UNIVERSIDADE SÃO TOMÁS DE MOÇAMBIQUE

FACULDADE DE CIÊNCIAS ECONÓMICAS E EMPRESARIAIS

CURSO DE GESTÃO DE EMPRESAS, FINANCEIRA, BANCARIA E CONTABILIDAE E
AUDITORIA

Introdução à Teoria de Probabilidades

INTRODUÇÃO

Foi a necessidade de calcular o número de possibilidades existentes nos chamados jogos de

azar que levou ao desenvolvimento da Análise Combinatória, parte da Matemática que estuda
os métodos de contagem. Esses estudos foram iniciados já no século XVI, pelo matemático
italiano Niccollo Fontana (1500-1557), conhecido como Tartaglia. Depois vieram os franceses
Pierre de Fermat (1601-1665) e Blaise Pascal (1623-1662).

Análise Combinatória é um conjunto de procedimentos que possibilita a construção de grupos

diferentes formados por um número finito de elementos de um conjunto sob certas
circunstâncias; isto é; visa desenvolver métodos que permitam contar o número de elementos
de um conjunto, sendo estes elementos agrupados sob certas condições

1.1 Princípio Fundamental de Contagem

O Princípio Fundamental de Contagem é um princípio combinatório que indica de quantas

formas se pode escolher um elemento de cada um dos n conjuntos finitos; isto é; Se
determinado acontecimento ocorre em n etapas diferentes, e se a primeira etapa pode ocorrer
de k1 maneiras diferentes, a segunda de k2 maneiras diferentes, e a terceira de k3 maneiras, e
assim sucessivamente, então o número total T de maneiras de ocorrer o acontecimento é dados
por:
T = k1 * k2 * k3* ... * kn
Exemplo 1: Akssana vai sair com suas amigas no final de semana que vem e, para escolher a
roupa que usará, separou 3 saias e 4 blusas. De quantas maneiras ela pode se arrumar?

1
Solução: Para se arrumar a Akssana terá que percorrer duas etapas diferentes:
1ª Escolha da saia que pode ocorrer de 3 maneiras distintas;
2ª Escolha da blusa que pode ocorrer de 4 maneiras distintas.

Blusa 1 Blusa 2 Blusa 3 Blusa 4

Saia 1, Blusa Saia 1, Blusa Saia 1, Blusa
Saia 1 Saia 1, Blusa 1 2 3 4
Saia 2, Blusa Saia 2, Blusa Saia 2, Blusa
Saia 2 Saia 2, Blusa 1 2 3 4
Saia 3, Blusa Saia 3, Blusa Saia 3, Blusa
Saia 3 Saia 3, Blusa 1 2 3 4

Contando as possibilidades, vemos que a Akssana pode-se arrumar de 12 maneiras distintas,

isto é, pelo Princípio Fundamental de Contagem, o número total de maneiras de ocorrer este
acontecimento é de 3 * 4 = 12.

Exemplo 2: Para montar um computador, temos 3 diferentes tipos de monitores, 4 tipos de

teclados, 2 tipos de impressoras e 3 tipos de “CPU”. Em quantas maneiras diferentes podemos
montar um Computador com as peças descritas acima?

Solução: Para montar um Computador teremos que percorrer as seguintes etapas:

1ª Escolha de um monitor que pode ocorrer de três maneiras diferentes;
2ª Escolha de um teclado que pode ocorrer de quatro maneiras diferentes;
3ª Escolha de uma impressora que pode ocorrer de três maneiras diferentes;
4ª Escolha de um CPU que pode ocorrer de três maneiras diferentes.

Aplicando o Princípio Fundamental de Contagem teremos: T = 3 * 4 * 2 * 3 = 72

Então, têm-se 72 possibilidades de configurações diferentes.

1.2 Factorial

2
Considerando n um número natural maior que que a unidade (n є lN), podemos definir como
fatorial desse número n (n!) o produto de todos os números inteiros desde a unidade até n.

n! = 1 * 2 * 3 * ... * (n-1) * n.

0! = 1; 0! = 1

Por definição n! (n factorial) = n(n-1)!

n! = n(n-1)(n-2)(n-3)(n-4)!

Por convenção 1! = 1 e 0! = 1

Exemplos:

a) 0!=1
b) 1!=1
c) 2! = 1.2 = 2
d) 3! = 1.2.3= 6
e) 4!= 1.2.3.4 = 24
f) 5! = 1.2.3.4.5 = 120
g) 8! = 8.7!=8.7.6!=8.7.6.5!= 40320
h) 10! = 1.2.3.4.5.6.7.8.9.10 ou 10! = 10.9.8.7.6.5.4.3.2.1 ou 10! = 10.9.8!
i) 100! = 100.99.98!
200! 200.199.198!
j)   200.199  39800
198! 198!
12! 12.11.10.9! 12.11.10
k)   =220
9!.3! 9!.3! 6
l) 3!.3! = (3!) 2 = 36

Simplificação

(n  5)!3(n  3)! (n  5)( n  4)( n  3)!3(n  3)! (n  3)!n  5(n  4)  3

 
(n  4)!(n  5)! (n  4)( n  3)!(n  5)( n  4)( n  3)! (n  3)!n  4  (n  5)( n  4)

n 2  9n  20  3 n 2  9n  17
= 
n  4  n 2  9n  20 n 2  10n  24

3
Resolução de equações

(n  2)!(n  1)!
 24 n 2 +4n-21= 0
n!

(n  2)( n  1)n!(n  1)n!

