Escolar Documentos
Profissional Documentos
Cultura Documentos
Realizando várias experiências sob condições idênticas, deveria esperar – se resultados que
fossem essencialmente os mesmos. No entanto, os fenómenos observados na vida real são
fenómenos cujos resultados, mesmo em condições normais e idênticas de experimentação variam
de uma observação para outra, dificultando desta maneira a previsão de um resultado futuro.
Experiências ou fenómenos em que os resultados não são essencialmente os mesmos ainda que
as condições de sua realização se mantenham praticamente as mesmas, nos quais os resultados
dependem inteiramente do acaso, são chamados experimentos aleatórios. É sobre este grupo de
fenómenos que incide o estudo da teoria das probabilidades.
S x1, x2 , x3 , ...., xn }
Exemplo 1.1 Lançando um dado com todas as faces numeradas. Observando o número da face
que aparece em cima.
a) Qual será o espaço amostral desse experimento?
b) Escreva o subespaço amostral constituído por todos os números pares.
Resolução
a) Espaço amostral S ={1, 2, 3, 4, 5, 6}
b) O subespaço amostral constituído por números pares é: W = {2, 4, 6}
32
1. Teoria Elementar das probabilidades
Exemplo 1.2 No lançamento de uma moeda 3 vezes e observando a sequência de cara (K) e
coroa (C) que aparecem na face de cima.
a) Qual será o espaço amostral desse experimento?
b) Escreva o subespaço constituído pela ocorrência de duas ou mais caras.
Resolução
a) O espaço amostral consiste em 8 elementos. Para encontrar este número usemos o diagrama
de árvore que nos dará o número das possibilidades em três lançamentos da moeda
K KKK
K
C KKC
K K KCK
C
C KCC
K CKK
C K
C CKC
K CCK
C
C CCC
O espaço amostral será: S = {kkk, kkc, kck, kcc, ckk, ckc, cck, ccc}
b) O subespaço com duas ou mais caras é : W = {kkk, kkc, kck, ckk}
Resolução
a) O espaço amostral desta experiência tem 2*6 = 12 possibilidades
S = {k1, k2, k3, k4, k5, k6, c1, c2, c3, c4, c5, c6}
b) O subespaço W de S será W = {k2, k4, k6}
33
1. Teoria Elementar das probabilidades
Todos os acontecimentos que ocorrem quando se realiza uma experiência podem ser divididos
em três tipos fundamentais.
a) Acontecimentos certos – são aqueles que sempre se verificam quando se realiza uma
experiência.
c) Acontecimentos aleatórios - são aqueles em que sua realização depende do acaso, isto é,
acontecimentos nos quais seu resultado é difícil de se prever.
34
1. Teoria Elementar das probabilidades
Resolução
- Todos os subespaços de S são acontecimentos
- W4 é acontecimento elementar.
- W1, W2, W3, W5 são acontecimentos não elementares.
- W5 é acontecimento certo, W5 = S.
- W6 é acontecimento impossível.
Geralmente não é possível prever o resultado de uma experiência aleatória, no entanto, pode –se
estudar o que acontece quando a experiência é repetida muitas vezes. Consideremos a seguinte
tabela relativa ao lançamento de uma moeda.
Frequência relativa de cara 0.70 0.40 0.62 0.38 0.50 0.55 0.60 0.47 0.49
Pode – se observar que a medida que aumenta o número de lançamentos, a frequência relativa do
acontecimento “sair uma face cara”, estabiliza –se a volta do valor 0.5. Se fizermos um gráfico
obteremos um conjunto de pontos que tendem para o limite 0.5.
35
1. Teoria Elementar das probabilidades
Conceito de Probabilidade
.7
.6
.5
.4
20 40 60 80 100
Numero de lançamentos
Para calcular a probabilidade de um acontecimento, pela definição anterior, teríamos que repetir
cada experiência em um grande número de vezes Além disso, por esse procedimento nunca se
obteria um valor exacto. Para evitar este inconveniente, Laplace (1749 – 1827) enunciou a
seguinte definição de probabilidade.
