Matemática 10º Ano

Prof. Nuno Adão Martins

TEORIA DE
PROBABILIDADES
O m eu m uito obrigado a todos aqueles que sintam que esta sebenta
os ajudou a ultrapassar as suas dificuldades.

1
 Índice

Conceito 3

História da Teoria de Probabilidades 4

Introdução 5

Experiência Aleatória 7

Espaço Amostral 8

Noção de acontecimento 9

Tipos de Acontecimentos 10

Noção de probabilidade 11

Interpretação frequencista de probabilidade 13

Interpretação de Bayesiana probabilidade 14

Teoria axiomática de probabilidades 15

Exercícios de axiomática 19

Lei de Laplace 22

Exercícios 23

2
 Conceito

Ramo da Matemática que visa a formulação de modelos teóricos, abstratos, para o tratamento
matemático da ocorrência (ou não ocorrência) de fenómenos aleatórios; em termos sucintos,
pode caracterizar-se como a Matemática do acaso, da incerteza.

3
História de Probabilidade

O importante e fascinante assunto das probabilidades teve as suas origens no século

XVII através de contributos de matemáticos como Fermat e Pascal. É certo que o italiano
Jerónimo Cardano (1501-1576) escreveu um trabalho notável sobre probabilidades -"Libar de
ludo aleal", isto é, «Livros sobre jogos de azar», mas que só apareceu impresso em 1663.

O arranque definitivo deu-se, de fato com Fermat e Pascal. Laplace (1749-1827)

enunciou pela primeira vez a definição clássica de probabilidade. Foi, porém, com Gauss
(1777-1855) que as aplicações do cálculo de probabilidade se viraram decisivamente para a
ciência: Gauss cria, para o efeito, a teoria dos erros de observação (Theoria combinationis
observatorium erroriluns minimis obnoxia, 1809), estabelecendo o método dos menores
enquadrados e justificando o emprego na teoria dos erros da lei que designou por "normal",
hoje conhecida também por lei de Gauss ou lei de Laplace-Gauss.

Foi no século XX que se desenvolveu uma teoria matemática rigorosa, baseada em

axiomas, definições e teoremas. Kolmogorov propôs uma axiomática completa e consistente
do cálculo de probabilidades.

Curiosidade histórica

Quis o acaso que o Cavaleiro de Méré e Pascal se encontrassem durante uma viagem à
cidade de Poitou.

Procurando assunto de conversa para a viagem, De Méré apresentou a Pascal um problema

que fascinava os jogadores desde a Idade Média: "como dividir a aposta num jogo de dados
que necessite ser interrompido?"

A propósito do problema colocado pelo jogador De Méré a Pascal, iniciou-se uma troca de
correspondência entre Pascal e o matemático Pierre Fermat, que se tornou histórica.
As suas cartas contendo as reflexões de ambos sobre a resolução de certos problemas de
jogos de azar, são considerados os documentos fundadores da Teoria das Probabilidades.

4
Introdução

Todos os dias somos confrontados com situações, que nos conduzem à utilização, intuitiva, da
noção de probabilidade:

• Dizemos que existe uma pequena probabilidade de ganhar o Euromilhões;

• O político deseja saber qual a sua probabilidade de ganhar as eleições;
• Dizemos que, em Moçambique, existe uma grande probabilidade de chover num dia
de verão;
• O médico interroga-se sobre qual a probabilidade de um doente, tratado com um novo
medicamento, sobreviver.

Nas situações consideradas anteriormente em que somos conduzidos a utilizar a noção de

probabilidade, e noutras situações da vida real em várias áreas científicas, estamos perante
fenómenos não determinísticos, pois quando se realizam não temos a certeza do que é que
se vai observar.

• quando apostamos no Euromilhões podemos jogar num número razoavelmente

grande de chaves, mas só uma é que nos permite ganhar;

• quando olhamos para o céu e vemos nuvens, dizemos que vai chover, porque a
experiências anteriores dizem-nos que em situações idênticas é habitual chover;

• quando um doente é tratado com um novo medicamento pode ficar curado ou não;

• quando um político se candidata a determinadas eleições, o número de eleitores que

vai votar nele é desconhecido.

Cada uma destas situações pode ser considerada um fenómeno aleatório, por oposição aos
fenómenos determinísticos, cujos resultados se conseguem prever.

A Teoria da Probabilidade prende-se com o estudo de modelos matemáticos especiais, a que

chamamos modelos probabilísticos, para descrever fenómenos aleatórios.

5
Por outro lado, a Estatística foi desenvolvida para interpretar corretamente os resultados de
análises estatísticas , utilizando, para tal, alguns conceitos probabilísticos.

