— EMASP — Escola Municipal de Administração de São Paulo —

Cálculo de Probabilidades I
(conceitos e aplicações no Setor Público)
curso em três aulas
autor: Euro de Barros Couto Junior
RF: 644.969.7

— PMSP — Prefeitura do Município de São Paulo —

(1) O que é Probabilidade?
A Probabilidade é o estudo de experimentos aleatórios ou não-determinados
(LIPSCHUTZ, 1973). Outro conceito: a Probabilidade é uma medida relativa
da ocorrência de um evento. Essa medida relativa diz respeito ao fato de que to-
da probabilidade tem valor entre 0 e 1, ou, entre 0% e 100%. Não existe valor de
probabilidade fora desse intervalo. A ocorrência de um evento significa que po-
demos observar eventos da Natureza, historicamente ocorridos e registrados, e
agregarmos a eles valores (de probabilidade) de suas ocorrências; intuitivamente,
podemos observar qualquer fenômeno natural (evento da Natureza) e perceber-
mos que alguns eventos são mais frequentes do que outros. Assim, podemos de-
terminar a probabilidade de ocorrência de um ou mais eventos, formalizando um
cálculo numérico, de teor exclusivamente matemático, que nos presta uma in-
formação sobre se esse evento é muito frequente ou pouco frequente.
A Probabilidade, como ciência independente das demais, está atrelada à Matemá-
tica, assim como todas as outras ciências. A Probabilidade está bem próxima da
Matemática, e muitos autores consideram-na como parte da Matemática. Rigoro-
samente falando, a Probabilidade não pertence à Matemática, mas, como disse-
mos, está muito próxima a ela. A Estatística, outra ciência independente, também
depende da Matemática, mas, também, da Probabilidade. Essas três ciências são
assuntos independentes, porém, agregados uns aos outros, por suas respectivas
naturezas. Talvez, a ciência mais nuclear de todas, ou seja, a ciência que gera as
demais, seja a Lógica, porém, apesar de a Lógica e a Matemática chegarem a ser
sinônimas, em certo modo, ambas guardam suas características próprias. Enca-
remos, portanto, todas essas ciências como independentes, porém, agregadas
umas com as outras, pois uma gera conhecimentos para as outras.

(2) De onde veio a Probabilidade...

Os estudos sobre os chamados ‘jogos de azar’, com cartas (baralho), dados (cu-
bos numerados por face) e roleta, nos séculos XV e XVI, deram origem às pri-
meiras atenções sobre os aspectos probabilísticos, pois os matemáticos começa-
ram a reparar que a atuação de um jogador poderia ser melhorada, se ele soubes-
se calcular as probabilidades de ganhar um jogo, ou de combinar certos resulta-
dos que apontassem para uma atuação melhor do que a de seus oponentes. As-
sim, esses jogos passaram a receber estudos sérios, a priori, de teor matemático
(contagens de resultados possíveis), e que produziram o surgimento de uma ‘par-
te’ dessa matéria, que destacou-se e passou a compor o ‘cálculo de probabilida-
des’. Toda probabilidade provém de observações históricas!

—2—
(3) Alguns conceitos básicos (e necessários)

(3.1) Espaço Amostral

O primeiro conceito é o de ‘espaço amostral’. A atitude de cunho estatístico (ou
empírico) com relação à probabilidade foi desenvolvida, principalmente, por Ro-
nald Aylmer Fisher (Inglaterra, 1890-1962) e Richard von Mises (Alemanha,
1883-1953). A noção de espaço amostral é devida a von Mises. Essa noção tor-
nou possível a construção de uma teoria das probabilidades estritamente matemá-
tica, com base na teoria da medida. Esse tipo de abordagem surgiu gradativamen-
te na década de 1920, sob a influência de vários autores. Um tratamento axiomá-
tico1, descrevendo a versão moderna do ‘espaço amostral’, foi dado por Andréi
Kolmogórov (Rússia, 1903-1987).
Espaço amostral — em teoria das probabilidades, o ‘espaço amostral’ ou ‘espa-
ço amostral universal’, geralmente denotado S, E, Ω ou U (de ‘universo’), de um
experimento aleatório, é o conjunto de todos os resultados possíveis do experi-
mento.
A expressão, em alemão, é Merkmalraum (‘espaço de índices’). O tratado básico
de von Mises, denominado Wahrscheinlichkeitsrechnung, apareceu em 1931.
Uma versão modernizada (editada e complementada por Hilda Geiringer) foi pu-
blicada, em 1964, sob o título Mathematical theory of probability and statistics
(Nova York, Academic Press). A ideias filosóficas de von Mises são mais conhe-
cidas através de um livreto anterior, que apareceu em 1928; uma edição revista
por Hilda Geiringer, e que foi publicada em 1957: Probability, Statistics and
Truth (Londres, MacMillan).

(3.2) Cardinalidade do Espaço Amostral

Cardinalidade do Espaço Amostral — a cardinalidade do espaço amostral é o
número total de elementos no conjunto. O espaço amostral pode ter cardinalida-
de finita ou infinita. Por exemplo, no caso de um dado de seis faces, a cardinali-
dade do espaço amostral é ‘6’. No caso da escolha de um entre todos os números
reais, a cardinalidade é infinita.
A cardinalidade de um conjunto A pode ser representada por #A.

1
Axioma — 1. substantivo masculino; (fil.) premissa considerada necessariamente evidente e verdadeira, fundamento de uma
demonstração, porém ela mesma indemonstrável, originada, segundo a tradição racionalista, de princípios inatos da consciência
ou, segundo os empiristas, de generalizações da observação empírica [O princípio aristotélico da contradição (“nada pode ser e
não ser simultaneamente” — Lógica Clássica) foi considerado, desde a Antiguidade, um axioma fundamental da filosofia.]. 2. por
extensão: máxima, provérbio, sentença.
—3—
(3.3) Evento
Evento — é o fato sobre o qual depositamos nossa atenção, como observadores
da Natureza. Um evento, em termos probabilísticos, é passível de receber um va-
lor de probabilidade de sua ocorrência.
Evento probabilístico (matemático) — é um conjunto de resultados do experi-
mento, e é um subconjunto de U (conjunto de todos os resultados possíveis, ou,
conjunto universo). Em particular, U e  (conjunto vazio) são eventos. U é dito o
‘evento certo’, e , o ‘evento impossível’.
Se usarmos as operações com conjuntos, podemos formar novos eventos:
a) A  B — intersecção entre A e B — é o evento que ocorre, se A ocorre ‘e’ B
ocorre;
b) A  B — união de A e B — é o evento que ocorre, se A ocorre ‘ou’ B ocorre;
c) Ā — é o evento que ocorre, se A não ocorre, é denominado de ‘evento com-
plementar’.

