Final1 0

Coleco
Step-by-Step
Probabilidades
Volume I
Clculo de Probabilidades de Acontecimentos

Resumo Terico e Exerccios Resolvidos
ndice
Prefcio.......................................................................................................................................................................3
1 Introduo. Definies: Experincia Aleatria e Acontecimentos Aleatrios.........................................................4
2 Clculo de Probabilidades em espaos de resultados igualmente provveis: Lei de Laplace .................6
3 Noo de probabilidade: axiomas e teoremas. ................................................................................................7
Axiomtica das Probabilidades...............................................................................................................................7
4 Probabilidade Condicionada..............................................................................................................................9
Axiomtica das Probabilidades Condicionadas....................................................................................................10
5 Teorema da Multiplicao de Probabilidades................................................................................................10
6 Teorema da Probabilidade Total......................................................................................................................11
7 Teorema de Bayes..............................................................................................................................................11
8 Acontecimentos Independentes.......................................................................................................................12
9 Exerccios Resolvidos.......................................................................................................................................15
10 Exerccios Propostos........................................................................................................................................20
11 Exerccios de Auto-Avaliao.........................................................................................................................22
I Escolha Mltipla................................................................................................................................................22
II Verdadeiro/Falso...............................................................................................................................................23
12 Referncias Bibliogrficas..............................................................................................................................24
Anexo 1 Reviso sobre o Clculo Combinatrio.............................................................................................25
Introduo.............................................................................................................................................................25
Estratgicas bsicas de Contagem: Regras Bsicas..............................................................................................25
Arranjos com e sem repetio...............................................................................................................................26
Permutaes..........................................................................................................................................................27
Factorial de um nmero inteiro no negativo.......................................................................................................27
Combinaes.........................................................................................................................................................28
Propriedades das Combinaes.............................................................................................................................29
O Tringulo de Pascal...........................................................................................................................................29
Binmio de Newton..............................................................................................................................................30
Exerccios Resolvidos sobre o Binmio de Newton.............................................................................................31
Exerccios Propostos sobre o Binmio de Newton...............................................................................................32
Exerccios Propostos sobre Clculo Combinatrio...............................................................................................32
Anexo 2 Reviso da Teoria dos Conjuntos: Operaces entre conjuntos. .....................................................34
Exerccios Propostos sobre Teoria dos Conjuntos................................................................................................36
Anexo 3 Linguagem usada em Medicina..........................................................................................................37
Solues dos Exerccios Propostos.......................................................................................................................39
Solues da Escolha Mltipla...................................................................................................................................42
Solues do Verdadeiro/Falso...................................................................................................................................42
Solues dos Exerccios Propostos sobre o Binmio de Newton.............................................................................42
Solues dos Exerccios Propostos sobre Clculo Combinatrio.............................................................................43
Solues dos Exerccios Propostos sobre Teoria dos Conjuntos..............................................................................43
2
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Prefcio
O leitor est a ler uma verso parcial e preliminar de um texto em elaborao, mais precisamente a
verso de 17 de Abril de 2000. O autor agradece todas e quaisquer indicaes de gralhas e/ou erros,
sugestes, crticas,... para jguerreiro@portugalmail.pt Se desejar ser notificado sempre que se verifiquem
alteraes de fundo neste texto pea por e-mail um formulrio para o efeito.
Este texto tem vrios objectivos cuja fronteira no est muito bem definida. certo que h vrios anos
que existem manuais sobre este tema, em vrias lnguas, nomeadamente na nossa. Ento o que tem de
novo? Bem qualquer coisa que s saber se confiar e comear agora mesmo a verificar, lendo como se
tivesse um exame amanh, sobre este tema. Desde j demonstro a minha disponibilidade para dvidas, no
sentido usual das mesmas, pelo e-mail indicado. Em troca espero que colabore para que este texto fique
sem gralhas e mais acessvel a qualquer leitor. A sua colaborao essencial. A sua opinio necessria.
Este um aspecto verdadeiramente inovador, um texto escrito em colaborao com algum que sente as
dificuldades. Esta a minha verdadeira aposta.
Actualmente apenas se trata do tema Clculo de Probabilidades de Acontecimentos, com a promessa
de que os restantes temas da Teoria das Probabilidades sero tratados em outros volumes. E quem sabe
outros tpicos...
Os pr-requisitos existem. Quase que pode dizer-se que um conhecimento slido do secundrio
suficiente, no entanto noes bsicas de Clculo Diferencial e Integral so tambm necessrias em pontos
muito reduzidos da matria. Por isso este tema em geral estudado no 2ano das vrias licenciaturas e
bacharelatos. Se o seu conhecimento a montante no muito satisfatrio, lembre-se que tudo apenas
depende da sua fora de vontade.
Os agradecimentos por enquanto so poucos, esperamos que o seu nome possa aparecer aqui. Por
enquanto agradeo ao Eng. Jorge Gomes e ao Daniel Dias da Costa.
Bom trabalho!
O autor,
J.G.
3
1 Introduo. Definies: Experincia Aleatria e Acontecimentos Aleatrios

Pode-se dizer que a Probabilidade nasceu no sculo XVII por interesse comum de Pascal e Fermat.
Blaise Pascal (1623-1662)
Pierre de Fermat (1601-1665)
Definio 1:
Uma experincia, E, diz-se aleatria se:
i) for um procedimento que se pode repetir um grande nmero de vezes mas mesmas condies ou pelo
menos em condies semelhantes;
ii) todos os resultados possveis so conhecidos priori;
iii) o resultado exacto no conhecido antes da realizao da experincia, i.e. 1 imprevisvel.
Exemplos de Experincias Aleatrias:
E1: lanamento de um dado e registo do nmero de pontos que sai;
E2: lanamento de duas moedas2;
E3: lanamento de um dado e de uma moeda;
E4: lanamento de uma moeda at aparecer face;
E5: uma lmpada fabricada e ensaiada quanto sua durao;
E6: registada a idade de uma pessoa3;
E7: extraco de 2 peas (com ou sem reposio) de um lote de 100 peas das quais 20 so defeituosas.
Em oposio aos fenmenos aleatrios, alvo do nosso estudo, existem os fenmenos determinsticos,
que so aqueles cujos resultados so previsveis, ou seja, temos certeza dos resultados a serem obtidos.
Definio 2:
Designa-se por Espao Amostral e representa-se por , o conjunto de todos os resultados possveis
associados a uma experincia aleatria.
Definio 3:
Designa-se por Espao de Acontecimentos e representa-se por IP(), o conjunto de todas as partes ou
subconjuntos de .
i.e., id est, que significa isto , uma expresso que usaremos muito.
Designaremos face por F e coroa por C, naturalmente.
3
Em anos como habitualmente.
2
4
Exemplos de Espaos Amostrais:

1= 1,2,3,4,5,6 ;
2= CC , FC , FF , CF (C , C ), ( F , C ), ( F , F ), (C , F ) ;
3= 1C ,1F ,2C ,2 F ,...,6 C ,6 F ;
4= F , CF , CCF , CCCF ,... ;
5= IR ; 6= IN .
A partir destes exemplos inicais observamos que um espao amostral pode ser discreto finito ( 1) ou
discreto infinito (6) ou contnuo (5). Nas experincias em que se considere mais do que uma v.a. o mais
rigoroso apresentar os resultados obtidos sobre a forma de vector, e.g. 4 2, no entanto nesta fase inicial
no queremos desviar a nossa ateno do que realmente importante: uma introduo intuitiva destas
noes.
Definio 4:
Qualquer subconjunto do espao amostral designa-se por acontecimento aleatrio.
Os exemplos so bvios mas interessa destacar os seguintes casos:
i) Acontecimento Elementar: quando o acontecimento constitudo por um nico elemento;
ii) Acontecimento Certo: outra designao para o espao amostral ;
iii)Acontecimento Impossvel: quando o acontecimento no contm nenhum elemento, i.e., na realidade
no aconteceu.
Diz-se ento que um acontecimento se realiza sempre que o resultado de uma experincia aleatria um
elemento que pertence ao acontecimento.
Do que ficou dito verifica-se que h uma equivalncia entre a noo de acontecimento e a noo de
conjunto. Verifica-se ento um paralelismo entre a lgebra de conjuntos e a lgebra de acontecimentos 5.
Operaes entre acontecimentos:
i) se A1, , An so acontecimentos aleatrios, ento o acontecimento in1 Ai ocorrer sempre que pelo
menos um dos acontecimentos Ai ocorrer;
ii) se A1, , An so acontecimentos aleatrios, ento o acontecimento in1 Ai ocorrer sempre
que todos os acontecimentos Ai ocorrerem;
iii) o produto cartesiano pode-se aplicar a acontecimentos com o parelelismo para os conjuntos 6.
Exemplo:
No se realizar nenhum dos dois acontecimentos, corresponde em linguagem de conjuntos a A B .
Definio 5:
Dois acontecimentos aleatrios, A e B, designam-se mutuamente exclusivos se no puderem ocorrer
simultaneamente, em linguagem de conjuntos, A B .
e.g. exempli gratia, que significa por exemplo, expresso que tambm usaremos muito.
Ver anexo 2.
6
Ver nota anterior.
5
5
Definio 6:
Dois acontecimentos aleatrios, A e B, dizem-se contrrios se A B e A B , e representa-se
o conjunto contrrio de A por A .
Sabemos que a cada experincia aleatria podemos associar acontecimentos aleatrios. Para
distinguirmos os vrios acontecimentos, torna-se necessrio associar a cada acontecimento aleatrio A,
um nmero que de alguma maneira medir o quanto verosmil que o acontecimento A venha a ocorrer.
Este nmero necessrio a probabilidade do acontecimento A, P(A).
Consideremos uma urna que contem 49 bolas azuis e 1 bola branca. Se efectuarmos uma inspeco,
teremos duas possibilidades: bola azul ou bola branca. Percebemos entretanto que ser muito mais
frequente obtermos numa inspeco, uma bola azul, resultando da, podermos afirmar que o
acontecimento "sair bola azul" tem maior Probabilidade de ocorrer do que o acontecimento "sair bola
branca".
2 Clculo de Probabilidades em espaos de resultados igualmente provveis: Lei de Laplace
A primeira definio de probabilidade conhecida deve-se a Laplace no incio do sc. XIX, para a
hiptese de casos igualmente provveis ou o chamado princpio da simetria.
Definio 6:
Seja A um acontecimento aleatrio de , a probabilidade de A, i.e.,
P ( A)
n de casos favorveis
.
n de casos possveis
O que a definio de Laplace nos diz que se todos os k resultados 7, forem igualmente verosmeis, a
probabilidade de cada resultado, i.e., a probabilidade de cada acontecimento elementar Ai, ser:
1
P ( Ai ) , i=1,,k.
k
Exemplos:
1. Considere o lanamento de um dado. Calcule a probabilidade de:

a. sair o nmero 3.
Temos = {1, 2, 3, 4, 5, 6} pelo que # = 6. Seja A = {3} pelo que #A= 1. Portanto, a probabilidade
procurada ser igual a P(A) = 1/6.
b. sair um nmero par.
Agora o acontecimento A = {2, 4, 6} com 3 elementos; logo a probabilidade procurada ser P(A) = 3/6
= 1/2.
c. sair um mltiplo de 3:
O acontecimento A = {3, 6} com 2 elementos; logo a probabilidade procurada ser P(A) = 2/6 = 1/3.
d. sair um nmero menor do que 3.
Agora, o acontecimento A = {1, 2} com dois elementos. Portanto, P(A) = 2/6 = 1/3.
e. sair um quadrado perfeito.
O acontecimento A = {1,4} com dois elementos. Portanto, P(A) = 2/6 = 1/3.
7
i.e., se o cardinal de for k.
6
2. Considere o lanamento de dois dados. Calcule a probabilidade de:

a. sair a soma 8.
Observe que neste caso, o espao amostral constitudo pelos pares ordenados (i,j), onde i = nmero
no dado 1 e j = nmero no dado 2. evidente que teremos 36 pares ordenados possveis do tipo (i, j) onde
i = 1, 2, 3, 4, 5, ou 6, o mesmo ocorrendo com j. As somas iguais a 8, ocorrero nos casos: (2,6) , (3,5) ,
(4,4) , (5,3) e (6,2). Portanto, o acontecimento "soma igual a 8" possui 5 elementos. Logo, a probabilidade
procurada ser igual a P(A) = 5/36.
b. sair a soma 12.
Neste caso, a nica possibilidade o par (6,6). Portanto, a probabilidade procurada ser igual a P(A) =
1/36.
A interpretao clssica de Laplace manteve-se at ao incio do sc. XX, altura em que comearam a
surgir as crticas quer no que dizia respeito ao clculo das probabilidades quando o princpio da simetria
no se verificava, quer, e principalmente, quando o nmero de casos possveis no era finito nem sequer
numervel.
3 Noo de probabilidade: axiomas e teoremas.
O nosso objectivo encontrar um meio de obter o tal nmero, sem recorrer experincia. E a
caracterstica que lhe exigimos e que tenha o valor que encontraramos se realizssemos a experincia em
causa um grande nmero de vezes. Este aspecto est na base de uma outra teoria a Teoria Frequencista
das Probabilidades. Esta surgiu no incio do sc. XX e segundo ela a probabilidade de um acontecimento
pode ser determinada observando a frequncia relativa desse acontecimento numa sucesso numerosa de
experincias aleatrias.
No incio do sc. XX comeou a sentir-se a necessidade de uma axiomatizao da teoria de
probabilidades que foi feita em 1933 pelo matemtico russo A. N. Kolmogorov.
Andrey Kolmogorov (1903-1987)
Axiomtica das Probabilidades

Sob um ponto de vista puramente matemtico, suporemos que para cada acontecimento A, pertencente
ao conjunto de todos os acontecimentos possveis, existe um nmero, que designaremos por P(A),
satisfazendo:
A1: 0 P ( A) 1 ;
A2: P( ) 1 em que o acontecimento certo;
A3: Se Ai A j com i j ento
P( in1 Ai ) in1 P( Ai ) .
7

Com estes trs axiomas mesmo sem sabermos 8 ainda calcular P(A) sabemos j as suas caractersticas,
com as quais se demonstram todas as propriedades seguintes. Note que pode-se recorrer, apenas para
melhor visualizao, a Diagramas de Venn.
Propriedades:
P1: Se for o conjunto vazio ento P ( ) 0 .
P2: Se A o acontecimento complementar de A ento P ( A) 1 P ( A) .
P3:Se A um acontecimento qualquer ento P ( A) 1 .
P4:Se A e B forem acontecimentos quaisquer ento P ( A B ) P ( A) P ( B ) P ( A B ) .
P5:Se A, B e C forem acontecimentos quaisquer ento
P ( A B C ) P ( A) P ( B ) P (C ) P ( A B ) P ( A C ) P( B C ) P ( A B C ) .
P6: Se A B P ( A) P ( B ) .
Estas propriedades so portanto consequncias imediatas dos axiomas referidos.
Exemplo:
Em uma certa comunidade existem apenas dois jornais disponveis, o Jornal de Notcias e o Pblico.
Sabe-se que 5000 pessoas so assinantes do Jornal de Notcias, 4000 so assinantes do Pblico, 1200 so
assinantes de ambos e 800 no lem jornal. Qual a probabilidade de que uma pessoa escolhida ao acaso
seja assinante de ambos os jornais?
Sabemos que no necessrio mas dado que uma boa ferramenta pois permite a visualizao,
representemos os conjuntos num Diagrama de Venn.
A resoluo destes problemas, correcta e metdica, comea com a definio dos acontecimentos
necessrios a uma adequada resoluo do problema.
Definio dos acontecimentos:
- J " Ler o jornal Jornal de Noticias"
- P " Ler o jornal Pblico"
Note que no sabemos qual o nmero total de pessoas do nosso espao amostral, , que designaremos
por n(). Teremos:
n n(J P) n( J P )
Em que:
J P " Ler pelo menos um dos jornais" ,

J P " Ler ambos os jornais" e J P " No ler nenhum dos dois jornais" ,
pelo que e.g.,

8
n( J P )
representa o nmero de pessoas da comunidade em estudo, que no lem jornais.
Sabemos apenas se a lei de Laplace for aplicvel.
8
Dividindo a igualdade n n(J P) n( J P ) por n obtemos 1 P(J P) P( J P ) ,

usando a Lei de Laplace. Agora usando a propriedade P 4 temos: P(J P) P(J) P(P) P(J P) .
agora possvel escrever uma expresso em funo dos valores do enunciado:
1 P(J) P(P) - P(J P) P( J P )
Estas probabilidades so facilmente calculveis a partir dos dados do problema, basta escrever em funo
de n .
Dados do problema:
n(J) 5000 ; n(P) 4000 ; n(J P) 1200 e
1
n( J P ) 800
n(J) n(P) - n(J P) n( J P ) n( ) n(J) n(P) - n(J P) n( J P ) 5000 4000 - 1200 800 860
n( )
Pelo que a comunidade em estudo tem 8600 pessoas. Agora simples responder ao pedido:
P(J P)
n(J P) 1200
0.1395 13.95%
n
8600
A interpretao do resultado a seguinte: escolhendo-se ao acaso uma pessoa da comunidade, a

probabilidade de que ela seja assinante de ambos os jornais de aproximadamente 14%(contra 86% de
probabilidade de no ser).
4 Probabilidade Condicionada
A diferena que existe entre um esquema sem reposio e outro com reposio est na base de uma
nova definio.
Definio 7:
Sejam A e B dois acontecimentos aleatrios associados mesma experincia aleatria. Denotaremos por
P ( A | B ) a probabilidade condicionada do acontecimento A quando B tiver ocorrido. Se P ( B ) 0
ento
P( A B )
P( A | B )
.
P( B)
Esta ltima expresso l-se: probabilidade de A dado B ou probabilidade de A condicionada a B.
Note que se for finito e com resultados igualmente possveis podemos calcular uma probabilidade
Card ( A B ) 9
condicionada, alm da definio anterior, usando a expresso: P ( A | B )
.
Card ( B )
Exemplo:
Em que Card(A) designa o cardinal do conjunto A.
9
De um baralho de 52 cartas retirou-se ao acaso uma carta, sabendo que de Copas, qual a
probabilidade de ser um s?
Note que o facto de se explicitar que a escolha foi feita ao acaso significa que cada uma das cartas ter
igual probabilidade de ser retirada.
i) definir os acontecimentos necessrios resoluo:
A "52 Cartas" , B " Carta de Copas" e C " Carta ser um s" ;
ii) calcular P (C | B )
1 processo: pela definio temos P (C | B )
P (C B )
1 52
1 / 13
P( B)
13 52
2 processo: calculando directamente, P(C | B )
# (C B )
1 / 13 .
#B
Note que C B " s de Copas" e que cada naipe tem 13 cartas.

A probabilidade condicionada contnua a ser uma probabilidade e como tal verifica os trs axiomas.
Axiomtica das Probabilidades Condicionadas
Sob um ponto de vista puramente matemtico, suporemos que para dois acontecimento A e B,
pertencentes ao conjunto de todos os acontecimentos possveis, IP(),existe um nmero, que
designaremos por P ( A | B ) ,satisfazendo:
A1: 0 P ( A | B ) 1 ;
A2: P ( | B ) 1 em que o acontecimento certo;
A3: Se Ai A j com i j ento
P( in1 Ai | B ) in1 P( Ai | B ) .
Alm dos axiomas a probabilidade condicionada verifica todas as propriedades referidas para a
probabilidade simples, e.g.:
Se A o acontecimento complementar de A ento P ( A | B ) 1 P ( A | B ) .
Exerccio: Mostre que P ( A | B ) 1 P ( A | B ) .
5 Teorema da Multiplicao de Probabilidades10

Teorema:
Se P(A)>0, P(B)>0, ento tem-se que P ( A B ) P ( B ). P ( A | B ) P ( A).P ( B | A) .
Note que directamente a partir da ltima definio introduzida temos:
10
ou Lei das Probabilidades Compostas.
10
P ( A B ) P ( B ). P ( A | B )
pelo que uma generalizao natural conduz a:
P ( A1 A2 ... An ) P ( A1 ).P ( A2 | A1 A2 ).... P ( An | A1 ... An 1 ) .
Definio 8:
Dizemos que os acontecimentos A1, A2, ,An representam uma partio de se:
i) Ai A j , se i j , i.e. os conjuntos so disjuntos dois a dois;
ii) in1 Ai ;
iii) P ( Ai ) 0, i 1,...,n .
Exerccio: Construa um Diagrama de Venn onde represente todos os conjuntos referidos.
6 Teorema da Probabilidade Total
Teorema:
Seja B um acontecimento qualquer de e A1, A2, ,An representam uma partio de IP(), ento
P( B ) in1 P( Ai ). P( B | Ai ) .
Exerccio: Contrua um Diagrama de Venn onde represente todos os conjuntos referidos e demonstre o
resultado indicado. D especial ateno para os casos n=2 e n=3, mais frequentes nos exerccios e nas
avaliaes.
Este teorema permite calcular a probabilidade de um acontecimento qualquer a partir do conhecimento
da probabilidade de cada acontecimento que forma a partio e da respectiva probabilidade condicionada.
7 Teorema de Bayes11
Thomas Bayes (1702-1761)
Recorrendo ao teorema anterior deduzimos um dos mais importantes teoremas em probabilidades.
Teorema:
11
Alguns autores designam por frmula de Bayes e outros, por Teorema das Causas, pois um mtodo de calcular a probabilidade da causa, este
mesmo resultado.
11
Seja B um acontecimento qualquer de e A1, A2, ,An representam uma partio de , onde
P ( Ai ) 0 e P ( B ) 0 ento para j=1,...,n tem-se
P( A j | B )
P( A j ).P ( B | A j )
in1 P ( Ai ). P( B
| Ai )
12
8 Acontecimentos Independentes
Definio 9:
Diz-se que dois acontecimentos aleatrios quaisquer so independentes se: P ( A B ) P ( A). P ( B ) .
Exerccio: Mostre que todos os acontecimentos so independentes de e de .
Exerccio: Mostre que se dois acontecimentos so independentes eles no pode ser mutuamente
exclusivos. importante que o aluno no confunda estes dois conceitos bem diferentes!
Exemplo:
Qual a probabilidade de em dois lanamentos de um dado, se obter nmero par no primeiro lanamento e
nmero mpar no segundo lanamento? Ora, os acontecimentos so obviamente independentes, pois a
ocorrncia de um no influncia a ocorrncia do outro. Logo, teremos: P(A B)=P(A).P(B) = 3/6 . 3/6 =
1/2.1/2 = 1/4 = 0,25 = 25%.
Exemplo:
Uma urna possui cinco bolas vermelhas e duas bolas brancas. Calcule as probabilidades de:
a. em duas extraces, sem reposio da primeira bola extrada, sair uma bola vermelha e depois uma bola
branca.
b. em duas extraces, com reposio da primeira bola extrada, sair uma bola vermelha e depois uma bola
branca.
a. P(V B)=P(V).P(B|V). P(V) = 5/7 (5 bolas vermelhas de um total de 7). Supondo que saiu bola
vermelha na primeira extraco, ficaram 6 bolas na urna. Logo: P(B|V)=2/6=1/3. Da lei das
probabilidades compostas, vem finalmente que: P(V B) = 5/7.1/3 =5/21 = 0,2380 = 23,8%
b. Com a reposio da primeira bola extrada, os acontecimentos ficam independentes. Neste caso, a
probabilidade pedida poder ser calculada como: P(V B) = P(V).P(B) =5/7.2/7=10/49=0,2041 =
20.41% < 23.8% !
Observe atentamente a diferena entre as solues das alneas a. e b. acima, para um entendimento
perfeito daquilo que procuramos transmitir. Lembre-se que foi exactamente esta a motivao da
introduo da noo de probabilidade condicionada.
Definio 10:
Os acontecimentos aleatrios A, B e C so independentes se:
P ( A B C ) P ( A). P ( B ). P (C ) ,
P ( A B ) P ( A). P ( B ) , P ( A C ) P ( A). P (C ) , e P ( B C ) P ( B ). P (C ) .
12
Note que o j um ndice livre ao passo que o i um ndice mudo.
12
Teorema:
Se A e B so acontecimentos independentes ento tambm so independentes os acontecimentos:
i) A e B , ii) A e B , e iii) A e B .
Lei
Dem.: P ( A B )
Morgan
Por hiptese
A e B so independentes
P ( A B ) 1 P ( A B ) 1 P ( A) P ( B ) P ( A B )
Teo .
Teo .
1 P ( A) P ( B ) P ( A). P ( B ) 1 P ( A).1 P ( B ) P ( A). P ( B )