Esta situação surge quando pretendemos fazer Inferência Estatística, isto é, quando
pretendemos tirar conclusões acerca de um grande conjunto de indivíduos, baseando-nos num
número restrito desses indivíduos. Foi neste contexto que foram definidos os conceitos de
População e Amostra nesse módulo.

É a probabilidade que permite quantificar o tipo de incerteza, quando passamos do particular

(Amostra) para o geral (População) na medida em que quantifica o erro cometido ao tomarmos
determinadas decisões.

Para definir o conceito de probabilidade, vamos introduzir alguma terminologia.

6
 Conceitos Básicos

Experiência Aleatória

Como sabemos o objectivo da Estatística é o estudo de Populações, isto é, conjuntos de

indivíduos (não necessariamente pessoas) com características comuns que se pretendem
estudar.

A uma característica comum, que assume valores diferentes de indivíduo para indivíduo,
chamamos variável.

Ao processo que consiste em recolher uma observação de uma variável, ou observar um

fenómeno aleatório, que se pretende estudar chamamos experiência aleatória.

Experiência aleatória - processo que conduz à obtenção de uma observação ou resultado de

entre um conjunto de resultados individuais (ou elementares) tais que:

• pode repetir-se um número de vezes tão grande quanto se deseje em condições

semelhantes.

• são conhecidos os resultados possíveis.

• cujo resultado individual, em cada prova da experiência, é impossível de prever.

• Depois de muitas experiências realizadas é possível reconhecer uma estabilização na

percentagem de vezes que cada possível resultado se realiza;

Como refere Moore (1996) "aleatório" no vocabulário da Estatística, não significa "acidental",
mas refere-se a uma espécie de ordem que emerge só ao fim de um grande número de
repetições (in the long run...).

7
Considera a experiência que consiste em lançar um dado

e em verificar a face que fica

voltada para cima.

Esta experiência é aleatória porque:

• em cada lançamento do dado não sabemos qual a face que vai sair;

• sabemos, no entanto, que será uma das faces com 1, 2, 3, 4, 5 ou 6 pintas;

• por outro lado, se repetirmos o lançamento do dado "muitas" vezes a experiência, e após cada
lançamento calcularmos as frequências relativas da saída de cada face, verificamos
que as frequências frequência relativa de cada possível resultado começam a estabilizar.

Espaço de resultados ou espaço amostral

Espaço de resultados ou espaço amostra S - ao conjunto de resultados individuais que

podem ser observados, quando se realiza uma experiência aleatória (ou observa um fenómeno
aleatório), chamamos espaço de resultados ou espaço amostra associado à experiência.

Alguns exemplos de experiências aleatórias e espaços de resultados associados, são:

1. Na experiência aleatória que consiste em lançar o dado e verificar a face que fica voltada
para cima, tem-se:

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

8
2. Na experiência aleatória que consiste em lançar dois dados e verificar as faces que ficam
voltadas para cima, tem-se:

S = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3),
(3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6) (6,1),
(6,2), (6,3), (6,4), (6,5), (6,6)}

3. Na experiência aleatória que consiste em lançar dois dados e verificar a soma das faces que
ficam voltadas para cima, tem-se:

S ={2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Como se deduz dos exemplos anteriores, é necessário explicitar perfeitamente qual a

experiência aleatória que se pretende estudar: não basta, por exemplo, dizer que se
lançaram dois dados!

É necessário explicitar o que é que se pretende observar, para que o espaço de resultados
fique perfeitamente identificado.

Acontecimento de uma experiência aleatória

Acontecimento - é um conjunto de resultados possíveis de uma experiência aleatória, ou seja,

é um subconjunto do espaço amostra S. Aos acontecimentos constituídos por um único
resultado chamamos acontecimentos elementares.

Diz-se que um acontecimento A se realizou quando o resultado observado na realização da

experiência pertence a A.

Ao espaço de resultados ou espaço amostral também se chama acontecimento certo, pois

quando se realiza a experiência, o acontecimento realiza-se sempre!

9
Considera a experiência aleatória que consiste em lançar um dado e verificar a face que fica
voltada para cima.

Seja A o acontecimento "saída de uma face par"

Então A = {2,4,6}

Se no próximo lançamento do dado sair 4, dizemos que o acontecimento A se realizou.

Tipos de acontecimentos

Existindo um paralelismo entre conjuntos e acontecimentos há, no entanto, uma terminologia

própria para acontecimentos.

Assim, representando os acontecimentos por A, B, C, ..., temos:

• Acontecimento elementar: Acontecimento que é representado por um conjunto singular (

com um só elemento).

