Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso
Probabilidade
O termo probabilidade se refere ao estudo da aleatoriedade e
da incerteza.
Em qualquer situação em que ocorrem diversos resultados,
a teoria da probabilidade oferece métodos de quantificação
das chances ou possibilidades de ocorrência associadas aos
diversos resultados. A linguagem da probabilidade é cons-
tantemente usada de maneira informal em contextos escritos
e falados. Exemplos incluem declarações como: “é provável
que a média Dow-Jones cresça no final do ano”, “há 50% de
chance de o titular buscar a reeleição”.
Espaços amostrais e eventos
Um experimento é qualquer ação ou processo cujo resultado
está sujeito à incerteza. Dessa forma, os experimentos que
são de interesse incluem jogar uma moeda uma ou diversas
vezes, selecionar uma ou várias cartas de um baralho, pesar
um pedaço de pão.
O espaço amostral de um experimento → Represen-
tado por S, é o conjunto de todos os resultados possíveis desse
experimento.
Exemplo 1:
Se examinarmos três fusíveis em sequência e anotarmos o
resultado de cada exame, o resultado do experimento é qual-
quer sequência de N e D de 3 elementos, de forma que
S = {N N N, N N D, N DN, N DD, DN N, DN D, DDN, DDD} Exemplos de eventos compostos são
Exemplo 2:
Dois postos de gasolina estão localizados em uma determi-
nada interseção. Cada um possui seis bombas. Considere
o experimento em que o número de bombas em uso em de-
terminada hora do dia é determinado para cada posto. Um
resultado experimental especifica quantas bombas estão em
uso no primeiro posto e quantas são usadas no segundo. Um
resultado possível é (2, 2), outro é (4, 1) e outro ainda é (1,
4). Os 49 resultados em S são exibidos na tabela a seguir.
Eventos
No estudo de probabilidade, estaremos interessados não ape-
nas nos resultados individuais de S, como também em qual-
quer grupo de resultados de S.
24 de setembro de 2023
Definição
Evento é qualquer grupo (subconjunto) de resultados
contidos no espaço amostral S. O evento é denomi-
nando simples se consistir um único resultado e com-
posto se consistir em mais de um resultado.
Exemplo 3:
Considere um experimento em que cada um de três veículos
que trafeguem em uma determinada estrada siga pela saída à
esquerda (E) ou à direita (D) no final da rampa de saída. Os
oito resultados possíveis que compõem o espaço amostral são:
EEE, DEE, EDE, EED, EDD, DED, DDE e DDD. Dessa
forma, há oito eventos simples, dentre os quais estão E1 =
{EEE} e E5 = {EDD}. Os eventos compostos incluem:
• A = {DEE, EDE, EED} o evento em que exatamente um
dos três veículos vira à direita;
• B = {EEE, DEE, EDE, EED} o evento em que no má-
ximo um dos veículos vira à direita;
• C = {EEE, DDD} o evento em que os três veículos viram
na mesma direção.
Suponha que, quando o experimento é executado, o resul-
tado seja EEE. Então, o evento simples E1 terá ocorrido, da
mesma forma que os eventos B e C (mas não A).
Exemplo 2: Continuação
Quando o número de bombas em uso em cada um dos dois
postos de seis bombas for observado, haverá 49 resultados
possíveis, de forma que haverá 49 eventos simples: E1 = {(0,
0)}, E1 = {(0, 1)}, ... , EE4 9 = {(6, 6)}.
• A = {(0, 0), (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} o
evento em que o número de bombas em uso é o mesmo
nos dois postos;
• B = {(0, 4), (1, 3), (2, 2), (3, 1), (4, 0)} o evento em que
o número total de bombas em uso é quatro;
• C = {(0, 0), (0, 1), (1, 0), (1, 1)} o evento em que no
máximo uma bomba está em uso em cada posto.
Algumas relações sobre a teoria dos conjuntos
Um evento é essencialmente um conjunto, de forma que as
relações e resultados da teoria elementar dos conjuntos podem
ser usados para o estudo dos eventos. As operações a seguir
serão usadas para construção de novos eventos, a partir de
eventos conhecidos.
1. A união de dois eventos A e B, representada por A ∪ B
e lida ”A união B”, é o evento que consiste em todos os
resultados que estão no evento A ou no B ou em ambos
(de forma que a união inclui resultados em que ocorram
A e B, bem como aqueles em que exatamente um ocorre),
isto é, todos os resultados em ao menos um dos eventos.
2. A interseção dos dois eventos A e B, representada por A
∩ B e lida “A interseção B”, é o evento que consiste de
todos os resultados que estão em ambos A e B.
1
 Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso

3. O complemento de um evento A, representado por A’, é
o conjunto de todos os resultados em S que não estão
contidos em A.
Exemplo 2: Continuação
Para o experimento em que é observado o número de bom-
bas em uso em um posto de gasolina de seis bombas, assuma
A = {0, 1, 2, 3, 4}, B = {3, 4, 5, 6} e C = {1, 3, 5}. Então
• A ∪ B = {0, 1, 2, 3, 4, 5, 6} S; A ∪ C = {0, 1, 2, 3, 4,
5},
• A ∩ B = {3, 4}, A ∩ C = {1, 3}, A’ = {5, 6}, A ∪ C’ =
{6}
membro da família visita a clínica uma vez e é designada
aleatoriamente a um posto. O experimento consiste em
registrar o número do posto para cada membro. Um
resultado é (1, 2, 1) para A no posto 1, B no posto 2 e
C no posto 1.
a) Relacione os 27 resultados do espaço amostral.
b) Relacione todos os resultados do evento em que os
três membros seguem para o mesmo posto.
c) Relacione todos os resultados do evento em que todos
os membros seguem para postos diferentes.
d) Relacione todos os resultados do evento em que nin-
guém segue para o posto 2.

Definição Axiomas, Interpretações e Propriedades da Probabil

Quando A e B não possuem resultados em comum,
são chamados eventos mutuamente exclusivos ou
disjuntos.
Uma representação gráfica de eventos e manipulações de
eventos é obtida pelo uso de diagramas de Venn. Para cons-
truir um desses diagramas, desenhe um retângulo cujo interior
representará o espaço amostral S. Então, qualquer evento A
é representado como o interior de uma curva fechada (nor-
malmente um círculo) contido em S. A Figura 1.1 mostra
exemplos de diagramas de Venn.
Figura 1.1: Diagrama de Venn
Dados um experimento e um espaço amostral S, o objetivo da
probabilidade é atribuir a cada evento A um número P(A),
denominado probabilidade do evento A, que fornecerá uma
medida precisa da chance de ocorrência de A. Para assegurar
que as atribuições de probabilidade sejam consistentes com
nossas noções intuitivas de probabilidade, todas as atribuições
devem satisfazer os axiomas a seguir (propriedades básicas)
de probabilidade.
1. Para qualquer evento, A, P(A) ⩾ 0.
2. P(S) = 1.
3. a) Se A1 , A2 , · · · , Ak for um conjunto finito de eventos
mutuamente exclusivos, então P (A1 ∪ A2 ∪ · · · Ak ) =
∑k
i=1 P (Ai )
b) Se A1, A2, A3, · · · for um conjunto infinito de eventos
mutuamente exclusivos, então P (A1 ∪ A2 ∪ A3 · · · ) =
∑k
i=1 P (Ai )

O Axioma 1 reflete a noção intuitiva de que a chance de

Exercícios
ocorrência de A deve ser não-negativa. O espaço amostral
é, por definição, o evento que deve ocorrer quando o experi-
mento é realizado (S contém todos os resultados possíveis),
de forma que o Axioma 2 diz que a maior probabilidade pos-
1. Quatro universidades - 1, 2, 3 e 4 - estão participando de sível de ser atribuída a S é 1. O terceiro axioma formaliza a
um torneio de basquete. Na primeira etapa, 1 jogará com ideia de que, se desejarmos que a probabilidade de ao menos
2 e 3 com 4. Os dois vencedores disputarão o campeo- um de diversos eventos ocorra e que dois eventos não ocorram
nato e os dois perdedores também jogarão. Um resultado simultaneamente, a chance de pelo menos um ocorrer será a
possível pode ser representado por 1324 (1 ganha de 2 e soma das chances dos eventos individuais.
3 ganha de 4 nos jogos da primeira etapa e 1 ganha de 3 Exemplo 1:
e 2 ganha de 4). No experimento em que uma única moeda é lançada, o es-
paço amostral é S = {H, T}. Os axiomas especificam que P(S)
a) Relacione todos os resultados de S. = 1, de forma que, para completar a atribuição de probabili-
b) Represente por A o evento em que 1 ganha o torneio. dade, falta apenas determinar P(H) e P(T). Já que H e T são
Relacione os resultados de A. eventos disjuntos e H ∪ T = S, o Axioma 3 implica que
c) Represente por B o evento em que 2 seja um dos fi-
nalistas do campeonato. Relacione os resultados de 1 = P (S) = P (H) + P (T )
B. Essa expressão implica que P(T) = 1 - P(H). A única liber-
d) Quais são os resultados de A ∪ B e de A ∩ B? Quais dade permitida pelos axiomas nesses experimentos é a proba-
são os resultados de A1? bilidade atribuída a H. Uma possível atribuição de probabili-
dades é P(H) = 0,5, P(T) = 0,5, enquanto outra atribuição
2. Uma família de três pessoas – A, B e C – tem plano de possível é P(H) = 0,75, P(T) = 0,25. De fato, representar p
uma clínica médica que sempre possui um médico em por qualquer número fixo entre 0 e 1, P(H) = p e P(T) = 1 -
cada posto 1, 2, e 3. Durante determinada semana, cada p é uma atribuição consistente com os axiomas.

