[1,] "c" "c" "c" "c" "c" "d" "d" "d" "e"
[2,] "d" "d" "e" "e" "f" "e" "e" "f" "f"
[3,] "f" "g" "f" "g" "g" "f" "g" "g" "g"
>
Exemplo 3.14 - Um lote de 100 peças é composto de 20 defeituosas e 80 perfeitas. São escolhidas
ao acaso 10 peças, sem reposição de qualquer peça escolhida antes que a seguinte seja escolhida.
Qual é a probabilidade de que exatamente a metade das peças escolhidas sejam defeituosa?
A = {metade das peças escolhidas são defeituosas}. Então,
0*[30d[3
( = c c
= 0,021.
0)[[
)[
3
Quando falamos de peças extraídas ao acaso, devemos especificar se a escolha é com ou sem
reposição. Em muitas situações, por exemplo, em problemas de Engenharia, pode não fazer sentido
testar uma componente de um sistema mais de uma vez.
Sabemos que o número de maneiras de escolher r objetos dentre n, não considerando a

ordem é dado por: 0#S3.
O número de maneira de escolher r objetos dentre n com reposição é dado por n r . Neste
caso, estaremos interessados na ordem que os “objetos” são escolhidos.
53
Exemplo 3.15 - Admitamos que se escolham ao acaso dois objetos, dentre os quatro denominados
a, b, c e d.
(a) Se escolhermos sem reposição, o espaço amostral Ω pode ser representado por:
Ω = {(a, b), (a, c), (a, d), (b, c), (b, d), ( c, d)}
Existem 0e*3 = 6 resultados possíveis.
(b) Se escolhermos com reposição, o espaço amostral Ω * poderá ser representado por:
Ω * ={(a, a) (a, b) (a, c) (a, d) (b, a) (b, b) (b, c) (b, d) (c, a) (c, b) (c, c) (c, d) (d, a) (d, b) (d, c) (d, d)};
Existem 42 = 16 resultados possíveis.
Consideramos A = {o objeto c é escolhido}, teremos então:
P(A) = 3/6 = 1/2 . Se escolhermos sem reposição.

P(A) = 7/16 . Se escolhermos com reposição.
3.5.6. Permutações com Elementos Repetidos

Em todas as técnicas de contagem que apresentamos, admitimos que todos os objetos
considerados fossem diferentes, isto é, distinguíveis, entretanto, não é sempre que ocorre essa
situação.
Suponha que temos n objetos, tais que ,) sejam de uma primeira espécie, ,* de uma
segunda espécie, ... , ,/ de uma k-ésima espécie, com ,) + ,* + ⋯ + ,/ = ,. Neste caso, o
número de permutações possíveis desses n objetos é dado por:
n!
. (3.10)
n1!n 2 !L n k !
3.6. Probabilidade Condicional e Independência
3.6.1. Probabilidade Condicional

54
A probabilidade de um evento A poderá ser modificada quando recebemos a informação

adicional da ocorrência ou não de outro evento B relacionado com A. Esta probabilidade é definida
como a probabilidade condicional do evento A sabendo-se que B ocorreu e será representada por
P(A|B).
DEFINIÇÃO 3.11: Dados dois eventos e , define-se ( | como a probabilidade condicional

de sabendo-se que ocorreu (ou a probabilidade de , dado ) por:
( ,
( | = , ( ≠ 0. 3.11
(
A partir de (3.11) determinamos a lei da multiplicação de probabilidade:
( , =( | ( .
Note que,
( ∩
( | = , ( ≠0.
(
Logo,
( ∩ =( ( | .
Exemplo 3.16 - Considere um lote de 20 itens defeituosos e 80 não-defeituosos. Se escolhermos

dois itens aleatoriamente e sem reposição, qual a probabilidade de que ambos sejam defeituosos?.
Sejam,
A = {o primeiro item é defeituoso}, B = {o segundo item é defeituoso}.
Portanto desejamos calcular P( A ∩ B ) . A partir de (3.11), pela lei da multiplicação de

probabilidades teremos:
20 19 19
P(A,B) = P(A) P(B|A) = = = 0,0384.
100 99 495
55
Em probabilidade condicional podemos afirmar que o espaço amostral foi reduzido, porque
se sabe que A ou B ocorreu. A probabilidade condicional P(A|B) é obtida como a probabilidade de
A em relação ao espaço amostral reduzido B. Em termos da definição clássica de probabilidade,
n A∩ B
P( A | B) = . (3.12)
nB
Note que as probabilidades condicionais possuem também as propriedades (i) a (iv) da

Definição (3.8). A propriedade (i) é imediata. Para a propriedade (ii), temos que:
P (Ω , B ) P ( B )
P( Ω |B) = = =1 .
P(B) P(B)
Quanto as propriedades (iii) e (iv), se A1 , A2 , ... , são eventos mutuamente excludentes,

teremos: (A1 , B) , (A2 , B), ... eventos mutuamente excludentes, então:
P [( A1 ∪ A 2 ∪ L ∪ A n ) | B ] = P ( A1 | B ) + P ( A 2 | B ) + L + P ( A n | B ) (3.13)
DEFINIÇÃO 3.12: Os eventos B1 , B2 , ... , BK representam uma partição do espaço amostral Ω se:
(a) Bi ∩ B j = φ , ∀i ≠ j .
k
(b) ∪B i =Ω.
i =1
(c) P ( B i ) > 0 , ∀ i .
A Figura 3.4 apresenta a relação entre um evento A e a partição de Ω : B1 , B2 , ... , Bk. .
Figura 3.4 - Partição de Ω .