• Acontecimento composto: Acontecimento que é representado por um conjunto com dois ou

mais elementos.

• Acontecimento certo: Aquele que ocorre sempre. Representa-se por E, S ou Ω.

• Acontecimento impossível: Aquele que nunca ocorre. Representa-se por { } ou 𝜙 .

• Acontecimentos Incompatíveis: Dois acontecimentos, A e B, dizem-se incompatíveis se a

sua verificação simultânea for o acontecimento impossível, ou seja, A∩B = 𝜙.

10
 • Acontecimentos contrários: A e B dizem-se acontecimentos contrários se e só se A e B
são incompatíveis (A∩B = 𝜙 ) e A ∪B é o acontecimento certo (A ∪B = Ω).

Noção de Probabilidade

O que é que se entende por probabilidade de um acontecimento?

A Probabilidade, sendo uma noção primitiva, é muito difícil de definir. Utilizamos a noção de
Probabilidade no dia-a-dia, nas mais variadas situações, para exprimir uma medida de
"credibilidade" ou "grau de convicção" na observação do acontecimento, antes da realização
da experiência aleatória.

Como quantificar ou "estimar" essa medida?

É costume identificar o conceito de Probabilidade de um acontecimento com o recurso ao

processo usado para a estimar. Na definição que demos de experiência aleatória salientámos o
seu caráter repetitivo.

Assim, o mais comum é recorrer à frequência relativa com que o acontecimento se observa
num grande número de realizações da experiência, para definir a sua Probabilidade.

Conceito frequencista de Probabilidade

11
Lançamento de uma moeda

Considera o lançamento de uma moeda de 1 euro.

Do mesmo modo que para o dado, também, no lançamento de uma moeda, não existe
nenhum padrão para a frequência relativa da saída de cada face nos lançamentos iniciais.

Por exemplo, se realizarmos 10 lançamentos da moeda, pode

verificar-se a seguinte sequência para a saída da face euro (E)
e face nacional (N)

EEEEENENE

A proporção de vezes que se verificou a face euro foi de 70%.

Este resultado pode-nos levar a concluir que nesta moeda é
mais provável que saia a face euro do que a face nacional?

Não!

Noutros 10 lançamentos poder-se-ia ter obtido

ENNENNENE

e agora a proporção de vezes que se verificou a face euro foi de 40%.

No entanto, o que se verifica na prática, é que à medida que este número de lançamentos
aumenta, a frequência relativa com que se verifica a face euro começa a estabilizar,
normalmente à volta de 50%.

São conhecidos alguns resultados históricos relacionados com a experiência do lançamento da

moeda:

- Buffon, cientista francês (1707 - 1788) lançou uma moeda 4 040 vezes, tendo obtido 2 048
caras, ou seja uma frequência relativa para a saída de cara de 0.5069;

- por volta de 1900, o estatístico inglês Karl Pearson lançou uma moeda 24 000 vezes. Obteve
12 012 caras, ou seja, 0.5005 para a frequência relativa da saída de cara;

- durante a 2ª guerra mundial, enquanto prisioneiro dos alemães, o matemático inglês John
Kerrich lançou uma moeda 10 000 vezes, tendo obtido 5 067 caras, ou seja uma frequência
relativa de 0.5067 para a saída de cara.

12
Chamamos a atenção, ainda relativamente ao exemplo da moeda, para o seguinte: não é
correto dizer que à medida que o número de lançamentos aumenta, o número de caras se
aproxima de metade do número de lançamentos.

A regularidade a longo termo significa que a proporção de vezes que saiu cara tende a
estabilizar.

No exemplo abaixo, ao fim de 100 lançamentos o número de caras foi de 49; se

continuássemos a fazer lançamentos poderia acontecer que ao fim de 500, 1 000, 2 000 e 3
000 lançamentos, o número de caras obtidas fosse respectivamente de 253, 495, 993 e 1 510
como se apresenta na seguinte tabela:

nº caras obtidas Metade dos lançamentos

nº lançamentos |y-x| Freq. Relativa
(x) (y)

100 49 50 1 0.49

500 253 250 3 0.51

1 000 495 500 5 0.50

2 000 993 1 000 7 0.50

3 000 1 510 1 500 10 0.50

Como se verifica, pode acontecer que o número de caras obtidas se afaste de metade do
número de lançamentos, não impedindo que a frequência relativa tenha tendência a estabilizar
à volta do valor 0.50.

Lançamento de um dado

Considera a experiência que consiste em lançar um dado repetidas vezes e em registar a

frequência relativa da saída de cada face, após cada lançamento.

