Probabilidades

O conceito de probabilidade Adição de probabilidades Probabilidade condicional Multiplicação de probabilidades
Probabilidade
Prof. Adailton Pereira
Secretaria Estadual de Educação e Cultura

Escola Estadual Amaro Cavalcante
Disciplina: Matemática
Prof. Adailton Pereira SEEC/RN Aula de probabilidade 1 / 54

Índice
1 O conceito de probabilidade
O cálculo da probabilidade
2 Adição de probabilidades
Exercícios
3 Probabilidade condicional
Eventos independentes
4 Multiplicação de probabilidades
Exercícios resolvidos
Propriedade das retiradas simultâneas

O conceito de probabilidade

Exerimentos aleatórios
Existem fenômenos (ou experimentos) que, mesmo sendo repetido várias vezes nas
mesmas condições, não apresentam os mesmos resultados. Por exemplo, no lança-
mento de uma moeda perfeita, o resultado é imprevisível, isto é, não podemos de-
terminar com antecedência qual será o resultado. Esses tipos de experimentos são
chamados experimentos aleatórios.

Exemplos de experimentos aleatórios
Vejamos alguns exemplos de experimentos aleatórios

lançamento de um dado não viciado;
resultado de um jogo de roleta;
número sorteados em uma loteria;
lançamentos de uma ou mais moedas;
o sorteio de um bilhete de um total de dez mil bilhetes numerados de 1 a 10.000.
Pelo fato de não sabermos o resultado exato de um determinado fenômeno aleatório
buscamos saber os resultados prováveis, as chances ou a probabilidade de um deter-
minado resultado acontecer.

Espaço amostral e evento de um experimento aleatório
Espaço amostral
O conjunto de todos os resultados possíveis de um experimento aleatório é chamado

espaço amostral (E) desse experimento. Qualquer subconjunto do espaço amostral é
chamado de evento de esse espaço. Denotaremos o espaço amostral de um experi-
mento por E e seu número de elementos por n(E).
EXEMPLOS:
Exemplo 1
No lançamento de uma moeda temos como espaço amostral o conjunto E = {C, K }
onde C indica a face cara, e K , a face coroa. O número de elemento deste espaço
amostral é n(E) = 2.
Exemplo 2
No lançamento de um dado, temos como espaço amostral E = {1, 2, 3, 4, 5, 6} que
são os pontos que podem sair. Consequentemente, o número de elementos é
n(E) = 6. Um evento deste espaço amostral, por exemplo, por ser o conjunto
A = {2, 4, 6} formato apenas pelos pontos pares. Determine um outro evento!

Espaço amostral
Exemplo 3
No lançamento de duas moedas, temos como espaço amostral o conjunto
E = {(C, C), (C, K ), (K , C), (K , K )} e, consequentemento, o número de elementos é
n(E) = 4. Observe que os elementos deste experimento possuem duas coordenadas,
uma para cada moeda. Se tiversemos o lançamento de três moedad, teríamos três
coordenadas.
Exemplo 4
No lançamento de dois dados, temos como espaço amostral o conjunto:
 

(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)


 

 


(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)



 

E = (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
 .. .. .. .. .. .. 

 
 
. . . . . . 
 

 


 

(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
 

No número de elementos do espaço amostral do exemplo aterior é n(E) = 36. O

subconjunto B = {(1, 4), (2, 3), (3, 2), (4, 1), (5, 3)} é um evento de E. Temos seu
número de elementos é n(B) = 5.
Exercício
Determine o espaço amostral (E) e o número de elementos n(E) de cada experimento
abaixo:
Escolher uma consoante do nosso alfabeto;
Sortear uma carta em um baralho com 52 cartas;
Sortear dois números entre os números de 1 a 10;
Lançamento de três moedas.

Definição
Definição de probabilidade
Sejam E um espaço amostral, finito e não vazio, e A um evento desse espaço. A
probabilidade de ocorrer o evento A, indicada por P(A), é dada por
n(A)
P(A) =
n(E)
em que n(A) e n(E) indicam, respectivamente, indicam o número de elementos de A e

de E.
Exemplo
No lançamento de uma moeda, qual é a probabilidade de se obter coroa?
Solução: Tomando C = car e K = coroa, o espaço amostral desse experimento é
E = {C, K } e n(E) = 2.
O evento A que queremos é sair coroa, isto é, A = {K } e n(A) = 1.
Logo, a probabilidade que queremos é:
n(A) 1
P(A) = =
n(E) 2

Exemplos
Essa mesma probabilidade pode ser representado por P(A) = 0, 5 = 50%.

