Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Contedo
1.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.2.1
Experimento aleatrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Espao amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3
Eventos aleatrios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1
Interseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2
Excluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3
Unio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.4
Complementao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.5
Diferena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.6
1.3.7
Princpio da Dualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
1.3.8
Diferena Simtrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
1.4
Somatrios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
1.5
Produtrios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
1.6
Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
1.7
Exerccios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
1.3
27
i
CONTEDO
2.1
Conceitos bsicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
2.2
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
2.2.1
30
2.2.2
31
2.2.3
33
2.2.4
33
2.2.5
34
2.3
34
2.4
Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
3 Anlise combinatria
44
3.1
44
3.2
46
3.3
Permutaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
3.4
Arranjos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
3.5
Combinaes Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
3.6
56
3.6.1
Aplicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
3.7
Permutaes Circulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
68
3.8
69
3.9
71
74
75
80
4.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
4.2
80
4.3
83
Curso de Estatstica
ii
CONTEDO
4.4
Exerccios propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Probabilidade condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.1
92
94
94
5.2
5.3
112
6.1
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
6.2
Os teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.3
Curso de Estatstica
iii
Captulo 1
Probabilidade - Conceitos Bsicos
1.1
Introduo
No nosso cotidiano, lidamos sempre com situaes em que est presente a incerteza do
resultado, embora, muitas vezes, os resultados possveis sejam conhecidos. Por exemplo: o
sexo de um embrio pode ser masculino ou feminino, mas s saberemos o resultado exato
quando o experimento se concretizar, ou seja, quando o beb nascer. Se estamos interessados
na face voltada para cima quando jogamos um dado, os resultados possveis so 1, 2, 3, 4,
5, 6, mas s saberemos o resultado quando o experimento se completar, ou seja, quando o
dado atingir a superfcie sobre a qual foi lanado. conveniente, ento, dispormos de uma
medida que exprima a incerteza presente em cada um destes acontecimentos. Tal medida
a probabilidade.
1.2
1
6
1
6
1
6
1
6
1
6
Total
1
Suponhamos que uma mulher esteja grvida de trigmeos. Sabemos que cada beb
Sexo
MMM
1
Freq. terica
8
MMF
MFM
FMM
FFM
FMF
MFF
FFF
1
8
1
8
1
8
1
8
1
8
1
8
1
8
Total
1
Por outro lado, se s estamos interessados no nmero de meninas, esse mesmo experimento leva ao seguinte modelo probabilstico:
Meninas
Freq. terica
1
8
3
8
3
8
1
8
Total
1
1.2.1
Experimento aleatrio
1.2.2
Espao amostral
1.2.3
Eventos aleatrios
O lanamento de uma moeda um experimento aleatrio, uma vez que, em cada lanamento,
mantidas as mesmas condies, no podemos prever qual das duas faces (cara ou coroa) cair
para cima. Por outro lado, se colocarmos uma panela com gua para ferver e anotarmos a
temperatura de ebulio da gua, o resultado ser sempre 100o C. Logo, este um experimento
determinstico.
EXEMPLO 1.2 Lanamento de um dado
Seja o experimento que consiste em medir, em decibis, diariamente, durante um ms, o nvel
de rudo na vizinhana da obra de construo do metr em Ipanema. O espao amostral
associado a este experimento formado pelos nmeros reais positivos, sendo, portanto, um
espao amostral contnuo. Um evento: observar nveis superiores a 80 decibis, representado
pelo intervalo (80, ) , que corresponde a situaes de muito barulho.
EXEMPLO 1.5 Bolas em uma urna
Soluo
Considerando a numerao das bolas, o espao amostral pode ser definido como:
= {(i, j) : i = 1, 2, 3, 4; j = 1, 2, 3, 4; i 6= j}
= {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4), (3, 1), (3, 2), (3, 4), (4, 1), (4, 2), (4, 3)}
Os eventos so:
A = {(i, j) : i = 1, 2; j = 1, 2, 3, 4; i 6= j}
= {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4)}
B = {(i, j) : i = 1, 2, 3, 4; j = 1, 2; i 6= j}
= {(2, 1), (3, 1), (4, 1), (1, 2), (3, 2), (4, 2)}
C = {(i, j) : i = 1, 2; j = 1, 2; i 6= j}
= {(1, 2), (2, 1)}
EXEMPLO 1.6 Cartas de um baralho
Trs cartas so retiradas, sem reposio, de um baralho que tem trs cartas de cada uma
das cores azul, vermelha, preta e branca. D um espao amostral para esse experimento e
liste os eventos:
A:
B:
C:
D:
Soluo
Vamos denotar por A, V , P e B as cores azul, vermelha, preta e branca, respectivamente.
Ento
= {(x1 , x2 , x3 ) : xi = A, V , P, B; i = 1, 2, 3}
Os eventos so:
A = {(V , V , V )}
B = {(V , A, P), (V , P, A), (A, V , P), (A, P, V ), (P, V , A), (P, A, V )}
Curso de Estatstica
(B, A, P), (B, P, A), (A, B, P), (A, P, B), (P, B, A), (P, A, B)
Como temos quatro cores diferentes e apenas trs extraes, no possivel obter todas
as cores; logo,
D =
1.3
1.3.1
Interseo
x AB
xA
xB
(1.1)
1.3.2
Excluso
Dois eventos A e B so mutuamente exclusivos quando eles no podem ocorrer simultaneamente, isto , quando a ocorrncia de um impossibilita a ocorrncia do outro. Isto significa
dizer que os eventos A e B no tm elementos em comum. Ento, dois eventos A e B so
mutuamente exclusivos quando sua interseo o conjunto vazio, isto , A B = (ver
Figura 1.2).
