Matemática Discreta - Vol.2 PDF

Mdulo 2 Volume 2
2 edio
Luiz Manoel Figueiredo
Mrio Olivero da Silva
Marisa Ortegoza da Cunha
Matemtica Discreta
Matemtica Discreta
Volume 2- Mdulo 2 Luiz Manoel Figueiredo
2 edio Mrio Olivero da Silva
Marisa Ortegoza da Cunha
Apoio:
Fundao Cecierj / Consrcio Cederj
Rua Visconde de Niteri, 1364 Mangueira Rio de Janeiro, RJ CEP 20943-001
Tel.: (21) 2334-1569 Fax: (21) 2568-0725
Presidente
Masako Oya Masuda
Vice-presidente
Mirian Crapez
Coordenao do Curso de Matemtica

UFF - Regina Moreth
UNIRIO - Luiz Pedro San Gil Jutuca
Material Didtico
ELABORAO DE CONTEDO Departamento de Produo
Luiz Manoel Figueiredo
Mrio Olivero da Silva EDITORA ILUSTRAO
Marisa Ortegoza da Cunha Tereza Queiroz Ana Paula Trece Pires
Rafael Monteiro
COORDENAO DE DESENVOLVIMENTO COORDENAO EDITORIAL
INSTRUCIONAL Jane Castellani CAPA
Cristine Costa Barreto Eduardo de Oliveira Bordoni
REVISO TIPOGRFICA
Fbio Muniz de Moura
COORDENAO DE LINGUAGEM Equipe CEDERJ
Maria Anglica Alves PRODUO GRFICA
COORDENAO DE
DESENVOLVIMENTO INSTRUCIONAL PRODUO Osias Ferraz
E REVISO Jorge Moura Patricia Seabra
Mrcia Elisa Rendeiro
PROGRAMAO VISUAL
Glucia Guarany
Marcelo Freitas
Copyright 2005, Fundao Cecierj / Consrcio Cederj

Nenhuma parte deste material poder ser reproduzida, transmitida e gravada, por qualquer meio
eletrnico, mecnico, por fotocpia e outros, sem a prvia autorizao, por escrito, da Fundao.
972m
Figueiredo, Luiz Manoel.
Matemtica discreta: v. 2. / Luiz Manoel Figueiredo. 2 ed. -
Rio de Janeiro: Fundao CECIERJ, 2010.
144p.; 21 x 29,7 cm.
ISBN: 85-88731-06-1
1. Probabilidades 2. Teorema de Bayes. 3. Distribuio

binomial. I. Silva, Mrio Olivero da. II. Cunha, Marisa
Ortegoza da. III. Ttulo.
CDD:510
2010/1
Referncias Bibliogrcas e catalogao na fonte, de acordo com as normas da ABNT.
Governo do Estado do Rio de Janeiro
Governador
Srgio Cabral Filho
Secretrio de Estado de Cincia e Tecnologia

Alexandre Cardoso
Universidades Consorciadas
UENF - UNIVERSIDADE ESTADUAL DO UFRJ - UNIVERSIDADE FEDERAL DO
NORTE FLUMINENSE DARCY RIBEIRO RIO DE JANEIRO
Reitor: Almy Junior Cordeiro de Carvalho Reitor: Alosio Teixeira
UERJ - UNIVERSIDADE DO ESTADO DO UFRRJ - UNIVERSIDADE FEDERAL RURAL

RIO DE JANEIRO DO RIO DE JANEIRO
Reitor: Ricardo Vieiralves Reitor: Ricardo Motta Miranda
UFF - UNIVERSIDADE FEDERAL FLUMINENSE UNIRIO - UNIVERSIDADE FEDERAL DO ESTADO

Reitor: Roberto de Souza Salles DO RIO DE JANEIRO
Reitora: Malvina Tania Tuttman
Matemtica Discreta Volume 2 - Mdulo 2
SUMRIO Probalidades ____________________________________7
Aula 14 Introduo ao estudo das probabilidades_________________________ 9

Luiz Manoel Figueiredo / Mrio Olivero da Silva / Marisa Ortegoza da Cunha
Aula 15 Experimentos e espao amostral _____________________________ 17

Aula 16 Eventos _______________________________________________ 27

Aula 17 Probabilidades __________________________________________ 39

Aula 18 Usando tcnicas de contagem no clculo de probabilidades_________ 51

Aula 19 Probabilidade do evento complementar________________________ 59

Aula 20 Regra da adio _________________________________________ 67

Aula 21 Probabilidade condicional e Regra da multiplicao _______________ 75

Aula 22 Eventos independentes e Regra da probabilidade total ____________ 85

Aula 23 Teorema de Bayes ________________________________________ 95

Aula 24 Varivel aleatria e Valor esperado __________________________ 103

Aula 25 Distribuio binomial ____________________________________ 113

Solues de exerccios selecionados __________________________ 121

Modulo 2
Probabilidades
O Calculo das Probabilidades, no fundo, nao e nada mais

do que o bom senso reduzido ao calculo.
Laplace
Caros alunos, voces ja se deram conta de que estamos o tempo todo

fazendo perguntas, como:
Fara sol, amanha?
Dara praia no nal de semana?
O professor adiara a prova?
O meu candidato ganhara as eleicoes?
Quanto valera o dolar na proxima sexta-feira?

Interessante notar que a
Estamos frequentemente formulando questoes para as quais nao ha uma palavra chance, em ingles,
signica acaso,
resposta denitiva, pois isso exigiria de nos a capacidade de fazer uma pre- probabilidade.
visao correta. O que podemos fazer, entao, numa tentativa de nos aproxi-
Um modelo e uma versao
marmos do que seria a resposta, e avaliar quais as chances de acontecer
simplicada de algum
cada resultado. problema ou situacao da
vida real destinado a ilustrar
Questoes desse tipo sao tratadas pela Teoria das Probabilidades, que ja certos aspectos do problema
foi chamada a ciencia da incerteza. Essa teoria descreve modelos apropria- sem levar em conta todos os
detalhes (que talvez sejam
dos para a explicacao de fenomenos observaveis e tenta quanticar a chance irrelevantes para o
desses fenomenos acontecerem. problema).
William J. Stevensen
As probabilidades auxiliam a desenvolver estrategias e sao valiosas na Estatstica Aplicada a
Administracao
previsao de resultados em diversas areas do conhecimento, como na mete- SP: Harper & Row do
orologia (previsao de tempo), na economia (cotacao de moedas, valores de Brasil, 1981
7
acoes, oscilacoes de mercado), na poltica (chances de um candidato numa
eleicao), na atuaria (expectativa de vida, para calculo de seguros), alem de
ser a base dos estudos estatsticos.
Neste modulo estudaremos os principais conceitos e veremos algumas
aplicacoes da Teoria das Probabilidades. No calculo das probabilidades tere-
mos a oportunidade de aplicar os metodos de contagem que voce aprendeu
no Modulo 1, em Analise Combinatoria.
Os autores gostariam de agradecer ao Prof. Antonio dos Santos Ma-
chado, pelos valiosos comentarios e sugestoes quando da leitura dos originais.
CEDERJ 8
Aula 14 Introducao ao estudo das probabilidades
MODULO 2 - AULA 14
Aula 14 Introducao ao estudo das

probabilidades
Objetivos
Nesta aula voce identicara dois diferentes tipos de fenomenos e obtera
algumas informacoes sobre a evolucao historica desta area da Matematica.
Experimentos probabilsticos
Considere o seguinte experimento: uma moeda e lancada de uma de- Experimento: acao que
geralmente pode ser repetida
terminada altura e o tempo necessario para que ela toque o chao e medido. e com resultados observaveis.
Antes mesmo de realizar a experiencia, temos condicoes de conhecer a res-
posta, porque existe uma equacao da Fsica que fornece o tempo necessario
O tempo que um corpo leva
para um corpo, em queda livre, percorrer uma certa distancia. para cair de uma altura h,
desprezada q a resistencia do
Um fenomeno desse tipo e chamado de determinstico. Um experimento ar, e t = 2h
, onde h e a
g
e determinstico quando sua realizacao tem resultado garantido, determinado distancia percorrida e g e a
aceleracao da gravidade no
por leis fsicas ou matematicas, ou pelas proprias condicoes nas quais o expe- local da realizacao do
rimento e executado. Mais rigorosamente, trata-se de um fenomeno que pode experimento.
ser descrito por um modelo determinstico. Se o experimento e repetido, sob

as mesmas condicoes, produz o mesmo resultado. Tipicamente, um mode-
lo determinstico e uma equacao ou conjunto de equacoes relacionando os
elementos presentes no experimento.
Por outro lado, ao abandonar a moeda de uma certa altura e deixa-la
cair sobre uma superfcie, nao podemos armar qual face cara voltada para
cima quando ela parar: se cara ou coroa. Sabemos que ha somente essas
duas possibilidades (descartamos a possibilidade de a moeda cair em pe!),
mas nao temos como garantir qual delas ocorrera. Experimentos desse tipo Os experimentos
sao chamados probabilsticos ou aleatorios. Eles sao o objeto de estudo da probabilsticos ou aleatorios
tambem sao chamados, por
area da Matematica chamada Teoria das Probabilidades. Sao fenomenos que alguns autores, de
podem ser descritos por modelos probabilsticos. randomicos. A palavra
random, em ingles, signica
Os experimentos aleatorios nao produzem sempre o mesmo resultado, acaso, destino, e a expressao
at random siginica ao
mas tem um comportamento estatisticamente regular, no sentido de que, con-
acaso, aleatoriamente.
siderando um numero grande de realizacoes, cada resultado possvel ocorre
9 CEDERJ
MATEMTICA Aula 14 Introducao ao estudo das probabilidades
DISCRETA
numa frequencia que pode ser avaliada. Assim, se lancarmos uma moeda
equilibrada, repetidamente, um grande numero de vezes, nossa intuicao e
Uma moeda e equilibrada nossa experiencia nos levam a esperar que a quantidade de vezes de dar
quando, ao ser lancada, a carana face de cima sera, aproximadamente, igual a de dar coroa.
chance de dar cara e igual a
de dar coroa. Tambem Esses aspectos de regularidade dos experimentos aleatorios, investiga-
chamamos moeda honesta.
O mesmo se aplica a um
dos e analisados, permitem a construcao de um modelo matematico e a atri-
dado. O contrario e um buicao, a cada resultado possvel, de um numero que reita a chance de
dado viciado, isto e,
aquele que tem uma chance
ocorrenciadesse resultado. Por exemplo, e comum ouvirmos uma frase como
maior de cair em uma certa ha uma chance de 65% de chover amanha. Mas, o que isto quer dizer?
face do que em outra.
Quando nos referimos a algum experimento, devemos explicitar dois
componentes: a acao a ser executada e o resultado a ser observado. Expli-
cando melhor: um experimento e uma acao que pode ser repetida e um certo
resultado que queremos observar. Por exemplo, o experimento de jogar um
dado (acao) e observar a face que cai voltada para cima (resultado).
Observe que dois experimentos diferentes podem consistir da mesma
acao, mas com resultados observaveis diferentes. Por exemplo:
experimento A: lancamos dois dados e observamos a maior das faces

que caem para cima;
experimento B: lancamos dois dados e observamos a soma das faces que

caem para cima.
Os experimentos A e B sao diferentes, embora a acao tenha sido a mesma

(jogar dois dados).
Exemplo 1
Os experimentos abaixo sao determinsticos:
1. Comprar uma dezena de canetas, a 5 reais cada, e determinar o custo

total.
2. Percorrer 300km, a uma velocidade constante de 80km/h, e medir o

tempo gasto.
3. Aquecer a agua e observar a que temperatura ela ferve.
4. Resolver a equacao x2 4 = 0 e anotar as solucoes.
5. Medir a resistencia eletrica de um condutor, conhecendo a diferenca

de potencial e a intensidade da corrente eletrica que passa entre dois
pontos desse condutor.
CEDERJ 10
MODULO 2 - AULA 14
Exemplo 2
Os experimentos a seguir sao aleatorios:
1. Lancar um dado e observar o numero da face de cima.
2. Contar a quantidade de canetas vendidas, em uma loja, em determi-

nado mes.
3. Contar os dias de chuva em determinado perodo.
4. Jogar duas moedas e anotar o par de resultados.
5. Jogar uma moeda quatro vezes e anotar o numero de caras obtido.
6. Jogar uma moeda cinco vezes e observar a sequencia obtida de caras e

coroas.
7. Retirar uma carta de um baralho e observar o naipe.
8. Retirar uma carta de um baralho e observar se e ou nao gura.
9. Jogar um dado tres vezes e anotar o terno de numeros obtidos.
10. Jogar um dado tres vezes e anotar a soma dos numeros obtidos.
11. Jogar um dado tres vezes e anotar quantos numeros pares ocorrem.
12. Anotar o sexo dos recem-nascidos em uma maternidade, durante um

determinado ano.
13. Observar, num conjunto de 1000 famlias com, pelos menos dois lhos,
a ocorrencia de gemeos.
14. Em uma linha de producao, fabricar pecas em serie e contar o numero

de pecas defeituosas produzidas num perodo de 12 horas.
15. Escolher, ao acaso, uma pessoa em determinado grupo e vericar seu

tipo de sangue.
16. Sortear duas pessoas de um grupo de cinco para formarem uma co-
missao.
11 CEDERJ
DISCRETA
Um pouco de Historia
Jeronimo Cardano
O incio do estudo das probabilidades esta ligado aos jogos de azar.
(1501-1576) e o autor da
primeira obra sobre o estudo Embora matematicos como Cardano e Kepler ja tivessem se ocupado do
das probabilidades de que se
tem conhecimento. Trata-se
estudo das probabilidades, foi a partir de um contato feito entre um rico
de Ludo Aleae (Sobre os jogador frances, Chevalier de Mere, e o matematico Blaise Pascal, por volta
Jogos de Azar), publicado
em 1663.
de 1650, que a moderna Teoria das Probabilidades realmente se desenvolveu.
Em 1654, De Mere, um jogador fanatico que sempre buscava criar
Johannes Kepler (1571-1630)
complicadas regras que lhe permitissem ganhar no jogo de dados, apresentou
fez algumas anotacoes sobre
probabilidades no livro De a Pascal um problema famoso, envolvendo jogos, que cou conhecido como
Stella nova in pede
Serpentarii, publicado em
O Problema dos Pontos: Um jogo entre dois jogadores igualmente habeis e
1606. interrompido. No momento da interrupcao sao conhecidos os pontos obtidos
por cada jogador e o numero necessario de pontos para que cada um ganhe
Chevalier De Mere
(1607-1684) foi um losofo e o jogo. Como dividir o premio?. Esse problema ja fora considerado por
amante das letras, gura Cardano e, aproximadamente ao mesmo tempo, por Pacioli e Tartaglia.
destacada da corte de Lus
XIV. Motivado pelo desao, Pascal escreveu a outro matematico frances, Pi-
erre de Fermat, trocando ideias sobre o problema, e essa correspondencia,
consistindo de cinco cartas, levou ao desenvolvimento da Teoria das Proba-
bilidades. Alem do problema dos pontos, os dois matematicos consideraram
tambem o chamado Problema do Dado: Quantas vezes temos que jogar um
par de dados para obter um duplo 6?, ja estudado por Cardano.
Interessante que nem Pascal nem Fermat publicaram seus resultados.
Em 1657, estimulado pelo trabalho dos dois franceses, o cientista Christian
Huygens (1629-1695) publicou o folheto De ratiociniis em ludo aleae (Sobre o
raciocnio em jogos de dados), primeiro tratado de Teoria de Probabilidades.
Como vemos, a origem do interesse pelas probabilidades esta ligada a
situacoes de jogos de azar: os jogadores faziam uso delas para estabelecer
estrategias de jogo e de apostas. A partir de 1700, porem, ha importantes
progressos na aplicacao dos estudos de probabilidades em outras areas.
Em 1713, James Bernoulli publicou Ars conjectandi. Essa obra estabe-
Frequencia relativa e um
leceu a relacao entre probabilidade e frequencia relativa de cada resultado
conceito muito importante
no estudo das probabilidades de um experimento aleatorio, atraves de um resultado importante, conhe-
e sera explicado
cido como Teorema de Bernoulli (ou Lei dos Grandes Numeros). O teorema
detalhadamente em aulas
futuras. arma que: Se dois eventos sao igualmente provaveis entao, apos um numero
grande de realizacoes do experimento, eles serao obtidos, aproximadamente,
o mesmo numero de vezes.
CEDERJ 12
MODULO 2 - AULA 14
O Teorema de Bernoulli tambem permite deduzir a probabilidade de

Abraham De Moivre era um
cada um dos eventos acontecer, a partir das quantidades de suas ocorrencias frances protestante que se
num numero grande de experimentos. refugiou na Inglaterra onde
viveu ate a sua morte.
Em 1718, De Moivre publicou a primeira edicao de The doctrine of Desenvolveu importantes
trabalhos em varios campos.
chances (Doutrina das probabilidades), sua obra mais celebre. Ali o autor
explora a aplicacao do calculo de probabilidades em mais de cinquenta pro-
blemas. Dentre outras questoes envolvendo jogos, discute a probabilidade de
se tirar bolas de cores diferentes de uma urna.
O maior trabalho do
Em 1812, Laplace publicou o tratado Theorie analitique des probabilites
matematico frances Laplace
(Teoria analtica das probabilidades), onde discutiu inumeros problemas de (1749-1827) foi uma obra em
5 volumes chamada
probabilidade, desenvolveu tecnicas para o calculo de probabilidades e ana- Mecanica Celeste. Seu
lisou varias aplicacoes desses calculos. Laplace e considerado o matematico trabalho em probabilidade
surgiu quando usou metodos
que mais contribuiu para a Teoria das Probabilidades. probabilsticos para
interpretar dados cientcos
em sua obra. Quando
Napoleao observou que Deus
O problema da agulha de Buon nao era mencionado na
Mecanica Celeste, Laplace
respondeu eu nao tenho
A Teoria das Probabilidades permite a analise de problemas interessan-
necessidade desta hipotese.
tes e resultados, as vezes,surpreendentes. Destacamos o chamado problema Na verdade, Laplace estava
armando que conseguiu
da agulha de Buon: consideremos uma area plana, dividida em linhas retas
provar a estabilidade do
paralelas, distantes entre si uma distancia xa, d. Uma agulha, de compri- sistema solar utilizando
apenas a Matematica.
mento a, com a < d, e abandonada de uma certa altura, ao acaso, sobre essa
2a
regiao. A probabilidade de a agulha cortar uma das retas e .
d
Determinacoes empricas dessa probabilidade fornecem uma aproximacao
de .
George Louis Leclere
(1701-1788) foi nomeado
a
Conde de Buon por Lus
a
d XV. O problema da agulha
a
foi apresentado em 1777,

a
num pequeno ensaio sobre
probabilidades, chamado
a Essai dArithmetique
Morale. Uma variacao desse
a
problema possibilitou, cerca
de 200 anos mais tarde, o
desenvolvimento da
tecnologia envolvida na
No seculo XX, o desenvolvimento do estudo das probabilidades foi tomograa
obtido, principalmente, por matematicos russos, entre eles P.L. Chebyshev computadorizada.
(1821-1894), A.A. Markov (1856-1922) e A. N. Kolmogorov (nascido em

1903). Este ultimo, em sua obra Foundations of the Theory of Probability
(Fundamentos da Teoria da Probabilidade), de 1933, apresentou um trata-
mento axiomatico da Teoria das Probabilidades.
13 CEDERJ
DISCRETA
Resumo
Nesta aula apresentamos alguns dados sobre a evolucao do estudo das
probabilidades e voce aprendeu a distinguir fenomenos aleatorios de fenomenos
determinsticos.
Exerccios
1. Classicar cada experimento a seguir como determinstico ou aleatorio:
(a) Lancar 3 moedas e anotar o numero de caras obtidas.

(b) Obter um numero que, somado a 7, resulte 13.
(c) Rodar a bolinha de uma roleta e observar o numero em que ela
para.
(d) Retirar uma bola de uma urna contendo bolas pretas e brancas e
observar a cor.
(e) Lancar 2 dados e anotar a soma dos numeros obtidos.
(f) Retirar uma carta de um baralho e anotar qual e.
(g) Anotar a cor de uma bola retirada de uma urna contendo apenas
bolas vermelhas.
(h) Dirigir um automovel a uma velocidade constante de 60km/h e
observar o tempo gasto para percorrer 200km.
(i) Contar o numero de criancas que irao morrer em seu primeiro ano
de vida durante o proximo ano, na regiao nordeste do Brasil.
(j) Observar uma linha de producao, num dado perodo, e contar o
numero de pecas defeituosas.
CEDERJ 14
MODULO 2 - AULA 14
2. De um exemplo de fenomeno aleatorio que seja objeto de interesse ou

de estudo de cada area a seguir:
(a) Economia
(b) Matematica
(c) Jogo de dados
(d) Saude
(e) Jogos de cavalos
(f) Poltica
(g) Contabilidade
(h) Fsica
(i) Farmacologia
(j) Mercado de Capitais
3. Em cada caso abaixo e descrita uma acao. Enuncie algo a ser observado,
associado a cada acao, de modo a caracterizar um fenomeno aleatorio:
(a) Lancar um dado tres vezes.

(b) Retirar, sem reposicao, duas cartas de um baralho de 52 cartas.
(c) Retirar, com reposicao, duas bolas de uma urna contendo bolas
brancas e bolas vermelhas.
(d) Consultar 50 famlias, consistindo de pai, mae e dois lhos nao-
gemeos.
15 CEDERJ
Aula 15 Experimentos e espaco amostral
MODULO 2 - AULA 15
Objetivos
Nesta aula voce identicara os componentes de um experimento aleatorio
e identicara seu espaco amostral. Pre-requisitos: aula 14.
Introducao
Como vimos na aula 14, experimentos aleatorios sao aqueles que, mesmo
quando realizados em identicas condicoes, podem apresentar variacoes nos
seus resultados. Queremos formular uma teoria matematica que descreva o
experimento estudado. O primeiro passo no desenvolvimento de uma teoria
matematica e construir um modelo matematico. Esse modelo sera usado para
predizer os resultados do experimento. Nesta aula deniremos os elementos
iniciais, necessarios para a construcao do nosso modelo probabilstico.
O conjunto formado pelos resultados possveis de um experimento ale- (omega) e a ultima letra
atorio e chamado de espaco amostral. Vamos representa-lo por . do alfabeto grego. Os
smbolos e representam
o omega minusculo e
Exemplo 3 maiusculo, respectivamente.
Consideremos o experimento de lancar um dado e observar o numero da face

de cima. Sabemos que os unicos resultados possveis sao 1, 2, 3, 4, 5 e 6.
Para este experimento temos, entao, = {1, 2, 3, 4, 5, 6}.
Exemplo 4
Vamos supor, agora, que jogamos uma moeda e observamos a face de cima.
Podemos indicar o espaco amostral desse experimento por = {K, C}, onde
K indica cara e C indica coroa.
Exemplo 5
Para o experimento lancar uma moeda duas vezes e anotar o par de faces de
cimatemos o seguinte espaco amostral: = {(K, K), (K, C), (C, K), (C, C)}.
Lembre-se de que, para identicar o espaco amostral de um certo expe-

rimento, devemos levar em conta as duas atividades que o caracterizam:
a operacao realizada, e
- o que queremos observar.
17 CEDERJ
MATEMTICA Aula 15 Experimentos e espaco amostral
DISCRETA
Compare os dois exemplos a seguir.
Exemplo 6
Seja o experimento lancar uma moeda quatro vezes e anotar a sequencia
de faces observadas. O espaco amostral e formado por todas as possveis
quadruplas de resultados:
= {(K, K, K, K), (K, K, K, C), ..., (K, C, C, C), (C, C, C, C)} .
Estamos usando o Princpio

Neste caso, # = 24 = 16, isto e, existem 16 resultados possveis.
Multiplicativo, que
estudamos na aula 6.
Exemplo 7
# le-se cardinalidade de .
O smbolo #, precedendo o Considere o experimento lancar uma moeda quatro vezes e anotar o numero
nome de um conjunto, indica de caras obtido. Neste caso, o espaco amostral e = {0, 1, 2, 3, 4} e # = 5.
a cardinalidade (numero de
elementos) desse conjunto.
Os exemplos 6 e 7 consistem em experimentos com a mesma acao, mas
com a observacao de resultados distintos.
Exemplo 8
Consideremos o experimento que consiste em lancar dois dados e anotar o
par de numeros resultantes. Para identicar seu espaco amostral, podemos
pensar que o primeiro dado e rosa e que o segundo dado e branco. Teremos,
entao diferentes resultados se forem observados 2-branco seguido de 3-rosa ou
3-branco seguido de 2-rosa. O diagrama abaixo fornece uma representacao
graca dos elementos de :
branco 1 2 3 4 5 6
rosa

1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6) resultados possveis
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6) (elementos de )
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
CEDERJ 18
MODULO 2 - AULA 15
Por exemplo, o par (5, 2) e a situacao da gura a seguir.
Sendo assim, os possveis resultados sao todos os pares ordenados (i, j),
com i = 1, . . . , 6 e j = 1, ..., 6. Podemos dizer que
= {(i, j) | i = 1, . . . , 6, j = 1, . . . , 6} .
Exerccios
1. De o espaco amostral de cada um dos experimentos a seguir:
(a) Lancar duas moedas e anotar o par de faces de cima.