24 de setembro de 2023 2
 Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso

Propriedades de probabilidade
Isto é, se houver N resultados possíveis, a probabilidade
atribuída a cada um será 1/N. Consideremos um evento A,
Proposição → Para qualquer evento, A, P(A) = 1 - P(A’). com N(A) representando o número de resultados contidos em
No Axioma 3a, assuma k=2, A1 = A, e A2 = A′ . Já que A. Então
por definição A’, A ∪A’ = S enquanto A e A’ são disjuntos, ∑ ∑ 1 N (A)
1 = P(S) = P(A ∪ A’) = P(A) + P(A’), de onde segue o P (A) = P (Ei ) = =
N N
resultado. Ei em A Ei em A

Proposição → Para quaisquer dois eventos A e B, P(A ∪ Depois de contarmos o número N de resultados no espaço
B) = P(A) + P(B) - P(A ∩ B) amostral para calcular a probabilidade de qualquer evento,
Exemplo 2: devemos contar os resultados nele contidos e obter a razão
Em um determinado bairro residencial, 60% de todos os la- entre os dois números. Dessa forma, quando os resultados
res assinam o jornal metropolitano publicado em uma cidade forem igualmente prováveis, o cálculo das probabilidades se
próxima, 80% assinam o jornal local e 50% de todos os lares resume na contagem.
assinam os dois. Se um lar for selecionado aleatoriamente, Exemplo 3:
qual será a probabilidade de ele assinar (1) ao menos um dos Quando dois dados são lançados separadamente, há N = 36
jornais e (2) exatamente um dos dois jornais? resultados. Se os dois dados forem justos, todos os 36 resul-
1
Fazendo A = {assinaturas do jornal metropolitano} e B = tados serão igualmente prováveis, então P (Ei) = . Dessa
36
{assinaturas do jornal local}, as informações fornecidas impli- forma, o evento A = {soma dos dois números = 7} consistirá
cam P(A) = 0,6, P(B) = 0,8, e P(A ∩ B) = 0,5. A proposição em seis resultados (1, 6), (2, 5), (3, 4), (4, 3), (5, 2) e (6, 1).
anterior se aplica a dar P(assinaturas de ao menos um dos jor- Assim,
nais)
N (A) 6 1
P (A) = = =
N 36 6
= P (A∪B) = P (A)+P (B)−P (A∩B) = 0, 6+0, 8−0, 5 = 0, 9

Exercícios
O evento de um lar assinar apenas o jornal local pode ser
escrito como A’ ∩ B [(não-metropolitano) e local]. A Figura
2.4 implica que
1. Uma empresa de fundos mútuos oferece a seus clientes
′ ′ diversos fundos: um de mercado, três de títulos diferen-
0, 9 = P (A ∪ B) = P (A) + P (A ∩ B) = 0, 6 + P (A + B)
tes, (curto, médio e longo prazos), dois fundos de ações
pela qual P(A’ ∩ B) = 0,3. De forma similar, P(A ∩ B’) = (médio e de alto risco) e um misto. Dentre os usuários
P(A ∪ B) - P(B) = 0,1. Como ilustrado na Figura 2.5, onde que possuem cotas em apenas um fundo, seguem as por-
se vê que centagens de clientes nos diferentes fundos.

Mercado 20% Ações de alto risco 18%

P (exatamente um) = P (A∩B ′ )+P (A′ ∩B) = 0, 1+0, 3 = 0, 4
Título curto prazo 15%
Ação de risco médio 25%
Título intermediário 10%
Figura 2.1: Probabilidades Título longo prazo 5% Misto 7%

Um cliente que possui cotas em apenas um fundo é sele-

cionado aleatoriamente.
a) Qual é a probabilidade de o indivíduo selecionado pos-
suir cotas do fundo misto?
b) Qual é a probabilidade de o indivíduo selecionado pos-
suir cotas em um fundo de títulos?

