Unidade de Ensino: 1.

5
Probabilidade de eventos

Curso de Formação de Oficial da Marinha Mercante

Disciplina: Probabilidade e Estatística

1.5 Probabilidade de eventos

Objetivo: conceituar e calcular a probabilidade de eventos.

1.5 Probabilidade de eventos

1.5.1 Experimentos aleatórios.

1.5.2 Probabilidade.

1.5.3 Teorema de Bayes.

Fonte: Página 5 a 13, SPIEGEL. Probabilidade e Estatística – Coleção Schaum.

1.5.1 Experimentos aleatórios

Experimento aleatório é uma ação cujo resultado não pode ser previsto.

Se repetido sob condições quase idênticas existem chances de ocorrer diferentes.

Embora o resultado de um experimento aleatório não possa ser pré-determinado,

existe a possibilidade de descrever o conjunto dos resultados que podem ocorrer.

Exemplos:

Lançar um dado e observar a face que fica voltada para cima.

Extrair uma bola de uma urna com bolas vermelhas e azuis e verificar sua cor.
1.5.1 Experimentos aleatórios – Espaço amostral (𝛀)

É um conjunto de todos os resultados possíveis de um experimento (𝛀).

𝛀 = letra grega ômega

1.5.1 Experimentos aleatórios – Espaço amostral (𝛀)

a) Resultados de um dado
𝛀 = {1,2,3,4,5,6}

b) Resultados de uma moeda jogada duas vezes, observando a sequência de

caras (C) e coroas (K)
𝛀 = {CC, CK, KC, KK}

c) Uma fábrica produz determinado peça. Da linha de produção são retirados 3

peças. Cada peça é classificado bom (B) ou defeituoso (D).
𝛀 = { BBB, BBD, BDB, DBB, DDB, DBD, BDD, DDD }
1.5.1 Experimentos aleatórios – Espaço amostral (𝛀)

O espaço amostral pode ser: Discreto ou Contínuo

Discreto: conjunto finito ou infinito de resultados enumeráveis.

Exemplo: Número de peças com defeito num lote: 𝛀 = ℕ

Contínuo: conjunto infinito, formado por um intervalo de números reais.

Exemplo: observar o tempo de vida de uma lâmpada: 𝛀 = ℝ*
1.5.1 Experimentos aleatórios – Partição de um espaço amostra

É uma coleção de eventos A1, A2, . . . An do espaço amostral 𝛀 se:

Os eventos Ai são disjuntos dois a dois, isto é, se Ai ∩ Aj = ∅ para todo i diferente de j.

A união dos eventos Ai (eventos mutualmente exclusivos) é o espaço amostral 𝛀, isto é

1.5.1 Experimentos aleatórios – Espaço amostral (𝛀)

Exemplo: Um experimento é composto pelo lançamento de 3 moedas honestas.

A variável aleatória a ser considerada é o número de coroas observadas ao
final desse experimento. Nesse caso, o espaço amostral a ser considerado é
composto por quantos resultados?

a) 2
b) 3
c) 4
d) 6
e) 12
1.5.1 Experimentos aleatórios – Espaço amostral (𝛀)

Exemplo: Um experimento é composto pelo lançamento de 3 moedas honestas.

A variável aleatória a ser considerada é o número de coroas observadas ao
final desse experimento. Nesse caso, o espaço amostral a ser considerado é
composto por quantos resultados?

a) 2
b) 3
c) 4 𝛀 = 0,1,2,3
d) 6
e) 12
1.5.1 Experimentos aleatórios – Evento (ω)

É subconjunto do espaço amostra.

É um conjunto de resultados possíveis, segundo Meyer (página 19).

Exemplos:

A = ” face par de um dado” = {2,4,6}

B = ” face > 3 de um dado ” = {4,5,6}

Se a face observada foi 5, dizemos que o evento B ocorreu.

1.5.1 Experimentos aleatórios – Evento (ω)

Um evento ω que está dentro de um evento A, usa-se a notação ω ∈ A;

Se o evento ω não pertence ao evento A, usa-se a notação ω ∉ A;

Se um evento B contém outro evento A, denota-se B ⊂ A;

O conjunto ∅ (vazio) também é um evento, chamado evento impossível.

O espaço amostral 𝛀 é, por definição, um evento, chamado evento certo.

