1

UNIDADE 6 - CONCEITOS BÁSICOS DE PROBABILIDADES

6.1 - conceito de experiência aleatória

Experimentos aleatórios são aqueles que, sendo repetidos em idênticas condições,

produzem resultados diferentes.
As variações de resultados são atribuídas a uma multiplicidade de causas que não
podem ser controladas às quais, em conjunto, chamamos de acaso.

Exemplos:

a) lançar uma moeda e observar a face superior;

b) lançar dois dados e observar a soma dos números das faces superiores;
c) selecionar 20 peças, dentre um lote de 180 peças perfeitas e 20 defeituosas;
d) sortear uma carta de um baralho de 52 cartas e observar o naipe.

6.2 - espaço amostral ( ou S)

Embora não se possa determinar exatamente o resultado de um experimento aleatório,

freqüentemente é possível descrever o conjunto de todos os resultados possíveis para o
experimento. Este conjunto é chamado de espaço amostral ou conjunto universo.

Exemplos:

a) lançar uma moeda e observar a face superior.

S = { cara, coroa} N = 2 elementos

OBS: doravante chamaremos cara = c e coroa = k, assim:

S = { c, k } N = 2 elementos

b) lançar duas moedas e observar as faces superiores. ( lançar 2 moedas e o mesmo que
lançar 1 moeda 2 vezes).
S = { cc, ck, kk, kc} N= 4 pares

c) lançar uma moeda três vezes e observar as faces superiores. ( é o mesmo que lançar 3
moedas).
S = { ccc, cck, ckc, ckk, kkk, kkc, kck, kcc} N = 8 triplas

d) lançar quatro moedas. ( é o mesmo que lançar 1 moeda 4 vezes).

S = { cccc, ccck, cckc, cckk, ckcc, ckck, ckkc, ckkk, kkkk, kkkc, kkck, kkcc, kckk, kckc,
kcck, kccc} N = 16 quadruplas

e) lançar um dado e observar a face superior.

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

f) lançar dois dados. ( é o mesmo que lançar 1 dado 2 vezes).

S= { (1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1), (3,2), (3,3),
(3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1),
(6,2(, (6,3), (6,4), (6,5), (6,6) } N = 36 pares

OBS: quando se lança dados a partir de dois lances podemos representar o espaço amostra
com o primeiro e o último elemento. Assim, para o lance de dois dados teríamos:
S= { (1,1), ..., (6,6) } N = 62 = 36 pares.

g) lançar três dados.

 2

S = { (1,1,1), ..., (6,6,6,) } N = 63 = 216 triplas.

i) lançar dois dados e observar a soma dos números das faces superiores.
S = { 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 } N = 11 elementos

j) lançar uma moeda e um dado e observar as faces superiores.

S = { c1, c2, c3, c4, c5, c6, k1, k2, k3, k4, k5, k6 } N = 12 elementos ou
S = { c1, k1, c2, k2, c3, k3, c4, k4, c5, k5, c6, k6 } N = 12 elementos

k) representar o conteúdo de uma urna com 3 bolas vermelhas, 2 bolas amarelas e 6 bolas
brancas.
S = { 3v, 2 a, 6b } N = 11 bolas ou
S = { 3V, 2 A, 6B} N = 11 bolas

l) de uma urna contendo 3 bolas vermelhas, 2 bolas amarelas e 6 bolas brancas, extrair ao
acaso uma bola e observar a cor.
S = { v, a, b} N = 3 cores ou
S = { V, A, B } N = 3 cores

m) peças que saem de uma linha de produção são marcadas defeituosas (d) ou não
defeituosas (x). Isso é feito até que duas peças defeituosas sejam encontradas ou que
quatro peças tenham sido inspecionadas, aquilo que ocorra em primeiro lugar.
S = { xxxx, xxxd, xxdx, xxdd, xdxx, xdxd, xdx, dd, dxdd, dxdx, dxxd, dxxx } N = 12

6.3 - eventos

Evento é qualquer um dos subconjuntos de um espaço amostral.

É costume indicarmos os eventos por letras maiúsculas do alfabeto latino: A, B, C, ...,

Z.

Exemplo:

Considere-se o conjunto S = { 1, 2, 3, 4, 5, 6, 7, 8 } , verificar se os conjuntos abaixo são

eventos:

a) A= { 1, 3, 5, 7 } n = 4 . R: Sim
b) B= {8} n=1. R: Sim
c) C= { } n=0. R: Sim
d) D= { 1, 2, 3, 4, 5, 6, 7, 8 } n = 8 . R: Sim
e) E= { 0, 1, 2, 7 } n = 4. R : Não, porque 0S

6.3.1 - evento elementar

É um evento que possui um único elemento ( conjunto unitário) do espaço amostral.

