ESTATÍSTICA

Unidade II
A estatística descritiva trata fundamentalmente de situações que já ocorreram, ou seja, seu ambiente
está no passado ou no presente. Entretanto, muitas vezes nossas decisões encontram-se no futuro,
que apresenta valores incertos. A estatística descritiva consegue nos dizer, por exemplo, quanto nossa
empresa vendeu mês a mês, mas não consegue dizer quanto iremos vender nos próximos seis meses.
Essa informação é talvez mais importante que a dos meses passados, e pode ser prevista com alguma
precisão, usando-se ferramentas da estatística indutiva.

Mas existe uma diferença fundamental. Enquanto podemos dizer com certeza quanto
vendemos nos seis meses anteriores, o que venderemos nos próximos meses é uma probabilidade,
e não uma certeza.

Probabilidade é algo intuitivo, mas quais são os seus conceitos básicos, como são calculados, qual
seu grau de precisão e de certeza? Precisamos entender adequadamente tudo isso para podermos prever
situações futuras e prováveis.

Tudo aquilo que é provável é dotado de tolerância. Caso afirmemos que, baseados em estudos
estatísticos, provavelmente o PIB mundial cairá em 3% não estamos dando um “chute aleatório”, mas
também não podemos “morrer abraçados” a esse número. O mais correto seria dizer que o PIB mundial
cairá entre 2,5% e 3,5%, introduzindo uma margem de erro.

Trataremos dos aspectos fundamentais da Teoria Elementar das Probabilidades para depois evoluir
para a utilização desses conceitos na área de negócios.

Saiba mais

A utilização prática dos conceitos probabilísticos aparece bem

retratada no filme americano de 2008 Quebrando a Banca (título original:
21). Um aluno gênio do MIT orientado pelo seu professor de estatística
monta uma equipe que se propõe a quebrar a banca de cassinos em
Las Vegas.

QUEBRANDO a banca. Direção: Robert Luketic. Estados Unidos: Relativity

Media, 2008. 123 min.

127
 Unidade II

5 TEORIA ELEMENTAR DAS PROBABILIDADES

Probabilidades é formalmente um capítulo da matemática, e não da estatística, mas deve ser bem
entendida para que possamos aplicar os conceitos no estudo de suas distribuições, de fundamental
importância na estatística indutiva.

5.1 Conceitos iniciais de probabilidades e como são calculadas

Caso você procure a definição de probabilidade em um dicionário, o Aurélio, por exemplo, encontrará
algo como: “probabilidade: 1. Qualidade do provável. 2. Motivo ou indício que deixa presumir a verdade
ou a possibilidade de um fato, verossimilhança” (FERREIRA, 1999, p. 1640).

Como é fácil de notar, essa definição não acrescenta nada ao conceito intuitivo que temos de
probabilidade; isso porque o conceito de probabilidade é circular, ou seja, define-se probabilidade
utilizando-se seus próprios termos.

Desse modo desenvolve-se atualmente uma abordagem axiomática na definição de probabilidade,

mantendo-se seu conceito indefinido, algo semelhante ao que acontece em geometria com as definições
de ponto e reta. Estatisticamente, no entanto, adotam-se três abordagens diferentes na definição de
probabilidades: a abordagem clássica, a abordagem como frequência relativa e a abordagem subjetiva.

Antes de seguirmos, no entanto, com a definição de probabilidade, é necessário definir alguns termos
que serão utilizados:

• Experimento aleatório: são aqueles que, apesar de serem repetidos exatamente da mesma
maneira, não apresentam resultados obrigatoriamente iguais. Por exemplo, você pode jogar um
dado exatamente da mesma maneira duas vezes e nada garantirá que obterá o mesmo resultado.

Lembrete

Frequentemente usamos em estatística, principalmente em

probabilidades, o termo “escolhido”. Quando isso ocorre, normalmente
imaginamos uma escolha aleatória, ou seja, um sorteio, nunca uma
escolha dirigida.

• Espaço amostral (ou conjunto universo ou espaço das probabilidades): é o conjunto formado por
todos os resultados possíveis de um experimento aleatório. Por exemplo, o espaço amostral de um
jogo de um dado honesto é dado por:

S = {1;2;3;4;5;6 }

Observe que o dado deve ser honesto, se não o for, o experimento não será aleatório. Podemos calcular
as probabilidades de dados honestos ou viciados, mas com algumas diferenças no processo de cálculo.
128
ESTATÍSTICA

• Evento: é um determinado subconjunto formado por um ou mais elementos do espaço amostral.

Por exemplo, num jogo de dados o evento número primo é formado por:

E = {1;2;3;5}

Fundamentalmente uma probabilidade é uma razão entre o tamanho do evento e o tamanho do

espaço amostral de onde é retirado esse evento. Em outras palavras é a razão entre o que se quer que
aconteça e o que pode acontecer.

5.2 Definição de probabilidade como razão entre valores esperados

e possíveis

Usando esses termos podemos definir estatisticamente o termo probabilidade:

• Abordagem clássica: é a razão (divisão) entre o número de elementos (ou resultados)

favoráveis a um determinado evento e o número total de elementos (ou resultados) do espaço
amostral, ou seja:

n( A )
P (A) =
n(S)

Sendo:

P(A): probabilidade de ocorrer o evento A

n(A): número de elementos favoráveis ao evento A

n(S): número total de elementos do espaço amostral

Por exemplo:

Qual é a probabilidade de, ao se jogar um dado honesto, se obter um número primo?

S = {1;2;3;4;5;6} → n ( S) = 6

Enúmeros primos = {1;2;3;4} → n( S) = 4)

n( A ) 4 2
P (A) = = = = 0,666 ou 66,6%
n( S) 6 3

129
 Unidade II

Observação

Utilizam-se três maneiras de se apresentarem probabilidades: fração

ordinária (2/3, por exemplo, que lemos 2 possiblidades em 3), fração decimal
(0,666 no nosso exemplo) e percentual (66,6%). É indiferente a forma que
se usa, mas deve-se notar que não devem ser feitas operações matemáticas
com porcentagens e que o uso de frações decimais não é costumeiro na
divulgação de probabilidades.

• Abordagem como frequência relativa: é a razão entre o número de vezes que determinado
resultado ocorre, quando repetimos o experimento aleatório um número elevado de vezes.
Por exemplo: jogamos uma moeda 1.000 vezes e em 512 dessas vezes saiu cara. Podemos dizer por
essa definição que a probabilidade de sair cara nesta moeda é de 512/1.000, ou seja, 51,2%. Esse
raciocínio seria simbolizado da seguinte forma:

fA 512
P ( A ) = frA = → p (A) = = 0,512 ou 51,2%
fT 1.000

Note que o resultado não é o mesmo que o calculado pela definição anterior (50%). Podemos
atribuir isso ao fato de a moeda usada não ser honesta (portanto com resultados aleatórios) ou ao fato
de o número de jogadas não ter sido suficientemente grande. Aumentando o número de jogadas, a
probabilidade tenderá ao valor teórico de 50%, se a moeda for honesta.

• Abordagem subjetiva: ao contrário das definições anteriores, nesta, a probabilidade não é um

valor objetivo, mas algo que indica a “crença” do analista naquela ocorrência. Evidentemente que
essa probabilidade não é fruto de um “palpite, um chute”, mas algo embasado em dados objetivos,
complementados por aspectos pessoais. É o caso, por exemplo, do meteorologista que prevê
80% de chances de chover num determinado período. Outro exemplo é o Índice de Confiança
Empresarial (ICE) medido pela Fundação Getúlio Vargas (FGV). Esse capítulo da estatística é
estudado em análise bayesiana de decisão.

Durante nosso curso iremos utilizar as duas primeiras abordagens, de acordo com o campo de estudo
em que estivermos. Deve-se notar que a primeira abordagem é eminentemente teórica e pressupõe
experimentos aleatórios, em que os elementos são equiprováveis. Já na segunda abordagem podem ser
introduzidos fatores diversos, característicos de determinadas situações não totalmente aleatórias.

