Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Carlos A. B. Dantas
1
Pode-se facilmente imaginar uma srie de outras situaes em EXEMPLO 1.1.4 Se lanarmos um dado sobre uma superfcie plana e
que nos deparamos com a incerteza quanto ocorrncia de uma das observarmos o nmero que aparece na face superior, no poderemos
possveis alternativas na situao que se est vivenciando. Por exem- determinar a priori qual ser esse nmero.
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 EXEMPLO 1.1.5 Se selecionarmos um casal de um conjunto de casais
trnsito nos dois caminhos para decidir-se por um deles. e observarmos o sexo do primognito, no poderemos determin-lo a
Um analista de sistemas atribui chances aos possveis nmeros priori, e o mesmo variar de casal para casal.
de usurios que estaro ligados a uma rede durante um certo perodo.
Um engenheiro industrial avalia as chances de um determinado pro- DEFINIO 1.1.2 Os experimentos que ao serem repetidos nas mes-
cesso encontrar-se em equilbrio, ou atribui chances para as possveis mas condies conduzem ao mesmo resultado so denominados de-
propores de peas defeituosas por ele produzidas. Um mdico de- termin{sticos.
fronta-se com a incerteza em relao ao efeito provocado pela admi-
nistrao de um novo remdio a um determinado paciente. Eis alguns exemplos de experimentos determinsticos: Se dei-
H uma grande classe de experimentos que, ao serem repeti- xarmos uma pedra cair de uma certa altura, podemos determinar
dos nas mesmas condies, produzem resultados diferentes. Ou, em sua posio e velocidade para qualquer instante de tempo posterior
outros termos, experimentos que, quando realizados, no apresentam queda. Se aquecermos a gua a 100 graus centgrados, ela entrar
resultados previsveis de antemo. em ebulio.
Nosso objetivo ser construir um modelo matemtico parare-
presentar experimentos aleatrios. Isto ser feito em duas etapas: na
DEFINIO 1.1.1 Experimentos que ao serem repetidos nas mesmas
primeira descreveremos para cada experimento aleatrio o conjunto
condies no produzem o mesmo resultado so denominados expe-
de seus resultados possveis, e na segunda procuraremos atribuir pe-
rimentos aleatrios.
sos a cada resultado que reflitam a sua maior ou menor chance de
Damos a seguir alguns exemplos de experimentos aleatrios: ocorrer quando o experimento realizado.
EXEMPLO 1.1.1 Quando retiramos um lote de peas num processo 1.2 ESPAO AMOSTRAL E EVENTOS
de produo, observamos que o nmero de peas defeituosas varia de
lote para lote. DEFINIO 1.2.1 Denominaremos espao amostra[ associado a um
experimento o conjunto de seus resultados possveis.
EXEMPLO 1.1.2 O nmero de chamadas telefnicas que chegam a O espao amostrai ser representado por um conjunto S, cujos
uma central em um determinado intervalo de tempo no pode ser elementos sero denominados eventos simples ou pontos amostrais.
determinado de antemo. Sempre que o experimento for realizado, suporemos que ocorrer um
e apenas um evento simples.
ExEMPLO 1.1.3 Se escolhermos uma lmpada do processo de fabri-
cao e observarmos o seu tempo de durao, verificaremos que esse EXEMPLO 1.2.1 No exemplo 1.1.4, que corresponde ao lanamento
tempo varia de lmpada para lmpada. de um d~do, o espao amostrai o conjunto: S = {1, 2, 3, 4, 5, 6}.
20 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 21
EXEMPLO 1.2.2 Uma moeda lanada duas vezes sobre uma su- o conjunto dos nmeros reais no negativos. Ou seja:
pefcie plana. Em cada um dos dois lanamentos pode ocorrer cara
(C) ou coroa (C). O espao amostrai o conjunto: S = { x : x real , x 2:: O}.
EXEMPLO 1.2.3 Trs peas so retiradas de uma linha de produo. um higrmetro. Um higrmetro pode ser acoplado a um dispositivo
Cada pea classificada em boa (B) ou defeituosa (D). O espao que possui um ponteiro que desliza sobre papel milimetrado e regis-
amostrai associado a esse experimento : 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
S = {BBB, BBD, BDB, BDD, DBB, DBD, DDB, DDD}. t E [0, T] associa x(t) que designa a umidade do ar no instante t.
razovel supor-se que x(t) uma funo contnua de t, no intervalo
[0, T]. O espao amostrai nesse caso o conjunto:
Nos exemplos 1.2.1, 1.2.2 e 1.2.3 o espao amostrai finito.