(3.4) Diferença entre conceitos: percentual e probabilidade

Percentual — o percentual ou porcentagem (do latim per centum, significando
‘por cento’, ‘a cada centena’) é uma medida de razão com base 100 (cem). É um
modo de expressar uma proporção ou uma relação entre 2 (dois) valores (um é a
parte, e o outro é o inteiro) a partir de uma fração cujo denominador é 100 (cem),
ou seja, é dividir um número por 100 (cem).
Como já dissemos, uma probabilidade também pode ser representada por um va-
lor percentual, mas, sempre, na escala que vai de 0% a 100%. Assim, 300% apli-
cados a um valor não consistem de uma probabilidade, mas, sim, de um percen-
tual de aumento do valor do objeto considerado. Do mesmo modo, se o objeto
custava 200 reais e passou a custar 50, o percentual de diminuição do valor desse
objeto foi de 75%, ou, podemos dizer que o valor do objeto variou de -75%. Va-
lores negativos de percentuais são possíveis, mas, eles não são probabilidades.
Novamente: probabilidades sempre estão entre 0% e 100% e denotam uma medi-
da de ocorrência de um evento.

—4—
(3.5) Princípio Fundamental da Contagem
O ‘Princípio Fundamental da Contagem’ é um princípio combinatório que indica
de quantas formas se pode escolher um elemento de cada um de ‘n’ conjuntos fi-
nitos. Se o primeiro conjunto tem k 1 elementos, o segundo tem k2 elementos, e
assim sucessivamente, então o número total ‘T’ de escolhas é dado por:
T = k1 x k2 x k3 x ... x kn
Podemos dizer que o ‘Princípio Fundamental da Contagem’ é o mesmo que a
‘Regra do Produto’, um princípio combinatório que indica quantas vezes e as di-
ferentes formas que um acontecimento pode ocorrer.
Isto é muito comum! Veja!... Seja um evento formado por dois estágios carac-
terizados como sucessivos e independentes:
• O primeiro estágio pode ocorrer de ‘m’ modos distintos.
• O segundo estágio pode ocorrer de ‘n’ modos distintos.
Desse modo, podemos dizer que o número de formas diferente que pode ocor-
rer em um acontecimento é igual ao produto ‘m’ x ‘n’.

Exemplo simples: Você decidiu comprar um carro novo, e o ‘modelo’ e a ‘cor’

são as duas características a serem consideradas. Na loja aonde você foi, há 3
modelos que são de seu interesse, e para cada modelo, há 5 opções de cores: pre-
to, vinho, azul, vermelho e prata. Qual é o número total de opções que você tem?
Segundo o ‘Princípio Fundamental da Contagem’, você tem 3 x 5 = 15 opções
para fazer, ou seja, você poderá optar por ‘15’ carros diferentes.

Exercício: Na Prefeitura, queremos alocar os 8 funcionários de um setor em 3

cargos disponíveis — nenhum dos 8 tem cargo, atualmente. Qual a quantidade de
opções para as nomeações?

—5—
(3.6) ‘Regra da Multiplicação’ e eventos dependentes e independentes
Definições:
P(A e B) = P(A) x P(B) — ‘Regra da Multiplicação’ (somente se A e B são inde-
pendentes)
P(A e B) = P(A) x P(B|A) — ‘Regra da Multiplicação’ (eventos dependentes)

Exemplo Clássico: Retirando duas cartas de um baralho (com 52 cartas), deter-

mine a probabilidade de que a primeira carta seja um ‘ás’, e a segunda, um ‘rei’,
considerando duas formas de retirada:
(a) com reposição; e
(b) sem reposição.

(a) se a primeira carta retirada é reposta, então há completa independência entre

as duas retiradas sequenciais, pois o baralho volta a ficar completo. Assim, a
probabilidade de retirarmos um ‘ás’ e um ‘rei’, de modo independente, vale:
P(‘ás’ e ‘rei’) = 4/52 x 4/52 = 16/522 = 0,005917 = 0,5917%
(b) se a primeira carta retirada não é reposta, então há completa dependência en-
tre as duas retiradas sequenciais, pois o baralho, para a segunda retirada, fica com
uma carta a menos. Assim, a probabilidade de retirarmos um ‘ás’ e um ‘rei’, de
modo dependente, vale:
P(‘ás’ e ‘rei’) = 4/52 x 4/51 = 16/(52x51) = 0,006033 = 0,6033%

Conclusão:
Para eventos independentes (com reposição de cartas), temos:
P(A e B) = P(A) x P(B)
E para eventos dependentes (sem reposição de cartas), temos:
P(A e B) = P(A) x P(B|A)
Veja o exemplo clássico, acima. E lembre-se: toda vez que dois eventos ocorre-
rem em sequência, você deve prestar atenção sobre se eles são dependentes ou
independentes: isso é muito importante!!!

—6—
(4) Processos Elementares de Medida da Probabilidade Matemática 2 — tex-
to para leitura ‘em casa’

(4.1) Considerações Gerais

O conhecimento humano é suscetível de ser apreciado sob três graus: a conjectu-
ra, a convicção e a certeza.
A conjectura determina a opinião, a qual não tem razão suficiente objetiva nem
subjetiva, pois provém da imaginação.
A convicção determina a fé, a qual tem razão suficiente subjeti-
va. Todavia, a fé, como diz Henri Poincaré (França, 1854-
1912), “só a alguns se impõe, ao passo que a razão se impõe a
todos. É à razão que cumpre dirigir-se”.
A certeza determina a ciência, a qual tem razão suficiente sub-
jetiva e objetiva, e é amparada pela razão.
Nas questões científicas, a opinião e a fé não podem perseverar,
pois não podem ser comunicadas com intensidade apreciável.
Seria absurdo, por exemplo, emitir opinião sobre questões de Matemática, de
Economia Matemática ou de Astronomia, onde o indivíduo ou sabe ou deve abs-
ter-se de comentar.
Nas questões práticas, a fé pode colimar um objetivo de modo
mais ou menos feliz. É o que se dá em Medicina. Um médico,
por exemplo, assinala-nos Alexandre Sarrazin de Montferrier
(França, 1792-1863), no Dictionnaire de sciences mathémati-
ques pures et appliquées (1835), examina os sintomas de uma
moléstia grave e julga que se trata de uma gastroenterite ou
coisa muito diferente, porquanto não pode atingir a sua causa
primeira e oculta, e segundo a fé que lhe advém do julgamen-
to, receita a panaceia que também julga
adequada. Outro médico pode ser mais
feliz no diagnóstico, mas, de qualquer modo, a relação dos
meios com o fim a atingir é sempre fortuita; se o fim é atin-
gido, isto é, se o doente fica curado, então não se trata de fim
atingido necessariamente, e sim por acaso, o qual, como dis-
se Joseph Bertrand (França, 1822-1900), em seu Calcul des
Probabilites (1889)3, “não tem consciência nem memória”.
Com o progresso da Medicina, todavia, os diagnósticos, ho-
2
PAGANO, Aúthos. Lições de Estatística, 2 ed. PMSP: 1954. vol. 2 (Cálculo das Probabilidades).
3
Obra disponível em: http://sites.mathdoc.fr/cgi-bin/linum?aun=001541
—7—
diernamente, vão perdendo o seu caráter aleatório.
A certeza não é suscetível de grau algum, pois é absoluta, ao passo que a proba-
bilidade é suscetível de um número infinito de graus, dado poder tanto mais afas-
tar-se ou aproximar-se da certeza, quanto menos ou quanto mais o julgamento
prático fundar-se em conhecimentos reais, respectivamente. A probabilidade po-
de, pois, medir-se, e a aplicação das leis matemáticas à sua medida constitui o
objeto do Cálculo das Probabilidades.
O Cálculo das Probabilidades tem, pois, por objeto, exprimir quantitativamente a
influência do acaso ou da sorte (hasard — ‘acaso’; ‘motivo’; ‘sorte’) nos aconte-
cimentos.
Perguntamos, agora, se podemos, a rigor, conceber a certeza em nossos conheci-
mentos científicos. Estes não são absolutamente certos, dadas as imperfeições de
nossos sentidos e instrumentos, e a limitação de nossa capacidade de observação.
No Ensaio Filosófico sobre as Probabilidades, o Mar-
quês de Laplace (França, 1749-1827) assim se pronun-
cia: “Pode-se dizer, falando a rigor, que quase todos os
nossos conhecimentos são apenas prováveis; as poucas
coisas que podemos saber com certeza — as próprias
ciências matemáticas — e os principais meios de se
chegar à verdade — a indução e a analogia — fundam-
se na probabilidade, de modo que todo o sistema dos
conhecimentos humanos prende-se à Teoria das Proba-
bilidades”.
Perfilhando esse ponto de vista, podemos dizer que a ciência moderna repousa
nos princípios do Cálculo das Probabilidades.
Nessa ordem de ideias, consideramos que, desde a Antiguidade, os filósofos pen-
savam que a matéria era formada de partículas extremamente pequenas e infini-
tamente numerosas, chamadas átomos, e a partir do início do século XIX, essa
hipótese atômica tornou-se incerta: métodos diversos e concordantes permitiram
determinar as dimensões dos átomos, sua massa e velocidade, bem como o nú-
mero de átomos contidos numa certa massa. Hoje, admite-se que o átomo-grama
de um corpo simples, isto é, a massa desse corpo, expressa em gramas, pelo
mesmo número de seu peso atômico, contém um número fixo de átomos, igual a
6,0221413 x 1023 (‘Número de Avogadro’). Podemos fazer uma ideia da grande-
za desse número, se considerarmos que tantos grãos de areia de 1 milímetro cú-
bico, repartidos sobre a superfície do Estado de São Paulo, cobri-lo-iam de uma
camada cuja espessura seria superior a 2.000 metros.