Apesar de basicamente o cálculo de probabilidades envolver uma das duas relações descritas
anteriormente, existem axiomas, teoremas e propriedades que devem ser conhecidas para o correto
uso da teoria. Antes, porém, de nos preocuparmos com a teoria envolvida, iremos nos ater à lógica que
permeia o cálculo de probabilidades, a partir da utilização da abordagem clássica, no próximo item
voltaremos à abordagem como frequência relativa.

130
ESTATÍSTICA

Esse raciocínio lógico é mais bem entendido com uma sequência de exemplos progressivamente
mais complexos que veremos a seguir.

Exemplo 1

Uma moeda honesta é jogada uma única vez, qual é a probabilidade de que o resultado seja CARA?

Pelo modo como o exercício é proposto nós devemos calcular a probabilidade como uma razão entre
o número de elementos favoráveis ao evento CARA e o número todas de elementos possíveis.

Espaço amostral: {cara; coroa} → n ( S) = 2

Evento desejado (cara) : {cara} → n( A ) = 1

n ( A ) n (cara) 1
p ( A ) = P (cara) = = = = 0,5 ou 50%
n(S) n(S) 2

Nem precisaríamos ter feito o cálculo. Qualquer um de nós sabe intuitivamente que a probabilidade
de sair cara ao se jogar uma moeda é de 50%. Mas o exemplo é valido para ressaltar que isso só acontece
se a moeda for honesta e para demonstrar o processo de cálculo das probabilidades.

Exemplo 2

Duas moedas honestas são jogadas simultaneamente, qual é a probabilidade de que pelo menos
uma seja CARA?

Note que neste caso o espaço amostral se tornou ligeiramente mais complexo:

S = { Cara Cara; Cara Coroa; Coroa Cara; Coroa Coroa) → n (S) = 4

E o evento pedido é:

E = {Cara Cara; Cara Coroa; Coroa Cara), → n (E ) = 3

Logo a probabilidade é:

n( A ) 3
P (pelo menos uma cara) = → P (pelo menos uma cara) = = 0,75 ou 75%
n(S) 4

131
 Unidade II

Observação

Do ponto de vista do cálculo de probabilidade, jogar simultaneamente

duas moedas é o mesmo que jogar uma, anotar o resultado e depois
jogar outra.

5.2.1 Árvore de decisões

Exemplo

Quatro moedas são jogadas simultaneamente, qual é a probabilidade de que se obtenham pelo
menos duas CARAS?

Perceba que ficou muito mais complexo estabelecer o espaço amostral e o evento solicitado.
O princípio é o mesmo dos exercícios anteriores, mas, como o número de moedas aumentou, as
dificuldades envolvidas também aumentam.

Para facilitar nosso raciocínio iremos introduzir duas ferramentas: a árvore de decisões e a
análise combinatória.

Saiba mais

Neste texto veremos superficialmente o método da árvore de decisões,

mas esse é um método muito utilizado sempre que o raciocínio lógico é
necessário. O texto a seguir mostra um vídeo com um belo exemplo de
aplicação dessa ferramenta:

APRENDENDO GESTÃO. Árvores de decisão: exemplo completo. [s.d.].

Disponível em: https://aprendendogestao.com.br/2019/09/21/arvores-de-
decisao-exemplo-completo/. Acesso em: 3 nov. 2021.

A árvore de decisões consiste em representar graficamente todas as possibilidades de resultados dos

experimentos aleatórios de modo a não se perder nenhum evento e ao mesmo tempo se compreender
a mecânica do experimento.

Cara
Joga-se uma moeda honesta.
Os resultados podem ser:
Coroa

Figura 38

132
ESTATÍSTICA

A seguir está desenhada a árvore de decisões do experimento “jogar quatro moedas honestas
simultaneamente”. Note que não esquecemos nenhum dos resultados possíveis.

1ª moeda 2ª moeda 3ª moeda 4ª moeda

Resultados da: jogada jogada jogada jogada

Cara Caminho 1
Cara
Coroa Caminho 2
Cara
Cara Caminho 3
Coroa
Coroa Caminho 4
Cara
Cara Caminho 5
Cara
Coroa Caminho 6
Coroa
Cara Caminho 7
Joga-se uma Coroa
Coroa Caminho 8
moeda honesta
sucessivamente
4 vezes Cara Caminho 9
Cara
Coroa Caminho 10
Cara
Cara Caminho 11
Coroa
Coroa Caminho 12
Coroa
Cara Caminho 13
Cara
Coroa Caminho 14
Coroa
Cara Caminho 15
Coroa
Coroa Caminho 16

Figura 39

De posse da árvore de decisões, conseguimos responder mais facilmente ao solicitado neste

exemplo. Perceba que, após se jogar a moeda pela quarta vez, nós teremos um total de 16 soluções
(caminhos) possíveis.

Observe a sequência do caminho de número 1:

Na primeira vez que se jogou a moeda saiu cara; na segunda jogada saiu cara de novo; assim como
na terceira e na quarta jogadas, ou seja, o caminho 1 é formado pelos seguintes eventos sucessivos:
cara – cara – cara - cara.

O mesmo raciocínio nos conduz a outras 15 combinações possíveis das quais as de números 1, 2, 3,
4, 5, 6, 7, 9, 10, 11, 13 apresentam a resposta que desejamos, ou seja, pelo menos duas caras, as demais
apresentam uma ou nenhuma cara, portanto, não nos interessam.

133
 Unidade II

Dessa forma temos um total de 16 elementos no espaço amostral, sendo que 11 deles são
favoráveis à nossa pergunta, portanto a probabilidade de que ocorra pelo menos uma cara é de 11
possibilidades em 16, ou seja:

n( A ) 11
P (A) = → P (pelo menos uma cara) = = 0,6875 ou 68,75%
n(S) 16

Agora note que o número de possibilidades (ou seja, elementos) do espaço amostral cresce
continuamente. Caso jogássemos uma quinta vez a moeda, teríamos 32 resultados diferentes.
Uma maneira de trabalharmos com essa grande quantidade de números é o uso da análise combinatória.
(atenção: aqui trabalharemos superficialmente esse assunto. Utilizaremos apenas as ferramentas que
nos são importantes neste capítulo).

5.2.2 Análises combinatórias

Perceba que o cálculo de probabilidade continuará a ser feito através da razão entre o número
de elementos favoráveis ao evento que estamos estudando e o número total de elementos do
espaço amostral; a análise combinatória nos servirá para calcular de maneira menos trabalhosa
essas quantidades.

Se você olhar a árvore de decisões do jogo de moedas, perceberá que o espaço amostral cresce em
número de elementos da seguinte maneira:

Tabela 63

Número de jogadas da moeda Número de resultados diferentes

1 2
2 4
3 8
4 16

É fácil notar que a relação matemática existente entre o número de jogadas e o número de resultados
possíveis é de nx, em que n é o número de resultados possíveis de ocorrer numa única repetição do
experimento (no caso n = 2 porque os resultados possíveis são cara ou coroa) e x é o número
de repetições do experimento (no caso na tabela anterior temos n variando de 1 a 4).

Desse modo, se quisermos saber o número de elementos do espaço amostral de seis jogadas de uma
moeda bastaria fazermos o cálculo 26 = 64 resultados diferentes.

Em análise combinatória, esse procedimento é conhecido como cálculo do número de arranjos

com repetição.

Arn,x = nx

134
ESTATÍSTICA

Observação

A fórmula Arn,x = nx ; Arn,x

é lida da seguinte forma: “número de arranjos com repetições de n

elementos repetidos x vezes”.