Teo .
Q.E.D.
13
9 Exerccios Resolvidos
1. Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com
reposio, calcule a probabilidade se sair bola:
a. azul; b. vermelha; c. amarela.
Resoluo:
a. sair bola azul P(A)=6/20=3/10=0,30=30%
b. sair bola vermelha P(A)=10/20=1/2=0,50= 50%
c. sair bola amarela P(A) = 4/20=1/5 =0,2 =20%
Observamos neste exerccio que as probabilidades podem ser expressas como percentagem. Esta forma
conveniente, pois permite a estimativa do nmero de ocorrncias para um nmero elevado de
experincias aleatrias. Por exemplo, se a e.a. acima for repetida diversas vezes, podemos afirmar que em
aproximadamente 30% dos casos, sair bola azul, 50% dos casos sair bola vermelha e 20% dos casos
sair bola amarela. Quanto maior a quantidade das experincias aleatrias., tanto mais a distribuio do
nmero de ocorrncias se aproximar das percentagens indicadas.
2. Suponha que uma caixa possui duas bolas pretas e quatro verdes, e, outra caixa possui uma bola preta e
trs bolas verdes. Passa-se uma bola da primeira caixa para a segunda, e retira-se uma bola da segunda
caixa. Qual a probabilidade de que a bola extrada da segunda caixa seja verde?
Resoluo:
14
Este problema envolve dois acontecimentos mutuamente exclusivos: ou a bola transferida verde ou a
bola transferida preta. Teremos:
1 Possibilidade: a bola transferida verde :
Probabilidade de que a bola transferida seja verde = P(V)=4/6=2/3 (4 bolas verdes em 6). Portanto, a
probabilidade que saia BOLA VERDE na 2 caixa, supondo-se que a bola transferida de cor VERDE,
ser igual a: P(V|V) = 4/5 (a segunda caixa possui agora, 3 bolas verdes + 1 bola verde transferida + 1
bola preta, portanto, 4 bolas verdes em 5). Pela regra da probabilidade condicionada, vem: P(V
V)=P(V).P(V|V) =2/3.4/5=8/15.
2 Possibilidade: a bola transferida preta :
Probabilidade de que a bola transferida seja preta =P(P)=2/6=1/3 (2 bolas pretas e 4 verdes, num total de
6). Portanto, a probabilidade que saia BOLA VERDE, supondo-se que a bola transferida de cor PRETA,
ser igual a: P(V|P)=3/5 (observe que a segunda caixa possui agora, 1 bola preta + 3 bolas verdes + 1 bola
preta transferida= 5 bolas). Da, vem: P(V P)=P(P).P(V|P)=1/3.3/5=1/5.
Finalmente vem: P[(V V) (V P)]=P(V V)+P(V P)= 8/15 + 1/5 = 8/15 + 3/15 = 11/15, que
a resposta do problem a. Mas 11/15 = 0,7333 = 73,33%. Portanto, a probabilidade de que saia uma bola
verde de 73,33%. Uma interpretao vlida para o problema acima que se a e.a. descrita for repetida
100 vezes, em aproximadamente 73 vezes ser obtido bola verde. Se a e.a. for repetida 1000 vezes, em
aproximadamente 733 vezes ser obtido bola verde.
3. Considere uma experincia aleatria e um 13 espao de resultados associado a esta, . Sejam A, B e C
acontecimentos tais que :
. A e C so independentes; A B = ; P(A)=0.6 ; P(B)=0.7 ; P(C)=0.2
a. Calcule P(A B).
b. Calcule P(A|B).
c. Calcule P(A C).
d. Os acontecimentos A, B e C so independentes ?
Resoluo:
Comecemos por explicitar as hipteses do problema:
H1: A e C independentes P ( A C ) P ( A). P (C ) ;
H2: A B P ( A B ) 1 ;
H3: P(A)=0.6 ; H4: P(B)=0.7 ; H5: P(C)=0.2.
a. P( A B ) ?
P( A) P ( B ) P ( A B ) 0.6 0.7 1 0.3
Teo .
H 2, 3, 4
Sempre que pretendemos calcular a probabilidade de uma interseco de acontecimentos a primeira

coisa a (tentar!) verificar se os acontecimentos em causa so independentes, ver alnea c.. Se essa
hiptese no se verificar, ou os dados do problema no permitirem concluir nada sobre a independncia,
devemos tentar usar o teorema que relaciona a probabilidade da interseco, com a probabilidade da
reunio e as probabilidades elementares.
b. P ( A | B ) ?
13
um dos infinitos espaos de resultados que possvel associar a esta experincia aleatria, como a qualquer outra experincia aleatria.
15
P ( A B ) a . 0.3
3 / 7 0.43
P ( B ) H 4 0.7
Apenas foi necessrio usar a definio de probabilidade condicionada e recorreu-se ao clculo da

alnea anterior.
c. P ( A C ) ?
P ( A). P (C ) 0.6 0.2 0.12
H1
H 3,5
d. Para responder pergunta basta dar um contra-exemplo:

alnea
P ( A B ) 0.3 0.42 0.6 0.7 P ( A). P ( B ) .

a.
Logo
os
acontecimentos
no
so
independentes.
4. Se A, B e C so acontecimentos globalmente independentes 14, mostre que:
a. A e B C so independentes.
b. A e B C so independentes.
c. Que pode concluir a partir de a..
Resoluo:
Comecemos por explicitar as hipteses do problema:
H1:
H2:
H3:
H4:
P ( A B ) P ( A). P ( B ) ;
P ( A C ) P ( A). P (C ) ;
P ( B C ) P ( B ). P (C ) ;
P ( A B C ) P ( A). P ( B ). P (C ) .
a. Tese15: P A ( B C ) P ( A). P ( B C )
Vamos fazer a demonstrao "pegando" no primeiro membro da tese e atravs de manipulaes
simblicas adequadamente justificadas "chegar" ao segundo membro da mesma tese. Assim:
Dem.: P A ( B C )
Pr opriedade
Associativa
P( A B C ) P ( A). P( B ). P (C ) P ( A).P ( B C )
H4
H3
c.q.m.
b. Tese: P A ( B C ) P ( A). P ( B C )
Dem.: P A ( B C )
Pr opriedade
Distributiva
P ( A B ) ( A C ) P ( A B ) P ( A C )) P ( A B C )
Teo .
P ( A). P ( B ) P ( A).P (C ) P ( A). P ( B ). P(C ) P ( A) P ( B ) P(C ) P( B ). P (C )
H 1, 2 , 3
P( A) P( B ) P(C ) P ( B C ) P ( A).P( B C )
H3
14
15
c.q.m.
independentes dois a dois e trs a trs.

o que pretendemos mostrar.
16
c. da alnea a. podemos concluir directamente, da aplicao de um teorema, que A e

Lei
B C B C , so tambm acontecimentos independentes, no entanto pode-se mostrar de uma
Morgan
forma anloga s duas alneas anteriores. Podem anda concluir-se outros resultados anlogos.
5. Um campons comprou na feira um lote de cebolas novas, a um preo exorbitante, porque lhe
garantiram que a probabilidade de cada uma delas germinar era (independentemente das outras 16) 0.9.
Quando chegou a casa a mulher ficou furiosa e atirou-lhe com uma cebola velha que tinha mo. Devido
sua m pontaria, esta misturou-se com o lote de cebolas novas, e no foi possvel distingui-la das outras.
Assim o campons plantou as 51 cebolas; destas, 50 germinaram. Sendo 0.4 a probabilidade da cebola
velha germinar, qual a probabilidade da cebola que no germinou ter sido uma das cebolas novas. 17
Resoluo:
Como j foi referido a resoluo destes problemas, correcta e metdica, comea com a definio dos
acontecimentos necessrios a uma adequada resoluo do problema. Numa fase incial o leitor poder
fazer uma pequena batota, caso tenha dvidas da definio dos acontecimentos. Basta para isso
observar com cuidado as probabilidades que so dadas e as que so pedidas no enunciado do exerccio.
Definio dos acontecimentos18:
- N " Cebola Nova" V " Cebola Velha"
- G " Cebola Germinar"
Na realidade apenas uma das letras N ou V era necessria para a resoluo, dado que so
acontecimentos complementares. No entanto optmos por resolver desta forma.
Dados do exerccio:
P (G | N ) 0.9 ; P (G | V ) 0.4 ; P ( N ) 50 / 51 e P(V ) P( N ) 1 / 51
Pretendemos saber: P ( N | G ) ? 19
def .
P ( N G ) P(G | N ). P( N ) (1 P (G | N )). P ( N ) (1 0.9 ).50 / 51
50 / 56 0.893
1 P (G )
1 P (G )
1 454 / 510
P (G )
Na realidade a probabilidade pedida imediatamente dada pela Frmula de Bayes, na qual no

denominador aparece a expresso da probabilidade total. No entanto vamos tentar resolver as coisas sem
memorizar nada, ou pelo menos, reduzir ao mnimo o nmero de coisas a memorizar. Por isso a
probabilidade (total!) calculada no denominador facilmente deduzida com o auxilio do Diagrama de
Venn correspondente a este exerccio:
16
o que deve ser necessariamente intutivo.

comear por definir os acontecimentos necessrios resoluo do exerccio, expressando em seguida as probabilidades fornecidas e a calcular
em funo destes.
18
Na qual devemos usar letras maisculas que sugiram o acontecimento...
17
19
O leitor deve perceber porque no P( N | G ) a probabilidade pedida. Lembre-se que o que conhecido sempre o condicionante que
neste exerccio no germinar.
17
G
V
Por simples observao sabemos que podemos escrever:

G (G N ) (G V )
Aplicando probabilidades a ambos os membros desta igualdade e usando o facto de os acontecimentos
do segundo membro serem, naturalmente, mutuamente exclusvos podemos escrever:
P (G ) P (G N ) P ( G V )
definio
prob . cond .
P (G | N ). P ( N ) P (G | V ). P (V ) 0.9 50 / 51 0.4 1 / 51 454 / 510
Que foi o resultado utilizado para responder ao pedido no enunciado.

