You are on page 1of 19

INF 162

Prof. Luiz Alexandre Peternelli

CAPTULO 3 - Tpicos gerais de


probabilidade
O conhecimento de probabilidade constri a base que nos permite entender como
a inferncia estatstica e as tcnicas de auxlio de deciso so desenvolvidas, porque elas
funcionam, e como as concluses obtidas a partir desses procedimentos podem ser
apresentadas e interpretadas corretamente. Para o perfeito entendimento de probabilidade,
alguns conceitos so importantes.
2. Alguns Conceitos
2.1.Experimentos probabilsticos ou aleatrios
Um experimento que pode resultar em diferentes resultados, mesmo que seja
repetido sempre da mesma maneira vrias vezes, chamado experimento aleatrio.
Vale observar que experimento se refere a um ensaio cientfico destinado certificao
de um fenmeno.
Caractersticas de um experimento aleatrio:
a) Cada experimento poder ser repetido indefinidamente sob condies essencialmente
inalteradas.
b) Muito embora no se possa afirmar que resultado particular ocorrer, sempre
possvel descrever o conjunto de todos os possveis resultados de um experimento.
c) Quando o experimento for realizado repetidamente os resultados individuais parecem
ocorrer de forma acidental. Contudo,se o experimento for repetido um grande nmero de
vezes, uma certa regularidade surgir. Isto , ser observada uma estabilizao na
frequncia dos distintos resultados do experimento. esta regularidade que torna possvel
construir um modelo matemtico preciso, com o qual se analisar o experimento.
Exemplos:
(i)
(ii)
(iii)
(iv)
(v)

E1 : Ensaiar uma lmpada quanto a durao da vida at queimar


E 2 : Escolher, ao acaso, um ponto de um crculo de raio unitrio.
E3 : Registrar as vazes num certo rio, no mesmo ms, dia e hora em anos
sucesssivos.
E 4 : jogar um dado ao ar e observar a sua face superior.
E5 : Seleo de trs tens ao acaso de uma linha de fabricao. Cada tem
inspecionado e classificado com defeituoso ou no defeituoso.

28

INF 162

Prof. Luiz Alexandre Peternelli

2.2. Espao amostral


O conjunto de todos os possveis resultados de um experimento aleatrio
chamado espao amostral do experimento. Sua representao dada pela letra S.
Exemplo:
Aos experimentos aleatrios exemplificados anteriormente esto associados
os seguintes espaos amostrais, respectivamente:
(i) S1 = {t | t 0}
(ii) S2 = {(x,y); x2 + y2 1}
(iii) S3 = {q | 0 q qmax} , onde q a vazo
(iv) S4 = {1, 2, 3, 4, 5, 6}
(v) S5 = {DDD, DDN, DND, DNN, NDD, NDN, NND, NNN} sendo D =
defeituoso e N= no defeituoso.

2.3. Eventos
Um evento um subconjunto do espao amostral de um experimento aleatrio.
Temos, ento, que o prprio S e o conjunto vazio , constituem eventos.
Qualquer resultado individual pode ser tomado como um evento.
exemplos:
se tomarmos o espao amostral S4 apresentado acima poderamos ter como eventos:
A={sair nmero par}={2,4,6}; ou B={sair nmero maior que 4}={5,6}, etc.
OBS.:Novos eventos podem ser originados da combinao de eventos existentes.
A unio de dois eventos o evento que consiste de todos os resultados que esto
contidos em qualquer um dos dois eventos originais. Simbolicamente usamos E1 E2.
A interseo de dois eventos o evento que consite the todos os resultados que
esto contidos em ambos os eventos originais (ou seja, esto em comum).
Simbolicamente usamos E1 E2.
O complemento de um evento em um espao amostral corresponde ao conjunto
de resultados que no fazem parte do evento original. Simbolicamente usamos E para
representar o complemento do evento E.

2.4. Eventos Mutuamente Exclusivos


Dois eventos so ditos mutuamente exclusivos se eles no puderem ocorrer
simultaneamente, isto , AB=. Equivalem aos conjuntos disjuntos na teoria dos
conjuntos.
Exemplo: Considere o espao amostral S4 definido enteriormente. Considere tambm os
eventos associados a S4: A={1}; B={5, 6}; C={nmero par}. Temos, ento, que:
A e B so mutuamente exclusivos pois AB=
A e C so mutuamente exclusivos pois AC=
B e C no so mutuamente exclusivos pois BC={6}.

