You are on page 1of 9

PROBABILIDADE SIMPLES

MÓDULO - 01 - PROBABILIDADE
Introdução - Os jogos de azar, que se caracterizam por ações como girar uma roleta, lançar
dados ou retirar carta de baralho tem duas características básicas: a incerteza e a regularidade. Assim, por exemplo, toda vez que se joga um dado, pode ocorrer qualquer uma das faces. No entanto, o jogo embora incerto tem regularidade. Se forem feitos muitos lançamentos espera-se que todas as faces ocorram igual número de vezes. Essas características de jogos de azar, percebidas há muito tempo, criaram a idéia de que seria possível achar uma “fórmula” ou um “método”, que permitisse ao jogador ganhar sempre, ou pelo menos, ganhar na maioria das vezes. Isso não é possível, mas foi essa idéia que incentivou o estudo de tais jogos, o que levou a formulação da teoria da probabilidade, base da estatística moderna.

Experimento Aleatório - é aquele que repetido sob as mesmas condições indefinidamente
apresenta variações nos resultados. Exemplos: E1 - retirar uma carta de um baralho com 52 cartas e observar o resultado. E2 - retirar com reposição bolas de uma urna que contém 5 bolas brancas e 6 pretas. E3 - jogar uma moeda 10 vezes e observar o número de caras. E4 - lançar duas moedas simultaneamente e observar o resultado.

Espaço Amostral (S) - é o conjunto de todos os resultados possíveis de um experimento
aleatório. Exemplos: Lançamento de uma moeda: S = {Ca , Co} Lançamento de um dado: S = {1,2,3,4,5,6} Lançamento de duas moedas simultaneamente : S = {CaCa , CaCo , CoCa, CoCo} Qual seria o espaço amostral resultante do lançamento de dois dados simultaneamente ?

Evento - é qualquer subconjunto (E) do espaço amostral S de um experimento aleatório.
• Se E possui apenas um elemento, E é dito evento elementar. • Se E = S, E é dito evento certo. • Se E = ø, E é dito evento impossível. Exemplo: No lançamento de um dado, o espaço amostral é S = {1,2,3,4,5,6} , assim: A = {2,4,6} ⊂ S é um evento de S B = {1,2,3,4,5,6} é um evento de S C = {4} é um evento de S

D = ø ⊂ S é um evento impossível

Probabilidade 1ª parte

1

6} n(S) = 6 n(A) = 3 Face ímpar. então.chama-se probabilidade de um evento A.obter o número 4 na face superior D .obter um número menor ou igual a 6 na face superior C .Um evento pode se definido por uma sentença.obter um número par na face superior B . Co} Logo. 5} P(A) = n(A)/n(S) = 3/6 = ½ = 0.5 ou 50%. os eventos A. A ⊂ S ao número real P(A) tal que: n( A) P(A) = n( S ) .nº de casos favoráveis à ocorrência do evento A.(nº de reis do baralho) n(S) = 52 . logo. A é dado por: A = {Ca} e n(A) = 1 P(A) = ½ = 0.2.nº total de casos.4. 3. onde: n(A) = nº de elementos de A n(S) = nº de elementos de S Exemplo-1: Qual é a probabilidade de se obter cara no lançamento de uma moeda? Temos: Espaço Amostral S = {Ca. Exemplo-3: Qual é a probabilidade de se tirar um rei em um baralho de 52 cartas ? Evento A . NTC .5 ou 50%. P(A) = n(A)/n(S) n(S) = 2 Seja A o evento “aparecer cara”.aparecer um rei n(A) = 4 . Probabilidade 1ª parte 2 .3. C e D do exemplo anterior podem ser assim definidos: A .obter um número maior que 6 na face superior (evento impossível) Probabilidade . Exemplo-2: Qual é a probabilidade de aparecer uma face ímpar (número ímpar) no lançamento de um dado? Temos: Espaço Amostral S {1.5. B. evento A = {1.(nº de cartas do baralho) P(A) = n(A)/n(S) = 4/52 = 1/13 OBS: A probabilidade de um evento A é também assim definida: NCF de A NTC P(A) = onde: NCF .

