Aula 19 - Estatistica - Aula 02

Pacote de Teoria e Exercícios para Papiloscopista PF
Estatística
Aula 02
Probabilidades
1 Noções de Análise Combinatória ..................................................................................... 2

1.1 Princípio Fundamental da Contagem ...................................................................... 2
1.2 Arranjos Simples ............................................................................................................. 3
1.3 Permutações Simples .................................................................................................... 5
1.4 Combinações Simples ................................................................................................... 7
2 Probabilidade......................................................................................................................... 11
2.1 Os Diferentes Tipos de Probabilidade ................................................................... 12
2.2 Conjuntos e Eventos.................................................................................................... 13
2.3 Definição Axiomática de Probabilidade ................................................................ 17
2.4 Probabilidades Conjunta e Condicional ................................................................ 21
2.5 Independência ............................................................................................................... 23
2.6 Regras de Adição .......................................................................................................... 24
2.7 Regra da Multiplicação ................................................................................................ 26
2.8 Teorema da Probabilidade Total ............................................................................. 26
2.9 Teorema de Bayes ........................................................................................................ 30
3 Resumo 33
4 Exercícios de Fixação ......................................................................................................... 35
5 Gabarito 44
6 Resolução dos Exercícios de Fixação ........................................................................... 45
Prof. Alexandre Lima www.pontodosconcursos.com.br 1

1 Noções de Análise Combinatória
1.1 Princípio Fundamental da Contagem
Seja n um número inteiro não negativo. O fatorial de n, representado pelo

símbolo n!, é definido conforme abaixo:
n! = n.(n-1).(n-2).(n-3)....3.2.1
Exemplos:
I) 10! = 10.9.8.7.6.5.4.3.2.1 = 3.628.800

II) 9! = 9.8.7.6.5.4.3.2.1 = 362.880
III) 8! = 8.7.6.5.4.3.2.1 = 40.320
IV) 7! = 7.6.5.4.3.2.1 = 5.040
V) 6! = 6.5.4.3.2.1 = 720
VI) 5! = 5.4.3.2.1 =120
VII) 4! = 4.3.2.1 = 24
VIII) 3! = 3.2.1 = 6
IX) 2! = 2.1 = 2
X) 1! = 1
XI) 0! = 1 (por definição)
Princípio Fundamental da Contagem (Regra do Produto): Caso um

evento qualquer ocorra em n etapas consecutivas e independentes da seguinte
maneira:
Primeira etapa: existem k1 maneiras diferentes de ocorrer o evento.

Segunda etapa: existem k2 maneiras diferentes de ocorrer o evento.
Terceira etapa: existem k3 maneiras diferentes de ocorrer o evento.
(...)
Enésima etapa: existem kn maneiras diferentes de ocorrer o evento.
⇒ Número Total de Maneiras de Ocorrer o Evento = k1.k2.k3.k4...kn
Exemplo: as placas dos automóveis do Brasil são compostas por três letras e
quatro números. Qual é o número máximo de veículos que podem ser
licenciados pelo Detran, de acordo com esse padrão de confecção das placas?
Nosso alfabeto possui 26 letras (A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q,

R, S, T, U, V, X, Y, W, Z). Nós utilizamos a base decimal, que possui 10
algarismos (0, 1, 2, 3, 4, 5, 6, 7, 8, 9).
A placa é composta da seguinte maneira:
(Letra) (Letra) (Letra) (Número) (Número) (Número) (Número)

Exemplo: LAG 2134
Logo, para a primeira letra, temos 26 possibilidades, assim como para a

segunda e para a terceira. Para o primeiro número temos 10 possibilidades,
assim como para o segundo, para o terceiro e para o quarto.
Portanto, o número máximo de placas (veículos licenciados) seria:
(Letra) (Letra) (Letra) (Número) (Número) (Número) (Número)
26 x 26 x 26 x 10 x 10 x 10 x 10 = 26 3 x 104
Número Máximo de Placas = 175.760.000.
Tranquilo até aqui? Então vamos em frente.
1.2 Arranjos Simples
Uma coleção (ou conjunto) de n elementos constitui uma população de

tamanho n (a ordem dos n elementos não importa). Duas populações são
diferentes se uma contém pelo menos um elemento não contido na outra
(neste caso, diz-se que elas têm naturezas distintas). Uma subpopulação de
tamanho r de uma população de tamanho n é um subconjunto de r elementos
tomados da população original. De forma análoga, duas subpopulações são
diferentes, isto é, têm naturezas distintas, se uma tem pelo menos um
elemento diferente da outra.
Seja uma população de n elementos s1 , s 2 ,..., s n . Qualquer arranjo ordenado

s k1 , s k 2 ,..., s k r é denominado uma amostra ordenada (arranjo ordenado) de
tamanho r.
Considere uma urna genérica contendo n bolas numeradas distintas. As bolas

são removidas uma a uma. Quantas amostras ordenadas distintas de
tamanho r podem ser formadas? Há dois casos:
(i) Amostragem com reposição. Neste caso, temos n escolhas para a

primeira bola, n escolhas para a segunda bola, e assim sucessivamente. Deste
modo, há nr amostras ordenadas distintas de tamanho r.
(ii) Amostragem sem reposição. Neste caso, temos n escolhas para a
primeira bola, (n-1) escolhas para a segunda bola, e assim sucessivamente.
Deste modo, há
n!
(1) A n ,r = n (n − 1)(n − 2)...(n − r + 1) =
(n − r )!
amostras ordenadas distintas de tamanho r.

A equação (1) é a fórmula do arranjo simples, pois fornece o número An,r

de agrupamentos (amostras) ordenados possíveis de n elementos de
um conjunto, tomados r a r, considerando r elementos distintos.
Exemplo: o número de arranjos das letras a, b e c, tomadas duas de cada

3! 3 × 2 ×1
vez, é A n ,r = = = 6 . São: ab, ba, ac, ca, bc, cb. Observe que um
(3 − 2)! 1
arranjo leva em consideração a ordem de sua disposição.
Exemplo: suponha que o seu Internet Banking exija que você cadastre uma
senha de seis dígitos, com as seguintes características:
• só é possível utilizar os algarismos de 0 a 9; e

• os dígitos devem ser distintos.
Qual é o número máximo de senhas que você pode criar?
Observe que a senha 012345 é diferente da senha 102345, ou seja, a ordem

dos dígitos gera possibilidades diferentes. Além disso, a senha 012345 é
diferente da senha 012346, ou seja, a natureza do elementos também gera
possibilidades diferentes.
Contudo, você poderia perguntar: mas professores, preciso saber a fórmula do

arranjo para resolver esta questão? A resposta é não. Basta utilizar o que
temos que melhor: o raciocínio, ou se preferir, o raciocínio lógico.
A senha a ser criada será formada por seis números distintos. Repare que para
o “dígito 1” (D1), temos 10 possibilidades (de 0 a 9). Contudo, para o “dígito
2” (D2), como os números devem ser distintos, teríamos 9 possibilidades, pois
devemos retirar o número utilizado no “dígito 1”. Para o “dígito 3” (D3),
teríamos 8 possibilidades, e assim por diante.
Deste modo teríamos,
10 x 9 x 8 x 7 x 6 x 5 = 151.200 senhas distintas.

(D1) (D2) (D3) (D4) (D5) (D6)
Viu como é fácil! E nem foi necessário usar a fórmula do arranjo.
Contudo, se você é fanático(a) por fórmulas e prefere memorizá-las, obtemos

o mesmo resultado utilizando a fórmula do arranjo simples (sabendo que as
possibilidades serão distintas em virtude da ordem e da natureza dos
elementos):
• n = 10 algarismos
• r = 6 dígitos (senha)

A10,6 = n!/(n – r)! = 10!/(10 – 6)! = 10!/4! = (10.9.8.7.6.5.4!)/4! = 151.200.
Nota: bizu de fatorial para a prova:
10! = 10.9! = 10.9.8! = 10.9.8.7! = 10.9.8.7.6! = 10.9.8.7.6.5! =

= 10.9.8.7.6.5.4! = 10.9.8.7.6.5.4.3! =
= 10.9.8.7.6.5.4.3.2! = 10.9.8.7.6.5.4.3.2.1
Generalizando:
n! = n.(n-1)! = n.(n-1).(n-2)! = n.(n-1).(n-2).(n-3)! = ...
1.3 Permutações Simples
Quando os arranjos são formados por todos os elementos do conjunto dado e,

além disso, diferem entre si somente em função da ordem de seus
elementos, temos uma permutação simples. Assim, a permutação de n
elementos distintos, tomados n de cada vez, será dada por
An,n = n!/(n – n)! = n!/0! = n!/1 = n! = Pn
Ressaltamos que, na permutação, os agrupamentos ou possibilidades serão

diferentes entre si pela ordem apenas.
Exemplo: seja o seguinte conjunto A = {1, 2, 3, 4}. Qual é o número de

permutações possíveis de seus elementos?
n = 4 ⇒ Pn = n! ⇒ P4 = 4! = 4.3.2.1 = 24
Permutações possíveis (somente para conferência):
{1, 2, 3, 4} {2, 1, 3, 4} {3, 1, 2, 4} {4, 1, 2, 3}

{1, 2, 4, 3} {2, 1, 4, 3} {3, 1, 4, 2} {4, 1, 3, 2}
{1, 3, 2, 4} {2, 3, 1, 4} {3, 2, 1, 4} {4, 2, 1, 3}
{1, 3, 4, 2} {2, 3, 4, 1} {3, 2, 4, 1} {4, 2, 3, 1}
{1, 4, 2, 3} {2, 4, 1, 3} {3, 4, 1, 2} {4, 3, 1, 2}
{1, 4, 3, 2} {2, 4, 3, 1} {3, 4, 2, 1} {4, 3, 2, 1}
Exemplo: suponha que você e seus quatro primos compraram 5 passagens

aéreas para conhecer o país ESÁFIO, que vieram com os seguintes assentos
marcados: 1A, 1B, 1C, 1D e 1E. Caso vocês quisessem trocar de lugar entre si,
sem considerar o nome de cada um nas passagens aéreas, de quantas formas
distintas vocês poderiam ocupar estes 5 lugares no avião?
Repare que a questão pede para calcular o número de possibilidades de cinco

primos se sentarem em cinco lugares diferentes. Ou seja, nós não temos como
variar a natureza do elementos, tendo em vista que são 5 pessoas que irão
sentar em 5 lugares. As possibilidades serão diferentes entre si apenas em

função da ordem. Portanto, é uma permutação.
Precisamos guardar a fórmula da permutação? A resposta é não, pois é

possível resolver sem fórmula. Veja:
No “lugar 1A” poderia se sentar um dos 5 primos; no “lugar 1B”, teriam

apenas 4 primos com possibilidade de sentar, tendo em vista que um primo já
sentou no “lugar 1A"; no “lugar 1C”, três primos; no “lugar 1D”, dois primos;
e, finalmente, no “lugar 1E”, 1 primo.
Portanto, teríamos:
(Lugar 1A) (Lugar 1B) (Lugar 1C) (Lugar 1D) (Lugar 1E)
5 x 4 x 3 x 2 x 1 = 120
Novamente, se você é fanático(a) por fórmulas e prefere memorizá-las,

utilizando a fórmula da permutação (sabendo que as possibilidades serão
distintas em virtude da ordem dos elementos):
P5 = 5! = 5.4.3.2.1 = 120
Nota: Anagrama: palavra ou frase formada de outra por meio de

transposição de letras - como em Alice, Celia; Roma, amor; Pedro, poder; ou
América, Iracema.
Exemplo: Determine o número de anagramas da palavra PODER.
PODER ⇒ 5 letras ⇒ n = 5 ⇒ P5 = 5! = 5.4.3.2.1 = 120
Nota: Permutações Circulares: Pno = n!/n = (n-1)! => normalmente, são

problemas que envolvem n pessoas em torno de uma mesa circular.
Exemplo: De quantas maneiras 5 pessoas (P1, P2, P3, P4 e P5) podem se

sentar ao redor de uma mesa circular?
n = 5 ⇒ Pn = (n-1)! = (5-1)! = 4! = 4.3.2.1 = 24 maneiras

P3
P1
P2 P5 P4 P2
P3 P4 P5
P1
Repare que, como as pessoas são colocadas ao redor da mesa, as arrumações

{P1,P5,P4,P3,P2} e {P3,P2,P1,P5,P4} são iguais, pois, para cada pessoa
selecionada, os vizinhos à esquerda e à direita permanecem os mesmos. Deste
modo, podemos “rodar” com esta arrumação ao redor da mesa que a
arrumação não sofrerá alteração.
Nota: Permutações com elementos repetidos: neste caso, há um conjunto

de n elementos, com q elementos repetidos do tipo 1, r elementos repetidos
do tipo 2, s elementos repetidos do tipo 3, etc. Fórmula:
Pn (q,r,s,...) = n!/(q! r! s! ...)
Exemplo: Determine o número de anagramas da palavra RACIOCÍNIO.
Total de Letras em RACIOCÍNIO = 10

Letras repetidas:
I (3 vezes, considerando que Í = I) ⇒ 3!
O (2 vezes) ⇒ 2!
C (2 vezes) ⇒ 2!
Total de Anagramas = 10!/(3!.2!.2!) = 151.200
1.4 Combinações Simples
Suponha que desejamos saber o seguinte: quantas subpopulações (grupos) de

tamanho r podem ser formadas a partir de uma população de tamanho n? Por
exemplo, considere 6 bolas numeradas de 1 a 6. Quantos grupos de tamanho
2 podem ser formados? A tabela abaixo mostra que 15 grupos de tamanho 2
podem ser formados:
12 23 34 45 56
13 24 35 46
14 25 36
15 26
16

Note que isto é diferente do número de amostras ordenadas que podem ser
formadas sem reposição (arranjos simples). A tabela a seguir mostra que A6,2
= 6 x 5 = 30 arranjos podem ser obtidos:
12 21 31 41 51 61
13 23 32 42 52 62
14 24 34 43 53 63
15 25 35 45 54 64
16 26 36 46 56 65
A tabela acima, por sua vez, é diferente do número de amostras que podem
ser formadas com reposição (62 = 36):
11 21 31 41 51 61
12 22 32 42 52 62
13 23 33 43 53 63
14 24 34 44 54 64
15 25 35 45 55 65
16 26 36 46 56 66
Note que os grupos da primeira tabela (aquela com 15 grupos) diferem entre si
somente em função da natureza de seus elementos e que a ordem não
importa. Neste caso, diz-se que a primeira tabela relaciona as 15
combinações (simples) possíveis de n = 6 elementos tomados 2 a 2.
Adotaremos no restante desta aula a notação C nr (ou Cn,r) para a combinação
de n elementos tomados r a r.
Uma fórmula geral para o número C rn de combinações de tamanho r em uma

população de tamanho n pode ser deduzida como a seguir. Considere uma
urna com n bolas distintas. Nós já sabemos que o número de arranjos de n
elementos, tomados r de cada vez, é An,r. Agora considere uma subpopulação
específica de tamanho r. Para esta subpopulação, há r! arranjos distintos.
Desta forma, para Cn,r combinações (subpopulações) devem existir Cn,r.r!
diferentes amostras ordenadas de tamanho r. Portanto,
(2) Cn,r.r! = An,r
ou
A n ,r n! ⎛n⎞
(3) C n ,r = = = ⎜⎜ ⎟⎟
r! (n − r )!r! ⎝ r ⎠
A Eq. (3) define o coeficiente binomial.