Exemplo:
Considere-se o conjunto S = { 1, 2, 3, 4, 5, 6, 7, 8 } , verificar qual dos conjuntos abaixo é o
evento elementar.
a) A = { 1, 3, 5, 7 } n = 4 . R: Não
b) B = { 8 } n = 1 . R: Sim, porque possui apenas um elemento de S.
c) C = { } n = 0 . R: Não
d) D = { 1, 2, 3, 4, 5, 6, 7, 8 } n = 8 . R: Não

6.3.2 - evento certo

É aquele formado por todos os elementos do espaço amos tral.

 3

Exemplo:
Considere-se o conjunto S = { 1, 2, 3, 4, 5, 6, 7, 8 } , verificar qual dos conjuntos abaixo é o
evento certo.
a) A = { 1, 3, 5, 7 } n = 4 . R: Não
b) B = { 8 } n = 1 . R: Não
c) C = { } n = 0 . R: Não
D = { 1, 2, 3, 4, 5, 6, 7, 8 } n = 8 . R: Sim, porque tem todos os elementos de S.

6.3.3 - evento impossível

Ë aquele que possui elementos não pertencentes ao espaço amostral.

Exemplo:

Considere-se o conjunto S = { 1, 2, 3, 4, 5, 6, 7, 8 } , verificar qual dos conjuntos abaixo é

impossível:

a) A= { 1, 3, 5, 7 } n = 4 . R: Não
b) B= {8} n=1. R: Não
c) C= { } n=0. R: Não
d) D= { 1, 2, 3, 4, 5, 6, 7, 8 } n = 8 . R: Não
e) E= { 0, 1, 2, 7 } n = 4. R : Sim, porque 0S

6.3.4 - operações com eventos

a) Evento Reunião ou União

Símbolo:  ; sinal matemático : + ; conectivo : ou

Definição:
Dados dois eventos A e B chama-se união desses eventos ao conjunto C, constituído
por todos os elementos pertencentes a A ou a B, ou a ambos (sem repetição de elementos).
C = A  B ou A  B = { e i  S / e i  A ou e i  B }

OBS: A ocorre ou B ocorre ou ambos ocorrem.

Exemplo:
Seja A = {a, e, i, o, u} n = 5 e B = { a, b. c. d, e, f, g } n = 7. Achar a união.
C = A  B = { a, b, c, d, e, f, g, i, o, u } n = 10.

Seja A = {1, 2, 3} n = 3 e B = { 4, 5, 6} n = 3 . Achar a união.

C = A  B = { 1, 2, 3, 4, 5, 6 } n = 6.

(i) Generalizando para mais de dois eventos.

C =  n Ai ou C = A1A2A3......An
i=1

Exemplo:
Seja A = { 1, 2 } n = 2, B { 1, 2, 3, 4}n = 4, C = { 4, 5, 7} n = 3, D = { 1, 5 , 8} n = 3e
E = { 7, 9, 10} n = 3 . Achar a união.
A  B  C  D  E = { 1, 2, 3, 4, 5, 7, 8, 9, 10 } n = 9.

b) Evento Interseção

Símbolo:  ; sinal matemático: . ou x ; conectivo : e

 4

Definição:
Dados dois eventos A e B, chama-se interseção desses eventos ao conjunto C,
constituído por todos os elementos pertencente a A e a B.
C = A  B = AB ou A  B = { e i  S / e i  A e e i  B }

OBS: A e B ocorrem.

Exemplo:
Seja A = {a, e, i, o, u} n = 5 e B = { a, b. c. d, e, f, g } n = 7. Achar a interseção.
C = A  B = { a, e } n = 2.

(i) Generalizando para mais de dois eventos.

C = A1A2A3 ....An ou C =  n Ai
i=1
Exemplo:
Seja A = { 1, 2, 3} n = 3 , B = { 2, 4 ,6} n =3 , C = { 2, 5, 9} n = 3 , D = { 0, 1, 2} n = 3.
Achar a interseção.
ABCD = { 2} n = 1

c) Eventos Disjunto ou mutuamente exclusivos

Dois eventos A e B são disjuntos quando não possuem nenhum elemento em comum,
isto é, sua interseção é o conjunto vazio.
C = AB = { } ou 

Exemplo:
Seja A = { 1, 2, 3, 4} n = 4 e B = { 5, 6, 7} n = 3. Achar o evento disjunto.
C={ }.

d) Diferença entre eventos.

