Probab i Lida Des

Estudo das Probabilidades
Dennis Marinho1
1 Departamento de Engenharia Elétrica
Universidade Federal do Vale do São Francisco
dennismarinho@bol.com.br
13 de abril de 2023
Prof. Dennis Marinho O R de Souza Probabilidades

Probabilidade - Conceito e Distribuição
É um ramo da matemática relacionado ao estudo de fenômenos

aleatórios ou acaso.
Os tipos de fenômenos na Natureza são dois:
1.Determinı́stico:
Sabemos todos os resultados possı́veis e podemos prever o seu
resultado final.
2.Não-Determinı́sitco:
Sabemos todos os resultados possı́veis e não podemos prever o seu
resultado final.

Eventos Não-Determinı́stico - Exemplos
Previsão do tempo;
Resultado do futebol;
Polı́tica;
Acidentes.
Obs.: A probabilidade reflete a chance de um evento ocorrer
ou do contrário também.

Experiência Aleatória - Definição
Não fazemos idéia do resultado final;

Com espaço amostral (Ω) é possı́vel aumentar a possibilidade
de acerto do resultado final.

O que é espaço amostral - Ω ?
É o conjunto de todos os resultados possı́veis ou eventos

elementares de um experimento em estudo;
Ω = {∅, ω1 , ω2 , ..., ωn , ...}
Exemplo: Se jogarmos um dado e observarmos a face como

resultado, existe seu possı́veis resultados:
Resposta: faces: (1) ou (2) ou (3) ou (4) ou (5) ou (6)

O que é Evento - ω ?
É um resultado ou condição especı́fica, simples ou composta,

do que esperamos.
O conjunto de todos os eventos gera um Ω.

Exemplo Bussab e Morretin (2002): Um fábrica produz
determinado artigo. Da linha de produçãosão retirados três
artigos e classificados em Bom (b) ou defeituoso (d).
Descreva o espaço amostral para este experimento:
Ω = {∅, (bbb), (bbd), (bdb), (dbb), (bdd), (dbd), (ddb), (ddd)}

| {z } | {z } | {z } | {z } | {z } | {z } | {z } | {z }
ω1 ω2 ω3 ω4 ω5 ω6 ω7 ω8
Considere um evento especı́fico:

A: retirar dois ou mais artigos defeituosos.
ωi = A = {(ddb),(dbd),(bdd),(ddd)}
Não confundir evento com probabilidade do evento.

Exemplo Bussab e Morretin (2002): Considere o
experimento que consiste em retirar uma lâmpada de um
lote e medir seu ”tempo de vida”antes de se queimar. Um
espaço amostral conveniente é:
Ω = {t ∈ R : t ≥ 0}
representação do tempo de vida de todas as possı́eis lâmpadas.
Considere um evento especı́fico:
A: o tempo de vida da lâmpada inferior a 20 horas, logo:
ω1 = A = {t : 0 ≥ t ≥ 20}

Exemplo
No interior de uma urna existem 3 bolas, das quais 2 são azuis

e 1 branca. Se retirarmos 2 bolas quais são as possibilidade de
resultados
Resposta: AZUL AZUL ou AZUL BRANCA ou BRANCA
AZUL.
Lançamento de duas moedas, sendo K (cara) e C (coroa). O
espaço amostral (Ω) seria:
Ω = {(K , K ), (K , C ), (C , K ), (C , C )}
Como seria formado o conjunto de um evento que apenas
interessa a ocorrência de cara no primeiro lançamento?
ω1 = {(K , K ), (K , C )}

Conjuntos Matemáticos
São as bases da estatı́stica ou probabilidade e é através deles

que se forma toda e qualquer estrutura de resultados;
O espaço amostral Ω e os eventos ωs são subconjuntos de Ω,
logo P(ωi ) ≤ P(Ω), onde i ∈ N;

Operações Básicas e outros
1 Ac complementar de A;
2 A ∪ Ac = Ω;
3 A1 ∪ A2 ∪ ... ∪ An = ∪nj=1 A. Todo Ω;
4 A1 ∩ A2 ∩ ... ∩ An = ∩nj=1 A. Ocorrência simultânea em todos
os subconjuntos;
5 A − B = A ∩ B c . Evento que estão exclusivamente em A e
não em B;
6 A 4 B diferença simétrica entre A e B, todos os eventos de
A ∪ B, exceto A ∩ B.