—8—
 Tais pesquisas começaram a consolidar-se com os traba-
lhos notáveis do físico e advogado Amedeo Avogadro (Itá-
lia, 1776-1857).
No entanto, definitivamente, isso só foi possível de se
conseguir com o auxílio do Método Estatístico. Eis a razão
por que a Estatística passou por desenvolvimentos notá-
veis: novas concepções invalidaram antigas teorias, afaga-
das durante séculos, e a ciência sentiu-se impotente para
explicar diversos fenômenos. A Mecânica Clássica, por
exemplo, não chegou ao âmago das coisas, e todos os seus princípios se desmo-
ronaram. Veio substituí-la, com vantagem, a Mecânica Estatística, que rapida
mente fez carreira, desde James
Clerk Maxwell (Inglaterra, 1831-
1879) e Ludwig Boltzmann (Áus-
tria, 1844-1906), que consideravam
as propriedades da matéria como
resultantes dos átomos, até Willard
Gibbs (EUA, 1839-1903).
Na teoria cinética dos gases, considera-se um gás como sendo formado de um
número infinitamente grande de moléculas animadas de movimentos em todos os
sentidos, as quais se entrechocam e chocam as paredes do recipiente que as con-
tém, grande número de vezes por segundo. Considerando tais moléculas como
pontos materiais obedientes às leis da Mecânica, encontramos as propriedades
clássicas da Termodinâmica. Dados um número muito grande de moléculas em
movimento, não é possível estudá-las individualmente. Surge o problema funda-
mental: — Estando repartidas as velocidades moleculares segundo as leis do aca-
so, sendo, porém, constante a força viva total, qual será a repartição mais prová-
vel das velocidades? A resposta a essa pergunta é dada pelo Cálculo das Probabi-
lidades.
“Os gases — diz Poincaré — são formados de moléculas que circulam em todos
os sentidos e com grandes velocidades; as suas trajetórias seriam retilíneas, se, de
vez em quando, elas não se encontrassem ou não batessem contra as paredes do
vaso. Os acasos desses choques acabam por estabelecer certa distribuição média
das velocidades, distribuição essa que tende a restabelecer-se por si mesma, des-
de que é perturbada, de sorte que o observador só pode ver médias, unicamente
percebe leis muito simples, efeito do jogo das probabilidades e dos grandes nú-
meros. Ele observa o equilíbrio estatístico” (Últimos Pensamentos, p.139).
Entre os estudos recentes que fizeram apelo ao Cálculo das Probabilidades, po-
demos citar o movimento browniano ou a agitação incessante de partículas sóli-
—9—
das em suspensão num líquido, a qual pode ser considerada como sendo devida
aos choques das moléculas do líquido sobre as partículas. Essa agitação perpétua
que se pode observar ao microscópio foi analiti-
camente estudada por Albert Einstein (Alemanha,
1879-1955), cujas conclusões concordam, de mo-
do assaz notável, com as verificações experimen-
tais de Jean Baptiste Perrin (França, 1870-1942).
Paul Langevin (França, 1872-1946) e Louis de
Broglie (França, 1892-1987) alargaram considera-
velmente a aplicação do Método Estatístico às Ci-
ências Físicas, e a Mecânica Estatística ou Proba-
bilística — ciência nova — constitui um possante
instrumento moderno de investigação e do qual
podemos ainda esperar novos resultados.