6. Relativamente a uma dada populao sabe-se que : 40% dos indivduos se vacinam contra a gripe; de
entre os indivduos vacinados 30% tiveram gripe; e de entre os indivduos no vacinados 35% no
tiveram gripe. Escolhido um indivduo ao acaso, calcule a probabilidade de :
a. Ter tido gripe .
b. Ter sido vacinado, sabendo que teve gripe .
Resoluo:
Exerccio anlogo ao anterior, s que o problema est agora dividido em duas alneas.
Definio dos acontecimentos:
- G "Um Indivduo ter Gripe"
- V "Um Indivduo ter sido Vacinado "
Dados do exerccio:
P (G | V ) 0.35 ; P (G | V ) 0.30 e P (V ) 0.40
a. Novamente a aplicao imediata do Teorema da Probabilidade Total permite resolver o problema. No
entanto vamos tentar resolver novamente com o auxilio do Diagrama de Venn correspondente a este
exerccio:
G
V
Por simples observao, , sabemos que podemos escrever:

G (G V ) (G V )
18
Aplicando probabilidade a ambos os membros desta igualdade e usando o facto de os acontecimentos do

segundo membro serem mutuamente exclusvos podemos escrever:
P (G ) P (G V ) P (G V )
definio
prob . cond .
P (G | V ).P (V ) P(G | V ). P(V ) 0.65 0.6 0.3 0.4 0.51
b. Pretendemos saber: P (V | G ) ?
def .
P (V G ) P (G | V ).P (V ) 0.30 0.40
0.235 23.5%
P (G )
P (G )
0.51
Na realidade a probabilidade pedida imediatamente dada pela Frmula de Bayes, na qual no
denominador aparece a expresso da probabilidade total.
10 Exerccios Propostos
1. Uma urna possui trs bolas pretas e cinco bolas brancas. Quantas bolas azuis devem ser colocadas
nessa urna, de modo que retirando-se uma bola ao acaso, a probabilidade dela ser azul seja igual a 2/3?
2. Considere uma urna que contm uma bola preta, quatro bolas brancas e x bolas azuis. Uma bola
extrada ao acaso dessa urna, a sua cor observada e a bola devolvida urna. Em seguida, retira-se
novamente, ao acaso, uma bola dessa urna. Para que valores de x a probabilidade de que as bolas sejam
da mesma cor vale 1/2?
3. Uma mquina produziu 60 parafusos dos quais 5 eram defeituosos. Escolhendo-se ao acaso dois
parafusos dessa
amostra, qual a probabilidade de que os dois sejam perfeitos?
4. Uma mquina produziu 50 parafusos dos quais 5 eram defeituosos. Retirando-se ao acaso, 3 parafusos
dessa amostra, determine a probabilidade de que os 3 parafusos sejam defeituosos.
5. Em relao questo anterior, determine a probabilidade de numa amostra de 3 parafusos ao acaso,
termos pelo menos dois parafusos defeituosos.
6. Uma urna contm 10 bolas pretas e 8 bolas vermelhas. Retiramos 3 bolas sem reposio.
probabilidade de as duas primeiras serem pretas e a terceira vermelha?
Qual a
19
7. Uma urna contm 5 bolas vermelhas e 4 pretas; dela so extradas duas bolas, uma aps a outra, sem
reposio; a primeira bola extrada de cor preta. Qual a probabilidade de que a segunda bola extrada
seja vermelha?
8. Sejam A e B acontecimentos tais que P(A)+P(B) = x e P(A B)= y.
Determine em funo de x e y a probabilidade de 20:
a. no se realizar nenhum dos dois acontecimentos.
b. que se realize pelo menos um dos dois acontecimentos.
c. que se realize quanto muito um nico acontecimento.
d. que se realize um e um s dos dois acontecimentos.
9. Considere uma experincia aleatria e dois acontecimentos A e B :
a. Mostre que a probabilidade de se realizar apenas um dos acontecimentos : P(A)+P(B)-2 P(A B).
b. Mostre que se P(A)=0.7 e P(B)=0.4 ento P(A B) 0.1. Nestas condies a probabilidade destes
dois acontecimentos serem independentes nula?
10. Sejam trs acontecimentos tais que P(A)=P(B)=0.9 e P(C)=0 .
a. prove que P(A B) 0.8 e que P( A B ) 0.1.
b. diga, justificando, se A e B podero ser mutuamente exclusivos.
c. poder-se- afirmar que A e C so independentes ? Justifique.
11. A probabilidade de ocorrncia de infeco pelo HIV em uma dada comunidade de 0,5%. A
probabilidade de que esta mesma comunidade tenha alto consumo de sal (acima de 6 g/dia) de 30%.
Qual a probabilidade de que um indivduo tomado ao acaso desta comunidade tenha alto consumo de sal e
seja HIV positivo?
12. Em uma populao de 1.000.000 de habitantes, 40.000 tm doena hipertensiva, 10.000 tm diabetes,
1.000 tm tuberculose activa e 500 tm infeco pelo HIV. Calcule as prevalncias 21 de cada uma destas
infeces.
13. Na tabela abaixo:
Com anticorpos
1960
40
Infeco pelo HIV

Sem anticorpos
7984
990.016
ELISA positivos
ELISA negativos
Calcule:
a prevalncia do HIV;
a prevalncia dos ELISA positivos;
a prevalncia dos ELISA negativos;
a sensibilidade do ELISA;
a especificidade do ELISA;
o valor preditivo positivo do ELISA;
20
Neste tipo de exerccio, envolvendo acontecimentos, deve recorrer-se sistematicamente representao por diagramas de Venn, apenas para
ajudar a visualizar, antes de equacionar, pois a justificao analtica sempre necessria .
21
veja o anexo 3, em que so esclarecidas estas noes de medicina.
20
o valor preditivo negativo do ELISA;

a razo de verosimilhana positiva do ELISA e
a razo de verosimilhana negativa do ELISA.
14. Num centro comercial est instalado um sistema de dez mquinas para utilizao de carto
multibanco. Diz-se que o sistema est em funcionamento se pelo menos uma das mquinas funciona.
Suponha que cada mquina funciona independentemente das outras e a probabilidade de funcionamento
de cada mquina 0.85. Calcule a probabilidade do sistema estar em funcionamento.
15. Um sistema electrnico constitudo por duas componentes A e B de forma que a avaria de qualquer
delas inviabiliza o funcionamento do sistema. Sabe-se que a fiabilidade 22 do sistema de 0.10 e que a
probabilidade de falhar apenas uma componente de 0.15 para A e 0.30 para B.
a. diga se as componentes funcionam independentemente uma da outra.
b. com a montagem em paralelo das componentes 23, a substituio de B por uma nova componente mais
fivel (funcionando independentemente de A) levou obteno de uma fiabilidade de 90% . Qual a
fiabilidade da nova componente?
16. A produo de uma dada empresa resultado da laborao de trs mquinas A, B e C. As mquinas A
e B produzem 90% e 4% , respectivamente, dos produtos que satisfazem os critrios de qualidade. Dos
restantes produtos, que tero de ser reciclados, 88% vm da mquina B e 9% da mquina C. Os produtos
de boa qualidade constituem 70% da produo global. Calcule a percentagem:
a. De produtos produzidos por A.
b. De produtos a reciclar que sejam produzidos por A.
c. De produo de C que de boa qualidade.
11 Exerccios de Auto-Avaliao
I Escolha Mltipla
1. Quantos nmeros de quatro algarismos podem ser formados com os dez algarismos usuais, sem haver
repeties?
a. 34 ; b. 210 ; c. 4536 ; d. 5040 ; e. outro valor.
2. De quantas maneiras dez pessoas podem sentar-se num banco que tem apenas quatro lugares?
a. 24 ; b. 210 ; c. 4536 ; d. 5040 ; e. outro valor.
3. Uma estante contem seis livros de matemtica e quatro de fsica. Determine aproximadamente 24 a
probabilidade de trs livros de matemtica, em particular, estarem juntos.
a. 0.002 ; b. 0.011 ; c. 0.067 ; d. 0.3 ; e. outro valor.
4. Uma caixa contm trs bolas vermelhas e cinco bolas brancas e outra possui duas bolas vermelhas e
trs bolas brancas. Considerando-se que uma bola transferida da primeira caixa para a segunda, e que
uma bola extrada da segunda caixa, podemos afirmar que a probabilidade de que a bola extrada seja da
cor branca :
22
probabilidade de no avariar durante um perodo de tempo fixo .

a falha deste sistema s ocorre com a avaria de ambas as componentes .
24
s milsimas.
23
21
a. 18/75 : b. 19/45 ; c. 19/48 ; d. 18/45 ; e. 19/75

5. A quantidade de nmeros inteiros positivos menores que 400 que podemos formar, utilizando somente
os algarismos 1,2,3,4 e 5, de modo que no figurem algarismos repetidos, :
a. 36 ; b. 56 ; c. 61; d. 85; e. 65.
6. Seja M um conjunto com 20 elementos. O nmero de subconjuntos de M que possuem exactamente 18
elementos : a. 360 ; b. 190 ; c. 180 ; d. 120 ; e. 18
7. Seis pessoas A,B,C,D,E,F ficam em p uma ao lado da outra, para uma fotografia. Se A e B se recusam
a ficar lado a lado e C e D insistem em aparecer uma ao lado da outra, o nmero de possibilidades
distintas para as 6 pessoas se disporem :
a. 120; b.72; c. 144; d. 156; e.192..
8. Dispe-se de 6 jogadores de voleibol, entre os quais o jogador A. Quantas duplas diferentes podemos
formar nas quais no aparea o jogador A?
a. 8; b. 5; c. 10; d. 6 ; e. 16.
9. Considere os nmeros inteiros maiores que 64000 que possuem 5 algarismos, todos distintos, e que no
contm os dgitos 3 e 8. A quantidade desses nmeros :
a. 2160 ; b. 1320 ; c. 1440 ; d. 2280 ; e. 2400.
10. Formados e dispostos em ordem crescente todos os nmeros que se obtm permutando os algarismos
3,5,7,9, o nmero 7.953 ocupa a n-sima posio. O valor de n :
a. 18 ; b. 16 ; c. 17 ; d. 19 ; e. 20
11. A quantidade de nmeros inteiros positivos menores que 400 que podemos formar, utilizando somente
os algarismos 1,2,3,4 e 5, de modo que no figurem algarismos repetidos, :
a. 36 ; b. 56 ; c. 61 ; d. 85 ; e. 65
12. Seja M um conjunto com 20 elementos. O nmero de subconjuntos de M que possuem exactamente
18 elementos : a. 360 ; b. 190 ; c. 180 ; d. 120 ; e. 18.
II Verdadeiro/Falso
Para cada uma das perguntas indique se cada opo correcta ou falsa. A pergunta s estar
correctamente respondida se responder correctamente a todas as opes.
1. Considere uma experincia aleatria e dois acontecimentos A e B tais que o Diagrama de Venn
correspondente :
22
Indique o valor lgico das seguintes afirmaes:

a. A e B so acontecimentos mutuamente exclusivos.
b. A e B podem ser acontecimentos independentes.
c. A probabilidade de se realizar apenas um dos acontecimentos : P(A)+P(B)-2 P(A B).
d. A regio sombreada corresponde a realizar-se um e um s dos dois acontecimentos.
2. Considere uma experincia aleatria e dois acontecimentos A e B tais que o Diagrama de Venn
correspondente :
Indique o valor lgico das seguintes afirmaes:

a. A regio sombreada corresponde a no se realizar nenhum dos dois acontecimentos.
b. A e B so acontecimentos independentes.
c. A regio sombreada corresponde a que se realize pelo menos um dos dois acontecimentos.
d. A regio sombreada corresponde a que se realize quanto muito um nico acontecimento.
12 Referncias Bibliogrficas
Montgomery, D.C. e Runger, G. C., Applied Statistics and Probability forEngineers. John Wiley & Sons,
New York, 2 Edio, 1999.
Ross, Sheldon M., Introduction to Probability and Statistics for Engineers and Scientists.John Wiley &
Sons, 1987.
Meyer, P. L., Probabilidades. Aplicaes Estatstica. Livros Tcnicos e Cientficos Editora S.A., Rio de
Janeiro, 1981.
Murteira, Bento J., Probabilidades e Estatstica. Vol. I e Vol. II, 2 Edio, McGraw-Hill de Portugal L da,
Lisboa, 1990.
23
Anexo 1 Reviso sobre o Clculo Combinatrio

