Probabilidade Est.

Elaborado por professor mestre Maquiesse Pembele /Ano académico 2015
I - INTRODUÇÃO
Geralmente, quando se estuda um fenómeno, a primeira preocupação é de

prever o seu comportamento, quer dizer analisar a forma como este varia com
o tempo. Deste modo, atendendo o comportamento existem dois tipos de
fenómenos:
 Os fenómenos determinísticos;
 Os fenómenos probabilísticos ou estocásticos.
Chamam-se fenómenos determinísticos os fenómenos que possuem uma

relação funcional bem definida entre as variáveis independentes e
dependentes1, sendo assim possível prever o seu comportamento com
exactidão.
Chamam-se fenómenos probabilísticos ou estocásticos os fenómenos que não

possuem uma relação funcional bem definida entre as variáveis independentes
e dependentes, atribuindo-se assim importância decisiva ao factor sorte.
O estudo dos fenómenos probabilísticos constitui a justificação da importância

da teoria das probabilidades, que proporciona as ferramentas para desenvolver
modelos matemáticos (fórmulas, mapas, tabelas, gráficos e esquemas) que
ajudam realizar previsões sobre o comportamento deste tipo de fenómenos.
i.1- Objecto de estudo da teoria das probabilidades
Os acontecimentos ou factos que observamos ao longo da vida podem ser

enquadrados em três categorias fundamentais: certos, impossíveis ou
aleatórios.
i.1.1- Acontecimento certo
Chama-se certo o acontecimento que desde que se cumpra um determinado

conjunto de condições ocorre obrigatoriamente. Quer dizer, um acontecimento
isento a falha.
Exemplo: Se um vaso contém água e que se certifique possuir sob pressão

atmosférica uma temperatura de 20º, então com toda a certeza se afirma que
ela se encontra em estado líquido.
1
As definições de variáveis independentes e dependentes serão tratadas em Estatística, a segunda parte
do curso.
1
i.1.2- Acontecimento impossível
Chama-se impossível o acontecimento que cumprindo um determinado

conjunto de condições não ocorre obrigatoriamente. Quer dizer, um
acontecimento que nunca se concretiza nas condições dadas.
Exemplo: Se um vaso contém água e que se certifique possuir sob pressão

atmosférica uma temperatura de 20ºC, nunca ela se encontrar em estado
sólido nas condições indicadas.
i.1.3- Acontecimento aleatório
Chama-se aleatório o acontecimento que mesmo que se cumpra um

determinado conjunto de condições podem ou não ocorre. Quer dizer, um
acontecimento cuja ocorrência não depende do cumprimento das condições.
Exemplo: No lançamento de uma moeda não viciada a saída da cara ou da

coroa constituem acontecimentos aleatórios, pois que a saída de cada um dos
resultados é isenta da vontade do lançador.
A teoria das probabilidades é o ramo da matemática que estuda as leis da

probabilidade de acontecimentos aleatórios.
Os métodos da teoria das probabilidades são extensivamente utilizados nos

mais variados ramos das ciências naturais, na técnica, na teoria de segurança,
na física, na geodesia, na astronomia, na teoria de tiro, na teoria de erros de
observação, na teoria de direcção automática, na teoria geral das
comunicações e em muitas outras ciências teóricas e aplicadas.
A teoria das probabilidades apoia decisivamente a estatística matemática e a

estatística aplicada. Ajuda na planificação, na organização da produção, na
análise de processos tecnológicos, no controlo preventivo, na obtenção da
qualidade de produção, etc.
i.2- Nota histórica
Os conceitos fundamentais da teoria das probabilidades foram formulados nos

séculos XVI a XVII, quando G.Cardano, Ch. Huygens, B.Pascal, P.Fermat e
outros, pensaram criar a teoria dos jogos de azar, tais como: o lançamento de
moeda, o lançamento de dados, a prova de tiro, etc.
Tempos depois, Jacques Bernoulli (1654-1705) contribuiu ao desenvolvimento

desta teoria com introdução e demonstração do teorema conhecido por lei dos
grandes números, constituindo a primeira base teórica dos factos anteriormente
acumulados.
Em continuação surgiram as contribuições marcantes de A. De Moivre, P.S.

Laplace, K.F. Gauss, S.D. Poisson e outros, que introduziram novos teoremas.
2
O período mais frutífero do desenvolvimento da teoria das probabilidades é o

relacionado com P.L. Tchebichev (1821-1894) e seus alunos A.A. Markov
(1856-1922) e A.M.Liapunov (1857-1918). Nesta etapa do desenvolvimento a
teoria das probabilidades se converteu em parte da ciência matemática bem
estruturada. Desta forma os matemáticos russos S.N.Bernstein, B.I.
Romanovski, A.N.Kolgomorov, A.Ia. Khitchin, B.V.Gnedenko, N.V. Smirnov e
outros, que em continuação do trabalho de Tchebichev, desenvolveram novas
teorias que culminaram com a criação de novos ramos da teoria das
probabilidades.
Nota ao leitor:
Em forma de chamada de atenção apraz-nos lembrar que a teoria das

probabilidades estuda as leis dos acontecimentos aleatórios. Uma das
características fundamentais dos acontecimentos aleatórios é que a sua
ocorrência não é garantida, quer dizer depois de prevê-los podem ou não
ocorrer. E, mesmo ocorrendo os seus resultados podem não ser os previstos.
A complexidade da teoria das probabilidades reside no facto de tratar de

situações que se esperam ocorrer e que às vezes não se concretizam.
Além da complexidade supramencionada, a teoria das probabilidades requer

um bom domínio da linguagem corrente utilizando nela terminologias próprias
da linguagem matemática. Portanto, o domínio das fórmulas de cálculo é muito
importante na teoria das probabilidades, mas em quase nada valem as
fórmulas sem que se compreendam devidamente as terminologias
matemáticas. Queremos com isso dizer que o maior segredo do sucesso em
probabilidades está na interpretação das situações que forem propostas a
tratar.
3
CAPÍTULO I
CONCEITOS FUNDAMENTAIS DA TEORIA DAS PROBABILIDADES
1.1- Prova e acontecimento
Chama-se prova toda a experiência aleatória (experiência cujo resultado nao

depende do experimentador ou do executor da mesma).
Exemplo: Disparar contra um alvo, lançar uma moeda ao ar, lançar um dado
ao ar, atirar um penalte, disputar uma partida de futebol, de xadrez, etc.
Chama-se acontecimento ao resultado de uma prova.
Exemplo: Acerto ao alvo, saída de ou cara ou de coroa no lançamento de uma

moeda, saída de 1 ou 2 ou 3 ou 4 ou 5 ou 6, no lançamento de um dado,
ganhar ou perder uma partida de futebol.
1.2- Tipos de acontecimentos aleatórios
1.2.1- Acontecimentos mutuamente exclusivos (ou que excluem

mutuamente)
Em uma mesma prova os acontecimentos dizem-se mutuamente exclusivos se

a ocorrência de cada um deles impossibilita automaticamente a ocorrência dos
demais. Quer dizer acontecimentos que não podem ocorrer em simultâneo.
Exemplos:
1) No lançamento de uma moeda a saída da cara e a saída da coroa são

acontecimentos mutuamente exclusivos;
2) No lançamento de um dado, a saída de 1, 2, 3, 4, 5 e 6sao
acontecimentos mutuamente exclusivos;
3) O acerto e a falha ao disparar contra um alvo são acontecimentos
mutuamente exclusivos.
1.2.2- Acontecimentos que formam um grupo completo
Vários acontecimentos formam um grupo completo se em resultado de uma

prova ocorre sempre pelo menos um deles. Em outras palavras, vários
acontecimentos formam um grupo completo se a união dos mesmos resulta um
acontecimento certo.
Exemplo: A saída da cara e a saída da coroa formam um grupo completo no

lançamento de uma moeda; A saída de 1 e a de 2 não formam grupo completo
no lançamento de dado; A saída de número par e a de número ímpar no
lançamento de um dado formam um grupo completo, mas a saída de número
primo e a de número composto não formam um grupo completo no lançamento
de dado.
4
Observação: Se os acontecimentos que formam um grupo completo se

excluem dois a dois, então em cada prova ocorrerá apenas um deles.
1.2.3- Acontecimentos igualmente prováveis ou equiprováveis
Os acontecimentos aleatórios dizem-se igualmente prováveis ou equiprováveis

se a possibilidade de cada um deles ocorrer em cada prova é igual.
Exemplos:
1) O aparecimento da cara ou da coroa no lançamento de uma moeda não

viciada;
2) A ocorrência de um dos seis resultados possíveis no lançamento de um
dado não viciado;
1.2.4- Acontecimentos opostos
Definição: Dois acontecimentos dizem-se opostos se são mutuamente

exclusivos e formam um grupo completo.
Nota: Para obter o acontecimento oposto ao acontecimento A dado, basta

negar o acontecimento A. Por esta razão o acontecimento oposto ao
acontecimento A denota-se por A .
Exemplos:
1) Seja A: saída da cara no lançamento de uma moeda, A será não

saída da cara. O que é mesma coisa dizer, saída da coroa.
2) Seja A: saída do número 4 no lançamento de um dado, A será não
saída do número 4. Que se pode dizer saída de qualquer número
diferente de 4.
1.3- Definição da probabilidade
1.3.1- Definição clássica da probabilidade
Suponhamos que seja lançado um dado não viciado ao ar. O dado tem seis
resultados possíveis (1, 2, 3, 4, 5, 6). Estes seis resultados possíveis
constituem o espaço amostral da probabilidade também conhecido por casos
possíveis e que se denota com a letra n. Assim diremos n=6 . Consideremos
os seguintes acontecimentos:
A: saída de número 4;
B: saída de número par;
5
C: saída de número composto;
Podemos facilmente concluir que a possibilidade da ocorrência de cada um

destes acontecimentos não é igual aos três. A possibilidade da ocorrência de
cada acontecimento pode ser caracterizada ou expressa por um número que
se chama probabilidade. Quer dizer, a probabilidade caracteriza o grau de
possibilidade da verificação de um acontecimento.
Para este exemplo a diferença entre os três acontecimentos reside

fundamentalmente no número de casos elementares que favorecem a
ocorrência de cada um deles e que se chamam casos favoráveis (m). Podemos
certamente afirmar que:
- O acontecimento A tem apenas um caso favorável (m=1), representado pelo

único número 4 que o dado possui;
- O acontecimento B tem três casos favoráveis (m=3), representado pelos três

números pares que o dado possui (2, 4 e 6);
- O acontecimento C tem dois casos favoráveis (m=2), representado pelos dois

números compostos que o dado possui (4 e 6).
Definição: Chama-se probabilidade de um acontecimento A à razão entre o

número de casos favoráveis a esse acontecimento e o número total de casos
elementares igualmente possíveis, mutuamente exclusivos e que formam um
grupo completo. Assim, o seu valor calcula-se pela fórmula
m
P( A )=
n
1.3.2- Definição axiomática da probabilidade
A definição axiomática da probabilidade é dada pelos seguintes axiomas da

probabilidade, baseados na definição clássica em função das definições dos
três tipos fundamentais de acontecimentos (impossível, aleatório e certo).
Para facilitar a compreensão dos axiomas que pretendemos apresentar, vamos

a seguir apresentar outra forma de definir os três tipos de acontecimentos em
função dos conceitos de número de casos favoráveis e de casos possíveis.
Deste modo temos:
Definição: Chama-se certo ao acontecimento cujo número de casos favoráveis

é igual ao número de casos possíveis. Quer dizer m = n (Isento de falha).
Definição: Chama-se impossível ao acontecimento que não tem nenhum caso

favorável. Quer dizer m=0 (nunca ocorre).
6
Definição: Chama-se aleatório ao acontecimento cujo número de casos

favoráveis é diferente de zero e do número de casos possíveis. Quer dizer
0<m<n.
Em consequência destas definições, utilizando a fórmula resultante da

definição clássica da probabilidade se obtêm claramente os seguintes axiomas:
1º)A probabilidade do acontecimento certo é igual a unidade (é igual a 1).
m m n
P( A )= = = =1
n m n
porque em acontecimento certo o número de casos favoráveis é igual ao
número de casos possíveis.
2º) A probabilidade do acontecimento impossível é nula (é igual a zero).
m 0
P( A )= = =0
n n
porque em acontecimento impossível o número de casos favoráveis é igual a
zero por não possuir nenhum caso favorável.
3º) A probabilidade do acontecimento aleatório é maior que zero e menor que a

unidade. Quer dizer, está compreendida entre 0 e 1.
m
0<P( A )= <1
n
porque em acontecimento certo 0<m<n.
Combinando os três axiomas obtém-se a definição axiomática da probabilidade
para qualquer tipo de acontecimento, dada pela relação.
0≤P ( A )≤1
o que significa que a probabilidade de qualquer acontecimento nunca é
negativa e nunca maior que a unidade.
7
Nota: A probabilidade pode ser expressa em percentagem, basta para tal
multiplicar o seu valor por 100 e acrescentar o símbolo %.
Exercícios:
1-Achar a probabilidade de que ao se lançar um dado não viciado se obtenha:
a)
Número par de pontos;
b)
Número composto;
c)
Número entre 2 e 6;
d)
Número não menor que 2 e não maior que 5.
Resolução:
a)Número par de pontos
O dado tem no total seis faces. Então n=6. Entre as seis faces que o dado tem
três representam números pares. Então m=3. Desta forma temos
m 3 1
P( A )= = = =0,5 ou 50 %
n 6 2
b) Número composto
O dado tem no total seis faces. Então n=6. Entre as seis faces que o dado tem
dois representam números compostos. Então m=2. Desta forma temos
m 2 1
P( A )= = =
n 6 3
c) Número entre 2 e 6
8
m=3(3,4,5) e n=6. Desta forma temos
m 3 1
P( A )= = =
n 6 2
d)Número não menor que 2 e não maior que 5
m=4(2,3,4,5) e n=6. Desta forma temos
m 4 2
P( A )= = =
n 6 3
2- Numa urna com 50 peças iguais entre elas 5 pintadas extraiu-se uma ao
acaso. Achar a probabilidade de que esta seja:
a)
Pintada;
b)
Não pintada
Resolução:
a)
Pintada
n=50 e m=5. Então:
m 5
P( A )= = =0,1
n 50
b)
Não pintada
n=50 e m=45. Então:
m 45
P( A )= = =0,9
n 50
3- De uma caixa contendo 40 peças, entre elas algumas metálicas e outras não
metálicas, sabe-se que a probabilidade de extracção aleatória de uma peça
metálica é igual a 0,75. Quantas peças de cada tipo contém a caixa?
9
Resolução:
Dados:
n=40
P( A )=0 ,75 probabilidade de extracção aleatória de peça metálica.

m A=? número de peças metálicas contidas na caixa.
mB=? número de peças não metálicas contidas na caixa.
mA
P( A )=
n
Fórmula:
Substituindo os dados temos:
mA
0 , 75= ⇔m A =40×0 ,75=30 metálicas
40
Como a caixa contém apenas dois tipos de peças, então o número total de
peças nela contidas é igual à soma das quantidades de peças dos dois tipos.
Isto é:
m A +mB =n⇔ mB =n−m A ⇒ mB =40−30=10 nao metálicas
4- Num conjunto de peças, entre elas 40 metálicas e outras não metálicas, a

probabilidade de extracção aleatória de uma peça metálica é igual a 0,8.
Quantas peças compõem o conjunto e quantas não metálicas entre elas?
Resolução:
Dados:
n=? quantidade de peças que compõem o conjunto.
m A=40 número de peças metálicas.
P( A )=0,8 probabilidade de extracção aleatória de peça metálica.

mB=? número de peças não metálicas contidas no conjunto.
mA
P( A )=
n
Fórmula:
10
Substituindo os dados temos:
40 40
0,8= ⇔n= =50 no total
n 0,8
Como a caixa contém apenas dois tipos de peças, então o número total de
peças nela contidas é igual à soma das quantidades de peças dos dois tipos.
Isto é:
m A +mB =n⇔ mB =n−m A ⇒ mB =50−40=10 nao metálicas
CAPÍTULO II
TEOREMAS DA ADIÇAO DE PROBABILIDADES
11
2.1- Teoremas da adição de probabilidades de acontecimentos

mutuamente exclusivos (ou da probabilidade da união de acontecimentos
mutuamente exclusivos).
2.1.1- Soma ou união de acontecimentos
Definição: Chama-se soma (ou união) de dois acontecimentos A e B ao

acontecimento (A+B) ou (AUB) cuja ocorrência é efectiva quando ocorre pelo
menos um dos dois acontecimentos elementares. Em outras palavras, a união
de dois acontecimentos elementares A e B é um acontecimento cuja ocorrência
é efectiva se ocorrer A, ou se ocorrer B, ou ainda se ocorrerem os dois.
Observação: Se A e B forem mutuamente exclusivos, como não podem

ocorrer em simultâneo, então a união destes é um acontecimento cuja
ocorrência se efectiva se ocorrer apenas um deles 2.
Em consequência da definição anterior, chama-se soma (ou união) de vários

acontecimentos ao acontecimento cuja ocorrência se verifica se ocorrer pelo
menos um deles.
2.1.1.1-Propriedades da soma de acontecimentos
Das definições da soma de acontecimentos e dos tipos de acontecimentos

aleatórios se obtêm as seguintes propriedades:
1ª) A soma de dois acontecimentos opostos é o acontecimento certo.
2ª) A soma de acontecimentos que formam um grupo completo é o

acontecimento certo.
2.1.2- Teorema da probabilidade da soma de acontecimentos mutuamente

exclusivos
Teorema: Sejam A e B dois acontecimentos mutuamente exclusivos, se são

conhecidas as probabilidades da ocorrência de cada um deles, então a
probabilidade de que ocorra qualquer um deles (ou a união dos mesmos) é
igual à soma das probabilidades destes.
Deste resulta a fórmula:
P( A +B)=P ( A )+P( B)
Demonstração:
2
Ver a definição de acontecimentos mutuamente exclusivos.
12
Denotando o número de casos possíveis por n, o número de casos favoráveis

ao acontecimento A por m1e os favoráveis ao acontecimento B por m2, os
casos favoráveis ao A+B serão m1 + m2 . Daqui temos:
m 1 + m2 m 1 m2
P( A + B)= = + =P( A )+ P( B )
n n n
,
em virtude da definição clássica da probabilidade.
Corolário: A probabilidade de que ocorra qualquer um de vários

acontecimentos que se excluem dois a dois é igual à soma das probabilidades
destes acontecimentos. Isto é:
P( A 1 + A 2 +. ..+ A n )=P( A 1 )+P ( A 2 )+. . .+ P( A n )
Exercícios :
1- Um cubo de madeira com faces pintadas foi serrados em mil cubinhos de
igual tamanho e colocados numa caixa. Depois, foi desta caixa extraído um
cubinho ao acaso. Achar a probabilidade de que este tenha:
a)
Apenas uma face pintada;
b)
Exactamente duas faces pintas;
c)
Três faces pintadas;
d)
Pelo menos uma face pintada;
e)
Pelo menos duas faces pintadas;
f)
Faces todas não pintadas.
Resolução:
a)
Apenas uma face pintada.
13
n=1000 e m=6x64=384. Então:
m 384
P( A )= = =0, 384
n 1000
b)
Exactamente duas faces pintas.
n=1000 e m=3x32=96. Então:
m 96
P( A )= = =0 , 96
n 1000
c)
Três faces pintadas.
n=1000 e m=8x1=8. Então:
m 8
P( A )= = =0 , 008
n 1000
d)
Pelo menos uma face pintada.
n=1000 e m=384+96+8=488. Então:
m 488
P( A )= = =0 , 488
n 1000
e)
Pelo menos duas faces pintadas.
n=1000 e m=96+8=104. Então:
m 104
P( A )= = =0 , 104
n 1000
f)
Faces todas não pintadas.
n=1000 e m=8x8x8=512. Então:
m 512
P( A )= = =0 , 512
n 1000
14
Indicação importante: Para facilitar a compreensão é necessário saber que o
que foi subdividido em 1000 partes iguais é o volume do cubo. Sabe-se, pois o
volume do cubo é igual ao cubo do comprimento da aresta. Isto é:

3
V =a
Onde a é o comprimento de aresta. Fazendo V=1000, então obtém-se a=10.
Isso significa que cada aresta deve subdividir-se em dez partes iguais.
2- De uma caixa com 30 tiras de papel, entre as quais 15 em branco, 5
numeradas e as restantes com letras do alfabeto, foi aleatoriamente extraída
uma. Achar a probabilidade de que a tira extraída tenha alguma escrita.
Resolução:
Extrair uma tira com escrita significa extrair que tem ou letra ou número. Assim,
denotando por A a extracção de uma tira com número e por B a tira com letra,
temos:
m1 5 1 m 2 10 1
n=30 , m1 =5 e m2=10 . Daqui P( A )= = = P( B )= = =
n 30 6 e n 30 3 .
1 1 1
P( A +B)=P ( A )+P( B)= + =
E, finalmente 6 3 2 .
Também se pode efectuar directamente usando m=m 1 +m 2 =5+10=15 e

m1 + m2 15 1
P( A + B)= = =
depois: n 30 2
2.2- Teorema da soma de probabilidades de acontecimentos que formam

um grupo completo.
15
Considerando a propriedade número 4 das acima apresentadas, combinando-a

com o teorema anterior obtém-se o seguinte teorema:
Teorema: A soma das probabilidades dos acontecimentos

A 1 , A2 , ..., A n que
formam um grupo completo é igual a unidade. Isto é:
P( A 1 )+ P( A 2 )+.. .+P( A n )=1
Demonstração:
Por hipótese
A 1 , A2 , ..., A n formam um grupo completo. Então
( A 1 + A 2 + ...+ A n ) é um acontecimento certo3. Consequentemente,
P( A 1 + A 2 + . ..+ A n )=1 4
.
Finalmente, comoP( A 1 + A 2 + . ..+ A n )=P( A1 )+P( A 2 )+ . . .+ P( A n ) 5, então

conclui-se que P( A 1 )+ P( A 2 )+.. .+P( A n )=1
Exemplos:
2.3- Teorema da soma das probabilidades de acontecimentos opostos.
Considerando a definição de acontecimentos opostos, em virtude do teorema

da soma das probabilidades de acontecimentos que formam um grupo
completo se obtém o seguinte teorema:
Teorema: A soma das probabilidades de dois acontecimentos opostos é igual

a unidade. Quer dizer:
P( A)+P( A)=1
Observação: Daqui em diante, se designar a probabilidade de um
acontecimento por p a do acontecimento oposto a ele será designado por q.
2.4-Princípio da impossibilidade prática de acontecimentos pouco

prováveis
a) Se um acontecimento aleatório tem uma probabilidade bastante pequena

(ínfima ou muito próxima de zero) diz-se que é praticamente impossível ocorrer
em uma única tentativa. Isto significa que é muito difícil ocorrer em uma única
prova, é quase impossível.
3
Ver definição de acontecimentos que formam grupo completo
4
Ver definição axiomática da probabilidade
5
Ver o corolário anterior
16
b) Se um acontecimento aleatório tem uma probabilidade muito próxima da

unidade diz-se que é praticamente certo.
Entre dois acontecimentos com probabilidades diferentes é mais provável o

que possui maior probabilidade e menos provável o que possui menor
probabilidade. Em consequência disso, o acontecimento é pouco provável
quando a probabilidade da sua ocorrência é abaixo dos 50% de confiança, quer
dizer quando a sua probabilidade resulta menor que 0,5.
CAPÍTULO III
TEOREMAS DA PROBABILIDADE DO PRODUTO DE ACONTECIMENTOS
3.1- Produto de acontecimentos
Definição: Chama-se produto (ou intersecção) de dois acontecimentos A e B

ao acontecimento AB ou A∩B cuja ocorrência é efectiva quando ocorrem
simultaneamente os dois acontecimentos elementares que o constituem. Em
outras palavras, a intersecção ou produto de dois acontecimentos elementares
ocorrerá se e somente se ocorrerem os dois acontecimentos elementares.
Consequentemente, se chamará produto ou intersecção de vários

acontecimentos ao acontecimento que só se verifica se ocorrerem todos os
seus acontecimentos elementares.
3.1.1- Propriedades do produto de acontecimentos
17
Das definições do produto de acontecimentos e dos tipos de acontecimentos se

obtêm as seguintes propriedades:
1ª) O produto de dois acontecimentos mutuamente exclusivos é o

acontecimento impossível. Porque não podem ocorrer em simultâneo 6.
2ª) O produto de vários acontecimentos que se excluem dois a dois é o

acontecimento impossível.
3ª) O produto de dois acontecimentos opostos é o acontecimento impossível.
4ª) O produto de acontecimentos que formam um grupo completo é o

acontecimento impossível.
3.2- Probabilidade condicional
Se ao calcular a probabilidade de um acontecimento não forem impostas

condições adicionais, esta probabilidade denomina-se incondicional. Se,
contrariamente, forem impostas algumas condições adicionais, então a
probabilidade denomina-se condicional.
Definição: Chama-se probabilidade condicional P A ( B) à probabilidade do

acontecimento B calculada na suposição deste ter ocorrido depois da
ocorrência do acontecimento A. O seu valor é igual à razão entre a
probabilidade do produto deles pela probabilidade do que ocorreu
primeiro. Quer dizer:
P( AB)
P A ( B)=
P( A )
Assim:
 Escreve-se P A ( B) e lê-se probabilidade de B em dependência de A (ou

probabilidade de que B ocorra depois de ter ocorrido A)
 Escreve-se PB ( A ) e lê-se probabilidade de A em dependência de B (ou
probabilidade de A ocorrer depois de ter ocorrido B)
3.3- Teorema da probabilidade do produto de acontecimentos
Para calcular a probabilidade do produto de dois acontecimentos (ou

probabilidade da ocorrência simultânea de dois acontecimentos) 7A e B desde
que sejam conhecidas ou se possam calcular as respectivas probabilidades
P( A ) e P A ( B) utiliza-se o seguinte teorema:
6
Visto que o produto de dois acontecimentos é um acontecimento cuja ocorrência seja efectiva pela
ocorrência simultânea dos dois acontecimentos.
7
Ver definição do produto de dois acontecimentos
18
Teorema: A probabilidade da ocorrência simultânea de dois acontecimentos é

igual ao produto da probabilidade de um deles pela probabilidade condicional
do outro em relação ao primeiro. Isto é:
P( AB )=P( A )×P A ( B ) Supondo que A ocorreu antes de B, com A e B

quaisquer.
Corolário: A probabilidade da ocorrência simultânea de vários acontecimentos

é igual ao produto da probabilidade de um deles pelas probabilidades
condicionais dos demais, dependentes de todos os acontecimentos
antecedentes. Isto é:
P( A 1 A2 ... An )=P ( A 1 )×P A1 ( A2 )×P A1 A 2 ( A 3 )×P A 1 A2 A 3 ( A 4 )×...×P A1 A2 . .. A( n−1 ) ( A n )
Aplicando esta fórmula para três acontecimentos A, B e C por exemplo, resulta
P( ABC )=P( A )×P A ( B )×P AB (C )
Exercícios:
1.
De um baralho de sueca foram consecutivamente extraídas quatro
cartas sem reposição. Achar a probabilidade de que se tenha obtido a
sequência:
a)
Copa, copa, copa e copa;
b)
Copa, ouro, pada e paus;
c)
Pada, copa, pada e ouro;
d)
Ouro, copa, ouro e ouro.
Resolução:
O baralho de sueca tem quarenta cartas, entre dez de cada naipe. Assim
temos:
19
10 9 8 7
P( ABCD )=P( A )×P A (B )×P AB (C )×P ABC (D )= × × ×
40 39 38 37
a)
10 10 10 10
40 39 38 37
b)
10 10 9 10
40 39 38 37
c)
10 10 9 8
40 39 38 37
d)
3.4- Acontecimentos independentes. Teorema da probabilidade do

produto de acontecimentos independentes.
3.4.1- Acontecimentos independentes.
Definição: Dois acontecimentos dizem-se independentes se a ocorrência de

cada um deles não altera a probabilidade da ocorrência do outro.
Sejam A e B dois conjuntos, diz-se que B é independente de A se a ocorrência

de A não tem nenhuma influência sobre a ocorrência de B. Nestas condições a
probabilidade condicional do acontecimento B é igual à sua probabilidade
incondicional. Quer dizer:
P A ( B)=P (B )
3.4.2- Teorema da probabilidade do produto de acontecimentos

independentes.
Em consequência das fórmulas resultantes do teorema da probabilidade do

produto de dois acontecimentos e da definição de acontecimentos
independentes vem o seguinte teorema:
Teorema: A probabilidade do produto de dois acontecimentos independentes é

igual ao produto das probabilidades destes. Isto é:
20
P( AB )=P( A )×P( B) para A e B independentes
Com este teorema podemos afirmar que dois acontecimentos denominam-se

independentes se a probabilidade da ocorrência simultânea dos mesmos é
igual ao produto das suas probabilidades.
Corolário: A probabilidade da ocorrência simultânea de vários acontecimentos

conjuntamente independentes é igual ao produto das respectivas
probabilidades. Isto é:
P( A 1 A2 ... An )=P ( A 1 )×P( A 2 )×...×P( A n )
Exercícios:
1.
Achar a probabilidade de acerto simultâneo por dois canhões no alvo, se
o primeiro acerta com a probabilidade de 0,8 e o segundo, 0,7.
Resolução:
Denotando por A o acerto produzido pelo primeiro canhão e por B, o

produzido pelo segundo, temos:
P( A )=0,8 e P(B )=0,7
Como o acerto simultâneo traduz-se em produto dos dois acontecimentos,

temos:
P( AB )=P( A )×P( B)=0,8×0,7=0 , 56
2. Achar a probabilidade de saída simultânea de cara ao ser lançadas duas

moedas não viciadas.
Resolução:
Pela definição clássica da probabilidade denotando por A a saída de cara

na primeira moeda e por B, a saída de cara na segunda temos
1
P( A )=P(B )=
2 . E, finalmente obtemos:
21
1 1 1
P( AB )=P( A )×P( B)= × =
2 2 4
3. De três caixas com 10 peças cada, entre elas 8, 7 e 9 metálicas,
respectivamente, extraiu-se ao acaso uma peça em cada uma delas.
Achar a probabilidade de que as peças extraídas sejam todas:
a) Metálicas;
b) Não metálicas.
Resolução:
a) Como P( A )=0,8 ; P (B )=0,7 e P(C )=0,9 , então:
P( ABC )=P( A )×P( B)×P(C )=0,8×0,7×0,9=0 ,504
b) Como P( A )=0,2; P( B )=0,3 e P (C )=0,1 , então:
P( ABC )=P( A )×P( B)×P(C )=0,2×0,3×0,1=0 , 006
3.4.2- Teorema da probabilidade da ocorrência de pelo menos um dos

acontecimentos conjuntamente independentes.
Se em resultado de uma prova podem ocorrer n provas conjuntamente

independentes, desde que sejam conhecidas as probabilidades da ocorrência
de cada um deles, a probabilidade de que ocorra pelo menos um deles se
obtém usando o seguinte teorema:
Teorema: A probabilidade da ocorrência de pelo menos um dos

A 1 , A2 ,..., A n
acontecimentos , conjuntamente independentes, é igual à
diferença entre a unidade e o produto das probabilidades dos acontecimentos
opostos a eles. Isto é:
P( A )=1−P( A1 )×P( A 2 )×...×P( A 2 )=1−q 1×q2 ×...×qn
qi =1− pi 8
com .
8
Ver teorema da soma das probabilidades de acontecimentos opostos
22
A 1 , A2 ,..., A n
Caso particular: Se os acontecimentos , têm probabilidade
idêntica e igual a p, então os acontecimentos opostos a eles têm a
probabilidade idêntica q. Nestas condições a fórmula da probabilidade da
ocorrência de pelo menos um destes acontecimentos se reduz à relação
P( A )=1−q n
Exercícios:
1. Três atiradores acerto no alvo com as probabilidades de 0,8; 0,7 e 0,9
respectivamente. Achar a probabilidade de que ao dispararem

simultaneamente haja pelo menos um acerto.
Resolução:
Como
p1 =0,8 ; p 2=0,7 e p3 =0,9 , então, q1 =0,2 ; q 2=0,3 e q3 =0,1 .
Logo, usando a fórmula P( A )=1−q 1×q2 ×q 3 , obtém-se:
P( A )=1−0,2×0,3×0,1=0 , 994
2. Numa tipografia há quatro máquinas de impressão plana. A

probabilidade de cada uma delas estar a trabalhar num dado momento é
de 0,9. Achar a probabilidade de que no dado momento:
a) Esteja a trabalhar pelo menos uma delas;
b) Esteja a trabalhar apenas uma delas;
c) Estejam a trabalhar duas delas;
d) Não esteja a trabalhar pelo menos uma delas.
Resolução:
a) Como
p1 =p 2= p3 = p 4 =0,9 , então, q1 =q 2 =q3 =q 4 =0,1 .
Logo, usando a fórmula P( A )=1−q 4 , obtém-se:
P( A )=1−0,1 4 =0, 9999
23
b) O acontecimento de que esteja a trabalhar apenas uma delas equivale
estar a trabalhar ou apenas a primeira, ou apenas a segunda, ou apenas

a terceira, ou apenas a quarta, e as outras três não. Neste caso, resulta
soma de produtos de acontecimentos. Assim a solução obtém-se pela
fórmula:
P( A )=⏟
p1 ×q2 ×q 3 ×q 4 +q
⏟ 1 × p2 ×q3 ×q 4 +q
⏟ 1×q2 × p3 ×q 4 +q
⏟ 1 ×q 2×q3 × p4
apenas a primeira apenas a segunda apenas a terceira apenas a quarta
P( A )=4×0,9×0,13 =0 ,0036
Daqui resulta:
c)
P( A )=⏟
p1 ×p 2×q3 ×q 4 + ⏟
p 1×q2 × p3 ×q 4 + ⏟
p 1×q2 ×q 3× p 4 + ⏟
q1 × p2 × p3 ×q 4 +
primeira e segunda primeira e terceira primeira e quarta segunda e terceira
+q
⏟ 1 ×p 2×q3 × p4 +q
⏟ 1×q2 × p3 × p4
segunda e quarta terceira e quarta
P( A )=6×0,92 ×0,12 =0 , 0486

Daqui resulta:
d) Como
p1 =p 2= p3 = p 4 =0,9 , então, q1 =q 2 =q3 =q 4 =0,1 .
4
Logo, usando a fórmula P( A )=1− p , obtém-se:
4
P( A )=1−0,9 =1−0,6561=0,3439
3. A probabilidade de um atirador acertar no alvo em cada disparo é igual a
0,4. Quantos disparos deve este efectuar para que acerte pelo menos uma
vez, com a probabilidade não menor que 0,9?
Resolução:
Como dados temos p=0,4 e P( A )≥0,9 . Precisamos determinar o valor de

n
n, tal que P( A )=1−0,6 ≥0,9 . Isso requer achar o valor de n que satisfaz a
n n
relação 1−0,6 ≥0,9 , da qual resulta 0,6 ≤0,1 .
Logaritmando esta última relação membro a membro vem:
24
ln 0,1
n ln 0,6≤ln 0,1⇔ n≥ =4,5
ln 0,6
.
efectuar no mínimo cinco

Com este resultado conclui-se que este atirador deve
disparos. Quer dizer, n≥5 .
Observação: A inversão do sinal de comparação na última relação deveu-se

ln 0,6
ao facto de ser um número negativo.
4. Com que probabilidade ocorre um acontecimento em cada prova, se em
três provas conjuntamente independentes ocorre pelo menos uma vez, com
a probabilidade de 0,936.
Resolução:
n=3 P( A )≥0 , 936 . Precisamos determinar o valor

Como dados temos e
de p=1−q . Isso requer achar primeiro o valor de q que satisfaz a relação

3 3
1−q =0,936 , da qual resulta q=√ 0, 064=0,4 .Então p=1−0,4=0,6
5- A probabilidade de um atirador acertar no alvo em cada disparo é igual a 0,9.