(b) Lancar duas moedas e anotar o numero de caras.
(c) Lancar duas moedas e anotar se os resultados sao iguais ou dife-
rentes.
(d) Jogar um dado duas vezes e anotar a sequencia de numeros ob-
servados.
(e) Jogar um dado duas vezes e anotar a soma dos numeros obtidos.
(f) Jogar um dado duas vezes e anotar o produto dos numeros obtidos.
(g) Jogar um dado duas vezes e anotar o numero de ocorrencias de
numeros primos. Um numero natural e primo
quanto e diferente de 1 e so e
(h) Selecionar, ao acaso, 3 lampadas a partir de um lote e observar se
divisvel por 1 e por ele
cada uma e defeituosa (d) ou perfeita (p). mesmo.
(i) Anotar se um cliente, ao fazer um pedido numa lanchonete, escolhe

sanduche (s), batatas fritas (b), os dois (d) ou nenhum dos dois
(n).
(j) Perguntar a fregueses num supermercado se gostam (s) ou nao (n)
de um certo produto e registrar suas respostas.
19 CEDERJ
DISCRETA
Espaco Amostral
O espaco amostral representa, na Teoria das Probabilidades, o mesmo

Conjunto Universo foi
papel que o conjunto universo representa na Teoria dos Conjuntos. Importante
estudado na aula 3. ressaltar que estudaremos, apenas, experimentos cujos espacos amostrais sao
Um exemplo de experimento
nitos.
aleatorio cujo espaco Quando considerarmos um experimento composto de mais de uma acao,
amostral e innito e a acao
de escolher uma pessoa ao por exemplo,
acaso, numa multidao, e
medir sua altura. Podemos
tentar limitar os valores lancar um dado duas vezes e anotar o par resultante;
possveis, digamos, entre
0,30 e 3 metros, mas, de
qualquer forma, ainda lancar um dado seguido de uma moeda e anotar o par obtido;
teramos uma quantidade
innita de valores possveis.
A altura pode ser qualquer
retirar duas cartas de um baralho de 52 cartas e observar os naipes etc.,
numero real dentro de um
certo intervalo.
o Princpio Multiplicativo sera muito util no calculo do numero de elementos
do espaco amostral. As vezes nao e necessario descrever o espaco amostral,
sendo suciente, para o calculo das probabilidades, conhecer sua cardinali-
dade, isto e, qual o numero de elementos de .
Exemplo 9
Consideremos o experimento lancar uma moeda e um dado e anotar o par
de resultados. Sabemos que para o lancamento da moeda ha dois resultados
possveis: cara e coroa. Para o dado, sao seis as possibilidades: 1,2,3,4,5,6.
Pelo Princpio Multiplicativo, temos um total de 2 6 = 12 elementos em .
lanamento lanamento resultados possveis

da moeda do dado (elementos de r)
1 (k.1)
2 (k.2)
3 (k.3)
k 4 (k.4)
(k.5)
5
(k.6)
6
1 (c,1)
2 (c,2)
3 (c,3)
c
4 (c,4)
(c,5)
5
6 (c,6)
k: cara
c: coroa
CEDERJ 20
MODULO 2 - AULA 15
Exemplo 10
Quantos sao os resultados possveis na loteria esportiva?
Solucao:
A loteria esportiva e composta de 13 jogos. Para cada jogo, e claro, sao
possveis tres resultados, que se traduzem em coluna da esquerda, coluna
do meioe coluna da direita. Logo, # = 3 ... 3 = 313 .
13 termos
Exemplo 11
O lancamento de tres dados possui 6 6 6 = 216 resultados possveis.
Retirada com e sem reposicao

Quando realizamos um experimento em que retiramos algo mais de uma
vez, devemos sempre observar se o objeto retirado e ou nao reposto antes da
proxima retirada. Uma retirada com reposicao e um experimento diferente
de uma retirada sem reposicao.
O proximo exemplo mostra a diferenca que pode ocorrer quando uma
retirada e feita com ou sem reposicao.
Exemplo 12
Em uma urna ha 4 bolas numeradas de 1 a 4. Duas bolas sao retiradas, uma
em seguida a outra, e seus numeros sao anotados. De o espaco amostral em
cada caso:
1. as bolas sao retiradas sem reposicao;
2. a primeira bola e devolvida a urna antes de se retirar a segunda bola.
Solucao:
1. Neste caso, temos

= {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4), (3, 1), (3, 2), (3, 4), (4, 1), (4, 2), (4, 3)}
e entao # = 12.
2. Como a primeira bola e devolvida, nas duas retiradas a urna contem o

total inicial de bolas. Logo, neste caso,
= {(i, j) | i = 1, 2, 3, 4 e j = 1, 2, 3, 4} e # = 16 .
21 CEDERJ
DISCRETA
Exerccios
2. De o espaco amostral e sua cardinalidade, para cada um dos experi-
mentos abaixo.
(a) Retirar uma bola de uma urna que contem bolas brancas e pretas
e vericar sua cor.
(b) Jogar um dado duas vezes e anotar a sequencia de numeros obti-
dos.
(c) Jogar um dado tres vezes e anotar a quantidade de numeros pares
obtidos.
(d) Jogar um dado duas vezes e anotar o produto dos numeros obser-
vados.
(e) Em um lote de 10 lampadas sabe-se que 4 sao defeituosas. As
lampadas sao testadas, uma a uma, ate que todas as defeituosas
sejam encontradas. Contar o numero total de lampadas testadas.
(f) Num conjunto de famlias com 3 lhos, descrever as possveis
sequencias dos sexos dos lhos.
(g) De um grupo de 5 pessoas (A,B,C,D,E), sorteiam-se duas, uma
apos a outra, sem reposicao. E anotado o par obtido.
3. Determine o numero de resultados em cada um dos seguintes experi-

mentos:
Os tipos de sangue que
formam o grupo ABO foram
descobertos em 1901 por
(a) Um dado verde e um dado vermelho sao lancados e e anotado o
Karl Landsteiner. Sao 4 par de numeros obtidos.
tipos: A, B AB e O,
determinados, (b) Um dado verde e um dado vermelho sao lancados e e anotada a
primordialmente, por dois
antgenos e dois anticorpos.
soma dos numeros que aparecem.
A combinacao desses 4
componentes determina o
(c) Sao feitos exames de sangue numa escola. O tipo de sangue
tipo individual de sangue: a (A, B, AB ou O) e a presenca ou ausencia do fator Rh (Rh+
presenca do antgeno implica
a ausencia do anticorpo
ou Rh ) de cada aluno sao anotados.
correspondente. O tipo A
possui antgeno A e nao
(d) Sao lancadas tres moedas e e anotada a sequencia obtida de caras
possui o B. O Tipo B, o e coroas.
inverso disso. O tipo O nao
possui antgenos e o tipo AB
possui os dois.
CEDERJ 22
MODULO 2 - AULA 15
Frequencia relativa de um resultado
Como vimos anteriormente, a Teoria das Probabilidades se baseia nos

aspectos de regularidade dos experimentos aleatorios. Vamos caracterizar
melhor esses aspectos mencionados e responder a pergunta que zemos na
aula anterior: qual o signicado de uma frase como temos uma chance de
30% de ganhar um jogo?
Se um experimento aleatorio e repetido uma certa quantidade de vezes,
a frequencia relativa de um certo resultado do experimento e a razao
entre o numero (m) de vezes que este resultado foi obtido e o numero (n) de
realizacoes do experimento.
Exemplo 13
Suponhamos que o experimento lancar uma moeda equilibrada e observar
a face de cimafoi realizado n vezes. A tabela abaixo mostra o numero de
ocorrencias do resultado cara(m) e a frequencia relativa de caras (m/n).
numero de lancamentos numero de caras frequencia relativa

de caras
(n) (m) (m/n)
10 6 0, 6000
100 46 0, 4600
1.000 524 0, 5240
10.000 5.100 0, 5100
20.000 10.026 0, 5013
50.000 25.025 0, 5005
Conforme o numero de lancamentos vai aumentando, a frequencia rela-

tiva vai se aproximando de 0, 5(= 12 ). Como o lancamento de uma moeda
possui apenas dois resultados possveis, sendo a moeda equilibrada, o valor
1
2
para o resultado caraatende a expectativa do observador.
De uma forma mais geral, consideremos que um experimento e repe-
tido, em condicoes identicas, um numero arbitrariamente grande de vezes.
Suponha que, em n realizacoes desse experimento, um certo resultado E e
observado m vezes. A fracao m/n e a frequencia relativa do resultado E apos
n repeticoes do experimento.
23 CEDERJ
DISCRETA
Resumo
Nesta aula vimos que todo fenomeno aleatorio tem um espaco amostral
associado, que e o conjunto de resultados possveis do experimento realizado.
Aprendemos a identicar o espaco amostral de fenomenos aleatorios dados.
Vimos tambem que, quando realizamos um experimento aleatorio um
grande numero de vezes, podemos denir a frequencia relativa de um resul-
tado como sendo a razao entre o numero de ocorrencias desse resultado e o
numero de vezes que repetimos o experimento.
O conceito de frequencia relativa e importante para denirmos proba-
bilidade, mas veja que trata-se de um conceito emprico. Nao esperamos que
voce realize um experimento (digamos, jogar um dado e anotar a face de
cima) mil vezes ou mais, para concluir algo sobre a frequencia relativa de um
resultado. Mesmo assim, o nosso senso comum, a experiencia adquirida na
observacao do mundo e da natureza, nos permitem armar algo a respeito
do que podemos esperar.
Exerccios
4. Jogue uma moeda 50 vezes e anote o numero de ocorrencias de coroa.
Calcule a frequencia relativa de coroa e a de cara.
5. A tabela abaixo indica as observacoes realizadas em 500 lancamentos

de um dado:
face: 1 2 3 4 5 6
numero de ocorrencias 75 82 78 92 85 88
Calcule a frequencia relativa de cada resultado possvel nesse total de

lancamentos.
6. Um dado e lancado repetidamente e os resultados observados estao

listados na tabela abaixo:
face: 1 2 3 4 5 6
Determine a frequencia relativa de cada resultado ao nal desses lancamentos.
CEDERJ 24
MODULO 2 - AULA 15
7. Um anel circular e dividido em setores iguais, numerados, como indica

a gura abaixo. No seu centro esta preso um ponteiro. Fazemos o
ponteiro girar 500 vezes e anotamos, em cada tentativa, o numero do
setor para o qual o ponteiro aponta quando para.
1 2
A tabela abaixo mostra a quantidade de vezes que cada setor foi assi-
nalado pelo ponteiro. Calcule a frequencia relativa de cada resultado.
setor: 1 2 3
numero de ocorrencias 172 181 147
Auto-avaliacao
Voce nao deve ter encontrado diculdades para resolver os exerccios
propostos nesta aula. De qualquer maneira, se voce teve duvidas em algum
deles, releia a teoria, com calma, e tente novamente. Alguns experimentos
descritos nos exerccios fazem parte do nosso dia-a-dia. Se a duvida persistir,
entre em contato com os tutores da disciplina.
25 CEDERJ
Aula 16 Eventos
MODULO 2 - AULA 16
Aula 16 Eventos
Objetivos
Nesta aula voce aprendera a descrever os diversos eventos associados a
um experimento aleatorio. Pre-requisitos: aulas 2, 3, 4,
5, 14 e 15.
Introducao
Na aula anterior, vimos que, em um mesmo experimento, podemos estar
interessados em diferentes resultados (como nos exemplos 6 e 7 da aula 15).
Nesta aula vamos caracterizar o conjunto de todos os possveis alvos de nossa
observacao na realizacao de um experimento aleatorio.
Consideremos o experimento lancar um dado e anotar o resultado.
Como vimos na Aula 14, o espaco amostral desse experimento e
= {1, 2, 3, 4, 5, 6}. Se voce apostar na ocorrencia de um numero par, tera
sucesso caso o resultado seja:
o numero 2, ou
o numero 4, ou
o numero 6,
isto e, se ocorrer qualquer resultado do conjunto
A = {2, 4, 6}
A e um subconjunto do espaco amostral . Por isso, dizemos que A e

um evento associado a esse experimento.
Um evento e qualquer subconjunto do espaco amostral.
Apos realizado o experimento, dizemos que ocorreu um evento E se o

resultado observado for um elemento de E.
Vimos nas aulas 4 e 5 que um conjunto de n elementos possui 2n sub-
conjuntos. Logo, um experimento cujo espaco amostral possua cardinalidade
n admite 2n eventos distintos.
O conjunto vazio denomina-se evento impossvel. E um evento que
nunca ocorre, o evento E = .
27 CEDERJ
MATEMTICA Aula 16 Eventos
DISCRETA
O conjunto denomina-se evento certo. E um evento que sempre
ocorre, o evento E = .
Os subconjuntos unitarios chamam-se eventos elementares (ou simples).
Eventos com mais de um elemento sao compostos de eventos elementares, por
isso tambem sao chamados de eventos compostos.
Exemplo 14
Consideremos que uma moeda e lancada duas vezes e o par de resultados e
anotado. Representando por K e C os resultados carae coroa, respecti-
vamente, sabemos que = {(K, K), (K, C), (C, K), (C, C)}. Como # = 4,
ha 24 = 16 eventos associados a , que listamos abaixo, com uma possvel
interpretacao para cada um:
obter 3 caras
(ou qualquer outro resultado impossvel)
{(K, K)} obter 2 caras
{(K, C)} obter cara no 1o. lancamento e coroa no 2o.
{(C, K)} obter coroa no 1o. lancamento e cara no 2o.
{(C, C)} obter 2 coroas
{(K, K), (K, C)} obter cara no 1o. lancamento
{(K, K), (C, K)} obter cara no 2o. lancamento
{(K, K), (C, C)} obter resultados iguais
{(K, C), (C, K)} obter resultados diferentes
{(K, C), (C, C)} obter coroa no 2o. lancamento
{(C, K), (C, C)} obter coroa no 1o. lancamento
{(K, K), (K, C), (C, K)} obter pelo menos uma cara
{(K, K), (K, C), (C, C)} nao ocorrer o par (C, K)
{(K, K), (C, K), (C, C)} nao ocorrer o par (K, C)
{(K, C), (C, K), (C, C)} obter pelo menos uma coroa
obter cara ou coroa em cada lancamento
Exemplo 15
Considere o experimento lancar um dado e observar o numero da face de
cima. Vamos explicitar, em forma de conjuntos, os seguintes eventos:
1. A: sair o numero 5
2. B: sair um numero menor que 5
3. C: sair um numero maior que 8
CEDERJ 28
Aula 16 Eventos
MODULO 2 - AULA 16
4. D: sair um numero par
5. E: sair um numero primo
6. F : sair um numero inteiro positivo menor que 7
Solucao:
O espaco amostral e = {1, 2, 3, 4, 5, 6}. Os eventos acima sao:
1. A = {5}. Note que A e um evento elementar.
2. B = {1, 2, 3, 4}
3. C = , pois nao ha resultado maior do que 8; o maior resultado possvel

e 6. C e evento impossvel.
4. D = {2, 4, 6}
5. E = {2, 3, 5}
6. F = {1, 2, 3, 4, 5, 6} = . F e evento certo.
1 2 3 resultado
Exemplo 16 lanamento lanamento lanamento possveis
O experimento agora e: lancar uma moeda tres

vezes e anotar o par de resultados obtidos. Pri-
(k,k,k)
meiramente, vamos explicitar o espaco amostral k
desse experimento. Como antes, vamos represen-

k
tar por K o evento sair carae por C o evento c (k,k,c)
sair coroa, temos: k k (k,c,k)
= {(K, K, K), (K, K, C), (K, C, K), (K, C, C), c

(C, K, K), (C, K, C), (C, C, K), (C, C, C)}.
c (k,c,c)
3
Note que # = 2 = 8. k (c,k,k)
A partir da, vamos explicitar os seguintes eventos: k
c (c,k,c)
1. A: sair exatamente uma cara c
k (c,c,k)
2. B: sair pelo menos uma cara c
(c,c,c)
3. C: sarem exatamente 2 coroas c
4. D: sair, no maximo, uma coroa
29 CEDERJ
DISCRETA
5. E: sarem os tres resultados iguais
Solucao:
1. A = {(K, C, C), (C, K, C), (C, C, K)}
2. B = {K, K, K), (K, K, C), (K, C, K), (C, K, K), (C, C, K),
(C, K, C), (K, C, C)}.
Note que pelo menos umaimplica uma ou mais. No caso, temos as
possibilidades uma, duas ou tres.
3. C = {(C, C, K), (C, K, C), (K, C, C)}.
4. D = {(K, K, K), (K, K, C), (K, C, K), (C, K, K)}.

Note que no maximo umaimplica uma ou menos. Claro que so temos
as possibilidades uma ou nenhuma.
5. E = {(K, K, K), (C, C, C)}
Exemplo 17
Experimento: sortear um numero de 1 a 50.
Neste caso, = {1, 2, 3, 4, ..., 50}. Vamos representar os seguintes eventos:
1. A: sair um numero par
2. B: sair um numero multiplo de 10
Discutimos sobre
3. C: sair um numero divisvel por 3 e por 5
e(intersecao) e
ou(uniao) na aula 4. 4. D: sair um numero divisvel por 3 ou por 5
Solucao:
1. A = {2, 4, 6, 8, 10, ..., 50}. Note que #A = 25.
2. B = {10, 20, 30, 40, 50} e #B = 5.
3. Se um numero e divisvel por 3 e por 5, simultaneamente, ele e divisvel

por 15. Logo, C = {15, 30, 45} e #C = 3.
4. Neste caso, D e a uniao do conjunto dos multiplos de 3 com o conjunto

dos multiplos de 5. Logo,
D = {3, 5, 6, 9, 10, 12, 15, 18, 20, 21, 24, 25, 27, 30, 33, 35, 36, 39, 40,
42, 45, 48, 50} e #D = 23.
CEDERJ 30
Aula 16 Eventos
MODULO 2 - AULA 16
Exemplo 18
Consideremos o experimento: estudar a composicao de uma famlia de tres
lhos, todos nascidos em datas distintas (ou seja, sem ocorrencia de gemeos).
1. Determine um espaco amostral apropriado para esse experimento.
2. Descreva o evento A: ha um menino e duas meninas na famlia.
3. Descreva o evento B: o lho mais velho e um menino.
4. Descreva o evento C: a crianca mais velha e um menino e a mais nova,

uma menina.
Solucao:
1. Representando menino por h e menina por m, podemos obter o

espaco amostral com o auxlio do seguinte diagrama para famlias com
tres lhos:
1 filho 2 filho 3 filho eventos simples
h (h,h,h)
h
m (h,h,m)
h h (h,m,h)
m (h,m,m)
h (m,h,h)
m (m,h,m)
m
h (m,m,h)
m (m,m,m)
Logo, podemos escrever
= {(h, h, h), (h, h, m), (h, m, h), (h, m, m), (m, h, h), (m, h, m),
(m, m, h), (m, m, m)} .
31 CEDERJ
DISCRETA
Usando o diagrama, temos o seguinte:
2. A = {(h, m, m), (m, h, m), (m, m, h)}.
3. B = {(h, h, h), (h, h, m), (h, m, h), (h, m, m)}.
4. C = {(h, h, m), (h, m, m)}.
Exerccios
1. Para cada experimento abaixo, determine o espaco amostral e explicite,

em forma de conjuntos, os eventos dados (caso o numero de elementos
seja muito grande, apenas descreva o conjunto), indicando a cardinali-
dade de cada um:
(a) Experimento: lancar 3 moedas e anotar os ternos de resultados.

A: sarem 3 caras
B: sarem, pelo menos, 2 caras
Eventos: C: sarem, no maximo, 2 coroas
D: sarem numero de caras e coroas iguais
E: sarem 3 coroas
(b) Experimento: lancar um dado duas vezes e anotar os resultados.
A: obter dois numeros pares
B: obter numeros somando 10
Eventos: C: obter dois numeros primos
D: obter dois numeros iguais
E: obter numeros somando 12
Um baralho de 52 cartas e
(c) Experimento: retirar 1 carta de um baralho de 52.
dividido em 4 partes, cada A: retirar um as
uma de um naipe (ouros,
B: retirar uma carta de naipe preto
copas, paus, espadas). Cada
parte contem 13 cartas: as Eventos: C: retirar uma carta de paus
numericas, de 1 (as) a 10 e
as guras (valete, dama, rei).
D: retirar um rei vermelho
E: retirar um valete de ouros ou um rei de espadas
CEDERJ 32
Aula 16 Eventos
MODULO 2 - AULA 16
Obtencao de eventos a partir de outros

A partir de eventos (simples ou compostos) podemos obter novos even-
tos, usando as operacoes de uniao, intersecao e diferenca de conjuntos. Re-
lembrando: sendo A e B dois eventos de um espaco amostral (isto e, A e
B subconjuntos de ), temos:
Evento uniao de A e B: A B = {x |x A ou x B}
Evento intersecao de A e B: A B = {x |x A e x B}
Evento diferenca de A e B: A B = {x |x A e x
/ B}
Em particular, se A e um evento, entao:

A = A = {x |x
/ A} e o complementar de A (em ). O evento
A e chamado evento complementar de A.
Assim, sendo E um experimento e A e B eventos de E, podemos denir
os seguintes eventos de E:
A B: evento que ocorre quando ocorre A ou B
A B: evento que ocorre quando ocorrem A e B
A = A: evento que ocorre quando nao ocorre A
No caso em que A B = , dizemos que os eventos A e B sao mu-

tuamente exclusivos (ou mutuamente excludentes). Como o proprio nome
indica, eventos mutuamente exclusivos nao podem ocorrer simultaneamente.
Dois eventos simples distintos, associados a um mesmo experimento, sao sem-
pre mutuamente exclusivos, pois se A = {a} e B = {b}, entao A B = , se
a = b.
Exemplo 19
Seja o experimento lancar um dado e anotar o numero da face de cima.
Consideremos os seguintes eventos associados a esse experimento:
A: sair numero menor que 5 A = {1, 2, 3, 4}

B: sair numero par B = {2, 4, 6}
C = {1, 2, 3, 4, 6}
D = {2, 4, }
E: sair numero mpar E = {1, 3, 5}
33 CEDERJ
DISCRETA
Observe que:
C =AB
D =AB
E = B (ou seja, E B = )
Entao, dado um certo experimento, sempre podemos, a partir de even-
tos dados, obter outros eventos, usando as operacoes de uniao, intersecao e
complementar de conjuntos vistas na aula 1.
Exemplo 20
Seja um experimento com espaco amostral = {a, b, c, d, e}.
Sejam A = {a, c}, B = {a, b, d} e C = {c, e} eventos associados a esse
experimento. Entao, temos:
1. A B = {a, b, c, d}
2. A B = {a}.
3. B C = {a, b, c, d, e} =
4. B C = , logo, B e C sao mutuamente exclusivos.
5. A = {b, d, e}
6. B = {c, e}
7. C = B, isto e, C e o evento complementar de B.
8. Os eventos A B e A B sao mutuamente exclusivos. (Verique!)
Frequencia relativa de um evento

Na aula 15 vimos que a frequencia relativa de cada resultado (ou evento
simples) de um experimento realizado n vezes e a razao entre o numero m
de ocorrencias desse resultado e o numero n.
Podemos estender essa denicao a um evento qualquer associado ao
experimento:
Se em n repeticoes de um experimento o evento A ocorre nA vezes, entao

fA = nnA e denominada frequencia relativa do evento A nas n repeticoes
do experimento.
CEDERJ 34
Aula 16 Eventos
MODULO 2 - AULA 16
A frequencia relativa fA apresenta as seguintes propriedades:
1. 0 fA 1 (pois nA 0 e nA n. Logo, 0 nA
n
1).
2. fA = 1 se, e somente se, A ocorre em todas as n repeticoes do experi-

mento (pois, neste caso, nA = n).
3. fA = 0 se, e somente se, A nao ocorre em nenhuma das n repeticoes do

experimento.
4. Se A e B sao eventos associados a esse experimento, representando

por fAB e fAB as frequencias relativas dos eventos A B e A B,
respectivamente, entao fAB = fA + fB fAB . Essa relacao parte do
princpio da inclusao-exclusao (estudado na aula 4). O princpio da
inclusao-exclusao arma que,
5. Se A e B sao eventos associados a esse experimento, mutuamente ex- dados os conjuntos A, B e
C, entao #(A B) =
clusivos, representando por fAB a frequencia relativa do evento A B,
#A + #B #(A B).
entao fAB = fA + fB . Esta relacao deriva imediatamente da proprie-
dade 4, no caso A B = .
Observacao. Para simplicar a notacao de frequencia relativa de um

evento simples e, em vez de escrever f{e} , escreveremos simplesmente fe .
Exemplo 21
Seja = {a, b, c, d} o espaco amostral de um experimento que e realizado
repetidamente. A tabela a seguir lista o numero de ocorrencias de cada
evento simples associado ao experimento:
evento {a} {b} {c} {d}

numero de ocorrencias 285 280 220 215
determine:
1. A frequencia relativa de cada evento simples.
2. A frequencia relativa do evento {a} {b}.
3. A frequencia relativa do evento {c}.
35 CEDERJ
DISCRETA
Solucao:
Temos um total de 285 + 280 + 220 + 215 = 1000 repeticoes do experi-
mento. Entao:
1. fa = 285
= 0, 285
1000
280
fb = 1000
= 0, 280
220
fc = 1000
= 0, 220
215
fd = 1000
= 0, 215
2. f{a}{b} = fa + fb = 0, 565
3. Note que {c} = {a, b, d}. Entao f{c} = fa + fb + fd = 0, 780
Resumo
Nesta aula denimos eventos como subconjuntos do espaco amostral e
aprendemos a explicitar eventos em forma de conjuntos
Usamos as operacoes de conjuntos vistas em aulas anteriores para de-
nir os eventos uniao, intersecao e complementar, a partir de eventos dados.
Vimos as propriedades da frequencia relativa, agora estendida para um
evento qualquer.
Com esta aula, estudamos todos os conceitos importantes e necessarios
para que possamos denir probabilidade. E o que faremos na proxima aula.
Exerccios
2. Seja = {a, b, c} o espaco amostral de um experimento.
(a) Liste todos os eventos desse experimento.

(b) Quantos eventos ocorrem se ocorrer {a}?
3. Considere o lancamento de um dado e a observacao do numero da face

de cima. Sejam os eventos:
E: numero par
F : numero mpar
G: numero maior ou igual a 5
CEDERJ 36
Aula 16 Eventos
MODULO 2 - AULA 16
(a) Descreva o evento E F G

(b) Descreva o evento E F G
(c) Os eventos E e F sao mutuamente exclusivos? Justique.
(d) Os eventos F e G sao mutuamente exclusivos? Justique.
4. Seja o espaco amostral de um experimento e A, B e C eventos

associados a esse experimento. Descreva os eventos abaixo, usando a
notacao das operacoes de conjuntos:
(a) Ocorrer A ou ocorrer B

(b) Ocorrerem A e B
(c) Ocorrer A mas nao ocorrer B
(d) Nao ocorrer C
(e) Nao ocorrer nenhum dos eventos A, B e C
(f) Ocorrer A mas nao ocorrer B nem C
5. Oito jogadores de tenis (j1 , ..., j8 ) disputam um torneio em que o ven-

cedor de uma etapa passa para a etapa seguinte, conforme a dinamica
descrita no diagrama a seguir:
Jogo 1
(j1 vs. j2)
semifinal
Jogo 2
(j3 vs. j4)
final
Jogo 3
(j5 vs. j6)
semifinal
Jogo 4
(j7 vs. j8)
Descreva o espaco amostral listando os possveis participantes na nal

do torneio.
37 CEDERJ
DISCRETA
6. A tabela abaixo traz o numero de ocorrencias de cada evento elementar
de um certo experimento, realizado repetidamente:
evento {e1 } {e2 } {e3 } {e4 } {e5 }

numero de ocorrencias 850 1200 1350 980 620
Sejam os eventos A = {e1 , e2 , e4 } e B = {e1 , e4 , e5 }. Determine a

frequencia relativa dos eventos A B, A B e A.
7. Considere quatro objetos a, b, c, e d. Suponha que o resultado de um

experimento seja anotar a ordem na qual esses objetos estao listados.
Considere os eventos:
A = {a esta na primeira posicao}
B = {c esta na terceira posicao}
(a) De o espaco amostral desse experimento.