Dados dois eventos A e B, nessa ordem, chama-se diferença entre esses dois eventos
ao evento C, constituído por todos os elementos pertencentes a A mas não de B.
C = A - B ou A - B = { e i  S / e i  A e e i  B }

Exemplo:
Seja A = { 1, 2, 3, 4} n = 4 e B = { 3, 4, 7, 9, 10} n = 5. Achar os eventos diferença A - B
e B – A.

A - B = { 1, 2} n = 2
B - A = { 7, 9, 10} n = 3.

e) Evento Complementar
Dado o espaço amostra S e um qualquer evento A dele originado, dizemos que o evento
Ā é o evento complementar do evento A se ele for formado por todos os elemento de S não
pertencentes ao evento A, assim temos que:

Ā = { ei  S / ei  A }

Exemplo:
Seja S = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10} N = 10 e A = { 5, 6, 7, 8 } n = 4. Achar Ā

Ā = { 1, 2, 3, 4, 9, 10 } n = 6

6.4 – definição clássica do cálculo das probabilidades

Formalmente, a probabilidade do evento A ocorrer é o quociente entre dois números

inteiros, maiores que zero; onde o numerador indica o número de casos favoráveis à ocorrência
de A e o denominador o número de casos possíveis. Então:
 5

P(A) = n /N ; P(A)  [0, 1]

Nesta situação, quando existir um certo número finito, N, de acontecimentos

possíveis, tem-se:

a) os N acontecimentos são mutuamente exclusivos;

b) é certa a ocorrência de alguns dos acontecimentos;
c) cada acontecimento tem a mesma probabilidade de ocorrer, isto é, são equiprováveis;
d) há n acontecimentos favoráveis, isto é, cada ocorrência de um deles implica na ocorrência
de A, então P(A) = n / N.

OBS: a probabilidade pode ser expressa na forma de fração ou número decimal ou

percentagem.

Exemplos:

1) Um dado é lançado. Encontrar as seguintes probabilidades:

a) de que o número obtido seja par;
b) de que o número obtido seja primo;
c) de que o número obtido seja múltiplo de 3;
d) de que o número obtido seja 8;
e) de que o número obtido seja 1 ou 2 ou 3 ou 4 ou 5 ou 6.

Solução: S = { 1, 2, 3, 4, 5, 6 } N = 6

a) A = { 2, 4, 6 } n = 3 P(A) = n = 3 = 0,5 ou 50%

N 6

b) B = { 2, 3, 5 } n = 3 P(B) = n = 3 = 0,5 ou 50%

N 6

c) C = { 3, 6 } n = 2 P(C) = n = 2 = 0,3333 ou 33,33%

N 6

d) D = { } n = 0 P(D) = n = 0 = 0 ou 0%
N 6

e) E = { 1, 2, 3, 4, 5, 6} n = 6 P(E) = n = 6 = 1 ou 100%
N 6

2) Num baralho, bem embaralhado, de 52 cartas, qual a probabilidade de ao ser retirada

uma carta, ela ser um as ou um rei de copas ou um sete de ouros ou um valete de
espadas?

S = { baralho } N = 52 cartas

A = { as, rei de copas, sete de ouros, valete de espadas} n = 7 ( porque há 4 ases)

P(A) = n = 7 = 0,1346 ou 13,46 %

N 52

3) Lançam se três dados. Qual a probabilidade que a soma das faces seja 7?

S = { (1,1,1), ...,(6,6,6) } N = 63 = 216

 6

A = { soma 7} = {(1,1,5), (1.2,4), (1,3,3), (1,4,2), (1,5,1), (2,1,4), (2,2,3), (2,3,2), (2,4,1), (3,1,3),
(3,2,2), (3,3,1), (4,1,2), (4,2,1), (5,1,1) } n = 15

P(A) = n = 15 = 0,0694 ou 6,94%

N 216

6.5 – axioma das probabilidades

AXIOMA I

A probabilidade de um evento A ocorrer é um número não negativo que satisfaz a

seguinte igualdade:

0  P(A)  1 ou P(A)  [0, 1]

AXIOMA II

a) a probabilidade de um evento certo é igual a “um”, P(S) = 1.

Exemplo: no lançamento de um dado a probabilidade de dar o ponto 1, 2, 3, 4, 5 ou 6 é um.

b) a probabilidade do evento impossível é igual a “zero “, P(S ) = 0.

Exemplo: no lançamento de um dado a probabilidade de dar o ponto 7 é zero.

