You are on page 1of 26

Probabilidade

:
Un1 Curso Introdutório

Carlos A. B. Dantas

1

NOÇÕES BÁSICAS DE PROBABILIDADE

1.1 EXPERIMENTOS ALEATÓRIOS

Hoje em dia grande quantidade de jogos são oferecidos, entre
os quais citamos, por exemplo: a loteria federal, a sena e a loteria
esportiva. É natural que se pense nas chances de ganhar um prêmio
antes de decidir em qual deles jogar.
Um torcedor de futebol procura avaliar as chances de vitória de
seu clube antes de cada jogo de que ele participa. A loteria esportiva
foi criada em função do interesse do brasileiro pelo futebol e de sua
paixão por jogos. Na loteria esportiva em cada rodada são escolhidos
treze jogos e uma aposta consiste da escolha em cada jogo de um
dos possíveis resultados, ou seja, vitória de um dos dois clubes ou o
empate.
Muitas vezes ao acordar nos perguntamos: será que vai chover?
De um modo ou de outro atribuímos um valor à chance de chover e
então decidimos o tipo de roupa que usaremos e se levaremos ou não
um guarda-chuva conosco.

e na segunda procuraremos atribuir pe- rimentos aleatórios. não apresentam à queda. sos a cada resultado que reflitam a sua maior ou menor chance de Damos a seguir alguns exemplos de experimentos aleatórios: ocorrer quando o experimento é realizado. experimentos que.2. Um engenheiro industrial avalia as chances de um determinado pro.1 Denominaremos espaço amostra[ associado a um experimento o conjunto de seus resultados possíveis. 4. fronta-se com a incerteza em relação ao efeito provocado pela admi- nistração de um novo remédio a um determinado paciente. ao serem repeti.18 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 19 Pode-se facilmente imaginar uma série de outras situações em EXEMPLO 1. 3. produzem resultados diferentes.1 Experimentos que ao serem repetidos nas mesmas primeira descreveremos para cada experimento aleatório o conjunto condições não produzem o mesmo resultado são denominados expe- de seus resultados possíveis.4. ela entrará resultados previsíveis de antemão.2 Os experimentos que ao serem repetidos nas mes- cesso encontrar-se em equilíbrio. cujos uma central em um determinado intervalo de tempo não pode ser elementos serão denominados eventos simples ou pontos amostrais. e o mesmo variará de casal para casal. plo. determinar a priori qual será esse número. de um d~do. Eis alguns exemplos de experimentos determinísticos: Se dei- Há uma grande classe de experimentos que. EXEMPLO 1. verificaremos que esse EXEMPLO 1. que corresponde ao lançamento tempo varia de lâmpada para lâmpada. ExEMPLO 1. Ou. determinado de antemão.1. em sua posição e velocidade para qualquer instante de tempo posterior outros termos. Um médico de. DEFINIÇÃO 1. podemos determinar dos nas mesmas condições. em ebulição. quando realizados.1 No exemplo 1. observamos que o número de peças defeituosas varia de lote para lote. 2.1 Quando retiramos um lote de peças num processo 1.1. Nosso objetivo será construir um modelo matemático parare- presentar experimentos aleatórios. 5.1.3 Se escolhermos uma lâmpada do processo de fabri- cação e observarmos o seu tempo de duração.2.1. de usuários que estarão ligados a uma rede durante um certo período. ao chegar a uma bifurcação em que haja duas opções de trajeto para se dirigir ao local desejado.1. ou atribui chances para as possíveis mas condições conduzem ao mesmo resultado são denominados de- proporções de peças defeituosas por ele produzidas. EXEMPLO 1.1. xarmos uma pedra cair de uma certa altura. o espaço amostrai é o conjunto: S = {1. Por exem. e observarmos o sexo do primogênito. . não poderemos possíveis alternativas na situação que se está vivenciando.4 Se lançarmos um dado sobre uma superfície plana e que nos deparamos com a incerteza quanto à ocorrência de uma das observarmos o número que aparece na face superior.1. procura-se avaliar as condições de EXEMPLO 1.2 O número de chamadas telefônicas que chegam a O espaço amostrai será representado por um conjunto S. Sempre que o experimento for realizado. Isto será feito em duas etapas: na DEFINIÇÃO 1.5 Se selecionarmos um casal de um conjunto de casais trânsito nos dois caminhos para decidir-se por um deles. suporemos que ocorrerá um e apenas um evento simples. Se aquecermos a água a 100 graus centígrados. 6}.2 ESPAÇO AMOSTRAL E EVENTOS de produção. termin{sticos. não poderemos determiná-lo a Um analista de sistemas atribui chances aos possíveis números priori. DEFINIÇÃO 1.1.

no intervalo [0.2.20 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 21 EXEMPLO 1. T] então o resultado é uma curva que a cada S = {BBB.. do experimento é um evento simples pertencente a A. .2.3 Três peças são retiradas de uma linha de produção.2. Nos exemplos 1. 2. Se ocorrer coroa no primeiro lançamento. quando subconjunto de resultados de um experimento. Se as leituras são feitas no intervalo de tempo [O. EXEMPLO 1. um higrômetro. Diremos que o evento A ocorre quando o resultado e portanto ele é infinito. Ou seja: pefície plana. isto Note que os pontos desse espaço amostrai podem ser postos é.2. faz-se um segundo lançamento e se então ocorrer cara o experimento SejaS o espaço amostrai associado a um experimento aleatório. O espaço que possui um ponteiro que desliza sobre papel milimetrado e regis- amostrai associado a esse experimento é: tra em cada instante a umidade do ar. Tem-se : um determinado intervalo de tempo. porém enumerável. BBD.1. t E [0.BDB. Os eventos representados por um conjunto unitário. CC C. O espaço amostrai é o conjunto: Os eventos serão representados por subconjuntos do espaço S ={C. ou DBB. o experimento termina. Se não ocorrer cara nos dois primeiros lançamentos.5 Considere o exemplo 1.2 em que observamos o EXEMPLO 1. Em cada um dos dois lançamentos pode ocorrer cara (C) ou coroa (C).4 Uma moeda é lançada sucessivamente até que apa.5 o espaço amostrai é infinito porém EXEMPLO 1. 7 o espaço amostrai o experimento termina. BDD.2.1. o conjunto dos números reais não negativos.3 consideremos o evento A: duas número de chamadas telefônicas que chegam a uma central durante peças são boas. T]. 7 A umidade do ar pode ser registrada por meio de EXEMPLO 1. EXEMPLO 1. O espaço amostrai nesse caso é o conjunto: Nos exemplos 1. O espaço amostrai é o conjunto: S = { x : x real .2. S ={CC. }.6 e 1. BDB. 2.DBB}.2. 3.2. faz- se um terceiro lançamento e caso não ocorra cara. O espaço amostrai é BDB. x 2:: O}. Nos exemplos 1. observamos o tempo de vida de uma lâmpada. pode ser posto em correspondência biunívoca com reça cara pela primeira vez..2 e 1. é infinito não enumerável.3 em que Então A ocorre se ocorrer um dos três eventos simples BBD.2. . Se ocorrer cara no primeiro lançamento o conjunto dos naturais. C C}.2. DDB. 1.8 No exemplo 1. enumerável. . espaços amostrais não são finitos. CC.2.2 Uma moeda é lançada duas vezes sobre uma su.. EXEMPLO 1. É razoável supor-se que x(t) é uma função contínua de t.2. T]}. CC. DBB. O espaço amostrai é o conjunto: s = {0. DBD.. Apresentaremos a seguir exemplos de experimentos aleatórios cujos S = { x : x é uma função contínua em [0.1.4 e 1. contendo somente um ponto do espaço amostrai são denominados em correspondência biunívoca com o conjunto dos números naturais eventos simples. DDD}. faz-se um quarto DEFINIÇÃO 1.2. isto é.2 Denominaremos de evento a todo resultado ou lançamento e assim por diante até que ocorra a primeira cara. }.6 Considere a situação do exemplo 1. A= {BBD. C C. 1. amostrai. T] associa x(t) que designa a umidade do ar no instante t. Um higrômetro pode ser acoplado a um dispositivo Cada peça é classificada em boa (B) ou defeituosa (D).2.3 o espaço amostrai é finito. termina.2.

então: AnBeAc..3. denotada AUB. (w E (A n C)) ou (w E (B n C)).2 A interseção de dois eventos A e B. ou seja...2. 12} A c= {1.9 No exemplo 1.22 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 23 EXEMPLO 1. 2. B e C eventos do espaço amostraiS.4 consideramos o evento A: a pri. A= {ccc. Os eventos A e B são ditos mutuamente exclusivos.15}. 13.·15}. evento que ocorre quando A não ocorre. temos: plementar de um evento pelos diagramas utilizados para representar a) (A U B) n C = (A n C) u (B n C) subconjuntos de um dado conjunto.10.. se para todo w E A tivermos w E B. se eles não DEFINIÇÃO 1.9.6. 11. Sejam A e B os (w E B e w E C). DEFINIÇÃO 1. .3. B: o número meira cara ocorre em um lançamento que é um múltiplo de 3. A n B e A c temos: de caras é igual ao número de coroas.. EXEMPLO 1. Apresentamos no próximo lema algumas propriedades dessas operações entre eventos.3.14. B. seguintes eventos: A: o número da bola retirada é par.1 Uma urna contém bolas numeradas de um a quinze. Se w E (A U B) n C então w E (A U B) e w E C. todo elemento pertencente ao lado ~squerdo pertence ao lado direito e vice-versa.8. Isto equivale a A n B = 0. cccccc. Para demonstrar a igualdade em a precisamos mostrar que Figura 1. denotado Ac. po- demos representar a reunião.3.9.2.12. 9.15} B ={CC. Isto corresponde à si- tuação em que a ocorrência de A garante inevitavelmente a ocorrência DEFINIÇÃO 1.8.1 coroas que precedem a conjunto: ocorrência da primeira cara na posição 3n.6. que .3 O complementar do evento A. A= {2.15} 1. denotada de B.1: União.1 A reunião de dois eventos A e B.2. Determinemos os eventos A U B. s = {1. .14} B = {3.10. Os eventos A e B são iguais se A C B e BC A.1 Sejam A. para n = 1. A U B. }. Dizemos que o evento A implica o evento B. 5. AUB Ana Vamos demonstrar a e de deixar b e c a cargo do leitor. CC}. é o evento que ocorre se ambos ocorrem.4. 3.3. que (w E A ou w E B) e w E C e portanto (w E A e w E C) ou Uma bola é retirada da urna e seu número anotado. Como os eventos são subconjuntos do espaço amostrai.4. A n B.2.6. interseção e complementar de eventos. é o podem ocorrer simultaneamente.10 No exemplo 1. a interseção de dois eventos e o com. O espaço amostrai S associado a esse experimento é o Os eventos simples de A têm 3n . que denotamos é o evento que ocorre se pelo menos um deles ocorre.2 considere o evento B: o número Para A.3 OPERAÇÕES ENTRE EVENTOS AnB = {6. AUB = {2. A c B.12. 7. LEMA 1. Temos da bola retirada é múltiplo de 3.2. Daí decorre EXEMPLO 1.3. .12.. b) (A n B) U C= (A u C) n (B U C) c) (A u B)c = Ac n BC d) (A n B)c =A cu Bc.