Exemplo: seja conjunto A = {1, 2, 3, 4}. Qual é o número de subconjuntos

possíveis de seus elementos?
A questão pede o número de subconjuntos possíveis. Portanto, pouco importa

a ordem, tendo que vista que o conjunto {1, 2, 3}, por exemplo, é igual ao
conjunto {2, 1, 3}. Contudo, a natureza influencia nas possibilidades, pois o
conjunto {1, 2, 3}, por exemplo, é diferente do conjunto {1, 2, 4}. Logo, deve
ser utilizada a combinação.
Neste caso fica mais fácil determinar todos os subconjuntos por número de
elementos, ou seja, o subconjunto vazio, os subconjuntos com 1 elemento, os
subconjuntos com 2 elementos, os subconjuntos com 3 elementos e os
subconjuntos com 4 elementos.
Subconjunto vazio: { } ⇒ apenas 1 grupo. Vamos conferir pela fórmula da

combinação? Neste caso seria a combinação de 4 elementos, tomados 0 a 0:
4! 4!
C 4, 0 = = =1
0!(4 − 0)! 1 × 4!
Subconjuntos com 1 elemento: {1}, {2}, {3}, {4} ⇒ 4 grupos. Vamos

conferir pela fórmula da combinação? Neste caso seria a combinação de 4
elementos, tomados 1 a 1.
4! 4!
C 4,1 = = =4
1!(4 − 1)! 1 × 3!
Subconjuntos de 2 elementos: {1,2}, {1,3}, {1,4}, {2,3}, {2,4}, {3,4} ⇒

6 grupos. Vamos conferir pela fórmula da combinação? Neste caso seria a
combinação de 4 elementos, tomados 2 a 2:
4! 4! 4×3
C 4, 2 = = = =6
2!(4 − 2)! 2!×2! 2
Repare que aqui não importa a ordem, tendo em vista que, por exemplo, o
subconjunto {1,2} é igual ao subconjunto {2,1}:
Subconjuntos de 3 elementos: {1,2,3}, {1,2,4}, {1,3,4}, {2,3,4} ⇒ 4

grupos. Vamos conferir pela fórmula da combinação? Neste caso seria a
combinação de 4 elementos, tomados 3 a 3:
4! 4!
C 4,3 = = =4
3!(4 − 3)! 3!×1!

Subconjuntos de 4 elementos: {1,2,3,4} ⇒ apenas 1 grupo. Vamos conferir

pela fórmula da combinação? Neste caso seria a combinação de 4 elementos,
tomados 4 a 4.
4! 4!
C 4, 4 = = =1
4!(4 − 4)! 4!×0!
Logo, o número total de subconjuntos é: 1 + 4 + 6 + 4 + 1 = 16.
Neste exemplo, foi fácil achar os subconjuntos e nem precisávamos da fórmula

da combinação. Só fizemos o cálculo com a fórmula para você ver como é
feito. Contudo, se a questão pedisse, por exemplo, os subconjuntos do
conjunto {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}, a “coisa ficaria bem mais complicaria”
e seria mais fácil utilizar a fórmula da combinação.
Nota: Repare que propriedade interessante:

No exemplo anterior:
C4,0 = C4,4
C4,1 = C4,3
Logo, generalizando, teríamos:

Cn,0 = Cn,n
Cn,1 = Cn,n-1
Cn,2 = Cn,n-2
Cn,3 = Cn,n-3
(....)
Exemplo: quantos grupos distintos de 3 pessoas podemos fazer com João,

Maria, José, Mário e Joana?
Quando formamos grupos de pessoas, não importa a ordem, pois o grupo

Maria, José e Mário, por exemplo, é igual ao grupo José, Maria e Mário.
Contudo, a natureza importa, tendo em vista que o grupo João, Maria e José,
por exemplo, é diferente do grupo João, Maria e Joana.
Portanto, teremos uma combinação de 5 pessoas (João – J1, Maria – M1, José
– J2; Mário – M2 e Joana – J3), tomadas 3 a 3 (o exemplo pede grupos
distintos de 3 pessoas):
5! 5! 5 × 4 × 3!
C 5, 3 = = = = 10
3!(5 − 3)! 3!×2! 3!×2 × 1
Combinações possíveis (somente para conferência):

{J1,M1,J2} {J1,M2,J3}
{J1,M1,M2} {M1,J2,M2}
{J1,M1,J3} {M1,J2,J3}
{J1,J2,M2} {M1,M2,J3}
{J1,J2,J3} {J2,M2,J3}
Note que o grupo {J1,M1,J2} é equivalente ao grupo {M1,J2,J1}, pois a ordem

não importa neste caso.
Exemplo: você está se preparando para realizar a prova de Raciocínio Lógico-

Quantitativo do próximo concurso público e estabeleceu como objetivo resolver
(e acertar) 16 das 20 questões possíveis. Quantos grupos de 16 questões
poderão ser selecionadas?
A ordem das questões não importa. Contudo, a natureza importa, pois você
pode, por exemplo, em uma possibilidade, acertar as questões de 1 a 16 e, em
outra possibilidade, acertar as questões de 1 a 15 e 17. Logo, não podemos
utilizar o conceito da permutação, mas sim o da combinação das 20 questões
da prova, tomadas 16 a 16:
20! 20 × 19 × 18 × 17 × 16! 20 × 19 × 18 × 17
C 20,16 = = = = 4.845
16!(20 − 16)! 16!×4 × 3 × 2 × 1 4 × 3 × 2 ×1
2 Probabilidade
A Probabilidade é a teoria matemática que nos ajuda a estudar sistemas

físicos, econômicos, biológicos, mecânicos, financeiros, etc., num sentido
médio (esta idéia será formalizada nos próximas aulas). O seu objetivo é
construir um modelo matemático para uma situação física e, a partir deste
modelo, deduzir propriedades da situação. A Inferência Estatística (que é uma
das parte da Estatística) é baseada na teoria das probabilidades.
Um fenômeno é aleatório quando o seu comportamento futuro não pode

ser previsto com absoluta certeza. Por exemplo, as condições climáticas no
dia da prova do concurso não podem ser previstas com 100% de acerto. Por
outro lado, é possível que a previsão do tempo seja realizada em termos
probabilísticos. Se você tiver a curiosidade de consultar o site de uma empresa
de previsão do tempo, constatará que a previsão é dada em termos de
“tendências” e que, inclusive, a seguinte observação poderia ser feita: “esta
tendência é resultado de modelos matemáticos e não tem interferência direta
dos meteorologistas. Estes valores podem variar muito de um dia para o
outro”. Ou seja, a empresa está dizendo para os seus clientes, que são leigos
em Meteorologia, que a previsão do tempo possui uma margem de erro e que
isto se deve à utilização de modelos matemáticos probabilísticos de previsão.

Considere, por exemplo, variáveis de natureza econômica. Elas são aleatórias

por natureza. Não sabemos quais serão os seus valores futuros senão depois
de observá-los. Por exemplo, não sabemos dizer, com 100% de precisão, qual
será a cotação do Dólar daqui a um ano.
Faremos uma breve apresentação dos conceitos fundamentais da teoria da

probabilidade nesta aula.
2.1 Os Diferentes Tipos de Probabilidade
A) Probabilidade como a razão entre o número de resultados

favoráveis e o número total de resultados possíveis (teoria clássica)
Nesta abordagem a probabilidade de um dado evento (conceito de evento será

formalizado mais adiante) E é calculada pela fórmula
NE
(4) P=
N
em que P é a probabilidade de E, NE representa o número de ocorrências de E

e N é o número de todos os resultados possíveis. Uma noção importante que
está subentendida em (4) é que os resultados devem ser equiprováveis.
Exemplo. Lance uma moeda não viciada (ou justa) duas vezes. Os resultados
possíveis são cara-cara (CC), cara-coroa (CK), coroa-cara (KC) e coroa-coroa
(KK). Qual é a probabilidade de se obter pelo menos uma coroa?
Seja E o evento que denota a obtenção de pelo menos uma coroa; então E é o
conjunto dos resultados
E = {CK, KC, KK} .
O número de elementos em E é 3. Como N = 4, temos que
▪
NE 3
P[E] = =
N 4
A definição clássica de probabilidade possui alguns defeitos, como, por

exemplo, a sua não capacidade de abordar situações em que os resultados são
não equiprováveis.
B) Probabilidade como freqüência relativa
Considere n realizações de um experimento aleatório (vide definição mais

adiante). Então, define-se a probabilidade de um dado evento E como

nE
(5) P[E] = lim n →∞
n
em que nE denota o número de ocorrências de E. Como na prática não

podemos obter infinitas realizações, temos que (5) estima P[E] dado um valor
finito de n. Observe que 0 ≤ P[E] ≤ 1 , pois n E ≤ n . Um dos problemas desta
abordagem é justamente o fato de nunca podermos realizar o experimento por
um número infinito de vezes. Outra dificuldade é que se assume que a razão
nE/n possui um limite para n tendendo a infinito.
Apesar dos problemas mencionados acima, a definição de probabilidade como

freqüência relativa é essencial para a aplicação da teoria das probabilidades ao
mundo real.
C) Probabilidade baseada na teoria axiomática
Esta é a abordagem moderna da probabilidade. Para desenvolvê-la, é preciso

introduzir os conceitos de experimento aleatório, espaço amostral e
evento.
Um experimento aleatório é simplesmente um experimento em que os

resultados são não determinísticos, isto é, probabilísticos. O espaço
amostral é o conjunto de todos os possíveis resultados de um
experimento aleatório. Um evento é um subconjunto do espaço
amostral de um experimento aleatório.
2.2 Conjuntos e Eventos
Um conjunto é uma coleção de objetos abstratos ou concretos. Um

exemplo de conjunto concreto é o conjunto de todos os residentes na cidade
de São Paulo cuja altura exceda 1,60 m. O conjunto de todos os habitantes de
São Paulo com altura entre 1,60m e 1,70m é um subconjunto do conjunto
anterior. No estudo da probabilidade, nós estamos interessados no conjunto de
todos os possíveis resultados de um experimento (espaço amostral) e nos
subconjuntos daquele conjunto. É comum representar o espaço amostral de
um experimento aleatório usando a letra grega Ω (ômega). Eventos são
subconjuntos de Ω. O próprio conjunto Ω é um evento, o qual é denominado
evento certo. O conjunto que não envolve nenhum dos resultados possíveis é
o evento impossível ∅ (conjunto vazio). Este é o evento que não pode
acontecer e que é incluído na teoria por uma questão de completeza.
Álgebra de Conjuntos
A união (soma) de dois conjuntos E e F, denotada por E∪F ou E+F, é o

conjunto de todos os elementos que estão em pelo menos um dos conjuntos E
ou F. Portanto, com E = {1, 2, 3, 4} e F = {1, 3, 4, 5, 6}

E ∪ F = {1, 2, 3, 4, 5, 6}.
Se E é um subconjunto de F, indicamos este fato escrevendo E ⊂ F. Neste

caso, segue-se que E ∪ F = F. Nós indicamos que ζ é um elemento de Ω
escrevendo ζ ∈ Ω. Logo, podemos escrever
E ∪ F = {ζ: ζ ∈ E ou ζ ∈ F ou ζ está em ambos}.
A interseção de dois conjuntos E e F, denotada por E ∩ F ou EF, é o conjunto

dos elementos comuns a ambos os conjuntos E e F. Portanto, com E = {1, 2,
3, 4} e F = {1, 3, 4, 5, 6}
EF = {1, 3, 4}.
Formalmente, tem-se que EF = {ζ: ζ ∈ E e ζ ∈ F }. O complemento de um

conjunto E, denotado por Ec, é o conjunto de todos os elementos que não
estejam em E. Deste modo, segue-se que
E ∪ E c = Ω.
Nota: O complemento de E também costuma ser denotado por E´.
Observe que EEc = ∅. A diferença de dois conjuntos ou, mais

apropriadamente, a redução de E por F, denotada por E – F, é o conjunto de
elementos em E que não estão em F, de modo que
E – F = EFc.
O ou exclusivo de dois conjuntos, denotado por E ⊕ F, é o conjunto de todos

os elementos em E ou F mas não em ambos. Note que
E ⊕ F = (E - F) ∪ (F - E).
Dois eventos E, F são mutuamente exclusivos (ou excludentes ou

disjuntos) se EF = ∅; ou seja, E e F não têm elementos em comum.
As próximas três figuras ilustram algumas operações com conjuntos vistas

acima por meio de diagramas de Venn.

Ω E F
Figura: a união dos conjuntos E e F é a parte

hachurada do diagrama.
Ec
Figura: a parte hachurada do diagrama é o complementar de E.

Ω
E F
E-F E∩F F-E
Figura: interseção e diferenças.
Dado qualquer conjunto E, uma partição-n de E consiste em uma sequência

n
de conjuntos Ei, i = 1, 2, ..., n, tal que Ei ⊂ E, U i =1
E i = E e E i E j = ∅ para todo
i ≠ j . A figura a seguir ilustra o diagrama de Venn para uma partição-4 de um
espaço amostral em quatro eventos E1, E2, E3 e E4 mutuamente exclusivos.

2.3 Definição Axiomática de Probabilidade
Seja um experimento aleatório com espaço amostral Ω. Considere um evento

qualquer E. Define-se probabilidade como a função P[.] que atribui um
número P[E] para o evento E do espaço amostral Ω denominado probabilidade
de E tal que
a) P[E] ≥ 0.
b) P[Ω] = 1.
c) P[E ∪ F] = P[E] + P[F] se E ∩ F = ∅.
As expressões (a), (b) e (c) são os axiomas da probabilidade.
Os axiomas acima implicam os seguintes resultados:
P[∅] = 0
e para qualquer evento E,
P[Ec] = 1 - P[E].
Por exemplo, se a probabilidade de um evento E for 0,4, então a probabilidade

de Ec = 1 - 0,4 = 0,6.
Exemplo (Administrador Jr – Petrobrás/2010/Cesgranrio) Em um posto

de combustíveis entram, por hora, cerca de 300 clientes. Desses, 210 vão
colocar combustível, 130 vão completar o óleo lubrificante e 120 vão calibrar
os pneus. Sabe-se, ainda, que 70 colocam combustível e completam o óleo; 80
colocam combustível e calibram os pneus e 50 colocam combustível,
completam o óleo e calibram os pneus. Considerando que os 300 clientes
entram no posto de combustíveis para executar uma ou mais das atividades
acima mencionadas, qual a probabilidade de um cliente entrar no posto para
completar o óleo e calibrar os pneus?
(A) 0,10
(B) 0,20
(C) 0,25
(D) 0,40
(E) 0,45
Resolução
Dados:

- de um total de 300 clientes (= espaço amostral), 210 colocam combustível,

130 completam o óleo e 120 calibram os pneus;
- 70 clientes colocam combustível e completam o óleo, 80 colocam combustível

e calibram os pneus e 50 colocam combustível, completam o óleo e calibram
os pneus.
Resolverei a questão usando a técnica do Diagrama de Venn. Note que 50

clientes colocam combustível, completam o óleo e calibram os pneus. O
diagrama abaixo mostra que a interseção entre os três conjuntos (combustível,
óleo e pneus) é composta por 50 clientes.
Setenta (70) clientes colocam combustível e completam o óleo (adicionei 20

clientes à interseção entre os conjuntos combustível e óleo):
Oitenta (80) clientes colocam combustível e calibram os pneus (adicionei 30

clientes à interseção entre os conjuntos combustível e pneus):
Duzentos e dez clientes (210) colocam combustível. Logo, temos que adicionar
210 – (30 + 50 + 20) = 110 clientes que entram no posto somente para
colocar combustível ao conjunto combustível:
Finalmente, completarei o diagrama com as variáveis X, Y e Z, que denotam,

respectivamente, o número restante de clientes que completam o óleo e
calibram os pneus, que somente calibram os pneus e que somente completam
o óleo:

A probabilidade de um cliente entrar no posto para completar o óleo e calibrar

os pneus é dada pela fração
50 + X
P = (no de resultados favoráveis)/(no de resultados possíveis) =
300
Resolveremos o problema, se soubermos determinar o valor de X. Mas como

faremos isso? A resposta é simples: basta montar um sistema linear.
Cento e vinte (120) clientes calibram os pneus. Portanto (veja o diagrama de

Venn acima),
30 + 50 + X + Y = 120 ⇒ 80 + X + Y = 120 ⇒ X + Y = 120 – 80 = 40
Cento e trinta clientes completam o óleo. Então,
50 + 20 + X + Z= 130 ⇒ 70 + X + Z = 130 ⇒ X + Z = 130 – 70 = 60
O total de clientes é 300:
110 + 30 + 50 + 20 + X + Y + Z= 300 ⇒ 210 + X + Y + Z = 300

