Download - Apostila Probabilidade e Estatistica-
-
8/11/2019 Apostila Probabilidade e Estatistica-
1/91
PROBABILIDADE
E
ESTATSTICA
Grfico 4.1. Produo de Arroz do Municpio X - 1984-1994
0
500
1000
1500
2000
2500
84 85 86 87 88 89 90 91 92 93 94
(1000 ton)
Luiz Roberto M. Bastos2005
-
8/11/2019 Apostila Probabilidade e Estatistica-
2/91
Probabilidade e Estatstica Luiz Roberto
SUMRIO
1 TEORIA DOS CONJUNTOS NUMRICOS ..................... 5
5
5
6
7
8
11
12
12
13
14
17
17
18
19
23
23
25
27
28
33
34
34
35
1.1 Introduo .......................................
1.2 Smbolos .........................................
1.3 Noes sobre Conjuntos ...........................
1.4 Conjunto dos Nmeros Naturais (N) ................
1.5 Conjunto dos Nmeros Inteiros (Z) ................
1.6 Representao decimal das fraes ................
1.7 Conjunto dos Nmeros Irracionais .................
1.8 Conjunto dos Nmeros Reais (R) ...................
1.9 Intervalos .......................................
1.10 Problemas com nmero finito de elementos .........
2 ANLISE COMBINATRIA ...............................
2.1 Introduo .......................................
2.2 Fatorial de um nmero natural ....................
2.3 Princpio fundamental da contagem - PFC ..........
2.4 Arranjos simples .................................
2.5 Clculo do nmero de arranjos ....................
2.6 Permutaes simples ..............................
2.7 Permutaes com elementos repetidos ..............
2.8 Combinaes simples ..............................
2.9 Exerccios .......................................
3 PROBABILIDADE .......................................
3.1 Experimento aleatrio ............................
3.2 Espao amostral ..................................
2
-
8/11/2019 Apostila Probabilidade e Estatistica-
3/91
Probabilidade e Estatstica Luiz Roberto
36
36
38
38
43
45
46
48
48
49
50
52
52
52
53
54
55
56
56
57
58
58
59
59
60
61
3.3 Evento ...........................................
3.4 Probabilidade de um Evento .......................
3.5 Evento complementar ..............................
3.6 Probabilidades em espaos amostrais equiprovveis
3.7 Probabilidade da unio de dois eventos ...........
3.8 Experincia Composta .............................
3.9 Probabilidade condicional ........................
4 ESTATSTICA BSICA..................................
4.1 Conceitosfundamentais ...........................
4.2 Diviso da estatstica ...........................
4.3 Populao ........................................
4.4 Amostragem .......................................
4.5 Amostra ..........................................
4.6 Censo ............................................
4.7 Tipos de variveis ...............................
4.8 Definio do problema ............................
4.9 Definio dos objetivos (geral e especfico) .....
4.10 Planejamento ......................................
4.11 Coleta dos dados ..................................
4.12 Crtica dos dados .................................
4.13 Apurao (armazenamento) dos dados ................
4.14 Exposio ou apresentao dos dados ...............
4.15 Anlise e interpretao dos dados .................
4.16 Regras de arredondamento ..........................
4.17 Srie temporal, histrica ou cronolgica ..........
4.18 Grficos estatsticos .............................
3
-
8/11/2019 Apostila Probabilidade e Estatistica-
4/91
Probabilidade e Estatstica Luiz Roberto
62
62
63
65
66
67
68
69
74
75
76
79
79
81
82
83
84
88
88
88
91
4.19 Principais tipos de grficos ......................
4.19.1 Grficos em curvas ou em linhas ...................
4.19.2 Grficos em colunas ...............................
4.19.3 Grficos em barras ...............................
4.19.4 Grfico em colunas mltiplas (agrupadas) .........
4.19.5 Grfico em barras mltiplas (agrupadas) ..........
4.19.6 Grfico em setores ...............................
4.20 Distribuio de freqncias ......................
4.21 Distribuies cumulativas ........................
4.22 Medidas de posio (ou de tendncia central) .....
4.22.1 Mdia aritmtica .................................
4.22.2 Esperana matemtica ............................
4.22.3 Moda (mo) .......................................
4.22.4 Mediana (md) ....................................
4.22.5 Medidas de disperso (medidas de variabilidade) .
4.22.6 Varincia .......................................
4.22.7 Desvio-padro ...................................
4.23 Distribuies discretas de probabilidade ........
4.23.1 Distribuio de bernoulli .....................
4.23.2 Distribuio binomial ...........................
BIBLIOGRAFIA ...........................................
4
-
8/11/2019 Apostila Probabilidade e Estatistica-
5/91
Probabilidade e Estatstica Luiz Roberto
1 TEORIA DOS CONJUNTOS NUMRICOS
1.1 Introduo
Conjuntos numricos so certos conjuntos cujos elementos so nmerosque guardam entre si alguma caracterstica comum. Tais conjuntos possuem
elementos perfeitamente caracterizados e, dentre eles, o conjunto dos nmerosnaturais, dos inteiros, dos racionais, dos irracionais e, por fim, o dosnmeros reais.
O conjunto dos nmeros naturais surgiu da necessidade de se contarem osobjetos; os outros foram surgindo com ampliaes do conjunto dos nmerosnaturais.
Para se trabalhar com conjuntos, so adotados smbolos que representamos relacionamentos entre eles.
1.2 Smbolos
: pertence : existe
: no pertence : no existe
: est contido : para todo (ou qualquer que seja)
: no est contido : conjunto vazio N
: contm N: conjunto dos nmeros naturais
: no contm Z : conjunto dos nmeros inteiros
I : tal que Q: conjunto dos nmeros racionais
: implica que Q'= I: conjunto dos nmeros irracionais
: se, e somente se R: conjunto dos nmeros reais
: pertence : existe
: ou : e
Smbolos sobre Operaes
: A interseco B a > b: amaior que b
: A unio B : amaior ou igual a b
a - b: diferena de acom b : a e b
a < b: amenor que b : aou b
: amenor ou igual a b : Diferente
5
-
8/11/2019 Apostila Probabilidade e Estatistica-
6/91
Probabilidade e Estatstica Luiz Roberto
1.3 Noes sobre Conjuntos
Conjunto vazio: um conjunto que no possui elementos. O conjunto
vazio representado por ou { }.
Subconjuntos: quando todos os elementos de um conjunto A qualquer
pertencem a um outro conjunto B, diz-se, ento, que A um subconjunto de B,
ou seja A B.
Obs.: Todo o conjunto A subconjunto dele prprio, ou seja ;
- O conjunto vazio, por conveno, subconjunto de qualquer conjunto,
ou seja
Unio de Conjuntos:dados os conjuntos A e B, define-se como unio dos
conjuntos A e B ao conjunto representado por , formado por todos os
elementos pertencentes a A ou B, ou seja: .
Interseco de Conjuntos: dados os conjuntos A e B, define-se como
interseco dos conjuntos A e B ao conjunto representado por , formado
por todos os elementos pertencentes a A e B, simultaneamente, ou seja:
Diferena de Conjuntos: dados os conjuntos A e B, define-se como
diferena entre A e B (nesta ordem) ao conjunto representado por A-B, formado
por todos os elementos pertencentes a A, mas que no pertencem a B, ou seja
6
-
8/11/2019 Apostila Probabilidade e Estatistica-
7/91
Probabilidade e Estatstica Luiz Roberto
1.4 Conjunto dos Nmeros Naturais (N)
N o conjunto dos nmeros naturais:
N = {0, 1, 2, 3, 4, 5, ..., n, ...}
Onde nrepresenta o elemento genrico do conjunto.
Sempre que possvel, procuraremos destacar o elemento genrico do
conjunto em questo.
Quando houver ... ao final dos elementos de um conjunto, trata-se de
um conjunto de infinitos elementos, como acontece com N.
O conjunto N pode ser representado geometricamente por meio de uma reta
numerada; escolhemos sobre essa reta um ponto de origem (correspondente ao
nmero zero), uma medida unitria e uma orientao (geralmente para adireita).
unidade
O conjunto dos nmeros naturais possui alguns subconjuntos importantes:1 O conjunto dos nmeros naturais no nulos
N*={1, 2, 3, 4, 5, ..., n, ...}
N*= N - {0}
Utilizamos o * (asterisco) direita do nome do conjunto do qual se
quer suprimir o elemento zero.
2 O conjunto dos nmeros naturais pares:
Np={0, 2, 4, 6, ..., 2n, ...} n N
3 O conjunto dos nmeros naturais mpares:
Ni={1, 3, 5, 7, ..., 2n+1, ...} n N
7
-
8/11/2019 Apostila Probabilidade e Estatistica-
8/91
Probabilidade e Estatstica Luiz Roberto
4 O conjunto dos nmeros primos:
Pi={2, 3, 5, 7, 11, 13 ...}
No conjunto dos nmeros naturais esto definidas duas operaes: adioe multiplicao. Note que adicionando ou multiplicando dois elementos
quaisquer de N, a soma ou o produto pertence igualmente a N. Em smbolos,
temos:
m,n N, m + n N e m * n N
Essa caracterstica pode ser sintetizada na frase:
N fechado em relao adio e multiplicao.
1.5 Conjunto dos Nmeros Inteiros (Z)
Z={..., -3, -2, -1, 0, 1, 2, 3,...}
Todos os elementos de Npertencem tambm a Z, o que vale dizer que N
subconjunto de Z:
N Z ou Z N
Temos tambm outros subconjuntos de Z:
Z* = Z - {0} Z* = {..., -4, -3, -2, -1, 1, 2, 3, 4, ...}
Z+={0,1,2,3,4,5,...} conjunto dos inteiros no negativos
Z *+ ={1,2,3,4,5,...} conjunto dos inteiros positivos
Z_ ={..., -4, -3, -2, -1, 0} conjunto dos inteiros no positivos
Z * = {..., -4, -3, -2, -1} conjunto dos inteiros negativos__
Observe que Z+ = N.
8
-
8/11/2019 Apostila Probabilidade e Estatistica-
9/91
Probabilidade e Estatstica Luiz Roberto
Nmeros Opostos
Dois nmeros inteiros so ditos opostos um do outro quando apresentam
soma zero; assim, os pontos que os representam distam igualmente da origem
(zero).
Considerando os nmeros inteiros ordenados sobre uma reta, podemos
tomar como exemplo o nmero 2.
O oposto de 2 2, e o oposto de 2 2, pois:
2 + (-2) = -2 + 2 = 0
2 unidades2 unidades
No geral, dizemos que o oposto (ou simtrico) de a -a., e vice-versa;
particularmente, o oposto de zero o prprio zero.
Mdulo de um nmero inteiro
Damos o nome de mdulo, ou valor absolutode a, distncia da origem
ao ponto que representa o nmero a.
Conjunto dos Nmeros Racionais (Q)
O conjunto Z fechado em relao s operaes adio, multiplicao e
subtrao, mas o mesmo no acontece diviso: embora
(-12):(+4) = -3 Z,
no existe nmero inteiro xpara o qual se tenha x= (+4) : (-12). Por esse
motivo, fez-se uma ampliao do conjunto Z, da qual surgiu o conjunto dos
nmeros racionais.O conjunto dos nmeros racionais inicialmente descrito como o
conjunto dos quocientes entre dois nmeros inteiros.
Os nmeros racionais so todos aqueles que podem ser colocados na forma
de frao (com o numerador e denominador Z), ou seja, o conjunto dos
nmeros racionais a unio do conjunto dos nmeros inteiros com as fraes
positivas e negativas.