Achar a probabilidade de que o alvo seja atingido se este efectuar dois
disparos.
Resolução:
Como dados temos p=0,9 , q=0,1 e n=2 . Precisamos calcular a

probabilidade de que o alvo seja atingido. Isto equivale calcular a probabilidade
de que pelo menos um dos dois disparos seja certeiro. Assim, empregamos a
n
fórmula P( A )=1−q . Utilizando os dados do enunciado resulta:
2
P( A )=1−0,1 =0 , 99
Podemos também calcular esta probabilidade usando o raciocínio de que
acertar no alvo, pode resultar de apenas um disparo certeiro ou então os dois
disparos certeiros. Assim a probabilidade procurada será igual à soma da
probabilidade de único acerto ou de dois acertos. Isso traduz-se em acerto do
primeiro e falha do segundo, ou falha do primeiro e acerto do segundo, ou
acerto dos dois. Com este raciocínio, resulta:
25
2 2
P(A)=pq+qp+p =0,9×0,1 underbracealignl acert⏟
o do1º ¿+0,1×0,9 underbracealignl f⏟
alha do1ºe ¿ ¿+0,9 underbracealignl acert
⏟os ¿¿=0,99¿
efalha do2º ¿ acerto do2º ¿ dos dois ¿
6- A probabilidade de um aluno errar em cada exercício é de 0,7. Tendo este

sido submetido a uma prova composta por três perguntas equilibradas, achar a
probabilidade de que tenha:
a)
Obtido vinte valores (cotação máxima);
b)
Obtido zero valor (Cotação mínima);
c)
Acertado apenas um dos exercícios;
d)
Acertado pelo menos um dos exercícios;
e)
Acertado dois exercícios.
Resolução:
Como dados temos q=0,7 , p=0,3 e n=3 .
a) Precisamos calcular a probabilidade de que o aluno obtenha vinte

valores. Quer dizer, probabilidade de que tenha acertado os três
exercícios ou ainda de que não tenha cometido nenhum erro.
Assim, utilizando a probabilidade do produto de acontecimentos,
teremos P( A )=p 3 . Assim, para este caso, temos:
P( A )=0,33 =0 , 027
b) Precisamos calcular a probabilidade de que o aluno obtenha zero. Quer
dizer, probabilidade de que não tenha acertado nenhum dos três
exercícios ou ainda de que tenha errado todos.
Utilizando a probabilidade do produto de acontecimentos, teremos
P( A )=q3 . Assim, para este caso, temos:
3
P( A )=0,7 =0 , 343
c) Precisamos calcular a probabilidade de que tenha acertado apenas um
dos três exercícios. Quer dizer, probabilidade de que tenha acertado ou
apenas o primeiro, ou apenas o segundo, ou apenas o terceiro, e errado
os outros dois em cada caso. Assim, temos:
2
P(A)=p.q.qunderbracealignl apenas
⏟o ¿+q.p.q underbracealignl apenaso⏟¿¿+q.q.punderbracealignlapenaso⏟¿¿=3.0,7.0,3 =0,189¿
1º certo ¿ 2ºcerto ¿ 3º certo ¿
26
d) Precisamos calcular a probabilidade de que tenha acertado pelo menos

um dos exercícios. Utilizando a fórmula da ocorrência de pelo menos um
dos acontecimentos, teremos:
3 3
P( A )=1−q =1−0,3 =1−0 , 027=0 , 973 .
Podemos também usar o raciocínio de que pelo menos um acerto em
três exercícios, é mesmo que acertar ou apenas um, ou dois deles ou
então os três em simultâneo. Com este raciocínio resulta:
2 2 3 2 2 3
P(A)=3.p.q underbracealignl apenas
⏟um ¿+3.p .qunderbracealignl doi⏟s ¿ ¿+p underbracealignl os⏟três ¿¿=3.0,7.0,3 +3.0,7 .0,3+0,7 =0,973¿
certo ¿ certos ¿ certos ¿
e) Precisamos calcular a probabilidade de que tenha acertado dois dos três
exercícios. Quer dizer, probabilidade de que tenha errado apenas um
dos três exercícios. Assim, temos:
2
P(A)=q.p.punderbracealignl apenaso
⏟¿+p.q.punderbracealignl apenaso⏟¿¿+p.p.qunderbracealignl apenaso⏟¿¿=3.0,7 .0,3=0,441¿
1º errado ¿ 2º errado ¿ 3º errado ¿
7- Achar a probabilidade de que ao se lançarem uma moeda e um dado

tenham saído cara e um número não maior que dois.
Resolução:
A probabilidade de saída da cara no lançamento da moeda é:
m 1
P( A )= =
n 2
A probabilidade de saída de número não maior que 2 no lançamento de dado

é:
m 2 1
P( A )= = =
n 6 3
Assim, a probabilidade de saída de cara e um número não maior que 2, no

lançamento de uma moeda e de um dado é:
1 1 1
P( AB )=P( A ). P(B )= . =
2 3 6
8- Num armazém, depois de um período de vendas sobraram duas caixas.

Uma delas contém quinze peças entre as quais seis metálicas e a outra, dez
27
peças entre as quais três metálicas. Em cada uma delas foi ao acaso extraída
uma peça. Achar a probabilidade de que:
a)
Ambas sejam metálicas;
b)
Ambas sejam não metálicas;
c)
Apenas uma delas seja metálica;
d)
Pelo menos uma delas seja metálica.
Resolução:
a)
Para que ambas sejam metálicas é necessário que em cada caixa seja
extraída peça metálica. Assim, denotando a extracção de peça metálica
da primeira caixa por A e da segunda caixa por B, de não metálica da
primeira por então o acontecimento de ambas serem metálicas se
denotará por AB. Logo temos:
6 3 3
P( AB )=P( A ). P(B )= . =
15 10 25
b)
Para que ambas sejam não metálicas é necessário que em cada caixa
seja extraída peça não metálica. Assim, denotando a extracção de peça
não metálica da primeira caixa por A e da segunda caixa por B, então o
acontecimento de ambas não metálicas se denotará por AB. Logo
temos:
9 7 21
P( AB )=P( A ). P(B )= . =
15 10 50
c)
Para que apenas uma seja metálica é necessário que numa das caixas
seja extraída uma peça metálica e na outra uma não metálica. Assim,
denotando a extracção de peça metálica da primeira caixa por A, da
A
segunda caixa por B, a extracção de não metálica da primeira por e
B
da segunda caixa por então o acontecimento de apenas uma
( A B+ A B )
metálica se denotará por . Logo temos:
6 7 9 3 23
P( A B+ A B )=P( A ). P(B )+P( A )P( B)= . + =
15 10 15 10 50
28
d)
Pelo menos uma metálica significa ou apenas uma metálica ou ambas
metálicas. Então temos que somar a probabilidade de apenas uma peça
com a de duas peças. Assim, temos:
6 7 9 3 3 29
P( A )= . + + =
15 10 15 10 25 50
9- A probabilidade de que cada câmara de um estúdio de televisão estar ligada

num momento dado é de 0,6. Sabendo que nele existem quatro câmaras,
achar a probabilidade de que no dado momento:
a)
Esteja ligada apenas uma;
b)
Esteja ligada pelo menos uma;
c)
Estejam todas ligadas;
d)
Esteja desligada apenas uma;
e)
Esteja desligada pelo menos uma;
f)
Estejam todas desligadas;
g)
Estejam ligadas duas;
h)
Estejam ligadas três.
Resolução:
Como dados temos n=4 e p1 =p 2= p3 = p 4 =p=0,6 . Consequentemente,
temos:
q1 =q 2 =q3 =q 4 =q=0,4 .
a) nas uma ligada significa, ou apenas a primeira, ou apenas a

Ape
segunda, ou apenas a terceira, ou apenas a quarta ligada, e as
restantes três desligadas em cada caso. Assim temos:
3 3
P(A)=p1q2 q3 q4 underbracealignl l⏟
igadaapenas ¿+q 1 p 2 q3 q4 underbracealignl l⏟
igadaapenas ¿ ¿+q1 q2 p3 q4 underbracealignl l⏟
igadaapenas ¿ ¿+q1 q 2 q3 p 4 underbracealignl l⏟
igadaapenas ¿ ¿=4.p.q =4.0,6 .0,4 =0,1536¿
aprimeira ¿ asegunda ¿ aterceira ¿ aquarta ¿
.
b)
Pelo menos uma ligada significa, ou apenas ligada, ou duas ligadas, ou
três ligadas ou as quatro ligadas. Assim temos
P( A )=⏟
p1 q 2 q3 q 4 +q 1 p 2 q3 q4 +q 1 q2 p3 q4 +q 1 q2 q3 p4 +
apenas uma ligada
29
+ p1 p2 q 3 q 4 + p1 q2 p3 q 4 +p 1 q2 q3 p 4 +q 1 p2 p3 q 4 +q1 p2 q3 p4 +q 1 q2 p3 p 4 +
⏟
duas ligadas
+ p1 p2 p3 q 4 +p 1 p 2 q3 p 4 + p 1 q2 p3 p 4 +q1 p2 p3 p4 + p 1 p 2 p 3 p4 =
⏟ ⏟
três ligadas as quatro ligadas
3 2 2 3 4 3 2 2 3 4
P( A )=4 . p .q +6 . p . q +4 . p q +p =4 . 0,6. 0,4 +6 . 0,6 . 0,4 +4 .0,6 . 0,4+0,6 =0 , 9744
Podemos ainda resolver esta alinea usando a fórmula:
P( A )=1−q n
Assim , atendendo os dados temos:
P( A )=1−0,4 4 =0 , 9744 .
c) Estarem todas ligadas (nenhuma desligada)
P( A )=p 1 p 2 p 3 p4 =0,6 4 =0 , 1296
d) Esteja desligada apenas uma (outras três ligadas)
P( A )=p 1 p 2 p 3 q 4 + p 1 p 2 q3 p 4 + p1 q2 p3 p4 +q 1 p 2 p3 p4 =4 . p 3 . q=4 . 0,63 . 0,4=0 , 3456
e) Pelo menos uma desligada significa, ou apenas uma desligada, ou duas ligadas, ou três
desligadas ou as quatro desligadas. Assim, temos:
P( A )=⏟
p1 q 2 q3 q 4 +q 1 p 2 q3 q4 +q 1 q2 p3 q4 +q 1 q2 q3 p4 +
três ligadas
+ p1 p2 q 3 q 4 + p1 q2 p3 q 4 +p 1 q2 q3 p 4 +q 1 p2 p3 q 4 +q1 p2 q3 p4 +q 1 q2 p3 p 4 +
⏟
duas desligadas
+ p1 p2 p3 q 4 +p 1 p 2 q3 p 4 + p 1 q2 p3 p 4 +q1 p2 p3 p4 + q1 q 2 q 3 q 4 =
⏟ ⏟
uma ligada as quatro desligadas
P( A )=4 . p .q 3 +6 . p2 . q2 +4 . p3 q +p 4 =4 . 0,6. 0,4 3 +6 . 0,62 . 0,4 2 +4 .0,6 3 . 0,4+0,4 4 =0 , 8704

Podemos ainda resolver esta alínea usando a fórmula:
P( A )=1− pn
Assim, atendendo os dados temos:
P( A )=1−0,6 4 =0 ,8704 .
f)Estejam todas desligadas (Nenhuma ligada)
P( A )=q1 q2 q 3 q 4 =0,4 4 =0 , 0256
g)Estejam duas ligadas (outras duas desligadas)
30
2 2
P( A )=p 1 p 2 q3 q4 + p1 q 2 p3 q 4 + p 1 q2 q3 p4 +q 1 p 2 p 3 q 4 +q1 p2 q 3 p4 +q 1 q2 p3 p 4 =6 . p . q =
2 2
=6.0,6 .0,4 =0,3456
h) Estejam ligadas três.
3 3
P( A )=p 1 p 2 p 3 q 4 + p 1 p 2 q3 p 4 + p1 q2 p3 p4 +q 1 p 2 p3 p4 =4 . p . q=4 . 0,6 . 0,4=0 , 3456
10- A probabilidade de um aluno acertar em cada exercício é de 0,6. Quantos

exercícios deve este resolver para que com uma probabilidade nao menor que
0,8 acerte pelo menos um exercício?
Resolução:
Como dados temos: p=0,6 , q=0,4 , Pn (k≥1 )≥0,8 . Precisamos determinar n,
de forma que Pn ( k≥1 )=1−qn ≥0,8 .Isso resulta o sistema:
{Pn(k≥1)≥0,8 ¿ ¿¿¿
Para efeito, substituindo os dados obtém-se:
{ Pn ( k≥ 1)≥0,8 ¿ ¿ ¿ ¿
Logaritmando membro a membro, vem:
0 , 699
n log 0,4≤log 0,2⇔−0 ,398 n≤−0 , 699⇔ n≥ ≈2
0 , 398
11- De três lâmpadas eléctricas ligadas em série sabe-se que a probabilidade

de cada uma fundir se a tensão da rede superar a normal é de 0,6. Achar a
probabilidade de que ao elevar-se a tensão não haja corrente no circuito.
Resolução:
Em termo de dados temos: p=0,6 , q=0,4 , n=3 . Precisamos calcular a

probabilidade de que não haja corrente no circuito. Como as lâmpadas estão
ligadas em série, para não haver corrente no circuito, basta pelo menos uma
delas fundir, porque nesta condição o circuito ficará aberto. Então, precisamos
31
achar a probabilidade de que pelo menos uma das lâmpadas se funde. Assim,
temos:
3 3
P3 ( k≥1)=1−q =1−0,4 =0 , 936
12- A probabilidade de que um aluno acerte pelo menos um de dois exercícios

equilibrados de uma prova é igual a 0,75. Achar a probabilidade de acerto em
cada exercício.
Resolução:
n=2 , P 2 (k ≥1)=0 ,75 , p=?
Para efeito, utilizamos o sistema:
{ P2 ( k≥1 )=0 , 75 ¿ ¿ ¿ ¿
Como p+q=1 , então p=0 ,95 .
13- Dois atiradores disparam em simultâneo a um alvo, efectuando um disparo

cada. A probabilidade de acerto de um deles é de 0,8 e a do outro, 0,6. Achar a
probabilidade de que:
a)
Haja apenas um acerto;
b)
Haja pelo menos um acerto;
c)
Haja pelo menos uma falha;
d)
Haja dois acertos;
e)
Haja duas falhas.
Resolução:
Os dados são: n=2 , p1 =0,8 , q1 =0,2 , p 2=0,6 , q 2=0,4 .
a) Haver apenas um acerto significa acerto do primeiro e falha do segundo

ou falha do primeiro e acerto do segundo. Assim, temos:
P( A )=p 1 . q2 +q1 . p 2=0,8. 0,4+0,2. 0,6=0 , 44 .
32
b) Haver pelo menos um acerto equivale dizer que ou acerte apenas um

deles ou então acertam simultaneamente os dois. Isso resulta:
P( A )=p 1 . q2 +q1 . p 2 + p1 . p 2=0,8. 0,4+0,2. 0,6+0,8. 0,6=0 , 92 .
c) Haver pelo menos uma falha significa que ou falha apenas um deles ou
então falham simultaneamente os dois. Isso resulta:
P( A )=p 1 . q2 +q1 . p 2 +q 1 .q 2 =0,8 .0,4 +0,2 .0,6+0,2. 0,4=0 , 52 .
d) Para que haja dois acertos é necessários que os dois acertem. Quer
dizer nenhum deles falhe. Assim, temos:
P( A )=p 1 . p2 =0,8 . 0,6=0 , 48
e) Para que haja duas falhas é necessário que os dois falhem. Quer dizer
nenhum deles acerte. Assim, temos:
P( A )=q1 . q 2=0,2. 0,4=0 , 08
14- Qual é a probabilidade de que ao serem lançados uma única vez, três
dados não viciados, se obtenha o número 6 em pelo menos um dos dados?
Resolução:
O número de dados a lançar é n=3 . A probabilidade de obter o número 6

m 1
p= =
em cada um deles é igual a n 6 e a de não obter o número 6 é
3
5 5 91
q=1− p=
6 . E, teremos:
P3 ( k≥1)=1−q 3 =1− = ≈0, 42
6 216 .
()
33
CAPÍTULO IV
COROLÁRIOS DOS TEOREMAS DA ADIÇAO E DO PRODUTO
4.1- Teorema da probabilidade da soma de acontecimentos compatíveis
Definição: Dois acontecimentos denominam-se compatíveis se a ocorrência de

cada um deles não exclui a ocorrência do outro, numa única prova.
Exemplos:
a)
A saída de número par e a saída do número quatro no lançamento de
um dado são acontecimentos compatíveis.
b)
A obtenção de uma pada e a obtenção de uma dama ao extrair uma
carta de um baralho são acontecimentos compatíveis.
A soma de dois acontecimentos compatíveis é um acontecimento cuja

ocorrência resulta da ocorrência de pelo menos um deles.
34
Sejam A e B dois acontecimentos compatíveis, se sao conhecidas as

probabilidades da ocorrência de cada um deles, a probabilidade da ocorrência
da soma que é mesmo que ocorrência de pelo menos um deles, calcula-se
usando o seguinte teorema:
Teorema: A probabilidade de que ocorra pelo menos um de dois

acontecimentos compatíveis é igual à diferença entre a soma das
probabilidades destes acontecimentos e a probabilidade de sua ocorrência
simultânea. Isto é:
P( A +B)=P ( A )+P( B)−P( AB )
Demonstração:
Observação: Os acontecimentos A e B, apesar de serem compatíveis podem

ser independentes, ou dependentes. Por isso ao usar a fórmula acima é
necessário antes averiguar se os acontecimentos são independentes ou
dependentes. Em consequência do resultado desta averiguação resulta:
a)
Se A e B são independentes então a fórmula toma o aspecto:
P( A +B)=P ( A )+P( B)−P( A ) P(B )
b)
Se A e B são dependentes então a fórmula toma o aspecto:
P( A +B)=P ( A )+P( B)−P( A ) P A ( B)
4.2- Fórmula da probabilidade completa ou probabilidade total
Suponhamos um acontecimento A possa ocorrer se ocorrer um dos

B 1 ,B2 ,...,B n
acontecimentos , mutuamente exclusivos e que formam um grupo
completo. Desde que sejam conhecidas as probabilidades
P(B 1 ), P(B 2 ),...,P( Bn )
destes acontecimentos e as probabilidades condicionais
PB1 ( A ), PB 2 ( A ), .. . , P Bn ( A )
do acontecimento A, a probabilidade da ocorrência do
acontecimento A calcula-se através do seguinte teorema:
35
Teorema: A probabilidade da ocorrência do acontecimento, que ocorre sob