56
Note que, o evento A pode ser escrito na forma de k eventos mutuamente excludentes:
A = ( A, B1 ) ∪ ( A, B 2 ) ∪ L ∪ ( A, B k ) .
Portanto,
P(A) = P(A|B1)P(B1) + P(A|B2)P(B2) + .... + P(A|Bk)P(Bk) . (3.14)
O resultado (3.14) é comumente chamado de Teorema da probabilidade total.
DEFINIÇÃO 3.13: Teorema de Bayes - Seja (B1, B2, .... ,Bk) uma partição do espaço amostral Ω .
Então para qualquer outro evento A, com P(A) > 0,
P( A | Bi ) P( Bi )
P( Bi | A) = k
, i = 1,K, k . (3.15)
∑ P ( A | B j ) P( B j )
j =1
Os eventos são chamados de causas a priori, enquanto que, os eventos | são chamados de
causas a posteriori. ( | é a probabilidade de uma causa dado que o evento , uma
consequência, tenha ocorrido. Note que ∑/2) ( | =1e( | <( .
Exemplo 3.17 - Uma companhia monta rádios cujas peças são produzidas em três de suas fábricas
A1 , A2 , A3. Estas fábricas produzem respectivamente, 15%, 35% e 50% do total. As probabilidades
das fábricas A1 , A2 , A3 produzirem peças defeituosas são 0,01 ; 0,05 e 0,02, respectivamente. Uma
peça é escolhida ao acaso do conjunto de peças produzidas. Essa peça é testada e verifica-se que é
defeituosa. Qual é a probabilidade que tenha sido produzida pela fábrica 1 ?
Sejam D = {a peça é defeituosa}, D = {a peça é não-defeituosa} e
= h_& ibç& é i'^lhm l& ,& − é` _& !áY' %& , = 1, 2, 3. Sabemos que P(A1) = 0,15 ,
P(A2) = 0,35 e P(A3) = 0,5. Note que: P(D|A1) = 0,01 ; P(D|A2) = 0,05 e P(D|A3) = 0,02.
Desejamos calcular P(A1|D). Pelo teorema de Bayes, segue que
P( D | A1 ) P( A1 )
P( A1 | D) = ,
P( D)
sendo que, o = o, ) ∪ o, * ∪ o, p . Então,
P(D) = P(D|A1)P(A1) + P(D|A2)P(A2) + P(D|A3)P(A3) =

= (0,01)(0,15) + (0,05)(0,35) + (0,02)(0,5) = 0,029.
57
Portanto,
P(A1|D) = 0,052.
3.6.2. Independência
DEFINIÇÃO 3.14: Dois eventos A e B são independentes se e somente se,
P(A ∩ B) = P(A)P(B) . (3.16)
Em termos de probabilidade condicional, os eventos A e B são independentes se P(A|B) =

P(A), ou equivalentemente, se P(B|A) = P(B).
A equação (3.16) pode ser facilmente generalizada para um número n de eventos.
DEFINIÇÃO 3.15: Os n eventos A1 , A2 , ... , An (, ≥ 2) são independentes se e somente se para

todo 1 ≤ ) < * <⋯< / ≤ ,.
(0 r
∩ s
∩, ⋯ , ∩ t
3 = (0 r
3(0 s
3 ⋯ (0 t
3, (3.17)
∀ , k = 2, 3, ... , n.
Exercício 3.1 - Provar que na expressão (3.17) existem ao todo 2n – n – 1 condições a serem
verificadas.
Exemplo 3.18 - Considere uma urna com três bolas brancas e sete bolas vermelhas. Retiram-se
duas bolas da urna com reposição. Qual a probabilidade de que as duas bolas retiradas sejam
brancas?
Considere os eventos: Bi = {a i-ésima bola retirada é branca} e Vi = {a i-ésima bola
retirada é vermelha} , i = 1, 2.
Note que os eventos B1B2 , B1V2 , V1B2 e V1V2 são independentes. Portanto,
P(B1, B2) = P(B1)P(B2) = (3/10)(3/10) = 9/100 .
Exemplo 3.19 - Os engenheiros usam o termo “confiabilidade” para a probabilidade de um

componente não falhar. Suponha que um sistema seja formado por dois componentes funcionando
58
independentemente. Após muitos testes, os engenheiros verificam que os componentes têm

confiabilidade 0,98 e 0,95 respectivamente. Se o sistema pode funcionar somente se ambos
componentes funcionam (sistema em série), ver Figura 3.5, qual é a confiabilidade do sistema?
C1 C2
Figura 3.5 - Sistema com dois componentes ligados em série.
Considere os eventos : A1 = {o componente 1 funciona},

: A2 = {o componente 2 funciona},
: R = {o sistema funciona}.
Então, R = A1 ∩ A 2 e P(R) = P(A1)P(A2) = (0,98)(0,95) = 0,931. Portanto a confiabilidade do

sistema é 0,931.
Exemplo 3.20 – Suponha agora que um sistema diferente seja constituído com os dois componentes
do Exemplo 3.19. Suponha que este sistema funciona se ao menos um dos componentes funcionam
(sistema em paralelo), ver Figura 3.6. Qual é a confiabilidade do sistema?
C1
C2
Figura 3.6 - Sistema com dois componentes ligados em paralelo.
Neste sistema R = A1 ∪ A2 . Portanto,