AXIOMA III (Axioma da Adição )

Se os eventos A 1, A2, A3, ....,A n são mutuamente exclusivo, então:

P(A1 A2A3  .... An) = P( A1) + P(A2) + P(A3) + ..... + P(An )

Diz-se que dois eventos são mutuamente exclusivos se eles não ocorrem ao mesmo
tempo, logo A  B é um evento impossível cuja probabilidade é o conjunto vazio.
Quando consideramos o evento representado por Ā que é definido como evento
complementar de A, isto é, o evento que ocorre se A deixa de ocorrer, os dois eventos A e Ā
são, então mutuamente exclusivo e, além disso, A  Ā é um evento certo.
Por conseguinte, tem - se pelos Axiomas II e III :

P(A  Ā ) = P(A) + P(Ā) = 1 + 0 = 1 , logo

P(Ā) = 1 - P(A) , desse modo demonstramos a seguinte propriedade:

“a soma das probabilidades de um evento e de seu complementar é sempre igual à unidade”.

6.6 – teoremas básicos

6.6.1 - Regra da Adição

Teorema 1

“Sejam A e B eventos mutuamente exclusivos. Então P(A  B) = P(A) + P(B) “ .

 7

S
A B
P(A  B) = P(A) + P(B)

Exemplo:
No lançamento de um dado, qual a probabilidade de sair um número divisível por 3?
Solução:
Sejam A = { ocorrência do número 3} e B = { ocorrência do número 6}.
S = { 1, 2, 3, 4, 5, 6} N = 6 ; A = {3} n = 1; B = { 6} n= 1.

P(A  B) = P(A) + P(B) = 1/6 + 1/6 = 2/6= 0,3333 ou 33,33%.

Teorema 2

“Sejam A e B dois eventos quaisquer. Então P(A  B) = P(A) + P(B) - P(A P(A  B) = P(A) +
P(B) - P(A  B) “.

B P(A  B) = P(A) + P(B) - P(A  B)

Exemplo:
No lançamento de um dado, qual a probabilidade de sair número par ou número múltiplo de 3?
Solução:
Sejam A = { ocorrência de número par} e B = { ocorrência de múltiplo de 3}

S = { 1, 2., 3, 4, 5, 6 } N = 6; A = { 2, 4, 6} n = 3; B = { 3, 6} n = 2; A B = {6} n = 1.

P(A  B) = P(A) + P(B) - P(A  B) = 3/6 + 2/6 - 1/6 = 4/6= 0,6667 ou 66,67%

Teorema 3
“ Sejam A 1, A2, A3, ...., An eventos quaisquer. Então
n n n
P(A1 A2 A3 ....  A n) =  P(Ai) -  P(AiAj ) +  P(AiAj Ak) - ... (-1)n P(A1 A2...An)
i =1 i=1 I=1
i <j i <j <k
Exemplo:
Sejam A , B e C eventos tais que P(A) =P(B)=P( C ) = 1/5 , AB =  , AC =  e P(BC) = 1/7.
Calcule a probabilidade que pelo menos um dos eventos A, B ou C acorra ?
Solução:

P(ABC) =?
P(ABC) = P(A) + P(B) + P( C ) - P(AB) - P(AC) - P(BC) + P(ABC)
P(ABC) = 1/5 + 1/5 + 1/5 - 0 - 1/7 + 0 = 16/35= 0,4571 ou 45,71%

6.6.2 – Problema do Evento Complementar

Teorema
 8

“ Para todo evento A  S , P(A) + P(Ā ) = 1”

A
Ā
P(A) + P(Ā ) = 1

Exemplo:
Uma moeda é lançada três vezes. Seja o evento A a ocorrência de no mínimo uma cara. Qual a
probabilidade da não ocorrência de A?

Solução:
S = { ccc, cck, ckc, ckk, kkk, kkc, kck, kcc} N= 8
A = { ccc, cck, ckc, ckk, kkc,kck, kcc} n = 7

P(A) + P(Ā ) = 1  7/8 + P(Ā) = 1  P(Ā ) = 1 – 7/8 = 1/8 ou 0,125 ou 12,5%.

6.6.3 – Partição do Espaço Amostra

Teorema
“ Se os eventos A 1, A2, A3, ...., A n formam uma partição do espaço amostra, então:
n
 P(Ai) = 1 “.
i=1
A1 A2
n
A P(A1)+P(A2)+P(A3)+P(A4)+ ... + P(An) =  P(Ai) = 1
i=1
A3 A 4 .........A n

Exemplo:
Lança-se um dado. Qual a probabilidade de ocorrer quaisquer de suas faces ?

Solução:
S = { 1, 2, 3, 4, 5, 6} N =6
A1= {1} n = 1; A 2= {2} n = 1; A 3= {3} n = 1; A4= {4} n = 1;A 5= {5} n = 1 e A 6= {6} n = 1.

P(A1)+P(A2)+P(A3)+P(A4)+P(A5)+P(A6) = 1/6+1/6+1/6+1/6+1/6+1/6= 1 ou 100%

6.6.4 – Problema do Evento Impossível

Teorema
“ Se A é o evento impossível, então P(A) = 0 “ .

