Probabilidade:

Un1 Curso Introdutrio

Carlos A. B. Dantas
 1

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 exem-
plo, 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 pro-
cesso encontrar-se em equilbrio, ou atribui chances para as possveis
propores de peas defeituosas por ele produzidas. Um mdico de-
fronta-se com a incerteza em relao ao efeito provocado pela admi-
nistrao de um novo remdio a um determinado paciente.
H uma grande classe de experimentos que, ao serem repeti-
dos nas mesmas condies, produzem resultados diferentes. Ou, em
outros termos, experimentos que, quando realizados, no apresentam
resultados previsveis de antemo.
DEFINIO 1.1.1 Experimentos que ao serem repetidos nas mesmas
condies no produzem o mesmo resultado so denominados expe-
rimentos aleatrios.
Damos a seguir alguns exemplos de experimentos aleatrios:
EXEMPLO 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 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 1.1.3 Se escolhermos uma lmpada do processo de fabri-
cao e observarmos o seu tempo de durao, verificaremos que esse
tempo varia de lmpada para lmpada.
Noes Bsicas de Probabilidade 19
EXEMPLO 1.1.4 Se lanarmos um dado sobre uma superfcie plana e
observarmos o nmero que aparece na face superior, no poderemos
determinar a priori qual ser esse nmero.
EXEMPLO 1.1.5 Se selecionarmos um casal de um conjunto de casais
e observarmos o sexo do primognito, no poderemos determin-lo a
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 de-
termin{sticos.
Eis alguns exemplos de experimentos determinsticos: Se dei-
xarmos 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 parare-
presentar 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 pe-
sos 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.
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.
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}.
20 Probabilidade: Um Curso Introdutrio
EXEMPLO 1.2.2 Uma moeda lanada duas vezes sobre uma su-
pefcie plana. Em cada um dos dois lanamentos pode ocorrer cara
(C) ou coroa (C). O espao amostrai o conjunto:
S ={CC, C C, CC, C C}.
EXEMPLO 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 :
S = {BBB, BBD, BDB, BDD, DBB, DBD, DDB, DDD}.
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.
EXEMPLO 1.2.4 Uma moeda lanada sucessivamente at que apa-
rea 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, faz-
se 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:
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.
EXEMPLO 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, ... }.
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
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 regis-
tra 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:
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.
DEFINIO 1.2.2 Denominaremos de evento a todo resultado ou
subconjunto de resultados de um experimento.
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.
EXEMPLO 1.2.8 No exemplo 1.2.3 consideremos o evento A: duas
peas so boas. Tem-se :
A= {BBD,BDB,DBB}.
Ento A ocorre se ocorrer um dos trs eventos simples BBD,
BDB, ou DBB.
22 Probabilidade: Um Curso Introdutrio
EXEMPLO 1.2.9 No exemplo 1.2.4 consideramos o evento A: a pri-
meira cara ocorre em um lanamento que um mltiplo de 3. Temos
ento:
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, ...
EXEMPLO 1.2.10 No exemplo 1.2.2 considere o evento B: o nmero
de caras igual ao nmero de coroas,
B ={CC, CC}.
1.3 OPERAES ENTRE EVENTOS
DEFINIO 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.
Como os eventos so subconjuntos do espao amostrai, po-
demos representar a reunio, a interseo de dois eventos e o com-
plementar 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
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:
A= {2,4,6,8,10,12,14} B = {3,6,9,12,15}
AUB = {2,3,4,6,8,9,10,12,14,15}
AnB = {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 si-
tuao 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 reu-
nio e de uma interseo enumervel de eventos.
DEFINIO 1.3.4 O evento U~ 1 Ai o evento que ocorre quando
pelo menos um dos eventos Ai, para i = 1, 2, ... ocorre.
DEFINIO 1.3.5 O evento n~ 1 Ai o evento que ocorre quando
todos os eventos Ai, i = 1, 2, ... ocorrerem.
1.4 DEFINIES: CLSSICA, FREQENTISTA E
SUBJETIVA DE PROBABILIDADE
As primeiras tentativas de se atribuir probabilidades a eventos
aleatrios surgem na Idade Mdia. Os jogos de dados j eram prati-
cados 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 con-
ceito 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.
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:
m
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 estabele-
cidas no seguinte lema:
LEMA 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) + P(B)
iii) P(S) = 1.
DEMONSTRAO i) Como N > 0 e m ;::: 0 segue que P(A) ;::: 0.
Suponha que A tem m 1 eventos simples e que B tem m2 even-
tos 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-
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 calcu-
lar 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 Noes Bsicas de Probabilidade 27