9
-
8/11/2019 Apostila Probabilidade e Estatistica-
10/91
Probabilidade e Estatstica Luiz Roberto
,...,...,5
2,
3
2,2,....
3
1,
2
1,10,Q
q
p= I pe qinteiros e q0
Utilizando o elemento genrico, podemos dizer que:
q
pQ = I p Z e q Z*
Desta forma, podemos definir Qcomo o conjunto das fraesq
p; assim,
um nmero racional quando pode ser escrito como uma frao
q
p, compe q
inteiros e q0.
Quando q = 1, temosq
p =
1
p = p Z, de onde se conclui que Z
subconjunto deQ.
Assim, podemos construir o diagrama:
N Z Q
No conjunto Q destacamos os seguintes sub-conjuntos:
Q*:conjunto dos racionais no nulos
Q+:conjunto dos racionais no negativos
Q
*
:conjunto dos racionais positivos+
Q :conjunto dos racionais no positivos_
Q*
: conjunto dos racionais negativos_
O conjunto Q fechado para as operaes adio, subtrao,
multiplicao e diviso.
10
-
8/11/2019 Apostila Probabilidade e Estatistica-
11/91
Probabilidade e Estatstica Luiz Roberto
Exemplos:
33
22
111)
3
9
2
6
1
33)
===
=
=
=
b
a
Assim, podemos escrever:
}0e,com,|{ == qZqZpq
pxxQ
1.6 Representao decimal das fraes
q
pTome um nmero racional , tal quepno mltiplo de q.
Para escrev-lo na forma decimal, basta efetuar a diviso do numerador pelo
denominador. Nessa diviso podem ocorrer dois casos:
1) O nmero decimal obtido possui, aps a vrgula, um nmero finito de
algarismos (no nulos):
75,3207525,1
455,0
21 ===
Tais nmeros racionais so chamados decimais exatos.
2) O nmero decimal obtido possui, aps a vrgula, infinitos algarismos (nem
todos nulos), que se repetem periodicamente:
3
1= 0,333... = 0,3
7
9= 0,777... = 0,7
22
1= 0,0454545... = 0,045
66
167= 2,5303030... = 0,530
11
-
8/11/2019 Apostila Probabilidade e Estatistica-
12/91
Probabilidade e Estatstica Luiz Roberto
Toda decimal exata ou peridica pode ser representada na forma de
nmero racional.
1.7 Conjunto dos Nmeros Irracionais (I)
Os nmeros irracionais so decimais infinitas no peridicas, ou seja,
os nmeros que no podem ser escritos na forma de frao (diviso de dois
inteiros).
Vejamos alguns exemplos:
1. O nmero 0,212112111... no dzima peridica, pois os algarismos
aps a vrgula no se repetem periodicamente.
2. O nmero 0,203040... tambm no comporta representao
fracionria, pois no dzima peridica.3. Os nmeros
= 1,73205083= 1,4142136 e2=3,1415926535... ,
por no apresentarem representao infinita peridica, tambm no so nmeros
racionais.
1.8 Conjunto dos Nmeros Reais (R)
Dados os conjuntos dos nmeros racionais (Q) e dos irracionais (I),
definimos o conjunto dos nmeros reais como:
R = QI = {x | x racional ou x irracional}
O diagrama abaixo mostra a relao entre os conjuntos numricos:
R
I
12
-
8/11/2019 Apostila Probabilidade e Estatistica-
13/91
-
8/11/2019 Apostila Probabilidade e Estatistica-
14/91
Probabilidade e Estatstica Luiz Roberto
Existem ainda os intervalos infinitos:
e) ]-,a] = {x R I xa}
3
3
3
f) ]-,a[ = {x R I x< a}
g) [a, +[ = {x R I xa}
h) ]a, +[ = {x R I x> a}3
1.10 Problemas com nmero finito de elementos
Exemplo 1
O Instituto de Meteorologia de Curitiba quis fazer um estudo de variao da
temperatura sombra e mediu-a de hora em hora, conforme a tabela abaixo:
Hora 0 1 2 3 4 5 6 7 8 9 10 11
Temperatura 7 6 5 4 3 2 2 3 5 7 12 15
Hora 12 13 14 15 16 17 18 19 20 21 22 23
Temperatura 18 18 20 20 20 18 15 13 11 9 8 7
Nesse exemplo, so medidas duas grandezas: a hora do dia e a correspondente
temperatura. A cada hora corresponde uma nica temperatura. Dizemos, por
isso, que a temperatura funo da hora. Como mesma temperatura podem
corresponder vrias horas, a hora no funo da temperatura.
Exemplo 2Uma barraca na praia da Barra da Tijuca vende cocos e exibe a seguinte
tabela:
Nmeros de cocos 1 2 3 4 5 6 7 8 9 10
Preo (R$) 1,20 2,40 3,60 4,80 6,00 7,20 8,40 9,60 10,80 12,00
14
-
8/11/2019 Apostila Probabilidade e Estatistica-
15/91
Probabilidade e Estatstica Luiz Roberto
Nesse exemplo esto sendo medidas duas grandezas: o nmero de cocos e o
respectivo preo. A cada quantidade de cocos corresponde um nico preo.
Dizemos, por isso, que o preo funo do nmero de cocos comprados. Aqui
possvel at achar a frmula que estabelece a relao de interdependncia
entre o preo (y) e o nmero de cocos (x): y= 1,20 x.
Exemplo 3
Um pedreiro vai ladrilhar uma sala de 3 x 3 metros. Com ladrilhos quadrados,
todos iguais entre si. Se ele pode escolher ladrilhos com lados 10 cm, 12 cm,
15 cm, 20 cm, 25 cm e 30 cm, qual o nmero de ladrilhos que usar em cada
caso?
Para achar o nmero de ladrilhos (y), basta dividir a rea da sala (9m2) pela
rea do ladrilho (em m2). Se o lado mede xm2, ento a frmula que relaciona y
com x : y= 9/x2.
Medida do lado do ladrilho (x) 0,10 0,12 0,15 0,20 0,25 0,30
Nmero de ladrilhos (y) 900 625 400 225 144 100
Exerccios
1. A tabela abaixo indica o deslocamento de um mvel num dado intervalo
de tempo:
Intervalo de tempo (s) 0 1 2 3 4 5 6 7 8 9 10
Deslocamento (cm) 0 3 6 9 12 15 18 21 24 27 30
a) Qual o deslocamento do mvel num intervalo de 4 segundos?
b) Qual o intervalo de tempo correspondente a um deslocamento de 21 cm?
c) O deslocamento funo do intervalo de tempo?
d) Qual o deslocamento dnum intervalo de tempo t? (supor velocidade do
mvel constante).
2. A tabela abaixo indica o custo de produo de certo nmero de peas de
automvel:
Nmero de peas 1 2 3 4 5 6
Custo (R$) 1 4 9 16 25 36
15
-
8/11/2019 Apostila Probabilidade e Estatistica-
16/91
Probabilidade e Estatstica Luiz Roberto
a) Qual o custo da produo de trs peas?
b) Qual o nmero de peas produzidas com R$25,00?
c) Qual o custo c da produo de npeas?
d) Com relao ao item anterior, qual o numero mximo de peas
produzidas com R$1.000,00?
3. O preo do servio executado por um pintor consiste em uma taxa fixa,
que de R$250,00, e mais uma quantia que depende da rea pintada. A
tabela seguinte mostra alguns oramentos apresentados pelo pintor:
rea pintada (m2) 5 10 15 20 30 40 80
Total a pagar (R$) 350 550 700 850 1.150 1.450 2.050
a) Como se exprime, matematicamente, o total a pagar (y) pela pintura de x
m2?
b) Qual o preo cobrado pela pintura de uma rea de 150 m2?
c) Qual a rea mxima que pode ser pintada dispondo-se de R$6.250,00?
4. O num erro de y pessoas (em milhares) que tomam conhecimento do
resultado de um jogo de futebol, aps x horas de sua realizao dado
por xy 10= . Responda:
a) Quantas pessoas sabem o resultado do jogo aps 4 horas?
b) Quantas pessoas sabem o resultado do jogo aps um dia?
c) Aps quantas horas de sua realizao, 30 mil pessoas tomam
conhecimento do resultado do jogo?
5. A velocidade mdia de um automvel em uma estrada de 90 Km/h.
Responda:
a) Qual a distncia percorrida pelo automvel em uma hora?
b) Em quanto tempo o automvel percorre a distncia de 360 Km?
c) Qual a expresso matemtica que relaciona a distncia
percorrida (d) em funo do tempo (t)?
6. Um professor prope a sua turma um exerccio-desafio, comprometendo-se
a dividir um prmio de R$120,00 entre os acertadores. Seja xo nmero
de acertadores (x = 1, 2, ..., 40) e y a quantia recebida por cada
acertador (R$). Responda:
a) y funo de x? Por qu?
b) Quais os valores de y para x=2, x=8, x=20 e x=25?
c) Qual o valor mximo que yassume?
d) Qual a lei de correspondncia entre xe y?
16
-
8/11/2019 Apostila Probabilidade e Estatistica-
17/91
Probabilidade e Estatstica Luiz Roberto
2 ANLISE COMBINATRIA
2.1 Introduo:
A necessidade de calcular o nmero de possibilidades existentes noschamados jogos de azar levou ao desenvolvimento da Anlise Combinatria.
Trata-se de uma parte da Matemtica que estuda os mtodos de contagem. Esses
estudos foram iniciados j no sculo XVI, pelo matemtico italiano Niccollo
Fontana (1500-1557), conhecido como Tartaglia. Depois dele vieram os
franceses Pierre de Fermat (1601-1665) e Blaise Pascal (1623-1662).
PascalFermat Tartaglia
A Anlise Combinatria visa desenvolver mtodos que permitam contar - de
uma forma indireta - o nmero de elementos de um conjunto, estando esses
elementos agrupados sob certas condies.
Consideremos o seguinte problema:
Uma lanchonete oferece a seus clientes apenas dois tipos de sanduches:
hot doge hambrger. Como sobremesa, h trs opes: sorvete, torta ou salada
de frutas.
Pergunta-se: quantas so as possibilidades de uma pessoa fazer uma refeio
incluindo um sanduche e uma sobremesa?
Podemos ter as seguintes refeies:
a) hot doge sorvete
b) hot doge torta
17
-
8/11/2019 Apostila Probabilidade e Estatistica-
18/91
Probabilidade e Estatstica Luiz Roberto
c) hot doge salada de frutas
d) hambrgere sorvete
e) hambrgere torta
f) hambrgere salada de frutas
A determinao de tais possibilidades pode ser simplificada atravs de um
diagrama, em que, na 1 coluna, representaremos as possibilidades de escolha
do sanduche e, na 2 coluna, as possibilidades de escolha da sobremesa.
1 coluna 2 coluna
sorvete Refeio 1
hot dog torta Refeio 2
salada de frutas Refeio 3
sorvete Refeio 4
hambrger torta Refeio 5
salada de frutas Refeio 6
Este esquema conhecido como diagrama de rvore. Fazendo a leitura de todas
as ramificaes da rvore, obtemos as possveis refeies.
Notemos que fazer uma refeio completa representa uma ao constituda de
duas etapas sucessivas:
1 escolha do tipo de sanduche: h duas possibilidades de fazer tal
escolha.
2 escolha da sobremesa: para cada uma das possibilidades anteriores, htrs maneiras de escolher a sobremesa.
