Probabilidade:

Un1 Curso Introdutrio

Carlos A. B. Dantas

NOES BSICAS DE PROBABILIDADE

1.1

EXPERIMENTOS ALEATRIOS

Hoje em dia grande quantidade de jogos so oferecidos, entre

os quais citamos, por exemplo: a loteria federal, a sena e a loteria
esportiva. natural que se pense nas chances de ganhar um prmio
antes de decidir em qual deles jogar.
Um torcedor de futebol procura avaliar as chances de vitria de
seu clube antes de cada jogo de que ele participa. A loteria esportiva
foi criada em funo do interesse do brasileiro pelo futebol e de sua
paixo por jogos. Na loteria esportiva em cada rodada so escolhidos
treze jogos e uma aposta consiste da escolha em cada jogo de um
dos possveis resultados, ou seja, vitria de um dos dois clubes ou o
empate.
Muitas vezes ao acordar nos perguntamos: ser que vai chover?
De um modo ou de outro atribumos um valor chance de chover e
ento decidimos o tipo de roupa que usaremos e se levaremos ou no
um guarda-chuva conosco.

18 Probabilidade: Um Curso Introdutrio

Pode-se facilmente imaginar uma srie de outras situaes em

que nos deparamos com a incerteza quanto ocorrncia de uma das
possveis alternativas na situao que se est vivenciando. Por exemplo, ao chegar a uma bifurcao em que haja duas opes de trajeto
para se dirigir ao local desejado, procura-se avaliar as condies de
trnsito nos dois caminhos para decidir-se por um deles.
Um analista de sistemas atribui chances aos possveis nmeros
de usurios que estaro ligados a uma rede durante um certo perodo.
Um engenheiro industrial avalia as chances de um determinado processo encontrar-se em equilbrio, ou atribui chances para as possveis
propores de peas defeituosas por ele produzidas. Um mdico defronta-se com a incerteza em relao ao efeito provocado pela administrao de um novo remdio a um determinado paciente.
H uma grande classe de experimentos que, ao serem repetidos nas mesmas condies, produzem resultados diferentes. Ou, em
outros termos, experimentos que, quando realizados, no apresentam
resultados previsveis de antemo.
1.1.1 Experimentos que ao serem repetidos nas mesmas
condies no produzem o mesmo resultado so denominados experimentos aleatrios.

DEFINIO

Damos a seguir alguns exemplos de experimentos aleatrios:

1.1.1 Quando retiramos um lote de peas num processo
de produo, observamos que o nmero de peas defeituosas varia de
lote para lote.
EXEMPLO

Noes Bsicas de Probabilidade 19

1.1.4 Se lanarmos um dado sobre uma superfcie plana e

observarmos o nmero que aparece na face superior, no poderemos

EXEMPLO

determinar a priori qual ser esse nmero.

1.1.5 Se selecionarmos um casal de um conjunto de casais
e observarmos o sexo do primognito, no poderemos determin-lo a

EXEMPLO

priori, e o mesmo variar de casal para casal.

DEFINIO

1.1.2 Os experimentos que ao serem repetidos nas mes-

mas condies conduzem ao mesmo resultado so denominados determin{sticos.

Eis alguns exemplos de experimentos determinsticos: Se deixarmos uma pedra cair de uma certa altura, podemos determinar
sua posio e velocidade para qualquer instante de tempo posterior
queda. Se aquecermos a gua a 100 graus centgrados, ela entrar
em ebulio.
Nosso objetivo ser construir um modelo matemtico pararepresentar experimentos aleatrios. Isto ser feito em duas etapas: na
primeira descreveremos para cada experimento aleatrio o conjunto
de seus resultados possveis, e na segunda procuraremos atribuir pesos a cada resultado que reflitam a sua maior ou menor chance de
ocorrer quando o experimento realizado.

1.2

ESPAO AMOSTRAL E EVENTOS

DEFINIO

1.2.1 Denominaremos espao amostra[ associado a um

experimento o conjunto de seus resultados possveis.

1.1.2 O nmero de chamadas telefnicas que chegam a

uma central em um determinado intervalo de tempo no pode ser
determinado de antemo.

EXEMPLO

O espao amostrai ser representado por um conjunto S, cujos

elementos sero denominados eventos simples ou pontos amostrais.
Sempre que o experimento for realizado, suporemos que ocorrer um
e apenas um evento simples.

1.1.3 Se escolhermos uma lmpada do processo de fabricao e observarmos o seu tempo de durao, verificaremos que esse
tempo varia de lmpada para lmpada.

ExEMPLO

1.2.1 No exemplo 1.1.4, que corresponde ao lanamento

de um d~do, o espao amostrai o conjunto: S = {1, 2, 3, 4, 5, 6}.

EXEMPLO

20 Probabilidade: Um Curso Introdutrio

1.2.2 Uma moeda lanada duas vezes sobre uma supefcie plana. Em cada um dos dois lanamentos pode ocorrer cara
(C) ou coroa (C). O espao amostrai o conjunto:
EXEMPLO

S ={CC, C C, CC, C C}.

1.2.3 Trs peas so retiradas de uma linha de produo.
Cada pea classificada em boa (B) ou defeituosa (D). O espao
amostrai associado a esse experimento :
EXEMPLO

= {BBB, BBD, BDB, BDD, DBB, DBD, DDB, DDD}.

Noes Bsicas de Probabilidade 21

o conjunto dos nmeros reais no negativos. Ou seja:

S = { x : x real , x 2:: O}.
EXEMPLO 1. 2. 7 A umidade do ar pode ser registrada por meio de
um higrmetro. Um higrmetro pode ser acoplado a um dispositivo
que possui um ponteiro que desliza sobre papel milimetrado e registra em cada instante a umidade do ar. Se as leituras so feitas no
intervalo de tempo [O, T] ento o resultado uma curva que a cada
t E [0, T] associa x(t) que designa a umidade do ar no instante t.
razovel supor-se que x(t) uma funo contnua de t, no intervalo
[0, T]. O espao amostrai nesse caso o conjunto:

Nos exemplos 1.2.1, 1.2.2 e 1.2.3 o espao amostrai finito.

Apresentaremos a seguir exemplos de experimentos aleatrios cujos
espaos amostrais no so finitos.
1.2.4 Uma moeda lanada sucessivamente at que aparea cara pela primeira vez. Se ocorrer cara no primeiro lanamento
o experimento termina. Se ocorrer coroa no primeiro lanamento,
faz-se um segundo lanamento e se ento ocorrer cara o experimento
termina. Se no ocorrer cara nos dois primeiros lanamentos, fazse um terceiro lanamento e caso no ocorra cara, faz-se um quarto
lanamento e assim por diante at que ocorra a primeira cara, quando
o experimento termina. O espao amostrai o conjunto:
EXEMPLO

S ={C, CC, CC C, ... }.

Note que os pontos desse espao amostrai podem ser postos
em correspondncia biunvoca com o conjunto dos nmeros naturais
e portanto ele infinito, porm enumervel.

S = { x : x uma funo contnua em [0, T]}.

Nos exemplos 1.2.4 e 1.2.5 o espao amostrai infinito porm

enumervel, isto , pode ser posto em correspondncia biunvoca com
o conjunto dos naturais. Nos exemplos 1.2.6 e 1.2. 7 o espao amostrai
infinito no enumervel.
SejaS o espao amostrai associado a um experimento aleatrio.
1.2.2 Denominaremos de evento a todo resultado ou
subconjunto de resultados de um experimento.

DEFINIO

Os eventos sero representados por subconjuntos do espao

amostrai. Os eventos representados por um conjunto unitrio, isto
, contendo somente um ponto do espao amostrai so denominados
eventos simples. Diremos que o evento A ocorre quando o resultado
do experimento um evento simples pertencente a A.

1.2.5 Considere o exemplo 1.1.2 em que observamos o

nmero de chamadas telefnicas que chegam a uma central durante
um determinado intervalo de tempo. O espao amostrai o conjunto:
s = {0, 1, 2, 3, ... }.

1.2.8 No exemplo 1.2.3 consideremos o evento A: duas

peas so boas. Tem-se :

EXEMPLO 1.2.6 Considere a situao do exemplo 1.1.3 em que

observamos o tempo de vida de uma lmpada. O espao amostrai

Ento A ocorre se ocorrer um dos trs eventos simples BBD,

BDB, ou DBB.

EXEMPLO

EXEMPLO

A= {BBD,BDB,DBB}.

22 Probabilidade: Um Curso Introdutrio

1.2.9 No exemplo 1.2.4 consideramos o evento A: a primeira cara ocorre em um lanamento que um mltiplo de 3. Temos
ento:
EXEMPLO

A=

{ccc, cccccc... }.

Os eventos simples de A tm 3n - 1 coroas que precedem a

ocorrncia da primeira cara na posio 3n, para n = 1, 2, ...

Noes Bsicas de Probabilidade 23

seguintes eventos: A: o nmero da bola retirada par, B: o nmero

da bola retirada mltiplo de 3. Determinemos os eventos A U B,
AnBeAc.
O espao amostrai S associado a esse experimento o
conjunto:

s = {1,2, ... ,15}.

Para A, B, A U B, A n B e A c temos:

EXEMPLO 1.2.10 No exemplo 1.2.2 considere o evento B: o nmero

de caras igual ao nmero de coroas,

A= {2,4,6,8,10,12,14}

B = {3,6,9,12,15}

B ={CC, CC}.
AUB = {2,3,4,6,8,9,10,12,14,15}

1.3

AnB

OPERAES ENTRE EVENTOS

1.3.1 A reunio de dois eventos A e B, denotada AUB,

o evento que ocorre se pelo menos um deles ocorre.

DEFINIO

1.3.2 A interseo de dois eventos A e B, denotada

A n B, o evento que ocorre se ambos ocorrem.

DEFINIO

1.3.3 O complementar do evento A, denotado Ac, o

evento que ocorre quando A no ocorre.

DEFINIO

Como os eventos so subconjuntos do espao amostrai, podemos representar a reunio, a interseo de dois eventos e o complementar de um evento pelos diagramas utilizados para representar
subconjuntos de um dado conjunto.

AUB

Ana

Figura 1.1: Unio, interseo e complementar de eventos.

EXEMPLO 1.3.1 Uma urna contm bolas numeradas de um a quinze.

Uma bola retirada da urna e seu nmero anotado. Sejam A e B os

= {6, 12}

A c= {1, 3, 5, 7, 9, 11, 13,15}.