Repara que nos primeiros 5, 10 ou 15 lançamentos, não se consegue definir um padrão para a
frequência relativa da saída de cada face, mas à medida que o número de lançamentos
aumenta, essa frequência relativa começa a estabilizar.

Por exemplo, pode acontecer que ao lançar o dado 10 vezes a frequência relativa com que se
verifica alguma das faces seja nula.

13
No entanto, se continuar a lançar o dado, ao fim de muitos lançamentos as frequências
relativas com que se verificam as 6 faces são aproximadamente iguais (estamos a pensar num
dado em que se admite que em qualquer lançamento cada face tem igual possibilidade de
sair).

Interpretação frequencista de probabilidade

Define-se probabilidade (definição frequencista) de um acontecimento A e representa-se

por P(A), como sendo o valor obtido para a frequência relativa com que se observou A,
depois de um grande número de realizações da experiência aleatória.

O conceito frequencista de probabilidade, em que interpretamos a probabilidade de um

acontecimento da forma anteriormente considerada, não nos permite obter valores exactos
para a probabilidade.

No caso da moeda, poderíamos continuar a lançar indefinidamente a moeda, que nunca

obteríamos o valor exato para a probabilidade da saída de cara.

Podemos, no entanto, idealizar o seguinte modelo probabilístico, para a experiência aleatória

que consiste em lançar uma moeda e observar a face que fica voltada para cima:

Se em muitos lançamentos de uma moeda a frequência de caras observadas se aproxima

de 1/2, então dizemos que a probabilidade da saída de cara num próximo lançamento
será de 1/2.

14
Sugere-se este modelo na presunção de que seria este o comportamento da frequência
relativa dos acontecimentos elementares associados à realização do fenómeno aleatório em
estudo.

Interpretação Bayesiana de probabilidade

A ideia de observar o fenómeno um grande número de vezes é irrelevante, quando não existe
possibilidade de o repetir em circunstâncias semelhantes. Temos então a possibilidade de
interpretar a probabilidade como o grau de confiança ou credibilidade que atribuímos à
observação de determinado acontecimento associado com a realização de um fenómeno
aleatório.

Podemos, por exemplo, apostar num determinado cavalo de corrida e quanto maior for a
confiança no cavalo, maior será a probabilidade que atribuímos ao acontecimento "o
cavalo vai ganhar a corrida" associado à experiência aleatória, que consiste em verificar o
que é que acontece quando o cavalo participa numa corrida. Uma outra pessoa pode
apostar no mesmo cavalo, mas atribuindo ao mesmo acontecimento uma probabilidade
menor, se a sua credibilidade na capacidade do cavalo não for tão grande.

A confiança ou credibilidade que atribuímos aos resultados observados quando se realiza um

fenómeno aleatório é geralmente reforçada pela quantidade de informação que temos sobre o
fenómeno em causa. Com este modo de atribuição de probabilidades a acontecimentos, ao
mesmo acontecimento podem ser atribuídas probabilidades diferentes. Esta é a
chamada interpretação subjectiva ou Bayesiana da probabilidade.

No exemplo das cartas, as probabilidades pessoais que vários indivíduos atribuem ao

acontecimento "a carta de cima é espadas" quando se baralham as cartas e se recolhe a
primeira, é a mesma, já que os modelos que os vários indivíduos consideram para a
15
experiência são idênticos. Em exemplos que envolvam jogos de azar com cartas, dados,
moedas, etc, existe um largo consenso acerca do modelo apropriado, pelo que não existem
divergências acerca das probabilidades dos acontecimentos envolvidos.

Vamos admitir, para já, que pretendemos estudar um fenómeno aleatório cujo espaço de
resultados tenha um número finito de resultados. A construção de um modelo para este
fenómeno compreende duas fases:

- Descrição de todos os resultados do espaço de resultados ou espaço amostra;

- Atribuição de uma probabilidade a cada um dos resultados do espaço de resultados.

A escolha deste conjunto de números pode ser feita de forma a obtermos um conjunto de
números consistentes com a nossa intuição sobre os valores que iríamos obter para as
frequências relativas dos resultados obtidos, se repetíssemos o fenómeno um número
suficientemente grande de vezes (como vimos na interpretação frequencista de
probabilidade).

Teoria Axiomática de Probabilidades

Uma teoria axiomática tem como ponto de partida um conjunto de afirmações quenão se
demonstram (os axiomas). À custa destes axiomas demonstram-se os teoremas.
Logicamente que, teoremas já demonstrados podem ser utilizados, em conjunto com os
axiomas, na demonstração de novos teoremas.

É interessante como, a partir de apenas 3 axiomas se consegue demonstrar um

grandenúmero de teoremas.