Introduo
Com vista a desenvolver o estudo em Probabilidades so necessrias algumas noes de clculo
combinatrio.
A origem de dois dos actuais ramos da matemtica, a Anlise Combinatria e a Teoria das
Probabilidades, foram os jogos de azar, ainda no sculo XVII, e.g., os jogos de cartas e de dados.
De uma forma muito geral, a Anlise ou Clculo Combinatrio ocupa-se dos problemas de contagem de
organizaes de objectos sujeitos a restries diversas. As tcnicas do Clculo Combinatrio foram
evoluindo e tm hoje grande importncia na Teoria das Probabilidades, bem como em outros ramos da
matemtica.
Esses estudos foram iniciados j no sculo XVI, pelo matemtico italiano Niccollo Fontana (15001557), conhecido como Tartaglia. Depois vieram os franceses Pierre de Fermat (1601-1665) e Blaise
Pascal (1623-1662). J. Bernoulli, Leibnitz e Euler so tambm apontados como fundadores desta teoria.
24
Estratgicas bsicas de Contagem: Regras Bsicas

Muitos problemas de contagem resolvem-se por aplicao, directa ou indirecta do seguinte princpio:
Regra fundamental
Se uma primeira escolha pode ser realizada de n 1 maneiras, uma segunda escolha de n 2 maneiras,...,etc.,
ento o nmero total de possibilidades para o conjunto das escolhas possveis n 1n2...
Nesta regra estamos a supor que temos vrios procedimentos que podem ser executados de n 1,n2,
maneiras, respectivamente, e que qualquer maneira de executar um dado procedimento pode ser seguida
(ou antecedida) por qualquer das maneiras dos outros procedimentos.
Exemplo:
O menino Jos foi jantar com os pais a um restaurante. A ementa consta de trs variedades de sopa, dois
pratos de carne e dois de peixe e ainda cinco sobremesas possveis. Quantas refeies distintas (uma sopa,
um segundo prato e uma sobremesa) podem ser servidas?
Com este exemplo pretende-se concomitantemente exemplificar a regra anterior e mostrar que a
simplicidade que encerra no a impede de ser capaz de resolver problemas do nosso quotidiano. A
aplicao da regra anterior possvel porque estamos na presena de uma sequncia de trs escolhas que
podem ser realizadas de trs, quatro e cinco maneiras, respectivamente. Assim 345=60 refeies
distintas que podem ser servidas.
Este princpio ainda, naturalmente, conhecido pela regra do produto como analogia com a prxima
regra.
Exerccio: Um aluno submete-se avaliao de 10 professores, cada um d-lhe uma nota de 0 a 20,
somadas as notas das 10 avaliaes, quantas notas diferentes pode o aluno ter?
Regra do soma
Se uma primeira escolha A pode ser realizada de n 1 maneiras, uma segunda escolha B de n2
maneiras,...,etc., ento a escolha de A ou B ou ... pode ser feita de n 1+n2+...maneiras.
Nesta regra estamos a supor que cada uma das maneiras de realizar cada procedimento no pode ser
seguido (ou antecedido) por nenhuma maneira de executar qualquer dos outros procedimentos.
Exemplo:
Num grupo de pessoas 30 so ingleses, 18 franceses e os restantes portugueses. Quantas pessoas deste
grupo so ingleses ou franceses ?
A resposta parece muito natural no entanto ela deve ser entendida como uma aplicao desta ltima
regra. Note-se no aspecto mais importante da regra anterior, as escolhas no se podem interceptar, i.e.,
no podem existir possibilidades comuns s duas ou mais escolhas realizadas. Neste exemplo a regra da
soma s aplicvel porque uma dada pessoa do grupo, no pode ser ingls e francs simultaneamente.
Este aspecto de importncia capital neste contexto. Logo a resposta pedida 30+19=48 pessoas so
ingleses ou franceses.
Com estes resultados resolvem-se muitos problemas de contagem, nomeadamente com a aplicao
sucessiva ou simultnea das duas regras anteriores.
25
Arranjos com e sem repetio

Arranjos com repetio
Definio:
Designaremos por arranjo com repetio ou arranjo completo a uma qualquer sequncia formada por
n
elementos de um conjunto dado. Se o conjunto tiver n elementos, designaremos por Ap o nmero total
n
de arranjos com repetio que possvel formar com p elementos escolhidos entre os dados. Ap l-se
arranjos com repetio de n, p a p. Atendendo regra fundamental, tem-se:
Apn n p .
Exemplo:
Pretende-se formar palavras-chave, com ou sem sentido, com as habituais 23 letras. Quantas palavraschave distintas poder-se-iam construir?
Trata-se de um exemplo clssico de arranjos com repetio pois podem existir palavras-chave com as trs
letras iguais. Assim temos arranjos com repetio de 23 letras, 3 a 3, A323 23 3 12167 .
Arranjos (sem repetio)
Definio:
Designaremos por arranjo sem repetio ou simplesmente arranjo a uma qualquer sequncia formada
por elementos, todos diferentes, de um dado conjunto. Se o conjunto tiver n elementos, designaremos por
An
p o nmero total de arranjos sem repetio que possvel formar com p elementos escolhidos entre os
n dados. Ap l-se arranjos de n, p a p. evidente que p n. A deduo de uma frmula para esta
situo menos evidente do que no caso anterior, no entanto recorre-se novamente regra fundamental.
Seja ( x1 , x 2 ,..., x p ) um dos arranjos de p elementos, todos distintos, escolhidos de entre n elementos
de um dado conjunto. Existem ento n maneiras de escolher x 1, que depois de este escolhido, existem n-1
maneiras de escolher x2, e assim sucessivamente at xp.
Logo temos:
A pn n ( n 1)( n 2) ... ( n p 1) .
Portanto um produto de p factores. Note-se que durante este captulo apresentar-se- uma outra frmula
para os arranjos.
n
Exemplo:
Na final de uma dada prova olmpica temos 8 atletas. De quantas maneiras diferentes pode vir a ser feita
a distribuio das trs medalhas (ouro, prata e bronze)?
Uma vez que um dado atleta no pode ocupar duas posies distintas do pdio, estamos na presena de
um exemplo de arranjos sem repetio. Existem assim 8 possibilidades para o 1 lugar 25, 7 para o 2 lugar
e 6 para o 3 lugar. Formalizando a resposta temos A38 8 7 6 336 possibilidades.
Permutaes
Exemplo:
Imaginemos uma situo baseada no exemplo anterior em que existiam apenas trs atletas. De quantas
maneiras diferentes pode vir a ser feita a distribuio das trs medalhas?
Existem assim 3 possibilidades para o 1 lugar, 2 para o 2 lugar e 1 para o 3 lugar. Formalizando a
resposta temos A33 3 2 1 6 possibilidades. A situao e ento um caso muito particular de
25
ou qualquer um dos outros dois lugares.
26
arranjos, pois todos os elementos do conjunto em causa figuram em cada um dos arranjos considerados.,
n
i.e., trata-se de calcular Ap na situao de ser p=n, o que nos conduz expresso
Ann n ( n 1)( n 2) ... 1 . No entanto esta situao embora seja um caso particular da definio
anterior, tem no contexto do clculo combinatrio, um tratamento especial, que motiva a prxima
definio.
Permutaes
Definio:
Chama-se permutao de elementos de um conjunto a um qualquer arranjo em que todos os elementos
desse conjunto figurem. Designaremos por Pn o nmero total de permutaes de n elementos, lendo-se
permutaes de n.
Pn n ( n 1)( n 2) ... 2 1 .
Pelo que no exemplo anterior a soluo dada por P3 .
Factorial de um nmero inteiro no negativo
Uma possvel apresentao mais sinttica para as duas expresses e por consequncia mais simples,
badeada na prxima definio.
Factorial de um nmero inteiro no negativo
Definio:
Sendo n IN 0 , d-se o nome de factorial de n ou n-factorial, e representa-se simbolicamente por n! ,
ao produto dos n nmeros naturais que so menores ou iguais a n, i.e.:
n ( n 1) ... 2 1
1
n!
se
n1
.
se n 0 n 1
Os factoriais de 0 e de 1 so obtidos por definio e sero necessrios no ponto seguinte. Esta definio
pode ainda aparecer numa forma recursiva:
n 1
n ( n 1)! se
n!
1
se n 0 n 1
Com esta nova definio podemos ento reescrever as frmulas anteriores 26:
Permutaes: Pn n! Arranjos:
A np
n!
( n p )!
Exemplos:
a. 6! = 6.5.4.3.2.1 = 720
b. 4! = 4.3.2.1 = 24
c. observe que 6! = 6.5.4!
d. 10! = 10.9.8.7.6.5.4.3.2.1
26
em que a expresso para os arranjos foi obtida multiplicando o numerador e o denominador por (n-p)!.
27
e. 10! = 10.9.8.7.6.5!
f. 10! = 10.9.8!
Combinaes
Em termos de definies do Clculo Combinatrio falta apenas uma definio que possibilite fazer
arranjos mas em que a ordem no seja relevante. Este aspecto esta na base da prxima definio.
Definio:
Chamamos combinao a um qualquer subconjunto formado por elementos escolhidos de entre os de
um dado conjunto. Se o conjunto tem n elementos, designaremos por combinaes de n elementos, p a p,
n
n
e representaremos simbolicamente por C p ou . Atendendo definio anterior:
p
n
n!

.
p! ( n p )!
p
Evidentemente, n e p so, como habitualmente, nmeros naturais. Alm disso, deve ser p n. Note que
n
o nmero de subconjuntos com p elementos de um conjunto de cardinal n.
p
Exemplo:
Oito jogadores disputam um torneio de xadrez, pelo que cada um deles deve jogar com todos os outros,
mas apenas uma vez. Quantos jogos haver neste torneio?
Este exemplo ilustra a definio anterior porque cada dois jogadores s se encontram uma nica vez.
8
8!
8 7 6! 8 7

28 jogos.
2! ( 8 2)!
2!6!
2
2
Assim este torneio ter :
Propriedades das Combinaes

Dada a importncia desta definio apresentam-se agora duas propriedades das combinaes cuja
utilizao adequada em determinadas situaes pode facilitar muito os clculos.
n
P1:
p
n p
n 1

P2:
p 1 p
A demonstrao destas propriedades um bom exerccio e voltaremos a estas expresses novamente,

quando falarmos do tringulo de Pascal, no prximo ponto.
Observe-se que em particular, tem-se:
n
. =1 - um conjunto com n elementos tem um subconjunto com 0 elementos, o conjunto vazio.