ω1 ∩ ω2 : Intersecção é a relação que contém todos os
elementos comuns aos eventos ω1 e ω2 .
Exemplo: Seja M = {a, e, i, o} e Exemplo: Seja M = {a, e, i, o} e

N = {a, r , s, o}; então, segue-se que N = {r , s, t}; então, segue-se que
M ∩ N = {a, o}. Logo, M e N M ∩ N = ∅. Logo, M e N não
possuem elementos comuns. possuem elementos comuns.

ω1 ∪ ω2 : União é indicação que todos os elementos
pertencem aos eventos ω1 ou ω2 .
Exemplo: Seja M = {a, e, i, o} e N = {a, r , s, o}; então, segue-se

que:
M ∪ N = {a, e, i, o, r , s}
.

Intersecção ∩
clica em Arrecadação clica em Arrecadação por

Municı́pio

Intersecção ∩
clica em Arrecadação clica em Arrecadação por

Municı́pio

Outras Operações
1 A ∪ B = B ∪ A (Comutativa)
2 A ∪ (B ∪ C ) = (A ∪ B) ∪ C (Associativa)
3 A ∩ B = B ∩ A (Comutativa)
4 A ∩ (B ∩ C ) = (A ∩ B) ∩ C (Associativa)
5 A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C ) (Distributiva)
6 A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C ) (Distributiva)
7 (A ∪ B)c = Ac ∩ B c 1a Lei de De Morgan
8 (A ∩ B)c = Ac ∪ B c 2a Lei de De Morgan
9 A⊆B ⇒A∪B =B
10 A⊆B ⇒A∩B =A

Exemplo:
1 Obtenha expressões alternativas para: (A ∪ B) ∩ (C ∪ D)

2 Desenvolva ou expanda A ⊕ B
3 Prove que (A ∪ B) ∩ (A ∪ B) = A

Intersecção de Vários Conjuntos
Figura: Conjunto A, B e C

Conjunto Disjunto
São conjuntos que não existe região de intersecção.
Ver figura:
Figura: Conjunto Disjuntos
P(A ∪ B) = P(A) + P(B)

P(A ∩ B) = 0
União de Eventos Disjuntos ou Exclusivos
Se ω1 ∪ ω2 ∪ ω3 ∪ ... ∪ ωn são eventos exclusivos, então:
P(ω1 ∪ ω2 ∪ ω3 ∪ ... ∪ ωn ) = P(ω1 ) + P(ω2 ) + P(ω3 ) + ... + P(ωn )

Exemplo
Considere um dado com 6 faces que será lançado numa mesa.

1 Construa o espaço amostral e subconjuntos;
2 Defina os possı́veis resultados pares;
3 Defina os possı́veis resultados ı́mpares;
4 Defina o subconjunto com face maior que 2 e menor que 5.

Leis da Adição dos Conjuntos
Figura: União entre conjuntos
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

P(A ∪ B) 6= 0

Conjuntos Disjunto e sua UNIÃO
Figura: União entre conjuntos disjuntos
Não existe região de intersecção;

P(A ∩ B) = 0;
P(A ∪ B) = P(A) + P(B).

Probabilidade
É uma medida do tipo p onde o seu valor máximo é 1 ou

100% apresentando mı́nimo 0;
P(Ω) = 1;
P(A) ≥ 0, para todo AΩ;
P(A) = 1 − P(Ac );
0 ≤ P(A) ≤ 1, pois P(A) ≥ 0;
Se A e B são eventos mutuamente exclusivos, então:
P(A ∪ B) = P(A) + P(B)
Monotonicidade: Se A ⊂ B, então P(A) ≤ P(B)

Cálculo das Probabilidades
Método Clássico
Considera todos os elementos do espaço amostral
equiprováveis.
NA
P(A) =
NΩ
Método Frequentista
Utiliza a frequência dos eventos (equiprováveis ou não).
NA
fA =
NΩ
Método Geométrico

Probabilidade Geométrica
Figura: Área Vermelha - Casos Totais

Probabilidade Geométrica
Figura: Área Azul - Casos Favoráveis

R
área azul fazul da
P(A) = =R
área vermelha fvermelha dv
Exemplo
Considere dois dados, não viciados, qual a probabilidade da soma

dos números sorteados:
a)Ser igual 5?
b) Ser igual ou maior que 4?
c) Ser menor que 3?
Jogamos 20 vezes um dado e foi gerada a tabela abaixo.
Determine a probabilidade de um número sorteado ser par?
Face Frequência
1 4
2 4
3 3
4 5
5 2
6 2

Exemplo
Existem 30 porcos da raça A com peso entre 30 e 40kg, 10 porcos

da raça B com peso entre 50 e 60kg e 5 porcos da raça C com
peso superior a 90kg. Sorteamos um animal:
Determine a probabilidade desse animal apresente peso
superior a 40kg?
Determine a probabilidade desse animal maior ou igual a 30 e
inferior a 50kg?