B 1 ,B2 ,...,B n
condição de que ocorra um dos acontecimentos , mutuamente
exclusivos e que formam um grupo completo é igual à soma dos produtos das
probabilidades de cada um destes acontecimentos pela correspondente
probabilidade condicional de A.
P( A )=P(B 1 ) PB ( A )+ P (B2 )P B ( A )+. ..+ P( Bn )P B ( A )=∑ P(B i )P B ( A )

1 2 n i
Demonstração:
B 1 ,B2 ,...,B n
Os acontecimentos , nas condições acima referenciadas
denominam-se hipóteses.
Exemplos:
1.
De dois conjuntos de peças, a probabilidade de que uma peça do
primeiro conjunto seja metálica é igual a 0,8, e do segundo conjunto é
0,9. Achar a probabilidade de que uma peça extraída ao acaso, de uma
caixa escolhida ao acaso, seja:
a)
Metálica;
b)
Não metálica.
Resolução:
a)
Denotemos por A o acontecimento “a peça extraída é metálica”, por B1,
“a peça é extraída do primeiro conjunto” e B2, “a peça é extraída do
segundo conjunto”.
Existem duas possibilidades de extracção da peça. Quer dizer, pode ser

extraída do primeiro conjunto como também pode ser extraída do segundo.
Como não existe condição adicional, então as duas possibilidades são
equiprováveis. Assim, atendendo a definição clássica da probabilidade:
36
1
P(B 1 )=P(B 2 )=
2
.
A probabilidade de extracção de uma peça metálica do primeiro conjunto é
PB ( A )=0,8 PB ( A )=0,9
1 2
e do segundo conjunto é
Finalmente, a probabilidade de extrair uma peça metálica ao acaso e de um

conjunto escolhido ao acaso é
1 1
P( A )=P(B 1 ) PB ( A )+P (B2 )P B2 ( A )= ×0,8+ ×0,9=0 , 85
1 2 2
b)
De modo análogo à alínea anterior temos:
1 1
P(B 1 )= ; P B ( A )=0,2; P( B2 )= ; P B2 ( A )=0,1
2 1 2
(p+q=1)
E, finalmente:
1 1
P( A )=P(B 1 ) PB ( A )+P (B2 )P B2 ( A )= ×0,2+ ×0,1=0 ,15
1 2 2
2.
Numa firma trabalham 20 pessoas entre as quais 18 homens. E, na sua
filial10 pessoas, entre as quais 9 homens. Tendo havido despedimento
massivo devido à falência, apenas uma das pessoas que inicialmente
trabalhavam na filial foi agregada à firma principal. Em seguida foi um
dos trabalhadores indicado para gerir a firma. Achar a probabilidade de
que seja:
a)
Um homem;
b)
Uma mulher.
Resolução:
a)
Denotemos por A o acontecimento “a firma ser gerida por um homem”,
por B1o acontecimento “da filial foi aproveitado um homem” e por B2 “da
37
P(B 1 )=0,9
filial foi aproveitada uma mulher”. Assim temos e
19 18
PB ( A )= PB ( A )=
P(B 1)=0,1 1 21 2 21
. Consequentemente, e . E
finalmente temos:
19 18
P( A )=P(B 1 ) PB ( A )+P (B2 )P B2 ( A )= ×0,9+ ×0,1=0,9
1 21 21
b)De modo análogo à alínea anterior temos:
2 3
P(B 1 )=0,9 ; P B ( A )= ; P( B2 )=0,1; P B2 ( A )=
1 21 21
(p+q=1)
E, finalmente obtemos:
2 3
P( A )=P(B 1 ) PB ( A )+P (B2 )P B2 ( A )= ×0,9+ ×0,1=0,1
1 21 21
3- Entre seis computadores que funcionam sem falhar com a

probabilidade 0,8 e quatro que funcionam sem falha com probabilidade
de 0,95, foi tirado um computador ao acaso. Achar a probabilidade de
que seja que:
a) Funciona sem falha;
b) Funciona com falha.
Resolução:
a)
Denotemos por A o acontecimento “o computador funcionar sem falha”,
por B1, o acontecimento “o computador pertencer ao grupo dos que
funcionam sem falha com a probabilidade de 0,8” e por B2 “o
computador pertencer ao grupo dos que funcionam sem falha com a
probabilidade 0,95”. Assim temos:

m m1 6 m2 m2 4
P(B 1 )= 1 = = =0,6 P(B 2 )= = = =0,4
n m1 +m2 10 n m1 +m2 10
e .
Consequentemente:
38
PB ( A )=0,8 PB ( A )=0 , 95
1 2
e .
P( A )=P(B 1 ) PB ( A )+P (B2 )P B ( A )=0,6×0,8+0,4×0 , 95=0 , 86
1 2
P(B 1 )=0,6 ; P B1 ( A )=0,2 ; P( B2 )=0,4 ; PB 2 ( A )=0 ,05

(p+q=1)
P( A )=P(B 1 ) PB1 ( A )+P (B2 )P B2 ( A )=0,6×0,2+0,4×0 , 05=0 ,14
4- De cinco espingardas, três garantem o acerto com probabilidade de

0,95 e os restantes, com a probabilidade de 0,7. Achar a probabilidade
de que com uma espingarda escolhida ao acaso se:
a) Acerte;
b) Falhe.
Resolução:
a)
Denotemos por A o acontecimento “acerto de uma espingarda”, por B1,
o acontecimento “a espingarda pertencer ao grupo das que garantem
acerto com a probabilidade de 0,95” e por B2 “a espingarda pertencer ao
grupo das que garantem acerto com a probabilidade de 0,7”. Assim
temos:
m1 3 m2 2
P(B 1 )= = =0,6 P(B 2 )= = =0,4
n 5 n 5
e .
Consequentemente:
PB1 ( A )=0 , 95 PB 2 ( A )=0,7
e .
P( A )=P(B 1 ) PB ( A )+P (B2 )P B ( A )=0,6×0 , 95+0,4×0,7=0 , 85
1 2
39
P(B 1 )=0,6 ; P B 1 ( A )=0 , 05 ; P( B2 )=0,4 ; PB 2 ( A )=0,3

(p+q=1)
P( A )=P(B 1 ) PB1 ( A )+P (B2 )P B2 ( A )=0,6×0 , 05+0,4×0,3=0,15
5- Uma caixa contém doze peças provenientes de uma primeira fábrica,

vinte da segunda e ainda dezoito da terceira. A probabilidade da
aceitação das mesmas é de 0,9; 0,6 e 0,9, respectivamente. Achar a
probabilidade de que uma peça extraída ao acaso desta caixa seja:
a) Aceite;
b) Rejeitada.
Resolução:
a)
Denotemos por A o acontecimento “a peça ser aceite”, por B1, o
acontecimento “a peça ser proveniente da primeira fábrica” , por B2 “a
peça ser proveniente da segunda fábrica” e por B3 “a peça ser
proveniente da terceira fábrica”. Assim temos:

m 12 m 20
P(B 1 )= 1 = =0 , 24 P(B 2 )= 2 = =0,4
n 50 n 50
, e
m 18
P(B 2 )= 2 = =0 ,36
n 50
Consequentemente:
PB ( A )=0,9 PB ( A )=0,6 PB ( A )=0,9
1 2 3
, e
P( A )=P(B 1 ) PB ( A )+P (B2 )P B ( A )+P( B3 ) PB ( A )=
1 2 3
=0, 24×0,9+0,4×0,6+0 ,36×0,9=0, 78
P(B 1 )=0 , 24 ; P B1 ( A )=0,1; P( B2 )=0,4 ; PB 2 ( A )=0,4 ; P(B 3 )=0 ,36 ; PB3 ( A )=0,1
(p+q=1)
40
P( A )=P(B 1 ) PB1 ( A )+P (B2 )P B2 ( A )+P( B3 ) PB3 ( A )=
P( A)=0,24×0,1+0,4×0,4+0,36×0,1=0,22
6- Das dez peças contidas numa caixa e das vinte contidas na outra, oito
e quatro, respectivamente são brancas. De cada caixa foi extraída
uma peça ao acaso e colocadas numa caixa, inicialmente vazia. Achar
a probabilidade de que uma peça extraída ao acaso da nova caixa
seja:
a) Branca;
b) Não branca.
Resolução:
a)
Denotemos por A o acontecimento “a peça ser branca”, por B1, o
acontecimento “a peça ser da primeira caixa” , por B2 “a peça ser da
segunda caixa”. Assim temos:

m 10 1 m2 20 2
P(B 1 )= 1 = = P(B 2 )= = =
n 30 3 n 30 3
,
Consequentemente:
8 4
PB ( A )= =0,8 PB ( A )= =0,2
1 10 2 20
,
1 2
P( A )=P(B 1 ) PB ( A )+P (B2 )P B2 ( A )= ⋅0,8+ ⋅0,2
1 3 3
1 2 2 16
P(B 1 )= ; P B ( A )= =0,2; P( B2 )= ; P B2 ( A )= =0,8
3 1 10 3 20
(p+q=1)
41
1 2
P( A )=P(B 1 ) PB ( A )+P (B2 )P B2 ( A )= ⋅0,2+ ⋅0,8
1 3 3
7- Num armazém há três caixas contendo cada seis peças metálicas e

quatro não metálicas. Da primeira caixa foi extraída uma peça ao
acaso e colocada na segunda caixa. Em seguida, extraiu-se uma peça
ao acaso da segunda caixa e colocada na terceira. Finalmente foi da
terceira caixa extraída uma peça ao acaso. Achar a probabilidade
desta (última) ser:
a) Metálica;
b) Não metálica.
8- Uma peça pode ser manufacturada por três fábricas: A, B e C. A
fábrica A produz o dobro das peças de cada uma das fábricas B e C.
Além disso dois porcento das peças produzidas pelas fábricas A e B
são defeituosas, enquanto quatro porcento das peças produzidas pela
fábrica C são defeituosas. Todas as peças produzidas são colocadas
no mesmo armazém. Deste armazém foi extraída uma peça ao acaso.
Achar a probabilidade de que esta seja:
a) defeituosa;
b) Não defeituosa.
Resolução:
a)
Denotemos por A o acontecimento “a peça ser defeituosa”, por B1, o
acontecimento “a peça ser manufacturada pela fábrica A” , por B2 “a
peça ser manufacturada pela fábrica B” e por B3 “a peça ser
manufacturada pela fábrica C”. Assim, como a produção da fábrica A,
pelas condições do enunciado é igual ao dobro das produções das
fábricas B e C, então temos,:

P(B 1 )=2P( B2 )=P( B3 )
Mas sabemos que as condições B1 , B2 e B3 , pelas condições da
definição da probabilidade total formam, são mutuamente exclusivos e
42
formam um grupo completo. Logo, a soma das suas probabilidades é
igual a unidade. Isto é:

P(B 1 )+P( B2 )+P(B 3 )=1
Deste modo para determinar estas probabilidades temos que resolver o
sistema:
{P(B1)=2P(B2)=P(B3)¿{P(B1)=P(B2) ¿ ¿
do qual resulta:
1 1 1
P(B 1 )= ; P(B 2 )= ; P( B3 )=
2 4 4
E, pelo enunciado temos:
PB ( A )=0,2
1
PB2 ( A )=0,2 PB3 ( A )=0,4
, e
P( A )=P(B 1 ) PB ( A )+P (B2 )P B ( A )+P( B3 ) PB ( A )=
1 2 3
1 1 1
= ×0,2+ ×0,2+ ×0,4=
2 4 4
1 1 1
P(B 1)= ; P(B 2 )= ; P( B3 )= ; PB1 ( A )=0,8 ; P( B2 )=0,8 ; P B3 ( A )=0,6
2 4 4
(p+q=1)
P( A )=P(B 1 ) PB1 ( A )+P (B2 )P B2 ( A )+P( B3 ) PB3 ( A )=
1 1 1
= ×0,8+ ×0,8+ ×0,6=
2 4 4
9- Três maquinais A, B e C, produzem respectivamente sessenta por

cento, trinta por cento e dez por cento do total de peças de um
determinado tipo. Respectivamente, dois por cento, três por cento e
43
quatro por cento das peças produzidas pelas máquinas A, B e C são

defeituosas. Admitindo que, de um contentor no qual se juntaram as
peças, foi ao caso extraída uma peça. Achar a probabilidade de que:
a) Seja não defeituosa
b) Seja defeituosa
10-
Numa caixa com duas bolas, cada uma branca ou preta, acrescentou-
se uma bola branca e em seguida extraiu-se uma bola ao acaso.
Admitindo que as hipóteses concernentes à cor das bolas iniciais são
equiprováveis, achar a probabilidade de que a bola extraída seja:

a)
Branca;
b)
Preta.
4.3- Probabilidade das hipóteses. Fórmula de Bayes
Suponhamos um acontecimento A tenha já ocorrido, sob condição de que seja

B 1 , B 2 , ... , B n
antecipado por ocorrência de um dos acontecimentos , que se
excluem mutuamente e formam um grupo completo. Não sabendo qual dos
acontecimentos do grupo completo antecedeu o acontecimento A, então
precisamos calcular as probabilidades condicionais das hipóteses em relação
P P A ( B1 ), P A ( B2 ), ... ,P A (Bn )
ao acontecimento A, isto é .
Para efeito, em virtude do teorema da probabilidade do produto de

acontecimentos temos:
P( AB 1 )=P (B1 ) PB1 ( A )=P A ( B1 ) P( A )

⏟
⇓
P (B1 )P B ( A )
1
P A ( B1 )=
P(A)
44
P (B2 ) PB ( A )
2
P A ( B2 )=
De modo análogo teremos P( A ) . Generalizando, temos:
P( Bi )P B ( A )
i
P A ( Bi )=
P(A)
Substituindo P(A) obtém-se a fórmula:
P( Bi )P B i ( A )
P A ( Bi )=
∑ P( Bi )PB ( A )
i , conhecida por fórmula de Bayes.
Exercícios:
1-As peças produzidas numa fábrica são verificadas por um de dois

controladores nela existentes. A probabilidade de uma peça ser verificada pelo
primeiro controlador é igual a 0,6. A probabilidade de aceitação de uma peça
pelo primeiro controlador é igual a 0,94, e pelo segundo, 0,98. Achar a
probabilidade de que uma peça aceite tenha sido verificada pelo:
a) Primeiro controlador;
b) Segundo controlador.
Resolução:
a)
Denotando por A o acontecimento “a peça ser aceite”, por B1, “a peça
ser verificada pelo primeiro controlador” e B2, “a peça ser verificada pelo
PB 1 ( A )
será a probabilidade de aceitação
segundo controlador”, então
P ( A)
de uma peça pelo primeiro controlador e, B2 a de aceitação pelo
segundo. Deste modo, pelos dados do enunciado temos:
P(B 1 )=0,6 , P( B2 )=0,4 , P B 1 ( A )=0 , 94 , PB 2 ( A )=0 , 98
A probabilidade de que uma peça aceite tenha sido verificada pelo primeiro
controlador será
P (B1 )P B 1 ( A ) P(B 1 )P B1 ( A ) 0,6×0 ,94

P A ( B1 )= = = ≈0 , 59
P(A) P(B 1 )P B ( A )+P (B2 )P B ( A ) 0,6×0 , 94+0,4×0 ,98
1 2
b) De modo análogo temos:
45
P (B2 ) PB 2 ( A ) P(B 2 )P B2 ( A ) 0,4×0 , 98

P A ( B2 )= = = ≈0 , 41
P( A ) P( B1 ) PB1 ( A )+ P(B 2 ) P B2 ( A ) 0,6×0 , 94+0,4×0 , 98
2-Num grupo desportivo composto por 20 atletistas, 6 ciclistas e 4 motociclistas, as

probabilidades de conseguir boa classificaçao sao 0,9; 0,8 e 0,75, respectivamente. Achar a
probabilidade de que um desportista escolhido ao acaso consiga uma boa classificação.
3-Num armazém ha três caixas. A primeira contém 20 peças, entre as quais 15 coloridas, na
segunda, 30 peças entre as quais 24 coloridas e, na terceira, 10, entre as quais 6 coloridas.
Achar a probabilidade de que de uma caixa escolhida ao acaso seja extraída uma peça:
a) Colorida;
b) Não colorida.
4-A fim de participarem nas competições desportivas eliminatórias foram seleccionados 4

estudantes da turma A, 6 da turma B e 5 da turma C. As probabilidades de que um destes
estudantes seja apurado são respectivamente 0,9; 0,7 e 0,8. No final, um destes foi apurado. A
que turma pertence mais provavelmente?
5-Quando a máquina automática se desvia do regime normal de trabalho, funciona um de dois

dispositivos de sinalização A ou B, com probabilidades de 0,8 e 1, respectivamente. As
probabilidades de que a máquina automática esteja servida pelo dispositivo de sinalização A
ou B são respectivamente iguais a 0,9 e 0,4.Num dado momento foi captado um sinal de
estrago na máquina automática. O mais provável é que esta esteja servida pelo dispositivo A
ou pelo dispositivo B?
46
CAPÍTULO V
REPETIÇAO DE PROVAS
5.1- Fórmula de Bernoulli
Se numa sequência de provas a probabilidade da ocorrência do acontecimento