dois ou mais eventos são mutuamente exclusivos se a realização de um excluir a realização do outro ou dos outros. Se p1 e p2 são respectivamente as probabilidades do primeiro e do segundo evento. A probabilidade de obtermos simultaneamente 1 no primeiro e 5 no segundo é: p = p1 × p2 = 1/6 × 1/6 = 1/36. se definirmos os eventos: E1 . Exemplo: No lançamento de uma moeda.Eventos Complementares .dois eventos são independentes quando a realização ou não realização de um deles não afeta a probabilidade de realização ou não do outro e vice-versa. E2 . A probabilidade de se tirar o 3 ou o 5 é: p = 1/6 + 1/6 = 2/6 = 1/3 Probabilidade 1ª parte 3 . Eventos Independentes . podemos dizer que os eventos E1 e E2 são complementares. OBS: Sendo p a probabilidade que um evento ocorra (sucesso) e q a probabilidade que ele não ocorra (insucesso).5). o evento “tirar cara” e o evento “tirar coroa” são mutuamente exclusivos já que ao se realizar um deles o outro não pode se realizar. p+q=1⇒q=1-p Exemplo: Se a probabilidade de ocorrer 4 no lançamento de um dado é p =1/6.p = 1 . A probabilidade de obtermos 1 no primeiro dado é p1 = 1/6. Se dois eventos são mutuamente exclusivos a probabilidade para que um ou outro se realize é igual a soma das probabilidades para que cada um deles se realize e é dada por: p = p1 + p2 Exemplo: Lançamento de um dado.o resultado é coroa. no lançamento de uma moeda. o ponto (1.1/6 = 5/6. De fato. a probabilidade de não ocorrer 4 é q = 1 . a probabilidade para que tais eventos se realizem simultaneamente é dada por: p = p1 × p2 Exemplo: Lançamento de dois dados. o espaço amostral correspondente ao lançamento de dois dados tem 36 pontos amostrais e estamos interessados na ocorrência de apenas 1 deles. Quando lançamos dois dados. Assim. A probabilidade de obtermos 5 no segundo dado é p2 = 1/6. para um mesmo evento existe sempre a relação. Eventos Mutuamente Exclusivos .dois eventos de um espaço amostral S são complementares quando o resultado da união dos dois corresponde exatamente ao espaço amostral S. o resultado obtido em um deles independe do resultado obtido no outro.o resultado é cara. A probabilidade de ocorrência simultânea de dois eventos independentes é igual ao produto das probabilidades de realização dos dois eventos.

Probabilidade 1ª parte 4 .a carta retirada é de copas. Os eventos A e B são mutuamente excludentes.retirar uma carta de paus. logo: P(E) = 1 / 52 2 .Determinar a probabilidade de retirar uma carta de copas ou de ouros quando retiramos uma carta de um baralho comum de 52 cartas.P(E) = 1 . B . Podemos definir os seguintes eventos: A . P(∅) = 0 4 . 0 ≤ P(A) ≤ 1 2 .Determinar a probabilidade de retirar a dama de paus quando retiramos uma carta de um baralho comum de 52 cartas.1/52 = 51/52.Se A e B não são mutuamente exclusivos.Se A e B são eventos mutuamente exclusivos. 3 . P(A) = 13 / 52 (13 cartas de copas) P(B) = 13 / 52 (13 cartas de ouros) P(A ∪ B) = P(A) + P(B) = 26 / 52.Propriedades de Probabilidade 1 . P(S) = 1 3 . Este evento é complementar ao do exemplo anterior.P(A∩B) 6 .Determinar a probabilidade de não retirar a dama de paus quando retiramos uma carta de um baralho comum de 52 cartas.Regra da Soma .A probabilidade de um evento A é um número maior ou igual a zero e menor ou igual a 1. Como só existe uma dama de paus no baralho o nº de casos favoráveis ao evento é 1.a carta retirada é de ouros. podemos então calcular a probabilidade a partir de P(A) + P(B).A probabilidade de um evento certo é igual a 1. logo: P(E’) = 1 . (A ∩ B) = ∅ então: P(A∪B) = P(A + B) = P(A) + P(B) 5 . então: P(A∪B) = P(A) + P(B) .P(A) Exemplos: 1 . Evento(E) .A probabilidade de um evento impossível é igual a zero.Se B é o evento complementar de A então: P(B) = 1 .