Apresentaremos a seguir exemplos de experimentos aleatrios cujos S = { x : x uma funo contnua em [0, T]}.
espaos amostrais no so finitos.
Nos exemplos 1.2.4 e 1.2.5 o espao amostrai infinito porm
EXEMPLO 1.2.4 Uma moeda lanada sucessivamente at que apa- enumervel, isto , pode ser posto em correspondncia biunvoca com
rea cara pela primeira vez. Se ocorrer cara no primeiro lanamento o conjunto dos naturais. Nos exemplos 1.2.6 e 1.2. 7 o espao amostrai
o experimento termina. Se ocorrer coroa no primeiro lanamento, infinito no enumervel.
faz-se um segundo lanamento e se ento ocorrer cara o experimento SejaS o espao amostrai associado a um experimento aleatrio.
termina. Se no ocorrer cara nos dois primeiros lanamentos, faz-
se um terceiro lanamento e caso no ocorra cara, faz-se um quarto DEFINIO 1.2.2 Denominaremos de evento a todo resultado ou
lanamento e assim por diante at que ocorra a primeira cara, quando subconjunto de resultados de um experimento.
o experimento termina. O espao amostrai o conjunto:
Os eventos sero representados por subconjuntos do espao
S ={C, CC, CC C, ... }. amostrai. Os eventos representados por um conjunto unitrio, isto
Note que os pontos desse espao amostrai podem ser postos , contendo somente um ponto do espao amostrai so denominados
em correspondncia biunvoca com o conjunto dos nmeros naturais eventos simples. Diremos que o evento A ocorre quando o resultado
e portanto ele infinito, porm enumervel. do experimento um evento simples pertencente a A.
EXEMPLO 1.2.5 Considere o exemplo 1.1.2 em que observamos o EXEMPLO 1.2.8 No exemplo 1.2.3 consideremos o evento A: duas
nmero de chamadas telefnicas que chegam a uma central durante peas so boas. Tem-se :
um determinado intervalo de tempo. O espao amostrai o conjunto:
s = {0, 1, 2, 3, ... }. A= {BBD,BDB,DBB}.
EXEMPLO 1.2.6 Considere a situao do exemplo 1.1.3 em que Ento A ocorre se ocorrer um dos trs eventos simples BBD,
observamos o tempo de vida de uma lmpada. O espao amostrai BDB, ou DBB.
22 Probabilidade: Um Curso Introdutrio
Noes Bsicas de Probabilidade 23
EXEMPLO 1.2.9 No exemplo 1.2.4 consideramos o evento A: a pri- seguintes eventos: A: o nmero da bola retirada par, B: o nmero
meira cara ocorre em um lanamento que um mltiplo de 3. Temos da bola retirada mltiplo de 3. Determinemos os eventos A U B,
ento:
AnBeAc.
A= {ccc, cccccc... }.
O espao amostrai S associado a esse experimento o
Os eventos simples de A tm 3n - 1 coroas que precedem a
conjunto:
ocorrncia da primeira cara na posio 3n, para n = 1, 2, ...
s = {1,2, ... ,15}.
EXEMPLO 1.2.10 No exemplo 1.2.2 considere o evento B: o nmero Para A, B, A U B, A n B e A c temos:
de caras igual ao nmero de coroas,
A= {2,4,6,8,10,12,14} B = {3,6,9,12,15}
B ={CC, CC}.
AUB = {2,3,4,6,8,9,10,12,14,15}
1.3 OPERAES ENTRE EVENTOS AnB = {6, 12} A c= {1, 3, 5, 7, 9, 11, 13,15}.
DEFINIO 1.3.1 A reunio de dois eventos A e B, denotada AUB, Dizemos que o evento A implica o evento B, que denotamos
o evento que ocorre se pelo menos um deles ocorre. 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
DEFINIO 1.3.2 A interseo de dois eventos A e B, denotada de B.