Exemplo 1.8. De uma caixa contendo, 3 bolas vermelhas 2 brancas e 5 azuis, retira-se uma bola
da caixa. Qual é a probabilidade da bola retirada ser:
a) Uma bola vermelha?
b) Uma bola branca?
c) Uma bola azul?
Resolução
m1 3 Bolas vermelhas, m2 2 bolas brancas e m3 5 bolas azuis, n m1 m2 m3 10
36
1. Teoria Elementar das probabilidades
m1 3
a) P(V ) 0.3
n 10
m 2
b) P(B) 2 0.2
n 10
m 5
c) P( A) 3 0.5
n 10
Resolução
Espaço amostral: S ={1, 2, 3, 4, 5, 6}
37
1. Teoria Elementar das probabilidades
38
1. Teoria Elementar das probabilidades
Exemplo 1.10. Em uma urna há 30 bolas: 15 brancas, 10 vermelhas e 5 azuis. Tirando dessa
urna bola ao acaso, achar a probabilidade de que,
a) A bola seja branca.
b) A bola seja vermelha
c) A bola não seja branca.
Resolução:
m1 15 bolas brancas, m2 10 bolas vermelhas e m3 5 bolas azuis, m1 m2 m3 30
m1 15
a) P(B) 0.5
n 30
m 10
b) P(V ) 2 0.3
n 30
c) P(B) 1 P(B) 1 0.5 0.5
Resolução
n 100, M 30, E 20, M E 10
30 3 20 2 10 1
P(M ) , P(E) , P(M E)
100 10 100 10 100 10
3 2 1 2
P(M E) P(M ) P(E) P(M E)
10 10 10 5
39
1. Teoria Elementar das probabilidades
P(AUB)
P(B | A) , A e B são acontecimentos dependentes (2.6)
P(A)
Exemplo 1.12. Suponhamos que temos um conjunto de 5 estudantes matriculados pela primeira
vez e 2 pela segunda vez numa certa disciplina. Na tentativa de encontrar estudantes repetentes,
são perguntados um por um de forma aleatória e sem reposição. Qual é a probabilidade de
encontrarmos os dois estudantes repetentes na primeira e segunda perguntas?.
Resolução
Sejam A1 e A2 eventos que consistem no primeiro e segundo estudantes a serem perguntados e
serem repetentes.
2 1 2 1 1
P( A1 ) , P( A2 | A1 ) , P( A) P( A1) * P( A2 | A1 ) *
7 6 7 6 21
Exemplo 1.13. Numa certa cidade 40% das pessoas têm cabelos castanhos, 25% têm olhos
castanhos e 15% tanto cabelos como olhos são castanhos. Uma pessoa é seleccionada ao acaso
na cidade.
a) Se esta pessoa possui cabelos castanhos, qual é a probabilidade de que também tenha olhos
castanhos?
b) Se ela tem olhos castanhos, qual é a probabilidade de que esta pessoa não tenha cabelos
castanhos?
c) Qual é a probabilidade de que a pessoa escolhida não tenha nem cabelos nem olhos
castanhos.
Resolução
Dados: P(CC) 0.40, P(OC) 0.25, P(CC OC) 0.15,
P(OC CC ) 0.15 3
a) P(OC | CC)
P(CC) 0.40 8
P( CC OC)
0.15 2
b) P(CC | OC) 1 P(CC | OC) 1 1
P(OC) 0.25 5
c) P(CC OC) 1 P(CC OC) 1 P(CC) P(OC) P(CC OC)
1 (0.40 0.25 0.15) 0.5
P( Ai ) 1 P( A1 ) * P( A2 ) *... * P( An ) (2.8)
Resolução
Seja B bom funcionamento e M mau funcionamento, então no nosso exemplo teremos:
B1 0.9, B2 0.89, B3 0.93 M1 0.1, M2 0.11, M3 0.07
b) P(B) P(B1) * P(B2) * P(M 3) P(B1) * P(M 2) * P(B3) P(M1) * P(B2) * P(B3)
0.9 * 0.89 * 0.07 0.9 * 0.11* 0.93 0.1* 0.89 * 0.93 0.2309
c) P(C) P(M1) * P(M 2) * P(M 3) 0.1* 0.11* 0.07 0.0008
d) P(D) 1 P(M1) * P(M 2) * P(M 3) 1 0.0008 0.9992
Exemplo 1.15. Três máquinas A, B e C produzem, respectivamente 50%, 30% e 20% do número
total das peças de uma fábrica. As percentagens de produção defeituosa dessas máquinas são
respectivamente 3%, 4% e 5%. Se uma peça é seleccionada ao acaso, qual é a probabilidade da
peça ser defeituosa?