(4.2) Definição de Probabilidade Matemática

Antes de definir a probabilidade matemática, consideremos o seguinte:
1º) Quando um acontecimento não pode verificar-se de forma alguma, diz-se ser
ele impossível. Assim, é impossível que o dia não suceda à noite, pois isso seria
uma aberração das leis astronômicas.
2º) Quando há causas que podem impedir a verificação do acontecimento, sem
que a ação delas seja necessária, diz-se que o acontecimento é provável. Assim, é
provável que amanhã chova, pois pode chover, como também pode não chover
(isso, para quem não conhece a Meteorologia ou a Climatologia).
O acontecimento é mais ou menos provável, segundo o número de causas que
podem impedir a sua verificação.
3º) Quando um acontecimento deve necessariamente verificar-se, diz-se que ele é
certo. Assim, é certo que o ser humano morre, que o sol se levanta todos os dias,
que a Lua gira em torno da Terra etc.
Nessa conformidade, impossibilidade, probabilidade e certeza são três antinomi-
as, pois a existência de uma implica a não existência das outras duas. O que é
impossível não pode ser provável nem certo; o que é provável não pode ser im-
possível nem certo; e o que é certo não pode ser impossível nem provável.
A impossibilidade é representada por 0. A certeza é representada por 1. A proba-
bilidade é sempre uma fração própria, compreendida entre 0 e 1, limites esses
que ela não pode atingir, pois em tal caso desaparecerá, para dar lugar, ora à im-
possibilidade, ora à certeza, respectivamente.
— 10 —
A probabilidade, dir-se-ia, é a ponte de passagem entre a impossibilidade e a cer-
teza.
Se a probabilidade matemática é expressa por uma fração própria, o que repre-
senta o seu numerador? E o seu denominador? Vemos que a probabilidade trata-
se de uma relação, em forma de fração.
numerador
Probabilid ade 
denominado r
Para esclarecer as ideias, a fim de podermos definir a probabilidade matemática,
consideremos o exemplo seguinte: se numa urna há 2 bolas brancas e 5 bolas pre-
tas, todas iguais, popularmente costuma-se dizer que há 2 probabilidades de sair
uma bola branca contra 5 probabilidades de sair uma bola preta.
Ora, se a probabilidade é expressa por uma fração própria, está claro que o modo
popular, acima referido, de exprimir a probabilidade é inadequado.
Devemos formar uma relação expressa por uma fração própria, onde o numera-
dor é 2, pois há 2 casos favoráveis à saída de uma bola branca, e o denominador é
7, o qual representa os casos totais, igualmente possíveis, da saída de uma bola
qualquer, branca ou preta. A probabilidade matemática da saída de uma bola
branca da urna mencionada é, pois, igual a 2/7 (lê-se: dois sétimos).
Podemos, pois, definir a probabilidade matemática nos seguintes termos: a pro-
babilidade matemática da verificação de um acontecimento é a relação do núme-
ro de casos favoráveis à realização desse acontecimento sobre o número total de
casos — favoráveis e desfavoráveis (contrários) — supostos todos igualmente
possíveis.
Representando por ‘p’ a probabilidade matemática, temos, segundo a definição
que acabámos de dar:
número de casos favoráveis
p
número de casos favoráveis número de casos desfavoráveis
Para maior clareza, antes de entrar em outras indagações, consideremos o seguin-
te exemplo: jogando-se uma dado honesto de 6 faces, marcadas com os números
1, 2, 3, 4, 5 e 6, respectivamente, podemos afirmar que a probabilidade simples
de cair voltada para cima a face ‘4’ é dada pela expressão:
1
p
6
onde ‘1’ representa o único caso favorável (face ‘4’) e o número ‘6’ representa
todos os casos possíveis: 1 favorável (face ‘4’) e 5 desfavoráveis (faces ‘1’, ‘2’,
‘3’, ‘5’ e ‘6’).
— 11 —
A probabilidade de cair qualquer face que não seja a face ‘4’ (probabilidade con-
trária) é:
5
q
6
pois há 5 outras faces, além da face ‘4’.
Somando-se ambas essas probabilidades, a saber, a probabilidade favorável e a
probabilidade contrária (desfavorável), temos:
1 5 6
pq    1 (certeza),
6 6 6
isto é, estamos certos de que, lançando um dado honesto, qualquer uma de suas 6
faces cairá voltada para cima.
Se quisermos, agora, calcular a probabilidade de cair voltada para cima a faca ‘7’
do dado, temos:
0
p'  0 (impossibilidade),
6
pois o dado não tem a face ‘7’.
Vemos a congruência dos princípios assentados, através desse simples exemplo.
De acordo com a definição dada, o Cálculo das Probabilidades baseia-se numa
hipótese essencial que não podemos perder de vista — a dos casos igualmente
possíveis: ela provém da experiência, mas, a rigor, não existe. Trata-se de uma
abstração, necessária para efeitos de avaliação numérica da probabilidade, além
do que, não há motivo para supor-se que um dos casos possa verificar-se mais fa-
cilmente que os demais.
A definição clássica de probabilidade matemática tem sido criticada, mas não se
tem dado a ela outra definição melhor. Escreveu Poincaré em sua obra La Scien-
ce et l’Hypothèse (p. 214), que mencionamos:
(...) “— Foi a probabilidade definida? — Pode ela, mesmo, ser definida? — E se
não puder sê-lo, como pode ousar-se raciocinar sobre ela? A definição, dir-se-á, é
bem simples: a probabilidade de um acontecimento é a relação do número de ca-
sos favoráveis a esse acontecimento sobre o número de casos possíveis. Um
exemplo simples far-nos-á compreender quão incompleta é essa definição. Atiro
dois dados: — qual é a probabilidade que um dos dois dados, ao menos, apresen-
te a face ‘6’? Cada dado pode apresentar seis faces diferentes; o número de casos
possíveis é 6 x 6 = 36; o número de casos favoráveis é 11; a probabilidade é
11/36”.
— 12 —
“É a solução correta, mas, não poderia eu dizer também: as faces apresentadas
pelos dois dados podem formar (6 x 7) / 2 = 21 combinações distintas? Entre es-
sas combinações, 6 são favoráveis; a probabilidade é, então, 6/21”.
“— Por que a primeira maneira de enumerar os casos possíveis é mais legítima
do que a segunda? Em todo o caso, não é a nossa definição que nô-lo ensina. Fi-
ca-se, pois, reduzido a completar essa definição, dizendo: ‘...sobre o número total
de casos possíveis, contanto que esses casos sejam igualmente equiprováveis’”
(...).
Vemos, pois, que somos conduzidos a definir o provável pelo provável, o que
constitui um círculo vicioso.
A definição clássica de probabilidade matemática, diz Du Pasquièr, que não se
conforma com a crítica de Poincaré, faz-nos passar de uma noção à outra, mais
simples, que é, afinal, o que permite toda a definição.

— 13 —
(5) Texto da Lei Nº 15.937 de 23/12/2013
Publicado no DOC em 24 de dezembro de 2013.
Proíbe o uso de aparelhos sonoros ou musicais no interior de veículos de trans-
porte coletivo nas condições que especifica e dá outras providências.
(...)
Faz saber que a Câmara Municipal, em sessão de 27 de novembro de 2013, de-
cretou e eu promulgo a seguinte lei:
Art. 1º Fica proibido, para fins de preservação do conforto acústico dos usuários
e combate à poluição sonora, o uso de aparelhos musicais ou sonoros, salvo me-
diante o uso de fone de ouvido, no interior de veículos de transporte coletivo, pú-
blicos e privados, independentemente do órgão ou ente responsável por sua ad-
ministração, que circulam dentro do Município.
§ 1º A proibição constante do “caput” abrange os ônibus, micro-ônibus, vans, pe-
ruas, lotações e todos os tipos de veículos sobre trilhos.
§ 2º Aplica-se a proibição contida no “caput” aos aparelhos celulares, quando uti-
lizados como aparelhos musicais.
Art. 2º Quando constatada inobservância do preceituado no art. 1º, serão adota-
das, na ordem elencada, as seguintes medidas:
I - o infrator será convidado a desligar o aparelho;
II - em caso de recusa de desligar o aparelho, o infrator será convidado a se reti-
rar do veículo;
III - caso frustradas as medidas previstas nos itens I e II, será solicitada a inter-
venção policial.
Art. 3º É obrigatória a afixação de placas, no interior dos veículos de transporte
coletivo abrangidos pela presente lei, em letras de formato e tamanho legíveis,
contendo o número da presente lei, a proibição nela contida e o telefone do órgão
municipal responsável pelo transporte no Município, com os seguintes dizeres:

“É proibido o uso de aparelhos sonoros ou musicais dentro

deste recinto, salvo mediante uso de fone de ouvido”.
(...)

