Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

PROBABILIDADE

Experimentos aleatórios

Denominamos de experimentos aleatórios aqueles que, repetidos em

idênticas condições, produzem resultados que não podem ser previstos
com certeza. Embora não saibamos qual o resultado que irá ocorrer num
experimento, em geral conseguimos descrever o conjunto de todos os
resultados possíveis que podem ocorrer. As variações de resultados, de
experimento, são devidas a uma multiplicidade de causas que não
podemos controlar, as quais chamamos acaso.

Exemplos de experimentos aleatórios

a) Lançar uma moeda e observar a face de cima.

b) Lançar um dado e observar o número da face de cima.

c) Lançar duas moedas e observar as sequências de caras e coroas obtidas.

d) Lançar duas moedas e observar o número de caras obtidas.

e) De um lote de 80 peças boas e 20 defeituosas, selecionar 10 peças e

observar o número de peças defeituosas.

f) De uma urna contendo 3 bolas vermelhas e 2 bolas brancas, selecionar

uma bola e observar sua cor.

g) De um baralho de 52 cartas, selecionar uma carta e observar seu neipe.

1
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

h) Numa cidade onde 10% dos habitantes possuem determinada moléstia,

selecionar 20 pessoas e observar o número de portadores da moléstia.

i) Observar o tempo que um certo aluno gasta para ir de ônibus de sua casa
até a escola.

j) Injetar uma dose de insulina em uma pessoa e observar a quantidade de

açúcar que diminuiu.

Espaço amostral

Chamamos de espaço amostral, e indicamos por Ω, um conjunto formado

por todos os resultados possíveis de um experimento aleatório.

Exemplos

a) Lançar uma moeda e observar a face de cima.

Ω = { K, C}, em que K representa cara e C, coroa.

b) Lançar um dado e observar o número da face de cima.

Ω = {1, 2, 3, 4, 5, 6}

c) De uma urna contendo 3 bolas vermelhas (V), 2 bolas brancas (B) e 5

bolas azuis (A), extrair uma bola e observar sua cor.

Ω = {V, B, A}

d) Lançar uma moeda duas vezes e observar a sequência de caras e coroas.

Ω = {(K, K), (K, C), (C, K), (C, C)}

2
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

e) Lançar uma moeda duas vezes e observar o número de caras.

Ω = {0, 1, 2}

f) Um lote tem 20 peças. Uma a uma, elas são ensaiadas e observa-se o

número de defeituosas.

Ω = {0, 1, 2, 3, ..., 19, 20}

g) Uma moeda é lançada até que o resultado cara (K) ocorra pela
primeira vez. Observa-se em qual lançamento esse fato ocorre.

Ω = {1, 2, 3, 4, ...}

Obs: Diremos que o espaço amostral Ω é finito, se # Ω = n (onde n pertence

ao conjunto dos Números naturais positivos), como é o caso do exemplo g.

Evento

Consideremos um experimento aleatório, cujo espaço amostral é Ω.

Chamaremos de evento todo subconjunto de Ω. Em geral indicamos um
evento por uma letra maiúscula do alfabeto.

Diremos que um evento A ocorre se, realizado o experimento, o resultado

obtido for pertencente a A. Os eventos que possuem um único elemento (#
A = 1) serão chamados eventos elementares.

E01. Um dado é lançado e observa-se o número da face de cima.

Ω = {1, 2, 3, 4, 5, 6}

Eis alguns eventos.

3
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

A: ocorrência de número ímpar. A = {1, 3, 5}

B: ocorrência de número primo. B = {2, 3, 5}

C: ocorrência de número menor que 4. C = {1, 2, 3}

D: ocorrência de número menor que 7. D = {1, 2, 3, 4, 5, 6} = Ω

E: ocorrência de número maior ou igual a 7. E = ∅.

E02. Uma moeda é lançada 3 vezes, e observa-se a sequência de caras e

coroas.

Ω = {(K, K, K); (K, K, C); (K, C, K); (K, C, C); (C, K, K); (C, K, C); (C, C, K); (C, C, C)}.

Eis alguns eventos:

A: ocorrência de cara (K) no 1° lançamento

A = {(K, K, K); (K, K, C); (K, C, K); (K, C, C)}

B: ocorrência de exatamente uma coroa.

B = {(K, K, C); (K, C, K); (C, K, K)}

C: ocorrência de no máximo, duas coroas.

C = {(K, K, K); (K, K, C); (K, C, K); (K, C, C); (C, K, K); (C, K, C); (C, C, K)}

D: ocorrência de pelo menos duas caras.

D = {(K, K, K); (K, K, C); (K, C, K), (C, K, K).

4
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Combinação de eventos

Se utilizarmos certas operações entre conjuntos (eventos), poderemos

combinar conjuntos (eventos) para formar novos conjuntos (eventos).

União de dois eventos

Sejam A e B dois eventos; então A 𝖴 B será também um evento que

ocorrerá se, e somente se, A ou B (ou ambos) ocorrerem. Dizemos A 𝖴 B é
a união entre o evento A e o evento B.

Interseção de dois eventos

Sejam A e B dois eventos; então A ∩ B será também um evento que

ocorrerá se, A e B ocorrem simultaneamente. Dizemos que A ∩ B é a
interseção entre o evento A e o evento B.

Em particular, se A ∩ B = ∅, A e B são chamados mutuamente exclusivos.

Complementar de um evento

Seja A um evento; então Ac será também um evento que ocorrerá se, e

somente se, A não ocorrer.