exporemos na próxima seção alguns métodos de contagem. Usando a definição obtemos ii).1) inverso nós obtemos a igualdade. 2. 2. A probabilidade definida por {1. cada um dos eventos simples 1. Podemos percorrer estas implicações DEFINIÇÃO 1. todos os eventos Ai.4 DEFINIÇÕES: CLÁSSICA. .1 Consideremos um espaço amostraiS com N even- de trás para frente e verificar que são verdadeiras.4. (1. segue da defi- sobre cálculos associados a chances de ocorrência de resultados dos nição que P(S) = 1. LEMA 1.1 No experimento que consiste em lançar-se um dado.::: 0 segue que P(A) . atribuir a mesma chance de ocorrência a lar a probabilidade de um evento A precisamos contar o número de cada um dos eventos simples desse experimento. Para facilitar essa tarefa adotaremos a seguinte definição de probabilidade. A probabilidade de A.3. o que é equivalente. .. de S composto de m eventos simples. Vamos supor que podemos. que encontramos a primeira vez o conceito de eventos "igualmente possíveis".5. 5. que por sua vez implica que w E Ac ou w E Bc.4 O evento U~ 1 Ai é o evento que ocorre quando cidas no seguinte lema: pelo menos um dos eventos Ai.4. para calcu- de simetria. i = 1. Os jogos de dados já eram prati. 3.::: O. então w ~ (A n B). É na Idade Média. supondo-se o mesmo balanceado. w E (Ac U Bc). e 6.. Partindo de w E (Ac U Bc) e fazendo o percurso P(A) = N. é definida por: w ~A ou w ~ B.4. que suporemos igualmente possíveis.. 4. simples. SUBJETIVA DE PROBABILIDADE Suponha que A tem m 1 eventos simples e que B tem m2 even- tos simples. a probabilidade é uma função definida na classe dos eventos ou.1. pode-se atribuir probabilidade ~ a ceito primitivo de eventos igualmente possíveis. Observemos que assim definida. ocorre. que d) Seja w E (A n B)c. para i = 1. que implica que denotaremos P(A).24 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 25 implica w E (A n C) U (B n C). EXEMPLO 1.4 . Nessas condições eventos simples do espaço amostrai e de A. A definição que denominaremos de clássica baseia-se no con. cados desde vários milênios antes da era cristã. uma razão Nas situações em que a definição clássica se aplica. por alguma razão.::: 0. ocorrerem. 1. por exemplo.1 Seja S um espaço amostrai finito satisfazendo as con- dições da definição 1. FREQÜENTISTA E DEMONSTRAÇÃO i) Como N > 0 e m . lançamentos. donde decorre a tos simples. mas não há menção Como o número de eventos simples de S é N. logo o número de eventos simples aleatórios surgem na Idade Média. ii) Se A e B são eventos mutuamente exclusivos. com Galileu. então: P(A U B) = P(A) + P(B) iii) P(S) = 1. isto m é. . na classe dos subconjuntos do espaço amostrai e satisfaz as propriedades estabele- DEFINIÇÃO 1.5 O evento n~ 1 Ai é o evento que ocorre quando i) P(A) .1) satisfaz: DEFINIÇÃO 1. O evento "o número Consideremos um experimento com número finito de eventos obtido quando se lança o dado é par" tem probabilidade 0. Vamos concluir esta seção definindo as operações de uma reu- nião e de uma interseção enumerável de eventos. de A U B é m 1 + m 2 . 2. Seja A um evento igualdade dos conjuntos.3.. Como A e B são mutuamente exclusivos segue-se que eles As primeiras tentativas de se atribuir probabilidades a eventos não têm eventos simples comuns. para todo A C S.

no século XVIII. 3743 3550 4017 4173 4117 3944 (lema 1.A se aproxima de uma constante quando n ten- Os dados seguintes referem-se ao número de nascimentos du. digamos n vezes. Por hora nos contentaremos Meses Jan.B. A freqüência relativa Houve tentativas de se definir a probabilidade como limite da observada foi 0. desejamos poder Fem. Jun. Set. Mar. esta possibilidade Seja S o espaço amostrai associado a um experimento alea- fica afastada. e se dos eventos de S e suas propriedades são dadas no seguinte lema: anotar quantas vezes o evento A associado a esse experimento ocor- re. para um grande número A U B é igual a soma do número de ocorrências de A com o número de observações. e de modo que as repetições sucessivas não depen. Masc. Estes esforços não foram bem-sucedidos. Abr.A :S 1. toda vez que um deles de ocorrências do evento A tende a uma constante p. Considerando-se n repetições desse experimento nas mesmas Uma outra maneira de determinar a probabilidade de um even. 3621 3596 3491 3391 3160 3371 atribuir ao mesmo um número que reflita suas chances de ocorrência Total 7585 7393 7203 6903 6552 7132 quando o experimento é realizado. no capítulo de teoremas limites.5005 para caras.4. O :S fn. de a infinito.2) e servem de base intuitiva para a definição axiomática que Total 7280 6957 7883 7884 7892 7609 apresentaremos a seguir. 3537 3407 3866 3711 3775 3665 1.26 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 27 1. DEMONSTRAÇÃO A parte a decorre do fato que n(A) . Como em toda realização do experimento algum Buffon.S = 1.A + fn.4-1 Definição Freqüentista de Probabilidade Meses Jul. nas mesmas condições. Seja n(A) o número de vezes em que evento A ocorreu nas n repetições do experimento. tório. Vimos acima que em determi- nadas circunstâncias podemos atribuir a mesma chance a todos os Para os dados do ano todo. mento.2) ' n a) Para todo evento A.4. é denominada freqüência relativa de A nas n repetições do experi- temos: fn. eventos simples do espaço amostrai não for finito. Voltaremos a rante um ano classificados quanto ao sexo. já que se observava que. condições. Nov. após apresentarmos a definição subjetiva. tratar deste assunto quando.AUB = fn. Quando o número de c . tendo obtido freqüência relativa de 0. realizou 4 040 lançamentos de uma ponto de S ocorre.4. em mencionar que as propriedades que a definição clássica satisfaz Masc. A razão LEMA 1. 45682 - !Ol 88273 - o' 5175 . Fev. a freqüência relativa de masculino eventos ·simples associados ao experimento. segue-se que c é verdadeira. foi inicialmente notada em dados demográficos e em de ocorrências de B. . b) Se A e B são dois eventos de S mutuamente exclusivos. como foi mencionado. a moeda. Mai. Dez. Karl Pearson fez 24 000 lançamentos de uma freqüência relativa.5064. observa-se que a freqüência relativa os eventos A e B são mutuamente exclusivos. isto é: n(A U B) = n(A) + n(B). 3964 3797 3712 3512 3392 3761 Ao concluirmos que um evento é aleatório. Out. Ago. freqüência relativa f n. ocorre o outro não ocorre e portanto o número de ocorrências de A estabilidade da freqüência relativa. Como dam dos resultados anteriores. Repetindo-se o experimento um grande número de vezes. . moeda e observou a ocorrência de 2 048 caras.2 A freqüência relativa fn. por n obtemos b. observemos que a freqüência relativa está definida na clas- to consiste em repetir-se o experimento aleatório.::: O. apre- sentarmos a lei dos grandes números. c) fn.A definida na classe dos eventos do espaço amostrai S satisfaz as seguintes condições: fn A= n(A) (1.1) são também satisfeitas pela freqüência relativa (lema Fem. Dividindo-se resultados de lançamentos de dados.

Desta forma. para que ele seja racional. definimos entre os eventos conduzem a novos eventos que pertencem No primeiro exemplo não se pode falar em repetição do ex. Observe que a propriedade (ii) do lema 1. sendo obtida como o valor do qual. descrevem aspectos dessa realidade de modo análogo ao que as leis Quanto à efetiva aferição das probabilidades subjetivas. A probabilidade será definida numa classe de eventos do espaço c) Desejamos saber quem vencerá o próximo jogo entre São amostrai que satisfaz certas propriedades. No caso do jogo entre DEFINIÇÃO 1. a) Um paciente é submetido a um novo tipo de cirurgia e desejamos saber se ele ficará bom. utiliza- da mecânica fazem no caso de um modelo determinístico. Um es- babilidade de um evento associado a um experimento independe. A pro. 2 Definição Subjetiva de Probabilidade questão são estabelecidas regras de comportamento racional para o observador. Uma corrente de probabilis. ou seja.4. a probabilidade será em geral diferente para distintas pessoas em decorrência das diferentes opiniões que elas têm sobre a ocorrência P(U~=lAn):::: L P(An).1 foi substituída O leitor que toma contato com esta matéria pela primeira vez pela condição b desta definição. pode estranhar essa colocação e preocupar-se com a consistência da No que segue vamos considerar espaços amostrais enumeráveis teoria que se constrói com essa formulação. se apro. a probabilidade de um evento é o valor que cada observador estaria inclinado a apostar c) P(S) = 1. (1. então: crença que o observador possui na ocorrência do evento.3) n=l do evento.3 Definição Axiomática de Probabilidade b) Desejamos saber se haverá um tremor de terra no Rio Gran- de do Norte no próximo ano. a ocorrência de um terremoto com a ocorrência de bola branca na xima a freqüência relativa de ocorrências desse evento em um grande retirada de uma bola de uma urna contendo m bolas brancas e n número de repetições do experimento. sabemos que há estatísticas de um grande F de eventos de S que satisfaz as seguintes condições: número de jogos entre São Paulo e Palmeiras.4. trata-se de uma nova técnica cirúrgica que estará ao leitor consultar a bibliografia. Eis alguns exem. entre um jogo e outro variam bastante. Em algumas . compara sua "opinião" sobre portanto. Em uma outra descrição equivalente. que são justamente hipótese de que existe uma realidade física e que as probabilidades os axiomas de probabilidade. sendo empregada. Desse mo- 00 do. mas que as condições a) P(A) 2:: O para todo A E F.4.2 Probabilidade é uma função definida numa classe São Paulo e Palmeiras. Para lidar com essa ou que são intervalos ou reunião de intervalos da reta. b) Se (An)n2::1 é uma seqüência de eventos de F. que são mu- tas considera a probabilidade de um evento como sendo a medida da tuamente exclusivos. na realização do evento. 1. uma unidade de incerteza. va ou pessoal. pois. Todas as operações que Paulo e Palmeiras. do observador. Há no entanto situações em bolas pretas. Sua probabilidade para a ocorrência do terremoto seria que a repetição do experimento não pode ser realizada e outras em então n~m. a essa classe. Sugerimos ao leitor interessado consultar a bibliografia plos dessas situações: indicada no final do livro.4. se em geral um padrão. temos notícia de raras ocorrências de tremores de terra no Rio Grande do Norte. No segundo. A probabilidade assim entendida é denominada subjeti- que não pode ser realizada em idênticas condições. Para indicações de uma abordagem rigorosa sugerimos perimento. suas opiniões A fundamentação freqüentista da probabilidade baseia-se na precisam necessariamente obedecer certas regras. pecialista em sismologia.28 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 29 1. apresentados logo a seguir. por exemplo.