41
1. Teoria Elementar das probabilidades
Resolução
Seja X, o acontecimento que consiste numa peça defeituosa e P(X) sua probabilidade. P(X|A),
P(X|B) e P(X|C) são probabilidades de produção de uma peça defeituosa nas máquinas A, B e C.
P( X ) P( A) * P( X | A) P(B) * P( X | B) P(C) * P( X | C)
Fórmula de Bayes
P(Bi ) * P( A | Bi ) P(Bi ) * ( A | Bi )
P(Bi | A) (2.10)
P(Bi ) * P( A | Bi ) P( A)
Exemplo 1.17 Cerca de 50% dos estudantes que terminam o seu curso na UEM em um período
de 5 anos são do curso C, 30% são do curso B e 20% são do curso A. As probabilidades de
terminar um dos cursos em cinco anos sendo iguais a 0.4, 0.6 e 0.8, respectivamente.
a) Achar a probabilidade de que um recém graduado em uma determinada época apôs 5 anos de
estudo seja do curso C?.
b) Calcular a probabilidade de que um estudante graduado sob condições anteriores seja do
curso C ou B?.
Resolução
P(C) * P( X | C) 0.20
a) P(C | X ) 0.3704
P(C) * P( X | C) P(B) * P( X | B) P( A) * P( X | A) 0.20 0.18 0.16
42
1. Teoria Elementar das probabilidades
Resolução
O número de possibilidades será dado pelo produto conforme o princípio estabelece.
m 5 * 3 15 maneiras diferentes.
Factorial de n.
Por definição, factorial de n é igual ao produto de todos os números inteiros desde 1 até n.
Assim”
3! 1* 2 * 3 6
8! 1* 2 * 3 * 4 * 5 * 6 720
Observação
Por definição axiomática 0! = 1, e as máquinas normais só executam até 69! 1.71*1098
n!
Anm com m n (2.11)
(n m)!
43
1. Teoria Elementar das probabilidades
n n!
com m n (2.12)
m m!(n m)!
Exemplo 1.19. Quantos grupos diferentes de 4 estudantes podem ser formados com 9 estudantes
preparados para representar uma Faculdade em um concurso de cultura geral.
Resolução
n n! 9 9! 5!*6 * 7 * 8 * 9
7 * 2 * 9 126
m m!(n m)! 4 4!(9 4)! 1* 2 * 3 * 4 * 5!
Assim, podem ser formados 126 grupos diferentes com 4 elementos cada.
Exemplo 1.20. Num determinado curso, estão matriculados 100 estudantes, entre os quais 10
repetentes. Se extraem 4 estudantes do curso ao acaso. Encontrar a probabilidade de que os 4
estudantes sejam todos.
a) Estudantes repetentes.
b) Estudantes não repetentes.
Resolução
N = 100 estudantes, dos quais 10 repetentes, 90 não repetentes e 4 extraídos entre os 100.