⇒ X + Y + Z = 300 – 210 = 90
Chegamos deste modo ao seguinte sistema de equações:
⎧1X + 1Y + 0Z = 40
⎪
⎨1X + 0Y + 1Z = 60
⎪1X + 1Y + 1Z = 90
⎩
Multiplicando a segunda equação por -1, e somando o resultado obtido com a

terceira tem-se que

Y = 30.
Substituindo-se o valor de Y na primeira equação, obtemos
X + 30 = 40 ⇒ X = 40 – 30 = 10.
Assim,
Probabilidade de um cliente entrar no posto para completar o óleo e calibrar os

pneus é dada pela fração = (50 + X)/300 = (50 + 10)/300 = 60/300 = 0,2 =
20%.
GABARITO: B
2.4 Probabilidades Conjunta e Condicional
Assuma que se queira realizar o seguinte experimento: estamos numa certa

cidade do Brasil e desejamos coletar dados sobre o tempo local. Em particular
estamos interessados em três eventos, os quais serão denominados A, B e C,
onde
A é o evento que representa uma temperatura igual ou maior a 20o C em

qualquer dia;
B é o evento que denota um índice de precipitação maior ou igual a 10 mm em

qualquer dia;
C é o evento que representa a ocorrência simultânea de A e B, isto é, C = AB

(ou C = A ∩ B);
Como C é um evento, P[C] é uma probabilidade que satisfaz os axiomas. Mas

P[C] = P[AB]; neste caso, diz-se que P[AB] é a probabilidade conjunta dos
eventos A e B.
Em muitas situações práticas, o fenômeno aleatório de interesse pode ser

desmembrado em duas etapas. A informação do que ocorreu numa dada etapa
pode influenciar as probabilidades de ocorrências das etapas seguintes.
Nestes casos, diz-se que ganhamos informação e que podemos “recalcular” as

probabilidades de interesse. Essas probabilidades “recalculadas” são
conhecidas como probabilidades condicionais. A definição de probabilidade
condicional será motivada pelo exemplo a seguir.
Exemplo. Considere os eventos A, B e C definidos acima. Seja ni o número de

dias em que o evento i ocorreu. Ao longo de 1.000 dias, foram feitas as
seguintes observações: nA = 711, nB = 406, nAB = 200. Pela interpretação da

probabilidade em termos da noção de freqüência relativa, podemos estimar

que:
P[A] ≈ nA/n = 711/1.000 = 0,711

P[B] ≈ nB/n = 406/1.000 = 0,406
P[AB] ≈ nAB/n = 200/1.000 = 0,200
Agora considere a razão nAB/nA . Esta é a freqüência relativa de ocorrência do

evento AB quando o evento A ocorre. Dito de outra forma, nAB/nA corresponde
à fração do tempo em que o índice de precipitação é maior ou igual a 10mm
naqueles dias em que a temperatura é igual ou maior a 20º C. Portanto,
estamos lidando com a freqüência de um evento, dado que (ou
condicionado ao fato de que) outro evento ocorreu. Note que
n AB n AB / n P[AB]
= ≈
nA nA / n P[A]
Este conceito empírico sugere que seja introduzido o conceito de uma medida
de probabilidade condicional definida por
P[AB]
(6) P[B | A] = , P[A] > 0
P[A]
em que P[B | A] denota a probabilidade de que B ocorra dado que A

ocorreu.
Similarmente,
P[AB]
(7) P[A | B] = , P[B] > 0
P[B]
Exemplo (Analista Judiciário/Estatístico/TRF 1ª Região/2001/FCC).

Numa cidade onde se publicam 2 jornais, A e B, sabe-se que entre n famílias:
160, assinam o jornal A, 35 assinam os 2 jornais A e B, 201 não assinam B e
155 assinam apenas 1 jornal. O valor de n e a probabilidade de que uma
família selecionada ao acaso, dentre as n, assinar A dado que assina B, são
dados, respectivamente, por
A) 180 e 160/266
B) 250 e 35/75
C) 266 e 7/13
D) 266 e 35/76
E) 266 e 35/266

Resolução
Se 35 das 160 famílias que assinam o jornal A também assinam o jornal B,

então o número das famílias que só assinam A é igual a 160 – 35) = 125. Se
155 famílias assinam apenas um jornal, então (155 – 125 = 30 corresponde ao
números de famílias que somente assinam B. Se 201 famílias não assinam B,
e, dado que 125 famílias assinam somente A, então temos (201 – 125) = 76
famílias que não assinam nenhum dos dois jornais. O diagrama de Venn abaixo
ilustra o nosso raciocínio.
Ω
A B
125 35 30
76
O número de famílias no espaço amostral Ω é igual a 125 + 35 + 30 + 76 =

266.
A questão pede que seja calculada a probabilidade condicional P(A|B) =

P(AB)/P(B).
⇒ P(AB) = 35/266
⇒ P(B) = 65/266
Logo, P(A|B) = 35/65 = 7/13.
GABARITO: C
2.5 Independência
Os eventos A e B, pertencentes ao espaço amostral Ω, com P[A] > 0 e P[B] >

0, são independentes se e somente se
(8) P[AB] = P[A]P[B] .

Como P[AB] = P[B | A]P[A] = P[A | B]P[B] , segue-se que
(9) P[A | B] = P[A]
(10) P[B | A] = P[B]
são válidas somente quando A e B são eventos independentes.
A definição de independência diz que, se A e B são independentes, então o

resultado B não terá efeito sobre a probabilidade de A e vice-versa.
2.6 Regras de Adição
Sejam os eventos A e B, pertencentes ao espaço amostral Ω. Então vale
(11) P[A ∪ B] = P[A] + P[B] − P[A ∩ B] .
Se A e B são eventos mutuamente excludentes, então
(12) P[A ∪ B] = P[A] + P[B] .
Sejam A, B e C eventos de um espaço amostral Ω. Neste caso, temos que
(13) P[A ∪ B ∪ C] = P[A] + P[B] + P[C] − P[A ∩ B] − P[A ∩ C]

− P[B ∩ C] + P[A ∩ B ∩ C] .
Para uma coleção de k eventos mutuamente excludentes,
(14) P[E 1 ∪ E 2 ... ∪ E k ] = P[E 1 ] + P[E 2 ] + ... + P[E k ] .
Exemplo (Analista Técnico/SUSEP/2006/ESAF). Os eventos E1 e E2 são

os conjuntos de pontos que podem estar tanto em E1, quanto em E2, como em
ambos simultaneamente. Então, a probabilidade de uma ocorrência ser do
evento E1 ou E2 é dada por:
A) P(E1 + E2) = P(E1) + P(E2).

B) P(E1 + E2) = P(E1) + P(E2) - P(E1 E2).
C) P(E1 + E2) = P(E1) + (1 - P(E2)).
D) P(E1 + E2) = P(E2) + (1 - P(E1)).
E) P(E1 + E2) = P(E1) * P(E2).
Resolução
A probabilidade do evento A = E1 ∪ E2 é

P(E1 ∪ E2) = P(E1) + P(E2) - P(E1 ∩ E2).
Logo, a resposta é a alternativa B.
GABARITO: B
Exemplo (ICMS-RJ/2010/FGV). Se A e B são eventos independentes com

probabilidades P[A]=0,4 e P[B]=0,5 então P[A∪B] é igual a:
A) 0,2.
B) 0,4.
C) 0,5.
D) 0,7.
E) 0,9.
Resolução
P[A∪B] = P[A] + P[B] – P[A∩B]
Mas, P[A∩B] = P[A].P[B] = 0,4 x 0,5 = 0,2, pois A e B são eventos

independentes. Assim,
P[A∪B] = 0,4 + 0,5 – 0,2 = 0,7
GABARITO: D
Exemplo (ICMS-RJ/2009/FGV). Os eventos A e B são tais que P(A) = 0,4 e

P(B) = 0,9. Assinale a única alternativa que apresenta um possível valor para
P(A∩B).
A) 0,13
B) 0,22
C) 0,31
D) 0,49
E) 0,54
Resolução
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) (Regra da Adição de Probabilidades)

P(A ∪ B) = 0,4 + 0,9 − P(A ∩ B) = 1,3 − P(A ∩ B)
Como não foi dado o valor de P(A ∪ B) , testaremos os valores de P(A ∩ B)

dados em cada uma das alternativas, levando em conta a restrição

{P(A), P(B)}max ≤ P(A ∪ B) ≤ 1 ⇒ 0,9 ≤ P(A ∪ B) ≤ 1 , pois P(A ∪ B) deve ser, no

mínimo, igual a P(B) , caso A ⊂ B .
A) P(A∩B) = 0,13 ⇒ P(A ∪ B) = 1,3 − 0,13 = 1,17 > 1 NÃO é uma medida de
probabilidade.
B) P(A∩B) = 0,22 ⇒ P(A ∪ B) = 1,3 − 0,22 = 1,08 > 1 NÃO é uma medida de
probabilidade.
C) P(A∩B) = 0,31 ⇒ P(A ∪ B) = 1,3 − 0,31 = 0,99 < 1 satisfaz a restrição

0,9 ≤ P(A ∪ B) ≤ 1 .
D) P(A∩B) = 0,49 ⇒ P(A ∪ B) = 1,3 − 0,49 = 0,81 < 0,9 NÃO satisfaz a restrição
0,9 ≤ P(A ∪ B) ≤ 1 .
E) P(A∩B) = 0,54 ⇒ P(A ∪ B) = 1,3 − 0,54 = 0,76 < 0,9 NÃO satisfaz a restrição
0,9 ≤ P(A ∪ B) ≤ 1 .
GABARITO: C
2.7 Regra da Multiplicação
A definição (7) de probabilidade condicional pode ser reescrita para fornecer

uma expressão geral para a probabilidade conjunta de dois eventos A e B,
denominada regra da multiplicação, dada por
(15) P[AB] = P[A | B]P[B] = P[B | A]P[A] .
2.8 Teorema da Probabilidade Total
Em muitas aplicações, é necessário calcular a probabilidade não condicional de

um evento B em termos de uma soma de probabilidades condicionais
ponderadas.
Sejam os eventos A e B de um espaço amostral Ω como na figura a seguir.

Como A e Ac são disjuntos, segue-se que A ∩ B e Ac ∩ B serão mutuamente
excludentes. Sendo assim, podemos escrever B na forma
B = (A ∩ B) ∪ (Ac ∩ B).
A aplicação da regra da adição das probabilidades para o evento B nos dá
P(B) = P(A ∩ B) + P(Ac ∩ B),
e a aplicação da regra do produto na expressão acima nos dá

(16) P(B) = P(B|A) P(A) + P(B|Ac) P(Ac),
conhecida como a regra da probabilidade total para dois eventos.
Figura: divisão do evento B em dois eventos mutuamente

exclusivos.
A expressão (16) pode ser generalizada para o caso de k eventos mutuamente

excludentes E1, E2, ..., Ek tal que E1 ∪ E2 ∪ ... ∪ Ek = Ω (os eventos Ei são ditos
exaustivos porque cobrem todo o espaço amostral):
(17) P(B) = P(B ∩ E 1 ) + P(B ∩ E 2 ) + ... + P(B ∩ E k ) =

= P(B | E 1 )P(E 1 ) + P(B | E 2 )P(E 2 ) + ... + P(B | E k )P(E k ).
A Eq. (17) nos dá a probabilidade total (não condicional) de B como uma

soma das probabilidades condicionais P(B|Ei) ponderadas, respectivamente,
pelas probabilidades dos eventos exaustivos P(Ei), i =1, 2, ..., k.
Exemplo (Analista Legislativo/Contador da Câmara dos

Deputados/2007/FCC). Uma rede local de computadores é composta por
um servidor e 2 (dois) clientes (Z e Y). Registros anteriores indicam que dos
pedidos de certo tipo de processamento, cerca de 30% vêm de Z e 70% de Y.
Se o pedido não for feito de forma adequada, o processamento apresentará
erro. Sabendo-se que 2% dos pedidos feitos por Z e 1% dos feitos por Y
apresentam erro, a possibilidade do sistema apresentar erro é
A) 5%
B) 4,1%
C) 3,5%
D) 3%
E) 1,3%
Resolução
Trata-se de uma aplicação direta do teorema da probabilidade total. Devemos

determinar a probabilidade do sistema apresentar erro, seja o pedido de
processamento originado pelo cliente Z ou pelo cliente Y.
Assim,
P(erro) = P(erro|Z).P(Z) + P(erro|Y).P(Y),
em que P(erro|Z) = 2% = 0,02, P(Z) = 30% = 0,30, P(erro|Y) =1% =0,01 e

P(Y) = 70% = 0,70. Substituindo esses valores obtemos,
P(erro) = (0,02 x 0,30) + (0,01 x 0,70) = 0,013 = 1,3%
GABARITO: E
Exemplo (Analista do BACEN/Área 3/2005/FCC). Do total de títulos em

poder de um investidor, 1/8 é do tipo T1, 1/4 é do tipo T2, e o restante do tipo
T3. Sabe-se que as probabilidades de se obter uma taxa real de juros positiva
com estas aplicações são 0,60 com T1, 0,70 com T2 e 0,80 com T3. Se for
escolhido um título aleatoriamente entre estes em poder do investidor e
verificar-se que apresentou uma taxa real de juros não positiva, a
probabilidade dele ser do tipo T3 é
A) 50%
B) 40%
C) 30%
D) 20%
E) 10%
Resolução
Pede-se que seja calculada a probabilidade do título aleatoriamente

escolhido ser do tipo T3 sabendo-se que o mesmo apresentou uma taxa
real de juros não positiva ( j ≤ 0 ), ou seja, trata-se do cálculo da
probabilidade condicional
P(T3 ∩ j ≤ 0)
P(T3 | j ≤ 0) = ,
P( j ≤ 0)
em que j ≤ 0 denota o evento “título escolhido apresenta taxa real de juros não
positiva” e P( j ≤ 0) é a probabilidade total de se obter uma taxa real de juros
não positiva.

Porque P( j ≤ 0) é a probabilidade total de se obter j ≤ 0 ?
Observe que os eventos T1, T2 e T3 são mutuamente exclusivos e

exaustivos, pois
P(T1 ∪ T2 ∪ T3) = P(T1) +P(T2) + P(T3) = 1.
Logo,
P(j≤0) = P(j≤0 ∩ T1) + P(j≤0 ∩ T2) + P(j≤0 ∩ T3)

P(j≤0) = P(j≤0|T1).P(T1) + P(j≤0|T2).P(T2) + P(j≤0|T3).P(T3)
A equação acima nos dá a probabilidade total (não condicional) do evento

j≤0 como uma soma das probabilidades condicionais P(j≤0|Tk), ponderadas,
respectivamente, pelas probabilidades dos eventos exaustivos P(Tk), k =1, 2,
3.
O enunciado forneceu P(T1) = 1/8 e P(T2) = 1/4. Portanto,
P(T3) = 1 - 1/8 - 1/4 = 5/8.
Além disso,
P(j>0|T1) = 0,60 ⇒ P(j≤0|T1) = 1 - P(j>0|T1) = 0,40
P(j>0|T2) = 0,70 ⇒ P(j≤0|T2) = 1 - P(j>0|T2) = 0,30
P(j>0|T3) = 0,80 ⇒ P(j≤0|T3) = 1 - P(j>0|T3) = 0,20
Agora, podemos construir a seguinte tabela:
Título P(j>0|Tk) P(j≤0|Tk) P(Tk) P(j≤0|Tk).P(Tk)

T1 0,60 0,40 = 2/5 1/8 2/40
T2 0,70 0,30 = 3/10 1/4 3/40
T3 0,80 0,20 = 1/5 5/8 5/40
Totais 1 P(j≤0) = 10/40
Desejamos calcular
P(T3 ∩ j ≤ 0)
P(T3 | j ≤ 0) =
P( j ≤ 0)
em que o numerador é a probabilidade de um título ser do tipo T3 e ter taxa

real não positiva, ou seja,

P(T3 ∩ j ≤ 0) = P(T3 | j ≤ 0)P( j ≤ 0) = P( j ≤ 0 | T3 )P(T3 ) = P( j ≤ 0 ∩ T3 )
P(T3 ∩ j ≤ 0) = P( j ≤ 0 | T3 )P(T3 ) = 5 / 40 .
Finalmente, obtemos
5 / 40
P(T3 | j ≤ 0) = = 5 / 10 = 0,5 = 50%
10 / 40
GABARITO: A
2.9 Teorema de Bayes
Aprendemos que
P(A ∩ B)
P(A | B) =
P(B)
como
P[A ∩ B] = P(B | A)P(A)
temos que
P( B | A ) P( A )
(18) P(A | B) = , P(B) ≠ 0.
P(B)
A fórmula (18) é o Teorema (ou Regra) de Bayes.
Em geral, se A1, A2, ..., Ak forem eventos mutuamente exclusivos e exaustivos

e B for qualquer evento, então (18) pode ser reescrita como
P( B | A k ) P( A k )
(19) P(A k | B) = n
.
∑ P( B | A )P( A )
i =1
i i
Observe que o denominador de (19) é a probabilidade total de B ocorrer.
O Teorema de Bayes nos permite calcular as probabilidades dos vários eventos

A 1 , A 2 ,..., A n que podem causar ou provocar a ocorrência de B. Por este motivo,
o Teorema de Bayes também é conhecido como o teorema que nos dá a
probabilidade da causa (evento A k ) dado o efeito observado (evento B).