A em cada prova não depende dos resultados das demais provas, estas provas
denominam-se independentes em relação ao acontecimento A.
Suponhamos que numa sequência de n provas independentes a probabilidade

da ocorrência do acontecimento A em cada uma delas seja constante e igual a
p. Em consequência, a probabilidade de não ocorrência também será
constante q=1-p. Se quisermos calcular a probabilidade de que nas n provas A
ocorra exactamente k vezes (o que é mesmo dizer que não ocorra n-k vezes),
designamo-la por Pn ( k) e o seu valor obtém-se pela fórmula de Bernoulli:
n!
Pn ( k)=Ckn p k q n−k = pk q n−k
k !(n−k )!
Observação: A fórmula de Bernoulli é aconselhável ser utilizada nos casos em
que os valores de n e k são relativamente pequenos, devido à dificuldades de
cálculo.
47
Exercícios:
1-Numa oficina com 6 motores, sabe-se que a probabilidade de cada motor

estar ligado em um dado momento é igual a 0,8. Achar a probabilidade de que
no momento dado:
a)
Estejam ligados 4 motores;
b)
Estejam ligados todos os motores;
c)
Estejam desligados 4 motores;
d)
Estejam desligados todos os motores;
e)
Estejam ligados pelo menos 4 motores;
f)
Estejam desligados pelo menos 4 motores.
2-Achar a probabilidade de que um aluno acerte não menos de dois exercícios

em cinco exercícios independentes, se em cada um deles a probabilidade de
acerto é de 0,3.
5.2- Teorema local de Laplace
A observação anterior diz-nos que a fórmula de Bernoulli se utiliza nas
situações em que n e k assumem valore relativamente pequenos. Caso n e k
assumam valores relativamente, então utiliza-se o teorema local de Laplace a
seguir:
Teorema: Se a probabilidade 0<p<1 da ocorrência de um acontecimento A é
constante em cada prova de uma série de n provas independentes, então a

Pn ( k)
probabilidade de que este ocorra exactamente k vezes é
aproximadamente igual ao valor da função
x2
1 1 − ϕ( x) k−np
y= × ℓ 2
= x=
√ npq √ 2 π √ npq com √npq .Quer dizer:
48
ϕ( x ) k−np
Pn ( k )≈ x=
√npq , com √npq
x2
1 −2
ϕ( x )= ℓ
sendo √2 π ,a função de Laplace, com valores tabelados no
suplemento 1, para valores positivos de x. Para valor negativos de x utiliza-se o
mesmo suplemento, sabendo que ϕ( x ) é uma função par, quer dizer
ϕ(−x )=ϕ( x) .
Exemplo: Achar a probabilidade de que haja 80 fusíveis defeituosos numa

produção de 800 fusíveis, sabendo que a probabilidade da máquina que as
fabrica produzir uma peça defeituosa é igual a 0,2.
Resolução:
Pelo enunciado temos k=80 , n=400 , p=0,2 , q=0,8 . Para calcular a

ϕ( x )
Pn ( k )≈
probabilidade que se deseja implementemos a fórmula √npq . Assim,
substituindo os dados obtém-se:
80−400×0,2
P400 (80 )≈
ϕ
(
√ 400×0,2×0,8 ϕ(0 )
=
)
√ 400×0,2×0,8 8
0 ,3989
P400 (80 )≈ ≈0,5
ϕ(0 )=0 ,3989 . Então 8
Pelo suplemento 1
5.3-Teorema integral de Laplace
Se a probabilidade 0<p<1 da ocorrência de um acontecimento A é constante
em cada prova de uma série de n provas independentes, entao a probabilidade
de que este ocorra no mínimo k1 vezes e no máximo k2 vezes, denotado por

Pn ( k 1 ,k 2 ) , com n relativamente grande, calcula-se pelo teorema integral de
Laplace.
Teorema: Se a probabilidade 0<p<1 da ocorrência de um acontecimento A é
constante em cada prova de uma série de n provas independentes, então a
49
Pn ( k 1 ,k 2 ) ,
probabilidade de que este ocorra não menos de k1 vezes e não mais
de k2vezes é aproximadamente igual à integral definida
x
''
z2
1 −
∫ ℓ 2 dz
√2 π x '
. Quer dizer:
x
''
z2
1 −
2 '' '
Pn ( k 1 , k 2 )≈ ∫ ℓ dz =φ( x )−φ( x )
2
√ xπ '
x
''
z2
k 2 −np k 1−np 1 −
x=
''
x=
'
φ( x )= ∫ ℓ 2 dz
com √ npq ; √ npq e √2 π x é a função de Laplace.
'
Os valores da função de Laplace para este caso encontram-se tabelados no

suplemento 2, para 0≤x≤5 . Para valores positivos de x e maiores que 5,
considera-se φ( x )=0,5 . E, para valores negativos de x utiliza-se a mesma
tabela tendo em conta que φ( x) é uma função ímpar. Quer dizer,
φ(−x)=−φ( x) .
Observação: No teorema integral de Laplace, se representarmos o número de

ocorrências do acontecimento por m, em n provas independentes, ocorrendo
em cada uma delas com uma probabilidade constante p, com m variando entre
m−np '
k 1−np ''
k 2 −np
x= x=
k1 e k2, então √ npq
,varia de √ npq a √ npq . Desta forma a
fórmula do teorema integral de Laplace pode ser expressa por:
''
x z2
m−np '' 1 −
Pn x ≤
( '
√ npq
≤x ≈ ∫
√2 π x
ℓ 2 dz
) '
(*)
Exemplo: A probabilidade de uma peça ser rejeitada no exame de controle da

qualidade sendo igual a 0,2, achar a probabilidade de que entre 400 peças
tomadas ao acaso se rejeitem de 70 a 100 peças.
Resolução:
Pelo enunciado temos k 1 =70 , k 2 =100 , n=400 , p=0,2, q=0,8 . Para calcular a
'' '
probabilidade que se deseja implementemos a fórmula Pn ( k 1 , k 2 )≈φ( x )−φ( x ) .
Assim, substituindo os dados obtém-se:
50
100−400×0,2 70−400×0,2
P400 (70, 100)≈φ
( √ 400×0,2×0,8
−φ
) (
√ 400×0,2×0,8
=φ(2,5 )−φ(−1,25)=
)
¿φ(2,5 )+φ(1, 25)
Pelo suplemento 2, φ(2,5 )=0 , 4938 e φ(1 ,25)=0 ,3944 .
P400 (70 , 100)≈0 , 4938+0 , 3944=0 , 8882

Logo,
Exercícios:
1-A probabilidade de uma laranja apodrecer-se durante a transportação é igual

a 0,2. Achar a probabilidade de que ao serem transportadas 400 laranjas, se
apodrecem exactamente 104.
2- A probabilidade de um atirador acertar no alvo em cada disparo sendo igual

a 0,75, achar a probabilidade de que em 100 disparos, este acerte:
a) Exactamente 70 vezes;
b) Não menos de 70 e não mais de 80 vezes;
c) Não mais de 70 vezes.
3- Achar a probabilidade de que um atirador acerte exactamente 70 vezes

numa sequências de 243 disparos.
4- Achar a probabilidade de num conjunto de 2400 de um condomínio se

fundam exactamente 1400 lâmpadas, se a probabilidade de cada uma fundir-se
é de 0,6.
5- A probabilidade de um atirador acertar em cada disparo é de 0,7. Tendo este

efectuado 21 disparos, achar a probabilidade de que tenha acertado na maioria
das vezes.
6- A probabilidade de um acontecimento ocorrer em cada uma das n provas

independentes é de 0,8. Quantas provas deve este efectuar para que se
espere pelo menos 75 ocorrências, com a probabilidade de 0,9?
7- A probabilidade de um atirador acertar no alvo em cada disparo é igual a 0,8.

Tendo este efectuado 100 disparos, achar a probabilidade de que tenha
acertado:
a) Exactamente 75 vezes;
b) Não menos de 75 e não mais de 90 vezes;
c) Pelo menos de 70 vezes;
d) No máximo 74 vezes.
51
8- Quantas provas deve realizar um atleta, para que ganhe pelo menos 150
vezes, com a probabilidade de 0,98, se a probabilidade de ganhar em cada
prova é igual a 0,9?
5.4-Probabilidade do desvio da frequência relativa em relação à

probabilidade teórica em provas independentes
Suponhamos que tenham sido realizadas n provas independentes, e que a

probabilidade da ocorrência do acontecimento A em cada uma delas é
constante e igual a 0<p<1. Vamos agora achar a probabilidade de que o
m
afastamento da frequência relativa n não ultrapasse em valor absoluto, um
número dado ε > 0 . Quer dizer, achar a probabilidade de que se verifique a
desigualdade
m
| − p|≤ε
n (1)
m
que denotamos por
P | −p|≤ε
n ( )
m m−np
−ε ≤ − p≤ε ⇔−ε ≤ ≤ε
De (1) resulta n n .
n
Multiplicando a última relação por √ pq obtemos:
n m−np n
−ε
√ ≤
pq √ npq
≤ε
pq √
Utilizando o teorema integral de Laplace através da relação (*), com
n n
x ' =−ε
√ pq e
x '' =ε
√
pq obtemos:
n n
n m−np n 1
ε
√ pq z2
2
ε
√ pq z2
n
( √ √ ) (√ )
− −
2 2
P −ε ≤ ≤ε ≈ ∫ ℓ dz = ∫ ℓ dz =2 φ ε
pq √ npq pq √ 2 π n √2 π 0 pq
−ε
√ pq
Finalmente, substituindo a relação (1), obtemos:
m n
(
P | −p|≤ε ≈2 φ ε
n pq ) (√ )
52
m
| − p|≤ε
Assim, a probabilidade de que a desigualdade n se verifique é
aproximadamente igual ao dobro da função de Laplace “ 2φ( x) ” com
n
x=ε
√ pq .
Exercícios:
1- A probabilidade uma peça seja de alta qualidade é igual a 0,1. Achar a

probabilidade de que entre 400 peças escolhidas ao acaso, a frequência
relativa de extracção de peças de alta qualidade varie em relação à
probabilidade em grandeza absoluta não mais que 0,03.
Resolução:
Pelo enunciado, temos p=0,1 , q=0,9 , n=400 , ε=0 ,03 e precisamos calcular
m
(
P | −0,1|≤0 , 03
400 .
) Para isso, utilizamos a fórmula
m n
(
P | −p|≤ε ≈2 φ ε
n ) (√ )
pq
da qual substituindo os dados obtemos:
m 400
(
P | −0,1|≤0, 03 ≈2φ 0,03
400 ) (
0,1×0,9
= 2φ (2)
√ )
Pelo suplemento 2 temos φ(2 )=0 , 4772 . Substituindo vem:
m
( )
P | −0,1|≤0 , 03 ≈¿2φ (2)=2×0 , 4772=0 ,9544
400
2- A probabilidade uma peça seja de alta qualidade é igual a 0,1.

Determinar a quantidade de peças que devem ser escolhidas para que
com uma probabilidade de 0,9544, a frequência relativa de extracção de
peças de alta qualidade varie em relação à probabilidade em grandeza
absoluta não mais que 0,03.
Resolução:
m
Pelo enunciado, temos n ( )
p=0,1 , q=0,9 , P | − p|≤ε =0 , 9544 , ε=0 , 03
e
precisamos calcular n.
53
m n
Para isso, utilizamos a fórmula n (
P | −p|≤ε ≈2 φ ε
pq ) (√ )
da qual substituindo os dados obtemos:
m n
(
P | −0,1|≤0,03 ≈2φ 0,03
n ) (
0,1×0,9
=0,9544
√ )
n
De
( √
2φ 0,03
0,1×0,9 )
=0,9544
, obtemos φ(0,1 √ n)=0,4772=φ(2)
.Comparando vem:
0,1 √n=2 . Desta resulta √ n=20 . E, finalmente n=400 .
3- A probabilidade de ocorrência de um acontecimento em cada uma de

10000 provas independentes é 0,75. Achar a probabilidade de que o
desvio da frequência relativa em relação à probabilidade não exceda
0,001, em valor absoluto.
4- A probabilidade de um atirador acertar em cada disparo de uma série de
5000 disparos é igual 0,2. Achar o valor do desvio da frequência relativa
em relação à probabilidade, que resulta uma probabilidade de 0,9128.
5- Quantas vezes deve ser lançada uma moeda não viciada para que com
uma probabilidade de 0,6, se possa esperar que o desvio da frequência
relativa em relação à probabilidade de saída da coroa, em valor
absoluto, não seja maior que 0,01?
54
CAPÍTULO VI
TIPOS DE VARIÁVEIS ALEATÓRIAS. VARIÁVEIS ALEATÓRIAS DISCRETAS
6.1- Variáveis aleatórias
Definição: Chama-se aleatória à variável que em resultado de uma prova,

assume um e somente um valor possível, anteriormente desconhecido e
dependente de causas aleatórias, que não podem ser antecipadamente
previstas.
Exemplos:
1) O número de meninos entre recém-nascidos, sem utilizar ecografias;

2) O número de pontos que caiem no lançamento de um dado não viciado;
3) A face a sair ao lançar uma moeda não viciada.
6.2- Variáveis aleatórias discretas e variáveis aleatórias contínuas
Uma variável aleatória, considerando os valores numéricos possíveis de

assumir, pode ser ou discreta ou contínua. Quer dizer que a diferença entre
esses dois tipos de variáveis aleatórias reside nos valores que estes podem
assumir. Assim:
a) Chama-se discreta (descontínua) à variável aleatória que só pode

assumir valores inteiros.
b) Chama-se contínua à variável aleatória que pode assumir qualquer valor
de um intervalo real.
Nota: O número de valores de uma variável discreta pode ser finito ou infinito.
Mas o número de valores de uma variável contínua é sempre infinito, porque
entre dois números reais quaisquer existe uma infinidade de números.
6.3- Lei de distribuição de probabilidade de uma variável aleatória discreta
Pode-se pensar que para determinar uma variável aleatória discreta, basta
enumerar os seus valores possíveis. Mas, na realidade não. Porque duas
variáveis aleatórias discretas podem ter o mesmo conjunto de valores
possíveis, e mesmo assim possuírem probabilidades diferentes. Por isso, para
determinar uma variável aleatória discreta é necessário e suficiente enumerar
os seus valores possíveis e as respectivas probabilidades. Procedendo desta
forma estaríamos justamente a determinar a sua lei de distribuição da
probabilidade.
55
Definição: Chama-se lei de distribuição da probabilidade de uma variável

aleatória discreta a correspondência entre os seus valores possíveis e
respectivas probabilidades.
A lei de distribuição da probabilidade pode ser expressa tabularmente (por

tabela), analiticamente (por uma fórmula) ou ainda graficamente (através de
gráfico).
A representação tabular da lei de distribuição da probabilidade pode ser

horizontal (colocando os possíveis valores na primeira linha e as respectivas
probabilidades na segunda) ou vertical na forma (colocando os possíveis
valores na primeira coluna e as respectivas probabilidades na segunda).
Denotando os possíveis valores por
x i e as correspondentes probabilidades
por
Pi , a tabela terá a forma:
xi x1 x2 ... xn Ou
Pi P1 P2 ... P
xi Pin
x1 P1
x2 P2
... ...
xn Pn
Nota: A soma de todas as probabilidades de uma lei de distribuição é sempre
igual à unidade. Quer dizer, em toda a lei de distribuição ∑ Pi =1

Para representar a lei de distribuição da probabilidade, graficamente, basta
x ;P
representar no sistema cartesiano os pontos com coordenadas ( i i ) e
depois ligar os pontos consecutivos por segmentos de recta. Obtém-se desta
forma o gráfico denominado polígono de distribuição.
A representação analítica da lei de distribuição da probabilidade é feita através

das fórmulas de cálculo, variando em dependência do tipo específico de
distribuição que a variável aleatória define e, que serão em seguida abordados
em 6.4.
6.4- Tipos particulares de distribuições de variáveis aleatórias discretas
Uma variável aleatória discreta em dependência do acontecimento que

representa, pode definir uma distribuição, ou binomial, ou binomial negativa, ou
geométrica, ou hipergeométrica, ou de Poisson, ou ainda um fluxo elementar
de acontecimentos.
56
6.4.1- Distribuição binomial
Suponhamos que o acontecimento A possa ou não ocorrer em cada prova de

uma sequência de n provas independentes. Mas, a probabilidade de sua
ocorrência em cada uma dessas provas é constante e igual a p. Considerando
como variável aleatória discreta x “o número de ocorrências do acontecimento
A nas n provas”, e quisermos determinar analiticamente a lei de distribuição da
probabilidade teremos:
a) Como a sequência é composta por n provas independentes, então o

número de ocorrência do acontecimento A varia de 0 a n. Quer dizer, a
variável aleatória x pertence ao intervalo [ 0;n ] ;
b) Achar as correspondentes probabilidades, utilizando a fórmula de
Bernoulli:
Pn ( x )=c nx p x q n− x
onde x=0, 1, 2, 3, ..., n
Seja p a probabilidade da ocorrência de um acontecimento A em cada prova de

uma sequência de n provas independentes, se a variável x indica o número de
ocorrências deste acontecimento ao longo das n provas, então diz-se que a
variável x define uma distribuição binomial ou x é uma variável binomial. Assim,
a probabilidade de que A ocorra exactamente x vezes em n provas
independentes, para n e x pequenos, calcula-se pela fórmula de Bernoulli:
Pn ( x )=c nx p x q n− x
fórmula que exprime analiticamente a lei de distribuição binomial.
6.4.1.1- Características da distribuição binomial:
Uma distribuição para ser binomial deve satisfazer simultaneamente as três

condições seguintes:
1ª) Em cada prova existem apenas dois resultados possíveis: Sucesso e

insucesso;
2ª) Em cada uma das provas ocorre apenas um dos dois resultados possíveis:
ou sucesso, ou insucesso;
3ª) A probabilidade da ocorrência de cada um dos resultados permanece

constante em todas as provas.
Exercícios:
1- Estabelece a lei de distribuição da probabilidade do número de

ocorrências de:
57
a) Cara, em três lançamentos de uma moeda não viciada;

b) 3 pontos, em dois lançamentos de um dado não viciado;
c) Números compostos, em três lançamentos de um dado não viciado;
d) De números maiores que 2, em dois lançamentos de um dado não
viciado;
e) De números primos, em dois lançamentos de um dado não viciado;
2- Admitindo que os jogadores são de igual força, sem contar os empates,
averiguar qual o acontecimento mais provável entre:
a) Ganhar uma de duas partidas e ganhar duas de quatro partidas;
b) Ganhar pelo menos duas de quatro partidas e ganhar pelo menos três
de cinco partidas.
3- Tendo se lançado um dado não viciado ao ar, cinco vezes, achar a
probabilidade de que o número de saídas da cara seja:
a) Menor que dois;
b) Não menor que dois.
4- Achar a probabilidade de um ciclista ganhe pelo menos três vezes em
quatro competições, se a probabilidade de ganhar em cada uma delas é
igual a 0,4.
5- Numa família com cinco crianças, a probabilidade de nascimento de um
menino é de 0,51. Achar a probabilidade de que entre elas haja:
a) Dois meninos;
b) No máximo dois meninos;
c) Mais de dois meninos;
d) Pelo menos dois meninos;
e) Dois ou três meninos;
f) Duas meninas;
g) No máximo duas meninas;
h) Mais de duas meninas;
i) Pelo menos duas meninas;
j) Duas ou três meninas;
6.4.2- Distribuição binomial negativa
Seja 0< p<1 a probabilidade da ocorrência do sucesso e q do insucesso, em