0
n
. =1 - um conjunto com n elementos tem um subconjunto com n elementos, o prprio conjunto.

n
O Tringulo de Pascal
28
Trata-se de um tringulo aritmtico que pode ser aumentado indefinidamente e que apresenta a seguinte
disposio:
1
11
121
1331
14641
1 5 10 10 5 1
...
Este tringulo conhecido pelo nome de tringulo de Pascal ou tringulo de Tartaglia, em virtude de
terem sido dois dos matemticos que mais o utilizaram e estudaram no incio do Clculo Combinatrio.
fcil verificar que os nmeros do tringulo podem facilmente ser escritos custa de combinaes,
nomeadamente atendendo s duas observaes do ponto anterior, na forma:
0

0
1

0
2

0
3

0
1

1
2

1
3

1
2

2
3

2
3

3
A observao e estudo deste importante tringulo sugerem-nos diversas propriedades das combinaes,
entre as quais destacaremos as seguintes:
n
, propriedade das
i) em cada linha, os nmeros equidistantes dos extremos so iguais, i.e.,
p
n p
combinaes j referida;
ii) a soma de dois nmeros adjacentes numa linha igual ao nmero que, na linha seguinte, figura entre
eles. Esta propriedade (conhecida por regra de Stiefel) j tinha sido referida na forma
n n n 1

;
p 1 p p
iii) a soma de todos os elementos da n-sima linha igual a 2 n . Esta propriedade muito importante
n
2 n , conduz ao facto , j referido, de um conjunto A, com n

pois na forma: ...
0 1
n 1 n
elementos, ter exactamente 2 n subconjuntos. Note que n o cardinal de A.
Binmio de Newton
Denomina-se binmio de Newton27 , a todo binmio da forma (a + b)n , sendo n um nmero natural,
e.g., (3x - 2y)4 . ( onde a = 3x, b = -2y e n = 428). Exemplos de desenvolvimento de binmios de Newton:
27
Isaac Newton - fsico e matemtico ingls(1642 - 1727). Suas contribuies Matemtica, esto reunidas na monumental obra Principia
Mathematica, escrita em 1687.
28
grau do binmio.
29
a. (a + b)2 = a2 + 2ab + b2
b. (a + b)3 = a3 + 3 a2b + 3ab2 + b3
c. (a + b)4 = a4 + 4 a3b + 6 a2b2 + 4ab3 + b4
d. (a + b)5 = a5 + 5 a4b + 10 a3b2 + 10 a2b3 + 5ab4 + b5
O que se pretende agora verificar que no necessrio decorar as frmulas acima, j que elas
possuem uma lei de formao bem definida. Vamos tomar por exemplo, a alnea d. acima; observe que o
expoente do primeiro e ltimos termos so iguais ao expoente do binmio, ou seja : 5. A partir do segundo
termo, os coeficientes podem ser obtidos a partir da seguinte regra prtica de fcil memorizao:
Multiplicamos o coeficiente de a pelo seu expoente e dividimos o resultado pela ordem do termo. O
resultado ser o coeficiente do prximo termo.
Assim por exemplo, para obter o coeficiente do terceiro termo da alnea d. acima teramos: 5.4 = 20;
agora dividimos 20 pela ordem do termo anterior (2 por se tratar do segundo termo) 20:2 = 10 que o
coeficiente do terceiro termo procurado.
Observe que os expoentes da varivel a decrescem de n at 0 e os expoentes de b crescem de 0 at n.
Assim o terceiro termo 10 a 3b2 (observe que o expoente de a decresceu de 4 para 3 e o de b cresceu de 1
para 2).
Usando a regra prtica acima, o desenvolvimento do binmio de Newton (a + b) 7 ser:
(a + b)7 = a7 + 7 a6b + 21 a5b2 + 35 a4b3 + 35 a3b4 + 21 a2b5 + 7 ab6 + b7
Como obtivemos, por exemplo, o coeficiente do 6 termo (21 a 2b5) ? Pela regra: coeficiente do termo
anterior = 35, multiplicamos 35 pelo expoente de a que igual a 3 e dividimos o resultado pela ordem do
termo que 5. Ento, 35 . 3 = 105 e dividindo por 5(ordem do termo anterior) vem 105:5 = 21, que o
coeficiente do sexto termo, conforme se v acima.
Observaes:
i) o desenvolvimento do binmio (a + b)n um polinmio;
ii) o desenvolvimento de (a + b)n possui n + 1 termos;
iii) os coeficientes dos termos equidistantes29 dos extremos, no desenvolvimento de (a + b)n so iguais;
iv) a soma dos coeficientes de (a + b)n igual a 2n .
Em termos formais, a frmula do Binmio de Newton30 pode apresentar-se na forma:
n n p p
a
b
p
( a b) n np 0
Observaces:
i) os coeficientes do desenvolvimento so exactamente os nmeros da linha n do tringulo de Pascal;
ii) a soma dos expoentes da parte literal de cada um dos termos do desenvolvimento sempre n.
Exerccios Resolvidos sobre o Binmio de Newton
1. Determine o 7 termo do binmio (2x + 1)9 , desenvolvido segundo as potncias decrescentes de x .
29
30
mesma distncia.
Ou frmula binomial.
30
Resoluo: Vamos aplicar a frmula do termo geral de (a + b) n , onde a = 2x , b = 1 e n = 9. Como

queremos o stimo termo, fazemos p = 6 na frmula do termo geral e efectuamos os clculos indicados.
Temos ento: T6+1 = T7 = C9,6 . (2x)9-6 . (1)6 = 9! /[(9-6)! . 6!] . (2x) 3 . 1 = 9.8.7.6! / 3.2.1.6! . 8x 3 = 84.8x3 =
672x3. Portanto o stimo termo procurado 672x3.
2. Qual o termo mdio do desenvolvimento de (2x + 3y) 8 ?
Resoluo:Temos a = 2x , b = 3y e n = 8. Sabemos que o desenvolvimento do binmio ter 9 termos,
porque n=8. Ora sendo T1T2T3T4T5T6T7T8T9 os termos do desenvolvimento do binmio, o termo do meio
(termo mdio) ser o T5 (quinto termo). Logo, o nosso problema resume-se ao clculo do T 5 . Para isto,
basta fazer p = 4 na frmula do termo geral e efectuar os clculos decorrentes. Teremos: T 4+1= T5= C8,4.
(2x)8-4.(3y)4 = 8!/[(8-4)!.4!].(2x)4.(3y)4 = 8.7.6.5.4! / (4!.4.3.2.1).16x4.81y4. Fazendo os clculos vem:
T5=70.16.81.x4.y4 = 90720x4y4 , que o termo mdio procurado.
3. Desenvolvendo o binmio (2x - 3y) 3n , obtemos um polinmio de 16 termos . Qual o valor de n?
Resoluo: Ora, se o desenvolvimento do binmio possui 16 termos, ento o expoente do binmio igual
a 15. Logo, 3n =15 de onde conclui-se que n=5.
4. Qual a soma dos coeficientes dos termos do desenvolvimento de :
a. (2x - 3y)12 ? ;
b. (x - y) 50 ?
Resoluo:
a. basta fazer x=1 e y=1. Logo, a soma S procurada ser: S = (2.1 -3.1) 12 = (-1)12 = 1
b. analogamente, fazendo x=1 e y=1, vem: S = (1 - 1)50 = 050 = 0.
Exerccios Propostos sobre o Binmio de Newton
1. Qual o termo em x5 no desenvolvimento de (x + 3)8 ?
2. Determine a soma dos coeficientes do desenvolvimento de (x - 3y) 7 .
3. Qual o valor do produto dos coeficientes do 2o e do penltimo termo do desenvolvimento de (x - 1)80 ?
4. Desenvolvendo-se a expresso [(x + 1/x).(x - 1/x)] 6 , obtm-se como termo independente de x o valor:
a. 10 ; b. -10 ; c. 20 ; d. -20 ; e. 36.
5. A soma dos coeficientes do desenvolvimento de (2x + 3y) m 625. O valor de m :
a. 5 ; b. 6 ; c. 10 ; d. 3 ; e. 4.
6. Os 3 primeiros coeficientes no desenvolvimento de (x 2 + 1/(2x))n esto em progresso aritmtica.
O valor de n :
a. 4 ; b. 6 ; c. 8 ; d. 10 ; e. 12.
7. No desenvolvimento de (3x + 13)n h 13 termos. A soma dos coeficientes destes termos igual a:
8. Sabendo-se que a soma dos coeficientes no desenvolvimento do binmio (a + b) m igual a 256, calcule
(m/2)!
31
9. Calcule o termo independente de x no desenvolvimento de (x 2 + 1/x)9.

10. Calcule a soma dos coeficientes do desenvolvimento do binmio (3x - 1) 10.
11. Determine o termo independente de x no desenvolvimento de (x + 1/x ) 6 .
Exerccios Propostos sobre Clculo Combinatrio.
1. Mostrar que 2.4.6.8. ... .(2n 2).2n = n! . 2n
2. Qual a soma dos nmeros de cinco algarismos distintos que podem ser formados com os algarismos
1,2,3,4 e 5?
3. Um cocktail preparado com duas ou mais bebidas distintas. Se existem 7 bebidas distintas, quantos
cocktails diferentes podem ser preparados?
4. Sobre uma circunferncia so marcados 9 pontos, dois a dois distintos. Quantos tringulos podem ser
construdos com vrtices nos 9 pontos marcados?
5. Uma famlia com 5 pessoas possui um automvel de 5 lugares. Sabendo apenas 2 pessoas sabem
dirigir, de quantos modos podero se acomodar para uma viagem?
6. As rectas r e s so distintas e paralelas entre si. So dados 5 pontos distintos na recta r e 4 pontos
distintos sobre a recta s. Quantos so os tringulos determinados pelos pontos dados?
7. Quantas diagonais contm o hexaedro constitudo por 6 faces triangulares obtido pela unio de duas
pirmides triangulares?
8. Provenientes das permutaes dos algarismos 1,2,2,2,3,4, quantos nmeros pares de 6 algarismos
existem?
9. De quantos modos podemos dispor em linha e alternadamente, 5 rapazes e 6 raparigas?
10. Quantos so os nmeros de 5 algarismos distintos, menores que 30.000, formados com os algarismos
1,2,3,4,5?
11. Sabe-se que os nmeros de telefone de uma cidade tm seis dgitos, onde o primeiro nunca zero.
Supondo-se que os nmeros dos telefones passem a ter sete dgitos, determine o aumento possvel na
quantidade de telefones dessa cidade.
12. Dois grupos de excursionistas, um deles com 20 pessoas e o outro com 15, encontram-se em um certo
local de um pas distante. Se todas as pessoas de um grupo cumprimentarem todas as pessoas do outro
grupo, qual o nmero total de cumprimentos?
13. Uma prova compe-se de 6 questes de escolha mltipla com 5 alternativas cada. De quantos modos
um aluno pode preencher o quadro de respostas, escolhendo as alternativas ao acaso?
32
14. Em uma cidade, as placas dos automveis so formadas por duas das 26 letras do alfabeto, seguidas
de 4 algarismos. Placas com letras iguais so proibidas, mas no h qualquer restrio quanto aos
algarismos. Quantas placas diferentes so possveis?
15. Um salo tem 6 portas. De quantos modos distintos esse salo pode estar aberto?
Anexo 2 Reviso da Teoria dos Conjuntos: Operaces entre conjuntos.