 24 n1 = -7
n!

n!n  2 (n  1)  (n  1)

 24 n2 = 3 Solução 3
n!

n 2 +3n+2+n+1=24

Exercícios sobre factorial

Simplifique

9! 7! 2n!3(n  1)! P!( P  1)!

a) b) c) d) (P  N ) Determine n nas equações
7! 4!.3! (n  2)!!(n  2! ( P  2)!

(n  1)!22(n  1)!
a) n!= 20(n-2)! b)  10 c) (n+2)!= 72.n!
n!

1.3 Agrupamentos

Se um conjunto Z qualquer tem n elementos, qualquer subconjunto não vazio de Z com m

elementos é um agrupamento de elementos Z, tomados m a m.

Arranjos, Permutações ou Combinações, são os três tipos principais de agrupamentos, sendo

que eles podem ser simples, com repetição ou circulares.

i. Arranjos

Arranjos de n elementos tomados m a m representam agrupamentos distintos que podem

formar-se de modo que em cada um dos agrupamentos entrem m dos n elementos,

4
considerando distintos dois agrupamentos que difiram pela natureza (espécie) ou pela ordem
dos seus elementos. Os arranjos podem ser simples ou com repetição.

a) Arranjos simples ou sem repetição - Não ocorre a repetição de qualquer elemento em

cada grupo de m elementos; isto é; cada elemento entra uma única vez num agrupamento
dado. O número total dos arranjos é dado por:

n!
Anm 
(n  m)!

Exemplo 4: Quantos números de quatro algarísmos diferentes são possível formar com os
elementos do conjunto {1, 2, 3 5, 6}?

Solução: os agrupamentos que se pretende obter diferem entre si ou pela natureza dos
elementos ou pela ordem desses elementos. Ex: 2315 é diferente de 2135. São, arranjos sem
repetiç`ao, onde temos o total de elementos igual a 5 (n = 5 ) e os agrupamentos a serem
formados por quatro elementos (m = 4);

5! 5!
A54    5! 120
(5  4)! 1!

Exemplo 5: Atendendo o exemplo anterior quantos agrupamentos seriam possíveis sendo 5 o

algarísmo das unidades?

Solução: uma vez que o elemento 5 tem um posiç`ao fixa, restam 3 posições a serem
preenchidas pelos restantes 4 elementos {1, 2, 3, 6}

4!
___ ___ ___ 5 A43   4! 24
(4  3)!

Exemplos

7! 7! 7.6.5.4!
a) A73     210
(7  3)! 4! 4!

b) Calcule o número natural que verifica a seguinte equação

An2  56

5
 n!
An2  = 56
(n  2)!

n(n  1)( n  2)!

 56
(n  2)!

n 2 -n-56= 0 Solução 8

d) Numa certa rede telefónica a cada telefone corresponde um número de 4 (quatro) algarismos
diferentes, o qual pode começar mesmo por 0 (zero). Sabendo que cada um desses números de 4
(quatro) algarismos diferentes, corresponde a um e um só telefone, e não há números repetidos,
quantos telefones têm a rede.

0 ;1; 2; 3; 4; 5; 6; 7; 8; 9 (são 10 dígitos).

10! 10.9.8.7.6!
A104    5040 telefones
(10  4)! 6!

ii. Permutações

Permutações de n elementos representam os agrupamentos que podem formar-se com esses n

elementos, tomados n de cada vez, considerando como distintos dois agrupamentos que difiram
somente pela ordem dos elementos nos agrupamentos; isto é; trata-se de um caso particular
de arranjos onde os agrupamentos formados sao constituídos pelos n elementos. As
permutações podem ser Simples, com repetição ou Circulares.

a) Permutação simples: São agrupamentos com todos os m elementos distintos. O número

total das permutações é dado por:

Pn  n!

n! n! n!
Ann     n! Pn
(n  n)! 0! 1

Exemplos

6
 a) P7 = 7! = 7.6.5.4.3.2.1 = 210.240 = 5040
b) Determinar o valor de n na equação
Pn = 20P(n-2)
n!= 20(n-2)!
n(n-1)(n-2)! = 20(n-2)!
n 2 -n – 20 = 0
n1 =-4 e n2 = 5 Solução 5

c) Quantas palavras (com ou sem significado na língua portuguesa) podem de se formar com as
letras da palavra ALUNO.
P5 = 5! = 5.4.3.2.1 = 20.6 = 120

Exemplo 7: com todas as letras da palavra ROMA, quantos arranjos se podem formar?

Solução: é claro que dois arranjos só podem deferir pela ordem das letras, tendo em conta
que em cada um dos arranjos entram todas as letras, basta mudar a ordem dos elementos ou
por outras palavras permutar os elementos. Tendo 4 elementos (letra) na palavra ROMA o
número de permutações possíveis é:

P4  4! 24

iii.Combinaões

Combinações de n elementos tomados m a m representam os agrupamentos distintos que

podem se formar de modo que em cada um desse agrupamentos entrem m dos n elementos,
considerando como distintos dois agrupamentos que difiram somente pela ordem ou pela
natureza (espécie) de pelo menos um elemento. As combinações podem ser simples ou com
repetição.

a) Combinações simples ou sem repetição – Cada elemento entra uma única vez
n!
num agrupamento. O número total das combinações é dado por: C nm 
m!(n  m)!

12! 12! 12.11.10.9.8!

C128    = 495
(12  8)!8! 4!.8! 24.8!