Dizemos que Ac é o evento complementar de A.

E03. Um dado é lançado e observado o número da face de cima.

Ω = {1, 2, 3, 4, 5, 6}

Sejam os eventos:

A: ocorrência de número par. A = {2, 4, 6}

B: ocorrência de número maior ou igual a 4. B = {4, 5, 6}

C: ocorrência de número ímpar. C = {1, 3, 5}

5
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Então teremos:

A 𝖴 B: ocorrência de número par ou número maior ou igual a 4.

A 𝖴 B = {2, 4, 5, 6}

A ∩ B: ocorrência de um número par e um número maior ou igual a 4.

A ∩ B = {4, 6}

A ∩ C: ocorrência de um número par e um número ímpar.

A ∩ B = ∅ (A e C mutuamente exclusivos)

Ac: ocorrência de um número não par

Ac = {1, 3, 5}

Bc = ocorrência de um número menor que 4.

Bc= {1, 2, 3}

Frequência relativa

Num experimento aleatório, embora não saibamos qual o evento que irá
ocorrer, sabemos que alguns eventos ocorrem frequentemente e outros,
raramente. Desejamos, então, associar aos eventos números que nos
deem uma indicação quantitativa da ocorrência dos mesmos, quando o
experimento é repetido muitas vezes, nas mesmas condições. Para isso,
vamos definir frequência relativa de um evento.

Consideremos um experimento aleatório com espaço Ω = {𝑎1, 𝑎2, … , 𝑎𝑘}.

Suponhamos que o experimento seja repetido N vezes, nas mesmas
condições. Seja n, o número de vezes que ocorre o evento elementar 𝑎𝑖.
Definimos frequência relativa do evento {𝑎𝑖} como sendo o número 𝑓𝑖, tal
6
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

que

7
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

𝑓 = 𝑛𝑖 ∀ i ∈ {1, 2, … , 𝑘}
𝑖 𝑁

Por exemplo, se lançarmos um dado 100 vezes (N = 100) e observarmos o

número 2 (evento 2) 18 vezes, então a frequência relativa desse evento
elementar será: 18
= 100 = 0,18
𝑓2

A frequência relativa possui as seguintes propriedades:

 0 ≤ ≤ 1 ∀ 𝑖, pois 0 ≤ 𝑛𝑖 ≤ 1
𝑓𝑖 𝑁

 𝑓1 + 𝑓2 + ... + 𝑓𝑘 = 1, pois
𝑛1 𝑛2 𝑛𝑘 𝑛1 + 𝑛1 + ⋯ + 𝑁
𝑛𝑘 + +⋯+ = = =1
𝑁 𝑁 𝑁 𝑁 𝑁

 Se A é um evento de Ω (A ≠ ∅), a frequência relativa do evento A (𝑓𝐴) é o

número de vezes que ocorre A, dividido por N. É claro que:
𝑛𝑖
𝑓𝐴 = ∑ = ∑ 𝑓 𝑖.
𝑎𝑖∈𝐴 𝑁 𝑎𝑖∈𝐴

Por exemplo, se A = { 𝑎1, 𝑎3, 𝑎5 }, então:

𝑛 1+ 𝑛 3+ 𝑛 5
𝑓 = =𝑓 + + 𝑓.
𝑓
𝐴 1 3 5
𝑁

 Verifica-se experimentalmente que a frequência relativa tende a se

“estabilizar” em torno de algum valor bem definido, quando o
número N de repetições do experimento é suficientemente grande.

Definição de probabilidade

A frequência relativa nos dá uma informação quantitativa da ocorrência de

um evento, quando o experimento é realizado um grande número de vezes.
8
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

O que iremos fazer é definir um número associado a cada evento, de modo

que ele tenha as mesmas características da frequência relativa. É claro que

9
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

desejamos que a frequência relativa do evento esteja “próxima” desse

número, quando o experimento é repetido muitas vezes. A esse número
daremos o nome de probabilidade do evento considerado.

Consideremos um espaço amostral finito Ω = {𝑎1, 𝑎2, … , 𝑎𝑘}. A cada evento

elementar {𝑎𝑖} vamos associar um número real, indicado por p ({𝑎𝑖}) ou 𝑝𝑖,
chamado probabilidade do evento {𝑎𝑖}, satisfazendo as seguintes
condições:

I) 0 ≤ 𝑝𝑖 ≤ 1 ∀ 𝑖 ∈ {1, 2, … , 𝑘}
𝑘
II) 𝑖=1 𝑝𝑖 = 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑘 = 1
∑

Ou seja, a probabilidade de um evento constituído por um certo número de

elementos é a soma das probabilidades dos resultados individuais que
constituem o evento A.

E04. Ω = {𝑎1, 𝑎2, … , 𝑎𝑘}.

Considerando a distribuição de probabilidades:

𝑝1 = 0,1 𝑝2 = 0,3 𝑝3 = 0,2 𝑝4 = 0,4

Seja o evento A= {𝑎1, 𝑎2, 𝑎4}; então, por definição:

P(A) = 𝑝1 + 𝑝2 + 𝑝4 = 0,1 + 0,3 + 0,4 = 0,8

Observação

Mostramos, acima, como se pode calcular a probabilidade de um evento A

(P(A)) quando é dada uma distribuição de probabilidades sobre Ω. Surge
então a pergunta: Que critérios usamos para obter os números 𝑝1, 𝑝2, … , 𝑝𝑘.