(b) De os eventos A B e A B.
Auto-avaliacao
Se voce sentiu diculdades nos exerccios, tente resolve-los usando
diagramas de Venn: eventos sao subconjuntos do espaco amostral. Caso
as diculdades persistam, solicite a ajuda de um tutor da disciplina.
CEDERJ 38
Aula 17 Probabilidades
MODULO 2 - AULA 17
Objetivos
Nesta aula voce vera a denicao do conceito-chave deste Modulo: a

probabilidade de ocorrencia de eventos associados a experimentos aleatorios.
Equiprovavel: apresenta as
Aprendera a reconhecer uma distribuicao de probabilidade e a identicar um mesmas probabilidades de
espaco amostral equiprovavel. ocorrencia.
Pre-requisitos: aulas 14 a 16.
Introducao
Estamos agora em condicoes de atingir o objetivo mencionado na pri-

meira aula deste Modulo: atribuir um numero a cada evento associado a um
experimento aleatorio, que avaliara a chance de ocorrencia desse evento.
Poderamos resolver o problema da seguinte forma: repetir o experi-
mento um numero grande de vezes, calcular a frequencia relativa de cada
evento e adotar esse numero como sendo a probabilidade de ocorrencia do
evento considerado. As propriedades da frequencia relativa demonstram que
esse numero indica, de uma maneira bastante precisa, a chance de um dado
evento ocorrer. Alem disso, aumentando o numero de realizacoes do ex-
perimento, e de se esperar que cada frequencia relativa se aproxime, cada
vez mais, de um certo numero. Esse numero seria o candidato ideal para a
probabilidade do evento considerado.
Ha, porem, duas grandes diculdades em se adotar a frequencia relativa
como valor da probabilidade de um evento:
Quantas vezes deve se repetir o experimento para se ter um valor da

frequencia relativa que seja aceitavel? (Ou: o que signica um grande
numero de vezes?)
Para uma mesma quantidade de repeticoes do experimento, os valo-

res obtidos para as frequencias relativas podem variar de um experi-
mentador para outro; assim, o numero adotado dependeria de experi-
mentacao.
39 CEDERJ
MATEMTICA Aula 17 Probabilidades
DISCRETA
Desejamos um meio de obter tal numero sem depender de experi-
mentacoes, mas de modo que o numero denido possa reetir o que
observamos.
Daremos, a seguir, uma denicao formal e, mais tarde, faremos consi-
deracoes sobre os aspectos que acabamos de mencionar.
Probabilidade de um evento simples
Consideremos um experimento aleatorio com espaco amostral nito
= {e1 , e2 , ..., en } .
A cada evento simples ei corresponde um numero real re-

presentado por P ({ei}), ou simplesmente P (ei ), denominado
probabilidade de {ei }, de modo que sejam satisfeitas as seguintes
condicoes:
1. P (ei ) 0, i = 1, 2, ..., n
2. P (e1 ) + P (e2 ) + ... + P (en ) = 1
Veja que o numero real associado ao evento simples {ei } e completa-

mente arbitrario. Por exemplo, considerando o lancamento de um dado, a
denicao de probabilidade permite que facamos a seguinte associacao:
evento {1} {2} {3} {4} {5} {6}

1 1
probabilidade 2
0 0 0 0 2
Embora essa atribuicao de valores nao nos pareca natural, por nao re-
etir o que observamos quando lancamos um dado repetidas vezes (embora
possamos admitir a existencia de um dado balanceado para isso), e rigo-
rosamente aceitavel, do ponto de vista matematico, uma vez que atende a
denicao.
Exemplo 22
Uma moeda e balanceada de modo que a chance de dar CARA e 5 vezes a
chance de dar COROA. Qual a probabilidade de dar CARA?
Solucao:
Representando por P (K) e P (C) as probabilidades de dar cara e coroa,
respectivamente, temos que P (K) = 5P (C). Pela denicao de probabilidade,
CEDERJ 40
MODULO 2 - AULA 17
temos tambem que P (K) + P (C) = 1. Da, 6P (C) = 1, donde P (C) = 16 .

Logo, a probabilidade de dar cara e 1 P (C) = 1 16 = 56 .
Seja um experimento aleatorio com espaco amostral nito . Atribuir
uma probabilidade a cada elemento de e denir uma distribuicao de proba-
bilidades para . A partir de uma distribuicao de probabilidades, podemos
denir a probabilidade de um evento qualquer associado a esse experimento.
Probabilidade de um evento
Consideremos um experimento aleatorio com espaco amostral nito
= {e1 , e2 , ..., en } .
Seja E um evento associado a esse experimento. Denimos a probabili-

dade de ocorrencia de E, indicada por P (E), como segue:
1. se E = , P (E) = P () = 0.
2. se E e uniao de r eventos simples, E = {ei1 , . . . , eir }, entao

P (E) = P (ei1 ) + ... + P (eir ).
Em particular,
P () = P (e1 ) + ... + P (en ) = 1 .
Exemplo 23
Duas moedas sao lancadas e as faces de cima anotadas. O espaco amostral
desse experimento e = {(K, K), (K, C), (C, K), (C, C)}, no qual K repre-
senta carae C representa coroa. Considere o evento A: sair faces iguais.
Determine a probabilidade de A, para cada distribuicao de probabilidade
abaixo:
1
1. P ((K, K)) = P ((K, C)) = P ((C, K)) = P ((C, C)) = 4
2. P ((K, K)) = 49 ; P ((K, C)) = P ((C, K)) = 29 ; P ((C, C)) = 1

9
Solucao:
O evento A e {(K, K), (C, C)}. Entao
P (A) = P ((K, K)) + P ((C, C)) .
41 CEDERJ
DISCRETA
Logo,
1 1 1
1. P (A) = 4
+ 4
= 2
4 1 5
2. P (A) = 9
+ 9
= 9
Exemplo 24
Suponhamos que um dado foi construdo de modo que a probabilidade de
cada face seja proporcional ao numero de pontos dessa face. Qual a proba-
bilidade de se obter um numero par de pontos num lancamento desse dado?
Solucao:
O espaco amostral desse experimento e = {1, 2, 3, 4, 5, 6}. Seja x a
probabilidade de sair a face 1. Entao:
P (1) = x
P (2) = 2x
P (3) = 3x
P (4) = 4x
P (5) = 5x
P (6) = 6x
Pela denicao de probabilidades, esses valores tem que satisfazer a

relacao P (1) + P (2) + P (3) + P (4) + P (5) + P (6) = 1.
Logo, x + 2x + 3x + 4x + 5x + 6x = 1 21x = 1 x = 21 1
.
Estamos interessados no evento A = {2, 4, 6}.

Entao P (A) = P (2) + P (4) + P (6) = 2x + 4x + 6x = 12x = 12 1
21
= 47 .
Eventos simples equiprovaveis
Consideremos um dado equilibrado, isto e, um dado no qual todas as

faces tem a mesma chance de sair voltada para cima.
Para o experimento de lancar esse dado e observar o numero da face de
cima, sabemos que = {1, 2, 3, 4, 5, 6}. Como P (e1 ) + ... + P (e6 ) = 1, segue
que cada probabilidade sera P (ei ) = 16 .
De maneira analoga, considerando-se o lancamento de uma moeda equi-
librada, temos P (cara) = P (coroa) = 12 .
CEDERJ 42
MODULO 2 - AULA 17
De modo geral, quando todos os resultados de um experimento aleatorio

tem a mesma chance de ocorrer, dizemos que sao equiprovaveis. O espaco
amostral e chamado espaco amostral equiprovavel.
Seja = {e1 , ..., en } o espaco amostral de um experimento aleatorio.

Se e equiprovavel entao
1
P (ei ) = , i = 1, ..., n
n
Neste caso, a distribuicao de probabilidades e chamada distribuicao
uniforme.
Exemplo 25
Consideremos o lancamento de um dado equilibrado. Determine a probabi-
lidade de cada evento abaixo:
1. A: sair o numero 5
2. B: sair um numero maior que 4
3. C: sair um primo
4. D: sair um numero maior que 7
Solucao:
O espaco amostral e = {1, 2, 3, 4, 5, 6}. Como o dado e equilibrado,
todos os resultados sao equiprovaveis e adotamos a distribuicao de probabi-
lidades uniforme. Assim, a probabilidade de cada evento elementar e 16 .
Temos, entao:
1
1. P (A) = P ({5}) = 6
1 1 2 1
2. P (B) = P ({5, 6}) = P ({5}) + P ({6}) = 6
+ 6
= 6
= 3
1
3. P (C) = P ({2, 3, 5}) = P ({2}) + P ({3}) + P ({5}) = 6
+ 16 + 16 = 3
6
= 1
2
4. P (D) = P () = 0
Exemplo 26
O experimento e o lancamento de duas moedas equilibradas. Determine a
probabilidade de cada evento:
43 CEDERJ
DISCRETA
1. A: dar duas coroas
2. B: dar, ao menos, uma coroa
3. C: dar uma cara e uma coroa
Solucao:
Temos = {(K, K), (K, C), (C, K), (C, C)}, equiprovavel. Logo, a
probabilidade de cada evento elementar e 14 .
Entao:
1
1. P (A) = P ({(C, C)}) = 4
2. P (B) = P ({(K, C), (C, K), (C, C)}) = 3 1

4
= 3
4
3. P (C) = P ({(K, C), (C, K)}) = 2 1

4
= 1
2
Exemplo 27
No lancamento de dois dados equilibrados, determinemos a probabilidade de
cada evento descrito abaixo:
1. A: sarem numeros com soma 10
2. B: sarem dois numero maiores que 4
3. C: sarem dois numero primos
4. D: sarem numeros com soma menor que 15
5. E: sair, pelo menos, um 6
6. F : sarem dois numeros iguais
Solucao:
Neste experimento,
= { (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), (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)}.
1
A probabilidade de cada evento elementar e 36
.
CEDERJ 44
MODULO 2 - AULA 17
Entao:
1. P (A) = P ({(4, 6), (5, 5), ((6, 4)}) = 3 1

36
= 3
36
= 1
12
2. P (B) = P ({(5, 5), (5, 6), (6, 5), (6, 6)}) = 4 1

36
= 4
36
= 1
9
3. P (C) = P ({(2, 2), (2, 3), (2, 5), (3, 2), (3, 3), (3, 5), (5, 2), (5, 3), (5, 5)}) =
= 9 36
1
= 14
4. P (D) = P () = 1
5. P (E) = P ({(1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (6, 6), (6, 1), (6, 2), (6, 3),
(6, 4), (6, 5)}) = 11 36
1
= 11
36
6. P (F ) = P ({(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}) = 6 1
36
= 1
6
Observando os exemplos, conclumos que:
Se e um espaco amostral equiprovavel, com n elementos e A , com

#A = r, entao
1 r #A
P (A) = r. = =
n n #
Podemos nos referir aos elementos de A como casos favoraveis a A,

uma vez que, se algum deles ocorrer, A ocorrera. Usando essa terminologia,
sendo um espaco amostral equiprovavel, podemos escrever:
numero de casos favoraveis a A

P (A) =
numero de resultados possveis do experimento
Exemplo 28
A distribuicao dos tipos de sangue numa certa populacao e dada na seguinte
tabela:
tipo de sangue A B AB O
numero de pessoas 155 105 102 138
Uma pessoa do grupo analisado e sorteada ao acaso. Qual a probabili-

dade de seu sangue ser AB?
45 CEDERJ
DISCRETA
Solucao:
Podemos supor que a probabilidade de ser sorteada seja a mesma, para
todas as pessoas da populacao estudada. Como existem 102 pessoas com
sangue do tipo AB num total de 500, a propabilidade pedida e igual a 102
500
.
Exemplo 29
Ao sortear um numero inteiro de 1 a 50, qual a probabilidade de ser sorteado
um numero maior que 30?
Solucao:
O espaco amostral desse experimento e = {1, 2, 3, ..., 49, 50}. Logo,
# = 50. Seja A o evento numero maior que 30. Entao A = {31, 32, ..., 50}
e #A = 20. Como e equiprovavel, temos P (A) = #A
#
= 20
50
= 25 .
Exemplo 30
Sao lancados dois dados equilibrados. Calcule a probabilidade de cada evento
a seguir:
1. A: os numeros sao menores que 4
2. B: a soma dos numeros e 9
Solucao:
Vimos anteriormente que o espaco amostral deste experimento e
= {(1, 1), (1, 2), ..., (6, 5), (6, 6)}, com # = 36
Como os dados sao equilibrados, a probabilidade de cada evento simples e

1 1
#
= 36 .
Entao:
1. A = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)}. Logo
#A 9 1
P (A) = = = .
# 36 4
2. B = {(3, 6), (4, 5), (5, 4), (6, 3)}. Entao P (B) = #B
#
= 4
36
= 19 .
CEDERJ 46
MODULO 2 - AULA 17
Exemplo 31
Seja o seguinte experimento: uma caixa I contem duas bolas brancas e uma
preta. Uma caixa II contem uma bola branca. Retira-se uma bola da caixa
I e coloca-se a mesma na caixa II. Depois, retira-se uma bola da caixa II.
Liste os resultados possveis e calcule a probabilidade de que a bola retirada
da caixa II seja branca.
Solucao:
Vamos supor as bolas brancas numeradas: 1 e 2, na caixa I e 3, na
caixa II. A gura abaixo indica as diferentes possibilidades.
caixa I caixa II branca 1
branca 3
2 3 1
a
ad
caixa I caixa II
ir
branca 2
et
caixa I caixa II
1r
la
bo
bola 2 retirada branca 3

2
1 1 3 2
3
bo
la
pr
branca 3
et
caixa I caixa II
ar
et
ira
preta
da
1 2 3
Os resultados possveis estao listados na tabela a seguir, juntamente

com suas probabilidades. Parece razoavel supor que os eventos simples sao
equiprovaveis, cada um com probabilidade de 16 , pois sao 6 no total.
evento bola tirada da caixa I bola tirada da caixa II P (Ei )
E1 branca-1 branca-1 1/6
E5 preta branca-3 1/6
E6 preta preta 1/6
A probabilidade pedida e
1 1 1 1 1 5
P (E1 ) + P (E2 ) + P (E3 ) + P (E4 ) + P (E5 ) =+ + + + = .
6 6 6 6 6 6
Uma observacao importante a respeito da frequencia relativa e da proba-
bilidade de um evento: fA e P (A) nao sao a mesma coisa. P (A) e um valor
atribudo, arbitrario, atendendo a denicao de probabilidade. fA e uma
aproximacao obtida experimentalmente. Ao adotar para P (A) um valor do
qual fA se aproxima (a medida que o numero de repeticoes do experimento
aumenta), tentamos fazer com que o modelo probabilstico reita o que ob-
servamos ao longo da nossa experiencia.
47 CEDERJ
DISCRETA
Resumo
Nesta aula denimos probabilidade de um evento associado a um expe-
rimento aleatorio. Denimos eventos simples equiprovaveis e a distribuicao
uniforme. Sendo A um subconjunto de um espaco amostral equiprovavel,
denimos a probabilidade de A como sendo a razao entre o numero de casos
favoraveis a A e o numero de resultados possveis do experimento. Em ter-
mos de cardinalidade de conjuntos, isso equivale a dizer que a probabilidade
de A ocorrer e a razao entre a cardinalidade de A e a do espaco amostral.
Exerccios
1. Um dado e lancado 300 vezes. As ocorrencias dos eventos estao regis-

tradas na tabela abaixo:
face 1 2 3 4 5 6
Atribua uma probabilidade a cada evento elementar, igual a frequencia

relativa observada. A seguir, determine a probabilidade de cada evento
abaixo:
(a) A: numero par

(b) B: numero maior que 4
(c) C: numero divisor de 10
2. Um dado equilibrado e lancado duas vezes. Qual a probabilidade de
(a) A soma dos numeros observados ser menor que 5?

(b) Pelo menos um dos lancamentos dar 6?
3. Uma urna contem 3 bolas pretas, 2 bolas vermelhas e 5 bolas brancas.

Uma bola e retirada ao acaso. Qual a probabilidade de a bola ser preta?
4. Seja = {e1 , e2 , e3 , e4 , e5 } o espaco amostral associado a um experi-

mento, com distribuicao de probabilidade dada pela tabela abaixo:
evento {e1 } {e2 } {e3 } {e4 } {e5 }

1 4 5 3 2
probabilidade 15 15 15 15 15
CEDERJ 48
MODULO 2 - AULA 17
De a probabilidade de cada evento:
(a) A = {e1 , e2 , e4 }
(b) B = {e1 , e5 }
(c) C = {e3 , e4 }
(d) D =
5. Um experimento admite apenas tres resultados: a, b e c. Suponha que

a e duas vezes mais provavel de ocorrer que c e que c e duas vezes mais
provavel de ocorrer que b. Determine P (a), P (b) e P (c).
6. Uma letra e escolhida, ao acaso, entre as que formam a palavra PER-

NAMBUCO. Qual a probabilidade de ser uma vogal?
7. A tabela abaixo mostra pretensas distribuicoes de probabilidade para

o lancamento de duas moedas. Quais dessas podem ser aceitas?
{(K,K)} {(K,C)} {(C,K)} {(C,C)}

1 1/4 1/4 1/4 1/4
2 0 0 0 1
3 2/15 4/15 7/15 2/15
4 1/2 1/2 1/2 1/2
5 1/9 2/9 3/9 4/9
6 1,2 0,8 0,5 0,1
Auto-avaliacao
Veja se entendeu claramente a denicao de probabilidade. Note que se
trata de uma denicao teorica: podemos denir uma distribuicao de probabi-
lidade que nao corresponda ao que observamos ao nosso redor. No exerccio
7, verique cuidadosamente quais das condicoes presentes na denicao de
probabilidade foram ou nao satisfeitas. Voce deve resolver os exerccios
sem grandes diculdades. Caso tenha duvidas, solicite ajuda do tutor da
disciplina.
49 CEDERJ
Aula 18 Usando tecnicas de contagem no calculo de probabilidades
MODULO 2 - AULA 18
Aula 18 Usando tecnicas de contagem no

calculo de probabilidades
Objetivos
Nesta aula voce ira aplicar o Princpio Fundamental da Contagem e
as tecnicas de contagem (arranjo, combinacao e permutacao) estudadas no
Modulo 1 para calcular probabilidades. Pre-requisitos: aulas 6 a 12,
14 a 17.
Introducao
Esta aula nao contem nenhum item novo de teoria. Nela, iremos aplicar
conceitos ja estudados. Usaremos a formula que fornece a probabilidade de
um evento associado a um espaco amostral equiprovavel e, para determinar
as cardinalidades dos conjuntos envolvidos, usaremos as tecnicas de contagem
mencionadas acima.
Consideremos um experimento aleatorio de espaco amostral associado
. Vimos que, se equiprovavel e A , a probabilidade do evento A e
dada por:
numero de casos favoraveis a A #A
P (A) = =
numero de casos possveis #
Acompanhe, com atencao, as resolucoes dos exemplos apresentados a
seguir. Depois, resolva os exerccios propostos.
Exemplo 32
Uma moeda equilibrada e lancada seis vezes. Qual a probabilidade de
1. A: sarem exatamente 4 caras?
2. B: sarem, pelo menos, 4 caras?
3. C: sair cara no primeiro, terceiro e quinto lancamentos?
51 CEDERJ
MATEMTICA Aula 18 Usando tecnicas de contagem no calculo de probabilidades
DISCRETA
Solucao:
Usando o Princpio Fundamental da Contagem, temos que, ao lancar
uma moeda seis vezes, temos um total de 26 = 64 eventos elementares
possveis, sendo cada um representado por uma sequencia de seis smbolos,
K (cara) ou C (coroa).
1. O evento A representa a ocorrencia de exatamente 4 caras entre esses

seis smbolos, nao importando a ordem em que ocorram. Isso caracte-
riza uma combinacao de 6 elementos tomados 4 a 4. Logo, temos:
6!
#A C6,4 15
P (A) = = = 2!4! = = 0, 235 .
# 64 64 64
2. O evento B equivale a se ter ocorrencia de 4 carasou ocorrencia de

5 carasou ocorrencia de 6 caras. Logo, temos
#B = C6,4 + C6,5 + C6,6 = 15 + 6 + 1 = 22 .

22
Da, P (B) = = 0, 344.
64
3. O evento C e constitudo das sequencias (cara, , cara, , cara, ), onde
os lugares marcados com podem ser ocupados com cara ou coroa.
Temos, entao, um total de 2 2 2 possibilidades de preenchimento
desses lugares. Logo,
#C
#C = 23 = 8 e P (C) = = 8/64 = 1/8 .
#
Exemplo 33
Um grupo e formado por 7 rapazes e 5 mocas. Sao escolhidas 4 pessoas desse
grupo, ao acaso, sem reposicao, para formarem uma comissao. Determine a
probabilidade de:
1. serem escolhidos exatamente dois rapazes.
2. serem escolhidos, pelo menos, dois rapazes.
Solucao:
O espaco amostral desse experimento e formado por todas as com-
binacoes (ja que a ordem da escolha nao importa) das 12 pessoas, tomadas
4 a 4:
12 12!
# = = = 495 .
4 8!4!
CEDERJ 52
MODULO 2 - AULA 18
Alem disso, como todas as pessoas tem a mesma chance de serem es-
colhidas, o espaco amostral e equiprovavel.
1. O evento A: serem escolhidos exatamente dois rapazese formado pe-

las combinacoes constitudas de 2 rapazes e 2 mocas. Para determinar
o total dessas combinacoes, dividimos a tarefa em duas etapas:
- escolhemos 2 entre os 7 rapazes, e
- escolhemos 2 entre as 5 mocas.
Aplicamos, entao, o princpio multiplicativo:
7! 5!
#A = C7,2 C5,2 = = 21 10 = 210 .
5!2! 3!2!
#A 210 14
Logo, P (A) = = = .
# 495 33
2. O evento B: serem escolhidos, pelo menos, dois rapazes, ocorre se fo-
rem escolhidos dois, tres ou quatro rapazes. Temos, entao, as seguintes
possibilidades:
- 2 rapazes e 2 mocas
- 3 rapazes e 1 moca
- 4 rapazes e 0 mocas
Aplicando o mesmo raciocnio do item anterior, temos:
(C7,2 C5, 2) + (C7,3 C5, 1) + (C7,4 C5,0 ) = 210 + 175 + 35 = 420 .
420 28
Logo, P (B) = 495
= 33
.
Exemplo 34
Escolhemos, ao acaso, r objetos de um conjunto de n objetos, com reposicao.
Qual a probabilidade de que nenhum objeto seja escolhido mais de uma vez?
Solucao:
Pelo Princpio multiplicativo,
r
# = nn...
n = n .
r termos
Vejamos as possibilidades de escolha em cada retirada, de forma a nao

haver repeticao do elemento retirado:
53 CEDERJ
DISCRETA
1a. retirada: n
2a. retirada: n1
3a. retirada: n2
... ...
r-esima retirada: nr+1
Pelo Princpio multiplicativo, temos um total de n(n 1)(n 2)...(n

r + 1) casos favoraveis. Logo, a probabilidade de que nenhum objeto seja
escolhido mais de uma vez e n(n1)(n2)...(nr+1)
nr
.
Exemplo 35
Num lote de 20 pecas ha 6 defeituosas. Sao escolhidas 5 pecas do lote, ao
acaso. Qual a probabilidade de serem sorteadas 2 pecas defeituosas?
Solucao:
Uma retirada de 5 pecas e um amostra do lote, sendo que nao importa a
ordem em que a retirada e feita. Trata-se, assim, de combinacao. O total de
20!
amostras e # = C20,5 = 15!5! = 20.19.18.17.16
5.4.3.2.1
= 15.504, todas equiprovaveis.
Seja o evento A: duas pecas defeituosas na amostra.
O total de elementos em A e calculado usando o princpio multiplicativo.
Dividimos a tarefa de escolher as 5 pecas em duas etapas: selecionamos 2
pecas defeituosas entre as 6 existentes no lote e selecionamos 3 pecas entre
as 14 nao-defeituosas do lote.
Assim:
6! 14! 6.5 14.13.12
#A = C6,2 .C14,3 = . = . = 15 364 = 5.460 .
4!2! 11!3! 1.2 1.2.3
Logo,P (A) = #A
#
= 5.460
15.504
0, 3522.
Exemplo 36
Considere um lote de valvulas com cinco diferentes nveis de qualidade. Es-
colhendo, aleatoriamente, tres valvulas desse lote, qual a probabilidade de
duas possurem qualidade dos tres melhores nveis?
Solucao:
Como no exemplo 35, cada retirada de tres valvulas do lote representa
uma amostra. Podemos aceitar que cada amostra tem a mesma probabilidade
de ocorrer.
CEDERJ 54
MODULO 2 - AULA 18
Seja o evento: A: a amostra contem duas valvulas dos tres melhores

nveis. Vamos determinar o total de elementos de e de A. Cada amostra
representa a retirada de 3 unidades entre 5, sem que a ordem importe. Logo,
e um problema de combinacao:
5!
# = C5,3 = = 10 .
2!3!
Para determinar #A, vamos dividir, novamente, a tarefa em duas

etapas:
1. escolher 2 entre as 3 melhores valvulas:

3!
C3,2 = =3.
1!2!
2. escolher a terceira valvula entre os dois nveis mais baixos:

2!
C2,1 = =2.
1!1!
Entao, o total de elementos em A e 3 2 = 6. Logo, a probabilidade

6
pedida e P (A) = 10 = 0, 6.
Exemplo 37
Uma pessoa lanca um dado equilibrado 5 vezes. Ela esta interessada em tirar
5 ou 6 pontos, exatamente em tres lancamentos. Qual a probabilidade de
que isso ocorra?
Solucao:
Seja A o evento sair 5 ou 6 exatamente em tres lancamentos. Sendo
o dado equilibrado, o espaco amostral , associado a esse experimento, e
#A
equiprovavel. Logo, P (A) = . Precisamos, entao, determinar as cardi-
#
nalidades dos conjuntos A e .
Como o dado e lancado cinco vezes, e formado por todas as sequencias
de 5 elementos, cada um deles pertencente ao conjunto {1, 2, 3, 4, 5, 6}. Pelo
Princpio multiplicativo, temos que # = 65 = 7776.
O evento A e o subconjunto de formado pelas sequencias em que
tres elementos pertencem ao conjunto {5, 6} e dois elementos pertencem ao
conjunto {1, 2, 3, 4}. Por exemplo, as sequencias (5,5,5,1,1), (5,1,6,2,5) e
(1,2,5,6,6) pertencem a A. O total dessas sequencias e obtido dividindo-se a
tarefa em etapas:
55 CEDERJ
DISCRETA
1. Vamos escolher 3 posicoes, entre as 5 possveis, para preencher com
elementos do conjunto {5, 6}. O numero de escolhas e dado por C5,3 =
5!
3!2!
= 10.
2. Para preencher cada uma das 3 posicoes escolhidas, temos duas possi-
bilidades: 5 ou 6. Logo, o total e dado por 23 = 8 possibilidades.
3. Para preencher cada uma das duas posicoes restantes, podemos esco-
lher qualquer elemento do conjunto {1, 2, 3, 4}. Logo, temos 42 = 16
escolhas possveis.
Pelo Princpio multiplicativo, #A = 10 8 16 = 1280.