A n B, o evento que ocorre se ambos ocorrem. 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
DEFINIO 1.3.3 O complementar do evento A, denotado Ac, o podem ocorrer simultaneamente. Isto equivale a A n B = 0.
evento que ocorre quando A no ocorre. Apresentamos no prximo lema algumas propriedades dessas
operaes entre eventos.
Como os eventos so subconjuntos do espao amostrai, po-
demos representar a reunio, a interseo de dois eventos e o com- LEMA 1.3.1 Sejam A, B e C eventos do espao amostraiS, temos:
plementar de um evento pelos diagramas utilizados para representar
a) (A U B) n C = (A n C) u (B n C)
subconjuntos de um dado conjunto.
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.
implica w E (A n C) U (B n C). Podemos percorrer estas implicaes DEFINIO 1.4.1 Consideremos um espao amostraiS com N even-
de trs para frente e verificar que so verdadeiras, donde decorre a tos simples, que suporemos igualmente possveis. Seja A um evento
igualdade dos conjuntos.
de S composto de m eventos simples. A probabilidade de A, que
d) Seja w E (A n B)c, ento w ~ (A n B), que implica que denotaremos P(A), definida por:
w ~A ou w ~ B, que por sua vez implica que w E Ac ou w E Bc, isto
m
, w E (Ac U Bc). Partindo de w E (Ac U Bc) e fazendo o percurso P(A) = N. (1.1)
inverso ns obtemos a igualdade.
Vamos concluir esta seo definindo as operaes de uma reu-
nio e de uma interseo enumervel de eventos. 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-
DEFINIO 1.3.4 O evento U~ 1 Ai o evento que ocorre quando cidas no seguinte lema:
pelo menos um dos eventos Ai, para i = 1, 2, ... ocorre.
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:
DEFINIO 1.3.5 O evento n~ 1 Ai o evento que ocorre quando
i) P(A) ;::: O, para todo A C S;
todos os eventos Ai, i = 1, 2, ... ocorrerem.
ii) Se A e B so eventos mutuamente exclusivos, ento:
P(A U B) = P(A) + P(B)
iii) P(S) = 1.
1.4 DEFINIES: CLSSICA, FREQENTISTA E DEMONSTRAO i) Como N > 0 e m ;::: 0 segue que P(A) ;::: 0.
SUBJETIVA DE PROBABILIDADE 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
As primeiras tentativas de se atribuir probabilidades a eventos no tm eventos simples comuns, logo o nmero de eventos simples
aleatrios surgem na Idade Mdia. Os jogos de dados j eram prati- de A U B m 1 + m 2 . Usando a definio obtemos ii).
cados desde vrios milnios antes da era crist, mas no h meno Como o nmero de eventos simples de S N, segue da defi-
sobre clculos associados a chances de ocorrncia de resultados dos nio que P(S) = 1.
lanamentos. na Idade Mdia, com Galileu, que encontramos a
primeira vez o conceito de eventos "igualmente possveis". EXEMPLO 1.4.1 No experimento que consiste em lanar-se um dado,
A definio que denominaremos de clssica baseia-se no con- supondo-se o mesmo balanceado, pode-se atribuir probabilidade ~ a
ceito primitivo de eventos igualmente possveis. cada um dos eventos simples 1, 2, 3, 4, 5, e 6. O evento "o nmero
Consideremos um experimento com nmero finito de eventos obtido quando se lana o dado par" tem probabilidade 0,5.
simples. Vamos supor que podemos, por alguma razo, uma razo Nas situaes em que a definio clssica se aplica, para calcu-
de simetria, por exemplo, atribuir a mesma chance de ocorrncia a lar a probabilidade de um evento A precisamos contar o nmero de
cada um dos eventos simples desse experimento. Nessas condies eventos simples do espao amostrai e de A. Para facilitar essa tarefa
adotaremos a seguinte definio de probabilidade.
