Escolar Documentos
Profissional Documentos
Cultura Documentos
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
127
Unidade II
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.
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.
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
• 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
E = {1;2;3;5}
n( A )
P (A) =
n(S)
Sendo:
Por exemplo:
S = {1;2;3;4;5;6} → n ( S) = 6
n( A ) 4 2
P (A) = = = = 0,666 ou 66,6%
n( S) 6 3
129
Unidade II
Observação
• 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.
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.
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:
E o evento pedido é:
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
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
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.
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
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).
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
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.
Arn,x = nx
134
ESTATÍSTICA
Observação
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
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
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.
n!
Cn,x =
x! (n − x )!
Onde:
Observação
n!
A fórmula Cn,x =
x! (n − x )!
Lembrete
a! = 1 × 2 × 3 × 4 × ...... × a
6! = 1 × 2 × 3 × 4 × 5 × 6 = 720
136
ESTATÍSTICA
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
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
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
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:
Esses conceitos permitem calcular situações mais complexas como os exemplos a seguir, bem
mais trabalhosos.
Exemplo 1
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.
• O número total de resultados que nos interessam é o número de combinações de 20 moedas das
quais oito sejam caras:
n( A ) 125.970
p(A) = → P ( exatamente 8 caras ) = = 0,1201 = 12,01%
n( S) 1.048.576
Observação
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!
Vamos utilizar esses conhecimentos adquiridos para fazer um cálculo, que talvez não deixe
você satisfeito.
Exemplo 2
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
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%
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.
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
• 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 desses conceitos podemos abrir um pouco mais o leque dos nossos cálculos, resolvendo a
questão do próximo item.
141
Unidade II
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.
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
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) = 0,1951 + 0,1413 + 0,1413 + 0,1413 = 0,6190 = 61,90%
Observação
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.
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:
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%.
Pedro atira
0,55 Erra
o tiro 0,60 x 0,45 = 0,27 ou 27%
Figura 41
144
ESTATÍSTICA
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)
Para ambos atingirem a caça, é necessário que Pedro e João a atinjam, ou seja, é um evento produto.
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.
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?
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:
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:
Raciocínio semelhante se faz para a combinação preta e branca (siga os caminhos 6 e 8):
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 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.
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.
• 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.
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.
n( A )
P (A) =
n(S)
fA
P ( A ) = fr1 =
fT
• Axiomas das probabilidades: são verdades a partir das quais se estabelecem os conceitos
de probabilidades:
0 ≤ P (A) ≤ 1
P ( S) = 1
P ( A ∪ B) = P ( A ) + P (B)
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?
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)
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 ( 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):
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
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
( d)
P ( A ∩ d) = P (d) × P A
Onde:
( )
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
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.
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.
A) II, apenas.
B) III, apenas.
C) I e II, apenas.
D) I e III, apenas.
E) I, II e III.
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
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:
III – A probabilidade de a primeira dupla sorteada ser composta por uma menina e um menino é de 3/5.
A) I, apenas.
B) II, apenas.
C) I e III, apenas.
D) II e III, apenas.
E) I, II e III.
Temos seis crianças, sendo três meninos e três meninas e, entre essas três meninas, duas
meninas são gêmeas.
I – Afirmativa incorreta.
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
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
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
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
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