m maneiras. um secretário e um tesoureiro..5 MÉTODOS DE CONTAGEM reposição cada elemento selecionado é reposto no conjunto antes da A definição clássica atribuiu a um evento A. deveremos considerar as amos- 1. . . As amostras podem ser retiradas de um conjunto de duas ma- neiras: com reposição ou sem reposição. . designarmos por 1 e 2 os caminhos que ligam A a B e por 3.2 Uma amostra é dita ordenada se os seus elementos tos simples desse evento.1 Desejamos ir da cidade A à cidade C. podemos definir a pro- babilidade na classe de todos os subconjuntos de S que é deno. n. O con- guiremos essa tradição e iniciaremos pela apresentação desse princípio.3 Seja S um espaço amostra[ enumerável e seja A um subconjunto de S. verifique esses axiomas quando o espaço amostrai é finito.2 Considere uma classe com vinte estudantes. se elas executam tarefas distintas.... simples do espaço amostrai.1 Princípio Fundamental da Contagem tras ordenadas. }.2.1 Uma amostra de tamanho n de um conjunto C Podemos verificar que a probabilidade definida dessa manei. .. A probabilidade de A é definida da seguinte maneira: P(A) = L P(wn)· (1. Se há dois caminhos que ligam A a Representemos nesse caso o espaço amostrai S da seguinte forma B e três caminhos que ligam B a C. Nas amostras retiradas com 1. ExEMPLO 1. 14. 15.5. selho de classe é formado por três estudantes: um presidente. No caso de amostras sem reposição. 23. Veremos nesta seção alguns métodos de forem ordenados7 isto é7 se duas amostras com os mesmos elementos 7 contagem que nos auxiliarão nessa tarefa.4. DEFINIÇÃO 1. 24. n = 1. então os seis caminhos que ligam A a C n = 1. w2. onde N é o número de eventos diz. 25.5.5. porém em ordens distintas 7 forem consideradas diferentes. de A a C passam pela cidade B. pois ainda que duas amostras sejam formadas pelas Suponhamos que uma tarefa pode ser executada em duas eta. Se o espaço amostrai S é enumerável. Os caminhos minado também conjunto das partes de S e denotado por P (S). 2.2. Sugerimos ao leitor que c. mesmas pessoas. Associemos a cada Wn. 4 e 5os Denominaremos P(wn) de probabilidade do evento simples wn. Nós se. que tem N elementos é um subconjunto de n elementos retirados de ra satisfaz os axiomas da definição 1. Se a primeira etapa pode ser realizada de n maneiras e a segunda deradas como diferentes. os elementos não são repostos após cada retirada. composto de M próxima retirada.4) n:wnEA DEFINIÇÃO 1. um número ir de A a C ? O número de caminhos que ligam A a C é seis. Para calcularmos a probabilidade de Os elementos da amostra poderão ainda ser ordenados ou não. EXEMPLO 1.4. devem ser consi- pas. probabilidade ~.. como o nome eventos simples.5. um evento qualquer precisamos portanto contar o número de even- DEFINIÇÃO 1.30 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 31 situações consideraremos subconjuntos do Rn que são generalizações etapa de m maneiras então a tarefa completa pode ser executada de de intervalos. . caminhos que ligam B a C. 5. Se P(wn). de quantas maneiras podemos S = {w1. tal que P(wn) 2: O e I:~=l P(wn) = 1. Um procedimento muito elementar de contagem tem sido apre- sentado sob o título de princípio fundamental da contagem.. Ao escolhermos uma amostra de três es- tudantes para formarem o conselho. são: 13.

o primeiro elemento da amostra pode ser retirado de N maneiras. c. são denominadas na maioria dos tex- tos elementares de probabilidade ou de combinatória de combinações abc abd acd bcd de N elementos tomados na n. O número dessas é 24 e nadas sem reposição de tamanho 3 de um conjunto com 20 elementos. LEMA 1. Utilizaremos tanto um no. Vamos listar as amostras em que o elemento "a" aparece repetido pelo menos uma vez (20)3 = 20. e assim por diante até o n-ésimo posição.5) ExEMPLO 1. do con- junto {a.5. com reposição.4. (1.18 = 6 840. O número de amostras ordenadas sem reposição O leitor poderá completar o conjunto dessas amostras notando de tamanho 3 é igual a (4)3 = 4. então em cada uma das n retiradas temos N escolhas possíveis. c. As amostras ordenadas de tamanho 3. de tamanho 3 do conjunto {a. portanto tras ordenadas sem reposição.4 Considere o conjunto das quatro primeiras letras do baa caa daa alfabeto {a.5. Vamos agora determinar o número de amostras ordenadas com re- o segundo de (N .5.. b.(n . (N)n = N(N. b. cab dab da c dbc me como outro. de um conjunto com N elementos.n + 1). que será denotado por DEMONSTRAÇÃO De fato. aaa aab aac aad aba aca ada EXEMPLO 1. Pelo princípio fundamental da contagem o número dessas amostras é Nn.5. Para referência futura nós que falta listar as amostras em que aparecem repetidos os elementos .5.3 No exemplo 1. como após cada retirada o elemento reti- (N)n.5. cba dba dca dcb.5. número exibindo o conjunto dessas amostras. acb adb adc bdc ma qualificação. Quando não for estabelecida nenhu.4 determinamos o número de amos- DEMONSTRAÇÃO As amostras são retiradas sem reposição. As amostras ordenadas bca bda cda cdb sem reposição são denominadas arranjos.2 igual a 43 .2 O número de amostras ordenadas com reposição de ta- manho n. d}. de um conjunto com N elementos é igual a Nn.1)) maneiras. é dado por: rado é reposto.1 O número de amostras ordenadas sem reposição de ta- manho n. estão listadas no exemplo 1.32 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 33 As amostras não ordenadas sem reposição.1) maneiras. c. d}. b. LEMA 1. que coincidem com as amostras selho de classe pode ser formado é igual ao número de amostras orde- com reposição em que não há repetição. Pelo princípio O número de amostras de tamanho 3 retiradas com reposição fundamental da contagem.5.3. (N. o número de maneiras de retirar uma é pelo lema 1.. A título de ilustração vamos obter esse amostra de tamanho n é dado pelo produto desses números.5 No exemplo 1. estaremos admitindo que os elementos são todos bac bad cad cbd distintos e que a amostra é não ordenada.5. de tamanho n de aproveitamos para listar essas 24 amostras: um conjunto com N elementos.1) .19.2 = 24.2 o número de maneiras que o con- (i) as amostras sem reposição. d} incluem: EXEMPLO 1. que pode ser retirado de (N . Vamos agora determinar o número de amostras de cada tipo. Pelo lema temos: (ii) as amostras onde há pelo menos uma repetição.

P(A) < ~'e portanto a pro. 7 Um icosaedro regular tem suas faces numeradas de 1 a 20. que 20 4 coincide com o valor dado pelo lema.6 Suponha que a data de nascimento de qualquer pes. assim uma amostra não ordenada de não tenha nenhum elemento repetido? De fato.3 O número de permutações de n elementos. que é o evento "pelo menos duas pessoas fazem aniversário no mesmo dia". é maior que ~. mos que o problema que resolvemos é um caso particular do seguinte: Se de um conjunto de N elementos retirarmos amostras ordenadas DEFINIÇÃO 1. O p= Nn . 231. P= ( ) = o. então: um conjunto com N elementos será também. são as seguintes: babilidade do complementar de A. dá a probabilidade p procurada. n pessoas correspondem a amostras ordenadas sem reposição de ta. sem reposição. 213. Uma amostra não ordenada.3 Uma amostra ordenada sem reposição de tamanho soa pode ser considerada igualmente distribuída entre os 365 dias de n de um conjunto com n elementos será denominada uma permu- um ano. qual é a probabilidade tação dos n elementos.4 Uma amostra é dita não ordenada se os seus ele- com reposição de tamanho n.. e 321. Qual é a probabilidade LEMA 1.8) . (1. 20 4 EXEMPLO 1.5. de Se p denota essa probabilidade..8 Considere o conjunto dos inteiros de 1 a 3. 0363. como mencionamos. O número de conjuntos de n Pn.n· EXEMPLO 1. qual é a probabilidade de que a amostra mentos não forem ordenados. O leitor ordenadas sem reposição. O icosaedro é lançado quatro vezes.5.4 O número de amostras não ordenadas sem reposição de de que não apareça nenhuma face repetida? tamanho n. Assim. de que todas tenham nascido em dias diferentes? LEMA 1.Observe..5.2 . Nós obtivemos 24 amostras ordenadas sem reposição e dez com 20 elementos. Assim o número de amostras ordenadas com reposição é 64. Datas distintas de nascimento das onde n! = 1. c ou d. denotado Denotemos por A esse evento.5. DEMONSTRAÇÃO Basta substituir N por n na expressão de (N)n manho n de um conjunto com 365 elementos. 312. é dado por: dias em que nasceram as n pessoas é igual ao número de amostras (1. de um conjunto com N elementos. c. ( 1 . Não ocorrer repetição equivale a retirar amostras amostras ordenadas em que aparece repetido o elemento a. (365)n 1 2 n.5.365) .365 ) número de permutações desse conjunto é P3 = 6 e as permutações Pode-se mostrar que para n = 23..5 . DEFINIÇÃO 1. não há elemento repetido são as amostras ordenadas sem reposição. de tamanho n.5. cujo número é (365)n· dada pela fórmula 1. n.6) número dessas amostras será denotado CN.34 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 35 b. as amostras em que tamanho n coincide com um subconjunto de tamanho n. A razão do número dessas amostras nos obterá trinta amostras em que aparecem repetidos os elementos b. Se em uma sala existem n pessoas.5. e d. é dado por: O espaço amostrai pode ser considerado como o conjunto das amostras ordenadas com reposição de tamanho 4 de um conjunto (1. 132. 123. O P(A) = 365n = ( 1 .365)( 1 .1 EXEMPLO 1.7) Pn =n! ordenadas com reposição de tamanho n de um conjunto com 365 elementos. (N)n denominada uma combinação de N elementos tomados n a n. que é igual a 365n.