1.5.1 Experimentos aleatórios – Combinação de eventos

Considere eventos A e B e um espaço amostral 𝛀.

União Interseção Complementar de A Mutuamente

exclusivo
1.5.1 Experimentos aleatórios – Combinação de eventos (União)

Considere eventos A e B e um espaço amostral 𝛀.

A união dos eventos A e B é dada por A ∪ B = {ω ∈ 𝛀 : ω ∈ A ou ω ∈ B}, consiste em

resultados que estão em A ou em B. Como mostra o diagrama de Venn abaixo:

A: Face par = {2,4,6}

B: Face > 3 = {4,5,6}

A ∪ B = {2,4,5,6}
1.5.1 Experimentos aleatórios – Combinação de eventos (Interseção)

Considere eventos A e B e um espaço amostral 𝛀.

A interseção dos eventos A e B é dada por A ∩ B = {ω ∈ 𝛀 : ω ∈ A e ω ∈ B}, consiste

em todos os resultados que estão contidos nos dois eventos, simultaneamente.

A: Face par = {2,4,6}

B: Face > 3 = {4,5,6}

A ∩ B = {4,6}
1.5.1 Experimentos aleatórios – Combinação de eventos (complementar de A)

Considere eventos A e B e um espaço amostral 𝛀.

O complementar de A é dado por A’ = 𝛀 - A = {ω ∈ 𝛀; ω ∉ A}, ou seja, evento

composto de todos os pontos não favoráveis à A.

A: Face par = {2,4,6}

B: Face ímpar = {1,3,5}

ഥ = {1,3,5}
A

ഥ = A’ é usado a barra ou apóstrofo.

A
1.5.1 Experimentos aleatórios – Combinação de eventos (Exclusivo)

Considere eventos A e B e um espaço amostral 𝛀.

Dois eventos A e B são mutuamente exclusivos (ou disjuntos) quando não podem
ocorrer simultaneamente. Se B ocorre, então A não ocorre, e vice-versa. A∩B = ∅

A: Face par = {2,4,6}

B: Face ímpar = {1,3,5}

A∩B=∅

A∩B = ∅, o que implica P(A∩B) = 0

1.5.1 Experimentos aleatórios – Propriedades

Comutativa: A, B ⊂ 𝛀, tem-se que:

A∪B=B∪A
A∩B=B∩A

Associativa: A, B, C ⊂ 𝛀, tem-se que:

A ∪ (B ∪ C) = (A ∪ B) ∪ C
A ∩ (B ∩ C) = (A ∩ B) ∩ C

Distributiva: A, B, C ⊂ 𝛀, tem-se que:

A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
Exercício 1

Considere 3 eventos A, B, C de um espaço amostral. Exprima os eventos abaixo usando

as operações de união, interseção e complementação:

• Somente A ocorre
Significa que A ocorreu e B não ocorreu e C não ocorreu (definição de complementação).
Somente A ocorre = A ∩ B’∩ C’

• A, B e C ocorrem
Significa que os três eventos ocorreram (definição de interseção).
A, B e C ocorrem = A ∩ B ∩ C

• Pelo menos um ocorre

Significa que pode ter ocorrido apenas 1, ou 2 ou 3 (definição de união).
Temos que pelo menos um ocorre = A ∪ B ∪ C
Exercício 1

Considere 3 eventos A, B, C de um espaço amostral. Exprima os eventos abaixo usando

as operações de união, interseção e complementação:

• Somente A ocorre
Significa que A ocorreu e B não ocorreu e C não ocorreu (definição de complementação).
Somente A ocorre = A ∩ B’∩ C’

• A, B e C ocorrem
Significa que os três eventos ocorreram (definição de interseção).
A, B e C ocorrem = A ∩ B ∩ C

• Pelo menos um ocorre

Significa que pode ter ocorrido apenas 1, ou 2 ou 3 (definição de união).
Temos que pelo menos um ocorre = A ∪ B ∪ C
Exercício 1

𝛀
Exercício 2

Uma urna contém 4 bolas, duas vermelhas (numeradas de 1 a 2) e duas pretas

(numeradas de 3 a 4). Duas bolas são retiradas dessa urna, sem reposição.

a) Defina um espaço amostral para esse experimento.

Ω = {(1,2), (1,3), (1,4), (2,1), (2,3), (2,4), (3,1), (3,2), (3,4), (4,1), (4,2), (4,3)}

b) Defina o evento em que a primeira bola é vermelha.