Resultados igualmente prováveis

c) Qual é a probabilidade de o indivíduo selecionado não
possuir cotas em um fundo de ações?
Em muitos experimentos que consistem em N resultados, é 2. Uma empresa de consultoria em informática apresenta
razoável atribuir probabilidades iguais a todos os N eventos suas propostas de três projetos. Represente por Ai =
simples. Tais eventos incluem exemplos óbvios, como lança- {projeto i fechado}, para i = {1, 2, 3} e suponha que
mento de uma moeda; ou um dado não viciado uma ou duas P(A1) = 0,22, P(A2) = 0,25, P(A3) = 0,28, P(A1 ∩ A2)
vezes (ou qualquer número fixo de vezes); ou selecionar uma = 0,11, P(A1 ∩ A3) = 0,05, P(A2 ∩ A3) = 0,07, P(A1
ou diversas cartas de um baralho de 52 cartas bem embara- ∩ A2 ∩ A3) = 0,01. Expresse em palavras cada evento
lhado. Com p = P(Ei ) para cada i, a seguir e calcule sua probabilidade:
∑
N ∑
N
1 a) A1 ∪ A2
1= P (Ei ) = p = p · N então p =
i=1 i=1
N b) A′1 ∩ A′2 [sugestão: (A1 ∪ A2 )’ = A′1 ∩ A′2 ]

24 de setembro de 2023 3
 Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso

c) A1 ∪ A2 ∪ A3 mesmo fornecedor e há cinco deles disponíveis na área. Com

d) A′1 ∩ A′2 ∩ A′3 os fornecedores representados por D1 , ..., D5 , há N = n1 n2 n3
= (5)(12)(9) = 540 3-tuplas da forma (Di , Pj , Qk ), havendo
3. Represente por A o evento de que a próxima solicitação 540 formas de escolher primeiro um fornecedor de eletrodo-
de assistência de um consultor de um software estatís- mésticos, depois um encanador e por fim um eletricista.
tico seja relacionada ao pacote SPSS e por B o evento

ajuda ser relacionada ao pacote SAS. Suponha que P(A) Arranjos e Permutações
Probabilidade e Estatística de a próxima solicitação de

= 0,30 e P(B) = 0,50. Qualquer sequência ordenada de k objetos selecionados de

(a) Por que não é o caso de P(A) + P(B) = 1?
(b) Calcule P(A’).
(c) Calcule P(A ∪ B).
(d) Calcule P(A’ ∩ B’).
Técnicas de contagem
Quando os diversos resultados de um experimento são igual-
mente prováveis (a mesma probabilidade é atribuída a cada
evento simples), a tarefa de calcular probabilidades se reduz
a uma contagem. Em particular, se N for a quantidade de
resultados de um espaço amostral e N(A) for a quantidade de
resultados contidos em um evento A, então
N (A)
P (A) =
N
Há, entretanto, muitos experimentos para os quais o esforço
despendido na elaboração de tal lista é proibitivo porque N Nota
é muito grande. Explorando algumas regras gerais de conta-
Para qualquer inteiro positivo m, m! é lido “fatorial
gem, é possível calcular probabilidades sem relacionar os re-
de m” e definido por m! = m(m - 1) ... (2)(1). Além
sultados. Essas regras também são úteis em vários problemas
disso, 0! = 1.
que envolvem resultados que não sejam igualmente prováveis.
A regra do produto para pares ordenados → Se o pri-
meiro elemento ou objeto de um par ordenado puder ser se-
lecionado de n1 formas e para cada uma dessas n1 formas, o
segundo elemento do par pode ser selecionado de n2 formas,
o que faz com que o número de pares seja n1 n2 .
Exemplo:
Uma família se mudou para uma cidade e precisa dos ser-
viços de um obstetra e de um pediatra. Há duas clínicas de
fácil acesso e cada uma tem dois obstetras e três pediatras. A
família obterá benefícios máximos de seguro de saúde se esco-
lher uma clínica e selecionar os dois especialistas. De quantas
formas isso pode ser feito?
Represente os obstetras por O1 , O2 , O3 , e O4 e os pediatras
por P1 , ...P6 . Desejamos então determinar o número de pares
(Oi , Pj ) para os quais Oi e Pj estão associados à mesma clínica.
Como há quatro obstetras, n1 = 4 e para cada um há três
escolhas de pediatra, n2 = 3, a aplicação da regra do produto
fornece N = n1 n2 = 12 escolhas possíveis.
Uma regra do produto mais abrangente → Se um dado
de seis lados é lançado cinco vezes consecutivas em vez de
apenas duas, cada resultado possível é um conjunto de cinco
números como (1, 3, 1, 2, 4) ou (6, 5, 2, 2, 2). Denominaremos
um conjunto ordenado de k objetos uma k-tupla (assim um
par é uma 2-tupla e um trio é uma 3-tupla). Cada resultado
de experimento de lançamento de dados é uma 5-tupla.
Exemplo:
Suponha que o trabalho de reforma da casa envolva a com-
pra de diversos utensílios de cozinha. Eles serão comprados do
um conjunto de n objetos distintos é denominada arranjo de
tamanho k dos objetos. O número de arranjos de tamanho k
que pode ser criado a partir dos n objetos é representado por
Ak,n .
n!
Pk,n =
(n − k)!
Exemplo: Há 10 assistentes de professores disponíveis
para correção de provas em um determinado curso. O pri-
meiro exame consiste em quatro questões e o professor deseja
selecionar um assistente diferente para corrigir cada uma (ape-
nas um assistente por questão). De quantas formas diferentes
os assistentes podem ser escolhidos para a correção? Aqui, n
= número de assistentes = 10 e k = número de questões =
4. O número de atribuições diferentes de correção então será
A4,10 = (10)(9)(8)(7) = 5040.
Combinações
Há muitos problemas de contagem em que é fornecido um
conjunto de n objetos distintos e se deseja contar o número
de subconjuntos não-ordenados de tamanho k. Por exemplo:
no bridge importam apenas as 13 cartas da mão e não a ordem
em que elas são dadas. Na formação de um comitê, a ordem
em que os membros são relacionados normalmente não tem
importância.
Definição → Dado um conjunto de n objetos diferentes,
qualquer subconjunto não-ordenado de tamanho k é denomi-
nado combinação. O número de combinações de tamanho
k que podem ser formadas a partir de n objetos distintos é
representado por (nk ). (Essa notação é mais comum na proba-
bilidade do que Ck,n , que seria análogo à notação de permu-
tações.)
O número de combinações de tamanho k de um determi-
nado conjunto é menor que o número de arranjos porque,
quando a ordem não importa, diversos arranjos correspondem
à mesma combinação. Considere, por exemplo, o conjunto A,
B, C, D, E, consistindo em cinco elementos. Há 5!/(5 - 3)! =
60 arranjos de tamanho 3. Há seis arranjos de tamanho 3 que
consistem nos elementos A, B e C, já que esses três elementos
podem ser ordenados de 3 . 2 . 1 = 3! = 6 formas: (A, B,
C), (A, C, B), (B, A, C), (B, C, A), (C, A, B) e (C, B, A).
Esses seis arranjos são equivalentes a uma única combinação
A, B,C. De forma similar, para qualquer outra combinação de