Axiomática de Probabilidades

Seja Ω o espaço de resultados associado a uma experiência aleatória:

Axioma 1: 𝑝(𝐴) ≥ 0 , qualquer que seja o acontecimento 𝐴 (𝐴 ⊂ 𝛺)

Axioma 2: 𝑝(𝛺) = 1

Axioma 3: 𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) , desde que os acontecimentos A e B sejam incompatíveis,

isto é, desde que 𝐴 ∩ 𝐵 = 𝜙

16
Demonstração de alguns Teoremas:

Teorema 1: 𝑝( 𝐴 ) = 1 − 𝑝(𝐴)

Demonstração:

Sabendo que 𝐴 ∪ 𝐴 = 𝛺, então 𝑝(𝐴 ∪ 𝐴) = 𝑝(𝛺) = 1 (axioma 2)

Por outro lado, como 𝐴 ∩ 𝐴 = 𝜙 (acontecimentos incompatíveis), temos

𝑝(𝐴 ∪ 𝐴) = 𝑝(𝐴) + 𝑝( 𝐴 )(axioma 3).

Portanto, 𝑝(𝐴) + 𝑝( 𝐴 ) = 1, assim 𝑝( 𝐴 ) = 1 − 𝑝(𝐴)

Teorema2 : 𝑝(𝜙) = 0

Demonstração:

Tem-se que: 𝑝(𝜙) = 𝑝( Ω ) = 1 − 𝑝(𝛺) = 1 − 1 = 0 (Teorema 1 e axioma 2)

Teorema 3 : 𝑝 ( 𝐴 ) = 𝑝 ( 𝐴 ∩ 𝐵 ) + 𝑝 (𝐴 ∩ 𝐵 )

Demonstração:

Sabendo que 𝐴 = 𝐴 ∩ 𝛺 = 𝐴 ∩ (𝐵 ∪ 𝐵) = (𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐵)

e que

(𝐴 ∩ 𝐵) ∩ (𝐴 ∩ 𝐵) = (𝐴 ∩ 𝐴) ∩ (𝐵 ∩ 𝐵) = 𝐴 ∩ 𝜙 = 𝜙 ,

isto é, 𝐴 ∩ 𝐵 e 𝐴 ∩ 𝐵 são acontecimentos incompatíveis.

Então 𝑝 𝐴 = 𝑝 𝐴 ∩ 𝐵 ∪ 𝐴 ∩ 𝐵 =𝑝 𝐴∩𝐵 +𝑝 𝐴∩𝐵 (axioma3)

Normalmente, esta igualdade é apresentada da seguinte forma

𝑝 (𝐴 \ 𝐵) = 𝑝 (𝐴 ∩ 𝐵) = 𝑝 (𝐴) − 𝑝 (𝐴 ∩ 𝐵)

17
Teorema 4 : p(A∪B)= p(A)+ p(B)− p(A∩B)

Demonstração:

Sabendo que 𝐴 ∪ 𝐵 = (𝐴\𝐵) ∪ (𝐴 ∩ 𝐵) ∪ (𝐵\𝐴) e que 𝐴\𝐵, 𝐴 ∩ 𝐵 𝑒 𝐵\𝐴 são acontecimentos

incompatíveis dois a dois.

Então 𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴\𝐵) + 𝑝(𝐴 ∩ 𝐵) + 𝑝(𝐵\𝐴) (axioma3) .

E, pelo teorema anterior,

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

logo

𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴) + 𝑝(𝐵) − 𝑝(𝐴 ∩ 𝐵)

Teorema 5: Se 𝐵 ⊆ 𝐴 então 𝑝(𝐴\𝐵) = 𝑝(𝐴) − 𝑝(𝐵)

Demonstração:

Se 𝐵 ⊆ 𝐴 então 𝐴 ∩ 𝐵 = 𝐵.

Pelo teorema 3 temos que

𝑝(𝐴\𝐵) = 𝑝(𝐴) − 𝑝(𝐴 ∩ 𝐵) = 𝑝(𝐴) − 𝑝(𝐵)

Teorema 6: Se 𝐴 ⊆ 𝐵 então 𝑝(𝐴) ≤ 𝑝(𝐵)

Demonstração:

Se 𝐴 ⊆ 𝐵 então 𝑝(𝐴\𝐵) = 𝑝(𝐴) − 𝑝(𝐵) (teorema5).

Como 𝑝(𝐴\𝐵) ≥ 0 (axioma 1)

Logo, 𝑝(𝐴) − 𝑝(𝐵) ≥ 0 ,

pelo que 𝑝(𝐴) ≥ 𝑝(𝐵) ou 𝑝(𝐵) ≤ 𝑝(𝐴) .