29

INF 162

Prof. Luiz Alexandre Peternelli

3. Noes Fundamentais de Probabilidade - Conceitos


Independentemente do experimento aleatrio em questo, uma vez definidos
alguns eventos de interesse, importante se faz atribuir valores de probabilidade a tais
eventos. Vejamos alguns concentos teis.
Um conceito
Seja E um experimento aleatrio. Seja S um espao amostral associado ao
experimento E. Podemos entender a probabilidade como sendo em nmero real associado
a um evento A qualquer, que satisfaz as seguintes propriedades:
(1) 0 P(A)
(2) P(S) = 1
(3) Se A e B so eventos mutuamente exclusivos, ento P(AB) = P(A) + P(B)
Generalizando para o caso de um nmero finito de eventos mutuamente
exclusivos, tem-se:
n

P ( A 1 A 2 ... A n ) = P ( A1 ) + P ( A 2 ) +... + P ( A n ) = P ( A i )
i =1

Todas essas propriedades parecem concordar com nosso conceito intuitivo de


probabilidade, e essas poucas propriedades so suficientes para permitir toda a estrutura
matemtica a ser desenvolvida.
Deve-se notar que as propriedades (ou axiomas, conforme citado em algumas
referncias) acima no fornecem uma maneira objetiva de se atribuir valores
probabilidade de um evento.
Este seria o conceito subjetivo, moderno ou axiomtico de probabilidade.
Enfim, este conceito no fornece formas e sim condies para o clculo de
probabilidades, ou seja, qualquer processo de clculo de probabilidade vlido desde que
satisfaa os axiomas.
Outro Conceito
Uma regra mais prtica que nos fornece uma maneira mais objetiva para a
atribuio numrica da probabilidade de um evento dado pelo chamado conceito
clssico ou probabilidade a priori. Este conceito est ligado aos jogos de azar, que
deram origem teoria de probabilidade nos idos do sculo XVI.
Entretanto, o mtodo clssico para a obteno de probabilidades se aplica a
situaes em que temos espaos amostrais finitos equiprovveis e enumerveis.
Definio: Espao amostral finito equiprovvel: Seja S um espao
amostral formado por um nmero finito de elementos. Se cada ponto ai de
S tem a mesma probabilidade de ocorrer, ento a espao amostral chamase equiprovvel ou uniforme. Em particular, se S contm n pontos
amostrais ento a probabilidade de cada ponto ser 1/n.
S = {a1, a2, , an}
P(a i ) = Probabilidade de ai
P(a i ) 0, i = 1,2,..., n e

P(a ) = 1
i

i =1

30

INF 162

Prof. Luiz Alexandre Peternelli

Desse modo, a probabilidade do evento A, associado a um espao amostral finito


equiprovvel, dada por:
NCF
P(A ) =
NCP
sendo: NCF = Nmero de casos favorveis ao evento A
NCP = nmero de casos possveis pelos quais E pode ocorrer
Exemplos:
i) Seja E o experimento relativo ao lanamento de um dado honesto. Seja A o evento
ocorrncia da face 6. Portanto, S = { 1, 2, 3, 4, 5, 6} e P(A) = 1/6
ii) Considerando ainda o mesmo experimento, seja B o evento ocorrncia de uma face
par. Logo, B = {2, 4, 6}; ento: P(B) = 3/6 = 1/2
iii) Seja o espao amostral referente ao nmero de caras obtidas em dois lances de uma
moeda. Seja A o evento ocorrncia de uma cara. Ento, S = {0, 1, 2} e A = {1}.
Aqui (Exemplo iii) o conceito clssico no pode ser imediatamente aplicado, pois
os pontos de S no so equiprovveis, ou seja, P(A) 1/3.
Observando o espao amostral original: S' = {cc, ck, kc, kk}, sendo c=cara e
k=coroa, v-se que A = {ck, kc} e, portanto, P(A) = 2/4 = 1/2.
Poderamos empregar corretamente o espao S da seguinte maneira: os resultados
0 e 2 so igualmente provveis, enquanto o resultado 1 duas vezes mais provvel que
qualquer um dos outros.
Ainda outro conceito
Por outro lado, a maneira terica mais objetiva de se atriburem probabilidades
seria em casos onde o experimento pode ser repetido indefinidas vezes. A probabilidade
seria o limite para o qual tenderia a proporo de vezes em que o evento ocorre, medida
que se aumenta o nmero de repeties do experimento, sob as mesmas condies. Ou
seja, seria atravs da frequncia relativa do evento considerado.
Este seria o terceiro conceito de probabilidade: frequncia relativa ou probabilidade a
posteriori ou probabilidade emprica.
Esta definio tem por base o princpio estatstico da estabilidade, ou seja,
medida que o nmero de repeties do experimento aumenta, a frequncia relativa se
aproxima da probabilidade P(A).
Exemplo: Em 660 lanamentos de uma moeda foram observadas 310 caras. Qual a
probabilidade de, num lanamento dessa moeda obter-se coroa?
Como foram obtidas 310 caras, ocorreram 350 coroas, logo: f = 350/660 =
0,5303.
Mas no absolutamente essencial realizar um experimento para obter dados
amostrais. Em muitos casos dispomos de informao histrica precisa, que pode ser
usada da mesma maneira. Por exemplo, se quisermos a estimativa da probabilidade de
certo jogador acertar um pnalti, no precisamos montar um experimento, caso j
tenhamos os resultados anotados de vrios treinamentos. Ou seja, no precisamos mandar
ele bater vrios pnaltis e contar os acertos.