OBS: A recíproca não é verdadeira, pois o fato de P(A) = 0 não implica que A seja impossível.

Exemplo:
Lança-se um dado. Qual a probabilidade da ocorrência de uma face voltada para cima m ostrar o
valor 10?

Solução:
S = {1, 2, 3, 4, 5, 6} N= 6;
A = { } n = 0. P(A) = n/N = 0/6 = 0 ou 0% .

6.6.5 – Probabilidades Finitas dos Espaços amostrais Finitos

Seja S um espaço amostra finito S = { a 1, a2, .... , an }. Consideremos o evento formado

por um resultado simples de S , S = { a i }.
 9

A cada evento simples { ai } associaremos um número pi denominado probabilidade de

{ ai } satisfazendo as seguintes condições:
a) pi  0 , i = {1, 2, 3, ....... , n}
a) p1 + p2 + p3 + ..... + pn = 1.

A probabilidade P(A) de cada evento composto (mais de um evento) é então definida pela soma
das probabilidades dos pontos de S.

Exemplo:
Três cavalos A, B e C estão numa corrida; o cavalo A é duas vezes mais provável de ganhar
que o B e o cavalo B é duas vezes mais provável de ganhar que o C. Quais são as
probabilidades de vitória de cada cavalo ?

Solução:
P( C ) = p; P(B) = 2 P( C) = 2p; P(A) = 2P(B) = 2(2p) = 4p

P(A) + P(B) + P( C) = 1  4p + 2p + p = 1  7 p = 1  p = 1/7

P(A) = 4/7= 0,5714 ou 57,14% ; P(B) = 2/7= 0,2857 ou 28,57% e P( C) = 1/7=0,1429 ou 14,29%

6.7 - probabilidade condicionada

Seja B um evento arbitrário em um espaço amostral S, com P(B) > 0. A probabilidade do

evento A ocorrer, uma vez que B tenha ocorrido, ou, em outras palavras, a probabilidade
condicionada de A dado B, escrita P(A/B) é definida como:

P(A/B) = P(A  B)
P(B)

P(A/B) lê-se: “ probabilidade do evento A condicionado à ocorrência de B” , ou, “ probabilidade

de A dado B” , ou ainda, “ probabilidade de A na certeza de B”.

S
B

A P(A/B) = P(A  B)
P(B)

Exemplo 1:
Lança-se um par de dados não viciados. Se a soma é 6, qual a probabilidade de ter ocorrido a
face 2 em um deles ?

Solução:
Se a soma é 6 é uma condição, logo B = {(1,5),(2,4),(3,3),(4,2), (5,1)} n = 5.

Sabendo que a soma é 6 ter ocorrido a face 2, logo (A  B) = {(2,4),(4,2)} n =2

Como queremos saber a probabilidade de ter ocorrido a face 2 em um deles, sabendo que a
soma foi 6, temos probabilidade condicionada do evento A na certeza do evento B, logo
queremos P(A/B).
 10

Assim P(A/B) = 2/5= 0,4 ou 40%

Exemplo 2:
Consideremos 250 alunos que cursam o primeiro ciclo de uma Faculdade. Destes alunos 100
são homens(H) e 150 são mulheres(M), 110 cursam Introdução à Administração (I) e 140
cursam Língua Portuguesa (L). A distribuição dos alunos é a seguinte:

Disciplina I L Total
Sexo
H 40 60 100
M 70 80 150
Total 110 140 250

Um aluno é sorteado ao acaso. Qual a probabilidade de que esteja cursando Língua Portuguesa,
dado que é mulher ?

Solução:
Dado que é mulher é uma certeza ou uma condição logo M = 150
Cursando Língua Portuguesa e mulher (M  L) = 80
Logo o que queremos é P(L/M).
Assim, P(L/M) = P(LM)/P(M) = 80/150 = 0,5333 ou 53,33%.

6.8 – regra da multiplicação e da independência estocástica

6.8.1 – Regra da Multiplicação
A probabilidade da ocorrência simultânea de dois eventos A e B, do mesmos espaço
amostra, é igual ao produto da probabilidade de um deles pela probabilidade condicionada do
outro, relativo à hipótese de que o primeiro tenha ocorrido.