24 de setembro de 2023 4
 Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso

tamanho 3, há 3! arranjos a cada uma obtida pela ordenação

dos três objetos. Dessa forma,
(15 ) (10 ) 15! 10!
·
(5 ) (5 ) 60 N (D3 )
60 = A3,5 = · 3!; então = = 10 P (D3 ) = = 3 3
= 3!12! 3!7! = 0, 3083
3 3
3! N (25
6 )
25!
Essas dez combinações são 6!19!
A, B, C A, B, D A, B, E A, C, D A, C, E A, D, E, B, C,
Então a probabilidade de ao menos 3 impressoras a jato de
D B, C, E B, D, E C, D, E
tinta serem selecionadas é
Pk,n n!
(nk ) = =
k! k!(n − k)!
P (D3 ∪ D4 ∪ D5 ∪ D6 ) = P (D3 ) + P (D4 ) + P (D5 ) + P (D6 )
Exemplo:
Uma mão de bridge consiste em quaisquer 13 cartas selecio-
nadas de um baralho de 52 cartas sem importar a ordem. Há (15 ) (10 ) (15 ) (10 ) (15 ) (10 ) (15 ) (10 )
(5 12 3) = 52!/13!39! diferentes mãos de bridge, o que dá cerca 3 3 4 2 5 1 6 0
= + + + = 0, 8530
de 635 bilhões. Como há 13 cartas em cada naipe, o número (25
6 ) (25
6 ) (25
6 ) (25
6 )
de mãos formadas unicamente por paus e/ou espadas (sem