31

INF 162

Prof. Luiz Alexandre Peternelli

Exemplo:
Em Sobral, no Cear, observaram-se seis anos de seca no perodo 1901-66 (66 anos).
Qual a probabilidade do prximo ano ser seco?
Aqui, a estimativa f da probabilidade p ser: f = 6/66 = 1/11.
Importante:
Ao adotarmos o mtodo emprico, importante atentarmos para os seguintes
aspectos:
a) A probabilidade assim determinada apenas uma estimativa do verdadeiro valor.
b) Quanto maior a amostra, mais confivel a estimativa da probabilidade (desde que os
princpios tericos de amostragem sejam considerados ).
c) A probabilidade s vlida para um conjunto de condies idnticas quelas sob as
quais se originaram os dados.
Exemplo:
Se jogarmos um dado honesto 90 vezes e obtivermos o resultado do quadro a
seguir, teremos, na freqncia relativa, a probabilidade "a posteriori" e na freqncia
esperada relativa, a probabilidade "a priori". Quando o nmero de tentativas aumenta
consideravelmente, as duas se aproximam.
Resultado hipottico do lanamento de um dado 90 vezes consecutivas
Face n

Freqncia
observada

Freqncia relativa

Freqncia
esperada

Freqncia
esperada relativa

1
2
3
4
5
6

12
17
15
18
10
18

12/90 = 0,133
17/90 = 0,189
15/90 = 0,167
18/90 = 0,200
10/90 = 0,111
18/90 = 0,200

15
15
15
15
15
15

1/6 = 0,167
1/6 = 0,167
1/6 = 0,167
1/6 = 0,167
1/6 = 0,167
1/6 = 0,167

90

1,000

Outro exemplo:
Abaixo esto representados os histogramas de 6 experimentos de lanamento de
um dado honesto. Cada experimento foi repetido um diferente nmero de vezes. Foram
usados 6, 12, 60, 240, 2400 e 24000 repeties, respectivamente. Observa-se que,
medida que se aumenta o nmero de repeties, a frequncia relativa de cada resultado do
dado se aproxma de 1/6, que seria o verdadeiro valor de probabilidade.

32

INF 162

Prof. Luiz Alexandre Peternelli

Arremessos de um dado honesto. Nmero de arremessos variando de 6 a 24000.

sample(6, 12, T)

20

40

14

sample(6, 6, T)

sample(6, 240, T)

200

2000

sample(6, 60, T)

sample(6, 2400, T)

sample(6, 24000, T)
33

INF 162

Prof. Luiz Alexandre Peternelli

Uma definio Probabilidade Geomtrica.


Suponhamos que um segmento l seja parte de um outro segmento L e que se tenha
escolhido ao acaso um ponto de L . Se admitirmos que a probabilidade de este ponto
pertencer a l proporcional ao comprimento de l e no depende do lugar que l ocupa
em L , ento a probabilidade de que o ponto selecionado esteja em l ser
P=

comprimento de l
comprimento de L

Exemplo: Sejam AB um segmento de reta e E um evento que se caracteriza pela


escolha, ao acaso, de um ponto do segmento AB , que pertena tambm ao segmento
menor ab, contido em AB . Se os comprimentos de AB e ab so, respectivamente, 5 e
2 unidades, qual a probabilidade da ocorrncia de E ?
Soluo:
comprimento de ab 2
=
comprimento de AB 5
Analogamente, suponhamos que uma figura plana g seja parte de uma outra
figura plana G e que se tenha escolhido ao acaso um ponto de G . Se admitirmos que a
probabilidade de este ponto pertencer a g proporcional rea de g e no depende do
lugar que g ocupa em G , ento a probabilidade de que o ponto selecionado esteja em g
ser:
P(E ) =

P=

rea de g
rea de G

Exemplo: Seja um experimento referente escolha de um ponto ao acaso de um crculo


de raio r centrado na origem. Tem-se ento:
S = {(x , y ):x 2 + y 2 r 2 }
ou seja, os pares de valores (x, y ) que satisfazem a condio x 2 + y 2 r 2 , so os pontos
amostrais que compe S .
Supondo um crculo de raio igual a 2 e os eventos A = {(x , y ):x 2 + y 2 2} e
1
B = (x, y ):x 2 + y 2 , pede-se calcular P(A) e P(B).
2