Dizemos que o evento A implica o evento B, que denotamos

A c B, se para todo w E A tivermos w E B. Isto corresponde situao em que a ocorrncia de A garante inevitavelmente a ocorrncia
de B.
Os eventos A e B so iguais se A C B e BC A.
Os eventos A e B so ditos mutuamente exclusivos, se eles no
podem ocorrer simultaneamente. Isto equivale a A n B = 0.
Apresentamos no prximo lema algumas propriedades dessas
operaes entre eventos.
LEMA

1.3.1 Sejam A, B e C eventos do espao amostraiS, temos:

a) (A U B) n C = (A n C) u (B n C)
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.

Vamos demonstrar a e de deixar b e c a cargo do leitor.

Para demonstrar a igualdade em a precisamos mostrar que
todo elemento pertencente ao lado ~squerdo pertence ao lado direito
e vice-versa.
Se w E (A U B) n C ento w E (A U B) e w E C. Da decorre
que (w E A ou w E B) e w E C e portanto (w E A e w E C) ou
(w E B e w E C), ou seja, (w E (A n C)) ou (w E (B n C)), que

24 Probabilidade: Um Curso Introdutrio

implica w E (A n C) U (B n C). Podemos percorrer estas implicaes

de trs para frente e verificar que so verdadeiras, donde decorre a
igualdade dos conjuntos.
d) Seja w E (A n B)c, ento w ~ (A n B), que implica que
w ~A ou w ~ B, que por sua vez implica que w E Ac ou w E Bc, isto
, w E (Ac U Bc). Partindo de w E (Ac U Bc) e fazendo o percurso
inverso ns obtemos a igualdade.
Vamos concluir esta seo definindo as operaes de uma reunio e de uma interseo enumervel de eventos.

DEFINIO

1.3.4 O evento U~ 1 Ai o evento que ocorre quando

Noes Bsicas de Probabilidade 25

DEFINIO

1.4.1 Consideremos um espao amostraiS com N even-

tos simples, que suporemos igualmente possveis. Seja A um evento

de S composto de m eventos simples.

A probabilidade de A, que

denotaremos P(A), definida por:

P(A)

= N.

(1.1)

Observemos que assim definida, a probabilidade uma funo

definida na classe dos eventos ou, o que equivalente, na classe dos
subconjuntos do espao amostrai e satisfaz as propriedades estabelecidas no seguinte lema:

pelo menos um dos eventos Ai, para i = 1, 2, ... ocorre.

LEMA

1.3.5 O evento n~ 1 Ai o evento que ocorre quando

todos os eventos Ai, i = 1, 2, ... ocorrerem.

DEFINIO

1.4.1 Seja S um espao amostrai finito satisfazendo as con-

dies da definio 1.4 .1. A probabilidade definida por {1.1) satisfaz:

i) P(A) ;::: O, para todo A C S;
ii) Se A e B so eventos mutuamente exclusivos, ento:
P(A U B) = P(A)
iii) P(S)

1.4

+ P(B)

= 1.
i) Como N

> 0 e m ;::: 0 segue que

P(A) ;::: 0.

DEFINIES: CLSSICA, FREQENTISTA E

DEMONSTRAO

SUBJETIVA DE PROBABILIDADE

Suponha que A tem m 1 eventos simples e que B tem m2 eventos simples. Como A e B so mutuamente exclusivos segue-se que eles
no tm eventos simples comuns, logo o nmero de eventos simples
de A U B m 1 + m 2 . Usando a definio obtemos ii).
Como o nmero de eventos simples de S N, segue da defi-

As primeiras tentativas de se atribuir probabilidades a eventos

aleatrios surgem na Idade Mdia. Os jogos de dados j eram praticados desde vrios milnios antes da era crist, mas no h meno
sobre clculos associados a chances de ocorrncia de resultados dos
lanamentos. na Idade Mdia, com Galileu, que encontramos a
primeira vez o conceito de eventos "igualmente possveis".
A definio que denominaremos de clssica baseia-se no conceito primitivo de eventos igualmente possveis.
Consideremos um experimento com nmero finito de eventos
simples. Vamos supor que podemos, por alguma razo, uma razo
de simetria, por exemplo, atribuir a mesma chance de ocorrncia a
cada um dos eventos simples desse experimento. Nessas condies
adotaremos a seguinte definio de probabilidade.

nio que P(S) = 1.

EXEMPLO

1.4.1 No experimento que consiste em lanar-se um dado,

supondo-se o mesmo balanceado, pode-se atribuir probabilidade ~ a

cada um dos eventos simples 1, 2, 3, 4, 5, e 6. O evento "o nmero
obtido quando se lana o dado par" tem probabilidade 0,5.
Nas situaes em que a definio clssica se aplica, para calcular a probabilidade de um evento A precisamos contar o nmero de
eventos simples do espao amostrai e de A. Para facilitar essa tarefa
exporemos na prxima seo alguns mtodos de contagem.

26 Probabilidade: Um Curso Introdutrio

1.4-1

Noes Bsicas de Probabilidade 27

Definio Freqentista de Probabilidade

Ao concluirmos que um evento aleatrio, desejamos poder

atribuir ao mesmo um nmero que reflita suas chances de ocorrncia
quando o experimento realizado. Vimos acima que em determinadas circunstncias podemos atribuir a mesma chance a todos os
eventos simples associados ao experimento. Quando o nmero de
eventos simples do espao amostrai no for finito, esta possibilidade
fica afastada.
Uma outra maneira de determinar a probabilidade de um evento consiste em repetir-se o experimento aleatrio, digamos n vezes, e
anotar quantas vezes o evento A associado a esse experimento ocorre. Seja n(A) o nmero de vezes em que evento A ocorreu nas n
repeties do experimento. A razo
fn A= n(A)
'
n

(1.2)

denominada freqncia relativa de A nas n repeties do experimento.

Repetindo-se o experimento um grande nmero de vezes, nas
mesmas condies, e de modo que as repeties sucessivas no dependam dos resultados anteriores, observa-se que a freqncia relativa
de ocorrncias do evento A tende a uma constante p.
A estabilidade da freqncia relativa, para um grande nmero
de observaes, foi inicialmente notada em dados demogrficos e em
resultados de lanamentos de dados.
Buffon, no sculo XVIII, realizou 4 040 lanamentos de uma
moeda e observou a ocorrncia de 2 048 caras. A freqncia relativa
observada foi 0,5064. Karl Pearson fez 24 000 lanamentos de uma
moeda, tendo obtido freqncia relativa de 0,5005 para caras.
Os dados seguintes referem-se ao nmero de nascimentos durante um ano classificados quanto ao sexo.
Meses

Jan.

Fev.

Mar.

Abr.

Mai.

Jun.

Masc.
Fem.

3743
3537
7280

3550
3407
6957

4017
3866
7883

4173
3711
7884

4117
3775
7892

3944
3665
7609

Total

Meses

Jul.

Ago.

Set.

Out.

Nov.

Dez.

Masc.
Fem.
Total

3964
3621
7585

3797
3596
7393

3712
3491
7203

3512
3391
6903

3392
3160
6552

3761
3371
7132

Para os dados do ano todo, a freqncia relativa de masculino

o' 5175 .
88273 -

c . 45682 -

!Ol

Seja S o espao amostrai associado a um experimento aleatrio. Considerando-se n repeties desse experimento nas mesmas
condies, observemos que a freqncia relativa est definida na classe dos eventos de S e suas propriedades so dadas no seguinte lema:

1.4.2 A freqncia relativa fn,A definida na classe dos eventos

do espao amostrai S satisfaz as seguintes condies:

LEMA

a) Para todo evento A, O :S fn,A :S 1;

b) Se A e B so dois eventos de S mutuamente exclusivos,
temos: fn,AUB = fn,A
c) fn,S = 1.

+ fn,B;

DEMONSTRAO A parte a decorre do fato que n(A) ;::: O. Como

os eventos A e B so mutuamente exclusivos, toda vez que um deles
ocorre o outro no ocorre e portanto o nmero de ocorrncias de
A U B igual a soma do nmero de ocorrncias de A com o nmero
de ocorrncias de B, isto : n(A U B) = n(A) + n(B). Dividindo-se
por n obtemos b. Como em toda realizao do experimento algum

ponto de S ocorre, segue-se que c verdadeira.

Houve tentativas de se definir a probabilidade como limite da
freqncia relativa, j que se observava que, como foi mencionado, a
. freqncia relativa f n,A se aproxima de uma constante quando n tende a infinito. Estes esforos no foram bem-sucedidos. Voltaremos a
tratar deste assunto quando, no captulo de teoremas limites, apresentarmos a lei dos grandes nmeros. Por hora nos contentaremos
em mencionar que as propriedades que a definio clssica satisfaz
(lema 1.4.1) so tambm satisfeitas pela freqncia relativa (lema
1.4.2) e servem de base intuitiva para a definio axiomtica que
apresentaremos a seguir, aps apresentarmos a definio subjetiva.

28 Probabilidade: Um Curso Introdutrio

1.4. 2

Definio Subjetiva de Probabilidade

A fundamentao freqentista da probabilidade baseia-se na

hiptese de que existe uma realidade fsica e que as probabilidades
descrevem aspectos dessa realidade de modo anlogo ao que as leis
da mecnica fazem no caso de um modelo determinstico. A probabilidade de um evento associado a um experimento independe,
portanto, do observador, sendo obtida como o valor do qual. se aproxima a freqncia relativa de ocorrncias desse evento em um grande
nmero de repeties do experimento. H no entanto situaes em
que a repetio do experimento no pode ser realizada e outras em
que no pode ser realizada em idnticas condies. Eis alguns exemplos dessas situaes:
a) Um paciente submetido a um novo tipo de cirurgia e
desejamos saber se ele ficar bom.
b) Desejamos saber se haver um tremor de terra no Rio Grande do Norte no prximo ano.
c) Desejamos saber quem vencer o prximo jogo entre So
Paulo e Palmeiras.
No primeiro exemplo no se pode falar em repetio do experimento, pois, trata-se de uma nova tcnica cirrgica que estar
sendo empregada. No segundo, temos notcia de raras ocorrncias de
tremores de terra no Rio Grande do Norte. No caso do jogo entre
So Paulo e Palmeiras, sabemos que h estatsticas de um grande
nmero de jogos entre So Paulo e Palmeiras, mas que as condies
entre um jogo e outro variam bastante. Uma corrente de probabilistas considera a probabilidade de um evento como sendo a medida da
crena que o observador possui na ocorrncia do evento. Desse modo, a probabilidade ser em geral diferente para distintas pessoas em
decorrncia das diferentes opinies que elas tm sobre a ocorrncia
do evento. Em uma outra descrio equivalente, a probabilidade de
um evento o valor que cada observador estaria inclinado a apostar
na realizao do evento.
O leitor que toma contato com esta matria pela primeira vez
pode estranhar essa colocao e preocupar-se com a consistncia da
teoria que se constri com essa formulao. Para lidar com essa

Noes Bsicas de Probabilidade 29

questo so estabelecidas regras de comportamento racional para o

observador. Desta forma, para que ele seja racional, suas opinies
precisam necessariamente obedecer certas regras, que so justamente
os axiomas de probabilidade, apresentados logo a seguir.
Quanto efetiva aferio das probabilidades subjetivas, utilizase em geral um padro, ou seja, uma unidade de incerteza. Um especialista em sismologia, por exemplo, compara sua "opinio" sobre
a ocorrncia de um terremoto com a ocorrncia de bola branca na
retirada de uma bola de uma urna contendo m bolas brancas e n
bolas pretas. Sua probabilidade para a ocorrncia do terremoto seria
ento n~m. A probabilidade assim entendida denominada subjetiva ou pessoal. Sugerimos ao leitor interessado consultar a bibliografia
indicada no final do livro.