precisamos calcular o nú- n1 + n2 + · · · + nk = N.9) n. e o k-ésimo tenha nk elementos. vamos considerar o mero de amostras não ordenadas de tamanho 2 de um conjunto com exemplo que corresponde à distribuição de cartas no jogo do bridge.. As- sim o número de maneiras de particionar as 52 cartas do baralho em . Pela (N)n fórmula (1.140 n! C2 0 3 .n)! podemos reescrever CN. .1) . Pela fórmula (1.n da seguinte forma: Quando selecionamos uma amostra não ordenada de tamanho N! n de um conjunto com N elementos.. a2. junto com 52 elementos em quatro subconjuntos.5 são distribuídas entre eles..10 Uma comissão formada por três estudantes deve { a1. Con. elementos. um com n elementos e o outro com N .n = n. Restam no baralho 39 cartas. . e como a ordem da escolha dos não ordenada e o número dessas é CN. de modo que o primeiro tenha n 1 elementos. a2.8) temos: Nesse jogo participam quatro jogadores e as 52 cartas do baralho 6. com Para determinar o número de jogos. Esse número é igual a (~. cada um com 13 Como mencionamos acima.. temos: Podemos selecionar 13 cartas a serem dadas ao primeiro joga- dor de tantas maneiras quantas são as amostras não ordenadas sem (1. Vamos então determinar de quantas maneiras isto pode binomial (~). an.I(N _ )I (1. a amostra de tamanho n composta pelos lhida? elementos: a1. Quantos jogos k subconjuntos.5. Trata-se portanto de particionar um con- C6... Das 26 restantes. (N. jogos interclasses.. podemos escolher 13 para o terceiro jogador de (i~) maneiras. ' 3! 6 Multiplicando-se o numerador e o denominador por (N. . Este nome deriva do fato que (~) é o coeficiente de ser feito. anbN-n na expansão do binômio (a+ b)N. Uma amostra não ordenada sem reposição de ta. 6 elementos. .18 . o se- serão realizados? gundo tenha n 2 elementos.36 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 37 DEMONSTRAÇÃO Vamos designar o conjunto de N elementos por EXEMPLO 1.9 Seis times participam de um torneio de basquete.. trata-se de amostras não ordenadas. nós particionamos esse conjun- CN. ser escolhida em uma classe de vinte estudantes para organizar os manho n é um subconjunto desse conjunto com n elementos. Esta amostra pode gerar n! amostras or- Como a comissão deve ter três membros distintos.) manei- ras.. Como isto é válido para qualquer amostra devem ser selecionadas sem reposição. to em dois subconjuntos. É natu- ral que procuremos resolver o seguinte problema: Dado um conjunto EXEMPLO 1. De quantas maneiras essa comissão pode ser esco- sideremos. com N elementos.2 = T = 15.n temos: participantes é irrelevante. Em vez de dar a resposta no caso geral. .).n que é o coeficiente binomial ( ~).8) temos: N(N..n coincide com o coeficiente elementos. De fato. as amostras denadas sem reposição.n + 1) . Deixamos a cargo do leitor provar essa igualdade e as seguintes propriedades dos coeficientes binomiais: Podemos escolher 13 cartas para o segundo jogador de G.5.. -1. Vimos que isto pode ser feito de (~) maneiras. de quantas maneiras podemos particioná-lo em Cada uma das equipes enfrenta todas as demais. a N}.19.20.10) reposição (combinações) de tamanho 13 de um conjunto com 52 ele- mentos.(20)3 . CN. As 13 restantes irão para o quarto jogador. por exemplo.

nk elementos. rei e ás. oito... O número dessas partições !) 4 • c ons1"d eremos agora as par f 1çoes 32 )! pe1o 1ema 1 . nove. dez. designar por A o evento "o jogador recebe um par de ases". e um quinto subconjunto com 12 cartas que são n1!(N. o número de maneiras de retirar n1.5 e. . Vamos selecionamos inicialmente do conjunto com N elementos.5. valete. ouros e copas. Do conjunto remanescente com N . As denominações das cartas são: sete. dizer que o jogador recebe um par de ases quer DEMONSTRAÇÃO A linha de raciocínio é a mesma do exemplo. podemos selecionar as outras três N.(n 1 + n 2))! as que permanecem sem serem distribuídas. a segunda de (N. nk-l. Vamos determinar o (N. 11.11 No jogo de pôquer com quatro participantes é co- (52) 13 (39) 13 (26) 13 .38 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 39 quatro subconjuntos com 13 cartas em cada um deles é: EXEMPLO 1. Uma mão com um par de ases e outras três cartas diferentes do ás e diferentes .5. respectivamente. n2. 1gua . etapa restam nk elementos e o processo termina.um sub. a saber: paus. rei} e de cada uma das quatro 2 diante. é Vamos considerar o espaço amostrai como o conjunto das amos- igual a: tras não ordenadas sem reposição. No pôquer. oito. Pelo princípio fundamental de contagem. Pelo lema 1.(n1 + n2) retiramos n3 e assim sucessivamente até que na última cartas que não devem ser ases e ser distintas de G) 3 (i) maneiras. e assim por to {sete. sendo que a última pode ser feita de (N -(n 1+n2+ . é igual ao produto: P(A) = =o.(n1 + n2 + · · · + nk-2))! número de pontos do espaço amostrai e calcular a probabilidade de que um jogador tenha um par de ases. n2.: n 1 ) . 1 a: (l ()!( 2 5 - N! em que um jogador especificado recebe um par de ases. observemos que podemos selecio- elementos selecionamos um subconjunto com n 2 elementos.nl)! quatro jogadores.4 o número de pontos do espaço (1. escolher uma carta. mum usar-se 32 cartas. nove. espadas. dama.. . dama. .5. Assim: nk-1 maneiras. de um conjunto N! com 32 elementos. restando nk elementos para o último subconjunto. . Observemos que alternativamente nós podemos adotar para Substituindo nessa fórmula cada coeficiente binomial pela sua espaço amostrai associado à distribuição de cartas na primeira etapa expressão em termos dos fatoriais obtemos: o conjunto das partições de 32 cartas em cinco subconjuntos. Dos nar os dois ases de (~) maneiras. com n1.5. valete.11) 2 amostrai é e5 ). quatro com cinco cartas cada um.5 O número de partições de um conjunto de N elementos que ele receba um par de ases? em k subconjuntos. Para conjunto de tamanho n1.n 1 calcular o número de pontos de A. Numa primeira O mesmo raciocínio nos fornecerá a prova do lema que enun- ciamos a seguir: etapa são dadas cinco cartas a cada jogador. . dez.nl)! n2!(N. As cartas pertencem a um de quatro naipes.+nk-2)) cartas das denominações selecionadas. de tamanho 5. correspondendo às cartas entregues aos N! (N. Nós dizer que ele só tem um par e três outras cartas distintas.. Qual é a probabilidade de LEMA 1. A primeira retirada Esse produto corresponde a selecionar três denominações do conjun- pode ser feita de (~) maneiras.. Consideremos as cartas dadas a um jogador na primeira etapa.

LEMA 1.14) probabilidade que decorrem diretamente ou quase diretamente dos DEMONSTRAÇÃO Como A C B. An são mutuamente exclusi- vos. (1. tem-se: LEMA 1. tem-se: Vamos apresentar nesta seção algumas das propriedades da P(A) :S P(B).6. . número dessas partições é igual a 12 ~(~!!)3.13) (12)!(5!) 3 DEMONSTRAÇÃO A e Ac são eventos mutuamente exclusivos cuja (32)! (12)!(5!) 4 reunião é S. P(B) = P(A) + P(Ac B) Como P(Ac B) ~O concluímos que (1.6 PROPRIEDADES DA PROBABILIDADE que A C B. então: P(A U B) = P(A) + P(B) . que é o mesmo valor que obtivemos acima. onde para todo i ~ 1. (1. aditividade da probabilidade (lema 1.40 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 41 entre si pode ser escolhida de (~) G) (~) maneiras.. partições de um conjunto de 27 cartas em quatro subconjuntos. A B i=l Subtraindo P(A) de ambos os membros. DEMONSTRAÇÃO Seja A um evento deSde probabilidade positiva. </Ji = </J.4. LEMA 1. Daí decorre que P(A) + P(Ac) = 1. então: G) G) G) 3 (27)! P(Ac) = 1 .2 segue que: 00 P(A) = P(A) +L P(</J). P(AB). Como pelo lema deles com doze cartas e os outros três com cinco cartas cada um. um Ak = </J.2. k ~ n + 1 e aplicar b da definição 1. .1 Denotemos por <P o evento impossível.15) .P(A). O anterior P( <P) = O o resultado segue.. segue-se que a igual- dade acima só faz sentido se P( c/>.2. Então pelo axioma b da definição 1.14) é verdadeira. obtemos: LEMA 1. An. A2. A 2.4 Sejam A e B dois eventos do espaço amostrai S.. Para a probabilidade de obtermos um par de ases. podemos exprimir o evento A da seguinte maneira: A = A U:1 </Ji. seja <P o evento impossível. segue-se que B = A U A c B.2) segue que: LEMA 1.. Para cada mão 3 n n P(U Ai)= LP(Ai)· (1. . .4.6.) = O. Temos P(<P) =O.5 Sejam A e B dois eventos quaisquer do espaço amostral S.6.3 Se Ac é o complementar do evento A. tais 1. Da axiomas da definição 1.4.6.12) desse jogador com o par de ases o número de maneiras que os três i=l i=l outros jogadores podem receber suas cartas é igual ao número de DEMONSTRAÇÃO Basta considerarmos a seqüência A1. Subtraindo-se P(A) tem-se o resultado do lema.6.2 Se os eventos A 1 .6. (1.