— 14 —
Exercício 5.1: Os 60 usuários (18 homens e 42 mulheres) de um ônibus são os
mesmos, em determinado horário. Todos eles usam aparelhos sonoros: 30, para
escutar música; 20, para escutar notícias; e 10, para estudar. Homens e mulheres
dividem-se, proporcionalmente, nessas três atividades sonoras.

(a) Use a seguinte tabela-resumo, para preencher as outras, que ajudarão nos cál-
culos dos itens solicitados:

Tabela A: distribuição frequencial das quantidades de usuários, por sexo e por

atividade que realizam dentro do ônibus:

Atividade
Sexo Total
música notícia estudo
Mulher 21 14 7 42
Homem 9 6 3 18
Total 30 20 10 60

— 15 —
Tabela B: distribuição percentual das quantidades de usuários, por sexo e por ati-
vidade, em relação ao total de usuários:

Atividade
Sexo Total
música notícia estudo
Mulher
Homem
Total

Tabela C: distribuição percentual das quantidades de usuários, por sexo e por ati-
vidade, em relação ao sexo:

Atividade
Sexo Total
música notícia estudo
Mulher
Homem
Total

Tabela D: distribuição percentual das quantidades de usuários, por sexo e por ati-
vidade, em relação à atividade:

Atividade
Sexo Total
música notícia estudo
Mulher
Homem
Total

— 16 —
Tabelas preenchidas:

Tabela B: distribuição percentual das quantidades de usuários, por sexo e por ati-
vidade, em relação ao total de usuários:

Atividade
Sexo Total
música notícia estudo
Mulher 0,35 0,23 0,12 0,70
Homem 0,15 0,10 0,05 0,30
Total 0,50 0,33 0,17 1,00

Tabela C: distribuição percentual das quantidades de usuários, por sexo e por ati-
vidade, em relação ao sexo:

Atividade
Sexo Total
música notícia estudo
Mulher 0,50 0,33 0,17 1,00
Homem 0,50 0,33 0,17 1,00
Total 0,50 0,33 0,17 1,00

Tabela D: distribuição percentual das quantidades de usuários, por sexo e por ati-
vidade, em relação à atividade:

Atividade
Sexo Total
música notícia estudo
Mulher 0,70 0,70 0,70 0,70
Homem 0,30 0,30 0,30 0,30
Total 1,00 1,00 1,00 1,00

— 17 —
(b) Qual a probabilidade de sortearmos um usuário, ao acaso, e ele estar escutan-
do música? E de estar escutando notícias? E de estar estudando?

(c) Qual a probabilidade de sortearmos um usuário, ao acaso, e ele estar escutan-

do música ou escutando notícias? E de estar escutando música ou estar estudan-
do? E de estar escutando notícias ou estudando?

(d) Qual a probabilidade de sortearmos, ao acaso, um usuário, e ele ser uma mu-
lher e que está estudando?

— 18 —
(e) Dado que sorteamos um usuário que está escutando música, qual a probabili-
dade de ele ser homem? E de ser mulher?

(f) Dado que sorteamos um usuário que é ‘mulher’, qual a probabilidade de ela
estar escutando música? E de estar escutando notícias? E de estar estudando?

(g) Agora, dado que sorteamos um usuário que é ‘homem’, qual a probabilidade
de ele estar escutando música? E de estar escutando notícias? E de estar estudan-
do?

— 19 —
Exercício 5.2: Com base no Artigo 2º da Lei 15.937, que diz:
(...)
Art. 2º Quando constatada inobservância do preceituado no art. 1º, serão adota-
das, na ordem elencada, as seguintes medidas:
I - o infrator será convidado a desligar o aparelho;
II - em caso de recusa de desligar o aparelho, o infrator será convidado a se reti-
rar do veículo;
III - caso frustradas as medidas previstas nos itens I e II, será solicitada a inter-
venção policial.
(...)
Por ‘observação histórica’, sabemos que, em determinada linha de ônibus, estes
são os valores encontrados:
. probabilidade de o usuário ser convidado a desligar o aparelho: 98%
. probabilidade de o usuário ser convidado a retirar-se do veículo: 40%
. probabilidade de intervenção policial: 90%

Pede-se:

(a) Qual a probabilidade de não ocorrer o item ‘I’?

(b) Qual a probabilidade de não ocorrer o item ‘II’?
(c) Qual a probabilidade de ocorrer o item ‘III’?
(d) Qual a probabilidade de não ocorrer o item ‘III’?

Observação importante: muitos problemas que envolvem um ou mais cálculos

de probabilidade podem ser solucionados por meio da construção de um ‘esque-
ma’. Esse esquema é um facilitador, para que possamos ‘enxergar’ todos os re-
sultados da ocorrência dos eventos possíveis. Assim, neste exemplo, vamos de-
senhar um esquema, que, por certo, facilitará na solução dos três itens acima ar-
rolados.

— 20 —
Se os eventos fossem ‘independentes’ uns dos outros, en-
tão valeria o seguinte esquema:

Mas, os eventos não são independentes, visto que o item ‘II’ somente pode
ocorrer, se o item ‘I’, obrigatoriamente, ocorrer. E o item ‘III’ somente pode
ocorrer, se o item ‘II, obrigatoriamente, ocorrer. Como vimos, eventos sequen-
ciais que dependem da ocorrência uns dos outros são denominados de ‘eventos
dependentes’, e suas probabilidades serão calculadas em função dessa ‘depen-
dência’.
Seja, então, o seguinte esquema, que considera a dependência entre eventos:

— 21 —
(a) Qual a probabilidade de não ocorrer o item ‘I’?
P(não ocorrer ‘I’) = 1 – P(ocorrer ‘I’) = 1 – 0,98 =
= 0,02 = 2%
O próprio esquema permite a identificação imediata do valor buscado.

(b) E qual a probabilidade de não ocorrer o item ‘II’?

Resposta: ‘Depende!’.
. se o item I ocorreu (dado que já ocorreu), então a probabilidade de o item II
ocorrer é de 40%. Logo, a probabilidade de não ocorrer é 60%.
. se o item I não ocorreu (dado que não ocorreu, ‘mesmo’), então a probabilidade
de o item II não ocorrer é de 100%.
Agora:
. se quisermos passar a saber qual a probabilidade de não-ocorrência do item ‘II’,
mas, sem saber, se, previamente, ocorreu o item ‘I’, então tal valor de probabili-
dade é dado por:
P(não ocorrer item ‘II’) = 0,98 x 0,60 + 0,02 x 1,00 =
= 0,588 + 0,020 = 0,608 =
= 60,8%
Logo, a probabilidade de ocorrência do item ‘II’, sem saber se ocorreu o item ‘I’,
vale:
1- P(não ocorrer item ‘II’) = 1 - 0,608 = 0,392 = 39,2%

(c) Qual a probabilidade de ocorrer o item ‘III’?

Resposta: ‘Depende!’.
. se o item ‘I’ não ocorreu (e por consequência, o item ‘II’ não ocorreu), então a
probabilidade de ocorrer o item ‘III’ é 0%.
. se o item ‘I’ ocorreu, mas se o item ‘II’ não ocorreu, então a probabilidade de
ocorrer o item ‘III’ é 0%.
. se o item ‘I’ já ocorreu e se o item ‘II’ também já ocorreu, então a probabilidade
de ocorrer o item ‘III’ é de 90%.