Podemos responder dizendo inicialmente que, do ponto de vista formal,

quaisquer valores 𝑝1, 𝑝2, … , 𝑝𝑘 que satisfazem:

10
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

I) 0 ≤ 𝑝𝑖 ≤ 1 ∀ ∈ {1, 2, … , 𝑘} II) ∑𝑘 = 1
𝑖=1

11
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Constituem uma distribuição de probabilidades sobre Ω. Por outro lado,

para sermos realistas, devemos fazer com que cada número 𝑝𝑖 esteja
“próximo” da frequência relativa 𝑓𝑖, quando o experimento é repetido muitas
vezes.
Isso pode ser feito levantando-se hipóteses a respeito do experimento,
como por exemplo, considerações de simetria; é claro que nessas
hipóteses são fundamentais a experiência e o bom senso diria que a
probabilidade de observamos uma bola vermelha é igual a de observarmos
uma bola branca, quando extraímos uma bola de uma urna contendo 9
bolas vermelhas e uma branca. Por outro lado, se faltam hipóteses para
uma conveniente escolha de uma distribuição, recorre-se então à
experimentação para avaliar os 𝑝𝑖′𝑠
através da frequência relativa.

E05. Uma moeda é lançada e observada a face de

cima. Temos: Ω = {K, C}

𝑝1 𝑝2

Uma distribuição razoável para Ω seria: = 𝑝2 = 1

𝑝1 2

Isso significa que admitimos que a frequência relativa de caras e de coroas

é a próxima de 1 quando a moeda é lançada muitas vezes.
2

Experiências históricas foram feitas por Buffon, que lançou uma moeda 4048
vezes e observou o resultado cara 2048 vezes (frequência relativa de caras:
2048
= 0,5059)
4048

E06. Um dado é lançado e observado o número da face de cima.

Ω = {1, 2, 3, 4, 5, 6}

𝑝1 𝑝2 𝑝3 𝑝4 𝑝5 𝑝6
12
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Uma atribuição razoável para 𝑝1, 𝑝2, 𝑝3, 𝑝4, 𝑝5 e 𝑝6 (por razão de simetria) é:

𝑝
1 = 𝑝2 = 𝑝3 = 𝑝4 = 𝑝5 = = 1.
6
𝑝6

Nesse caso, a probabilidade de ocorrência de um número ímpar (A = {1, 3,

5}) será:
P(A) =
𝑝 + + 3 1
𝑝 𝑝 = =
1 3 5 6 2

E07. Seja Ω = {𝑎1, 𝑎2, 𝑎3, 𝑎4}.

Se 𝑝4 = 4𝑝1, 𝑝3 = 3𝑝1 𝑒 𝑝2 = 2𝑝1, qual a probabilidade do evento A = {𝑎1, 𝑎4}?

Temos:

𝑝1 + 𝑝2 + 𝑝3 + 𝑝4 =1 ⇒ 𝑝1 + 2𝑝1 + 3𝑝1 + 4𝑝1 = 1 ⇒ 10 𝑝1 = 1

⇒ 𝑝1 = 1
.
10

Logo: 𝑝 = 2
,𝑝 = 3
𝑒𝑝 = 4
.
2 10 3 10 4 10

Portanto, P(A) = 𝑝1
+ 𝑝4 1 4 = 1.
= 10 + 10 2

Teorema sobre probabilidades em espaço amostral finito

TEOREMA 01. “A probabilidade do evento certo é 1”

TEOREMA 02. “Se A ⊂ B, então P(A) ≤ P(B)”

TEOREMA 03. “Se A é um evento, então 0 ≤ P(A) ≤ 1”

TEOREMA 04. “Se A e B são eventos, então P(A U B) = P(A) + P(B) - P (A ∩ B)”

13
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Obs: Em particular, se A e B são mutuamente exclusivos (A ∩ B = ∅), então

14
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

P (A U B) = P(A) + P(B) – P(∅) ⇒ = P(A) + P(B)

O resultado anterior pode ser generalizado para n eventos A1, A2, ..., An
mutuamente exclusivos dois a dois.

TEOREMA 05. “Se A é um evento, então P (Ac) = 1 – P(A)”

E08. Uma urna contém 100 bolinhas numeradas, de 1 a 100. Uma bolinha é
1
escolhida e observado seu número. Admitindo probabilidades iguais a
100
para todos os eventos elementares, qual a probabilidade de:

a) observarmos um múltiplo de 6 e de 8 simultaneamente?

b) observarmos um múltiplo de 6 ou de 8?

c) observarmos um número não múltiplo de 5?

Espaços amostrais equiprováveis

Seja Ω = {𝑎1, 𝑎2, … , 𝑎𝑘}. Diremos que uma distribuição de probabilidades

sobre Ω é equiprovável, se 𝑝1 = 𝑝2 = ⋯ = 𝑝𝑘, isto é, se todos os eventos
elementares de Ω tiverem a mesma probabilidade. Em geral, as
características do experimento é que nos levam a supor uma distribuição
equiprovável.

E09. De um baralho de 52 cartas, uma delas é escolhida.

Seja: Ω = {2c, 2o, 2e, 2p, 3c, 3o, 3e, 3p, ..., Ac, Ao, Ae, Ap}

Os índices c, o, e, p indicam, respectivamente, naipe de copas, ouros, espadas

e paus.

15
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

É razoável supor que cada evento elementar tenha a mesma probabilidade.

Como temos 52 elementos de Ω, então a probabilidade de qualquer evento
elementar é: p = 1
52

Seja o evento A: a carta é de copas.