Da, a probabilidade pedida e:
#A 1280 40
P (A) = = = .
# 7776 243
Exemplo 38
Sao formados numeros de 4 algarismos distintos usando-se os dgitos 1,2,3,4
e 5. Um desses numeros e sorteado. Qual a probabilidade dele ser par?
Solucao:
O espaco amostral do experimento e formado por todas as sequencias
de 4 algarismos distintos escolhidos no conjunto {1, 2, 3, 4, 5}. Como a ordem
importa, trata-se de um problema de arranjo de 5 elementos tomados 4 a 4:
5!
# = A5,4 = = 120 .
(5 4)!
Seja A o evento o numero e par. Temos as seguintes possibilidades:
o algarismo das unidades e 2: escolhemos 3 dgitos no conjunto {1, 3, 4, 5}

para preencher as outras posicoes: A4,3 = 24;
o algarismo das unidades e 4: escolhemos 3 dgitos no conjunto {1, 2, 3, 5}

para preencher as outras posicoes: A4,3 = 24.
Assim,
48 2
#A = 24 + 24 = 48 e P (A) = = .
120 5
CEDERJ 56
MODULO 2 - AULA 18
Resumo
Nesta aula trabalhamos apenas com espacos amostrais equiprovaveis e
calculamos a probabilidade de um evento A atraves da razao entre a cardi-
nalidade de A e a do espaco amostral. Para isso, aplicamos as tecnicas de
contagem estudadas no modulo 1 na determinacao das cardinalidades dos
conjuntos envolvidos (espacos amostrais e eventos).
Exerccios
1. De a quantidade de elementos do espaco amostral associado a cada

experimento randomico abaixo: Na aula 14, voce viu que os
experimentos probabilsticos
(a) Lancar uma moeda 4 vezes. ou aleatorios tambem sao
chamados, por alguns
(b) Lancar um dado 3 vezes. autores, de RANDoMICOS.
(c) Lancar uma moeda 5 vezes.

(d) Lancar um dado tres vezes e, a seguir, 1 moeda.
(e) Lancar 2 dados e 2 moedas.
(f) Selecionar 2 cartas, sem reposicao, de um baralho de 52 cartas.
(g) Selecionar 3 cartas, sem reposicao, de um baralho de 52 cartas.
(h) Selecionar 5 cartas, com reposicao, de um baralho de 52 cartas.
2. Sao retiradas, sem reposicao, 2 cartas de um baralho de 52 cartas e

observa-se o par retirado. Qual a probabilidade de o par de cartas ser
valete e dama?
3. Um grupo de 10 pessoas se oferece para doar sangue. Dentre elas,

8 possuem sangue tipo A. Sao escolhidas tres pessoas desse grupo,
aleatoriamente. Qual a probabilidade de
(a) todas as tres pessoas terem sangue do tipo A?

(b) duas dessas pessoas terem sangue do tipo A e uma nao?
(c) pelo menos uma das pessoas ter sangue do tipo A?
57 CEDERJ
DISCRETA
4. Sao retiradas 13 cartas de um baralho de 52 cartas.
(a) Qual a probabilidade de ser retirado exatamente um as?

(b) Qual a probabilidade de ser retirado, pelo menos, um as?
(c) Qual a probabilidade de que sejam retiradas apenas cartas de
ouros?
5. Em uma gaveta ha 50 pregos bons e 30 pregos enferrujados. Sao reti-

rados, ao acaso, 10 pregos dessa gaveta. Qual a probabilidade de que
todos sejam bons?
6. Dez pessoas vao se sentar em la. Paulo e Maria estao entre elas. Qual
a probabilidade de Paulo e Maria sentarem juntos?
7. Lancando-se 6 vezes uma moeda equilibrada, qual a probabilidade de

que ocorra:
(a) exatamente 3 caras?

(b) pelo menos 2 coroas?
(c) 3 caras e 3 coroas, alternadas?
Auto-avaliacao
Nesta aula nao foi apresentado nenhum conceito novo. Se voce teve
duvidas na resolucao dos exerccios, reveja as aulas anteriores deste modulo
e as de tecnicas de contagem, do modulo 1. Caso as duvidas persistam,
solicite a ajuda do tutor da disciplina.
CEDERJ 58
Aula 19 Probabilidade do evento complementar
MODULO 2 - AULA 19
Aula 19 Probabilidade do evento

complementar
Objetivos
Nesta aula voce vera algumas propriedades da probabilidade (com enfase

na probabilidade do evento complementar) e aplicara essas propriedades na
resolucao de problemas. Pre-requisitos: aulas 14 a 18.
Introducao
Seja o espaco amostral de um experimento aleatorio. Da denicao

de probabilidade de um evento, seguem as seguintes propriedades:
Propriedade 1. P () = 0.
Propriedade 2. P (A) 0, A
Propriedade 3. P () = 1
Propriedade 4. Se A e B sao eventos associados a esse experimento,

mutuamente exclusivos (A B = ), entao P (A B) = P (A) + P (B).
A
a2
a1
a3 A = {a1, a2, a3} P (a1) = P (a2) + P(a3)
a2
B = {a5, a6} P (B) = P (a5) + P (a6)
B A B=
a5
a4
a6
A B = {a1, a2, a3, a5, a6}
P (A B) = P (a1) + P (a2) + P (a3) + P (a5) + P (a6) =
= P (A) + P (B)
59 CEDERJ
MATEMTICA Aula 19 Probabilidade do evento complementar
DISCRETA
Para vericar a validade da propriedade 4, basta lembrar que P (A) e
a soma das probabilidades dos eventos simples que pertencem a A. Ana-
logamente, P (B) e a soma das probabilidades dos eventos simples que per-
tencem a B. Como A e B nao possuem elementos em comum, segue que
P (A B) = P (A) + P (B).
A propriedade 4 pode ser estendida para uma quantidade nita de
eventos:
Se A1 , . . . , An sao eventos dois a dois mutuamente exclusivos, associados
a um certo experimento, entao

P (A1 . . . An ) = P (Ai), i = 1, ..., n .
Exemplo 39
Considere o experimento: extrair uma carta de um baralho de 52 cartas
e anotar qual seja. Determine a probabilidade de sair uma gura ou um
numero par.
Solucao:
Sejam os eventos:
A: gura
B: numero par
Queremos calcular P (A B).
Como o baralho e dividido em cartas numericas e guras, os eventos
A e B sao mutuamente exclusivos. Por outro lado, cada carta tem a mesma
chance de sair, isto e, o espaco amostral associado e equiprovavel. Assim,
P (A) = 12
52
e P (B) = 20
52
.
Logo, pela propriedade 4 das probabilidades,
12 20 32 8
P (A B) = P (A) + P (B) = + = = .
52 52 52 13
Exemplo 40
Uma urna contem 5 bolas assinaladas com sinal +e 6 bolas assinaladas
com sinal . Duas bolas sao retiradas, sem reposicao, e e anotado o par de
sinais observados. Qual a probabilidade de o produto dos sinais ser positivo?
Solucao:
O numero de elementos de e dado pelo total de combinacoes (uma
vez que a ordem dos sinais nao vai alterar o sinal do produto) de 11 elementos
tomados 2 a 2:
11!
# = C11,2 = = 55 .
9!2!
CEDERJ 60
MODULO 2 - AULA 19
Queremos P (A), onde A = {+ +, }. Os eventos {+ +} e { }

sao mutuamente exclusivos. Entao #A e a soma dos totais de elementos de
cada um desses eventos.
O numero de elementos do evento {+ +} e dado pelas combinacoes das
5 bolas assinaladas com +, tomadas 2 a 2:
5!
C5,2 = = 10 .
3!2!
Analogamente, o numero de elementos do evento { } e dado por
6!
C6,2 = = 15 .
4!2!
25 5
Logo, #A = 25 e P (A) = 55
= 11
.
O problema tambem poderia ser resolvido com o uso de um diagrama,
como indicado a seguir: 5 4 20
+ caso (+,+) . =
11 10 110
4
10
5
6 5 6 30
11
10
- caso (+,-) . =
11 10 110
6 5 30
+ caso (-,+)
11
. 10 = 110
5
10
6
11
-
5
10 6 5 30
- caso (-,-) . =
11 10 110
A partir das propriedades 1 a 4, podemos determinar a probabilidade

do evento complementar:
Propriedade 5. (Probabilidade do evento complementar)

P (A) = 1 P (A), A .
_
A
61 CEDERJ
DISCRETA
Prova.
Podemos escrever = A A e A A = . Logo, pelas propriedades
4 e 3, P () = P (A) + P (A) = 1, isto e, P (A) = 1 P (A).
Exemplo 41
Retomemos o experimento do exemplo 39. Qual a probabilidade de sair
numero mpar ou gura?
Solucao:
O que desejamos e que nao saia um numero par. Logo, o evento men-
cionado e o complementar do evento B (sair numero par). Pela propriedade
5, P (B) = 1 P (B) = 1 20
52
= 138
.
Exemplo 42
Sendo = {e1 , e2 , e3 , e4 } o espaco amostral de um experimento aleatorio,
com P (e1 ) = 3/12, P (e2 ) = 7/12 e P (e3 ) = 10/12. Vamos determinar
P (e4 ).
Solucao:
Se P (e2 ) = 7/12, entao P (e2 ) = 1 7/12 = 5/12.
Se P (e3 ) = 10/12, entao P (e3 ) = 1 10/12 = 2/12.
Como P (e1 ) + P (e2 ) + P (e3 ) + P (e4 ) = 1, temos P (e4 ) = 2/12.
Exemplo 43
Uma aplicacao interessante da regra da probabilidade do evento complemen-
tar e o problema do aniversario, que consiste em calcular a probabilidade de,
num grupo de n pessoas, pelo menos duas aniversariarem num mesmo dia.
Neste caso, temos que a cardinalidade de e
365
365 ... 365 = 365n .
n termos
Vamos determinar a probabilidade de nao ocorrerem aniversarios num

mesmo dia. Seja A esse evento. Entao #A = 365 364 363 ... 365
(n1). Logo, P (A) = 365364...365(n1)
365n
e o nosso evento tem probabilidade
1 P (A). A tabela a seguir mostra a probabilidade para alguns valores de
n:
CEDERJ 62
MODULO 2 - AULA 19
n probabilidade
10 0, 13
20 0, 42
30 0, 71
40 0, 89
50 0, 97
Note que para n = 50, ou seja, para um grupo razoavelmente pequeno

de pessoas, trata-se de um evento praticamente certo! Se voce ja leciona e
sua turma tem cerca de 40 alunos, pode fazer essa experiencia na sala de
aula.
Exemplo 44
Um numero do conjunto {1, 2, ..., 200} e escolhido ao acaso. Qual a probabi-
lidade de sair um numero que nao seja multiplo de 5?
Solucao:
Este e um caso em que devemos usar a regra da probabilidade do evento
complementar, pois veja que e muito mais simples determinar a probabilidade
de sair um numero que seja multiplo de 5. Entao seja A o evento sair
numero multiplo de 5. Queremos P (A). Temos A = {5, 10, 15, ..., 195, 200}.
Para determinar o numero de elementos de A, podemos interpretar esses
elementos como termos de uma progressao aritmetica de primeiro termo 5 e
razao 5.
Vamos usar a formula do termo geral de uma PA:
an = a1 + (n 1)r
No nosso caso, a1 = 5, r = 5, an = 200 e queremos n.

Entao 200 = 5 + 5(n 1) n = 40. Como e equiprovavel e possui
40
200 elementos, temos P (A) = 200 = 15 . Pela regra da probabilidade do evento
complementar, a probabilidade pedida e
1 4
P (A) = 1 P (A) = 1 = .
5 5
Exemplo 45
Um grupo e formado por 8 rapazes e 6 mocas. Seis pessoas vao ser escolhidas
ao acaso, para formarem uma comissao. Qual a probabilidade dessa comissao
contar com, pelo menos, 1 rapaz?
63 CEDERJ
DISCRETA
Solucao:
O espaco amostral e formado pelas combinacoes de 14 elementos, to-
mados 6 a 6:
14!
# = C14,6 = = 3003 .
8!6!
Seja A o evento pelo menos um rapaz. Se fossemos determinar o
numero de elementos de A, teramos que considerar as possibilidades:
1 rapaz e 5 mocas
2 rapazes e 4 mocas
3 rapazes e 3 mocas
4 rapazes e 2 mocas
5 rapazes e 1 moca
6 rapazes e nenhuma moca
Podemos, porem, optar por uma resolucao mais simples, determinando
a probabilidade do evento complementar, ou seja, a probabilidade de a co-
missao nao contar com nenhum rapaz, o que equivale a dizer que a comissao
e formada por 6 mocas escolhidas entre as 6:
#A = C6,6 = 1 .
Logo, P (A) = 1 P (A) = 1 1

3003
= 3002
3003
.
Resumo
Nesta aula vimos as propriedades basicas da probabilidade e aprende-
mos a determinar a probabilidade do evento complementar de um evento
dado.
Exerccios
1. Um dado equilibrado e lancado. Qual a probabilidade de nao se obter

6 pontos?
2. Considere o espaco amostral = {a1 , a2 , a3 , a4 } com distribuicao de

probabilidade: P (a1 ) = x, P (a2 ) = 2x, P (a3 ) = 4x, P (a4 ) = 6x. Cal-
cule
CEDERJ 64
MODULO 2 - AULA 19
(a) P (a1 )
(b) P (A), onde A = {a2 , a4 }
(c) P (B), onde B = {a1 , a2 , a3 }
3. Cinco pessoas vao ser escolhidas, ao acaso, para formar uma banca,
num grupo formado por 6 professores e 6 alunos. Qual a probabilidade
dessa banca contar com, pelo menos, 1 aluno?
4. Um numero do conjunto {1, 2, 3, ..., 100} e sorteado. Qual a probabili-

dade de nao sair um multiplo de 10?
5. Uma urna contem 6 bolas brancas, 5 amarelas, 4 azuis, 3 vermelhas e

2 verdes. Uma bola e extrada ao acaso. Qual a probabilidade de sair
uma bola que tenha uma das cores da bandeira brasileira?
6. Numa cidade, 45% dos homens sao casados, 35% solteiros, 15% divor-
ciados e 5% viuvos. Um homem e escolhido ao acaso. Qual a probabi-
lidade desse homem:
(a) ser solteiro ou divorciado?

(b) nao ser casado?
7. Um numero e escolhido, ao acaso, no conjunto {1, 2, 3, ..., 30}. Deter-

mine a probabilidade de se escolher:
(a) um primo ou multiplo de 4.

(b) um numero nao-primo.
Auto-avaliacao
O mais importante nesta aula e aprender a identicar se um dado pro-
blema de probabilidade se torna mais facil de resolver atraves do evento
complementar. Fique atento, a partir de agora, na hora de calcular uma
probabilidade! Caso voce nao tenha conseguido resolver algum exerccio,
releia a teoria, com calma, e tente novamente. Se necessario, solicite a ajuda
do tutor da disciplina.
65 CEDERJ
Aula 20 Regra da adicao
MODULO 2 - AULA 20
Objetivos
Nesta aula voce estudara outras propriedades das probabilidades. Vera
como a probabilidade da uniao de eventos se relaciona com as probabilidades
desses eventos. Pre-requisitos: aulas 14 a 19.
Introducao
Consideremos um experimento aleatorio com espaco amostral
= {a1 , a2 , ..., a12 } e os eventos
A = {a2 , a3 , a4 , a5 , a6 , a7 } e B = {a6 , a7 , a8 , a9 , a10 } .
Queremos determinar P (A B). Temos:

#A = 6
#B = 5
A B = {a2 , a3 , a4 , a5 , a6 , a7 , a8 , a9 , a10 } #A B = 9
A B = {a6 , a7 } #A B = 2
Logo,
#A B = 9 = 6 + 5 2 = #A + #B #(A B) ,
conforme ilustra o diagrama abaixo:
A
a1 a3 B a11
a2
a5 a6 a8
a4 a7 a10
a9
a12
67 CEDERJ
MATEMTICA Aula 20 Regra da adicao
DISCRETA
Podemos generalizar esse resultado, obtendo a seguinte:
Propriedade. (Regra da adicao)
Seja o espaco amostral de um experimento aleatorio e sejam

A, B . Entao
P (A B) = P (A) + P (B) P (A B) .
Prova.
Vamos escrever os conjuntos A B e B como unioes de conjuntos
disjuntos: A B = A (A B) e B = (A B) (A B). Entao, pela
propriedade 4, vista na aula 19, temos:
P (A B) = P (A) + P (A B).
P (B) = P (A B) + P (A B) P (A B) = P (B) P (A B)
Da, P (A B) = P (A) + P (B) P (A B).
A B A B
_ _
A B A B
A B
_ _
A B= A (A B) B = (A B) (A B)
Observacao. Se A B = entao P (A B) = 0. Temos, entao:

A e B mutuamente exclusivos P (A B) = P (A) + P (B).
Exemplo 46
Numa classe de 40 alunos, 22 sao homens e 15 sao louros. Entre os alunos
louros, 10 sao mulheres. Um aluno e escolhido ao acaso. Qual a probabilidade
de ser homem ou louro?
CEDERJ 68
MODULO 2 - AULA 20
Solucao: H M
17 5 0 10 8
Sejam os eventos H: homeme L: louro. Queremos a probabilidade

do evento H L.
Entao
22 15 5 4
P (H L) = P (H) + P (L) P (H L) = + = .
40 40 40 5
Exemplo 47
Consideremos novamente o experimento de retirar uma carta de um baralho
de 52 cartas e observar a que sai. Vamos determinar a probabilidade de que
a carta retirada seja vermelha ou uma gura.
Solucao:
Sejam os eventos A: gurae B: vermelha. Queremos P (A B).
Temos:
# = 52
#A = 12 (4 cartas de cada naipe)
#B = 26 (13 cartas de ouros, 13 de copas)
#(A B) = 6 (3 guras de ouros, 3 guras de copas)
Logo, pela propriedade da adicao:
12 26 6 8
P (A B) = P (A) + P (B) P (A B) = + = .
52 52 52 13
Exemplo 48
Um numero do conjunto {1, 2, ..., 100} e escolhido ao acaso. Vamos determi-
nar a probabilidade desse numero:
1. ser multiplo de 5 e de 6, simultaneamente.
2. ser multiplo de 5 ou de 6.
3. nao ser multiplo de 5 nem de 6.

69 CEDERJ
DISCRETA
Solucao:
O espaco amostral desse experimento e o proprio conjunto {1, 2, ..., 100}
e e equiprovavel, pois todos os numeros tem a mesma chance de serem esco-
lhidos.
1. Seja A o evento o numero retirado e multiplo de 5 e de 6, simul-

taneamente. Isso signica que esse numero e multiplo de 30 (pois
30 e o menor multiplo comum de 5 e 6). Logo, A = {30, 60, 90} e
P (A) = #A
#
3
= 100 .
2. Sejam os eventos:
B: o numero retirado e multiplo de 5e
C: o numero retirado e multiplo de 6.
Queremos P (B C). Pela regra da adicao, sabemos que essa probabi-
lidade e igual a P (B) + P (C) P (B C). Observe que P (B C) ja
foi calculada no item a) (B C :o numero retirado e multiplo de 5 e
de 6). Vamos determinar as probabilidades dos eventos B e C:
B = {5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85,
90, 95, 100}
#B = 20 .
#B 20
Aqui poderamos ter usado a
Logo, P (B) = #
= 100
.
formula do termo geral de
uma PA, como zemos na C = {6, 12, 18, 24, 30, 36, 42, 48, 54, 60, 66, 72, 78, 84, 90, 96}
aula 19. Para determinar a
cardinalidade de B, a PA e #C = 16
de primeiro termo 5, razao 5
e ultimo termo 100. Para Portanto,
determinar a cardinalidade #C 16
de C, a PA tem primeiro P (C) = = .
termo 6, razao 6 e ultimo
# 100
termo 96.
Podemos, agora, calcular a probabilidade pedida:
20 16 3 33
P (B C) = + = .
100 100 100 100
3. O evento nao e multiplo de 5 nem de 6 e o evento complementar de

B C. Portanto, a probabilidade pedida e
33 67
P (B C) = 1 P (B C) = 1 = .
100 100
CEDERJ 70
MODULO 2 - AULA 20
Exemplo 49
Consultando 700 alunos de uma universidade, verica-se que 250 cursam
licenciatura em Matematica, 210 cursam o bacharelado em Matematica e 290
cursam Computacao. Alem disso, como a universidade permite que um aluno
tenha mais de uma matrcula, ha alunos cursando mais de um desses cursos:
50 fazem, simultaneamente, Computacao e licenciatura; 60, Computacao e
bacharelado; 70 cursam licenciatura e bacharelado e ainda ha 20 deles que
sao alunos dos tres cursos. Um desses alunos e sorteado para representar a
universidade num evento. Determine a probabilidade desse aluno:
1. cursar a licenciatura em Matematica.
2. cursar a licenciatura e o bacharelado em Matematica.
3. cursar a licenciatura ou o bacharelado em Matematica.
4. nao cursar Computacao.
5. cursar pelo menos um desses tres cursos.
Solucao:
Vamos, primeiramente, organizar os dados fornecidos no enunciado num
diagrama, como zemos nas aulas 4 e 5.
C L
200 30 150
20
40 50
100
B 110
Sejam os eventos:
L: cursar licenciatura em Matematica
B: cursar bacharelado em Matematica
C: cursar Computacao
Como todos os alunos tem a mesma chance de serem escolhidos, os
resultados possveis sao equiprovaveis.
71 CEDERJ
DISCRETA
Entao:
250 5
1. P (L) = 700
= 14
2. Queremos P (L B). Pelo diagrama podemos ver que #(L B) = 70.

70 1
Logo, a probabilidade pedida e 700 = 10 .
3. Queremos P (L B). Pela regra da adicao, P (L B) = P (L) + P (B)

P (L B) = 250
700
+ 210
700
700
70
= 39
70
.
4. Queremos P (C). Como P (C) = 290 700

, pela regra do evento complemen-
tar, P (C) = 1 P (C) = 1 700 = 700
290 41
.
5. Neste caso, e mais facil determinar a probabilidade do evento comple-

mentar, ou seja, a probabilidade de o aluno nao cursar qualquer desses
tres cursos. Pelo diagrama, vemos que sao 110 alunos nessa situacao.
Logo, a probabilidade pedida e 1 110
700
= 59
70
.
Resumo
Nesta aula aprendemos a calcular a probabilidade do evento uniao de
dois eventos dados.
Exerccios
1. Considere o espaco amostral = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} e os eventos

A = {1, 2, 4}, B = {2, 4, 5, 6} e C = {8, 10}. Enumere os seguintes
eventos:
(a) A B
(b) A B
(c) A (B C)
2. Suponha que A e B sejam eventos tais que P (A) = 12 , P (B) = 1

3
e
P (A B) = 16 . Determine:
(a) P (A)
(b) P (A B)
CEDERJ 72
MODULO 2 - AULA 20
3. Em cada item a seguir, explique o porque da armativa estar INCOR-

RETA:
(a) A probabilidade de um onibus passar num determinado ponto na

hora prevista e 0, 40. Entao a probabilidade de ele passar no ponto
fora da hora prevista e 0, 55.
(b) Uma pessoa participa de um jogo no qual sua probabilidade de
1
ganhar e 10 . Se ela participa de 5 partidas entao sua probabilidade
5
de ganhar e 10 .
(c) A probabilidade de um produto ter seu preco aumentado de um
determinado mes para o seguinte e 0, 7. Entao, a probabilidade
do produto ter seu preco diminudo nesse mesmo perodo e 0, 3.
(d) Sao lancados um dado branco e um dado verde. A probabilidade
de sair 6 no dado branco e 1/6 e a probabilidade de sair 6 no dado
verde e 1/6. Entao a probabilidade de sair 6 em ambos os dados
e 1/6 + 1/6 = 2/6.
(e) Numa escola ha 10 turmas. Se um estudante dessa escola e sele-
cionado ao acaso, entao a probabilidade de que pertenca a uma
certa turma e 1/10.
4. Sejam A e B eventos associados a um certo experimento aleatorio.

Sabe-se que P (A) = a, P (B) = b e P (A B) = c. Determine, em
funcao de a, b e c, as seguintes probabilidades:
(a) P (A B)
(b) P (A B)
(c) P (A B)
(d) P (A B)
5. Seja o espaco amostral. Mostre que:
(a) A B P (A) = P (B) P (B A).

(b) A B P (A) P (B).
73 CEDERJ
DISCRETA
6. Sejam A, B e C eventos associados a um certo experimento aleatorio.
Sabendo-se que
P (A) = P (B) = P (C) = 1/4
P (A B) = P (B C) = 0 e P (A C) = 1/8,
calcule a probabilidade de ocorrer pelo menos um dos eventos
A, B ou C.
7. Suponha que A, B e C sejam eventos tais que

1
P (A) = P (B) = P (C) = 5
P (A B) = P (B C) = 1
10
P (A C) = 16
Calcule a probabilidade de ocorrer cada evento abaixo:
(a) P (A)
(b) P (A B)
8. Seja o espaco amostral de um experimento aleatorio e sejam

A, B, C . Mostre que
P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C)

P (B C) + P (A B C) .
9. Uma gaveta contem 100 parafusos, 60 porcas e 40 pregos. Metade dos

parafusos, metade das porcas e metade dos pregos estao enferrujados.
Uma dessas pecas e retirada, ao acaso. Qual a probabilidade de que
ela seja um parafuso ou uma porca ou que esteja enferrujada?
10. Dois eventos A e B sao tais que P (A) = 0, 30 e P (B) = 0, 90.
(a) Se P (A B) = 0, 20, quanto e P (A B)?