P(R) = P(A1) + P(A2) – P(A1 , A2)
= 0,98 + 0,95 – (0,98)(0,95) = 0,999.
De outro modo, podemos escrever:
P ( R ) = 1 − P ( R ) = 1 − P( A1 ∩ A2 ) = 1 − P( A1 ) P( A2 ) = 1 - (0,02)(0,05) = 0,999 .
59
3.7. Exercícios do Capítulo 3
1. Sejam A, B e C três eventos associados a um experimento aleatório. Expresse as afirmações

seguintes em termos de conjuntos:
(a) Ocorre no mínimo um dos eventos.
(b) Ocorre exatamente um dos eventos.
(c) Ocorrem exatamente dois eventos.
(d) Não mais que dois eventos ocorrem simultaneamente.
2. (Meyer, P. L. , 1984, ex. 1.14). O seguinte enunciado se refere à probabilidade de que exatamente
um dos eventos A ou B ocorra. Verifique que
P[( A ∩ B ) ∪ ( A ∩ B )] = P ( A) + P ( B ) − 2 P ( A ∩ B )
3. Suponha que A e B sejam eventos tais que P(A) = x, P(B) = y e P(A ∩ B) = z. Escreva cada uma
das seguintes probabilidades em termos de x, y e z.
a) P ( A ∪ B ) b) P ( A ∩ B ) c) P ( A ∪ B ) d) P ( A ∩ B )
4. (Meyer, P. L. , 1984, ex. 1.17). Suponha que A, B e C sejam eventos tais que P(A) = P(B) = P(C)
= 1/4 ,
P(A ∩ B) = P(C ∩ B) = 0 e P( A ∩ C) = 1 / 8. Calcule a probabilidade de que ao menos um dos
eventos A, B ou C ocorra.
5. (Bussab & Morettin, cap. 5, p.115). As probabilidades de que dois eventos independentes
ocorram são p e q, respectivamente. Qual a probabilidade:
(a) de que nenhum desses eventos ocorra?
(b) de que pelo menos um desses eventos ocorra?
6. O seguinte grupo de pessoas está numa sala: 5 homens maiores de 21 anos ; 4 homens com
menos de 21 anos ; 6 mulheres maiores de 21 anos , e 3 mulheres menores. Uma pessoa é
escolhida ao acaso. Definem-se os seguintes eventos: A = {a pessoa é maior de 21 anos}; B = {a
pessoa é menor de 21 anos}; C = {a pessoa é homem}; D = {a pessoa é mulher}. Calcule:
a) P ( B ∪ D) , b) P ( A ∩ C )
7. Em uma sala, 10 pessoas estão usando emblemas numerados de 1 até 10. Três pessoas são
escolhidas ao acaso e convidadas a saírem da sala simultaneamente. O número do seu emblema é
anotado.
a) Qual é a probabilidade de que o menor número do emblema seja 5 ?
b) Qual é a probabilidade de que o maior número do emblema seja 5 ?
8. (Meyer, P. L. , 1984, ex. 2.3). (a) Suponha que os três dígitos 1, 2 e 3 sejam escritos em ordem
aleatória. Qual é a probabilidade de que ao menos um dígito ocupe seu lugar próprio?
(b) O mesmo que em (a), com os dígitos 1, 2 ,3, e 4
(c) O mesmo que em (a), com os dígitos 1, 2 ,3, ....., n.
(d) Examine a resposta (c), quando o n for grande.
60
9. (Meyer, P. L. , 1984, ex. 2.13). Suponha que de N objetos, n sejam escolhidos ao acaso, com
reposição. Qual será a probabilidade de que nenhum objeto seja escolhido mais do que uma vez?
10. (Meyer, P. L. , 1984, ex. 2.16). Uma caixa contém etiquetas numeradas 1, 2, ...., n. Duas
etiquetas são escolhidas ao acaso. Determine a probabilidade de que os números das etiquetas sejam
inteiros consecutivos se:
(a) as etiquetas forem escolhidas sem reposição.
(b) As etiquetas forem escolhidas com reposição.
11. Um inteiro é escolhido ao acaso, dentre os números 1, 2, 3, ...., 50. Qual será a probabilidade de
que o número escolhido seja divisível por 6 ou por 8 ?
12. (Meyer, P. L. , 1984, ex. 2.19). Dentre 6 números positivos e 8 negativos, escolhem-se ao acaso
4 números sem (reposição) e multiplicam-se esses números. Qual será a probabilidade de que o
produto seja um número positivo?
13. (Meyer, P. L. , 1984, ex. 2.20). Um determinado composto químico é obtido pela mistura de 5
líquidos diferentes. Propõe-se despejar um líquido em um tanque e, juntar os outros líquidos
sucessivamente. Todas as seqüências possíveis devem ser ensaiadas, para verificar-se qual delas
dará o melhor resultado. Quantos ensaios deverão ser efetuados?
14. Dentre os números 0, 1, 2, ...., 9 são escolhidos ao acaso com reposição r números (0 < r < 10).
Qual é a probabilidade de que não ocorram dois números iguais?
15. Extrai-se ao acaso uma bola de uma caixa que contém 6 bolas vermelhas , 4 bolas brancas e 5
azuis. Determine a probabilidade de a bola extraída ser
a) vermelha b) azul c) vermelha ou branca
16. Determine a probabilidade de ocorrência de três 6 em 5 jogadas de um dado honesto.
17. (Problema da namorada desconfiada). Dois jogadores A e B jogam alternadamente um par de

dados. Ganha o jogo aquele que primeiro obtiver o total 7. Determine a probabilidade de A ganhar o
jogo. Admita que A inicia o jogo.
18. Extraem-se aleatoriamente duas cartas de um baralho comum de 52 cartas. Determine a

probabilidade de serem ambas ases , se
a) se a extração é com reposição
b) se a extração é sem reposição
19. Determine a probabilidade de aparecer 4 ao menos uma vez em duas jogadas de um dado
honesto?
61
20. Uma urna contém 4 bolas brancas e duas pretas; outra urna contém 3 bolas brancas e 5 pretas.
Extrai-se uma bola de cada urna. Pede-se a probabilidade de
a) ambas serem brancas
b) ambas serem pretas
21. Determinar a probabilidade do lançamento de um dado equilibrado resultar em um número