Probabilidade Condicional
cartas vermelhas) é (21 63) = 26!/13!13! = 10,400,600. Uma
dessas (2 16 3) mãos é formada totalmente por espadas e outra
por paus, de forma que há [(2 16 3) - 2] mãos formadas total-
As probabilidades atribuídas a diversos eventos dependem do
mente por espadas e paus na mão. Suponha que uma mão de
que seja conhecido sobre a situação experimental quando a
bridge seja dada de um baralho bem embaralhado (ou seja, 13
atribuição é feita. Depois da atribuição inicial, informações
cartas selecionadas aleatoriamente entre as 52 possibilidades)
parciais sobre ou relevantes para o resultado do experimento
e seja
podem estar disponíveis. Essas informações podem fazer com
A = a mão formada inteiramente por espadas e paus com
que revisemos algumas atribuições de probabilidade. Para
os dois naipes
um determinado evento A, usamos P(A) para representar a
B = a mão formada por exatamente dois naipes.
probabilidade atribuída a A. Agora interpretamos P(A) como
Os N = (51 23 ) resultados possíveis são igualmente prováveis,a probabilidade original ou incondicional do evento A. Nesta
de forma que
seção, examinamos como a informação “ocorreu um evento B”
(26 ) afeta a probabilidade atribuída a A. Quando os experimentos
N (A) −2
P (A) = = 13 52 = 0, 0000164 são mais complicados, a intuição pode nos enganar, portanto
N (13 )
queremos uma definição geral de probabilidade condicional
Como há (42 ) = 6 combinações formadas por dois naipes, que forneça respostas intuitivas em problemas simples.
das quais espadas e paus são tal combinação, Para quaisquer dois eventos A e B com P(B) > 0, a pro-
[(26 ) ] babilidade condicional de A dado que ocorreu B é definida
6 13 − 2 por
P (B) = = 0, 0000983
(52
13 )
Ou seja, uma mão totalmente formada por cartas de exa- P (A ∩ B)
P (A|B) =
tamente dois dos quatro naipes ocorre cerca de uma vez a P (B)
cada 10.000. Se você joga bridge apenas uma vez por mês, é Exemplo: Suponha que, de todos os indivíduos que com-
provável que nunca receba uma dessas mãos. pram uma determinada câmera digital, 60% incluem um car-
Exemplo: Um armazém de universidade recebeu uma en- tão de memória opcional na compra, 40% incluem uma pilha
trega de 25 impressoras, das quais 10 são impressoras a laser extra e 30% incluem um cartão e uma pilha. Considere a
e 15 são a jato de tinta. Se 6 das 25 forem selecionadas alea- seleção aleatória de um comprador e sejam A = compra de
toriamente para serem verificadas por um técnico, qual será a cartão de memória e B = compra de pilha. Dessa forma, P(A)
probabilidade de que exatamente 3 delas sejam a laser (sendo = 0,60, P(B) = 0,40 e P(compra de ambos) = P(A ∩ B) =
as outras 3 a jato de tinta)? 0,30. Dado que o indivíduo selecionado comprou uma pilha
Represente por D3 = exatamente 3 das 6 selecionadas são extra, a probabilidade de compra de um cartão opcional é
impressoras a jato de tinta. Assumindo que qualquer conjunto
específico de 6 impressoras tem a mesma chance de ser esco- P (A ∩ B) 0, 30
lhido em relação a qualquer outro conjunto de 6, temos resul- P (A|B) = = = 0, 75
P (B) 0, 40
tados igualmente prováveis, de forma que P(D3) = N(D3)/N,
onde N é o número de formas de escolha das 6 impressoras Isto é, de todos os que compraram uma pilha extra, 75%
dentre as 25 e N(D3) é o número de formas de seleção de 3 im- compraram um cartão de memória extra. De forma análoga,
pressoras a laser e 3 a jato de tinta. Assim, N = (2 65 ). Para
P (A ∩ B) 0, 30
obter N(D3), pense em primeiro escolher 3 dos 15 modelos a P (B|A) = = = 0, 50
1
jato de tinta e então 3 impressoras a laser. Há ( 35 ) formas de P (A) 0, 60
escolha de 3 modelos a jato de tinta e (1 30 ) formas de escolha
de 3 impressoras a laser. Nesse caso, N(D3) é o produto des- A regra da multiplicação para P(A ∩ B)
ses dois números (visualize um diagrama de árvore – estamos
realmente usando a regra do produto), de forma que A Regra da multiplicação P(A ∩ B) = P(A�B) · P(B)