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 Noes Bsicas de Probabilidade 29
1.4. 2 Definio Subjetiva de Probabilidade questo so estabelecidas regras de comportamento racional para o
observador. Desta forma, para que ele seja racional, suas opinies
A fundamentao freqentista da probabilidade baseia-se na precisam necessariamente obedecer certas regras, que so justamente
hiptese de que existe uma realidade fsica e que as probabilidades os axiomas de probabilidade, apresentados logo a seguir.
descrevem aspectos dessa realidade de modo anlogo ao que as leis Quanto efetiva aferio das probabilidades subjetivas, utiliza-
da mecnica fazem no caso de um modelo determinstico. A pro- se em geral um padro, ou seja, uma unidade de incerteza. Um es-
babilidade de um evento associado a um experimento independe, pecialista em sismologia, por exemplo, compara sua "opinio" sobre
portanto, do observador, sendo obtida como o valor do qual. se apro- a ocorrncia de um terremoto com a ocorrncia de bola branca na
xima a freqncia relativa de ocorrncias desse evento em um grande retirada de uma bola de uma urna contendo m bolas brancas e n
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 ento n~m. A probabilidade assim entendida denominada subjeti-
que no pode ser realizada em idnticas condies. Eis alguns exem- va ou pessoal. Sugerimos ao leitor interessado consultar a bibliografia
plos dessas situaes: indicada no final do livro.
a) Um paciente submetido a um novo tipo de cirurgia e
desejamos saber se ele ficar bom.
1.4.3 Definio Axiomtica de Probabilidade
b) Desejamos saber se haver um tremor de terra no Rio Gran-
de do Norte no prximo ano. A probabilidade ser definida numa classe de eventos do espao
c) Desejamos saber quem vencer o prximo jogo entre So amostrai que satisfaz certas propriedades. Todas as operaes que
Paulo e Palmeiras. definimos entre os eventos conduzem a novos eventos que pertencem
No primeiro exemplo no se pode falar em repetio do ex- a essa classe. Para indicaes de uma abordagem rigorosa sugerimos
perimento, pois, trata-se de uma nova tcnica cirrgica que estar ao leitor consultar a bibliografia.
sendo empregada. No segundo, temos notcia de raras ocorrncias de
tremores de terra no Rio Grande do Norte. No caso do jogo entre DEFINIO 1.4.2 Probabilidade uma funo definida numa classe
So Paulo e Palmeiras, sabemos que h estatsticas de um grande F de eventos de S que satisfaz as seguintes condies:
nmero de jogos entre So Paulo e Palmeiras, mas que as condies a) P(A) 2:: O para todo A E F;
entre um jogo e outro variam bastante. Uma corrente de probabilis- b) Se (An)n2::1 uma seqncia de eventos de F, que so mu-
tas considera a probabilidade de um evento como sendo a medida da tuamente exclusivos, ento:
crena que o observador possui na ocorrncia do evento. Desse mo-
00
do, a probabilidade ser em geral diferente para distintas pessoas em
decorrncia das diferentes opinies que elas tm sobre a ocorrncia
P(U~=lAn):::: L P(An); (1.3)
n=l
do evento. Em uma outra descrio equivalente, a probabilidade de
um evento o valor que cada observador estaria inclinado a apostar
c) P(S) = 1.
na realizao do evento. Observe que a propriedade (ii) do lema 1.4.1 foi substituda
O leitor que toma contato com esta matria pela primeira vez pela condio b desta definio.
pode estranhar essa colocao e preocupar-se com a consistncia da No que segue vamos considerar espaos amostrais enumerveis
teoria que se constri com essa formulao. Para lidar com essa ou que so intervalos ou reunio de intervalos da reta. Em algumas
30 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 31
situaes consideraremos subconjuntos do Rn que so generalizaes etapa de m maneiras ento a tarefa completa pode ser executada de
de intervalos. n.m maneiras.
Se o espao amostrai S enumervel, podemos definir a pro-
babilidade na classe de todos os subconjuntos de S que deno- EXEMPLO 1.5.1 Desejamos ir da cidade A cidade C. Os caminhos
minado tambm conjunto das partes de S e denotado por P (S). de A a C passam pela cidade B. Se h dois caminhos que ligam A a
Representemos nesse caso o espao amostrai S da seguinte forma B e trs caminhos que ligam B a C, de quantas maneiras podemos
S = {w1, w2, ... }. Associemos a cada Wn, n = 1, 2, ... , um nmero ir de A a C ? O nmero de caminhos que ligam A a C seis. Se
P(wn), tal que P(wn) 2: O e I:~=l P(wn) = 1. designarmos por 1 e 2 os caminhos que ligam A a B e por 3, 4 e 5os
Denominaremos P(wn) de probabilidade do evento simples wn, caminhos que ligam B a C, ento os seis caminhos que ligam A a C
n = 1,2, .... so: 13, 14, 15, 23, 24, 25.