1 No exemplo 1.15).3. Suponha que uma bola é retirada LEMA 1.16) definição de "um par" no jogo de pôquer o jogador somente pode receber um par de uma certa carta e três outras cartas distintas Notando que B =A c B U AB. obtém-se esse mesmo valor.6.3. U Ak) = P( nAk). A: o número da bola retirada é k=1 k=1 par.16). .P(n n Ak).P(AB). isto é. vem: entre si e daquelas do par. n n 1 .1. Finalmente P ( (A U B) c) = 1 .15) temos então: P(A U B) = P(A) + P(B). calculamos a probabilidade do jogador re.1 consideramos um urna contendo bolas numeradas de um a quinze.17). k=1 k=1 bilidade de o jogador receber um par de ases ou um par de reis. Notemos que pela P(A U B) = P(A) + P(Ac B). nós obtemos: Pela expressão (1. A 2.6.17) definidos no exemplo 1. Como A U B tem dez pontos. . Podemos obter P(A U B) diretamente. P(A1) + P(A2) + · · · + P(An)· (1.3 segue que: receber um par de ases.19) k=1 P(AB) = 125. (1.5. An eventos do espaço amostraiS.1. B e AB têm respectivamente 7.6 Sejam A 1 . EXEMPLO 1. P( UAk) = P(A1) + P(A~A2) + · · · + P(A~A~ · · · A~-1An). tem-se: P(AUB) = ~~. B: o número da bola retirada é múltiplo de 3.6.2 Nas condições do Exemplo 1.6.3. contando o número de DEMONSTRAÇÃO A relação: pontos de A U B ou utilizando a expressão (1.11. (1.. Do lema 1. 5 e 2 n pontos e o espaço amostrai 15. te- da urna ao acaso.5. P(B) = 155 . par de reis" são mutuamente exclusivos e portanto Tirando-se o valor de P(Ac B) e substituindo na expressão P(AB) =O.15).18) k=1 Como os eventos A.P( A U B) = 155 • é uma extensão da propriedade c do lema 1. isto é. Fixada qualquer denominação. . e dos eventos n AB. P( ceber um par de ases. P( U Ak) ::.42 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 43 DEMONSTRAÇÃO A U B pode ser escrito como uma reunião de dois Vamos designar por A o evento "receber um par de ases" e eventos mutuamente exclusivos: A U B =A U A c B. calcular a proba.P( EXEMPLO 1. (1. Calcule as probabilidades dos eventos A e B n P(u Ak) = 1. de modo que cada bola tem probabilidade mos: A de ser retirada. A U B e (A u B)c. Temos: UAk)c = P( nAk). Assim os eventos "um par de ases" e "um P(B) = P(Ac B) + P(AB). donde segue a expressão (1. Substituindo os valores de P(A). temos: P(A) = 175 . a probabilidade k=1 k=1 de o jogador receber um par dessa denominação é a mesma que a de Pelo lema 1.. n n No exemplo 1.6. O evento "receber um par segue que: de ases ou um par de reis" é o evento A U B. ( 1.11. (u 'k=1 n Ak)c = n n k=1 Ak P(B) e de P(AB) em (1.2 por B o evento "receber um par de reis".

Tomemos agora x pertencente ao lado direito em n (1. para algum k. 4. de eventos são conceitos típicos da Teoria das Probabilidades e que servem para distingui-la de outros ramos da Matemática. e portanto Os conceitos de probabilidade condicional e de independência P(A~ A~··· AL 1 Ai) ::.5 para uma reunião de um número inteiro positivo Considere x E (UZ= 1 Ak). 6..20). Então para algum k.6. Logo +L L L P(AiAjAk)+ · · · +(-1)n-lp(AIA2 · · · An)(1. pois. 4. 2. para todo i = 2. pontos na face superior do dado em cada um dos lançamentos. Como os eventos da união no lado direito são mutuamente exclusivos. Nestas condições. Notemos que o evento n!= 1 A~k corresponde à ocorrência de A esse evento. A 2. pois como foi visto acima Ai A~··· Af_ 1Ai C Ai. Consideremos Ai A~ · · · Af_ 1Ai e n n n Ai A~ · · · Aj_ 1Aj. 6 e 8. n.19) segue diretamente da fórmula (1. i=l j>i k>j Para provar (1. 4. n. ba a seguinte informação: "em cada um dos lançamentos.LLP(AiAj) + i=l i=l i=l j>i em Ai e o segundo está contido em Ai e portanto eles são mutua- mente exclusivos. mas se rece- por A2k. Deste modo: n 4 4 26 UAk = A1 U A~A2 U · · · U A~ A~· . designando por B o evento "soma dos pontos nos dois xamos coroa nesses quatro lançamentos e nos outros seis temos duas lançamentos igual a quatro". O evento de interesse é: U!=l A2k· Va. LEMA 1.2. Vamos denotar por evento.18) basta calcular a probabilidade de ambos os Não daremos aqui a prova desse lema.44 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 45 Mostremos que possibilidades em cada um deles.7 PROBABILIDADE CONDICIONAL A desigualdade (1. Ak_ 1Ak.20).20) P(u A2k) = 1. Vamos in- Somando-se obtemos o resultado desejado. n. queremos saber qual é a probabilidade .3 Uma moeda balanceada é lançada dez vezes. lados da igualdade (1. Antes de encerrarmos esta seção vamos enunciar a generali- sivos. 1::. 3.0625. k::. · · ·... para k = 1. Va- Vamos designar que o evento cara ocorra no lançamento 2k mos supor que não se presencie os lançamentos do dado. EXEMPLO 1.16) para calcular a probabilidade desse de pontos observados é menor ou igual a dois". temos: verifiquemos que são mutuamente exclusivos. então x E AiA~ . O número de pontos de que a soma dos pontos nos dois lançamentos seja igual a qua- do espaço amostrai que satisfazem esta condição é 26 . k=1 k=1 k=1 e que os eventos do lado direito da igualdade são mutuamente exclu. o resultado decorre do lema 1. . de eventos do espaço amostrai. Tome o menor k tal que x E Ak.. troduzir o conceito de probabilidade condicional considerando uma situação especial em que o espaço amostrai tem eventos equiprováveis.6. 210 = 0. zação do lema 1.20). 7 Sejam A1 . nós fi. Va- Vamos considerar o experimento que consiste em lançar um mos calcular a probabilidade que ocorra cara em pelo menos um dos dado duas vezes em uma superfície plana e observar o número de lançamentos de números 2.18). . An eventos de um espaço amostrai Tomemos dois eventos quaisquer do lado direito de (1. 1. tro? Ou seja.20) e onde está definida uma probabilidade P. Logo x pertence ao conjunto do lado direito de (1. pergunta-se: qual é a probabilidade coroa nos lançamentos de números 2. k::. x E AiA~·· ·Ak_ 1Ak. Sejam i e j intei- ros tais que: 1 ::.21) x E Ak e portanto x E U7=1 Ai. Note que o primeiro desses conjuntos está contido P(U Ai)= LP(Ai). o número mos utilizar a expressão (1. 6 ou 8. A~-1An (1. 3. Então x E Ak. 1 ::.6.P(n A~k) = 1. i < j ::. n. P(Ai) .

2)} e por- espaço amostrai associado aos dois lançamentos e para os eventos A tanto P(AB) = 3~. Determinar o espaço amostrai e as probabilidades 1 2 3 4 5 6 associadas a cada ponto amostrai. sabendo-se que o evento A ocorreu? Para o Retornemos ao exemplo acima. Para os outros pontos do pertença a A. 3).22) 7 6 14 P(A) . Ele serve. (1.23) temos: de B ocorrer dado A é igual a ~. no entanto. (2. 1).1 etapas anteriores. Temos AB = { (2. i:::. 2). uma após a outra sem reposição. P(Vl)P(V2 I VI) = 10 9 = 30 . 10 9 30 tar este procedimento como definição de probabilidade condicional do evento B dado o evento A.1 Considere uma urna com três bolas brancas e sete 1 bolas vermelhas. pode considerar-se o evento A como novo espaço amostrai a interpretação é análoga. 2 ExEMPLO 1. Duas bolas são retiradas da urna. 3 2 2 P(BI)P(B2 I BI) = . j :::. O espaço amostrai é o conjunto {B1B 2.= - Para espaços amostrais com eventos equiprováveis pode-se ado.1 Sejam A e B dois eventos de um espaço amostrai 7 3 7 e supondo que P(A) > O. Aplicando-se a fórmula (1. 2) E B e os quatro pontos são equiprováveis. pois dos quatro pontos de A apenas o ponto (2. (2. Desta maneira a probabilidade Utilizando (1. 6} evento B dado o evento A..j são inteiros 1 :::. espaço amostrai para o experimento. (1.B1 V2. 1). de motivação para 3 7 7 a seguinte definição: P(BI)P(V2 I BI) = -. V1V2} Dizer que o evento A ocorreu é equivalente a dizer que pode O evento B 1 B 2 é o evento que corresponde a ocorrer branca não se levar em conta qualquer ponto do espaço amostrai que não na primeira retirada e branca na segunda. = - 10 9 30 DEFINIÇÃO 1. obtemos a seguinte expressão: B = {(1. (2.j): i. já encontrado acima.7. a probabilidade condicional de B dado A é P(VI)P(B2 I VI) = -. ou seja. 2).1:::. (3.22) obte- e B temos: mos o valor ~. 2)}. . A= {(1.46 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 47 de ocorrer o evento B. Vejamos inicialmente um exemplo para 3 n = 2. 7.22) que define a probabilidade condicional do S = {(i. P(A) = 3~. 1)} . 6. = -30 10 9 definida por: P(B I A)= P(AB) (1. em que a 5 ocorrência de um evento na k-ésima etapa depende das ocorrências 4 nas k. P(AB) = P(A)P(B I A).23) Esta expressão e sua generalização para uma interseção de n eventos permitem construir probabilidades em espaços amostrais 6 que representam experimentos realizados em seqüência. V1B 2. Da fórmula (1.