Arranjos com repetição é um dos modos de se contarem elementos, campo da análise combinatória.
Utiliza-se esse conceito quando a ordem dos elementos que forma o grupamento é importante e
quando um elemento pode ser repetido. Existem também outros modos de se contar, como arranjos
simples, permutações e combinações. Além do arranjo com repetição, somente essa última nos
interessa neste texto.

Por outro lado, observando a árvore de decisões, podemos contar o número provável de caras na
quarta jogada montando a tabela a seguir:

Tabela 64

Número de coroas Número de caras “Número do Quantidade de

que apareceu que apareceu caminho” caminhos

Quatro coroas Zero caras 16 1

Três coroas Uma cara 8;12;14;15 4

Duas coroas Duas caras 4;6;7;10;11;13 6

Uma coroa Três caras 2;3;5;9 4

Zero coroas Quatro caras 4 1

A quantidade de caminhos que atendem a cada uma das condições é calculada através do
número de combinações simples. Usamos combinações simples quando nos grupamentos
que estamos trabalhando a ordem dos elementos não é importante e cada elemento pode ser
contato apenas uma vez.

Por exemplo, suponha que cinco crianças querem usar o mesmo brinquedo no qual só cabem três.
Quantos grupos diferentes poderiam usar o brinquedo? Suponha que as crianças sejam identificadas
pelas letras A; B; C; D e E, poderíamos agrupá-las da seguinte forma:

Quadro 6

ABC ABE ACE BCD BDE

ABD ACD ADE BCE CDE

135
 Unidade II

Ou seja, poderíamos fazer dez grupos diferentes com três crianças em cada grupo. Perceba que
o grupo ABC e o grupo CBA são idênticos, na verdade são o mesmo grupo, as mesmas crianças
estariam usando o brinquedo. Claro que, se tivéssemos uma quantidade maior de crianças e de
brinquedos, não conseguiríamos determinar a quantidade de grupos “na raça”, precisaríamos de ajuda
da matemática.

O número de combinações é obtido através da fórmula:

n!
Cn,x =
x! (n − x )!

Onde:

n = número total de repetições do experimento

x = número de resultados desejados

Observação

n!
A fórmula Cn,x =
x! (n − x )!

deve ser lida da seguinte forma: “número de combinações de n

elementos tomados x a x vezes”.

Lembrete

Fatorial de um número a, simbolizado por a!, é a multiplicação de todos

os números inteiros e positivos desde a unidade até o valor a, ou seja:

a! = 1 × 2 × 3 × 4 × ...... × a

Por exemplo: 6! é igual a 720 porque:

6! = 1 × 2 × 3 × 4 × 5 × 6 = 720

Notar que, por definição, 0! é igual a 1.

136
ESTATÍSTICA

No exemplo das crianças teríamos n = 5 crianças; x = 3 lugares:

n! 5! 5! 1 × 2 × 3 × 4 × 5 120
Cn,x = → C5,3 = = = = = 10 possibildades
x! (n − x )! 3! (5 − 3)! 3!× 2! 1 × 2 × 3 × 1 × 2 12

Conforme tínhamos determinado na tabela elaborada.

No caso do exemplo com quatro moedas sendo jogadas, seria usado um cálculo semelhante.

A tabela a seguir mostra o cálculo das combinações do exemplo dado. Verifique que coincide com os
números obtidos através da árvore de decisões.

Tabela 65

Número de caras que Número de

Fórmula do cálculo das combinações
queremos obter combinações obtidas

4! 4! 24
Zero caras C4,0 = = = =1 1
0! (4 − 0)! 0!4! 1 × 24

4! 4! 24
Uma cara C4,1 = = = =4 4
1! (4 − 1)! 1!3! 1 × 6

4! 4! 24
Duas caras C4,2 = = = =1 6
2! (4 − 2)! 2!2! 2 × 2

4! 4! 24
Três caras C4,3 = = = =4 4
3! (4 − 3)! 3!1! 6 × 1

4! 4! 24
Quatro caras C4,4 = = = =1 1
4! (4 − 4 )! 4!0! 24 × 1

Perceba que temos agora todas as informações necessárias para o cálculo das probabilidades
envolvidas no experimento de “quatro jogadas sucessivas de uma moeda honesta”. A tabela a seguir
resume esses valores.

137
 Unidade II

Tabela 66

Número total de resultados do espaço Número total de resultados

amostral (número de “caminhos”) favoráveis ao evento
Eventos Probabilidade de ocorrência
Calculado usando-se arranjos com Calculado usando-se
repetições combinações

Obter zero 1
16 1 = 0,0625 = 6,25%
caras 16

Obter uma 4
16 4 = 0,2500 = 25,00%
cara 16

Obter duas 6
16 6 = 0,3750 = 37,50%
caras 16

Obter três 4
16 4 = 0,2500 = 25,00%
caras 16

Obter quatro 1
16 1 = 0,0625 = 6,25%
caras 16
Somatório 100%

Esse quadro resume todos os possíveis resultados do experimento: “jogar quatro vezes uma moeda
honesta”. Cada um desses resultados é um evento diferente e a probabilidade de cada evento ocorrer é
obtida pela divisão do número de vezes que ele ocorre pelo número de resultados totais do experimento.

O evento pedido na questão, pelo menos duas caras, é a soma dos eventos: duas ou três ou quatro
caras. Conforme os valores obtidos na tabela anterior, resultaria em:

0,3750 + 0,2500 + 0,0625 = 0,6875 = 68,75%

Como já havíamos determinado anteriormente.

Esses conceitos permitem calcular situações mais complexas como os exemplos a seguir, bem
mais trabalhosos.

Exemplo 1

Vinte moedas são jogadas simultaneamente, qual é a probabilidade de que se obtenham

exatamente oito CARAS?

Essa questão é muito semelhante à anterior, mas envolve uma quantidade de moedas e resultados
que inviabilizam o uso da árvore de decisões. Sabemos, entretanto, calcular questões desse tipo usando
os conceitos de análise combinatória:

138
ESTATÍSTICA

• O número total de resultados possíveis é o número de arranjos com repetições de 20 moedas que
podem apresentar dois resultados diferentes.

Arn,x = nx = 220 = 1.048.576

• O número total de resultados que nos interessam é o número de combinações de 20 moedas das
quais oito sejam caras:

n! 20! 20! 2.432.902.008.176.640.000

Cn,x = → C20,8 = = = = 125.970
x! (n − x )! 8! (20 − 8)! 8!× 12! 40.320 × 479.001.600

• A probabilidade de ocorrerem oito caras é de:

n( A ) 125.970
p(A) = → P ( exatamente 8 caras ) = = 0,1201 = 12,01%
n( S) 1.048.576

Observação

Os números envolvidos anteriormente são relativamente grandes,

mas, com uma calculadora científica ou na planilha Excel, o trabalho é
relativamente simples. Mesmo o cálculo do número de combinações
pode ser facilitado se utilizarmos o conceito de simplificação, como
mostrado a seguir:

20! 12!× 13 × 14 × 15 × 16 × 17 × 18 × 19 × 20
C20.8 = = = 125.970
8! x12! 1 × 2 × 3 × 4 × 5 × 6 × 7 × 8 × 12!

Simplificando os valores possíveis no numerador e denominador, sobrará

no numerador apenas a multiplicação 13 × 2 × 17 × 3 × 19 × 5 = 125.970

Vamos utilizar esses conhecimentos adquiridos para fazer um cálculo, que talvez não deixe
você satisfeito.

Exemplo 2

Qual é a probabilidade de se ganhar o prêmio máximo na Mega-Sena fazendo-se um jogo com

sete dezenas?

Observe que na Mega-Sena é necessário acertar seis dezenas para se ganhar o prêmio máximo. Caso
se joguem sete dezenas, temos sete chances de acertar as seis dezenas (n = 7 e x = 6).

139
 Unidade II

n! 7! 7! 5.040
Cn,x = → C7,6 = = = =7
x! (n − x )! 6! (7 − 6 )! 6!× 1! 720 × 1

Quantos resultados diferentes podem ocorrer?