1/52 = 16/52 Probabilidade Condicional Se A e B são eventos de um espaço amostral S com P(B) ≠ 0. Ou seja. Exemplo: Um número é sorteado ao acaso entre os inteiros 1. Os eventos A e B não são mutuamente excludentes. 14. qual a probabilidade de que seja o número 6? Temos: S = {1. 5. 12.uma chance em 15) 1 P (A ∩ B) 15 1 15 1 P( A / B ) = = = × = 7 15 7 7 P ( B) 15 Sem a informação da ocorrência de B (o número sorteado ser par) P(A) seria 1/15. Podemos definir os seguintes eventos: A . a informação (a priori) sobre a ocorrência de B diminui o espaço amostral e aumenta o valor da probabilidade do número sorteado ser 6. 8. 4. P( A / B) = NCF ao evento A ∩ B NCF ao evento B P(A ∩ B) é a probabilidade de A e B ocorrerem simultaneamente. 11. ou seja. 15. 11. P(B) é a probabilidade de B ocorrer. então a probabilidade condicional do evento A.a carta retirada é de paus. quanto mais informação se tem. 14.P(A ∩ B) P(A) = 13 / 52 (13 cartas de paus) P(B) = 4 / 52 P(A ∩ B) = 1 / 52 (4 reis) (1 rei de paus) P(A ∪ B) = 13/52 + 4/52 .a carta é um rei. tendo ocorrido o evento B é indicada por P(A/B) e dada por: P( A ∩ B) P( B) P(A | B) = ou Onde: P(A | B) é a probabilidade de A ocorrer depois de B ter ocorrido. 7. 15} ⇒ Espaço Amostral A = {o número 6} B = {o número par} Temos então: P(B) = 7/15 (sete números pares em 15) P(A∩Β) = 1/15 (o número 6 em 15 . visto que existe um rei de paus. 2. 5. Assim. 6. Probabilidade 1ª parte 5 . 3. A probabilidade será então dada por: P(A ∪ B) = P(A) + P(B) . 10. 2. 3. 13. Se o número sorteado for par. 12.4 . menor que o valor quando B é conhecido (1/7). maior a nossa probabilidade de acertar (Informação !).Determinar a probabilidade de retirar uma carta de paus ou um rei quando retiramos uma carta de um baralho comum de 52 cartas. 6. 9. B . 4. 9. 10. 7. 8. 13.

Qual a probabilidade de que ambas sejam defeituosas ? Temos: A . P(A∩B) = P(A) × P(B/A) P(A) = 6/10 P(B/A) = 5/9 (seis defeituosas em 10) (a 1ª era defeituosa . Precisamos calcular P(A∩B) (ocorrência simultânea) Temos.sobram 5 defeituosas em um total de 9) Então.{ a 2ª peça ser defeituosa } Como é sem reposição perceba que o fato de se retirar uma peça defeituosa afeta o espaço amostral quando se vai retirar a segunda peça.Regra do Produto Eventos Dependentes . P(A∩B) = 6/10 × 5/9 = 30/90 = 1/3. Qual a probabilidade de que ambas sejam de “paus” ? Temos: A = {a 1ª carta é de paus} B = {a 2ª carta é de paus} P(A∩B) = 13/52 × 13/52 = ¼ P(A) = 13/52 P(B) = 13/52 × ¼ = 1/16.Se dois eventos A e B são dependentes então: P(A∩B) = P(B) × P(A/B) ou P(A∩B) = P(A) × P(B/A) Exemplo: Retiram-se sem reposição duas peças de um lote de 10 peças onde 4 são boas.{ a 1ª peça ser defeituosa } B . Probabilidade 1ª parte 6 . Eventos Independentes Se dois eventos são independentes então: P(A∩B) = P(A) × P(B) Exemplo: Retiram-se com reposição duas cartas de um baralho com 52 cartas.