.2 Seja B1. isto é. tem-se: 1. a urna dois tem 10 9876 = 120 quatro bolas brancas e duas vermelhas e a urna três tem uma bola As probabilidades condicionais sucessivas foram calculadas branca e três vermelhas. Assim após a primeira retirada.. 2 Vamos retomar o exemplo 1. Note que ela permite calcular a probabilidade de um da retirada. Bn uma partição do espaço amostra[ S. após a segunda em que das probabilidades condicionais sucessivas. fica com uma branca e seis vermelhas LEMA 1. . sem reposição. Para n = 2 esta S... 7. temos: fórmula se reduz à fórmula (1.25) A= AS= A( UBk) = UABk k=l k=l Aplicando-se a fórmula (1. P(A) =L P(A I Bk)P(Bk).1 e calcular a proba- bilidade de obter o seguinte resultado: B1B2 V3 V4B5 em cinco retira. fica com uma branca e sete vermelhas. obtemos (1.3 São dadas três urnas com as seguintes composições: 3 2761 1 a urna um tem três bolas brancas e cinco vermelhas.1 Fórmula das Probabilidades Totais e Fórmula de Bayes P(AI)P(A2 I Al)P(A3 I A1A2) . . seja A um evento e P uma probabilidade definida nos eventos de DEMONSTRAÇÃO Vamos demonstrar por indução. . ..26) é conhecida como a fórmula das probabili- das de bolas da urna. após a terceira em que saiu vermelha. Pela fórmula (1. onde está definida a probabilidade P. An por meio na fica com duas brancas e sete vermelhas. Suponha que (1. (1. A2. A 2 . e assim por diante. 7. O índice representa o número dades totais. 7.23). S) e as probabilidades condicionais de A dado cada um deles . 7. . esses eventos são mutuamente exclusivos e sua reunião é P(An I A1A2 · · · An-d· (1. B2. isto é.24) vale para n-1 n eventos.22) aos eventos A1A2 · · · An-1 e An temos: Calculando-se a probabilidade de A obtemos: n n Substituindo nesta igualdade a expressão de P(A1A2 · · · An-d dada k=l k=l por (1.. a ur- a probabilidade da interseção de n eventos A1. em que saiu branca. EXEMPLO 1.48 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 49 A fórmula (1. Esta última igualdade foi obtida exprimindo P(ABk) pela fórmula (1..23) pode ser generalizada de modo a exprimir retirada. A fórmula (1.1 Sejam A 1 .. urna . 7. An eventos do espaço amostra[ S..23).26) k=l DEMONSTRAÇÃO Como S = U~=l Bk n n (1. Escolhe-se uma das três urnas de acordo levando-se em conta as mudanças na composição da urna após cada com as seguintes probabilidades: urna um com probabilidade ~.25). 7. .P(V4IBIB2V3)P(B5IB1B2V3V4) EXEMPLO 1.24) S. LEMA 1.24).24) temos: evento A quando se conhece as probabilidades de um conjunto de eventos disjuntos cuja reunião é o espaço amostrai (uma partição de P(B1B2V3 V4B5) = P(BI)P(B2I BI)P(V3I B1B2). também saiu branca.

. . e B é um evento de S. Calculemos a probabilidade da bola e da aditividade da probabilidade.. A2. Temos para i = 1. B 2 .. De escolhida ser branca.29) ser sempre não negativa. o evento "a P(A) P(A) urna i é selecionada". I B) = P(B I Ai)P(Ai) (1.50 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 51 dois com probabilidade ~ e urna três com probabilidade ~. P(A I B1) = 8' P(A I B2) = 6' P(A I B3) = 4" Substituindo-se esses valores na expressão acima obtemos LEMA 1. DEMONSTRAÇÃO Pela definição de probabilidade condicional temos: LEMA 1. Temos então A = A(B1 U B2 U B3). sejam B 1 . para 1 :S i :S 3. . Utilizando a fórmula (1. satisfaz as propriedades estabelecidas no seguinte lema.~~~ = 1.. fato. B 2 . . . . DEMONSTRAÇÃO A parte i decorre imediatamente da definição de tem-se: probabilidade condicional e do fato da probabilidade de um evento P(A.. expressa pela fórmula (1.. Bn são eventos mutuamente exclusivos então: das probabilidades totais (1. n n Vamos fazer algumas observações sobre a fórmula de Bayes: P(U Bk I A)= 'L:P(Bk I A). Uma bola A parte ii decorre da definição de probabilidade condicional é retirada da urna selecionada.27) k=1 k=1 a) Ela permanece válida quando se considera uma partição finita do espaço amostrai S. t 2::~=1 P(B I Ak)P(Ak) . Os dados do exemplo nos fornecem: Vamos agora deduzir a fórmula de Bayes. . definida na classe dos eventos do (1. isto é A 1 n A 2 = cjJ e A 1 U A 2 = S. . pois. P(A) A demonstração de iii é imediata.3 Seja A um evento tal que P(A) > O. . Seja P uma probabi- 1 P(A) = 2.12). P(S I S) = .. 2: Á probabilidade condicional. de S. para todo i = 1. e por Bi. 2. 7. 7. mas P(AiB) = P(Ai)P(B I Ai) e expressando P(B) pela fórmula i i) Se B 1 . Bn eventos mutuamente exclusivos n Designemos por A o evento que corresponde a retirar uma bola P((U~= 1 Bk) nA) _ P(U~= 1 (Bk nA)) branca da urna selecionada. ou seja. então. (1. A probabilidade P(A.. An é uma partição iii) Se S denota o espaço amostra[ P(S I S) = 1.28) espaço amostrai. porém permite interpretação bastante profunda e que é responsável pelo desenvolvimento de uma linha de 3 4 1 fundamentos da estatística que hoje em dia é denominada Bayesiana.4 Seja B um evento e A 1 e A 2 uma partição do espaço amostra[ S.2 I B) = P(AiB) P(B) ' condicional satisfaz: i) Para todo evento B P(B I A) 2: O.. se A1 .26) para n = 3 vem: 2::~= 1 P(Bk nA) _ 2::~= 1 P(Bk 1 A)P(A) P(A) .28}.26) nós obtemos a fórmula (1. Como veremos. n. lidade definida nos eventos de S. sua dedução é bem simples.

(1. (1.31) P(D I AI)P(AI) + P(D I A2)P(A2) + P(D I A3)P(A3) = Se o evento B é independente do evento A então nós esperamos que A também seja independente de B. respectivamente. De mos a procedência da peça.. A2 ou de A 3 passam a valer. 3: B não se altera com a informação de que o evento A ocorreu. P(A2 I D) = o. Se a fórmula (1. 5) =o. a probabilidade condicional de a peça ter sido produzida na Esta definição corresponde à noção intuitiva da independência fabricada Ai. 05 e P(D I A 3) =O. Essa peça é testada e verifica-se que é defeituosa. 3. 01)(0.7.1 Sejam A e B dois eventos e suponha que P(A) > que P(A 3 ) = O. A 2 e A 3 produzirem peças defeituosas são 0. O evento B é dito independente do evento A se: peças. o numerador é P(D I AI)P(A1) = O. então essas igualdades mostram O uso da fórmula de Bayes nos fornece a seguinte interpre- que A é independente de B. Substituindo-se. . 15%.8 INDEPENDÊNCIA DE EVENTOS conjunto das peças produzidas. A 2 e A 3 são responsáveis. de que fábrica ela veio. 05)(0.. informados de que ela é defeituosa. 052.05 e 0. pois diz que a probabilidade de Pela fórmula de Bayes temos. obtemos: A primeira igualdade é a definição de probabilidade condicional.31) é válida. então levando em conta esta in- EXEMPLO 1.02. De fato isto ocorre. as probabilidades de que essa peça b) Como A 1 . 7 . Desejamos calcular P(Ai I D). verificado a seguir: Para i = 1. 0175 e para i = 3 é P(D I A3)P(A3) = P(B) = P(B) = P(A). sabendo-se que ela é defeituosa. segunda decorre da fórmula (1.31).01. 01.35 e 0. 15. 2. respectivamente. 0015. para i = 1. Se o evento B é independente do evento A decorre da fórmula (1. 345. respectiva- mente se a fórmula (1. P(A3 I D) = o. 01. 02)(0. 3? eventos. como é = (0. 603. Por outro lado se retiramos a peça ao acaso e deconhece- · · · + P(An) = 1. O. Ui= 1 Ai = S e Ai n Aj = 4>. 15) + (0. formação proveniente do experimento. 35 e DEFINIÇÃO 1. isto é. 0290. 2. lidades das fábricas A 1 . isto venha das fábricas A1. 0.345. A 2. por 15%. Designemos por B o evento "a peça é boa" e por D o evento "a peça é defeituosa".603 e 0. se retirarmos uma peça . é. para P(A I B) = P(AB) P(A)P(B) i = 2 é P(D I A 2)P(A 2) = O. pois a peça é escolhida ao acaso do conjunto das O.3. Logo A e B são independentes se e so- tação: como as fábricas A 1 . 0. segue-se que P(AI) + P(A2) + 0. para i= 1.30) P(D I A 2) =O.052. e somos fato isto decorre das propriedades i i e iii do lema 1. as probabilidades que a peça tenha vindo de A1. e a P(Al I D) = o. 35% e 50% do total.15. As probabi. . 0.8. 2. Qual é a probabilidade que tenha sido produzida pela Vamos introduzir a noção de independência para dois eventos e posteriormente estender a definição para um número qualquer de fábrica Ai. É fácil verificar que L::~=l P(Ai I B) = 1. respectivamente. isto é. 35% e 50% da produção. do evento B em relação ao evento A. An é uma partição do espaço amostrai S. Elas produzem. 02. Sabemos ainda dos dados do problema que P(D I A1) =O.31) valer. P(B I A) = P(B). P(A2) = O. A2 e A3. duzidas em três de suas fábricas denominadas A1. 35) + (0. Sabemos que: P(A1) =O. para i= 1.4 Uma companhia monta rádios cujas peças são pro.23) que: P(AB) = P(A)P(B). Uma peça é escolhida ao acaso do 1. Então podemos adotar essa fórmula mente. A2 e A 3 são respectivamente iguais a 0.5. 5. Noções Básicas de Probabilidade • 53 52 • Probabilidade: Um Curso Introdutório ao acaso da linha de produção.