Na Mega-Sena existem 60 números possíveis, dos quais você deve acertar seis, ou seja:

n! 60! 60!
Cn,x = → C60,6 = = = 50.063.860
x! (n − x )! 6! (60 − 6 )! 6!× 54!

Resumindo, você tem sete chances em 50.063.860 de acertar na Mega-Sena, o que dá uma
probabilidade de:

n( A ) 7
P (A) = → P (ganhar na Mega − Sena com sete jogos ) = =
n(S) 50.063.860
= 0,00000014 ou 0,000014%

Melhor continuar estudando, não é?

6 DEFINIÇÃO DE PROBABILIDADE COMO FREQUÊNCIA RELATIVA

Até aqui, sempre que nos referimos às moedas, frisamos que ela era honesta. Por que isso? Porque
o sorteio de uma moeda honesta é um experimento absolutamente aleatório, ou seja, por mais que a
joguemos, nunca iremos saber qual o próximo resultado. Além disso, a probabilidade de cair cara numa
moeda honesta é de 50%, assim como de sair coroa. São resultados equipotentes.

Nem sempre será assim. Podemos ter moedas viciadas e, em situações mais próximas da
realidade do dia a dia, decerto os experimentos não serão absolutamente aleatórios, mas
aproximadamente aleatórios, e as probabilidades de ocorrência serão dadas pelas frequências
relativas observadas.

Imagine que você tenha nas mãos uma moeda que não sabe se honesta ou viciada.

Como poderia saber? Testando-a, ou seja, jogando-a repetidas vezes e anotando os resultados.
Caso os resultados tendam para 50% de sair cara e 50% de sair coroa, a moeda será honesta, caso
contrário, será viciada. Obviamente, quanto maior o número de vezes que a testar, mais segura
será a resposta.

A tabela a seguir mostra uma sucessão fictícia de testes em duas moedas.

140
ESTATÍSTICA

Tabela 67

Moeda A Moeda B

Probabilidade de coroa

Probabilidade de coroa
Probabilidade de cara

Probabilidade de cara
Número de vezes

N. de coroas

N. de coroas
N. de caras

N. de caras
que a moeda foi
lançada

10 6 60,0% 4 40,0% 5 50,0% 5 50,0%

30 14 46,7% 16 53,5% 16 53,3% 14 46,7%
40 19 47,5% 21 52,5% 23 57,5% 17 42,5%
50 27 54,0% 23 46,0% 29 58,0% 21 42,0%
100 52 52,0% 48 48,0% 57 57,0% 43 43,0%
500 249 19,8% 251 50,2% 290 58,0% 210 42,0%
1.000 505 50,5% 4095 49,5% 589 58,9% 411 41,1%
10.000 5.010 50,1% 4.990 49,9% 5.809 58,1% 4.191 41,9%

Note algumas características importantes:

• Para poucos lançamentos, não é possível assumir se as moedas são honestas ou viciadas.
O número de observações não é suficiente. Isso é constante na estatística indutiva. Precisamos de
uma quantidade de observações mínima para se chegar a alguma conclusão.

• À medida que o número de observações vai crescendo, cristalizamos a ideia de que a moeda
A é honesta e a moeda B viciada. Perceba que em dez jogadas não há nada de estranho em
se obterem seis caras e quatro coroas, mas quando jogamos a moeda 100 vezes e obtemos
57 caras, algo não acidental está ocorrendo. Não é possível que seja uma questão de
“sorte” ou “azar”.

• A partir dessas observações podemos assumir que a moeda A é honesta e a probabilidade de se

obter cara é igual à de se obter coroa, no valor de 50% (o fato de os cálculos não resultarem
exatamente em 50% é efeito de variações aceitáveis).

• Já a moeda B é viciada e a probabilidade de se obter cara é de 58% (aproximadamente) e, de se

obter coroa, 42%.

A partir desses conceitos podemos abrir um pouco mais o leque dos nossos cálculos, resolvendo a
questão do próximo item.

141
 Unidade II

6.1 Evento soma e evento produto

Exemplo 1

Jogamos a moeda B, mencionada anteriormente, três vezes em sequência. Lembrar que essa
moeda é viciada com 58% de probabilidade de sair cara e 42% de probabilidade de sair coroa. Qual é a
probabilidade que obtenhamos pelo menos duas caras?

Vamos entender a questão através do uso da árvore de decisões. É a mesma árvore usada
anteriormente com uma diferença. Sobre cada decisão (simbolizada pelas flechas), colocaremos a
probabilidade correspondente:

Cada “caminho” será formado de várias decisões em sequência, cada uma delas com probabilidades
diferentes. A probabilidade de ocorrência de um caminho em especial é dada pela multiplicação das
probabilidades individuais. A isso chamamos de evento produto.

Observe na figura o cálculo dos vários caminhos:

1ª moeda 2ª moeda 3ª moeda

Resultados da: jogada jogada jogada
Probabilidade de cada caminho

0,58 Caminho 1 → 0,58 x 0,58 x 0,58 = 0,583 = 0,1951

Cara
0,58 Cara

0,42 Coroa Caminho 2 → 0,58 x 0,58 x 0,42 = 0,582 x 0,42 = 0,1413

Cara
0,58
0,58 Cara Caminho 3 → 0,58 x 0,42 x 0,58 = 0,582 x 0,42 = 0,1413
0,42
Coroa

Joga-se uma 0,42 Coroa Caminho 4 → 0,58 x 0,42 x 0,42 = 0,58 x 0,422 = 0,1023
moeda viciada
sucessivamente
3 vezes 0,58 Cara Caminho 5 → 0,42 x 0,58 x 0,58 = 0,582 x 0,42 = 0,1413
Cara
0,58
0,42 Coroa Caminho 6 → 0,42 x 0,58 x 0,42 = 0,58 x 0,422 = 0,1023
0,42
Coroa
0,58 Cara Caminho 7 → 0,42 x 0,42 x 0,58 = 0,58 x 0,422 = 0,1023
0,42
Coroa

0,42 Coroa Caminho 8 → 0,42 x 0,42 x 0,42 = 0,423 = 0,0741

Somatório = 1 ou 100%

Figura 40

142
ESTATÍSTICA

Pelo menos duas caras significam duas ou três caras, logo os caminhos 1; 2; 3; 5 nos interessam, os
demais ou têm apenas uma cara, ou nenhuma.

Qualquer um desses quatro caminhos que vier a ocorrer atenderá a nossa pergunta, ou seja, a
probabilidade de ocorrer pelo menos duas caras é a soma das probabilidades de ocorrer o caminho um
ou então o dois ou então o três ou ainda o cinco. Poderíamos escrever isso assim:

P (pelo menos uma cara) = P (cacaca) + P (cacaco) + P (cacoca) + P (cocaca)

Assim, o resultado final seria:

P (pelo menos uma cara) = 0,1951 + 0,1413 + 0,1413 + 0,1413 = 0,6190 = 61,90%

Essa soma de eventos gera o que se chama de evento soma.

Observação

É importante observar que {cacaco}; {cacoca} e {cocaca} são eventos

diferentes, apesar de podermos nos referir a eles como os resultados com
duas caras e uma coroa. Caso tenha dúvida, imagine que você e um colega
estejam atravessando uma rua movimentada. Um de vocês será atropelado.
Tanto faz a ordem do atropelado? Certamente não!

Cada vez que se joga a moeda, ocorre um resultado diferente. A cada um desses resultados damos
o nome de evento. Vários eventos podem ser combinados, criando os eventos soma e eventos produto,
já mostrados anteriormente.

O evento soma representa uma alternativa entre vários eventos simples, caracteriza-se pela palavra
“ou”. Por exemplo, a questão qual é a probabilidade de um aluno passar em estatística é respondida
por um evento soma: o aluno pode passar sem exame ou com exame. A probabilidade será a soma das
probabilidades dos dois eventos simples.