1.4.3

Definio Axiomtica de Probabilidade

A probabilidade ser definida numa classe de eventos do espao

amostrai que satisfaz certas propriedades. Todas as operaes que
definimos entre os eventos conduzem a novos eventos que pertencem
a essa classe. Para indicaes de uma abordagem rigorosa sugerimos
ao leitor consultar a bibliografia.
DEFINIO 1.4.2

Probabilidade uma funo definida numa classe

F de eventos de S que satisfaz as seguintes condies:
a) P(A) 2:: O para todo A E F;
b) Se (An)n2::1 uma seqncia de eventos de F, que so mutuamente exclusivos, ento:
00

P(U~=lAn)::::

L P(An);

(1.3)

n=l

c) P(S)

= 1.

Observe que a propriedade (ii) do lema 1.4.1 foi substituda

pela condio b desta definio.
No que segue vamos considerar espaos amostrais enumerveis
ou que so intervalos ou reunio de intervalos da reta. Em algumas

Noes Bsicas de Probabilidade 31

30 Probabilidade: Um Curso Introdutrio

situaes consideraremos subconjuntos do Rn que so generalizaes

de intervalos.
Se o espao amostrai S enumervel, podemos definir a probabilidade na classe de todos os subconjuntos de S que denominado tambm conjunto das partes de S e denotado por P (S).
Representemos nesse caso o espao amostrai S da seguinte forma
S = {w1, w2, ... }. Associemos a cada Wn, n = 1, 2, ... , um nmero
P(wn), tal que P(wn) 2: O e I:~=l P(wn) = 1.
Denominaremos P(wn) de probabilidade do evento simples wn,
n = 1,2, ....

etapa de m maneiras ento a tarefa completa pode ser executada de

n.m maneiras.
1.5.1 Desejamos ir da cidade A cidade C. Os caminhos
de A a C passam pela cidade B. Se h dois caminhos que ligam A a
B e trs caminhos que ligam B a C, de quantas maneiras podemos
ir de A a C ? O nmero de caminhos que ligam A a C seis. Se
designarmos por 1 e 2 os caminhos que ligam A a B e por 3, 4 e 5os
caminhos que ligam B a C, ento os seis caminhos que ligam A a C
so: 13, 14, 15, 23, 24, 25.
EXEMPLO

1.4.3 Seja S um espao amostra[ enumervel e seja A

um subconjunto de S. A probabilidade de A definida da seguinte
maneira:

DEFINIO

P(A) =

P(wn)

(1.4)

n:wnEA

Podemos verificar que a probabilidade definida dessa maneira satisfaz os axiomas da definio 1.4.2. Sugerimos ao leitor que
verifique esses axiomas quando o espao amostrai finito.

1.5

MTODOS DE CONTAGEM

A definio clssica atribuiu a um evento A, composto de M

eventos simples, probabilidade ~, onde N o nmero de eventos
simples do espao amostrai. Para calcularmos a probabilidade de
um evento qualquer precisamos portanto contar o nmero de eventos simples desse evento. Veremos nesta seo alguns mtodos de
contagem que nos auxiliaro nessa tarefa.
Um procedimento muito elementar de contagem tem sido apresentado sob o ttulo de princpio fundamental da contagem. Ns seguiremos essa tradio e iniciaremos pela apresentao desse princpio.

1. 5.1

Princpio Fundamental da Contagem

Suponhamos que uma tarefa pode ser executada em duas etapas. Se a primeira etapa pode ser realizada de n maneiras e a segunda

1.5.1 Uma amostra de tamanho n de um conjunto C

que tem N elementos um subconjunto de n elementos retirados de

DEFINIO

c.
As amostras podem ser retiradas de um conjunto de duas maneiras: com reposio ou sem reposio. Nas amostras retiradas com
reposio cada elemento selecionado reposto no conjunto antes da
prxima retirada. No caso de amostras sem reposio, como o nome
diz, os elementos no so repostos aps cada retirada.
Os elementos da amostra podero ainda ser ordenados ou no.
1.5.2 Uma amostra dita ordenada se os seus elementos
forem ordenados7 isto 7 se duas amostras com os mesmos elementos 7
porm em ordens distintas 7 forem consideradas diferentes.
DEFINIO

ExEMPLO 1.5.2 Considere uma classe com vinte estudantes. O conselho de classe formado por trs estudantes: um presidente, um
secretrio e um tesoureiro. Ao escolhermos uma amostra de trs estudantes para formarem o conselho, deveremos considerar as amostras ordenadas, pois ainda que duas amostras sejam formadas pelas
mesmas pessoas, se elas executam tarefas distintas, devem ser consideradas como diferentes.

Noes Bsicas de Probabilidade 33

32 Probabilidade: Um Curso Introdutrio

As amostras no ordenadas sem reposio, de tamanho n de

um conjunto com N elementos, so denominadas na maioria dos textos elementares de probabilidade ou de combinatria de combinaes
de N elementos tomados na n. Quando no for estabelecida nenhuma qualificao, estaremos admitindo que os elementos so todos
distintos e que a amostra no ordenada. As amostras ordenadas
sem reposio so denominadas arranjos. Utilizaremos tanto um nome como outro.

aproveitamos para listar essas 24 amostras:

abc

abd

acd

bcd

acb

adb

adc

bdc

bac

bad

cad

cbd

bca

bda

cda

cdb

cab

dab

da c

dbc

cba

dba

dca

dcb.

Vamos agora determinar o nmero de amostras de cada tipo.

1.5.2 O nmero de amostras ordenadas com reposio de tamanho n, de um conjunto com N elementos igual a Nn.

LEMA

1.5.1 O nmero de amostras ordenadas sem reposio de tamanho n, de um conjunto com N elementos, que ser denotado por
(N)n, dado por:

LEMA

(N)n = N(N- 1) ... (N- n

+ 1).

De fato, como aps cada retirada o elemento retirado reposto, ento em cada uma das n retiradas temos N escolhas
possveis. Pelo princpio fundamental da contagem o nmero dessas
amostras Nn.
DEMONSTRAO

(1.5)
1.5.5 No exemplo 1.5.4 determinamos o nmero de amostras ordenadas sem reposio, de tamanho 3 do conjunto {a, b, c, d}.
Vamos agora determinar o nmero de amostras ordenadas com reposio.
O nmero de amostras de tamanho 3 retiradas com reposio
pelo lema 1.5.2 igual a 43 . A ttulo de ilustrao vamos obter esse
nmero exibindo o conjunto dessas amostras.
As amostras ordenadas de tamanho 3, com reposio, do conjunto {a, b, c, d} incluem:
(i) as amostras sem reposio, que coincidem com as amostras
com reposio em que no h repetio. O nmero dessas 24 e
esto listadas no exemplo 1.5.4.
(ii) as amostras onde h pelo menos uma repetio. Vamos
listar as amostras em que o elemento "a" aparece repetido pelo menos
uma vez
aaa aab aac aad
aba aca ada
baa caa daa
ExEMPLO

As amostras so retiradas sem reposio, portanto

o primeiro elemento da amostra pode ser retirado de N maneiras,
o segundo de (N - 1) maneiras, e assim por diante at o n-simo
que pode ser retirado de (N - (n - 1)) maneiras. Pelo princpio
fundamental da contagem, o nmero de maneiras de retirar uma
amostra de tamanho n dado pelo produto desses nmeros.
DEMONSTRAO

EXEMPLO 1.5.3 No exemplo 1.5.2 o nmero de maneiras que o conselho de classe pode ser formado igual ao nmero de amostras ordenadas sem reposio de tamanho 3 de um conjunto com 20 elementos.
Pelo lema temos:

(20)3

= 20.19.18 =

6 840.

1.5.4 Considere o conjunto das quatro primeiras letras do

alfabeto {a, b, c, d}. O nmero de amostras ordenadas sem reposio
de tamanho 3 igual a (4)3 = 4.3.2 = 24. Para referncia futura ns
EXEMPLO

O leitor poder completar o conjunto dessas amostras notando

que falta listar as amostras em que aparecem repetidos os elementos

34 Probabilidade: Um Curso Introdutrio

Noes Bsicas de Probabilidade 35

b, c ou d. Ns obtivemos 24 amostras ordenadas sem reposio e dez

amostras ordenadas em que aparece repetido o elemento a. O leitor
obter trinta amostras em que aparecem repetidos os elementos b, c,
e d. Assim o nmero de amostras ordenadas com reposio 64, que
coincide com o valor dado pelo lema.

com 20 elementos. No ocorrer repetio equivale a retirar amostras

ordenadas sem reposio. A razo do nmero dessas amostras nos

1.5.6 Suponha que a data de nascimento de qualquer pessoa pode ser considerada igualmente distribuda entre os 365 dias de
um ano. Se em uma sala existem n pessoas, qual a probabilidade
de que todas tenham nascido em dias diferentes?

1.5.3 Uma amostra ordenada sem reposio de tamanho

n de um conjunto com n elementos ser denominada uma permu-

EXEMPLO

d a probabilidade p procurada.
P= (

tao dos n elementos.

Pn, dado por:

Pn =n!
onde n!

(1.7)

= 1.2 ... n.

DEMONSTRAO

Basta substituir N por n na expresso de (N)n

dada pela frmula 1.5.

1.5 .8 Considere o conjunto dos inteiros de 1 a 3. O
nmero de permutaes desse conjunto P3 = 6 e as permutaes

Pode-se mostrar que para n = 23, P(A) < ~'e portanto a probabilidade do complementar de A, que o evento "pelo menos duas
pessoas fazem aniversrio no mesmo dia", maior que ~- Observemos que o problema que resolvemos um caso particular do seguinte:
Se de um conjunto de N elementos retirarmos amostras ordenadas
com reposio de tamanho n, qual a probabilidade de que a amostra
no tenha nenhum elemento repetido? De fato, as amostras em que
no h elemento repetido so as amostras ordenadas sem reposio.
Se p denota essa probabilidade, ento:

(N)n
Nn .