menor que 4.
a) Se não temos nenhuma outra informação.
b) Sabendo-se que o resultado é um número ímpar.
22. (Morgado et. al.). Em uma loteria de N números há um só prêmio. Um jogador A compra n (1 <
n < N) bilhetes para uma só extração e um jogador B compra n bilhetes, um para cada uma de n
( =1−(
extrações. Qual dos dois jogadores tem maior probabilidade de ganhar algum prêmio? Sugestão:
e depois comparar com P(A) por indução matemática.
23. Quantas vezes, no mínimo, se deve lançar um dado para que a probabilidade de obter algum seis
seja superior a 0,9?
probabilidades relacionadas com a ocorrência de , , ∩ etc. Assim, ( = 0,10, enquanto

24. (Bussab & Morettin, cap. 5, p.115). Na Tabela abaixo, os números que aparecem são
( ∩ = 0,04
B Total
̅
A 0,04 0,06 0,10
0,08 0,82 0,90
Total 0,12 0,88 1,00
Verifique se e são independentes.
25. Se, em uma família com dois filhos, ao menos um deles é menino, qual a probabilidade de o
outro ser também menino?
26. A caixa I contém 3 bolas vermelhas e 5 brancas, e a caixa II , 4 vermelhas e duas brancas.
Extrai-se ao acaso uma bola da primeira caixa e coloca-se na segunda, sem observar a cor. Extrai-se
então uma bola da segunda caixa. Qual a probabilidade de ser branca?
27. A urna I contém 2 bolas brancas e 3 pretas ; a urna II, 4 brancas e 1 preta ; a urna III , 3 brancas
e 4 pretas. Escolhe-se uma urna ao acaso e extrai-se uma bola: é branca. Qual a probabilidade de ter
sido escolhida a primeira urna ?
28. A urna 1 contém x bolas brancas e y bolas vermelhas. A urna 2 contém z bolas brancas e v bolas
vermelhas. Uma bola é escolhida ao acaso da urna 1 e posta na urna 2, em seguida uma bola é
extraída da urna 2. Qual será a probabilidade de que esta bola seja branca ?
62
29. Duas válvulas defeituosas se misturam com duas válvulas perfeitas. As válvulas são ensaiadas ,
uma a uma , até que ambas as defeituosas sejam encontradas.
a) Qual será a probabilidade de que a última válvula defeituosa seja encontrada no segundo ensaio?
b) Qual será a probabilidade de que a última válvula defeituosa seja encontrada no 3° , ensaio ?
c) Qual será a probabilidade de que a última válvula defeituosa seja encontrada no quarto ensaio?
d) Some os números obtidos em a) , b) e c) acima. O resultado é surpreendente?
30. Vinte peças, 12 das quais são defeituosas e 8 perfeitas , são inspecionadas uma após a outra. Se
essas peças forem extraídas ao acaso , qual será a probabilidade de que :
a) As duas primeiras peças sejam defeituosas?
b) As duas primeiras peças sejam perfeitas?
c) Das duas primeiras peças inspecionadas, uma seja perfeita e a outra seja defeituosa?
31. (Meyer, P. L. , 1984, ex. 3.7). Suponha que temos duas urnas 1 e 2 , cada uma com duas
gavetas. A urna 1 contém uma moeda de ouro em uma gaveta e uma moeda de prata na outra gaveta
; enquanto a urna 2 contém uma moeda de ouro em cada gaveta. Uma urna é escolhida ao acaso ; a
seguir uma de suas gavetas é aberta ao acaso. Verifica-se que a moeda encontrada nessa gaveta é de
ouro. Qual a probabilidade de que a moeda provenha da urna 2 ?
32. (Meyer, P. L. , 1984, ex. 3.8). Um saco contém 3 moedas, uma das quais foi cunhada com duas
caras, enquanto as duas outras moedas são normais e não viciadas. Uma moeda é tirada ao acaso do
saco e jogada 4 vezes, em sequência. Se sair cara toda vez, qual será a probabilidade de que essa
seja a moeda de duas caras?
33. (Meyer, P. L. , 1984, ex. 3.9). Em uma fábrica de parafusos, as máquinas A, B e C produzem
25, 35 e 40 por cento do total produzido, respectivamente. Da produção de cada máquina 5, 4 e 2
por cento , respectivamente , são parafusos defeituosos. Escolhe-se ao acaso um parafuso e se
verifica ser defeituoso. Qual será a probabilidade de que o parafuso venha da máquina A ? da B ? da
C?
34. Um exame de laboratório tem eficiência de 95% para detectar uma doença quando ela de fato
existe. Entretanto o teste aponta um resultado falso-positivo para 1% das pessoas sadias testadas. Se
0,5% da população tem a doença, qual é a probabilidade de uma pessoa ter a doença, dado que o seu
exame foi positivo?
35. (Meyer, P. L. , 1984, ex. 3.10). Sejam A e B dois eventos associados a um experimento.
Suponha que P(A) = 0,4, enquanto P(A∪B) = 0,7. Seja P(B) = p.
(a) Para que valor de p , A e B serão mutuamente excludentes?
(b) Para que valor de p , A e B serão independentes?
36. (Meyer, P. L. , 1984, ex. 3.12). Um dado é lançado e, independentemente, uma carta é extraída
de um baralho completo de (52 cartas). Qual será a probabilidade de que:
a) O dado mostre um número par e carta seja de um naipe vermelho?
b) O dado mostre um número par ou a carta seja de um naipe vermelho?
63
37. (Meyer, P. L. , 1984, ex. 3.13). Um número binário é constituído apenas dos dígitos zero e um.
(Por exemplo , 1011 , 1100 etc.). Suponha que um número binário seja formado de n dígitos.
Suponha que a probabilidade de um dígito incorreto aparecer seja p e que os erros em diferentes
dígitos sejam independentes uns dos outros. Qual será a probabilidade de formar-se um número
incorreto?
38. (Meyer, P. L. , 1984, ex. 3.14). Um dado é atirado n vezes. Qual é a probabilidade de que “6”
apareça ao menos uma vez em n jogadas ?
39. (Meyer, P. L. , 1984, ex. 3.15). Cada uma de duas pessoas joga 3 moedas equilibradas. Qual a
probabilidade de que elas obtenham o mesmo no de caras ?
40. (Meyer, P. L. , 1984, ex. 3.16). Jogam-se dois dados. Desde que as faces mostrem números
diferentes, qual é a probabilidade de que uma face seja 4 ?
41. (Meyer, P. L. , 1984, ex. 3.23). Se cada elemento de um determinante de segunda ordem for
zero ou um , qual será a probabilidade de que o valor do determinante seja positivo ? (Admita que
os elementos do determinante sejam escolhidos independentemente, a cada valor se atribuindo a
probabilidade 1/2).
42. Uma montagem eletrônica é formada de dois subsistemas A e B. De procedimentos de ensaios