(b) A e B podem ser mutuamente exclusivos?
Auto-avaliacao
No exerccio 3, certique-se de ter compreendido bem claramente a
razao pela qual cada armativa e falsa. Para isso, relembre as propriedades
da probabilidade, vistas na aula 17. Use diagramas de Venn para ajuda-lo a
interpretar os enunciados dos exerccios. Caso sinta duvidas, solicite a ajuda
do tutor da disciplina.
CEDERJ 74
Aula 21 Probabilidade condicional e Regra da multiplicacao
MODULO 2 - AULA 21
Aula 21 Probabilidade condicional e Regra

da multiplicacao
Objetivos
Nesta aula voce vera que o fato de um evento ocorrer pode afetar a
probabilidade de ocorrencia de outro evento e aprendera a determinar essa
probabilidade. Pre-requisitos: aulas 14 a 20.
Introducao
Consideremos o experimento de extrair, ao acaso, duas bolas de uma
urna contendo bolas pretas e bolas brancas. Vamos analisar a diferenca entre
fazer a segunda retirada com ou sem reposicao da primeira bola.
Para xar ideias, vamos supor que a urna contenha 80 bolas pretas e 20
bolas brancas. Vamos retirar duas bolas, uma apos a outra e vericar suas
cores.
Sejam os eventos A: a primeira bola e pretae B: a segunda bola e
preta.
1. Retirada com reposicao:

Neste caso, a cada retirada, havera 80 bolas pretas num total de 100
80
bolas. Logo, P (A) = P (B) = 100 .
2. Retirada sem reposicao:

Agora nao e tao imediato determinar a probabilidade de B ocorrer. A
80
probabilidade do evento A continua sendo 100 . Para determinar P (B),
precisamos saber a quantidade de bolas de cada cor restante na urna.
Se A nao ocorreu, o numero de bolas pretas continua sendo 80 e o total
passa a ser 99. Entao, a probabilidade de B ocorrer, dado que A nao
ocorreu, e 80
99
.
Se A ocorreu, ha 79 bolas pretas num total de 99 bolas. Entao, a
probabilidade de B ocorrer, dado que A ocorreu, e 79
99
.
75 CEDERJ
MATEMTICA Aula 21 Probabilidade condicional e Regra da multiplicacao
DISCRETA 1 bola 2 bola
79
r B: 99 p probabilidade de ocorrer B
rre
oco sabendo que A ocorreu: 79
p 99
10 0
: 8
0
rA
b
re
or
oc
n
oo
co
rre 80 b probabilidade de ocorrer B
rA 1 B: 99
: 00 orr
er sabendo que A no ocorreu: 80
20 oc 99
b
Anal, qual o valor de P (B)? Mais adiante, na aula 22, veremos como
determinar a probabilidade de B.
O fato de a ocorrencia ou nao de um evento alterar a probabilidade de
um outro evento leva a caracterizacao de probabilidade condicional:
Sejam A e B eventos associados a um experimento aleatorio.

Representamos a probabilidade condicional de B dado que A ocorreu por
P (B|A) (le-se probabilidade de B dado A).
A gura a seguir ilustra o que ocorre em cada caso:

A A
B
B
BA
P (B) =
#B #(B A)
(a) (b) P(B/A) =
#
y #A
(a) Quando calculamos P (B), estamos calculando a chance de estarmos

em B, sabendo que estamos em .
(b) Quando calculamos P (B|A), estamos calculando a chance de estarmos

em B, sabendo que estamos em A. Neste caso, o nosso espaco amostral
se reduz a A, uma vez que o evento A ocorreu.
CEDERJ 76
MODULO 2 - AULA 21
Supondo equiprovavel, temos P (B|A) = #(BA)

#A
. Dividindo o nume-
rador e o denominador na expressao de P (B|A) por #, temos:
#(BA)
# P (B A)
P (B|A) = #A
= .
#
P (A)
Temos, entao:
Probabilidade condicional de B dado A:

P (B A)
P (B|A) = (desde que P (A) > 0)
P (A)
Exemplo 50
Um dado equilibrado e lancado duas vezes. O par de numeros da face de
cima e anotado. Sejam os eventos:
A: a soma dos numeros obtidos e 10
B: o primeiro numero do par e menor do que o segundo.
Vamos determinar P (A), P (B), P (B|A), P (A B) e vericar a relacao entre
essas probabilidades.
Solucao:
Vimos anteriormente que o espaco amostral desse experimento e for-
mado pelos 36 pares (i, j) obtidos fazendo i variar de 1 a 6 e j variar de 1 a
6. Temos tambem que e um espaco amostral equiprovavel, pois o dado e
equilibrado.
Temos:
A = {(4, 6), (5, 5), (6, 4)} e
B = {(1,2),(1,3),(1,4),(1,5),(1,6),(2,3),(2,4),(2,5),(2,6), (3, 4), (3, 5), (3, 6),
(4, 5), (4, 6), (5, 6)}
Assim, #A = 3 e #B = 15.
3 15
Logo, P (A) = 36
e P (B) = 36
.
Se A ocorre, sabemos que o par obtido e um dos que compoem A :
(4, 6), (5, 5) ou (6, 4). Apenas um deles (o par (4, 6)) pertence a B. Logo,
P (B|A) = 13 .
O evento A B ocorre somente se um par tem a soma dos elementos
igual a 10 e o primeiro elemento menor que o segundo. O unico par que
satisfaz a essas duas condicoes e o par (4, 6). Logo, P (A B) = 36
1
.
77 CEDERJ
DISCRETA
Podemos constatar, portanto, que
P (B A) 1
36 1
= 3 = = P (B|A)
P (A) 36
3
e que
P (B) = P (B|A) .
Note que temos duas maneiras de calcular a probabilidade condicional

P (B|A):
1. diretamente, considerando o espaco amostral reduzido a A;
2. usando a formula, onde P (BA) e P (A) sao calculadas em relacao a .
Exemplo 51
Um numero e escolhido ao acaso no conjunto {1, 2, 3, ..., 50}. Qual a proba-
bilidade desse numero ser par, sabendo-se que e um multiplo de 5?
Solucao:
Sejam os eventos:
A: sair numero par
B: sair numero multiplo de 5
Vamos resolver o problema de dois modos:
1o. modo: Considerando que o evento B ocorreu, restringimos o espaco

amostral a B = {5, 10, 15, 20, 25, 30, 35, 40, 45, 50}.
Restrito a esse espaco, A = {10, 20, 30, 40, 50}.
Logo, a probabilidade pedida e
#A 5 1
= = .
#B 10 2
2o. modo: Queremos calcular a probabilidade condicional
P (A B)
P (A|B) = ,
P (B)
sendo = {1, 2, . . . , 50}.

Temos #B = 10, A B = {10, 20, 30, 40, 50} e B ja foi listado no item
anterior.
CEDERJ 78
MODULO 2 - AULA 21
Da,
#(A B) 5 1
P (A B) = = = e
# 50 10
#B 10
P (B) = = .
# 50
Logo,
5
50 5 1
P (A|B) = 10 = = .
50
10 2
A expressao da probabilidade condicional permite a obtencao de uma
importante relacao, conhecida como teorema da multiplicacao de
probabilidades:
P (A B) = P (A).P (B|A)
O mesmo, expresso em palavras: A probabilidade da intersecao de dois

eventos e o produto da probabilidade de um deles pela probabilidade do outro
ocorrer dado que o primeiro ocorreu.
Assim, poderamos tambem escrever P (A B) = P (B).P (A|B).
Exemplo 52
Um lote contem 80 pecas boas (b) e 20 pecas defeituosas (d). Duas pecas sao
retiradas ao acaso, uma apos a outra, sem reposicao. Qual a probabilidade
de ambas serem defeituosas?
Solucao:
O espaco amostral e = {(b, b), (b, d), (d, b), (d, d)}. A resolucao ca
mais simples se construirmos a arvore das probabilidades:
1 retirada 2 retirada
b
79
99
20
80 99
100 d
b
20 80
100 99
19
99
d P (d,d) = 20 . 19
100 99 79 CEDERJ
DISCRETA
Sejam os eventos:
A: primeira peca defeituosa
B: segunda peca defeituosa
Entao, queremos P (A B) = P (d, d).
Temos:
20 19 19
P (A B) = P (A).P (B|A) = . = .
100 99 495
Exemplo 53
No lancamento de um dado equilibrado, calcular as seguintes probabilidades:
1. obter mais do que 4 pontos;
2. obter mais do que 4 pontos, sabendo que o resultado foi um numero

mpar de pontos;
3. obter mais do que 4 pontos, sabendo que o resultado foi mais do que 3
pontos.
Solucao:
Como o dado e equilibrado, os resultados sao equiprovaveis.
Sejam os eventos:
A: sair mais do que 4 pontos
B: sair numero mpar
C: sair numero maior do que 3
Entao temos:
1. A = {5, 6}. Logo, P (A) = #A

#
= 2
6
= 13 .
P (AB)
2. Queremos P (A|B). Sabemos que essa probabilidade e dada por P (B)
.
Temos:
B = {1, 3, 5} #B = 3 P (B) = 36 .
A B = {5} #(A B) = 1 P (A B) = 16 .
1
6 1
Logo, P (A|B) = 3 = .
6
3
CEDERJ 80
MODULO 2 - AULA 21
3. Queremos P (A|C). Temos:

C = {4, 5, 6} #C = 3 P (C) = 36 .
A C = {5, 6} #(A C) = 2 P (A C) = 26 .
2
P (AC) 6 2
Logo, P (A|C) = P (C)
= 3 = .
6
3
Exemplo 54
1. Um casal tem dois lhos e sabe-se que um deles e homem. Qual a
probabilidade de que o outro seja homem?
2. Um casal tem dois lhos e sabe-se que o mais velho e homem. Qual a
probabilidade de que o mais novo seja homem?
Solucao:
O espaco amostral e formado pelos pares (h, h), (h, m), (m, h), (m, m),
onde representamos homem por h e mulher por m. Como sao resultados
equiprovaveis, cada um tem probabilidade 14 de ocorrer.
1. Sabendo que um dos lhos e homem, o espaco amostral se reduz a

{(h, h), (h, m), (m, h)}. O evento o outro lho e homeme {(h, h)}.
Logo, a resposta, neste caso, e 13 .
2. Como o lho homem e o mais velho, o espaco amostral ca restrito

a {(h, h), (h, m)}. Queremos a probabilidade de o segundo lho ser
homem, isto e, queremos que ocorra {(h, h)}. Logo, a probabilidade
pedida e 12 .
81 CEDERJ
DISCRETA
Resumo
Nesta aula aprendemos a determinar a probabilidade de um evento,
considerando que um outro evento, associado ao mesmo experimento, tenha
ocorrido. A probabilidade do evento B dado que o evento A ocorreu e dada
por
P (B A)
P (B|A) = .
P (A)
Vimos que ha duas maneiras de calcular a probabilidade condicional
P (B|A):
1. diretamente, considerando o espaco amostral reduzido a A;
2. usando a formula, onde P (B A) e P (A) sao calculadas em relacao

ao espaco amostral do experimento.
A partir da formula da probabilidade condicional, obtivemos a regra da mul-

tiplicacao:
P (A B) = P (A).P (B|A) = P (B).P (A|B) .
Exerccios
1. Uma carta e retirada, ao acaso, de um baralho de 52 cartas. Qual a

probabilidade de ser de ouros, sabendo que e vermelha?
2. Um dado equilibrado e lancado 2 vezes e e anotado o par de numeros

obtidos. Se a soma dos resultados e 7, qual a probabilidade de ter sado
3 na primeira jogada?
3. Duas cartas sao retiradas, sem reposicao, de um baralho de 52 cartas.

Qual a probabilidade de
(a) ambas serem de paus?

(b) ambas serem do mesmo naipe?
CEDERJ 82
MODULO 2 - AULA 21
4. Num predio vivem 30 pessoas, das quais 14 sao homens. Seis homens
e doze mulheres trabalham o dia todo. Os demais moradores sao estu-
dantes. Uma dessas pessoas e escolhida ao acaso. Qual a probabilidade
dela ser:
(a) mulher?
(b) estudante?
(c) mulher e estudante?
(d) homem, sabendo que trabalha?
(e) estudante, sabendo que e mulher?
5. Dois dados equilibrados sao lancados. Determine a probabilidade de:
(a) obter soma de 8 pontos, sabendo que a soma e maior que 7;

(b) obter soma de 6 pontos, sabendo que os numeros observados sao
iguais.
6. A tabela a seguir mostra a resposta de 1000 compradores de carros no-

vos ou usados de um certo modelo, quanto a estarem ou nao satisfeitos
com a respectiva compra:
satisfeito nao satisfeito total

novo 350 130 480
usado 400 120 520
750 250 1000
Representando por S e N os eventos satisfeitoe novo, respectiva-

mente, determine as probabilidades abaixo.
(a) P (S N)
(b) P (S N)
(c) P (N|S)
(d) P (N|S)
(e) P (S|N)
(f) P (S|N)
83 CEDERJ
DISCRETA
Auto-avaliacao
Voce deve comprender claramente o que ocorre quando um evento tem
sua chance de ocorrencia afetada pela ocorrencia de outro. Caso voce sinta
duvidas para resolver os exerccios, leia o resumo atentamente. Se necessario,
solicite a ajuda do tutor da disciplina.
CEDERJ 84
Aula 22 Eventos independentes e Regra da probabilidade total
MODULO 2 - AULA 22
Aula 22 Eventos independentes e Regra da

probabilidade total
Objetivos
Nesta aula voce aprendera a identicar eventos independentes um do
outro. Aprendera, tambem, como calcular a probabilidade de um evento a
partir de sua probabilidade condicionada a ocorrencia de outros eventos. Pre-requisitos: aulas 14 a 21.
Eventos independentes
Na aula 21 estudamos a probabilidade condicional, ou seja, a proba-
bilidade de eventos cujas ocorrencias sao afetadas pela ocorrencia de outro
evento. Dados dois eventos A e B, associados a um mesmo experimento, pode
acontecer de a ocorrencia de A nao alterar a probabilidade de B. Quando
isso acontece, dizemos que B e A sao eventos independentes.
Poderamos estabelecer a independencia de B em relacao a A, impondo
P (B|A) = P (B) (ou, equivalentemente, que P (A|B) = P (A))
Essa relacao, porem, exige que P (A) (ou P (B)) seja nao-nula. O teo-
rema da multiplicacao de probabilidades fornece uma outra expressao, usando
a igualdade entre as probabilidades condicionais e absolutas:
P (A B) = P (A).P (B|A) = P (A).P (B)
Esta igualdade, mais geral, e a que caracteriza eventos independen-

tes. Temos, por denicao:
A e B sao eventos independentes P (A B) = P (A).P (B)
Exemplo 55
Duas pessoas, A e B, e somente elas, estao tentando resolver um mesmo
problema, independentemente uma da outra. A probabilidade de A resolver
o problema e 3/4 e a probabilidade de B resolver e 1/2.
85 CEDERJ
MATEMTICA Aula 22 Eventos independentes e Regra da probabilidade total
DISCRETA
1. Qual a probabilidade de que ambas resolvam o problema?
2. Qual a probabilidade do problema ser resolvido?
Solucao:
Denotemos por P (A) e P (B) as probabilidades de A e B resolverem o
problema, respectivamente.
1. Queremos P (A B). Como os eventos sao independentes, temos

3 1 3
P (A B) = P (A).P (B) = . = .
4 2 8
2. Como somente as pessoas A e B estao tentando resolver o problema,

queremos P (A B) que, pela regra da adicao, e igual a P (A) + P (B)
P (A B). Do item a) temos P (A B) = 38 . Logo,
3 1 3 7
P (A B) = + = .
4 2 8 8
Exemplo 56
Uma moeda equilibrada e lancada 5 vezes. Qual a probabilidade de obtermos
cara nos 5 lancamentos?
Solucao:
Sejam os eventos:
Ai : ocorre cara no i-esimo lancamento (i = 1, 2, 3, 4, 5)
Como cada lancamento nao afeta os demais, os eventos sao indepen-
dentes. Logo,

5
1 1
P (A1 A2 . . . A5 ) = P (A1 ).P (A2 ). . . . .P (A5 ) = = .
2 32
Exemplo 57
Sejam A e B eventos associados a um experimento aleatorio. Suponha que
P (A) = 0, 4, P (A B) = 0, 7 e P (B) = p.
1. Determine p para que A e B sejam mutuamente exclusivos.
2. Determine p para que A e B sejam independentes.
CEDERJ 86
MODULO 2 - AULA 22
Solucao:
1. Queremos A B = , ou seja, P (A B) = 0.
Como P (A B) = P (A) + P (B) P (A B), queremos P (A B) =
P (A) + P (B). Logo, 0, 7 = 0, 4 + p p = 0, 3.
2. Queremos P (A B) = P (A).P (B). (1)

Como P (A B) = P (A) + P (B) P (A B), temos que
P (A B) = P (A) + P (B) P (A B). (2)
Substiuindo (2) em (1), temos:
P (A) + P (B) P (A B) = P (A).P (B)

0, 4 + p 0, 7 = 0, 4.p .
p = 0, 5
Exemplo 58
Retiram-se duas cartas de um baralho com 52 cartas. Vamos determinar a
probabilidade dessas duas cartas serem um as e um 10, em qualquer ordem.
Solucao:
Seja A o evento desejado.
Entao podemos dizer que A = B C, onde:
B: as na primeira retirada e 10 na segunda
C: 10 na primeira e as na segunda.
Os eventos B e C sao mutuamente exclusivos. Logo, P (A) = P (B) +
P (C). Temos que determinar P (B) e P (C). Podemos escrever:

B1 : as na primeira retirada
B = B1 B2 , onde
B2 : 10 na segunda retirada

C1 : 10 na primeira retirada
C = C1 C2 , onde
C2 : as na segunda retirada
Aplicando o teorema da multiplicacao, temos:

4 4
P (B) = P (B1 B2 ) = P (B1 ).P (B2 |B1 ) = .
52 51
e
4 4
P (C) = P (C1 C2 ) = P (C1).P (C2 |C1 ) = . .
52 51
87 CEDERJ
DISCRETA
Entao, aplicando a propriedade aditiva, obtemos
4 4 4 4 8
P (A) = P (B) + P (C) = + = .
52 51 52 51 663
Particao
Considere o lancamento de um dado equilibrado e a observacao do

numero da face de cima. Temos = {1, 2, 3, 4, 5, 6}. Sejam os eventos:
A1 = {1, 2, 3}
A2 = {4, 5}
A3 = {6}
Note que quaisquer dois desses eventos sao mutuamente exclusivos.

Alem disso, a uniao deles e o evento certo: A B C = . Podemos armar,
neste caso, que:
- algum deles ocorrera, e
- apenas um deles ocorrera.
Dizemos que os eventos A1 , A2 e A3 formam uma particao do espaco
amostral . De modo geral, temos:
Seja um espaco amostral. Os eventos A1 , A2 , ..., Ak formam uma

particao de se:
1. Ai Aj = , para todo i = j
2. ki=1 Ai =
3. P (Ai ) > 0, para todo i
Consideremos novamente os eventos A1 , A2 e A3 e seja o evento B =

{1, 3, 5}.
Podemos escrever B = {1, 3} {5} = (B A1 ) (B A2 ) (B A3 ),
como ilustra a gura da proxima pagina.
CEDERJ 88
MODULO 2 - AULA 22

A1 A2
B 4
1 5
3
2
6
A3
O conjunto B A3 e vazio, mas isso nao invalida a igualdade. Essa

decomposicao do evento B permite escreve-lo como uniao de eventos dois a
dois mutuamente exclusivos. Podemos, entao, aplicar a lei da adicao:
P (B) = P (B A1 ) + P (B A2 ) + P (B A3 ) .
Usando a regra da multiplicacao, obtemos:
P (B) = P (A1 ).P (B|A1 ) + P (A2 ).P (B|A2) + P (A3).P (B|A3 ) .
Vamos fazer os calculos para vericar a validade dessa expressao. Como

o dado e equilibrado, temos:
3
P (A1 ) = 6
P (B|A1 ) = 23
2
P (A2 ) = 6
P (B|A2 ) = 12
1
P (A3 ) = 6
P (B|A3 ) = 0
Entao,
3 2 2 1 1 3
P (B) = . + . + .0 = ,
6 3 6 2 6 6
o que corresponde ao valor esperado (visto que #B = 3 e # = 6).
De modo geral, temos o seguinte resultado, conhecido como teorema
da probabilidade total:
Seja {A1 , ..., Ak } uma particao do espaco amostral . Seja B . Entao,
B = (B A1 ) ... (B Ak ) e
P (B) = P (A1 ).P (B|A1) + ... + P (Ak ).P (B|Ak )
89 CEDERJ
DISCRETA
A gura a seguir ilustra essa situacao no caso k = 7:

A2 A3 A4
A5
A1 A7 A6
Esse resultado e de grande utilidade nos problemas em que e difcil

calcular diretamente a probabilidade de um certo evento. Como primeiro
exemplo, vamos determinar a probabilidade do evento B, associado ao expe-
rimento apresentado no incio da aula 21 (nos camos devendo esse calculo
para mais tarde, voce se lembra?).
Retomemos o exemplo: retiramos, ao acaso, duas bolas de uma urna
contendo 80 bolas pretas e 20 bolas brancas, uma apos a outra, sem reposicao,
e observamos suas cores. Queramos calcular a probabilidade do evento B:
a segunda bola e preta. O evento A: a primeira bola e pretae A formam,
obviamente, uma particao de . Pelo teorema da probabilidade total, temos:
P (B) = P [(B A) (B A)] = P (A).P (B|A) + P (A).P (B|A)
80 79 20 80
= 100 . 99 + 100 . 99 = 792
990
.
Uma outra maneira de resolver faz uso de uma arvore, na qual vamos
escrevendo as probabilidades envolvidas, conforme indica o diagrama abaixo:
1 bola 2 bola
80 . 79
p (P(B A) = P ( A) .P(B/A))
79 100 99
99
p
80
100 20
99 b
20 . 80
80 p (P(B A) = P ( A) .P(B/A))
20 100 99
99
100
19
99 b
P (B) = P (BA) + P(BA) = 80 . 79 +

20 . 80 =
792
100 99 100 99 990
CEDERJ 90
MODULO 2 - AULA 22
Exemplo 59
Tres maquinas numa fabrica produzem um mesmo produto. A tabela abaixo
esquematiza a producao ao longo de um mes:
maquina unidades defeituosas unidades produzidas

1 40 2000
2 20 1000
3 40 1000
Uma unidade do produto e extrada ao acaso, do lote total produzido

nesse mes. Qual a probabilidade de que seja defeituosa?
Solucao:
Sejam os eventos:
D: a peca e defeituosa
M1 : a peca foi produzida na maquina 1.
Queremos P (D).
Temos que {M1 , M2 , M3 } forma uma particao do espaco amostral asso-
ciado ao experimento extrair uma peca ao acaso e vericar a maquina que
a produziu. Pelo teorema da probabilidae total, podemos escrever:
P (D) = P (M1 ).P (D|M1) + P (M2 ).P (D|M2) + P (M3 ).P (D|M3) .
O espaco amostral e equiprovavel. Assim,

2000 1
P (M1 ) = 4000
= 2
1000 1
P (M2 ) = 4000
= 4
1000 1
P (M3 ) = 4000
= 4
40 1
P (D|M1 ) = 2000
= 50
20 1
P (D|M2 ) = 1000
= 50
40 1
P (D|M3 ) = 1000
= 25
Logo,
1 1 1 1 1 1 1 1 1 1
P (D) = . + . + . = + + = .
2 50 4 50 4 25 100 200 100 40
91 CEDERJ
DISCRETA
Uma outra maneira de abordar o problema e contruir a arvore de
probabilidades:
b
1960
2000
m1
40 2000 . 40 1 = P (D/M1)
d =
2000 4000 2000 100
2000
b
4000 980
1000 1000
4000
m2
20
1000 1000 . 20 1 = P (D/M2)
1000 d =
4000 1000 200
4000
b
960
1000
m3
40
1000 d 1000 . 40 1 = P (D/M3)
=
4000 1000 100
1 1 1 1
Logo, P (D) = 100
+ 200
+ 100
= 40
.
Resumo
Nesta aula aprendemos a identicar eventos independentes e vimos o
teorema da probabilidade total. Esse teorema e util em problemas em que
e mais facil determinar as probabilidades condicionais de um certo evento
do que a sua probabilidade absoluta. Para isso, precisamos ter eventos que
formem uma particao do espaco amostral.
Voce ja deve ter notado que pode haver mais de uma maneira de se
interpretar e resolver um problema. A medida que avancamos na teoria,
vamos contando com mais recursos para enfrentar novas situacoes propostas.
CEDERJ 92
MODULO 2 - AULA 22
Exerccios
1. A e B sao dois eventos independentes associados a um mesmo experi-

mento aleatorio. Se P (A) = p e P (B) = q, determine a probabilidade
de ocorrer:
(a) os dois eventos;

(b) pelo menos um dos eventos.
2. Sejam A e B eventos independentes associados a um experimento aleatorio.

Sabendo que P (A) = 14 e P (A B) = 13 , calcule P (B).
3. Um dado e viciado de maneira que a probabilidade de sair certo numero

e proporcional ao seu valor (por exemplo, o numero 5 e 5 vezes mais
provavel de sair do que o numero 1). Determine a probabilidade :
(a) de cada evento simples;

(b) do evento A: sair numero mpar;
(c) de sair 3, sabendo-se que o numero e mpar;
(d) de sair numero par, sabendo-se que saiu um numero maior que 3.
4. Duas pessoas participam de uma maratona. A probabilidade da pri-

meira completar o percurso e 2/3 e a probabilidade da segunda com-
pletar o percurso e 3/5. Qual a probabilidade de:
(a) ambas completarem o percurso?

(b) ao menos uma delas completar o percurso?
5. Uma carta e extrada, ao acaso, de um baralho de 52 cartas. Sejam os

eventos:
A: copas
B: rei
C: rei ou valete
Determine P (A), P (B), P (C), P (A B), P (A C) e P (B C). Quais
dos pares de eventos sao independentes?
93 CEDERJ
DISCRETA
6. Um grupo de 100 pessoas e classicado segundo a cor dos olhos e dos
cabelos, conforme indica a tabela:
olhos azuis castanhos

cabelo

loura 36 12
morena 9 32
ruiva 5 6
Uma dessas pessoas e escolhida ao acaso. Qual a probabilidade dela

ser:
(a) ruiva?
(b) loura e de olhos castanhos?
(c) morena e de olhos azuis?
(d) morena, sabendo que possui olhos azuis?
(e) morena ou de olhos azuis?
7. Um experimento aleatorio possui espaco amostral {e1 , ..., e7 }, equiprovavel.