18
Teorema 7: Seja 𝛺 = {𝑥1 ; 𝑥2 ; . . . ; 𝑥𝑛} o espaço amostral de uma experiência aleatória, temos
que

𝑝({𝑥1}) + 𝑝({𝑥2})+. . . + 𝑝({𝑥𝑛}) = 1

Isto é, a soma da probabilidade de todos os acontecimentos elementares de uma

experiência aleatória é sempre igual a 1

Demonstração:

𝑝(𝛺) = 1 ⇔ 𝑝({𝑥1 ; 𝑥2 ; . . . ; 𝑥𝑛}) = 1 ⇔ 𝑝({𝑥1} ∪ {𝑥2} ∪. . .∪ {𝑥𝑛}) = 1,

como {𝑥1 }, {𝑥2 }, . . . , {𝑥𝑛 } são os 𝑛 acontecimentos elementares da experiência aleatória, que
são incompatíveis entre si 2 a 2.

Então, 𝑝({𝑥1} ∪ {𝑥2} ∪. . .∪ {𝑥𝑛}) = 1 ⇔ 𝑝({𝑥1}) + 𝑝({𝑥2})+. . . + 𝑝({𝑥𝑛}) = 1

Teorema 8: Seja 𝛺 = {𝑥1 ; 𝑥2 ; . . . ; 𝑥𝑛} o espaço amostral de uma experiência aleatória com 𝒏
resultados possíveis.

Se os acontecimentos elementares forem equiprováveis (isto é, tiverem todos a mesma

𝟏
probabilidade) então a probabilidade de cada acontecimento elementar é
𝒏

Demonstração:

Se todos os acontecimentos elementares são equiprováveis então

𝑝 𝑥1 = 𝑝 𝑥2 =. . . = 𝑝 𝑥𝑛 = 𝑝, 𝑐𝑜𝑚 𝑝 > 0

Pelo teorema 7 sabemos que

𝑝({𝑥1}) + 𝑝({𝑥2})+. . . + 𝑝({𝑥𝑛}) = 1

então

1
𝑝 𝑥1 + 𝑝 𝑥2 +. . . + 𝑝 𝑥𝑛 = 1 ⟺ 𝑝 +⋯+𝑝 = 1 ⟺ 𝑛 ×𝑝 = 1 ⟺ 𝑝 =
𝑛
! !"#"$

19
Exercícios de axiomática

1. Seja Ω o conjunto de resultados associados a uma certa experiência aleatória. Sejam três
acontecimentos (A, B e C são, portanto, subconjunto de Ω ).

Prova que:

a) 𝑝(𝐴 ∩ 𝐵 ) − 𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐵) − 𝑝(𝐴)

b) 𝑝 𝐴 ∪ 𝐵 − 𝑝(𝐴 ∪ 𝐵) = 𝑝(𝐴 ) − 𝑝(𝐵)

c) 𝑝(𝐴 ∩ 𝐵) + 𝑝(𝐴 ) = 1 − 𝑝(𝐴 ∩ 𝐵)

d) 𝑝(𝐴) + 𝑝(𝐵) + 𝑝(𝐴 ∩ 𝐵) = 1 + 𝑝(𝐴 ∩ 𝐵)

e) 𝑝(𝐴 ∪ 𝐵) + 𝑝(𝐴 ∩ 𝐵) = 1

f) 𝑝(𝐴 ∪ 𝐵) + 𝑝(𝐵) = 𝑝(𝐴) + 𝑝(𝐴 ∪ 𝐵)

g) 𝑝(𝐴) + 𝑝(𝐵) + 𝑝(𝐴 ∩ 𝐵) = 1 + 𝑝(𝐴 ∩ 𝐵)

h) 𝑝(𝐴 ∪ 𝐵) + 𝑝(𝐴) = 𝑝(𝐵) + 𝑝(𝐴 ∪ 𝐵)

2. Numa certa experiência aleatória existem apenas 3 acontecimentos elementares, A, B e C.

Sabendo que A e B são equiprováveis (acontecimentos com a mesma probabilidade) e

𝑝 𝐴
𝑝 𝐶 =
2

a) Qual a probabilidade de A, B e C.

b) Calcula 𝑝 𝐶

20
3. Sejam A e B dois acontecimentos de uma experiência aleatória.