anteriores , as seguintes probabilidades se admitem conhecidas: P(A falhe) = 0,20 ; P(A e B
falhem) = 0,15 ; P(B falhe sozinho) = 0,15. Calcule as seguintes probabilidades :
a) P(A falhe \ B tenha falhado). b) P(A falhe sozinho).
43. Sempre que um experimento é realizado, a ocorrência de um particular evento A é igual a 0,2. O
experimento é repetido independentemente, até que A ocorra. Calcule a probabilidade de que seja
necessário repetir o experimento até a quarta vez?
44. Um determinado tipo de míssil acerta o alvo com probabilidade 0,3. Quantos mísseis deveriam
ser lançados para que houvesse pelo menos uma probabilidade de 80% de acertar o alvo ?
45. Uma caixa de 100 parafusos contém 5 defeituosos. Qual é a probabilidade de que dois parafusos
selecionados ao acaso (sem reposição) da caixa sejam ambos bons ?
46. A empresa A & B tem 9100 empregados, classificados de acordo com a seguinte tabela:
IDADE HOMENS MULHERES Total

< 20 1000 500 1500
20 – 35 3500 1200 4700
> 35 800 2100 2900
Total 5300 3800 9100
64
(i) Se um empregado é selecionado ao acaso, calcular a probabilidade que ele seja:

a) Um empregado com 35 anos de idade ou menos;
b) Mulher e tenha mais de 35 anos de idade;
c) Homem e tenha menos de 20 anos de idade;
d) Um empregado com 20 anos ou mais e mulher, sabendo-se que é mulher.
(ii) Escolhendo-se dois empregados ao acaso, com reposição, calcular a probabilidade que:
a) Ambos sejam do sexo feminino;
b) Nenhum tenha 20 anos ou mais;
c) O primeiro tenha mais de 35 anos e o segundo seja mulher.
(iii) Resolver (ii), supondo amostragem sem reposição.
47. Num certo colégio, 25% dos estudantes foram reprovados em matemática, 15% em química e
10% em matemática e química ao mesmo tempo. Um estudante é escolhido ao acaso.
(a) Se ele foi reprovado em química, qual a probabilidade de ele ter sido reprovado em matemática?
(b) Se foi reprovado em matemática, qual é a probabilidade de ter sido reprovado em química?
(c) Qual é a probabilidade de ele ter sido reprovado em matemática ou em química?
48. (Meyer, P. L. , 1984, ex. 3.33). Quatro sinais de rádio são emitidos sucessivamente. Se a
recepção de cada um for independente da recepção do outro, e se essas probabilidades forem 0,1;
0,2; 0,3 e 0,4 , respectivamente, calcule a probabilidade de que k sinais venham a ser recebidos para
k=0, 1, 2, 3, 4.
49. Verifique se a seguinte descrição de probabilidade é possível para dois eventos quaisquer A e B:
P(B) = 0.4 e P ( A ∩ B ) = 0.7 .
50. Num período de um mês, 100 pacientes sofrendo de determinada doença foram internados em
um hospital. Informações sobre o método de tratamento aplicado em cada paciente e o resultado
final obtido estão na tabela abaixo:
RESULTADO TRATAMENTO Total

A B
CURA TOTAL 24 16 40
CURA PARCIAL 24 16 40
MORTE 12 8 20
Total 60 40 100
a) Sorteando aleatoriamente um destes pacientes, determinar a probabilidade do paciente escolhido

ter sido submetido ao tratamento A sabendo-se que foi totalmente curado;
b) Os eventos “morte” e “tratamento A” são independentes? Justificar.
c) Sorteando dois pacientes, qual a probabilidade de que pelo menos um deles tenha sido curado
totalmente?
65
51. Se 20% das pecas produzidas por uma máquina acusam defeito, determine a probabilidade de
que em 4 pecas escolhidas ao acaso.
a) 1 seja defeituosa
b) nenhuma seja defeituosa
c) menos de 2 sejam defeituosas.
52. No projeto do painel de automóveis, as luzes de advertência substituíram os medidores. Essas

