UNIVERSIDADE FEDERAL DE SERGIPE

CENTRO DE CI
ˆ
ENCIAS EXATAS E TECNOLOGIA
DEPARTAMENTO DE ESTAT
´
ISTICA E CI
ˆ
ENCIAS
ATUARIAIS
NOTAS DE AULA
PROBAILIDADE
Professor: Esdras Adriano Barbosa dos Santos
Material dedicado ao ensino de disciplinas intro-
dut´ orias do curso de estat´ıstica ministradas na
Universidade Federal de Sergipe (UFS).
Sum´ario
1 Probabilidade 4
1.1 Conceitos b´asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Descri¸ c˜ ao de um conjunto . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Opera¸ c˜ oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.4 M´etodos de Enumera¸c˜ ao . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.5 Fatorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.1.6 Permuta¸ c˜ oes Simples . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.7 Arranjo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.1.8 Combina¸c˜ ao Simples . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2 Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.1 Introdu¸c˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.2 Conceitos B´asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3 Defini¸ c˜ ao formal de Probabilidade . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.2 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . 20
Anexo A -- listas 23
A.1 An´alise Combinat´ oria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
A.1.1 Princ´ıpio Fundamental da Contagem . . . . . . . . . . . . . . . . . 23
A.1.2 Conseq¨ uˆencias do Princ´ıpio Fundamental da Contagem . . . . . . . 23
A.1.3 Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Referˆencias Bibliogr´aficas 30
4
1 Probabilidade
1.1 Conceitos b´asicos
1.1.1 Conjuntos
Em matem´ atica, um conjunto ´e uma cole¸c˜ ao de elementos onde a ordem e quantas
vezes os elementos est˜ao listados na cole¸c˜ ao n˜ao ´e relevante. De forma simples um conjunto
´e apenas uma cole¸c˜ ao de entidades, chamadas de elementos. A nota¸ c˜ ao que usaremos no
decorrer do texto ser´a:
• letras mai´ usculas para representar conjuntos como por exemplo A, B, · · · , Y, Z;
• letras min´ usculas a, b, · · · , y, z, para representar elementos destes conjuntos;
Os elementos de um conjunto n˜ao s˜ao necessariamente letras, mas podem ser n´ umeros,
nomes, s´ımbolos, etc. Conjuntos s˜ao classificados pela quantidade de elementos represen-
tada pelo s´ımbolo mA, isto ´e a cardinalidade de A, sendo estes finitos ou infinitos.
´
E finito
se possuir um n´ umero espec´ıfico de elementos, ou seja se contarmos os seus elementos o
processo de contagem chega ao final, caso o contrario o conjunto ´e infinito (MORGANO
et al., 2006).
1.1.2 Descri¸c˜ao de um conjunto
A descri¸ c˜ ao de um conjunto um conjunto pode ser feita v´ arias formas. Se o conjunto
for finito e possuir poucos elementos este pode ser apresentado por enumera¸c˜ ao de seus
elementos. Para isso escrevemos seus elementos entre chaves.
Exemplo 1.1. Exemplos da representa¸ c˜ao de conjunto por enumera¸c˜ao.
1. Conjunto da Vogais A ={a, e, i, o, }
1.1 Conceitos b´asicos 5
2. Conjunto dos d´ıgitos num´ericos: B ={1, 2, 3, 4, 5, 6, 7, 8, 9, 0}
Mas tamb´em podemos usar a representa¸ c˜ ao por enumera¸c˜ ao para conjuntos infinitos.
Neste caso basta escrever alguns de seus elementos de forma a evidenciar a lei de forma¸ c˜ ao
e em seguida colocarmos reticˆencias
Exemplo 1.2. Exemplos da representa¸ c˜ao de conjunto infinitos por enumera¸c˜ao.
1. Conjunto dos n´ umeros impares positivos A ={1, 3, 5, 7, . . .}
2. Conjunto dos n´ umeros primos
1
positivos : B ={2, 3, 5, 7, 11, 13, . . .}
Mas alem desta representa¸ c˜ ao podemos descrever o conjunto particular atrav´es de
uma propriedade inerente aos seus elementos. Ou seja, um elemento para fazer parte
do conjunto em quest˜ao deve satisfazer a propriedade (P). De modo geral isso ´e feito da
seguinte forma:
A ={x|x tem a propriedade P}.
Esta nota¸ c˜ ao matem´ atica se lˆe: “A ´e o conjunto dos elementos x tal que x tem a
propriedade P”
Exemplo 1.3. Exemplos da representa¸ c˜ao de conjunto por meio propriedade inerente aos
seus elementos.
1. A ={x|x ´e uma vogal} ´e outra maneira de representa o conjunto A ={a, e, i, o, }
2. B ={x|x ´e um digito decimal} ´e outra maneira de representa o conjunto
B ={1, 2, 3, 4, 5, 6, 7, 8, 9, 0}
3. C ={x|x ´e impar }. ´e outra maneira de representa o conjunto C ={1, 3, 5, 7, . . .}
Pertence ou n˜ao pertence
Se um elemento a faz parte do conjunto A dizemos que este pertence a este conjunto.
Esta rela¸c˜ ao ´e expressa de forma matem´ atica atrav´es da nota¸ c˜ ao a ∈ A, que se lˆe “o
elemento a pertence ao conjunto A”. Se a n˜ao ´e um elemento de A, n´os podemos dizer que
o elemento a n˜ao pertence ao conjunto A e podemos escrever a ∈ A (WIKIP´eDIA, 2010).
1
Um n´ umero natural ´e um n´ umero primo quando ele tem exatamente dois divisores: o n´ umero um e
ele mesmo. Para mais detalhes visitar site http://pt.wikipedia.org/wiki/N´ umero_primo
1.1 Conceitos b´asicos 6
Igualdade
Dizemos que dois conjuntos s˜ao iguais se e somente se cada elemento de um ´e tamb´em
elemento do outro. Por exemplo, os conjuntos A ={1, 2, 3} e B ={1, 2, 2, 1, 3, 2} s˜ao iguais,
pois o conjunto B pode ser escrito da seguinte forma B ={1, 2, 3}.
Subconjuntos pr´oprios e impr´oprios
Na teoria de conjuntos, se todo elemento de um conjunto qualquer A ´e tamb´em ele-
mento de outro conjunto B, ent˜ ao o conjunto A ´e dito um subconjunto do conjunto B,
denotado por A ⊆B. Esta defini¸ c˜ ao inclui o caso em que A = B. Se A ⊆B e, ao menos um
elemento pertencente a B n˜ao pertence a A, ent˜ ao A ´e chamado de subconjunto pr´ oprio
de B, denotado por A ⊂B.
Destas afirma¸c˜ oes podemos concluir que todo conjunto ´e subconjunto dele pr´ oprio,
chamado de subconjunto impr´ oprio.
Conjunto vazio
Todo conjunto tamb´em possui como subconjunto o conjunto vazio representado por
{ } ou ∅. Podemos mostrar isto supondo que se o conjunto vazio n˜ao pertence ao conjunto
em quest˜ao, ent˜ ao o conjunto vazio deve possuir um elemento ao menos que n˜ao perten¸ca
a este conjunto. Como o conjunto vazio n˜ao possui elementos, isto n˜ao ´e poss´ıvel. Como
todos os conjuntos vazios s˜ao iguais uns aos outros, ´e permiss´ıvel falar de um ´ unico
conjunto sem elementos.
Conjunto Universo
Quando do desenvolvimento de uma certo assunto em matem´ atica admitimos a exis-
tˆencia de um um conjunto que contenha todos os elementos utilizados no tal assunto.
A este conjunto da-se o nome de conjunto universo e tomaremos como nota¸ c˜ ao destes o
s´ımbolo Ω. Em todas as aplica¸c˜ oes, apresentadas a seguir, os conjuntos trabalhados em
problemas ser˜ao subconjuntos de um Conjunto Universo, ou simplesmente Universo.
1.1.3 Opera¸c˜oes
Existem v´ arias opera¸ c˜ oes fundamentais para a constru¸c˜ ao de novos conjuntos tendo
como base outros conjuntos.
1.1 Conceitos b´asicos 7
Uni˜ao
A uni˜ ao (ou reuni˜ ao) de dois conjuntos A e B forma o conjunto A∪B composto dos
elementos que pertencem a A ou a B ou a ambos. Esta uni˜ ao pode ser generalizada a um
grupo de n conjuntos. Assim S = S
1
∪S
2
∪S
3
· · · ∪S
n
=∪
n
i=1
S
i
´e o conjunto formado pelos
os elementos que pertencem ao menos a um dos conjuntos S
i
.[
Figura 1.1: Conjunto Uni˜ ao
Exemplo 1.4. Exemplos:
• {1, 2}∪{red, white} ={1, 2, red, white}.
• {1, 2, green}∪{red, white, green} ={1, 2, red, white, green}.
• {1, 2}∪{1, 2} ={1, 2}.
Algumas propriedades:
• A∪B = B∪A.
• A∪(B∪C) = (A∪B) ∪C.
• A ⊆(A∪B).
• A∪A = A.
• A∪∅= A.
• A ⊆B se e somente se A∪B = B.
1.1 Conceitos b´asicos 8
Interse¸c˜ao
A interse¸ c˜ ao de dois conjuntos A e B ´e o conjunto A∩B composto dos elementos que
pertencem simultaneamente aos conjuntos A e B.
Exemplo 1.5. Exemplos:
• {1, 2}∩{red, white} =∅.
• {1, 2 , green}∩{red, white, green} ={green}.
• {1, 2}∩{1, 2} ={1, 2}.
Figura 1.2: Conjunto Interce¸c˜ ao
Algumas propriedades:
• A∩B = B∩A.
• A∩(B∩C) = (A∩B) ∩C.
• A∩B ⊆A.
• A∩A = A.
• A∩∅=∅.
• A ⊆B se e somente se A∩B = A.
Diferen¸ca
A diferen¸ca entre dois conjuntos A e B ´e o conjunto de todos os elementos de A que
n˜ao pertencem a B.
1.1 Conceitos b´asicos 9
• {1, 2}−{red, white} ={1, 2}.
• {1, 2, green}−{red, white, green} ={1, 2}.
• {1, 2}−{1, 2} =∅.
• {1, 2, 3, 4}−{1, 3} ={2, 4}.
Figura 1.3: Exemplo de diferen¸ca. Fonte: Wikip´edia (2010)
Complementar
Na teoria dos conjuntos, o complementar de um subconjunto A, de um conjunto Ω ´e
o conjunto A dos elementos de Ω que n˜ao pertencem a A.
Figura 1.4: Conjunto Complementar.
Exemplo 1.6. Exemplos:
• se Ω ´e um conjunto de n´ umeros inteiros , A e o conjuntos dos n´ umeros inteiros
pares e B ´e o conjunto dos n´ umeros impares ent˜ ao A = B.
Algumas propriedades do complementares e diferen¸cas:
1.1 Conceitos b´asicos 10
• A−B = B−A.
• A∪A =Ω.
• A∩A =∅.
• (A) = A.
• A−A =∅.
• U =∅ e ∅=Ω.
• A−B = A?B.
Diferen¸ca Sim´etrica
Uma extens˜ao do complementar ´e a diferen¸ca sim´etrica, que possui a seguinte defini¸ c˜ ao
Defini¸ c˜ao 1.1. Sendo A e B, dois subconjuntos de Ω temos que a diferen¸ ca sim´etrica ´e
dada por:
A∆B = (A−B) ∪(B−A). (1.1)
Figura 1.5: Conjunto Diferˆen¸ca Simetrica
Por exemplo a diferen¸ca sim´etrica entre os conjuntos A={7, 8, 9, 10} e B={9, 10, 11, 12}
´e o conjunto C ={7, 8, 11, 12}.
Cardinalidade
Se um conjunto A tem n elementos, onde n ´e um n´ umero natural (possivelmente 0),
ent˜ ao diz-se que o conjunto ´e um conjunto finito com uma cardinalidade mA = n ou
n´ umero cardinal n. Se para dois conjuntos A e B ´e poss´ıvel fazer uma rela¸c˜ ao um-a-um
entre seus elementos, ent˜ ao mA =mB.
1.1 Conceitos b´asicos 11
Conjunto potˆencia ou de partes
Em c´ alculos com conjuntos as vezes ´e necess´ ario obter todos os subconjuntos de um
conjunto. Dado A ´e chamado de conjunto potˆencia (ou conjunto das partes) de A o
conjuntos de todos os subconjuntos poss´ıveis de A. Sendo o conjunto dado A finito, com
n elementos, o n´ umero de subconjuntos ou o n´ umero de elementos do conjunto potˆencia
A ´e 2
n
.
Produto cartesiano
O produto cartesiano de dois conjuntos A e B ´e o conjunto de pares ordenados:
A×B ={(a, b) : a ∈ A∧b ∈ B} (1.2)
No produto cartesiano a soma ou uni˜ ao disjunta de dois conjuntos A e B ´e o conjunto
A+B = A×{0}∪B×{1}. (1.3)
Conjuntos Num´ericos
Nota 1.1. Nesta se¸c˜ao, a, b e c s˜ ao n´ umeros naturais, enquanto r e s s˜ ao n´ umeros reais.
1. N´ umeros naturais s˜ao usados para contar. O s´ımbolo N usualmente representa este
conjunto. Na literatura matem´ atica, ´e poss´ıvel encontrar textos que incluem o zero
como n´ umero natural e textos que n˜ao incluem.
2. N´ umeros inteiros aparecem como solu¸c˜ oes de equa¸c˜ oes como x+a = b. O s´ımbolo Z
usualmente representa este conjunto (do termo alem˜ao Zahlen que significa n´ ume-
ros).
3. N´ umeros racionais aparecem como solu¸c˜ oes de equa¸c˜ oes como a+bx =c. O s´ımbolo
Q usualmente representa este conjunto (da palavra quociente).
4. N´ umeros reais incluem os n´ umeros alg´ebricos e os n´ umeros transcendentais. O
s´ımbolo R usualmente representa este conjunto.
5. N´ umeros complexos ´e a soma dos n´ umeros reais e dos imagin´arios: r +sı. Aqui
tanto r quanto s podem ser iguais a zero; ent˜ ao os conjuntos dos n´ umeros reais e o
dos imagin´arios s˜ao subconjuntos do conjunto dos n´ umeros complexos. O s´ımbolo
C usualmente representa este conjunto.
1.1 Conceitos b´asicos 12
1.1.4 M´etodos de Enumera¸c˜ao
Segundo Morgano et al. (2006) a primeira t´ecnica matem´ atica aprendida por uma
crian¸ca ´e a contagem. Pois as opera¸ c˜ oes matem´ aticas s˜ao tamb´em aprendidas e motivadas
atrav´es de sua aplica¸c˜ ao a problemas de contagem. Logo este ´e o primeiro principio
fundamental da adi¸ c˜ ao.
Defini¸ c˜ao 1.2 (O Princ´ıpio da Adi¸ c˜ ao). Se um procedimento A pode ser realizado de n
A
maneiras diferentes e um segundo procedimento B pode ser realizado de n
B
maneiras dife-
rentes. Se estes n˜ ao podem ser realizados simultaneamente, ent˜ ao o n´ umero de maneiras
pelas quais pode-se realizar ou A ou B ser´ a (n
A
+n
B
).
Exemplo 1.7. Um passageiro sabe que para ir da cidade em que esta para a pr´ oxima
cidade ele pode tomar 3 linhas de ˆonibus ou 4 linhas de Metrˆo.
Solu¸c˜ ao:
Logo o mesmo pode ir de 7 maneiras diferentes.
Um outro principio da an´alise combinat´ oria ´e o Principio Fundamental da Multipli-
ca¸c˜ao.
Defini¸ c˜ao 1.3 (O Princ´ıpio Fundamental da Multiplica¸c˜ ao). Se um procedimento A possa
ser realizado de n
A
maneiras diferentes. E um segundo procedimento B possa ser realizado
de n
B