— 22 —
Agora:
. se quisermos passar a saber qual a probabilidade de ocorrência do item ‘III’,
mas, sem saber, se, previamente, ocorreram os itens ‘I’ e ‘II’, então tal valor de
probabilidade é dado por:
P(ocorrer ‘III’) = 0,98 x 0,4 x 0,9 + 0,98 x 0,6 x 0,0 + 0,02 x 0,0
x 0,0 + 0,02 x 1,0 x 0,0 = 0,3528 = 35,28%

(d) Qual a probabilidade de não ocorrer o item ‘III’?

Logo, se quiséssemos calcular a probabilidade de não-ocorrência do item ‘III’,
bastaria, neste momento, fazer: 1 – 0,3528, que vale 0,6472, ou 64,72%.
Mas, também, poderíamos fazer todas as contas, com base no ‘esquema’:
P(não ocorrer ‘III’) = 0,98 x 0,4 x 0,1 + 0,98 x 0,6 x 1,0 + 0,02 x
0,0 x 1,0 + 0,02 x 1,0 x 1,0 = 0,6472 = 64,72%

Observação importante: toda atenção deve ser dada a cada problema, pois o ‘es-
quema’ adotado para encontrar-se sua solução deve cobrir as possibilidades lógi-
cas de cada situação.

— 23 —
(6) Diferença entre ‘chance’ e ‘probabilidade’

Queremos compreender qual a diferença entre perguntar:

. ‘qual a probabilidade de um evento ocorrer?’
. ‘qual a chance de um evento ocorrer?’

Probabilidade  medida percentual da ocorrência de um

evento.
Chance  relação entre duas ou mais probabilidades das
ocorrências dos eventos envolvidos.

Exemplo:
‘Qual a PROBABILIDADE de o Time A vencer o Time B, no
próximo jogo?’
A resposta é um simples percentual; por exemplo, 80%. Logo, se a probabilidade
de o Time A vencer o Time B é de 80%; então, deduz-se, facilmente, que a pro-
babilidade de o Time B vencer o Time A é de 20% — vamos supor, neste caso
específico, que não valha o empate, ok? Isso facilita o entendimento; depois,
mais adiante, estabeleceremos regras para três ou mais resultados possíveis, ou
seja, de valores distintos de probabilidades para três ou mais eventos comple-
mentares. Lembremo-nos, que a soma de todas as probabilidades tem, sempre e
obrigatoriamente, de totalizar 100%. Em nosso exemplo, 80% + 20% = 100%.

‘Qual a CHANCE de o Time A vencer o Time B, no

próximo jogo?’
A ‘relação’ entre probabilidades informa-nos sobre a ‘chance’, conforme o con-
ceito ‘b’. A relação é uma fração simples — em nosso exemplo: 80% / 20% = 4 /
1 = 4. Assim, a chance de o Time A vencer o Time B, no próximo jogo, é de ‘4
para 1’, ou, de ‘quatro vezes’, ou ainda, podemos afirmar que, a cada ‘5’ (4 + 1)
jogos, o Time A vencerá 4 vezes e o Time B vencerá 1 vez.

— 24 —
RESUMO: a probabilidade requer ‘um único’ valor de percen-
tual; a chance requer ‘dois ou mais valores’, que formem uma
fração (uma relação entre as probabilidades).

Vejamos o caso em que três resultados são possíveis, como, por exemplo, o re-
sultado de ‘empate’ no jogo entre os Times A e B. Assim, uma situação possível
seria: o Time A tem probabilidade de vencer o Time B de 60%, e 10% de perder
para o Time B, e 30% de empatar. Quanto às probabilidades, não há o que fazer
ou ter dúvida: elas provêm das observações anteriores entre ambos os times, e no
geral, é estimada por esse tipo de observação, ao longo do tempo. Mas, as per-
guntas que queremos, agora, responder são:

(a) qual é a chance do Time A vencer o jogo?

(b) qual é a chance do Time A empatar o jogo?

(c) qual é a chance do Time A perder o jogo?

— 25 —
Respondendo, então, a essas três perguntas, temos:

6
(a) 60% / (10% + 30%) = 60% / 40% = 4 = 1,5
Ou seja: a cada dez (6 + 4) jogos, o Time A deve ser o vencedor em seis.

3
(b) 30% / (10% + 60%) = 30% / 70% = 7 = 0,428571
Ou seja: a cada dez (3 + 7) jogos, o empate é esperado, entre ambos os times, em
três ocasiões.

1
(c) 10% / (30% + 60%) = 10% / 90% = 9 = 0,111111
Ou seja, a cada dez (1 + 9) jogos, o Time A deve ser o perdedor em um jogo.

Observação importante: para calcularmos chances que obedeçam às mesmas

proporções, basta usar a soma entre numerador e denominador de qualquer uma
das três frações:
6
4 — a cada dez jogos (6 + 4), 6 são vencidos pelo Time A
3
7 — a cada dez jogos (3 + 7), 3 resultam em empates entre ambos os times
1
9 — a cada dez jogos (1 + 9), 1 é perdido pelo Time A (o time B vence)

— 26 —
(7) Exercícios extras (com base em casos reais)

(7.01) É proibido conversar com o motorista de ônibus, porém, a probabilidade

de um passageiro conversar com um motorista é de 20%. Pergunta-se: qual é a
probabilidade de, em um ônibus, 2 passageiros conversarem com o motorista? E
3 alunos? E 4 alunos? Qual é a fórmula geral para essa probabilidade?

(7.02) Os cidadãos de uma região da cidade dirigem-se a um posto de saúde, com

probabilidade de 25%, se são pessoas que acompanham os doentes; já, os doentes
dirigem-se ao mesmo posto de saúde, com probabilidade de 85%. Qual é a pro-
babilidade de encontrarmos um doente acompanhado? E qual é a probabilidade
de encontrarmos um doente desacompanhado?

(7.03) Em uma escola, existem 10 salas de aula, com 30 alunos em cada sala. A
probabilidade de um aluno ‘ir bem’ em uma prova qualquer é de 80%. Pergunta-
se:
. qual é a probabilidade de 2 alunos irem bem em um prova? E 3? E 4?
. qual é a probabilidade de todos os alunos (de uma sala) irem bem em uma pro-
va? (basta deixar indicado o resultado).

(7.04) O sistema SIGPEC é acessado, diariamente, por 70% dos servidores da

PMSP. Em SMG, esse acesso é feito por 80% dos servidores. No DERH, esse
acesso é feito por 96% dos servidores. A probabilidade de um servidor qualquer
imprimir um documento gerado pelo SIGPEC é de 40%. Calcule a probabilidade
de um servidor do DERH acessar o SIGPEC e imprimir um documento. E se
considerarmos que ele está em SMG? E se apenas soubermos que ele está na
PMSP? Dica: estar na PMSP, ou na SMG e ou no DERH são eventos indepen-
dentes.

(7.05) Em cada uma das subprefeituras, a probabilidade de um veículo pesado fa-

lhar (não ‘pegar’ na primeira tentativa de ignição) é de 1%.
(a) calcule a probabilidade de um veículo não falhar;
(b) calcule a probabilidade de 2 veículos falharem.