luzes alertam o motorista, quanto à aproximação de problemas no motor. Assim deseja-se ter, com
uma alta probabilidade, todas as luzes acesas quando o problema é iminente, e deseja-se tê-las
apagadas quando não há problema. Suponha que T seja o evento “problema no motor”, A o evento
“luzes acesas”. Seja P ( A | T ) = p e P ( A | T ) = 0,99 . Suponha que P(T) = 0,01. Determine em
termos de p:
(a) P (T | A) (b) P (T | A )
(c) P (T ∩ A) (d) P (T ∩ A )
(e) Qual o valor de p se o motorista deseja P (T | A) ≥ 0,05 ?
53. Uma das três hipóteses H1 , H2 e H3 pode explicar “a ocorrência de um acidente de estrada”. Se
H1 estiver correto a probabilidade do acidente é de 0,75. Se H2 estiver correto, a probabilidade do
acidente é de 0,80. Se H3 estiver correto a probabilidade do acidente é de 0,85. H1 tem probabilidade
0,4 de ocorrer; H2 tem probabilidade 0,5 de ocorrer e H3 tem probabilidade 0,1 de ocorrer.
Determinar a hipótese “mais provável” para explicar um acidente observado.
54. Quatro urnas contêm, cada uma, 3 bolas:

a urna 1 contém 3 bolas brancas;
a urna 2 contém 2 bolas brancas e 1 preta;
a urna 3 contém 1 bola branca e 2 pretas;
a urna 4 contém 3 bolas pretas.
Uma urna é escolhida aleatoriamente e uma bola é extraída. Se esta bola for branca, calcule
a probabilidade de que a urna escolhida tenha sido a de número 2.
55. Dois baralhos idênticos de n cartas cada um, são embaralhados separadamente, e de cada um se
retira cartas, comparando-as entre si na ordem em que foram extraídas. Qual a probabilidade de que
ocorra ao menos uma concordância ?
Sugestão: Chame de A o evento “ao menos uma concordância ocorre”. Isto é
A = A1 ∪ A2 ∪ L ∪ An .
56. Onze Cartões são numerados em sequência de 11 a 21. Três desses cartões são escolhidos ao
acaso e seus números multiplicados. Calcular a probabilidade de o produto ser ímpar.
57. Suponha um teste de múltipla escolha com m-respostas alternativas. A probabilidade a priori
que o estudante saiba a resposta é p. Assuma que todas as alternativas são igualmente prováveis
(para o caso do estudante adivinhar a resposta certa sem saber). Determine a probabilidade de que o
estudante saiba a resposta de uma questão, dado que ele tenha respondido corretamente.
66
58. Uma indústria produz um sistema no qual é implementado um componente essencial ao seu
funcionamento. Para aumentar a velocidade de operação do sistema, podem ser implantados em
série mais de um desses componentes. Por outro lado, pelo fato de os componentes serem dispostos
em série, o sistema todo falha. Os técnicos estão interessados em verificar se o tempo de operação
sem a ocorrência de falhas (tempo de operação contínua) é influenciado pelo número de
componentes implantados no sistema e de que maneira ocorre essa influência. São então observados
100 sistemas (com 1, 2 ou 3 componentes implantados) e registrados os seus tempos de operação
contínua. Os resultados foram resumidos na seguinte tabela:
Componentes
Tempo de operação Total
1 2 3
A(100, 155] 30 0 0 30
B(50, 100] 0 20 30 50
C(5, 55] 0 10 10 20
Total 30 30 40 100
Se um sistema for escolhido ao acaso, qual a probabilidade de ter:

a) 3 componentes e tempo de operação contínua no intervalo B?
b) Tempo de operação contínua no intervalo A dado que ele tenha só um componente implantado?
c) Tempo de operação contínua em C dado que ele tenha mais de um componente implantado?
d) Tempo de operação contínua menor ou igual a 100, dado que ele tenha mais de um componente
implantado?
59. Uma indústria é especializada na montagem do sistema eletrônico série-paralelo, esquematizado

na seguinte figura.
O sistema não funciona (isto é, falha) se a passagem de corrente de A para B for interrompida, quer
seja pela falha do componente 1 (C1) ou pela falha simultânea dos componentes 2 (C2) e 3 (C3), ou
ainda, pela falha dos três componentes simultaneamente.
a) Liste os eventos: E1 = O sistema funciona; E2 = o componente 2 falha, mas o sistema funciona;
E3 = o componente 3 falha, mas o sistema funciona.
b) Quais destes eventos são mutuamente exclusivos? Justifique.
c) Supondo que neste sistema os três componentes têm mesma probabilidade p de estar
funcionando, encontre a probabilidade de o sistema todo funcionar. Calcule este valor se p = 0.96
(Esta probabilidade é conhecida como confiabilidade do sistema).
60. Sabe-se que em dias comuns 50% dos acidentes nas estradas ocorrem devido à imprudência dos
motoristas, 12% devido à falhas mecânicas e má conservação das rodovias e 38% devido ao álcool.
67
Considerando que os índices de acidentes com mortes sejam de 1.4%, 0.8% e 2.8%,
respectivamente calcule:
a) A probabilidade de ocorrência de um acidente com morte.
b) Sabendo que houve um acidente com morte, qual a probabilidade que seja devido ao álcool?
Devido à imprudência? Devido a falhas e má conservação?
número de caras e coroas. (b) O que acontece com a probabilidade calculada em (a) quando , → ∞
61. Uma moeda equilibrada é jogada 2n vezes. (a) Obtenha a probabilidade de que ocorrerá igual
62. Sendo ( = 1/2 e ( ∪ = 3/4, obtenha ( nos seguintes casos:

(a) e são independentes.
(c) está contido em .