maneiras diferentes. Se estes procedimentos podem ser realizados simultaneamente,
ent˜ ao o n´ umero de maneiras pelas quais pode-se realizar A e B ser´ a (n
A
×n
B
).
Estes dois princ´ıpios consistem as regras para a resolu¸c˜ao de v´ arios problemas de
contagem. A seguir abordaremos outras t´ecnicas usadas na resolu¸c˜ ao de problemas de
contagem.
1.1.5 Fatorial
Afim de simplificar as f´ormulas nos c´ alculos a seguir,vamos definir o s´ımbolo fatorial.
Seja m um n´ umero inteiro n˜ao negativo (m∈ N) definimos fatorial de m (e indicamos por
m!) atrav´es da rela¸c˜ ao:
• m! = m· (m−1) · (m−2) · . . . · 3· 2· 1
• 1! = 1
• 0! = 1
1.1 Conceitos b´asicos 13
1.1.6 Permuta¸c˜oes Simples
Suponha que tenhamos em m˜ aos n objetos distintos pertencentes a um conjunto
A = {a
1
, a
2
, a
3
, . . . , a
n
} de quantas maneiras podemos orden´a-los. Por exemplo, se estes
n´ umeros forem 1, 2, 3, 4, suas poss´ıveis ordena¸c˜ oes s˜ao apresentadas na Tabela 1.1
Tabela 1.1: Permuta¸ c˜ oes do Conjunto (1,2,3,4)
(1, 2, 3, 4) (1, 2, 4, 3) (1, 4, 2, 3) (4, 1, 2, 3) (4, 1, 3, 2) (1, 4, 3, 2)
(1, 3, 4, 2) (1, 3, 2, 4) (3, 1, 2, 4) (3, 1, 4, 2) (3, 4, 1, 2) (4, 3, 1, 2)
(4, 3, 2, 1) (3, 4, 2, 1) (3, 2, 4, 1) (3, 2, 1, 4) (2, 3, 1, 4) (2, 3, 4, 1)
(2, 4, 3, 1) (4, 2, 3, 1) (4, 2, 1, 3) (2, 4, 1, 3) (2, 1, 4, 3) (2, 1, 3, 4)
De um modo geral dado o conjunto A, temos n modos de escolher o elemento (ou
objeto) que ocupara o primeiro lugar, n−1 modos de escolher o elemento (ou objeto) que
ocupar´ a o segundo lugar assim sucessivamente at´e apenas possuir 1 objeto que ocupar´ a o
´ ultimo lugar. Logo temos a seguinte defini¸ c˜ ao.
Defini¸ c˜ao 1.4 (Permuta¸ c˜ ao simples P
n
).
´
E n´ umero de maneiras de arrumar n elemen-
tos em n posi¸c˜oes em que cada maneira se diferencia pela ordem em que os elementos
aparecem. Aplicando o Princ´ıpio da Multiplica¸c˜ao obtemos a seguinte equa¸ c˜ao para per-
muta¸ c˜oes simples:
P
n
= n.(n−1).(n−2). . . 2.1 = n! (1.4)
Exemplo 1.8. Quantos anagramas
2
podemos formar com a palavra PR
´
ATICO.
Resposta: Como a palavra, PR
´
ATICO possui 7 letras, s˜ao poss´ıveis 7! = 5040 anagra-
mas diferentes.
1.1.7 Arranjo
O arranjo, ´e usado para formar grupos ou subconjuntos com k elementos em que a
ordem na qual os elementos s˜ao dispostos ´e levada em conta, a ordem na qual s˜ao dispostos
n˜ao interfere no resultado.
Defini¸ c˜ao 1.5 (Arranjo simples A
n
r
). ´e o n´ umero de maneiras de se escolher k objetos
distintos entre n objetos distintos de um conjunto, onde a grupos com ordem diferentes
s˜ ao distintos. O n´ umero de arranjos ´e
2
Segundo o dicion´ario Aur´elio, Anagrama significa palavra ou frase formada pela transposi¸c˜ao das
letras de outra palavra ou frase. Por exemplo temos Belisa (de Isabel); Soares Guiamar (pseudˆonimo de
Guimar˜ aes Rosa).
1.1 Conceitos b´asicos 14
A
n
s
=
n!
(n−s)!
(1.5)
1.1.8 Combina¸c˜ao Simples
Pegando carona no que foi exposto na se¸c˜ ao 1.1.6 tendo n objetos distintos em um
conjunto A = {a
1
, a
2
, a
3
, . . . , a
n
}, de quantas maneiras podemos escolher dentre estes, k
objetos. Ou ainda quantos subconjuntos com k de n elementos podem ser formados.
Cada um destes subconjuntos ´e chamado de Combina¸c˜ ao Simples.
Defini¸ c˜ao 1.6 (Combina¸c˜ ao simples C
n
r
). nada mais ´e que o n´ umero de maneiras de se
escolher k objetos distintos entre n objetos distintos de um conjunto, onde a ordem n˜ ao ´e
levada em considera¸c˜ao.O n´ umero de combina¸c˜oes ´e o coeficiente binomial:
C
n
r
=
_
n
r
_
=
n!
r! · (n−r)!
(1.6)
Observa¸ c˜ao 1.1. Conforme a defini¸c˜ao uma combina¸c˜ao ´e um conjunto e portanto n˜ ao
depende da ordem dos elementos.
´
E importante notar a diferen¸ ca entre uma combina¸c˜ao
(conjunto) e uma sequˆencia, pois numa combina¸c˜ao n˜ ao importa a ordem dos elementos,
ao passo que numa sequˆencia importa a ordem dos elementos.
Exemplo 1.9. De quantas maneiras podemos escolher 3 objetos dentre 5 elementos do
conjunto B ={b
1
, b
2
, b
3
, b
4
, b
5
, }
Na Tabela 1.2 est˜ao expostos as poss´ıveis escolhas. O n´ umero de combina¸c˜ oes de 5 objetos
3 ´e
C
5
3
=
_
5
3
_
=
5!
3! · (5−3)!
= 10
.
Tabela 1.2: Combina¸c˜ ao de 5 elementos em grupos de 3 elementos.
{b
1
,b
2
,b
3
} {b
1
,b
2
,b
4
} {b
1
,b
2
,b
5
} {b
1
,b
3
,b
4
} {b
1
,b
3
,b
5
}
{b
1
,b
4
,b
5
} {b
2
,b
3
,b
4
} {b
2
,b
3
,b
5
} {b
2
,b
4
,b
5
} {b
3
,b
4
,b
5
}
1.2 Probabilidade 15
1.2 Probabilidade
1.2.1 Introdu¸c˜ao
Do mesmo modo que acontece com a teoria da mecˆanica, que atribui defini¸ c˜ oes pre-
cisas a termos de uso di´ ario, como trabalho e for¸ ca, tamb´em a teoria das probabilidades
tenta, quantificar, a no¸c˜ ao de prov´ avel atrav´es de um conjunto de regras matem´ aticas.
A defini¸ c˜ ao de probabilidade como o quociente do n´ umero de “casos favor´ aveis” sobre
o n´ umero de “casos poss´ıveis” foi a primeira defini¸ c˜ ao formal de probabilidade, e apare-
ceu pela primeira vez em forma clara na obra Liber de Ludo Aleae de Jeronimo Cardano
(1501-1576) segundo Morgano et al. (2006). Para um melhor entendimento do conceito de
probabilidade faz-se necess´ ario a introdu¸c˜ ao de algumas defini¸ c˜ oes que ser˜ao apresentadas
a seguir.
1.2.2 Conceitos B´asicos
Experimento Aleat´ orio, Espa¸ co Amostral e Evento
Experimento ´e um ensaio cient´ıfico usado para a verifica¸ c˜ao de rela¸c˜ oes entre fatos bem
definidos, tamb´em denominado de Experiˆencia ou experimenta¸ c˜ao. Um experimento pode
ser de dois tipos: Experimento Determin´ıstico e Aleat´orio. Um experimento Determin´ıs-
tico ´e aquele que ao executarmos certa a¸c˜ ao sob condi¸ c˜ oes, quase idˆenticas, chegaremos
essencialmente aos mesmos resultados, controlando todos os fatores influenciantes. Por
exemplo, ao largar uma moeda, sabemos que ela cair´a no ch˜ao. Mas experimentos onde,
mesmo tomando todas as precau¸c˜ oes, n˜ao ´e poss´ıvel conhecer o valor exato do resultado,
s˜ao chamados de experimentos Aleat´orios.
Defini¸ c˜ao 1.7 (Experimento Aleat´ orio). Procedimento que, ao ser repetido sob as
mesmas condi¸ c˜oes, pode fornecer resultados diferentes ou um procedimento cujo resultado
´e incerto (SPIEGEL et al., 2004).
Exemplo 1.10. Exemplos de Experimentos Aleat´orios:
1. Lan¸car uma moeda e observar a face voltada para cima.
2. Lan¸car um dado e observar o n´ umero da face voltada para cima.
3. Lan¸car duas moedas e observar as sequˆencias de caras e coroas das faces voltadas
para cima, obtidas nos dois lan¸ camentos.
1.2 Probabilidade 16
4. Lan¸car duas moedas e observar o n´ umero de caras obtidas nos dois lan¸ camentos.
5. De um lote de 80 pe¸cas em perfeitos estado e 20 defeituosas, selecionar 10 pe¸ cas e
observar o n´ umero de pe¸cas defeituosas.
6. De uma urna contendo 3 bolas vermelhas e 2 bolas brancas, selecionar uma bola e
observar sua cor.
7. De um baralho de 52 cartas, selecionar uma carta, e observar seu naipe.
8. Numa cidade onde 10% dos habitantes possuem determinada mol´estia, selecionar
20 pessoas e observar o n´ umero de portadores da mol´estia.
9. Observar o tempo que um certo aluno gasta para ir de ˆ onibus, de sua casa at´e a
universidade.
10. Sortear um n´ umero inteiro entre um e cem atrav´es de algum procedimento aleat´orio.
Para estes procedimentos, mesmo n˜ao sabendo qual resultado ir´a ocorrer, podemos
enumerar todos os poss´ıveis resultados e montarmos um conjunto, que ´e denominado de
Espa¸ co Amostral.
Defini¸ c˜ao 1.8 (Espa¸ co Amostral (Ω)). Conjunto que possuem como elementos todos
poss´ıveis resultados de um experimento aleat´orio, cuja nota¸c˜ao ´e a letra grega Ω.
Exemplo 1.11. Exemplos de Espa¸cos Amostrais:
1. Lan¸car uma moeda e observar a face de cima:
Ω ={K, C}
onde K representa cara e C, coroa.
2. Lan¸car uma dado e observar o n´ umero da face de cima:
Ω ={1, 2, 3, 4, 5, 6}.
3. De uma urna contendo 3 bolas vermelhas (V), 2 bolas brancas (B) e 5 bolas azuis
(A), extrair uma bola e observar sua cor:
Ω ={V, B, A}.
1.2 Probabilidade 17
4. Lan¸car uma moeda duas vezes e observar a sequˆencia de caras e coroas.
Ω ={(K, K), (K, C), (C, K), (C, C)}.
5. Lan¸car uma moeda duas vezes e observar o n´ umero de caras:
Ω ={0, 1, 2}.
6. Um lote tem 20 pe¸cas. Uma a uma elas s˜ ao ensaiadas e observa-se o n´ umero de
defeituosas:
Ω ={0, 1, 2, 3, . . . , 19 , 20 }.
7. Uma moeda ´e lan¸ cada at´e que o resultado cara (K) ocorra pela primeira vez. Observa-
se em qual lan¸ camento esse fato ocorre:
Ω ={1, 2, 3, 4, . . .}.
Ao realizarmos um experimento aleat´orio, muitas vezes, podemos estar interessados
na ocorrˆencia de um resultado espec´ıfico. Por exemplo, no lan¸camento de um dado,
podemos estar interessados nos valores pares, representado pelo conjunto A ={2, 4 , 6} ou
nos n´ umeros impares, representado por B ={1, 3, 5}, que s˜ao subconjuntos de Ω. Assim
aos conjuntos A e B damos o nome de eventos do experimento aleat´orio “lan¸camento de
um dado” com a seguinte defini¸ c˜ ao formal:
Defini¸ c˜ao 1.9 (Evento). Os subconjuntos de um espa¸co amostral Ω denotados por letras
latinas mai´ usculas do inicio do alfabeto s˜ ao chamamos de eventos. Cada subconjunto
de cardinalidade 1 de um espa¸co amostral ´e chamados de Evento elementar do espa¸co
amostral em quest˜ ao.
Observa¸ c˜ao 1.2. A ideia l´ ogica de ocorrˆencia de um evento ´e a seguinte: se um elemento
do conjunto (evento) ocorre, ent˜ ao o conjunto (evento) ocorre.
Observa¸ c˜ao 1.3. Chamamos o ∅ de evento imposs´ıvel e o Ω de evento certo e a um
elemento de Ω de evento fundamental ou elementar.
Exemplo 1.12. Sendo Ω ={KK, KC, CK, CC} temos como um evento poss´ıvel A :{sair
uma cara} dado por: A = {KC, CK}. Sendo Ω = {24, 25, 26, 27, 28} temos o evento
poss´ıvel B : {sortear n´ umeros pares} dado por: B ={25, 27, 26}.
Com o auxilio da teoria dos conjuntos, em especial as opera¸ c˜ oes de conjuntos, podemos
formar outros eventos contidos em Ω. Ent˜ ao:
1.2 Probabilidade 18
• A∪B ´e o evento “ou A ou B ou ambos”, ´e chamado da uni˜ ao de A e B;
• A∩B ´e o evento “ambos A e B” ´e chamado a intersec¸ c˜ ao entre A e B;
• A ´e o evento “n˜ao-A ” ´e chamado de complemento de A;
• A−B = A∩B ´e o evento “A mas n˜ao B”, ´e chamado da diferen¸ca entre A e B;
Observa¸ c˜ao 1.4. Quando ocorre A∩B =∅ dizemos que estes eventos s˜ ao disjuntos (tam-
b´em chamados de mutuamente exclusivos).
Exemplo 1.13. Sendo o experimento lan¸ car um dado com Ω ={1, 2, 3, 4, 5, 6}, temos:
1. Dado o evento A, obter um n´ umero par, temos A ={2, 4, 6};
2. Dado o evento B, obter um n´ umero menor que 4, temos B ={1, 2, 3};
3. Dados os eventos anteriores, podemos obter o evento A∩B, o qual ´e dado por A∩B=
{2}
Exemplo 1.14. Seja o espa¸co amostral referente ao lan¸ camento de um dado Ω={1, 2, 3, 4, 5, 6}.
• A ={x|x ´e um n´ umero menor que 4} ou A ={x|x < 4} : A ={1, 2, 3};
• B ={x|x ´e um n´ umero ´ımpar}: B ={1, 3, 5};
• C ={x|x ´e um n´ umero m´ ultiplo de 7}: C =∅
• D ={x|x ´e um n´ umero maior que 0} ou D ={x|x > 0}: D = Ω.
Exemplo 1.15. Para o experimento, lan¸ car uma moeda duas vezes temos como espa¸co
amostral o conjunto, Ω=(KK, KC, CK, CC), e sendo A={KC, CK, CC)} e B={KC, CC}
temos:
• A∪B = (KK, KC,CK,CC) = Ω
• A∩B ={KC,CC} = B
• A−B ={CK}
1.3 Defini¸ c˜ao formal de Probabilidade 19
1.3 Defini¸c˜ao formal de Probabilidade
Ao realizarmos um experimento sempre teremos um grau de incerteza associado a seus
resultados, mesmo que este j´a tenha sido realizado v´ arias vezes. Por exemplo, podemos
jogar 1000 vezes uma moeda e em todas as realiza¸ c˜ oes do experimento obter coroa como
resultado, mas este resultado ´e muito remoto. A chance ou probabilidade com a qual
podemos esperar que um evento ocorra, ´e representada como um n´ umero real entre 0 e
1. Ou seja, a chance de ocorrˆencia de um evento esta sempre entre a impossibilidade e a
certeza. Assim Passamos ent˜ ao a defini¸ c˜ ao formal de probabilidade.
Defini¸ c˜ao 1.10 (Fun¸c˜ ao de Probabilidade (MORGANO et al., 2006)). Seja Ω espa¸co
amostral. Uma fun¸ c˜ao P definida para todos os subconjuntos de Ω ´e chamada de probabi-
lidade se
1. 0 ≤ P(A) ≤ 1, para todo o evento A ⊂ Ω, isto ´e, a probabilidade de qualquer evento
esta entre 0 e 1;
2. (a) P(∅) = 0, isto ´e o evento imposs´ıvel tem probabilidade zero;
(b) P(Ω) = 1, isto ´e o evento certo tem probabilidade um;
3. Se A
1
e A
2
s˜ ao disjuntos como j´a foi citado na Observa¸ c˜ao 1.4 temos que:
P(A
1
∪A
2
) = P(A
1
) +P(A
2
)
1.3.1 Teoremas
Teorema 1.1. As somas de probabilidades de um espa¸co amostral s˜ ao sempre iguais a 1;
Teorema 1.2. P
_
n
_
j=1
A
j
_
=
n