Soluo:

( )

1
rea do crculo de raio 2 2
P(A ) =
=
=
2
2
rea do crculo de raio 2
(2 )
e
2

1 1
rea do crculo de raio

2 = 2 =1
P(B ) =
2
8
rea do crculo de raio 2
(2 )

34

INF 162

Prof. Luiz Alexandre Peternelli

3.1. Principais Teoremas para o Clculo de Probabilidades


O clculo de probabilidades, alm dos axiomas apresentados na pgina 3, se
baseia em quatro teoremas auxliares. Os diagramas de Venn so teis na compreenso,
tanto dos teoremas, quanto dos processos de demonstrao.
I) Se for o conjunto vazio, ento P() = 0

Prova:
A = A
P(A) = P(A) = P(A) + P()
logo, P() = P(A) - P(A) = 0

(propriedade 2)

II) Se A o complemento de A, ento P(A ) = 1 - P(A)

Prova:
S = A A 1 = P(A) + P(A )
logo, P(A ) = 1 - P(A).

(propriedades 2 e 3)

III) Se A e B forem dois eventos quaisquer, ento P(AB) = P(A) + P(B) - P(AB)

Prova:
A idia desta demonstrao decompor AB e B em dois eventos mutuamente
exclusivos.
logo, podemos escrever:
AB = A (B A ) ......(1)
B = (AB) (BA ) .....(2)
consequentemente,
P(AB) = P(A) + P(BA ) .....(1)
P(B) = P(AB) + P(BA ) .....(2)
Subtrando-se a primeira igualdade da segunda, tem-se:
P(AB) - P(B) = P(A) - P(AB) e , ento:
P(AB) = P(A) + P(B) - P(AB)
FATO: Para trs eventos quaisquer A, B e C, temos que:
P(ABC) = P(A) + P(B) + P(C) - P(AB) - P(AC) - P(BC) + P(ABC)

35

INF 162

Prof. Luiz Alexandre Peternelli

IV) Se AB, ento P(A) P(B)

Prova:
B = A (BA )
P(B) = P[A (BA )]
P(B) = P(A) + P(BA )
logo P(B) P(A) pois P(BA ) 0 pelo axioma enunciado em 3.
4. Probabilidade Condicional
Sejam A e B dois eventos associados ao experimento E. A probabilidade do
evento B condicionada ocorrncia do evento A, ou seja, a probabilidade condicional de
B dado A, dada por:
P ( A B)
, para P(A) > 0
P(B/A) =
P( A )
P ( A B)
Analogamente: P(A/B) =
, para P(B) > 0
P ( B)
Pode-se verificar que P(B/A) satisfaz aos vrios postulados de probabilidade. Isto :
i) 0 P ( B / A ) 1
ii) P(S/A) = 1
iii) P ( B1 B2 ) / A = P ( B1 / A ) + P ( B2 / A ) P ( B1 B2 ) / A
ou
P ( B1 / A ) + P ( B2 / A ) se B1 B2 =
obs: Se A e B so eventos mutuamente exclusivos, ento: P(B/A) = P(A/B) = 0
Exemplo:
Os dados abaixo se referem a 200 alunos matriculados em determinado Instituto
de matemtica, de acordo com o sexo e o curso:
Masculino Feminino Total
Matemtica Pura
60
50
110
Estatstica
80
10
90
Total
140
60
200
Qual seria a probabilidade de uma pessoa aleatoriamente escolhida:
a) Estar matriculada em matemtica pura?
b) Estar matriculada em matemtica pura, dado ser homem?
c) Ser homem?
d) Ser homem dado que Esta matriculado em estatstica?
e) Estar matriculada em matemtica pura, sabendo-se que mulher ?
Soluo:
sejam os eventos:

A={aluno faz matemtica pura}


E={aluno faz estatstica}

36

INF 162

Prof. Luiz Alexandre Peternelli

M={aluno do sexo masculino}


F={aluno do sexo feminino}
a) P(A) =

NCF 110
=
NCP 200

P ( A M ) 60 200
60 200 60
b) P(A/M) =
=
=

=
140
P( M)
200 140 140
200
140
c) P(M) =
200
P ( M E ) 80 200 80
d)P(M/E) =
=
=
90
P( E )
90
200
P ( M F) 50 200 50
e) P(M/F) =
=
=
60
P ( F)
60
200
Podemos verificar que podemos calcular a probabilidade condicional [P(B/A)] de
dois eventos A e B quaisquer de duas maneiras:
i) Empregando a definio, onde P(AB) e P(A) so calculados em relao ao espao
amostral original S;
ii) Diretamente, pela considerao da probabilidade de B em relao ao espao amostral
reduzido determinado pela ocorrncia do evento A.
5. Teorema do Produto das Probabilidades
Vimos que a probabilidade condicional de A na hiptese H (ou dado H)
P( A H )
P(A/H) =
(1)
P( H )
A frmula (1) frequentemente usada na forma
P(AH) = P(A/H) . P(H)
(2)
Esse resultado conhecido pelo nome de teorema do produto.
A generalizao desse resultado para trs eventos A, B, C, obtida por:
P(A B C ) P(A B C )
P[C / (A B)] =
, ento:
=
P(A B)
P(A ).P(B / A )
P(ABC) = P[C/(AB)] . P(B/A) . P(A)
As generalizaes para quatro ou mais eventos saem diretamente pelo mesmo
processo.
6. Independncia Estocstica (ou Probabilstica)
Dois eventos A e B, pertencentes a um mesmo espao amostral (S), so
independentes se as seguintes condies so vlidas:
P(A/B) = P(A) e P(B/A) = P(B),
ento:
P(AB) = P(A) . P(B)

37

INF 162

Prof. Luiz Alexandre Peternelli

obs: n eventos A 1 , A 2 , , A n so ditos mutuamente independentes se eles forem


independentes 2 a 2, 3 a 3, ...,n a n. Isto , se as seguintes igualdades forem verificadas:
Para 1<i<j<k<n
P ( A i A j ) = P ( A i ). P ( A j )
P ( A i A j A k ) = P ( A i ). P ( A j ). P ( A k )
...
n

P ( A 1 A 2 ... A n ) = P ( A i )
i =1

7. Partio do Espao Amostral e o Teorema de BAYES


7.1. Teorema da Probabilidade Total
Inicialmente, enunciaremos um teorema til que relaciona a probabilidade de um
evento com probabilidades condicionais, o qual chamado Teorema da Probabilidade
Total.
Sejam B1 , B2 , ... , Bn eventos mutuamente exclusivos e exaustivos.
Definio: { B1 , B2 , ... , Bn } um conjunto de eventos mutuamente exclusivos e
exaustivos se quaisquer dois eventos Bi e B j no podem ocorrer ao mesmo tempo e um
deles deve ocorrer. Simbolicamente, Bi B j = , para i j, e B1 B2 ... Bn = S.
B1 , B2 , ..., Bn so eventos que formam uma partio do espao amostral S. Ento,
para um evento arbitrrio A, tem-se:
n

P ( A ) = P ( A / B1 ). P ( B1 ) + P ( A / B2 ). P ( B2 ) + + P ( A / Bn ). P ( Bn ) = P ( A / Bi ). P ( Bi )
i =1

Prova:
Seja o diagrama de Venn a seguir:

claro que podemos escrever A como a unio de eventos mutuamente exclusivos,


isto :
Logo:

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

Mediante aplicao da probabilidade condicional, onde:


P ( A Bi )
P ( A / Bi ) =
P ( A Bi ) = P ( A / Bi ). P ( Bi ) ,
P ( Bi )
teremos
P ( A ) = P ( A / B1 ). P ( B1 ) + P ( A / B2 ). P ( B2 ) + + P ( A / Bn ). P ( Bn )

38

INF 162

Prof. Luiz Alexandre Peternelli

P ( A ) = P ( A / Bi ). P ( Bi )
i =1

obs: Esta relao til quando desejamos calcular P(A) e esta difcil de ser calculada
diretamente, e sabemos da(s) ocorrncia(s) do(s) B i . O fato que mais fcil calcular os
termos que compem o somatrio do que a prpria P(A).
7.2. Teorema de Bayes
Com base na definio de probabilidade condicional e na partio do espao
amostral considerada anteriormente, pode-se estabelecer um resultado bastante til,
geralmente conhecido como Teorema de Bayes, o qual apresentaremos agora:
Sejam A e B dois eventos arbitrrios com P(A) > 0 e P(B) > 0. Ento:
P ( B A ) P ( A / B). P ( B)
P(B/A) =
=
P( A )
P( A )
Combinando este resultado com o teorema da probabilidade total, temos, como
consequncia,
P(A / B j ).P(B j )
P(B j / A) = n