A = {(1,2), (1,3), (1,4), (2,1), (2,3), (2,4)}

c) Defina o evento em que ambas as bolas são vermelhas.

C = {(1,2), (2,1)}
3 2

1 4
Exercício 2

Uma urna contém 4 bolas, duas vermelhas (numeradas de 1 a 2) e duas pretas

(numeradas de 3 a 4). Duas bolas são retiradas dessa urna, sem reposição.

a) Defina um espaço amostral para esse experimento.

Ω = {(1,2), (1,3), (1,4), (2,1), (2,3), (2,4), (3,1), (3,2), (3,4), (4,1), (4,2), (4,3)}

b) Defina o evento em que a primeira bola é vermelha.

A = {(1,2), (1,3), (1,4), (2,1), (2,3), (2,4)}

c) Defina o evento em que ambas as bolas são vermelhas.

C = {(1,2), (2,1)}
3 2

1 4
Dúvidas?
1.5.2 Probabilidade

A análise de um conjunto de dados por meio de técnicas numéricas e gráficas

permite que tenhamos uma boa ideia da distribuição desse conjunto.

Em particular, a distribuição de frequências é um instrumento importante para

avaliarmos a variabilidade das observações de um fenômeno aleatório. A partir
dessas frequências observadas podemos calcular diversas medidas, como foi
visto, por exemplo, média, mediana, desvio padrão etc.

As frequências relativas são estimativas de probabilidades de ocorrências de

certos eventos de interesse.
1.5.2 Probabilidade

Seja A um evento definido em um espaço amostral 𝛀.

A probabilidade de A, denotada por P(A), é uma função que satisfaz a 3 Axiomas:

1) 0 ≤ P(A) ≤ 1, p/ todo A definido em 𝛀.

2) P(𝛀) = 1 ou P(∅) = 0.

3) Se A1, A2, …, são eventos em 𝛀, tais que

1.5.2 Probabilidade

É a quantidade de casos favoráveis (#A) sobre a quantidade de casos possíveis (#𝛀).

#A
P A =
#𝛀
1.5.2 Probabilidade

Exemplo: Lançar 3 moedas e observar as faces voltadas para cima.

O espaço amostral associado a este experimento aleatório é: #𝛀 = 8 casos possíveis

𝛀={(C,C,C),(C,C,K),(C,K,C),(K,C,C),(C,K,K), (K,C,K),(K,K,C),(K,K,K)}

Seja o evento: A = ´ocorrer 2 caras`.

Calcule a probabilidade do evento A.

A = {(C,C,K),(C,K,C),(K,C,C)} #A = 3 casos favoráveis

#A 3
P A =  P(A) =
#𝛀 8
1.5.2 Probabilidade – Lei da adição (ou)

Sejam A e B dois eventos, com interseção A∩B. Qual a probabilidade de A∪B?

P(A∪B) = P(A) + P(B) - P(A∩B)

1.5.2 Probabilidade – Lei da adição (ou)

Exemplo: Um aluno estuda para um exame por 2 livros.

O primeiro livro aborda 30% do programa e o segundo 28%.

24% do programa é abordado pelos dois livros.

Qual a probabilidade de que determinado tópico do programa esteja em pelo menos

um dos dois livros utilizados pelo aluno?
1.5.2 Probabilidade – Lei da adição (ou)

Exemplo: Um aluno estuda para um exame por 2 livros.

O primeiro livro aborda 30% do programa e o segundo 28%.

24% do programa é abordado pelos dois livros.

Qual a probabilidade de que determinado tópico do programa esteja em pelo menos

um dos dois livros utilizados pelo aluno?