P
_
A
j
_
com os A
j

s
disjuntos.
Teorema 1.3. Se A
1
⊂A
2
ent˜ ao P(A
1
) ≤P(A
2
) e P(A
2
−A
1
) = P(A
2
) −P(A
1
)(SPIEGEL
et al., 2004).
Teorema 1.4. Se A ´e o complementar de A para A ⊂Ω, ent˜ ao P(A) = 1−P(A)
Teorema 1.5. Se A = A
1
∪ A
2
∪ . . . ∪ A
n
em que A
1
, A
2
, A
3
, . . . , A
n
s˜ ao eventos mu-
tuamente exclusivos, ent˜ ao P(A) = P(A
1
) +P(A
2
) +P(A
3
) +. . . +P(A
n
) Em particular se
A =Ω ent˜ ao P(A) =P(A
1
)+P(A
2
)+P(A
3
)+. . . +P(A
n
) =1 (SPIEGEL et al., 2004). Este
´e uma consequˆencia da defini¸c˜ao de Fun¸ c˜ao de Probabilidade item 3.
1.3 Defini¸ c˜ao formal de Probabilidade 20
Teorema 1.6. Se A e B s˜ ao dois eventos quaisquer, ent˜ ao P(A∪B) =P(A)+P(B)−P(A∩
B). Mas se A
1
, A
2
, A
3
, s˜ ao trˆes eventos quaisquer, ent˜ ao:
P(A
1
∪A
2
∪A
3
) = P(A
1
) +P(A
2
) +P(A
3
) −P(A
1
∩A
2
) −P(A
2
∩A
3
) −P(A
3
∩A
1
)
+P(A
1
∩A
2
∩A
3
).
Para n eventos temos a formula ´e tamb´em encontrada em Morgano et al. (2006) ´e dada
por:
P(A
1
∪A
2
∪A
3
∪ . . . ∪A
n
) = P(A
1
) +P(A
2
) +P(A
3
) + . . . +P(A
n
) +
−P(A
1
∩A
2
) − . . . −P(A
n−1
∩A
n
) +
+P(A
1
∩A
2
∩A
3
) + . . . +
+(−1)
n−1
P(A
1
∩A
2
∩ . . . ∩A
n
).
Teorema 1.7. Para quaisquer eventos A e B temos que P(A) = P(A∩B) +P(A∩B)
Teorema 1.8. Se a concorrˆencia de A resulta na ocorrˆencia de um dos eventos mutua-
mente exclusivos A
1
, A
2
, . . . , A
n
ent˜ ao P(A) = P(A∩A
1
) +P(A∩A
2
) +. . . +P(A∩A
n
)
Quando se associa a cada um dos elementos de um espa¸co amostral a mesma proba-
bilidade de ocorrˆencia, temos um espa¸co amostral equiprov´ avel. Em suma se Ω contem n
pontos ent˜ ao a probabilidade de cada elemento de Ω ´e igual a 1/n. Por exemplo, ao lan¸car
um dado `a probabilidade de cada elemento de Ω ={1, 2, 3, 4, 5, 6} ´e 1/6.
1.3.2 Probabilidade Condicional
Seja o experimento de lan¸car um dado. Sabemos que Ω = {1, 2, 3, 4, 5, 6} e seja B =
{2, 3, 5}, ent˜ ao a probabilidade P(B) = 1/3. Agora se ap´os o lan¸camento a banca nos
informe que o valor do lan¸camento ´e um n´ umero par que consiste no evento A={1, 2, 3, 4}.
De posse desta informa¸ c˜ ao podemos verificar a mudan¸ca da probabilidade de B, pois os
´ unicos elementos de B que podem ocorrer, dada a nova informa¸ c˜ ao s˜ao 2 e 3, mudando a
probabilidade de B para P(B) =2/4 =1/2. Este pensamento nos leva a seguinte defini¸ c˜ ao.
Defini¸ c˜ao 1.11. Sejam A e B dois eventos tais que A⊂Ω e B⊂Ω. Denotamos por P(B|A)
a probabilidade de B dado que A ocorreu, e a chamamos de probabilidade condicional sendo
esta representada pelo n´ umero:
P(B|A) =
P(A∩B)
P(A)
em que P(A) > 0 e assim temos que P(A∩B) = P(A)P(B|A). (1.7)
1.3 Defini¸ c˜ao formal de Probabilidade 21
Mas se P(B|A) = P(B) implica que a ocorrˆencia do evento A n˜ao ´e afetada pela ocorrˆencia
do evento B, ent˜ ao dizemos que A e B s˜ao independentes. Isto ´e equivale a
P(B|A) =
P(A∩B)
P(A)
=
P(A) · P(B)
P(A)
= P(B)
Defini¸ c˜ao 1.12 ( Indepˆendencia ). Sejam A e B dois eventos tais que A ⊂ Ω e B ⊂ Ω.
Dizemos que A e B s˜ ao independentes se:
P(A∩B) = P(A) · P(B) (1.8)
Agora se A
1
, A
2
, A
3
, s˜ ao trˆes eventos quaisquer, estes ser˜ ao independentes se:
P(A
i
∩A
j
) =P(A
i
)· P(A
j
) para i = j com i, j =1, 2, 3 e P(A
1
∩A
2
∩A
2
) =P(A
1
)· P(A
2
)· P(A
3
).
(1.9)
Exemplo 1.16. Observando os dados da tabela abaixo temos.
CURSOS
SEXO
Homens Mulheres TOTAIS
Matem´ atica Pura(M) 70 40 110
Matem´ atica Aplicada(A) 15 15 30
Estat´ıstica(E) 10 20 30
Computa¸ c˜ ao(C) 20 10 30
TOTAIS 115 85 200
Calcule as probabilidades dos Eventos abaixo:
1. Probabilidade de ser Homem:
2. Probabilidade de ser aluno de Estat´ıstica:
3. Probabilidade ser aluno de Estat´ıstica ou de ser Homem:
Solu¸c˜ ao:
Calculando temos que:
Probabilidade de ser Homem ´e igual a: P(H) =
115
200
Probabilidade de ser Estat´ıstica ´e igual a: P(E) =
30
200
1.3 Defini¸ c˜ao formal de Probabilidade 22
Agora, podemos pensar que a probabilidade de ser alunos de estat´ıstica ou ser homem
´e dada por:
P(E ∪H) = P(H) +P(E) =
30
200
+
115
200
Fazendo isto estar´ıamos contando os alunos que s˜ao homens e de Estat´ıstica e assim
temos que subtrair a probabilidade da intersec¸ c˜ ao, desta forma temos que:
P(E ∪H) = P(H) +P(E) −P(E ∩H) =
30
200
+
115
200

10
200
.
Defini¸ c˜ao 1.13. Diz-se que os conjuntos A
1
, A
2
, . . . , A
n
eventos de um mesmo espa¸co
amostral Ω, formam uma parti¸c˜ao deste espa¸co se: (a) A
i
∩A
j
=∅, ∀i = j. (b) A
1
∪A
2