Probabilidade Condicional
É a probabilidade dependente;
Um determinado evento ocorre, caso um outro seja possı́vel;
P(A∩B)
Matematicamente: P(A|B) = P(B) ;
Podemos escreve da seguinte maneira: A probabilidade de A
ocorrer dado que B é certo ou já ocorreu e do contrário é
verdade.
P(A ∩ B)
P(A|B) =
P(B)
P(A ∩ B)
P(B|A) =
P(A)
P(A|B) ∗ P(B)
P(B|A) =
P(A)

Exemplo
Numa empresa temos 100 funcionários, 35 homens fumantes, 28

homens não fumantes, 17 mulheres fumantes e 20 mulheres não
fumantes. Qual a probabilidade de sortearmos um funcionário e:
Ser fumante dado homem?
Ser fumante dado mulher?
Ser não fumantes dado homem?
Ser não fumantes dado mulher?

Exemplo
Considere uma urna com 3 bolas brancas e 7 vermelhas. Duas

bolas são retiradas da urna, uma após a outra sem reposição.
Determinar o espaço amostral e as possiblidades associadas a cada
ponto amostral.

Exemplo
Aproveitando o exemplo anterior. Calcule a probabilidade de obter

o seguinte resultado: B1 B2 V1 V2 B3 em cinco retiradas de bolas da
urna, sem reposição. O ı́ndice apresenta o número da retirada.

Exemplo
No grupo de 100 frangos, temos 40 estão no grupo infectados por

vı́rus, 20 estão no grupo infectados por bactérias e 10 estão no
grupo infectados por vı́rus e bactéria. Fazemos um sorteio no
abatimento dos animais para comercialização. Qual a
probabilidade do animal sorteado:
Está infectado por Bactéria já tenha sido infectado por Vı́rus
ao mesmo tempo?
Está infectado por Vı́rus dado ter sido infectado por Bactéria?
De não está infectado?

Eventos Independentes
São eventos que ocorrendo um antes não altera o que vem

depois ou não interagem;
A realização de um evento não influencia o outro;
Definição: Sejam A e B dois eventos e suponha que
P(A) > 0. O evento B é dito independente do evento A se:
P(A ∩ B) = P(A) ∗ P(B)

Exemplo: Fundamentos de Matemática Elementar
Uma moeda é lançada 3 vezes. Sejam os eventos:

A ocorrem pelo menos duas caras.
B ocorrem resultados iguais nos três lançamentos.
Temos:
Ω = {(kkk), (kkc), (kck), (kcc), (ckk), (ckc), (cck), (ccc)}
A = {(kkk), (kkc), (kck), (ckk)}, P(A) = 84
B = {(kkk), (ccc)}, P(B) = 28
A ∩ B = {(kkk)}, P(A ∩ B) = 18
Logo, P(A ∩ B) = P(A) . P(B)
| {z } | {z } | {z }
1 1 1
8 2 4
Portanto A e B são independentes.

Exemplo
Um lote apresenta 10 computadores, 7 bons e 3 queimados. Serão

sorteados com reposição 2 computadores. Qual a probabilidade de
se retirar:
1 Bom e Bom
Solução:
7 7
P(B1 ∩ B2 ) = P(B1). P(B2|B1 ) = P(B1 ).P(B2 ) = 10 10
| {z }
indep.
2 Bom e Queimado
3 Queimado e Queimado

Exemplo:
Sabemos que um baralho é composto por 52 cartas, representadas

por 4 naipes: copas, ouro, paus e espadas, disponde de 13 cartas
cada naipe. Determine:
A probabilidade de escolhermos ao acaso e sucessivamente 3
cartas de um mesmo naipe?