1.4-1 Definio Freqentista de Probabilidade Meses Jul. Ago. Set. Out. Nov. Dez.
Masc. 3964 3797 3712 3512 3392 3761
Ao concluirmos que um evento aleatrio, desejamos poder
Fem. 3621 3596 3491 3391 3160 3371
atribuir ao mesmo um nmero que reflita suas chances de ocorrncia
Total 7585 7393 7203 6903 6552 7132
quando o experimento realizado. Vimos acima que em determi-
nadas circunstncias podemos atribuir a mesma chance a todos os Para os dados do ano todo, a freqncia relativa de masculino
eventos simples associados ao experimento. Quando o nmero de
c . 45682 -
!Ol 88273 -
o' 5175 .
eventos simples do espao amostrai no for finito, esta possibilidade Seja S o espao amostrai associado a um experimento alea-
fica afastada. trio. Considerando-se n repeties desse experimento nas mesmas
Uma outra maneira de determinar a probabilidade de um even- condies, observemos que a freqncia relativa est definida na clas-
to consiste em repetir-se o experimento aleatrio, digamos n vezes, e se dos eventos de S e suas propriedades so dadas no seguinte lema:
anotar quantas vezes o evento A associado a esse experimento ocor-
re. Seja n(A) o nmero de vezes em que evento A ocorreu nas n
repeties do experimento. A razo LEMA 1.4.2 A freqncia relativa fn,A definida na classe dos eventos
do espao amostrai S satisfaz as seguintes condies:
fn A= n(A) (1.2)
' n a) Para todo evento A, O :S fn,A :S 1;
b) Se A e B so dois eventos de S mutuamente exclusivos,
denominada freqncia relativa de A nas n repeties do experi-
temos: fn,AUB = fn,A + fn,B;
mento.
c) fn,S = 1.
Repetindo-se o experimento um grande nmero de vezes, nas
mesmas condies, e de modo que as repeties sucessivas no depen- DEMONSTRAO A parte a decorre do fato que n(A) ;::: O. Como
dam dos resultados anteriores, observa-se que a freqncia relativa os eventos A e B so mutuamente exclusivos, toda vez que um deles
de ocorrncias do evento A tende a uma constante p. ocorre o outro no ocorre e portanto o nmero de ocorrncias de
A estabilidade da freqncia relativa, para um grande nmero A U B igual a soma do nmero de ocorrncias de A com o nmero
de observaes, foi inicialmente notada em dados demogrficos e em de ocorrncias de B, isto : n(A U B) = n(A) + n(B). Dividindo-se
resultados de lanamentos de dados. por n obtemos b. Como em toda realizao do experimento algum
Buffon, no sculo XVIII, realizou 4 040 lanamentos de uma ponto de S ocorre, segue-se que c verdadeira.
moeda e observou a ocorrncia de 2 048 caras. A freqncia relativa Houve tentativas de se definir a probabilidade como limite da
observada foi 0,5064. Karl Pearson fez 24 000 lanamentos de uma freqncia relativa, j que se observava que, como foi mencionado, a
moeda, tendo obtido freqncia relativa de 0,5005 para caras. . freqncia relativa f n,A se aproxima de uma constante quando n ten-
Os dados seguintes referem-se ao nmero de nascimentos du- de a infinito. Estes esforos no foram bem-sucedidos. Voltaremos a
rante um ano classificados quanto ao sexo. tratar deste assunto quando, no captulo de teoremas limites, apre-
sentarmos a lei dos grandes nmeros. Por hora nos contentaremos
Meses Jan. Fev. Mar. Abr. Mai. Jun. em mencionar que as propriedades que a definio clssica satisfaz
Masc. 3743 3550 4017 4173 4117 3944 (lema 1.4.1) so tambm satisfeitas pela freqncia relativa (lema
Fem. 3537 3407 3866 3711 3775 3665
1.4.2) e servem de base intuitiva para a definio axiomtica que
Total 7280 6957 7883 7884 7892 7609
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 pro-
babilidade de um evento associado a um experimento independe,
portanto, do observador, sendo obtida como o valor do qual. se apro-
xima a freqncia relativa de ocorrncias desse evento em um grande
nmero de repeties do experimento. H no entanto situaes em bolas pretas. Sua probabilidade para a ocorrncia do terremoto seria
que a repetio do experimento no pode ser realizada e outras em
que no pode ser realizada em idnticas condies. Eis alguns exem-
plos 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 Gran-
de 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 ex-
perimento, 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 probabilis-
tas considera a probabilidade de um evento como sendo a medida da
crena que o observador possui na ocorrncia do evento. Desse mo-
do, 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, utiliza-
se em geral um padro, ou seja, uma unidade de incerteza. Um es-
pecialista 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
ento n~m. A probabilidade assim entendida denominada subjeti-
va 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 mu-
tuamente 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
30 Probabilidade: Um Curso Introdutrio
situaes consideraremos subconjuntos do Rn que so generalizaes
de intervalos.
Se o espao amostrai S enumervel, podemos definir a pro-
babilidade na classe de todos os subconjuntos de S que deno-
minado 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, ....
DEFINIO 1.4.3 Seja S um espao amostra[ enumervel e seja A
um subconjunto de S. A probabilidade de A definida da seguinte
maneira:
P(A) = L P(wn) (1.4)
n:wnEA
Podemos verificar que a probabilidade definida dessa manei-
ra 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 even-
tos simples desse evento. Veremos nesta seo alguns mtodos de
contagem que nos auxiliaro nessa tarefa.
Um procedimento muito elementar de contagem tem sido apre-
sentado sob o ttulo de princpio fundamental da contagem. Ns se-
guiremos essa tradio e iniciaremos pela apresentao desse princpio.
1. 5.1 Princpio Fundamental da Contagem
Suponhamos que uma tarefa pode ser executada em duas eta-
pas. Se a primeira etapa pode ser realizada de n maneiras e a segunda
Noes Bsicas de Probabilidade 31
etapa de m maneiras ento a tarefa completa pode ser executada de
n.m maneiras.
EXEMPLO 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.
DEFINIO 1.5.1 Uma amostra de tamanho n de um conjunto C
que tem N elementos um subconjunto de n elementos retirados de
c.
As amostras podem ser retiradas de um conjunto de duas ma-
neiras: 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.
DEFINIO 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.
ExEMPLO 1.5.2 Considere uma classe com vinte estudantes. O con-
selho de classe formado por trs estudantes: um presidente, um
secretrio e um tesoureiro. Ao escolhermos uma amostra de trs es-
tudantes para formarem o conselho, deveremos considerar as amos-
tras ordenadas, pois ainda que duas amostras sejam formadas pelas
mesmas pessoas, se elas executam tarefas distintas, devem ser consi-
deradas como diferentes.
32 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 33