Então A = {2c, 3c, 4c, ..., Kc, Ac}

1 1
Como #A = 13 P(A) = + 1
+⋯+ 13 1
52 52 52 = 52 = 4.

Seja o evento B: a carta é um rei.

Então: B = {Kc, Ko, Ke, Kp}

1 4
P(B) = 1 1 1 = = 1
.
52 + 52 + 52 + 52 52 13

Seja o evento C: a carta é um rei de copas.

Então: C ={Kc} ⇒ P(C) = 1
52

Probabilidade de um evento num espaço equiprovável

Ω= } e uma distribuição equiprovável pi = 1, ∀ ∈ {1, 2, … , 𝐾}.

, ,…,
{𝑎1 𝐾
𝑎2 𝑎 𝑘
Seja A um evento, tal que:

A= {a1, a2, ..., ar}

P(A) = 𝑝 + 𝑝 + ... + = 1 + 1 +⋯+
1
𝑝
1 2 𝑟 𝐾 𝐾 𝐾
r vezes

P(A) = 𝑟 , isto é, num espaço Ω, com distribuição equiprovável.

𝐾

P(A) = 𝑟 = #𝐴
𝐾 #Ω

16
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Observação: Dado um conjunto com N elementos, escolher ao acaso n

elementos desse conjunto significa que cada subconjunto (ordenado ou
não) de n elementos tem a mesma probabilidade de ser escolhido.

E10. De um baralho de 52 cartas, duas são extraídas, ao acaso, sem

reposição. Qual a probabilidade de ambas serem de copas?

Temos:

Cada par de cartas possíveis de serem extraídas pode ser considerado como
uma combinação das 52 cartas tomadas duas a duas. Isto é,

Ω = {{2c, 2e}, {2c, 2p}, ..., {5c, 5e}, ..., {Ae, Ap}}
52
E nesse caso # Ω = ( ) = 52 .51 = 1326
2 2

A é o evento (subconjunto) formado pelas combinações de cartas de copas,

isto é:

A = {{2c, 3c, {2c, 4c}, ..., {Kc, Ac}}

E nesse caso #A = 13
( )=
13.12
= 78 ⇒ Logo P(A) = 78
= 1

2 2 1326 17

Probabilidade condicional

Seja Ω um espaço amostral e consideremos dois eventos, A e B. Com o

símbolo P(A∖ 𝐵) indicamos a probabilidade do evento A, dado que o evento
B ocorreu, isto é, P(A∖ 𝐵) é a probabilidade condicional do evento A, uma
vez que B tenha ocorrido. Quando calculamos P(A∖ 𝐵), tudo se passa como
se B fosse o novo espaço amostral “reduzido” dentro do qual queremos
calcular a probabilidade de A.

17
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

E11. Consideremos o lançamento de um dado e observação da face de

cima.

Ω = {1, 2, 3, 4, 5, 6}

Sejam os eventos:

A: ocorre um número ímpar

A = {1, 3, 5}

B: ocorre um número maior ou igual a 2

B = {2, 3, 4, 5, 6}

P(A∖𝐵) será então a probabilidade de ocorrer número ímpar no novo espaço

amostral reduzido, ou seja, a probablidade de ocorrer um número ímpar,
sabendo que o resultado foi um número maior ou igual a 2.

B = {2, 3, 4, 5, 6}

Atribuindo 1 para a probabilidade de cada evento elementar de B, o evento

5
ocorrer número ímpar no espaço amostral “reduzido” será {3, 5} e portanto:
1 1 2
P ( A|B )= + =
5 5 5

E12. Numa cidade, 400 pessoas foram classificadas, segundo sexo e estado
civil, de acordo com a tabela:

Solteiro (S) Casado (C) Desquitado (D) Viúvo (V)

Masc (M) 50 60 40 30 180
Fem (F) 150 40 10 20 220
200 100 50 50

Uma pessoa é escolhida ao acaso. Sejam os eventos:

S: a pessoa é solteira

M: a pessoa é do sexo masculino

18
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

P(S∖ 𝑀) significa a probabilidade de a pessoa se solteira, no novo

espaço amostral reduzido de 180 pessoas do sexo masculino. Como
existem 50 solteiros nesse novo espaço amostral.
50 5
P ( S|M )= =
180 18

Sejam ainda os eventos:

F: a pessoa escolhida é do sexo

feminino D: a pessoa escolhida é

desquitada

Então, P(F∖ 𝐷) significa a probabilidade de a pessoa escolhida ser do

sexo feminino, no novo espaço amostral reduzido das 50 pessoas
desquitadas. Como existem 10 pessoas do sexo feminino nesse novo
espaço amostral.
P(F∖ 𝐷) = 10 = 1
50 5

Em resumo, temos dois modos de calcular P(A∖ 𝐵):

1º) Considerando que a probabilidade do evento A será calculada em

relação ao espaço amostral “reduzido” B.

2º) Empregando a fórmula: P(A∖ 𝐵) = P (A∩ B)

𝑃(𝐵)

Em que tanto P (A∩ B) como P(B) são calculadas em relação ao espaço

amostral original Ω.

E13. Dois dados d1 e d2 são lançados. Consideremos o espaço amostral:

Ω = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (3,1),

19
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

(3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1), (5,2), (5,3),
(5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}

20
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Sejam os eventos:

A: o dado d1 apresenta resultado 2

B: a soma dos dois dados é 6.