Assim, P(A  B) = P(A).P(B/A) ou P(A  B) = P(B). P(B/A)

Exemplo:
Duas bolas vão ser retiradas de uma urna que contém 2 bolas brancas, 3 pretas e 4
verdes. Qual a probabilidade de que ambas:
a) sejam verdes ?
b) sejam da mesma cor ?
Solução: A urna contém 9 bolas

a) P(V1  V2) = P(V 1). P(V2/ V1) = 4 . 3 = 1 = 0,1667 ou 16,67%

9 8 6
b) P(MC) = P(B 1B2) + P(P 1P2) + P(V 1V2) = 2 . 1 + 3. 2 + 4 . 3 = 20 = 5 = 0,2778 ou 27,78%
9 8 9 8 9 8 72 18
( i) Generalizando para “n “ eventos:

P(A1A2A3) = P(A1).P(A2/ A1).P(A3/ A1A2)

P(A1A2A3.... An) = P(A1).P(A2/ A1).P(A3/ A1A2).P(A4/ A1A2A3).....P(An/ A1A2...An-1)

Exemplo 1:
Num lote de 12 peças, 4 são defeituosas. Três peças são retiradas aleatoriamente, uma
após outra. Encontre a probabilidade de todas essas três peças serem não defeituosas.

Solução:
4 defeituosas , então 8 não defeituosas. Seja A = {a peça é não defeituosa}, então:

P(A1A2A3) = P(A 1).P(A2/ A1).P(A3/ A1A2) = 8 . 7. 6 = 14 = 0,2545 ou 25,45%

 11

12 11 10 55
Exemplo 2:
Uma urna contém as letras A, A, A, R, R, S. Retira -se letra por letra. Qual a
probabilidade de sair a palavra Araras ?

Solução:
P(ARARAS)=P(A).P(R/A).P(A/AR).P(R/ARA).P(A/ARAR).P(S/ARARA)=
= 3 . 2 . 2 . 1 . 1. 1 = 1 = 0,0167 ou 1,67%
6 5 4 3 2 1 60
6.8.2 – Independência Estocástica

Um evento A é considerado independente de um outro evento B se a

probabilidade de A é igual à probabilidade condicional de A dado B, isto é:

P(A) = P(A/B) e P(B) = P(B/A), logo P(A  B) = P(A).P(B)

Exemplo:
Lançam-se 3 moedas. Verificar se são independentes os eventos: A = {saída de cara na
1ª moeda} e B = {saída de cara na 2ª e 3ª moedas} .
Solução:
S = { ccc, cck, ckc, ckk, kkk, kkc, kck, kcc } N = 8
A = { ccc, cck, ckc, ckk } n= 4 B = { ccc, kcc } n = 2 (AB) = {ccc} n = 1

P(AB) = 1 e P(A).P(B) = 4 . 2 = 1 , como P(A  B) = P(A).P(B) = 1 ,

8 8 8 8 8
podemos concluir que A e B são independentes.

( i) Generalizando para “n “ eventos:

Dados “n” eventos A1, A2, A3, ..., An , diremos que eles são independentes se eles
forem independentes 2 a 2, 3 a 3, ...., n a n.

Assim se 3 eventos A, B e C são independentes, devemos verificar se as 4 propo sições

são satisfeitas:
1 – P(A  B  C) = P(A). P(B) . P( C)
2 - P(A  B) = P(A).P(B)
3 – P(A  C) = P(A).P( C)
4 – P(B  C) = P(B).P( C)

Se apenas uma não for satisfeita, os eventos não são independentes.

Exemplo:
Sendo S = {1, 2, 3, 4} um espaço amostra equiprovável e A = {1,2}, B = {1,3} e C={1,4},
três eventos de S, verificar se os eventos A, B e C são independentes.

Solução:
(ABC) = {1} n = 1, (AB) ={1} n = 1, (AC) = {1} n= 1, e(BC) = {1} n = 1

P(AB) = P(A).P(B) = 2 . 2 = 1 P(AB) = 1 1 = 1

4 4 4 4 4 4
P (AC) = P(A).P( C) = 2 . 2 = 1 P(AC) = 1 1 = 1
4 4 4 4 4 4
P(BC) = P(B).P( C) = 2 . 2 = 1 P(BC) = 1 1 = 1
4 4 4 4 4 4

P(ABC) = P(A). P(B) . P( C) = 2 . 2 . 2 = 1 P(ABC) = 1 1  1

4 4 4 8 4 8 4
 12

Como uma das proposições não foi satisfeita os eventos A, B e C não são independentes.

Obs: se A e B são mutuamente exclusivos, então A e B são independentes, pois se A ocorre

B não ocorre, isto é, a ocorrência de um evento condiciona a não ocorrência do outro.