cada prova de uma sequência infinita de provas independentes, se a variável x
indica o número de sucessos ocorridos até a r-ésima ocorrência do insucesso,
então diz-se que a variável x define uma distribuição binomial negativa ou x é
uma variável binomial negativa. Assim, a probabilidade de que o sucesso
ocorra exactamente x vezes até a r-ésima ocorrência do insucesso, calcula-se
pela fórmula:
Pn ( x )=c xx+r−1 p x qr ,com x=n−r
fórmula que exprime analiticamente a lei de distribuição binomial negativa.
58
6.4.3- Distribuição geométrica
Seja 0< p<1 a probabilidade da ocorrência do sucesso e q a do insucesso,

em cada prova de uma sequência infinita de provas independentes, se a
variável x indica o número de sucessos ocorridos até a primeira ocorrência do
insucesso, então diz-se que a variável x define uma distribuição geométrica.
Quer dizer, a distribuição geométrica é um caso particular da distribuição
binomial negativa, na qual r=1.
Por conseguinte, a probabilidade de que o sucesso ocorra x vezes até o

primeiro insucesso se calcula pela fórmula:
Pn( x )= p x q com x=n−1

,
fórmula que exprime analiticamente a lei de distribuição geométrica, das probabilidades.
Exercícios:
1-De um canhão efectuam-se disparos até que ocorra o primeiro acerto. A

probabilidade de acerto em cada disparo é igual a 0,6. Achar a probabilidade
de que o acerto ocorra no terceiro disparo.
Resolução:
Pelo enunciado temos p(acerto )= p=0,6 ; p (falha )=q=0,4 ; n=3 ;r ( acerto)=1

e x (falha )=2
Assim, o problema que temos traduz-se ao cálculo da probabilidade de que ocorram

exactamente 2 falhas até o primeiro acerto. Então empregamos a fórmula
x
adaptada: Pn ( x )=q p
Substituindo os dados obtemos:
P3 (2 )=0,4 2×0,6=0 ,096
6.4.4- Distribuição hipergeométrica
Suponhamos que num conjunto de N peças haja M metálicas e N-M não metálicas, e que deste
conjunto sejam extraídas n peças ao acaso. Se a variável x representar o número de peças de
um dos dois tipos (por exemplo metálicas) entre as n extraídas, então diz-se que a variável x
define uma distribuição hipergeométrica. Assim, a probabilidade de que entre as n extraídas
haja exactamente x metálicas, será calculado por uma fórmula baseada na
definição clássica da probabilidade, com o número de casos possíveis igual
C nN enquanto o de casos favoráveis igual ao produto C xM ×C n−x
N−M
59
Substituindo essas expressões na fórmula da definição clássica obtemos a

fórmula:
x n− x
C M ×C N −M
Pn ( x )= n
CN
fórmula que exprime analiticamente a lei de distribuição hipergeométrica, da probabilidade

de acontecimentos.
Exercício:De um grupo de 7 pessoas, entre elas 4 mulheres, foram

aleatoriamente escolhidas 5, para fazerem parte de uma comissão de trabalho.
Achar a probabilidade de que esta comissão tenha:
a) Exactamente 3 homens;
b) Exactamente 3 mulheres;
c) Pelo menos 3 homens;
d) Pelo menos 3 mulheres;
e) Não mais do que 2 homens;
f) No máximo 2 mulheres;
g) Completamente homens;
h) Completamente mulheres.
6.4.5- Distribuição de Poisson
Vimos anteriormente que se um acontecimento A ocorre em cada prova de

uma sequência de n provas independentes com uma probabilidade 0< p<1 ,
a fórmula do cálculo da probabilidade de k ocorrências deste varia em
dependência dos valores assumidos por n e k, resultando que se:
1º) Se n e k, assumirem valores pequenos, utiliza-se a fórmula de Bernoulli

Pn ( k )=Ckn p k q n−k
2º) Se n e k, assumirem valores grandes, devido à dificuldade do cálculo de C kn , utiliza-se
ϕ( x )
Pn ( k )≈
a fórmula do teorema local de Laplace: √npq embora com a
desvantagem, por não fornecer valor exacto.
3º)Surge um novo caso, no qual n possa assumir valor grande, k assumir valor pequeno e p
pequena e não menor que 0,1. Neste caso, nenhuma das fórmulas anteriores é sugerida. Isso
resulta uma distribuição de Poisson, na suposição de que o número médio de ocorrências do
acontecimento nas diferentes séries de provas independentes se mantém constante e igual a
λ=n× p .Nestas condições, a probabilidade de que o acontecimento ocorra
exactamente k vezes, calcula-se pela fórmula de Poisson:
60
k −λ
λ ⋅e
Pn ( k )=
k!
fórmula que exprime analiticamente a lei de distribuição de Poisson, da probabilidade de
acontecimentos raros.
Exercícios:
1-De uma fábrica foram transportadas 500 peças. A probabilidade de uma peça avariar ao
longo do caminho é igual a 0,0002. Achar a probabilidade de que ao chegar haja:
a) Exactamente 3 peças avariadas;

b) Não mais de 3 peças avariadas;
c) Pelo menos duas peças avariadas;
d) No máximo duas peças avariadas;
e) No mínimo duas peças avariadas;
f) Pelo menos uma peça avariadas;
g) Não mais do que uma peça avariada;
h) Exactamente duas peças avariadas;
i) Exactamente duas peças avariadas.
6.4.6- Fluxo elementar de acontecimentos
Definição: Chama-se fluxo de acontecimentos à sucessão de acontecimentos

que ocorrem em momentos aleatórios de tempo.
Temos como exemplos:
1) A afluência de chamadas telefónicas a uma central telefónica;

2) A chega de aviões a um aeroporto;
3) A chega de clientes a uma agência bancária, etc.
Um fluxo de acontecimentos pode ser estacionário ou ordinário.
O fluxo é estacionário quando a ocorrência de k acontecimentos num intervalo

de tempo t, depende apenas de k e da duração t, sendo independente do início
da contagem do tempo. Quer dizer, se o fluxo é estacionário, a probabilidade
de que ocorram k acontecimentos num intervalo de tempo t não dependerá do
momento do início da contagem, mas sim da duração.
O fluxo é ordinário se a ocorrência de dois ou mais acontecimentos num

intervalo de tempo pequeno, é praticamente impossível. Quer dizer, se o fluxo
é ordinário, num intervalo de tempo infinitamente pequeno pode ocorrer não
mais do que um acontecimento.
Definição: Chama-se fluxo elementar de acontecimentos ou processo de

Poisson, qualquer fluxo que simultaneamente é estacionário e ordinário.
61
A média de acontecimentos que ocorrem em unidade de tempo denomina-se intensidade do

fluxo, e denota-se por λ=n× p
Uma vez conhecida a intensidade λ=n× p do fluxo elementar, a

probabilidade de que ocorram k acontecimentos num intervalo de tempo t,
calcula-se pela fórmula de Poisson:
( λt )k⋅e− λt
Pt (k )=
k!
Exercícios:
1-A média de chamadas telefónicas recebidas numa central é de duas por

minuto. Admitindo constituírem um fluxo elementar, achar a probabilidade de
que em 5 minutos, sejam nesta central recebidas:
a) Exactamente duas chamadas;

b) Menos de duas chamadas;
c) No mínimo duas chamadas;
d) Mais de duas chamadas;
e) No máximo, duas chamadas.
Resolução:
2
λ=
O enunciado fornece como dados: min e t=5 min . Assim: λt=10
a) k =2
( λt )k e− λt
Pt (k )=
Usando a fórmula k! tem-se:
2 −10
10 e
P5 (2 )= =0 ,002
2!
CAPÍTULO VII
CARACTERÍSTICAS NUMÉRICAS DE VARIÁVEIS ALEATÓRIAS

DISCRETAS
7.1-Características numéricas
As leis de distribuição da probabilidade fornecem a descrição pormenorizada

de uma variável aleatória discreta. Mas por si só não permite a descrição global
do comportamento da variável, facto que torna necessário o conhecimento de
suas características numéricas, entre elas: a esperança matemática, o desvio
62
absoluto médio, a variância e o desvio padrão, cujo uso de um ou do outro

depende da caracterização pretendida.
Em linhas gerais, a esperança matemática fornece o valor médio da variável

enquanto as outras fornecem valores de dispersão dos valores assumidos pela
variável em torno do seu valor médio.
7.1.1- Esperança matemática “M(x)” de uma variável aleatória discreta
Definição: Chama-se esperança matemática de uma variável aleatória discreta

à soma dos produtos de todos os seus valores possíveis pelas
correspondentes probabilidades. Isto é:
M ( X )=∑ ( x i⋅Pi ) =x 1 P1 +x 2 P2 +. ..+x n P n
Nota: Para calcular a esperança matemática do quadrado da variável aleatória,
basta na fórmula anterior substituir a variável aleatória pelo seu quadrado. Quer
dizer:
M ( X 2 )=∑ ( x 2⋅Pi )=x 2 P1 + x 2 P 2 +.. .+ x 2 Pn

i 1 2 n
7.1.1.2- Propriedades da esperança matemática
1ª) A esperança matemática de uma constante é igual à própria constante. Isto

é:
M (k )=k
2ª) A esperança matemática da soma de duas variáveis aleatórias é igual à

soma das esperanças matemáticas das parcelas. Isto é:
M ( X +Y )=M ( X )+ M (Y )
Consequentemente, em virtude da propriedade associativa da adição, a

esperança matemática da soma de várias variáveis aleatórias resulta igual à
soma das esperanças matemáticas das parcelas.
3ª) A esperança matemática do produto de duas variáveis aleatórias

independentes9 é igual ao produto esperanças matemáticas dos factores. Isto
é:
M ( X⋅Y )=M ( X )⋅M (Y )
9
A probabilidade condicional de cada uma delas em relação à outra é igual à sua probabilidade
incondicional ou absoluta.
63
Consequentemente, em virtude da propriedade associativa da multiplicação, a

esperança matemática do produto de várias variáveis aleatórias independentes
igual ao produto esperanças matemáticas dos factores
4ª) A esperança matemática do produto de uma constante por uma variável é

igual ao produto da constante pela esperança matemática da variável. Isto é:
M (kX )=kM ( X )
7.1.1.3- Esperança matemática do número de ocorrências de um

acontecimento em provas independentes
O cálculo da esperança matemática do número de ocorrências de um

acontecimento A, numa série de n provas independentes desde que se
conheçam a probabilidade p de sua ocorrência em cada prova e o tipo de
distribuição que a variável define, pode além da definição, efectuar-se por uma
fórmula exclusiva. Assim, na tabela a seguir estão apresentadas as fórmulas,
que variam em função do tipo de distribuição:
Tipo de distribuição Fórmula de cálculo

Binimial M ( X )=n⋅p
Binomial negativa r⋅q
7.2- Desvio M ( X )= absoluto
p
médio de uma variável
Geométrica q
aleatória M ( X )= discreta
em relação à p sua
Hipergeométrica M ( X )=n⋅p
esperança
Poisson M ( X )=λ=n⋅p
matemática
Fluxo elementar M ( X )=λ=n⋅p
Definição: Seja X uma
variável aleatória e M(X) a sua esperança matemática, chama-se desvio (d) à
diferença X −M ( X ) , entre a variável e a sua esperança matemática.
Tomando o desvio X −M ( X ) como uma nova variável aleatória, quando a
variável assumir o valor x 1 , o desvio assumirá o valor x 1−M ( X ) , com a

probabilidade P1 , e assim sucessivamente. Assim o desvio será associado à
seguinte distribuição:
X −M ( X ) x 1−M ( X ) x 2−M ( X ) ... x n− M( X )

Pi P1 P2 ... Pn
Teorema: A
M [ X −M ( X ) ] =0
Demonstração:
64
Pela 2ª propriedade da esperança matemática, obtém-se:
M [ X −M ( X ) ] =M ( X )−M [ M ( X ) ]
Em virtude da 1ª propriedade da esperança matemática, se obtém:
M [ X −M ( X ) ] =M ( X )−M [⏟
M ( X ) ] =M ( X )−M ( X )=0
k
Este facto de o valor médio do desvio resultar zero para qualquer variável, faz
com que ao querer quantificar a dispersão da variável em torno do seu valor
médio, os valores do desvio sejam substituídos ou pelos seus respectivos
valores absolutos, ou pelos seus quadrados. Assim, quando substituídos pelos
seus valores absolutos obtém-se o parâmetro de dispersão denominado desvio
absoluto médio (DAM), e quando substituídos pelos seus quadrados, resulta o
parâmetro de dispersão denominado variância.
Definição: Chama-se desvio absoluto médio de uma variável à esperança

matemática do valor absoluto do desvio. Isto é:
DAM=M|X −M ( X )|=∑ [ Pi|x i−M ( X )|]

2
7.3- Variância de uma variável aleatória discreta “D(X) ou σ ”
Definição: Chama-se variância de uma variável à esperança matemática do

quadrado do seu desvio. Isto é:
2 2
{
D( X )=M [ X−M ( X ) ] =∑ Pi [ x i−M ( X ) ] }
7.3.1- Fórmula para o cálculo da variância
A expressão anterior é a fórmula de cálculo da variância por definição. O seu

desenvolvimento fornece uma fórmula mais cómoda para o cálculo da
variância. Assim, por definição:
2
D( X )=M [ X−M ( X ) ]
Desenvolvendo o segundo membro, pela fórmula binómica, obtém-se:

2
D ( X )=M { X 2 −2 X⋅M ( X )+ [ M ( X ) ] }
Usando as propriedades 2 e 3 da esperança matemática, obtém-se:
65
2 2
D ( X )=M { X 2 −2 X⋅M ( X )+ [ M ( X ) ] }=M ( X 2 )−M ( 2 X )⋅M [⏟
M ( X )] + [ M ( X ) ]
k
Aplicando as propriedades 1 e 4, vem:

2 2 2 2 2
D( X )=M ( X )−M ( 2 X )⋅M [⏟
M ( X ) ] + [ M ( X ) ] =M ( X )−2 [ M ( X ) ] + [ M ( X ) ]
k
Reduzindo os termos semelhantes obtém-se:

2
2 D ( X )=∑ Pi⋅x 2 −
D( X )=M ( X 2 )−[ M ( X ) ] ou ( i ) [ ∑ ( Pi⋅x i ) ]
Esta fórmula permite definir a variância como diferença entre a esperança
matemática do quadrado da variável e o quadrado da sua esperança
matemática.
7.3.2- Propriedades da variância
1ª) A variância de uma constante é igual à própria constante. Isto é:
D(k )=0
Demonstração:
2
Por definição, D(k )=M [ k−M (k ) ] . Aplicando a 1ª propriedade da esperança
matemática vem:
D(k )=M (k −k )2=M (0 )=0 10
Esta propriedade mostra claramente que uma constante nunca é dispersa.
2ª) A variância do produto de uma constante por uma variável é igual ao

produto do quadrado da constante pela variância da variável. Isto é:
D(kX )=k 2 D ( X )
Demonstração:
2
Por definição tem-se: D(kX )=M [ kX−M (kX ) ]
Aplicando a propriedade 4 da esperança matemática, obtém-se:

2 2
D( kX )=M [ kX−M (kX )] =M [ kX −kM ( X ) ]
Evidenciando o factor comum k, obtém-se:

2
D( kX )=M {k [ X−M ( X ) ] }
10
Porque sendo zero uma constante, então a sua esperança matemática é igual à própria constante.
66
n n n
Aplicando a propriedade da potência do produto (a⋅b ) =a ⋅b , obtém-se:
2
D( kX )=M {k 2 [ X−M ( X ) ] }
Aplicando outra vez a propriedade 4, obtém-se:
2 2
D( kX )=k⏟⋅M [ X−M ( X ) ] =k 2⋅D ( X )
D ( X ) por definiçao
3ª) A variância da soma de duas variáveis aleatórias independentes é igual à

soma das variâncias das parcelas. Isto é:
D( X +Y )=D( X )+D(Y )
Demonstração:
2
Pela fórmula de cálculo: D( X +Y )=M ( X +Y )2− [ M ( X +Y ) ]
Desenvolvendo a primeira parcela e aplicando a propriedade 2 da esperança

matemática à segunda parcela, obtém-se:
2
D( X +Y )=M ( X 2 + 2 XY +Y 2 )−[ M ( X )+ M (Y ) ]
Aplicando as propriedades da esperança matemática à primeira parte do

segundo membro e desenvolvendo a segunda parte, vem:
2 2
D( X +Y )=M ( X 2 )+2 M ( X ) M(Y )+M (Y 2 )−[ M ( X ) ] −2 M ( X ) M (Y )−[ M (Y ) ]
Reduzindo os termos semelhantes, obtém-se:

2 2
D( X +Y )=M
⏟ ( X 2 )− [ M ( X ) ] + ⏟
M (Y 2 )−[ M (Y ) ] =D( X )+ D(Y )
D(X ) D (Y )
Como consequência desta propriedade:
a) Em virtude da propriedade associativa da adição, resulta que a variância

da soma de várias variáveis aleatórias independentes é igual à soma
das variâncias das parcelas. Isto é:
D( X +Y )=D( X )+D(Y )
b) Em virtude da propriedade 1 da variância, resulta que a variância da
soma de uma variável e uma constante é igual à variância da variável.
Isto é:
D(k + X )=D( X )
4ª) A variância da diferença entre duas variáveis aleatórias independentes é

igual à soma das variâncias destas variáveis. Isto é:
67
D( X −Y )=D ( X )+D(Y )
Aplicando as regras de adição dos números racionais, obtém-se:
D( X −Y )=D [ X +(−Y )]
Aplicando a 3ª propriedade da variância, obtém-se:
D( X −Y )=D ( X )+D(−Y )
Aplicando a 2ª propriedade da variância, obtém-se:

2
D( X +Y )=D( X )+(−1) D(Y )=D( X )+D(Y )
7.3.3- Variância do número de ocorrências de um acontecimento em
provas independentes.
Semelhantemente ao exposto em 7.1.1.3 sobre o cálculo da esperança

matemática do número de ocorrências de uma acontecimento, a variância do
número de ocorrências de um acontecimento A, numa série de n provas
independentes, desde que se conheçam a probabilidade p de sua ocorrência
em cada prova e o tipo de distribuição que a variável define, pode além da
definição e da fórmula anteriormente apresentadas, efectuar-se por uma
fórmula exclusiva, conforme se apresenta, na tabela a seguir:
Tipo de distribuição Fórmula de cálculo

Binimial D( X )=n⋅p⋅q
Binomial negativa r⋅q
D( X )= 2
p
Geométrica q
D( X )= 2
p
Hipergeométrica N −n
D( X )=n⋅p⋅q
N−1
Poisson D( X )=λ=n⋅p
Fluxo elementar D( X )=λ=n⋅p
7.4- Desvio padrão
(desvio médio
quadrático) “ σ ”
Definição: Chama-se desvio padrão de uma variável aleatória à raiz quadrada

da sua variância. Quer dizer:
σ( X )= √ D( X )
Exercícios:
1-De uma variável aleatória associado à distribuição:
68
Xi 6 3 1
Pi 0,2 0,3 0,5
calcular:
a) M(X) d) M (3 X−2 )
b) M ( X2) e) D( X )
M ( X +4 ) f) D(3 X +5 )
c)
Resolução:
M ( X )=∑ ( Pi x i )= 0,2 . 6+0,3 .3+0,5. 1=2,6

a)
M ( X 2 )=∑ ( Pi x 2 )= 0,2 .36+ 0,3. 9+ 0,5. 1=10 , 4

i
b)
c) M ( X +4 )=M ( X )+M (4 )=2,6+ 4=6,6
M (3 X−2 )=3 M ( X )−M (2 )=3 . 2,6−2=5,8

d)
2 2
D ( X )=M ( X 2 )−[ M ( X ) ] =∑ Pi x 2 − (
2
) [ ∑ ( Pi x i ) ] = 10 , 4−2,6 =3 , 64
i
e)
f) D(3 X +5 )=9 D( X )+ D(5)=9 .3 , 64+0=32 , 76
2-Duas variáveis aleatórias discretas estão dadas pelas leis de distribuição:
X i -1 1 2 3
Pi 0,48 0,01 0,09 0,42
e
Y i -1 1 2 3
Pi 0,19 0,51 0,25 0,05
calcular:
a) M(X) e) D( X +Y )
b) M(XY) f ) D(3 X +2 Y )
2 2
c) M(3X-Y) g) M (3 X +Y )
d) M ( X +4 ) h) D(2 X−3 Y )
Resolução:
69
M ( X )=∑ ( Pi x i )= 0 , 48 .(−1)+0 , 01 .1+0 ,09 . 2+0 , 42 .3=0 , 97

a)
M ( XY )=M ( X ). M (Y )=∑ ( Pi x i ) . ∑ ( Pi y i )=
b)
=[ 0 ,48 .(−1)+0, 01 .1+0 ,09. 2+0 ,42.3 ] . [ 0 ,19 .(−1)+0, 51.1+0 ,25.2+0 ,05 .3 ] =
=0,97.0,97=0,9409
c) M (3 X−Y )=3 M ( X )−M (Y )=3 . 0 , 97−0 , 97=1 , 94

d) M ( X +4 )=M ( X )+M (4 )=0 , 97+4=4 , 97
2 2 2 2
e) D( X +Y )=D( X )+ D(Y )= M( X )−[ M ( X ) ] +M (Y )− [ M (Y ) ] =
2 2
=∑ Pi x 2 − ∑ ( Pi x i ) + ∑ Pi y 2 − ∑ ( Pi yi ) = [ 0 , 48 .1+0 , 01 .1+0 , 09 . 4+ 0 , 42. 9 ] −0 , 972 +
( [ ] ) [ ]
i ) ( i
+[ 0 , 19. 1+0 , 51. 1+0 , 25. 4 +0 , 05 . 9 ] −0 , 972=4⏟

, 63−0 , 9409+2⏟
,15−0 , 9409=4 , 8982
D ( X )=3 , 6891 D (Y )=1, 2091
f) D(3 X +2 Y )=9 D ( X )+4 D(Y )=9 .3 , 6891+4 .1 , 2091=38 , 0383
g) M (3 X 2 +Y 2 )=3 M ( X 2 )+M (Y 2 )=3 . 4 , 63+2 , 15=11 ,74

h) D(2 X−3 Y )=4 D( X )+9 D(Y )=4 .3 , 6891+9 . 1, 2091=25 , 6383
3-A probabilidade de uma peça ser rejeitada no teste de avaliação de qualidade

é igual a 0,2. Sabendo que num dia foram submetidos a teste 10 peças, achar
a esperança matemática e a variância do número de peças:
a) Rejeitadas;
b) Aceites.
Resolução:
Para a resolução deste exercício a possibilidade fácil é a do uso das fórmulas

do número de ocorrências assim temos:
a) M ( X )=n . p=10. 0,2=2 e D( X )=n . p . q=10. 0,2 .0,8=1,6

b) M ( X )=n . q=10 . 0,8=8 e D( X )=n . p . q=10 .0,2 . 0,8=1,6
4-Achar a esperança matemática e a variância de uma variável aleatória X, que

assume apenas dois valores simétricos de módulo c, ambos com a
probabilidade 0,5.
Resolução:
Construindo a tabela de distribuição, tem-se:
Xi -c c
70
Pi 0,5 0,5
Utilizando a tabela de distribuição, obtém-se:
2 2 2 2
M ( X )=−0,5 c +0,5 c=0 e D( X )=0,5 c +0,5 c −(−0,5 c +0,5 c ) =c
5-De uma variável aleatória X sabe-se que pode assumir dois valores
possíveis: x 1 com probabilidade 0,3 e, x 2 com probabilidade 0,7, sendo
x 1 <x 2 . Achar x 1 e x 2 , sabendo que da distribuição resultou M ( X )=2,7 e
D( X )=0 , 21 .
Resolução:
A questão se reduz ao preenchimento da tabela:
X i x1 x2
Pi 0,3 0,7
sabendo que dela resulta M ( X )=2,7 e D( X )=0 , 21
Com efeito, como M ( X )=0,3 x1 +0,7 x 2=2,7
D ( X )=0,3 x 2 +0,7 x 2−( 0,3 x1 + 0,7 x 2 )2 =0 , 21

e 1 2 , então basta buscar a solução do
sistema
{0,3 x 1+0,7 x2=2,7 ¿ ¿¿¿ , que satisfaz a condição

x 1 <x 2
Para efeito, substituindo a primeira equação na segunda vem:
0,3 x 2 +0,7 x 2−2,7 2= 0 ,21 ⇔0,3 x 2 + 0,7 x 2−7,5=0

1 2 1 2 (1)
2,7−0,7 x 2
x 1=
Da primeira equação do sistema se obtém literalmente 0,3
.
2,7−0,7 x 2
x 1=
Substituindo 0,3 , na equação (1) obtém-se:
2
(2,7−0,7 x2 )
+0,7 x 2 −7,5=0⇔ 7 , 29−3 , 78 x2 + 0 , 49 x 2 +0 , 21 x 2 −2 ,25=0 ⇔
0,3 2 2 2
⇔0,7 x 2−3,78x2 +5,04=0⇔x 2−5,4 x2 +7,2=0¿ x ′=3 ¿ ¿¿ {

2 2 2
71
Atendendo a condição x 1 <x 2 ,a solução é x 1=2 , x 2 =3
6-Achar a variância da variável aleatória X que constitui o número de

ocorrências de um acontecimento A em duas provas independentes, se
M ( A )=0,8
Resolução:
Do enunciado temos M ( A )=0,8 e precisamos calcular D(X) . E, é

n=2
,
fácil notar pelo enunciado que a distribuição desta variável é binomial.
M ( A )=np=2 p=0,8⇒ p=0,4 e q=0,6

Sabe-se que .
Existem a partir daqui duas possibilidades para achar D(X):
1ª) Possibilidade: Aplicando a fórmula D( X )=npq

.Assim, obtém-se:
D( X )=2⋅0,4⋅0,6=0 , 48
2 2
2ª) Possibilidade: Aplicando a fórmula D( X )=M ( X )−[ M ( X )]
.Para isso é
necessário construir a tabela de distribuição da probabilidade do número de
ocorrências utilizando a fórmula de Bernoulli Pn ( x )=C xn p x qn−x com

x 1=0 , x 2 =1, x 3 =2
P2 (0 )=C 02 p0 q2 =0,62 =0 , 36 P2 (1 )=C12 pq=2 .0,4⋅06=0 , 48

; ;
P2 (2 )=C 22 p 2 q0 =0,4 2 =0 , 16
Então a distribuição da variável aleatória X é:
Xi 0 1 2
Pi 0,36 0,48 0,16
Assim:
2 2
D ( X )=M ( X 2 )−[ M ( X ) ] =∑ Pi x 2 − ( ) [ ∑ ( Pi x i ) ]
i
D( X )=1 ,12−0 , 64=0 , 48
7-Achar a esperança matemática e a variância do número de ocorrências de

um acontecimento em 100 provas independentes, se a probabilidade da sua
ocorrência em cada prova é igual a 0,7.
Resolução:
72
Do enunciado temos n=100 p=0,7 q=0,3 e precisamos calcular M(X)

, ,
e D(X) . E, é fácil notar pelo enunciado que a distribuição desta variável é
binomial. É no entanto difícil resolver a questão por via da tabela, atendendo o
valor de n implicando que X assuma valores desde 0 até 100, usando a fórmula
do teorema local de Laplace. Para isso, sugere-se utilizar as fórmulas directas
do número de ocorrências. Assim, temos:
M ( X )=np=100⋅0,7=70
.
D( X )=npq=100⋅0,7⋅0,3=21
6- Achar a variância da variável aleatória X, indicando o número de

ocorrências de um acontecimento A em duas provas, sabendo que a
probabilidade de ocorrência permanece constante e que M(X)=1,2.
Resolução:
Utilizando o raciocínio do exercício anterior, temos: n=2 M ( X )=1,2 e

, ,
precisamos calcular D(X).
Como D(X)=npq, mas foi dado M(X), então buscamos p, na relação M(X)=np.
Deste modo teremos:
M ( X )=np ⇒1,2=2 p ⇔ p=0,6 ⇒ q=0,4

Finalmente obtemos:
D( X )=npq=2×0,6×0,4=0 , 48
.
7- Achar a variância da variável aleatória X, indicando o número de

ocorrências de um acontecimento A em duas provas, sabendo que a
probabilidade de ocorrência permanece constante e que M(X)=0,9.
Sugestão: Resolver de modo análogo ao exercício anterior.
8- Achar a probabilidade constante com que ocorre um acontecimento em

cada prova, sabendo que a sua variância em três provas é igual a 0,63.
Resolução:
n=3 D( X )=npq=0 , 63
Precisamos calcular p sabendo que ,
Como q=1− p , então teremos:
D( X )=np(1−p )
Substituindo os dados, obtemos:
2 2 2
3( p− p )=0 ,63 ⇔ p−p =0 ,21 ⇔ p − p+0 , 21=0
73
Observação: Para terminar, resolve-se a equação do segundo grau

resultante, tendo em conta que p não assume valores negativos.
9- Seja X uma variável aleatória assumindo apenas dois valores x 1 com
probabilidade de 0,6 e x 2 com uma probabilidade desconhecida,

construir a lei de distribuição da probabilidade, sabendo que os seus
cálculos resultam M(X)=1,4 e D(X)=0,24, com x 1 <x 2
.
Resolução:11
Pretendemos preencher a tabela:
xi x1 x2
Pi
0,6 0,4
Para determinar os valores assumidos pela variável é necessário resolver o
sistema:
{ M ( X )=∑ ( Pi x i ) =1,4 ¿ ¿ ¿ ¿
Observação: Para terminar deve resolver-se o sistema e utilizar os valores
x 1 <x 2
que satisfazem a relação
10-Seja X uma variável aleatória assumindo apenas dois valores x 1 com
probabilidade de 0,2 e x 2 com uma probabilidade desconhecida,

construir a lei de distribuição da probabilidade, sabendo que os seus
cálculos resultam M(X)=2,6 e σ ( X )=0,8 , com x 1 <x 2
.
Sugestão: Resolver de modo análogo ao anterior, sabendo que a variância

é igual ao quadrado do desvio padrão.
11-Seja X uma variável aleatória assumindo apenas três valores x 1=1
com probabilidade de 0,3, x 2 com a probabilidade 0,2 e 3 com uma

x
probabilidade desconhecida, construir a lei de distribuição da
probabilidade, sabendo que os seus cálculos resultam M(X)=2,2 e
D(X)=0,76, com
x 1 <x 2 <x 3
.
11
A probabilidade 0,4 foi achada em virtude da observação que nos diz que a soma das probabilidades
de uma lei de distribuição é igual a unidade.
74
Resolução: precisamos preencher a tabela:
xi
1 x2 x3
Pi
0,3 0,2 0,5
Isso requer primeiramente resolver o sistema:
{M(X )=∑ (Pi⋅xi)¿ ¿¿¿

Assim, pelos dados do enunciado, temos:
{0,3⋅1+0,2⋅x 2+0,5⋅x 3=2,2 ¿ ¿¿¿

Observação: resolver o sistema e considerar os valores de x que satisfazem
x 1 <x 2 <x 3
as relações
12-De uma variável aleatória discreta X sabe-se que só pode assumir três
valores x1=4, x2=6 e x3 desconhecido, com probabilidades p1=0,5, p2=0,3
e p3 desconhecido, respectivamente. Calcular os valores desconhecidos
sabendo que a esperança matemática da distribuição é igual a 8.
Resolução:
O valor de p3 calcula-se directamente sabendo que:
∑ Pi=1 . Assim, resulta

P3=0,2 .
Precisamos em seguida calcular o valor de x 3. Como é dado o valor da

esperança matemática, então, utilizamos a relação:
M ( X )=∑ ( Pi⋅x i )
Pelos dados do enunciado, temos:
8−0,5⋅4−0,3⋅6
0,5⋅4+0,3⋅6+0,2⋅x 3 =8 ⇔ x 3 =
0,2
13-Sabendo que uma variável aleatória discreta X só pode assumir três
valores x1=-1, x2=0 e x3 =1, e que a distribuição fornece M(X)=0,1 e
M(X2)=0,9, achar as probabilidades p1, p2 e p3, associadas a estes
valores.
75
Resolução: precisamos determinar as probabilidades associadas

respectivamente aos três valores assumidos pela variável x. Isso requer
primeiramente resolver o sistema:
2
{M(X)=∑(Pi⋅xi)¿{M(X )=∑(Pi⋅xi2)¿¿ ¿
Assim, pelos dados do enunciado, temos:
{−1⋅p1 +0⋅p2+1⋅p3=0,1 ¿ {1⋅p1 +0⋅p2+1⋅p3=0,9 ¿ ¿¿¿

De
{ p3 =0,5 ¿ ¿ ¿¿ .
De
{ p3=0,5 ¿ { p1=0,4 ¿ ¿¿¿
14-Sabendo que uma variável aleatória discreta X só pode assumir três
valores x1=-1, x2=2 e x3 =3, e que a distribuição fornece M(X)=2,3 e
M(X2)=5,9, achar as probabilidades p1, p2 e p3, associadas a estes
valores.
Sugestão: Resolver de modo análogo ao exercício anterior.
EXERCÍCIOS DIVERSOS
1- Em uma caixa há duas peças, cada uma ou branca ou preta.