. . . ∪A
n
= Ω (c) P(A
i
) > 0, ∀i
Exemplo 1.17. Considere-se o espa¸co amostral obtido pelos n´ umeros das faces no lan¸ ca-
mento de um dado equilibrado e sejam os eventos: A
1
={1, 2, 3}, A
2
={4, 5} e A
3
={6}.
Ent˜ao, pode-se verificar facilmente que, os eventos acima formam um parti¸c˜ao do espa¸co
amostra Ω ={1, 2, 3, 4, 5, 6}.
Teorema 1.9. Suponha que os eventos C
1
, C
2
, C
3
, . . . , C
n
formem uma parti¸c˜ao do espa¸co
amostral Ω e todos tˆem probabilidade positiva. Seja A um evento qualquer com P(A) > 0.
Ent˜ao, para todo j = 1, 2, . . . , n, temos:
P(C
j
|A) =
P(A|C
j
)P(C
j
)
n

i=1
P(C
i
)P(A|C
i
)
. (1.10)
23
ANEXO A -- listas
A.1 An´alise Combinat´ oria
A.1.1 Princ´ıpio Fundamental da Contagem
1. Um homem vai a um restaurante disposto a comer um s´o prato de carne e uma ´ unica
sobremesa. O card´apio oferece oito pratos distintos de carne e cinco pratos diferentes
de sobremesa. De quantas formas pode o homem fazer sua refei¸c˜ ao (HAZZAN,
1977)?
2. Uma mo¸ca possui 5 blusas e 6 saias. De quantas formas ela pode vestir uma blusa
e uma saia (HAZZAN, 1977)?
3. Numa festa existem 80 homens e 90 mulheres. Quantos casais diferentes podem ser
formados (HAZZAN, 1977)?
4. Um edif´ıcio tem 8 portas. De quantas formas uma pessoa poder´ a entrar no edif´ıcio
e sair por uma porta diferente da que usou para entrar (HAZZAN, 1977)?
5. Um homem possui 10 ternos, 12 camisas e 5 pares de sapatos. De quantas formas
poder´ a ele vestir um terno, uma camisa e um par de sapatos (HAZZAN, 1977)?
6. Quantos n´ umeros de 3 algarismos (iguais ou distintos) podemos formar com os
digitos {1, 2, 3, ; 7, 8}(HAZZAN, 1977)?
A.1.2 Conseq¨ uˆencias do Princ´ıpio Fundamental da Contagem
Permuta¸ c˜ao, Arranjo e Combina¸c˜ao
1. Obter todos os arranjos dos elementos de M = {a, b, c, d} tomados dois a dois
(HAZZAN, 1977).
A.1 An´ alise Combinat´oria 24
2. Calcule:
a) A
6,3
b) A
10,4
c)A
20,1
e) A
12,2
3. Em um campeonato de futebol, participam 20 times. Quantos resultados s˜ao poss´ı-
veis para os trˆes primeiros lugares (HAZZAN, 1977)?
4. Em um torneio (de dois turnos) do qual participam seis times, quantos jogos s˜ao
disputados (HAZZAN, 1977)?
5. Dispomos de 8 cores e queremos pintar uma bandeira de 5 listras, cada listra com
uma cor. De quantas formas isto pode ser feito (HAZZAN, 1977)?
6. Uma linha ferrovi´aria tem 16 esta¸c˜ oes. Quantos tipos de bilhetes devem ser impres-
sos, se cada tipo deve assinalar a esta¸c˜ ao de partida e de chegada respectivamente
(HAZZAN, 1977)?
7. Obter todas as combina¸c˜ oes dos elementos de M ={7, 8, 9, 0} tomados dois a dois
(HAZZAN, 1977).
8. Uma prova consta de 15 quest˜oes, das quais o aluno deve resolver 10. De quantas
fˆormas ele poder´ a escolher as 10 quest˜oes (HAZZAN, 1977)?
9. De um baralho
1
de 52 cartas, s˜ao extra´ıdas 4 cartas sucessivamente e sem reposi¸c˜ ao.
Qual o n´ umero de resultados poss´ıveis, se n˜ao levarmos em conta a ordem das cartas
extra´ıdas (HAZZAN, 1977)?
10. Em uma reuni˜ ao social, cada pessoa cumprimentou todas as outras, havendo ao
todo 45 apertos de m˜ ao. Quantas pessoas havia na reuni˜ ao (HAZZAN, 1977)?
A.1.3 Probabilidade
1. Dar um espa¸co amostral para cada experimento abaixo.
(a) Uma letra ´e escolhida entre as letras da palavra PROBABILIDADE.
(b) Uma urna cont´em bolas vermelhas (V). bolas brancas (B) e bolas azuis (A).
Uma bola ´e extra´ıda e observada sua cor.
1
O baralho possui 52 cartas, distribu´ıdas em 4 grupos - tamb´em chamados de naipes - os quais possuem
13 cartas de valores diferentes. Os nomes dos naipes em portuguˆes (mas n˜ao os s´ımbolos) s˜ ao similares
aos usados no baralho espanhol de quarenta cartas. S˜ao eles espadas (♠), paus (ou couves (♣), copas
(♥) e ouros (♦), embora sejam usados os s´ımbolos franceses.
A.1 An´ alise Combinat´oria 25
(c) Uma urna tem 50 bolinhas numeradas de 1 a 50. Uma bolinha ´e extra´ıda e ´e
observado seu n´ umero.
(d) De um baralho de 52 cartas, uma ´e extra´ıda e observada.
(e) Uma urna cont´em 5 bolas vermelhas (V) e 2 brancas (B). Duas bolas s˜ao extra´ı-
das, sem reposi¸c˜ ao, e observadas suas cores, na seq¨ uˆencia que foram extra´ıdas.
(f) Trˆes pessoas A, B, C s˜ao colocadas numa fila e observa-se a disposi¸c˜ ao das
mesmas.
(g) Um casal planeja ter 3 filhos. Observa-se a seq¨ uˆencia de sexos dos 3 filhos.
(h) Dois dados, um verde e um vermelho s˜ao lan¸cados, e observam-se os n´ umeros
das faces voltadas para cima.
(i) Entre 5 pessoas A, B, C, D, E, duas s˜ao escolhidas pare formarem uma comis-
s˜ao. E vocˆe observa os elementos dessa comiss˜ao.
2. Uma urna cont´em 30 bolinhas numeradas de 1 a 30. Uma bolinha ´e escolhida e
observado seu n´ umero. Seja Ω ={1, 2, 3, . . . , 29, 30}. Descrever os eventos:
(a) o n´ umero obtido ´e par;
(b) o n´ umero obtido ´e impar;
(c) o n´ umero obtido ´e primo;
(d) o n´ umero obtido ´e maior que 16;
(e) o n´ umero ´e m´ ultiplo de 2 e de 5;
(f) o n´ umero ´e m´ ultiplo de 3 ou de 8;
(g) o n´ umero n˜ao ´e m´ ultiplo de 6.
3. Dois dados, um verde e um vermelho s˜ao lan¸cados. Seja Ω o conjunto dos pares
(a, b) onde a representa o n´ umero do dado verde e b do dado vermelho. Descrever
os eventos:
(a) A: ocorre 3 no dado verde;
(b) B: ocorrem n´ umeros iguais nos dois dados;
(c) C: ocorre o n´ umero 2 em ao menos um dado;
(d) D: ocorrem n´ umeros cuja Soma ´e 7;
(e) E: ocorrem os n´ umeros cuja soma ´e menor que 7.
A.1 An´ alise Combinat´oria 26
4. Uma moeda e um dado s˜ao lan¸cados. Seja Ω o conjunto dos pares (a, b) onde a
representa a face da moeda e b ´e o valor da face do dado voltada para cima. Descreva
o espa¸co amostral e os eventos.
(a) A: ocorre cara;
(b) B: ocorre n´ umero par;
(c) C: ocorre o n´ umero 3;
(d) D: A∩B;
(e) E: B∩C;
(f) F: A∩C
(g) F: A∪B ´
(h) H: A∩C.
5. Considere o espa¸co amostral Ω ={a
1
, a
2
, a
3
, a
4
} e a distribui¸ c˜ ao de probabilidades,
tal que: p
1
= p
2
= p
3
e p
4
= 0, 1. Pede-se ao aluno que:
(a) Calcule: p
1
, p
2
e p
3
;
(b) Sendo A o avento A ={a
1
, a
3
}. Calcule: P(A);
(c) Calcule: P(A);
(d) Seja B o avento B ={a
,
a
4
}’ Calcule: P(B);
(e) Calcule: P(A∪B), e P(A∩B);
(f) Calcule: P
_
(A∪B)
_
e P
_
(A∩B)
_
.
6. Uma moeda ´e viciada de tal modo que sair cara ´e duas vezes mais prov´ avel do que
sair coroa. Calcule a probabilidade de:
(a) ocorrer cara no lan¸camento desta moeda;
(b) ocorrer coroa no lan¸camento desta moeda.
7. Um dado ´e viciado, de modo que a probabilidade de observarmos um n´ umero na
face voltada para cima ´e proporcional a esse n´ umero. Calcule a probabilidade de:
(a) ocorrer n´ umero par;
(b) ocorrer n´ umero maior ou igual a 5.
8. Uma urna cont´em 3 bolas brancas, 2 vermelhas e 5 azuis. Uma bola ´e escolhida ao
acaso da urna. Qual a probabilidade da bola escolhida ser:
A.1 An´ alise Combinat´oria 27
a) branca? b) vermelha? c) azul?
9. Uma urna cont´em 6 bolas pretas, 2 bolas brancas e 10 amarelas. Uma bola ´e
escolhida ao acaso, Qual a probabilidade de:
(a) da bota n˜ao ser amarela?
(b) de a bola ser branca ou preta?
(c) da bola n˜ao ser branca, nem amarela?
10. Numa cidade, 30% dos homens s˜ao casados, 49% s˜ao solteiros, 20% s˜ao desquitados
e 10% s˜ao vi´ uvos. Um homem ´e escolhido ao acaso.
(a) Qual a probabilidade dele ser solteiro?
(b) Qual a probabilidade dele n˜ao ser casado?
(c) Qual a probabilidade dele ser solteiro ou desquitado?
11. Em um grupo de 500 estudantes, 80 estudam Engenharia, 150 estudam Economia
e 10 estudam Engenharia e Economia. Se um aluno ´e escolhido ao acaso. Qual a
probabilidade de que:
(a) ele estude Economia e Engenharia?
(b) ele estude somente Engenharia?
(c) ele estude somente Economia?
(d) ele n˜ao estude Engenharia, nem Economia?
(e) ele estude Engenharia ou Economia?
12. Uma cidade tem 50000 habitantes e 3 jornais A, B, C. Sabe-se que:
• 15 000 lˆeem o jornal A;
• 10 000 lˆeem o jornal B;
• 8 000 lˆeem o jornal C;
• 6000 lˆeem os jornais A e B;
• 4000 lˆeem os jornais A e C;
• 3000 lˆeem os jornais B e C;
• 1 000 lˆeem os trˆes jornais.
A.1 An´ alise Combinat´oria 28
Uma pessoa ´e selecionada ao acaso. Qual a probabilidade de que:
(a) ela leia pelo menos um jornal?
(b) leia s´o um jornal?
13. Trˆes cavalos A, B e C est˜ao numa corrida. Para esta corrida temos que A ´e duas
vezes mais prov´ avel de ganhar que B e B ´e duas vezes mais do que C.
(a) Quais s˜ao as probabilidades de vit´ oria de cada um, isto ´e, P(A), P(B) e P(C)?
R. P(A) = 4/7, P(B) = 2/7 e P(C) = 1/7
(b) Quais as probabilidade de que B ou C ganhe? R. 3/7
14. Em 25% das vezes determinado marido (fiel) chega em casa tarde para jantar. Por
outro lado, o jantar atrasa 10% das vezes. Considerando eventos independentes
entre os atrasos do marido e os atrasos do jantar, qual a probabilidade de ocorrerem
ambos os atrasos? R. 0,025
15. Um dado ´e lan¸cado e o n´ umero da face de cima ´e observado.
(a) Se o resultado obtido for par, qual a probabilidade dele ser maior ou igual a 5?
(b) Se o resultado obtido for maior ou igual a 5, qual a probabilidade dele ser par?
(c) Se o resultado obtido for ´ımpar, qual a probabilidade dele ser menor que 3?
(d) Se o resultado obtido for menor que 3, qual a probabilidade dele ser ´ımpar?
16. Um n´ umero ´e sorteado ao acaso entre os 100 inteiros de 1 a 100.
(a) Qual a probabilidade do n´ umero ser par?
(b) Qual a probabilidade do n´ umero ser par, dado que ele ´e menor que 50?
(c) Qual a probabilidade do n´ umero ser divis´ıvel por 5, dado que ´e par?
17. Dois dados d
1
e d
2
s˜ao lan¸cados.
(a) Qual a probabilidade da soma dos pontos ser 6, se a face observada em d
1
foi
2?
(b) Qual a probabilidade do dado d
1
apresentar face 2,se a soma dos pontos foi 6?
(c) Qual a probabilidade da soma dos pontos ser menor que 7, sabendo-se que em
ao menos um dado apareceu o resultado 2?
(d) Qual a probabilidade da soma dos pontos ser menor ou igual a 6, se a soma
dos pontos nos dois dados foi menor ou igual a 4?
A.1 An´ alise Combinat´oria 29
(e) Qual a probabilidade do m´ aximo dos n´ umeros observados ser 5, se a soma dos
pontos foi menor ou igual a 9?
18.
19. Um grupo de 50 mo¸cas ´e classificado de acordo com a cor dos cabelos, e dos olhos
de cada mo¸ca, segundo a tabela abaixo
X
X
X
X
X
X
X
X
X
X
X
X
cabelos
olhos
azuis castanhos
loira 17 9
morena 4 14
ruiva 3 3
(a) Se vocˆe marca um encontro com uma dessas garotas, escolhida ao acaso, qual
a probabilidade da mo¸ca ser:
i. loira?
ii. morena de olhos azuis?
iii. morena ou ter olhos azuis?
iv. morena dado que tem olhos azuis?
(b) Est´ a chovendo quando vocˆe encontra a garota. Seus cabelos est˜ao comple-
tamente cobertos, mas vocˆe percebe que ela tem olhos castanhos. Qual a
probabilidade de que ela seja morena?
30
Referˆencias Bibliogr´aficas
HAZZAN, S. Fundamentos da Natem´atica Elementar 5. 3. ed. S˜ao Paulo: Atual,
1977.
MORGANO, A. C. de O. et al. An´alise Combinat´ oria e Probabilidade. Rio de
Janiro: Sociedade Brasileira de Matem´ atica, 2006. 343 p.
SPIEGEL, M. R.; SCHILLER, J. J.; SRINIVASAN, R. A. Teoria e Problemas de
Probabilidade e Estat´ıstica. 2. ed. S˜ao Paulo: Bookman, 2004.
WIKIP´eDIA. Conjunto — Wikip´edia, a enciclop´edia livre. 2010. [Acesso Online
em 13 de maio de 2010]. Dispon´ıvel em: <http://pt.wikipedia.org/w/index.php?
title=Conjunto&oldid=20130793>.

