ESTATSTICA INFERENCIAL OU

INDUTIVA

PROBABILIDADE

PROBABILIDADE
INTRODUO
Embora o clculo das probabilidades pertena ao campo da Matemtica, a incluso nesta disciplina se justifica
pelo fato de a maioria dos fenmenos de que trata a Estatstica ser de natureza aleatria ou probabilstica.
Conseqentemente, o conhecimento dos aspectos fundamentais do clculo de probabilidades uma necessidade
essencial para o estudo da Estatstica Inferencial ou Indutiva.
Embora o contedo da Probabilidade seja extenso, ser apresentado aqui apenas o essencial para fundamentar
as primeiras definies da Estatstica Inferencial. Essas definies sero apresentadas nas prximas unidades do
contedo programtico, que trata da conceituao de varivel aleatria das duas principais distribuies de
probabilidades de variveis discretas e contnuas: distribuies binomiais e normais.
HISTRIA
As origens da probabilidade remontam ao sculo XVI. As aplicaes iniciais referiam- se quase todas aos jogos
de azar. Os jogadores aplicavam o conhecimento da teoria das probabilidades para planejar estratgias de
apostas.
No ano de 1654, um jogador da sociedade parisiense, Chevalier de Mre, props a Blaise Pascal (16231662)
algumas questes sobre suas chances de vencer em jogos. Uma das questes foi: Um jogo de dados entre dois
adversrios termina quando um dos jogadores vence trs partidas em primeiro lugar. Se antes do final esse jogo
for interrompido, de que maneira cada um dos dois adversrios deve ser indenizado?
Pascal escreveu a Pierre de Fermat (1601 1665) sobre esse problema, e a correspondncia entre eles deu
subsdios teoria das probabilidades. A resposta de Fermat a Pascal apresentado no livro A magia dos
nmeros de Paul Karlson (Editora Globo), contendo as resolues propostas por Pascal e Fermat.
Blaise Pascal

Pierre de Fermat

Atualmente a utilizao das probabilidades ultrapassou de muito o mbito desses jogos. Hoje os governos, as
empresas, as organizaes profissionais incorporam a teoria das probabilidades em seus processos dirios de
deliberaes.
Independentemente de qual seja a aplicao em particular, a utilizao das probabilidades indica que existe um
elemento de acaso, ou de incerteza, quanto ocorrncia ou no de um evento futuro. Assim que, em muitos
casos, pode ser virtualmente impossvel afirmar por antecipao o que ocorrer, mas possvel dizer o que
pode ocorrer.
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 2

H numerosos exemplos de tais situaes no campo dos negcios e do governo. A previso da procura de um
novo produto, o clculo dos custos da produo, a previso das safras, a compra de aplices de seguros, a
avaliao da reduo de impostos sobre a inflao. As probabilidades so teis, pois ajudam a desenvolver
estratgias.
O ponto central em todas as situaes a possibilidade de quantificar quo provvel determinado evento. As
probabilidades so utilizadas para exprimir a chance de ocorrncia de determinado evento. O estudo das
probabilidades importante, pois elas so a base para o estudo estatstico.
APLICAES PRTICAS DA TEORIA DAS PROBABILIDADES
VALOR ESPERADO
Um estudo realizado por uma companhia de seguros permite concluir que, a cada ano,

a probabilidade de uma aplice despender 200 mil reais de 1 / 10.000;

a probabilidade de uma aplice despender 50 mil reais de 1/ 1.000;
a probabilidade de uma aplice despender 2.000 reais de 1/ 50;
e a probabilidade de as aplices restantes despenderem zero real de 9.789/ 10.000.

Para estabelecer o valor de venda de uma aplice, a empresa precisa conhecer a despesa mdia por aplice
vendida. A resposta chamada, em estatstica, de valor esperado, e calculada da seguinte maneira:
200.000

1
1
1
9.789
50.000
2.000
0
110
10.000
1.000
50
10.000

Desse modo, o preo mnimo de uma aplice, para cobrir os custos, de 110 reais.
VEICULAO DE PROPAGANDA NA TV
Na mais importante rede de televiso do pas, a propaganda da Coca-cola vai ao ar de 30 em 30 minutos. A
Pepsi-Cola pretende veicular sua propaganda nessa emissora tambm de 30 em 30 minutos, porm quer usar
uma estratgia de tal modo que, a qualquer momento que um espectador ligue a TV, a probabilidade de que ele
veja a propaganda da Pepsi em primeiro lugar seja maior que a probabilidade de que ele veja a propaganda da
Coca-cola. Qual deve ser essa estratgia?
Resposta: cada propaganda da Pepsi-Cola deve ser veiculada x minutos (15 < x < 30) aps cada propaganda da CocaCola.