Teorema de Bayes
É um teorema muito importante e dele surgiu um ramo da

estatı́stica chamado de Inferência Baysiana.
possı́vel calcular a probabilidade em tabelas de múltiplas
entradas de informações. (várias condições)
Bayes resolve qualquer probabilidade condicional.

Definição e Fórmula
Seja A um evento eTB1 , B2 ,... ,BnSuma partição do espaço

amostral Ω, isto é ni=1 Bi = ∅ e ni=1 Bi = Ω. Seja P uma
probabilidade definida nos eventos de S. Temos para i = 1, 2, 3, ...:
P(A|Bi ).P(Bi )
P(Bi |A) = Pk
j=1 P(A|Bj ).P(Bj )
A - evento interceptador de todas as possı́veis condições de B;

Bi - É o evento especı́fico a ser calculado;
Bj - É é a união de todos os eventos, disjuntos ou não;
Com esta fórmula é possı́vel obter informações mais precisas e
profundas da tabela.

Exemplo: A tabela a seguir apresenta a distribuição de
alunos diplomados em 2002, segundo o nı́vel e o tipo de
instituição, no municı́pio de São Paulo.
Nı́vel Inst. Pública Inst. Privada
Fundamental 144548 32299
Médio 117945 29422
Superior 5159 56124
Qual a probabilidade de sortearmos um estudante do Ensino

Superior?
Resp:
Qual a probabilidade de sortearmos um estudante de
Instituição Pública?
Resp:
Qual a probabilidade de sortearmos um estudante de
Instituição Privada sendo do Ensino Médio?
Resp:
Exemplo
Os funcionários de uma empresa de dividem em 3 grandes grupos:

Zootecnistas, Agrônomos e Veterinários. Estes funcionários podem
ocupar cargos de gerência e técnicos. Sabemos que 40% são
Zootecnistas, 30% Agrônomos e 30% Veterinários. Sendo gerente
temos 30% dos Zootecnistas, 40% dos Agrônomos e 10% dos
Veterinários. Sorteamos um funcionário:
Qual a probabilidade dele ocupar um cargo de gerência?
Resp: 0,27
Dado que o funcionário sorteado já é gerente, qual a
probabilidade dele ser Zootecnistas? E Agrônomo? E
Veterinário?
Resp: (0,444) (0,444) (0,112)

Exemplo
Uma empresa de telefonia quer saber como funciona a relação
entre o uso de telefone e a renda de seus clientes. Uma pesquisa
anterior revelou que:



 10%Clientes da Classe A

21%Clientes da Classe B


 35%Clientes da Classe C

34%Cliesntes da Classe D



 20%Cliente Pré-Pago dado classe A

40%Cliente Pré-Pago dado classe B
90%Cliente Pré-Pago dado classe C



98%Cliente Pré-Pago dado classe D
Um cliente é escolhido e usa pré-pago. Qual a probabilidade

dele pertencer a cada uma das classes?
Resp: 0,026 (A)
Exemplo
Três fábricas produzem o mesmo presunto bovino sendo fábrica 1

atende a 30%, fábrica 2 atende a 45% e fábrica 3 atende a 25% do
mercado local. Os produtos defeituosos destas fábricas (refugo)
são 1%, 2% e 1, 5%, respectivamente, dos totais produzidos. No
centro de distribuição é realizado um controle da vigilância
sanitária nas três fábricas combinadas.
Qual a probabilidade de encontrar um presunto defeituoso
nesta inspeção?
Resp:0.01575
Se durante a inspeção, encontramos um produto defeituoso,
qual a probabilidade dele ter sido produzido pela fábrica II?
Resp: 0.5714

Exemplo Extra
1 A, B e C três eventos de um mesmo espaço amostral, tais

que: P(B) = 0.5; P(C ) = 0.3; P(B|C ) = 0.4;
P(A|(B ∩ C )) = 0.5. Calcule P(ABC ).
2 Sejam A e B eventos de um mesmo espaço amostral.
Suponha que P(A) = 0.4 e P(A ∪ B) = 0.7 e P(B) = 0.7.
Qual o valor de P(A ∩ B)?
3 Prove: Se P(Ac ) = α e P(B c ) = β, então
P(A ∩ B) ≥ 1 − α − β
4 Prove: Se P(A|B) ≥ P(A), então P(B|A) ≥ P(B)
5 Mostre que: P(E c ∩ F c ) = 1 − P(E ) − P(F ) + P(EF )

Exemplo Extra
São dadas 3 urnas com as seguintes composições: urna 1 tem 3

bolas brancas e 5 vermelhas; urna 2 tem 4 bolas brancas e 2
vermelhas; urna 3 tem 1 bola branca e 3 vermelhas. Escolhe-se
uma entre três urnas com as seguintes probabilidades: Urna 1 com
possiblidade de 62 ; Urna 2 com possibilidade de 36 ; Urna 3 com
possiblidade 16 . Uma bola é retirada da urna selecionada.
Calculemos a probabilidade da bola escolhida ser:
Branca;
Vermelha.