Sum´rio a

1 Probabilidade 1.1 Conceitos b´sicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 1.1.1 1.1.2 1.1.3 1.1.4 1.1.5 1.1.6 1.1.7 1.1.8 1.2 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Descri¸ao de um conjunto . . . . . . . . . . . . . . . . . . . . . . . c˜ Opera¸oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜

4 4 4 4 6

M´todos de Enumera¸ao . . . . . . . . . . . . . . . . . . . . . . . . 12 e c˜ Fatorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Permuta¸oes Simples . . . . . . . . . . . . . . . . . . . . . . . . . . 13 c˜ Arranjo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Combina¸ao Simples . . . . . . . . . . . . . . . . . . . . . . . . . . 14 c˜

Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.2.1 1.2.2 Introdu¸ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 c˜ Conceitos B´sicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 a

1.3

Defini¸ao formal de Probabilidade . . . . . . . . . . . . . . . . . . . . . . . 19 c˜ 1.3.1 1.3.2 Teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Probabilidade Condicional . . . . . . . . . . . . . . . . . . . . . . . 20 23

Anexo A -- listas

A.1 An´lise Combinat´ria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 a o A.1.1 Princ´ ıpio Fundamental da Contagem . . . . . . . . . . . . . . . . . 23 A.1.2 Conseq¨ˆncias do Princ´ ue ıpio Fundamental da Contagem . . . . . . . 23 A.1.3 Probabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

Referˆncias Bibliogr´ficas e a

30

para representar elementos destes conjuntos. Se o conjunto c˜ a for finito e possuir poucos elementos este pode ser apresentado por enumera¸ao de seus c˜ elementos. caso o contrario o conjunto ´ infinito (MORGANO e et al. Conjunto da Vogais A = {a. Y.4 1 Probabilidade 1. · · · . Para isso escrevemos seus elementos entre chaves. Exemplos da representa¸˜o de conjunto por enumera¸˜o. a a u nomes.1 Conceitos b´sicos a Conjuntos Em matem´tica. Conjuntos s˜o classificados pela quantidade de elementos represena ´ tada pelo s´ ımbolo mA. E finito e se possuir um n´mero espec´ u ıfico de elementos. z.. ca ca 1. e.1. um conjunto ´ uma cole¸ao de elementos onde a ordem e quantas a e c˜ vezes os elementos est˜o listados na cole¸ao n˜o ´ relevante. 1. De forma simples um conjunto a c˜ a e ´ apenas uma cole¸ao de entidades. etc. chamadas de elementos. Exemplo 1. u Os elementos de um conjunto n˜o s˜o necessariamente letras. B. i. · · · .1. o. Z. s´ ımbolos.2 Descri¸˜o de um conjunto ca A descri¸ao de um conjunto um conjunto pode ser feita v´rias formas. b. ou seja se contarmos os seus elementos o processo de contagem chega ao final. isto ´ a cardinalidade de A. } .1 1. u • letras min´sculas a.1. sendo estes finitos ou infinitos. A nota¸ao que usaremos no e c˜ c˜ decorrer do texto ser´: a • letras mai´sculas para representar conjuntos como por exemplo A. y. mas podem ser n´meros. 2006).

3. . a e n´mero natural ´ um n´mero primo quando ele tem exatamente dois divisores: o n´mero um e u e u u ele mesmo. 11.wikipedia. Conjunto dos d´ ıgitos num´ricos: B = {1. Ou seja. Conjunto dos n´meros primos1 positivos : B = {2. 2. 2010). . 5. 5. A = {x|x ´ uma vogal} ´ outra maneira de representa o conjunto A = {a. 7. 9. } e e 2. Se a n˜o ´ um elemento de A. Exemplos da representa¸˜o de conjunto por meio propriedade inerente aos ca seus elementos. 7. Esta nota¸ao matem´tica se lˆ: “A ´ o conjunto dos elementos x tal que x tem a c˜ a e e propriedade P” Exemplo 1. que se lˆ “o c˜ e a e c˜ e elemento a pertence ao conjunto A”. . 9. ca ca 1. . 7. 5. 6. .org/wiki/N´mero_primo u 1 Um . n´s podemos dizer que a e o o elemento a n˜o pertence ao conjunto A e podemos escrever a ∈ A (WIKIP´DIA. 4. 3.} u 2.3. 2.2. 5. .1. Exemplos da representa¸˜o de conjunto infinitos por enumera¸˜o. 3. 5. Esta rela¸ao ´ expressa de forma matem´tica atrav´s da nota¸ao a ∈ A.1 Conceitos b´sicos a 5 2. 0} e Mas tamb´m podemos usar a representa¸ao por enumera¸ao para conjuntos infinitos. o. 0} 3. De modo geral isso ´ feito da a e seguinte forma: A = {x|x tem a propriedade P}. e c˜ c˜ Neste caso basta escrever alguns de seus elementos de forma a evidenciar a lei de forma¸ao c˜ e em seguida colocarmos reticˆncias e Exemplo 1. 7. um elemento para fazer parte do conjunto em quest˜o deve satisfazer a propriedade (P).} u Mas alem desta representa¸ao podemos descrever o conjunto particular atrav´s de c˜ e uma propriedade inerente aos seus elementos. 4. 3. 3. ´ outra maneira de representa o conjunto C = {1. 7. Para mais detalhes visitar site http://pt. 13. 6. C = {x|x ´ impar }. B = {x|x ´ um digito decimal} ´ outra maneira de representa o conjunto e e B = {1. 1.} e e Pertence ou n˜o pertence a Se um elemento a faz parte do conjunto A dizemos que este pertence a este conjunto. Conjunto dos n´meros impares positivos A = {1. . . i. . e. 8. 8.

3 Opera¸˜es co Existem v´rias opera¸oes fundamentais para a constru¸ao de novos conjuntos tendo a c˜ c˜ como base outros conjuntos. denotado por A ⊂ B. Esta defini¸ao inclui o caso em que A = B. 2.1 Conceitos b´sicos a 6 Igualdade Dizemos que dois conjuntos s˜o iguais se e somente se cada elemento de um ´ tamb´m a e e elemento do outro. 2} s˜o iguais. a 1. . 3. a pois o conjunto B pode ser escrito da seguinte forma B = {1. 1. Em todas as aplica¸oes. c˜ e o chamado de subconjunto impr´prio. ent˜o o conjunto A ´ dito um subconjunto do conjunto B. os conjuntos trabalhados em c˜ problemas ser˜o subconjuntos de um Conjunto Universo. os conjuntos A = {1. o Conjunto vazio Todo conjunto tamb´m possui como subconjunto o conjunto vazio representado por e { } ou ∅. e A este conjunto da-se o nome de conjunto universo e tomaremos como nota¸ao destes o c˜ s´ ımbolo Ω. Subconjuntos pr´prios e impr´prios o o Na teoria de conjuntos.1. Por exemplo. 3} e B = {1. ´ permiss´ a e ıvel falar de um unico ´ conjunto sem elementos. se todo elemento de um conjunto qualquer A ´ tamb´m elee e mento de outro conjunto B. 2. Como o conjunto vazio n˜o possui elementos. a e denotado por A ⊆ B. ent˜o o conjunto vazio deve possuir um elemento ao menos que n˜o perten¸a a a a c a este conjunto. Podemos mostrar isto supondo que se o conjunto vazio n˜o pertence ao conjunto a em quest˜o. Se A ⊆ B e. ou simplesmente Universo. ent˜o A ´ chamado de subconjunto pr´prio a a e o de B. 2. Destas afirma¸oes podemos concluir que todo conjunto ´ subconjunto dele pr´prio. 3}. isto n˜o ´ poss´ a a e ıvel.1. Como todos os conjuntos vazios s˜o iguais uns aos outros. 2. Conjunto Universo Quando do desenvolvimento de uma certo assunto em matem´tica admitimos a exisa tˆncia de um um conjunto que contenha todos os elementos utilizados no tal assunto. apresentadas a seguir. ao menos um c˜ elemento pertencente a B n˜o pertence a A.

. • {1.4.1 Conceitos b´sicos a 7 Uni˜o a A uni˜o (ou reuni˜o) de dois conjuntos A e B forma o conjunto A ∪ B composto dos a a elementos que pertencem a A ou a B ou a ambos. Assim S = S1 ∪ S2 ∪ S3 · · · ∪ Sn = ∪n Si ´ o conjunto formado pelos e i=1 os elementos que pertencem ao menos a um dos conjuntos Si . • A ∪ (B ∪C) = (A ∪ B) ∪C. green} ∪ {red. green} = {1.[ Figura 1. Algumas propriedades: • A ∪ B = B ∪ A. white}. white. white. 2} ∪ {red. 2. 2. • A ∪ ∅ = A. green}. • A ⊆ (A ∪ B). 2}. • {1. • A ⊆ B se e somente se A ∪ B = B. red. Exemplos: • {1. • A ∪ A = A. Esta uni˜o pode ser generalizada a um a grupo de n conjuntos.1. 2} ∪ {1. 2} = {1. 2. red. white} = {1.1: Conjunto Uni˜o a Exemplo 1.

Exemplos: • {1. 2} ∩ {red. 2 . Diferen¸a c A diferen¸a entre dois conjuntos A e B ´ o conjunto de todos os elementos de A que c e n˜o pertencem a B. • {1.2: Conjunto Interce¸ao c˜ Algumas propriedades: • A ∩ B = B ∩ A. • A ∩ ∅ = ∅. 2}. • A ∩ (B ∩C) = (A ∩ B) ∩C. 2} = {1. white} = ∅. • A ⊆ B se e somente se A ∩ B = A. • A ∩ B ⊆ A. Figura 1.1. green} = {green}.5.1 Conceitos b´sicos a 8 Interse¸˜o ca A interse¸ao de dois conjuntos A e B ´ o conjunto A ∩ B composto dos elementos que c˜ e pertencem simultaneamente aos conjuntos A e B. • A ∩ A = A. green} ∩ {red. 2} ∩ {1. Exemplo 1. • {1. white. a .

Exemplos: • se Ω ´ um conjunto de n´meros inteiros . 2}.6. 2. 4} − {1.1. A e o conjuntos dos n´meros inteiros e u u pares e B ´ o conjunto dos n´meros impares ent˜o A = B. green} − {red. 2} − {red. • {1. white. green} = {1. 3. 4}. 3} = {2. o complementar de um subconjunto A. 2}.1 Conceitos b´sicos a 9 • {1. a Figura 1. • {1. Fonte: Wikip´dia (2010) c e Complementar Na teoria dos conjuntos. • {1.4: Conjunto Complementar. Exemplo 1. 2. Figura 1. de um conjunto Ω ´ e o conjunto A dos elementos de Ω que n˜o pertencem a A. e u a Algumas propriedades do complementares e diferen¸as: c . 2} − {1. white} = {1.3: Exemplo de diferen¸a. 2} = ∅.

• (A) = A. e Cardinalidade Se um conjunto A tem n elementos. Se para dois conjuntos A e B ´ poss´ fazer uma rela¸ao um-a-um u e ıvel c˜ entre seus elementos. 12} c e ´ o conjunto C = {7. (1. e u ent˜o diz-se que o conjunto ´ um conjunto finito com uma cardinalidade mA = n ou a e n´mero cardinal n. 10} e B = {9. Sendo A e B. dois subconjuntos de Ω temos que a diferen¸a sim´trica ´ ca c e e dada por: A ∆ B = (A − B) ∪ (B − A). • A ∩ A = ∅. • A − B = A?B. 11.1 Conceitos b´sicos a 10 • A − B = B − A. ent˜o mA = mB. que possui a seguinte defini¸ao a e c e c˜ Defini¸˜o 1. • A ∪ A = Ω.5: Conjunto Diferˆn¸a Simetrica e c Por exemplo a diferen¸a sim´trica entre os conjuntos A = {7. 10.1. 11. 9.1) Figura 1. 8. Diferen¸a Sim´trica c e Uma extens˜o do complementar ´ a diferen¸a sim´trica. a . 8. onde n ´ um n´mero natural (possivelmente 0). • A − A = ∅. 12}.1. • U = ∅ e ∅ = Ω.

u a 2. N´meros reais incluem os n´meros alg´bricos e os n´meros transcendentais. (1.3) . O u u e u s´ ımbolo R usualmente representa este conjunto. N´meros racionais aparecem como solu¸oes de equa¸oes como a + bx = c. N´meros naturais s˜o usados para contar.1 Conceitos b´sicos a 11 Conjunto potˆncia ou de partes e Em c´lculos com conjuntos as vezes ´ necess´rio obter todos os subconjuntos de um a e a conjunto. N´meros complexos ´ a soma dos n´meros reais e dos imagin´rios: r + sı. com n elementos. 4. N´meros inteiros aparecem como solu¸oes de equa¸oes como x + a = b. ´ poss´ encontrar textos que incluem o zero a e ıvel como n´mero natural e textos que n˜o incluem. Dado A ´ chamado de conjunto potˆncia (ou conjunto das partes) de A o e e conjuntos de todos os subconjuntos poss´ ıveis de A. 3. o n´mero de subconjuntos ou o n´mero de elementos do conjunto potˆncia u u e A ´ 2n .1. b e c s˜o n´meros naturais. a. Sendo o conjunto dado A finito. Na literatura matem´tica. O s´ a a u ımbolo C usualmente representa este conjunto.2) No produto cartesiano a soma ou uni˜o disjunta de dois conjuntos A e B ´ o conjunto a e A + B = A × {0} ∪ B × {1}. b) : a ∈ A ∧ b ∈ B} (1. O s´ u a ımbolo N usualmente representa este conjunto. ca a u a u 1. enquanto r e s s˜o n´meros reais. e Produto cartesiano O produto cartesiano de dois conjuntos A e B ´ o conjunto de pares ordenados: e A × B = {(a. 5. Nesta se¸˜o. ent˜o os conjuntos dos n´meros reais e o a u dos imagin´rios s˜o subconjuntos do conjunto dos n´meros complexos. Conjuntos Num´ricos e Nota 1.1. O s´ u c˜ c˜ ımbolo Z usualmente representa este conjunto (do termo alem˜o Zahlen que significa n´mea u ros). Aqui u e u a tanto r quanto s podem ser iguais a zero. O s´ u c˜ c˜ ımbolo Q usualmente representa este conjunto (da palavra quociente).