Na prática, a probabilidade P(A k | B) de (19) é conhecida como probabilidade

a posteriori de A k dado B ; P(B | A k ) é denominada probabilidade a priori de
B dado A k e P ( Ak ) é a probabilidade da causa ou a priori de A k .
Geralmente, as probabilidades a priori são estimadas a partir de medições
passadas ou pressupostas pela experiência, ao passo que as probabilidades a
posteriori são medidas ou calculadas a partir de observações.
Exemplo. A probabilidade de que um novo teste de baixo custo identifique

corretamente alguém com AIDS, dando positivo, é 0,99; e a probabilidade de
que o teste identifique corretamente alguém sem AIDS, dando negativo, é
0,95. Suponha que a incidência de AIDS na população seja igual a 0,0001.
Uma pessoa é escolhida ao acaso, faz o teste e o resultado dá positivo. Qual é
a probabilidade de que esse indivíduo tenha AIDS?
Devemos calcular a probabilidade de que o indivíduo tenha AIDS (= causa)

dado que o resultado do teste foi positivo (= efeito observado):
P ( + | D) P ( D) P ( + | D) P ( D )
P( D | + ) = = ,
P( + ) P(+ | D)P(D) + P(+ | S)P(S)
em que “S” denota a parcela saudável da população (isto é, não infectada pelo
vírus), “D” representa a parcela da população que tem a doença (ou seja, a
parcela infectada) e “+” denota o evento “resultado positivo”.
O enunciado fornece as seguintes probabilidades a priori:
- P(S) = 1 – 0,0001;
- P(D) = 0,0001;
- P(+|D) = 0,99;
- P(-|S) = 0,95;
Logo, P(+|S) = 1 – P(-|S) = 1 – 0,95 = 0,05. Além disso, temos que P(-|D) =
1 – P(+|D) = 1 – 0,99 = 0,01.
A figura a seguir ilustra a aplicação do Teorema de Bayes nesta questão:
POPULAÇÃO RESULTADO DO TESTE

X = 0, P(-|S) = 95% Y = 0,
P(S) = (1 - 0,0001) 1%
P(-) = ?
) =
-|D
P(
P(
+|S
)=
5%
X = 1, Y = 1,
P(D) = 0,0001 P(+|D) = 99% P(+) = ?
P ( + | D) P ( D) 0,99 × 0,0001
P(D | +) = = = 0,002
P(+ | D)P(D) + P(+ | S)P(S) 0,99 × 0,0001 + 0,05 × (1 − 0,0001)
Nota: podemos descrever o espaço amostral Ω do experimento aleatório

proposto pelo exemplo utilizando a notação genérica
Ω = {(X,Y): X = 0 ou 1, Y = 0 ou 1} = {(0, 0), (0, 1), (1, 0), (1, 1)}.
Assim, os resultados elementares de Ω são:
⇒ (0, 0) = (S, -)
⇒ (0, 1) = (S, +)
⇒ (1, 0) = (D, -)
⇒ (1, 1) = (D, +)
Exemplo (Analista Técnico/SUSEP/2010/ESAF). Admita que a

probabilidade de uma pessoa de um particular grupo genético ter uma
determinada doença é de 30%. Um custoso e invasivo exame para diagnóstico
específico dessa doença tem uma probabilidade de um resultado falso positivo
de 10% e de um resultado falso negativo de 30%. Considerando que uma
pessoa desse grupo genético com suspeita da doença fez o referido exame,
qual a probabilidade dela ter a doença dado que o resultado do exame foi
negativo?
A) 30%
B) 7,5%
C) 25%
D) 15%
E) 12,5%
Resolução
Devemos calcular a probabilidade de que a pessoa tenha doença (= causa)

dado que o resultado do exame foi negativo (= efeito observado):
P ( − | D) P ( D) P ( − | D) P ( D)
P ( D | −) = = ,
P ( −) P(− | D)P(D) + P(− | S)P(S)
em que “S” denota a parcela saudável da população (isto é, que não possui a
doença), “D” representa a parcela da população que tem a doença, “-” e “+”
denotam “resultado negativo” e “resultado positivo”, respectivamente.

- P(D) = 30% = 0,3

- P(S) = 1 – 0,3 = 0,7
- P(+|S) = 0,1 (falso positivo)
- P(-|D) = 0,3 (falso negativo)
Logo, P(+|D) = 1 – P(-|D) = 1 – 0,3 = 0,7. Além disso, temos que P(-|S) = 1
– P(+|S) = 1 – 0,1 = 0,9.
P ( − | D) P ( D) 0,3 × 0,3 0,09

P ( D | −) = = = = 12,5%
P(− | D)P(D) + P(− | S)P(S) 0,3 × 0,3 + 0,9 × 0,7 0,09 + 0,63
GABARITO: E
3 Resumo
- Princípio Fundamental da Contagem: caso um evento qualquer ocorra em

n etapas consecutivas e independentes da seguinte maneira:
• primeira etapa: existem k1 maneiras diferentes de ocorrer o evento

• segunda etapa: existem k2 maneiras diferentes de ocorrer o evento
• terceira etapa: existem k3 maneiras diferentes de ocorrer o evento
• (...)
• enésima etapa: existem kn maneiras diferentes de ocorrer o evento
então o no total (N) de maneiras de ocorrer o evento é dado por
N = k1. k2. k3. k4 ... kn
n!
- Número de arranjos de n elementos tomados r a r: A n ,r =
(n − r )!
- Permutação de n elementos: Pn = n!
- Permutação circular de n elementos: Pno = (n-1)!
- Permutação com elementos repetidos: há um conjunto de n elementos,

com q elementos repetidos do tipo 1, r elementos repetidos do tipo 2, s
elementos repetidos do tipo 3, etc: Pn(q,r,s,...) = n!/(q! r! s! ...)
- Número de combinações de tamanho r em uma população de tamanho n

n! ⎛n⎞
(coeficiente binomial): C n ,r = = ⎜⎜ ⎟⎟ .
(n − r )!r! ⎝ r ⎠

- Dois eventos A e B são mutuamente exclusivos (excludentes) se AB = ∅;

ou seja, A e B não têm elementos em comum.
- Probabilidade condicional: P[A | B] = P[AB] / P[B]
- Eventos A e B independentes: P[AB] = P[A]P[B] ⇒ P[A | B] = P[A] e

P[B | A] = P[B] .
- Regra da adição: P[A ∪ B] = P[A] + P[B] − P[A ∩ B] .
- Regra da multiplicação: P[AB] = P[A | B]P[B] = P[B | A]P[A] .
- Regra da probabilidade total:
P(B) = P(B | E1 )P(E 1 ) + P(B | E 2 )P(E 2 ) + ... + P(B | E k )P(E k ).
em que E1, E2, ..., Ek denotam eventos mutuamente excludentes e exaustivos

(E1 ∪ E2 ∪ ... ∪ Ek = Ω) e B é um evento qualquer definido sobre o mesmo
espaço amostral Ω.
P( B | A k ) P( A k )
- Regra de Bayes: P(A k | B) = n
.
∑ P( B | A ) P( A )
i =1
i i
A fórmula de Bayes nos permite calcular as probabilidades dos vários eventos

A 1 , A 2 ,..., A n que podem causar ou provocar a ocorrência de B (probabilidade da
causa Ak dado o efeito observado B).

4 Exercícios de Fixação
1. (TFC-CGU/2008/ESAF) Ana precisa fazer uma prova de matemática

composta de 15 questões. Contudo, para ser aprovada, Ana só precisa resolver
10 questões das 15 propostas. Assim, de quantas maneiras diferentes Ana
pode escolher as questões?
A) 3003
B) 2980
C) 2800
D) 3006
E) 3005
2. (TFC-CGU/2008/ESAF) Ágata é decoradora e precisa atender o pedido de

um excêntrico cliente. Ele - o cliente - exige que uma das paredes do quarto
de sua filha seja dividida em uma seqüência de 5 listras horizontais pintadas
de cores diferentes, ou seja, uma de cada cor. Sabendo-se que Ágata possui
apenas 8 cores disponíveis, então o número de diferentes maneiras que a
parede pode ser pintada é igual a:
A) 56
B) 5760
C) 6720
D) 3600
E) 4320
3. (AFTN/1998/ESAF) Uma empresa possui 20 funcionários, dos quais 10

são homens e 10 são mulheres. Desse modo, o número de comissões de 5
pessoas que se pode formar com 3 homens e 2 mulheres é:
A) 5400
B) 165
C) 1650
D) 5830
E) 5600
4. (AFT/2010/ESAF) O departamento de vendas de uma empresa possui 10

funcionários, sendo 4 homens e 6 mulheres. Quantas opções possíveis existem
para se formar uma equipe de vendas de 3 funcionários, havendo na equipe
pelo menos um homem e pelo menos uma mulher?
A) 192.

B) 36.
C) 96.
D) 48.
E) 60.
5. (AFT/2010/ESAF/Adaptada) Em um grupo de 100 pessoas, 15 das 40

mulheres do grupo são fumantes e 15 dos 60 homens do grupo também são
fumantes. Ao se escolher ao acaso cinco pessoas do grupo, sem reposição, a
probabilidade de exatamente quatro delas serem homens fumantes é dada
por:
A) Cn.k pk (1-p)n-k, sendo p=0,15, n=5 e k=4.

B) Cm,k CN-m,n-k /CN,n, sendo N=100, n=5, m=15 e k=4.
C) CM,k CN-m,n-k /CN,n, sendo N=100, n=5, m=60 e k=4.
D) Cm,k CN-m,n-k /CN,n, sendo N=100, n=15, m=5 e k=4.
E) Cn.k pk (1-p)n-k, sendo p=0,25, n=5 e k=4.
6. (AFRFB/2009/ESAF) De quantas maneiras podem sentar-se três homens

e três mulheres em uma mesa redonda, isto é, sem cabeceira, de modo a se
ter sempre um homem entre duas mulheres e uma mulher entre dois homens?
A) 72
B) 36
C) 216
D) 720
E) 360
7. (AFRFB/2009/ESAF) Considere um retângulo formado por pequenos

quadrados iguais, conforme a figura abaixo. Ao todo, quantos quadrados de
quaisquer tamanhos podem ser contados nessa figura?
A) 128
B) 100
C) 64
D) 32
E) 18

8. (APO-MPOG/2008/ESAF) Marcos está se arrumando para ir ao teatro

com sua nova namorada, quando todas as luzes de seu apartamento apagam.
Apressado, ele corre até uma de suas gavetas onde guarda 24 meias de cores
diferentes, a saber: 5 pretas, 9 brancas, 7 azuis e 3 amarelas. Para que
Marcos não saia com sua namorada vestindo meias de cores diferentes, o
número mínimo de meias que Marcos deverá tirar da gaveta para ter a certeza
de obter um par de mesma cor é igual a:
A) 30
B) 40
C) 246
D) 124
E) 5
9. (Analista de Finanças e Controle-STN/2008/ESAF) Ana possui em seu

closed 90 pares de sapatos, todos devidamente acondicionados em caixas
numeradas de 1 a 90. Beatriz pede emprestado à Ana quatro pares de
sapatos. Atendendo ao pedido da amiga, Ana retira do closed quatro caixas de
sapatos. O número de retiradas possíveis que Ana pode realizar de modo que a
terceira caixa retirada seja a de número 20 é igual a:
A) 681384
B) 382426
C) 43262
D) 7488
E) 2120
10. (Analista Administrativo-ANEEL/2006/ESAF) Um grupo de amigos

formado por três meninos - entre eles Caio e Beto - e seis meninas - entre elas
Ana e Beatriz -, compram ingressos para nove lugares localizados lado a lado,
em uma mesma fila no cinema. Ana e Beatriz precisam sentar-se juntas
porque querem compartilhar do mesmo pacote de pipocas. Caio e Beto, por
sua vez, precisam sentar-se juntos porque querem compartilhar do mesmo
pacote de salgadinhos. Além disso, todas as meninas querem sentar-se juntas,
e todos os meninos querem sentar-se juntos. Com essas informações, o
número de diferentes maneiras que esses amigos podem sentar-se é igual a:
A) 1920
B) 1152
C) 960
D) 540
E) 860

11. (Analista de Finanças e Controle STN/2008/ESAF) Dois eventos A e

B são ditos eventos independentes se e somente se:
A) a probabilidade de ocorrência conjunta de A e B for nula.

B) a ocorrência de B alterar a probabilidade de ocorrência de A.
C) a ocorrência de A alterar a probabilidade de ocorrência de B.
D) a ocorrência de B não alterar a probabilidade de ocorrência de A.
E) a probabilidade de ocorrência conjunta de A e B for igual a 1.
12. (Analista de Finanças e Controle STN/2008/ESAF) Marco estuda em

uma universidade na qual, entre as moças de cabelos loiros, 18 possuem olhos
azuis e 8 possuem olhos castanhos; entre as moças de cabelos pretos, 9
possuem olhos azuis e 9 possuem olhos castanhos; entre as moças de cabelos
ruivos, 4 possuem olhos azuis e 2 possuem olhos castanhos. Marisa seleciona
aleatoriamente uma dessas moças para apresentar para seu amigo Marco. Ao
encontrar com Marco, Marisa informa que a moça selecionada possui olhos
castanhos. Com essa informação, Marco conclui que a probabilidade de a moça
possuir cabelos loiros ou ruivos é igual a:
A) 0
B) 10/19
C) 19/50
D) 10/50
E) 19/31
13. (ICMS-RJ/2009/FGV) Um torneio será disputado por 4 tenistas (entre

os quais A e B) de mesma habilidade, isto é, em qualquer jogo entre dois dos
quatro jogadores, ambos têm a mesma chance de ganhar.
Na primeira rodada, eles se enfrentarão em dois jogos, com adversários
definidos por sorteio. Os vencedores disputarão a final. A probabilidade de que
o torneio termine com A derrotando B na final é
A) 1/2
B) 1/4
C) 1/6
D) 1/8
E) 1/12
14. (ICMS-RJ/2007/FGV) A tabela abaixo apresenta a distribuição de 1.000

pessoas classificadas por Sexo (Masculino e Feminino) e Estado Civil (Solteiro,
Casado e Viúvo).