7
Exemplo 9: Um estudante pretende comprar 4 livros diferentes, mas de igual custo, e só tem
dinheiro para comprar três desses livros. De quantos modos diferentes o estudante pode fazer
a escolha dos três livros de entre os quatros que deseja?

Solução: Para facilitar a compreensão, representaremos os livros pelas letras D, P, A, M e

analisaremos o que se deve entender por fazer a escolha de modos diferentes. A escolha que
consiste em comprar os livros D, P, M é claramente diferente daquela que consiste em comprar
os livros D, P, A. Mas a escolha D, P, M não é distinta da escolha P, M, D que se refere aos
mesmos livros em ordem diferente. Para este problema consideram-se como distintos dois
agrupamentos, unicamente no caso em que um deles contém um elemento, pelo menos,
diferente dos elementos do outro. São, portanto, combinações sem repetição porque, para o
enuciado do problema, comprar 3 livros iguais é quase absurda. O número de maneiras
diferentes será igual;

4! 4!
C 43   4
3!(4  3)! 3!*1!

10! 12! 10.9.8!

C108    = 45
(10  8)!8! 2!.8! 2.8!
Calcule
12!
a) C 53 b) C 82 c)
8!
1. Numa festa familiar cada participante aperta a mão do outro. Alguém teve a paciência de contar
os apertos de mão e descobriu que foram exactamente 45 apertos de mão. Quantas pessoas
estavam na festa?
2. Numa festa familiar onde participam 20 raparigas e 30 rapazes, de quantas maneiras se pode
“abrir” a sala. (Nota: assuma que só podem abrir a sala duas pessoas de sexos diferentes).

Probabilidades

2.1 Introdução

A teoria das probabilidades, teve seu início com os jogos de cartas, dados e de roleta. Esta
permite que se calcule a chance de ocorrência de um número em um experimento aleatório;
por outro lado, a palavra probabilidade deriva do Latim probare (provar ou testar) e
informalmente é uma das muitas palavras utilizadas para eventos incertos ou conhecidos, sendo

8
também substituída por algumas palavras como “sorte”, “risco”, “azar”, “incerteza”, “duvidoso”,
dependendo do contexto.

Os métodos da teoria de probabilidades são amplamente utilizados nos diferentes ramos das
ciências naturais e da técnica: na teoria de segurança, teoria dos serviços à população, na física
teórica, geodesia, astronomia, teoria de tiro, teoria de erros de observações, teoria de direção
automática, teoria geral das comunicações, teorias administrativas, entre outras. A teoria de
probabilidades serve também de base para a estatística matemática aplicada, a qual, por sua
vez, é empregada na planificação e organização da produção, na análise de processos
tecnológicos, no controle preventivo e de obtenção da qualidade da produção e para muitos
outros fins.

A probabilidade é um número que varia de 0 (zero) a 1 (um) e que mede a chance de

ocorrência de um determinado resultado. Quanto mais próxima de zero for a probabilidade,
menores são as chances de ocorrer o resultado e quanto mais próxima de um for a
probabilidade, maiores são as chances. Podemos transformar a probabilidade em um valor
percentual de 0%a 100%.

2.1 Conceitos básicos

2.1.1 Experimentos aleatórios

Experimento é usado para descrever qualquer processo que gere resultado.

Experimento aleatório é aquele que, repetido em idênticas condições, produz resultados que
não podem ser previstos com certeza, ou seja, produz resultados explicados ao acaso. Embora
não saibamos qual o resultado que irá ocorrer num experimento, em geral consegue descrever
o conjunto de todos resultados possíveis que podem ocorrer. As variações de resultados, de
experimento para experimento, são devidas a uma multiplicidade de causas que não podemos
controlar. Por exemplo: se uma moeda for lançada, ela pode cair de tal forma que para cima sai
cara ou coroa. Cada acontecimento aleatório, em particular a saida de cara, é resultado da
acção de numerosas causas fortuitas (força com que a moeda foi lançada, a forma da moeda e
muito mais). Não se pode considerar o efeito de todas estas causas no resultado, pois o seu
número é muito grande e as leis de sua actuação são desconhecidas.

9
Características
 Cada experimento pode ser repetido indefinidamente sob as mesmas
condições;
 Não se conhece o resultado do experimento “a priori”, porém pode-se
descrever todos os possíveis resultados.
 Quando o experimento for repetido um grande número de vezes surgirá uma
r
estabilidade da fracção f  (lei dos Grandes Números).
n
onde:
n – número de repetições
r – número de sucessos de um particular resultado
Exemplo 1:
a) Lançar um dado e observar o número da face de cima;

b) Lançar duas moedas e observar as sequências de caras e coroas obtidas;

c) De uma urna contendo 3 bolas vermelhas e 2 bolas brancas, secionar uma bola e

observar a sua cor;

d) Observar o tempo que um certo aluno gasta para ir de taxi de sua casa até a escola.

2.1.2 Espaço Amostral

O Espaço amostral é o conjunto de todos os resultados possíveis de um experimento aleatório.
A letra que representa o espaço amostral, é S ou Ω.