6.9 – probabilidade total e teorema de Bayes

6.9.1 – Teorema das probabilidades absolutas ou probabilidades totais

Se os eventos A1, A2, A3, ..., An , são dois a dois mutuamente exclusivos e
exaurem o espaço amostra S e se, P(A i) > 0, para i = 1, 2, 3, ....., n, então para
quaisquer evento B tem-se:

P(B) = P(A1)P(B/ A1) + P(A2)P(B/ A2) + ..... + P(An)P(B/ An)

OBS: usamos prob ab ilidade ab solutas quando queremos encontrar o evento comum.
não esqueça que P(A1) + P(A2) + .... + P(An) = 1

Exemplo 1:
Uma determinada peça é manufaturada por 3 fábricas. A fábrica 1 produz o dobro de peças que
a fábrica 2, e as fábricas 2 e 3 produzem o mesmo número de peças (durante um período de
produção especificado). Sabe-se que 2% das peças produzidas pelas fábricas 1 e 2 são
defeituosas e que 4% das peças produzidas pela fábrica 3 são defeituosas. Todas as peças
são colocadas em um depósito e, depois, uma peça é retirada ao acaso.
a) Qual a probabilidade de que essa peça extraída seja defeituosa ?
b) Qual a probabilidade de que não seja defeituosa ?

Solução: S = { A1 , A2, A3 } N = ? ( porque as fábricas não são iguais).

Sejam A1 ={ peças produzidas pela fábrica 1},A2 ={peças produzidas pela fábrica 2} ,
A3 = { peças produzidas pela fábrica 3}.
Como não sabemos o número de peças vamos chamá -lo de “ x ” , então
A2 = A3 = x e A1 = 2x , logo o número total de peças N = x + x+ 2x = 4x, assim,

P(A1 ) = 2x = 2 , P(A2 ) = P(A3) = x = 1

4x 4 4x 4
a) probabilidade de que essa peça extraída seja defeituosa
Seja B = { a peça extraída é defeituosa} , logo queremos P(B) ?
P(B) = P(A1)P(B/ A1) + P(A2)P(B/ A2) + P(A3)P(B/ A3)
P(B/ A1) = 2% , P(B/ A2) = 2% , P(B/ A3) = 4%
P(B) = (2/4)(2/100) + (1/4)(2/100) + (1/4)(4/100) = 4/400 + 2/400 + 4/400 = 10/400= 0,025 ou 2,5%

b) probabilidade de que não seja defeituosa

Seja B = { a peça extraída não é defeituosa}, logo queremos P(B) ?
P(B) = 1 – P(B) = 1 – (10/400) = 390/400 = 0,975 ou 97,5%

Exemplo 2:
Temos duas urnas iguais. Na primeira urna há 3 bolas brancas e 7 bolas pretas, na segunda
urna, 1 bola branca e 4 bolas pretas. De uma urna escolhida ao acaso, seleciona - se uma
bola.
a) Qual a probabilidade da bola selecionada ser branca ?
b) Qual a probabilidade de não ser branca ?
Solução: S = { A1 , A2} N = 2. ( porque as urnas são iguais).
Sejam A1 = {urna 1} e A2 = {urna 2} . Como elas são iguais P(A1 ) = P(A2 ) = 1
2
 13

a) probabilidade da bola selecionada ser branca

Seja B = { a bola selecionada é branca} ,logo queremos P(B) ?
P(B) = P(A1)P(B/ A1) + P(A2)P(B/ A2)
P(B/ A1) = 3/7 , P(B/ A2) = 1/5
P(B) = (1/2)(3/7) + (1/2)(1/5) = (3/14) + (1/10) = 11/35= 0,3143 ou 31,43%
b) probabilidade de não ser branca
Seja B = { a bola selecionada não é branca}, logo queremos P(B) ?
P(B) = 1 – P(B) = 1 - 11/35 = 24/35= 0,6857 ou 68,57%

6.9.2 – Teorema de Bayes

Sejam A1, A2, A3, ..., An , eventos mutuamente exclusivos, cuja união é o espaço
amostra S, de uma experiência aleatória. Seja B qualquer evento definido em S, tal
que P(B) > 0, então:

P(Ai/B) = _______________P(Ai)P(B/Ai)________________
P(A1)P(B/ A1) + P(A2)P(B/ A2) + ..... + P(An)P(B/ An)

Obs: usamos Bayes quando queremos saber a origem do evento.

Exemplo 1 :
Temos duas urnas iguais. Na primeira há 5 bolas brancas e 10 bolas azuis e, na
segunda 7 bolas brancas e 13 azuis. De uma urna escolhida ao acaso, seleciona-se, ao
acaso uma bola e verifica-se que ela é branca. Qual a probabilidade de que a urna de
onde foi extraída a bola seja a primeira ?

Solução: S = { A1 , A2} N = 2. ( porque as urnas são iguais).