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:
DEMONSTRAO Vamos designar o conjunto de N elementos por EXEMPLO 1.5.10 Uma comisso formada por trs estudantes deve
{ a1, a2, ... , a N}. Uma amostra no ordenada sem reposio de ta- ser escolhida em uma classe de vinte estudantes para organizar os
manho n um subconjunto desse conjunto com n elementos. Con- jogos interclasses. De quantas maneiras essa comisso pode ser esco-
sideremos, por exemplo, a amostra de tamanho n composta pelos lhida?
elementos: a1, a2, ... , an. Esta amostra pode gerar n! amostras or-
Como a comisso deve ter trs membros distintos, as amostras
denadas sem reposio. Como isto vlido para qualquer amostra
devem ser selecionadas sem reposio, e como a ordem da escolha dos
no ordenada e o nmero dessas CN,n temos:
participantes irrelevante, trata-se de amostras no ordenadas. Pela
(N)n frmula (1.8) temos:
N(N- 1) ... (N- n + 1)
- (20)3 - 20.19.18 - 140
n! C2 0 3 - - - - -1.
' 3! 6
Multiplicando-se o numerador e o denominador por (N- n)!
podemos reescrever CN,n da seguinte forma: Quando selecionamos uma amostra no ordenada de tamanho
N! n de um conjunto com N elementos, ns particionamos esse conjun-
CN,n = n.I(N _ )I (1.9)
n. to em dois subconjuntos; um com n elementos e o outro com N - n
que o coeficiente binomial ( ~). elementos. Vimos que isto pode ser feito de (~) maneiras. natu-
ral que procuremos resolver o seguinte problema: Dado um conjunto
EXEMPLO 1.5.9 Seis times participam de um torneio de basquete. com N elementos, de quantas maneiras podemos particion-lo em
Cada uma das equipes enfrenta todas as demais. Quantos jogos k subconjuntos, de modo que o primeiro tenha n 1 elementos, o se-
sero realizados? gundo tenha n 2 elementos, ... e o k-simo tenha nk elementos, com
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 .
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
O mesmo raciocnio nos fornecer a prova do lema que enun-
ciamos a seguir: etapa so dadas cinco cartas a cada jogador. Consideremos as cartas
dadas a um jogador na primeira etapa. Qual a probabilidade de
LEMA 1.5.5 O nmero de parties de um conjunto de N elementos que ele receba um par de ases?
em k subconjuntos, com n1, n2, ... , nk elementos, respectivamente,
Vamos considerar o espao amostrai como o conjunto das amos-
igual a:
tras no ordenadas sem reposio, de tamanho 5, de um conjunto
N! com 32 elementos. Pelo lema 1.5.4 o nmero de pontos do espao
(1.11) 2
amostrai e5 ).
No pquer, dizer que o jogador recebe um par de ases quer
DEMONSTRAO A linha de raciocnio a mesma do exemplo. Ns dizer que ele s tem um par e trs outras cartas distintas. Vamos
selecionamos inicialmente do conjunto com N elementos- um sub- designar por A o evento "o jogador recebe um par de ases". Para
conjunto de tamanho n1. Do conjunto remanescente com N - n 1 calcular o nmero de pontos de A, observemos que podemos selecio-
elementos selecionamos um subconjunto com n 2 elementos. Dos nar os dois ases de (~) maneiras; podemos selecionar as outras trs
N- (n1 + n2) retiramos n3 e assim sucessivamente at que na ltima cartas que no devem ser ases e ser distintas de G) 3
(i) maneiras.
etapa restam nk elementos e o processo termina. A primeira retirada Esse produto corresponde a selecionar trs denominaes do conjun-
pode ser feita de (~) maneiras, a segunda de (N;: n 1 ) , e assim por to {sete, oito, nove, dez, valete, dama, rei} e de cada uma das quatro
2
diante, sendo que a ltima pode ser feita de (N -(n 1+n2+ .. .+nk-2)) cartas das denominaes selecionadas, escolher uma carta. Assim:
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: P(A) = =o, 11.