|{z}
multiplica por 100
Exemplo 5
No lançamento de um dado, qual é a probabilidade de se obter, na face voltada para
cima, um número de pontos menor que 5 ?
Solução: Espaço amostral desse experimento
E = {1, 2, 3, 4, 5, 6} e n(E) = 6
O evento B, " sair um número menor que 5", isto é,
B = {1, 2, 3, 4} e n(B) = 4
Portanto, a probabilidade de
n(B) 4 2
P(B) = = = = 0, 666 = 66, 6%
n(E) 6 |{z} 3
simplifica

Exemplos
Exemplo 6
No lançamento de duas moedas, qual a probabilidade de se obter, nas faces voltadas
para cima, pelo menos uma cara?
Solução: Observe que pelo menos uma cara quer dizer "uma cara" ou "duas caras".
Assim, espaço amostral é
E = {(C, C), (C, K ), (K , C), (K , K )} e n(E) = 4
O evento H, é "sair pelo menos uma cara", ou seja,
H = {(C, C), (C, K ), (K , C)} e n(H) = 3
Portanto, a probabilidade de H acontecer é
n(H) 3
P(H) = = = 0, 75 = 75%
n(E) 4

Exemplos
Exemplo 7
No lançamento de dois dados, qual é a probabilidade de se obter, nas faces voltadas
para cima, a soma dos pontos igual a 5?
Solução: O espaço amostral desse experimento é
 

(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)


 

 


(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)



 

E = (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
.. .. .. .. .. .. 

 
 
. . . . . . 

 

 


 

(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
 
onde n(E) = 36. O evento G, "soma dos pontos dos dois dados ser igual a 5", isto é,
G = {(1, 4), (2, 3), (3, 2), (4, 1)} e n(G) = 4
Portanto, a probabilidade de G é dada por
n(G) 4 1
P(G) = = = = 0, 111 = 11, 11%
n(E) 36 9
Exercícios
Observe que nos exemplos anteriores a probabilidade foi dada na forma fracionária,
decimal e percentual. No exercícios, em geral, precisa-se usar apenas uma dessas
formas. qualquer uma das três representações serão aceitas.
Agora é sua vez de praticar!
Exercício
1 Resolva os exercícios 1, 2, 3, 4 e 5 do seu livro didático páginas 10 e 11.

Eventos complementares
Eventos complementares
Seja E o espaço amostral de um experimento aleatório e seja A um evento de E.
Chama-se evento complementar de A, que se indica por A, o evento formado pelos
elementos que pertencem a E e não pertencem a A.
Representando em um diagrama, temos
Figure: A região rosa representa A e a região laranja o complementar de Ā
.
Propriedades de probabilidades
Exemplo: Considere o experimento, lançamento de um dado. Como já sabemos, o
espaço amostral desse experimento é E = {1, 2, 3, 4, 5}.
Se considerarmos o evento A, pontos pares, temos
A = {2, 4, 6}
Consequentemente, o seu complementar é
A = {1, 3, 5}
Isto é, os elementos de A são os elementos que estão em E e não estão em A.
Propriedade das probabilidades
Sendo E um espaço amostral finito e não vazio e A um evento de E, temos
P1. P(∅) = 0;
(A probabilidade do conjunto vazio e zero)
P2. P(E) = 1;
(A probabilidade do espaço amostral é 1)
P3. 0 6 P(A) 6 1;
(A probabilidade é um valor entre 0 e 1).
P4. P(A) = 1 − P(Ā) (ou, equivalentemente, P(Ā) = 1 − P(A)).
(A probailidade de um evento é 1 subtraído da probabilidade do seu
complementar)
Adição de probabilidades

Considere a seguinte situação:

Em uma sala de aula, o professor realizou uma pesquisa para saber que lido Dom
Casmurro ou Mémórias póstumas de Brás Cubas, obras de Machado de Assis.
Todos responderam a pesquisa e o resultado foi o seguinte:
19 alunos leram Dom Casmurro;
20 alunos leram Mémórias póstumas de Brás Cubas;
12 alunos leram as duas obras;
6 alunos não leram nenhuma das obras.
Escolhendo um dos alunos da sala ao acaso, qual é a probabilidade de que o aluno
tenha lido Dom Casmurro ou Mémórias póstumas de Brás Cubas?
Para resolver esse tipo de questão vamos considerar:

Adição de probabilidade
Espaço amostral E:
E = Alunos da sala
Eventos (Temos dois nesse caso):
A = alunos da sala que leram Dom Casmurro
B = alunos da sala que leram Mémórias póstumas de Brás Cubas.
Colocando isso em um diagrama temos:

Lembrando da teoria dos conjuntos, ∪ =união e ∩ =interseção. Além disso, temos a

fórmula do número de elementos da união.
n(A ∪ B) = n(A) + n(B) − n(A ∩ B)
Portanto, usando o diagrama acima
n(A ∪ B) = 19 + 20 − 12 ⇒ n(A ∪ B) = 27.
Como o número de elementos de n(E) é tudo, isto é, todos alunos que leram uma obra,
as duas obras ou nenhuma. Temos
n(E) = n(A ∪ B) + 6 = 27 + 6 = 33
n(A∪B) 27 9
Logo, a probabilidade de A ou B acontecer é P(A ∪ B) = n(E)
= 33
= = 11
|{z}
÷ por 3
Observação: O conectivo ou irá sempre indicar a probabilidade da unição ou, equiva-
lentemente, adição de probabilidade. O conectivo e denotará a interseção de eventos.

Podemos agora enunciar o chamado, Teorema da adição de probabilidades
Teorema da adição de probailidades

Sendo A e B eventos de um espaço amostral
equiprovável E, finito e não vazio, temos:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
ou, equivalentemente
n(A) n(B) n(A ∩ B)

P(A ∪ B) = + − .
n(E) n(E) n(E)

Exercícios
Exemplo 1
Uma urna contém exatamente vinte bolas, numeradas de 1 a 20. Retira-se ao acaso
uma bola da urna. Qual a probabilidade de se obter uma bola com um número múltiplo
de 2 ou de 3?
Solução: A primeira coisa a se notar é o conectivo ou, isso indica que vamos trabalhar
com probabilidade da união. Assim, podemos começar a resolução:
Espaço amostral do experimento:
E = {1, 2, 3, ..., 20}, n(E) = 20

Agora, temos dois experimentos
A = { número múltiplo de 2 em E} = {2,4,6,...,20} = 10 e n(A) = 10
B = { número múltiplo de 3 em E} = {3,6,9,12,15,18} = 6 e n(B) = 6.
A ∩ B = {Elementos de E que estão em A e em B} = {6,12,18} e n(A ∩ B) = 3. Assim,
pelo Teorema da adição de probabilidade, temos
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Exercícios
Calculando separadamente
n(A) 10
P(A) = = (não simplifica)
n(E) 20
n(B) 6
P(B) = = (não simplifica)
n(E) 20
n(A ∩ B) 3
P(A ∩ B) = = (não simplifica)
n(E) 20
Substituindo na fórmula, temos
10 6 3 10 + 6 − 3 13
P(A ∪ B) = + − = =
20 20 20 20 20
13
Logo, P(A ∪ B) = .
20

Exercícios
Adição de probablidades
Exemplo 2
Em um aeroporto foi realizada uma pesquisa com 80 mulheres e 60 homens que iriam
embarcar em um dos voos. Constatou-se que 30 mulheres e 20 homens iriam viajar
de avião pela primeira vez e que os demais já haviam voado antes.
Escolhendo um desses passageiros ao acaso:
a) qual é a probailidade de se escolher uma mulher ou um passageiro que vai voar
pela primeira vez?
b) qual é a probabilidade de se escolher uma mulher que já voou antes ou um homem
que vai voar pela primeira vez?
Solução: Como temos o cruzamento de vários dados, fazer uma tabela descrevendo
esses dados ajuda muito na resolução do exercício.
Mulheres Homens
Passageiros viajando pela 1a vez 30 20
Passageiros que já voaram antes 50 40

Exercícios
Observe que o espaço amostral E é o conjunto de todas as pessoas que participaram

da pesquisa, isto é, n(E) = 80 + 60 = 140. Vamos responder cada item agora.
a) Sendo A = mulheres entrevistadas, temos n(A) = 80.
B = passageriros que vão viajar de avião pela 1o vez, temos n(B) = 30 + 20 = 50
Observe que a interseção A ∩ B, são os passageiros que estão em A e B ao
mesmo tempo, isto é, mulheres que vão viajar de avião pela 1a vez. Logo,
n(A ∩ B) = 30.
Portando,
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Calculando cada probabilidade separada, temos
n(A) 80
P(A) = = (não simplifica)
n(E) 140
n(B) 50
P(B) = = (não simplifica)
n(E) 140
n(A ∩ B) 30
P(A ∩ B) = = (não simplifica)
n(E) 140
Substituindo na fórmula, temos
80 50 30 80 + 50 − 30 100 5
P(A ∪ B) = + − = = =
140 140 140 140 140 |{z} 7
÷20
5
Logo, a probabilidade procurada é .
7
Exercícios
b) Sendo C = mulheres que já voaram antes, temos n(C) = 50