Obtemos para as probabilidades dos eventos.8. 1 <_Si <_S 10. .cara no primeira bola é reposta na urna antes da retirada da segunda.1 Vamos considerar uma urna. Consideremos os se- maneiras e na segunda retirada também de três maneiras.1 <_S j <_S 10}.nos dois lançamentos ocorre a mesma o evento B 1 B 2 pode ocorrer de nove maneiras e o espaço amostrai face. V 1B 2 .31) para defi- 9 nir a probabilidade em espaços amostrais associados a experimentos P(B1B2) repetidos. daremos dois exemplos que auxiliarão 49 P(V1 V2) a determinar as condições que devem ser impostas para definir a 100 independência de três ou mais eventos. pois a justificação para as demais é a mesma. Retiram-se Observe que tanto B 1 quanto B2 têm 30 pontos amostrais. Pode-se tirar branca na primeira vez de três EXEMPLO 1. 30 3 EXEMPLO 1. Se consideramos 100 21 um evento associado a cada repetição.j): i.7. rimento é repetido um número arbitrário de vezes.j): 1 <_Si <_S 10.1. Assim segundo lançamento e A 3 .1 <_S j <_S 3} . podemos associar aos pontos do espaço amos- trai probabilidade 1 60 . precisamos generalizar a defi- P(V1B2) . as brancas recebem números de 1 a 3 e as vermelhas de 4 a 10. é simétrica 30 3 em relação aos dois eventos. {(i. onde o índice indica a retirada. 100 10 que contém três bolas brancas e sete bolas vermelhas. 100 21 Vamos encontrar com freqüência situações em que um expe- P(B1 V2) . pois a guintes eventos: A 1 . V1 e B2 e V1 e V2 são independentes. Vamos supor que as dez bolas são numeradas de 1 a 10. após a primeira retirada.8. apesar de tem 100 pontos.8. a bola é repos- ta na urna.54 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 55 como a definição de independência. V1V2 . A seguir partiremos valores: da independência e usaremos a fórmula do produto (1. duas bolas da urna. nição de independência para mais de dois eventos. 100 Antes de prosseguir. como as duas retiradas são fei- tas com reposição. Esse exemplo nos mostra formalmente que os eventos B 1 e B 2 . P(BI) = 100 = 10 ralização da definição de independência para mais que dois eventos.j): 1 <_Si <_S 3.1. Vemos assim que: mos considerar como espaço amostrai associado a esse experimento o conjunto: S = {(i.jinteiros. Pode- De modo análogo obtemos P(VI) e P(V2). Para os eventos B 1 e B 2 temos: não ser tão intuitiva como a expressão da definição 1. pórem. B 1B 2. Se partirmos da hipótese de que qualquer das 10 bolas tem a mesma chance de ser escolhida. os seguintes B1 e V2. Vamos justificar a primeira igualdade.2 Duas moedas são lançadas.1 <_S j <_S 10} {(i. B 1V2 . e além disso ela é adequada para a gene. como no exemplo 1. Note que esta fórmula. A 2 .cara no primeiro lançamento.

isto dos dois a dois. . A1. c {CGC. A 2 = {CC. O espaço amostrai P(A1A3) = P(AI)P(A3) é o conjunto das seqüências de caras e coroas de comprimento 3. mas é: P(A1A2) = P(AI)P(A2) EXEMPLO 1. C C}. C C}.3 os eventos 1 P(A1A2A3) = 4. n e todo {i 1. Consideremos os eventos: P(A2A3) = P(A2)P(A3) A {CGC. .An são independentes se: BC= {CCC. P(BC) = ~-:f. para definirmos independência de três eventos.A 2 . B e C satisfazem a forma produto. que os eventos B e C e os eventos A e C não são 1' independentes e que A.CCC} DEFINIÇÃO 1. Calculando-se as probabilidades desses eventos. (1. tal que i1 < i2 < · · · < ik. . CC.CCC.n} ABC ={CGC}. .CCC. .i2. onde Calculando-se as probabilidades desses eventos. P(AB) = ~ = P(A)P(B) Suporemos que a moeda é balanceada e portanto que os pontos do espaço amostrai têm probabilidade ~. C C C.P(B)P(C) A1A2A3 ={CC}. C C C} P(A1A2A3) = P(AI)P(A2)P(A3). .2. P(A 1A 2) = P(A2A3) = P(A1A3) = 4' Sugerimos ao leitor que considere no exemplo 1.32) B {CCC. AB = {CCC. Daí decorre que vale a igualdade (1.CCC.. CC C.31) para os eventos toma- todas as quatro expressões acima se transformam em igualdades. devemos exigir a validade Decorre daí que: P(A) = P(B) = P(C) = ~ da forma produto para todo subconjunto de k dos n eventos.. .2 Os eventos A1 .8. Esses exemplos nos sugerem que para definir a independência para n eventos. obtemos o seguinte: C designa cara e C coroa.3 Lança-se uma moeda três vezes. CC}. e A 3 -cara no terceiro lançamento e verifique que.. sendo n um inteiro positivo. A2A3 ={CC}.CCC} P(A·Zl A·Z2 ···A·Zk ) = P(A· Zl )P(A·Z2 ) · · · P(A·Zk ) (1.cara no primeiro lançamento.ik} C {1.cara no segundo lançamento. para esses eventos. obtemos: P(ABC) = ~ = P(A)P(B)P(C) 1 As igualdades acima mostram que os eventos A e B são in- P(AI) = P(A2) = P(A3) = "2' dependentes. A1A2 ={CC}. CCC. P(AC) = . .CCC} Esta análise mostra que. A1A3 ={CC}.. A 3 ={CC..CCC .8.CC}. CC.3.8. A 2 .P(A)P( C) A1 ={CC.~ -:f.. devemos impor que essas quatro igualdades valham.. CGC}. k = 2. para Temos: 2 :S k :S n.33) AC ={CGC} para todo.56 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 57 O espaço amostrai é o conjuntoS= {CC..

(d) exatamente dois eventos ocorrem. B e C três eventos de um espaço amostrai. sen- (h) (7) + (~) + · · · + (n~ 1 ) = (~) + (. Considere os eventos Ai: cara no i-ésimo lançamento. Descreva o espaço amostrai. há uma equação para cada A ocorre. k ::. n ::. 3. (e) de um fichário com seis nomes.2P(A n B). r ::. (i) nenhum dos eventos ocorre. para i = I. utilizamos a fórmula (l. 3. tais que: P(B) =O. (c) (c) l:~=r (. (b) A n Bc. P(C) =O. Prove que: (a+ b)n = ~ (~)a•bn-k_ I. do três de mulheres e três de homens. (c) (A! n A~)c. 5. . subconjuntos é G). de equações é. Dado que P(A) = P(B) = P( C)= x. Prove que se A e B são dois eventos de um espaço amostraiS Af U A2. 7 e P(B) = O. Sejam A. Sejam A e B dois eventos de um mesmo espaço de probabili- I/2::. seleciona-se ficha após ficha até que o último nome de mulher seja selecionado. 5/8] e B = [x : Il. 6. expressões em função de A. investigam-se famílias com quatro crianças e anota-se a confi- guração obtida.IO) pondo a = b = 1. (c) pelo menos subconjunto de tamanho k dos n eventos. Mostre que: rimentos aleatórios: (a) lançam-se dois dados e anota-se a (a) l:~=O G) = 2n. 2. I] dos reais. 4. O total (e) não mais do que dois eventos ocorrem.n. segundo o sexo. e P é uma probabilidade definida nos eventos de S.I)2n. pergunta-se se o proprietário tem ou não (g) l:~=O k(k. 7 /8]. 4 e 2. (d) 2:~=0 (r~\) G) = (n~m). configuração obtida. x::. o maior valor possível de x. valor máximo e mínimo de P(A n B). (d) numa entrevista telefônica (e) L:~=o (~) = e:).1. n. 9. 8. m. com n par. Suponha que o espaço amostrai é o intervalo [0. portanto: mas C não ocorre. (b) AUB = (AnBc)uB. Calcule P(A n B n C). (d) A cU B.I)(~) = n(n. e como o número desses . P[A I (B n C)] =O. determine (c) AcnB=AUB. 5. então: P((A n Bc) u (B nA c))= P(A) + P(B).9 EXERCÍCIOS 7. Determine os eventos: (a) A c. P(B I C)= O. Sabendo-se que P(A) = O.2. B e C para os eventos: (a) somente De fato. (d) A1 n (A2 U A3). Uma moeda é lançada três vezes. x ::. (c) dades. B e C são três eventos de um mesmo espaço amostrai. Sejam A.) + · · · + (~).) = (~:i).dois eventos ocorrem. (b) todos os três eventos ocorrem. (g) pelo menos um dos eventos ocorre. A n B n C = 0. com dez assinantes. 6. A. 3. Determine é 2n. (h) t (n) t (n) _(n) _(n) = k=2 k = k=O k 0 I 2n. B e C três eventos independentes dois a dois tal que (a) (AUB)n(AUC) = AU(AnC). (b) conta-se o número de peças defeituo- sas. (f) A e B ocorrem. (f) L:~=o kG) = n2n-!. exatamente um dos eventos ocorre. (d) (AUB)cnC=AcnBcncc. 2 ::. Defina o espaço amostrai para cada um dos seguintes expe. Quais das seguintes relações são verdadeiras: I2. há para cada k esse número de equações. para todo k. (b) IO.58 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 59 O número de equações que devem ser satisfeitas nesta definição 5. (b) 2:~= 0 ( -I)k G) =O. determine o (A U B)c.1. de uma linha de produção.n. Considere os eventos A = [x : I/4 ::. Determine os seguintes eventos: (a) A1 n A 2 . no intervalo de uma hora. Prove e interprete as seguintes identidades: Para obter esta última igualdade. máquina de secar roupa. 1.