Considere os eventos:
A = {e1 , e3 , e5 , e7 }
B = {e3 , e4 , e5 , e6 , e7 }. Determine P (A), P (A), P (AB), P (AB), P (B|A).
Os eventos A e B sao mutuamente exclusivos? Os eventos A e B sao
independentes? Justique suas respostas.
Auto-avaliacao
Caro aluno, esta aula exige um pouco mais de dedicacao e de tempo.
A resolucao dos problemas envolve o calculo de muitas probabilidades. Se
voce sentiu diculdades, va com calma. Leia atentamente cada enunciado
e identique todos os eventos envolvidos, destacando aqueles que formam
uma particao do espaco amostral. A arvore de probabilidades pode ajuda-
lo a compreender melhor a situacao descrita em cada exerccio. Caso seja
necessario, solicite a ajuda do tutor da disciplina.
CEDERJ 94
Aula 23 Teorema de Bayes
MODULO 2 - AULA 23
Objetivos
Pre-requisitos: aulas 14 a 22.
Nesta aula voce aprendera como calcular a probabilidade da causa,

e como determinar uma probabilidade inversa. Trata-se de um interessante
resultado, devido ao matematico Thomas Bayes (1701-1761). Le-se Beis
Introducao
Vamos retomar o experimento do exemplo 59, da aula 22. Relem-
brando: tres maquinas numa fabrica produzem um mesmo produto. Num
mes, as maquinas 1, 2 e 3 produziram, respectivamente, 2000, 1000 e 1000
pecas. Dessa producao, 40, 20 e 40 pecas, respectivamente, eram defeituo-
sas. Uma peca e retirada ao acaso, e constata-se que e defeituosa. Ela pode
ter sido produzida por qualquer uma das tres maquinas. Como calcular a
probabilidade de que ela tenha sido produzida pela maquina 1? Isto e, qual
o valor de P (M1 |D)?
Sendo, como antes, os eventos:
D: a peca e defeituosa.
Da denicao de probabilidade condicional, sabemos que
P (M1 D) P (M1 ).P (D|M1 )
P (M1 |D) = = .
P (D) P (D)
Da aula 22, temos:

1
P (M1 ) = 2
1
P (D|M1 ) = 50
1
P (D) = 40
Logo,
1 1
. 2
P (M1 |D) = 2 50
1 = .
40
5
95 CEDERJ
MATEMTICA Aula 23 Teorema de Bayes
DISCRETA
Vamos generalizar o procedimento que usamos no exemplo anterior:
Seja {B1 , ..., Bk } uma particao do espaco amostral .
Seja A .
Suponhamos conhecidas as probabilidades P (Bi ) e P (A|Bi), para
i = 1, ..., k. Entao,
P (Bi A) P (Bi).P (A|Bi )

P (Bi|A) = =
P (A) P (A)
Mas,
A = (A B1 ) (A B2 ) ... (A Bk ) .
Logo,
P (A) = P (A B1 ) + P (A B2 ) + ... + P (A Bk )
= P (B1 ).P (A|B1 ) + P (B2 ).P (A|B2 ) + ... + P (Bk ).P (A|Bk ).
Dessa forma obtemos o resultado abaixo, conhecido como Teorema de

Bayes:
P (Bi ).P (A|Bi)

P (Bi |A) = k , i = 1, ..., k
j=1 P (B j ).P (A|Bj )
B1 B2 B3
B4
B7
B5
A
B6
A posteriori e uma expressao

em latim e signica apos, O Teorema de Bayes segue o seguinte encadeamento logico: conside-
depois de. Ela se opoe a rando que diferentes causas podem ser responsaveis por um mesmo efeito, se
expressao a priori, que
signica antes de. Elas nao esse efeito ocorre, como determinar a probabilidade de ter sido provocado por
se referem apenas ao tempo, uma determinada causa, entre as possveis? Por usar esse raciocnio e que o
mas a necessidade de haver
ou nao uma demonstracao Teorema de Bayes tambem e conhecido como probabilidade das causasou
de sua veracidade. probabilidade a posteriori, uma vez que o efeito ja foi observado.
CEDERJ 96
MODULO 2 - AULA 23
Exemplo 60
Numa faculdade, 45% dos alunos fazem licenciatura em Matematica, 35%
fazem Economia e 20% Administracao. Do total de alunos de Matematica,
Economia e Administracao, 40%, 20% e 50%, respectivamente, sao mulhe-
res. Um aluno e escolhido, ao acaso. Determine a probabilidade de cursar
Economia, sabendo que e uma mulher.
Solucao:
Sejam os eventos
L: ser aluno de licenciatura em Matematica.
E: ser aluno de Economia.
A: ser aluno de Administracao.
M: ser mulher.
Veja que, pelos dados do enunciado, temos P (L) = 0, 45; P (E) =
0, 35; P (A) = 0, 20; P (M|L) = 0, 40; P (M|E) = 0, 20 e P (M|A) = 0, 50.
Queremos P (E|M).
Sabemos que a probabilidade condicional e dada por
P (E M) P (E).(P (M|E)
P (E|M) = = ,
P (M) P (M)
Os eventos L, E e A formam uma particao do espaco amostral associado

ao experimento escolher um aluno e anotar seu curso(uma vez que a soma
das proporcoes de cada curso e 100%). Podemos aplicar o teorema da proba-
bilidade total e escrever:
P (M) = P (M L) + P (M E) + P (M A) =
= P (L).P (M|L) + P (E).P (M|E) + P (A).P (M|A) =
= (0, 45 0, 40) + (0, 35 0, 20) + (0, 20 0, 50) =
= 0, 35
Substituindo esses valores na expressao da probabilidade pedida, temos:
0, 35 0, 20
P (E|M) = = 0, 20 .
0, 35
O problema tambem pode ser resolvido usando-se a arvore das

probabilidades:
97 CEDERJ
DISCRETA
H
0,60
L
0,40 0,45 x 0,40 = 0,18 = P (L M)
U
M
0,45
H
0,80
0,35
E
0,20
M 0,35 x 0,20 = 0,07 = P (E M)U
0,20
H
0,50
A
0,50
M 0,20 x 0,50 = 0,10 = P (A M)U
P (M) = 0,18 + 0,07 + 0,10 =

= 0,35
Logo,
P (E M) 0, 07
P (E|M) = = = 0, 2 .
P (M) 0, 35
Exemplo 61
Em certa comunidade, 1% da populacao tem uma doenca. Em alguns casos,
o exame realizado para detectar a doenca pode dar uma indicacao positiva
para uma pessoa que nao a possui. Sabe-se que a probabilidade de ocorrer
um resultado positivo quando a pessoa tem a doenca e 0,85 e quando nao
tem e 0,02. Uma pessoa dessa comunidade e escolhida ao acaso. Qual e a
probabilidade de a pessoa ser portadora da doenca, se o resultado do seu
exame for positivo?
Solucao:
Sejam os eventos:
S: o exame da pessoa escolhida dar positivo.
D: a pessoa escolhida ter a doenca.
Queremos determinar P (D|S).
Temos:
P (D) = 0, 01. Logo, P (D) = 0, 99.
P (S|D) = 0, 85
P (S|D) = 0, 02
CEDERJ 98
MODULO 2 - AULA 23
O evento S pode ocorrer estando a pessoa doente ou nao, e esses dois

eventos (respectivamente S D e S D) sao mutuamente exclusivos. Logo,
a probabilidade de ocorrer S e a probabilidade da uniao dos eventos S D
e S D. Isto e:
P (D) = P (S D) + P (S D) =
= P (D).P (S|D) + P (D).P (S|D) =
= (0, 01)(0, 85) + (0, 99).(0, 02) =
= 0, 0085 + 0, 0198 =
= 0, 0283
Entao, a probabilidade de uma pessoa ter a doenca, por ter ocorrido

um resultado positivo e:
P (S D) P (D).P (S|D) (0, 01)(0, 85) 0, 0085

P (D|S) = = = = = 0, 30035 .
P (S) P (S) 0, 0283 0, 0283
Analise a arvore das probabilidades para chegar a mesma resposta.
S D S 0,01 x 0,85 = 0,0085

0,85
0,01 0,15
N
_
S D S 0,99 x 0,02 = 0,0198
0,02
0,99 _
D
0,98
N
P (S) = 0,0085 + 0,0198 = 0,0283
P (D S) 0,0085
P (D/S) = = = 0,30035
P (S) 0,0283
99 CEDERJ
DISCRETA
Resumo
Nesta aula apresentamos o Teorema de Bayes. Esse resultado analisa
a seguinte situacao: supondo que um certo efeito pode ter diferentes causas,
uma vez observado o efeito, qual a probabilidade de ter sido provocado por
uma determinada causa? E como se pensassemos de uma forma contrariaa
usual. Por considerar que o efeito em observacao ja ocorreu, o teorema de
Bayes tambem e conhecido como teorema das probabilidades a posteriori.
Exerccios
1. Sabe-se que 80% das pessoas que abrem crediario sao boas pagadoras.
Suponhamos que a probabilidade de um bom pagador possuir cartao
de credito seja de 0,9 e que um mau pagador tenha probabilidade 0,3
de possuir cartao de credito. Uma pessoa e escolhida ao acaso entre as
que abrem crediario. Calcule a probabilidade:
(a) de que ela tenha cartao de credito;

(b) de ser boa pagadora, sabendo que tem cartao de credito;
(c) de ser boa pagadora, sabendo que nao tem cartao de credito.
2. Paulo e Roberto criam caes. Paulo tem 3 vezes mais caes que Roberto.
Entre os caes de Paulo, 20% sao de raca e entre os de Roberto, 10%
sao de raca. Um cao e encontrado. Sabe-se que pertence a Paulo ou a
Roberto.
(a) Qual a probabilidade de pertencer a Paulo?

(b) Sabendo-se que o cao e de raca, qual a probabilidade de que per-
tenca a Paulo?
3. Foi realizado um teste para detectar uma doenca. Sabe-se que o teste
e capaz de descobrir a doenca em 97% das pessoas afetadas. Sabe-
se tambem que o teste, erroneamente, identica a doenca em 5% das
pessoas saudaveis. Alem disso, sabe-se que, quando aplicado a pessoas
que tenham algum outro tipo de doenca, 10% sao diagnosticados de
forma incorreta.
A populacao submetida ao teste era composta de 1% de pessoas afeta-
das pela doenca, 96% de pessoas saudaveis e 3% de pessoas apresen-
tando outras doencas.
CEDERJ 100
MODULO 2 - AULA 23
Uma pessoa dessa populacao e escolhida ao acaso e seu teste deu posi-
tivo, isto e, foi detectada a doenca. Qual a probabilidade de que ela
esteja realmente com aquela doenca?
4. Um aparelho para testar valvulas sempre detecta uma valvula ruim.

No entanto, em 3% das vezes em que ele indica defeito, a valvula, de
fato, esta perfeita. Sabe-se que, num lote, 95% das valvulas estao boas.
Uma valvula e retirada ao acaso desse lote. Ela e testada e e dada como
estragada. Qual a probabilidade de se tratar de uma valvula boa?
5. Numa turma de terceiro ano de ensino medio, as quantidades de alunas

e de alunos sao iguais. Suponha que a probabilidade de um rapaz se
dedicar as ciencias exatas e 4/5 e que a probabilidade de uma moca se
dedicar as ciencias exatas e 2/5. Um estudante dessa turma e escolhido,
ao acaso. Qual a probabilidade de :
(a) ser um rapaz que se dedica as ciencias exatas?

(b) ser um estudante de ciencias exatas?
(c) ser do sexo masculino, sabendo que gosta de ciencias exatas?
Auto-avaliacao
Nao se preocupe se voce sentiu uma diculdade maior nesta aula. Para
ser compreendido e assimilado, o teorema de Bayes exige um pouco mais de
atencao do que o conceito de probabilidade. Se voce nao conseguiu resolver
os exerccios propostos, releia a aula, tentando entender passo a passo como
o teorema vai surgindo. Acompanhe atentamente a resolucao dos exemplos.
Nao e difcil, so diferente do raciocnio que vinha sendo aplicado nas aulas
anteriores. Se voce ainda car com duvidas, solicite a ajuda do tutor da
disciplina.
101 CEDERJ
Aula 24 Variavel aleatoria e Valor esperado
MODULO 2 - AULA 24
Objetivos
Nesta aula voce aprendera um conceito muito importante nos estudos
estatsticos: a variavel aleatoria, e sabera como calcular seu valor esperado. Pre-requisitos: aulas 14 a 22.
Variavel aleatoria
Os resultados de um experimento aleatorio podem ser numericos ou
nao. Experimentos como:
anotar os tempos em uma maratona,
medir a taxa de precipitacao pluviometrica durante um perodo,
lancar uma moeda tres vezes e anotar a quantidade de coroas que ocor-
rem,
tem seus espacos amostrais constitudos de numeros. Muitos experimentos,

porem, possuem resultados qualitativos (e nao quantitativos). Por exemplo:
entrevistar um eleitor, antes de uma eleicao, para conhecer sua pre-

ferencia,
inspecionar uma lampada para vericar se e ou nao defeituosa,
lancar uma moeda e observar se da cara ou coroa.
Podemos, entao, classicar os resultados de um experimento como

quantitativos ou qualitativos. Os estatsticos trabalham com os dois tipos,
embora os quantitativos sejam mais comuns.
Em certos casos, e possvel converter dados qualitativos em quantita-
tivos, associando um valor numerico a cada resultado. Vamos ver alguns
exemplos.
103 CEDERJ
MATEMTICA Aula 24 Variavel aleatoria e Valor esperado
DISCRETA
Exemplo 62
1. Experimento: lancamento de duas moedas e observacao do par ob-
tido.
Espaco amostral associado: = {(K, K), (K, C), (C, K), (C, C)}.
Um resultado numerico que podemos denir: contar o numero de
caras, isto e, fazer a seguinte associacao:
resultado valor numerico

associado
(C, C) 0
(K, C) 1
(C, K) 1
(K, K) 2
2. Experimento: retirada de uma lampada de um lote e observacao se e

(sim) ou nao (nao) defeituosa.
espaco amostral associado: = {sim, nao}

um resultado numerico que podemos denir: contar o numero de
lampadas defeituosas, isto e:

associado
sim 1
nao 0
3. Experimento: lancamento de um dado e observacao da face de cima.
espaco amostral associado: = {1, 2, 3, 4, 5, 6}
Note que, neste caso, os resultados do experimento ja sao numericos.

Mesmo assim, podemos associar-lhes outros numeros. Por exemplo,
contar a ocorrencia de numeros mpares, isto e:

associado
1 1
2 0
3 1
4 0
5 1
6 0
CEDERJ 104
MODULO 2 - AULA 24
Pelos exemplos acima, voce pode notar que, a cada resultado, corres-
ponde um e apenas um valor numerico. Esse procedimento pode ser visto,
matematicamente, como a criacao de uma funcao. Tal funcao e chamada
variavel aleatoria.
Temos, entao, a seguinte denicao:
Variavel aleatoria e uma funcao numerica denida em um espaco

amostral.
Voce deve achar estranho
De modo geral, dado um experimento de espaco amostral , uma chamar uma funcao de
variavel aleatoria X e uma funcao variavel aleatoria. E e
mesmo! Mas essa
X : IR terminologia ja e consagrada
na area e por isso vamos
adota-la. Nao se esqueca,
que associa cada evento elementar a um numero real. Em nosso curso, porem: apesar do nome,
trabalharemos apenas com as chamadas variaveis aleatorias discretas, que trata-se de uma funcao.
sao aquelas que assumem valores num subconjunto enumeravel de IR. Mais
particularmente, as variaveis que estudaremos assumirao apenas uma quan-
tidade nita de valores. Um conjunto e enumeravel
quando e nito ou quando
existe uma bijecao (relacao 1
Distribuicao de probabilidade para 1) entre ele e um
subconjunto do conjunto dos
numeros naturais. Um
Dado um certo experimento aleatorio, podemos interpretar os valores conjunto enumeravel pode
assumidos por uma variavel aleatoria como eventos numericos associados ter seus elementos listados
em sequencia:
aquele experimento. Vamos deixar isso mais claro, retomando o exemplo do {x1 , ..., xn } se nito ou
lancamento das duas moedas. Estamos interessados em contar o numero de {x1 , ..., xn , ...} se innito.
caras. Denimos, entao, a variavel aleatoria
(C, C) 0
(C, K) 1
(K, C) 1
(K, K) 2
Para cada valor de X, identicamos os resultados do experimento que

lhe sao associados:
evento numerico eventos associados

X=0 {(C, C)}
X=1 {(C, K), (K, C)}
X=2 {(K, K)}
105 CEDERJ
DISCRETA
Sendo = {(K, K), (K, C), (C, K), (C, C)} equiprovavel, cada resul-
tado tem probabilidade 1/4. Podemos determinar a probabilidade de ocorren-
cia de cada evento numerico, a partir das probabilidades dos eventos do ex-
perimento:
P (X = 0) = P {(C, C)} = 1/4
P (X = 1) = P {(C, K), (K, C)} = 1/2
P (X = 2) = P {(K, K)} = 1/4
e construir a tabela:
X P
0 1/4
1 2/4
2 1/4
Note que essa tabela, na qual anotamos X e suas respectivas probabi-

lidades, caracteriza uma funcao que a cada valor de X associa um numero
real do intervalo [0,1]. Esta funcao e denominada distribuicao de proba-
bilidade da variavel aleatoria X.
Observacao: e importante destacar que foram denidas duas funcoes:
1. a variavel aleatoria, que associa a cada resultado de um experimento

um numero real; e
2. a distribuicao de probabilidade de uma variavel aleatoria, que associa a

cada valor assumido pela variavel um numero real restrito ao intervalo
[0,1].
Resumindo: Dado um experimento aleatorio de espaco amostral , uma

variavel aleatoria X e uma funcao
X : {x1 , ..., xn }
A escolha dos numeros P (xi ) = P (X = xi ), i = 1, ..., n, e determinada a

partir das probabilidades associadas aos eventos no espaco amostral , no
qual X esta denida.
CEDERJ 106
MODULO 2 - AULA 24
Exemplo 63
Retomemos os experimentos do exemplo 62, e vamos supor que os espacos
amostrais sejam todos equiprovaveis:
X evento probabilidade
0 {C, C)} P (X = 0) = 1/4
1.
1 {(K, C), (C, K)} P (X = 1) = 2/4
2 {(K, K)} P (X = 2) = 1/4
X P
0 1/4
Distribuicao de probabilidade da variavel aleatoria X:
1 2/4
2 1/4
2. 0 {nao} P (X = 0) = 1/2
1 {sim} P (X = 1) = 1/2
X P
Distribuicao de probabilidade da variavel aleatoria X: 0 1/2
1 1/2
3. 0 {2, 4, 6} P (X = 0) = 3/6
1 {1, 3, 5} P (X = 1) = 3/6
X P
Distribuicao de probabilidade da variavel aleatoria X: 0 3/6
1 3/6
Valor esperado de uma variavel aleatoria

Vamos denir uma grandeza que ira reetir nossa expectativa em relacao
ao valor de uma variavel aleatoria.
Suponha que lancemos um dado equilibrado 300 vezes e anotemos o
resultado da face de cima. Queremos determinar a media dos valores obser-
vados.
Como os resultados possveis sao equiprovaveis, e de se esperar que
cada um ocorra uma quantidade de vezes proxima de 50 (ja que sao 300
lancamentos e 6 resultados possveis). A media dos valores deve ser, entao,
um valor proximo de:
1 50 + 2 50 + 3 50 + 4 50 + 5 50 + 6 50
media = = 3, 5 .
300
107 CEDERJ
DISCRETA
Note que

media = 1 16 + 2 16 + 3 16 + 4 16 + 5 16 + 6 16
6
media = k=1 k.P (k) .
A somatoria dos produtos de cada resultado (numerico) do experimento

pela sua probabilidade de ocorrencia fornece um valor medio da variavel
aleatoria. Esse valor e chamado valor esperado ou esperanca matematica
E(X) e a notacao mais usual
ou ainda media da variavel aleatoria.
da Esperanca de X. Alguns
autores tambem usam a letra Seja X uma variavel aleatoria que assume os valores x1 , ...xn , com proba-
grega (le-se mi) para
indicar o valor esperado. bilidades pi = P (X = xi ), i = 1, ..., n. O valor esperado da variavel
aleatoria X, representado por E(X), e dado por:
E(X) = x1 .p1 + ... + xn .pn .
Exemplo 64
Consideremos as famlias constitudas de tres lhos. Representando por h
a crianca de sexo masculino e por m a de sexo feminino, o espaco amostral
associado a essa observacao pode ser representado por:
= {mmm, mmh, mhm, hmm, mhh, hmh, hhm, hhh}
O numero de meninas e uma variavel aleatoria X que assume os valores 0,1,2

e 3. A tabela abaixo mostra a distribuicao de probabilidade dessa variavel:
X evento associado probabilidade

0 {hhh} 1/8
1 {mhh, hmh, hhm} 3/8
2 {mmh, mhm, hmm} 3/8
3 {mmm} 1/8
O numero esperado de meninas e a soma dos produtos de cada valor

de X pela sua probabilidade de ocorrencia. Neste caso, temos que o valor
esperado para essa variavel e
0.(1/8) + 1.(3/8) + 2.(3/8) + 3.(1/8) = 12/8 = 3/2 = 1, 5
Observe que o valor esperado para o numero de meninas e impossvel

de ocorrer na realidade: nenhuma famlia de tres lhos tem 1, 5 menina!
CEDERJ 108
MODULO 2 - AULA 24
Isso muitas vezes ocorre com o valor esperado de uma variavel aleatoria.
Como dissemos anteriormente, ele indica uma media dos valores observados,
se o experimento for realizado um grande numero de vezes.
Os proximos exemplos ilustram aplicacoes do valor esperado na analise

de alguns jogos.
Exemplo 65
Um jogador paga 1 real para jogar um dado. Se a face observada e 6, ele
recebe 10 reais (lucra 9, visto que ja pagou 1). Se sai qualquer outro numero,
ele nada recebe. Podemos denir a variavel aleatoria (X) que fornece o ganho
do jogador em cada partida:
face observada ganho (X)

1, 2, 3, 4, 5 -1
6 9
Supondo que ele va jogar um grande numero de vezes, vamos calcular

o valor esperado de seu ganho, E(X). Para isso, vamos completar a tabela
anterior, acrescentando as colunas com as probabilidades de cada evento
numerico e com o produto de cada valor assumido pela variavel e sua proba-
bilidade:
face observada ganho probabilidade produto

(X) (P) (XP)
1, 2, 3, 4, 5 -1 5/6 -5/6
6 9 1/6 9/6
Entao o valor esperado e E(X) = 5/6 + 9/6 = 4/6 0, 67 reais.
Vamos interpretar esse resultado: o jogador nao vai receber 67 centavos

em nenhuma jogada (pois, como vimos, ele ganha 9 ou perde 1) mas, se ele
jogar muitas vezes, e de se esperar que ganhe, em media, 67 centavos de real Sera que entre os jogos que
envolvem sorte (joquei,
por partida. Por exemplo, se ele jogar 100 vezes, ganhara algumas vezes,
loterias, bingo etc.) ha
perdera outras, mas devera ganhar, ao nal, cerca de 100 0, 67 = 67 reais. algum que seja
desequilibrado a favor do
O exemplo 65 trata de um jogo em que o valor esperado do ganho e jogador? Se voce conhecer as
positivo. Jogos desse tipo sao chamados desequilibrados a favor do jogador. regras de pontuacao e
pagamento de algum deles,
Quando o valor esperado de ganho e nulo, o jogo e dito equilibrado e, quando pode determinar o valor
e negativo, dizemos que o jogo e desequilibrado contra o jogador. esperado de ganho.
109 CEDERJ
DISCRETA
Exemplo 66
Numa loteria, o jogador paga 1 real para marcar cinco algarismos quaisquer
numa cartela. O jogo paga 1.000 reais para o jogador que acerta os cinco
algarismos. Vamos encontrar o valor esperado de ganho para o jogador nesse
jogo.
Os algarismos podem ser repetidos e a escolha de cada um independe

da escolha de outro qualquer. Logo, a probabilidade de escolher os cinco
1 1 1 1 1 1
corretos e 10 . 10 . 10 . 10 . 10 = 100.000 e a probabilidade de escolher pelo menos
um algarismo errado e 1 100.000 = 100.000
1 99.999
. Se ele acerta, lucra 1000-1=999
reais e se erra, perde 1 real. Entao, o valor esperado de ganho e:

1 99.999
(999) + (1) = 0, 99 reais
100.000 100.000
Logo, a expectativa e de que o jogador perca cerca de 99 centavos de real por

jogada. O jogo e desequilibrado contra o jogador.
Resumo
Vimos que, dado um experimento aleatorio de espaco amostral ,
uma variavel aleatoria e uma funcao numerica denida em .
a distribuicao de probabilidade de uma variavel aleatoria e uma

funcao que associa, a cada valor assumido pela variavel, um numero
real do intervalo [0, 1].
o valor esperado de uma variavel aleatoria fornece um valor medio

dessa variavel.
se X e uma variavel aleatoria que assume os valores x1 , ...xn , com proba-

bilidades pi = P (X = xi ), i = 1, ..., n, o valor esperado da variavel
aleatoria X e dado por E(X) = x1 .p1 + ... + xn .pn .
CEDERJ 110
MODULO 2 - AULA 24
Exerccios
1. Uma urna contem 3 bolas brancas e 2 bolas azuis. Duas bolas sao
retiradas dessa urna, uma apos a outra, sem reposicao, e suas cores
sao anotadas. Seja a variavel aleatoria que associa a cada resultado
desse experimento o numero de bolas brancas observadas. Determine
a distribuicao de probabilidade dessa variavel.
2. Para lancar um dado, um jogador paga 1 real. O jogo paga:
(a) 3 reais para o resultado 6.