Assim, a realizao da ao (duas etapas sucessivas) pode ser feita de 2 x 3
= 6 maneiras distintas que foram anteriormente indicadas.
2.2 Fatorial de um nmero natural
Para resolver problemas de Anlise Combinatria precisamos utilizar uma
ferramenta matemtica chamada Fatorial.
Seja n um nmero inteiro no negativo. Definimos o fatorial de n (indicadopelo smbolo n!) como sendo:
n! = n . (n-1) . (n-2) . ... . 4 . 3 . 2 . 1 para n 2.
Se n = 1, ento 1! = 1.
Se n = 0, ento 0! = 1.
18
-
8/11/2019 Apostila Probabilidade e Estatistica-
19/91
Probabilidade e Estatstica Luiz Roberto
Exemplos:
a) 6! = 6 . 5! = 6 . 5 . 4 . 3 . 2 . 1 = 720
b) 4! = 4. 3! = 4 . 3 . 2 . 1 = 24
c) 7! = 7 . 6! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040
d) 10! = 10 . 9 . 8 . 7 . 6 . 5 . 4 . 3 . 2 . 1
e) 3! = 3 . 2 . 1 = 6
Perceba que 7! = 7 . 6 . 5 . 4!, ou que
6! = 6 . 5 . 4 . 3!, e assim sucessivamente.
Relao de correspondncia: N!= n . (n 1)! , n N* e n2
Exerccios:
1) efetuar:
!6
!8
2) efetuar:!6
)!7!8( +
3) efetuar:)!1(
)!1(
+
n
n
4) efetuar:)!3(
)!4(
n
n
5) efetuar:
!5
)!5!6( + 0!
6) efetuar:)!1(
)!2(
+
+
n
n
7) efetuar:!11
)!9!10( +
8) efetuar:!6
!7+
!7
!6+
!6
!8
9) efetuar: 6! - 20
10) Resolva a equao: (n+2)! = 6n!
11) Resolva a equao:)!22(
)!2(
nn
= 12
2.3 Princpio fundamental da contagem - PFC
Suponhamos que uma ao seja constituda de duas etapas sucessivas. A
primeira etapa pode ser realizada de p maneiras distintas. Para cada uma
19
-
8/11/2019 Apostila Probabilidade e Estatistica-
20/91
Probabilidade e Estatstica Luiz Roberto
dessas possibilidades, a 2 etapa pode ser realizada de q maneiras distintas.
Ento, o nmero de possibilidades de se efetuar a ao completa dado por
p x q.
Esse princpio pode ser generalizado para aes constitudas de mais de
duas etapas sucessivas.
Se determinado acontecimento ocorre em etapas independentes, e se a
primeira etapa pode ocorrer de k1 maneiras diferentes, a segunda de k2
maneiras diferentes, e assim sucessivamente, ento o nmero total T de
maneiras de ocorrer o acontecimento, composto por n etapas, dado por:
T = k1. k2. k3. ... . kn
Exemplo 1
No Brasil as placas dos veculos so confeccionadas usando-se 3 letras do
alfabeto e 4 algarismos. Qual o nmero mximo de veculos que poder ser
licenciado?
Imaginemos a seguinte situao: Placa ACD 2172.
Como o alfabeto possui 26 letras e nosso sistema numrico possui 10
algarismos (de 0 a 9), podemos concluir que: para a 1 posio, temos 26
alternativas, e como pode haver repetio, para a 2, e 3 tambm teremos 26
alternativas. Com relao aos algarismos, conclumos facilmente que temos 10
alternativas para cada um dos 4 lugares. Podemos ento afirmar que o nmero
total de veculos que podem ser licenciados ser igual a:
26 . 26 . 26 . 10 . 10 . 10 . 10 = 175.760.000.
Exemplo 2
No Brasil, antes da alterao do sistema de emplacamento de automveis, as
placas dos veculos eram confeccionadas usando-se 2 letras do alfabeto e 4
algarismos. Qual o nmero mximo de veculos que podia ser licenciado neste
sistema?
Imaginemos a seguinte situao: Placa AC 2172.
Como o alfabeto possui 26 letras e nosso sistema numrico possui 10
algarismos (de 0 a 9), podemos concluir que: para a 1 posio, temos 26
alternativas, e como pode haver repetio, para a 2, tambm teremos 26
alternativas. Com relao aos algarismos, conclumos facilmente que temos 10
alternativas para cada um dos 4 lugares. Podemos ento afirmar que o nmero
total de veculos que podem ser licenciados ser igual a:
26 . 26 . 10 . 10 . 10 . 10 = 6.760.000.
20
-
8/11/2019 Apostila Probabilidade e Estatistica-
21/91
Probabilidade e Estatstica Luiz Roberto
Percebe-se que a incluso de apenas uma letra faz com que sejam licenciados,
aproximadamente, mais 170.000.000 de veculos.
Exemplo 3
H quatro estradas ligando as cidades e Ae B,e trs estradas ligando as
cidades Be C. De quantas maneiras distintas pode-se ir de Aa C, passando
por B?
Fazer a viagem de Aa C pode ser considerado uma ao constituda de duas
etapas sucessivas:
1 ir de Aat B: teremos quatro possibilidades
2 ir de B a C: para cada uma das possibilidades anteriores, h trs
maneiras de chegar a C, a partir de B.
Assim, o resultado procurado 4 x 3 =12.
Exemplo 4
Com os algarismos 1, 2, 3, 4, 5 e 6, quantos nmeros de trs algarismos
distintos podemos formar?
Formar um nmero de trs algarismos pode ser considerado uma ao constituda
de trs etapas sucessivas:
1 escolha do algarismo das centenas: so seis possibilidades.
2 escolha do algarismo das dezenas: como no pode haver repetio de
algarismo, devemos ter um algarismo diferente do algarismo escolhido para a
centena. Assim, h cinco possibilidades.
3 escolha do algarismo das unidades: devemos ter um algarismo diferente dos
dois algarismos escolhidos para a centena e para a dezena. Assim, h quatro
possibilidades.
Pelo PFC, o resultado : 6 x 5 x 6 = 120 nmeros.
Exemplo 5
Uma prova consta de 10 questes do tipoV ouF. De quantas maneiras distintas
ela pode ser resolvida?
Resolver a prova representa uma ao constituda de 10 etapas sucessivas, que
correspondem resoluo das 10 questes propostas.
Para cada questo, h duas possibilidades de escolha de resposta: Vou F.
Logo, pelo PFC, o resultado : 2 x 2 x 2 ... x 2 = 2 10= 1.024
possibilidades.10 vezes
21
-
8/11/2019 Apostila Probabilidade e Estatistica-
22/91
Probabilidade e Estatstica Luiz Roberto
Exemplo 6
Quantos nmeros de trs algarismos podemos formar com os algarismos 0, 1, 2,
3, 4, 5, 6 e 7?
Algarismo das centenas: com exceo do zero, qualquer um dos algarismos dados
pode ser escolhido, havendo, portanto, sete possibilidades.
Algarismo das dezenas: no h restrio alguma, pois pode haver repetio de
algarismos. Assim, h oito possibilidades.
Algarismo das unidades: analogamente ao anterior, h oito possibilidades.
Logo, pelo PFC: 7 x 8 x 8 = 448.
Exemplo 7
Quantos nmeros mpares de trs algarismos distintos podemos formar com os
algarismos 0, 1, 2, 3, 4, 5, 6 e 7?
Algarismo das unidades: h quatro possibilidades (1, 3, 5 e 7).
Algarismo das centenas: h seis possibilidades devemos excluir o zero e o
algarismo escolhido para a unidade.
Algarismo das dezenas: h seis possibilidades devemos escolher algarismos
diferentes dos algarismos escolhidos para a centena e unidade.
Assim, pelo PFC, temos: 6 x 6 x 4 = 144 nmeros.
Todo problema de contagem pode, pelo menos teoricamente, ser resolvido pelo
PFC. Porm, na prtica, a resoluo de alguns desses problemas pode se tornar
muito complicada.
Dessa forma, estudaremos tcnicas de contagem de determinados agrupamentos
baseados no PFC as quais simplificaro a resoluo de muitos problemas.
Consideraremos sempre os agrupamentos simples: arranjos, permutaes e
combinaes.
Exemplo 8
Determine o nmero de anagramas da palavra MATEMTICA.(no considere o
acento).
Soluo:
Temos 10 elementos, com repetio. Observe que a letra M est repetida duas
vezes, a letra A trs , a letra T, duas vezes. Na frmula anterior, teremos:
n=10, a=2, b=3 e c=2. Sendo k o nmero procurado, podemosescrever: k= 10! /
(2!.3!.2!) = 151.200 anagramas
22
-
8/11/2019 Apostila Probabilidade e Estatistica-
23/91
Probabilidade e Estatstica Luiz Roberto
2.4 Arranjos simples
Dado um conjunto com n elementos distintos, chama-se arranjo dos nelementos,
tomados k a k, a qualquer seqncia ordenada de k elementos distintos
escolhidos entre os nexistentes.
Temos um Arranjo quando os agrupamentos conseguidos ficam diferentes ao se
inverter a posio dos seus elementos.
Perceba que para formar centenas com algarismos distintos, utilizando apenas
os 5 primeiros algarismos mpares (1; 3; 5; 7; 9) teremos as seguintes
centenas: 135; 137; 139; 153, 157, e assim sucessivamente.
Se invertermos a posio dos elementos de qualquer uma destas centenas
conseguiremos outra centena diferente: 135 351.
Temos ento um ARRANJO de cinco elementos tomados de trs em trs.
Exemplo 1
Dado o conjunto A = (1, 2, 3, 4), vamos escrever todos os arranjos desses
quatro elementos tomados dois a dois.
(1, 2); (1, 3); (1, 4); (2, 1); (2, 3); (2, 4); (3, 1); (3, 2); (3, 4); (4,
1); (4, 2); (4, 3)
Notamos que (2, 3) (3, 2), isto , a troca na ordem dos elementos de um
possvel agrupamento gera um agrupamento diferente.
Exemplo 2
Um cofre possui um disco marcado com os dgitos 0,1,2,...,9. O segredo do
cofre marcado por uma seqncia de 3 dgitos distintos. Se uma pessoa
tentar abrir o cofre, quantas tentativas dever fazer(no mximo) para
conseguir abri-lo?
As seqncias sero do tipo xyz. Para a primeira posio teremos 10
alternativas, para a segunda, 9 e para a terceira, 8. Aplicando a frmula de
arranjos pelo PFC, chegaremos ao mesmo resultado: 10.9.8 = 720.
Observe que 720 = A10,3
2.5 Clculo do nmero de arranjos
Seja um conjunto de n elementos distintos. Vamos encontrar uma expresso para
o nmero de arranjos dos n elementos tomados ka k(An,k).
Escrever um arranjo de n elementos formados k a k significa escrever uma
seqncia ordenada de k elementos distintos (k n), escolhidos entre os n
23
-
8/11/2019 Apostila Probabilidade e Estatistica-
24/91
Probabilidade e Estatstica Luiz Roberto
disponveis. Assim, pelo PFC, a ao pedida consta de k etapas sucessivas,
que correspondem s escolhas dos kelementos.