Calculemos P(A∖ 𝐵), ou seja, a probabilidade de que ocorra 2 no d 1,

sabendo que já ocorreu soma 6 nos dados.

1º modo) O novo espaço amostral reduzido é:

B= {(1,5), (2, 4), (3, 3), (4, 2), (5, 1)}.

Nesse novo espaço amostral, a probabilidade de A acontecer é 1. Logo:

5

P(A∖ 𝐵) = 1
5

2º modo) P(A∖ 𝐵) = P (A∩ B)

𝑃(𝐵)

Temos:

A = { (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)} ⇒ P(A) = 6
=1
36 6
5
B = {(1, 5), (2, 4), (3, 3), (4, 2), (5,1)} ⇒ P(B) =
36
1
A ∩ B ={(2, 4)} P(A ∩ B) = 1
⇒ Logo: P(A∖ 𝐵) 36 1
= =
5
36 5
36

Teorema da multiplicação

Uma consequência importante da definição formal de probabilidade

condicional é a seguinte:

21
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

P(A∖ 𝐵) = P (A∩ B)
𝑃(𝐵) ⇒ P( A∩ 𝐵) = P(B) . P(A∖ 𝐵)
P(B∖ 𝐴) = P (A∩ B)
𝑃(𝐴) ⇒ P( A∩ 𝐵) = P(A) . P(B∖ 𝐴)

Ou seja, a probabilidade da ocorrência simultânea de dois eventos (P(A ∩

𝐵)) é o produto da probabilidade de um deles pela probabilidade do outro,
dado o primeiro.

E14. Uma urna I contém 2 bolas vermelhas e 3 bolas brancas, a urna II

contém 4 bolas vermelhas e 5 bolas brancas. Uma urna é escolhida ao
acaso e dela uma bola é extraída ao acaso. Qual a probabilidade de
observarmos 1 e bola vermelha? (Resolução em vídeo)

E15. Um lote contém 50 peças boas (B) e 10 defeituosas (D). Uma peça é
escolhida ao acaso e, sem reposição desta, outra peça é escolhida ao
acaso. Qual a probabilidade de ambas serem defeituosas? (Resolução em vídeo)

Teorema da probabilidade total

Inicialmente, consideremos n eventos B1, B2, ..., Bn. Dizemos que eles formam
uma partição do espaço amostral Ω, quando:

I) P(Bk) > 0 ∀ k

II) Bi ∩ Bj = ∅ para i ≠ j

III) ⋃𝑖=1
𝑛
Bi = Ω

Isto é, os eventos B1, B2, ..., Bn são dois a dois mutuamente exclusivos e
exaustivos (sua união é Ω)

Seja Ω um espaço amostral, A um evento qualquer de Ω e B1, B2, ..., Bn uma

partição de Ω.
22
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

É válida a seguinte relação:

A = (B1 ∩ A) 𝖴 (B2 ∩ A) 𝖴 (B3 ∩ A) 𝖴 ... 𝖴 (Bn ∩ A).

Notemos que (B1 ∩ A); (B2 ∩ A); ... ; (Bn ∩ A) são dois a dois mutuamente
exclusivos, portanto:

P(A) = P(B1 ∩ A) + P(B2 ∩ A) + ... + P(Bn ∩ A).

Este resultado é conhecido como teorema da probabilidade total. Ele é

utilizado quando P(A) é difícil de ser calculada diretamente, porém simples
se for usada a relação acima.

E16. Uma urna I tem 2 bolas vermelhas (V) e 3 brancas (B); outra urna II
tem 3 bolas vermelhas e uma branca e a urna III tem 4 bolas vermelhas e 2
brancas. Uma urna é selecionada ao acaso e dela é extraída uma bola.
Qual a probabilidade de a bola ser vermelha? (Resolução em vídeo)

E17. Existem 3 caixas idênticas. A 1ª contém duas moedas de ouro, a 2ª

contém uma moeda de ouro e outra de prata, e a 3ª, duas moedas de prata.
Um caixa é selecionada ao acaso e da mesma é escolhida uma moeda ao
acaso. Se a moeda escolhida for de ouro, qual a probabilidade de que a
outra moeda da caixa escolhida também seja de ouro? (Resolução em vídeo)

Independência de três ou mais eventos

Consideremos 3 eventos A, B e C do mesmo espaço amostral Ω. Diremos que

A, B e C são independentes, se

P(A∩B) = P(A).P(B) P(A∩ C) = P(A).P(C)

P(B ∩ C) = P(B).P(C) P(A ∩ B ∩ C) = P(A).P(B).P(C)

23
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

Generalizando, diremos que n eventos A1, A2, ..., An são independentes se:

P(Ai ∩ Aj) = P(Ai) . P(Aj) ∀i,j, i≠j

P(Ai ∩ Aj ∩ Ak) = P(Ai) . P(Aj). P(Ak) ∀i,j,k, i≠j, i≠k, j≠k

P(A1 ∩ A2 ∩ … ∩ An) = P(A1) . P(A2). … . P(An)

Observação: Em geral, para mais do que 2 eventos não precisamos

verificar todas essas condições, pois do ponto de vista prático nós
admitimos a Independência (baseados nas particularidades) e usamos
esse fato para calcularmos P(A1 ∩ A2 ∩ … ∩ An) como P(A1) . P(A2). … . P(An).