o o Solu¸ao: c˜ Logo o mesmo pode ir de 7 maneiras diferentes. · 3 · 2 · 1 • 1! = 1 • 0! = 1 .4 M´todos de Enumera¸˜o e ca Segundo Morgano et al. E um segundo procedimento B possa ser realizado de nB maneiras diferentes. Se um procedimento A pode ser realizado de nA c˜ maneiras diferentes e um segundo procedimento B pode ser realizado de nB maneiras diferentes.1 Conceitos b´sicos a 12 1. A seguir abordaremos outras t´cnicas usadas na resolu¸ao de problemas de e c˜ contagem.3 (O Princ´ Fundamental da Multiplica¸ao). Seja m um n´mero inteiro n˜o negativo (m ∈ N) definimos fatorial de m (e indicamos por u a m!) atrav´s da rela¸ao: e c˜ • m! = m · (m − 1) · (m − 2) · . (2006) a primeira t´cnica matem´tica aprendida por uma e a crian¸a ´ a contagem. 1. Se estes procedimentos podem ser realizados simultaneamente. Se estes n˜o podem ser realizados simultaneamente. Um outro principio da an´lise combinat´ria ´ o Principio Fundamental da Multiplia o e ca¸˜o. Pois as opera¸oes matem´ticas s˜o tamb´m aprendidas e motivadas c e c˜ a a e atrav´s de sua aplica¸ao a problemas de contagem.1.7. c˜ Defini¸˜o 1. a Exemplo 1. Se um procedimento A possa ca ıpio c˜ ser realizado de nA maneiras diferentes. ent˜o o n´mero de maneiras pelas quais pode-se realizar A e B ser´ (nA × nB ). ent˜o o n´mero de maneiras a a u pelas quais pode-se realizar ou A ou B ser´ (nA + nB ). .2 (O Princ´ ca ıpio da Adi¸ao).5 Fatorial Afim de simplificar as f´rmulas nos c´lculos a seguir. ca Defini¸˜o 1. . a u a Estes dois princ´ ıpios consistem as regras para a resolu¸˜o de v´rios problemas de ca a contagem.vamos definir o s´ o a ımbolo fatorial.1. Um passageiro sabe que para ir da cidade em que esta para a pr´xima o cidade ele pode tomar 3 linhas de ˆnibus ou 4 linhas de Metrˆ.1. Logo este ´ o primeiro principio e c˜ e fundamental da adi¸ao.

´ c˜ ´ u Defini¸˜o 1. 3. PRATICO possui 7 letras.1. O n´mero de arranjos ´ a u e o dicion´rio Aur´lio. 3) (1. s˜o poss´ a ıveis 7! = 5040 anagramas diferentes. . . 2. 2. .1 Conceitos b´sicos a 13 1. 4. 1. 1) Permuta¸oes do Conjunto (1. 3. 1.(n − 1).4) ´ Resposta: Como a palavra. 1. a 2 Segundo . 2. suas poss´ u ıveis ordena¸oes s˜o apresentadas na Tabela 1. a3 . 2. (1. a ordem na qual s˜o dispostos a e a n˜o interfere no resultado. 4.6 Permuta¸˜es Simples co Suponha que tenhamos em m˜os n objetos distintos pertencentes a um conjunto a A = {a1 . 1. Soares Guiamar (pseudˆnimo de o Guimar˜es Rosa). 2. 2) (4. Logo temos a seguinte defini¸ao. temos n modos de escolher o elemento (ou objeto) que ocupara o primeiro lugar. 3) (2. 1. n − 1 modos de escolher o elemento (ou objeto) que ocupar´ o segundo lugar assim sucessivamente at´ apenas possuir 1 objeto que ocupar´ o a e a ultimo lugar. a Defini¸˜o 1. 1. an } de quantas maneiras podemos orden´-los.1 c˜ a Tabela 1.3. 1) (4. Quantos anagramas2 podemos formar com a palavra PRATICO.2.8. Anagrama significa palavra ou frase formada pela transposi¸˜o das a e ca letras de outra palavra ou frase. 2) (3. 2. se estes a n´meros forem 1. a2 . 4) (4. 2. 2. Por exemplo temos Belisa (de Isabel). 3. . onde a grupos com ordem diferentes s˜o distintos. 3) (4. 1) (3. 4. 2. 1) (2. 2) (3. 4) (3. 2. 2. 4. 2. 4) De um modo geral dado o conjunto A. 2) (2. 4) (1. 2. 1. 1. . 4. 4. ´ usado para formar grupos ou subconjuntos com k elementos em que a e ordem na qual os elementos s˜o dispostos ´ levada em conta.1. 4. 4. ´ o n´mero de maneiras de se escolher k objetos ca e u r distintos entre n objetos distintos de um conjunto. 3. 3. 2) (3. Por exemplo.1: (1. 1. 4. 4) (2.7 Arranjo O arranjo. 3.1. 3. 2) (4. 3. 3. E n´mero de maneiras de arrumar n elemenca c˜ tos em n posi¸˜es em que cada maneira se diferencia pela ordem em que os elementos co aparecem. 3) (4. 3. 1. 2.4) c˜ (1. 1) (1.4 (Permuta¸ao simples Pn ). 1) (2.5 (Arranjo simples An ). 3.1 = n! ´ Exemplo 1. 3) (1.(n − 2) . 4. Aplicando o Princ´ ıpio da Multiplica¸˜o obtemos a seguinte equa¸˜o para perca ca muta¸˜es simples: co Pn = n. 3. 4. 4. . 1. 1. 4. 1. 3) (2. 4) (3. 3.

b5 } {b1 .b2 .b4 } {b1 . an }.b3 } {b1 .b4 } {b1 .2 est˜o expostos as poss´ a ıveis escolhas.6 (Combina¸ao simples Cr ). b4 .b5 } {b2 .8 Combina¸˜o Simples ca Pegando carona no que foi exposto na se¸ao 1. b2 . pois numa combina¸˜o n˜o importa a ordem dos elementos. e Exemplo 1.b3 .b5 } .1. Tabela 1.1.5) 1.6) Observa¸˜o 1.1. Ou ainda quantos subconjuntos com k de n elementos podem ser formados.O n´mero de combina¸˜es ´ o coeficiente binomial: ca u co e n! n = r r! · (n − r)! n Cr = (1.2: Combina¸ao de 5 elementos em grupos de 3 elementos.b5 } {b3 .b2 .b4 . Cada um destes subconjuntos ´ chamado de Combina¸ao Simples. Conforme a defini¸˜o uma combina¸˜o ´ um conjunto e portanto n˜o ca ca ca e a ´ depende da ordem dos elementos. b5 .b5 } {b2 . De quantas maneiras podemos escolher 3 objetos dentre 5 elementos do conjunto B = {b1 . e c˜ n Defini¸˜o 1. a2 .b3 . a3 . . k objetos.6 tendo n objetos distintos em um c˜ conjunto A = {a1 . E importante notar a diferen¸a entre uma combina¸˜o c ca (conjunto) e uma sequˆncia.b4 . } Na Tabela 1.b3 . O n´mero de combina¸oes de 5 objetos u c˜ 3´ e 5 C3 = 5! 5 = = 10 3 3! · (5 − 3)! .b4 . .1. e ca a ao passo que numa sequˆncia importa a ordem dos elementos.b2 . onde a ordem n˜o ´ a e levada em considera¸˜o. .b4 } {b2 .b3 .b5 } {b1 . b3 . . nada mais ´ que o n´mero de maneiras de se ca c˜ e u escolher k objetos distintos entre n objetos distintos de um conjunto.9.1 Conceitos b´sicos a 14 An = s n! (n − s)! (1. c˜ {b1 . de quantas maneiras podemos escolher dentre estes.

tamb´m a teoria das probabilidades a c e tenta. c u 3. c 2. quase idˆnticas.2 Conceitos B´sicos a Experimento Aleat´rio. c˜ a e a A defini¸ao de probabilidade como o quociente do n´mero de “casos favor´veis” sobre c˜ u a o n´mero de “casos poss´ u ıveis” foi a primeira defini¸ao formal de probabilidade. obtidas nos dois lan¸amentos. sabemos que ela cair´ no ch˜o.2 1. quantificar. c˜ a e ıvel s˜o chamados de experimentos Aleat´rios.1. e aparec˜ ceu pela primeira vez em forma clara na obra Liber de Ludo Aleae de Jeronimo Cardano (1501-1576) segundo Morgano et al.2. Por exemplo. Um experimento Determin´ o ıstico ´ aquele que ao executarmos certa a¸ao sob condi¸oes.1 Probabilidade Introdu¸˜o ca Do mesmo modo que acontece com a teoria da mecˆnica. chegaremos e c˜ c˜ e essencialmente aos mesmos resultados. pode fornecer resultados diferentes ou um procedimento cujo resultado co ´ incerto (SPIEGEL et al. n˜o ´ poss´ conhecer o valor exato do resultado. Lan¸ar um dado e observar o n´mero da face voltada para cima. Exemplos de Experimentos Aleat´rios: o 1. Mas experimentos onde. ao largar uma moeda. a a mesmo tomando todas as precau¸oes. Espa¸o Amostral e Evento o c Experimento ´ um ensaio cient´ e ıfico usado para a verifica¸˜o de rela¸oes entre fatos bem ca c˜ definidos. a no¸ao de prov´vel atrav´s de um conjunto de regras matem´ticas. Lan¸ar uma moeda e observar a face voltada para cima. Para um melhor entendimento do conceito de probabilidade faz-se necess´rio a introdu¸ao de algumas defini¸oes que ser˜o apresentadas a c˜ c˜ a a seguir.2. 2004).. c . que atribui defini¸oes prea c˜ cisas a termos de uso di´rio. Um experimento pode e e ca ser de dois tipos: Experimento Determin´ ıstico e Aleat´rio.2 Probabilidade 15 1. como trabalho e for¸a. e Exemplo 1. controlando todos os fatores influenciantes.10. a o Defini¸˜o 1.7 (Experimento Aleat´rio). Lan¸ar duas moedas e observar as sequˆncias de caras e coroas das faces voltadas c e para cima. tamb´m denominado de Experiˆncia ou experimenta¸˜o. 1. (2006). ao ser repetido sob as ca o mesmas condi¸˜es. Procedimento que.

2. 3. 5. de sua casa at´ a ˆ e universidade. podemos a a enumerar todos os poss´ ıveis resultados e montarmos um conjunto. coroa. 8. De um lote de 80 pe¸as em perfeitos estado e 20 defeituosas. c u c 5. Exemplos de Espa¸os Amostrais: c 1. cuja nota¸˜o ´ a letra grega Ω. B.1. C} onde K representa cara e C. selecionar uma carta. A}. que ´ denominado de e Espa¸o Amostral. selecionar uma bola e observar sua cor. 6}. mesmo n˜o sabendo qual resultado ir´ ocorrer. selecionar 10 pe¸as e c c observar o n´mero de pe¸as defeituosas. De uma urna contendo 3 bolas vermelhas (V ). u e o Para estes procedimentos. Lan¸ar uma dado e observar o n´mero da face de cima: c u Ω = {1. De uma urna contendo 3 bolas vermelhas e 2 bolas brancas. c Defini¸˜o 1. Conjunto que possuem como elementos todos ca c poss´ ıveis resultados de um experimento aleat´rio. e observar seu naipe. extrair uma bola e observar sua cor: Ω = {V. .2 Probabilidade 16 4. Lan¸ar uma moeda e observar a face de cima: c Ω = {K.11. selecionar e 20 pessoas e observar o n´mero de portadores da mol´stia. 2.8 (Espa¸o Amostral (Ω)). u e 9. Observar o tempo que um certo aluno gasta para ir de onibus. Sortear um n´mero inteiro entre um e cem atrav´s de algum procedimento aleat´rio. 2 bolas brancas (B) e 5 bolas azuis (A). Numa cidade onde 10% dos habitantes possuem determinada mol´stia. u c 6. 10. o ca e Exemplo 1. 3. De um baralho de 52 cartas. Lan¸ar duas moedas e observar o n´mero de caras obtidas nos dois lan¸amentos. 4. 7.