Sejam A1 = {urna 1} e A2 = {urna 2} . Como elas são iguais P(A1 ) = P(A2 ) = 1
2
Como foi dito que a bola selecionada é branca, então B = { a bola selecionada é
branca}, logo podemos concluir que:
P(B/ A1) = 5/15 e P(B/ A2) = 7/20.
Queremos saber a probabilidade de que a bola selecionada seja da 1 a urna, logo queremos
P(A1/B) ?

P(A1/B) =______P(A1P(B/A1)________ = (1/2)(5/15) = 20/41= 0,4878 ou 48,78%

P(A1)P(B/ A1) + P(A2)P(B/ A2) (1/2)(5/15) + (1/2)(7/20)

Exemplo 2:
Uma urna contém duas bolas. Sabe -se que ela foi preenchida por ter sido lançada
uma moeda duas vezes e colocada uma bola branca na urna para cada cara e uma bola
verde para cada coroa.
Uma bola é extraída da urna e julgada ser verde. Determine a probabilidade de que a
outra bola da urna seja também verde.

Solução:
lance da moeda 2 vezes: S = {cc, ck, kk, kc} N = 4, considerem-se os eventos:
A1 = { ambas são branca} = { cc} n = 1 logo P(A 1 ) = 1/4
A2 = { ambas são verdes} = { kk} n = 1 logo P(A 2 ) = 1/4
A3 = { uma’de cada cor} = {ck, kc} n= 2 logo P(A 3 ) = 2/4
Como foi dito que a bola selecionada é verde, então B = { a bola selecionada é verde},
logo podemos concluir que:
P(B/A1) = 0 ; P(B/A2 ) = 1 e P(B/A3 ) = 1/ 2
Queremos saber a probabilidade de que a outra bola selecionada seja verde, logo queremos
P(A2/B) ?

P(A2/B) = P(A2)P(B/A2) = (1/4)( 1 ) = 1 /2= 0,5 ou 50%

 14

P(A1)P(B/ A1)+P(A2)P(B/ A2)+P(A3)P(B/ A3) (1/4)( 0 ) + (1/4)( 1) + (2/4)(1/2)

Exemplo 3 :
Num colégio, 4% dos homens e 1% das mulheres têm mais do que 1,60 m de altura.
Além disso, 60% dos estudantes são mulheres. Ora, se um estudante é selecionado
aleatoriamente e tem mais do que 1,60 m de altura, qual a probabilidade de o estudante
ser uma mulher ?

Solução :S ={A1, A2} N =? (porque só sabemos a porcentagem de mulheres e homens )

Sejam A1 = {mulheres} , logo P(A1 ) = 60 % = 0,60
A2 = {homens} , logo P(A2) = 40 % = 0,40
Como foi dito que a o estudante selecionado tem mais do que 1,60 m de altura, então
B ={o estudante selecionada tem mais de 1,60 m de altura}, logo podemos concluir
que:
P(B/ A1 ) = 1% = 0,01 e P(B/A2) = 4% = 0,04
Queremos saber a probabilidade de que o estudante seja mulher, logo queremos P(A1/B) ?

P(A1/B) =______P(A1P(B/A1)________ = (0,60)(0,01) = 0,2727 ou 27,27%

P(A1)P(B/ A1) + P(A2)P(B/ A2) (0,60)(0,01) + (0,40)(0,04)

Exemplo 4:
Três máquinas A, B e C produzem, respectivamente, 60%, 30% e 10% do total de peças
de uma fábrica. As percentagens de produção defeituosas dessas máquinas são,
respectivamente, 2%, 3% e 4%. Uma peca é selecionada aleatoriamente e é defeituosa.
Encontre a probabilidade da peça ter sido produzida pela máquina C.

Solução: S = { A1, A2 , A3} N = ? (porque só sabemos a porcentagem das máquinas )

Sejam A1 = { máquina A } logo P(A1 ) = 60% = 0,60
A2 = { máquina B} logo P(A2 ) = 30% = 0,30
A3 = { máquina C} logo P(A3 ) =10% = 0,10.
Como foi dito que a peça selecionada é defeituosa, então B ={a peça selecionada é
defeituosa}, logo podemos concluir que:
P(B/A1 ) = 2% = 0,02 e P(B/A2) = 3% = 0,03 e P(B/A3) = 4% = 0,04.
Queremos saber a probabilidade de que a peça seja da máquina C, logo queremos P(A3/B) ?

P(A2/B) = P(A3)P(B/A3) = (0,10)(0,04) = 0,16 ou 16%

P(A1)P(B/ A1)+P(A2)P(B/ A2)+P(A3)P(B/ A3) (0,6)( 0,02 )+(0,3)(0.03)+(0,10)(0,04)