Nota:
 Cada resultado individual de S é chamado de “elemento”, “membro” ou “ponto
amostral”;
 Se o espaço amostral é finito, pode-se listar seus elementos
 Os resultados de um experimento E podem ser descritos por mais de um
espaço amostral

Exemplos 2: Laçando um dado com todas faces enumeradas de 1 a 6, e observar o número

da face de cima.
Qual será o espaço amostral desse experimento?
Solução:
O espaço de resultados consiste nos seis números possíveis: Ω = {1, 2, 3, 4, 5, 6};

10
Sentença ou regra
É aplicado caso o espaço amostral tenha um número muito grande de elementos (infinito).
Exemplo 5: observar o número total da população de Maputo que compra pacotes iniciais da
telefonia móvel da MCEL por dia.
Seja X” o número total da população de Maputo que compra pacotes iniciais da telefonia móvel
da MCEL por dia”
Ω = {X l X  0 }

2.1.3 Eventos ou Acontecimentos

Evento ou Acontecimento é qualquer subconjunto do espaço amostral Ω, incluindo o

conjunto vazio. Em geral indicamos um evento por uma letra maiúscula do alfabeto: A, B, C, ...,
Z.
Diremos que um evento A ocorre se, realizado o experimento, o resultado obtido for
pertencente a A.

Exemplo 6: Do exemplo 2 escreve o evento A constituído por todos os números pares.

O subespaço amostral constituído pelo conjunto de números pares é: A = {2, 4, 6}

Exemplo 7: Do Exemplo 3 escreve o acontecimento B que consiste na saída de uma cara e de

um número impar.

O Subconjunto procurado é: B = { K1, K3, K5}

2.1.3.1 Tipos de Eventos

a) Evento nulo ou impossível – é aquele que nunca se verifica quando se realiza uma
ou mais experiências.

Exemplo 8: São eventos impossíveis:

 Saída de cara e coroa no lançamento de uma moeda uma única vez;

 Saída de um número impar maior que 5 no lançamento de um dado.

b) Evento certo – aquele que sempre se verifica quando se realiza uma ou mais
experiências.

Exemplo 9: são acontecimentos (eventos) certos os seguintes:

11
  Saída de cara ou coroa no lançamento de uma moeda equilibrada;
 Saída de um número natural menor que 7 no lançamento de um dado.

c) Evento aleatório – aquele que a sua verificação depende do acaso, ou melhor, aquele
que é impossível prever o seu resultado.

Classificação dos eventos aleatórios

a) Eventos independentes – são aqueles que o acontecimento de um deles, não

depende de outro.
b) Eventos dependentes – são aqueles que o acontecimento de um deles, depende de
outro.

Eventos incompatíveis ou mutuamente exclusivos – são aqueles que o acontecimento de

um deles exclui o outro; isto é, se a intersecção entre eles é o conjunto vazio.

Os eventos A e B são mutuamente

A B

excludentes, porque não se interceptam

Eventos Complementares – são aqueles mutuamente exclusivos cuja união é o espaço

amostral;

Os eventos A e A’ são complementares

A
’
A

a) Eventos elementares – são aqueles formados por um só resultado (elemento) da

experiência;
b) Eventos não elementares – são aqueles formados por dois ou mais resultado
(elemento) da experiência;

Exemplo 10: um dado é lançado e observado o número de faces de cima.

Ω = {1, 2, 3, 4, 5, 6}

Sejam os eventos:

A: ocorrência de número impar; D: ocorrência do número 4;

12
B: ocorrência de um número par; E: ocorrência de um número menor que
7;
C: ocorrência de múltiplo de 3; F: ocorrência do número 8.
Classifica os eventos acima.
Solução: A = {1, 3, 5}; B = {2, 4, 6}; C = {3, 6}; D = {4}; E = {1, 2, 3, 4, 5, 6}; F = {}
Os eventos A, B, C e E são não elementares
O evento D é elementar;
O evento F é nulo ou impossível;
Os eventos A e B são independentes e mutuamente exclusivo;
O evento E é certo.

2.1.3.2 Operações com eventos

a) União de dois eventos

Sejam A e B dois eventos; então A  B será também um evento que ocorrerá se, e somente
se, A e B (ou ambos) ocorrerem.

b) Intersecção de dois eventos

Sejam A e B dois eventos; então A  B será também um evento que ocorrerá se, e somente
se, A e B ocorrerem simultaneamente.

Em particular, se A  B =  , A e B são chamados eventos mutuamente exclusivos.

13
 c) Complementar de um evento

Seja A um evento; então Ac ou A será também um evento que ocorrerá se, e somente
se, A não ocorrer.

Exemplo 11: um dado é lançado e observado o número de faces de cima.

Ω = {1, 2, 3, 4, 5, 6}

Sejam os eventos:

A: ocorrência de número par; A = {2, 4, 6}

B: ocorrência de número maior ou igual a 4; B = {4, 5, 6}

C: ocorrência de um número impar. C = {1, 3, 5}

Indica:

a) O evento que consiste na saída de um número par ou número maior ou igual a 4;

A  B = {2, 4, 5, 6}
b) O evento que consiste na saída de um número par e um número maior ou igual a 4;
A  B = {4, 6}
c) O evento que consiste na saída de um número par e um número impar;
A C = { } = 

d) O evento que consiste na saída de um número menor que 4.


B = {1, 2, 3, 4}

14
2.1.3.3 Diagrama de Venn
Exemplo 12: seja dados os conjuntos abaixo, represente os num diagrama de venn
M = {4, 5, 6, 7, 8}
N = {6, 7, 8, 9, 10, 11}

2.3 Conceitos de probabilidades

Na introdução ao estudo da teoria de probabilidades, foi definido o Experimento aleatório

como sendo aquele que repetido muitas vezes em iguais condições, podem fornecer resultados
diferentes, ou seja, resultados explicados ao acaso. Foi com intuito de querer medir o quão
provável um evento pode ocorrer num experimento aleatório que se desenvolveu o estudo da
Probabilidade.