1etapa 2etapa 3etapa ... k-simaetapa
(h n elementos (como os elementos
para serem escolhidos) devem ser distintos,h n-1 possibilidades)
n n 1 n 2 n (k 1)
Desta forma, o nmero total de arranjos dos n elementos tomados k a k :
An,k = n. (n 1) . (n 2) ... (n- k+1)
Multiplicando e dividindo a expresso acima por(n k)! = (n k) (n k 1) ... 3 . 2 . 1 vem:
An,k = n(n 1) (n 2) ... (n- k+1) .1.2.3)...1)((
1.2.3)...1)((
knkn
knkn,
Isto :
)!(
!
kn
n
An,k = n k
Exemplo 3
Obter o valor de A4,2+ A7,3.
Temos A4,2 =)!24(
!4
=
!2
!4=
!2
!2.3.4= 12
A7,3 =)!37(
!7
=
!4
!7=
!4
!4.5.6.7= 210
Exemplo 4
O quadrangular de um torneio mundial de basquete disputado por quatro
selees: Brasil, China, Holanda e Itlia. De quantas maneiras distintas
podemos ter os trs primeiros colocados?
Um possvel resultado do torneio Holanda (campe), Brasil (2) e Itlia
(3). Se trocarmos a ordem desses elementos, obtemos, entre outras, Brasil
24
-
8/11/2019 Apostila Probabilidade e Estatistica-
25/91
Probabilidade e Estatstica Luiz Roberto
(campeo), Itlia (2) e Holanda (3), que um resultado diferente do
anterior. Dessa forma, cada resultado do torneio um arranjo das quatro
equipes tomadas trs a trs.
Assim, o nmero de possibilidades :
An,k =)!(
!kn
n A4,3 =
)!34(!4 = !1!4 = 24
Exemplo 5
A senha de um carto de banco formada por duas letras distintas seguidas
por uma seqncia de trs algarismos distintos. Quantas senhas poderiam ser
confeccionadas?
Como importa a ordem que so escolhidas as letras, o nmero de maneiras de
escolh-las dado por A26,2.
Analogamente, a seqncia de trs algarismos distintos pode ser escolhida deA10,3.
Pelo PFC, o nmero de senhas que podem ser confeccionas :
A26,2 x A10,3 = 650 x 720 = 468.000.
Exemplo 6
Usando-se as 26 letras do alfabeto (A,B,C,D,...,Z), quantos arranjos
distintos com 3 letras podem ser montados?
An,k =
)!(
!
kn
n
, n=26, k=3
Resposta: A =!23
!26=
!23
23!.24.25.26= 26.25.24 = 15600
2.6 Permutaes simples
Permutaes simples de nelementos distintos so os agrupamentos formados com
todos os n elementos e que diferem uns dos outros pela ordem de seus
elementos.
De outro modo, podemos entender permutao simples como um caso especial de
arranjo, onde n = k, ou seja:
An,k =)!(
!
kn
n
=
!0
!n =
1
!n= n!
Chega-se ento relao: Pn = n!
25
-
8/11/2019 Apostila Probabilidade e Estatistica-
26/91
Probabilidade e Estatstica Luiz Roberto
Notemos que a permutao um caso particular de arranjo, pois, dado um
conjunto de nelementos distintos, selecionamos exatamente nelementos para
forma a seqncia ordenada.
Exemplo 1
Escrever todos os anagramas da palavra SOL.
Um anagrama da palavra SOL qualquer permutao das letras S, O, L de modo
que se forme uma palavra com ou sem sentido.
Assim, temos: SOL, SLO, OSL, OLS, LOS, LSO.
Exemplo 2
De quantas maneiras cinco pessoas, A, B, C, D e E podem ser dispostas em
fila indiana?
Cada maneira de compor a fila uma permutao das cinco pessoas, pois
qualquer fila obtida uma seqncia ordenada na qual comparecem sempre as
cinco pessoas.
Assim, o resultado esperado : P5= 5! = 120
Exemplo 3
Baseado no exemplo anterior, quantas filas podem ser compostas comeando por
A ou B?
A 1 posio da fila pode ser escolhidas de duas maneiras (pois tanto A como
B pode inici-la).
Definido o incio da fila, restaro sempre quatro lugares para serem
preenchidos pelas quatro pessoas restantes, num total de P4 = 4! = 24
possibilidades.
Pelo PFC, o resultado : 2 x 24 = 48.
Exemplo 4
Oito pessoas, entre elas, Antonio e Pedro, vo posar para uma foto. De
quantas maneiras elas podem ser dispostas se Antonio e Pedro se recusarem-se
a ficar lado a lado?
Caso no houvesse a restrio mencionada, o nmero total de possibilidades
seria:
P8= 8! = 40.320.
Para determinar o nmero de possibilidades em que Antonio e Pedro aparecem
juntos, vamos consider-los uma s pessoa, que ir permutar com as seis
restantes, num total de:
26
-
8/11/2019 Apostila Probabilidade e Estatistica-
27/91
Probabilidade e Estatstica Luiz Roberto
P7= 7! = 5.040 maneiras.
Porm, para cada uma das possibilidades acima, Antonio e Pedro podem trocar
de lugar entre si, num total de:
P2= 2! = 2.
Desta forma, o nmero de possibilidades em que Antonio e Pedro aparecem
juntos : 2x 5.040 = 10.080.
A diferena 40.320 10.080 = 30.240 fornece o nmero de situaes em que
Antonio e Pedro no aparecem lado a lado.
Exemplo 5
Quantas possibilidades de agrupamentos h com os elementos A,B,C?
So possveis as seguintes permutaes: ABC, ACB, BAC, BCA, CAB e CBA.
De forma matemtica: P3= 3! = 3 . 2 . 1 = 6
Exemplo 6
Calcule o nmero de formas distintas de 5 pessoas ocuparem os lugares de um
banco retangular de cinco lugares.
P5= 5! = 5 . 4 . 3 . 2 . 1 = 120
Exemplo 7
Denomina-se ANAGRAMA o agrupamento formado pelas letras de uma palavra, que
podem ter ou no significado na linguagem comum. Os possveis anagramas da
palavra REI so: REI, RIE, ERI, EIR, IRE e IER. Calcule o nmero de anagramas
da palavra MUNDIAL.
P7= 7! = 7 . 6 . 5 . 4 . 3 . 2 . 1 = 5040
2.7 Permutaes com elementos repetidos
Se entre os n elementos de um conjunto, existem a elementos repetidos, b
elementos repetidos, celementos repetidos e assim sucessivamente, o nmero
total de permutaes que podemos formar dado por:
Pn(a,b,c) =!!!
!cba
n
Exemplo 1
Determine o nmero de anagramas da palavra MATEMTICA.(no considere o
acento)
Temos 10 elementos, com repeties. A letra M est repetida duas vezes, a
27
-
8/11/2019 Apostila Probabilidade e Estatistica-
28/91
Probabilidade e Estatstica Luiz Roberto
letra A trs, a letra T, duas vezes. Na frmula anterior, teremos: n=10, a=2,
b=3 e c=2.
P = 10! / (2!.3!.2!) = 151200
Exemplo 2
Quantos anagramas podem ser formados com as letras da palavra MARIA?
Neste problema temos n = 5 (cinco letras) e a = 2 (a letra A se repete duas
vezes)
P = 5!/2! = 5.4.3 = 60
Exemplo 3
Quantos anagramas podem ser formados com as letras da palavra ARARA?
Neste problema temos n = 5 (cinco letras), a = 2 (a letra R se repete duas
vezes) e b = 3 (a letra A se repete trs vezes).
P = 5!/(3!.2!) = 5.4.3!/(3!.2) = 10
2.8 Combinaes simples
Dado um conjunto A com n elementos distintos, chama-se combinao dos n
elementos de A, tomados k a k, a qualquer subconjunto formado por k
elementos, isto , temos uma combinao quando os agrupamentos conseguidos
permanecem iguais ao se inverter a posio dos seus elementos.
Perceba que se houver cinco pessoas entre as quais desejamos formar grupos de
trs, o grupo formado por Joo, Pedro e Lus o mesmo grupo formado por
Lus, Pedro e Joo. Temos, ento, uma COMBINAO de cinco elementos em grupos
de trs.
Clculo do nmero de combinaes
Considere o seguinte problema:
Uma turma formada por 10 alunos. Deseja-se formar uma comisso de trs
alunos para representao discente na universidade. De quantas maneiras
podemos fazer tal escolha?
Calculemos inicialmente o nmero de triplas ordenadas de alunos:
A10,3=!7
!10= 720 seqncias ordenadas.
Suponhamos que A, B, C estejam entre os 10 alunos da turma. Essas 720
possibilidades incluem, entre outras, os seguintes arranjos:
28
-
8/11/2019 Apostila Probabilidade e Estatistica-
29/91
Probabilidade e Estatstica Luiz Roberto
(A,B,C), (A,C,B), (B,A,C), (B,C,A), (C,A,B) e (C,B,,A)
Em cada um desses casos que diferem entre si apenas pela ordem os alunos
A, B e C faro parte da comisso. Assim, os seis arranjos acima passam a ser
equivalentes entre si, correspondendo a uma nica combinao { , poisdeterminam sempre a mesma comisso.
}CBA ,,
Desta forma, aos seis arranjos corresponde uma combinao; ento, para os 720
arranjos, teremos xcombinaes:
Logo, x =6
720= 120 comisses
Nmero de permutaes da tripla (A,B,C)
Nmero de arranjos dos 10 alunos tomados trs a trs
6 arranjos 1 combinao
720 arranjos x combinaes
De modo geral, qualquer permutao de uma determinada seqncia ordenada d
origem e uma nica combinao.
Representando por Cn,ko nmero total de combinaes de nelementos tomados k
a k (taxa k), temos:
)!(!
!
knk
n
k
kn,
P
Aou , n kCn,k = Cn,k =
Exemplo 1
Escrever todas as combinaes dos cinco elementos do conjunto
M = { tomados dois a dois.}
} }
} } } } } } }
uoiea ,,,,
Devemos determinar todos os subconjuntos de M formados por dois elementos.
Lembremos que no importa a ordem dos elementos escolhidos: = { , por
exemplo.
{ ea, ae,
Assim, as combinaes pedidas so:
{ ea, , { , { }, { }, { , { , { , { , { , { }ia, oa, ua, ie, oe, ue, oi, ui, uo,
29
-
8/11/2019 Apostila Probabilidade e Estatistica-
30/91
Probabilidade e Estatstica Luiz Roberto
Exemplo 2
Cinco alunos Pedro, Lus, Jos, Abel e Mrcio participam de um concurso
que sero sorteadas trs bicicletas. Quais os possveis resultados do
concurso?
Sortear o mesmo que sortear { }, poisnas duas situaes, esses alunos ganharo as bicicletas.
{ MrcioJosPedro ,, } PedroMrcioJos ,,
Desta forma, cada resultado do sorteio uma combinao dos cinco alunos
tomados trs a trs.
Os possveis resultados do concurso so:
{ }MJP ,,
{ }MAJ ,,
, , , , , , , ,
,
{ }AJP ,,
{ }MAL ,,
{ }AMP ,, { }JLP ,, { }MLP ,, { }ALP ,, { }AJL ,, { }MJL ,,
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se de um problema de combinao de 15 elementos com taxa 10.
Aplicando simplesmente a frmula chegaremos a:
C15,10 = 15! / [(15-10)! . 10!] = 15! / (5! . 10!) = 15.14.13.12.11.10! /
5.4.3.2.1.10! = 3003
Tanto arranjo como combinao so agrupamentos de k elementosescolhidos a partir de um conjunto de nelementos. A diferena que,no arranjo, se mudarmos a ordem dos elementos de certo agrupamento,obteremos um novo agrupamento; na combinao, mudando a ordem doselementos de certo agrupamento, obtemos o mesmo agrupamento.