D = Homens que vão voar pela 1a vez, temos n(D) = 20.
Observe que não existe nenhum passageiro que esteja em C e D ao mesmo
tempo, pois, não podemos ter um passageira que é mulher que já voou antes e ao
mesmo tempo é um homem que vai voar pela primeira vez, isto é impossível de
acontecer. Logo, a inteseção C ∩ D = ∅, ou seja, n(C ∩ D) = 0.
Portanto, usando a fórmula
P(C ∪ D) = P(C) + P(D) − P(C ∩ D)

Calculando as probabilidades separadamente, temos
n(C) 50
P(C) = = (não simplifica)
n(E) 140
n(D) 20
P(D) = = (não simplifica)
n(E) 140
n(C ∩ D) 0
P(C ∩ D) = = (não simplifica)
n(E) 140
Substituindo de volta na fórmula da adição de probabilidade, chegamos que
50 20 0 50 + 20 − 0 70 1
P(C ∪ D) = + − = = =
140 140 140 140 140 |{z} 2
÷70

Exercícios
Logo, a probabilidade de se escolher uma mulher que já voou ou um homem que vai
1
voar pela 1a vez é .
2
Observação: Quando se calcula a probabilidade em separado, como nos casos acima,
o melhor é não simplificar, pois teremos o mesmo denominador, facilitando as contas.
Exemplo 3
Um cliente escolheu, ao acao, um apartamento para visitar entre os apartamentos
disponíveis para venda em uma imobiliária. A probabilidade de que o partamento
1
escolhido seja da zona sul é , a probabilidade de que tenha mais de uma vaga de
2
2
garagem é , e a probabilidade de esse apartamento ser da zona sul ou ter mais de
3
3
uma vaga de garagem é . Calcule a probabilidade de que esse apartamento seja da
4
zona sul e tenha mais de uma vaga de garagem.

Exercícios
Solução: Estamos em uma situação em que as probabilidade já são dadas. Devemos,

primeiramento dá nome aos eventos e depois saber o que está sendo pedido. Vejamos
A = apartamento na zona sul;

B = apartamento com mais de uma vaga de garagem.
Assim, pelas informações dadas na questão concluimos que
1 2 3
P(A) = , P(B) = e P(A ∪ B) =
2 3 4
Observe que a probabilidade pedida é a probabilidade de A ∩ B, pois temos o conectivo
e. Pelo teorema da adição de probabilidade, temos
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
Substituindo, temos
3 1 2
= + − P(A ∩ B)
4 2 3

Exercícios
3 1 2
− − = −P(A ∩ B)
4 2 3
9−6−8
= −P(A ∩ B)
12
5
− = −P(A ∩ B) × (−1)
12
5
P(A ∩ B) =
12
Portanto, a probabilidade de que esse apartamento seja da zona sul e tenha mais de
5
uma vaga de garagem é .
12
Exercício 2
Resolva os exercícios 16, 17, 18 e 21 da página 17 do livro didático.

Probabilidade condicional

Probabilidade Condicional
Para ilustramos a ideia de probabilidade condicional, vamos começar com uma situ-
ação problema.
Exemplo 1
Em um consócio, cada um dos 10 consociados recebeu uma ficha com um dos números
inteiros de 1 a 10. Será contemplado aquele que possuir a ficha com o mesmo número
da bolinha sorteada entre 10 bolinhas numeradas de 1 a 10.
No momento do sorteio, o representante do consócio declarou, após sortear a bolinha,
que o número sorteado era par.
Qual a probabilidade de o número sorteado ser maior que 4?
Observe que antes de acontecer o sorteio, todas as pessoas tinham esperança de
serem sorteados, pois o espaço amostral era:
E = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
Porém, quando o representante do consócio afirmou que era um número par, as pess-
soas que tinham números ímpares perderam a esperança. Com essa informação o
espaço amostral foi diminuído, e pasou a ser:
A = {2, 4, 6, 8, 10}

Formado apenas pelos números pares.