E18. Uma moeda é lançada 10 vezes. Qual a probabilidade de

observarmos cara nos 10 lançamentos? (Resolução em vídeo)

E19. Um dado é lançado 5 vezes. Qual a probabilidade de que a face “2”

apareça pelo menos uma vez nos 5 lançamentos? (Resolução em vídeo)

24
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

EXERCÍCIOS

01. Descreva o espaço amostral para cada uma das situações a seguir:

a) no lançamento de dois dados não viciados.

b) no lançamento de uma moeda 3 vezes consecutivas.

c) escolher aleatoriamente um homem e uma mulher em grupo de 8

pessoas com 03 homens e 05 mulheres.

d) escolher uma carta de um baralho completo.

02. (UFRJ – 2004) Manuel e Joaquim resolveram disputar o seguinte jogo:

uma bola será retirada ao acaso de uma urna que contém 999 bolas
idênticas, numeradas de 1 a 999. Se o número sorteado for par, ganha
Manuel, se for ímpar, Joaquim ganha. Isto foi resolvido após muita
discussão, pois ambos queriam as pares. Se todas as bolas têm a mesma
probabilidade de serem retiradas, identifique quem tem mais chances de
ganhar o jogo. Justifique sua resposta.

03. (UNI-RIO 2000) Numa urna existem bolas de plástico, todas do mesmo
tamanho e peso, numeradas de 2 a 21, inclusive e sem repetição. A
probabilidade de se sortear um número primo ao pegarmos uma única bola,
aleatoriamente, é de:

a) 45% b) 40% c) 35% d) 30% e) 25%

04. (UERJ – 2005) O poliedro acima, com

exatamente trinta faces quadrangulares
numeradas de 1 a 30, é usado como um dado,
em um jogo. Admita que esse dado seja
perfeitamente equilibrado e que, ao ser lançado,
cada face tenha a mesma probabilidade de ser
sorteada.

Calcule:

A) a probabilidade de obter um número primo ou múltiplo de 5, ao lançar

esse dado uma única vez;
B) o número de vértices do poliedro.-
25
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

05. (UERJ – 2004) Considere uma compra de lápis e canetas no valor total
de R$ 29,00. O preço de cada lápis é R$ 1,00 e o de cada caneta é R$
3,00.

A probabilidade de que se tenha comprado mais canetas do que lápis é igual

a:

a) 20% b) 50% c) 75% d) 80%

06. (UNI-RIO – 2004) Pesquisa realizada em quatro capitais brasileiras

(São Paulo, Rio de Janeiro, Porto Alegre e Recife) perguntou aos
entrevistados o que eles fariam, caso ganhassem um aumento de salário
equivalente a 10%.

Respostas apresentadas Total de pessoas

Compraria mais alimentos 192

Pagaria dívidas 120

Reformaria a casa 114

Gastaria com lazer 78

Compraria roupas 72

Adquiriria certos produtos de higiene pessoal que não 24

são comprados hoje.

Não saberia o que fazer 0

Escolhendo-se ao acaso uma das pessoas entrevistadas. a probabilidade

de ela ter respondido que pagaria dívidas ou que adquiriria certos produtos
de higiene pessoal (...) é de

a)50% b) 28,7% c) 27% d)24% e) 20,3%

07. (UFF – 2001) Os cavalos X, Y e Z disputam uma prova ao final da qual não
poderá ocorrer empate. Sabe-se que a probabilidade de X vencer é igual ao
-dobro da probabilidade de Y vencer. Da mesma forma, a probabilidade de
Y vencer é igual ao dobro da probabilidade de Z vencer. Calcule a
probabilidade de:
26
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

a) X vencer; b) Y vencer; c) Z vencer.

27
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

08. (UFF – 2004) A ilustração abaixo mostra dois pratos típicos da cozinha
internacional: um, da cozinha japonesa (total de 450 calorias) e outro, da
italiana (total de 350 calorias).

JAPONÊS OU ITALIANO? Nem

sempre a comida oriental é mais
light. Compare as calorias e
acerte na escolha.

Época, julho de 2003.

Considere os alimentos do prato japonês distribuídos nos seis seguintes

conjuntos: 1 temaki (150 cal), 1 tempurá (40 cal), 4 sashimis (40 cal), 4
sushis (160 cal), 1 hossomaki (10 cal) e 1 uramaki (50 cal).

Retira-se, ao acaso, um dos conjuntos do prato japonês, obtendo-se

um novo prato com os conjuntos restantes. A probabilidade de a
quantidade total de calorias do novo prato obtido ser menor do que a
quantidade total de calorias do prato italiano é igual a:

a) 1
b)
6
1
c) 1 d) 2 5
3 2 3 e) 6

09. (UFF – 2003) Gilbert e Hatcher, em Mathematics Beyond The Numbers,

relativamente à população mundial, informam que:

- 43% têm sangue tipo O;

- 85% têm Rh positivo;
- 37% têm sangue tipo O com Rh positivo.
Nesse caso, a probabilidade de uma pessoa escolhida ao acaso não ter
sangue tipo O e não ter Rh positivo é de:

a) 9% b) 15% c) 37% d) 63% e) 91%

28
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

10. (UFRJ 2000) Para testar a eficácia de uma campanha de anúncio do

lançamento de um novo sabão S, uma agência de propaganda realizou
uma pesquisa com 2.000 pessoas. Por
uma falha da equipe, a agência omitiu os
dados dos campos x, y, z e w no seu
relatório sobre a pesquisa, conforme
mostra a tabela a seguir.

a) Indique os valores dos campos x, y, z e w.

b) Suponha que uma dessas 2.000

pessoas entrevistadas seja escolhida ao
acaso e que
todas as pessoas tenham a mesma probabilidade de serem escolhidas.
Determine a probabilidade de que esta pessoa, tenha visto o anúncio
da campanha e adquirido o sabão S.