Exemplo 3
Uma prova consta de 15 questes das quais o aluno deve resolver 10. De
quantas formas ele poder escolher as 10 questes?
Observe que a ordem das questes no muda o teste. Logo, podemos concluir que
trata-se de um problema de combinao de 15 elementos com taxa 10.
C15,10 =!10)!.1015(
15!
=
!10!.5
15! =
10!5.4.3.2.1.
2.11.10!15.14.13.1 = 3003
30
-
8/11/2019 Apostila Probabilidade e Estatistica-
31/91
Probabilidade e Estatstica Luiz Roberto
Exemplo 4
Um coquetel preparado com trs bebidas distintas. Se existem 7 bebidas
distintas, quantos coquetis diferentes podem ser preparados?
C7,3=!3)!.37(
7! = !3!.47! = 1.2.3!.4 7.6.5.4! = 35
Exemplo 5
Sobre uma circunferncia so marcados 9 pontos, dois a dois distintos.
Quantas retas podem ser construdas passando por estes 9 pontos?
C9,2=!2)!.29(
9!
=
!2!.7
9! =
1.2!.7
9.8.7! = 36
Exemplo 6
Uma pizzaria oferece 15 sabores de pizzas diferentes.
a) De quantas maneiras se pode escolher trs desses sabores?
b) Suponha que uma famlia sempre opte por mussarela. Como podero ser
escolhidos os outros dois sabores?
Resp. a)
Escolher as pizzas { o mesmo que escolher as pizzas { }.
Assim, cada possvel escolha uma combinao das 15 pizzas tomadas trs a
trs:
}3,2,1 PPP 1,2,3 PPP
C15,3 =!12!3
15! =
3.2.1.12!
2!15.14.13.1 = 455
Resp. b)
Como um dos sabores j foi definido, os outros dois sabores sero escolhidos
entre os 14 restantes.
C14,2 =!2!
14!
12 =
12!.2.1
14.13.12! = 91
Exemplo 7Uma turma tem 15 alunos, sendo 9 meninos e 6 meninas.
a) Quantas comisses de dois meninos e duas meninas podem ser formadas?
O nmero de escolher os meninos C9,2.
O nmero de escolher as meninas C6,2.
Pelo PFC, temos: C9,2 x C6,2 = 36 x 15 = 540
31
-
8/11/2019 Apostila Probabilidade e Estatistica-
32/91
Probabilidade e Estatstica Luiz Roberto
b) Quantas comisses de quatro pessoas tm pelo menos um menino?
O nmero total de comisses de quatro pessoas, sem nenhuma restrio,
C15,4.
O nmero de comisses onde no aparecem meninos C6,4, pois as vagas sero
preenchidas pelas meninas.
Assim, o nmero de comisses onde h pelo menos um menino :
C15,4 C6,4= 1.365 15 = 1.350
Exemplo 8
Marcam-se cinco pontos sobre uma reta r. Sobre outra reta s, paralela a r,
marcam-se quatro pontos. Quantos tringulos podem ser formados com vrtices
em trs quaisquer desses pontos?
Observando a figura, vemos que para construir um tringulo no importa a
ordem dos pontos escolhidos, pois, por exemplo, { }e { determinam
o mesmo tringulo.
CBA ,, }ACB ,,
C
B
A
Por outro lado, podemos construir um tringulo se escolhermos:
1 caso: dois pontos de r e um ponto de s
Pelo PFC, h 10 x 4 = 40 possibilidades.
2 caso: um ponto de r e dois pontos de s
C4,1= 4 possibilidadesC5,2= 10 possibilidades
C5,1= 5 possibilidades C4,2= 6 possibilidades
Pelo PFC, h 5 x 6 = 430 possibilidades.
Dessa forma, o nmero total de tringulos que podem ser construdos :
40 + 30 = 70.
32
-
8/11/2019 Apostila Probabilidade e Estatistica-
33/91
Probabilidade e Estatstica Luiz Roberto
Exemplo 9
Um salo tem 6 portas. De quantos modos distintos esse salo pode estar
aberto?
Para a primeira porta temos duas opes: aberta ou fechada
Para a segunda porta temos tambm, duas opes, e assim sucessivamente.
Para as seis portas, teremos ento, pelo PFC:
N = 2.2.2.2.2.2 = 64
Lembrando que uma dessas opes corresponde a todas as duas portas fechadas,
teremos ento que o nmero procurado igual a 64 - 1 = 63.
Resposta: o salo pode estar aberto de 63 modos possveis.
2.9 Exerccios
01 - Um coquetel preparado com duas ou mais bebidas distintas. Se existem 7
bebidas distintas, quantos coquetis diferentes podem ser preparados?
Resp: 120
02 - Sobre uma circunferncia so marcados 9 pontos distintos. Quantos
tringulos podem ser construdos com vrtices nos 9 pontos marcados?
Resp: 84
03 - Uma famlia com 5 pessoas possui um automvel de 5 lugares. Sabendo quesomente 2 pessoas sabem dirigir, de quantos modos podero se acomodar para
uma viagem?
Resp: 48
33
-
8/11/2019 Apostila Probabilidade e Estatistica-
34/91
Probabilidade e Estatstica Luiz Roberto
3 PROBABILIDADE
Todas as vezes que se estudam fenmenos de observao, cumpre-se
distinguir o prprio fenmeno e o modelo matemtico que melhor o explique.
Os fenmenos estudados pela Estatstica so fenmenos cujos resultados,mesmo em condies normais de experimentao variam de uma observao para
outra.
Para a explicao desses fenmenos fenmenos aleatrios
adota-se um modelo matemtico probabilstico. Nesse caso, o modelo
utilizado ser o CLCULO DAS PROBABILIDADES.
3.1 Experimento aleatrio
Todo experimento que, repetido em condies idnticas, pode apresentar
diferentes resultados, recebe o nome de experimento aleatrio. A
variabilidade de resultados deve-se ao acaso.
A fim de se entender melhor a caracterizao desses experimentos,
convm observar o que h de comum nos seguintes experimentos:
E1: Retirar uma carta de um baralho com 52 cartas e observar seu naipe.
E2: Jogar uma moeda 10 vezes e observar o nmero de coroas obtidas.
E3: Retirar com ou sem reposio, bolas de uma urna que contm 5 bolas
brancas e seis pretas.
E4: Jogar um dado e observar o nmero mostrado na face de cima.
E5: Contar o nmero de peas defeituosas da produo diria da mquina A.
A anlise desses experimentos revela:
a) Cada experimento poder ser repetido indefinidamente sob as mesmas
condies.
b) No se conhece um particular valor do experimento a priori , porm
pode-se descrever todos os possveis resultados as possibilidades.
34
-
8/11/2019 Apostila Probabilidade e Estatistica-
35/91
Probabilidade e Estatstica Luiz Roberto
c) Quando o experimento for repetido um grande nmero de vezes surgir uma
regularidade, isto , haver uma estabilidade da frao f = r/n
(freqncia relativa), onde n o nmero de repeties e r o nmero de
sucessos.
3.2 Espao amostral
Para cada experimento aleatrio E, define-se espao amostral o conjunto
de todos os resultados possveis desse experimento.
Consideremos um experimento aleatrio. O conjunto de todos os possveis
resultados desse experimento chamado espao amostral e indicado por
(letra grega que se l: omega).
Indicaremos o nmero de elementos de um espao amostral por n().
Exemplo 1
a) E = Jogar um dado e observar o nmero mostrado na face de cima
= {1, 2, 3, 4, 5, 6}
b) E = jogar duas moedas e observar os resultados.
= {(C,C), (C,K), (K,C), (K,K)} onde C = cara e K = coroa.
Exemplo 2
Lanamos uma moeda honesta e observamos a face voltada para cima:
Temos:
= {K,C}, onde K: cara; e C: coroa; n() = 2.Chamamos cada um dos resultados possveis deponto amostral.
Exemplo 3
Uma urna contm cinco bolas vermelhas e quatro brancas. Duas bolas so
extradas, ao acaso, sucessivamente e sem reposio. Observamos a seqncia
de cores das bolas sorteadas.
Para determinar , vamos construir um diagrama de rvore:
1 extrao 2 extrao
vermelha vermelha
branca
Vermelha
branca branca
35
-
8/11/2019 Apostila Probabilidade e Estatistica-
36/91
Probabilidade e Estatstica Luiz Roberto
Indicando vermelha por V e branca por B, temos:
= { } n() = 4.),(),,(),,(),,( BBVBBVVV
Cada par acima um dos pontos amostrais de .
3.3 Evento
Evento um conjunto de resultados do experimento, em termos de
conjuntos, um subconjunto de . Em particular, e (conjunto vazio) so
eventos. dito o evento certo e o evento impossvel.
Usando as operaes em conjunto, podemos formar novos eventos:
A UB o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem.
A IB o evento que ocorre se A e B ocorrem.
o evento que ocorre se A no ocorre.
Exemplo 1
a) Seja o experimento E: jogar trs moedas e observar os resultados:
= {(c,c,c), (c,c,k), (c,k,c), (k,c,c), (k,k,k), (k,k,c), (k,c,k),(c,k,k)}
Seja E1o evento: ocorrer pelo menos duas caras. Ento,
E1= {(c,c,c),(c,c,k), (c,k,c), (k,c,c)}
b) Seja o evento E2: lanar um dado e observar o nmero de cima.
Ento,
E2= = {1, 2, 3, 4, 5, 6} um evento certo.
E3: ocorrncia de nmero maior que 8.
E3= um evento impossvel.
Seja E4: ocorrer mltiplo de 2.
Ento E4= {2, 4, 6}; observe que E4 .
Seja E5: ocorrer nmero mpar.Ento E5= {1, 3, 5}; observe que E5 .
3.4 Probabilidade de um Evento
Agora podemos quantificar o grau de confiana de qualquer evento.
36
-
8/11/2019 Apostila Probabilidade e Estatistica-
37/91
Probabilidade e Estatstica Luiz Roberto
Atribumos a cada evento um nmero obtido da soma das imagens de cada
um de seus elementos na relao de freqncia. Este nmero chama-se
probabilidade do evento. Observe como se resolve o seguinte caso.
Exemplo:
O experimento consiste em extrair uma bola do interior de uma caixa e
observar sua cor. H um total de nove bolas na caixa: duas brancas, trs
vermelhas e quatro pretas.
Qual ser a probabilidade de tirar uma bola que no seja preta?
Para solucionar esta questo, preparamos o esquema da figura acima:
O espao amostral da figura acima :
Elemento Imagem
(B) branca 2/9
(V) vermelha 3/9
(P) preta 4/9
= {branca, vermelha, preta}
O evento tirar uma bola de cor diferente do preto, A = {B,V}, consta
de dois elementos.
Como foi dito na definio de probabilidade, atribumos a cada evento
um nmero obtido da soma das imagens de cada elemento na relao de
freqncia.
Portanto, se somarmos as imagens da bola branca, 2/9, e da vermelha,
3/9, que aparecem na relao de freqncia deste exemplo, vamos conhecer o
valor da probabilidade do evento A, indicado por P(A).
Assim,
p(A) =9
2+
9
3=
9
5
Em alguns experimentos aleatrios, cada um dos resultados (eventos
elementares) tem a mesma freqncia relativa esperada.
37
-
8/11/2019 Apostila Probabilidade e Estatistica-
38/91
Probabilidade e Estatstica Luiz Roberto
Este o caso de lanar uma moeda ou um dado e comprovar o resultado.