As amostras no ordenadas sem reposio, de tamanho n de aproveitamos para listar essas 24 amostras:
um conjunto com N elementos, so denominadas na maioria dos tex-
tos elementares de probabilidade ou de combinatria de combinaes abc abd acd bcd
de N elementos tomados na n. Quando no for estabelecida nenhu- acb adb adc bdc
ma qualificao, estaremos admitindo que os elementos so todos bac bad cad cbd
distintos e que a amostra no ordenada. As amostras ordenadas bca bda cda cdb
sem reposio so denominadas arranjos. Utilizaremos tanto um no- cab dab da c dbc
me como outro. cba dba dca dcb.
Vamos agora determinar o nmero de amostras de cada tipo.
LEMA 1.5.2 O nmero de amostras ordenadas com reposio de ta-
manho n, de um conjunto com N elementos igual a Nn.
LEMA 1.5.1 O nmero de amostras ordenadas sem reposio de ta-
manho n, de um conjunto com N elementos, que ser denotado por DEMONSTRAO De fato, como aps cada retirada o elemento reti-
(N)n, dado por: rado reposto, ento em cada uma das n retiradas temos N escolhas
possveis. Pelo princpio fundamental da contagem o nmero dessas
amostras Nn.
(N)n = N(N- 1) ... (N- n + 1). (1.5)
ExEMPLO 1.5.5 No exemplo 1.5.4 determinamos o nmero de amos-
DEMONSTRAO As amostras so retiradas sem reposio, portanto tras ordenadas sem reposio, de tamanho 3 do conjunto {a, b, c, d}.
o primeiro elemento da amostra pode ser retirado de N maneiras, Vamos agora determinar o nmero de amostras ordenadas com re-
o segundo de (N - 1) maneiras, e assim por diante at o n-simo posio.
que pode ser retirado de (N - (n - 1)) maneiras. Pelo princpio O nmero de amostras de tamanho 3 retiradas com reposio
fundamental da contagem, o nmero de maneiras de retirar uma pelo lema 1.5.2 igual a 43 . A ttulo de ilustrao vamos obter esse
amostra de tamanho n dado pelo produto desses nmeros. nmero exibindo o conjunto dessas amostras.
As amostras ordenadas de tamanho 3, com reposio, do con-
junto {a, b, c, d} incluem:
EXEMPLO 1.5.3 No exemplo 1.5.2 o nmero de maneiras que o con-
(i) as amostras sem reposio, que coincidem com as amostras
selho de classe pode ser formado igual ao nmero de amostras orde-
com reposio em que no h repetio. O nmero dessas 24 e
nadas sem reposio de tamanho 3 de um conjunto com 20 elementos.
esto listadas no exemplo 1.5.4.
Pelo lema temos:
(ii) as amostras onde h pelo menos uma repetio. Vamos
listar as amostras em que o elemento "a" aparece repetido pelo menos
uma vez
(20)3 = 20.19.18 = 6 840.
aaa aab aac aad
aba aca ada
EXEMPLO 1.5.4 Considere o conjunto das quatro primeiras letras do baa caa daa
alfabeto {a, b, c, d}. O nmero de amostras ordenadas sem reposio O leitor poder completar o conjunto dessas amostras notando
de tamanho 3 igual a (4)3 = 4.3.2 = 24. Para referncia futura ns 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 com 20 elementos. No ocorrer repetio equivale a retirar amostras
amostras ordenadas em que aparece repetido o elemento a. O leitor ordenadas sem reposio. A razo do nmero dessas amostras nos
obter trinta amostras em que aparecem repetidos os elementos b, c, d a probabilidade p procurada.
e d. Assim o nmero de amostras ordenadas com reposio 64, que
20 4
coincide com o valor dado pelo lema. P= ( ) = o, 0363.
20 4
EXEMPLO 1.5.6 Suponha que a data de nascimento de qualquer pes- DEFINIO 1.5.3 Uma amostra ordenada sem reposio de tamanho
soa pode ser considerada igualmente distribuda entre os 365 dias de n de um conjunto com n elementos ser denominada uma permu-
um ano. Se em uma sala existem n pessoas, qual a probabilidade tao dos n elementos.
de que todas tenham nascido em dias diferentes?
LEMA 1.5.3 O nmero de permutaes de n elementos, denotado
Denotemos por A esse evento. O nmero de conjuntos de n
Pn, dado por:
dias em que nasceram as n pessoas igual ao nmero de amostras (1.7)
Pn =n!
ordenadas com reposio de tamanho n de um conjunto com 365
elementos, que igual a 365n. Datas distintas de nascimento das onde n! = 1.2 ... n.
n pessoas correspondem a amostras ordenadas sem reposio de ta- DEMONSTRAO Basta substituir N por n na expresso de (N)n
manho n de um conjunto com 365 elementos, cujo nmero (365)n dada pela frmula 1.5.
Assim,
(365)n 1 2 n- 1 EXEMPLO 1.5 .8 Considere o conjunto dos inteiros de 1 a 3. O
P(A) = 365n = ( 1 - 365)( 1 - 365) ... ( 1 - 365 ) nmero de permutaes desse conjunto P3 = 6 e as permutaes
Pode-se mostrar que para n = 23, P(A) < ~'e portanto a pro- so as seguintes:
babilidade do complementar de A, que o evento "pelo menos duas
pessoas fazem aniversrio no mesmo dia", maior que ~- Observe- 123, 132, 213, 231, 312, e 321.
mos que o problema que resolvemos um caso particular do seguinte:
Se de um conjunto de N elementos retirarmos amostras ordenadas DEFINIO 1.5.4 Uma amostra dita no ordenada se os seus ele-
com reposio de tamanho n, qual a probabilidade de que a amostra mentos no forem ordenados, assim uma amostra no ordenada de
no tenha nenhum elemento repetido? De fato, as amostras em que tamanho n coincide com um subconjunto de tamanho n.
no h elemento repetido so as amostras ordenadas sem reposio.
Uma amostra no ordenada, de tamanho n, sem reposio, de
Se p denota essa probabilidade, ento:
um conjunto com N elementos ser tambm, como mencionamos,
(N)n denominada uma combinao de N elementos tomados n a n. O
p= Nn . (1.6)
nmero dessas amostras ser denotado CN,n
EXEMPLO 1.5. 7 Um icosaedro regular tem suas faces numeradas de
1 a 20. O icosaedro lanado quatro vezes. Qual a probabilidade LEMA 1.5.4 O nmero de amostras no ordenadas sem reposio de
de que no aparea nenhuma face repetida? tamanho n, de um conjunto com N elementos, dado por:

O espao amostrai pode ser considerado como o conjunto das

amostras ordenadas com reposio de tamanho 4 de um conjunto (1.8)
36 Probabilidade: Um Curso Introdutrio
DEMONSTRAO Vamos designar o conjunto de N elementos por
{ a1, a2, ... , a N}. Uma amostra no ordenada sem reposio de ta-
manho 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 or-
denadas sem reposio. Como isto vlido para qualquer amostra
no ordenada e o nmero dessas CN,n temos:
(N)n
N(N- 1) ... (N- n + 1)
n!
Multiplicando-se o numerador e o denominador por (N- n)!
podemos reescrever CN,n da seguinte forma:
N!
CN,n = n.I(N _ )I (1.9)
n.
que o coeficiente binomial ( ~).
EXEMPLO 1.5.9 Seis times participam de um torneio de basquete.
Cada uma das equipes enfrenta todas as demais. Quantos jogos
sero realizados?
Para determinar o nmero de jogos, precisamos calcular o n-
mero de amostras no ordenadas de tamanho 2 de um conjunto com
6 elementos. Pela frmula (1.8) temos:
6.5
C6,2 = T = 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:
Noes Bsicas de Probabilidade 37
EXEMPLO 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 esco-
lhida?
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:
- (20)3 - 20.19.18 - 140
C2 0 3 - - - - -1.
' 3! 6
Quando selecionamos uma amostra no ordenada de tamanho
n de um conjunto com N elementos, ns particionamos esse conjun-
to em dois subconjuntos; um com n elementos e o outro com N - n
elementos. Vimos que isto pode ser feito de (~) maneiras. natu-
ral 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 se-
gundo 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 con-
junto 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 joga-
dor de tantas maneiras quantas so as amostras no ordenadas sem
reposio (combinaes) de tamanho 13 de um conjunto com 52 ele-
mentos. Esse nmero igual a (~;). Restam no baralho 39 cartas.
Podemos escolher 13 cartas para o segundo jogador de G;) manei-
ras. Das 26 restantes, podemos escolher 13 para o terceiro jogador
de (i~) maneiras. As 13 restantes iro para o quarto jogador. As-
sim o nmero de maneiras de particionar as 52 cartas do baralho em
38 Probabilidade: Um Curso Introdutrio
Noes Bsicas de Probabilidade 39

quatro subconjuntos com 13 cartas em cada um deles : EXEMPLO 1.5.11 No jogo de pquer com quatro participantes co-

(52)
13
(39)
13
(26)
13 .
O mesmo raciocnio nos fornecer a prova do lema que enun-
ciamos a seguir:
LEMA 1.5.5 O nmero de parties de um conjunto de N elementos
em k subconjuntos, com n1, n2, ... , nk elementos, respectivamente,
igual a:
N!
(1.11)
DEMONSTRAO A linha de raciocnio a mesma do exemplo. Ns
selecionamos inicialmente do conjunto com N elementos- um sub-
conjunto 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))
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:
mum 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?
Vamos considerar o espao amostrai como o conjunto das amos-
tras no ordenadas sem reposio, de tamanho 5, de um conjunto
com 32 elementos. Pelo lema 1.5.4 o nmero de pontos do espao
2
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 selecio-
nar os dois ases de (~) maneiras; podemos selecionar as outras trs
cartas que no devem ser ases e ser distintas de G) 3
(i) maneiras.
Esse produto corresponde a selecionar trs denominaes do conjun-
to {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

Substituindo nessa frmula cada coeficiente binomial pela sua espao amostrai associado distribuio de cartas na primeira etapa
expresso em termos dos fatoriais obtemos: o conjunto das parties de 32 cartas em cinco subconjuntos, quatro
com cinco cartas cada um, correspondendo s cartas entregues aos
N! (N- nl)!
quatro jogadores, e um quinto subconjunto com 12 cartas que so
n1!(N- nl)! n2!(N- (n 1 + n 2))!
as que permanecem sem serem distribudas. Vamos determinar o
(N- (n1 + n2 + + nk-2))! nmero de pontos do espao amostrai e calcular a probabilidade de
que um jogador tenha um par de ases. O nmero dessas parties
!) 4 c ons1"d eremos agora as par f 1oes
32 )!
pe1o 1ema 1 .5.5 e, 1gua
. 1 a: (l ()!(
2 5
-
N!
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

entre si pode ser escolhida de (~) G)

(~) maneiras. Para cada mo
3 n n
P(U Ai)= LP(Ai) (1.12)
desse jogador com o par de ases o nmero de maneiras que os trs i=l i=l
outros jogadores podem receber suas cartas igual ao nmero de
DEMONSTRAO Basta considerarmos a seqncia A1, A2, ... , An,
parties de um conjunto de 27 cartas em quatro subconjuntos, um
Ak = </J, k ~ n + 1 e aplicar b da definio 1.4.2. Como pelo lema
deles com doze cartas e os outros trs com cinco cartas cada um. O
anterior P( <P) = O o resultado segue.
nmero dessas parties igual a 12 ~(~!!)3. Para a probabilidade de
obtermos um par de ases, obtemos:
LEMA 1.6.3 Se Ac o complementar do evento A, ento:

G) G) G) 3 (27)! P(Ac) = 1 - P(A). (1.13)

(12)!(5!) 3
DEMONSTRAO A e Ac so eventos mutuamente exclusivos cuja
(32)!
(12)!(5!) 4 reunio S. Da decorre que P(A) + P(Ac) = 1. Subtraindo-se
P(A) tem-se o resultado do lema.
que o mesmo valor que obtivemos acima.
LEMA 1.6.4 Sejam A e B dois eventos do espao amostrai S, tais
1.6 PROPRIEDADES DA PROBABILIDADE que A C B, tem-se:

Vamos apresentar nesta seo algumas das propriedades da P(A) :S P(B). (1.14)
probabilidade que decorrem diretamente ou quase diretamente dos
DEMONSTRAO Como A C B, segue-se que B = A U A c B. Da
axiomas da definio 1.4.2.
aditividade da probabilidade (lema 1.6.2) segue que:

LEMA 1.6.1 Denotemos por <P o evento impossvel. Temos P(<P) =O. P(B) = P(A) + P(Ac B)
Como P(Ac B) ~O conclumos que (1.14) verdadeira.
DEMONSTRAO Seja A um evento deSde probabilidade positiva;
seja <P o evento impossvel, podemos exprimir o evento A da seguinte
maneira: A = A U: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). A B

i=l

Subtraindo P(A) de ambos os membros, segue-se que a igual-

dade acima s faz sentido se P( c/>.) = O. LEMA 1.6.5 Sejam A e B dois eventos quaisquer do espao amostral
S, tem-se:
LEMA 1.6.2 Se os eventos A 1 , A 2, ... , An so mutuamente exclusi-
vos, ento: 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 Vamos designar por A o evento "receber um par de ases" e
eventos mutuamente exclusivos: A U B =A U A c B. Do lema 1.6.2 por B o evento "receber um par de reis". O evento "receber um par
segue que: de ases ou um par de reis" o evento A U B. Notemos que pela
P(A U B) = P(A) + P(Ac B). (1.16) definio de "um par" no jogo de pquer o jogador somente pode
receber um par de uma certa carta e trs outras cartas distintas
Notando que B =A c B U AB, vem:
entre si e daquelas do par. Assim os eventos "um par de ases" e "um
P(B) = P(Ac B) + P(AB). par de reis" so mutuamente exclusivos e portanto

Tirando-se o valor de P(Ac B) e substituindo na expresso P(AB) =O.