11. (UFRJ – 2002) O controle de qualidade de uma pequena confecção fez um

levantamento das peças produzidas, classificando-as como aproveitáveis
ou não aproveitáveis. As porcentagens de peças aproveitáveis estão na
tabela abaixo. Um segundo levantamento verificou que 75% das
camisetas aproveitáveis, 90% das bermudas aproveitáveis e 85% das
calças aproveitáveis são de 1ª qualidade.
Escolhendo-se aleatoriamente uma calça
e uma camiseta dessa confecção, calcule
a probabilidade p de que as condições a
seguir sejam ambas satisfeitas: a
camiseta ser de 1ª qualidade e a calça
não ser aproveitável.

12. (UFF – 2004) Considere o conjunto S = {1, 2, 3, 8, 9}.

Seja M o conjunto de todos os números de três algarismos distintos que

podem ser formados com os elementos de S.

a) Determine o número de elementos de M.

b) Escolhendo-se, ao acaso, um elemento de M, qual a probabilidade de
o elemento escolhido ser um múltiplo de 3?

29
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

13. (UERJ - 2000) Os números naturais de 1 a 10 foram escritos, um a um,

sem repetição, em dez bolas de pingue-pongue. Se duas delas forem
escolhidas ao acaso, o valor mais provável da soma dos números
sorteados é igual a:

a) 9 b) 10 c) 11 d) 12

14. (UFRJ – 2005) Um novo exame para detectar certa doença foi testado
em trezentas pessoas, sendo duzentas sadias e cem portadoras da tal
doença.

Após o teste verificou-se que, dos laudos referentes a pessoas sadias,

cento e setenta resultaram negativos e, dos laudos referentes a pessoas
portadoras da doença, noventa resultaram positivos.

a) Sorteando ao acaso um desses trezentos laudos, calcule a

probabilidade de que ele seja positivo.
b) Sorteado um dos trezentos laudos, verificou-se que ele era positivo.
Determine a probabilidade de que a pessoa correspondente ao laudo
sorteado tenha realmente a doença.

15. (UFF – 2005) Seiscentos estudantes de uma escola foram entrevistados

sobre suas preferências quanto aos esportes vôlei e futebol.

O resultado foi o seguinte: 204 estudantes gostam somente de futebol,

252 gostam somente de vôlei e 48 disseram que não gostam de nenhum
dos dois esportes.

a) Determine o número de estudantes entrevistados que gostam dos

dois esportes.
b) Um dos estudantes entrevistados é escolhido, ao acaso. Qual a
probabilidade de que ele goste de vôlei?
16. (UFRJ – 2002) Um saco de veludo azul contém 13 bolinhas amarelas,
numeradas de 1 a 13; 17 bolinhas cor-de-rosa, numeradas de 1 a 17; e
19 bolinhas roxas, numeradas de 1 a 19. Uma pessoa, de olhos
vendados, retirará do saco três bolinhas de uma só vez. Sabendo-se que
todas as bolinhas têm a mesma chance de serem retiradas, qual a
probabilidade de que as três bolinhas retiradas sejam de cores diferentes

30
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

e tenham números iguais?

31
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

17. (CEFET – 2000) Os alunos de Engenharia do CEFET/RJ cursam, no

primeiro período, as disciplinas Física I e Cálculo, entre outras. Somente
obtendo aprovação nestas duas, eles podem cursar a disciplina Física II,
oferecida aos alunos do segundo período. Thales, um aluno aprovado
para o primeiro semestre do ano 2000, preocupado com os índices de
reprovação nas citadas disciplinas, procurou a cigana Marilyn, para que
ela lhe antecipasse os desígnios do destino. A cigana previu que, dos 40
calouros da turma de Thales, 22 seriam aptos em Física I, e 28 em
Cálculo, sendo que 8 entre estes últimos não seriam aprovados em
Física I.

Tomando como verdadeira a previsão de Marilyn, responda:

a) Quantos alunos poderão cursar Física II no segundo semestre?

b) Quantos alunos serão reprovados em Física I e Cálculo I,
simultaneamente?
c) Qual a probabilidade de Thales vir a ser aprovado em Física I, sem
ser aprovado em Cálculo I?
18. (UFRJ – 2002) Duas urnas contêm, cada uma, 100 bolinhas numeradas de
1 a 100. Retira-se ao acaso uma bolinha de cada urna. Sabendo-se que
todas as bolinhas têm a mesma probabilidade de serem retiradas, qual a
probabilidade p de que a soma dos números obtidos seja par?

19. (UERJ – 2004) Numa sala existem cinco cadeiras numeradas de 1 a 5.

Antônio, Bernardo, Carlos, Daniel e Eduardo devem sentar-se nestas
cadeiras. A probabilidade de que nem Carlos se sente na cadeira 3, nem
Daniel na cadeira 4, equivale a:

a) 16% b) 54% c) 65% d) 95%

20. (UENF – 2005) Uma pesquisa realizada em um hospital indicou que

a probabilidade de um paciente morrer no prazo de um mês, após
determinada operação de câncer, é igual a 20%.

Se três pacientes são submetidos a essa operação, calcule a

probabilidade de, nesse prazo:

a) todos sobreviverem;

32
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

b) apenas dois sobreviverem.