Dizemos, ento, que o espao amostral equiprovvel, e que sua
probabilidade uniforme.
3.5 Evento complementar
Consideremos um evento E relativo a um espao amostral . Chamamos
evento complementar de indicado por E ao evento que ocorre quando se,e somente se, Eno ocorre.
Observe o seguinte diagrama:
Notemos que E IE= e E UE=
Exemplo 1
Uma urna contm 10 bolas numeradas de 1 a 10. Retira-se da urna, ao acaso,
uma bola. Se E o evento ocorre mltiplo de 3, ento Eser:
Temos: = {1, 2, 3, ..., 10} e E = {3, 6, 9}; logo:
E= {1, 2, 4, 5, 7, 8, 10} o evento no ocorre mltiplo de 3.
Notemos que E U E= .
3.6 Probabilidades em espaos amostrais equiprovveis
Consideremos o espao amostral formado por kpontos amostrais (ou eventos
elementares): = {a1, a2, a3, ..., ak}
Vamos associar cada um desses pontos amostrais um nmero real, p{ai}, ou
simplesmentep
i, chamadoprobabilidade do evento
{ai}, ou seja, probabilidadede ocorrncia do ponto amostral ai, tal que:
(I) 0 pi 1
(II) = 1 , isto , p=
k
1
i
ip 1+ p2+ ... + pk= 1
38
-
8/11/2019 Apostila Probabilidade e Estatistica-
39/91
Probabilidade e Estatstica Luiz Roberto
Consideremos aqui os espaos amostrais equiprovveis, isto , aqueles cujos
pontos amostrais tm a mesma probabilidade de ocorrer. Assim, se denotarmos
por p a probabilidade de ocorrncia de cada um dos pontos amostrais de ,
temos, em (II):
p + p + p + ... + p = 1 k . p = 1 p = k1
K vezes
A probabilidade de ocorrncia de um evento E, formado por rpontos amostrais
E= {a1, a2, a3, ..., ar} , com r k, dada por:
P (E) = p1+ p2+ ... + pr p(E) =k
1+
k
1+
k
1+
k
1
p(E) =k
r= =
Nmero de elementos de E n(E)
Nmero de elementos de n
Como E , temos que n(E) n(). Assim:
n(E) tal que 0 p(E) 1
n
P(E) =
Essa definio de probabilidade intuitiva, isto , a probabilidade de
ocorrer determinado evento dada pala razo entre o nmero de casos
favorveis (ou nmero de caos que nos interessam) e o nmero de casospossveis (ou nmero total de casos).
Assim:
=Nmero de casos favorveis
Nmero de casos ossveisn()
n(E)p(E) =
Uma vez que o nmero de casos favorveis coincide com o nmero de
elementos do evento, e o nmero de casos possveis corresponde ao nmero de
elementos do espao amostral, podemos escrever:
p(A) =k
f, onde o evento Atem f elementos e ko nmero possvel de
elementos. Para ocorrer o evento A, o resultado deve ser algum desses f
elementos, que so os casos favorveis.
Assim, no exemplo do lanamento de um dado, se o evento Aconsiste em
obter um5, o nmero de casos favorveis ser 1, pois num dado no-viciado
39
-
8/11/2019 Apostila Probabilidade e Estatistica-
40/91
Probabilidade e Estatstica Luiz Roberto
s existe um 5, e o nmero de casos possveis 6, portanto o espao
amostral : = {1,2,3,4,5,6}
Assim, a probabilidade do eventoAser: P (A) = 1/6
Quando dizemos que a probabilidade do evento A 1/6, isto no
significa que, se jogarmos o dado seis vezes, em uma delas sair, com toda a
certeza, o nmero 5. Pode ser que o nmero 5 no saia nenhuma vez, ou ele
pode sair mais de uma vez.
A probabilidade 1/6 indica apenas que, se repetirmos esse experimento
um nmero muito grande de vezes, o evento A vai ocorrer em aproximadamente
1/6 do total de jogadas.
Exemplo 1
Uma urna contm 15 bolas numeradas de 1 a 15. Uma bola extrada ao acaso.
Qual a probabilidade de ser sorteada uma bola com nmero maior ou igual a 11?
Temos: = {1, 2, 3, ..., 15}
Seja o evento E: o nmero da bola sorteada maior ou igual a 11.Logo: E = {11, 12, 13, 14, 15}.
Assim,p(E) = =15
=5
3
1 = 33,3%
n(E)
n()
Exemplo 2
Um dado lanado e observa-se o nmero da face voltada para cima. Qual a
probabilidade desse nmero ser:
a) menor que 3? b) Maior ou igual a 3?
a) Temos = {1, 2, 3, 4, 5, 6}
E = {1, 2}. Ento, p(E) =6
2 =
3
1
b) basta considerar o evento complementar: Ec= {3, 4, 5, 6}.
Assim, p(Ec) = =6
4 =
3
2.
n(Ec)
n(
)
p(E) + p(Ec) = 1Note que
Exemplo 3
Uma moeda lanada trs vezes, sucessivamente. Qual a probabilidade de
observarmos: a) exatamente uma cara?; b) No mximo duas caras?
40
-
8/11/2019 Apostila Probabilidade e Estatistica-
41/91
Probabilidade e Estatstica Luiz Roberto
Vamos construir um diagrama de rvore onde na 1, 2 e 3 colunas,
respectivamente, representaremos os possveis resultados para o 1, 2 e 3
lanamentos.
K (K,K,K)
K C (K,K,C)K
K (K,C,K)C
C (K,C,C)
K (C,K,K)K
C (C,K,C)C
K (C,C,K)C
C (C,C,C)
K: cara
C: coroa
O espao amostral formado pelas oito seqncias indicadas.
a) O evento E1= {(K,C,C), (C,C,K), (C,K,C)}
Assim, p(E1) = =8
3 = 37,5%
n(E1)
n()
b) As seqncias que nos interessam so aquelas que apresentam nenhuma,
uma ou duas caras. Assim, o evento pedido :
E2= {(C,C,C),(K,C,C),(C,K,C),(C,C,K),(K,K,C),(K,C,K),(C,K,K)}
Logo, p(e2) =8
7= 87,5%.
Exemplo 4
Uma turma tem 20 homens e 25 mulheres. Deseja-se formar uma comisso de cinco
alunos para representantes de turma. Qual a probabilidade de essa comisso
vir a ser formada exclusivamente por meninos?
O nmero de elementos de igual ao nmero de maneiras de se escolher uma
comisso qualquer de cinco pessoas, a partir dos 45 alunos. Como vimos, n()
= C45,5.
O evento que interessa aquele em que todos os alunos da comisso so
meninos. O nmero de comisses assim existentes C20,5 .
Assim, a probabilidade pedida :
P(E) = = 0,0126 = 1,26%
C20,5
C45,5
41
-
8/11/2019 Apostila Probabilidade e Estatistica-
42/91
Probabilidade e Estatstica Luiz Roberto
Exemplo 5
Escolhe-se, ao acaso, um dos anagramas da palavra XADREZ. Qual a
probabilidade da palavra escolhida comear por XA?
O nmero de elementos de o nmero de permutaes da palavra XADREZ.
Ento, n() = P6= 6! = 720.O evento E = palavra comea por XA:
X A __ __ __ __
Definidas as duas primeiras letras, h P = 4!4maneiras de se preencherem as lacunas restantes.
Assim, n(E) = 4! = 24.
Logo, a probabilidade pedida p(E) = =720
24= 3,33%
n(E)
n()
Exemplo 6
Numa comunidade residem 100 pessoas. Uma pesquisa sobre os hbitos
alimentares dessa comunidade revelou que:
25 pessoas consomem carnes e verduras
83 pessoas consomem verduras
39 pessoas consomem carnes
Uma pessoa da comunidade escolhida ao acaso. Qual a probabilidade de ela:
a) consumir exclusivamente carne?
b) Ter o hbito alimentar de no comer nem carne nem verdura?
Vamos construir um diagrama representando carne por C e verdura por V.
comunidade
V25
C
58 143
1) H 25 pessoas na integrao de Ce V.
2) Pessoas que consomem exclusivamente verduras: 83 25 = 583) Pessoas que consomem exclusivamente carnes: 39 25 = 14
4) Como 25 + 58 + 14 = 97, h 3 pessoas que no comem carnes nem verduras.
Assim, as probabilidades pedidas so:
a)100
14= 0,14 = 14% b)
100
3= 0,03 = 3%
42
-
8/11/2019 Apostila Probabilidade e Estatistica-
43/91
Probabilidade e Estatstica Luiz Roberto
3.7 Probabilidade da unio de dois eventos
Sejam Ae Beventos de um mesmo espao amostral . Vamos encontrar uma
expresso para a probabilidade de ocorrer o evento Aou o evento B, isto , a
probabilidade da ocorrncia do evento AUB.
Consideremos dois casos:
1) eventos mutuamente exclusivos
A IB =
Temos:n(A UB) = n(A) + n(B)
Como n() 0, podemos escrever:
n(A UB) n(A) n(B)
n() n() n()+=
B
A
Da definio de probabilidade, segue:
P(A UB) = p(A) + p(B)
Nesse caso, A e B so chamados eventos mutuamente exclusivos.
2) eventos com ocorrncias simultneas: A IB
Da teoria dos conjuntos, temos:
n(A UB) = n(A) + n(B) n(A IB)
De modo anlogo ao primeiro caso:
p(A UB) = p(A) + p(B) p(A IB)
A B
A IB
O eventoA IB representa a ocorrncia simultnea dos eventos Ae B.
Exemplo 1
Uma urna contm 25 bolas numeradas de 1 a 25. Uma bola extrada ao acaso
dessa urna.a) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 2
ou de 3?
Consideremos os eventos A, o nmero mltiplo de 2 e B, o nmero
mltiplo de 3. Queremos encontrar p(A UB). Temos:
43
-
8/11/2019 Apostila Probabilidade e Estatistica-
44/91
Probabilidade e Estatstica Luiz Roberto
A = {2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24} p(A) = =25
12
n(A)
n()
B = {3, 6, 9, 12, 15, 18, 21, 24} p(B) = =25
8n(B)
n()
A IB = {6, 12, 18, 24}: o evento formado pelos mltiplos de 2 e 3 ao mesmo
tempo, isto , pelos mltiplos de 6. Temos: p(A IB) =25
4.
Como p(A UB) = p(A) + p(B) p(A IB)
Temos: p(A UB) =25
12+
25
8
25
4=
25
16= 0,64 = 64%.
b) Qual a probabilidade de o nmero da bola sorteada ser mltiplo de 5
ou de 7?
A = {5, 10, 15, 20, 25} p(A) =25
5
B = {7, 14, 21} p(B) =25
3
Como A IB = , temos:
p(A UB) = p(A) + p(B) p(A UB) =
25
5+
25
3=
25
8= 0,32 = 32%.
Exemplo 2
A probabilidade de um guarda rodovirio aplicar quatro ou mais multas em um
dia de 63%; a probabilidade de ele aplicar quatro ou menos multas em um dia
de 56%. Qual a probabilidade de o guarda aplicar exatamente quatro
multas?
Consideremos os eventos:
A: quatro ou mais multas; p(A) = 0,63
B: quatro ou menos multas; p(B) = 0,56
Temos:
1) A B o evento guarda aplica exatamente quatro multas. Queremos
determinar p(A IB).
I
2) A B = (em um dia o guarda aplica menos de quatro multas, ou quatro
multas, ou mais de quatro multas).