A probabilidade de um evento A, denotado por P(A), é um número que caracteriza o grau de

possibilidade da ocorrência do acontecimento A. Este número varia de 0 a 1 (0 a 100%) e
quanto mais próximo de um, maior é a chance de ocorrência do evento, e quanto mais próximo
de zero, menor é a chance de ocorrência do evento.

2.3.1 Definição frequencista de probabilidade

Num experimento aleatório, embora não saibamos qual o evento que irá ocorrer, sabemos que
alguns eventos ocorrem frequentemente e outros, raramente quando a experiência se repete
muitas vezes.

15
Exemplo 1: Consideremos a seguinte tabela relativa ao lançamento de uma moeda.

Nº de lançamentos 20 30 40 50 60 70 80 90 100
Nº de caras 14 12 25 19 30 39 48 42 49
Frequência relativa 0.7 0.4 0.63 0.38 0.5 0.56 0.6 0.47 0.49

Pode-se observar que à medida que aumenta o número de lançamentos, as frequências

relativas do acontecimento “sair a cara” estabiliza-se a volta do valor 0.5.

O valor na qual se estabiliza a frequência relativa de um acontecimento, quando o número de

experiências cresce consideravelmente, representa a probabilidade do acontecimento.

A frequência relativa (definição frequencista de probabilidade) é a relação entre o número de

provas, nas quais o acontecimento ocorreu, e o número total de provas efectuadas de fato.

m
f ( A) 
n

Onde: m – é o número de verificações do acontecimento;

n – é o número total de provas.

2.3.2 Definição clássica de probabilidade

Para calcular a probabilidade de um acontecimento, pela definição frequencista de

probabilidade, teríamos que repetir a experiência em um grande número de vezes. Além disso,
por esse procedimento nunca se obteria um número exacto. Como forma de evitar esta
inconveniência, Laplace (1749 – 1827) anunciou a definição clássica de probabilidade.

Probabilidade clássica do acontecimento A é a relação entre o número de casos favoráveis a

esse acontecimento e o número total de casos elementares igualmente possíveis que se
excluem mutuamente e formam um grupo completo.

Numero de casos favoraveis ao acontecimento A m

P( A)   ; m  n
Numero total de casos possiveis n

Exemplo 2: Numa urna existem duas bolas brancas e seis vermelhas. Sorteando-se uma bola,
qual é a probabilidade de ela ser branca?

Solução: seja A” A bola sorteada na urna é branca”

16
Os casos elementares, nos quais se verifica o acontecimento que nos interessa (casos
favoráveis “saída de bola branca”), é igual a 2 e o número total de casos possíveis é igual à 8;
isto é: m =2 e n = 8. Logo:

m 2
P( A)    0.25  25%
n 8

Resposta: A probabilidade de sortear uma bola branca é de 25%.

Propriedades

1. A probabilidade de um acontecimento certo é igual à unidade;

m
P( A)   1 ; Neste caso m = n
n
2. A probabilidade de um acontecimento impossível é igual à zero;
m
P( A)   0 ; Neste caso m = 0
n
3. A probabilidade de um acontecimento aleatório é um número positivo, compreendido
entre zero e a unidade.
0  P( A)  1 ; Neste caso, 0  m  n , o que significa que 0  m / n  1 ;
4. A probabilidade de um acontecimento contrário é a diferença entre a unidade e a
probabilidade do acontecimento;

P( A)  1  P( A)
5. A probabilidade de dois acontecimentos complementares é igual à unidade;
P( A)  P( B)  1
Exemplo 3: Em uma urna há 25 bolas das quais 10 vermelhas e 15 brancas. Tirando uma bola
deste conjunto ao acaso, achar a probabilidade de que:
a) A bola seja branca;
b) A bola seja vermelha;
c) A bola não seja branca.
Solução:
Seja B “A bola retirada da urna é branca”
V “A bola retirada da urna é vermelha”
m1 ( B)  10 ; m2 (V )  15 ; m1 ( B)  m2 (V )  25
m1 ( B) 10
a) P( B)    0.4
n 25

17
 m 2 (V ) 15
b) P( B)    0.6
n 25

c) P( B)  1  P( B)  1  0.4  0.6

Operações com probabilidades

1. Teorema de soma

A probabilidade de soma de dois eventos A e B, é igual a soma das probabilidades destes

eventos

a) Eventos incompatíveis:
P( A  B)  P( A)  P( B)
A B

b) Eventos compatíveis:

P( A  B)  P( A)  P( B)  p( A  B)

2. Teorema de produto

A probabilidade de ocorrência simultânea de dois eventos A e B, é igual ao produto das

probabilidades destes eventos.

a) Acontecimentos independentes:
P( A  B)  P( A) * P( B)
b) Acontecimentos dependentes:
P( A  B)  P( A) * P( B / A)

2.3.3 Probabilidade Condicional

Muitas vezes há interesse de calcular a probabilidade de ocorrência de um evento B qualquer,

sabendo (ou supondo) que um certo evento A ocorreu previamente. Em outras palavras
queremos calcular a probabilidade de ocorrência de B condicionada à ocorrência de A.

Sejam “A” e “B” dois eventos associados ao experimento “E”, denotaremos por (B/A) a
probabilidade condicionado evento “B” quando “A” tiver ocorrido.