1.5.3 O nmero de permutaes de n elementos, denotado

EXEMPLO

(365)n
1
2
n- 1
P(A) = 365n = ( 1 - 365)( 1 - 365) ... ( 1 - 365 )

p=

o, 0363.

DEFINIO

LEMA

Denotemos por A esse evento. O nmero de conjuntos de n

dias em que nasceram as n pessoas igual ao nmero de amostras
ordenadas com reposio de tamanho n de um conjunto com 365
elementos, que igual a 365n. Datas distintas de nascimento das
n pessoas correspondem a amostras ordenadas sem reposio de tamanho n de um conjunto com 365 elementos, cujo nmero (365)n
Assim,

20 4
) =
20 4

(1.6)

so as seguintes:
123, 132, 213, 231, 312, e 321.
DEFINIO

1.5.4 Uma amostra dita no ordenada se os seus ele-

mentos no forem ordenados, assim uma amostra no ordenada de

tamanho n coincide com um subconjunto de tamanho n.

Uma amostra no ordenada, de tamanho n, sem reposio, de

um conjunto com N elementos ser tambm, como mencionamos,
denominada uma combinao de N elementos tomados n a n. O
nmero dessas amostras ser denotado CN,n

1.5. 7 Um icosaedro regular tem suas faces numeradas de

1 a 20. O icosaedro lanado quatro vezes. Qual a probabilidade
de que no aparea nenhuma face repetida?
EXEMPLO

O espao amostrai pode ser considerado como o conjunto das

amostras ordenadas com reposio de tamanho 4 de um conjunto

1.5.4 O nmero de amostras no ordenadas sem reposio de

tamanho n, de um conjunto com N elementos, dado por:

LEMA

(1.8)

36 Probabilidade: Um Curso Introdutrio

DEMONSTRAO

Noes Bsicas de Probabilidade 37

Vamos designar o conjunto de N elementos por

{ a1, a2, ... , a N}. Uma amostra no ordenada sem reposio de tamanho n um subconjunto desse conjunto com n elementos. Con-

sideremos, por exemplo, a amostra de tamanho n composta pelos

elementos: a1, a2, ... , an. Esta amostra pode gerar n! amostras ordenadas sem reposio. Como isto vlido para qualquer amostra
no ordenada e o nmero dessas CN,n temos:

(N)n
N(N- 1) ... (N- n
n!

N!

= n.I(N _

)I
n.

- (20)3 - 20.19.18 - 140

-1.
C2 0 3 - - - '
3!
6

(1.9)

que o coeficiente binomial ( ~).

1.5.9 Seis times participam de um torneio de basquete.
Cada uma das equipes enfrenta todas as demais. Quantos jogos
sero realizados?
EXEMPLO

Para determinar o nmero de jogos, precisamos calcular o nmero de amostras no ordenadas de tamanho 2 de um conjunto com
6 elementos. Pela frmula (1.8) temos:
C6,2 =

6.5

Como a comisso deve ter trs membros distintos, as amostras

devem ser selecionadas sem reposio, e como a ordem da escolha dos
participantes irrelevante, trata-se de amostras no ordenadas. Pela
frmula (1.8) temos:

+ 1)

Multiplicando-se o numerador e o denominador por (N- n)!

podemos reescrever CN,n da seguinte forma:
CN,n

1.5.10 Uma comisso formada por trs estudantes deve

ser escolhida em uma classe de vinte estudantes para organizar os
jogos interclasses. De quantas maneiras essa comisso pode ser escolhida?
EXEMPLO

= 15.

Como mencionamos acima, CN,n coincide com o coeficiente

binomial (~). Este nome deriva do fato que (~) o coeficiente de
anbN-n na expanso do binmio (a+ b)N. De fato, temos:
(1.10)
Deixamos a cargo do leitor provar essa igualdade e as seguintes
propriedades dos coeficientes binomiais:

Quando selecionamos uma amostra no ordenada de tamanho

n de um conjunto com N elementos, ns particionamos esse conjunto em dois subconjuntos; um com n elementos e o outro com N - n
elementos. Vimos que isto pode ser feito de (~) maneiras. natural que procuremos resolver o seguinte problema: Dado um conjunto
com N elementos, de quantas maneiras podemos particion-lo em
k subconjuntos, de modo que o primeiro tenha n 1 elementos, o segundo tenha n 2 elementos, ... e o k-simo tenha nk elementos, com
n1

+ n2 + + nk = N.

Em vez de dar a resposta no caso geral, vamos considerar o

exemplo que corresponde distribuio de cartas no jogo do bridge.
Nesse jogo participam quatro jogadores e as 52 cartas do baralho
so distribudas entre eles. Trata-se portanto de particionar um conjunto com 52 elementos em quatro subconjuntos, cada um com 13
elementos. Vamos ento determinar de quantas maneiras isto pode
ser feito.
Podemos selecionar 13 cartas a serem dadas ao primeiro jogador de tantas maneiras quantas so as amostras no ordenadas sem
reposio (combinaes) de tamanho 13 de um conjunto com 52 elementos. Esse nmero igual a (~;). Restam no baralho 39 cartas.
Podemos escolher 13 cartas para o segundo jogador de
maneiras. Das 26 restantes, podemos escolher 13 para o terceiro jogador
de (i~) maneiras. As 13 restantes iro para o quarto jogador. Assim o nmero de maneiras de particionar as 52 cartas do baralho em

G;)

38 Probabilidade: Um Curso Introdutrio

Noes Bsicas de Probabilidade 39

quatro subconjuntos com 13 cartas em cada um deles :

(39)
(26)
(52)
13
13
13 .
O mesmo raciocnio nos fornecer a prova do lema que enunciamos a seguir:
1.5.5 O nmero de parties de um conjunto de N elementos
em k subconjuntos, com n1, n2, ... , nk elementos, respectivamente,
igual a:
LEMA

N!
(1.11)

A linha de raciocnio a mesma do exemplo. Ns

selecionamos inicialmente do conjunto com N elementos- um subconjunto de tamanho n1. Do conjunto remanescente com N - n 1
elementos selecionamos um subconjunto com n 2 elementos. Dos
N- (n1 + n2) retiramos n3 e assim sucessivamente at que na ltima
etapa restam nk elementos e o processo termina. A primeira retirada
pode ser feita de (~) maneiras, a segunda de (N;: n 1 ) , e assim por
2
diante, sendo que a ltima pode ser feita de (N -(n 1+n2+ .. .+nk-2))
DEMONSTRAO

nk-1

maneiras. Pelo princpio fundamental de contagem, o nmero de

maneiras de retirar n1, n2, ... , nk-l, restando nk elementos para o
ltimo subconjunto, igual ao produto:

Substituindo nessa frmula cada coeficiente binomial pela sua

expresso em termos dos fatoriais obtemos:
N!
n1!(N- nl)!

(N- nl)!
n2!(N- (n 1 + n 2))!
(N- (n1

+ n2 + + nk-2))!

N!

1.5.11 No jogo de pquer com quatro participantes comum usar-se 32 cartas. As cartas pertencem a um de quatro naipes,
a saber: paus, espadas, ouros e copas. As denominaes das cartas
so: sete, oito, nove, dez, valete, dama, rei e s. Numa primeira
etapa so dadas cinco cartas a cada jogador. Consideremos as cartas
dadas a um jogador na primeira etapa. Qual a probabilidade de
que ele receba um par de ases?
EXEMPLO

Vamos considerar o espao amostrai como o conjunto das amostras no ordenadas sem reposio, de tamanho 5, de um conjunto
com 32 elementos. Pelo lema 1.5.4 o nmero de pontos do espao

amostrai e5 ).
No pquer, dizer que o jogador recebe um par de ases quer
dizer que ele s tem um par e trs outras cartas distintas. Vamos
designar por A o evento "o jogador recebe um par de ases". Para
calcular o nmero de pontos de A, observemos que podemos selecionar os dois ases de (~) maneiras; podemos selecionar as outras trs

G)

cartas que no devem ser ases e ser distintas de

(i) maneiras.
Esse produto corresponde a selecionar trs denominaes do conjunto {sete, oito, nove, dez, valete, dama, rei} e de cada uma das quatro
cartas das denominaes selecionadas, escolher uma carta. Assim:

P(A)

=o, 11.

Observemos que alternativamente ns podemos adotar para

espao amostrai associado distribuio de cartas na primeira etapa
o conjunto das parties de 32 cartas em cinco subconjuntos, quatro
com cinco cartas cada um, correspondendo s cartas entregues aos
quatro jogadores, e um quinto subconjunto com 12 cartas que so
as que permanecem sem serem distribudas. Vamos determinar
nmero de pontos do espao amostrai e calcular a probabilidade de
que um jogador tenha um par de ases. O nmero dessas parties
32 )!
.
1 a: (l ()!(
pe1o 1ema 1 .5.5 e, 1gua
!) 4 c ons1"d eremos agora as par f 1oes

em que um jogador especificado recebe um par de ases. Uma mo

com um par de ases e outras trs cartas diferentes do s e diferentes

40 Probabilidade: Um Curso Introdutrio

Noes Bsicas de Probabilidade 41

G)

entre si pode ser escolhida de (~)

(~) maneiras. Para cada mo
desse jogador com o par de ases o nmero de maneiras que os trs
outros jogadores podem receber suas cartas igual ao nmero de
parties de um conjunto de 27 cartas em quatro subconjuntos, um
deles com doze cartas e os outros trs com cinco cartas cada um. O
nmero dessas parties igual a 12 ~(~!!)3. Para a probabilidade de
obtermos um par de ases, obtemos:
3

(1.12)

P(U Ai)= LP(Ai)

i=l

i=l

Basta considerarmos a seqncia A1, A2, ... , An,

Ak = </J, k ~ n + 1 e aplicar b da definio 1.4.2. Como pelo lema
anterior P( <P) = O o resultado segue.
DEMONSTRAO

LEMA

G) G) G)

1.6.3 Se Ac o complementar do evento A, ento:

3 (27)!

P(Ac) = 1 - P(A).

(12)!(5!) 3
(32)!
(12)!(5!) 4

(1.13)

A e Ac so eventos mutuamente exclusivos cuja

reunio S. Da decorre que P(A) + P(Ac) = 1. Subtraindo-se
P(A) tem-se o resultado do lema.
DEMONSTRAO

que o mesmo valor que obtivemos acima.

1.6.4 Sejam A e B dois eventos do espao amostrai S, tais
que A C B, tem-se:

LEMA

1.6

PROPRIEDADES DA PROBABILIDADE

Vamos apresentar nesta seo algumas das propriedades da

probabilidade que decorrem diretamente ou quase diretamente dos
axiomas da definio 1.4.2.
LEMA

P(A) :S P(B).