O evento produto representa uma obrigação entre várias situações e caracteriza-se pela palavra
“e”. Por exemplo, qual é a probabilidade de um aluno cursar Administração e passar em Estatística.
O aluno tem que cursar Administração e passar em Estatística. A probabilidade será o produto entre
probabilidade de um aluno estudar Administração e a probabilidade de passar em Estatística.

Vamos firmar esse conceito através do seguinte exemplo:

143
 Unidade II

Exemplo 2

Dois caçadores, Pedro e João, atiram contra uma caça simultaneamente. Sabemos que Pedro tem
uma probabilidade de acertar esse tipo de caça de 40%, enquanto João acerta em 55% das vezes.
Calcular a probabilidade de:

• A caça ser atingida.

• Ambos atingirem simultaneamente a caça.

Antes de resolvermos a questão, vamos sublinhar como foram obtidas essas probabilidades.
Presume-se que Pedro e João já foram caçar diversas vezes esse tipo de caça e a cada tiro que deram
anotaram o resultado. Após algum tempo eles têm uma série de observações suficientemente grandes
para calcular as probabilidades relacionadas.

Pedro atirou um número X de vezes e acertou quatro a cada dez tiros, assim ele pode afirmar que tem
40% de chances de acertar um tiro qualquer nessas mesmas condições. João em raciocínio semelhante
chegou à probabilidade de 55%.

É evidente que, se Pedro tem 40% de chances de acertar, tem 60% de chances de errar, assim como
João tem 55% de probabilidade de acertar e 45% de errar. Chega-se a essa conclusão porque os eventos
acertar e errar são eventos complementares, ou seja, um completa o outro sem a existência de um
terceiro e com a soma dos dois resultando em 100%.

Com essas probabilidades individuais podemos montar a árvore de decisões apropriada:

Cálculo das probabilidades

Acerta 0,40 x 0,55 = 0,22 ou 22%

0,45 o tiro
Acerta João atira
0,40 o tiro

Erra 0,40 x 0,45 = 0,18 ou 18%

0,55 o tiro

Pedro atira

Acerta 0,60 x 0,55 = 0,33 ou 33%

0,45 o tiro

0,60 Erra João atira

o tiro

0,55 Erra
o tiro 0,60 x 0,45 = 0,27 ou 27%

Figura 41

144
ESTATÍSTICA

Podemos então responder às questões:

A caça será atingida se Pedro ou João ou os dois a atingirem. Quer dizer, existe alternativa, portanto
é um evento soma:

P (caça ser atingida) = P (Pedro e João acertarem) + P (Pedro acertar e João errar) + P (Pedro errar e João acertar)

P (caça ser atingida) = 0,22 + 0,18 + 0,33 = 0,73 ou 73%

Portanto, a probabilidade de a caça ser atingida é de 73% (item a).

Para ambos atingirem a caça, é necessário que Pedro e João a atinjam, ou seja, é um evento produto.

P (ambos atingirem a caça) = P (Pedro acertar ) × P ( João acertar )

P (ambos atingirem a caça) = 0,40 × 0,55 = 0,22 ou 22%

A probabilidade de ambos acertarem simultaneamente a caça é de 22% (item b).

6.2 Eventos independentes e eventos vinculados

Na questão anterior, os tiros de Pedro não interferem nos tiros de João e vice-versa, ou seja, o fato de
Pedro acertar ou errar não torna mais ou menos provável os acertos ou erros de João. É o que se chama
de eventos independentes.

Nem sempre, no entanto, isso ocorre. Eventualmente a ocorrência de um evento altera a probabilidade
de ocorrência do evento seguinte. São os eventos vinculados ou condicionados ou dependentes.

A próxima questão exemplifica esse conceito:

Exemplo

Temos uma caixa que contém um total de 45 bolinhas, sendo 20 verdes, 15 brancas e 10 pretas.
Retira-se dessa caixa uma bolinha, anota-se sua cor, coloca-se de lado e em seguida retira-se da caixa
uma segunda bolinha.

• Qual é a probabilidade que as duas bolinhas retiradas formem a agradável combinação verde
e branca?

• Qual é a probabilidade que as duas bolinhas retiradas formem a desagradável combinação

preta e branca?

145
 Unidade II

Uma combinação verde e branca corresponde a retirar uma primeira bolinha verde e uma segunda
bolinha branca ou uma primeira bolinha branca e uma segunda bolinha verde. Raciocínio semelhante
utiliza-se para a combinação preta e branca.

Novamente vamos utilizar a árvore de decisões para entender e esquematizar o problema, seguindo
o raciocínio anteriormente estabelecido:

19 Bolinha 20 x 19 = 380 = 0,1919

verde 45 44 1980
1
44
15
Depois de 44
Bolinha retirada a 1ª 19 bolinhas verdes; Bolinha 20 x 15 = 300 = 0,1515
verde bolinha a caixa 15 brancas e 10 pretas, branca 45 44 1980 2
ficará contendo: num total de 44 bolinhas
20 10
45 44 Bolinha 20 x 10 = 200 = 0,1010
preta 45 44 1980 3

20 Bolinha 15 x 20 = 300 = 0,1515

verde 45 44 1980
4
15 44
45 14
Caixa agora contendo: Depois de
20 bolinhas verdes; Bolinha retirada a 1ª 20 bolinhas verdes; 44 15 x 14 = 210 = 0,1061
Bolinha
15 brancas e 10 pretas, branca bolinha a caixa 14 brancas e 10 pretas,
branca 45 44 1980 5
num total de 45 bolinhas ficará contendo: num total de 44 bolinhas
10
44 Bolinha 15 x 10 = 150 = 0,0757
preta 45 44 1980 6
10
45 10 x 20 = 200 = 0,1010
20 Bolinha
verde 45 44 1980
7
44
15
Depois de 20 bolinhas verdes; 44
Bolinha retirada a 1ª Bolinha 10 x 15 = 150 = 0,0757
preta
15 brancas e 9 pretas,
bolinha a caixa num total de 44 bolinhas branca 45 44 1980 8
ficará contendo:
9
44 Bolinha 10 x 9 = 90 = 0,0455
preta 45 44 1980 9

Figura 42

Note que em todos os caminhos a probabilidade de ocorrência da segunda retirada depende do que
aconteceu na primeira retirada. Seja qual for a cor retirada, em primeiro lugar a caixa fica, para a segunda
retirada, com 44 bolinhas. Isso porque a bolinha retirada não foi recolocada na caixa. Chamamos a isso
de retirada sem reposição, caracterizando o evento dependente. As probabilidades da segunda retirada
dependem do que aconteceu na primeira retirada.

Perceba o caminho 1. Na segunda retirada pode sair uma bolinha verde e a probabilidade de que
isso ocorra é de 19/44. O caminho 4, na segunda retirada também pode resultar numa bolinha verde e
a probabilidade de que isso ocorra é de 20/44. Por que essa diferença?

Porque a primeira retirada foi diferente entre os dois caminhos, no caminho 1 a primeira retirada foi
de uma bolinha verde, no caminho 4 de uma bolinha preta. No primeiro caso houve uma redução na
quantidade de bolinhas verdes, no segundo a quantidade se manteve igual.

Essa vinculação entre eventos sucessivos altera as probabilidades finais, portanto, devemos
estar atentos a ela.
146
ESTATÍSTICA

Agora, voltando à resolução do exercício, note que, dos nove caminhos existentes (eventos produtos),
dois correspondem a uma combinação verde e branca. Os caminhos 2 e 4. Portanto um ou outro atendem
ao solicitado (portanto, evento soma), desta forma:

P (combinação verde e branca) = P (1ª verde e 2ª branca) + P (1ª branca e 2ª verde)

P (combinação verde e branca) = 0,1515 + 0,1515 = 0,3030 ou 30,30%

A probabilidade de se obter uma combinação verde e branca é de 30,30%.