EXPERIMENTOS DETERMINSTICOS E EXPERIMENTOS ALEATRIOS

1- EXPERIMENTOS DETERMINSTICOS
Um experimento denominado determinstico se, dadas as condies em que ocorre, seu resultado pode ser
previsto com exatido antes mesmo de sua realizao.
Exemplo 1

Se um corpo se locomove a uma velocidade constante V, num perodo de tempo t ele ter percorrido:
S V .t

A quantidade de calor necessria para resfriar m quilogramas de um lquido com calor especfico (em
Kcal / KgC ), por uma temperatura t (em C), sem haver mudana de estado, calculada por:
Q m c t

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 3

Nos dois casos citados consegue-se prever com exatido o deslocamento do corpo e a quantidade de calor
necessria para o resfriamento antes mesmo de suas realizaes. Alm disso, caso tais experimentos sejam
reproduzidos em situaes semelhantes por diversas vezes, os resultados sero sempre os mesmos.
As expresses apresentadas so modelos matemticos que permitem estudar experimentos determinsticos,
sendo denominados, portanto, modelos determinsticos.
2 EXPERIMENTOS ALEATRIOS
J experimentos aleatrios so aqueles cujos resultados no podem ser determinados com exatido antes de sua
ocorrncia. Experimentos aleatrios so aqueles que, mesmo repetidos vrias vezes sob condies semelhantes,
apresentam resultados imprevisveis.
Caractersticas dos experimentos aleatrios:
1. Podem ser repetidos indefinidamente sob as mesmas condies.
2. No se pode adiantar um resultado particular, mas pode descrever todos os resultados possveis.
3. Se repetidos muitas vezes, apresentaro uma regularidade em termos de freqncia de resultados.
Exemplos:

Lanamento de uma moeda, lanamento de um dado

Apostas na loteria
Se lanarmos um dado sobre uma superfcie plana e observarmos o nmero que aparece na superfcie
superior, no podemos determinar a priori qual ser esse nmero;
No se pode determinar com exatido a quantidade de chuva num dia futuro com base na quantidade de
chuva nos dias anteriores.

Ao descrever um experimento aleatrio deve-se especificar no somente que operao ou procedimento deva
ser realizado, mas tambm o que dever ser observado.

Joga-se um dado e observa-se o nmero obtido na face superior.

Joga-se uma moeda 4 vezes e o observa-se o nmero de caras obtido.
Joga-se uma moeda 4 vezes e observa-se a seqncia de caras e coroas.
Um lote de 10 peas contm 3 defeituosas. As peas so retiradas uma a uma (sem reposio) at que a
ltima defeituosa seja encontrada. Conta-se o nmero de peas retiradas.
Uma lmpada nova ligada e observa-se o tempo gasto at queimar.
Lana-se uma moeda at que ocorra uma cara e conta-se ento o nmero de lanamentos necessrios.
Lanam-se dois dados e anota-se o total de pontos obtidos.
Lanam-se dois dados e anota-se o par obtido.

Dada a incerteza inerente ao resultado de experimentos aleatrios, no h modelos matemticos capazes de

determinar seus resultados a partir das condies em que ocorrem. Nasce da a necessidade de criar modelos
matemticos aplicveis ao estudo de experimentos aleatrios. Isso se torna possvel ao definir para cada
experimento aleatrio o conjunto de possveis resultados e atribuir pesos a esses resultados, de tal maneira que
esses pesos reflitam maiores ou menores chances de ocorrncia.
Veremos adiante que, dadas as configuraes em que um experimento aleatrio ocorre, o interesse est em
especificar como as probabilidades se distribuem em relao aos seus possveis resultados. Nesse caso, busca-se
um modelo matemtico capaz de descrever tais experimentos, denominado modelo probabilstico.
Vamos estudar aqui apenas os experimentos aleatrios. Vamos definir alguns conceitos.

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 4

ESPAO AMOSTRAL E EVENTOS

O princpio da probabilidade observar todos os possveis resultados de um determinado experimento. E dentro
de todos os possveis resultados, observar aqueles que nos interessa.
1- ESPAO AMOSTRAL
O espao amostral (S) de um experimento aleatrio o conjunto de todos os possveis resultados do
experimento.