Seja A = “tópico estar no primeiro livro” e B = “tópico estar no segundo livro”

P(A) = 0,30 P(B) = 0,28 e P(A∩B) = 0,24

P(A∪B) = P(A) + P(B) - P(A∩B)

P(A∪B) = 0,30 + 0,28 – 0,24 = 0,34

1.5.2 Probabilidade – Lei da adição (ou)

Quando Lígia para em um posto de gasolina, a probabilidade de ela pedir para

verificar o nível de óleo é 0,28; a probabilidade de ela pedir para verificar a
pressão dos pneus é 0,11 e a probabilidade de ela pedir para verificar ambos,
óleo e pneus, é 0,04. Portanto, a probabilidade de Lígia parar em um posto de
gasolina e não pedir nem para verificar o nível de óleo e nem para verificar a
pressão dos pneus é igual a

A) 0,25
B) 0,35
C) 0,45
D) 0,15
E) 0,65
1.5.2 Probabilidade – Lei da adição (ou)

Quando Lígia para em um posto de gasolina, a probabilidade de ela pedir para

verificar o nível de óleo é 0,28; a probabilidade de ela pedir para verificar a
pressão dos pneus é 0,11 e a probabilidade de ela pedir para verificar ambos,
óleo e pneus, é 0,04. Portanto, a probabilidade de Lígia parar em um posto de
gasolina e não pedir nem para verificar o nível de óleo e nem para verificar a
pressão dos pneus é igual a

A) 0,25
B) 0,35
C) 0,45
D) 0,15
E) 0,65

P(nenhum) = 1 – P(algum) = 1 - P(A∪B) = 1- [(P(A) + P(B) - P(A∩B)]

P(nenhum) = 1 – (0,28 + 0,11 - 0,04) = 1 - 0,35 = 0,65

1.5.2 Probabilidade – Evento Complementar

ഥ = 1 - P(A)
P(A)
1.5.2 Probabilidade – Evento Mutuamente exclusivo

A∩B = ∅, o que implica P(A∩B) = 0

1.5.2 Probabilidade – Evento Mutuamente exclusivo

1) Considere o lançamento simultâneo de 2 dados. Verifique se os pares de eventos a

seguir são mutuamente exclusivos: A = “soma das faces igual a 7 “ e B = “ soma das
faces igual a 11”.
1.5.2 Probabilidade – Evento Mutuamente exclusivo

1) Considere o lançamento simultâneo de 2 dados. Verifique se os pares de eventos a

seguir são mutuamente exclusivos: A = “soma das faces igual a 7 “ e B = “ soma das
faces igual a 11”.

A = {(3,4),(4,3),(2,5),(5,2),(1,6),(6,1)}

B = {(5,6),(6,5)}

A∩B = ∅

Portanto: A e B são mutuamente exclusivos.

1.5.2 Probabilidade – Evento Mutuamente exclusivo

2) Considere o lançamento simultâneo de 2 dados.

Verifique se os pares de eventos a seguir são mutuamente exclusivos:

A = ´soma das faces maior que 8` e B = ´faces iguais`.

1.5.2 Probabilidade – Evento Mutuamente exclusivo

2) Considere o lançamento simultâneo de 2 dados.

Verifique se os pares de eventos a seguir são mutuamente exclusivos:

A = ´soma das faces maior que 8` e B = ´faces iguais`.

A = {(3,6),(6,3),(4,5),(5,4),(4,6),(6,4),(5,6),(6,5),(5,5),(6,6)}

B = {(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}

A∩B = {(5,5),(6,6)}

Portanto: A e B não são mutuamente exclusivos.

1.5.2 Probabilidade – Evento Mutuamente exclusivo

3) Sejam 2 eventos A e B tais que:

P(A) = 0,3 e P(A∪B) = 0,5.

Determine o valor de P(B) se: A e B são mutuamente exclusivos.

1.5.2 Probabilidade – Evento Mutuamente exclusivo

3) Sejam 2 eventos A e B tais que:

P(A) = 0,3 e P(A∪B) = 0,5.

Determine o valor de P(B) se: A e B são mutuamente exclusivos.

Se são mutuamente exclusivos então A∩B = ∅

P(A∪B) = P(A) + P(B) - P(A∩B)

0,5 = 0,3 + P(B) - 0

P(B) = 0,2
1.5.2 Probabilidade – Eventos independentes

Dois eventos são independentes se a ocorrência de um não interfere na

probabilidade de ocorrência do outro, ou seja,

P(A|B) = P(A)

P(B|A) = P(B)
1.5.2 Probabilidade – Eventos independentes

Vimos que, pela Lei da Multiplicação:

P(A∩B) = P(A|B) * P(B)

Por outro lado, vimos que dois eventos A e B são independentes se:

P(A|B) = P(A)

Pode-se concluir que A e B são independentes se:

P(A∩B) = P(A) * P(B)

1.5.2 Probabilidade – Eventos independentes

Exemplo: considere os eventos independentes A e B, com probabilidades 0,3500 e

0,6500, respectivamente. Assinale a opção que apresenta a probabilidade de que,
pelo menos, um dos dois ocorra.