Calcula:

a) 𝑝(𝐴 ∪ 𝐵) sabendo que 𝑝(𝐴) = 0,4 , 𝑝(𝐵) = 0,3 𝑒 𝑝(𝐴 ∩ 𝐵) = 0,3

b) 𝑝 𝐴 ∪ 𝐵 sabendo que 𝑝 𝐴 = 0,6 , 𝑝 𝐵 = 0,7 𝑒 𝑝 𝐴 ∪ 𝐵 = 0,9

4. Sejam X e Y dois acontecimentos de um espaço Ω , tais que:

1 1
𝑝 𝑋 = , 𝑝 𝑋 ∪ 𝑌 = 𝑒 𝑝(𝑌) = 𝑘
4 3

Determina k, sabendo que:

a) X e Y são incompatíveis

b) 𝑋 ⊂ 𝑌

5. Sejam A e B dois acontecimentos de um espaço Ω,

tais que: 𝑝(𝐴) = 0,35 𝑝(𝐵) = 0,6 𝑝(𝐴 ∩ 𝐵) = 0,2

Determina 𝑝(𝐴 ∩ 𝐵).

6. Sejam A e B dois acontecimentos de um espaço Ω , tais que:

𝑝 𝐴 ∩ 𝐵 = 0,4 𝑝 𝐴 = 0,7 𝑝(𝐴 ∪ 𝐵) = 0,8

Determina 𝑝(𝐵).

21
7. Sejam A e B dois acontecimentos de um espaço Ω , tais que:

3 1 1
𝑝 𝐴 = 𝑝 𝐵 = 𝑝(𝐴 ∪ 𝐵) =
4 3 6

a) 𝑝(𝐴 ∪ 𝐵)

b) 𝑝(𝐴 ∩ 𝐵)

8. Sejam A e B acontecimentos associados a uma certa experiência aleatória.

Sabe-se que: 𝑝(𝐴) = 2𝑝(𝐵) 𝑝(𝐴 ∪ 𝐵) = 3𝑝(𝐵)

Prova que os acontecimentos A e B são incompatíveis.

9. Supõem que, num saco, existem algumas bolas numeradas. Admite que, ao retirarmos, ao
acaso, uma bola do saco, se tem:

• a probabilidade de essa bola ser amarela é 50%

• a probabilidade de essa bola ter o número 1 é 25%

• a probabilidade de essa bola ser amarela ou ter o número 1 é 62,5%

Prova que a bola amarela número 1 está no saco.

10. Nos jogos de futebol entre a equipa X e a equipa Y, a estatística revela que:

• em 20% dos jogos, a equipa X é a primeira a marcar;

• em 50% dos jogos, a equipa Y é a primeira a marcar;

Qual é a probabilidade de, num jogo entre as equipas X e Y, não se marcarem golos?

22
Lei de Laplace

Dado um espaço de resultados S, constituído por um número finito n de elementos, em que

existe equilíbrio entre os acontecimentos elementares. Isto é, admitamos que todos os
resultados são igualmente possíveis de serem observados numa realização do fenómeno.

A probabilidade de um acontecimento A pode ser obtida dividindo o número de resultados

favoráveis à ocorrência do acontecimento A (resultados que compõem A) pelo número total de
resultados possíveis (resultados que compõem o espaço de resultados).

!ú!"#$ !" !"#$%&'()# !"#$%á!"#$ ! !"#$%&"&' ! ⋕!

Isto é, 𝑝 𝐴 = =
!ú!"#$ !" !"#$%&'()# !"##í!"#$ ⋕!

23
Exercícios

1. De uma caixa que contém 6 bolas vermelhas e 3 verdes tiraram-se simultaneamente 2 bolas.
Determina a probabilidade de que:

1.1. sejam ambas vermelhas

1.2. sejam ambas verdes

1.3. sejam ambas da mesma cor

1.4. sejam de cores diferentes

2. A Direção da Associação de Estudantes de uma escola secundária é formada por dois

estudantes do 10º ano, quatro do 11º ano e cinco do 12º ano.

A Direção decidiu formar uma comissão para se fazer representar numa reunião do Concelho
Executivo.

2.1. Se a comissão for formada por um aluno do 10º ano, dois alunos do 11º ano e dois alunos
do 12º ano, quantas comissões diferentes é possível formar?

2.2. Sabendo que os cinco elementos da comissão são selecionados ao acaso, determina a
probabilidade dos dois alunos do 10º ano serem selecionados.

3. O grupo de Matemática de uma escola é constituído por 25 professores, sendo 8 homens e

17 mulheres. O 12º ano é lecionado por um grupo de 6 professores que vão ser selecionados
aleatoriamente.

3.1. Quantos grupos diferentes se podem fazer?

3.2. Determina a probabilidade de cada um dos acontecimentos:

3.2.1. A:” o grupo é formado só por mulheres”

3.2.2. B:” no grupo há 2 homens e 4 mulheres”

24
3.3. O Dr. Vítor e a Dra. Augusta fazem parte do grupo de professores de Matemática da
escola.