P(A / B ).P(B )
i

i =1

Para a aplicao do teorema, as probabilidades P(B j ) devem ser conhecidas e


convenientemente consideradas, e os B i representam um conjunto de eventos
mutuamente exclusivos e exaustivos.
Sua utilidade consiste em permitir-nos calcular a probabilidade a posteriori
[P(B/A)] em termos das informaes a priori P(B) e P(A).
Exemplo:
Em uma escola, as turmas A, B e C tm 40, 50 e 10 % do total de alunos de
determinada srie, respectivamente. Dos alunos de cada turma, 3, 5 e 2 %,
respectivamente, sero reprovados. Escolhido ao acaso um aluno dessa srie, pede-se:
a) Qual a probabilidade de o aluno ser reprovado?
b) Seleciona-se ao acaso um aluno dessa escola. Sabendo-se que o aluno ser reprovado,
qual a probabilidade de que ele seja da turma B?
Soluo:
Sejam os eventos:
A={aluno da turma A}
B={aluno da turma B}
C={aluno da turma C}
R={aluno reprovado}
Mtodo 1:
P(A) = 0,40
P(B) = 0,50
P(C) = 0,10
P(R/A) = 0,03
P(R/B) = 0,05
P(R/C) = 0,02
R = {(R A) (R B) (R C)}
a)
P(R) = P(RA) + P(RB) + P(RC)
P(R) = P(A) . P(R/A) + P(B) . P(R/B) + P(C) . P(R/C)
P(R) = 0,40 . 0,03 + 0,50 . 0,05 + 0,10 . 0,02
39

INF 162

Prof. Luiz Alexandre Peternelli

P(R) = 0,012 + 0,025 + 0,002 = 0,039


b) P(B/R) =

P ( B R ) P ( B). P ( R / B) 0, 50. 0, 05 0, 025 25


=
=
=
=
= 0, 641
P( R )
P( R )
0, 039
0, 039 39

Mtodo 2:
R
0,012
0,025
0,002
0,039

A
B
C

R
0,388
0,475
0,098
0,961

0,40
0,50
0,10
1,00

a) P(R) = 0,039
0, 025
b) P(B/R) =
= 0, 641
0, 039
Mtodo 3: (Diagrama em rvore)
R
0,03
0,97 R
0,40 A
0,05 R
0,50
B
0,95 R
0,10 C 0,02
R
0,98 R
a) P(R) = P(AR) + P(BR) + P(CR) = 0,40 . 0,03 + 0,50 . 0,05 + 0,10 . 0,02 = 0,039
P ( B R ) 0, 50 . 0, 05
b) P(B/R) =
=
= 0, 641
P( R )
0, 039

40

INF 162

Prof. Luiz Alexandre Peternelli

8. Exerccios propostos
1. Numa prova h 7 questes do tipo verdadeiro-falso ( V ou F ). Calcule a probabilidade
de acertarmos todas as 7 questes se:
a) Escolhermos aleatoriamente as 7 respostas.
b) Escolhermos aleatoriamente as respostas, mas, sabendo que ha mais respostas V do F.
2. Num exame de mltipla escolha h 3 alternativas para cada questo e apenas uma delas
correta. Portanto, para cada questo, um aluno tem probabilidade 1/3 de escolher a
resposta correta se ele esta assinalando aleatoriamente e 1 se sabe a resposta. Um
estudante sabe 30% das respostas do exame. Se ele assinalou corretamente uma das
questes, qual a probabilidade de que ele tenha a assinalado ao acaso ?
3. Certa firma utiliza um teste para classificar os funcionrios em categorias; ao final eles
so classificados em: 25% bons ( B ); 50% mdios ( M ) e 25% fracos ( F ).
Um novo teste proposto, de tal forma a classificar os funcionrios como
aprovado
( A ) ou reprovado ( R ). Com base em informaes do antigo teste, foram obtidas as
seguintes probabilidades com o novo teste.
CATEGORIAS
B
M
F

% de APROVADOS
80
50
20

Deseja-se saber qual a probabilidade de um fucionrio aprovado no novo teste, ser


classificado como fraco pelo antigo teste ?
4. Considere a escolha aleatria de um nmero entre os 10 primeiros nmeros inteiros
positivos ( a partir de 1 ), e os eventos:
A = {1,2,3,4,5}; B = {4,5,6,7} e C = {5,9}. Pede-se: Os eventos so Mutuamente
Independentes ? Mostre porqu.
5. Uma urna contm 5 bolas vermelhas e 3 brancas. Uma bola selecionada,
aleatoriamente, dessa urna e no reposta. Em seguida, duas bolas de cor diferente da
bola extrada anteriormente ( branca ou vermelha ) so colocadas na urna. Se uma
segunda bola extrada aleatoriamente, qual a probabilidade de:
a) A segunda bola ser vermelha ?
b) A segunda bola ser da mesma cor da primeira ?
6. Tendo-se tomado, ao acaso, dois nmeros positivos x e y , que no excedem a dois,
determinar a probabilidade P de que o produto xy no exceda unidade e o quociente
y x no exceda a dois. DICA: represente, num mesmo grfico, essas duas funes e use
seu conhecimento de Clculo para solucionar o problema.