∪ En = S. En eventos mutuamente exclusivos tais que E 1 ∪ E2 ∪ . . e uma segunda caixa que contém 2 bolas vermelhas e 2 bolas brancas. e B um evento qualquer de S para o qual conhecemos todas as probabilidades condicionais P ( B | Ei ).. . Então para cada i temos: P( Ei / B) = P ( Ei ) × P ( B / Ei ) ∑ P( Ei ) × P( B / Ei ) Exemplo: Suponhamos uma caixa que contém 2 bolas vermelhas e 1 branca.. E2 . Se a bola retirada for vermelha. Escolhe-se uma das caixas ao acaso e retira-se dela uma bola...Fórmula de Bayes Sejam E1 . Temos então: P(E1) = P (E 2) = 1/2 P ( B | E 1 ) = 2/3 P ( B | E 2 ) = 2/4 Então: (a probabilidade de sortear cada caixa é ½ = 50%) ( 2 bolas vermelhas em 3 ) ( 2 bolas vermelhas em 4 ) 1 2 × 2 3 P ( E1 ) × P ( B / E1 ) P( E1 / B ) = = 1 2 1 2 = 4/7 P ( E1 ) × P ( B / E1 ) + P( E 2 ) × P ( B / E 2 ) × + × 2 3 2 4 Probabilidade 1ª parte 7 . qual a probabilidade de que ela tenha vindo da primeira caixa? Sejam os eventos: E1 = a 1ª caixa foi escolhida E2 = a 2ª caixa foi escolhida B = a bola retirada é vermelha Queremos determinar P (E1 | B). Sejam P ( Ei ) as probabilidades conhecidas dos diversos eventos.

Tais escolhas são chamadas combinações. G. D. quantos arranjos de 3 letras podemos formar? Temos: n = 7 r = 3 3 A7 = 7! 7! = = 5 × 6 × 7 = 210 (7 − 3)! 4! Combinações Nos arranjos a ordem em que os objetos aparecem é importante. arranjos de n elementos n a n são chamados de Permutações.r = n! r! ( n − r )! Probabilidade 1ª parte 8 .r + 1) onde: A n.r + 1 maneiras de escolher o último objeto. x 1) = n! Assim.2) x .. não estamos interessados na ordem em que os objetos aparecem... C. r Cn = Onde Cn. . x (n .r é o número de arranjos de n objetos r a r . queremos dispor r desses objetos em uma fileira. n . Exemplo: Com as letras A. .. B. Assim A n.r.2) x ..r = r An = n! ( n − r )! Permutações No caso particular em que r = n temos: A n.. Arranjos e Permutações Consideremos que sejam dados n objetos distintos. F.Análise Combinatória Para obtenção da probabilidade de eventos complexos. Para facilitar essa etapa utiliza-se os conceitos básicos de análises combinatória.1 maneiras de escolher o 2º.r = n x (n -1) x (n . E. a enumeração de casos é muitas vezes difícil. e finalmente n . Como há n maneiras de escolher o 1º objeto. O número total de combinações de r objetos escolhidos dentre n é denotado por Cn. Em muitos problemas.n = n x (n -1) x (n . No exemplo anterior ABC é um arranjo diferente de BCA. decorre que o número de arranjos ou permutações distintas é dado por: Arranjos A n. entretanto.

2 peças são retiradas aleatoriamente.091 ou 9.Calcular a probabilidade de se obter cinco espadas em uma mão de cinco cartas de um baralho de 52 cartas.1 % Probabilidade 1ª parte 9 .287 / 2.0005 ou 0.Num lote de 12 peças.598.Exemplos: 01 . 4 são defeituosas. Calcule a probabilidade de ambas serem defeituosas.2 = 2! (12 − 2)! 2 ! O número de maneiras de selecionar 2 peças defeituosas dentre as 4 peças defeituosas ( nº de casos favoráveis ) é dado por: 4! 4! = =6 × 2! C 4. O número de combinações de 2 peças que podem ser selecionadas dentre as 12 peças ( nº da casos possíveis) é dado por: 12! 12! 12 ×11 132 = = = = 66 ×10! 1 ×2 2 C 12.598.05 % 02 . O número de mãos de 5 cartas que podem ser formadas de um baralho de 52 cartas distintas (nº de casos possíveis) é dado por: C 52.2 = 2!( 4 −2)! 2! A probabilidade desejada é dada por: P(E) = 6 / 66 = 0.960 5!(52 − 5)! 5!×47! 5!×47! 5! O número de maneiras de selecionar 5 espadas dentre as 13 cartas de espada (nº da casos favoráveis) é dado por: 13! 13! 13 ×12 ×11 ×10 ×9 = = =1.287 1 × 2 ×3 × 4 ×5 C 13.5 = 5! (13 − 5)! 5!×8! A probabilidade desejada P(E) será: nº casos favoráveis / nº de casos possíveis P (E) = 1.960 = 0.5 = 52! 52! 52 × 51 ×50 × 49 × 48 × 47! 52 × 51 ×50 × 49 × 48 = = = = 2.