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
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
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
de ocorrer o evento B, sabendo-se que o evento A ocorreu? Para o Retornemos ao exemplo acima. Temos AB = { (2, 2)} e por-
espao amostrai associado aos dois lanamentos e para os eventos A tanto P(AB) = 3~, P(A) = 3~. Aplicando-se a frmula (1.22) obte-
e B temos: mos o valor ~, j encontrado acima.
Da frmula (1.22) que define a probabilidade condicional do
S = {(i,j): i,j so inteiros 1 :::; i:::; 6,1:::; j :::; 6} 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)
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.
A frmula (1.23) pode ser generalizada de modo a exprimir retirada. Assim aps a primeira retirada, em que saiu branca, a ur-
a probabilidade da interseo de n eventos A1, A2, ... , An por meio na fica com duas brancas e sete vermelhas; aps a segunda em que
das probabilidades condicionais sucessivas. tambm saiu branca, fica com uma branca e sete vermelhas; aps a
terceira em que saiu vermelha, fica com uma branca e seis vermelhas
LEMA 1. 7.1 Sejam A 1 , A 2 , ... , An eventos do espao amostra[ S, e assim por diante.
onde est definida a probabilidade P, tem-se:
1. 7.1 Frmula das Probabilidades Totais e Frmula de Bayes
P(AI)P(A2 I Al)P(A3 I A1A2) ... LEMA 1. 7.2 Seja B1, B2, ... , Bn uma partio do espao amostra[
S, isto , esses eventos so mutuamente exclusivos e sua reunio
P(An I A1A2 An-d (1.24)
S; seja A um evento e P uma probabilidade definida nos eventos de
DEMONSTRAO Vamos demonstrar por induo. Para n = 2 esta S, temos:
frmula se reduz frmula (1.23). Suponha que (1.24) vale para n-1 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
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)
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) .
Noes Bsicas de Probabilidade 53
52 Probabilidade: Um Curso Introdutrio
P(D I AI)P(AI) + P(D I A2)P(A2) + P(D I A3)P(A3) = Se o evento B independente do evento A ento ns esperamos
que A tambm seja independente de B. De fato isto ocorre, como
= (0, 01)(0, 15) + (0, 05)(0, 35) + (0, 02)(0, 5) =o, 0290. verificado a seguir:
Para i = 1, o numerador P(D I AI)P(A1) = O, 0015, para
P(A I B) = P(AB) P(A)P(B)
i = 2 P(D I A 2)P(A 2) = O, 0175 e para i = 3 P(D I A3)P(A3) = P(B) = P(B) = P(A).
O, 01. Substituindo-se, obtemos:
A primeira igualdade a definio de probabilidade condicional, e a
P(Al I D) = o, 052, P(A2 I D) = o, 603, P(A3 I D) = o, 345. segunda decorre da frmula (1.31).
Se a frmula (1.31) vlida, ento essas igualdades mostram
O uso da frmula de Bayes nos fornece a seguinte interpre-
que A independente de B. Logo A e B so independentes se e so-
tao: como as fbricas A 1 , A 2 e A 3 so responsveis, respectiva-
mente se a frmula (1.31) valer. Ento podemos adotar essa frmula
mente, por 15%, 35% e 50% da produo, se retirarmos uma pea
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}
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}.
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)
O nmero de equaes que devem ser satisfeitas nesta definio 5. Sejam A, B e C trs eventos de um espao amostrai. Determine
2n- n- 1. expresses em funo de A, B e C para os eventos: (a) somente
De fato, para todo k, 2 ::; k ::; n, h uma equao para cada A ocorre; (b) todos os trs eventos ocorrem; (c) pelo menos
subconjunto de tamanho k dos n eventos, e como o nmero desses .dois eventos ocorrem; (d) exatamente dois eventos ocorrem;
subconjuntos G), h para cada k esse nmero de equaes. O total (e) no mais do que dois eventos ocorrem; (f) A e B ocorrem,
de equaes , portanto: mas C no ocorre; (g) pelo menos um dos eventos ocorre; (h)
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 Noes Bsicas de Probabilidade 61
13. Sejam A e B eventos de um mesmo espao amostrai. Se A e B 21. Em mdia, 5% dos produtos vendidos por uma loja so de-
so independentes, prove que A e Bc; Ac e B; Ac e B tambm volvidos. Qual a probabilidade de que, nas quatro prximas
so independentes. unidades vendidas deste produto, duas sejam devolvidas?
j
62 Probabilidade: Um Curso Introdutrio Noes Bsicas de Probabilidade 63
H: o fregus homem, M : o fregus mulher, duas cartas diferentes); (f) dois pares (dois pares do mesmo
A : o fregus prefere salada, B : o fregus prefere carne. valor mais uma outra carta); (g) um par (um par de valores
iguais mais trs cartas diferentes).