Raciocínio semelhante se faz para a combinação preta e branca (siga os caminhos 6 e 8):

P (combinação preta e branca) = P (1ª preta e 2ª branca) + P (1ª branca e 2ª preta)

P (combinação preta e branca) = 0,0757 + 0,0757 = 0,1514 ou 15,14%

6.3 Revisão teórica dos conceitos estudados

Procuramos até aqui dar uma visão lógica da teoria das probabilidades. Revisaremos agora
os conceitos à luz das teorias matemáticas comumente usadas e retomaremos o vocabulário
tradicionalmente usado.

• Experimento: processo como ocorre uma determinada sucessão de acontecimentos. Por exemplo:
realizar uma reação química; investir em ações; jogar dados.

• Experimento matemático ou determinístico: são aqueles em que os resultados podem ser

previstos de modo exato utilizando-se da ciência. Por exemplo: realizar uma reação química.

• Experimento aleatório: são aqueles cujos resultados não são sempre os mesmos, apesar de se
repetirem várias vezes em condições semelhantes. Por exemplo, jogar dados.

• Experimentos aproximadamente aleatórios: são aqueles que, apesar de terem uma tendência
de ocorrência, não podem ter seus resultados definidos de modo exato pela ciência. Por exemplo:
investir em ações.

• Espaço amostral ou conjunto universo: conjuntos formados por todos os resultados possíveis
de um experimento. Por exemplo, o conjunto formado pelos números {1;2;3;4;5 e 6}, resultados
possíveis de um jogo de dados.

• Evento: é qualquer subconjunto de um espaço amostral. Por exemplo, os números 2; 4 e 6, evento

“números pares” de um jogo de dados.

147
 Unidade II

• Evento simples: aquele formado por um único elemento do espaço amostral. Por exemplo, o
número 5 num jogo de dados.

• Evento composto: aquele formado por mais de um elemento do espaço amostral. Por exemplo,
os números 1; 3 e 5, evento “números ímpares” de um jogo de dados.

• Evento complementar: de um evento A qualquer, é o evento B (chamado complementar de

A), tal que todos os elementos do espaço amostral que não pertençam a A pertençam a B e
vice‑versa. Observar que S = A+B. Por exemplo, o conjunto A = {1,3,5} é complementar ao
conjunto B = {2,4,6}, num jogo de dados, visto que, ao serem somados, dão origem ao espaço
amostral S = {1,2,3,4,5,6}. Não falta nem sobra elemento algum.

• Eventos mutuamente exclusivos: suponha dois eventos A e B, no qual a ocorrência de A impede

a ocorrência de B e vice-versa. Dizemos que eles são mutuamente exclusivos. Por exemplo: num
jogo de dados, a ocorrência de um número par (1, 2, 3) impede a ocorrência de um número
ímpar (2, 4, 5), portanto são mutuamente exclusivos. Não confunda eventos complementares com
eventos mutuamente exclusivos. Todos os eventos complementares são mutuamente exclusivos,
mas o contrário não é verdade.

• Eventos independentes: dizemos que dois ou mais eventos são independentes quando eles não
exercem ações recíprocas, comportando-se cada um de maneira que lhe é própria, sem influenciar
os demais. Por exemplo, o lançamento de duas moedas, simultaneamente.

• Eventos vinculados ou condicionados: são eventos cujo aparecimento de um dependa, isto é,

seja influenciado pelo aparecimento de outro, do mesmo experimento. Por exemplo, retirada de
duas cartas de um baralho. Quando você retira a primeira carta, existem 52 cartas no baralho,
26 vermelhas e 26 pretas. Quando você for retirar a segunda carta o baralho, terá apenas 51 cartas
e poderão ser 25 vermelhas e 26 pretas ou 26 vermelhas e 25 pretas, dependendo da cor da
primeira carta. Portanto, o segundo evento está condicionado ao ou vinculado com o primeiro.

• Evento soma: quando relacionamos dois eventos de um mesmo experimento e a ocorrência de

um ou de outro nos interessa, temos o evento soma. Perceba a importância da palavra ou na
formulação do princípio e da ideia de alternativa. Por exemplo: jogo um dado e quero que saia
um número par ou um número primo. Os números pares são: {2,4,6} e os números primos são
{1,2,3,5}. Como me interessam os números pares ou primos, fico satisfeito com a ocorrência
de qualquer um dos seguintes números {1,2,3,4,5}. Note que esse conjunto é a soma dos dois
anteriores, descontadas as intersecções (no caso o número 2).

• Evento produto: quando relacionamos dois eventos de um mesmo experimento e a ocorrência de

um e simultaneamente do outro nos interessa, temos o evento produto. Perceba a importância
da palavra e na formulação do princípio, e da ideia de obrigação. Por exemplo: jogo um dado e quero
que saia um número par e primo. Os números pares são: {2,4,6} e os número primos são {1,2,3,5}.
Como me interessa que o número seja par e simultaneamente primo, fico satisfeito somente com

148
ESTATÍSTICA

a ocorrência de número: {2}. Note que esse conjunto é a intersecção dos dois anteriores, ou seja,
valores que pertencem simultaneamente aos dois conjuntos.

• Definição de probabilidade matemática: é a razão (divisão) entre o número de elementos do

evento estudado pelo número de elementos do espaço amostral, ou seja:

n( A )
P (A) =
n(S)

• Definição de probabilidade estatística: presumindo que um experimento é repetido uma

quantidade considerável de vezes e seus resultados anotados, definimos probabilidade de
ocorrência de eventos daquele experimento como sendo sua frequência relativa:

fA
P ( A ) = fr1 =
fT

• Axiomas das probabilidades: são verdades a partir das quais se estabelecem os conceitos
de probabilidades:

― Dado um evento A, dentro de um espaço amostral S, temos:

0 ≤ P (A) ≤ 1

― A probabilidade do espaço amostral, ou da soma de todos os eventos possíveis é:

P ( S) = 1

― Para dois eventos mutuamente exclusivos, temos:

P ( A ∪ B) = P ( A ) + P (B)

― Se o evento A é complementar de B, então:

P ( A ) + P (B) = 1ouP ( A ) = 1 − P (B)

• Teorema da soma: se A e B são dois eventos não mutuamente exclusivos, a probabilidade da

ocorrência de A ou B ou ambos é dada por:

P ( A ∪ B) = P ( A ) + P (B) − P ( A ∩ B)

149
 Unidade II

Exemplo: numa caixa existem oito bolinhas idênticas, numeradas de 1 a 8. Qual a probabilidade de,
ao se retirar uma bolinha, ela ser múltiplo de 2 ou de 5?

Espaço amostral: S = {1,2,3,4,5,6,7,8,9,10} -> n(S) = 10

Evento A – múltiplos de 2: A = {2,4,6,8,10) -> n(A) = 5

Evento B – múltiplos de 5: B= {5,10) -> n(B) = 2

Intersecção entre A e B: A∩B = {10} -> n(A∩B) = 1

n ( A ) n (B) n ( A ∪ B)
P ( A ∪ B) = P ( A ) + P (B) − P ( A ∩ B) = + −
n(S) n(S) n(S)

5 2 1
P(A ∪ B = + − = 0,60 ou60%
10 10 10

• Teorema do produto para eventos independentes: caso tenhamos dois eventos A e B, que
não sejam mutuamente exclusivos, a probabilidade de ocorrer um resultado que pertença
simultaneamente aos dois eventos é dada por:

P ( A ∩ B) = P ( A ) × P (B)

Esse conceito pode ser estendido para mais de dois eventos.

Exemplo: temos duas caixas com bolinhas nas seguintes quantidades:

Caixa A: 10 bolinhas azuis, 15 bolinhas brancas e 30 bolinhas vermelhas. Total: 55 bolinhas.

Caixa B: 20 bolinhas azuis, 18 bolinhas brancas e 22 bolinhas vermelhas. Total: 60 bolinhas.