N(S) o nmero total de casos, ou seja, o nmero de elementos do conjunto S, ou o nmero de

resultados possveis.

Exemplos:
1- Um experimento o lanamento de uma moeda. Os possveis resultados so cara ou coroa, ento, S =
{cara, coroa}.
2- Em dois lanamentos de uma moeda, sendo interessante observar a ordem dos resultados, os possveis
resultados so:
(1) cara e cara
(2) cara e coroa
(3) coroa e cara e
(4) coroa e coroa.
O espao amostral S = {(Ca,Ca), (Ca,Co), (Co,Ca), (Co,Co)}. O nmero de elementos de S N(S) = 4.
2- EVENTOS
Chama-se de evento qualquer subconjunto do espao amostral S de um experimento aleatrio, ou seja, qualquer
resultado do espao amostral.

N(E) o nmero de casos favorveis ao evento E, ou seja, resultados associados ao evento E.

Exemplo:
1- No lanamento de uma moeda S = {cara, coroa}. Um evento de interesse E pode ser E = {obter cara
no lanamento de uma moeda}. Neste caso, E = {Ca} e N(E) = 1.
2- No lanamento de um dado, o evento de interesse E pode ser E = {ocorrncia de nmero mpar}.
Neste caso, E = {1, 3, 5} e N(E) = 3.
PROBABILIDADE DE UM EVENTO OCORRER
Em um experimento aleatrio, onde S um espao amostral equiprovvel, (todos tm a mesma chance se ser
escolhido), a probabilidade de ocorrer um evento qualquer E o nmero P(E), dado por

P( E )

N (E)
N (S )

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 5

AXIOMAS
1

0 P(E) 1 ou 0% P(E) 100% (ou seja, a probabilidade de qualquer evento est entre 0 e 1 ou entre
0% ou 100%.

Se E = , ento P(E) = 0 e se E = S, ento P(E) = 1.

EXEMPLO 1 - Considere o lanamento de um dado. Calcule a probabilidade de:

(a) SAIR O NMERO 3
O espao amostral S = {1, 2, 3, 4, 5, 6} e o evento que esperamos ocorrer o nmero 3 , dado E = {3}.
Temos N(S) = 6 e N(E) = 1.
Portanto, a probabilidade procurada ser igual a P( E )

N (E) 1

= 0,167 ou 16,7 %
N (S ) 6

(b) SAIR UM NMERO PAR

Agora o acontecimento esperado E = {2, 4, 6} com trs possibilidades. Logo a probabilidade procurada ser
P(E) = 3/6 = 1/3 = 0,5 ou 50%.
(c) SAIR UM MLTIPLO DE 3
O acontecimento esperado E = {3, 6} com duas possibilidades. Logo a probabilidade procurada ser
P(E) = 2/6 = 1/3 = 0,333 ou 33,3%.
(d) SAIR UM NMERO MENOR DO QUE 3
Agora, o acontecimento esperado E = {1, 2} com duas possibilidades. Portanto, P(E) = 2/6 = 1/3 = 0,333 ou
33,3%.
(e) SAIR UM QUADRADO PERFEITO
O acontecimento esperado E = {1,4} com dois elementos. Portanto, P(E) = 2/6 = 1/3 = 0,333 ou 33,3%.
(f) PROBABILIDADE DE SE OBTER O NMERO 4
O acontecimento esperado E = {4} com 1 elemento, ento P(E) = 1/6 = 0,167 ou 16,7 %.
(g) PROBABILIDADE DE SE OBTER UM NMERO DIFERENTE DE 4
O evento esperado E = {1, 2, 3, 5, 6} com 5 elementos, ento P(E) = 5/6 = 0,833 ou 83,3 %
EXEMPLO 2 - Considere o lanamento de dois dados.
Observe que neste caso, o espao amostral S constitudo pelos pares ordenados (i, j), onde i = nmero na face
do DADO 1 e j = nmero na face do DADO 2. evidente que teremos 36 pares ordenados (i, j) possveis, onde
i = 1, 2, 3, 4, 5, ou 6 e o mesmo ocorrendo com j. Isto ,

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 6

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

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

Calcule a probabilidade de:

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

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

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

(a) SAIR A SOMA 8

As somas iguais a 8, ocorrero nos casos: (2,6) , (3,5) , (4,4) , (5,3) e (6,2). Portanto, o acontecimento "soma
igual a 8" possui 5 possibilidades. Logo, a probabilidade procurada ser igual a P(E) = 5/36 ou 13,89 %.
(b) SAIR A SOMA 12
Neste caso, a nica possibilidade o par (6,6). Portanto, a probabilidade procurada ser igual a
P(E) = 1/36 ou 2,78 %.
(c) SAIR UM PAR ONDE O RESULTADO DO PRIMEIRO DADO DIVIDE O RESULTADO DO
SEGUNDO DADO
E = { (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 2), (2, 4), (2, 6), (3, 3), (3, 6), (4, 4), (5, 5), (6, 6)}
O acontecimento desejado possui 14 possibilidades. Potanto, P(E) = 14/36 ou 38,89 %
EVENTOS COMPLEMENTARES
Sabemos que um evento pode ocorrer ou no. Dado um espao amostral S e o evento E (ocorre), chamamos de
evento complementar o evento E (no ocorre) tal que E E S .
EXEMPLO 1 Considere o lanamento de um dado e o evento E = {obter um nmero par}, ou seja, E = {2,
4, 6}. Ento, o evento complementar E = {1, 3, 5}
Observe que

E E S . 1, 2, 3, 4, 5, 6

Assim se P(E) a probabilidade de que o evento E ocorra (sucesso) e P( E ) a probabilidade de que o evento E
no ocorra (insucesso), existe sempre a relao

P(E) + P() = 1

ou

P() = 1 - P(E)

EXEMPLO 2 Se a probabilidade de se realizar um evento E P(E) = 1/5, ento a probabilidade de que o

evento E no ocorra
P( E ) = 1 - P(E) = 1-

1
4
=
5
5

EXEMPLO 3 Sabemos que a probabilidade de tirar 4 no lanamento de um dado P(E) = 1/6. Logo, a
probabilidade de no tirar o 4 no lanamento
P( E ) = 1 - P(E) = 1-

1
5
=
6
6

CLCULO DAS PROBABILIDADES

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 7

Muitas aplicaes da estatstica exigem a determinao da probabilidade de combinaes dos eventos. H duas
caractersticas de combinaes. Pode ser necessrio determinar a probabilidade de ambos os eventos
acontecerem P(A e B) ou a probabilidade de um deles, A ou B, ou seja, P(A ou B).
Exemplo - Em um prdio com 2 elevadores, poderamos perguntar:
1- Ou ento, qual a probabilidade de um ou outro elevador estar em servio?
Um ou outro implica P(A ou B)
2- Qual a probabilidade de ambos os elevadores estarem em servio?
Ambos implicam P(A e B)
No primeiro caso temos a unio de dois eventos e no segundo caso temos a interseo.
PROBABILIDADE DA UNIO DE DOIS EVENTOS
Considere dois eventos A e B de um mesmo espao amostral S. A probabilidade de ocorrer o evento A ou o
evento B dada por P(A ou B) ou P(A B), onde

P( A B) P( A) P( B) P( A B)
ou

P( A B)
Exemplos

N ( A) N ( B ) N ( A B )

N (S ) N (S )
N (S )

1- No lanamento de um dado, qual a probabilidade de se obter o nmero 4 ou um nmero par?

- Soluo

O espao amostral S = {1, 2, 3, 4, 5, 6} e N(S) = 6.

O evento obter o nmero 4 E = {4} e N(E) = 1.
O evento obter um nmero par F = {2, 4, 6} e N(F) = 3.
A B = {4} {2, 4, 6} = {4} e N(A B) = 1.

Assim,
P( A B)

N ( A) N ( B) N ( A B) 1 3 1 3

0,5
N (S ) N (S )
N (S )
6 6 6 6

ou

50%

Logo, a probabilidade de se obter o nmero 4 ou um nmero par de 50%.

2- Sorteando um nmero natural de 1 a 22, qual a probabilidade de se obter um nmero de um algarismo ou um
mltiplo de 10?
- Soluo

O espao amostral S = {1, 2, 3, . . . . , 22} e N(S) = 22.

O evento obter um nmero 1 algarismo E = {1, 2, 3, 4, 5, 6, 7, 8, 9} e N(E) = 9.
O evento obter um mltiplo de 10 F = {10,20} e N(F) = 2.
A B = {1, 2, 3, 4, 5, 6, 7, 8, 9} {10,20} = e N(A B) = 0.