(b) 2 reais para o resultado 5.
(c) 1 real para o resultado 4.
(d) O jogo nao paga qualquer dos resultados 1, 2, 3.
Determine o valor esperado de ganho nesse jogo.
3. Uma loja de departamentos vende aparelhos de ar-condicionado. A

tabela a seguir lista dados compilados sobre as vendas em um dia:
unidades de aparelhos 0 1 2 3 4
probabilidade de venda 0,10 0,35 0,30 0,20 0,05
Determine o valor esperado de vendas diarias.
Auto-avaliacao
E importante que voce compreenda claramente cada uma das funcoes
denidas nesta aula: a variavel aleatoria e a distribuicao de probabilidade
dessa variavel. A partir desses conceitos foi possvel denir o valor esperado
da variavel. Esse valor fornece uma media dos valores que a variavel pode
assumir. Se voce sentir diculdade para resolver os exerccios propostos,
releia as denicoes e os exemplos resolvidos, com atencao. Se as duvidas
persistirem, solicite a ajuda do tutor da disciplina.
111 CEDERJ
Aula 25 Distribuicao binomial
MODULO 2 - AULA 25
Objetivos
Estudar a distribuicao de probabilidades de experimentos com apenas
dois tipos de resultados, realizados uma certa quantidade de vezes. Pre-requisitos: aulas 14 a 24.
Introducao
Vamos considerar experimentos aleatorios que apresentam dois resulta-
dos possveis aos quais denominaremos sucesso e fracasso.
Por exemplo:
1. Experimento: lancar uma moeda e observar se da cara ou nao

sucesso: cara
fracasso: coroa
2. Experimento: lancar um dado e observar se da 5 ou 6 pontos, ou nao

sucesso: sair 5 ou 6
fracasso: sair 1 ou 2 ou 3 ou 4
3. Experimento: retirar uma bola de uma urna que contem 10 bolas, sendo
7 bolas brancas e 3 bolas nao-brancas, e observar se e branca ou nao.
sucesso: branca
fracasso: nao-branca
Representemos por p a probabilidade de ocorrer sucesso e q = 1 p a

probabilidade de fracasso. Nos exemplos anteriores, supondo a moeda e o
dado equilibrados, temos:
1
1. p = q = 2
2 4
2. p = 6
e q= 6
7 3
3. p = 10
e q= 10
Suponhamos que o experimento considerado seja repetido n vezes, e que

o resultado de cada tentativa seja independente dos resultados das demais
tentativas.
113 CEDERJ
MATEMTICA Aula 25 Distribuicao binomial
DISCRETA
Vamos denir a variavel aleatoria
X = numero de sucessos nas n tentativas
A variavel aleatoria X tem uma distribuicao de probabilidade:
X P
0 p0
1 p1
2 p2
. .
. .
. .
n pn
O problema que queremos resolver e: como calcular pk , onde
pk = P (X = k) = P (obter exatamente k sucessos nas n tentativas)?
Em outras palavras, como calcular a probabilidade de ocorrerem exa-

tamente k sucessos nas n realizacoes do experimento?
Uma possibilidade de ocorrerem k sucessos nas n tentativas e:
SSS...S
F F
F...F
k vezes (nk) vezes
onde S indica Sucesso; F indica Fracasso
Devido a independencia dos resultados de cada tentativa, a probabili-

dade de ocorrer o caso descrito acima e
(ppp...p). (qqq...q)

k vezes (nk) vezes
ou seja, e pk .q nk .
Os k sucessos e os n k fracassos podem ocorrer em qualquer ordem e

ocupar quaisquer posicoes na sequencia. O total de possibilidades e o
total de permutacoes de n elementos, com k e nk elementos repetidos.
Vimos no Modulo 1 que esse total e dado por

n! n
= = Cn,k
k!(n k)! k
CEDERJ 114
MODULO 2 - AULA 25

n
Conclusao: Como sao tentativas, temos:
k

n
p(k) = P (X = k) = pk q nk
k

n
A expressao pk q nk fornece o termo geral do desenvolvimento
k
do binomio (p+q)n . Por isso, essa distribuicao de probabilidade e denominada
distribuicao binomial.
Vamos retomar os experimentos do exemplo anterior:
Exemplo 67
Qual a probabilidade de, em cinco lancamentos de uma moeda equilibrada,
serem observadas exatamente tres caras?
Solucao:
Sendo X o numero de caras nos 5 lancamentos.
Em cada lancamento:
sucesso: cara p = 1/2
fracasso: coroa q = 1/2
Numero de lancamentos (tentativas): n = 5
Numero desejado de sucessos: k = 3
Probabilidade pedida:

n
P (X = k) = pk q nk
k

5
P (X = k) = ( 12 )3 ( 12 )53
3
5! 1 1 10
P (X = 3) = . .
3!2! 23 22
= 32
Exemplo 68
Qual a probabilidade de, em dez lancamentos de um dado honesto serem
obtidos 5 ou 6 pontos em exatamente quatro das dez tentativas?
115 CEDERJ
DISCRETA
Solucao:
Denimos a variavel aleatoria X = numero de vezes em que sao obser-
vadas as faces 5 ou 6, nos dez lancamentos. Queremos calcular P (X = 4).
Temos:
n = 10; k = 4; p = 26 ; q= 4
6
Entao

5
104
5
6
10 2 4 10! 2 4 40
P (X = 4) = = . =
4 6 6 4!6! 6 6 243
Exemplo 69
Uma urna contem dez bolas das quais sete, e apenas sete, sao brancas. Cinco
bolas sao retiradas, uma a uma, com reposicao. Qual a probabilidade de
serem retiradas exatamente tres bolas brancas?
Solucao:
Denimos a variavel aleatoria X= numero de bolas brancas nas 5 reti-
radas. Queremos calcular P (X = 3). Temos:
7 3
n = 5; k = 3; p = 10
; q= 10
Entao

3
53
3
2
5 7 3 5! 7 3 3087
P (X = 3) = = = = 0, 3087
3 10 10 3!2! 10 10 10.000
Exemplo 70
No lancamento de quatro moedas, de a distribuicao de probabilidade da
variavel aleatoria numero de caras.
Solucao:
Em cada moeda:
1
sucesso: cara p= 2
1
fracasso: coroa q= 2
Variavel aleatoria: X = numero de caras nas 4 moedas
Distribuicao de probabilidade da variavel aleatoria X:
CEDERJ 116
MODULO 2 - AULA 25
X (interpretacao) P
0 (nenhuma cara e 4 coroas) C4,0 .( 12 )0 .( 12 )4 = 1/16
1 (1 cara e 3 coroas) C4,1 .( 12 )1 .( 12 )3 = 6/16
2 (2 caras e 2 coroas) C4,2 .( 12 )2 .( 12 )2 = 6/16
3 (3 caras e 1 coroa) C4,3 .( 12 )3 .( 12 )1 = 4/16
4 (4 caras e nenhuma coroa) C4,4 .( 12 )4 .( 12 )0 = 1/16
Exemplo 71
Numa prova de 10 questoes objetivas, a probabilidade de que um aluno acer-
te uma pergunta qualquer, no chute, e 15 . Para ser aprovado, ele tem
que acertar pelo menos 6 questoes. Qual a probabilidade deste aluno ser
aprovado, apenas chutando as respostas?
Solucao:
Interpretemos o problema:
o experimento responder a uma questaosera repetido 10 vezes;
em cada tentativa:
- sucesso: acertar no chute; p = 1/5
- fracasso: errar ao chutar; q = 4/5
variavel aleatoria X= numero de acertos nas 10 tentativas
Queremos calcular a probabilidade de ocorrer X = 6 ou X = 7 ou

X = 8 ou X = 9 ou X = 10. Como esses eventos sao mutuamente exclusivos,
a probabilidade da uniao desses eventos e a soma das probabilidades de cada
um.
Entao, a probabilidade pedida e: P (X = 6) + P (X = 7) + P (X =
8) + P (X = 9) + P (X = 10) = C10,6 .(1/5)6.(4/5)4 + C10,7 .(1/5)7 .(4/5)3 +
C10,8 .(1/5)8.(4/5)2 + C10,9 .(1/5)9 .(4/5)1 + C10,10 .(1/5)10 .(4/5)0 = 0, 0064 =
0, 64%.
Diante de uma probabilidade tao pequena, este exemplo pode ser usado
para incentivar um aluno a estudar, nao e?
117 CEDERJ
DISCRETA
Resumo
Na aula 17 vimos a distribuicao de probabilidade uniforme, denida
num espaco amostral equiprovavel. Nesta aula, vimos uma outra distribuicao
de probabilidade: a distribuicao binomial. Vamos listar suas caractersticas:
Repete-se um experimento n vezes.
So ha dois tipos de resultados possveis em cada tentativa: designamos

um deles sucesso e o outro fracasso.
A probabilidade de resultar um sucesso em uma tentativa e p; logo, a

de ocorrer um fracasso e 1 p = q.
As realizacoes sao todas independentes.
A variavel aleatoria X = numero de sucessos nas n tentativas tem

distribuicao binomial.
A probabilidade de ocorrerem
exatamente k sucessos nas n tentativas,
n
P (X = k), e dada por pk q nk .
k
Exerccios
1. Uma pesquisa indicou que, numa cidade, 75% dos automoveis tem se-
guro. Se 6 automoveis sofrerem um acidente, qual a probabilidade de
exatamente 2 deles terem seguro?
2. Uma moeda equilibrada e lancada 10 vezes. Qual a probabilidade de

serem observadas exatamente 4 coroas?
3. Uma urna contem 4 bolas azuis e 6 bolas vermelhas. Sao retiradas

5 bolas, uma a uma, com reposicao, e sua cor e anotada. Qual a
probabilidade de, em todas as retiradas, a bola ser azul?
4. A probabilidade de um homem de 50 anos viver mais 20 anos e 0,6.

Considerando um grupo de 8 homens de 50 anos, qual a probabilidade
de que pelo menos 4 cheguem aos 70 anos?
CEDERJ 118
MODULO 2 - AULA 25
5. 60% das pessoas de uma populacao tem olhos castanhos. Cinco pessoas
sao escolhidas ao acaso (pode-se supor sorteio com reposicao). Qual o
numero esperado de pessoas com olhos castanhos nas 5 selecionadas?
(Sugestao: Faca X = numero de pessoas com olhos castanhos nas 5
escolhidas. Forme a distribuicao de probabilidade de X, depois calcule
E(X). Comprove que E(X) = 60% de 5.)
Auto-avaliacao
Voce deve identicar claramente as condicoes nas quais podemos denir
uma distribuicao binomial. Para resolver os exerccios, podemos usar as
propriedades validas para as probabilidades, vistas na aula 17. Se voce sentir
diculdades, solicite ajuda do tutor da disciplina.
Fim deste modulo...

Chegamos ao nal do modulo 2 de Matematica Discreta.
Ao longo de 12 aulas, vimos os conceitos e resultados basicos da Teoria
das Probabilidades:
A identicacao de um fenomeno aleatorio.
As denicoes de experimento, espaco amostral e evento.
A denicao de probabilidade e o estudo de suas propriedades (proba-

bilidade do evento complementar, regra da adicao, probabilidade con-
dicional, regra da multiplicacao, regra da probabilidade total).
Os conceitos de eventos mutuamente exclusivos e de eventos indepen-

dentes.
O teorema de Bayes, que permite calcular a probabilidade das causas

de um determinado efeito.
A denicao da funcao numerica variavel aleatoria e o calculo de seu

valor esperado.
A distribuicao binomial.
119 CEDERJ
Para saber mais deste assunto ou entender melhor algum conceito visto,
indicamos uma bibliograa basica:
1. Mendenhal, W. Probabilidade e Estatstica. Rio de Janeiro: Ed. Campus,
vol.1, 1985.
2. Meyer, P.L. Probabilidade - Aplicacoes a Estatstica. Rio de Janeiro: Ao
Livro Tecnico, 1974.
3. Morgado, A.C.O. e outros. Analise Combinatoria e Probabilidade. Rio de
Janeiro: SBM - Colecao do Professor de Matematica, 1981.
4. Toledo, G.L. e Ovalle, I.I. Estatstica Basica. Sao Paulo: Ed. Atlas S.A.,
1978.
Solucoes de exerccios selecionados
Aula 14
Exerccio 1.
(a) Aleatorio (b) Determinstico (c) Aleatorio (d) Aleatorio
(e) Aleatorio (f) Aleatorio (g) Determinstico (h) Determinstico
(i) Aleatorio (j) Aleatorio
Aula 15
Exerccio 1.
item espaco amostral

(a) {(K, K), (K, C), (C, K), (C, C)} (K: cara, C: coroa)
(b) {0, 1, 2}
(c) {iguais, diferentes}
(d) {(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), (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)}
(e) {2, 3, 4, 5, 6, 7, 8, 910, 11, 12}
(f) {1, 2, 3, 4, 5, 6, 8, 9, 10, 12, 15, 16, 18, 20, 24, 25, 30, 36}
(g) {0, 1, 2}
(h) {(d, d, d), (d, d, p), (d, p, d), (d, p, p), (p, d, d), (p, d, p), (p, p, d), (p, p, p)}
(i) {s, b, d, n}
(j) {s, n}
121 CEDERJ
MATEMTICA Solucoes de exerccios selecionados
DISCRETA
Exerccio 2.
a) = {branca, preta}; # = 2
b) = {(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), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)
; # = 6 6 = 36
(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)}
c) = {0, 1, 2, 3}; # = 4
d) = {1, 2, 3, 4, 5, 6, 8, 9, 10, 12, 15, 16, 18, 20, 24, 25, 30, 36}; # = 18
e) = {4, 5, 6, 7, 8, 9, 10}; # = 7
f) = {(h, h, h), (h, h, m, ), (h, m, h), (h, m, m), (m, h, h), (m, h, m), (m, m, h),
(m, m, m)}; # = 2 2 2 = 8
g) = {(A, B), (A, C), (A, D), (A, E), (B, A), (B, C), (B, D), (B, E)
(C, A), (C, B), (C, D), (C, E), (D, A), (C, B), (D, C), (D, E)
(E, A), (E, B), (E, C), (E, D)}
# = 5 4 = 20
Exerccio 3.
a) 6 6 = 36
b) 11 (as somas possveis sao os inteiros de 2 a 12)
c) 4 2 = 8 (4 tipos e, para cada tipo, duas possibilidades de Rh)
d) 2 2 2 = 8
Exerccio 5.
face numero de ocorrencias frequencia relativa

1 75 75/500=0,150
2 82 82/500=0,164
3 78 78/500=0,156
4 92 92/500=0,184
5 85 85/500=0,170
6 88 88/500=0,176
Observe que 0, 150 + 0, 164 + 0, 156 + 0, 184 + 0, 170 + 0, 176 = 1, 000.
CEDERJ 122
Exerccio 6.
Total de lancamentos do dado: 142 + 175 + 190 + 173 + 162 + 158 = 1000.
1 142 142/1000=0,142
2 175 175/1000=0,175
3 190 190/1000=0,190
4 173 173/1000=0,173
5 162 162/1000=0,162
6 158 158/1000=0,158
Observe que 0, 142 + 0, 175 + 0, 190 + 0, 173 + 0, 162 + 0, 158 = 1, 000.
Exerccio 7.
Total de ocorrencias: 172 + 181 + 147 = 500.
1 172 172/500=0,344
2 181 181/500=0,362
3 147 147/500=0,294
Observe que 0, 344 + 0, 362 + 0, 294 = 1, 000.
Aula 16
Exerccio 1.
1. = {(K, K, K), (K, K, C), (K, C, K), (K, C, C), (C, K, K), (C, K, C),
(C, C, K), (C, C, C)}
A = {(K, K, K)}; #A = 1
B = {(K, K, K), (K, K, C), (K, C, K), (C, K, K)}; #B = 4
C = {(C, C, C)} #C = 7
D=
E = {(C, C, C)}; #C = 1
2. # = 36
A = {(2, 2), (2, 4), (2, 6), (4, 2), (4, 4), (4, 6), (6, 2), (6, 4), (6, 6)}; #A = 9
B = {(4, 6), (5, 5), (6, 4)}; #B = 3
C = {(2, 2), (2, 3), (2, 5), (3, 2), (3, 3), (3, 5), (5, 2), (5, 3), (5, 5)} #C = 9
D = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}; #D = 6
E = {(6, 6)}; #E = 1
123 CEDERJ
DISCRETA
3. = 52
A = {as de paus, as de ourosas de copasas de espadas}; #A = 4
B = {cartas pretas}; #B = 26
C = {cartas de paus}; #C = 13
D = {rei de ouros, rei de copas}; $D = 2
E = {valete de ouros, rei de espadas}; #E = 2
Exerccio 2.
(a) Eventos: , {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}.
(b) Se ocorrer o resultado {a} ocorrem os 4 seguintes eventos:
{a}, {a, b}, {a, c}, {a, b, c}.
Exerccio 3. E = {2, 4, 6}, F = {1, 3, 5}, G = {5, 6}

Entao:
(a) E F G = {1, 2, 3, 4, 5, 6} =
(b) E F G =
(c) Os eventos E e F sao mutuamente exclusivos pois E F =
(d) Os eventos F e G nao sao mutuamente exclusivos pois F G = {5} =
Exerccio 4.
a) Ocorrer A ou ocorrer B: A B
b) Ocorrerem A e B: A B
c) Ocorrer A mas nao ocorrer B: A B
d) Nao ocorrer C: C
e) Nao ocorrer nenhum dos eventos A, B e C: A B C ou A B C
f) Ocorrer A mas nao ocorrer B nem C: A (B C) ou A (B C).
CEDERJ 124
Exerccio 5.
1a. etapa semi-nal nal
j1 j3 j1 j5
j1 j7
j1 j2 j1 j8
j1 j4 j1 j6
j2 j3 j3 j5
j3 j7
j3 j4 j3 j8
j2 j4 j3 j6
j5 j7 j4 j5
j4 j7
j5 j6 j4 j8
j5 j8 j4 j6
j6 j7 j2 j5
j2 j7
j7 j8 j2 j8
j6 j8 j2 j6
Entao, o espaco amostral desse experimento e:

= {(j1 , j5 ), (j1 , j6 ), (j1 , j7 ), (j1 , j8 ), (j2 , j5 ), (j2 , j6 ), (j2 , j7 ), (j2 , j8 ),
(j3 , j5 ), (j3 , j6 ), (j3 , j7 ), (j3 , j8 ), (j4 , j5 ), (j4 , j6 ), (j4 , j7 ), (j4 , j8 )}
Exerccio 6.
Total de ocorrencias: 850 + 1200 + 1350 + 980 + 620 = 5.000
Frequencia relativa de cada evento simples:
evento numero de ocorrencias frequencia relativa

{e1 } 850 0,170
{e2 } 1200 0,240
{e3 } 1350 0,270
{e4 } 980 0,196
{e5 } 620 0,124
Entao:
125 CEDERJ
DISCRETA
Como A B = {e1 , e2 , e4 , e5 }, a frequencia relativa do evento A B e
igual a soma das frequencias relativas dos eventos simples que o constituem.
Assim, o valor pedido e 0, 170 + 0, 240 + 0, 196 + 0, 124 = 0, 73.
De modo analogo, temos A B = {e1 , e4 } e a frequencia relativa do
evento A B e 0, 170 + 0, 196 = 0, 366.
A frequencia relativa do evento complementar A e igual a 1 menos a
frequencia relativa do evento A. Esta frequencia e igual a 0, 170 + 0, 240 +
0, 196 = 0, 606. Logo, a frequencia relativa de A e 1 0, 606 = 0, 394.
Exerccio 7.
Construindo a arvore de possibilidades da pagina seguinte, obtemos:
(a) Resposta na propria arvore.
(b)
A = {(a, b, c, d), ((a, b, d, c), (a, c, b, d), (a, c, d, b), (a, d, b, c), (a, d, c, b)}
B = {(a, b, c, d), (a, d, c, b), (b, a, c, d), (b, d, c, a), (d, a, c, b), (d, b, c, a)}
Logo,
A B = {(a, b, c, d), (a, d, b, c)}
A B = {(a, b, c, d), (a, b, d, c), (a, c, b, d), (a, c, d, b), (a, d, b, c), (a, d, c, b),
(b, a, c, d), (b, d, c, a), (d, a, c, b), (d, b, c, a)}
CEDERJ 126
1a. posicao 2a. posicao 3a. posicao 4a. posicao elementos de (item (a))
c d (a,b,c,d)
b
d c (a,b,d,c)
b d (a,c,b,d)
a c
d b (a,c,d,b)
b c (a,d,b,c)
d
c b (a,d,c,b)
c d (b,a,c,d)
a
d c (b,a,d,c)
a d (b,c,a,d)
b c
d a (b,c,d,a)
a c (b,d,a,c)
d
c a (b,d,c,a)
b d (c,a,b,d)
a
d b (c,a,d,b)
a d (c,b,a,d)
c b
d a (c,b,d,a)
a b (c,d,a,b)
d
b a (c,d,b,a)
b c (d,a,b,c)
a
c b (d,a,c,b)
a c (d,b,a,c)
d b
c a (d,b,c,a)
a b (d,c,a,b)
c
b a (d,c,b,a)
127 CEDERJ
DISCRETA
Aula17
Exerccio 1. Vamos atribuir probabilidade a cada evento elementar:
evento probabilidade
1 60/300 = 0,2000
2 50/300 = 0,1667
3 75/300 = 0,2500
4 60/300 = 0,2000
5 30/300 = 0,1000
6 25/300 = 0,0833
P (A) = P {2, 4, 6} = 0, 1667 + 0, 2000 + 0, 0833 = 0, 4500

P (B) = P {5, 6} = 0, 1000 + 0, 0833 = 0, 1833
P (C) = P {1, 2, 5} = 0, 2000 + 0, 1667 + 0, 1000 = 0, 4667
Exerccio 2. O espaco amostral e o conjunto :
{(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), (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)}
# = 36.
(a) A = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (3, 1)}
#A = 6 e P (A) = #A #
= 366
= 1/6
(b) B = {(1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (6, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5)}
#B = 11 e P (B) = #B #
= 1136
Exerccio 3. Total de bolas: 3 + 2 + 5 = 10. A probabilidade de a bola

3
retirada ser preta e 10 .
Exerccio 4.
(a) P (A) = 1/15 + 4/15 + 3/15 = 8/15
(b) P (B) = 1/15 + 2/15 = 3/15 = 1/5
(c) P (C) = 5/15 + 3/15 = 8/15
(d) P (D) = 1
Exerccio 5. Seja P (b) = x. Entao P (c) = 2x e P (a) = 2.2x = 4x. Pela

denicao de probabilidades, devemos ter P (a) + P (b) + P (c) = 1. Logo,
4x + x + 2x = 1, donde x = 17 . Da, P (a) = 4/7, P (b) = 1/7 e P (c) = 2/7.
CEDERJ 128
Exerccio 6. A probabilidade e dada pela razao: (numero de vogais) / (numero

total de letras). Logo, o valor e 4/10.
Exerccio 7. Podem ser aceitas as de numeros 1, 2 e 3.

A de numero 4 nao e uma distribuicao de probabilidades porque um
dos valores e negativo.
A de numero 5 nao e uma distribuicao de probabilidades porque a soma
dos valores e diferente de 1.
A de numero 6 nao e uma distribuicao de probabilidades porque um
dos valores excede 1.
Aula 18
Exerccio 1.
a) 2 2 2 2 = 24 = 16
b) 6 6 6 = 63 = 216
c) 25 = 32
d) 6 6 6 2 = 432
e) 6 6 2 2 = 144
f) 52 51 = 2.652
g) 52 51 50 = 132.600
h) 525
Exerccio 2. O espaco amostral desse experimento e formado por todos os

pares de cartas distintas (pois a retirada e sem reposicao) possveis. Entao
# = 5251 = 2.652. O evento A e obter um par do tipo (valete,dama). No
baralho existem 4 valetes (de paus, ouros, copas e espadas) e para cada valete
retirado, existem 4 damas (uma de cada naipe). Assim, #A = 4 4 = 16.
Como o espaco amostral e equiprovavel, P (A) = #A
#
16
= 2.652 = 0, 006.
Exerccio 3. O espaco amostral e formado por todos os subconjuntos de 3

10!
pessoas escolhidas no conjunto original, num total de C10,3 = 3!7! = 120 sub-
conjuntos.
(a) O numero de subconjuntos formados por 3 pessoas com sangue tido A e
8! 56
dado por C8,3 = 3!5! = 56. Logo, a probabilidade e 120 = 0, 4667.
(b) O numero de subconjuntos formados por 2 pessoas com sangue tipo A
e uma nao e dado por C8,2 C2,1 = 28 2 = 56. Logo, a probabilidade e
56
120
= 0, 4667.
129 CEDERJ
DISCRETA
(c) Neste caso, podemos ter: 1 pessoa com sangue tipo A e 2 nao; 2 pessoas
com sangue tipo A e 1 nao e as 3 com sangue tipo A. Fica mais simples calcu-
lar a probabilidade do evento complementar, pois o unico caso nao desejado
e as 3 pessoas nao terem o sangue tipo A. Veja que esse evento e impossvel,
pois so ha 2 pessoas com essa caracterstica. Logo, o evento dado e evento
certo e sua probabilidade e 1.
Exerccio 4. Neste exerccio, como os valores sao muito altos, deixaremos

apenas indicados. Cada elemento do espaco amostral e um subconjunto
52!
formado por 13 cartas. Logo, # = C52,13 = 39!13!
(a)Seja A o evento sair exatamente um as. Como ha 4 ases no baralho,
o numero possvel de escolher 1 carta no conjunto de ases e as outras 12 no
conjunto de 48 (52-13) cartas que nao sao ases e dado por: C4,1 C48,12 .
Como o espaco amostral e equiprovavel, P (A) = #A#
.
(b) Seja B o evento sair pelo menos 1 as. Neste caso e mais simples calcular
a probabilidade do evento complementar: nao sair as. Ou seja, escolher
as 13 cartas entre as 48 que nao sao ases. Temos #B = C48,13 e entao
P (B) = #B#
e P (B) = 1 P (B).
(c) Seja C o evento as 13 cartas sao de ouros. Como existem exatamente
13 cartas de ouros no baralho, ha somente uma possibilidade de ocorrer esse
1
evento (ou seja: #C = C13,13 = 1). Logo, P (C) = # .
Exerccio 5. O espaco amostral e formado por todos os subconjuntos de 10

pregos escolhidos entre os 80 existentes na gaveta. Logo, # = C80,10 . Dei-
xaremos os valores indicados. Seja A o evento os 10 pregos retirados sao
bons. Entao #A = C50,10 e P (A) = #A #
, uma vez que o espaco amostral e
equiprovavel.
Exerccio 6. A cardinalidade de e dada por P10 = 10! (deixaremos indicado),

uma vez que cada resultado possvel e dada por uma ordem escolhida para
as 10 pessoas se sentarem em la. Seja A o evento Paulo e Maria sentados
juntos. Podemos pensar nessa dupla como um unico elemento permutando
com os demais, totalizando 9. Temos, entao, um total de P9 possibilidades.
Alem disso, Paulo e Maria, embora juntos, podem trocar de lugar entre si.
Entao #A = P9 P2 . Como o espaco amostral e equiprovavel, P (A) = #A#
=
9!2!
10!
.
CEDERJ 130
Exerccio 7. Temos # = 26 = 64.

(a) O numero de vezes em que temos exatamente 3 caras e dado por C6,3 =
6!
3!3!
= 20 (pois escolhemos 3 das 6 posicoes para serem ocupadas por cara).
Entao a probabilidade pedida e 20
64
5
= 16 .
(b) Aqui queremos que ocorram 3 ou 4 ou 5 ou 6 caras. E mais simples
trabalharmos com o evento complementar, isto e, nao ocorrer cara ou ocorrer
apenas 1. O total de possibilidades neste caso e dado por
C6,0 + C6,1 = 1 + 6 = 7 .
Entao a probabilidade pedida e igual a 1 64

7
= 57
64
.
(c) Aqui ha somente duas possibilidades: (CKCKCK) ou (KCKCKC). Logo,
2 1
a probabilidade pedida e 64 = 32 .
Aula 19
Exerccio 1. A probabilidade de se obter 6 pontos e 16 , pois sao aeis resultados

possveis, todos com a mesma chance de ocorrer. Entao a probabilidade de
nao ocorrer 6 pontos e 1 16 = 56 .
Exerccio 2. Pela denicao de probabilidade, devemos ter x+2x+4x+6x = 1.