( 1.16), ns obtemos: Pela expresso (1.15) temos ento:

P(A U B) = P(A) + 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 LEMA 1.6.6 Sejam A 1 , A 2, ... , An eventos do espao amostraiS, te-
da urna ao acaso, isto , de modo que cada bola tem probabilidade mos:
A de ser retirada. Calcule as probabilidades dos eventos A e B n
P(u Ak) = 1- P(n
n
Ak), (1.17)
definidos no exemplo 1.3.1, isto , A: o nmero da bola retirada
k=1 k=1
par; B: o nmero da bola retirada mltiplo de 3, e dos eventos n
AB, A U B e (A u B)c. 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 n
pontos e o espao amostrai 15, temos: P(A) = 175 , P(B) = 155 , P( U Ak) ::; P(A1) + P(A2) + + P(An) (1.19)
k=1
P(AB) = 125.
Podemos obter P(A U B) diretamente, contando o nmero de DEMONSTRAO A relao:
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), (u
'k=1
n
Ak)c = n
n

k=1
Ak
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 uma extenso da propriedade c do lema 1.3.1. Temos:

UAk)c = P( nAk).
n n
No exemplo 1.5.11, calculamos a probabilidade do jogador re- P(
ceber um par de ases. Fixada qualquer denominao, a probabilidade k=1 k=1

de o jogador receber um par dessa denominao a mesma que a de Pelo lema 1.6.3 segue que:
receber um par de ases.
U Ak) = P( nAk),
n n
1 - P(
EXEMPLO 1.6.2 Nas condies do Exemplo 1.5.11, calcular a proba- k=1 k=1

bilidade de o jogador receber um par de ases ou um par de reis. donde segue a expresso (1.17).
44 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 45

Mostremos que possibilidades em cada um deles. Deste modo:

n
4 4 26
UAk = A1 U A~A2 U U A~ A~ .. A~-1An (1.20) P(u A2k) = 1- P(n A~k) = 1- 210 = 0,0625.
k=1 k=1 k=1
e que os eventos do lado direito da igualdade so mutuamente exclu- Antes de encerrarmos esta seo vamos enunciar a generali-
sivos. zao do lema 1.6.5 para uma reunio de um nmero inteiro positivo
Considere x E (UZ= 1 Ak). Ento x E Ak, para algum k, 1 ::; de eventos do espao amostrai.
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). LEMA 1. 6. 7 Sejam A1 , A 2, ... , An eventos de um espao amostrai
Tomemos dois eventos quaisquer do lado direito de (1.20) e onde est definida uma probabilidade P, temos:
verifiquemos que so mutuamente exclusivos. Sejam i e j intei-
ros tais que: 1 ::; i < j ::; n. Consideremos Ai A~ Af_ 1Ai e n n n
Ai A~ Aj_ 1Aj. Note que o primeiro desses conjuntos est contido P(U Ai)= LP(Ai)- LLP(AiAj) +
i=l i=l i=l j>i
em Ai e o segundo est contido em Ai e portanto eles so mutua-
mente exclusivos. Tomemos agora x pertencente ao lado direito em n
(1.20). Ento para algum k, 1::; k::; n, x E AiA~ Ak_ 1Ak. Logo +L L L P(AiAjAk)+ +(-1)n-lp(AIA2 An)(1.21)
x E Ak e portanto x E U7=1 Ai. i=l j>i k>j
Para provar (1.18) basta calcular a probabilidade de ambos os
No daremos aqui a prova desse lema.
lados da igualdade (1.20). Como os eventos da unio no lado direito
so mutuamente exclusivos, o resultado decorre do lema 1.6.2.
1.7 PROBABILIDADE CONDICIONAL
A desigualdade (1.19) segue diretamente da frmula (1.18),
pois como foi visto acima Ai A~ Af_ 1Ai C Ai, e portanto Os conceitos de probabilidade condicional e de independncia
P(A~ A~ AL 1 Ai) ::; P(Ai) , para todo i = 2, 3, , n. de eventos so conceitos tpicos da Teoria das Probabilidades e que
servem para distingui-la de outros ramos da Matemtica. Vamos in-
Somando-se obtemos o resultado desejado. troduzir o conceito de probabilidade condicional considerando uma
situao especial em que o espao amostrai tem eventos equiprovveis.
EXEMPLO 1.6.3 Uma moeda balanceada lanada dez vezes. Va-
Vamos considerar o experimento que consiste em lanar um
mos calcular a probabilidade que ocorra cara em pelo menos um dos
dado duas vezes em uma superfcie plana e observar o nmero de
lanamentos de nmeros 2, 4, 6 ou 8.
pontos na face superior do dado em cada um dos lanamentos. Va-
Vamos designar que o evento cara ocorra no lanamento 2k mos supor que no se presencie os lanamentos do dado, mas se rece-
por A2k, para k = 1, 2, 3, 4. O evento de interesse : U!=l
A2k Va- ba a seguinte informao: "em cada um dos lanamentos, o nmero
mos utilizar a expresso (1.16) para calcular a probabilidade desse de pontos observados menor ou igual a dois". Vamos denotar por
evento. Notemos que o evento n!=
1 A~k corresponde ocorrncia de A esse evento. Nestas condies, pergunta-se: qual a probabilidade
coroa nos lanamentos de nmeros 2, 4, 6 e 8. O nmero de pontos de que a soma dos pontos nos dois lanamentos seja igual a qua-
do espao amostrai que satisfazem esta condio 26 , pois, ns fi- tro? Ou seja, designando por B o evento "soma dos pontos nos dois
xamos coroa nesses quatro lanamentos e nos outros seis temos duas lanamentos igual a quatro", queremos saber qual a probabilidade
46 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 47

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 :::; 6}
Retornemos ao exemplo acima. Temos AB = { (2, 2)} e por-
tanto P(AB) = 3~, P(A) = 3~. Aplicando-se a frmula (1.22) obte-
mos 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:

B = {(1, 3), (2, 2), (3, 1)} , 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
6
que representam experimentos realizados em seqncia, em que a
5 ocorrncia de um evento na k-sima etapa depende das ocorrncias
4 nas k- 1 etapas anteriores. Vejamos inicialmente um exemplo para

3
n = 2.
2 ExEMPLO 1. 7.1 Considere uma urna com trs bolas brancas e sete
1 bolas vermelhas. Duas bolas so retiradas da urna, uma aps a outra
sem reposio. Determinar o espao amostrai e as probabilidades
1 2 3 4 5 6
associadas a cada ponto amostrai.