100
3921225 Agrupamentos diferentes com 4 elementos cada.
4
90
2555190 Agrupamentos diferentes com 4 elementos todos não repetentes.
4
10
210 Agrupamentos diferentes com 4 elementos todos repetentes.
4
10
a) P(TR) 4 210 0.000054
100 3921225
4
90
b) P(TNR) 4 2555190 0.65
100 3921225
4
44
1. Teoria Elementar das probabilidades
Exemplo 1.21. três lâmpadas são escolhidas ao acaso de um grupo de 15 lâmpadas, das quais 5
são defeituosas. Calcular a probabilidade p de que:
a) Nenhuma seja defeituosa.
b) Exactamente uma seja defeituosa
c) Pelo menos uma seja defeituosa.
Resolução
N = 15 lâmpadas, 5 defeituosas, 10 não defeituosas e 3 escolhidas ao acaso.
10
a) P(B) 3 120
0.2637
455
15
3
5 10
*
b) P(1D) 1 2 225
0.4945
15 455
3
c) P(C) P(D 1) 1 P(B) 1 0.2637 0.7363
n
Pn(k ) * p k * (1 p) n k com k n e 0 p 1 (2.13)
k
Onde p é a probabilidade de ocorrência de um sucesso e 1- p = q a probabilidade de insucesso.
Exemplo 1.22. Uma moeda não viciada e lançada 5 vezes ao ar. Considere o aparecimento de
coroa como sucesso.
Resolução
Dados n = 5; p = q =0.5
45
1. Teoria Elementar das probabilidades
5
a) k 2 P5(k 2) * 0.52 * 0.53 0.31
2
b) k 3 P5(k 3) P5(3) P5(4) P5(5) 0.5
5
c) k 0 P5(k 0) * 0.50 * 0.55 0.031
0
Exemplo 1.23 Em um torneiro dos países da África Austral, admitindo-se que as equipas são de
treinamento igual, achar ao mais provável dos acontecimentos nos jogos entre Moçambique e
Zimbábwe. Considere os empates não válidos.
a) Moçambique ganhar um em dois jogos ou ganhar dois em quatro jogos.
b) Moçambique ganhar pelo menos dois jogos em quatro ou pelo menos três em cinco.
Resolução
Se as equipas são de treinamento igual, então p(ganhar) = p(perder) = 0.5
Os jogos 1, 2, 3, 4, 5 ocorrem em condições idênticas, logo temos repetição de provas.
2 4
a) P2( g 1) * 0.51 * 0.521 0.50 : P4(g 2) * 0.52 * 0.52 0.3750
1 2
b) Como P2(1) > P4(2) é mais provável Moçambique ganhar 1 em dois jogos.
P4(g 2) P4(2) P4(3) P4(4) 0.3750 0.2500 0.0625 0.6875
P5(g 3) P5(3) P5(4) P5(5) 0.3125 0.15625 0.03125 0.50
Como P4(g 2) P5(g 3) é mais provável Moçambique ganhar pelo menos 2 em 4 jogos do
que pelo menos 3 em 5 jogos.
1 k np
Pn(k ) * ( x) onde x com k < n (2.14)
npq npq
A função (x) é par, portanto (x) (x) , ela está definida para x 0 . Pode ser consultada
para valores da função densidade da distribuição normal padrão (tabela 1).
46
1. Teoria Elementar das probabilidades
Exemplo 1.24. A probabilidade de acertar uma pergunta num teste sendo 0.8. Achar a
probabilidade de acertar exactamente 75 perguntas em 100 contidas no teste.
Resolução
1 1* 0.1826
Pn(k ) * (x) P100(75;0.8) 0.046
npq 100 * 0.8 * 0.2
k1 np k 2 np
Os valores de x são dados pelas fórmulas x1 e x2
npq npq
A função ( x) é ímpar, logo (x) (x) . Os valores da função ( x) são obtidos na tabela
de valores da função de distribuição normal padrão. Estes valores representam áreas entre a
curva normal da função densidade de probabilidades, o eixo dos escores reduzidos (tabela 2).
Exemplo 1.25. A probabilidade de ocorrência e um acontecimento em cada uma das 200 provas
independentes sendo 0.6, achar a probabilidade deste, ocorrer pelo menos 110 vezes e ao
máximo 140 vezes.
Resolução.
47