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 8

Assim,
P( A B)

N ( A) N ( B) N ( A B) 9
2
11

0
0,5 ou
N (S ) N (S )
N (S )
22 22
22

50%

Logo, a probabilidade de se obter um nmero de um algarismo ou um mltiplo de 10 de 50%.

3- Um nmero inteiro escolhido aleatoriamente dentre os nmeros de 1 a 50. Qual a probabilidade de:
(a) o nmero ser divisvel por 5.
(b) terminar em 3.
(c) ser primo.
(d) ser divisvel por 6 ou 8.
- Soluo -

(a) o nmero ser divisvel por 5.

Seja S o espao amostral S = {1, 2, 3, . . . , 50}. Temos N(S) = 50.
Seja A o evento divisvel por 5. Ento A = {5, 10, 15, 20, 25, 30, 35, 40, 45, 50} e N(A) = 10.
Logo,
P( A)

N ( A) 10
0,2
N ( S ) 50

ou

20%

(b) terminar em 3.
Seja B o evento terminar em 3. Ento B = {3, 13, 23, 33, 43} e N(B) = 5.
Logo,
P( B)

N ( B) 5
0,1
N ( S ) 50

ou

10%

(c) ser primo.

Seja C o evento ser primo. Ento C = {2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47} e N(C) = 15.
Logo,
P (C )

N (C ) 15
0,3
N (S ) 50

ou

30%

(d) ser divisvel por 6 ou 8.

Seja D o evento ser divisvel por 6. Ento D = {6, 12, 18, 24, 30, 36, 42, 48} e N(D) = 8.
Seja E o evento ser divisvel por 8. Ento E = {8, 16, 24, 32, 40, 48} e N(D) = 6.
Temos D E = {24,48} e N(D E) = 2.
Assim,
P( D E )

N ( D) N ( E ) N ( D E ) 8
6 2 12

0,24
N (S ) N (S )
N (S )
50 50 50 50

ou

24%

EVENTOS INDEPENDENTES
Dizemos que A e B so eventos independentes quando a probabilidade de ocorrer um deles no depende do fato
de o outro ter ou no ter ocorrido.
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 9

Dois eventos, A e B, de um mesmo espao amostral (isto , dois eventos associados ao mesmo experimento
aleatrio), so independentes quando a probabilidade de que eles ocorram simultaneamente for igual ao produto
de suas probabilidades individuais. Em smbolos, A e B sero independentes quando:

P( A I B) P( A) P( B)
Exemplo - Um lote contm 10 peas, sendo 7 boas (B) e 3 defeituosas (D). Retiramos duas peas, ao acaso e
com reposio, para inspeo. Qual a probabilidade de se obter duas peas defeituosas?
-SoluoComo as duas peas so retiradas ao acaso e com reposio, isto , aps retirarmos a primeira pea esta
colocada novamente no lote para que possamos efetuar a segunda retirada, temos que

Logo,

Exemplo - Uma urna tem 30 bolas, sendo 10 vermelhas e 20 azuis. Se sortearmos 2 bolas, 1 de cada vez e
repondo a sorteada na urna, qual ser a probabilidade de a primeira ser vermelha e a segunda ser azul?
- Soluo A probabilidade de sair vermelha na primeira retirada 10/30 e a de sair azul na segunda retirada 20/30. Da,
usando a regra do produto, temos:

P (V I A) P (V) P (A)

10 20
2

30 30
9

Exemplo Sabemos que um baralho composto de 52 cartas, onde temos a representao de quatro naipes:
copas, ouro, paus e espadas. Dessa forma, cada naipe representado por 13 cartas. Determine a probabilidade
de escolhermos ao acaso e sucessivamente, trs cartas de um mesmo naipe sem reposio.
- Soluo 1 retirada = 13/52
2 retirada = 12/51 (como no h reposio, o nmero de bolas diminui a cada retirada)
3 retirada = 11/50

Probabilidade

13 12 11
1716

0, 0129 1, 29%
52 51 50 132600

EVENTOS MUTUAMENTE EXCLUSIVOS

Dizemos que dois ou mais eventos so mutuamente exclusivos quando a realizao de um exclui a realizao
do(s) outro(s), ou seja, a ocorrncia de um evento impede a ocorrncia do outro evento. Em outras palavras, a
probabilidade de que ambos ocorram nula, isto , P(A B) = 0.
PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 10

Neste caso, caracterizem-se por dois conjuntos disjuntos, isto , se A e B so dois eventos, ento A

Mutuamente exclusivos

B= .