41

INF 162

Prof. Luiz Alexandre Peternelli

RESPOSTAS
1) a) 1/128 b) 1/64
2) 7/16
3) 0,10
4) No
5) a) 41/72 b) 13/36
6) aproximadamente 0,385.
________________________________________________________________________
UNIVERSIDADE FEDERAL DE VIOSA
--Departamento de Informtica/CCE
INF 161 - Iniciao Estatstica / INF 162 Estatstica I
Lista de Exerccios: Probabilidade
1) Considerando o espao amostral de um experimento constitudo do lanamento de
dois dados perfeitamente simtricos, pede-se:
a) Qual a probabilidade de que o primeiro dado mostre a face 2 e o segundo a face
3?
b) Qual a probabilidade de que ambos os dados mostrem a mesma face?
c) Qual a probabilidade de que o segundo dado mostre um nmero par?
2) Uma moeda perfeita lanada 3 vezes e observado o nmero de caras. Qual a
probabilidade de ocorrer?
a) Pelo menos uma cara?
b) S cara ou s coroa?
c) Exatamente uma cara?
3) Dos 10 alunos de uma classe, 3 tm olhos azuis. Se duas delas so escolhidas
aleatoriamente, qual a probabilidade de:
a) Ambas terem olhos azuis?
b) Nenhuma ter olhos azuis?
c) Pelo menos uma ter olhos azuis?
4) Em um certo colgio, 25% dos estudantes foram reprovados em matemtica, 15% em
qumica e 10% em matemtica e qumica ao mesmo tempo. Um estudante
selecionado aleatoriamente.
Pede-se:
a) Se ele foi reprovado em qumica, qual a probabilidade de ter sido reprovado
em matemtica?
b) Se ele foi reprovado em matemtica, qual a probabilidade de ter sido reprovado
em qumica?
c) Qual a probabilidade de ter sido reprovado em matemtica ou qumica?

42

INF 162

Prof. Luiz Alexandre Peternelli

5) Um dado viciado de tal forma que a probabilidade de sair um certo nmero


proporcional ao seu valor. Pede-se:
a) Qual a probabilidade de sair o 3, sabendo-se que o ponto que saiu mpar?
b) Qual a probabilidade de sair um nmero par, sabendo-se que saiu um nmero
maior que 3?

6) Sejam A, B e C trs eventos de um mesmo espao amostral S . Sabendo-se que:


1
1
1
P(A ) = P(B ) = ;P(C ) = ;P(A B ) = ;
3
4
8
1
1
P ( A C) = P ( B C) =
e P( A B C) =
,
9
20
Calcular as probabilidades:
a) De ocorrer pelo menos um dos eventos A, B ou C ;
b) De que no se realize nenhum dos eventos A, B ou C ;
c) De que o evento A se realize, sabendo-se que j ocorreu B ou C .
7) Sendo S = {1,2,3,4} um Espao amostral Equiprovvel e os eventos A={1,2},
B={1,3} e C={1,4}. Verifique se os eventos A, B e C so mutuamente
independentes.
8) Dois homens h1 e h2 e trs mulheres m1, m2 e m3 esto num torneio de xadrez. Os do
mesmo sexo tem igual probabilidade de vencer, mas cada mulher tem duas vezes
mais probabilidade de vencer o torneio do que qualquer um dos homens. Pede-se:
a) Qual a probabilidade de que uma mulher vena o torneio ?
b) Se h1 e m1 so casados, qual a probabilidade de que um deles vena o torneio?
9) Um homem possui duas moedas, uma comum e a outra cunhada com duas caras. Ele
apanhou uma moeda aleatoriamente e a lanou, se ocorreu a face cara, qual a
probabilidade de que a moeda lanada tenha sido a de duas caras ?
10) Jogam-se dois dados. Se as duas faces mostram nmeros diferentes, qual a
probabilidade de que uma das faces seja o 4 ?
11) Considere dois tipos de caixas de bombons, B e C. O tipo B contm 65% de
bombons doces e 35% de bombons amargos, enquanto no tipo C essas percentagens
de sabor so inversas. Alm disso, 45% de todas as caixas de bombons so do tipo B,
e as restantes do tipo C. Escolhe-se, aleatoriamente, uma caixa e um bombom dessa
caixa; se for constatado que ele do tipo doce, qual a probabilidade de ter vindo de
uma caixa do tipo C ?