(b) e são disjuntos.
63. (Meyer, P. L. , 1984, ex. 2.5). Dez fichas numeradas de 1 até 10 são misturadas em uma urna.
Duas fichas, numeradas (X, Y), são extraídas da urna, sucessivamente e sem reposição. Qual é a
probabilidade de que seja X + Y = 10 ?.
64. Uma urna contém n bolas brancas e k bolas pretas, n > 2 , 1 < k < n. Extraem-se duas bolas
aleatoriamente, determine a probabilidade de se obter ao menos uma bola branca, se as extrações
forem:
(a) Sem reposição

(b) Com reposição. O que acontece com esta probabilidade quando fazemos n → +∞ ?
65. ( 3.11- Meyer, P. L. , 1984). Três componentes C1, C2 e C3, de um mecanismo são postos em
série (em linha reta). Suponha que esses componentes sejam dispostos em ordem aleatória. Seja R o
evento ( C2 está à direita de C1), e seja S o evento (C3 está à direita de C1). Os eventos R e S são
independentes? Por quê?
67. (75. Magalhães, M.N. 2011, pag. 54). Um grupo de animais tem 2n machos e 2m fêmeas. Feita
uma divisão aleatória em dois grupos de mesma quantidade, qual é a probabilidade desses grupos
terem números iguais de machos?
68. Uma indústria é especializada na montagem do sistema eletrônico série-paralelo, esquematizado

abaixo.
O sistema não funciona (isto é, falha) se a passagem de corrente de A para B for interrompida, quer
seja pela falha do
68
componente 1 ou pela falha simultânea dos componentes 2 e 3, ou ainda, pela falha dos três
componentes simultaneamente.
a) Liste os eventos: E1 = O sistema funciona; E2 = o componente 2 falha, mas o sistema funciona;
E3 = o componente 3 falha, mas o sistema funciona.
b) Quais destes eventos são mutuamente exclusivos? Justifique.
c) Supondo que neste sistema os três componentes têm mesma probabilidade p de estar
funcionando, encontre a probabilidade de o sistema todo funcionar. Calcule este valor se p = 0.96
(Esta probabilidade é conhecida
como confiabilidade do sistema).
Solução: a) E1 = { C1 C2 C3, C1 C2 N3, C1 N2 C3 }. E2 = { C1 N2 C3 }. E3 = { C1 C2 N3 }.
b) E2 e E3.
c) 2p2 – p3 e 0.958.
C = cara pela primeira vez. Pede-se:

69. Considere o seguinte experimento aleatório: Lançamento de uma moeda honesta até que ocorra
a) O espaço amostral desse experimento.

b) Uma fórmula geral para o cálculo das probabilidades.
d) Qual é a probabilidade de ocorrer C = cara no quinto lançamento?

c) Mostre que a soma das probabilidades associadas aos pontos amostrais é um.
70. (Hoel, Port & Stone; 1978, cap2). Se você possui 3 bilhetes de uma loteria para a qual se vendeu
n bilhetes e existem 5 prêmios, qual a probabilidade de você ganhar pelo menos um prêmio?
71. Duas máquinas A e B produzem 5000 peças por dia. A máquina A produz 3000 peças, das quais
2% são defeituosas. A máquina B produz as restantes 2000, das quais 1% são defeituosas.
(a) Se uma peça for escolhida ao acaso da produção total, qual a probabilidade de ser defeituosa?
(b) Da produção total de um dia, uma peça é escolhida ao acaso e, examinando-a, constata-se que
ela é defeituosa. Qual é a probabilidade de que ela tenha sido produzida pela máquina A?
72. Em uma localidade, 5% dos adultos sofrem de determinada doença. Um médico local
diagnostica corretamente 90% das pessoas que têm a doença e diagnostica erradamente 5% das
pessoas que não a têm. Um adulto acaba de ser diagnosticado pelo médico como portador da
doença. Qual é a probabilidade de esse adulto ter, de fato, a doença?
73. (Morgado et. al.). Um prisioneiro possui 50 bolas brancas, 50 bolas pretas e 2 urnas iguais. O
prisioneiro deve colocar, como preferir, as bolas nas duas urnas (nenhuma das urnas pode ficar
vazia). As urnas serão embaralhadas e o prisioneiro, de olhos vendados, deverá escolher uma delas
e, em seguida, retirar uma bola da urna selecionada. Se a bola retirada for branca, ele será libertado
e, se for preta, será condenado. Como o prisioneiro deve proceder, na distribuição das bolas nas
urnas, para maximizar a probabilidade de ser libertado?
74. Em uma cidade com , + 1 habitantes, uma pessoa conta um boato para outra pessoa, a qual,
por sua vez, conta o boato para uma terceira pessoa, e assim por diante. Evidentemente ninguém é
distraído a ponto de contar o boato para quem lhe havia contado o boato. Determine a probabilidade
69
do boato ser contado m vezes:

a) sem retornar ao inventor do boato.
b) sem repetir nenhuma pessoa.
75. Em um bairro existem três empresas de TV a cabo e 20 mil residências. A empresa TA tem
2100 assinantes, a TB tem 1850 e a empresa TC tem 2600 assinantes, sendo que algumas
residências em condomínios subscrevem aos serviços de mais de uma empresa. Assim, temos 420
residências que são assinantes de TA e TB, 120 de TA e TC, 180 de TB e TC e 30 que são
assinantes das três empresas. Se uma residência desse bairro é sorteada ao acaso, qual é a
probabilidade de:
a. Ser assinante somente da empresa TA?
b. Assinar pelo menos uma delas?
c. Não ter TV a cabo?
76. (ENA 2018) Uma prova possui 30 questões de múltipla escolha, cada questão possui 5 itens,
dentre os quais há sempre um único item correto. Se João acertou todas as 26 questões que sabia
resolver e marcou aleatoriamente todas as que não sabia, qual é a probabilidade de João errar no
máximo uma questão?
Referências
Bussab, W. O. ; Morettin, P. A. (2009). Estatística básica. Saraiva, São Paulo, 6ª ed., 560p.
Hoel, P. G.; Port, S. C.; Stone, C. J. Introdução à teoria da probabilidade. Rio de janeiro:
Interciência, 1978.
Magalhães, M. N. (2011). Probabilidade e variáveis aleatórias. Edusp.
Meyer , P. L. (2010). Probabilidade - aplicações à estatística. LTC, São Paulo, 2ª ed.
R Core Team (2014). R: A Language and Environment for Statistical Computing. R Foundation for
Statistical Computing, Vienna, Austria.