No exclusivos

Exemplos
3- No lanamento de uma moeda, o evento tirar cara e o evento tirar coroa so mutuamente
exclusivos, j que, ao se realizar um deles, o outro no se realiza.
4- No lanamento de um dado, a ocorrncia de uma face elimina a possibilidade de ocorrncia das outras
cinco.
5- Seja S o espao amostral referente retirada de uma carta de um baralho de 52 cartas. Seja A o evento
retirar um S e B o evento retirar uma carta de OURO. Aqui, existe a possibilidade de ocorrer A e
B ao mesmo tempo, ou seja, ocorrer S de OURO. Logo, os eventos A e B no so mutuamente
exclusivos.
Se dois eventos A e B so mutuamente exclusivos, a probabilidade de que um ou outro se realize igual soma
das probabilidades de que cada um deles se realize, uma vez que P(A B) = 0.

P( A B) P( A) P( B)
Exemplo:
Lanamos um dado. A probabilidade de se tirar o 3 ou 5 :
A = {tirar 3} e B = {tirar 5}
1 1 2
P( A B) P( A) P( B) 0,333
6 6 6

ou

33,3%

pois, como vimos, os dois eventos so mutuamente exclusivos.

EXERCCIOS
1- Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea, calcule:
a) a probabilidade de essa pea ser defeituosa. Resposta - 1/3
b) a probabilidade de essa pea no ser defeituosa. Resposta - 2/3
2- No lanamento de dois dados, calcule a probabilidade de se obter soma igual a 5. Resposta - 1/9
3

Uma urna A contm: 3 bolas brancas, 4 pretas, 2 verdes;

uma urna B contm: 5 bolas brancas, 2 pretas,1 verde;
uma urna C contm: 2 bolas brancas, 3 pretas, 4 verdes.

Uma bola retirada de cada urna. Qual a probabilidade de as trs bolas retiradas da primeira, segunda e
terceira urnas serem, respectivamente, branca, preta e verde? Resposta - 1/27
4- No lanamento de um dado, qual a probabilidade de se obter um nmero no-inferior a 5? Resposta - 1/3

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 11

5- Dois dados so lanados conjuntamente. Determine a probabilidade de a soma ser 10 ou maior que 10.
Resposta - 1/6
6- Uma urna contem 5 bolas brancas, 4 vermelhas e 3 azuis. Extraem-se simultaneamente 3 bolas. Achar a
probabilidade de
a) Nenhuma ser vermelha Resposta - 0,2545
b) Todas sejam da mesma cor Resposta - 0,0682
7 - Jogam-se dois dados, qual a probabilidade de o produto dos nmeros das faces superiores estar entre 12 e
15 (inclusive?) Resposta - 1/6
8 - Dois dados so lanados simultaneamente. Qual a probabilidade de se obter a soma dos pontos igual a 8 ou
dois nmeros iguais? Resposta - 5/18
9 - Uma urna contem x bolas brancas e 3x bolas pretas e 3 bolas vermelhas. Uma bola extrada ao acaso.
Determine o menor valor possvel de x a fim de que a probabilidade de a bola ser sorteada ser preta seja maior
que 70%. Resposta: x = 11
10 - O nmero da placa de um carro par. A probabilidade de o algarismo das unidades ser zero ?
11- Uma moeda viciada, de forma que as caras so trs vezes mais provveis de aparecer do que as coroas.
Determine a probabilidade de num lanamento sair coroa. Resposta 25%
12 - Uma moeda viciada, de forma que as coroas so cinco vezes mais provveis de aparecer do que as caras.
Determine a probabilidade de num lanamento sair coroa. Resposta - 83,33%
13 - Um carto retirado aleatoriamente de um conjunto de 50 cartes numerados de 1 a 50. Determine a
probabilidade do carto retirado, ser de um nmero primo. Resposta - 3/10.
14 - Numa urna existem 10 bolas numeradas de 1 a 10. Retirando uma bola ao acaso, qual a probabilidade de
ocorrer mltiplos de 2 ou mltiplos de 3? Resposta 70%

PSICOLOGIA ESTATSTICA INFERENCIAL 1/2015

Pgina 12