Probabilidade do Complementar
Probabilidade de Nenhum ocorrer = P(Não A) * P(Não B) = 0,65 * 0,35 = 0,2275

Probabilidade de um ou os dois ocorrerem = 1 – (Probabilidade de Nenhum Ocorrer)

Probabilidade de um ou os dois ocorrerem = 1 - 0,2275
Probabilidade de um ou os dois ocorrerem = 0,7725
1.5.2 Probabilidade – Eventos independentes

Exemplo: considere os eventos independentes A e B, com probabilidades 0,3500 e

0,6500, respectivamente. Assinale a opção que apresenta a probabilidade de que,
pelo menos, um dos dois ocorra.

As combinações possíveis são:

Ocorrer os dois = 0,35 X 0,65 = 0,2275
Ocorrer o primeiro, mas não o segundo = 0,35 X 0,35 = 0,1225
Ocorrer o segundo, mas não o primeiro = 0,65 X 0,65 = 0,4225

Total = 0,2275 + 0,1225 + 0,4225 = 0,7725

1.5.2 Probabilidade – Eventos independentes

Exemplo: Sejam 2 eventos A e B tais que: P(A) = 0,3 e P(A∪B) = 0,5

Determine o valor de P(B) se: A e B são independentes.
1.5.2 Probabilidade – Eventos independentes

Exemplo: Sejam 2 eventos A e B tais que: P(A) = 0,3 e P(A∪B) = 0,5

Determine o valor de P(B) se: A e B são independentes.

P(A∪B) = P(A) + P(B) - P(A∩B)

Como os eventos A e B são independentes, temos que P(A∩B) = P(A)* P(B)
P(A∪B) = P(A) + P(B) - P(A)*P(B)
0,5 = 0,3 + P(B) - 0,3*P(B)
P(B) = 0,29
1.5.2 Probabilidade – Lei da multiplicação (e)

Sejam A e B dois eventos, com P(B) > 0.

Qual é a probabilidade de que A e B ocorram?

A Lei da Multiplicação fornece a solução deste problema, por meio da fórmula a seguir:

P(A∩B) = P(A|B) * P(B)

1.5.2 Probabilidade – Lei da multiplicação (e)

Exemplo: Seja uma urna com 8 bolinhas azuis e 4 vermelhas. Duas bolinhas são
selecionadas ao acaso desta urna. Qual a probabilidade de que a primeira bolinha
retirada da urna seja vermelha e que a segunda seja azul?

A = segunda bolinha azul e B = primeira bolinha vermelha

P(A|B) = 8/11  Probabilidade da 2ª bolinha ser azul dado que a 1ª bolinha foi vermelha.

P(B) = 4/12

P(A∩B) = P(A|B) * P(B)

P(A∩B) = 8/11 * 4/12  P(A∩B) = 0,24

1.5.2 Probabilidade – Lei da probabilidade total

Sejam A e B dois eventos, em que A possa ocorrer condicionado a B ou a B’.

A probabilidade “total” do evento A pode ser calculada por meio da seguinte fórmula:

P(A) = P(A|B)*P(B) + P(A|B’) *P(B’)

1.5.2 Probabilidade – Probabilidade condicional

A ideia de probabilidade condicional está relacionada ao fato da ocorrência de um

evento afetar ou não a probabilidade de ocorrência de outro evento.

Sejam dois eventos A e B, tais que P(B) > 0. A probabilidade de A dado B é:

P(A∩B)
P(A|B) =
P(B)

Note que, nessa definição, temos que supor que o evento B é um evento possível,
já que ele ocorreu. Logo, é óbvio que P(B) > 0.
1.5.2 Probabilidade – Probabilidade condicional

Exemplo: Qual a probabilidade num único lançamento de um dado resulte em

um número par, sabendo-se que é um número maior do que 3?

𝛀 = {1,2,3,4,5,6}

A : ´Face par’ A = {2,4,6} = P(A) = 3/6 = 1/2

B : ´Face > 3` B = {4,5,6} = P(B) = 3/6 = 1/2

P(A|B) = P(A∩B)/P(B) = ?