Capitulo 3 - Introd A Probabilidade

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

Capitulo 3 - Introd A Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

38

3.2. Conceitos Básicos

3.2.1. Experimento Aleatório: É um experimento , em que, antes de ser executado, não se

3.2.2. Espaço Amostral: É o conjunto Ω de todos os resultados possíveis de um experimento

No caso discreto e finito, se cada ponto amostral ∈Ω= 1, 2, … , for igualmente

3.2.3. Evento (A, B, C, ... , H, ... ): É qualquer subconjunto do espaço amostral Ω . No

{( c , c )}, {( c , c )}, {( c, c )}, {( c , c )} , onde c = cara, c = coroa.

simples associados: {cc} , {c c} . Isto é, A = { cc , c c }.

Quando o espaço amostral Ω contiver k elementos, então, teremos 2k subconjuntos (eventos)

Ω= ∈ ℝ ∶ > 0 , onde, ℝ = conjunto dos números reais.

3.2.4. Operações Entre Eventos

Observar que, ∩ ∪ ̅∩ = − ∪ − . Sendo que − é chamada de

Por meio dos diagramas de Venn podemos verificar as seguintes identidades:

A ∪ B = {t : t ≤ 200} ; A ∩ B = {t : 50 ≤ t < 100} ; B ∪ C = {t : t ≥ 50}

3.3. Definições de Probabilidade

DEFINIÇÃO 3.7: A frequência relativa de um evento A em n repetições de um experimento ε é

sendo que, nA = no de vezes em que o evento A ocorreu nas n repetições ε .

(v) Quando n → ∞ , fA converge para P(A), a probabilidade do evento A ocorrer. Isto

Devemos observar que a definição frequentista de probabilidade requer que os experimentos

Figura 3.2 - Estimativa da probabilidade do evento = %&'& , em 1000

3.3.2. Definição Clássica

Uma probabilidade ( ∙ de acordo com a Definição 3.8 satisfaz os seguintes axiomas:

Este espaço amostral pode ser escrito do seguinte modo

3.3.3. Definição Subjetiva

A estes exemplos, podemos associar a seguinte definição.

DEFINIÇÃO 3.9: A probabilidade de um evento A é a medida do grau de confiança em A de um

A probabilidade P(A | H) muda de um indivíduo para outro dependendo da quantidade de

3.3.4. Definição Axiomática

Definição: Um subconjunto de um espaço amostral Ω é um evento se pertencer a uma classe =

DEFINIÇÃO 3.10: Probabilidade é uma função ( definida numa A-álgebra = de eventos de Ω e

( ⋃@2) = ∑@2) ( 3.4

DEFINIÇÃO 3.11: Seja um subconjunto de um espaço amostral finito ou infinito enumerável

P (A) = ∑ P(ω k ). (3.6)

Na próxima seção enunciamos alguns teoremas básicos de probabilidade.

3.4. Teoremas Básicos

TEOREMA 3.1 – Se φ for o conjunto vazio, então P(φ) = 0.

TEOREMA 3.2 – Se ̅ for o evento complementar de ⊂ Ω , então ( = 1−( ̅ .

P(A ∪ B) = P(A) + P(B) – P(A ∩ B) .

P (A ∪ B) = P(A) + P(B) - P(A ∩ B).

TEOREMA 3.4 – Se A, B e C forem três eventos definidos em um mesmo espaço amostral Ω,

Prova: Aplicar o Teorema 3.3

TEOREMA 3.5 – Sejam A1 , A2 , ... , An eventos de um mesmo espaço amostral Ω, então:

Prova: Por indução matemática.

Prova: Podemos decompor B em dois eventos e ⋂ ̅ mutuamente excludentes, na seguinte

3.5. Métodos de Contagem

Suponha que dispomos de n objetos, a1 , ... , an.

3.5.1. Regra da Multiplicação

3.5.2. Regra da Adição

em que, n! é denominado fatorial de n. n! = n(n – 1)! ; 0! = 1 ; 1! = 1.

Dessa maneira o número de permutações de n objetos distintos é dado por nPn = n! .

Usando a notação de fatorial,

O número 0#S3, também chamado de coeficiente binomial, é igual a quantidade de subconjuntos de r

(a) 0#S3 = 0#XS

# código em R para obter 10 linhas do triângulo de Pascal

Os coeficientes 0#/3 são chamados de coeficientes binomiais.

A = {metade das peças escolhidas são defeituosas}. Então,

Sabemos que o número de maneiras de escolher r objetos dentre n, não considerando a

P(A) = 3/6 = 1/2 . Se escolhermos sem reposição.

3.5.6. Permutações com Elementos Repetidos

3.6. Probabilidade Condicional e Independência

3.6.1. Probabilidade Condicional

A probabilidade de um evento A poderá ser modificada quando recebemos a informação

DEFINIÇÃO 3.11: Dados dois eventos e , define-se ( | como a probabilidade condicional