Sendo B o evento formado pelos números maiores que 4 do espaço amostral E, o
diagrama abaixo ilustra essa situação
Dizer que o número que saiu é par reduz o
espaço amostral ao evento A, isto é, o
espaço amostral passa a ser o evento A.
Logo, um elemento de B (um número maior
que 4) só pode ocorrer na intersecção de A
e B. Assim, a probabilidade P de ocorrer
B, dado que já ocorreu A, é:
n(A ∩ B) 3
P= =
n(A) 5

Gerenarizando o que vimos anteriormente, temos:
Probabilidade Condicional
A probabilidade de ocorrer o evento B dado que ocorreu o evento A, é indicada por
P(B/A) e é calculada por:
n(A ∩ B)
P(B/A) =
n(A)
ou, equivalentemente
P(A ∩ B)
P(B/A) =
P(A)
Qualquer uma das fórmulas acima pode ser usada para calcular a probabilidade conci-
cional, só dependo dos dados oferecidos na questão.

Exemplos
Exemplo 1
Dois amigos estão lançado um dado. Em um determinado momento o dado foi lançado
e caiu embaixo do sofá, apenas um amigo olhou os pontos da face voltada para cima e
afirmou que era um número maior que 3. Qual a probabilidade desse número ser par?
Solução: Observe que estamos em uma questão de probabilidade condicional, pois já

foi dado uma informação sobre o que ocorreu neste evento. Essa informação reduziu o
espaço amostral. Antes era
E = {1, 2, 3, 4, 5, 6}
Com a informação que era o número maior que 3, o espaço amostral diminuiu e passou
a ser
A = {4, 5, 6} e n(A) = 3
Ou seja, passou a ser formados apenas pelos números maiores que 3.
Tomando agora
B = números pares

Exemplos
Temos que calcular a probabilidade de B acontecer dado que A já aconteceu, isto é
n(A ∩ B)
P(B/A) =
n(A)
A ∩ B = {4, 6} e n(A ∩ B) = 2
Assim,
n(A ∩ B) 2
P(B/A) = =
n(A) 3
2
Portanto, a probabilidade de B dado A é .
3

Exemplos
Exemplo 2
Em uma sala estão reunidos 20 homens e 2o mulheres. Entre os homens, 3 são ad-
ministradores, 8 são engenheiros e os demais, economistas.
Entre as mulheres, 7 são administradoras, 8 são economistas e as demais, engen-
heiras.
Um desses profissionais foi escolhido ao acaso para ler a pauta da reunião. Sabendo
que a pessoa escolhida foi uma mulher, qual é a probabilidade de que ela seja economista?
Solução: Como temos vários dados, iremos construir uma tabela para organizar essas
informações fornecidas e, consequentemente, facilitar a resolução do exercício.

Exemplos
Homens Mulheres
Administradores 3 7
Engenheiros 8 5
Economistas 9 8
Vamos agora destacar os conjuntos envolvidos nessa questão

Espaço amostral E = participante da reunião
A ={ participante mulher} e n(A) = 20
B ={ participante é economista} e n(B) = 17
A ∩ B = { o participante é economista e também é mulher} e n(A ∩ B) = 8.

Exemplos
Finalmente, concluimos que:
n(A ∩ B) 8 2
P(B/A) = = =
n(A) 20 |{z} 5
÷ por 4
Portanto, a probabilidade de que a pessoa ecolhida seja economista sabendo-se que

2
ela é mulher é .
5
Exemplo 3
Dois eventos, A e B, de um espaço amostral equiprovável E, finito e não vazio, são
5 3
tais que P(A ∩ B) = e P(A) = . Calcular P(B/A).
8 4
Solução: Para resolver essa questão, vamos utilizar a outra versão da fórmula da
probabilidade condicional
P(A ∩ B)
P(B/A) =
P(A)
Uma vez que já foi nos dado P(A ∩ B) e P(A). Assim, para encontrar P(B/A) devemos
apenas substituir os valores dados

Exemplos
5
P(A ∩ B) 5 4 20 5
P(B/A) = = 8 = · = = = .
P(A) 3 8 3 24 |{z} 6
÷ por 4
4
5
Portanto, P(B/A) = . Vamos praticar!
6
Exercícios - Probabilidade condicional

Resolva os exercícios 22, 23, 24 e 25 da página 19 do livro didático.