12. Um lote tem 20 pe¸as. 1. em especial as opera¸oes de conjuntos. Sendo Ω = {KK. (C. Uma a uma elas s˜o ensaiadas e observa-se o n´mero de c a u defeituosas: Ω = {0. Uma moeda ´ lan¸ada at´ que o resultado cara (K) ocorra pela primeira vez. .}. 20 }. . (C. 3. muitas vezes. 3. CK. 2. 7. A ideia l´gica de ocorrˆncia de um evento ´ a seguinte: se um elemento ca o e e do conjunto (evento) ocorre.9 (Evento). . ıvel u Com o auxilio da teoria dos conjuntos. Lan¸ar uma moeda duas vezes e observar o n´mero de caras: c u Ω = {0. 5. 2. Ent˜o: a .3. . Ao realizarmos um experimento aleat´rio. 27.1. . no lan¸amento de um dado. Lan¸ar uma moeda duas vezes e observar a sequˆncia de caras e coroas. . . 6} ou nos n´meros impares. c e Ω = {(K. 19 . CC} temos como um evento poss´ A :{sair ıvel uma cara} dado por: A = {KC. representado pelo conjunto A = {2. 1. C)}. Os subconjuntos de um espa¸o amostral Ω denotados por letras ca c latinas mai´sculas do inicio do alfabeto s˜o chamamos de eventos. Por exemplo. KC. 26}. c podemos estar interessados nos valores pares. Chamamos o ∅ de evento imposs´ e o Ω de evento certo e a um ca ıvel elemento de Ω de evento fundamental ou elementar. que s˜o subconjuntos de Ω. K). representado por B = {1. 25. C). Exemplo 1. Cada subconjunto u a de cardinalidade 1 de um espa¸o amostral ´ chamados de Evento elementar do espa¸o c e c amostral em quest˜o. 4. 26. Assim u a aos conjuntos A e B damos o nome de eventos do experimento aleat´rio “lan¸amento de o c um dado” com a seguinte defini¸ao formal: c˜ Defini¸˜o 1. (K. 5}. 6. podemos estar interessados o na ocorrˆncia de um resultado espec´ e ıfico. CK}. podemos c˜ formar outros eventos contidos em Ω.2. Observae c e se em qual lan¸amento esse fato ocorre: c Ω = {1. ent˜o o conjunto (evento) ocorre.2 Probabilidade 17 4. a Observa¸˜o 1. K). Sendo Ω = {24. 27. 3. 28} temos o evento poss´ B : {sortear n´meros pares} dado por: B = {25. 4 . a Observa¸˜o 1. 2}.

e e c˜ e a e • A ´ o evento “n˜o-A ” ´ chamado de complemento de A. 2. 3}. 5}. Sendo o experimento lan¸ar um dado com Ω = {1. KC. CC} temos: • A ∪ B = (KK. ´ chamado da uni˜o de A e B.2 Probabilidade 18 • A ∪ B ´ o evento “ou A ou B ou ambos”. obter um n´mero par. u 3. c c • A = {x|x ´ um n´mero menor que 4} ou A = {x|x < 4} : A = {1. Ω = (KK. 6}. 4. ´ chamado da diferen¸a entre A e B. obter um n´mero menor que 4. 6}. 4. 3. Seja o espa¸o amostral referente ao lan¸amento de um dado Ω = {1. 2. 5. Dados os eventos anteriores. temos A = {2.15. 5. u 2. e a e c Observa¸˜o 1. 3}. 3.CK. e sendo A = {KC. • C = {x|x ´ um n´mero m´ltiplo de 7}: C = ∅ e u u • D = {x|x ´ um n´mero maior que 0} ou D = {x|x > 0}: D = Ω. CC)} e B = {KC. e u Exemplo 1. podemos obter o evento A∩B. Quando ocorre A ∩ B = ∅ dizemos que estes eventos s˜o disjuntos (tamca a b´m chamados de mutuamente exclusivos). Dado o evento A. Dado o evento B.13.14. 6}. e u • B = {x|x ´ um n´mero ´ e u ımpar}: B = {1. CK. temos B = {1. e Exemplo 1. temos: c 1. o qual ´ dado por A∩B = e {2} Exemplo 1. 3. lan¸ar uma moeda duas vezes temos como espa¸o c c amostral o conjunto.CC) = Ω • A ∩ B = {KC. KC.CC} = B • A − B = {CK} . 4. Para o experimento. • A − B = A ∩ B ´ o evento “A mas n˜o B”. 2. e e a • A ∩ B ´ o evento “ambos A e B” ´ chamado a intersec¸ao entre A e B. CC). CK. 2.4.1.

An s˜o eventos mua tuamente exclusivos..5. e 3. . isto ´ o evento imposs´ tem probabilidade zero. .4. c a n Teorema 1.10 (Fun¸ao de Probabilidade (MORGANO et al. Assim Passamos ent˜o a defini¸ao formal de probabilidade.4 temos que: a a ca P(A1 ∪ A2 ) = P(A1 ) + P(A2 ) 1. Por exemplo. 2004). Se A = A1 ∪ A2 ∪ . mas este resultado ´ muito remoto.1 Teoremas Teorema 1. As somas de probabilidades de um espa¸o amostral s˜o sempre iguais a 1. Este a ´ uma consequˆncia da defini¸˜o de Fun¸˜o de Probabilidade item 3. .. ´ representada como um n´mero real entre 0 e e u 1. + P(An ) Em particular se a A = Ω ent˜o P(A) = P(A1 ) + P(A2 ) + P(A3 ) + . Seja Ω espa¸o ca c˜ c amostral. isto ´ o evento certo tem probabilidade um. a c˜ Defini¸˜o 1. Uma fun¸˜o P definida para todos os subconjuntos de Ω ´ chamada de probabica e lidade se 1. a chance de ocorrˆncia de um evento esta sempre entre a impossibilidade e a e certeza. 2. isto ´. Se A1 ⊂ A2 ent˜o P(A1 ) ≤ P(A2 ) e P(A2 − A1 ) = P(A2 ) − P(A1 )(SPIEGEL a et al.3.3 Defini¸˜o formal de Probabilidade ca 19 1. . A3 . 0 ≤ P(A) ≤ 1. n Teorema 1. mesmo que este j´ tenha sido realizado v´rias vezes. . ent˜o P(A) = 1 − P(A) e a Teorema 1. . Ou seja. .2.. . (a) P(∅) = 0. para todo o evento A ⊂ Ω. a probabilidade de qualquer evento e esta entre 0 e 1.1. Se A ´ o complementar de A para A ⊂ Ω. A2 .3. ∪ An em que A1 . A chance ou probabilidade com a qual e podemos esperar que um evento ocorra. .1.3 Defini¸˜o formal de Probabilidade ca Ao realizarmos um experimento sempre teremos um grau de incerteza associado a seus resultados. Se A1 e A2 s˜o disjuntos como j´ foi citado na Observa¸˜o 1. . podemos a a jogar 1000 vezes uma moeda e em todas as realiza¸oes do experimento obter coroa como c˜ resultado. e ıvel (b) P(Ω) = 1. P j=1 Aj = ∑ P A j com os A j′ s disjuntos. e e ca ca . ent˜o P(A) = P(A1 ) + P(A2 ) + P(A3 ) + . + P(An ) = 1 (SPIEGEL et al. Teorema 1. 2004). 2006)).

. 4. P(A) (1. A2 . . . Se A e B s˜o dois eventos quaisquer. 6} e seja B = c {2. . s˜o trˆs eventos quaisquer. Para n eventos temos a formula ´ tamb´m encontrada em Morgano et al. Em suma se Ω contem n e c a pontos ent˜o a probabilidade de cada elemento de Ω ´ igual a 1/n. e a chamamos de probabilidade condicional sendo esta representada pelo n´mero: u P(B|A) = P(A ∩ B) em que P(A) > 0 e assim temos que P(A ∩ B) = P(A)P(B|A). Por exemplo. (2006) ´ dada e e e por: P(A1 ∪ A2 ∪ A3 ∪ . c e u De posse desta informa¸ao podemos verificar a mudan¸a da probabilidade de B. . 6} ´ 1/6. 2. Este pensamento nos leva a seguinte defini¸ao. mudando a ´ c˜ a probabilidade de B para P(B) = 2/4 = 1/2. ent˜o P(A ∪ B) = P(A) + P(B) − P(A ∩ a a B). + P(A ∩ An ) a Quando se associa a cada um dos elementos de um espa¸o amostral a mesma probac bilidade de ocorrˆncia. 3. temos um espa¸o amostral equiprov´vel.3. An ent˜o P(A) = P(A ∩ A1 ) + P(A ∩ A2 ) + . 4. . ent˜o a probabilidade P(B) = 1/3. . dada a nova informa¸ao s˜o 2 e 3. . 2. Agora se ap´s o lan¸amento a banca nos a o c informe que o valor do lan¸amento ´ um n´mero par que consiste no evento A = {1. A3 . 5}. . ent˜o: a e a P(A1 ∪ A2 ∪ A3 ) = P(A1 ) + P(A2 ) + P(A3 ) − P(A1 ∩ A2 ) − P(A2 ∩ A3 ) − P(A3 ∩ A1 ) +P(A1 ∩ A2 ∩ A3 ). ao lan¸ar a e c um dado ` probabilidade de cada elemento de Ω = {1.7) . A2 .1. Sabemos que Ω = {1. 5. . Sejam A e B dois eventos tais que A ⊂ Ω e B ⊂ Ω. . 3. c˜ Defini¸˜o 1.7. 4}.6.3 Defini¸˜o formal de Probabilidade ca 20 Teorema 1. . a e 1. 3.8. + P(An ) + −P(A1 ∩ A2 ) − . 3. . − P(An−1 ∩ An ) + +P(A1 ∩ A2 ∩ A3 ) + . + +(−1)n−1 P(A1 ∩ A2 ∩ . 5.2 Probabilidade Condicional Seja o experimento de lan¸ar um dado. pois os c˜ c unicos elementos de B que podem ocorrer. Denotamos por P(B|A) ca a probabilidade de B dado que A ocorreu. ∩ An ). 2. . Mas se A1 . Se a concorrˆncia de A resulta na ocorrˆncia de um dos eventos mutuae e mente exclusivos A1 . . ∪ An ) = P(A1 ) + P(A2 ) + P(A3 ) + . Teorema 1. Para quaisquer eventos A e B temos que P(A) = P(A ∩ B) + P(A ∩ B) Teorema 1. .11.

ent˜o dizemos que A e B s˜o independentes. (1. estes ser˜o independentes se: a e a P(Ai ∩A j ) = P(Ai )·P(A j ) para i = j com i. Isto ´ equivale a a a e P(B|A) = P(A ∩ B) P(A) · P(B) = = P(B) P(A) P(A) Defini¸˜o 1. 2. ca e Dizemos que A e B s˜o independentes se: a P(A ∩ B) = P(A) · P(B) Agora se A1 .9) Exemplo 1.1. A3 . s˜o trˆs eventos quaisquer. 3 e P(A1 ∩A2 ∩A2 ) = P(A1 )·P(A2 )·P(A3 ). A2 . Probabilidade de ser aluno de Estat´ ıstica: 3. Observando os dados da tabela abaixo temos. Sejam A e B dois eventos tais que A ⊂ Ω e B ⊂ Ω.12 ( Indepˆndencia ).16.3 Defini¸˜o formal de Probabilidade ca 21 Mas se P(B|A) = P(B) implica que a ocorrˆncia do evento A n˜o ´ afetada pela ocorrˆncia e a e e do evento B. j = 1. Probabilidade de ser Homem: 2.8) Calcule as probabilidades dos Eventos abaixo: 1. Probabilidade ser aluno de Estat´ ıstica ou de ser Homem: Solu¸ao: c˜ Calculando temos que: Probabilidade de ser Homem ´ igual a: P(H) = e 115 200 30 Probabilidade de ser Estat´ ıstica ´ igual a: P(E) = e 200 . CURSOS Matem´tica Pura(M) a Matem´tica Aplicada(A) a Estat´ ıstica(E) Computa¸ao(C) c˜ TOTAIS SEXO Homens Mulheres TOTAIS 70 15 10 20 115 40 15 20 10 85 110 30 30 30 200 (1.

A2 = {4. ∀ i = j. para todo j = 1.10) . (b) A1 ∪ A2 ∪ ca c . ∪ An = Ω (c) P(Ai ) > 0. Suponha que os eventos C1 . pode-se verificar facilmente que. . 2. . Teorema 1. e Ent˜o. C2 . . . Seja A um evento qualquer com P(A) > 0. 2. ∀i Exemplo 1. temos: a P(C j |A) = P(A|C j )P(C j ) i=1 n ∑ P(Ci)P(A|Ci) . . C3 .17. .9. 5} e A3 = {6}. 3. 3}. (1. . 5. n.3 Defini¸˜o formal de Probabilidade ca 22 Agora. An eventos de um mesmo espa¸o ca c amostral Ω.1. A2 . Diz-se que os conjuntos A1 . Ent˜o. podemos pensar que a probabilidade de ser alunos de estat´ ıstica ou ser homem ´ dada por: e P(E ∪ H) = P(H) + P(E) = 115 30 + 200 200 Fazendo isto estar´ ıamos contando os alunos que s˜o homens e de Estat´ a ıstica e assim temos que subtrair a probabilidade da intersec¸ao. . formam uma parti¸˜o deste espa¸o se: (a) Ai ∩ A j = ∅. os eventos acima formam um parti¸˜o do espa¸o a ca c amostra Ω = {1. . 2. 200 200 200 Defini¸˜o 1. Considere-se o espa¸o amostral obtido pelos n´meros das faces no lan¸ac u c mento de um dado equilibrado e sejam os eventos: A1 = {1. .13. 6}. Cn formem uma parti¸˜o do espa¸o ca c amostral Ω e todos tˆm probabilidade positiva. desta forma temos que: c˜ P(E ∪ H) = P(H) + P(E) − P(E ∩ H) = 30 115 10 + − . . . . . 4.