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

Dizer que o evento A ocorreu equivalente a dizer que pode
O evento B 1 B 2 o evento que corresponde a ocorrer branca
no se levar em conta qualquer ponto do espao amostrai que no
na primeira retirada e branca na segunda. Para os outros pontos do
pertena a A, ou seja, pode considerar-se o evento A como novo
espao amostrai a interpretao anloga.
espao amostrai para o experimento. Desta maneira a probabilidade
Utilizando (1.23) temos:
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. 3 2 2
P(BI)P(B2 I BI) = - - = -
Para espaos amostrais com eventos equiprovveis pode-se ado- 10 9 30
tar este procedimento como definio de probabilidade condicional do
evento B dado o evento A. Ele serve, no entanto, de motivao para 3 7 7
a seguinte definio: P(BI)P(V2 I BI) = -- = -
10 9 30

DEFINIO 1.7.1 Sejam A e B dois eventos de um espao amostrai

7 3 7
e supondo que P(A) > O, a probabilidade condicional de B dado A P(VI)P(B2 I VI) = -- = -30
10 9
definida por:

P(B I A)= P(AB) (1.22)

7 6 14
P(A) . P(Vl)P(V2 I VI) = 10 9 = 30 .
48 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 49

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,
onde est definida a probabilidade P, tem-se:
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
retirada. Assim aps a primeira retirada, em que saiu branca, a ur-
na 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.
1. 7.1 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

eventos, isto ,
P(A) =L P(A I Bk)P(Bk). (1.26)
k=l
DEMONSTRAO Como S = U~=l Bk
n n
(1.25)
A= AS= A( UBk) = UABk
k=l k=l
Aplicando-se a frmula (1.22) aos eventos A1A2 An-1 e An temos:
Calculando-se a probabilidade de A obtemos:
n n

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

por (1.25), obtemos (1.24). 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 proba-
bilidade de obter o seguinte resultado: B1B2 V3 V4B5 em cinco retira- A frmula (1.26) conhecida como a frmula das probabili-
das de bolas da urna, sem reposio. O ndice representa o nmero dades totais. Note que ela permite calcular a probabilidade de um
da retirada. Pela frmula (1.24) temos: evento A quando se conhece as probabilidades de um conjunto de
eventos disjuntos cuja reunio o espao amostrai (uma partio de
P(B1B2V3 V4B5) = P(BI)P(B2I BI)P(V3I B1B2). S) e as probabilidades condicionais de A dado cada um deles .
.P(V4IBIB2V3)P(B5IB1B2V3V4)
EXEMPLO 1. 7.3 So dadas trs urnas com as seguintes composies:
3 2761 1 a urna um tem trs bolas brancas e cinco vermelhas, a urna dois tem
10 9876 = 120 quatro bolas brancas e duas vermelhas e a urna trs tem uma bola
As probabilidades condicionais sucessivas foram calculadas branca e trs vermelhas. Escolhe-se uma das trs urnas de acordo
levando-se em conta as mudanas na composio da urna aps cada com as seguintes probabilidades: urna um com probabilidade ~, urna
50 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 51

dois com probabilidade ~ e urna trs com probabilidade ~. Uma bola A parte ii decorre da definio de probabilidade condicional
retirada da urna selecionada. Calculemos a probabilidade da bola e da aditividade da probabilidade, expressa pela frmula (1.12). De
escolhida ser branca. fato, sejam B 1 , B 2 , ... , Bn eventos mutuamente exclusivos
n
Designemos por A o evento que corresponde a retirar uma bola P((U~= 1 Bk) nA) _ P(U~= 1 (Bk nA))
branca da urna selecionada, e por Bi, para 1 :S i :S 3, o evento "a P(A) P(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) = ;~~~ = 1.

Os dados do exemplo nos fornecem:

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
3 4 1 fundamentos da estatstica que hoje em dia denominada Bayesiana.
P(A I B1) = 8' P(A I B2) = 6' P(A I B3) = 4"
Substituindo-se esses valores na expresso acima obtemos LEMA 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 probabi-
1
P(A) =
2. lidade definida nos eventos de S. Temos para i = 1, 2:

probabilidade condicional, definida na classe dos eventos do

(1.28)
espao amostrai, satisfaz as propriedades estabelecidas no seguinte
lema. DEMONSTRAO Pela definio de probabilidade condicional temos:

LEMA 1. 7.3 Seja A um evento tal que P(A) > O. A probabilidade P(A.2 I B) = P(AiB)
P(B) '
condicional satisfaz:
i) Para todo evento B P(B I A) 2: O; mas P(AiB) = P(Ai)P(B I Ai) e expressando P(B) pela frmula
i i) Se B 1 , B 2 , ... , Bn so eventos mutuamente exclusivos ento: das probabilidades totais (1.26) ns obtemos a frmula (1.28}.
n n Vamos fazer algumas observaes sobre a frmula de Bayes:
P(U Bk I A)= 'L:P(Bk I A); (1.27)
k=1 k=1 a) Ela permanece vlida quando se considera uma partio finita
do espao amostrai S, ou seja, se A1 , A2, ... , An uma partio
iii) Se S denota o espao amostra[ P(S I S) = 1.
de S, e B um evento de S, ento, para todo i = 1, 2, ... , n,
DEMONSTRAO A parte i decorre imediatamente da definio de tem-se:
probabilidade condicional e do fato da probabilidade de um evento P(A. I B) = P(B I Ai)P(Ai) (1.29)
ser sempre no negativa. t 2::~=1 P(B I Ak)P(Ak) .