Sexo
Estado Civil M F Total
Solteiro 300 200 500
Casado 200 100 300
Viúvo 100 100 200
Total 600 400 1.000
Uma pessoa é selecionada ao acaso. A probabilidade de que ela seja do sexo

Feminino ou Viúva é igual a:
A) 0,6.
B) 0,2.
C) 0,5.
D) 0,7.
E) 0,4.
15. (ICMS-RJ/2007/FGV) Sejam A e B dois eventos definidos em um

espaço amostral S de modo que P(A) = 0,70, P(B) = 0,20 e P(A∩B) = 0,14.
Então, pode-se dizer que A e B são eventos:
A) mutuamente exclusivos.
B) complementares.
C) elementares.
D) condicionais.
E) independentes.
16. (TFC-CGU/2008/ESAF) Uma empresa de consultoria no ramo de

engenharia de transportes contratou 10 profissionais especializados, a saber: 4
engenheiras e 6 engenheiros. Sorteando- se, ao acaso, três desses
profissionais para constituírem um grupo de trabalho, a probabilidade de os
três profissionais sorteados serem do mesmo sexo é igual a:
A) 0,10
B) 0,12
C) 0,15
D) 0,20
E) 0,24
17. (Assistente Técnico-Administrativo-MF/2009/ESAF) Ao se jogar um

determinado dado viciado, a probabilidade de sair um número 6 é de 20%,
enquanto que as probabilidades de sair qualquer outro número são iguais entre
si. Ao se jogar este dado duas vezes, qual o valor mais próximo da
probabilidade de um número par sair duas vezes?
A) 20%
B) 27%
C) 25%
D) 23%
E) 50%
18. (Adm. Pleno/Petrobrás/2005/CESGRANRIO) Joga-se um dado não

tendencioso. Se o resultado não foi “quatro”, qual é a probabilidade de que
tenha sido “um”?
A) 1/5
B) 1/6
C) 1/9
D) 1/12
E) 1/18
19. (TCE-ES/Economia/2001/ESAF) Num teste de múltipla escolha, um

estudante sabe uma questão ou “chuta” a resposta. Seja 2/3 a probabilidade
de que o estudante saiba uma questão do teste. Suponha que cada questão
tenha 5 alternativas e que a probabilidade de acertar no “chute” seja 1/5.
Assinale a opção que dá a probabilidade condicional de que o estudante saiba
realmente uma pergunta que respondeu corretamente.
A) 1/5
B) 2/15
C) 10/11
D) 2/3
E) 13/15
20. (Adm. Jr./REFAP/2007/CESGRANRIO) A probabilidade de que o preço

da farinha de trigo aumente em determinado mês é estimada em 40%. Se isso
ocorre, a probabilidade de que o preço do pão francês também aumente é de
50%; caso contrário, a probabilidade de aumento do pão francês será de
apenas 10%. Se o preço do pão francês subiu, a probabilidade de que o preço
da farinha de trigo tenha sofrido majoração é igual a:
A) 1/13
B) 2/10
C) 6/13
D) 6/11
E) 10/13

21. (Analista do BACEN/2002/ESAF) Uma empresa fabrica motores a jato

em duas fábricas A e B. Um motor é escolhido ao acaso de um lote de
produção. Nota-se que o motor apresenta defeitos. De observações anteriores
a empresa sabe que 2% e 3% são as taxas de motores fabricados com algum
defeito em A e B, respectivamente. Sabendo-se que a fábrica A é responsável
por 40% da produção, assinale a opção que dá a probabilidade de que o motor
escolhido tenha sido fabricado em A.
A) 0,400
B) 0,030
C) 0,012
D) 0,308
E) 0,500
22. (Analista do BACEN/Área 2/2010/CESGRANRIO) A probabilidade de

um indivíduo de classe A comprar um automóvel é 3/4. Para um indivíduo de
classe B, essa probabilidade é 1/6, e para um indivíduo de classe C, ela é de
1/20. A probabilidade de um indivíduo de classe A comprar um fusca é 1/10,
enquanto que, para um indivíduo de classe B, essa probabilidade é 3/5 e para
um indivíduo de classe C, é de 3/10. Sabendo-se que a revendedora XPTO
vendeu um Fusca, a probabilidade de o comprador pertencer à classe B é
A) 0,527
B) 0,502
C) 0,426
D) 0,252
E) 0,197
(ABIN/2004/Cespe-UnB) Em uma fábrica, as máquinas X, Y e Z produzem

um mesmo tipo de item. Na máquina X, é feita a metade da produção total
desse item, e a produção da máquina Y está para a produção da máquina Z na
razão . As porcentagens de unidades defeituosas que são produzidas pelas
máquinas X, Y e Z são, respectivamente, 2%, 4% e 5%. Com base nessas
informações, julgue os itens a seguir.
23. Desse item, a máquina Z produz 25% da quantidade total produzida pela
fábrica.
24. Se um desses itens é escolhido ao acaso e é defeituoso, então a

probabilidade de ele ter sido produzido pela máquina Y é superior a 0,35.

25. (AFT/2010/ESAF) Em uma universidade, 56% dos alunos estudam em

cursos da área de ciências humanas e os outros 44% estudam em cursos da
área de ciências exatas, que incluem matemática e física. Dado que 5% dos
alunos da universidade estudam matemática e 6% dos alunos da universidade
estudam física e que não é possível estudar em mais de um curso na
universidade, qual a proporção dos alunos que estudam matemática ou física
entre os alunos que estudam em cursos de ciências exatas?
A) 20,00%.
B) 21,67%.
C) 25,00%.
D) 11,00%.
E) 33,33%.
26. (Analista Judiciário/Estatístico/TRF 1ª região/2001/FCC) Duas

urnas guardam bolas brancas e pretas. Uma das urnas tem 3 bolas brancas e 1
preta enquanto que a outra tem 3 bolas brancas e 3 pretas. Escolhendo-se
uma urna ao acaso e em seguida, sucessivamente e com reposição duas de
suas bolas, a probabilidade de ocorrer uma branca e uma preta é
A) 7/8.
B) 7/16.
C) 3/8.
D) 7/32.
E) 3/16.
27. (AFPS/2002/ESAF) Suponha que a probabilidade de um evento C seja

0,4 e que a probabilidade condicional do evento D dado que C ocorreu seja
0,2. Assinale a opção que dá o valor da probabilidade de ocorrência de D e C
A) 0,50
B) 0,08
C) 0,00
D) 1,00
E) 0,60
(Analista do INSS com formação em estatística/2008/Cespe-UnB)

Texto para os itens de 28 a 32
perfil A B C total
Número de trabalhadores
3 8 8 19
(em milhões de pessoas)

Um projeto do governo tinha como objetivo atrair para o sistema

previdenciário uma parcela de trabalhadores que não eram contribuintes do
INSS. Na ocasião em que tal projeto havia sido proposto, pelos cálculos do
governo, existiam no país 19 milhões de trabalhadores com mais de 16 anos e
renda mensal de um ou mais salários mínimos que não contribuíam para a
previde ncia. Esses trabalhadores foram classificados de acordo com tres
perfis A, B e C, e a distribuicão do número de trabalhadores em cada perfil
está no quadro acima. A expectativa do governo era a seguinte: entre as
pessoas com o perfil A, a probabilidade de entrada para o sistema
previdenciário era de 0,8; para as de perfil B, a probabilidade de entrada para
o sistema era de 0,5 e os de perfil C entrariam no sistema com uma
probabilidade igual a 0,1.
Correio Braziliense, 15/11/2006, p. A-14 (com adaptações).
Com base nas informações apresentadas no texto acima, julgue os itens

seguintes.
28. Na ocasião em que o projeto havia sido proposto, a probabilidade de uma

pessoa entre os 19 milhões de trabalhadores entrar para o sistema
previdenciário era superior a 0,35 e inferior a 0,40.
29. A expectativa do governo era de que mais de 7 milhões de trabalhadores

fossem atraídos para o sistema previdenciário.
30. Um trabalhador que atende às condições do projeto do governo, decidiu

entrar para o sistema de previdência. A probabilidade de ele ser um
trabalhador do perfil A é superior a 0,4.
Ainda com relação ao texto e considerando que a probabilidade de dois

trabalhadores selecionados aleatoriamente entre aqueles com o perfil A
entrarem para o sistema previdenciário é igual a α, julgue os itens
subseqüentes.
31. Por ser uma probabilidade, α pode assumir qualquer valor entre 0 e 1.
32. O número esperado de trabalhadores do perfil A que entrarão no sistema

previdenciário aumenta à medida que α aumenta.

5 Gabarito
1–A
2–C
3–A
4–C
5–B
6 – ANULADA
7–D
8–E
9–A
10 – A
11 – D
12 - B
13 - E
14 – C
15 – E
16 - D
17 – B
18 – A
19 – C
20 – E
21 – D
22 – A
23 – E
24 – C
25 – C
26 – B
27 – B
28 – C
29 – C
30 – E
31 – E
32 – E

6 Resolução dos Exercícios de Fixação
1. (TFC-CGU/2008/ESAF) Ana precisa fazer uma prova de matemática

composta de 15 questões. Contudo, para ser aprovada, Ana só precisa resolver
10 questões das 15 propostas. Assim, de quantas maneiras diferentes Ana
pode escolher as questões?
A) 3003
B) 2980
C) 2800
D) 3006
E) 3005
Resolução
A ordem das questões não importa neste caso. Logo, não utilizaremos uma
permutação e sim uma combinação das 15 questões da prova, tomadas 10 a
10.
15! 15 × 14 × 13 × 12 × 11 × 10!
10 =
⇒ C15 = = 3.003
10!×(15 − 10)! 10!×5 × 4 × 3 × 2 × 1
GABARITO: A
2. (TFC-CGU/2008/ESAF) Ágata é decoradora e precisa atender o pedido de

um excêntrico cliente. Ele - o cliente - exige que uma das paredes do quarto
de sua filha seja dividida em uma seqüência de 5 listras horizontais pintadas
de cores diferentes, ou seja, uma de cada cor. Sabendo-se que Ágata possui
apenas 8 cores disponíveis, então o número de diferentes maneiras que a
parede pode ser pintada é igual a:
A) 56
B) 5760
C) 6720
D) 3600
E) 4320
Resolução
Ágata possui 8 cores disponíveis para utilizar em 5 listras:
n! 8! 8 × 7 × 6 × 5 × 4 × 3!
(n ) r = = = = 6.720
(n − r )! (8 − 5)! 3!

GABARITO: C
3. (AFTN/1998/ESAF) Uma empresa possui 20 funcionários, dos quais 10

são homens e 10 são mulheres. Desse modo, o número de comissões de 5
pessoas que se pode formar com 3 homens e 2 mulheres é:
A) 5400
B) 165
C) 1650
D) 5830
E) 5600
Resolução
Comissões de 5 pessoas, sendo 3 homens e 2 mulheres:
1) Como 3 das pessoas do grupo serão homens, temos um total de 10 homens

(a ordem não importa); logo, teremos uma combinação de 10, tomados 3 a 3:
10!
3 =
C10 = 120
3!×(10 − 3)!
2) Como 2 das pessoas do grupo serão mulheres, temos um total de 10

mulheres e a ordem não importa, teremos uma combinação de 10, tomados 2
a 2:
10!
2 =
C10 = 45
2!×(10 − 2)!
3 × C 2 = 120 x 45 = 5.400
Total de Comissões = C10 10
GABARITO: A
4. (AFT/2010/ESAF) O departamento de vendas de uma empresa possui 10

funcionários, sendo 4 homens e 6 mulheres. Quantas opções possíveis existem
para se formar uma equipe de vendas de 3 funcionários, havendo na equipe
pelo menos um homem e pelo menos uma mulher?
A) 192.
B) 36.
C) 96.
D) 48.
E) 60.

Resolução
Hipótese 1: 1 homem e 2 mulheres:
⎛ 4 ⎞ ⎛ 6 ⎞ 4! 6! 6×5
⇒ C14 × C 62 = ⎜⎜ ⎟⎟ × ⎜⎜ ⎟⎟ = × = 4× = 60
⎝ 1 ⎠ ⎝ 2 ⎠ 3!1! 4!2! 2
Hipótese 2: 2 homens e 1 mulher:
⎛ 4 ⎞ ⎛ 6 ⎞ 4! 6!
⇒ C 42 × C16 = ⎜⎜ ⎟⎟ × ⎜⎜ ⎟⎟ = × = 3 × 2 × 6 = 36
⎝ 2 ⎠ ⎝ 1 ⎠ 2!2! 5!1!
Total = 60 + 36 = 96
GABARITO: C
5. (AFT/2010/ESAF/Adaptada) Em um grupo de 100 pessoas, 15 das 40

mulheres do grupo são fumantes e 15 dos 60 homens do grupo também são
fumantes. Ao se escolher ao acaso cinco pessoas do grupo, sem reposição, a
probabilidade de exatamente quatro delas serem homens fumantes é dada
por:
A) Cn.k pk (1-p)n-k, sendo p=0,15, n=5 e k=4.

B) Cm,k CN-m,n-k /CN,n, sendo N=100, n=5, m=15 e k=4.
C) CM,k CN-m,n-k /CN,n, sendo N=100, n=5, m=60 e k=4.
D) Cm,k CN-m,n-k /CN,n, sendo N=100, n=15, m=5 e k=4.
E) Cn.k pk (1-p)n-k, sendo p=0,25, n=5 e k=4.
Resolução
I – Total de possibilidades de 4 homens fumantes em um grupo de 5 pessoas:

C15,4 x C85,1
II – Total de possibilidades de grupos de 5 pessoas:

C100,5
Probabilidade = (C15,4 x C85,1)/C100,5
GABARITO: B
6. (AFRFB/2009/ESAF) De quantas maneiras podem sentar-se três homens

e três mulheres em uma mesa redonda, isto é, sem cabeceira, de modo a se
ter sempre um homem entre duas mulheres e uma mulher entre dois homens?

A) 72
B) 36
C) 216
D) 720
E) 360
Resolução
Pela questão, homens (H) e mulheres (M) devem sentar à mesa redonda de
forma intercalada, conforme a figura abaixo:
M1
H3 H1
M3 M2
H2
Posição 1 (Homens) = 3
Posição 2 (Mulheres) = 3
Total = 3 x 3 x 2 x 2 x 1 x 1 = 36
Como a questão fala em mesa redonda sem cabeceira, não deve haver uma
referência. Deste modo, as possibilidades acima e a abaixo seriam iguais:
H3
M3 M1
H2 H1
M2
Teríamos as seguintes opções:

Posição 1 Posição 2 Posição 3 Posição 4 Posição 5 Posição 6

1 H1 M1 H2 M2 H3 M3
2 H1 M1 H2 M3 H3 M2
3 H1 M2 H2 M1 H3 M3
4 H1 M2 H2 M3 H3 M1
5 H1 M3 H2 M1 H3 M2
6 H1 M3 H2 M2 H3 M1
7 H1 M1 H3 M2 H2 M3
8 H1 M1 H3 M3 H2 M2
9 H1 M2 H3 M1 H2 M3
10 H1 M2 H3 M3 H2 M1
11 H1 M3 H3 M1 H2 M2
12 H1 M3 H3 M2 H2 M1
13 H2 M1 H1 M2 H3 M3
14 H2 M1 H1 M3 H3 M2
15 H2 M2 H1 M1 H3 M3
16 H2 M2 H1 M3 H3 M1
17 H2 M3 H1 M1 H3 M2
18 H2 M3 H1 M2 H3 M1
19 H2 M1 H3 M2 H1 M3
20 H2 M1 H3 M3 H1 M2
21 H2 M2 H3 M1 H1 M3
22 H2 M2 H3 M3 H1 M1
23 H2 M3 H3 M1 H1 M2
24 H2 M3 H3 M2 H1 M1
25 H3 M1 H1 M2 H2 M3
26 H3 M1 H1 M3 H2 M2
27 H3 M2 H1 M1 H2 M3
28 H3 M2 H1 M3 H2 M1
29 H3 M3 H1 M1 H2 M2
30 H3 M3 H1 M2 H2 M1
31 H3 M1 H2 M2 H1 M3
32 H3 M1 H2 M3 H1 M2
33 H3 M2 H2 M1 H1 M3
34 H3 M2 H2 M3 H1 M1
35 H3 M3 H2 M1 H1 M2
36 H2 M3 H2 M2 H1 M1
Por ser uma mesa circular sem cabeceira, temos que as seguintes
possibilidades são iguais, pois estão apenas deslocadas de posição:

1 H1 M1 H2 M2 H3 M3
22 H2 M2 H3 M3 H1 M1
29 H3 M3 H1 M1 H2 M2
Repare as seqüências:
H1-M1-H2-M2-H3-M3
H2-M2-H3-M3-H1-M1 = H1-M1-H2-M2-H3-M3
H3-M3-H1-M1-H2-M2 = H1-M1-H2-M2-H3-M3