P(A∩B) = {4,6} = 2/6 = 1/3

P(A|B) = P(A∩B)/P(B) = 1/3 / 1/2 = 2/3

1.5.3 Teorema de Bayes

É uma fórmula matemática usada para o cálculo da probabilidade de um evento dado

que outro evento já ocorreu - Probabilidade condicional.

Ou seja, é preciso saber que um determinado evento já ocorreu e qual a probabilidade

desse evento (priori) para determinar um evento futuro (a posteriori).

Portanto, há a condição de que o primeiro ocorra (probabilidade condicional)

resultando do Teorema da Multiplicação, temos que:

P(A|B) ∗ P(B)
P(B|A) =
P(A)
Exercício 1

Em uma classe, os percentuais de aprovados em álgebra e literatura são, respectivamente,

75% e 84%. 63% são aprovados em ambas as disciplinas.

Sejam A = ´ter passado em álgebra` e B = ´ter passado em literatura`.

P(A) = 0,75 P(B) = 0,84 P(A∩B) = 0,63

a) Qual a probabilidade de um aluno ter passado em álgebra ou em literatura?

b) Se um aluno passou em literatura, qual a probabilidade de ter passado em álgebra?

c) Ter passado em álgebra e ter passado em literatura são eventos independentes?

Exercício 1

Em uma classe, os percentuais de aprovados em álgebra e literatura são, respectivamente,

75% e 84%. 63% são aprovados em ambas as disciplinas.

Sejam A = ´ter passado em álgebra` e B = ´ter passado em literatura`.

P(A) = 0,75 P(B) = 0,84 P(A∩B) = 0,63

a) Qual a probabilidade de um aluno ter passado em álgebra ou em literatura?

P(A∪B) = P(A) + P(B) - P(A∩B) = 0,75 + 0,84 – 0,63 = 0,96.

b) Se um aluno passou em literatura, qual a probabilidade de ter passado em álgebra?

P(A|B) = P(A∩B)/P(B) = 0,63/0,84 = 0,75

c) Ter passado em álgebra e ter passado em literatura são eventos independentes?

Sim, pois P(A|B) = P(A) = 0,75
Exercício 2

Um pessoa que faz curso preparatório tem probabilidade 0,9 de ser aprovado na prova de um
concurso. Caso contrário, esta probabilidade é 0,3. Sabe-se que 70% dos candidatos fizeram
preparatório.

Os eventos são: A = ´passar no concurso` e B = ´ter feito preparatório`

Temos pelo enunciado que: P(A|B) = 0,9 ഥ) = 0,3 e

P(A|B P(B) = 0,7 ഥ) = 0,3
P(B

a) Calcule a probabilidade de que um candidato selecionado ao acaso passe no concurso.

P(A) = P(A|B)*P(B) + P(A|Bഥ)*P(B
ഥ) = 0,9*0,7 + 0,3*0,3 = 0,72 (Lei da probabilidade total)

b) Se um aluno passou no concurso, qual a probabilidade dele ter feito curso preparatório?
P(B|A) = P(A|B)*P(B) / P(A) = (0,9*0,7) / 0,72 = 0,875 (Teorema de Bayes, fato a priori)
Exercício 2

Um pessoa que faz curso preparatório tem probabilidade 0,9 de ser aprovado na prova de um
concurso. Caso contrário, esta probabilidade é 0,3. Sabe-se que 70% dos candidatos fizeram
preparatório.

Os eventos são: A = ´passar no concurso` e B = ´ter feito preparatório`

Temos pelo enunciado que: P(A|B) = 0,9 ഥ) = 0,3 e

P(A|B P(B) = 0,7 ഥ) = 0,3
P(B

a) Calcule a probabilidade de que um candidato selecionado ao acaso passe no concurso.

P(A) = P(A|B)*P(B) + P(A|Bഥ)*P(B
ഥ) = 0,9*0,7 + 0,3*0,3 = 0,72 (Lei da probabilidade total)

b) Se um aluno passou no concurso, qual a probabilidade dele ter feito curso preparatório?
P(B|A) = P(A|B)*P(B) / P(A) = (0,9*0,7) / 0,72 = 0,875 (Teorema de Bayes, fato a priori)
Exercício 3

Suponha que 2 máquinas (M1 e M2) são usadas para fabricar o mesmo tipo e que 60% dos itens
tenham sido fabricados por M1, 40% dos itens tenham sido fabricados por M2, e que 1% dos
itens fabricados por M1 têm defeito, 2% dos itens fabricados por M2 têm defeito.