(1.14)

DEMONSTRAO Como A C B, segue-se que B = A U A c B. Da

aditividade da probabilidade (lema 1.6.2) segue que:

1.6.1 Denotemos por <P o evento impossvel. Temos P(<P) =O.

P(B)
Como P(Ac B)

~O

= P(A) + P(Ac B)

conclumos que (1.14) verdadeira.

Seja A um evento deSde probabilidade positiva;

seja <P o evento impossvel, podemos exprimir o evento A da seguinte
DEMONSTRAO

U:

maneira: A = A
1 </Ji, onde para todo i ~ 1, </Ji = </J.
Ento pelo axioma b da definio 1.4.2 segue que:
00

P(A)

= P(A) +L P(</J).

i=l

Subtraindo P(A) de ambos os membros, segue-se que a igualdade acima s faz sentido se P( c/>.) = O.
1.6.2 Se os eventos A 1 , A 2, ... , An so mutuamente exclusivos, ento:

1.6.5 Sejam A e B dois eventos quaisquer do espao amostral

S, tem-se:
LEMA

LEMA

P(A U B)

= P(A) + P(B) -

P(AB).

(1.15)

42 Probabilidade: Um Curso Introdutrio

Noes Bsicas de Probabilidade 43

DEMONSTRAO A U B pode ser escrito como uma reunio de dois

eventos mutuamente exclusivos: A U B =A U A c B. Do lema 1.6.2
segue que:

= P(Ac B) + P(AB).

Vamos designar por A o evento "receber um par de ases" e

por B o evento "receber um par de reis". O evento "receber um par
de ases ou um par de reis" o evento A U B. Notemos que pela
definio de "um par" no jogo de pquer o jogador somente pode
receber um par de uma certa carta e trs outras cartas distintas
entre si e daquelas do par. Assim os eventos "um par de ases" e "um
par de reis" so mutuamente exclusivos e portanto

Tirando-se o valor de P(Ac B) e substituindo na expresso

P(AB) =O.

P(A U B)

= P(A) + P(Ac B).

(1.16)

Notando que B =A c B U AB, vem:

P(B)

( 1.16), ns obtemos:
P(A U B) = P(A)

Pela expresso (1.15) temos ento:

+ P(B)- P(AB).

EXEMPLO 1.6.1 No exemplo 1.3.1 consideramos um urna contendo

bolas numeradas de um a quinze. Suponha que uma bola retirada
da urna ao acaso, isto , de modo que cada bola tem probabilidade
de ser retirada. Calcule as probabilidades dos eventos A e B
definidos no exemplo 1.3.1, isto , A: o nmero da bola retirada
par; B: o nmero da bola retirada mltiplo de 3, e dos eventos
AB, A U B e (A u B)c.

LEMA

1.6.6 Sejam A 1 , A 2, ... , An eventos do espao amostraiS, te-

mos:

P(u Ak)

= 1- P(n

Ak),

(1.17)

k=1

k=1
n

P(

UAk) = P(A1) + P(A~A2) + + P(A~A~ A~-1An),

(1.18)

k=1

Como os eventos A, B e AB tm respectivamente 7, 5 e 2

pontos e o espao amostrai 15, temos: P(A) = 175 , P(B) = 155 ,
P(AB) = 125.
Podemos obter P(A U B) diretamente, contando o nmero de
pontos de A U B ou utilizando a expresso (1.15). Como A U B tem
dez pontos, tem-se: P(AUB) = ~~. Substituindo os valores de P(A),
P(B) e de P(AB) em (1.15), obtm-se esse mesmo valor. Finalmente
P ( (A U B) c) = 1 - P( A U B) = 155
No exemplo 1.5.11, calculamos a probabilidade do jogador receber um par de ases. Fixada qualquer denominao, a probabilidade
de o jogador receber um par dessa denominao a mesma que a de
receber um par de ases.

P(

U Ak) ::; P(A1) + P(A2) + + P(An)

k=1

DEMONSTRAO

A relao:

(u
n

1.6.2 Nas condies do Exemplo 1.5.11, calcular a probabilidade de o jogador receber um par de ases ou um par de reis.

Ak)c =

'k=1

Ak

k=1

uma extenso da propriedade c do lema 1.3.1. Temos:

P(

UAk)c = P( nAk).
n

k=1

k=1

Pelo lema 1.6.3 segue que:

1 - P(

EXEMPLO

n
n

U Ak) = P( nAk),
n

k=1

k=1

donde segue a expresso (1.17).

(1.19)

Noes Bsicas de Probabilidade 45

44 Probabilidade: Um Curso Introdutrio

possibilidades em cada um deles. Deste modo:

Mostremos que
n

UAk = A1 U A~A2 U U A~ A~ .. A~-1An

(1.20)

P(u A2k)

k=1

k=1

e que os eventos do lado direito da igualdade so mutuamente exclusivos.

(UZ=

Considere x E
1 Ak). Ento x E Ak, para algum k, 1 ::;
k::; n. Tome o menor k tal que x E Ak, ento x E AiA~ .. Ak_ 1Ak.
Logo x pertence ao conjunto do lado direito de (1.20).
Tomemos dois eventos quaisquer do lado direito de (1.20) e
verifiquemos que so mutuamente exclusivos. Sejam i e j inteiros tais que: 1 ::; i < j ::; n. Consideremos Ai A~ Af_ 1Ai e
Ai A~ Aj_ 1Aj. Note que o primeiro desses conjuntos est contido
em Ai e o segundo est contido em Ai e portanto eles so mutuamente exclusivos. Tomemos agora x pertencente ao lado direito em
(1.20). Ento para algum k, 1::; k::; n, x E AiA~ Ak_ 1Ak. Logo

P(A~ A~

AL 1 Ai) ::; P(Ai)

, para todo i = 2, 3, , n.

Somando-se obtemos o resultado desejado.

EXEMPLO 1.6.3 Uma moeda balanceada lanada dez vezes. Vamos calcular a probabilidade que ocorra cara em pelo menos um dos
lanamentos de nmeros 2, 4, 6 ou 8.

Vamos designar que o evento cara ocorra no lanamento 2k

por A2k, para k = 1, 2, 3, 4. O evento de interesse :
A2k Vamos utilizar a expresso (1.16) para calcular a probabilidade desse

U!=l

n!=

evento. Notemos que o evento

1 A~k corresponde ocorrncia de
coroa nos lanamentos de nmeros 2, 4, 6 e 8. O nmero de pontos
do espao amostrai que satisfazem esta condio 26 , pois, ns fixamos coroa nesses quatro lanamentos e nos outros seis temos duas

k=1

26
210

= 0,0625.

Antes de encerrarmos esta seo vamos enunciar a generalizao do lema 1.6.5 para uma reunio de um nmero inteiro positivo
de eventos do espao amostrai.

1. 6. 7 Sejam A1 , A 2, ... , An eventos de um espao amostrai

onde est definida uma probabilidade P, temos:

LEMA

n
n
P(U Ai)= LP(Ai)- LLP(AiAj)
i=l j>i
i=l
i=l

+L L L

U7=

x E Ak e portanto x E
1 Ai.
Para provar (1.18) basta calcular a probabilidade de ambos os
lados da igualdade (1.20). Como os eventos da unio no lado direito
so mutuamente exclusivos, o resultado decorre do lema 1.6.2.
A desigualdade (1.19) segue diretamente da frmula (1.18),
pois como foi visto acima Ai A~ Af_ 1Ai C Ai, e portanto

= 1- P(n A~k) = 1-

P(AiAjAk)+ +(-1)n-lp(AIA2 An)(1.21)

i=l j>i k>j

No daremos aqui a prova desse lema.

1.7

PROBABILIDADE CONDICIONAL

Os conceitos de probabilidade condicional e de independncia

de eventos so conceitos tpicos da Teoria das Probabilidades e que
servem para distingui-la de outros ramos da Matemtica. Vamos introduzir o conceito de probabilidade condicional considerando uma
situao especial em que o espao amostrai tem eventos equiprovveis.
Vamos considerar o experimento que consiste em lanar um
dado duas vezes em uma superfcie plana e observar o nmero de
pontos na face superior do dado em cada um dos lanamentos. Vamos supor que no se presencie os lanamentos do dado, mas se receba a seguinte informao: "em cada um dos lanamentos, o nmero
de pontos observados menor ou igual a dois". Vamos denotar por
A esse evento. Nestas condies, pergunta-se: qual a probabilidade
de que a soma dos pontos nos dois lanamentos seja igual a quatro? Ou seja, designando por B o evento "soma dos pontos nos dois
lanamentos igual a quatro", queremos saber qual a probabilidade

Noes Bsicas de Probabilidade 47

46 Probabilidade: Um Curso Introdutrio

de ocorrer o evento B, sabendo-se que o evento A ocorreu? Para o

espao amostrai associado aos dois lanamentos e para os eventos A
e B temos:
S

= {(i,j): i,j so inteiros 1 :::; i:::; 6,1:::; j

= {(1, 3), (2, 2), (3, 1)}

:::; 6}

Retornemos ao exemplo acima. Temos AB = { (2, 2)} e portanto P(AB) = 3~, P(A) = 3~. Aplicando-se a frmula (1.22) obtemos o valor ~, j encontrado acima.
Da frmula (1.22) que define a probabilidade condicional do
evento B dado o evento A, obtemos a seguinte expresso:

, A= {(1, 1), (1, 2), (2, 1), (2, 2)}.

P(AB)

= P(A)P(B I A).

(1.23)

Esta expresso e sua generalizao para uma interseo de

n eventos permitem construir probabilidades em espaos amostrais
que representam experimentos realizados em seqncia, em que a
ocorrncia de um evento na k-sima etapa depende das ocorrncias
nas k- 1 etapas anteriores. Vejamos inicialmente um exemplo para

6
5
4

3
2

ExEMPLO 1. 7.1 Considere uma urna com trs bolas brancas e sete
bolas vermelhas. Duas bolas so retiradas da urna, uma aps a outra
sem reposio. Determinar o espao amostrai e as probabilidades
associadas a cada ponto amostrai.

= 2.

Dizer que o evento A ocorreu equivalente a dizer que pode

no se levar em conta qualquer ponto do espao amostrai que no
pertena a A, ou seja, pode considerar-se o evento A como novo
espao amostrai para o experimento. Desta maneira a probabilidade
de B ocorrer dado A igual a ~, pois dos quatro pontos de A apenas
o ponto (2, 2) E B e os quatro pontos so equiprovveis.
Para espaos amostrais com eventos equiprovveis pode-se adotar este procedimento como definio de probabilidade condicional do
evento B dado o evento A. Ele serve, no entanto, de motivao para
a seguinte definio:
1.7.1 Sejam A e B dois eventos de um espao amostrai
e supondo que P(A) > O, a probabilidade condicional de B dado A

O espao amostrai o conjunto {B1B 2,B1 V2, V1B 2, V1V2}

O evento B 1 B 2 o evento que corresponde a ocorrer branca
na primeira retirada e branca na segunda. Para os outros pontos do
espao amostrai a interpretao anloga.
Utilizando (1.23) temos:
3 2

P(BI)P(B2 I BI) = - - = 10 9
30

P(BI)P(V2 I BI)

3 7
7
= -=
10 9
30

P(VI)P(B2 I VI)

7 3
7
= -= -30
10 9

P(Vl)P(V2 I VI)

DEFINIO

definida por:

P(B I A)= P(AB)

P(A) .