2 H1 M1 H2 M3 H3 M2
24 H2 M3 H3 M2 H1 M1
27 H3 M2 H1 M1 H2 M3
H1-M1-H2-M3-H3-M2
H2-M3-H3-M2-H1-M1 = H1-M1-H2-M3-H3-M2
H3-M2-H1-M1-H2-M3 = H1-M1-H2-M3-H3-M2

3 H1 M2 H2 M1 H3 M3
20 H2 M1 H3 M3 H1 M2
35 H3 M3 H2 M1 H1 M2
H1-M2-H2-M1-H3-M3
H2-M1-H3-M3-H1-M2 = H1-M2-H2-M1-H3-M3
H3-M3-H1-M2-H2-M1 = H1-M2-H2-M1-H3-M3
E assim sucessivamente. Portanto, teríamos:

Número de Possibilidades = 36/3 = 12 possibilidades
Não há resposta correta.
GABARITO: ANULADA
7. (AFRFB/2009/ESAF) Considere um retângulo formado por pequenos

quadrados iguais, conforme a figura abaixo. Ao todo, quantos quadrados de
quaisquer tamanhos podem ser contados nessa figura?
A) 128
B) 100
C) 64
D) 32
E) 18

Resolução
Repare que a questão pede somente quadrados, ou seja, com os quatro lados
iguais. Portanto, somente é possível formar quadrados com “1 quadrado”, com
“4 quadrados” e com “9 quadrados”.
Quadrados formados por “1 quadrado” = 3 x 6 = 18
Quadrados formados por “4 quadrados” = 5 (duas primeiras linhas) + 5 (duas

últimas linhas) = 10
Quadrados formados por “9 quadrados” = 4

Total = 18 + 10 + 4 = 32 quadrados
GABARITO: D
8. (APO-MPOG/2008/ESAF) Marcos está se arrumando para ir ao teatro

com sua nova namorada, quando todas as luzes de seu apartamento apagam.
Apressado, ele corre até uma de suas gavetas onde guarda 24 meias de cores
diferentes, a saber: 5 pretas, 9 brancas, 7 azuis e 3 amarelas. Para que
Marcos não saia com sua namorada vestindo meias de cores diferentes, o
número mínimo de meias que Marcos deverá tirar da gaveta para ter a certeza
de obter um par de mesma cor é igual a:
A) 30
B) 40
C) 246
D) 124
E) 5
Resolução
A gaveta guarda 24 meias de cores diferentes, a saber, 5 pretas, 9 brancas, 7

azuis e 3 amarelas. As meias são de 4 cores diferentes (este dado é
essencial para a solução da questão).
Suponha que Mário retire quatro meias da gaveta, só que uma de cada cor
(preta, branca, azul e amarela). É certo que a 5ª meia será de uma cor que já
foi retirada na gaveta e neste caso garante-se que Mário terá em mãos um
par de mesma cor. Portanto, o número mínimo de meias que deverão ser
retiradas da gaveta é 5.
GABARITO: E
9. (Analista de Finanças e Controle-STN/2008/ESAF) Ana possui em seu

closed 90 pares de sapatos, todos devidamente acondicionados em caixas
numeradas de 1 a 90. Beatriz pede emprestado à Ana quatro pares de
sapatos. Atendendo ao pedido da amiga, Ana retira do closed quatro caixas de
sapatos. O número de retiradas possíveis que Ana pode realizar de modo que a
terceira caixa retirada seja a de número 20 é igual a:
A) 681384
B) 382426
C) 43262
D) 7488
E) 2120
Resolução
90 pares de sapatos ⇒ acondicionados em caixas numeradas de 1 a 90.

Beatriz pede emprestado à Ana quatro pares de sapatos.
Ana retira do closed quatro caixas de sapatos.
O número de retiradas possíveis que Ana pode realizar de modo que a terceira
caixa retirada seja a de número 20 é igual a:
Retiradas ⇒ total de quatro caixas de sapatos

Primeira Caixa = 89 (total de caixas menos a caixa 20, que será a terceira
caixa a ser retirada)
Segunda Caixa = 88 (total de caixas, menos a primeira retirada e menos a

caixa 20, que será a terceira caixa a ser retirada)
Terceira Caixa = 1 (tem que ser a caixa 20)
Quarta Caixa = 87 (total de caixas, menos a primeira retirada, menos a

segunda retirada e menos a caixa 20)
Número de Retiradas Possíveis = 89 x 88 x 1 x 87 = 681.384
Nota: os algarismos das unidades (últimos algarismos) das respostas são

diferentes. Portanto, basta multiplicar os algarismos das unidades dos valores
acima para achar a alternativa correta = 9 x 8 x 1 x 7 = 504 (final “4” ⇒ a
resposta é a alternativa “a”). Difícil é ver isso na correria da prova. É por isso
que preferimos as soluções tradicionais, pois, você certamente, perderia mais
tempo tentando descobrir algum “macete” do que resolvendo a questão por
meio dos conceitos.
GABARITO: A
10. (Analista Administrativo-ANEEL/2006/ESAF) Um grupo de amigos

formado por três meninos - entre eles Caio e Beto - e seis meninas - entre elas
Ana e Beatriz -, compram ingressos para nove lugares localizados lado a lado,
em uma mesma fila no cinema. Ana e Beatriz precisam sentar-se juntas
porque querem compartilhar do mesmo pacote de pipocas. Caio e Beto, por
sua vez, precisam sentar-se juntos porque querem compartilhar do mesmo
pacote de salgadinhos. Além disso, todas as meninas querem sentar-se juntas,
e todos os meninos querem sentar-se juntos. Com essas informações, o
número de diferentes maneiras que esses amigos podem sentar-se é igual a:
A) 1920
B) 1152
C) 960
D) 540
E) 860
Resolução
Grupo: 3 meninos e 6 meninas.

Fila de Cinema:há nove lugares localizados lado a lado.
Deve-se cumprir os seguintes requisitos:

1. Ana e Beatriz precisam sentar-se juntas porque querem compartilhar do
mesmo pacote de pipocas.
2. Caio e Beto, por sua vez, precisam sentar-se juntos porque querem
compartilhar do mesmo pacote de salgadinhos.
3. Todas as meninas querem sentar-se juntas.
4. Todos os meninos querem sentar-se juntos.
Poderemos ter duas situações:
Situação 1: meninos nos primeiros lugares

Exemplo:
Lugar 1: Caio
Lugar 2: Beto
Lugar 3: Menino
Lugar 4: Menina 1
Lugar 5: Menina 2
Lugar 6: Ana
Lugar 7: Beatriz
Lugar 8: Menina 3
Lugar 9: Menina 4

Situação 2: meninas nos primeiros lugares

Exemplo:
Lugar 1: Menina 1
Lugar 2: Menina 2
Lugar 3: Ana
Lugar 4: Beatriz
Lugar 5: Menina 3
Lugar 6: Menina 4
Lugar 7: Caio
Lugar 8: Beto
Lugar 9: Menino
Passemos à análise do número total de possibilidades. Como as meninas são

segregadas dos meninos, podemos calcular, de forma separada, o número de
permutações associados às meninas (N1) e o número de permutações
associados aos meninos (N2). Após, multiplicaremos N1 por N2 (aplicação do
princípio fundamental da contagem) e em seguida multiplicaremos o resultado
anterior por 2 (para obter 2N1N2), pois deve-se levar em conta que as meninas
ou os meninos podem estar nos primeiros lugares (daí o fator 2).
No caso das meninas, podemos considerar Ana e Beatriz como se fossem uma
única pessoa, pois elas sempre sentarão juntas. Além disso, há duas
possibilidades de sentarem juntas (Ana-Beatriz ou Beatriz-Ana). Logo,
teríamos uma permutação de n = 5.
Número de maneiras diferentes das meninas se sentarem:

N1 = 2 x P5 = 2 x 5! = 2 x 5 x 4 x 3 x 2 x 1 = 240 (*)
(*) o fator 2 surge das possibilidades Ana-Beatriz ou Beatriz-Ana
Raciocínio análogo pode ser aplicado ao caso dos meninos, ou seja, podemos
considerar Caio e Beto como se fossem uma única pessoa, pois eles sempre
sentarão juntos. Além disso, há duas possibilidades de sentarem juntos (Caio-
Beto ou Beto-Caio). Assim, teríamos uma permutação de n = 2.
Número de maneiras distintas dos meninos se sentarem:

N2 = 2 x P2 = 2 x 2! = 2 x 2 x 1 = 4
No total de diferentes maneiras (meninos e meninas)
⇒ (N1 x N2) x 2 = 240 x 4 x 2 = 1.920
GABARITO: A
11. (Analista de Finanças e Controle STN/2008/ESAF) Dois eventos A e

B são ditos eventos independentes se e somente se:

A) a probabilidade de ocorrência conjunta de A e B for nula.

B) a ocorrência de B alterar a probabilidade de ocorrência de A.
C) a ocorrência de A alterar a probabilidade de ocorrência de B.
D) a ocorrência de B não alterar a probabilidade de ocorrência de A.
E) a probabilidade de ocorrência conjunta de A e B for igual a 1.
Resolução
Dois eventos A e B são ditos eventos independentes se e somente se a

ocorrência de B não alterar a probabilidade de ocorrência de A e vice-versa.
GABARITO: D
12. (Analista de Finanças e Controle STN/2008/ESAF) Marco estuda em

uma universidade na qual, entre as moças de cabelos loiros, 18 possuem olhos
azuis e 8 possuem olhos castanhos; entre as moças de cabelos pretos, 9
possuem olhos azuis e 9 possuem olhos castanhos; entre as moças de cabelos
ruivos, 4 possuem olhos azuis e 2 possuem olhos castanhos. Marisa seleciona
aleatoriamente uma dessas moças para apresentar para seu amigo Marco. Ao
encontrar com Marco, Marisa informa que a moça selecionada possui olhos
castanhos. Com essa informação, Marco conclui que a probabilidade de a moça
possuir cabelos loiros ou ruivos é igual a:
A) 0
B) 10/19
C) 19/50
D) 10/50
E) 19/31
Resolução
Vamos fazer uma tabela, para facilitar o entendimento:
Moças Cabelos Cabelos Cabelos Total

Loiros Pretos Ruivos
Olhos Azuis 18 9 4 31
Olhos Castanhos 8 9 2 19
Total 26 18 6 50
Marisa seleciona aleatoriamente uma dessas moças para apresentar para seu
amigo Marco. Ao encontrar com Marco, Marisa informa que a moça selecionada
possui olhos castanhos. Com essa informação, Marco conclui que a
probabilidade de a moça possuir cabelos loiros ou ruivos é igual a:

Evento A = “moça de cabelos loiros ou ruivos”

Evento B = “moça de olhos castanhos”
(8 + 2)
P(A|B) = P(AB)/P(B) = 50 = 10 × 50 = 10
19 50 19 19
50
GABARITO: B
13. (ICMS-RJ/2009/FGV) Um torneio será disputado por 4 tenistas (entre

os quais A e B) de mesma habilidade, isto é, em qualquer jogo entre dois dos
quatro jogadores, ambos têm a mesma chance de ganhar.
Na primeira rodada, eles se enfrentarão em dois jogos, com adversários
definidos por sorteio. Os vencedores disputarão a final. A probabilidade de que
o torneio termine com A derrotando B na final é
A) 1/2
B) 1/4
C) 1/6
D) 1/8
E) 1/12
Resolução
P(A vencer B na final) = P[(A não enfrentar B na 1ª rodada) ∩ (A vencer a 1ª

rodada) ∩ (B vencer a 1ª rodada) ∩ (A vencer B na final)] = P(A não
enfrentar B na 1ª rodada) x P(A vencer a 1ª rodada) x P(B vencer a 1ª
rodada) x P(A vencer B na final), pois os quatro experimentos aleatórios são
independentes.
Na primeira rodada, as seguintes duplas podem ser formadas:
• 1ª possibilidade: (A,B) e (C,D) ⇒ 1/3 de probabilidade

• 2ª possibilidade: (A,C) e (B,D) ⇒ 1/3 de probabilidade
• 3ª possibilidade: (A,D) e (B,C) ⇒ 1/3 de probabilidade
Logo, P(A não enfrentar B na 1ª rodada) = P{[(A,C) e (B,D)] ∪ [(A,D) e

(B,C)]} = P{(A,C) e (B,D)} + P{[(A,D) e (B,C)} = 1/3 + 1/3 = 2/3.
Também temos que P(A vencer a 1ª rodada) = P(B vencer a 1ª rodada) = P(A
vencer B na final) = 1/2, pois em qualquer jogo entre dois dos quatro
jogadores, ambos têm a mesma chance de ganhar.
Logo,

P(A vencer B na final) = 2/3 x 1/2 x 1/2 x 1/2 = 2/24 = 1/12.
GABARITO: E
14. (ICMS-RJ/2007/FGV) A tabela abaixo apresenta a distribuição de 1.000

pessoas classificadas por Sexo (Masculino e Feminino) e Estado Civil (Solteiro,
Casado e Viúvo).
Sexo
Estado Civil M F Total
Solteiro 300 200 500
Casado 200 100 300
Viúvo 100 100 200
Total 600 400 1.000
Uma pessoa é selecionada ao acaso. A probabilidade de que ela seja do sexo

Feminino ou Viúva é igual a:
A) 0,6.
B) 0,2.
C) 0,5.
D) 0,7.
E) 0,4.
Resolução
P(sexo Feminino ou Viúva) = P(sexo Feminino) + P(Viúva) - P(sexo Feminino e

Viúva).
P(sexo Feminino) = 400/1.000

P(Viúva) = 200/1.000
P(sexo Feminino e Viúva) = 100/1.000
Logo, P(sexo Feminino ou Viúva) = 400/1.000 + 200/1.000 –

100/1.000 = 500/1.000 = 0,5.
GABARITO: C
15. (ICMS-RJ/2007/FGV) Sejam A e B dois eventos definidos em um

espaço amostral S de modo que P(A) = 0,70, P(B) = 0,20 e P(A∩B) = 0,14.
Então, pode-se dizer que A e B são eventos:
A) mutuamente exclusivos.
B) complementares.
C) elementares.

D) condicionais.
E) independentes.
Resolução
Note que P(A) x P(B) = 0,7 x 0,2 = 0,14 = P(A∩B) ⇒ A e B são eventos
independentes.
GABARITO: E
16. (TFC-CGU/2008/ESAF) Uma empresa de consultoria no ramo de

engenharia de transportes contratou 10 profissionais especializados, a saber: 4
engenheiras e 6 engenheiros. Sorteando- se, ao acaso, três desses
profissionais para constituírem um grupo de trabalho, a probabilidade de os
três profissionais sorteados serem do mesmo sexo é igual a:
A) 0,10
B) 0,12
C) 0,15
D) 0,20
E) 0,24
Resolução
I – Probabilidade de sortear três homens:
Total de Engenheiros = 6
p(três homens) = (6/10) x (5/9) x (4/8) = (3/5) x (5/9) x (1/2) = 0,1667
II – Probabilidade de sortear três mulheres:
Total de Engenheiras = 4
p(três mulheres) = (4/10) x (3/9) x (2/8) = (2/5) x (1/3) x (1/4) = 0,0333
Probabilidade de Sortear Três Pessoas do Mesmo Sexo (P)
P = P(três homens) + P(três mulheres) = 0,1667 + 0,0333 = 0,20
GABARITO: D
17. (Assistente Técnico-Administrativo-MF/2009/ESAF) Ao se jogar um

determinado dado viciado, a probabilidade de sair um número 6 é de 20%,
enquanto que as probabilidades de sair qualquer outro número são iguais entre
si. Ao se jogar este dado duas vezes, qual o valor mais próximo da
probabilidade de um número par sair duas vezes?

A) 20%
B) 27%
C) 25%
D) 23%
E) 50%
Resolução
Dado viciado: P(X = 6) = 0,2
As probabilidades de sair qualquer outro número são iguais entre si.