— 27 —
(7.06) Uma partitura (texto musical) original pode conter erros de impressão. A
probabilidade de encontrarmos ‘1’ erro de impressão vale 10-3 (0,001). Quantas
partituras devemos compulsar, para encontrarmos 10 erros de impressão?

(7.07) A probabilidade de uma secretaria municipal ser escolhida para represen-

tar a Prefeitura de São Paulo em um evento é dada pelo quadro, a seguir:
Secretaria SA SB SC SD SE SF SG SH SI

Probabilidade 1% 2% 4% 8% 16% 32% 16% 13% 8%

Tendo-se sorteado três secretarias para representar a PMSP, e sabemos que a

probabilidade encontrada está acima de 60%, quais são as combinações das três
secretarias que puderam ser sorteadas?

(7.08) Em certo município, o Prefeito propõe uma nova lei e a Câmara aprova,
solicita ajustes, ou não aprova (rejeita). Tendo-se observado os últimos dois anos,
o Prefeito propôs 40 leis e a Câmara aprovou 23, solicitou ajustes em 11, e não
aprovou 6. Qual a probabilidade de que, nos próximos dois anos de mandato des-
se Prefeito, a Câmara aprove ou solicite ajustes nas leis propostas? E qual é a
probabilidade de rejeição (das próximas leis que vierem a ser propostas?

(7.09) Uma senha da PRODAM fornecida aos usuários da Prefeitura tem, no mí-
nimo, ‘8’ dígitos. Vamos considerar as senhas que têm exatamente ‘8’ dígitos.
Supondo-se que os dígitos sejam, nesta ordem, ‘1’ letra’, ‘1’ código especial’ e
‘6’ algarismos, pergunta-se: quantas senhas distintas podem ser formadas, se te-
mos ‘26’ letras, ‘17’ códigos especiais e ‘10’ algarismos? Qual a probabilidade
de digitarmos uma senha de 8 dígitos e acertarmos a senha de nosso colega?

(7.10) As novas placas de veículos — propostas para uso de veículos registrados

no Mercosul para o Brasil — têm a seguinte ‘forma’ (com algarismos e letras):
LLLNLNN. Pergunta-se: qual a quantidade de placas possíveis?

— 28 —
Soluções para os exercícios extras:

(7.01) É proibido conversar com o motorista de ônibus, porém, a probabilidade de um passageiro conversar com um motorista é
de 20%. Pergunta-se: qual é a probabilidade de, em um ônibus, 2 passageiros conversarem com o motorista? E 3? E 4? Qual é a
fórmula geral para essa probabilidade?

P (‘1’ passageiro conversar com o motorista) = 30% = 0,30

Então:
P (‘2’ passageiros conversarem com o motorista) = P(‘1’) x P(‘1’) = 0,30 x 0,30
= 0,09 = 9%
P (‘3’ passageiros conversarem com o motorista) = P(‘1’) x P(‘1’) x (‘1’) = 0,30
x 0,30 x 0,30 = 0,027 = 2,7%
P (‘4’ passageiros conversarem com o motorista) = P(‘1’) x P(‘1’) x P(‘1’) x
P(‘1’) = 0,30 x 0,30 x 0,30 x 0,30 = 0,0081 = 0,81%
Fórmula Geral:
P (‘k’ passageiros conversarem com o motorista) = [P(‘1’)]k

(7.02) Os cidadãos de uma região da cidade dirigem-se a um posto de saúde, com probabilidade de 25%, se forem as pessoas que
acompanham os doentes; já, os doentes dirigem-se ao mesmo posto de saúde, com probabilidade de 85%. Qual é a probabilidade
de encontrarmos um doente acompanhado? E qual é a probabilidade de encontrarmos um doente desacompanhado?

doente acompanhante
sim
0,25
sim
0,85 não
0,75

sim
0,00
não
0,15 não
1,00
P(doente acompanhado) = P(doente [sim]) x P(acompanhante [sim]) = 0,85 x
0,25 = 0,2125 = 21,25%
P(doente desacompanhado) = P(doente [sim]) x P(acompanhante [não]) = 0,85 x
0,75 = 0,6375 = 63,75%

— 29 —
(7.03) Em uma escola, existem 10 salas de aula, com 30 alunos em cada sala. A probabilidade de um aluno ‘ir bem’ em uma prova
qualquer é de 80%. Pergunta-se:
. qual é a probabilidade de 2 alunos irem bem em uma prova? E 3 alunos? E 4 alunos?
. qual é a probabilidade de todos os alunos (de uma sala) irem bem em uma prova? (basta deixar indicado o resultado).

P(2 alunos irem bem) = P(‘1’ ir bem) x P(‘1’ ir bem) = 0,8 x 0,8 = 0,64 = 64%
P(3 alunos irem bem) = P(‘1’ ir bem) x P(‘1’ ir bem) x P(‘1’ ir bem) = 0,8 x 0,8 x
0,8 = 0,512 = 51,2%
P(4alunos irem bem) = P(‘1’ ir bem) x P(‘1’ ir bem) = 0,8 x 0,8 x 0,8 x 0,8 =
0,4096 = 40,96%
P(todos alunos irem bem) = [P(‘1’ ir bem)]30

(7.04) O sistema SIGPEC é acessado, diariamente, por 70% dos servidores da PMSP. Em SMG, esse acesso é feito por 80% dos
servidores. No DERH, esse acesso é feito por 96% dos servidores. A probabilidade de um servidor qualquer imprimir um docu-
mento gerado pelo SIGPEC é de 40%. Calcule a probabilidade de um servidor do DERH acessar o SIGPEC e imprimir um docu-
mento. E se considerarmos que ele está em SMG? E se apenas soubermos que ele está na PMSP? Dica: estar na PMSP, ou na
SMG e ou no DERH são eventos independentes.

Seja o seguinte esquema:

P([DERH] acessa e imprime) = 0,96 x 0,40 = 0,344 = 34,4%

P([SMG] acessa e imprime) = 0,80 x 0,40 = 0,32 = 32,0%
P([PMSP] acessa e imprime) = 0,70 x 0,40 = 0,28 = 28,0%

— 30 —
(7.05) Em cada uma das subprefeituras, a probabilidade de um ‘veículo pesado’ falhar (não ‘pegar’ na primeira tentativa de igni-
ção) é de 1%.
(a) calcule a probabilidade de um veículo não falhar;
(b) calcule a probabilidade de 2 veículos falharem.

(a) Como:
P(veículo pesado ‘falhar’) = 1% = 0,01
Logo:
P(veículo pesado ‘não falhar’) = 1 - P(veículo pesado ‘falhar’) = 100% - 1% =
99% = 0,99
(b) Como:
P(veículo pesado ‘falhar’) = 1% = 0,01
Então:
P(‘2’ veículos falharem) = P(‘1’) x P(‘1’) = 0,01 x 0,01 = 0,001 = 0,1%

(7.06) Uma partitura (texto musical) original pode conter erros de impressão. A probabilidade de encontrarmos ‘1’ erro de impres-
são vale 10-3 (0,001). Quantas partituras devemos compulsar, para encontrarmos 10 erros de impressão?