P(B/A)=P(A∩B)/P(A)

P(A/B)=P(A∩B)/P(B)
18
Nota: Normalmente P(B\A) é diferente de P(A\B)
Exemplo 1

Um lote de 100 artigos tem a seguinte composição: 80 são perfeitos e 20 são defeituosos
escolhe se dois artigos ao acaso desse lote sem reposição.

Calcule a probabilidades do evento “B”:

A={O primeiro artigo é defeituoso}; B={O segundo é defeituoso}

Neste exemplo pretende-se calcular P(B/A)=P(A∩B)/P(A)=19/99 pois quando for se a tirar o

segundo artigos a composição do lote é 99 artigos dos quais 19 são defeituosos.

Exemplo 2

Um lote de 100 artigos tem a seguinte composição: 80 são perfeitos e 20 são defeituosos
escolhe se dois artigos ao acaso desse lote.

a) Reposição.
b) Sem reposição.
Calcule as probabilidades dos seguintes eventos:

A={O primeira artigo é defeituoso}; B={O segundo é defeituoso}

Um escritório possui 100 máquinas de calcular. Algumas dessas máquinas são eléctricas (E),
enquanto que outras são manuais (M): Algumas são novas (N) outras são usadas (U), veja a
tabela a seguir. Uma pessoa entra no escritório, pega uma máquina ao acaso, e descobre que é
nova. Qual será a probabilidade de que seja eléctrica? Ou seja P(E/N).

Eléctricas Manuais Total

Novas 40 30 70

Usadas 20 10 30

Total 60 40 100

Seja E={ A máquina é eléctrica}; N={A máquina é nova}; M= { A máquina é manual}; U= { A

máquina é usada};
40
P( E  N ) 100 40
P( E \ N )     57%
P( N ) 70 70
100

Exemplo 3: Numa certa comunidade existem apenas dois jornais disponíveis, o jornal de
Notícias e o Público. Sabe-se que 91% das pessoas desta comunidade são assinantes de pelo

19
menos um dos jornais, 58% são assinantes do jornal de Notícias e 14% são assinantes de
ambos os jornais. Qual é a probabilidade de que uma pessoa escolhida ao acaso seja assinante:

a) Do jornal o Público?

b) Do jornal o Público sabendo que já é assinante do jornal de Notícias?

Solução:

Seja: A “A pessoa escolhida é assinante do jornal de Notícias”

B “ A pessoa escolhida é assinante do jornal o Público”

Dados:

P( A  B)  0.91; P( A)  0.58 ; P( A  B)  0.14

a) P( A  B)  P( A)  P( B)  P( A  B)  0.91  0.58  P( B)  0.14  P( B)  0.47  47%

P( A  B) 0.14
b) P( B / A)    0.2414 = 24.14%
P( A) 0.58

Corolário 1: A probabilidade de que ocorra apenas um dos n eventos é:

     
P( A)  P( A1 ) * P( A2 )* ... * P( An ) P( A1 )* P( A2 ) * ... * P( An ) ...  P( A1 ) * P( A2 )* ... * P( An )

Corolário 2: a probabilidade de que ocorra pelo menos um dos n eventos independentes é:

  
P( A)  1  P( A1 ) * P( A2 )* ... * P( An )

Exemplo 5: Três aparelhos de alarme funcionam independentes um do outro. As

probabilidades de um bom funcionamento dos aparelhos são: 0.9, 0.89 e 0.93 respectivamente.
Achar a probabilidade de que em um determinado dia:

a) Todos aparelhos funcionem;

b) Funcione apenas dois aparelhos;

c) Todos os aparelhos não funcionem;

d) Funcione pelo menos um dos aparelhos.

Seja: p – a probabilidade do funcionamento do aparelho;

20
 q – a probabilidade de avaria do aparelho. Então: p1 = 0.9; q1 = 0.1; p2 = 0.89; q2 =
0.11; p3 = 0.93; q3 = 0.07.

a) Seja A “ todos os aparelhos funcionam”

Tendo em conta que o funcionamento de um dado aparelho não influencia o funcionamento

do outro, podemos aplicar o Teorema de produtos para eventos independentes.

P(A) = p1 * p2 * p3 = 0.9 * 0.89 * 0.93 = 0.7449

b) Seja B”funcionam apenas dois aparelhos”

Como funcionam apenas dois aparelhos dos três disponíveis, podemos aplicar o primeiro
Corolário da probabilidade condicional.

P(B) = p1 * p2 * q3 + p1 * q2 * p3 + q1 * p2 * p3 = 0.9 * 0.0.89 * 0.07 + 0.9 * 0.11 * 0.93 +

0.1 * *0.89 * 0.93 = 0.2309

c) Seja C” Não funcionam todos os aparelhos”

P(C) = q1 * q2 * q3 = 0.1 * 0.11 * 0.07 = 0.0008

d) Seja D” Funcione pelo menos um dos aparelhos”

Como funcionam pelo menos um dos aparelhos, podemos aplicar o primeiro Corolário da
probabilidade condicional.

P(D) = 1 – P(C) = 1 – 0.0008 = 0.9992

2.3.4 Probabilidade Total

Suponhamos que o acontecimento A possa ocorrer se ocorrer um dos acontecimentos que se

excluem mutuamente B1, B2, ..., Bn, os quais formam um grupo completo. Suponhamos que
sejam conhecidas as probabilidades condicionais P(A/B1), P(A/B2), ..., P(A/Bn), do
acontecimento A. Para achar a probabilidade do acontecimento A, aplica-se o seguinte teorema:

A probabilidade do acontecimento A (probabilidade total) que pode ocorrer sob condição de que
ocorra um dos acontecimentos que se excluem mutuamente B1, B2, ..., Bn e que formam um
grupo completo, é igual à soma dos produtos das probabilidades de cada um desses
acontecimentos, pela correspondente probabilidade condicional do acontecimento A.