P(X = 1) = P(X = 2) = P(X = 3) = P(X = 4) = P(X = 5) = (1-0,2)/5 = 0,8/5 =
0,16.
Ao se jogar o dado duas vezes, qual o valor mais próximo da probabilidade de

um número par sair duas vezes?
I – Dado jogado pela primeira vez:
P(X par na jogada 1) = P(X = 2) + P(X = 4) + P(X = 6) = 0,16 + 0,16 + 0,20

= 0,52
II – Dado jogado pela segunda vez:
P(X par na jogada 2) = 0,52
Probabilidade de um número par sair duas vezes (eventos independentes):
P(par nas duas vezes) = P(X par na jogada 1) x P(X par na jogada 2) = 0,52 x
0,52 = 27,04%
GABARITO: B
18. (Adm. Pleno/Petrobrás/2005/CESGRANRIO) Joga-se um dado não

tendencioso. Se o resultado não foi “quatro”, qual é a probabilidade de que
tenha sido “um”?
A) 1/5
B) 1/6
C) 1/9
D) 1/12
E) 1/18
Resolução

Se já se sabe, a priori, que o resultado não foi “quatro”, então só nos restam
cinco possibilidades equiprováveis. Logo, a probabilidade de que tenha sido
“um” é igual a 1/5.
Também podemos resolver aplicando a fórmula da probabilidade condicional,
P(X = 1 ∩ X ≠ 4)
P(X = 1 | X ≠ 4) = ,
P(X ≠ 4)
1
em que P(X = 1 ∩ X ≠ 4) =
, pois a probabilidade de que o resultado dê “um” e
6
que ao mesmo tempo seja diferente de “quatro” é igual a probabilidade de se
obter “um”,
e P(X ≠ 4) = P(X = 1 ∪ X = 2 ∪ X = 3 ∪ X = 5 ∪ X = 6) =
1 5
= P(X = 1) + P(X = 2) + P(X = 3) + P(X = 5) + P(X = 6) = 5 × = .
6 6
Então,
1/ 6
P(X = 1 | X ≠ 4) = = 1/ 5 .
5/6
GABARITO: A
19. (TCE-ES/Economia/2001/ESAF) Num teste de múltipla escolha, um

estudante sabe uma questão ou “chuta” a resposta. Seja 2/3 a probabilidade
de que o estudante saiba uma questão do teste. Suponha que cada questão
tenha 5 alternativas e que a probabilidade de acertar no “chute” seja 1/5.
Assinale a opção que dá a probabilidade condicional de que o estudante saiba
realmente uma pergunta que respondeu corretamente.
A) 1/5
B) 2/15
C) 10/11
D) 2/3
E) 13/15
Resolução
Esta questão aborda o Teorema de Bayes. Um possível método de resolução é

baseado no uso de um diagrama binário como o que se segue abaixo:

CONHECIMENTO RESPOSTA
DA QUESTÃO
Py|x(0|0) = 1 - Py|x(1|0) Y = 0: ERRADA

X = 0: NÃO SABE
PY(0) = ? (calcular
PX(0) = 1/3
pela prob. total)
) =0
x(
1|1
- P y|
) =1 Py
0|1
( |x (1
P y|x |0)
Y = 1: CERTA
X = 1: SABE PY(1) = ? (calcular
PX(1) = 2/3 Py|x(1|1) pela prob. total)
O enunciado diz que a probabilidade de que o estudante saiba uma questão do

teste (X=1) é 2/3, ou seja, PX(1) = 2/3. Logo, PX(0) = 1 – 2/3 = 1/3
(probabilidade de o estudante não saber a questão).
Observe que Y=0 denota o evento “resposta errada”, enquanto que Y=1
representa a “resposta certa”. A probabilidade de acertar no “chute” é 1/5, ou
seja, a probabilidade de transição
Py|x(1|0) = 1/5.
Então, a probabilidade de transição complementar Py|x(0|0) (probabilidade de

errar no “chute”) é dada por
Py|x(0|0) = 1 - Py|x(1|0) = 4/5.
Está implícito que a probabilidade de o estudante acertar a resposta

quando sabe a questão é igual a 1, isto é,
Py|x(1|1) = 1.
Logo, a probabilidade de errar quando sabe a questão é nula, pois
Py|x(0|1) = 1 - 1 = 0.
Finalmente, chegamos a uma versão completa do DIAGRAMA BINÁRIO:

CONHECIMENTO RESPOSTA
DA QUESTÃO
Py|x(0|0) = 1 - Py|x(1|0) = 4/5 Y = 0: ERRADA

X = 0: NÃO SABE
PY(0) = ? (calcular
PX(0) = 1/3
pela prob. total)
) =0
x(
1|1
- P y|
=1 Py
1) |x (1
|x
(0| |0)
=
Py 1/5 Y = 1: CERTA
X = 1: SABE PY(1) = ? (calcular
PX(1) = 2/3 Py|x(1|1) = 1 pela prob. total)
Note que as probabilidades PY(0) e PY(1) são calculadas pelo Regra da

Probabilidade Total.
Se o estudante acertou a resposta (Y=1 é o efeito observado), a

probabilidade condicional de que o estudante saiba realmente a pergunta (X=1
é a causa) é dada por (Regra de Bayes)
2
Py|x (1 | 1)Px (1) 1×
3 10
Px|y (1 | 1) = = =
Py|x (1 | 1)Px (1) + Py|x (1 | 0)Px (0) 2 1 1 11
1× + ×
3 5 3
GABARITO: C
20. (Adm. Jr./REFAP/2007/CESGRANRIO) A probabilidade de que o preço

da farinha de trigo aumente em determinado mês é estimada em 40%. Se isso
ocorre, a probabilidade de que o preço do pão francês também aumente é de
50%; caso contrário, a probabilidade de aumento do pão francês será de
apenas 10%. Se o preço do pão francês subiu, a probabilidade de que o preço
da farinha de trigo tenha sofrido majoração é igual a:
A) 1/13
B) 2/10
C) 6/13
D) 6/11
E) 10/13
Resolução

PREÇO DA PREÇO DO PÃO

FARINHA DE TRIGO FRANCÊS
Py|x(0|0) = 1 - Py|x(1|0) Y = 0 (sem aumento)

X = 0 (sem aumento)
PY(0) = ? (calcular
PX(0) = 0,60
pela prob. total)
Py
|x (1
|0)
)
0|1
(
P y|x
Y = 1 (com aumento)
X = 1 (com aumento) PY(1) = ? (calcular
PX(1) = 0,40 Py|x(1|1) = 1- Py|x(0|1) pela prob. total)
O enunciado diz que a probabilidade de que o preço da farinha de trigo

aumente em determinado mês (X=1) é estimada em 40%. Logo, temos as
seguintes probabilidades a priori: PX(1) = 0,40 e PX(0) = 1 - 0,40 = 0,60.
Observe que X=0 denota o evento “preço da farinha de trigo não aumentou”.
Foi dito que se X=1 (preço da farinha de trigo aumentou), a probabilidade de

que o preço do pão francês também aumente (Y=1) é de 50%, ou seja, foi
dada a probabilidade de transição
Py|x(1|1) = 0,50.
Então, a probabilidade de transição complementar Py|x(0|1) (probabilidade de

que o preço do pão francês não aumente (Y=0) dado que o preço da
farinha de trigo aumentou (X=1)) é dada por
Py|x(0|1) = 1 - 0,50 = 0,50.
Caso o preço da farinha de trigo NÃO aumente (X=0), a probabilidade de

aumento do pão francês (Y=1) será de apenas 10%, ou seja,
Py|x(1|0) = 0,10.
Portanto, se o preço da farinha de trigo NÃO aumentar (X=0), a

probabilidade do preço do pão francês também NÃO aumentar (Y=0) será
de
Py|x(0|0) = 1 - 0,10 = 0,90.
Agora, chegamos a uma versão completa do DIAGRAMA BINÁRIO:

PREÇO DA PREÇO DO PÃO

FARINHA DE TRIGO FRANCÊS
Py|x(0|0) = 0,9 Y = 0 (sem aumento)

X = 0 (sem aumento)
PY(0) = ? (calcular
PX(0) = 0,60
Py pela prob. total)
|x (1
|0)
= 0,1
= 0,5
(0 |1)
|x
Py Y = 1 (com aumento)
X = 1 (com aumento) PY(1) = ? (calcular
PX(1) = 0,40 Py|x(1|1) = 0,5 pela prob. total)
Note que as probabilidades PY(0) e PY(1) são calculadas pelo Teorema da

Probabilidade Total.
Se o preço do pão francês subiu (Y=1 é o efeito observado), a probabilidade

de que o preço da farinha de trigo tenha sofrido majoração (X=1 é a causa)
é, pelo Teorema de Bayes, dada por
5 4
Py|x (1 | 1)Px (1) ×
10 10 20 10
Px|y (1 | 1) = = = =
Py|x (1 | 1)Px (1) + Py|x (1 | 0)Px (0) 5 4 1 6 26 13
× + ×
10 10 10 10
GABARITO: E
21. (Analista do BACEN/2002/ESAF) Uma empresa fabrica motores a jato

em duas fábricas A e B. Um motor é escolhido ao acaso de um lote de
produção. Nota-se que o motor apresenta defeitos. De observações anteriores
a empresa sabe que 2% e 3% são as taxas de motores fabricados com algum
defeito em A e B, respectivamente. Sabendo-se que a fábrica A é responsável
por 40% da produção, assinale a opção que dá a probabilidade de que o motor
escolhido tenha sido fabricado em A.
A) 0,400
B) 0,030
C) 0,012
D) 0,308
E) 0,500
Resolução

Seja um espaço amostral Ω. Considere os eventos mutuamente exclusivos e

exaustivos A 1 , A 2 ,..., A n e um evento qualquer B. O Teorema de Bayes afirma
que
P(B / A k )P(A k )
P(A k / B) = n
,
∑ P( B / A ) P( A )
i =1
i i
ou seja, o Teorema de Bayes nos permite calcular as probabilidades dos vários

eventos A 1 , A 2 ,..., A n que podem causar ou provocar a ocorrência de B. Por este
motivo, o Teorema de Bayes também é conhecido como o teorema que nos
dá a probabilidade da causa (evento A k ) dado o efeito observado
(evento B).
Na prática, a probabilidade P(A k / B) é conhecida como probabilidade a

posteriori de A k dado B ; P(B / A k ) é denominada probabilidade a priori de
B dado A k e P(A k ) é a probabilidade da causa ou a priori de A k .
Geralmente, as probabilidades a priori são estimadas a partir de medições
passadas ou pressupostas pela experiência, ao passo que as probabilidades a
posteriori são medidas ou calculadas a partir de observações.
Devemos calcular a probabilidade de que o motor defeituoso escolhido ao

acaso tenha sido fabricado em A. O motor observado pode ser defeituoso
(evento “D”) ou não defeituoso (evento “ND”). Ou seja, pede-se para
determinar a probabilidade de que a fábrica A tenha causado o defeito
observado no motor selecionado:
P(D | A)P(A) P(D | A)P(A)

P ( A | D) = = .
P ( D) P(D | A)P(A) + P(D | B)P(B)
⎧ P(A) = 40%
⎪ P(B) = 60%
⎪
⎨ .
⎪ P ( D | A ) = 2%
⎪⎩ P(D | B) = 3%
Portanto,
P(ND|A) = 1 – P(D|A) = 1 – 0,02 = 0,98 e
P(ND|B) = 1 – P(D|B) = 1 – 0,03 = 0,97.
A figura a seguir ilustra a aplicação do Teorema de Bayes nesta questão:

2 40
×
P( D / A ) P( A ) 100 100 80 8 4
P ( A / D) = = = = =
P(D / A)P(A) + P(D / B)P(B) 2 40 3 60 80 + 180 26 13
× + ×
100 100 100 100
P(A / D) ≈ 0,308
Nota: podemos descrever o espaço amostral Ω do experimento aleatório

proposto pela questão utilizando a notação genérica
Ω = {(X,Y): X = 0 ou 1, Y = 0 ou 1} = {(0, 0), (0, 1), (1, 0), (1, 1)}.
Para a questão, os resultados elementares de Ω são:
⇒ (0, 0) = (A, ND)

⇒ (0, 1) = (A, D)
⇒ (1, 0) = (B, ND)
⇒ (1, 1) = (B, D)
GABARITO: D
22. (Analista do BACEN/Área 2/2010/CESGRANRIO) A probabilidade de

um indivíduo de classe A comprar um automóvel é 3/4. Para um indivíduo de
classe B, essa probabilidade é 1/6, e para um indivíduo de classe C, ela é de
1/20. A probabilidade de um indivíduo de classe A comprar um fusca é 1/10,
enquanto que, para um indivíduo de classe B, essa probabilidade é 3/5 e para
um indivíduo de classe C, é de 3/10. Sabendo-se que a revendedora XPTO
vendeu um Fusca, a probabilidade de o comprador pertencer à classe B é
A) 0,527
B) 0,502
C) 0,426
D) 0,252
E) 0,197

Resolução
Sabendo-se que a revendedora XPTO vendeu um Fusca (efeito) qual é a

probabilidade de o comprador pertencer à classe B (causa)? Ou seja, qual
é o valor de P(B|Fusca)?
A pergunta formulada acima indica, de forma inequívoca, que é preciso aplicar

o Teorema de Bayes (probabilidade da causa dado o efeito observado)
para resolver a questão. O equacionamento da probabilidade P(B|Fusca) pelo
Teorema de Bayes fornece
P(B|Fusca) = P(Fusca|B)P(B)/P(Fusca)
Neste ponto da resolução, precisamos confirmar se os dados fornecidos pelo

enunciado viabilizam a aplicação do Teorema de Bayes. Recordaremos, a
seguir, o enunciado deste importante teorema do cálculo de probabilidades.
Sejam os eventos mutuamente exclusivos e exaustivos E 1 , E 2 ,..., E k ,..., E n

definidos sobre o espaço amostral Ω. Se Z é um evento qualquer de Ω,
então é válida a relação
P( Z | E k )P(E k )
P(E k | Z) = n
.
∑ P( Z | E )P(E )
i =1
i i
O que seria o espaço amostral Ω, dado o enunciado do problema? Quais seriam

os eventos mutuamente exclusivos e exaustivos definidos sobre Ω?
Suponha que Ω represente o espaço amostral dos indivíduos das classe A,

B e C que compram automóveis. Neste caso, temos os seguintes eventos
mutuamente exclusivos e exaustivos:
- Evento A: indivíduo da classe A comprar um automóvel. Neste caso, a

freqüência relativa ao evento A é 3/4, ou seja, P(A) = 3/4;
- Evento B: indivíduo da classe B comprar um automóvel, em que P(B) =

1/6;
- Evento C: indivíduo da classe C comprar um automóvel, em que P(C) =

1/20.
Será que a equação P(A) + P(B) + P(C) = 1 é verificada?
P(B) + P(C) = 1 - P(A) = 1 – 3/4 = ¼ = 0,25
P(B) + P(C) = 1/6 + 1/20 ≈ 0,167 + 0,05 = 0,217 ≠ 0,25

Há uma discrepância de (0,25 – 0,217) = 0,033. Depreende-se que a banca

considerou a aproximação
P(A) + P(B) + P(C) = 0,967 ≈ 1
Quem faria o papel do evento Z? Este evento representa a compra de um

Fusca por um indivíduo de qualquer classe, cuja probabilidade é denotada por
P(Fusca). A probabilidade total P(Fusca) é dada por
P(Fusca) = P(Fusca|A)P(A) + P(Fusca|B)P(B) + P(Fusca|C)P(C)
ou seja,
P(Fusca) = (1/10)x(3/4) + (3/5)x(1/6) + (3/10)x(1/20) = 0,19
Logo,
P(Fusca | B)P(B) (3 / 5) × (1 / 6)
P(B | Fusca ) = = = 0,5263
P(Fusca ) 0,19
A banca utilizou o arredondamento 0,5263 ≈ 0,527 (opção A).
GABARITO: A
(ABIN/2004/Cespe-UnB) Em uma fábrica, as máquinas X, Y e Z produzem

um mesmo tipo de item. Na máquina X, é feita a metade da produção total
desse item, e a produção da máquina Y está para a produção da máquina Z na
razão . As porcentagens de unidades defeituosas que são produzidas pelas
máquinas X, Y e Z são, respectivamente, 2%, 4% e 5%. Com base nessas
informações, julgue os itens a seguir.
23. Desse item, a máquina Z produz 25% da quantidade total produzida pela
fábrica.
Resolução
A máquina X produz 50% do item. Logo, as máquinas Y e Z produzem os 50%

restantes. Como
Y 3
=
Z 2
conclui-se que Y produz 30% do total e Z produz 20% do total. Item errado.
GABARITO: E