Retiramos uma bolinha de cada urna. Qual é a probabilidade de que ambas as bolinhas
retiradas sejam azuis?

10
Caixa A: probabilidade de uma bolinha retirada ser azul: P ( Azul) =
55

20
Caixa B: probabilidade de uma bolinha retirada ser azul: P ( Azul) =
60
Probabilidade de ambas serem azuis:

150
ESTATÍSTICA

10 20 200
P ( Azul ∩ Azul) = P (Urna A; bolinha azul) × P (Urna B; bolinha azul) = × =
55 60 3.300

P ( Azul ∩ Azul) = 0,0606 ou 6,06%

• Teorema do produto para eventos vinculados: a probabilidade de ocorrência simultânea de

dois eventos A e B vinculados é dada pelo produto da probabilidade de um dos eventos, pela
probabilidade condicional do outro evento:

( )
P ( A ∩ B) = P ( A ) × P B A

( )
O símbolo P B , lê-se probabilidade de ocorrência do evento B tendo ocorrido o evento A, é a
A
chamada probabilidade condicional. Esse conceito pode ser estendido para mais de dois eventos.

Exemplo: retiramos sem reposição três caras de um baralho de 52 cartas. Qual a probabilidade que
as três sejam vermelhas:

26
Probabilidade de a primeira carta ser vermelha: P ( vermelha) =
52

25
Probabilidade de a segunda carta ser vermelha: P ( vermelha) =
51

24
Probabilidade de a terceira carta ser vermelha: P ( vermelha) =
50
Probabilidade de as três serem vermelhas (V):

P ( V ∩ V ∩ V ) = P (1ª carta V ) × P (2ª carta V /1ª carta V ) × P (3ª carta V / 2ª carta V )

26 25 24 26 × 25 × 24 15.626
P(V ∩ V ∩ V) = × × = = = 0,1178 ou 11,78%
52 51 50 52 × 51 × 50 132.600
Exemplo de aplicação

A empresa XPTO opera em uma de suas plantas com três linhas de produção com níveis
tecnológicos diferentes, apesar de produzirem exatamente o mesmo produto. A tabela a seguir
reproduz a participação na produção total de cada uma das linhas e a respectiva taxa de produtos
defeituosos produzidos.

151
 Unidade II

Tabela 68

Participação na produção Índice de defeitos da

Linha de produção total da planta linha de produção
A 30% 1,0%
B 25% 1,5%
C 45% 2.0%

A produção das três linhas vai para o mesmo armazém de produtos acabados e fica misturada.

Em dado momento uma unidade do produto produzido ao acaso é retirado e inspecionado e verifica-se
que ele é defeituoso. Qual a probabilidade de que ele tenha sido produzido por cada uma das máquinas?

Resolução

Perceba que estamos diante de um evento condicionado. Para a máquina A, a probabilidade

seria calculada por:

( d)
P ( A ∩ d) = P (d) × P A

Onde:

P ( A ∩ d) = probabilidade de o produto ter sido feito pela máquina A e ser defeituoso

P (d) = probabilidade de o produto ser defeituoso

( )
P A d = probabilidade de o produto, sendo defeituoso, ter sido feito na máquina A

Como desejamos saber a probabilidade de o produto defeituoso ter sido feito na máquina A, devemos
preparar a fórmula:

P ( A ∩ d)
( ) ( )
P ( A ∩ d) = P (d) × P A d → P A d =
P (d)

( )
P Ad =
0,30 × 0,01
0,30 × 0,01 + 0,25 × 0,015 + 0,45 × 0,02
= 0,1905 ou19,05%

De modo semelhante:

( )
P Bd =
0,25 × 0,015
0,30 × 0,01 + 0,25 × 0,015 + 0,45 × 0,02
= 0,2381 ou 23,81%

( )
P Ad =
0,45 × 0,02
0,30 × 0,01 + 0,25 × 0,015 + 0,45 × 0,02
= 0,5714 ou 57,14%

152
ESTATÍSTICA

Resumo

Conceituar, entender e saber calcular probabilidades é vital para a

utilização da estimação estatística e de seus componentes. Raramente
em estatística teremos, acerca do futuro ou de grandes populações,
uma certeza absoluta. Nossas induções serão sempre prováveis,
e isso não significa um palpite aleatório, e sim fruto de conceitos
bem estudados.

O termo provável se consubstancializa em termos de margem de

erro. A margem de erro é uma tolerância em torno do valor provável
de uma ocorrência. Imagine que estejamos estudando o valor do
salário mínimo daqui a dez anos. É possível determinar um valor,
digamos, de R$ 2.000,00. Evidentemente isso não é uma certeza, é
uma probabilidade.

Deveríamos dizer, portanto, que o valor provável para o salário

mínimo daqui a dez anos será de R$ 2.000,00. Mas não é dessa forma
que iremos nos expressar. Em estatística diríamos que o salário mínimo
no Brasil daqui a dez anos será de R$ 2.000,00 mais ou menos R$ 200,00,
com 95% de certeza.

Esses valores não são meros palpites, são decorrência de estudos

principalmente envolvendo a teoria das probabilidades e os cálculos do
desvio padrão, além é claro do tamanho da amostra da pesquisa realizada.

O conhecimento da Teoria das Probabilidades nos permitirá

determinar e usar modelos matemáticos que prevejam situações futuras
ou envolvendo grandes conjuntos de valores. É o que nos permitirá
determinar a expectativa de vida de uma determinada população para
cálculos atuariais ou então o crescimento da população brasileira no
intervalo entre dois censos.

Apesar de não nos conduzir a resultados exatos, o conceito de

probabilidade nos permite tomadas de decisão com elevado grau
de confiança, como vimos e nos aprofundaremos a seguir.

153
 Unidade II

Exercícios

Questão 1. (Enade 2017) Considere uma urna com cinco bolas azuis, três verdes e seis pretas, da
qual serão retiradas bolas sem reposição. Com base nessa situação, avalie as afirmativas a seguir.

I – Caso sejam retiradas quatro bolas, uma delas será verde.

II – O número mínimo de bolas que devem ser retiradas para se garantir a retirada de uma bola
preta é igual a 9.

III – O número mínimo de bolas que devem ser retiradas para se garantir a retirada de uma bola verde
e uma bola azul é igual a 10.

É correto o que se afirma em:

A) II, apenas.

B) III, apenas.

C) I e II, apenas.

D) I e III, apenas.

E) I, II e III.

Resposta correta: alternativa A.

Análise das afirmativas

I – Afirmativa incorreta.

Justificativa: temos o total de 14 bolas, sendo cinco azuis, três verdes e seis pretas. Se retirarmos
quatro bolas aleatoriamente, podemos obter, por exemplo, quatro bolas azuis ou quatro bolas pretas,
entre outras combinações. Não há, portanto, a obrigatoriedade de uma dessas quatro bolas ser verde.

II – Afirmativa correta.

Justificativa: se desejamos 100% de certeza de tirar uma bola preta, devemos considerar a pior
hipótese: tiramos primeiro as bolas verdes e azuis, para apenas, então, tirarmos as bolas pretas. Nesse
caso, temos cinco bolas azuis e três verdes, totalizando oito bolas “tiradas”, para, então, tirarmos a
primeira bola preta. Logo, precisamos tirar nove bolas para garantir que uma seja preta.

154
ESTATÍSTICA

III – Afirmativa incorreta.

Justificativa: se desejamos 100% de certeza de obter uma bola verde, devemos considerar
novamente a pior hipótese: tiramos as primeiras bolas azuis e pretas, sem nenhuma verde, e apenas
então tiramos as bolas verdes. Nesse caso, temos cinco bolas azuis e seis pretas, totalizando 11 bolas
“tiradas”, e apenas a 12ª bola seria verde. Precisamos, então, tirar 12 bolas para garantir a retirada
de uma bola verde.