O que se pretende fazer o anlogo entre alguns resultados desta teoria e o que se passa com os
acontecimentos. Note-se que a linguagem de conjuntos diferente da linguagem de acontecimentos, no
entanto h um certo paralelismo que faz com que em termos prticos, sejam teorias anlogas. Vejamos um
exemplo de como estas linguagens so diferentes. Considere-se a expresso A B :
i) linguagem de conjuntos: A e B so conjuntos e a expresso anterior l-se interseco dos conjuntos A e
B;
ii)linguagem de acontecimentos: A e B so acontecimentos e a expresso anterior designa a realizao
simultnea dos dois acontecimentos referidos.
Uma representao grfica dos conjuntos e das operaes sobre conjuntos usualmente designada por
Diagramas de Venn.
Observao:
i) podemos definir operaes de unio e interseco, para qualquer nmero finito de conjuntos;
ii) dois (ou mais) conjuntos so equivalentes (so o mesmo conjunto) sempre que eles contenham os
mesmos elementos.
1. Reunio
Dados os conjuntos A e B, define-se o conjunto reunio A B={x; x A ou x B}.
Exemplo: {0,1,3} { 3,4,5}={0,1,3,4,5}. Percebe-se facilmente que o conjunto reunio contempla todos
os elementos do conjunto A ou B.
33
Propriedades imediatas:
i) A A=A;
ii) A = A;
iii) A B=B A31;
iv) A = , onde o conjunto universo.
2. Interseco
Dados os conjuntos A e B , define-se o conjunto interseco A B ={x; x A e x B}.
Exemplo: {0,2,4,5} {4,6,7}={4}. Percebe-se facilmente que o conjunto interseco contempla os
elementos que so comuns aos conjuntos A e B.
i) A A=A;
ii) A = ;
iii) A B=B A32;
iv) A =A onde o conjunto universo.
So importantes tambm as seguintes propriedades:

i) A (B C)=(A B) (A C) (propriedade distributiva);
ii) A (B C)=(A B) (A C) (propriedade distributiva);
iii) A (A B)=A (lei da absoro);
iv) A (A B)=A (lei da absoro).
3. Diferena
Dados os conjuntos A e B , define-se o conjunto Diferena A|B={x ; x A e x B}. Observe que os
elementos da diferena so aqueles que pertencem ao primeiro conjunto, mas no pertencem ao segundo.
Exemplos: {0,5,7}|{0,7,3}={5}; {1,2,3,4,5}|{1,2,3}={4,5}.
i) A| = A
ii) |A =
iii) A|A =
iv) A|B B|A ( i.e., a diferena de conjuntos no uma operao comutativa).
4. Complementar de um conjunto
Trata-se de um caso particular da diferena entre dois conjuntos. Assim , que dados dois conjuntos A e
B, com a condio de que B A , a diferena A|B chama-se, neste caso, complementar de B em relao a
A . Smbolo: CAB = A|B. Caso particular: O complementar de B em relao ao conjunto universo , ou
31
32
a unio de conjuntos uma operao comutativa.

a interseco uma operao comutativa
34
seja , |B , indicado pelo smbolo B . Observe que o conjunto B formado por todos os elementos
que no pertencem ao conjunto B, ou seja: B = {x; x B}. bvio, ento, que :
i) B B = ;
ii) B B = ;
iii) = ;
iv) = .
5. Nmero de elementos da Reunio de dois conjuntos.
Sejam A e B dois conjuntos, tais que o nmero de elementos de A ( cardinal de A) seja n(A) e o nmero
de elementos de B (cardinal de B) seja n(B). Representando o nmero de elementos da interseco A B
por n(A B) e o nmero de elementos da reunio A B por n(A B) , podemos escrever a seguinte
frmula: n(A B) = n(A) + n(B) - n(A B)
Resumo das Propriedades mais importantes referidas:
i) Leis Comutativas: A B B A e A B B A
ii)Leis Associativas: A ( B C ) ( A B ) C e A ( B C ) ( A B ) C
iii)Leis Distributivas: A ( B C ) ( A B ) ( A C ) e A ( B C ) ( A B ) ( A C )
iv) Elemento neutro33: A A
v) Elemento absorvente: A
vi) Leis de Morgan:a) A B A B ; b) A B A B ; c) A A
vii)
A\ B A B
Existe ainda uma importante operao entre os conjuntos que tem interesse considerar num
contexto de acontecimenmtos aleatrios.
Definio:
Sejam A1, , An n conjuntos. Denominaremos produto cartesiano de A1, , An ,denotando-o por
A1 A2 ... An , o conjunto ( a1 , a 2 ,..., a n ), a i Ai , i 1,..., n .
Note que em geral o produto cartesiano no comutativo pois os elementos do novo conjunto so
vectores tais que a componente j desse vector um elemento do conjunto j no produto cartesiano, e no
de outro qualquer.
Exerccios Propostos sobre Teoria dos Conjuntos.
1. Numa universidade so lidos apenas dois jornais, X e Y. 80% dos alunos da mesma lem o jornal X e
60%, o jornal Y. Sabendo-se que todo aluno leitor de pelo menos um dos jornais, assinale a alternativa
que corresponde ao percentual de alunos que lem ambos:
a. 80% ; b.14% ; c. 40% ; d. 60% ; e. 48%.
2. Se um conjunto A possui 1024 subconjuntos, ento o cardinal de A igual a:
Observe a analogia entre o , conjunto vazio, e o 0, nmero real, em relao s operaes de
respectivamente.
33
e , e as operaes aritmticas x e +,
35

a. 5 ; b. 6 ; c.7 ; d. 9 ; e. 10.
3. Aps um jantar, foram servidas as sobremesas X e Y. Sabe-se que das 10 pessoas presentes, 5 comeram
a sobremesa X, 7 comeram a sobremesa Y e 3 comeram as duas. Quantas no comeram nenhuma das
sobremesas?
a. 1 ; b. 2 ; c. 3 ; d. 4 ; e. 0 .
4. Dados os conjuntos A, B e C, tais que: n(B C) = 20 ; n(A B) = 5 , n(A C) = 4 , n(A B C) = 1
e n(A B C) = 22. Nestas condies, o nmero de elementos de A|( B C) igual a:
a. 0 ; b. 1 ; c. 4 ; d. 9 ; e. 12.
5. Se A = e B = { }, ento :
a. A B ; b. A B = ; c. A = B ; d. A B = B ; e. B A.
6. Sejam A, B e C conjuntos finitos. O nmero de elementos de A B 30, o nmero de elementos de A
C 20 e o nmero de elementos de A B C 15. Ento o nmero de elementos de A (B C)
igual a:
a. 35 ; b. 15 ; c. 50 ; d. 45 ; e. 20.
Anexo 3 Linguagem usada em Medicina

Interessa aplicar os conceitos aprendidos a vrios reas do conhecimento. Uma das principais a
Medicina na qual alguns termos devem estar bem interiorizados para que a resoluo de alguns problemas
seja possvel. Este o propsito deste anexo, tornar claro alguns dos termos desta cincia.
- Prevalncia
Probabilidade de ser doente.
- Sensibilidade Capacidade de identificar os positivos (doentes) entre os verdadeiramente doentes,

i.e., probabilidade de ter exame positivo, dado que doente.
- Especificidade Capacidade de identificar os negativos (no-doentes) entre os verdadeiramente
negativos, i.e., probabilidade de ter exame negativo, dado que no doente.
- Valor Preditivo Positivo - VPP
positivo.
Probabilidade de o indivduo ser portador da doena dado que o teste
- Valor Preditivo Negativo - VPN Probabilidade de o indivduo no ser portador da doena dado que
o teste negativo.
- Razo de Verosimilhana Positiva - RVP Probabilidade de que dado resultado de teste fosse
esperado em um paciente portador da doena, comparado com a probabilidade de que o mesmo resultado
fosse esperado em um paciente sem a doena.
36
RVP
sensibilidade
1 especificidade
- Razo de Verosimilhana Negativa- RVN Probabilidade de que dado resultado de teste fosse
esperado em um paciente no portador da doena, comparado com a probabilidade de que o mesmo
resultado fosse esperado em um paciente com a doena.
RVN
1 sensibilidade
especificidade
Vejamos um exemplo em que aplicamos estas definies e os conhecimentos aprendidos at este ponto.
Exemplo:
Sabendo-se que a prevalncia do HIV na populao geral de 0,5% (0,005) e que a sua prevalncia em
consumidores de droga de 60% (0,6), e que a sensibilidade do ELISA de 0,995 e a especificidade de
0,98, calcule a probabilidade de um indivduo em cada populao, sendo positivo ao ELISA, ser e no ser
portador de HIV.
Definem-se os acontecimentos: D " Ser doente " , S " Exame Ser Positivo "
So dados:
- A Prevalncia (probabilidade de ser doente): P (D )
- A Sensibilidade (probabilidade de ter exame positivo, dado que doente): P ( S | D )
- A Especificidade (probabilidade de ter exame negativo, dado que no doente): P ( S | D )
- O Valor Preditivo Positivo (probabilidade de ser doente, dado que o exame positivo) dado por:
1
P ( D ). P ( S | D )
1
P ( D ). P ( S | D )
- Valor Preditivo Negativo (probabilidade de no ser doente, dado que o exame negativo) dado por:
VPP P ( D | S )
VPN P ( D | S )
P ( D ). P ( S | D ) Teo .
P ( D ). P ( S | D )
Pr ob.Cond .
Pr
ob
.
Total
P( S )
P ( D ). P ( S | D ) P ( D ). P ( S | D )
def .
def .
P ( D ). P ( S | D ) Teo .
P ( D ). P ( S | D )
Pr ob.Cond .
Pr ob.Total P ( D ). P ( S | D )) P ( D ). P ( S | D )
P( S )
1
P ( D ). P ( S | D )
1
P ( D ). P ( S | D
Como:
- a probabilidade de ser positivo, dado que no doente (falso positivo) o complemento da
especificidade: P ( S | D ) 1 P ( S | D )
- a probabilidade de ser negativo, dado que doente (falso negativo) o complemento da sensibilidade:
P( S | D ) 1 P( S | D )
- a probabilidade de no ser doente o complemento da prevalncia: P ( D ) 1 P ( D )

Ento:
Para
populao geral
0,005
0,995
Para consumidores
de droga
0,6
0,4
37

VPP=
VPN=
0,995
0,98
0,005
0,02
0,2
0,999974
0,995
0,98
0,005
0,02
0,986777
0,992405
Solues dos Exerccios Propostos

1. Seja x o nmero de bolas azuis a serem colocadas na urna. O espao amostral possuir, neste caso,
3+5+x = x+8 bolas. Pela definio de probabilidade, a probabilidade de que uma bola extrada ao acaso
seja azul ser dada por: x/(x+8). Mas, o problema diz que a probabilidade deve ser igual a 2/3. Logo,
vem: x/(x+8) = 2/3, resolvendo a equao do 1 grau: 3x=2(x+8) , donde 3x =2x+16 e, finalmente vem
que x=16.
2. O espao amostral da e.a. possui n() = 1+4+x = x+5 bolas. Vamos considerar trs situaes distintas:
A. as bolas extradas so ambas da cor preta.
Como existe reposio da bola extrada, os acontecimentos so independentes. Logo, a probabilidade de
que saia uma bola preta (P) e em seguida outra bola preta (P) ser dada por: P(P P)=P(P).P(P) =[1/
(x+5)].[1/(x+5)]=1/(x+5)2
B. as bolas extradas so ambas da cor branca.
Usando o mesmo raciocnio usado em A. e considerando-se que os acontecimentos so independentes
(pois ocorre a reposio da bola extrada), teremos: P(B B)=P(B).P(B)=[4/(x+5)].[4/(x+5)]= 16/(x+5)2
C. as bolas extradas so ambas da cor azul.
Analogamente, vem: P(A A =P(A).P(A) =[x/(x+5)].[x/(x+5)] = x2/(x+5)2.
Estes trs acontecimentos so mutuamente exclusvos, pelo que a probabilidade da unio desses trs
acontecimentos, ser igual a soma das probabilidades individuais. Da, pelos dados do problema, vem
que:[1/(x+5)2]+[16/(x+5)2]+[x2/(x+5)2]=1/2. Vamos resolver esta equao do 2 grau: (1+16+x 2)/(x+5)2 =
1 /2 2(17+x2) = 1. (x+5)2 34 + 2x2 = x2 + 10x + 25, x2 10x + 9 = 0, de onde conclumos x=1 ou x=9.
38
3. Existem problemas de Probabilidades nos quais a contagem do nmero de elementos do espao

amostral no pode ser feita directamente. Teremos que recorrer Anlise Combinatria, para facilitar a
soluo. Para determinar o nmero de elementos do nosso espao amostral , teremos que calcular
quantos grupos de 2 parafusos poderemos obter com os 60 parafusos da amostra. Trata-se de um tpico
problema de Combinaes simples. Teremos ento: n() = C60,2 = 60!/(58!.2!) = 60.59.58!/58!.1.2 =
30.59. Considerando-se o acontecimento E: os dois parafusos retirados so perfeitos, vem que: 60
parafusos 5 defeituosos = 55 parafusos perfeitos. Teremos ento que o nmero de possibilidades desse
acontecimento ser dado por: n(E) = C 55,2 = 55!/53!.2! = 55.54.53!/53!.1.2 = 55.27. Logo, a probabilidade
de ocorrncia do acontecimento E ser igual a: P(E) = n(E)/n() = 55.27/30.59 = 1485/1770 =
0,838983=83,8983%.
Resposta: aproximadamente 84%. A interpretao deste resultado que se a e.a. for repetida 100 vezes,
obteremos aproximadamente em 84 vezes, dois parafusos perfeitos.
4. aproximadamente 0,005%.
5. aproximadamente 2,30% . Observao: pelo menos 2 defeituosos = 2 defeituosos ou 3 defeituosos.
6. 5/34 ou aproximadamente 14,7%
7. 5/8 ou 62,5%.
8. a. 1-x+y
b. x-y
c. 1-y
39
d. x-2y.
9. a.
10. a.
11. Consumo e positividade para o HIV so, por definio, acontecimentos independentes. A
probabilidade de ocorrncia simultnea , ento, o produto das probabilidades dadas: 0,005x0,3=0,0015
12. Prevalncia de uma doena a proporo de portadores desta em relao populao total, e coincide
numericamente com a probabilidade de ocorrncia da doena. Neste exerccio:
prevalncias:
populao
HAS
Diabetes
Tbc
HIV+
1.000.000
40.000
10.000
1.000
500
0,04
0,01
0,001
0,0005
13.
Gold standard
c/Ab
s/Ab
Genericamente:
c/Ab
s/Ab
40