Os eventos são: A = ‘ser defeituoso’ e B = ‘ter sido produzido por M1’

Temos pelo enunciado que: P(B)=0,6 ഥ)=0,4

P(B P(A|B)=0,01 ഥ) = 0,02.
P(A|B

a) Um item é selecionado aleatoriamente. Qual a probabilidade de que ele seja defeituoso?

ഥ)*P(B
P(A) = P(A|B)*P(B) + P(A|B ഥ) = 0,01*0,6 + 0,02*0,4 = 0,014 (Lei da probabilidade total)
na A produz 45%, probabilidade de sair com defeito (5%) = 45% x 5% = 0,0225
b) Se o item selecionado é defeituoso, qual a probabilidade de ter sido produzido por M1? P(B|A)
= P(A|B)*P(B) / P(A) = 0,01*0,6 / 0,014 = 0,429 (Teorema de Bayes, fato a priori)
Exercício 3

Suponha que 2 máquinas (M1 e M2) são usadas para fabricar o mesmo tipo e que 60% dos itens
tenham sido fabricados por M1, 40% dos itens tenham sido fabricados por M2, e que 1% dos
itens fabricados por M1 têm defeito, 2% dos itens fabricados por M2 têm defeito.

Os eventos são: A = ‘ser defeituoso’ e B = ‘ter sido produzido por M1’

Temos pelo enunciado que: P(B)=0,6 ഥ)=0,4

P(B P(A|B)=0,01 ഥ) = 0,02.
P(A|B

a) Um item é selecionado aleatoriamente. Qual a probabilidade de que ele seja defeituoso?

ഥ)*P(B
P(A) = P(A|B)*P(B) + P(A|B ഥ) = 0,01*0,6 + 0,02*0,4 = 0,014 (Lei da probabilidade total)
na A produz 45%, probabilidade de sair com defeito (5%) = 45% x 5% = 0,0225
b) Se o item selecionado é defeituoso, qual a probabilidade de ter sido produzido por M1? P(B|A)
P(B|A) = P(A|B)*P(B) / P(A) = 0,01*0,6 / 0,014 = 0,429 (Teorema de Bayes, fato a priori)
Exercício 4

Determinado veículo pode ter problemas mecânicos ou elétricos. Se ele tiver problemas
mecânicos, não para, mas se tiver problema elétrico tem de parar imediatamente. A chance de
esse veículo ter problemas mecânicos é de 0,2. Já a chance do mesmo veículo ter problemas
elétricos é de 0,15 se não houve problema mecânico precedente, e de 0,25 se houve problema
mecânico precedente. Agora, calcule:

Os eventos são: M = “ter problema mecânico” e E = “ter problema elétrico”

Temos pelo enunciado que: P(M) = 0,2 P(M’) = 0,8 P(E|M’) = 0,15 P(E|M) = 0,25

a) Qual é a probabilidade de o veículo parar em determinado dia?

P(E) = P(E|M)* P(M) + P(E|M’)* P(M’) = 0,25*0,2 + 0,15*0,8 = 0,17 (Lei da probabilidade total)

b) Se o veículo parou em certo dia, qual a chance de que tenha havido defeito mecânico?
P(M|E) = P(E|M)*P(M) / P(E) = (0,25*0,2) / 0,17 = 0,294 (Teorema de Bayes, fato a priori)
Exercício 5

A probabilidade de uma criança não cair ao andar de bicicleta é 3/5 e a probabilidade dessa
criança se machucar na queda é 3/4 . A probabilidade dessa criança cair ao andar de bicicleta e
não se machucar é de

(A) 30%.
(B) 25%.
(C) 20%.
(D) 10%.
(E) 15%.
Exercício 5

A probabilidade de uma criança não cair ao andar de bicicleta é 3/5 e a probabilidade dessa
criança se machucar na queda é 3/4 . A probabilidade dessa criança cair ao andar de bicicleta e
não se machucar é de

(A) 30%.
(B) 25%.
(C) 20%.
(D) 10%.
(E) 15%.

P(cair) = 1 - 3/5 = 2/5

P(não machucar) = 1 - 3/4 = 1/4

P(cair e não se machucar) = 2/5 * 1/4 = 1/10

Dúvidas?