Acrescentou-se uma peça branca na caixa e em seguida foi extraída
desta caixa uma peça ao acaso. Achar a probabilidade de que a peça
extraída seja:
a) Branca;
b) Preta.
2- Num armazém há dois conjuntos de peças. A probabilidade de
extracção de uma peça metálica do primeiro conjunto é igual a 0,8 e do
76
segundo conjunto, 0,9. Achar a probabilidade de que uma peça extraída

ao acaso e de um conjunto escolhido ao acaso, seja metálica.
3- Numa caixa há vinte lâmpadas, entre as quais dezoito coloridas. Na
segunda caixa, dez lâmpadas, entre as quais nove coloridas. Foi tirada
ao acaso, da segunda caixa e colocada na primeira. Achar a
probabilidade de que uma lâmpada extraída ao acaso da primeira caixa
seja colorida.
4- Entre seis computadores que funcionam sem falhar com a probabilidade
0,8 e quatro que funcionam sem falha com probabilidade de 0,95, foi
tirado um computador ao acaso. Achar a probabilidade de que seja que:
c) Funciona sem falha;
d) Funciona com falha.
5- De cinco espingardas, três garantem o acerto com probabilidade de 0,95
e os restantes, com a probabilidade de 0,7. Achar a probabilidade com
uma espingarda escolhida ao acaso se:
c) Acerte;
d) Falhe.
6- Uma caixa contém doze peças provenientes de uma primeira fábrica,
vinte da segunda e ainda dezoito da terceira. A probabilidade da
aceitação das mesmas é de 0,9; 0,6 e 0,9, respectivamente. Achar a
probabilidade de que uma peça extraída ao acaso desta caixa seja:
c) Aceite;
d) Rejeitada.
7- Das dez peças contidas numa caixa e das vinte contidas na outra, oito e
quatro, respectivamente são brancas. De cada caixa foi extraída uma
peça ao acaso e colocadas numa caixa, inicialmente vazia. Achar a
probabilidade de que uma peça extraída ao acaso da nova caixa seja:
c) Branca;
d) Não branca.
8- Num armazém há três caixas contendo cada seis peças metálicas e
quatro não metálicas. Da primeira caixa foi extraída uma peça ao acaso
e colocada na segunda caixa. Em seguida, extraiu-se uma peça ao
acaso da segunda caixa e colocada na terceira. Finalmente foi da
77
terceira caixa extraída uma peça ao acaso. Achar a probabilidade desta

(última) ser:
c) Metálica;
d) Não metálica.
9- Uma peça pode ser manufacturada por três fábricas: A, B e C. A fábrica
A produz o dobro das peças de cada uma das fábricas B e C. Além
disso dois porcento das peças produzidas pelas fábricas A e B são
defeituosas, enquanto quatro porcento das peças produzidas pela
fábrica C são defeituosas. Todas as peças produzidas são colocadas no
mesmo armazém. Deste armazém foi extraída uma peça ao acaso.
Achar a probabilidade de que esta seja defeituosa.
10-Três maquinais A, B e C, produzem respectivamente sessenta por
cento, trinta por cento e dez por cento do total de peças de um
determinado tipo. Respectivamente, dois por cento, três por cento e
quatro por cento das peças produzidas pelas máquinas A, B e C são
defeituosas. Admitindo que, de um contentor no qual se juntaram as
peças, foi ao caso extraída uma peça. Achar a probabilidade de que:
a) Seja não defeituosa
b) Seja defeituosa
c) Sendo não defeituosa, tenha sido produzida pela máquina:
c1: A c2: B c3: C
e) Sendo defeituosa, tenha sido produzida pela máquina:
d1: C d2: A d3: B
11- Dois contentores, contêm treze peças cada, entre elas três e seis peças
defeituosas respectivamente. Perderam as referências destes contentores.
Decidiu-se fazer uma revisão das peças a fim de identificá-los e foi assim
extraída a primeira peça ao acaso e de um contentor seleccionado ao acaso.
Achar a probabilidade:
a) Desta ser defeituosa
b) Desta ser não defeituosa
c) De que sendo defeituosa, seja do contentor:
78
c1: B c2: A
d)De que sendo não defeituosa, pertença ao contentor:
d1: A d2: B
12- Dois atiradores fizeram um disparo cada. O primeiro acerta no alvo com a
probabilidade de 0,7 e o segundo, 0,6. Achar a probabilidade de que tendo
havido apenas um acerto, este tenha sido produzido pelo:
a) Primeiro atirador
b) Segundo atirador
13- Num grupo de desportistas há vinte motociclistas, seis ciclistas, e quatro

atletistas. A probabilidade de cumprir a prova de classificação para motociclista
é igual a 0,9, para o ciclista, 0,8, e para o atlectista 0,75. Achar a probabilidade
de que :
a) Um desportista escolhido ao acaso cumpra a prova
b) Um desportista escolhido ao acaso não cumpra a prova
c) Tendo um desportista cumprido a prova, seja:
c1: ciclista c2: atletista c3: motociclista
d)Tendo um desportista desconseguido a prova, seja:
d1: atletista d2: motociclista d3: ciclista
15- Para a participação nas competições desportivas estudantis foram

seleccionados quatro estudantes do 1º ano, seis do 2º e cinco do 3º. A
probabilidade de que um estudante do 1º ano seja seleccionado é de 0,9, do 2º
0,7 e do 3º 0,8. Um estudante escolhido ao acaso foi seleccionado. Achar a
probabilidade de que seja:
a) Do 1º ano b) Do 2º ano c) Do 3º ano
d) Achar a probabilidade de que um estudante escolhido ao acaso e que foi

rejeitado, seja:
79
d1: Do 3º ano d2: Do 1º ano d3: Do 2º ano
16- Sessenta por cento e oitenta e quatro porcento das peças fornecidas por
duas máquinas automáticas são de alta qualidade. A produtividade da primeira
máquina é o dobro da produtividade da segunda. Tendo se constatado que
uma peça extraída ao acaso é de alta qualidade, achar a probabilidade de que
tenha sido fornecida pela:
a) Segunda máquina
b) Primeira máquina
17- De dez fuzis, quatro de maior precisão, garantem o acerto com a

probabilidade de 0,95 e os restantes com a probabilidade de 0,8. Tendo um
atirador:
a)Acertado com um fuzil tomado ao acaso, achar a probabilidade de que este

fuzil seja:
a1) De maior precisão
a2) Não de maior precisão
b)Falhado com um fuzil tomado ao acaso, achar a probabilidade de que este

fuzil seja:
b1: De maior precisão
b2: Não de maior precisão
18- A proporção entre camiões e turismo é de 3/2 e estes necessitam de

reabastecimento de combustível com a probabilidade de 0,1 e 0,2,
respectivamente. Achar a probabilidade de que tendo encostado um veículo no
posto de reabastecimento seja:
a) Camião
b) Turismo
19- Cada objecto manufacturado é submetido ao exame com a probabilidade

de 0,55 a um controlador e com a probabilidade de 0,45 ao outro. A
80
probabilidade de aceitação da peça pelo primeiro controlador é de 0,9 e pelo

segundo é de 0,98. Achar a probabilidade de que uma peça:
a)Rejeitado tenha sido examinado pelo:
a1) Primeiro controlador
a2) Segundo controlador
a3) Aceite tenha sido examinado pelo:
b1) Segundo controlador
b2) Primeiro controlador
20- Duas pessoas fizeram juntos o trabalho de perfuração de um pacote de

cartas. A primeira pessoa comete um erro com a probabilidade de 0,05 e o
segundo com a probabilidade de 0,1. Achar a probabilidade de que um erro
encontrado tenha sido cometido pela:
a) Primeira pessoa
b) Segunda pessoa
21- Um acontecimento A ocorre em cada prova com a probabilidade de 0,4.

Achar a probabilidade de que em quanto provas independentes este:
a) Ocorra três vezes;

b) Ocorra pelo menos três vezes;
c) Ocorra pelo menos uma vez;
d) Não ocorra duas vezes;
e) Não ocorra menos de duas vezes;
f) Ocorra duas ou três vezes;
g) Não ocorra uma ou duas vezes.
22- Uma moeda não viciada foi lançada cinco vezes consecutivas. Achar a
probabilidade de tenha resultado “cara”:
a) Duas vezes;
b) Pelo menos uma vez;
81
c) Pelo menos duas vezes;

d) Menos de duas vezes;
e) Mais de duas vezes;
f) Duas ou três vezes.
23- A probabilidade de cada dos seis motores existentes numa oficina estar
ligado num dado momento é igual a 0,8. Achar a probabilidade de que no
momento dado estejam:
a) Ligados quatro motores;

b) Ligados pelo menos quatro motores;
c) Ligado pelo menos um motor;
d) Desligados dois motores;
e) Desligados menos de dois motores;
f) Desligado pelo menos um motor;
g) Ligados todos os motores;
h) Desligados todos os motores.
24- Achar a probabilidade de que um atirador obtenha pelo menos dois acertos,
tendo efectuado oito disparos consecutivos, se em cada disparo tem setenta e
cinco por cento de confiança ao acerto.
25- Um dado não viciado foi lançado quatro vezes consecutivas. Achar a
probabilidade de que tenha resultado:
a) O número três, apenas uma vez;

b) O número cinco, pelo menos uma vez;
c) Números primos, duas vezes;
d) Números compostos, menos de duas vezes;
e) Números maiores que dois, pelo menos três vezes;
26- Num teste de admissão no qual foram submetidos cem candidatos a um

emprego, a probabilidade de cada ser admitido é igual a 0,8. Achar a
probabilidade de que sejam:
a) Admitidos exactamente setenta e cinco dos candidatos;

b) Excluídos exactamente setenta e cinco dos candidatos.
82
27- Achar a probabilidade de que entre cem recém - nascidos haja cinquenta
meninos, sabendo que a probabilidade de nascimento de uma menina é de
0,49.
28- A probabilidade de um copo quebrar-se ao ser transportado é igual a 0,8.

Um turismo transporta 2100 copos. Achar a porbabilidade de que durante a
transportação se quebrem:
a) Pelo menos 1470 copos e no máximo 1500;

b) Pelo menos 1470 copos;
c) No máximo 1469 copos.
29- Achar a probabilidade de que um atirador acerte a maioria dos disparos,

tendo efectuado 21 disparos consecutivos, sabendo que a probabilidade de
acerto em cada disparo é de 0,7.
30- A probabilidade de um aluno acertar em cada exercício de uma lista de n

exercícios é de 0,9. Quantos exercícios deve ter a lista para que acerte pelo
menos 150 exercícios com uma probabilidade de 0,9?
31-De um grupo de pessoas com seis homens e quatro mulheres foram

escolhidas sete pessoas ao acaso. Achar a probabilidade de que entre as
escolhidas haja:
a) Exactamente três mulheres;

b) Exactamente três homens;
c) Pelo menos três mulheres;
d) Pelo menos três homens;
e) Mais de três mulheres;
f) Mais de três homens;
g) Pelo menos uma mulher;
h) Pelo menos um homem.
32-De um lote de quinze válvulas dez são boas. Achar a probabilidade de
que entre cinco válvulas extraídas ao acaso três sejam:
a) Defeituosas;
b) Boas.
83
33-Num grupo de doze estudantes, oito são estrangeiros. Achar a

probabilidade de que entre nove estudantes seleccionados ao acaso
cinco sejam:
a) Nacionais;
b) Estrangeiros.
34-De uma caixa com cinco peças entre as quais três metálicas, foram
aleatoriamente extraídas duas. Achar a probabilidade de que entre elas
haja:
a) Exactamente uma metálica;
b) Duas metálicas;
c) Pelo menos uma metálica.
35-A probabilidade de uma garrafa quebrar ao ser transportada é de 0,01.

Achar a probabilidade de que ao serem transportadas duzentas garrafas
se registe quebra de exactamente quatro garrafas.
36-A probabilidade de um exemplar de uma tiragem de cem mil livros ser
defeituoso é de 0,0001. Achar a probabilidade de que esta tiragem tenha
exactamente cinco livros defeituosos.
37-A probabilidade de uma lâmpada fundir ao ser ligada é de 0,002. Achar
a probabilidade de que ao se ligarem quinhentas lâmpadas fundem:
a) Exactamente três;
b) Menos de três;
c) Mais de três;
d) Pelo menos uma.
38-A probabilidade de uma garrafa quebrar ao ser transportada é de 0,003.
Achar a probabilidade de que ao serem transportadas mil garrafas haja
quebra de:
a) Exactamente duas;
b) Menos de duas;
c) Mais de duas;
d) Pelo menos uma.
39-A probabilidade de que um bilhete de lotaria seja premiado é de 0,001.
Quantos bilhetes deve adquirir um apostador para que possa ganhar
84
prémio em pelo menos um dos bilhetes com uma probabilidade não

inferior a 0,95?
40-O número médio de pedidos de renovação de cartas de condução na
direcção nacional de viação e trânsito é de três por minuto. Achar a
probabilidade de que durante dois minutos sejam recebidos:
a) Quatro pedidos exactamente;
b) Menos de quatro pedidos;
c) Pelo menos quatro pedidos.
41-O número médio de chamadas recebidas numa central telefónica é de
duas por minuto. Achar a probabilidade de que durante quatro minutos
sejam recebidas:
a) Exactamente três chamadas;
b) Menos de três chamadas;
c) No mínimo três chamadas;
d) Mais de três chamadas.
42-Um avião comercial tem quatro motores independentes. A probabilidade
de cada motor funcionar sem avarias durante o voo é de 99%. Achar a
probabilidade deste realizar uma viagem segura se para isso precisar de
pelo menos dois motores a funcionar correctamente.
43-Num cruzamento de tráfego intenso, a probabilidade de ocorrer um
acidente é de 0,0001. Admitindo que num determinado momento
passem por este cruzamento 10000 automóveis, determinar a
probabilidade de que no referido momento ocorram:
a) Exactamente dois acidentes;
b) Dois ou mais acidentes;
c) Pelo menos um acidente;
d) Mais de três acidentes.
44-A probabilidade de um candidato aprovar no exame de condução é igual
a 0,6. Achar a probabilidade de que:
a) O quinto candidato examinado seja o segundo aprovado;
b) O quarto candidato examinado seja o primeiro aprovado;
c) O quinto candidato examinado seja o segundo reprovado;
d) O quarto candidato examinado seja o primeiro reprovado.
85
45-Num lago artificial criam-se peixes com uma taxa de concentração

média de dez peixes por metro cúbico. Para facilitar a captura foi vedada
uma parte deste lago com 100 dm 3. Achar a probabilidade de que na
parte vedada se possa capturar:
a) Pelo menos um peixe;
b) Exactamente um peixe.
46-O número médio de chamadas que chegam a uma central de defesa do
consumidor é de 1,5 chamadas em cada 10 minutos.
a) Considere o período de 09:00 a 09:10, e determine a probabilidade de
que a associação:
a1) Não receba nenhuma chamada;
a2) Receba exactamente duas chamadas;
a3) Receba mais de duas chamadas.
b) Considere o período de 11:00 a 11:30, e determine a probabilidade de

que a associação:
b1) Não receba nenhuma chamada;
b2) Receba exactamente duas chamadas;
b3) Receba mais de duas chamadas.
86
BIBLIOGRAFIA
1- Pedrosa, António Carvalho & Gama, Sílvio Marques A.

Introdução Computacional à Probabilidade e Estatística, Porto Editora-
2004
2- Gmurman, V.E
Problemas em Probabilidades e Estatística, Editora Mir Moscou-1984
3- Guimarães, Rui Campos & Cabral, José A. Sarsfield
Estatística, Edição Revista – 1997
4- Lopez, Cristina & Hiort, Calleja & Lorenzen
Introducción a la teoría de las probabilidades, Editorial Científico
Técnica- 2008
5- Neves, Maria Augusta Ferreira & Guerreiro, Luís & Faria, Luisa
Probabilidades. Exercícios de Matemática A. 12º ano, Porto Editora-
2005
6- Milone, Giuseppe
Estatística Geral e Aplicada, Editora Thomson-2004
7- Levin, Jack & Fox, James Alan
Estatística Para Ciências Humanas, 9ª edição, Editora Pearson,2004
8- Gmurman, V.E (1983) Teoria das Probabilidades e Estatística
Matemática, Editora Mir Moscou-
87

Probabilidade Est.

Enviado por

Dados do documento

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

Probabilidade Est.

Enviado por

Direitos autorais:

Formatos disponíveis

Elaborado por professor mestre Maquiesse Pembele /Ano académico 2015

Geralmente, quando se estuda um fenómeno, a primeira preocupação é de

Chamam-se fenómenos determinísticos os fenómenos que possuem uma

Chamam-se fenómenos probabilísticos ou estocásticos os fenómenos que não

O estudo dos fenómenos probabilísticos constitui a justificação da importância

i.1- Objecto de estudo da teoria das probabilidades

Os acontecimentos ou factos que observamos ao longo da vida podem ser

i.1.1- Acontecimento certo

Chama-se certo o acontecimento que desde que se cumpra um determinado

Exemplo: Se um vaso contém água e que se certifique possuir sob pressão

i.1.2- Acontecimento impossível

Chama-se impossível o acontecimento que cumprindo um determinado

Exemplo: Se um vaso contém água e que se certifique possuir sob pressão

i.1.3- Acontecimento aleatório

Chama-se aleatório o acontecimento que mesmo que se cumpra um

Exemplo: No lançamento de uma moeda não viciada a saída da cara ou da

A teoria das probabilidades é o ramo da matemática que estuda as leis da

Os métodos da teoria das probabilidades são extensivamente utilizados nos

A teoria das probabilidades apoia decisivamente a estatística matemática e a

i.2- Nota histórica

Os conceitos fundamentais da teoria das probabilidades foram formulados nos

Tempos depois, Jacques Bernoulli (1654-1705) contribuiu ao desenvolvimento

Em continuação surgiram as contribuições marcantes de A. De Moivre, P.S.

O período mais frutífero do desenvolvimento da teoria das probabilidades é o

Em forma de chamada de atenção apraz-nos lembrar que a teoria das

A complexidade da teoria das probabilidades reside no facto de tratar de

Além da complexidade supramencionada, a teoria das probabilidades requer

CONCEITOS FUNDAMENTAIS DA TEORIA DAS PROBABILIDADES

1.1- Prova e acontecimento

Chama-se prova toda a experiência aleatória (experiência cujo resultado nao

Chama-se acontecimento ao resultado de uma prova.

Exemplo: Acerto ao alvo, saída de ou cara ou de coroa no lançamento de uma

1.2- Tipos de acontecimentos aleatórios

1.2.1- Acontecimentos mutuamente exclusivos (ou que excluem

Em uma mesma prova os acontecimentos dizem-se mutuamente exclusivos se

1) No lançamento de uma moeda a saída da cara e a saída da coroa são

1.2.2- Acontecimentos que formam um grupo completo

Vários acontecimentos formam um grupo completo se em resultado de uma

Exemplo: A saída da cara e a saída da coroa formam um grupo completo no

Observação: Se os acontecimentos que formam um grupo completo se

1.2.3- Acontecimentos igualmente prováveis ou equiprováveis

Os acontecimentos aleatórios dizem-se igualmente prováveis ou equiprováveis

1) O aparecimento da cara ou da coroa no lançamento de uma moeda não

1.2.4- Acontecimentos opostos

Definição: Dois acontecimentos dizem-se opostos se são mutuamente

Nota: Para obter o acontecimento oposto ao acontecimento A dado, basta

1) Seja A: saída da cara no lançamento de uma moeda, A será não

1.3- Definição da probabilidade

1.3.1- Definição clássica da probabilidade

B: saída de número par;

C: saída de número composto;

Podemos facilmente concluir que a possibilidade da ocorrência de cada um

Para este exemplo a diferença entre os três acontecimentos reside

- O acontecimento A tem apenas um caso favorável (m=1), representado pelo

- O acontecimento B tem três casos favoráveis (m=3), representado pelos três

- O acontecimento C tem dois casos favoráveis (m=2), representado pelos dois

Definição: Chama-se probabilidade de um acontecimento A à razão entre o

A definição axiomática da probabilidade é dada pelos seguintes axiomas da

Para facilitar a compreensão dos axiomas que pretendemos apresentar, vamos

Definição: Chama-se certo ao acontecimento cujo número de casos favoráveis

Definição: Chama-se impossível ao acontecimento que não tem nenhum caso

Definição: Chama-se aleatório ao acontecimento cujo número de casos

Em consequência destas definições, utilizando a fórmula resultante da

1º)A probabilidade do acontecimento certo é igual a unidade (é igual a 1).