P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) + ... + P(Bn) * P(A/Bn)

 P( B )  1
i 1
i

21
Exemplo 6: As peças produzidas numa fábrica caem para a verificação da sua standaridade a
um de dois controladores. A probabilidade de que a peça caia ao primeiro controlador é igual a
0.6, e ao segundo, 0.4. Probabilidade de uma peça acabada ser reconhecida como
standartizada pelo primeiro controlador é igual a 0.94, e pelo segundo, 0.98. Achar a
probabilidade de que a peça seja estandartizada.

Solução:

Seja A” A peça acabada foi reconhecida como standartizada”

B1” A peça foi verificada pelo primeiro controlador”

B2” A peça foi verificada pelo primeiro controlador”

Pelas condições do problema, tem-se:

P(B1) = 0.6; P(B2) = 0.4; P(A/B1) = 0.94; P(A/B2) = 0.98

Pela fórmula da probabilidade total teremos:

P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) = 0.6*0.94 + 0.4*0.98 = 0.564 + 0.392 = 0.956

Exemplo 7: uma urna I tem 3 bolas vermelhas (V) e 4 brancas (B); a outra urna II tem 6
bolas vermelhas e 2 branca. Uma urna é escolhida ao acaso e nela é escolhida uma bola,
também ao acaso. Qual é a probabilidade de observarmos bola vermelha?

Seja A “a bola escolhida é vermelha”

B1 “a bola escolhida provêm da urna I”

B2 “a bola escolhida provêm da urna II”

P(B1) = ½ ; P(B2) = ½ ; P(A/B1) = 3/7; P(A/B2) = 6/8

P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) = ½ * 3/7 + ½ * 6/8 = 33/56

2.3.5 Teorema de Bayes

Suponhamos que um certo acontecimento A pode ocorrer, sob a condição de que ocorra um
dos acontecimentos que se excluem mutuamente B1, B2, ..., Bn e que formam um grupo
completo. Visto que anteriormente não se sabe qual desses acontecimentos ocorrerá, eles são
denominados hipóteses (probabilidade à posterior). O problema em determinar as

22
probabilidades à posterior foi resolvido por Thomas Bayes sendo conhecido por Teorema de
Bayes

P( B1 ) * P( A  Bi )
P( Bi / A)  ;
P( B1 ) * P( A / B1 )  P( B2 ) * P( A / B2 )  ...  P( Bn ) * ( PA / Bn )

P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) + ... + P(Bn) * P(A/Bn) >0

Exemplo 8: do exemplo 6, achar a probabilidade de que a peça reconhecida como

standartizada tenha sido verificada pelo primeiro controlador.

P( B1 ) * P( A  B1 ) 0.6 * 0.94
P( B1 / A)    0.59
P( B1 ) * P( A / B1 )  P( B2 ) * P( A / B2 ) 0.956

Exemplo 9: do exemplo 7, se a bola observada foi vermelha, achar a probabilidade de que

tenha vindo da urna I.

1 3
*
P( B1 ) * P( A  Bi ) 4
P( B1 / A)  2 7
P( B1 ) * P( A / B1 )  P( B2 ) * P( A / B2 ) 33 11
56

2.3.6 Independência de eventos

Diz-se que o evento B é independente do evento A, se a ocorrência do evento A não altera a

probabilidade do evento B, ou seja, a probabilidade condicional do evento B é igual a sua
probabilidade incondicional.

P(B/A) = P(B)

Assim, dois eventos denominam-se independentes, se a probabilidade de ocorrência simultânea

é igual ao produto das probabilidades destes acontecimentos; em caso contrário, os eventos
denominam-se dependentes.

P( A  B)  P( A) * P( B)

Exemplo 10: numa sala existem 4 homens e 6 mulheres. Uma mosca entra na sala e pousa
numa pessoa, ao acaso.

a) Qual é a probabilidade de que ela pouse num homem (P(H))?

b) Qual é a probabilidade de que ela pouse numa mulher (P(M))?

c) Os eventos H e M são independentes?

23
Solução:

Seja H” a mosca pouse num homem”

M” a mosca pouse numa Mulher”

4
a) P( H )   0.4
10

6
b) P ( M )   0.6
10

c) P( H  M )  P( H ) * P( M )  0.4 * 0.6  0.24

Os eventos H e M são independentes; pois o sexo do indivíduo não influencia na pessoa na

qual a mosca pousará.

Exercícios Resolvidos

1. Consultadas 600 pessoas sobre as emissoras de TV a que habitualmente assistem, obteve-se

o seguinte resultado: 350 pessoas assistem ao canal '"A" , 320 assistem ao canal B e 90
assistem a outros canais, distintos de "A" e "B". Escolhe-se ao acaso uma pessoa.

a) Qual é a probabilidade desta assistir exclusivamente o canal "A "

b) Qual é a probabilidade desta assistir simultaneamente A e B

c) Qual é a probabilidade de assistir o canal A ou B

São 600 telespectadores inquiridos

A + B + Outros = 600 se os eventos forem mutuamente exclusivos

Temos 350 +320 +90=760

Se o número de respostas supera o número de inquiridos é porque os eventos não são

mutuamente exclusivos, ou seja, temos telespectadores que assistem simultaneamente a A
eB