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 probabi-
lidades 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?
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 = 1, o numerador P(D I AI)P(A1) = O, 0015, para
i = 2 P(D I A 2)P(A 2) = O, 0175 e para i = 3 P(D I A3)P(A3) =
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 interpre-
tao: como as fbricas A 1 , A 2 e A 3 so responsveis, respectiva-
mente, por 15%, 35% e 50% da produo, se retirarmos uma pea
Noes Bsicas de Probabilidade 53
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 deconhece-
mos a procedncia da pea, isto , de que fbrica ela veio, e somos
informados de que ela defeituosa, ento levando em conta esta in-
formao 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.
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(A)P(B)
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 so-
mente 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 tem 100 pontos. Para os eventos B 1 e B 2 temos:
no ser to intuitiva como a expresso da definio 1.8.1, simtrica
30 3
em relao aos dois eventos, e alm disso ela adequada para a gene- P(BI) = 100 = 10
ralizao da definio de independncia para mais que dois eventos.
30 3
EXEMPLO 1.8.1 Vamos considerar uma urna, como no exemplo 1.7.1, 100 10
que contm trs bolas brancas e sete bolas vermelhas. Retiram-se Observe que tanto B 1 quanto B2 tm 30 pontos amostrais,
duas bolas da urna, prem, aps a primeira retirada, a bola repos-
ta na urna. {(i,j): 1 <_Si <_S 3,1 <_S j <_S 10}

{(i,j): 1 <_Si <_S 10,1 <_S j <_S 3} .

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. Pode-
De modo anlogo obtemos P(VI) e P(V2). Vemos assim que:
mos considerar como espao amostrai associado a esse experimento
o conjunto:

S = {(i,j): i,jinteiros, 1 <_Si <_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 fei-
tas com reposio, podemos associar aos pontos do espao amos-
trai probabilidade 1 60 . Obtemos para as probabilidades dos eventos, Esse exemplo nos mostra formalmente que os eventos B 1 e B 2 ;
B 1B 2, B 1V2 , V 1B 2 , V1V2 , onde o ndice indica a retirada, os seguintes B1 e V2; V1 e B2 e V1 e V2 so independentes. A seguir partiremos
valores: da independncia e usaremos a frmula do produto (1.31) para defi-
9 nir a probabilidade em espaos amostrais associados a experimentos
P(B1B2) repetidos.
100
21 Vamos encontrar com freqncia situaes em que um expe-
P(B1 V2) - rimento repetido um nmero arbitrrio de vezes. Se consideramos
100
21 um evento associado a cada repetio, precisamos generalizar a defi-
P(V1B2) - nio de independncia para mais de dois eventos.
100
Antes de prosseguir, daremos dois exemplos que auxiliaro
49
P(V1 V2) a determinar as condies que devem ser impostas para definir a
100
independncia de trs ou mais eventos.
Vamos justificar a primeira igualdade, pois a justificao para as
demais a mesma. Pode-se tirar branca na primeira vez de trs EXEMPLO 1.8.2 Duas moedas so lanadas. Consideremos os se-
maneiras e na segunda retirada tambm de trs maneiras, pois a guintes eventos: A 1 - cara no primeiro lanamento, A 2 - cara no
primeira bola reposta na urna antes da retirada da segunda. Assim segundo lanamento e A 3 - nos dois lanamentos ocorre a mesma
o evento B 1 B 2 pode ocorrer de nove maneiras e o espao amostrai face.
56 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 57

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.
P(AB) = ~ = P(A)P(B)
Suporemos que a moeda balanceada e portanto que os pontos
do espao amostrai tm probabilidade ~.
P(AC) = .~ -:f- P(A)P( C)
A1 ={CC, CC}, A 2 = {CC,CC}, A 3 ={CC, C C},
A1A2 ={CC}, A1A3 ={CC}, A2A3 ={CC}, P(BC) = ~-:f- P(B)P(C)
A1A2A3 ={CC}.

Calculando-se as probabilidades desses eventos, obtemos: P(ABC) = ~ = P(A)P(B)P(C)

1 As igualdades acima mostram que os eventos A e B so in-

P(AI) = P(A2) = P(A3) = "2'
dependentes, que os eventos B e C e os eventos A e C no so
1' independentes e que A, B e C satisfazem a forma produto.
P(A 1A 2) = P(A2A3) = P(A1A3) = 4'
Sugerimos ao leitor que considere no exemplo 1.8.3 os eventos
1
P(A1A2A3) = 4. A1- cara no primeiro lanamento, A 2 - cara no segundo lanamento,
e A 3 -cara no terceiro lanamento e verifique que, para esses eventos,
Da decorre que vale a igualdade (1.31) para os eventos toma-
todas as quatro expresses acima se transformam em igualdades, isto
dos dois a dois, mas
:

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

EXEMPLO 1.8.3 Lana-se uma moeda trs vezes. O espao amostrai P(A1A3) = P(AI)P(A3)
o conjunto das seqncias de caras e coroas de comprimento 3.
Consideremos os eventos: P(A2A3) = P(A2)P(A3)

A {CGC, CC C, C C C, C C C} P(A1A2A3) = P(AI)P(A2)P(A3). (1.32)

B {CCC,CCC ,CCC,CCC} Esta anlise mostra que, para definirmos independncia de

trs eventos, devemos impor que essas quatro igualdades valham.
c {CGC, CCC,CCC, CGC}. Esses exemplos nos sugerem que para definir a independncia para
n eventos, sendo n um inteiro positivo, devemos exigir a validade
Decorre da que: P(A) = P(B) = P(C) = ~
da forma produto para todo subconjunto de k dos n eventos, para
Temos:
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 ) = P(A Zl )P(AZ2 ) P(AZk ) (1.33)
AC ={CGC}
para todo. k = 2,3, ... n e todo {i 1,i2, ... ,ik} C {1,2, ... ,n}
ABC ={CGC}. tal que i1 < i2 < < ik.
58 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 59

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:
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)

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

k=2 k
=
k=O k 0 I
2n- n- 1.
exatamente um dos eventos ocorre; (i) nenhum dos eventos
ocorre.