. Um homem vai a um restaurante disposto a comer um s´ prato de carne e uma unica o ´ sobremesa. 8}(HAZZAN. 3. O card´pio oferece oito pratos distintos de carne e cinco pratos diferentes a de sobremesa. . b. 7. Um edif´ tem 8 portas. De quantas formas uma pessoa poder´ entrar no edif´ ıcio a ıcio e sair por uma porta diferente da que usou para entrar (HAZZAN. 12 camisas e 5 pares de sapatos. Numa festa existem 80 homens e 90 mulheres. 2.1. 1977)? a 6.2 Consequˆncias do Princ´ ıpio Fundamental da Contagem ¨e Permuta¸˜o. Quantos casais diferentes podem ser formados (HAZZAN. 1977)? 3.listas A.1 An´lise Combinat´ria a o Princ´ ıpio Fundamental da Contagem 1. Uma mo¸a possui 5 blusas e 6 saias.23 ANEXO A -.1. 1977). c˜ 1977)? 2. Um homem possui 10 ternos. 1977)? 4. Quantos n´meros de 3 algarismos (iguais ou distintos) podemos formar com os u digitos {1.1 A. Obter todos os arranjos dos elementos de M = {a. c. uma camisa e um par de sapatos (HAZZAN. Arranjo e Combina¸˜o ca ca 1. 1977)? 5. De quantas formas ela pode vestir uma blusa c e uma saia (HAZZAN. De quantas formas poder´ ele vestir um terno. De quantas formas pode o homem fazer sua refei¸ao (HAZZAN. 1977)? A. d} tomados dois a dois (HAZZAN.

1977). Dispomos de 8 cores e queremos pintar uma bandeira de 5 listras.3 Probabilidade 1. Obter todas as combina¸oes dos elementos de M = {7. Quantas pessoas havia na reuni˜o (HAZZAN.tamb´m chamados de naipes . 1977)? o a o 9. e ıda baralho possui 52 cartas. Quantos tipos de bilhetes devem ser impresa c˜ sos. c˜ Qual o n´mero de resultados poss´ u ıveis. e (b) Uma urna cont´m bolas vermelhas (V). embora sejam usados os s´ ımbolos franceses.1. 1977)? 10. 8. havendo ao a todo 45 apertos de m˜o. quantos jogos s˜o a disputados (HAZZAN.2 3. 1977)? 6. Uma linha ferrovi´ria tem 16 esta¸oes. distribu´ ıdas em 4 grupos . S˜o eles espadas (♠). 1O . das quais o aluno deve resolver 10. participam 20 times. 0} tomados dois a dois c˜ (HAZZAN. Em um torneio (de dois turnos) do qual participam seis times. Em um campeonato de futebol.1 e) A12.os quais possuem e 13 cartas de valores diferentes. 1977)? 5. e Uma bola ´ extra´ e observada sua cor. cada listra com uma cor. 9.1 An´lise Combinat´ria a o 24 2. Os nomes dos naipes em portuguˆs (mas n˜o os s´ e a ımbolos) s˜o similares a aos usados no baralho espanhol de quarenta cartas. 1977)? 7. Calcule: a) A6. De um baralho1 de 52 cartas. Dar um espa¸o amostral para cada experimento abaixo. c (a) Uma letra ´ escolhida entre as letras da palavra PROBABILIDADE. se n˜o levarmos em conta a ordem das cartas a extra´ ıdas (HAZZAN.3 b) A10. De quantas formas isto pode ser feito (HAZZAN. s˜o extra´ a ıdas 4 cartas sucessivamente e sem reposi¸ao. 1977)? a a A. bolas brancas (B) e bolas azuis (A). paus (ou couves (♣). se cada tipo deve assinalar a esta¸ao de partida e de chegada respectivamente c˜ (HAZZAN.A. cada pessoa cumprimentou todas as outras. 8. De quantas o fˆrmas ele poder´ escolher as 10 quest˜es (HAZZAN. Quantos resultados s˜o poss´ a ıveis para os trˆs primeiros lugares (HAZZAN. 1977)? e 4.4 c)A20. copas a (♥) e ouros (♦). Uma prova consta de 15 quest˜es. Em uma reuni˜o social.

E.A. Uma bolinha ´ escolhida e e e observado seu n´mero. 29. . Observa-se a seq¨ˆncia de sexos dos 3 filhos. (b) B: ocorrem n´meros iguais nos dois dados. um verde e um vermelho s˜o lan¸ados. Uma bolinha ´ extra´ e ´ e ıda e observado seu n´mero. b) onde a representa o n´mero do dado verde e b do dado vermelho. 3. u e (e) o n´mero ´ m´ltiplo de 2 e de 5. u e (e) E: ocorrem os n´meros cuja soma ´ menor que 7. C s˜o colocadas numa fila e observa-se a disposi¸ao das e a c˜ mesmas. Dois dados. e observadas suas cores. Descrever os eventos: u (a) o n´mero obtido ´ par. . u (d) De um baralho de 52 cartas. (f) Trˆs pessoas A. na seq¨ˆncia que foram extra´ c˜ ue ıdas. u e u (g) o n´mero n˜o ´ m´ltiplo de 6. duas s˜o escolhidas pare formarem uma comisa s˜o. C. 2. ue (h) Dois dados. uma ´ extra´ e observada. u e . u a e u 3. u (d) D: ocorrem n´meros cuja Soma ´ 7. Seja Ω o conjunto dos pares a c (a. e ıda (e) Uma urna cont´m 5 bolas vermelhas (V) e 2 brancas (B). u e u (f) o n´mero ´ m´ltiplo de 3 ou de 8. sem reposi¸ao.1 An´lise Combinat´ria a o 25 (c) Uma urna tem 50 bolinhas numeradas de 1 a 50. Descrever u os eventos: (a) A: ocorre 3 no dado verde. (i) Entre 5 pessoas A. D. B. (g) Um casal planeja ter 3 filhos. Seja Ω = {1. e observam-se os n´meros a c u das faces voltadas para cima. u (c) C: ocorre o n´mero 2 em ao menos um dado. a e a 2. u e (b) o n´mero obtido ´ impar. 30}. u e (c) o n´mero obtido ´ primo. . um verde e um vermelho s˜o lan¸ados. E vocˆ observa os elementos dessa comiss˜o. Uma urna cont´m 30 bolinhas numeradas de 1 a 30. u e (d) o n´mero obtido ´ maior que 16. Duas bolas s˜o extra´ e a ıdas. B. .

Pede-se ao aluno que: (a) Calcule: p1 . (d) Seja B o avento B = {a. Seja Ω o conjunto dos pares (a. a4 } e a distribui¸ao de probabilidades. a2 . (b) B: ocorre n´mero par. c 7. u (b) ocorrer n´mero maior ou igual a 5. a4 }’ Calcule: P(B). Descreva e o espa¸o amostral e os eventos. Calcule a probabilidade de: (a) ocorrer cara no lan¸amento desta moeda. Uma bola ´ escolhida ao e e acaso da urna. 1. b) onde a a c representa a face da moeda e b ´ o valor da face do dado voltada para cima. (b) Sendo A o avento A = {a1 . a3 }. Calcule a probabilidade de: e u (a) ocorrer n´mero par. Calcule: P(A). u 8. (f) F: A ∩C (g) F: A ∪ B ´ (h) H: A ∩C. c (b) ocorrer coroa no lan¸amento desta moeda. u (c) C: ocorre o n´mero 3. (e) E: B ∩C. de modo que a probabilidade de observarmos um n´mero na e u face voltada para cima ´ proporcional a esse n´mero. 5. u (d) D: A ∩ B. (c) Calcule: P(A). 2 vermelhas e 5 azuis. Considere o espa¸o amostral Ω = {a1 . (e) Calcule: P(A ∪ B). c (a) A: ocorre cara. Um dado ´ viciado. Uma moeda e um dado s˜o lan¸ados. Uma urna cont´m 3 bolas brancas. e P(A ∩ B). c c˜ tal que: p1 = p2 = p3 e p4 = 0. p2 e p3 . (f) Calcule: P (A ∪ B) e P (A ∩ B) . 6.1 An´lise Combinat´ria a o 26 4.A. a3 . Qual a probabilidade da bola escolhida ser: . Uma moeda ´ viciada de tal modo que sair cara ´ duas vezes mais prov´vel do que e e a sair coroa.

150 estudam Economia e 10 estudam Engenharia e Economia. B. Uma urna cont´m 6 bolas pretas. Numa cidade. e • 8 000 lˆem o jornal C. Se um aluno ´ escolhido ao acaso. Uma bola ´ e e escolhida ao acaso. e • 6000 lˆem os jornais A e B.A. 20% s˜o desquitados a a a e 10% s˜o vi´vos. a u e (a) Qual a probabilidade dele ser solteiro? (b) Qual a probabilidade dele n˜o ser casado? a (c) Qual a probabilidade dele ser solteiro ou desquitado? 11. e • 1 000 lˆem os trˆs jornais. 49% s˜o solteiros. C. e e . Um homem ´ escolhido ao acaso. Em um grupo de 500 estudantes. e • 4000 lˆem os jornais A e C. 2 bolas brancas e 10 amarelas. e • 3000 lˆem os jornais B e C. e • 10 000 lˆem o jornal B. Sabe-se que: • 15 000 lˆem o jornal A. Qual a probabilidade de: (a) da bota n˜o ser amarela? a (b) de a bola ser branca ou preta? (c) da bola n˜o ser branca.1 An´lise Combinat´ria a o 27 a) branca? b) vermelha? c) azul? 9. nem amarela? a 10. Qual a e probabilidade de que: (a) ele estude Economia e Engenharia? (b) ele estude somente Engenharia? (c) ele estude somente Economia? (d) ele n˜o estude Engenharia. nem Economia? a (e) ele estude Engenharia ou Economia? 12. Uma cidade tem 50000 habitantes e 3 jornais A. 80 estudam Engenharia. 30% dos homens s˜o casados.

025 15. qual a probabilidade de ocorrerem ambos os atrasos? R. Trˆs cavalos A. P(B) = 2/7 e P(C) = 1/7 (b) Quais as probabilidade de que B ou C ganhe? R. o jantar atrasa 10% das vezes. Considerando eventos independentes entre os atrasos do marido e os atrasos do jantar. P(A). e c u e (a) Se o resultado obtido for par. qual a probabilidade dele ser menor que 3? (d) Se o resultado obtido for menor que 3.se a soma dos pontos foi 6? (c) Qual a probabilidade da soma dos pontos ser menor que 7. Um dado ´ lan¸ado e o n´mero da face de cima ´ observado. Para esta corrida temos que A ´ duas e a e vezes mais prov´vel de ganhar que B e B ´ duas vezes mais do que C. a c (a) Qual a probabilidade da soma dos pontos ser 6. dado que ele ´ menor que 50? u e (c) Qual a probabilidade do n´mero ser divis´ por 5. Em 25% das vezes determinado marido (fiel) chega em casa tarde para jantar. qual a probabilidade dele ser maior ou igual a 5? (b) Se o resultado obtido for maior ou igual a 5. Qual a probabilidade de que: e (a) ela leia pelo menos um jornal? (b) leia s´ um jornal? o 13. P(B) e P(C)? a o e R. qual a probabilidade dele ser par? (c) Se o resultado obtido for ´ ımpar. B e C est˜o numa corrida. se a face observada em d1 foi 2? (b) Qual a probabilidade do dado d1 apresentar face 2. 0. dado que ´ par? u ıvel e 17. a e (a) Quais s˜o as probabilidades de vit´ria de cada um. se a soma dos pontos nos dois dados foi menor ou igual a 4? .A. sabendo-se que em ao menos um dado apareceu o resultado 2? (d) Qual a probabilidade da soma dos pontos ser menor ou igual a 6. P(A) = 4/7. Dois dados d1 e d2 s˜o lan¸ados. Um n´mero ´ sorteado ao acaso entre os 100 inteiros de 1 a 100. isto ´. qual a probabilidade dele ser ´ ımpar? 16. 3/7 14.1 An´lise Combinat´ria a o 28 Uma pessoa ´ selecionada ao acaso. u e (a) Qual a probabilidade do n´mero ser par? u (b) Qual a probabilidade do n´mero ser par. Por outro lado.

se a soma dos a u pontos foi menor ou igual a 9? 18. mas vocˆ percebe que ela tem olhos castanhos. e dos olhos c e de cada mo¸a. Seus cabelos est˜o complea e a tamente cobertos. Um grupo de 50 mo¸as ´ classificado de acordo com a cor dos cabelos.A. qual e a probabilidade da mo¸a ser: c i. morena de olhos azuis? iii. escolhida ao acaso. morena dado que tem olhos azuis? (b) Est´ chovendo quando vocˆ encontra a garota. 19. Qual a e probabilidade de que ela seja morena? . loira? ii.1 An´lise Combinat´ria a o 29 (e) Qual a probabilidade do m´ximo dos n´meros observados ser 5. morena ou ter olhos azuis? iv. segundo a tabela abaixo c XX XXX olhos azuis XX cabelos X X XX X castanhos 9 14 3 loira morena ruiva 17 4 3 (a) Se vocˆ marca um encontro com uma dessas garotas.

Conjunto — Wikip´dia. R.30 Referˆncias Bibliogr´ficas e a HAZZAN. An´lise Combinat´ria e Probabilidade. S˜o Paulo: Bookman. R. a enciclop´dia livre. Rio de a o Janiro: Sociedade Brasileira de Matem´tica. a a 1977. ed. ed. 2006. Teoria e Problemas de Probabilidade e Estat´ ıstica. a SPIEGEL. a WIKIP´DIA.php? ıvel title=Conjunto&oldid=20130793>. 2004. 343 p. 2010. M. A. et al. [Acesso Online e e e em 13 de maio de 2010]. J. A. Dispon´ em: <http://pt. ..wikipedia.org/w/index. C. de O. J. 2.. SRINIVASAN. S. Fundamentos da Natem´tica Elementar 5. MORGANO. S˜o Paulo: Atual. 3. SCHILLER.