Entao 13x = 1 x = 13 1
.
1
(a) P (a1 ) = x = 13
(b) P (A) = P {a2 , a4 } = P (a2 ) + P (a4 ) = 2x + 6x = 8x = 13 8
(c) P (B) = P {a1 , a2 , a3 } = P (a1 ) + P (a2 ) + P (a3 ) = x + 2x + 4x = 7x = 7

13
.
Entao P (B) = 1 P (B) = 1 13 7 6
= 13 .
Exerccio 3. O espaco amostral e formado por todos os conjuntos formados

12!
por 5 pessoas escolhidas no total de 12. Entao # = C12,5 = 5!7! = 792.
Seja A o evento pedido. Entao A ocorre se ocorre um dos seguintes ca-
sos: 1 aluno e 4 professores, 2 alunos e 3 professores, 3 alunos e 2 professores,
4 alunos e 1 professor, 5 alunos e nenhum professor. E mais simples pensar
no evento complementar: nenhum aluno e 5 professores.
6! 6 1
Neste caso, #A = C6,5 = 5!1! = 6 e P (A) = 792
= 132
. Entao
P (A) = 1 P (A) = 1 132 = 132 = 0, 9924.
1 131
Exerccio 4. Neste caso # = 100. Calculemos a probabilidade do evento

complementar, isto e, a probabilidade de o numero escolhido ser multiplo de
10.
131 CEDERJ
DISCRETA
Como existem 10 multiplos de 10 no conjunto dado (10, 20, 30, 40, 50,
10 1
60, 70, 80, 90 e 100), essa probabilidade e 100 = 10 . Entao a probabilidade
pedida e 1 10 = 0, 9.
1
Exerccio 5. Existem 20 bolas na urna, todas com a mesma chance de serem

retiradas. Seja A o evento ter cor da bandeira nacional. Calculemos a
probabilidade do evento complementar, o que, neste caso, equivale a ser
vermelha. Logo, P (A) = 203
. Entao P (A) = 1 P (A) = 1 20
3
= 17
20
.
Exerccio 6. Sejam os eventos:

A: ser solteiro
B: ser divorciado
(a) Queremos A B. Como A e B sao mutuamente eventos exclusivos,
P (A B) = P (A) + P (B) = 35% + 15% = 50%.
(b) Seja C o evento ser casado. Queremos P (C). Como P (C) = 45%,
temos P (C) = 1 P (C) = 100% 45% = 55%.
Exerccio 7. Temos # = 30, equiprovavel.

(a) Sejam os eventos: A: primoe B: multiplo de 4.
Entao
A = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29} e #A = 10
B = {4, 8, 12, 16, 20, 24, 28} e #B = 7.
Queremos A B. Como os eventos A e B sao mutuamente exclusivos (por
que?), temos P (A B) = P (A) + P (B) = 10 30
7
+ 30 = 17
30
.
(b) Queremos P (A), onde A e o evento descrito no item (a). Entao P (A) =
1 P (A) = 1 10 30
= 20
30
= 23 .
Aula 20
Exerccio 1.
(a) A B = {3, 5, 6, 7, 8, 9, 10} {2, 4, 5, 6} = {2, 3, 4, 5, 6, 7, 8, 9, 10}
(b) A B = {3, 5, 6, 7, 8, 9, 10} {2, 4, 5, 6} = {5, 6}
(c) A (B C) = {1, 2, 4} { } = {1, 2, 4} = {1, 2, 4} = A
Exerccio 2.
(a) P (A) = 1 P (A) = 1 12 = 12
(b) P (A B) = P (A) + P (B) P (A B) = 1/2 + 1/3 1/6 = 2/3.
CEDERJ 132
Exerccio 3.
(a) Os eventos descritos sao complementares. Logo, a soma das suas proba-
bilidades teria que ser 1 (e nao 0,95).
1 5
(b) Se ela participa de 5 partidas, sua chance de ganhar e 10 .
(c) Os eventos descritos nao sao, necessariamente, complementares. E possvel
que o preco se mantenha.
(d) Como no item (b), a probabilidade e 16 16 = 36 1
.
(e) A chance de um aluno escolhido ao acaso pertencer a uma determinada
turma nao e, necessariamente, igual para todas as turmas: ela depende das
quantidades de alunos em cada turma.
Exerccio 4. Para resolver este exerccio, usamos as leis de Morgan: A B =

A B e A B = A B e a decomposicao do conjunto A B em conjuntos
disjuntos: A B = A (A B).
(a) P (A B) = P (A B) = 1 P (A B) = 1 c.
(b) P (A B) = P (A) + P (A B) P (A B) = P (A B) P (A) =
P (A) + P (B) P (A B) P (A) = p(B) P (A B) = b c.
(c) Neste item usamos o resultado do item (b).
P (A B) = P (A) + P (B) P (A B) = (1 a) + b (b c) = 1 a c.
(d) P (AB) = P (A B) = 1 P (AB) = 1 [P (A) + P (B) P (AB)] =
1 (a + b c) = 1 a b + c.
Exerccio 5.
(a) Podemos escrever B = A (B A), onde os conjuntos A e (B A) sao
disjuntos. Logo, P (B) = P (A) + P (B A) P (A) = P (B) P (B A).
(b) Do item (a), temos que P (A) = P (B) P (B A). Como (P (B A)
0, P (B) P (B A) P (B). Logo, P (A) P (B).
Exerccio 6. Queremos P (A B C). Como (ainda) nao temos uma formula

para calcular essa probabilidade diretamente, vamos decompor o conjunto
A B C numa uniao de conjuntos disjuntos.
Note que os conjuntos (A B) e (B C) sao vazios (pois estao asso-
ciados a eventos de probabilidade nula. Faca um diagrama com 3 conjuntos,
indicando que as intersecoes de A e B e de B e C sao vazias. Veja que
A B C = (A (A C)) (A C) (C A) B e que esses 4 conjuntos
sao disjuntos.
Alem disso, como (A C) A, pelo exerccio anterior, item (a), sa-
bemos que P (A C) = P (A) P (A (A C)). O mesmo se aplica aos
133 CEDERJ
DISCRETA
conjuntos (C A) e A. Podemos, entao, escrever:
P (A B C) = P (A (A C)) + P (A C) + P (C (C A)) + P (B) =
1 1 1 1 1 1
4
8 + 8 + 4 8 + 4 = 18 + 18 + 14 + 18 = 58 .
Exerccio 7.
(a) P (A) = 1 P (A) = 1 1/5 = 4/5
(b) P (A B) = P (A) + P (B) P (A B) = 1/5 + 1/5 1/10 = 3/10
Exerccio 8. Pela regra da adicao, temos:

P (A B C) = P (A (B C)) = P (A) + P (B B) P (A (B C)).
Mas A (B C)) = (A B) (A C).
Aplicando a regra da adicao, temos:
P (A B C) = P (A) + [P (B) + P (C) P (B C)] [P (A B) + P (A
C) P ((A B) (A C)].
Logo, P (A B C) = P (A) + P (B) + P (C) P (B C) P (A B)
P (A C) + P (A B C), que e a regra da adicao para 3 conjuntos.

A: parafuso; B: porca; C: enferrujada. Queremos P (A B C).
Temos:
# = 100 + 60 + 40 = 200
#A = 100 P (A) = 100/200
#B = 60 P (B) = 60/200
#C = 50 + 30 + 20 = 100 P (C) = 100/200
#(A B) = 0 P (A B) = 0
#(A C) = 50 P (A C) = 50/200
#(B C) = 30 P (B C) = 30/200
#(A B C) = 0 P (A B C) = 0
Entao:
P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) +
P (A B C) = 100/200 + 60/200 + 100/200 0 50/200 30/200 + 0 =
180/200 = 0, 9.
Exerccio 10.
(a) P (A B) = P (A) + P (B) P (A B) = 0, 30 + 0, 90 0, 20 = 1, 00.
(b) Nao, pois a probabilidade de ambos ocorrerem, simultaneamente, nao e
nula (P (A B) = 0, 20).
CEDERJ 134
Aula 21
Exerccio 1. Sejam os eventos A: vermelha e B: ouros. Queremos P (B|A).

1o. modo:
P (B|A) = P P(BA)
(A)
.
Temos: # = 52; #(B A) = 13; #A = 26
Logo, P (B A) = 13 52
e P (A) = 26
52
. Entao P (B|A) = 13/52
26/52
= 12 .
2o. modo:
Supondo que o evento A ocorreu, vamos restringir o espaco amostral a A.
Entao #A = 26. Calculando P (B) em relacao a esse espaco amostral, temos
P (B) = 13
26
= 12 .

A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} (soma 7).
B: sair 3 na primeira jogada.
P (BA)
Queremos P (B|A) = P (A)
.
Temos:
# = 36 (Todos os pares (i, j); i, j {1, 2, 3, 4, 5, 6})
(B A) = {(3, 4)} P (B A) = #(BA)
#
= 36 1
. P (A) = #A
#
= 6
36
.
1/36
Logo, P (B|A) = 6/36
= 1/6.
Exerccio 3. O espaco amostral e formado por todos os pares de cartas obtidos,

sem reposicao, num total de 52 = 2.652 pares.
a) Seja A: as duas cartas retiradas sao de paus. Entao A = conjunto de
todos os pares formados por cartas de paus. O total desses pares e dado por
13 12 = 156 P (A) = #A #
= 156/2.652 = 13/221.
b) Seja B: as duas cartas retiradas possuem o mesmo naipe. Como sao 4
naipes, a cardinalidade de B e igual a 4 13 12 = 624 e P (B) = #B #
=
624/2.652 = 52/221.
Exerccio 4. As 30 pessoas estao distribudas da seguinte maneira:

14 homens (dos quais 6 trabalham e 8 estudam)
16 mulheres (das quais 12 trabalham e 4 estudam)
Representando por m, e, h e t os eventos ser mulher, ser estudante, ser
homeme ser pessoa que trabalha, respectivamente, temos
(a) P (m) = 16/30
135 CEDERJ
DISCRETA
(b) P (e) = 12/30
(c) P (m e) = 4/30
(d) P (h|t) = PP(ht)
(t)
= 6/30
18/30
= 6/18 = 1/3
P (em) 4/30
(e) P (e|m) = P (m)
= 16/30 = 1/4.
Exerccio 5. O espaco amostral e formado por todos os pares formados pelos

inteiros de 1 a 6, num total de 36 elementos.
(a) Sejam os eventos:
A: soma maior que 7 A = {(2, 6), (3, 5), (3, 6), (4, 4), (4, 5), (4, 6),
(5, 3), (5, 4), (5, 5), (5, 6), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)} #A = 15
B: soma 8 B = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)} B A = Be #B = 5.
Entao P (B|A) = P P(BA) (A)
5/36
= 15/36 = 1/3.
(b) Sejam os eventos:

C: numeros iguais C = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} #C = 6
D: soma 6 D = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)} DC = {(3, 3)}e #(D
C) = 1.
P (DC) 1/36
Queremos P (D|C) = P (C)
= 6/36
= 1/6.

S: satisfeito; #S = 750; #S = 250
N: novo; #N = 480; #N = 520.
Entao:
a) P (S N) = 350/1000 = 0, 35
b) P (S N) = 130/1000 = 0, 13
P (N S) 350/1000
c) P (N|S) = P (S)
= 750/1000
= 7/15
P (N S) 400/1000
d) P (N|S) = P (S)
= 750/1000
= 8/15
P (SN ) 400/1000
e) P (S|N) = P (N )
= 520/1000
= 10/13
P (SN ) 350/1000
f) P (S|N) = P (N )
= 480/1000
= 35/48
Aula 22
Exerccio 1.
(a) P (A B) = P (A).P (B) = pq (pois os eventos A e B sao independentes).
(b) P (A B) = P (A) + P (B) P (A B) = p + q pq.
CEDERJ 136
Exerccio 2. P (A B) = P (A) + P (B) P (A B), onde P (A B) =

P (A).P (B), uma vez que os eventos A e B sao independentes. Entao:
P (A B) = P (A) + P (B) P (A).P (B) 13 = 14 + P (B) 14 .P (B)
3
4
1
.P (B) = 12 P (B) = 19 .
Exerccio 3.
(a) Temos:
P (1) = x; P (2) = 2x; P (3) = 3x; P (4) = 4x; P (5) = 5x; P (6) = 6x. Pela
denicao de probabilidade, P (1) + P (2) + P (3) + P (4) + P (5) + P (6) = 1
21x = 1 x = 1/21.
Entao:
P (1) = 1/21; P (2) = 2/21; P (3) = 3/21; P (4) = 4/21; P (5) = 5/21; P (6) =
6/21.
(b) P (A) = P {1, 3, 5} = P (1) + P (3) + P (5) = 1/21 + 3/21 + 5/21 = 9/21.
(c) Seja o evento B = {3}. Queremos P (B|A). Temos B A = {3}. Entao
P (B|A) = P P(BA)
(A)
= 3/21
9/21
= 3/9.
(d)Sejam os eventos:
C = {4, 5, 6} e D = {2, 4, 6}. Queremos P (D|C). Temos D C = {4, 6} e
entao
P (D|C) = P P(DC)
(C)
= 10/21
15/21
= 10/15.

A: a primeira completar o percurso
B: a segunda completar o percurso
Entao:
(a) P (A B) = P (A).P (B) = 2/3.3/5 = 2/5 (Note que os eventos sao
independentes.)
(b) P (A B) = P (A) + P (B) P (A).P (B) = 2/3 + 3/5 2/5 = 13/15.
Exerccio 5. Temos #A = 13; #B = 4; #C = 8; #(A B) = 1; #(A

C) = 2; #(B C) = 4.
Entao
P (A) = 13/52 = 1/4
P (B) = 4/52 = 1/13
P (C) = 8/52 = 2/13
P (A B) = 1/52
P (A C) = 2/13
P (B C) = 4/52 = 1/13
Como P (A B) = P (A).P (B), A e B sao eventos independentes.
137 CEDERJ
DISCRETA
Como P (A C) = P (A).P (C), os eventos A e C sao independentes.
Como P (B C) = P (B).P (C), os eventos B e C NAO sao independentes.
Exerccio 6. Temos os seguintes totais:

louras: 48; morenas: 41; ruivas: 11; olhos azuis: 50 e olhos castanhos: 50.
Denotemos por l,m,r,a,c, os eventos loura, morena, ruiva, azuis e castanhos,
respectivamente. Entao
(a) P (r) = 11/100
(b) P (l c) = 12/100
(c) P (m a) = 9/100
(d) P (m|a) = P P(ma)
(a)
9/100
= 50/100 = 9/50
(e) P (ma) = P (m) + P (a) P (ma) = 41/100 + 50/100 9/100 = 82/100
Exerccio 7. Temos:
P (A) = 4/7; P (A) = 1 4/7 = 3/7
P (A B) = P {e1 , e3 , e4 , e5 , e6 , e7 } = 6/7; P (A B) = P {e3 , e5 , e7 } = 3/7
P (B|A) = P P(BA)
(A)
= 3/7
4/7
= 3/4
Como A B = , os eventos A e B nao sao mutuamente exclusivos.
Temos P (A B) = 3/7 e P (A).P (B) = 4/7.5/7 = 20/49. Entao os eventos
A e B nao sao independentes.
Aula 23
Exerccio 1. Vamos construir a arvore de probabilidades:

B = boa pagadora C = possui cartao
evento
B = ma pagadora C - nao possui cartao
(probabilidade) (probabilidade) (probabilidade)
C (0,9) C B (0, 9 0, 8 = 0, 72)
B (0,8)
C (0,1) C B (0, 1 0, 8 = 0, 08)
C (0,3) C B (0, 3 0, 2 = 0, 06)
B (0,2)
C (0,7) C B (0, 7 0, 2 = 0, 14)

CEDERJ 138
a) P (C) = P (C B)+P (C B) = (0, 90, 8)+(0, 30, 2) = 0, 72+0, 06 =

0, 78 = 78%.
P (BC)
b) P (B|C) = P (C)
. Aqui podemos raciocinar de dois modos.
1o. modo: Usando os valores diretamente da arvore e o item a):
P (B C)
= 0, 72/0, 78 = 0, 92 = 92 .
P (C)
2o. modo: Usando Bayes:
P (B C) P (B).P (C|B) 0, 8 0, 9
= = = 92 .
P (C) P (C) 0, 78
P (BC) P (B).P (C|B) 0,80,1
c) P (B|C) = P (C)
= P (C)
= 0,22
= 0, 36 = 46%.
Exerccio 2.
Paulo (P) ser de raca (R)
evento
Roberto (P ) nao ser de (R)
(probabilidade) (probabilidade) (probabilidade)
R (0,2) R P (0, 2 0, 75)
P (0,75)
R (0,8) R P (0, 8 0, 75)
R (0,1) R P (0, 1 0, 25)
P (0,25)
R (0,9) R P (0, 9 0, 25)
a) P (P ) = 0, 75 (Do proprio enunciado.)

R)
b) P (P |R) = P P(P(R) = P (PP).P(R)
(R|P )
. Mas P (R) = P (R P ) + P (R P ) =
(0, 2 0, 75) + (0, 1 0, 25) = 0, 15 + 0, 03 = 0, 18.
P (P R) P (P ).P (R|P )
Entao P (P |R) = P (R)
= P (R)
= 0,750,2
0,18
= 0, 83.
139 CEDERJ
DISCRETA
Exerccio 3.
portador da doenca (D)
resultado positivo (+)
saudavel(S)
resultado negativo (-)
outra doenca (O)
(probabilidade) (probabilidade)
(+) (0,97)
D (0,01)
( -) (0,03)
(+) (0,05)
S (0,96)
( -) (0,95)
(+) (0,10)
O (0,03)
( -) (0,90)
Queremos
D+ P (D).P (+|D) P (D).P (+|D)

P (D|+) = = =
P (+)
P (+ D) + P (+ S) + P (+|O)
P (+)
0, 01 0, 97 0, 010
= = = 0, 164 .
(0, 97 0, 01) + (0, 05 0, 96) + (0, 1 0, 03) 0, 061
Exerccio 4. Construindo a arvore de probabilidades:
valvula boa (B) indica que e boa (+)

valvula ruim (B) ou que e defeituosa (-)
(+) (0,97)
B (0,95)
( -) (0,03)
(+) (0,00)
B (0,05)
( -) (1,00)
B P (B).P (|B) P (B).P (|B)

P (B|) = = = =
P () P () P ( B) + P ( B)
0, 95 0, 03 0, 029
= = = 0, 108 .
(0, 03 0, 95) + (1 0, 05) 0, 029 + 0, 05
CEDERJ 140
Exerccio 5. Construindo a arvore de probabilidades:

rapaz (R) ciencias exatas (C)
moca (M) ciencias nao-exatas (C)
(C) (4/5)
R (1/2)
(C) (1/5)
(C) (2/5)
M (1/2)
(C) (3/5)
(a) P (R C) = 4/5 1/2 = 2/5
(b) (P (C) = P (C R)+P (C M) = (4/51/2)+(2/51/2) = 2/5+1/5 =

3/5
P (RC) 2/5
(c) P (R|C) = P (C)
= 3/5
= 2/3.
Aula 24
Exerccio 1. Vamos construir a arvore de probabilidades desse experimento,

indicando por b bola branca e por a bola azul:
1a. retirada /(probabilidade) 2a. retirada /(probabilidade) resultado /(probabilidade)

b(2/4) (b, b)(6/20)
b(3/5)
a(2/4) (b, a)(6/20
b(3/4) (a, b)(6/20)

a(2/5)
a(1/4) (2, a)(6/20)
Seja a variavel aleatoria X: numero de bolas brancas retiradas. Entao:
X evento associado probabilidade

0 (a,a) 2/20
1 (b,a),(a,b) 12/20
2 (b,b) 6/20
Logo, a distribuicao de probabilidad da variavel X e:
P (X = 0) = 2/20; P (X = 1) = 12/20; P (X = 2) = 6/20 .
141 CEDERJ
DISCRETA
Exerccio 2. Denimos a variavel aleatoria X: valor ganho em cada partida.
Vamos supor o dado equilibrado. Entao:
face observada ganho (X) probabilidade (P ) produto (XP )
1,2,3 -1 3/6 - 3/6
4 1-1=0 1/6 0
5 2-1=1 1/6 1/6
6 3-1=2 1/6 2/6
Entao o valor esperado e E(X) = 3/6 + 1/6 + 2/6 = 0.
Exerccio 3. Denindo a variavel aleatoria X: numero de aparelhos vendidos

num dia, temos:
E(X) = (0 0, 10) + (1 0, 35) + (2 0, 30) + (3 0, 20) + (4 0, 05) = 1, 75 .
Aula 25
Exerccio 1. Denimos:
Sucesso: ter seguro; p = 75/100 = 3/4.
Fracasso: nao ter seguro; q = 25/100 = 1/4.
Variavel aleatoria X: numero de pessoas com seguro nos 6 acidentes.

n
Queremos P (X = 2). Sabemos que P (X = k) = pk q nk . Entao
k

6
P (X = 2) = (3/4)2 (1/4)4 = 135/4.096 0, 033 .
2
Exerccio 2. Denimos
Sucesso: coroa; p = 1/2.
Fracasso: cara; q = 1/2.
Variavel aleatoria X: numero de coroas observadas em 10 lancamentos.

n
k

10
P (X = 4) = (1/2)4 (1/2)6 = 210/1.024 .
4
Exerccio 3. Denimos
CEDERJ 142
Sucesso: bola azul; p = 4/10 = 2/5.
Fracasso: bola vermelha; q = 6/10 = 3/5.
Variavel aleatoria X: numero de bolas azuis e, 5 retiradas.

n
k

5
P (X = 5) = (2/5)5 (3/5)0 = 32/3.125 .
5
Exerccio 4. Denimos
Sucesso: um homem de 50 anos viver mais 20; p = 0, 6.
Fracasso: um homem de 50 anos nao viver mais 20; q = 0, 4.
Variavel aleatoria X: numero de homens de 50 anos, num grupo de 8,

que chegam aos 70 anos.
Queremos P (X 4).
n
Sabemos que P (X = k) = pk q nk . Entao
k
P (X 4) = P (X = 4) + P (X = 5) + P (X = 6) + P (X = 7) + P (X = 8) =

8 4 4 8 5 3 8
= (6/10) (4/10) + (6/10) (4/10) + (6/10)6 (4/10)2 +
4 5 6

8 7 1 8
(6/10) (4/10) + (6/10)8 (4/10)0 =
7 8
64 .44 65 .43 66 .42 67 .4 68
= 70. 8 + 56. 8 + 28. 8 + 8. 8 + 1. 8 = 0, 826
10 10 10 10 10
Exerccio 5.
Sucesso: olhos castanhos; p = 60% = 3/5.
Fracasso: olhos nao castanhos; q = 2/5.
Variavel aleatoria: X: numero de pessoas com olhos castanhos nas 5

escolhas.
Vamos formar a distribuicao de probabilidades de X:
143 CEDERJ
DISCRETA
X Probabilidade (P ) Produto (XP )

5 3 0 2 5 32
0 5 5
= 3.125 0
0

5 3 1 2 4 240 240
1 5 5
= 3.125 3.125
1

5 3 2 2 3 720 1.440
2 5 5
= 3.125 3.125
2

5 3 3 2 2 1.080 3.240
3 5 5
= 3.125 3.125
3

5 3 4 2 1 810 3.240
4 5 5
= 3.125 3.125
4

5 3 5 2 0 243 1215
5 5 5
= 3.125 3.125
5
Entao o valor esperado e:

240 1.440 3.240 3.240 1215 3.125
E(X) = + + + + = =3.
3.125 3.125 3.125 3.125 3.125 9.375
Notemos que 3 equivale exatamente a 60% de 5.
CEDERJ 144
I SBN 85 - 88731 - 06 - 1
cdigo
de barras
9 788588 731066

Matemática Discreta - Vol.2 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Matemática Discreta - Vol.2 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Matemática Discreta - Vol.2 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Mdulo 2 Volume 2

Coordenao do Curso de Matemtica

Copyright 2005, Fundao Cecierj / Consrcio Cederj

1. Probabilidades 2. Teorema de Bayes. 3. Distribuio

Secretrio de Estado de Cincia e Tecnologia

UERJ - UNIVERSIDADE DO ESTADO DO UFRRJ - UNIVERSIDADE FEDERAL RURAL

UFF - UNIVERSIDADE FEDERAL FLUMINENSE UNIRIO - UNIVERSIDADE FEDERAL DO ESTADO

SUMRIO Probalidades ____________________________________7

Aula 14 Introduo ao estudo das probabilidades_________________________ 9

Aula 15 Experimentos e espao amostral _____________________________ 17

Aula 16 Eventos _______________________________________________ 27

Aula 17 Probabilidades __________________________________________ 39

Aula 18 Usando tcnicas de contagem no clculo de probabilidades_________ 51

Aula 19 Probabilidade do evento complementar________________________ 59

Aula 20 Regra da adio _________________________________________ 67

Aula 21 Probabilidade condicional e Regra da multiplicao _______________ 75

Aula 22 Eventos independentes e Regra da probabilidade total ____________ 85

Aula 23 Teorema de Bayes ________________________________________ 95

Aula 24 Varivel aleatria e Valor esperado __________________________ 103

Aula 25 Distribuio binomial ____________________________________ 113

Solues de exerccios selecionados __________________________ 121

O Calculo das Probabilidades, no fundo, nao e nada mais

Caros alunos, voces ja se deram conta de que estamos o tempo todo

Fara sol, amanha?

Dara praia no nal de semana?

O professor adiara a prova?

O meu candidato ganhara as eleicoes?

Quanto valera o dolar na proxima sexta-feira?

Aula 14 Introducao ao estudo das

ser descrito por um modelo determinstico. Se o experimento e repetido, sob

experimento A: lancamos dois dados e observamos a maior das faces

experimento B: lancamos dois dados e observamos a soma das faces que

Os experimentos A e B sao diferentes, embora a acao tenha sido a mesma

1. Comprar uma dezena de canetas, a 5 reais cada, e determinar o custo

2. Percorrer 300km, a uma velocidade constante de 80km/h, e medir o

3. Aquecer a agua e observar a que temperatura ela ferve.

4. Resolver a equacao x2 4 = 0 e anotar as solucoes.

5. Medir a resistencia eletrica de um condutor, conhecendo a diferenca

1. Lancar um dado e observar o numero da face de cima.

2. Contar a quantidade de canetas vendidas, em uma loja, em determi-

3. Contar os dias de chuva em determinado perodo.

4. Jogar duas moedas e anotar o par de resultados.

5. Jogar uma moeda quatro vezes e anotar o numero de caras obtido.

6. Jogar uma moeda cinco vezes e observar a sequencia obtida de caras e

7. Retirar uma carta de um baralho e observar o naipe.

8. Retirar uma carta de um baralho e observar se e ou nao gura.

9. Jogar um dado tres vezes e anotar o terno de numeros obtidos.

12. Anotar o sexo dos recem-nascidos em uma maternidade, durante um

14. Em uma linha de producao, fabricar pecas em serie e contar o numero

15. Escolher, ao acaso, uma pessoa em determinado grupo e vericar seu

O Teorema de Bernoulli tambem permite deduzir a probabilidade de

foi apresentado em 1777,

(1821-1894), A.A. Markov (1856-1922) e A. N. Kolmogorov (nascido em

(a) Lancar 3 moedas e anotar o numero de caras obtidas.

2. De um exemplo de fenomeno aleatorio que seja objeto de interesse ou

(a) Lancar um dado tres vezes.

Aula 15 Experimentos e espaco amostral

Consideremos o experimento de lancar um dado e observar o numero da face

Lembre-se de que, para identicar o espaco amostral de um certo expe-