Exemplo
Um restaurante popular apresenta dois tipos de pratos: salada

completa e um prato baseado em carne. 20% dos fregueses do sexo
masculino preferem salada, e 30% das mulheres preferem carne.
75% dos fregueses são homens. Considere os seguintes eventos:
H: o freguês é Homem M:o freguês é Mulher
A: o fregues prefere salada B: O freguês prefere carne Calcule:
P(H), P(A|H) e P(B|H)

P(A ∪ H) e P(A ∩ H)
P(M|A)

Exemplo
Em média 5% dos produtos vendidos por uma loja são devolvidos.

Qual é a probabilidade de que, nas quarto próximas unidades
vendidas deste produto, duas sejam devolvidas (os eventos são
independentes)?
Qual é a probabilidade de que, nas quarto próximas unidades
vendidas deste produto, ao menos duas sejam devolvidas (os
eventos são independentes)?

Exemplo: INTERNET
Descreva o espaço amostral para o lançamento de um dado até

que dê face 5 pela primeira vez. Em seguinda, prova o seguinte
axioma de probabilidade:
P(Ω) = 1

Exemplo: Morettin, pg. 39 exercı́cio 02
Em uma prova caı́ram dois problemas. Sabe-se que 132 alunos

aceraram o primeiro, 86 erraram o segundo, 120 acertaram os dois
e 54 acertaram apenas um problema. Qual a probabilidade de que
um aluno, escolhido ao acaso:
não tenha acertado nenhum problema?
tenha acertado apenas o segundo problema?

Uma em cada 10 moedas apresenta o defeito de ser viciada, isto é,

a probabilidade de obtermos cara (c) nessa moeda é 0,8.
Sortemaos ao acaso uma moeda e lançamos 5 vezes, obtendo-se 3
caras (c) e 2 coroas (c). Qual a probabilidade de termos escolhido
uma moeda viciada?

Uma urna contém 3 bolas brancas e 4 azuis. Uma outra contém 4

brancas e 5 azuis. Passa-se uma bola da primeira para a segunda
urna e, em seguida, extrai-se uma bola da segunda urna. Qual a
probabilidade de ser branca?

Exemplo: Cymbalista e Costa Neto (pag 18 exerc 11
Sejam A e B eventos, tal que PA = 0, 4 e PA∪B = 0, 7. Seja

PB = p. Para que valor de p A e B:
(a1) são mutuamento exclusivos?
(a2) são indepdentes?

Exemplo:Cymbalista e Costa Neto p.18 q.10
Em uma universidade, 40% dos estudantes praticam futebol e 30%

praticam natação. Dentre os que praticam futebol, 20% praticam,
também, natação. Que porcentagem de estudantes não praticam
nenhum dos dois esportes?

Exemplo: Cymbalista e Costa Neto p.19 q 19
Um artilheiro naval dispara 5 torpedos para tentar acertar um

navio. Sendo 31 a probabilidade de cada torpedo acertar um navio,
qual a probabilidade de que o navio seka atingido? Se os dois
primeiro torpedos forem perdidos, qual a probabilidade de que o
navio ainda seja atingido?

Exemplo: Cymbalista e Costa Neto p. 105 q 23
Um vendedor de automóveis sabe que o número de carros vendidos

por dia em sua loja comporta-se como uma variável de Poisson,
cuja média é 2 carros vendidos, em dias de tempo bom, e 1 para
dias chuvosos. Se em 70% dos dias faz tempo bom (sem chuva),
qual é a probabilidade de que em certo dia do ano sejam vendidos,
pelo menos, 3 automóveis?

Uma loja tem lote de 10 fechaduras, das quais 5 têm defeito. Se

uma pessoa comprar 3 fechaduras, qual a probabilidade de
encontrar no máximo 1 defeituosa?