33
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

21. (UERJ – 2005) Um campeonato de futebol será disputado por 20 times,

dos quais quatro são do Rio de Janeiro, nas condições abaixo:

I- cada time jogará uma única vez com cada um dos

outros; II - todos farão apenas um jogo por semana;
III - os jogos serão sorteados aleatoriamente.

Calcule:

a) o menor número de semanas que devem ser usadas para realizar

todos os jogos do campeonato;
b) a probabilidade de o primeiro jogo sorteado ser composto por duas
equipes cariocas.
22. (UERJ – 2002) Cinco casais formados, cada um, por marido e mulher, são
aleatoriamente dispostos em grupos de duas pessoas cada um. Calcule
a probabilidade de que todos os grupos sejam formados por:

a) um marido e sua mulher;

b) pessoas de sexos diferentes.
23. (UFF – 2001) Avaliou-se um grupo de alunos da UFF, classificando-se,
cada um deles, em doente ou saudável. Em relação a esse grupo, garante-se
que dentre os alunos saudáveis em um dia, 90% ainda estarão saudáveis
no dia seguinte e dentre os doentes, 60% ainda estarão doentes no dia
seguinte.

Considere a observação desse grupo de alunos em três dias

consecutivos. Sabe-se que no primeiro dia 20% dos alunos estejam
doentes.

a) Determine a porcentagem de alunos que ainda estarão doentes no

segundo dia.
b) Escolhido um aluno ao acaso, no terceiro dia, determine a
probabilidade de ele estar saudável.
24. (UNIRIO – 2005) Ao escolherem as datas de seus vestibulares, três
instituições de ensino decidiram que suas provas seriam realizadas na
primeira semana de um determinado mês. A probabilidade de que essas
provas não aconteçam em dias consecutivos é, aproximadamente:

c) a) 26% b) 28% c) 30% d) 32% e) 34%

34
Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

25. (UERJ – 2001) Uma prova é composta por 6 questões com 4

alternativas de resposta cada uma, das quais apenas uma delas é
correta. Cada resposta correta corresponde a 3 pontos ganhos; cada erro
ou questão não respondida, a 1 ponto perdido.

Calcule a probabilidade de um aluno que tenha respondido

aleatoriamente a todas as questões obter um total de pontos exatamente
igual a 10.

26. (UERJ – 2003) Numa cidade, 20% dos carros são da marca W, 25% dos
carros são táxis e 60% dos táxis não são da marca W.

Determine a probabilidade de que um carro escolhido ao acaso, nesta

cidade, não seja táxi nem seja da marca W.

27. (UNI-RIO – 2003) Dois amigos decidem jogar o chamado “Basquetinho

de Bolso”. Esse jogo consiste na escolha, por parte de cada jogador, de um
número de zero a três, representado por moedas que o jogador
coloca em sua mão direita, de modo que o adversário não as veja. Feito
isto, cada um escolhe um valor diferente de zero a seis para tentar
acertar o valor que compõe o somatório de moedas. Após os dois
participantes manifestarem seus palpites, as mãos direitas são abertas
para apuração do resultado.

Assim sendo qual é a probabilidade desse resultado ser igual a três ou

quatro?

28. (UNI-RIO – 2002) A Organização Mundial da Saúde –OMS– pesquisou e

concluiu que um casal sadio, em que os dois não sejam parentes
consanguíneos (parentes em primeiro grau), ao gerar uma criança, pode
apresentar o seguinte quadro probabilístico em relação a problemas
congênitos: sexo masculino tem 2% de risco e sexo feminino, 3%. A
probabilidade de um casal gerar um menino com doença congênita ou
uma menina sadia é, em %, expressa por

a) 0,485 b) 2,5 c) 49,5 d) 97,5 e) 99

35
 Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

29. (UFF – 2000) Em uma bandeja há dez pastéis dos quais três são de carne,
três de queijo e quatro de camarão. Se Fabiana retirar, aleatoriamente e
sem reposição, dois pastéis desta bandeja, a probabilidade de os dois
pastéis retirados serem de camarão é:

a) 3

b) 4 2 d) 2 4
25 25 c) 15 5 e) 5

30. (UFF – 2002)

No jogo “Bola Maluca”, um jogador
recebe seis bolas que são lançadas
sucessivamente sobre um grande
tabuleiro inclinado com canaletas
numeradas de 1 a 6, conforme a figura
ao lado.

A cada lançamento, o jogador recebe a pontuação referente ao

número da canaleta em que a bola parar. Ao final de todos os
lançamentos os pontos recebidos são somados, representando a
pontuação total do jogador.

a) Após lançar quatro bolas, um jogador obteve um subtotal de 15

pontos. Determine a probabilidade de, com as duas jogadas restantes,
esse jogador totalizar 19 pontos.
b) A probabilidade de se totalizar n pontos após o lançamento das seis
bolas é indicada por P(n). Determine, entre P(36) e P(20), qual é o maior
valor. Justifique sua resposta.

Gabarito

01a. Ω = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(,1), (,2), (,3), (,4), (,5), (,6), (,1), (,2), (,3), (,4), (,5), (,6), (,1), (,2), (,3), (,4), (,5),
36
 Combinatória e Probabilidade – Professor Marcelo Velloso Matemática IV

(,6), (,1), (,2), (,3), (,4), (,5), (,6)}

01b. Ω = {
01c. Ω = {
02. Joaquim
03. B
04 a.
04 b.
05. A
06. B
07 a. 4/7
07 b. 2/7
07 c. 1/7
08. B
09. A
10. B
11. 7,2%
12.

37