É interessante adicionar que, se tirarmos seis bolas pretas e três bolas verdes, teremos tirado o total
de nove bolas, sem nenhuma azul. Assim, para garantirmos a retirada de uma bola azul, necessitamos da
retirada de dez bolas. Para garantirmos a retirada de uma bola verde, necessitamos da retirada
de 12 bolas. Como 12>10, garantimos, com 12 retiradas, a retirada de uma bola azul e de uma
bola verde.

Questão 2. (Enade 2017) Seis estudantes se inscreveram para um campeonato escolar de xadrez:
três meninas (das quais duas são irmãs gêmeas) e três meninos. Na primeira rodada serão formadas
as três duplas de adversários por sorteio da seguinte forma: o primeiro jogador é sorteado entre os
seis participantes; o segundo é sorteado entre os cinco restantes; o terceiro entre os quatro restantes;
o quarto, entre os três restantes; a primeira dupla é formada pelo primeiro e segundo sorteados; a
segunda dupla é formada pelo terceiro e quarto sorteados; a terceira dupla é formada pelos dois últimos
que não foram sorteados.

Considerando essas condições a respeito da formação das duplas de adversários na primeira rodada
do campeonato, avalie as afirmativas:

I – A probabilidade de as gêmeas se enfrentarem é de 1/15.

II – A probabilidade de a primeira dupla sorteada ser de meninos é de 1/5.

III – A probabilidade de a primeira dupla sorteada ser composta por uma menina e um menino é de 3/5.

É correto o que se afirma em:

A) I, apenas.

B) II, apenas.

C) I e III, apenas.

D) II e III, apenas.

E) I, II e III.

Resposta correta: alternativa D.

155
 Unidade II

Análise das afirmativas

Temos seis crianças, sendo três meninos e três meninas e, entre essas três meninas, duas
meninas são gêmeas.

I – Afirmativa incorreta.

Justificativa: calculamos primeiramente a probabilidade de serem sorteadas as gêmeas na primeira

dupla. No primeiro sorteio, temos dois sucessos (sorteio de uma das gêmeas) entre seis tentativas
2 1
(número total de crianças), ou seja, P1° gêmea = =
6 3

A probabilidade de ser sorteada a outra gêmea no segundo sorteio, no qual temos apenas um sucesso
1
restante em cinco tentativas, é P2° gêmea =
5

Como precisamos que esses dois casos ocorram, devemos multiplicar as probabilidades. Logo, a
probabilidade de serem sorteadas as duas gêmeas nos dois primeiros sorteios é

1 1 1
P1° gêmea e 2° gêmea = . =
3 5 15
As gêmeas também se enfrentariam se fossem sorteadas nos terceiro e quarto sorteios. A probabilidade
de não ser sorteada uma das gêmeas no primeiro sorteio é o complementar da probabilidade de uma
 2  6 2 4 2
delas ser sorteada, ou seja, P1° não gêmea = 1 −  =  −  = =
6 6 6 6 3

Calculamos, da mesma forma, a probabilidade de não ser sorteada uma gêmea no segundo sorteio,
dado que nenhuma gêmea tenha sido sorteada no primeiro sorteio. Nesse caso, temos dois sucessos em
 2  5 2 3
cinco possibilidades. Logo, P2° não gêmea = 1 −  =  −  =
 5  5 5 5

Calculamos a probabilidade de ser sorteada uma das gêmeas no terceiro sorteio, dado que nenhuma
gêmea tenha sido sorteada no primeiro sorteio. Nesse caso, temos dois sucessos em quatro
2 1
possibilidades. Logo, P3° gêmea = =
4 2

Calculamos a probabilidade de ser sorteada a outra gêmea no quarto sorteio, dado que uma delas
tenha sido sorteada anteriormente. Nesse caso, temos um sucesso em três possibilidades. Logo,
1
P4° gêmea =
3
156
ESTATÍSTICA

Todas essas condições devem ocorrer para termos as gêmeas no terceiro e quarto sorteios. Logo,
2 3 2 1 12 1
devemos multiplicar as probabilidades, e ficamos com P3° gêmea e 4 ° gêmea = . . . = =
3 5 4 3 15.12 15

Chegamos à mesma probabilidade de serem sorteadas as gêmeas na primeira e na segunda tentativas.

Resta calcularmos a probabilidade de serem sorteadas as gêmeas nos dois últimos sorteios.
A probabilidade de não ser sorteada uma das gêmeas na primeira tentativa é igual à probabilidade do
 2  6 2 4 2
caso anterior. Logo, P1° não gêmea = 1 −  =  −  = =
 6  6 6 6 3

A probabilidade de não ser sorteada uma das gêmeas na segunda tentativa é

 2  5 2 3
P2° não gêmea = 1 −  =  −  =
 5  5 5 5

A probabilidade de não ser sorteada uma das gêmeas na terceira tentativa é

 2  4 2 2 1
P3° não gêmea = 1 −  =  −  = =
 4  4 4 4 2

A probabilidade de não ser sorteada uma das gêmeas na quarta tentativa é

 2  3 2 1
P4° não gêmea = 1 −  =  −  =
 3  3 3 3

Dessa forma, temos as gêmeas sorteadas nas duas últimas tentativas.

Como todas as condições devem ser satisfeitas, devemos multiplicar as probabilidades. Logo,
2 3 1 1 6 1
P5° gêmea e 6° gêmea = . . . = =
3 5 2 3 15.6 15

Como o que é pedido é satisfeito sorteando-se as gêmeas ou nas duas primeiras posições, ou na terceira
e na quarta posições, ou nas duas últimas posições, devemos somar as probabilidades desses eventos.
1 1 1 3 1
Logo, a probabilidade de as gêmeas se enfrentarem é Pconfronto de gêmeas = + + = =
15 15 15 15 5

II – Afirmativa correta.

Justificativa: a probabilidade de ser sorteado um menino na primeira tentativa é dada pela razão do
número de sucessos pelo número de possibilidades. Logo, P1° menino = 3
6

A probabilidade de ser sorteado um menino na segunda tentativa é calculada da mesma forma, mas
2
temos apenas dois meninos para serem sorteados em cinco crianças restantes. Logo, P2° menino =
5
157
 Unidade II

Como queremos que o primeiro sorteado seja um menino e que o segundo sorteado também seja
3 2 6 1
um menino, devemos multiplicar as probabilidades. Logo, P1° menino e 2° menino = . = =
6 5 30 5

III – Afirmativa correta.

Justificativa: a probabilidade de ser sorteada uma menina na primeira tentativa é dada pela razão do
3
número de sucessos pelo número de possibilidades, ou seja, P1° menina =
6

A probabilidade de ser sorteado um menino na segunda tentativa é calculada da mesma forma, mas
3
temos três meninos para serem sorteados em cinco crianças restantes. Logo, P2° menino =
5

Como queremos que a primeira criança sorteada seja uma menina e que o segundo sorteado seja
3 3 9 3
um menino, devemos multiplicar as probabilidades. Logo, P1° menina e 2° menino = . = =
6 5 30 10

Precisamos calcular a probabilidade de a dupla ser sorteada de forma invertida, ou seja, antes o
menino e depois a menina. A probabilidade de ser sorteado um menino na primeira tentativa, com três
3
meninos entre seis crianças, é P1° menino = . A probabilidade de a segunda criança sorteada ser uma
6
3
menina, com três meninas entre as cinco crianças restantes, é P2° menina = . A probabilidade de ser
5
sorteado um menino e, em seguida, de ser sorteada uma menina é dada pelo produto dessas duas
3 3 9 3
probabilidades. Logo, P1° menino e 2° menina = . = =
6 5 30 10

Vemos que as probabilidades são as mesmas, independentemente da ordem obtida.

Como o primeiro caso ou o segundo caso atende ao solicitado, precisamos somar as duas
3 3 6 3
probabilidades. Logo, Pmenino e menina na 1° dupla = + = =
10 10 10 5

158