(1.22)

7 6
14
10 9 = 30 .

Noes Bsicas de Probabilidade 49

48 Probabilidade: Um Curso Introdutrio

A frmula (1.23) pode ser generalizada de modo a exprimir

a probabilidade da interseo de n eventos A1, A2, ... , An por meio
das probabilidades condicionais sucessivas.
LEMA 1. 7.1 Sejam A 1 , A 2 , ... , An eventos do espao amostra[ S,

retirada. Assim aps a primeira retirada, em que saiu branca, a urna fica com duas brancas e sete vermelhas; aps a segunda em que
tambm saiu branca, fica com uma branca e sete vermelhas; aps a
terceira em que saiu vermelha, fica com uma branca e seis vermelhas
e assim por diante.

onde est definida a probabilidade P, tem-se:

1. 7.1
P(AI)P(A2 I Al)P(A3 I A1A2) ...
P(An I A1A2 An-d

(1.24)

DEMONSTRAO Vamos demonstrar por induo. Para n = 2 esta

frmula se reduz frmula (1.23). Suponha que (1.24) vale para n-1

Frmula das Probabilidades Totais e Frmula de Bayes

LEMA 1. 7.2 Seja B1, B2, ... , Bn uma partio do espao amostra[
S, isto , esses eventos so mutuamente exclusivos e sua reunio
S; seja A um evento e P uma probabilidade definida nos eventos de
S, temos:
n

P(A)

eventos, isto ,

=L

P(A I Bk)P(Bk).

(1.26)

k=l
DEMONSTRAO Como S
(1.25)

= U~=l Bk

A= AS= A(

Aplicando-se a frmula (1.22) aos eventos A1A2 An-1 e An temos:

k=l

k=l

UBk) = UABk

Calculando-se a probabilidade de A obtemos:

Substituindo nesta igualdade a expresso de P(A1A2 An-d dada

por (1.25), obtemos (1.24).

k=l

k=l

Esta ltima igualdade foi obtida exprimindo P(ABk) pela

frmula (1.23).

EXEMPLO 1. 7. 2 Vamos retomar o exemplo 1. 7.1 e calcular a probabilidade de obter o seguinte resultado: B1B2 V3 V4B5 em cinco retiradas de bolas da urna, sem reposio. O ndice representa o nmero
da retirada. Pela frmula (1.24) temos:

P(B1B2V3 V4B5) = P(BI)P(B2I BI)P(V3I B1B2).

.P(V4IBIB2V3)P(B5IB1B2V3V4)

3 2761
10 9876

1
120

As probabilidades condicionais sucessivas foram calculadas

levando-se em conta as mudanas na composio da urna aps cada

A frmula (1.26) conhecida como a frmula das probabilidades totais. Note que ela permite calcular a probabilidade de um
evento A quando se conhece as probabilidades de um conjunto de
eventos disjuntos cuja reunio o espao amostrai (uma partio de
S) e as probabilidades condicionais de A dado cada um deles .
EXEMPLO 1. 7.3 So dadas trs urnas com as seguintes composies:
a urna um tem trs bolas brancas e cinco vermelhas, a urna dois tem
quatro bolas brancas e duas vermelhas e a urna trs tem uma bola
branca e trs vermelhas. Escolhe-se uma das trs urnas de acordo
com as seguintes probabilidades: urna um com probabilidade ~, urna

Noes Bsicas de Probabilidade 51

50 Probabilidade: Um Curso Introdutrio

dois com probabilidade ~ e urna trs com probabilidade ~. Uma bola

retirada da urna selecionada. Calculemos a probabilidade da bola
escolhida ser branca.
Designemos por A o evento que corresponde a retirar uma bola
branca da urna selecionada, e por Bi, para 1

:S

A parte ii decorre da definio de probabilidade condicional

e da aditividade da probabilidade, expressa pela frmula (1.12). De
fato, sejam B 1 , B 2 , ... , Bn eventos mutuamente exclusivos
n

:S 3, o evento "a

urna i selecionada". Temos ento A = A(B1 U B2 U B3).

Utilizando a frmula (1.26) para n = 3 vem:

2::~= 1 P(Bk nA) _ 2::~= 1 P(Bk 1 A)P(A)

P(A)
P(A)

A demonstrao de iii imediata, pois, P(S I S)

Os dados do exemplo nos fornecem:

P(A I B1)

= 8'

P(A I B2)

= 6'

P(A I B3)

;~~~

= 1.

Vamos agora deduzir a frmula de Bayes. Como veremos,

sua deduo bem simples, porm permite interpretao bastante
profunda e que responsvel pelo desenvolvimento de uma linha de
fundamentos da estatstica que hoje em dia denominada Bayesiana.

= 4"

Substituindo-se esses valores na expresso acima obtemos

P(A) =

P((U~= 1 Bk) nA) _ P(U~= 1 (Bk nA))

P(A)
P(A)

2.

1. 7.4 Seja B um evento e A 1 e A 2 uma partio do espao

amostra[ S, isto A 1 n A 2 = cjJ e A 1 U A 2 = S. Seja P uma probabilidade definida nos eventos de S. Temos para i = 1, 2:

LEMA

probabilidade condicional, definida na classe dos eventos do

(1.28)

espao amostrai, satisfaz as propriedades estabelecidas no seguinte

lema.
LEMA

DEMONSTRAO

1. 7.3 Seja A um evento tal que P(A)

> O.

P(U
k=1

I A)= 'L:P(Bk I A);

k=1

A parte i decorre imediatamente da definio de

probabilidade condicional e do fato da probabilidade de um evento

ser sempre no negativa.

P(B) '

mas P(AiB) = P(Ai)P(B I Ai) e expressando P(B) pela frmula

das probabilidades totais (1.26) ns obtemos a frmula (1.28}.

(1.27)

iii) Se S denota o espao amostra[ P(S I S) = 1.

DEMONSTRAO

= P(AiB)

Vamos fazer algumas observaes sobre a frmula de Bayes:

Bk

P(A.2 I B)

A probabilidade

condicional satisfaz:
i) Para todo evento B P(B I A) 2: O;
i i) Se B 1 , B 2 , ... , Bn so eventos mutuamente exclusivos ento:
n

Pela definio de probabilidade condicional temos:

a) Ela permanece vlida quando se considera uma partio finita

do espao amostrai S, ou seja, se A1 , A2, ... , An uma partio
de S, e B um evento de S, ento, para todo i = 1, 2, ... , n,
tem-se:
P(A. I B) =
t

P(B I Ai)P(Ai)
I Ak)P(Ak) .

2::~=1 P(B

(1.29)

Noes Bsicas de Probabilidade 53

52 Probabilidade: Um Curso Introdutrio

b) Como A 1 , A 2, ... , An uma partio do espao amostrai S, isto

Ui= 1 Ai = S e Ai n Aj = 4>, segue-se que P(AI) + P(A2) +

+ P(An) = 1. fcil verificar que L::~=l P(Ai I B) = 1. De

fato isto decorre das propriedades i i e iii do lema 1. 7 .3.

EXEMPLO

1.7.4 Uma companhia monta rdios cujas peas so pro-

duzidas em trs de suas fbricas denominadas A1, A2 e A3. Elas

produzem, respectivamente, 15%, 35% e 50% do total. As probabilidades das fbricas A 1 , A 2 e A 3 produzirem peas defeituosas so
0,01; 0,05 e 0,02, respectivamente. Uma pea escolhida ao acaso do
conjunto das peas produzidas. Essa pea testada e verifica-se que
defeituosa. Qual a probabilidade que tenha sido produzida pela
fbrica Ai, para i

= 1, 2, 3?

ao acaso da linha de produo, as probabilidades de que essa pea

venha das fbricas A1, A2 e A 3 so respectivamente iguais a 0,15,
0,35 e 0,5. Por outro lado se retiramos a pea ao acaso e deconhecemos a procedncia da pea, isto , de que fbrica ela veio, e somos
informados de que ela defeituosa, ento levando em conta esta informao proveniente do experimento, as probabilidades que a pea
tenha vindo de A1, A2 ou de A 3 passam a valer, respectivamente,
0,052, 0,603 e 0,345.

1.8

INDEPENDNCIA DE EVENTOS

Vamos introduzir a noo de independncia para dois eventos

e posteriormente estender a definio para um nmero qualquer de
eventos.

Designemos por B o evento "a pea boa" e por D o evento

"a pea defeituosa". Sabemos que: P(A1) =O, 15, P(A2) = O, 35 e
que P(A 3 ) = O, 5, pois a pea escolhida ao acaso do conjunto das
peas. Sabemos ainda dos dados do problema que P(D I A1) =O, 01,
P(D I A 2) =O, 05 e P(D I A 3) =O, 02. Desejamos calcular P(Ai I D),
isto , a probabilidade condicional de a pea ter sido produzida na
fabricada Ai, para i= 1, 2, 3, sabendo-se que ela defeituosa.
Pela frmula de Bayes temos, para i= 1, 2, 3:

P(D I AI)P(AI)

+ P(D I A2)P(A2) + P(D I A3)P(A3) =

= (0, 01)(0, 15) + (0, 05)(0, 35) + (0, 02)(0, 5) =o, 0290.
Para i
i = 2 P(D

= 1,

I AI)P(A1) = O, 0015, para

O, 0175 e para i = 3 P(D I A3)P(A3) =

o numerador P(D

I A 2)P(A 2) =

O, 01. Substituindo-se, obtemos:

P(Al I D) = o, 052, P(A2 I D) = o, 603, P(A3 I D) = o, 345.

O uso da frmula de Bayes nos fornece a seguinte interpretao: como as fbricas A 1 , A 2 e A 3 so responsveis, respectivamente, por 15%, 35% e 50% da produo, se retirarmos uma pea

DEFINIO 1.8.1 Sejam A e B dois eventos e suponha que P(A)

O. O evento B dito independente do evento A se:

P(B I A)

= P(B).