E+
E-
1960
40
2000
7984
9944
E+
990016 990056 E998000 1000000
P(HIV+)
P(HIV-)
P(E+)
P(E-)
a
c
a+c
b
d
b+d
a+b
c+d
a+b+c+d
0,002
0,998
0,009944
0,990056
Sen=0,98; Esp= 0,992 ; VPP=0,197104 ; VPN=0,99996 ; RVP=122,5 ; RVN=0,020161.

14. 1.0 .
15. a. Sim.
b. 83%.
16.
Q
C
a. 63.9% ; b. 1.4% ; c. 60.9% .
Solues da Escolha Mltipla

1. c.
2. d.
3. c.
4. c. 19/48 = 39,58%.
5. c.
6.
7. e.
8. c.
9. a.
b.
41
10. a.
11. c.
12. b.
Solues do Verdadeiro/Falso
1. a. F; b. F; c. V; d. F
2. a. F; b. F; c. F; d. V
Solues dos Exerccios Propostos sobre o Binmio de Newton

1. T4 = 1512.x5
2. 128
3. 6400
4. D
5. E
6. 8
7. 248
8. 24
9. O termo independente de x o stimo e igual a 84.
10. 1024
11. 20.
Solues dos Exerccios Propostos sobre Clculo Combinatrio.

1. O primeiro membro da igualdade pode ser escrito como: 2.1 . 2.2 . 2.3 . 2.4 . ... . 2.(n 1) . 2.n.
Observe que no produto acima, o factor 2 se repete n vezes; portanto, o produto de 2 por ele mesmo, n
vezes, resulta na potncia 2n. Logo, o primeiro membro da igualdade fica: 2 n(1 . 2 . 3 . 4 . ... . n). Observe
que entre parnteses, temos exactamente o factorial de n ou seja: n! Substituindo, vem finalmente : 2 n . n!.
Assim, mostramos que: 2.4.6.8. ... .2(n 1). 2n = n! . 2 n . Ento, podemos dizer que: o produto dos n
primeiros nmeros pares positivos igual ao factorial de n multiplicado pela n-sima potncia de 2.
2. Seja XYZWK a forma genrica de um nmero de 5 algarismos. Podemos observar que o algarismo 1
aparecer: 4! (factorial de 4) vezes na forma 1YZWK. 4! vezes na forma X1ZWK . 4! vezes na forma
XY1WK. 4! vezes na forma XYZ1K. 4! vezes na forma XYZW1. O mesmo ocorrer com os algarismos
2, 3, 4 e 5.. Para entender a passagem seguinte, necessrio relembrar o que significa VALOR
POSICIONAL de um algarismo. Vejamos atravs de exemplos: 132: o valor posicional de 1 100, o valor
posicional de 3 30 e o valor posicional de 2 2, o que resulta no nmero cento e trinta e dois = 132.
2456: o valor posicional de 2 2000, o valor posicional de 4 400, o valor posicional de 5 500 e o valor
posicional de 6 6, resultando no nmero dois mil quatrocentos e cinquenta e seis = 2456. Voltando
soluo do problema: Usando o conceito de VALOR POSICIONAL de um algarismo, teremos ento as
seguintes somas:
1 Para o algarismo 1 nas cinco posies possveis:
S1 = 4!.1.10000 + 4!.1.1000 + 4!.1.100 + 4!.1.10 + 4!.1.1
S2 = 4!.2.10000 + 4!.2.1000 + 4!.2.100 + 4!.2.10 + 4!.2.1
S3 = 4!.3.10000 + 4!.3.1000 + 4!.3.100 + 4!.3.10 + 4!.3.1
42

S4 = 4!.4.10000 + 4!.4.1000 + 4!.4.100 + 4!.4.10 + 4!.4.1
5 Finalmente, para o algarismo 5 nas cinco posies possveis, teremos:
S5 = 4!.5.10000 + 4!.5.1000 + 4!.5.100 + 4!.5.10 + 4!.5.1
A soma procurada ser ento igual a S = S 1+S2+S3+S4+S5
Vamos reescrever as expresses obtidas acima:
4!.1.10000 + 4!.1.1000 + 4!.1.100 + 4!.1.10 + 4!.1.1
4!.2.10000 + 4!.2.1000 + 4!.2.100 + 4!.2.10 + 4!.2.1
4!.3.10000 + 4!.3.1000 + 4!.3.100 + 4!.3.10 + 4!.3.1
4!.4.10000 + 4!.4.1000 + 4!.4.100 + 4!.4.10 + 4!.4.1
4!.5.10000 + 4!.5.1000 + 4!.5.100 + 4!.5.10 + 4!.5.1
Somando as expresses acima, observando que 10000, 1000, 100, 10 e 1, so termos comuns, vem: S = 4!
(1+2+3+4+5).104+4!(1+2+3+4+5).103+4!(1+2+3+4+5).102+4!.(1+2+3+4+5).101+4!.(1+2+3+4+5).100.
Ento, a soma S ficar igual a: S = 4!.(1+2+3+4+5).(10000+1000+100+10+1). Como 4! = 4.3.2.1 = 24,
vem: S = 24.(1+2+3+4+5).11111 = 24.15.11111. Finalmente, conclumos que S = 3.999.960, que a
resposta do problema.
3. 120.; 4. 84.; 5. 48.; 6. 70.; 7. 01.; 8. 80.; 9. 86400.; 10. 48.; 11. 8.100.000.
12. 300.; 13. 15625.; 14. 6.500.000.;
15. 63 . No pense que so 64 modos! Lembre-se de retirar a opo de todas as portas fechadas!
Solues dos Exerccios Propostos sobre Teoria dos Conjuntos

1. c.; 2. e.; 3. a.; 4. d.; 5. a.; 6. a..
43

Final1 0

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Final1 0

Încărcat de

Drepturi de autor:

Formate disponibile

Coleco

Clculo de Probabilidades de Acontecimentos

1 Introduo. Definies: Experincia Aleatria e Acontecimentos Aleatrios

Pierre de Fermat (1601-1665)

Exemplos de Espaos Amostrais:

1. Considere o lanamento de um dado. Calcule a probabilidade de:

i.e., se o cardinal de for k.

2. Considere o lanamento de dois dados. Calcule a probabilidade de:

Axiomtica das Probabilidades

Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13

J P " Ler pelo menos um dos jornais" ,

pelo que e.g.,

representa o nmero de pessoas da comunidade em estudo, que no lem jornais.

Sabemos apenas se a lei de Laplace for aplicvel.

Dividindo a igualdade n n(J P) n( J P ) por n obtemos 1 P(J P) P( J P ) ,

A interpretao do resultado a seguinte: escolhendo-se ao acaso uma pessoa da comunidade, a

Em que Card(A) designa o cardinal do conjunto A.

2 processo: calculando directamente, P(C | B )

Note que C B " s de Copas" e que cada naipe tem 13 cartas.

5 Teorema da Multiplicao de Probabilidades10

ou Lei das Probabilidades Compostas.

Recorrendo ao teorema anterior deduzimos um dos mais importantes teoremas em probabilidades.

Note que o j um ndice livre ao passo que o i um ndice mudo.

1 P ( A) P ( B ) P ( A). P ( B ) 1 P ( A).1 P ( B ) P ( A). P ( B )

P( A) P ( B ) P ( A B ) 0.6 0.7 1 0.3

Sempre que pretendemos calcular a probabilidade de uma interseco de acontecimentos a primeira

Apenas foi necessrio usar a definio de probabilidade condicionada e recorreu-se ao clculo da

P ( A). P (C ) 0.6 0.2 0.12

d. Para responder pergunta basta dar um contra-exemplo:

P ( A B ) 0.3 0.42 0.6 0.7 P ( A). P ( B ) .

P ( A). P ( B ) P ( A).P (C ) P ( A). P ( B ). P(C ) P ( A) P ( B ) P(C ) P( B ). P (C )

independentes dois a dois e trs a trs.

c. da alnea a. podemos concluir directamente, da aplicao de um teorema, que A e

P ( N G ) P(G | N ). P( N ) (1 P (G | N )). P ( N ) (1 0.9 ).50 / 51

Na realidade a probabilidade pedida imediatamente dada pela Frmula de Bayes, na qual no

o que deve ser necessariamente intutivo.

Por simples observao sabemos que podemos escrever:

P (G | N ). P ( N ) P (G | V ). P (V ) 0.9 50 / 51 0.4 1 / 51 454 / 510

Que foi o resultado utilizado para responder ao pedido no enunciado.

Por simples observao, , sabemos que podemos escrever:

Aplicando probabilidade a ambos os membros desta igualdade e usando o facto de os acontecimentos do

P (G | V ).P (V ) P(G | V ). P(V ) 0.65 0.6 0.3 0.4 0.51

Infeco pelo HIV

o valor preditivo negativo do ELISA;

probabilidade de no avariar durante um perodo de tempo fixo .

a. 18/75 : b. 19/45 ; c. 19/48 ; d. 18/45 ; e. 19/75

Indique o valor lgico das seguintes afirmaes:

Indique o valor lgico das seguintes afirmaes:

Anexo 1 Reviso sobre o Clculo Combinatrio

Estratgicas bsicas de Contagem: Regras Bsicas

Arranjos com e sem repetio

ou qualquer um dos outros dois lugares.

Assim este torneio ter :

Propriedades das Combinaes

A demonstrao destas propriedades um bom exerccio e voltaremos a estas expresses novamente,

. =1 - um conjunto com n elementos tem um subconjunto com 0 elementos, o conjunto vazio.

. =1 - um conjunto com n elementos tem um subconjunto com n elementos, o prprio conjunto.

2 n , conduz ao facto , j referido, de um conjunto A, com n

Resoluo: Vamos aplicar a frmula do termo geral de (a + b) n , onde a = 2x , b = 1 e n = 9. Como

9. Calcule o termo independente de x no desenvolvimento de (x 2 + 1/x)9.

Anexo 2 Reviso da Teoria dos Conjuntos: Operaces entre conjuntos.

So importantes tambm as seguintes propriedades:

a unio de conjuntos uma operao comutativa.