A ideia de independência de eventos é de grande importância na probabilidade. Vamos

observar um exemplo e depois iremos definir formalmente o que são eventos indepen-
dentes.
Exemplo 1
Considere o experimento
"Lançar dois dados perfeitos de cores diferentes"
Seja A o evento "sair 6 no 1o dado" e "B o evento sair 3 no 2o dado".
Sobre esse experimento temos

n(E) = 36
A = {(6, 1); (6, 2); (6, 3); (6, 4); (6, 5); (6, 6)}, n(A) = 6
B = {(1, 3); (2, 3); (3, 3); (4, 3); (5, 3); (6, 3)}, n(B) = 6

Eventos indepedentes
n(A) 6 1
P(A) = = =
n(E) 36 6
n(B) 6 1
P(B) = = =
n(E) 36 6
n(A ∩ B) 1
A ∩ B = {(6, 3)} ⇒ P(A ∩ B) = =
n(E) 36
1
P(A ∩ B) 36 1 6 1
P(B/A) = = = · =
P(A) 1 36 1 6
6
1
Assim, P(B) = P(B/A) = , isto é, a probabilidade de "sair 3 no 2o dado" não foi
6
afetada pelo fato de "sair 6 no 1o lançamento", ou seja, a probabilidade de ocorrer B,
não depende da ocorrência de A.

Definição
Sejam um espaço amostral E, finito e não vazio, e dois eventos A e B de E. Dizemos
que A e B são eventos independentes se, e somente se:
P(B/A) = P(B) e P(A/B) = P(A)
e consequentemente,
P(B ∩ A) = P(A) · P(B)
| {z }
P(B/A)

Exemplo 1
Uma moeda perfeita é lançada duas vezes. Considerando os eventos
A: sair cara na 1a jogada
B: sair cara na 2a jogada
Determine se A e B são independentes.
Resolução: Para provar que A e B são independentes deveremos verificar se P(B/A) =

P(B). Observe que
E = {(C, C); (C, K ); (K , C); (K , K )}, n(E) = 4
n(A) 2 1
A = {(C, C); (C, K )}, n(A) = 2 ⇒ P(A) = = =
n(E) 4 2
n(B) 2 1
B = {(C, C); (K , C)}, n(B) = 2 ⇒ P(B) = = =
n(E) 4 2
n(A ∩ B) 1
A ∩ B = {(C, C)}, n(A ∩ B) = 1 ⇒ P(A ∩ B) = =
n(E) 4

Logo,
1
A∩B 1 2 2 1
P(B/A) = = 4 = · = =
P(B) 1 4 1 4 2
2
1
Como P(A) = , então P(B/A) = P(B) e os eventos A e B são independentes.
2
Exercício
3
Dois eventos independentes, A e B, de um espaço amostral E são tais que P(A) =
5
2
e P(B) = . Calcule:
3
a) P(A/B)
b) P(B/A)
c) P(A ∩ B)
d) P(A ∪ B)

Multiplicação de probabilidades

Multiplicação de probabilidades
Já vimos que a probabilidade de um evento B condicionado por um evento A é dada

por
P(A ∩ B)
P(B/A) =
P(A)
Como consequência disso, temos
P(A ∩ B) = P(A) · P(B/A)
Essa igualdade é conhecida como teorema da multiplicação de probabilidades. Ob-

serve que um indício de que será preciso usar essa fórmula para resolver problemas de
probabilidade é o aparecimento do conectivo "e". Além disso, note que se os eventos
A e B forem independentes, então:
P(A ∩ B) = P(A) · P(B)

Exemplo 1
Em uma caixa contém exatamente 7 parafusos: 4 de

aço e 3 de ferro. Retira-se ao acaso um parafuso da
caixa, registra-se o metal de que é feito e repõe-se a
caixa, misturando-o aos demais. Em seguida retira-
se, novamente ao acaso, outro parafuso da caixa e
registra-se o metal que o compõe. Calcular a proba-
bilidade de saírem:
a) o primeiro parafuso de aço e o segundo de ferro;
b) 2 parafusos de metais diferentes.
Resolução: O número de elementos do espaço amostral desse evento é n(E) = 7.

a) Vamos considerar
A: o parafuso é de aço (n(A) = 4)
F : o parafuso é de ferro (n(F ) = 3)
4 3
Assim, P(A) = e P(F ) = .
7 7

Uma observação relevante é que o número de elementos continua o mesmo depois de

se observar o primeiro parafuso, pois houve a reposição do primeiro parafuso na caixa.
Para finalizar essa questão, observe que estamos querendo a probabilidade de A e F ,
isso nos leva ao teorema da multiplicação de probabilidades. Portanto,
4 3 12
P(A ∩ F ) = P(A) · P(F ) = · =
7 7 49
b) A questão a) será muito útil na resolução dessa questão. Note que só podemos ter
duas situações onde os parafusos são de metais diferentes: A e F ou F e A. Daí
4 3 12
A e F : P1 = P(A ∩ F ) = P(A) · P(F ) = · =
7 7 49
ou
3 4 12
F e A: P2 = P(F ∩ A) = P(F ) · P(A) = · =
7 7 49
Como o conectivo "ou" indica a adição de probabilidades, a probabilidade P de
saírem parafusos de metais diferentes é dada por
12 12 12
P = P1 + P2 = + =
49 49 49