000 lêem B e C e 500 lêem A. 7 e P(B) = p. 1./3.000 lêem C. Em a) calcule a probabilidade da soma dos pontos sexo masculino preferem salada. 15. As bo. Uma pesquisa de opinião revela que 12. (c) um número primo par ocorra em um lançamento. 7. Sejam A e B eventos de um mesmo espaço amostrai. 25.000 lêem 16. ao acaso.000 lêem A. Em média. duas sejam devolvidas? 14. É dada a distribuição de 300 estudantes segundo o sexo e a apareça somente na quarta retirada? (c) Qual é a probabilidade área de concentração: de que a segunda bola preta apareça logo na segunda retirada? (d) Qual é a probabilidade de que a segunda bola preta apareça Biologia Exatas Humanas somente na quarta retirada? Masculino 52 40 58 18. Encontre a probabilida- de de que: (a) um número par ocorra. Qual é a probabilidade de que. 1. 20% dos fregueses do prováveis. A n Bc e calcule suas pro. MH e MM. Suponha 22. 6. Em c) calcule a probabilidade carne. Dado que foi sorteado um estudante da área de humanas. (a) Qual é a probabilidade de que ele seja do sexo feminino e 19. prove que A e Bc. (b) um número primo Um estudante é sorteado ao acaso. qual Descreva os eventos A n B.P(E). eventos: j . A U B. Qual a probabilidade de que ele leia: las são retiradas ao acaso. Um número é escolhido. 5% dos produtos vendidos por uma loja são de- são independentes. Calcule a probabilidade de cada um dos re- Para que valor de p os eventos A e B são independentes? sultados: HH. Se A e B 21. Um restaurante popular apresenta dois tipos de refeições: sala- 20. unidades vendidas deste produto. e 30% das mulheres preferem dos dois dados ser igual a seis. (b) Se P(A I B) 2: P(A). Sejam A e B dois eventos de um espaço amostrai. B: o número escolhido é par. HM. sucessivamente e sem reposição. Uma urna contém duas bolas brancas e duas pretas. B e C. 4 e P(A U B) = O.000 habitantes e três jornais: A. Selecionamos ao acaso um 17. então P(A n B) 2: 23. nas quatro próximas são independentes. Dois que P(A) = O. habitante dessa cidade. Prove que: (a) Se P(Ac) =a e P(Bc) = /3.a. Ac e B. da completa e um prato à base de carne. 75% dos fregueses são homens.60 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 61 13. B.000 lêem A e B. entre os números inteiros da área de humanas? (b) Qual é a probabilidade de que ele de 1 a 20. Um dado é viciado de modo que um número par é duas vezes Feminino 38 32 80 mais provável que um número ímpar. ao acaso valor de p os eventos A e B são mutuamente exclusivos? (b) e sem reposição. Mostre que: P(Ec n Fc) = 1. Considere os seguintes de uma família ter três filhos do sexo masculino. então P(B I A) 2: P(B). (a) (a) pelo menos um jornal? (b) somente um jornal? Qual é a probabilidade de sair uma bola preta na primeira reti- rada? (b) Qual é a probabilidade de que a primeira bola preta 24. 8. Ac e B também volvidos. é a probabilidade de que ele seja do sexo feminino? babilidades.500 lêem A e C.P(F) + P(E n F). No exercício 1 considere os pontos amostrais em a) e c) equi. Uma cidade tem 30. Considere os eventos: A : o número escolhido é seja do sexo masculino e não seja da área de biológicas? (c) múltiplo de 3. (a) Para que membros do comitê são selecionados sucessivamente. ocorra. Um comitê é formado por quatro homens e duas mulheres. B e C. 4.

27. Ache a probabilidade de que uma mão de pôquer seja um: 37. Qual é a probabilidade de que funcionamento de cada parte não depende das demais. ache a probabilidade de ela é a probabilidade de que: (a) ambas sejam de espadas. Em um jornal existem dez jornalistas. encontre a seja de espadas e a outra de copas. Um dispositivo eletrônico é formado por três partes. Se uma 28. Qual a probabilidade de se vamente. valor mais uma outra carta). 2. Um indivíduo tem n chaves. respecti- junto de cem dezenas de 00 a 99. (a) Qual é a pe). . Se quisermos que os livros de essa porta. 4% e 5%. Um chaveiro possui 25 chaves das quais três abrem dois de física e um dicionário. chave é 3/5.. rei e ás do mesmo naipe). Cada par- porta. B : o freguês prefere carne. possíveis para cada questão. das quais apenas uma é correta.62 • Probabilidade: Um Curso Introdutório Noções Básicas de Probabilidade • 63 H: o freguês é homem. Qual peça é selecionada aleatoriamente. uma chave ao acaso sem te tem probabilidade de 0. número par. não importando o nai. . de quantas maneiras isso será casa. a cada tentativa. das quais somente uma abre uma 33. ele (d) seguida (cinco cartas em seqüência. ao acaso. se ele puder escolher. Calcule: 32. Uma moeda é lançada até se obter a primeira cara. (a) a probabilidade de que isto ocorra em um lançamento de (b) P(A UH) e P(A n H). probabilidade de ter sido produzida pela máquina C. foi jornalistas trabalhando na sede do jornal. feito? dado que a bola retirada é branca? 31. Duas cartas são retiradas simultaneamente de um baralho. dama. (b) a probabilidade de que isto ocorra em um (c) P(M I A). (c) trinca e par (um par e uma trinca de cartas do mesmo valor). 26. M : o freguês é mulher. de quantas maneiras isso poderá ser da urna. 29. n)? positivo falha se duas ou mais falham. O reposição e tenta abrir a porta. Há m respostas (b) quatro de um mesmo tipo (quatro cartas do mesmo valor). duas cartas diferentes). Se a peça selecionada é defeituosa. Suponha que existam dez livros que devem ser colocados em 35. Ele seleciona. P(A I H) e P(B I H). Uma bola foi retirada externa e dois de reserva. A probabilidade de que um aluno saiba a resposta de uma (a) royal flush (dez. As porcentagens de acertar a quina (5 dezenas) se marcar-se 1O dezenas no volante? produção defeituosa destas máquinas são 3%. sendo quatro de matemática. Calcule a probabilidade de falha do dispositivo. questão de um exame de múltipla escolha é p.1 de falhar. (b) uma ser defeituosa. (g) um par (um par de valores iguais mais três cartas diferentes). 30% e 20%. Se quisermos colocar três 36.. Qual é a probabilidade de a bola perdida ser branca. Numa urna onde existiam oito bolas brancas e seis azuis. escolhe ao acaso uma das m respostas possíveis. Qual a probabilidade de que um indivíduo entre na mesmo assunto fiquem juntos. O jogo da loto consiste em selecionar-se cinco dezenas do con- 34. valete. A probabilidade de que a porta de uma casa esteja trancada à uma estante. Três máquinas A. lançamentos de número ímpar. Se o aluno não sabe a resposta para uma dada questão. cinco em reportagem perdida uma bola de cor desconhecida. três de química. do total de peças de uma fábrica. (e) três cartas do mesmo tipo (três valores iguais mais probabilidade de o aluno responder corretamente uma questão? . O dis- ele abra a porta na k-ésima tentativa ( k = 1.9 de funcionar bem e 0. (f) dois pares (dois pares do mesmo A : o freguês prefere salada. Determine: (a) P(H). somente uma chave do possível? chaveiro? 30. B e C produzem 50%.

. . qual é a probabilidade de que a urna 1 seja ocupada por r1 bolas.. de modo que r 1 + r2 + · · · + rn =r.n? 2. supondo bolas idênticas ou indistin- guíveis. rem quando se realizam experimentos aleatórios variam a cada rea- Dizemos que ocorre um pareamento na j-ésima seleção lização dos mesmos. Em alguns experimentos os resultados já são descntos j. 2. em n urnas numeradas de 1 a n? Qual é a probabilidade de que pelo menos uma urna tenha duas bolas? 2 Qual é a probabilidade de cada urna conter no máximo uma bola? 39. . Suponha que r bolas distintas sejam distribuídas aleatoriamen.1. . em um grande número de situações. j :::.4 o nú~ero _de 43. n.2 observamos o número de chama_das pareamento. no exemp lo 11 . Distribuindo-se r bolas distintas em n urnas numeradas de 1 a n.. . De uma urna com n bolas numeradas de 1. De quantas maneiras diferentes r bolas distintas podem ser dis- tribuídas. uma de cada vez..3 observamos o tempo. se nessa seleção for selecionada a bola de número são associados. exatamente r pareamentos. Neste caso o espaço amostrai · to {M . Refaça o exercício 40. do espaço amostrai não são expressos numericamente. 1. No exemplo 1.. Qual é a proba- bilidade de que um elemento fixado seja incluído na amostra? VARIÁVEIS ALEATÓRIAS E Se a amostragem for com reposição. no exemplo 1.5 observa-se 0 sexo do primogênito representado pela letra M para masculino e pela letra F para feminino..I l 64 • Probabilidade: Um Curso Introdutório (b) Se o aluno respondeu corretamente a questão. n). que é um inteiro não negativo. e no exemplo 1. . seleciona. Como os eventos que ocor- se ao acaso e sem reposição todas as bolas. (c) ocorram telefônicas que chegam a uma central.. qual é a probabilidade de que um elemento fixado seja incluído pelo menos uma vez na DISTRIBUIÇÕES DE PROBABILIDADE amostra? 40.. sem reposição. No entanto. n. k =O. que é um número real não negativo. os pontos específica contenha exatamente k bolas. ..1. a urna n seja ocupada por rn bolas. ciar valores numéricos aos seus resultados.2. que é um mte1ro te em n urnas. r.. qual é a pro- babilidade de que ele tenha "chutado" a resposta? 38. (b) não ocorra pareamento algum. . No exemplo 1·2 ·2 observamos cara (C) ou co- e' O COnJUn . Determine a probabilídade de que uma urna de 1 a 6. . r = O. 1 VA RIÁVEIS ALEATÓRIAS 41. . F} . Seleciona-se ao acaso uma amostra casual de tamanho r de uma população de tamanho n. j = 1. também variarão os valores numéricos que l_hes (1 :::. 1. Para descrever um experimento aleatório é conveniente asso- 42. Determine a probabilidade de que (a) ocorra pelo menos um numericamente.. ao acaso. . a urna 2 seja ocupada por r 2 bolas. ri 2:: O. de duração de uma lâmpada.1. pontos que aparecem na face superior de um dado.