U
44
-
8/11/2019 Apostila Probabilidade e Estatistica-
45/91
Probabilidade e Estatstica Luiz Roberto
Assim, p(A UB) = p() = 1 (pois A UB o evento certo). Da:
P(A UB) = p(A) + p(B) p(A IB)
1 = 0,63 + 0,56 - p(A IB) p(A IB) = 0,19 = 19%
Exemplo 3
Observe a roleta da figura abaixo e pense na probabilidade existente de sada
para cada nmero.
a) Qual a probabilidade de cada evento elementar?
P(1) = P(2) = P(4) = P(5) = P(6) = P(7) = 1/8 P(3) = 2/8
b) Qual a probabilidade de o nmero ser par? P({2,4,6}) = 3/8
c) Qual a probabilidade de dar o nmero 3? P(3) = 2/8 = 1/4
3.8 Experincia Composta
Tambm pode nos interessar o clculo da probabilidade de uma
experincia composta, ou seja, a realizao de dois ou mais experimentos
aleatrios simples.
Nesses casos, a freqncia relativa esperada para cada resultado
possvel do experimento obtida a partir do produto das freqncias
relativas esperadas de cada elemento que compe o referido resultado.
Exemplo:
Temos uma moeda e duas caixas cheias de bolas coloridas. Na caixa A
temos duas bolas vermelhas e cinco pretas, enquanto na B h quatro bolas
vermelhas e uma bola azul.
Imagine a seguinte experincia composta: lanamos uma moeda; se der
"cara", extramos uma bola da caixa A; e se der "coroa", uma bola da caixa B.
Em seguida, vamos representar por um diagrama em rvore os resultados
possveis da experincia composta.
Vamos Indicar tambm as freqncias relativas esperadas para cada
experincia parcial.
Como observamos no esquema da figura anterior, o espao amostral :
= {(cara, vermelha), (cara, preta), (coroa, vermelha), (coroa, azul)}
45
-
8/11/2019 Apostila Probabilidade e Estatistica-
46/91
Probabilidade e Estatstica Luiz Roberto
cara
coroa
5
1
5
4
7
5
7
2 vermelha
2
1
2
1
preta
vermelha
azul
O objetivo definir uma probabilidade para o conjunto , que
representa os resultados possveis da experincia composta.
A relao de freqncia obtida atribuindo-se a cada resultado o
produto das freqncias relativas esperadas, que aparecem em cada ramo
completo do diagrama em rvore da figura.
Desta maneira, comprovamos que a relao de freqncia, neste caso, a
seguinte:
Elemento Imagem
cara, vermelha 1/2 x 2/7 = 2/14
cara, preta 1/2 x 5/7 = 5/14
coroa, vermelha 1/2 x 4/7 = 4/14
coroa, azul 1/2 x 1/7 = 1/10
Agora podemos calcular a probabilidade de qualquer evento dessa
experincia composta.
3.9 Probabilidade condicional
Seja E: lanar um dado e o evento A= {sair o n 3}. Ento, P(A) = 6
1
Considere agora o evento B = {sair um nmero mpar} = {1, 3, 6}.
de grande importncia para o clculo das probabilidades se calcular
a probabilidade condicional. No exemplo, pode-se querer avaliar a
probabilidade do evento Acondicionada ocorrncia do evento B. Em smbolos,
46
-
8/11/2019 Apostila Probabilidade e Estatistica-
47/91
Probabilidade e Estatstica Luiz Roberto
designa-se por P(A/B) e l-se: probabilidade do evento A condicionada
ocorrncia de B, ou melhor, probabilidade de Adado B.
Assim: P(A/B) = 1/3.
Obs: dada a ocorrncia de um evento, teremos a reduo do espao-amostra; no
caso, = {1, 2, 3, 4, 5, 6} foi reduzido para `= {1, 3, 5} e neste
espao-amostra reduzido que se avalia a probabilidade do vento.
Definio: Dados dois eventos, A e B, denota-se P(A/B) a probabilidade
condicionada do evento A, quando Btiver ocorrido, por:
com P(B) 0,pois B j ocorreu
P(A B)IP(B)
P(A/B) =
Vamos encontrar uma frmula para o clculo da probabilidade condicional:
P(A IB)I
I
NCF (B)
NCF(A B)=
NTC
NCF(B)=
NCF(A B)NTC
P(B)
NTC = Nmerototal de casos
P(A/B) =
Desta maneira, para calcular a probabilidade de A dado B, basta contar o
nmero de casos favorveis ao evento A I B: [NCF(A I B)] e dividir pela
quantidade de casos favorveis ao evento B: [NCF(B)].
Exemplo: Dois dados so lanados. Consideremos os eventos:
A = {(X1, X2)/ X1 + X2 = 10} e B = {(X1, X2)/ X1 > X2}
Onde X1 o resultado do dado 1 e X2 o resultado do dado 2.
Calcular P(A); P(B); P(A/B); P(B/A)
Soluo
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1)(2,2) (2,3) (2,4) (2,5) (2,6)
(3,1)(3,2) (3,3) (3,4) (3,5) (3,6)
(4,1)(4,2) (4,3) (4,4) (4,5) (4,6)
(5,1)(5,2) (5,3) (5,4) (5,5) (5,6)(6,1)(6,2) (6,3) (6,4) (6,5) (6,6)
=
NCF ao evento A
36
3
12
1=P(A) = =
NTC
Obs: apenas o par(6,4) favorvel
ao evento (A B).I
1
3
NCF a (A IB)P(A/B) = =
NTC a B
47
-
8/11/2019 Apostila Probabilidade e Estatistica-
48/91
Probabilidade e Estatstica Luiz Roberto
4 ESTATSTICA BSICA
4.4 CONCEITOSFUNDAMENTAIS
A Estatstica pode ser encarada como uma cincia ou como um mtodo de
estudo. Duas concepes para a palavra ESTATSTICA:
a) no plural (estatsticas), indica qualquer coleo consistente de dados
numricos, reunidos com a finalidade de fornecer informaes acerca de uma
atividade qualquer. Por exemplo, as estatsticas demogrficas referem-se
aos dados numricos sobre nascimentos, falecimentos, matrimnios,
desquites, etc.
b) no singular (estatstica), indica um corpo de tcnicas, ou ainda uma
metodologia tcnica desenvolvida para a coleta, a classificao, a
apresentao, a anlise e a interpretao de dados quantitativos e a
utilizao desses dados para a tomada de decises.
Qualquer cincia experimental no pode prescindir das tcnicas proporcionadas
pela Estatstica, como por exemplo, a Fsica, a Biologia, a Administrao, a
Economia, etc. Todos esses ramos de atividade profissional tem necessidade de
um instrumental que se preocupa com o tratamento quantitativo dos fenmenos
de massa ou coletivos, cuja mensurao e anlise requerem um conjunto de
observaes de fenmeno ou particulares.
DEFINIO DE ESTATSTICA
Estatstica a cincia que se preocupa com a coleta, a organizao,
descrio (apresentao), anlise e interpretao de dados experimentais e
tem como objetivo fundamental o estudo de uma populao.
Este estudo pode ser feito de duas maneiras:
Investigando todos os elementos da populao ou
Por amostragem, ou seja, selecionando alguns elementos da populao.
48
-
8/11/2019 Apostila Probabilidade e Estatistica-
49/91
Probabilidade e Estatstica Luiz Roberto
Modelagem
Planejamento
Experimentao
Comparao eidentificaodas melhoressolues
DocumentaoApresentao
dos resultadosImplementao
Projetoexperimental
Experimentao
Anliseestatstica
dos
resultados
Coleta dedados
Traduo domodelo
Verificaoe validao
do modelo
Formulao eanlise doProblema
Planejamento doprojeto
Formulao domodelo
conceitual
Coleta de macro
informaes
Concluso
4.5 DIVISO DA ESTATSTICA
EstatsticaInferencialEstatsticaDescritiva
MtodosEstatsticos
Estatstica Descritiva: aquela que se preocupa com a coleta, organizao,
classificao,apresentao, interpretao e analise de dados referentes ao
fenmeno atravs de grficos e tabelas alm de calcular medidas que permita
descrever o fenmeno.
Estatstica Indutiva (Amostral ou Inferencial): a aquela que partindo de
uma amostra, estabelece hipteses, tira concluses sobre a populao deorigem e que formula previses fundamentando-se na teoria das probabilidades.
A estatstica indutiva cuida da anlise e interpretao dos dados.
O processo de generalizao do mtodo indutivo est associado a uma
margem de incerteza. Isto se deve ao fato de que a concluso que se pretende
obter para o conjunto de todos os indivduos analisados quanto a determinadas
caractersticas comuns baseia-se em uma parcela do total de observaes.
49
-
8/11/2019 Apostila Probabilidade e Estatistica-
50/91
Probabilidade e Estatstica Luiz Roberto
PPooppuullaaoo?? Envolve: Estimao Teste de Hiptese
Propsito:
Tomar Decises sobre ascaractersticas da Populao
PPooppuullaaoo
AAmmoossttrraa
EEssttaattssttiiccaaAAmmoossttrraall
((XX))
EEssttiimmaattiivvaass&&tteesstteess
4.6 POPULAO
o conjunto, finito ou infinito, de indivduos ou objetos que
apresentam em comum determinadas caractersticas definidas, cujo
comportamento interessa analisar.
A populao estudada em termos de observaes de caractersticas nos
indivduos (animados ou inanimados) que sejam relevantes para o estudo, e no
em termos de pessoas ou objetos em si. O objetivo tirar concluses sobre o
fenmeno em estudo, a partir dos dados observados.Como em qualquer estudo estatstico temos em mente estudar uma ou mais
caractersticas dos elementos de uma populao, importante definir bem
essas caractersticas de interesse para que seja delimitado os elementos que
pertencem populao e quais os que no pertencem.
50
-
8/11/2019 Apostila Probabilidade e Estatistica-
51/91
Probabilidade e Estatstica Luiz Roberto
Exemplos:
1. Estudar os filhos tidos, tipo de moradia, condies de trabalho, tipo de
sanitrio. Nmeros de quartos para dormir, estado civil, uso da terra, tempo
de trabalho, local de nascimento, tipo de cultivo, etc., dos agricultores do
Estado do Amazonas.
Populao: Todos os agricultores (proprietrios de terra ou no) plantadores
das culturas existentes no Estado do Amazonas.
2. Estudar a precipitao pluviomtrica anual (em mm) na cidade de Manaus.
Populao: Conjunto das informaes coletadas pela Estao Pluviomtrica,
durante o ano.
4. As alturas dos cidados do Amazonas constituem uma populao ou a
populao dos pesos desses cidados.
EEssttaattssttiiccaaIInnffeerreenncciiaall((PPrroobbaabbiilliiddaaddee))
EEssttaattssttiiccaaDDeessccrriittiivvaa
AAmmoossttrraaggeemm
DadosPopulao
Diviso Da Populao
- Populao Finita: apresenta um nmero limitado de elementos. possvel
enumerar todos os elementos componentes.
Exemplos:
1. Idade dos universitrios do Estado do Par.
Populao: Todos os universitrios do Estado do Par.
- Populao Infinita: apresenta um nmero ilimitado de elementos. No
possvel enumerar todos os elementos componentes.
Entretanto, tal definio existe apenas no campo terico, uma vez que,
na prtica, nunca encontraremos populaes com infinitos elementos, mas sim,
51
-
8/11/2019 Apostila Probabilidade e Estatistica-
52/91
Probabilidade e Estatstica Luiz Roberto
populaes com grande nmero de componentes; e nessas circunstncias, tais
populaes so tratadas como se fossem infinitas.