Exemplo 2
Uma caixa contém exatamente 7 parafusos: 4 de aço e 3 de ferro. Retiram-se ao acaso

2 parafusos dessa caixa, sem reposição. Calcular a probabilidade de saírem:
a) o primeiro de aço e o segndo de ferro;
b) 2 parafusos de metais diferentes.
Resolução: Vamos considerar

A: o parafuso é de aço
F : o parafuso é de ferro
n(A) 4
a) Assim, P(A) = = . Observe que não houve reposição, assim o espaço
n(E) 7
amostral passa a ter 6 parafusos (3 de aço e 3 de ferro) e, consequentemente,
n(F ) 3
P(F ) = = . Como temos o conectivo "e", a probabilidade de obtermos A e
n(E) 6
F é
4 3 12 2
P(A ∩ F ) = P(A) · P(F ) = · = =
7 6 42 |{z} 7
÷6

b) Nos interessa qualquer sequência de dois parafusos com metais diferentes, isto é,
A e F ou F e A. Daí, temos
4 3 12 2
A e F : P1 = P(A ∩ F ) = P(A) · P(F ) = · = =
7 6 42 7
ou
3 4 12 2
F e A: P2 = P(F ∩ A) = P(F ) · P(A) = · = =
7 6 42 7
Como temos o conectivo "ou" indica que temos uma adição de probabilidades,
logo a probabilidade P de termos parafusos de metais diferentes é dada por:
2 2 4
P = P1 + P2 = + =
7 7 7

Exemplo 3
Uma urna contém exatamente nove bolas: cinco

azuis (A) e quatro vermelhas (V ).
a) Retirando simultaneamente três bolas da caixa,
qual é a probabilidade de se obterem duas bolas
azuis em uma caixa?
b) Retirando sucessivamente, sem reposição,
três bolas da urna, qual é a probabilidade de se
obterem duas bolas azuis e uma vermelha?
Resolução:
a) Observe que o espaço amostral (E) é qualquer conjunto formado formado por três
bolas da urna, ou seja, o número de elementos desse espaço amostral é a
quantidade de conjuntos de três bolas da urna. Logo, essa quantidade é uma
n!
combinação C9,3 . Lembre que Cn,p . Daí
p!(n − p)!
9! 9! 9·8·7·6! 504
n(E) = C9,3 = = = = = 84
3!(9 − 3)! 3!6! 3!
6! 6

Agora, vamos determinar o evento (A) formado por todos os conjuntos possíveis de
três bolas da urna, sendo duas azuis e uma vermelha. Novamente, vamos usar com-
binações. Temos exatamente C5,2 conjuntos de duas bolas azuis e C4,1 conjuntos for-
mados apenas por uma bola vermelha. Daí, pelo princípio fundamental da contagem
n(A) = C5,2 · C4,1
Onde,
5! 5! 5 · 4
3! 20
C5,2 = = = = = 10
2!(5 − 2)! 2!3! 2· 3! 2
e
4! 4! 4· 3! 4
C4,1 = = = = =4
1!(4 − 1)! 1!3! 1! ·
3! 1
Consequentemente, n(A) = 10 · 4 = 40. Logo,
n(A) 40 10
P(A) = = =
n(E) 84 |{z} 21
÷4

b) Queremos sequências com duas bolas azuis e uma bola vermelha. São três
sequências. Observe cada uma delas com suas respectivas probabilidades (note o
fato de não haver reposição):
5 4 4 80 10
AAV : P1 = P(A) · P(A) · P(V ) = · · = = ou
9 8 7 504 |{z} 63
÷8
5 4 4 80 10
AVA: P2 = P(A) · P(V ) · P(A) = · · = = ou
9 8 7 504 |{z} 63
÷8
4 5 4 80 10
VAA: P3 = P(V ) · P(A) · P(A) = · · = =
9 8 7 504 |{z} 63
÷8
Como temos o conectivo "ou", a probabilidade total será a soma:
10 10 10 30 10
P = P1 + P2 + P3 = · · = =
63 63 63 63 |{z} 21
÷3