43

INF 162

Prof. Luiz Alexandre Peternelli

12) Definir e dar exemplos de:


a) Eventos Mutuamente Exclusivos

b) Eventos Independentes

13) Quatro urnas A, B,. C, e D contm bolas coloridas conforme abaixo:

URNA
A
B
C
D

VERMELHA
1
6
8
0

COR DA BOLA
BRANCA
6
2
1
6

AZUL
3
2
1
4

Pede-se:
a) Se, aleatoriamente, extrai-se uma bola vermelha de uma das urnas, qual a
probabilidade de ter sido da urna B ?
b) Se forem extradas duas bolas, sem reposio, da urna C. Qual a probabilidade
de que ambas NO sejam vermelhas ?
14) Numa placa de petri 20%, 40%, 25% e 15% do total das colnias bacterianas so dos
tipos A, B, C e D, respectivamente. Sabe-se que 3%, 5%. 6% e 20% de cada colnia,
respectivamente, so patognicas.
a) Se for retirada uma amostra aleatria de uma nica colnia bacteriana, qual a
probabilidade de que esta amostra contenha somente bactrias patognicas ?
b) Se for constatado que a amostra do item a possui somente bactrias patognicas,
qual a probabilidade de que as bactrias sejam do tipo D ?
15) Quatro equipes A, B, C e D participam de um torneio que premiar uma nica equipe
campe. Quanto s probabilidades de cada equipe vencer o torneio, as equipes C e D
so equiprovveis, a equipe A duas vezes mais provvel do que B, e B duas vezes
mais do que as equipes C e D. Pede-se: Qual a probabilidade de que as equipes C
ou D sejam campes?
16) Considere o seguinte Experimento Aleatrio: Lanamento de um dado at que a face
com o nmero 5 ocorra pela primeira vez. Pede-se:
a) O Espao Amostral desse experimento.
b) Uma frmula geral para o clculo das probabilidades.
c) Mostre que a soma das probabilidades associadas aos pontos amostrais um.
a
obs: S n = 1 , numa P.G. infinita ou ilimitada, quando 0<q<1.
1 q
d) Qual a probabilidade de ocorrer a face 5 no terceiro lanamento ?
17) Uma urna contm 5 bolas pretas, trs vermelhas e duas brancas. Foram extradas 3
bolas com reposio. Qual a probabilidade de terem sido duas bolas pretas e uma
vermelha?

44

INF 162

Prof. Luiz Alexandre Peternelli

18) Uma caixa contm 8 peas, das quais 3 so defeituosas e uma caixa B contm 5
peas, das quais 2 so defeituosas. Uma pea retirada aleatoriamente de cada caixa:
a) Qual a probabilidade p de que ambas as peas no sejam defeituosas?
b) Qual a probabilidade p de que uma pea seja defeituosa e a outra no?
c) Se uma pea defeituosa e a outra no, qual a probabilidade p de que a pea
defeituosa venha da caixa A?
19) Suponhamos que a probabilidade de que um vigia noturno num navio com luzes
apagadas descubra um periscpio em certas condies de tempo 0,7. Qual a
probabilidade de que uma combinao de dois vigias similares A e B, fizesse a
descoberta?
20) A e B so eventos mutuamente exclusivos. Determine quais das relaes abaixo so
verdadeiras e quais so falsas. JUSTIFIQUE.
a) P(A/B) = P(A)
b) P(AB/C) = P(A/C) + P(B/C)
P(A / B) P(B / A)
c) P(A) = 0, P(B) = 0, ou ambas
d)
=
P(B)
P (A )
e) P(AB) = P(A).P(B)
Repita o problema supondo A e B independentes.
RESPOSTAS
1) a) 1/36

b) 1/6

c) 1/2

2) a) 7/8

b) 1/4

c) 3/8

3) a) 1/15

b) 7/15

c) 8/15

4) a) 2/3

b) 2/5

c) 0,30

5) a) 1/3

b) 2/3

6) a) 223/360

b) 137/360

c) 67/170

7) No so independentes porque a igualdade 3 a 3 no se verifica, isto :


P( A B C ) P( A) P( B) P(C )
8) a) 3/4

b) 3/8

9) 2/3
10) 1/3
11) 0.3969

45

INF 162

Prof. Luiz Alexandre Peternelli

13) a) 6/15

b) 1/45

14) a) 0.071

b)

0.4225

15) 0.25
16) a) S = {5,F5,FF5, ...} F = Qualquer face exceto 5
b) A probabilidade de ocorrer a face 5 no n-simo lanamento do dado
n 1
5 1

: P(n ) =
6 6
1
5
c) a1 = , q = e Sn = 1
6
6
d) 0.116
17) 9/40
18) a) 3/8

b) 19/40

c) 9/19

19) 0,91
20)
A e B mutuamente exclusivos
a) F
b) V
c) F
d) V
e) F

A e B independentes
a) V
b) F
c) F
d) F
e) V

46