>

(1.30)

Esta definio corresponde noo intuitiva da independncia

do evento B em relao ao evento A, pois diz que a probabilidade de
B no se altera com a informao de que o evento A ocorreu.
Se o evento B independente do evento A decorre da frmula
(1.23) que:
P(AB) = P(A)P(B).
(1.31)
Se o evento B independente do evento A ento ns esperamos
que A tambm seja independente de B. De fato isto ocorre, como
verificado a seguir:

P(A I B) = P(AB)
P(B)

P(A)P(B)
P(B)

= P(A).

A primeira igualdade a definio de probabilidade condicional, e a

segunda decorre da frmula (1.31).
Se a frmula (1.31) vlida, ento essas igualdades mostram
que A independente de B. Logo A e B so independentes se e somente se a frmula (1.31) valer. Ento podemos adotar essa frmula

54 Probabilidade: Um Curso Introdutrio

Noes Bsicas de Probabilidade 55

como a definio de independncia. Note que esta frmula, apesar de

no ser to intuitiva como a expresso da definio 1.8.1, simtrica
em relao aos dois eventos, e alm disso ela adequada para a generalizao da definio de independncia para mais que dois eventos.
EXEMPLO 1.8.1 Vamos considerar uma urna, como no exemplo 1.7.1,
que contm trs bolas brancas e sete bolas vermelhas. Retiram-se
duas bolas da urna, prem, aps a primeira retirada, a bola reposta na urna.
Vamos supor que as dez bolas so numeradas de 1 a 10, as
brancas recebem nmeros de 1 a 3 e as vermelhas de 4 a 10. Podemos considerar como espao amostrai associado a esse experimento
o conjunto:

= {(i,j): i,jinteiros, 1 <_Si

9
100

P(B1 V2)

21
100

P(V1B2)

P(V1 V2)

P(BI)

30
100

= 10

30
100

3
10

Observe que tanto B 1 quanto B2 tm 30 pontos amostrais,

{(i,j): 1 <_Si <_S 3,1 <_S j <_S 10}
{(i,j): 1 <_Si <_S 10,1 <_S j <_S 3} .
De modo anlogo obtemos P(VI) e P(V2). Vemos assim que:

<_S 10,1 <_S j <_S 10}.

Se partirmos da hiptese de que qualquer das 10 bolas tem

a mesma chance de ser escolhida, como as duas retiradas so feitas com reposio, podemos associar aos pontos do espao amostrai probabilidade 1 60 . Obtemos para as probabilidades dos eventos,
B 1B 2, B 1V2 , V 1B 2 , V1V2 , onde o ndice indica a retirada, os seguintes
valores:
P(B1B2)

tem 100 pontos. Para os eventos B 1 e B 2 temos:

21
100

49
100

Vamos justificar a primeira igualdade, pois a justificao para as

demais a mesma. Pode-se tirar branca na primeira vez de trs
maneiras e na segunda retirada tambm de trs maneiras, pois a
primeira bola reposta na urna antes da retirada da segunda. Assim
o evento B 1 B 2 pode ocorrer de nove maneiras e o espao amostrai

Esse exemplo nos mostra formalmente que os eventos B 1 e B 2 ;

B1 e V2; V1 e B2 e V1 e V2 so independentes. A seguir partiremos
da independncia e usaremos a frmula do produto (1.31) para definir a probabilidade em espaos amostrais associados a experimentos
repetidos.
Vamos encontrar com freqncia situaes em que um experimento repetido um nmero arbitrrio de vezes. Se consideramos
um evento associado a cada repetio, precisamos generalizar a definio de independncia para mais de dois eventos.
Antes de prosseguir, daremos dois exemplos que auxiliaro
a determinar as condies que devem ser impostas para definir a
independncia de trs ou mais eventos.
EXEMPLO 1.8.2 Duas moedas so lanadas. Consideremos os seguintes eventos: A 1 - cara no primeiro lanamento, A 2 - cara no
segundo lanamento e A 3 - nos dois lanamentos ocorre a mesma
face.

Noes Bsicas de Probabilidade 57

56 Probabilidade: Um Curso Introdutrio

O espao amostrai o conjuntoS= {CC, CC, CC, C C}, onde

Calculando-se as probabilidades desses eventos, obtemos o seguinte:

C designa cara e C coroa.

Suporemos que a moeda balanceada e portanto que os pontos
do espao amostrai tm probabilidade ~.
A1 ={CC, CC},

A 2 = {CC,CC},

A 3 ={CC, C C},

A1A2 ={CC},

A1A3 ={CC},

A2A3 ={CC},

P(AB) =

= P(A)P(B)

P(AC) =

.~

-:f- P(A)P( C)

P(BC)

= ~-:f- P(B)P(C)

A1A2A3 ={CC}.
P(ABC) =

Calculando-se as probabilidades desses eventos, obtemos:

P(AI) = P(A2) = P(A3) =

"2'

P(A 1A 2) = P(A2A3) = P(A1A3) =

P(A1A2A3) =

1'

4'

4.

Da decorre que vale a igualdade (1.31) para os eventos tomados dois a dois, mas

= P(A)P(B)P(C)

As igualdades acima mostram que os eventos A e B so independentes, que os eventos B e C e os eventos A e C no so

independentes e que A, B e C satisfazem a forma produto.
Sugerimos ao leitor que considere no exemplo 1.8.3 os eventos
A1- cara no primeiro lanamento, A 2 - cara no segundo lanamento,

e A 3 -cara no terceiro lanamento e verifique que, para esses eventos,

todas as quatro expresses acima se transformam em igualdades, isto

:
P(A1A2) = P(AI)P(A2)

EXEMPLO

1.8.3 Lana-se uma moeda trs vezes. O espao amostrai

o conjunto das seqncias de caras e coroas de comprimento 3.

P(A1A3)

Consideremos os eventos:

P(A2A3) = P(A2)P(A3)

{CGC, CC C, C C C, C C C}

{CCC,CCC ,CCC,CCC}

{CGC, CCC,CCC, CGC}.

Decorre da que: P(A) = P(B) = P(C) = ~

Temos:

= P(AI)P(A3)

P(A1A2A3) = P(AI)P(A2)P(A3).

(1.32)

Esta anlise mostra que, para definirmos independncia de

trs eventos, devemos impor que essas quatro igualdades valham.
Esses exemplos nos sugerem que para definir a independncia para
n eventos, sendo n um inteiro positivo, devemos exigir a validade
da forma produto para todo subconjunto de k dos n eventos, para
2

:S k :S n.

AB = {CCC,CCC}
DEFINIO

1.8.2 Os eventos A1 ,A 2 , ... ,An so independentes se:

BC= {CCC,CCC,CCC}
P(AZl AZ2 AZk )
AC ={CGC}
ABC ={CGC}.

= P(A

Zl

)P(AZ2 ) P(AZk )

para todo. k = 2,3, ... n e todo {i 1,i2, ... ,ik} C {1,2, ... ,n}
tal que i1

< i2 < < ik.

(1.33)

Noes Bsicas de Probabilidade 59

58 Probabilidade: Um Curso Introdutrio

O nmero de equaes que devem ser satisfeitas nesta definio

2n- n- 1.
De fato, para todo k, 2 ::; k ::; n, h uma equao para cada
subconjunto de tamanho k dos n eventos, e como o nmero desses
subconjuntos G), h para cada k esse nmero de equaes. O total
de equaes , portanto:

t (n) t (n) _(n) _(n) =

=

k=2

k=O

2n- n- 1.

Para obter esta ltima igualdade, utilizamos a frmula (l.IO)

pondo a

1.9

5. Sejam A, B e C trs eventos de um espao amostrai. Determine

expresses em funo de A, B e C para os eventos: (a) somente
A ocorre; (b) todos os trs eventos ocorrem; (c) pelo menos
.dois eventos ocorrem; (d) exatamente dois eventos ocorrem;
(e) no mais do que dois eventos ocorrem; (f) A e B ocorrem,
mas C no ocorre; (g) pelo menos um dos eventos ocorre; (h)
exatamente um dos eventos ocorre; (i) nenhum dos eventos
ocorre.
6. Prove e interprete as seguintes identidades:

= b = 1.

EXERCCIOS

I. Defina o espao amostrai para cada um dos seguintes experimentos aleatrios: (a) lanam-se dois dados e anota-se a
configurao obtida; (b) conta-se o nmero de peas defeituosas, no intervalo de uma hora, de uma linha de produo; (c)
investigam-se famlias com quatro crianas e anota-se a configurao obtida, segundo o sexo; (d) numa entrevista telefnica
com dez assinantes, pergunta-se se o proprietrio tem ou no
mquina de secar roupa; (e) de um fichrio com seis nomes, sendo trs de mulheres e trs de homens, seleciona-se ficha aps
ficha at que o ltimo nome de mulher seja selecionado.
2. Uma moeda lanada trs vezes. Descreva o espao amostrai.
Considere os eventos Ai: cara no i-simo lanamento, para
i = I, 2, 3. Determine os seguintes eventos: (a) A1 n A 2 ; (b)
Af U A2; (c) (A! n A~)c; (d) A1 n (A2 U A3).
3. Suponha que o espao amostrai o intervalo [0, I] dos reais.
Considere os eventos A = [x : I/4 ::; x ::; 5/8] e B = [x :
I/2::; x::; 7 /8]. Determine os eventos: (a) A c; (b) A n Bc; (c)
(A U B)c; (d) A cU B.
4. Quais das seguintes relaes so verdadeiras:
(a) (AUB)n(AUC) = AU(AnC); (b) AUB = (AnBc)uB;
(c) AcnB=AUB; (d) (AUB)cnC=AcnBcncc.

7. Prove que:

(a+ b)n

~ (~)abn-k_

8. Mostre que:

(a) l:~=O

G)

(c) l:~=r

(;) = (~:i); (d) 2:~=0 (r~\) G) = (n~m), n

= 2n; (b) 2:~= 0 ( -I)k

(e) L:~=o (~) =

G)

=O;
::; r ::;

m;

e:); (f) L:~=o kG) = n2n-!;

(g) l:~=O k(k- I)(~) = n(n- I)2n- 2;

(h)

(7) + (~) + + (n~ 1 ) =

(~)

+ (;) + + (~), com n par.

9. A, B e C so trs eventos de um mesmo espao amostrai, tais

que:
P(B) =O, 5,
P(C) =O, 3,
P(B I C)= O, 4
P[A I (B n C)] =O, 5. Calcule P(A n B n C).

IO. Prove que se A e B so dois eventos de um espao amostraiS

e P uma probabilidade definida nos eventos de S, ento:

P((A n Bc) u (B nA c))= P(A) + P(B)- 2P(A n B).
Il. Sejam A e B dois eventos de um mesmo espao de probabili-

dades. Sabendo-se que P(A) = O, 7 e P(B)

valor mximo e mnimo de P(A n B).

= O, 6,

determine o

I2. Sejam A, B e C trs eventos independentes dois a dois tal que

A n B n C = 0. Dado que P(A) = P(B) = P( C)= x, determine
o maior valor possvel de x.