6. Prove e interprete as seguintes identidades:

Para obter esta ltima igualdade, utilizamos a frmula (l.IO)
pondo a = b = 1.

1.9 EXERCCIOS
7. Prove que: (a+ b)n = ~ (~)abn-k_
I. Defina o espao amostrai para cada um dos seguintes expe- 8. Mostre que:
rimentos aleatrios: (a) lanam-se dois dados e anota-se a (a) l:~=O G) = 2n; (b) 2:~= 0 ( -I)k G) =O;
configurao obtida; (b) conta-se o nmero de peas defeituo-
sas, no intervalo de uma hora, de uma linha de produo; (c)
(c) l:~=r (;) = (~:i); (d) 2:~=0 (r~\) G) = (n~m), n ::; r ::; m;
investigam-se famlias com quatro crianas e anota-se a confi-
gurao obtida, segundo o sexo; (d) numa entrevista telefnica
(e) L:~=o (~) = e:); (f) L:~=o kG) = n2n-!;
com dez assinantes, pergunta-se se o proprietrio tem ou no (g) l:~=O k(k- I)(~) = n(n- I)2n- 2;
mquina de secar roupa; (e) de um fichrio com seis nomes, sen-
(h) (7) + (~) + + (n~ 1 ) = (~) + (;) + + (~), com n par.
do trs de mulheres e trs de homens, seleciona-se ficha aps
ficha at que o ltimo nome de mulher seja selecionado. 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 e
2. Uma moeda lanada trs vezes. Descreva o espao amostrai.
P[A I (B n C)] =O, 5. Calcule P(A n B n C).
Considere os eventos Ai: cara no i-simo lanamento, para
i = I, 2, 3. Determine os seguintes eventos: (a) A1 n A 2 ; (b) IO. Prove que se A e B so dois eventos de um espao amostraiS
Af U A2; (c) (A! n A~)c; (d) A1 n (A2 U A3). 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).
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 : Il. Sejam A e B dois eventos de um mesmo espao de probabili-
I/2::; x::; 7 /8]. Determine os eventos: (a) A c; (b) A n Bc; (c) dades. Sabendo-se que P(A) = O, 7 e P(B) = O, 6, determine o
(A U B)c; (d) A cU B. valor mximo e mnimo de P(A n B).

4. Quais das seguintes relaes so verdadeiras: I2. Sejam A, B e C trs eventos independentes dois a dois tal que
(a) (AUB)n(AUC) = AU(AnC); (b) AUB = (AnBc)uB; A n B n C = 0. Dado que P(A) = P(B) = P( C)= x, determine
(c) AcnB=AUB; (d) (AUB)cnC=AcnBcncc. o maior valor possvel de x.
60 Probabilidade: Um Curso Introdutrio
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
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?
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) + P(E n F).
17. Uma urna contm duas bolas brancas e duas pretas. As bo-
las so retiradas ao acaso, sucessivamente e sem reposio. (a)
Qual a probabilidade de sair uma bola preta na primeira reti-
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?
18. Um dado viciado de modo que um nmero par duas vezes
mais provvel que um nmero mpar. Encontre a probabilida-
de de que: (a) um nmero par ocorra; (b) um nmero primo
ocorra; (c) um nmero primo par ocorra em um lanamento.
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 pro-
babilidades.
20. No exerccio 1 considere os pontos amostrais em a) e c) equi-
provveis. Em a) calcule a probabilidade da soma dos pontos
dos dois dados ser igual a seis. Em c) calcule a probabilidade
de uma famlia ter trs filhos do sexo masculino.
j
Noes Bsicas de Probabilidade 61
21. Em mdia, 5% dos produtos vendidos por uma loja so de-
volvidos. Qual a probabilidade de que, nas quatro prximas
unidades vendidas deste produto, duas sejam devolvidas?
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 re-
sultados: HH, HM, MH e MM.
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:
(a) pelo menos um jornal? (b) somente um jornal?
24. dada a distribuio de 300 estudantes segundo o sexo e a
rea de concentrao:
Biologia Exatas Humanas
Masculino 52 40 58
Feminino 38 32 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?
25. Um restaurante popular apresenta dois tipos de refeies: sala-
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:
62 Probabilidade: Um Curso Introdutrio
H: o fregus homem, M : o fregus mulher,
A : o fregus prefere salada, B : o fregus prefere carne.
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 con-
junto de cem dezenas de 00 a 99. Qual a probabilidade de se
acertar a quina (5 dezenas) se marcar-se 1O dezenas no volante?
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.
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?
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?
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 nai-
pe); (e) trs cartas do mesmo tipo (trs valores iguais mais
Noes Bsicas de Probabilidade 63
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).
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 par-
te tem probabilidade de 0,9 de funcionar bem e 0,1 de falhar. O
funcionamento de cada parte no depende das demais. O dis-
positivo falha se duas ou mais falham. Calcule a probabilidade
de falha do dispositivo.
34. Trs mquinas A, B e C produzem 50%, 30% e 20%, respecti-
vamente, 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.
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?
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?
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?
I l
64 Probabilidade: Um Curso Introdutrio

(b) Se o aluno respondeu corretamente a questo, qual a pro-

babilidade de que ele tenha "chutado" a resposta?

38. De quantas maneiras diferentes r bolas distintas podem ser dis-

tribudas, ao acaso, em n urnas numeradas de 1 a n? Qual a
probabilidade de que pelo menos uma urna tenha duas bolas?
2
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 proba-
bilidade de que um elemento fixado seja includo na amostra? VARIVEIS ALEATRIAS E
Se a amostragem for com reposio, qual a probabilidade de
que um elemento fixado seja includo pelo menos uma vez na DISTRIBUIES DE PROBABILIDADE
amostra?

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
r1 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?
41. Refaa o exerccio 40, supondo bolas idnticas ou indistin-
guveis.
42. De uma urna com n bolas numeradas de 1, 2, ... , n, seleciona-
se 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 aleatoriamen-
te 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 asso-
ciar valores numricos aos seus resultados. Como os eventos que ocor-
rem quando se realizam experimentos aleatrios variam a cada rea-
lizao 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 co-
e' O COnJUn