Iremos sugerir que todo problema de retiradas simultâneas seja convertido em reti-
radas sucessivas e sem reposição.
É possível fazer isso pois:
A probabilidade de se retirar simultaneamente k elementos de um conjunto A é
igual à probabilidade de retirá-los simultanemente e sem reposição.
Vejamos o exemplo:
Exemplo 4
Uma urna contém exatamente 11 bolas: 6 azuis (A) e 5 vermelhas (V). Retirando-se si-
multaneamente 4 bolas, qual é a probabilidade de saírem 3 bolas azuis e 1 vermelha?
Resolução: Em vez de usar retiradas simultâneas, vamos resolver um problema

equivalente, retirando as bolas sucessivamente e sem reposição. Como queremos
com 3 bolas azuis e 1 vermelha, temos:

6 5 4 5 600 5
AAAV : P1 = P(A) · P(A) · P(A) · P(V ) = · · · = = ou
11 10 9 8 7920 |{z} 66
÷120
6 5 5 4 600 5
AAVA: P2 = P(A) · P(A) · P(V ) · P(A) = · · · = = ou
11 10 9 8 7920 |{z} 66
÷120
6 5 5 4 600 5
AVAA: P3 = P(A) · P(V ) · P(A) · P(A) = · · · = = ou
11 10 9 8 7920 |{z} 66
÷120
5 6 5 4 600 5
VAAA: P4 = P(V ) · P(A) · P(A) · P(A) = · · · = = Logo, a
11 10 9 8 7920 |{z} 66
÷120
probabilidade total será a soma:
5 5 5 5 20 10
P = P1 + P2 + P3 + P4 = + + + = =
66 66 66 66 66 |{z} 33
÷2
Observação: Como todas as probabibilidades são iguais a P1 , poderíamos multiplicar

5 20 10
P1 por 4 para encontrar P, isto é, P = 4 · P1 = 4 ·
= = .
66 66 33

Exercícios
Agora é a vez de vocês praticarem.
Exercícios
Resolvam os exercícios 30, 31, 32, 33, 34 e 35 do livro didático página 25.

Probabilidades

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Probabilidades

Enviado por

Direitos autorais:

Formatos disponíveis

O conceito de probabilidade Adição de probabilidades Probabilidade condicional Multiplicação de probabilidades

Prof. Adailton Pereira

Secretaria Estadual de Educação e Cultura

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 1 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 2 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 3 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 4 / 54

Exemplos de experimentos aleatórios

Vejamos alguns exemplos de experimentos aleatórios

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 5 / 54

Espaço amostral e evento de um experimento aleatório

O conjunto de todos os resultados possíveis de um experimento aleatório é chamado

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 6 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 7 / 54

No número de elementos do espaço amostral do exemplo aterior é n(E) = 36. O

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 8 / 54

em que n(A) e n(E) indicam, respectivamente, indicam o número de elementos de A e

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 9 / 54

Essa mesma probabilidade pode ser representado por P(A) = 0, 5 = 50%.

O evento B, " sair um número menor que 5", isto é,

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 10 / 54

E = {(C, C), (C, K ), (K , C), (K , K )} e n(E) = 4

O evento H, é "sair pelo menos uma cara", ou seja,

H = {(C, C), (C, K ), (K , C)} e n(H) = 3

Portanto, a probabilidade de H acontecer é

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 11 / 54

G = {(1, 4), (2, 3), (3, 2), (4, 1)} e n(G) = 4

Portanto, a probabilidade de G é dada por

Agora é sua vez de praticar!

1 Resolva os exercícios 1, 2, 3, 4 e 5 do seu livro didático páginas 10 e 11.

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 13 / 54

Representando em um diagrama, temos

Figure: A região rosa representa A e a região laranja o complementar de Ā

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 16 / 54

Considere a seguinte situação:

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 17 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 18 / 54

Lembrando da teoria dos conjuntos, ∪ =união e ∩ =interseção. Além disso, temos a

n(A ∪ B) = n(A) + n(B) − n(A ∩ B)

Portanto, usando o diagrama acima

n(A ∪ B) = 19 + 20 − 12 ⇒ n(A ∪ B) = 27.

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 19 / 54

Podemos agora enunciar o chamado, Teorema da adição de probabilidades

Teorema da adição de probailidades

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

n(A) n(B) n(A ∩ B)

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 20 / 54

E = {1, 2, 3, ..., 20}, n(E) = 20

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 21 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 22 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 23 / 54

Observe que o espaço amostral E é o conjunto de todas as pessoas que participaram

b) Sendo C = mulheres que já voaram antes, temos n(C) = 50

P(C ∪ D) = P(C) + P(D) − P(C ∩ D)

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 25 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 26 / 54

Solução: Estamos em uma situação em que as probabilidade já são dadas. Devemos,

A = apartamento na zona sul;

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 27 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 28 / 54

Prof. Adailton Pereira SEEC/RN Aula de probabilidade 29 / 54