Um industrial tem duas alternativas para a venda de seu produto,

que é fornecido em lotes de 500 peças cada:
Comprador A: paga R$8 sem testar o lote;
Comprador B:

 B1: retira 10 peças, se todas perfeitas, pagará R$10
B2: retira 10 peças, se 9 perfeitas, pagará R$8
B3: retira 10 peças, se 8 ou menos perfeitas, pagará R$5

O industrial sabe que 10% da sua produção é defeituosa.

Considerando os riscos, qual o melhor negócio?

Um carro pode parar por defeito elétrico ou mecânico. Se existe

defeito elétrico, o carro para na proporção 1 para 5 e, se mecânico,
1 para 20. Em 10% das viagens há defeito elétrico e em 20%,
defeito mecânico, não ocorrendo mais de um defeito na mesma
viagem, igual ou de tipo diferente. Se o carro pára, qual a
probabilidade de ser por defeito elétrico

Exemplo:

Exemplo:

Exemplo:

Probab i Lida Des

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Probab i Lida Des

Enviado por

Direitos autorais:

Formatos disponíveis

Estudo das Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

É um ramo da matemática relacionado ao estudo de fenômenos

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

Não fazemos idéia do resultado final;

Prof. Dennis Marinho O R de Souza Probabilidades

É o conjunto de todos os resultados possı́veis ou eventos

Ω = {∅, ω1 , ω2 , ..., ωn , ...}

Exemplo: Se jogarmos um dado e observarmos a face como

Prof. Dennis Marinho O R de Souza Probabilidades

É um resultado ou condição especı́fica, simples ou composta,

Prof. Dennis Marinho O R de Souza Probabilidades

Ω = {∅, (bbb), (bbd), (bdb), (dbb), (bdd), (dbd), (ddb), (ddd)}

Considere um evento especı́fico:

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

No interior de uma urna existem 3 bolas, das quais 2 são azuis

Prof. Dennis Marinho O R de Souza Probabilidades

São as bases da estatı́stica ou probabilidade e é através deles

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

Exemplo: Seja M = {a, e, i, o} e Exemplo: Seja M = {a, e, i, o} e

Prof. Dennis Marinho O R de Souza Probabilidades

Exemplo: Seja M = {a, e, i, o} e N = {a, r , s, o}; então, segue-se

Prof. Dennis Marinho O R de Souza Probabilidades

clica em Arrecadação clica em Arrecadação por

Prof. Dennis Marinho O R de Souza Probabilidades

clica em Arrecadação clica em Arrecadação por

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

1 Obtenha expressões alternativas para: (A ∪ B) ∩ (C ∪ D)

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

Figura: Conjunto Disjuntos

P(A ∪ B) = P(A) + P(B)

Se ω1 ∪ ω2 ∪ ω3 ∪ ... ∪ ωn são eventos exclusivos, então:

P(ω1 ∪ ω2 ∪ ω3 ∪ ... ∪ ωn ) = P(ω1 ) + P(ω2 ) + P(ω3 ) + ... + P(ωn )

Prof. Dennis Marinho O R de Souza Probabilidades

Considere um dado com 6 faces que será lançado numa mesa.

Prof. Dennis Marinho O R de Souza Probabilidades

Figura: União entre conjuntos

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Prof. Dennis Marinho O R de Souza Probabilidades

Figura: União entre conjuntos disjuntos

Não existe região de intersecção;

Prof. Dennis Marinho O R de Souza Probabilidades

É uma medida do tipo p onde o seu valor máximo é 1 ou

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

Figura: Área Vermelha - Casos Totais

Prof. Dennis Marinho O R de Souza Probabilidades

Figura: Área Azul - Casos Favoráveis

Considere dois dados, não viciados, qual a probabilidade da soma

Prof. Dennis Marinho O R de Souza Probabilidades

Existem 30 porcos da raça A com peso entre 30 e 40kg, 10 porcos

Prof. Dennis Marinho O R de Souza Probabilidades

Prof. Dennis Marinho O R de Souza Probabilidades

Numa empresa temos 100 funcionários, 35 homens fumantes, 28

Prof. Dennis Marinho O R de Souza Probabilidades

Considere uma urna com 3 bolas brancas e 7 vermelhas. Duas

Prof. Dennis Marinho O R de Souza Probabilidades

Aproveitando o exemplo anterior. Calcule a probabilidade de obter

Prof. Dennis Marinho O R de Souza Probabilidades