Determina a probabilidade de:

3.3.1. A Dra. Augusta fazer parte do grupo

3.3.2. A Dra. Augusta e o Dr. Vítor fazerem parte do grupo

3.3.3. Pelo menos um deles fazer parte do grupo.

4. A turma do 12º A tem 30 alunos: 12 rapazes e 18 raparigas. O delegado de turma é uma

rapariga.

Pretende-se formar uma comissão para representar a turma numa reunião com o vereador da
Cultura da Câmara Municipal.

A comissão de cinco elementos deve ser formada por 3 raparigas e 2 rapazes.

A delegada de turma deve fazer parte da comissão.

4.1. Quantas comissões diferentes é possível constituir?

4.2. No final da reunião os cinco elementos da comissão e o vereador posaram para uma
fotografia, colocando-se uns ao lado dos outros.

Admitindo que eles se colocaram ao acaso determina a probabilidade de:

4.2.1. de as raparigas ficarem juntas

4.2.2. de o vereador ficar entre os dois rapazes

25
5. O Ramos comprou vários livros para ler em férias: 5 são livros técnicos; 2 são romance e 3
são policiais Quando decidiu fazer a mala para ir de férias selecionou apenas cinco livros que
tinha comprado.

5.1. De quantas maneiras pode fazer a seleção se decidiu levar 2 livros técnicos, 1 romance e 2
policiais?

5.2. Admite, agora, que o Ramos já está em férias e que vai colocar os livros na mesa do
quarto do Hotel, uns em cima dos outros de forma aleatória.

Qual é a probabilidade dos dois livros técnicos ficarem juntos?

6. Um saco contém seis bolas, indistinguíveis ao tato, sendo três vermelhas, duas amarelas e
uma cor de-laranja.

Retirando ao acaso três bolas do saco, qual é a probabilidade de saírem duas bolas da mesma
cor e uma de cor diferente, admitindo que:

6.1. as bolas que saírem não são repostas.

6.2. cada bola que sair é reposta

7. Numa turma do 10º ano, 68% dos alunos declararam que gostavam de música clássica, 22%
que gostavam de telenovelas e 15 % que gostavam de telenovelas e música clássica.

Encontrou-se ao acaso um aluno da turma.

Determina a probabilidade de:

7.1. ele gostar de música clássica mas não de telenovelas

7.2. ele gostar de telenovelas mas não de música clássica

7.3. ele não gostar de telenovelas nem de música clássica

26
8. Num dado viciado a probabilidade de obter 2 é dupla da probabilidade de obter 5.

Os números 1, 3, 4, 5 e 6 têm a mesma probabilidade de sair.

Num lançamento deste dado:

8.1. Calcula a probabilidade de obter 3.

8.2. Calcula a probabilidade do acontecimento “obter número primo”

9. Numa caixa há 30 chocolates embrulhados em prata vermelha e 15 embrulhados em prata

branca.

9.1. Escolhemos um ao acaso. Qual é a probabilidade da prata ser vermelha?

9.2. Se tirarmos ao acaso dois chocolates da caixa qual é a probabilidade de tirarmos

chocolates embrulhados em pratas de cores diferentes?

10. Num saco há 10 bolas vermelhas, 3 verdes e 12 roxas. Retiram-se sucessivamente do saco
três bolas (sem reposição). Determina a probabilidade de:

10.1. saírem as três da mesma cor

10.2. sair uma de cada cor

11. Num saco há bolas verdes, azuis e vermelhas. Extrai-se ao acaso uma bola do saco. Sabe-
𝟏 𝟏
se que a probabilidade de sair uma bola verde é e de sair uma bola azul é . Há 38 bolas
𝟓 𝟔
vermelhas.

Quantas bolas há no saco?

27
12. No Natal, a avó da Ana, da Paula e da Inês comprou três presentes e escreveu um cartão
com o nome de cada uma das netas e colocou-o dentro do embrulho.

A avó esqueceu-se de escrever por fora dos embrulhos o respetivo nome.

Determina a probabilidade de três, uma ou zero netas ficarem com a sua própria prenda?

13. Duas caixas A e B contém bolas vermelhas e azuis. Na caixa A há 4 bolas vermelhas e 3
azuis e na caixa B há 5 vermelhas e 4 azuis. Escolhe-se uma caixa ao acaso e tira-se uma bola.

13.1. Determina a probabilidade de sair azul

13.2. Verificou-se que saiu azul. Determina a probabilidade de ter saído da caixa A.

28
 29