P(encontrar ‘1’ erro) = 0,001 = 1 / 1000

Ou seja, a cada 1.000 partituras, devemos encontrar ‘1’ erro.
Assim, para encontrarmos ‘10’ erros, deveremos compulsar 10 x 1.000 = 10.000
partituras!

(7.07) A probabilidade de uma secretaria municipal ser escolhida para representar a Prefeitura de São Paulo em um evento é dada
pela tabela, a seguir:

Secretaria SA SB SC SD SE SF SG SH SI

Probabilidade 1% 2% 4% 8% 16% 32% 16% 13% 8%

Tendo-se sorteado três secretarias para representar a PMSP, e sabendo-se que a probabilidade (acumulada) encontrada está acima
de 60%, quais são as combinações das três secretarias que puderam ser sorteadas?

Tomemos a secretaria com o maior percentual, e a partir dela, mostremos quais

as combinações possíveis:
[SF]+[SE]+[SG] — 32% + 16% + 16% = 64%
[SF]+[SE]+[SH] — 32% + 16% + 13% = 61%
[SF]+[SG]+[SH] — 32% + 16% + 13% = 61%
Então: uma dessas ‘3’ combinações foi a sorteada.

— 31 —
(7.08) Em certo município, o Prefeito propõe uma nova lei e a Câmara aprova, solicita ajustes, ou não aprova (rejeita). Tendo-se
observado os últimos dois anos, o Prefeito propôs 40 leis e a Câmara aprovou 23, solicitou ajustes em 11, e não aprovou 6. Qual a
probabilidade de que, nos próximos dois anos de mandato desse Prefeito, a Câmara aprove ou solicite ajustes nas leis propostas? E
qual é a probabilidade de rejeição (das próximas leis que vierem a ser propostas?

Supondo-se que as quantidades observadas nos primeiros ‘2’ anos mantenham-se

inalteradas, visto que, para uma projeção, isso seria necessário considerar, então,
teremos:
P(Câmara aprove ‘ou’ solicite ajustes) = P(Câmara aprove) + P(Câmara solicite
ajuste) = 23/40 + 11/40 = 34/40 = 0,85 = 85%
P(Câmara não aprove) = 6/40 = 0,15 = 15%

(7.09) Uma senha da PRODAM fornecida aos usuários da Prefeitura tem, no mínimo, ‘8’ dígitos. Vamos considerar as senhas que
têm exatamente ‘8’ dígitos. Supondo-se que os dígitos sejam, nesta ordem, ‘1’ letra’, ‘1’ código especial’ e ‘6’ algarismos, per-
gunta-se: quantas senhas distintas podem ser formadas, se temos ‘26’ letras, ‘17’ códigos especiais e ‘10’ algarismos? Qual a pro-
babilidade de digitarmos uma senha de 8 dígitos e acertarmos a senha de nosso colega?

Seja ‘QSD’ a quantidade de senhas distintas. Então:

QSD = 26 x 17 x 10 x 10 x 10 x 10 x 10 x 10 = 442.000.000 de senhas distintas
Com isso, a probabilidade de acertarmos a senha de um colega vale:
P(acertar ‘uma’ senha) = 1 / 442.000.000 = 0,00000000226244

(7.10) As novas placas de veículos — propostas para uso de veículos registrados no Mercosul — têm a seguinte ‘forma’ (com al-
garismos e letras): LLLNLNN. Pergunta-se: qual a quantidade de placas possíveis?

Seja ‘QP’ a quantidade de placas distintas. Então:

QP = 26 x 26 x 26 x 10 x 26 x 10 x 10 = 456.976.000 de placas distintas

(8) Referências bibliográficas

FELLER, W. An Introduction to Probability Theory and Its Applications, 2 vols., 3rd ed.
New York: John Wiley & Sons, 1968.
LARSON, R. & FARBER, B. Estatística. São Paulo: Prentice Hall, 2007.
LIPSCHUTZ, S. Probabilidade. São Paulo: McGraw-Hill do Brasil, 1973.
MEYER, P. Probabilidade e Aplicações à Estatística, 2.ed., Rio de Janeiro: Ao Livro Técni-
co SA, 1974.
MORETTIN, P.A. & BUSSAB, W.O. Estatística Básica — métodos quantitativos para eco-
nomistas e administradores, vol.3, 2.ed., São Paulo; Atual, 1984.
PAGANO, A. Lições de Estatística, 3 vols., 2 ed. PMSP: 1954. vol. 2 (Cálculo das Probabi-
lidades).

— 32 —
 TESTE
Nome do(a) Aluno(a): _________________________________________

Por favor, escolha a alternativa ‘correta’:

Q1. [1,5 ponto] Definimos Probabilidade como:

[__] (a) a Probabilidade é uma medida relativa da ocorrência de um evento.
[__] (b) a Probabilidade é um chute bem dado, bem preciso, sobre algo que
pode acontecer ou não.
[__] (c) a Probabilidade é uma medida numérica que indica se algo de bom
pode ocorrer ou não.
[__] (d) a Probabilidade é um fato: ele ocorre ou não.

Q2. [1,5 ponto] A Probabilidade caracteriza-se por:

[__] (a) a Probabilidade não é uma ciência independente e não está atrelada a
nenhuma outra ciência.
[__] (b) a Probabilidade, como ciência independente das demais, está atrela-
da à Matemática.
[__] (c) todas as ciências dependem da Probabilidade.
[__] (d) cada ciência independe uma da outra — a Probabilidade também.

Q3. [1,5 ponto] Quanto aos conceitos de ‘percentual’ e de ‘probabilidade’:

[__] (a) são a mesma coisa, e dizem respeito à ocorrência dos eventos.
[__] (b) o percentual consiste das taxas de juros, de aumentos de e diminui-
ções de valores financeiros.
[__] (c) o percentual é uma medida de razão com base 100 (cem); e a proba-
bilidade é representada por percentuais.
[__] (d) tanto percentual quanto probabilidade representam valores indeter-
minados, ou seja, são, apenas, aproximações.

— 33 —
Agora, por favor, resolva:

Q4. Em uma sala de aula, temos 18 meninas e 12 meninos. Sabemos que 6 meni-
nas e 4 meninos têm estojos amarelos. Dica: construir uma tabela-resumo.
(a) [1,0 ponto] calcule a probabilidade de sortearmos um aluno e ele ser me-
nina ‘e’ ter estojo amarelo.

(b) [1,0 ponto] dado que sorteamos uma menina, calcule a probabilidade de
ela ter estojo amarelo.

(c) [1,0 ponto] dado que sorteamos um aluno que tem estojo amarelo, calcule
a probabilidade de esse aluno ser menina.

Q5. Em um supermercado, sabemos que a probabilidade de encontrarmos um

produto vencido (com data de validade vencida), em um dia, vale 0,25%.
Pergunta-se:
(a) [1,0 ponto] qual a probabilidade de encontrarmos um produto não-
vencido?

(b) [1,5 ponto] a reposição de produtos vencidos é feita todos os dias, antes
de o supermercado abrir. É por isso que a probabilidade de encontrarmos
produtos vencidos é muito pequena (0,25%). Então, qual é a probabilidade
de encontrarmos produtos vencidos, em dois dias consecutivos?

— 34 —