24 de setembro de 2023 5
 Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso
Essa regra é importante porque freqüentemente se deseja
P(A ∩ B), ao passo que P(B) e P(A�B) podem ser especifi-
cados pela descrição do problema. Considerando a expressão
P(B�A) obtém-se P(A ∩ B) = P(B�A)· P(A).
Exemplo:
Quatro indivíduos responderam a uma solicitação de um
banco de sangue para doação. Nenhum deles doou sangue
antes, de forma que seus tipos sanguíneos são desconhecidos.
Suponha que apenas o tipo O+ seja desejado e apenas um
dos quatro indivíduos tenha esse tipo sanguíneo. Se os doa-
dores potenciais forem selecionados em ordem aleatória para
determinação do tipo sanguíneo, qual será a probabilidade de
que pelo menos três indivíduos tenham de ser testados para
obtenção do tipo desejado?
Fazendo B = primeiro tipo não O+ e A = segundo tipo não
3
O+, P(B) = . Dado que o primeiro tipo não é O+, dois dos
4
três indivíduos restantes não serão O+, de forma que P(A�B)
2
= . A regra de multiplicação agora fornece:
3
P(pelo menos três indivíduos foram testados) = P (A∩B) =
2 3 6 querem que sejam enfocados certos aspectos numéricos dos
P (A|B) · P (B) = · = = 0, 5. A regra da multiplicação
3 4 12
é mais útil quando o experimento consiste em diversas etapas
consecutivas.
P (A1 ∩ A2 ∩ A3 ) = P (A3 |A1 ∩ A2 ) · P (A1 ∩ A2 )
= P (A3 |A1 ∩ A2 ) · P (A2 |A1 ) · P (A1 )
Seguindo o exemplo anterior:
1 2 3 1
· · = = 0, 25
2 3 4 4
P(A ∩ B) Quando os eventos são independentes
A definição de probabilidade condicional nos permite revisar
a probabilidade P(A) originalmente atribuída a A quando so-
mos informados posteriormente da ocorrência de outro evento
B. A nova probabilidade de A é P(A|B). Em nossos exem-
plos, normalmente ocorria de P(A|B) ser diferente da proba-
bilidade não-condicional P(A), indicando que a informação
”B ocorreu´´ resultou em uma alteração da possibilidade de
ocorrência de A.
Há outras situações em que a possibilidade de ocorrência
de A não é afetada pelo conhecimento da ocorrência de B,
de forma que P(A|B) = P(A). Frequentemente a natureza
de um experimento indica que dois eventos A e B devem ser
considerados independentes. A e B são independentes se, e
somente se, P (A ∩ B) = P (A) · P (B)
Exemplo:
Sabe-se que 30% das lavadoras de roupa de uma determi-
nada empresa requerem manutenção enquanto estiverem na
garantia e somente 10% das secadoras de roupa precisam de
manutenção. Se alguém comprar uma lavadora e uma seca-
dora de roupas feitas por essa empresa, qual é a probabilidade
de que ambas as máquinas precisem de conserto?
Seja A o evento em que a lavadora precisa de manutenção
em garantia e B o evento análogo para a secadora. Então
24 de setembro de 2023
P(A) = 0,30 e P(B) = 0,10. Assumindo que as máquinas fun-
cionem de forma independente uma da outra, a probabilidade
desejada será
P (A ∩ B) = P (A) · P (B) = 0, 30 · 0, 10 = 0, 03
A probabilidade de que nenhuma das máquinas precise de
serviço é
P (A′ ∩ B ′ ) = P (A′ ) · P (B ′ ) = 0, 70 · 0, 90 = 0, 63
Var. Aleat. Discretas e
Distr. de Probabilidade
Independentemente de um experimento gerar resultados quan-
titativos ou qualitativos, os métodos de análise estatística re-
dados (como proporção de amostra x/n, média x̄ ou desvio
padrão s). O conceito de variável aleatória nos permite passar
dos resultados do experimento propriamente ditos para uma
função numérica dos resultados. Há dois tipos fundamental-
mente diferentes de variáveis aleatórias: variáveis aleatórias
discretas e variáveis aleatórias contínuas.
Uma variável aleatória discreta é uma variável, cujos valo-
res possíveis constituem um conjunto finito ou podem ser rela-
cionados em uma sequência infinita na qual haja um primeiro
elemento, um segundo e assim por diante. Uma variável alea-
tória é contínua se seu conjunto de valores possíveis consiste
em um intervalo completo da reta de números (Reta Real).
Definição
Para um dado espaço amostral S de um experimento,
uma variável aleatória (va) é qualquer regra que asso-
cie um valor a cada resultado de S. Em termos ma-
temáticos, uma variável aleatória é uma função cujo
domínio é o espaço amostral e o contra-domínio é um
conjunto de números reais.
As variáveis aleatórias normalmente são representadas por
letras maiúsculas, como X e Y, próximas ao final do alfabeto.
A notação X(s) = x significa que x é o valor associado ao
resultado s pela va X.
Exemplo 2 Continuação:
O Exemplo 2.3 descreveu um experimento no qual foi de-
terminado o número de bombas em uso de dois postos de