Exemplos:
1. Tipos de bactrias no corpo humano
Populao: Todas as bactrias existentes no corpo humano.
2. Comportamento das formigas de certa rea
Populao: Todas as formigas da rea em estudo.
4.4 AMOSTRAGEM
a coleta das informaes de parte da populao, chamada
amostra (representada por pela letra n), mediante mtodos adequados de
seleo destas unidades.
4.5 AMOSTRA
uma parte (um subconjunto finito) representativa de uma
populao selecionada segundo mtodos adequados.
O objetivo fazer inferncias, tirar concluses sobre populaes
com base nos resultados da amostra, para isso necessrio garantir que
amostra seja representativa, ou seja, a amostra deve conter as mesmas
caractersticas bsicas da populao, no que diz respeito ao fenmeno que
desejamos pesquisar.
O termo induo um processo de raciocnio em que, partindo-se do
conhecimento de uma parte, procura-se tirar concluses sobre a realidade no
todo.
Ao induzir estamos sujeitos a erros. Entretanto, a Estatstica
Indutiva, que obtm resultados sobre populaes a partir das amostras, diz
qual a preciso dos resultados e com que probabilidade se pode confiar nas
concluses obtidas.
4.6 CENSO
o exame completo de toda populao.
Quanto maior a amostra, mais precisas e confiveis devero ser as
indues feitas sobre a populao. Logo, os resultados mais perfeitos so
obtidos pelo Censo. Na prtica, esta concluso muitas vezes no acontece: o
emprego de amostras, com certo rigor tcnico, pode levar a resultados mais
52
-
8/11/2019 Apostila Probabilidade e Estatistica-
53/91
Probabilidade e Estatstica Luiz Roberto
confiveis ou at mesmo melhores do que os que seriam obtidos atravs de um
Censo.
As razes de se recorrer a amostras so: menor custo e tempo para
levantar dados; melhor investigao dos elementos observados.
4.7 TIPOS DE VARIVEIS
Varivel Qualitativa
Quando seus valores so expressos por atributos ou qualidade.
Exemplos:
1) Populao: Estudantes universitrios do Estado do Par.
Variveis: sexo, profisso, escolaridade, religio, meio onde vivem (rural,
urbano).
2) Populao: Populao dos bairros perifricos do municpio de Belm.
Variveis: tipo de casa, existncia de gua encanada (sim, no), bairro de
origem.
Variveis qualitativas que no so ordenveis recebem o nome de nominais.
Exemplo: religio, sexo, raa, cor.
Raa do AM - 2005
Raa Freqncia
BrancaNegraPardaOutraTotal
Fonte: Fictcia
Variveis qualitativas que so ordenveis recebem o nome de ordinais.
Exemplo: nvel de instruo, classe social.
Classe social do AM - 2005Classe social Freqncia
Classe AClasse BClasse CClasse DTotal
Fonte: Fictcia
53
-
8/11/2019 Apostila Probabilidade e Estatistica-
54/91
Probabilidade e Estatstica Luiz Roberto
Varivel Quantitativa
Quando seus valores so expressos por nmeros. Esses nmeros podem ser
obtidos por um processo de contagem ou medio.
Exemplos:
1) Populao: Todos os agricultores do Estado do Par.
Variveis: nmero de filhos tidos, extenso da rea plantada, altura, idade.
2) Populao: Populao dos bairros perifricos do municpio de Belm
Variveis: nmero de quartos, rea da casa em m2, nmero de moradores.
A VARIVEL QUANTITATIVA DIVIDE-SE EM:
a. Varivel Discreta: so aquelas que podem assumir apenas valores inteiros
em pontos da reta real. possvel enumerar todos os possveis valores da
varivel.
Exemplos:
. Populao: Universitrios do Estado do Par.
Variveis: nmero de filhos, nmero de quartos da casa, nmero de moradores,
nmero de irmos.
b. Varivel Contnua: so aquelas que podem assumir qualquer valor num certo
intervalo (contnuo) da reta real. No possvel enumerar todos os possveis
valores.
. Populao: Todos os agricultores do Estado do Par.
Variveis: idade, renda familiar; extenso da rea plantada (em m2 ) , peso e
altura das crianas agricultoras.
4.8 DEFINIO DO PROBLEMA
A primeira fase do trabalho estatstico consiste em uma definio ou
formulao correta do problema a ser estudado e a seguir escolher a natureza
dos dados. Alm de considerar detidamente o problema objeto de estudo o
54
-
8/11/2019 Apostila Probabilidade e Estatistica-
55/91
Probabilidade e Estatstica Luiz Roberto
analista dever examinar outros levantamentos realizados no mesmo campo e
anlogos, uma vez que parte da informao de que necessita pode, muitas
vezes, ser encontrada nesses ltimos. Saber exatamente aquilo que pretende
pesquisar o mesmo que definir de maneira correta o problema.
Por exemplo:
- os preos dos produtos agrcolas produzidos no Estado do Par so menores
do que queles originados de outros Estados?
- qual a natureza e o grau de relao que existe entre a distribuio da
pluviosidade e a colheita do produto x?
- estudar uma populao por sexo: dividi-se os dois grupos em masculino e
feminino;
-estudar a idade dos universitrios, por grupos de idade: distribui-se ototal de casos conhecidos pelos diversos grupos etrios pr-estabelecidos;
- Analisar a capacidade de germinao de certo tipo de cereal:
Calcular a mdia, a mediana e a moda do nmero de sementes germinadas, ou
seja, descrever com alguns valores resultados obtidos.
Representar graficamente os resultados.
Calcular a proporo de vasos com mais de trs sementes germinadas.
4.9 DEFINIO DOS OBJETIVOS (GERAL E ESPECFICO)
definir com exatido o que ser pesquisado.
recomendvel ter em vista um objetivo para o estudo, em lugar de
coletar o material e defin-lo no decorrer do trabalho ou s no fim deste.
Objetivos mais comuns em uma pesquisa:
. Dados pessoais: grau de instruo, religio, nacionalidade, dados
profissionais, familiares, econmicos, etc.. Dados sobre comportamento: como se comportam segundo certas circunstncias.
Ex: possvel remanejamento da rea habitada.
. Opinies, expectativas, nveis de informao, angstias, esperanas,
aspiraes sobre certos assuntos.
. Dados sobre as condies habitacionais e de saneamento que avalie as
condies em que vivem e a qualidade de vida de certo grupo.
55
-
8/11/2019 Apostila Probabilidade e Estatistica-
56/91
Probabilidade e Estatstica Luiz Roberto
4.10 PLANEJAMENTO
Resultados / Concluses
Metodologiade
estudo
Metodologia
Estatstica
Anlise e interpretao dos dados
Apresentao dos dados
Coleta e crtica e apurao dos dados
Planejamento da pesquisa
Definio do Problema / Objetivos
O problema est definido. Como resolv-lo? Se atravs de amostra, esta
deve ser significativa para que represente a populao.
O planejamento consiste em se determinar o procedimento necessrio para
resolver o problema e, em especial, como levantar informaes sobre o assunto
objeto de estudo. Que dados devero ser coletados? Como se deve obt-los?
preciso planejar o trabalho a ser realizado tendo em vista o objetivo que se
pretende atingir.
nesta fase que ser escolhido o tipo de levantamento a ser utilizado,
que podem ser:a) levantamento censitrio, quando a contagem for completa, abrangendo todo o
universo;
b) levantamento por amostragem, quando a contagem for parcial.
Outros elementos importantes que devem ser tratados nessa fase so o
cronograma das atividades, atravs do qual so fixados os prazos para as
vrias fases, os custos envolvidos, o exame das informaes disponveis, o
delineamento da amostra, a forma como sero coletados os dados, os setores ou
reas de investigao, o grau de preciso exigido e outros.
4.11 COLETA DOS DADOS
Refere-se a obteno, reunio e registro sistemtico de dados, com o
objetivo determinado.
56
-
8/11/2019 Apostila Probabilidade e Estatistica-
57/91
Probabilidade e Estatstica Luiz Roberto
A escolha da fonte de obteno dos dados est diretamente relacionada
ao tipo do problema, objetivos do trabalho, escala de atuao e
disponibilidade de tempo e recursos.
a) Fontes primrias: o levantamento direto no campo atravs de mensuraes
diretas ou de entrevistas ou questionrios aplicados a sujeitos de interesse
para a pesquisa.
Vantagens: grau de detalhamento com respeito ao interesse dos quesitos
levantados; maior preciso das informaes obtidas.
b) Fontes secundrias: quando so publicados ou registrados por outra
organizao.
A coleta de dados secundrios se realiza atravs de documentos
cartogrficos (mapas, cartas, imagens e fotografias obtidas por sensor remoto
ou por fotogrametria e imagens de radar). Estas fontes de informao so de
extrema importncia.
Das fotografias areas em escalas reduzidas ou mais detalhadas, das
imagens de radares ou satlite e de cartas obtm-se informaes quanto ao uso
do solo, drenagem, estruturas virias e urbanas, povoamento rural, recursos
florsticos, minerais e pedolgicos, estrutura fundiria e de servios, dados
altimtricos, etc.
Vantagens: inclui um processo de reduo e agregao de informaes.
A coleta dos dados pode ser feita de forma direta ou indireta.
4.12 CRTICA DOS DADOS
A crtica dos dados deve ser feita com cuidado atravs de um trabalho
de reviso e correo, ao qual chamamos de crtica (consistncia), a fim de
no de incorrer em erros que possam afetar de maneira sensvel os resultados.
As perguntas dos questionrios uniformemente mal compreendidas, os
enganos evidentes, tais como somas erradas, omisses, trocas de respostas e
etc, so fceis de corrigir. necessrio, entretanto, que o crtico no faa
a correo por simples suposio sua, mas sim que tenha chegado a concluso
absoluta do engano.
Quelet dividiu a crtica em: externa e interna.
A crtica externa refere-se as imperfeies porventura existentes na
coleta dos dados, por deficincia do observador, por imperfeio do
instrumento de trabalho, por erro de registro nas fichas, impreciso nas
respostas aos quesitos propostos e outros fatores de erro que justificam um
57
-
8/11/2019 Apostila Probabilidade e Estatistica-
58/91
Probabilidade e Estatstica Luiz Roberto
verificao minuciosa dos dados coletados antes de iniciar a elaborao do
trabalho de anlise.
A crtica interna diz respeito a verificao da exatido das
informaes obtidas. mister examinar as respostas dadas, sanando
imperfeies e omisses, de forma que os dados respondam com preciso aos
quesitos formulados.
As informaes relativas a profisso no devem ser vagas como, por
exemplo: operrio, mas sim, oleiro, pedreiro, carpinteiro, etc., conforme o
caso.
O estado civil ser declarado: solteiro, casado, vivo ou desquitado.
Em resumo, os dados devem sofrer uma crtica criteriosa com o objetivo
de afastar os erros to comuns nessa natureza de trabalho. As informaes
inexatas ou omissas devem ser corrigidas. Os questionrios devem voltar a
fonte de origem sempre que se fizerem necessrio sua correo ou
complementao.
4.13 APURAO (ARMAZENAMENTO) DOS DADOS
um processo de apurao ou sumarizao que consiste em resumir os
dados atravs de sua contagem ou agrupamento. um trabalho de condensao e
de tabulao dos dados, que chegam ao analista de forma desorganizada.
Atravs da apurao, se tem a oportunidade de cond