24. Se um desses itens é escolhido ao acaso e é defeituoso, então a

probabilidade de ele ter sido produzido pela máquina Y é superior a 0,35.
Resolução
Este item cobra a aplicação da Regra de Bayes.
Pergunta-se:
P{Y ter produzido o item dado que o item é Defeituoso} = P(Y|D) > 0,35 ?
Vimos que
P( D | Y) P( Y ) P(D | Y) P( Y)
P ( Y | D) = =
P ( D) P(D | X)P(X) + P(D | Y)P(Y) + P(D | Z)P( Z)
1 3 1
P(X) = 50% = , P(Y) = 30% = , P( Z) = 20% =
2 10 5
P(D ∩ X) 0,02
P( D | X ) = = = 0,04
P( X ) 0,5
P(D ∩ Y) 0,04 4
P( D | Y ) = = = × 10 −1
P( Y ) 0,3 3
P(D ∩ Z) 0,05
P(D | Z) = = = 0,25
P( Z) 0,2
4 3
× 10 −1 ×
3 10 4
P ( Y | D) = = ≈ 36,4%
⎛ 1⎞ ⎛4 −1 3⎞ ⎛ 1 ⎞ 11
⎜ 0,04 × ⎟ + ⎜ × 10 × ⎟ + ⎜ 0,25 × ⎟
⎝ 2⎠ ⎝3 10 ⎠ ⎝ 5⎠
P(Y|D) > 0,35. Item certo.
GABARITO: C

25. (AFT/2010/ESAF) Em uma universidade, 56% dos alunos estudam em

cursos da área de ciências humanas e os outros 44% estudam em cursos da
área de ciências exatas, que incluem matemática e física. Dado que 5% dos
alunos da universidade estudam matemática e 6% dos alunos da universidade
estudam física e que não é possível estudar em mais de um curso na
universidade, qual a proporção dos alunos que estudam matemática ou física
entre os alunos que estudam em cursos de ciências exatas?
A) 20,00%.
B) 21,67%.
C) 25,00%.
D) 11,00%.
E) 33,33%.
Resolução
Vamos supor que há um total de 100 alunos
56% dos alunos = Área de Ciências Humanas = 56 alunos

44% dos alunos = Área de Ciências Exatas = 44 alunos
5% estudam matemática = 5 alunos
6% estudam física = 6 alunos
Não é possível estudar mais de um curso.
Percentual (Matemática ou Física/Ciências Exatas)

= (5 + 6)/44 = 11/44 = 1/4 = 25%
GABARITO: C
24. (Analista Judiciário/Estatístico/TRF 1ª região/2001/FCC) Duas

urnas guardam bolas brancas e pretas. Uma das urnas tem 3 bolas brancas e 1
preta enquanto que a outra tem 3 bolas brancas e 3 pretas. Escolhendo-se
uma urna ao acaso e em seguida, sucessivamente e com reposição duas de
suas bolas, a probabilidade de ocorrer uma branca e uma preta é
A) 7/8.
B) 7/16.
C) 3/8.
D) 7/32.
E) 3/16.
Resolução

A probabilidade de escolher qualquer uma das urnas é 1/2. O sorteio das duas
bolas é feito com reposição, ou seja, a 1ª bola sorteada retorna para a urna,
de modo que as probabilidades de ocorrência das bolas são mantidas no 2º
sorteio.
Temos as seguintes probabilidades de sorteio para a urna que guarda 3 bolas

brancas e 1 preta: P(bola branca) = 3/4 e P(bola preta) = 1/4.
Para a outra urna temos: P(bola branca) = P(bola preta) = 3/6 = 1/2.
A probabilidade pedida é a probabilidade de ocorrer uma branca e uma preta.

A ordem de ocorrência não foi especificada, isto é, podemos ter branca no 1º
sorteio e preta no 2º sorteio ou o inverso. Quais são as possibilidades? Há
quatro casos possíveis:
1) escolha de uma bola branca no 1º sorteio e de uma bola preta no 2º

sorteio quando a urna escolhida é a que tem 3 bolas brancas e 1 preta
(caso 1) ou
2) caso 2: escolha de uma bola preta no 1º sorteio e de uma branca no 2º
sorteio quando a urna escolhida é a que tem 3 bolas brancas e 1 preta
(caso 2) ou
3) escolha de uma bola branca no 1º sorteio e de uma bola preta no 2º
sorteio quando a urna escolhida é a que tem 3 bolas brancas e 3 pretas
(caso 3) ou
4) escolha de uma bola preta no 1º sorteio e de uma branca no 2º sorteio
quando a urna escolhida é a que tem 3 bolas brancas e 3 pretas (caso
4).
As probabilidades dos 4 casos acima são:
P(caso 1) = (1/2)x(3/4)x(1/4) = 3/32
P(caso 2) = (1/2)x(1/4)x(3/4) = 3/32
P(caso 3) = P(1/2)x(1/2)x(1/2) = 1/8
P(caso 4) = P(1/2)x(1/2)x(1/2) = 1/8
Temos que somar as probabilidades dos 4 casos. Logo, a probabilidade de

ocorrer uma branca e uma preta é
(2 x 3/32) + (2 x 1/8) = 3/16 + 1/4 = 7/16.
GABARITO: B

25. (AFPS/2002/ESAF) Suponha que a probabilidade de um evento C seja

0,4 e que a probabilidade condicional do evento D dado que C ocorreu seja
0,2. Assinale a opção que dá o valor da probabilidade de ocorrência de D e C
A) 0,50
B) 0,08
C) 0,00
D) 1,00
E) 0,60
Resolução
Trata-se de aplicação da regra da multiplicação: P(DC) = P(D|C).P(C).
P(DC) = P(D|C).P(C) = 0,2 x 0,4 = 0,08.
GABARITO: B
(Analista do INSS com formação em estatística/2008/Cespe-UnB)

Texto para os itens de 26 a 32
perfil A B C total
Número de trabalhadores
3 8 8 19
(em milhões de pessoas)
Um projeto do governo tinha como objetivo atrair para o sistema

previdenciário uma parcela de trabalhadores que não eram contribuintes do
INSS. Na ocasião em que tal projeto havia sido proposto, pelos cálculos do
governo, existiam no país 19 milhões de trabalhadores com mais de 16 anos e
renda mensal de um ou mais salários mínimos que não contribuíam para a
previde ncia. Esses trabalhadores foram classificados de acordo com tres
perfis A, B e C, e a distribuicão do número de trabalhadores em cada perfil
está no quadro acima. A expectativa do governo era a seguinte: entre as
pessoas com o perfil A, a probabilidade de entrada para o sistema
previdenciário era de 0,8; para as de perfil B, a probabilidade de entrada para
o sistema era de 0,5 e os de perfil C entrariam no sistema com uma
probabilidade igual a 0,1.
Correio Braziliense, 15/11/2006, p. A-14 (com adaptações).
Com base nas informações apresentadas no texto acima, julgue os itens

seguintes.
28. Na ocasião em que o projeto havia sido proposto, a probabilidade de uma

pessoa entre os 19 milhões de trabalhadores entrar para o sistema
previdenciário era superior a 0,35 e inferior a 0,40.

Resolução
Dados:
⇒ P(entrada|A) = 0,8, P(entrada|B) = 0,5 e P(entrada|C) = 0,1.
⇒ P(A) = 3/19, P(B) = 8/19 e P(C) = 8/19. Note que P(A) + P(B) + P(C) =
3/19 + 2 x 8/19 = 1, pois A, B e C são eventos mutuamente exclusivos.
A probabilidade total de uma pessoa entrar para o sistema previdenciário é

dada por
P(entrada) = P(entrada|A).P(A) + P(entrada|B).P(B) + P(entrada|C).P(C)
P(entrada) = (0,8 x 3/19) + (0,5 x 8/19) + (0,1 x 8/19) = 7,2/19 ≅ 0,38.
Portanto, a probabilidade de uma pessoa entre os 19 milhões de trabalhadores

entrar para o sistema previdenciário era superior a 0,35 e inferior a 0,40. O
item está certo.
GABARITO: C
29. A expectativa do governo era de que mais de 7 milhões de trabalhadores

fossem atraídos para o sistema previdenciário.
Resolução
P(entrada) = 0,38 = 38% ⇒ representa a fração da população que entraria

para o sistema da previdência. Logo, a expectativa do governo era de que
0,38 x 19 milhões ≅ 7,22 milhões fossem atraídos para o INSS. O item está
certo.
GABARITO: C
30. Um trabalhador que atende às condições do projeto do governo, decidiu

entrar para o sistema de previdência. A probabilidade de ele ser um
trabalhador do perfil A é superior a 0,4.
Resolução
O item poderia ser parafraseado da seguinte forma: dado que um trabalhador

entrou para o sistema de previdência, qual é a probabilidade de ter o perfil A,
ou seja, qual é a probabilidade da causa ser o grupo A?
Precisamos aplicar a regra de Bayes (probabilidade da causa dado o efeito):

P(A|entrada) = P(entrada|A).P(A)/P(entrada),
P(A|entrada) = (0,8 x 3/19)/0,38 ≅ (0,8 x 3/19)/0,4 = 2 x 3/19 ≅ 1/3 ≅ 0,33 ⇒

inferior a 0,4. O item está errado.
Nota: você notou que as contas acima foram feitas de forma aproximada?
Recomendamos que você adote esta tática na prova. Deste modo, o tempo
economizado na resolução desta questão poderá ser usado para resolver
outra(s) questão(ões).
GABARITO: E
Ainda com relação ao texto e considerando que a probabilidade de dois

trabalhadores selecionados aleatoriamente entre aqueles com o perfil A
entrarem para o sistema previdenciário é igual a α, julgue os itens
subseqüentes.
31. Por ser uma probabilidade, α pode assumir qualquer valor entre 0 e 1.
Resolução
Sejam os dois trabalhadores selecionados do grupo A denotados por T1 e T2.

Suponha que você escolha T1 e depois T2. Como o espaço amostral é muito
grande (lembre que o grupo A tem 3 milhões de pessoas), podemos considerar
que
P(T2 entrar no sistema dado que T1 foi escolhido) = P(T2 entrar no sistema),
pois a escolha aleatória de T1 não muda a probabilidade de T2 entrar no
sistema ⇒ conceito de independência. Então,
P(T1 e T2 entrarem no sistema|A) = P(entrada|A) x P(entrada|A) = 0,8 x 0,8

= 0,64 = α.
Logo α tem um valor fixo (= 0,64) e não pode assumir qualquer valor entre 0 e
1. Percebeu a sutileza deste item?
GABARITO: E
32. O número esperado de trabalhadores do perfil A que entrarão no sistema

previdenciário aumenta à medida que α aumenta.
Resolução
A expectativa do número de trabalhadores do perfil A que entrarão no sistema

previdenciário aumentará se a probabilidade P(entrada|A) aumentar. O

aumento de α é consequência do aumento de P(entrada|A) e não sua causa,

como sugerido pelo item. Assim, concluímos que o item está errado.
GABARITO: E
Bom estudo e até a próxima aula!
Alexandre Lima.

Aula 19 - Estatistica - Aula 02

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Aula 19 - Estatistica - Aula 02

Diunggah oleh

Hak Cipta:

Format Tersedia

Pacote de Teoria e Exercícios para Papiloscopista PF

1 Noções de Análise Combinatória ..................................................................................... 2

Prof. Alexandre Lima www.pontodosconcursos.com.br 1

1 Noções de Análise Combinatória

1.1 Princípio Fundamental da Contagem

Seja n um número inteiro não negativo. O fatorial de n, representado pelo

I) 10! = 10.9.8.7.6.5.4.3.2.1 = 3.628.800

Princípio Fundamental da Contagem (Regra do Produto): Caso um

Primeira etapa: existem k1 maneiras diferentes de ocorrer o evento.

⇒ Número Total de Maneiras de Ocorrer o Evento = k1.k2.k3.k4...kn

Nosso alfabeto possui 26 letras (A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q,

A placa é composta da seguinte maneira:

(Letra) (Letra) (Letra) (Número) (Número) (Número) (Número)

Prof. Alexandre Lima www.pontodosconcursos.com.br 2

Exemplo: LAG 2134

Logo, para a primeira letra, temos 26 possibilidades, assim como para a

Portanto, o número máximo de placas (veículos licenciados) seria:

(Letra) (Letra) (Letra) (Número) (Número) (Número) (Número)

Número Máximo de Placas = 175.760.000.

Tranquilo até aqui? Então vamos em frente.

1.2 Arranjos Simples

Uma coleção (ou conjunto) de n elementos constitui uma população de

Seja uma população de n elementos s1 , s 2 ,..., s n . Qualquer arranjo ordenado

Considere uma urna genérica contendo n bolas numeradas distintas. As bolas

(i) Amostragem com reposição. Neste caso, temos n escolhas para a

Prof. Alexandre Lima www.pontodosconcursos.com.br 3

A equação (1) é a fórmula do arranjo simples, pois fornece o número An,r

Exemplo: o número de arranjos das letras a, b e c, tomadas duas de cada

• só é possível utilizar os algarismos de 0 a 9; e

Qual é o número máximo de senhas que você pode criar?

Observe que a senha 012345 é diferente da senha 102345, ou seja, a ordem

Contudo, você poderia perguntar: mas professores, preciso saber a fórmula do

Deste modo teríamos,

10 x 9 x 8 x 7 x 6 x 5 = 151.200 senhas distintas.

Viu como é fácil! E nem foi necessário usar a fórmula do arranjo.

Contudo, se você é fanático(a) por fórmulas e prefere memorizá-las, obtemos

Prof. Alexandre Lima www.pontodosconcursos.com.br 4

A10,6 = n!/(n – r)! = 10!/(10 – 6)! = 10!/4! = (10.9.8.7.6.5.4!)/4! = 151.200.

Nota: bizu de fatorial para a prova:

10! = 10.9! = 10.9.8! = 10.9.8.7! = 10.9.8.7.6! = 10.9.8.7.6.5! =

1.3 Permutações Simples

Quando os arranjos são formados por todos os elementos do conjunto dado e,

An,n = n!/(n – n)! = n!/0! = n!/1 = n! = Pn

Ressaltamos que, na permutação, os agrupamentos ou possibilidades serão

Exemplo: seja o seguinte conjunto A = {1, 2, 3, 4}. Qual é o número de

Permutações possíveis (somente para conferência):

{1, 2, 3, 4} {2, 1, 3, 4} {3, 1, 2, 4} {4, 1, 2, 3}

Exemplo: suponha que você e seus quatro primos compraram 5 passagens

Repare que a questão pede para calcular o número de possibilidades de cinco

sentar em 5 lugares. As possibilidades serão diferentes entre si apenas em

Precisamos guardar a fórmula da permutação? A resposta é não, pois é

No “lugar 1A” poderia se sentar um dos 5 primos; no “lugar 1B”, teriam

Novamente, se você é fanático(a) por fórmulas e prefere memorizá-las,

Nota: Anagrama: palavra ou frase formada de outra por meio de

Exemplo: Determine o número de anagramas da palavra PODER.

PODER ⇒ 5 letras ⇒ n = 5 ⇒ P5 = 5! = 5.4.3.2.1 = 120

Nota: Permutações Circulares: Pno = n!/n = (n-1)! => normalmente, são

Exemplo: De quantas maneiras 5 pessoas (P1, P2, P3, P4 e P5) podem se

n = 5 ⇒ Pn = (n-1)! = (5-1)! = 4! = 4.3.2.1 = 24 maneiras

Prof. Alexandre Lima www.pontodosconcursos.com.br 6

Repare que, como as pessoas são colocadas ao redor da mesa, as arrumações

Nota: Permutações com elementos repetidos: neste caso, há um conjunto

Pn (q,r,s,...) = n!/(q! r! s! ...)

Exemplo: Determine o número de anagramas da palavra RACIOCÍNIO.