Assim

760 – 600 = 160 telespectadores que assistem simultaneamente a A e B

24
 90
190 160 160

Resumindo

350 assistem ao canal A

190 assistem exclusivamente ao canal A

160 assistem exclusivamente a B

320 assistem a B

160 assistem simultaneamente a A e B

90 Assistem outros canais distintos de A e B

a) Qual é a probabilidade desta assistir exclusivamente o canal "A "

CF 190
P( A)    31.7%
CP 600

b) Qual é a probabilidade desta assistir simultaneamente A e B

CF 160
P( A)    26.7%
CP 600

c) Qual é a probabilidade de assistir o canal B

CF 320
P( A)    53.3%
CP 600

d) Qual é a probabilidade de assistir o canal A ou B

350 320 160

P( A  B)  P( A)  P( B)  P( A  B)     85%
600 600 600

25
3. Suponha que 20 canetas estão expostas numa papelaria. Seis são vermelhas e 14 azuis.
Do conjunto de 20, iremos escolher 2 canetas aleatoriamente. Qual a probabilidade de
que as duas canetas seleccionadas sejam vermelhas?

Dados

Neste caso os eventos não são independentes, pois a cor da primeira caneta seleccionada
vai determinar a probabilidade da segunda caneta ser vermelha.

A  A segunda caneta seleccionada é vermelha

B  A primeira caneta seleccionada é vermelha

Resolução

 A  P A  B   A
 P  A  B   P  . P  B   P  A  B   .
5 6
P  
B P B  B 19 20

P A  B  
30
 0,0789
380

4. O quadro abaixo apresenta a situação de estudantes de uma certa universidade por sexo
e bolsa de estudos. Sorteado um estudante ao acaso, qual a probabilidade de que ele
possua as seguintes características:

Bolseiro Não Bolseiro Total

Mulheres 40 80 120
Homens 100 30 130
Total 140 110 250

140
Ser bolseiro = 250 =56%

Ser homem sabendo que foi seleccionado um bolseiro =

100
250
P( H  B) 140 100
P(H\B)= P( B) = 250 = 140 =71.4%

Ser bolseiro e homem

26
 100

P(B  H)= 250 40%

Ser bolseiro ou homem

140 130 100

  
P( B  H )  P ( B )  P ( H )  P ( B  H ) = 250 250 250 56%+52%-40%=68%

4.1. Seleccionadas duas pessoas, uma após outra, sem reposição, qual é a probabilidade
de:

a) Ambas serem do mesmo sexo

130 129 120 119

*  *
P(1ºH  2ºH)  P (1ºM  2ªM) = 250 249 250 249 =26.9%+22.9%=49.9%

b) Uma mulher e um homem

120 130
* 
P(M  2ºH) = 250 249 0.48*0.52=0.25

c) Tendo sido seleccionadas pessoas do mesmo sexo qual é a probabilidade de serem

mulheres

Probabilidade (Mulher \ Mesmo Sexo)

120 119
*
Mulher 250 249
 
MesmoSexo 130 * 129  120 * 119 0.229
= 250 249 250 249 0.499 =45.9%

5. Em um grupo de 500 estudantes, 80 estudam Contabilidade, 300 estudam Economia e os

restantes 170 frequentam outros cursos distintos de Contabilidade e Economia . Se um
estudante é escolhido ao acaso.

a) Calcula a probabilidade de que ele estude somente Economia.

Dados

500 estudantes

80 Contabilidade

300 Economia

27
170 outros curso

80+300+170=550 (superior a 500, logo os eventos frequentar contabilidade e frequentar

economia não são mutuamente exclusivos, existem 50 estudantes que frequentam ambos
cursos)

550-500= 50 que frequentam economia e contabilidade em simultâneo

250
 50%
P(Eco)= 500

b) Calcula a probabilidade de que ele estude Contabilidade e Economia.

PCont  Eco 
50

500 10%

c) Calcula a probabilidade de que ele estude Economia ou Contabilidade.

PCont  Eco  PCont   PEco  PCont  Eco 

80 300 50
  
500 500 500 70%-10%=60%

d) Sabendo que o estudante escolhido estuda Contabilidade, calcule a probabilidade de que

ele estude também Economia.

50
PEng  Eco 500
PEco / Eng    
PEng  80
500 62.5%

6. Calcule o valor do n que verifica cada uma das seguintes igualdades

(n  2)!(n  1)!
 24
a) n!

(n  2)!(n  1)!
 24
n!

(n  2)( n  1)n!(n  1)n!

 24
n!

n!n  2 (n  1)  (n  1)

 24
n!
28
n 2 +4n-21= 0 n1 = -7 e n2 =3 Solução 3

C n2  6
b)

n! n(n  1)( n  2)!

6  6  n(n  1)  12  n 2  n  12  0
C  6 (n  2)!2!
2
( n  2)!2
n =

n1= 4 v n2=-3 Sol. {4}

An2  56
c)

n!
An2 
(n  2)! = 56

n(n  1)( n  2)!

 56
(n  2)!

n 2 -n-56= 0 Solução 8

4. Admita que os participantes numa reunião decidem cumprimentar-se um ao outro com

aperto de mão e no final verificou-se que foram trocados 120 cumprimentos. Quantas
pessoas estavam presentes?

C 2n  120

n!
 120
(n  2)!2!

n(n  1)( n  2)!

 120
(n  2)!2!

n(n-1)=120.2

n2-n=240

n2-n-240=0

n1=-15 e n2=16 Resposta: Na reunião estavam presentes 16 pessoas

29