Calcule:
32. Uma moeda lanada at se obter a primeira cara. Determine:
(a) P(H), P(A I H) e P(B I H); (a) a probabilidade de que isto ocorra em um lanamento de
(b) P(A UH) e P(A n H); nmero par; (b) a probabilidade de que isto ocorra em um
(c) P(M I A). lanamentos de nmero mpar.
26. Um indivduo tem n chaves, das quais somente uma abre uma 33. Um dispositivo eletrnico formado por trs partes. Cada par-
porta. Ele seleciona, a cada tentativa, uma chave ao acaso sem te tem probabilidade de 0,9 de funcionar bem e 0,1 de falhar. O
reposio e tenta abrir a porta. Qual a probabilidade de que funcionamento de cada parte no depende das demais. O dis-
ele abra a porta na k-sima tentativa ( k = 1, 2, ... , n)? positivo falha se duas ou mais falham. Calcule a probabilidade
de falha do dispositivo.
27. O jogo da loto consiste em selecionar-se cinco dezenas do con-
34. Trs mquinas A, B e C produzem 50%, 30% e 20%, respecti-
junto de cem dezenas de 00 a 99. Qual a probabilidade de se
vamente, do total de peas de uma fbrica. As porcentagens de
acertar a quina (5 dezenas) se marcar-se 1O dezenas no volante?
produo defeituosa destas mquinas so 3%, 4% e 5%. Se uma
28. Duas cartas so retiradas simultaneamente de um baralho. Qual pea selecionada aleatoriamente, ache a probabilidade de ela
a probabilidade de que: (a) ambas sejam de espadas; (b) uma ser defeituosa. Se a pea selecionada defeituosa, encontre a
seja de espadas e a outra de copas. probabilidade de ter sido produzida pela mquina C.
29. Suponha que existam dez livros que devem ser colocados em 35. A probabilidade de que a porta de uma casa esteja trancada
uma estante, sendo quatro de matemtica, trs de qumica, chave 3/5. Um chaveiro possui 25 chaves das quais trs abrem
dois de fsica e um dicionrio. Se quisermos que os livros de essa porta. Qual a probabilidade de que um indivduo entre na
mesmo assunto fiquem juntos, de quantas maneiras isso ser casa, se ele puder escolher, ao acaso, somente uma chave do
possvel? chaveiro?
30. Em um jornal existem dez jornalistas. Se quisermos colocar trs 36. Numa urna onde existiam oito bolas brancas e seis azuis, foi
jornalistas trabalhando na sede do jornal, cinco em reportagem perdida uma bola de cor desconhecida. Uma bola foi retirada
externa e dois de reserva, de quantas maneiras isso poder ser da urna. Qual a probabilidade de a bola perdida ser branca,
feito? dado que a bola retirada branca?
31. Ache a probabilidade de que uma mo de pquer seja um: 37. A probabilidade de que um aluno saiba a resposta de uma
(a) royal flush (dez, valete, dama, rei e s do mesmo naipe); questo de um exame de mltipla escolha p. H m respostas
(b) quatro de um mesmo tipo (quatro cartas do mesmo valor); possveis para cada questo, das quais apenas uma correta.
(c) trinca e par (um par e uma trinca de cartas do mesmo valor); Se o aluno no sabe a resposta para uma dada questo, ele
(d) seguida (cinco cartas em seqncia, no importando o nai- escolhe ao acaso uma das m respostas possveis. (a) Qual a
pe); (e) trs cartas do mesmo tipo (trs valores iguais mais probabilidade de o aluno responder corretamente uma questo?
I l
64 Probabilidade: Um Curso Introdutrio