gasolina. Defina as vas X, Y e U por
X = o número total de bombas em uso nos dois postos
Y = a diferença entre o número de bombas em uso no posto
1 e o número em uso no posto 2
U = o máximo de bombas em uso nos dois postos
Se o experimento for realizado e o resultado for s = (2, 3),
então X((2, 3)) = 2 + 3 = 5, podendo-se dizer que o valor
observado de X foi x = 5. De forma similar, o valor observado
de Y seria y = 2 - 3 = -1 e o valor observado de U seria u =
máx.(2, 3) = 3.
6
 Material Probabilidade para Estudos - 001
Bruno Oliveira Cardoso
Exercício
1. Uma viga de concreto pode apresentar falha por cisalha-
mento (C) ou flexão (F). Suponha que três vigas com
defeito sejam selecionadas aleatoriamente e o tipo de fa-
lha seja determinado para cada uma delas. Seja X =
número de vigas entre as três selecionadas que falharam
por cisalhamento. Relacione cada resultado no espaço
amostral juntamente com o valor de X associado.
2. Para cada variável aleatória definida a seguir, descreva
o conjunto de valores possíveis da variável e diga se é
discreta.
a) X = número de ovos não quebrados em uma caixa de
ovos padrão selecionada aleatoriamente
b) Y = número de estudantes ausentes no primeiro dia
de aula em uma lista de chamada de um determinado
curso
c) U =número de vezes que um jogador balança o taco
de golfe antes de atingir a bola
d) X = comprimento de uma cascavel selecionada alea-
toriamente em metros.
e) Z = quantia ganha em royalties pela venda de uma
primeira edição de 10.000 livros-texto
f) X = tensão (psi) no encordoamento de uma raquete
de tênis selecionada aleatoriamente
Distr. de Probab. para Var. Aleatórias Discretas
Quando são atribuídas probabilidades a diversos resultados
de S, elas, por sua vez, determinam probabilidades associadas
aos valores de qualquer va X em particular. A distribuição de
probabilidade de X expressa como a probabilidade total 1 é
distribuída (alocada a) entre os diversos valores possíveis de
X.
Exemplo:
Seis lotes de componentes estão prontos para embarque em
um fornecedor. O número de componentes com defeito em
cada lote é mostrado a seguir:
Um desses lotes será selecionado aleatoriamente para em-
barque a um cliente específico. Seja X o número de peças com
defeito no lote selecionado. Os três valores possíveis de X são
0, 1 e 2. Dos seis eventos igualmente prováveis, três resultam
em X = 0, um em X = 1 e os outros dois em X = 2. Sejam
p(0) a probabilidade de X = 0 e p(1) e p(2) as probabilidades
dos outros dois valores possíveis de X. Então
24 de setembro de 2023
p(0) = P (X = 0) = P (lote 1 ou 3 ou 6 é enviado) =
3
= 0, 5
6
1
p(1) = P (X = 1) = P (lote 4 é enviado) = = 0, 167
6
2
p(2) = P (X = 2) = P (lote 2 ou 5 é enviado) = = 0, 333
6
Ou seja, a probabilidade 0,500 é atribuída para o valor 0
de X, a probabilidade 0,167 é alocada para o valor 1 de X e a
probabilidade restante, 0,333, é associada ao valor 2 de X. Os
valores de X juntamente com suas probabilidades especificam
coletivamente a distribuição de probabilidade ou função de
massa da probabilidade de X. Se o experimento fosse repetido
diversas vezes no longo prazo, X = 0 ocorreria na metade das
vezes, X = 1 em um sexto das vezes e X = 2 em um terço das
vezes.
Expondo em palavras, para cada valor possível x da va-
riável aleatória, a função de massa de probabilidade
(fmp) especifica a probabilidade de observar aquele valor
quando
∑ o experimento for realizado. As condições p(x) = 0
e todos os x possíveis p(x) = 1 são obrigatórias para qualquer
fmp.
Resolva
1. Suponha que visitemos a livraria de uma universidade
durante a primeira semana de aulas, e observemos se a
próxima pessoa a comprar um computador comprará um
laptop ou um desktop. Seja
{
1 se o cliente comprar um laptop
X=
2 se o cliente comprar um desktop
• Se 20% de todos os compradores durante aquela se-
mana selecionarem um laptop, a fmp de X será ?
2. Considere um grupo de cinco doadores de sangue poten-
ciais: A, B, C, D e E. Desses, apenas A e B possuem
o tipo O+. Cinco amostras de sangue, uma de cada in-
divíduo, serão testadas em ordem aleatória até que seja
identificado um indivíduo O+. Seja a va Y = número
de testes necessários para identificar um indivíduo O+.
Então a fmp de Y é
p(1) = P (Y = 1) = P (A ou B identificados primeiro) =?
p(2) = P (Y = 2) = P (C, D, ou E prim. e então A ou B) =?
p(3) = P (Y = 3) =
P (C, D, ou E prim. e seg., então A ou B) =?
p(4) = P (Y = 4) = P (C, D, e E, todos feitos primeiro) =?
p(y) = 0 se y ̸= 1, 2, 3, 4
7