60 Probabilidade: Um Curso Introdutrio

Noes Bsicas de Probabilidade 61

13. Sejam A e B eventos de um mesmo espao amostrai. Se A e B

so independentes, prove que A e Bc; Ac e B; Ac e B tambm

21. Em mdia, 5% dos produtos vendidos por uma loja so devolvidos. Qual a probabilidade de que, nas quatro prximas
unidades vendidas deste produto, duas sejam devolvidas?

so independentes.
14. Sejam A e B dois eventos de um espao amostrai. Suponha
que P(A) = O, 4 e P(A U B) = O, 7 e P(B) = p. (a) Para que
valor de p os eventos A e B so mutuamente exclusivos? (b)
Para que valor de p os eventos A e B so independentes?

22. Um comit formado por quatro homens e duas mulheres. Dois

membros do comit so selecionados sucessivamente, ao acaso

e sem reposio. Calcule a probabilidade de cada um dos resultados: HH, HM, MH e MM.

15. Prove que: (a) Se P(Ac) =a e P(Bc) = /3, ento P(A n B) 2:

1- a- /3; (b) Se P(A I B) 2: P(A), ento P(B I A) 2: P(B).
16. Mostre que: P(Ec n Fc) = 1- P(E)- P(F)

23. Uma cidade tem 30.000 habitantes e trs jornais: A, B e C.

Uma pesquisa de opinio revela que 12.000 lem A, 8.000 lem
B; 7.000 lem A e B; 6.000 lem C; 4.500 lem A e C; 1.000
lem B e C e 500 lem A, B e C. Selecionamos ao acaso um
habitante dessa cidade. Qual a probabilidade de que ele leia:

+ P(E n F).

17. Uma urna contm duas bolas brancas e duas pretas. As bolas so retiradas ao acaso, sucessivamente e sem reposio. (a)
Qual a probabilidade de sair uma bola preta na primeira reti-

(a) pelo menos um jornal? (b) somente um jornal?

rada? (b) Qual a probabilidade de que a primeira bola preta

aparea somente na quarta retirada? (c) Qual a probabilidade
de que a segunda bola preta aparea logo na segunda retirada?
(d) Qual a probabilidade de que a segunda bola preta aparea
somente na quarta retirada?

24. dada a distribuio de 300 estudantes segundo o sexo e a

rea de concentrao:

Masculino
Feminino

18. Um dado viciado de modo que um nmero par duas vezes

mais provvel que um nmero mpar. Encontre a probabilidade de que: (a) um nmero par ocorra; (b) um nmero primo
ocorra; (c) um nmero primo par ocorra em um lanamento.

Biologia
52
38

Exatas
40
32

Humanas
58
80

Um estudante sorteado ao acaso.

(a) Qual a probabilidade de que ele seja do sexo feminino e
da rea de humanas? (b) Qual a probabilidade de que ele
seja do sexo masculino e no seja da rea de biolgicas? (c)
Dado que foi sorteado um estudante da rea de humanas, qual
a probabilidade de que ele seja do sexo feminino?

19. Um nmero escolhido, ao acaso, entre os nmeros inteiros

de 1 a 20. Considere os eventos: A : o nmero escolhido
mltiplo de 3; B: o nmero escolhido par.
Descreva os eventos A n B, A U B, A n Bc e calcule suas probabilidades.

25. Um restaurante popular apresenta dois tipos de refeies: sala20. No exerccio 1 considere os pontos amostrais em a) e c) equiprovveis. Em a) calcule a probabilidade da soma dos pontos

da completa e um prato base de carne. 20% dos fregueses do

sexo masculino preferem salada, e 30% das mulheres preferem
carne. 75% dos fregueses so homens. Considere os seguintes
eventos:

dos dois dados ser igual a seis. Em c) calcule a probabilidade

de uma famlia ter trs filhos do sexo masculino.

Noes Bsicas de Probabilidade

62 Probabilidade: Um Curso Introdutrio

H: o fregus homem,
A : o fregus prefere salada,

M : o fregus mulher,
B : o fregus prefere carne.

duas cartas diferentes); (f) dois pares (dois pares do mesmo

valor mais uma outra carta); (g) um par (um par de valores
iguais mais trs cartas diferentes).

Calcule:
(a) P(H), P(A I H) e P(B I H);
(b) P(A UH) e P(A n H);

(c) P(M I A).

26. Um indivduo tem n chaves, das quais somente uma abre uma
porta. Ele seleciona, a cada tentativa, uma chave ao acaso sem
reposio e tenta abrir a porta. Qual a probabilidade de que
ele abra a porta na k-sima tentativa ( k = 1, 2, ... , n)?
27. O jogo da loto consiste em selecionar-se cinco dezenas do conjunto de cem dezenas de 00 a 99. Qual a probabilidade de se
acertar a quina (5 dezenas) se marcar-se 1O dezenas no volante?

32. Uma moeda lanada at se obter a primeira cara. Determine:

(a) a probabilidade de que isto ocorra em um lanamento de
nmero par; (b) a probabilidade de que isto ocorra em um
lanamentos de nmero mpar.
33. Um dispositivo eletrnico formado por trs partes. Cada parte tem probabilidade de 0,9 de funcionar bem e 0,1 de falhar. O
funcionamento de cada parte no depende das demais. O dispositivo falha se duas ou mais falham. Calcule a probabilidade
de falha do dispositivo.

28. Duas cartas so retiradas simultaneamente de um baralho. Qual

a probabilidade de que: (a) ambas sejam de espadas; (b) uma
seja de espadas e a outra de copas.

34. Trs mquinas A, B e C produzem 50%, 30% e 20%, respectivamente, do total de peas de uma fbrica. As porcentagens de
produo defeituosa destas mquinas so 3%, 4% e 5%. Se uma
pea selecionada aleatoriamente, ache a probabilidade de ela
ser defeituosa. Se a pea selecionada defeituosa, encontre a
probabilidade de ter sido produzida pela mquina C.

29. Suponha que existam dez livros que devem ser colocados em
uma estante, sendo quatro de matemtica, trs de qumica,
dois de fsica e um dicionrio. Se quisermos que os livros de
mesmo assunto fiquem juntos, de quantas maneiras isso ser
possvel?

35. A probabilidade de que a porta de uma casa esteja trancada

chave 3/5. Um chaveiro possui 25 chaves das quais trs abrem
essa porta. Qual a probabilidade de que um indivduo entre na
casa, se ele puder escolher, ao acaso, somente uma chave do
chaveiro?

30. Em um jornal existem dez jornalistas. Se quisermos colocar trs

jornalistas trabalhando na sede do jornal, cinco em reportagem
externa e dois de reserva, de quantas maneiras isso poder ser
feito?

36. Numa urna onde existiam oito bolas brancas e seis azuis, foi
perdida uma bola de cor desconhecida. Uma bola foi retirada
da urna. Qual a probabilidade de a bola perdida ser branca,
dado que a bola retirada branca?

31. Ache a probabilidade de que uma mo de pquer seja um:

(a) royal flush (dez, valete, dama, rei e s do mesmo naipe);
(b) quatro de um mesmo tipo (quatro cartas do mesmo valor);
(c) trinca e par (um par e uma trinca de cartas do mesmo valor);
(d) seguida (cinco cartas em seqncia, no importando o naipe); (e) trs cartas do mesmo tipo (trs valores iguais mais

37. A probabilidade de que um aluno saiba a resposta de uma

questo de um exame de mltipla escolha p. H m respostas
possveis para cada questo, das quais apenas uma correta.
Se o aluno no sabe a resposta para uma dada questo, ele
escolhe ao acaso uma das m respostas possveis. (a) Qual a
probabilidade de o aluno responder corretamente uma questo?

63

64 Probabilidade: Um Curso Introdutrio

(b) Se o aluno respondeu corretamente a questo, qual a probabilidade de que ele tenha "chutado" a resposta?
38. De quantas maneiras diferentes r bolas distintas podem ser distribudas, ao acaso, em n urnas numeradas de 1 a n? Qual a

probabilidade de que pelo menos uma urna tenha duas bolas?

Qual a probabilidade de cada urna conter no mximo uma
bola?
39. Seleciona-se ao acaso uma amostra casual de tamanho r de
uma populao de tamanho n, sem reposio. Qual a probabilidade de que um elemento fixado seja includo na amostra?
Se a amostragem for com reposio, qual a probabilidade de
que um elemento fixado seja includo pelo menos uma vez na
amostra?

VARIVEIS ALEATRIAS E
DISTRIBUIES DE PROBABILIDADE

40. Distribuindo-se r bolas distintas em n urnas numeradas de 1

a n, qual a probabilidade de que a urna 1 seja ocupada por

bolas, a urna 2 seja ocupada por r 2 bolas, ... , a urna n
seja ocupada por rn bolas, de modo que r 1 + r2 + + rn =r,
ri 2:: O, j = 1,2, ... ,n?
r1

41. Refaa o exerccio 40, supondo bolas idnticas ou indistinguveis.

42. De uma urna com n bolas numeradas de 1, 2, ... , n, selecionase ao acaso e sem reposio todas as bolas, uma de cada vez.
Dizemos que ocorre um pareamento na j-sima seleo
(1 :::; j :::; n), se nessa seleo for selecionada a bola de nmero
j. Determine a probabilidade de que (a) ocorra pelo menos um
pareamento; (b) no ocorra pareamento algum; (c) ocorram
exatamente r pareamentos, r = O, 1, ... , n.
43. Suponha que r bolas distintas sejam distribudas aleatoriamente em n urnas. Determine a probabildade de que uma urna
especfica contenha exatamente k bolas, k =O, 1, ... , r.

2. 1

VA RIVEIS ALEATRIAS

Para descrever um experimento aleatrio conveniente associar valores numricos aos seus resultados. Como os eventos que ocorrem quando se realizam experimentos aleatrios variam a cada realizao dos mesmos, tambm variaro os valores numricos que l_hes
so associados. Em alguns experimentos os resultados j so descntos
numericamente; no exemplo 1.1.2 observamos o nmero de chama_das
telefnicas que chegam a uma central, que um inteiro no negativo;
no exemp lo 11
. .3 observamos o tempo
. de durao de uma lmpada,
que um nmero real no negativo, e no exemplo 1.1.4 o n~ero _de
pontos que aparecem na face superior de um dado, que um mte1ro
de 1 a 6. No entanto, em um grande nmero de situaes, os pontos
do espao amostrai no so expressos numericamente. No exemplo
1.1.5 observa-se 0 sexo do primognito representado pela letra M para
masculino e pela letra F para feminino. Neste caso o espao amostrai
to {M , F} . No exemplo 12 2 observamos cara (C) ou coe' O COnJUn