1.3.3
Unio
x AB
xA
ou
xB
(1.2)
Curso de Estatstica
1.3.4
Complementao
O complementar de um evento A, denotado por A ou Ac , a negao de A. Ento, o complementar de A formado pelos elementos que no pertencem a A (ver Figura 1.4).
xA
x
/ A
AA=
(1.3)
(1.4)
Curso de Estatstica
1.3.5
Diferena
x A\B
xA
x
/ B
x AB
A = (A \ B) (A B)
(1.5)
(1.6)
1.3.6
(1.7)
A = A
A = A
(1.8)
3. Involuo
=
=
(1.9)
AA =
AA =
(1.10)
A = (Ac )c = A
4. Idempotncia
AA = A
AA = A
(1.11)
AB = BA
AB = BA
(1.12)
5. Comutatividade
Curso de Estatstica
(1.13)
A (B C ) = (A B) (A C )
A (B C ) = (A B) (A C )
(1.14)
7. Distributividade
C
A
C
B
10
C
A
C
B
8. Absoro
A (A B) = A
A (A B) = A
(1.15)
AB = AB
AB = AB
(1.16)
9. Leis de De Morgan
11
1.3.7
Princpio da Dualidade
Seja E uma equao da lgebra dos conjuntos. Por exemplo, A = A. O dual de E, denotado
por E , a equao obtida a partir de E substituindo-se cada ocorrncia de , , , por
, , , , respectivamente. Por exemplo, o dual de A = A A = A. O princpio da
dualidade estabelece que, se uma equao E da lgebra dos conjuntos verdadeira, ento
seu dual E tambm o .
Note que as propriedades acima esto organizadas aos pares e em cada par uma
equao o dual da outra.
1.3.8
Diferena Simtrica
(ou exclusivo)
Curso de Estatstica
12
(A B) \ (A B)
(A B) (A B)
(A B) (A B)
(A A) (A B) (B A) (B B)
(A B) (B A)
(A B) (B A)
(A \ B) (B \ A)
A A = (A A) \ (A A) = A \ A = A A =
A=A
De fato:
A = (A ) \ (A ) = A \ = A = A = A
Comutatividade: A B = B A
Segue direto da comutatividade da unio e da interseo.
Distributiva em relao interseo: A (B C ) = (A B) (A C )
De fato:
(A B) (A C ) =
=
=
=
=
=
Associatividade: (A B) C = A (B C )
Curso de Estatstica
13
14
1.4
Somatrios
i2 = 12 + 22 + 32 + 42 + 52
i=1
A expresso geral
n
X
xi = x1 + x2 + + xn
(1.17)
i=1
= (x1 + x2 + + xn ) + (y1 + y2 + + yn ) =
n
n
X
X
=
xi +
yi
i=1
n
X
(1.18)
i=1
(1.19)
i=1
= k(x1 + x2 + + xn ) =
n
X
= k
xi
i=1
n
X
k = k + k + + k = nk
(1.20)
i=1
n X
m
X
i=1 j=1
xi yj =
n
X
i=1
xi
m
X
yj
(1.21)
j=1
15
i=1 j=1
= (x1 + x2 + + xn )(y1 + + ym )
m
n
X
X
yj
= =
xi
j=1
i=1
xi2 6=
i=1
n
X
!2
xi
(1.22)
i=1
i=1
e
n
X
!2
xi
= (x1 + x2 + + xn )2
i=1
n
X
i=1
n
X
xi yi 6=
n
X
i=1
!
xi
n
X
!
yi
(1.23)
i=1
xi yi = x1 y1 + x2 y2 + + xn yn
i=1
n
X
i=1
!
xi
n
X
!
yi
= (x1 + x2 + + xn )(y1 + y2 + + yn )
i=1
importante que voc entenda bem a diferena entre as expresses 1.21 e 1.23.
EXEMPLO 1.12
Curso de Estatstica
16
6
X
xi
i=1
6
X
fi
i=1
i
fi
xi
1
3
10
6
X
f i xi
i=1
2
5
11
3
9
15
4
10
19
fi xi2
i=1
5
2
21
6
1
26
Soluo
6
X
xi = 10 + 11 + 15 + 19 + 21 + 26 = 102
i=1
6
X
fi = 3 + 5 + 9 + 10 + 2 + 1 = 30
i=1
6
X
fi xi = 3 10 + 5 11 + 9 15 + 10 19 + 2 21 + 1 26 = 478
i=1
6
X
i=1
1.5
Produtrios
Assim como para somatrios, podemos representar de forma compacta o produto de vrios
termos. Usaremos, agora, a letra grega maiscula pi, . Temos, ento, que
n
Y
xi = x1 x2 xn
(1.24)
i=1
(1.25)
i=1
= (x1 x2 xn )(y1 y2 yn )
! n !
n
Y
Y
=
xi
yi
i=1
Curso de Estatstica
i=1
17
n
Y
i=1
n
Y
!
xi
(1.26)
i=1
n
Y
k = k k k = kn
(1.27)
i=1
n
Y
i=1
1.6
n
Y
!k
xi
(1.28)
i=1
Exerccios Resolvidos
1.1 Sejam A, B, C trs eventos de um espao amostral. Exprima os eventos abaixo usando
as operaes unio, interseo e complementao:
(a) somente A ocorre;
(b) A, B e C ocorrem;
(c) pelo menos um ocorre;
(d) exatamente dois ocorrem.
Soluo
Curso de Estatstica
18
B = {(3, 6) , (4, 5) , (4, 6) , (5, 4) , (5, 5) , (5, 6) , (6, 3) , (6, 4) , (6, 5) , (6, 6)}
(1, 6) , (2, 6) , (3, 6) , (4, 6) , (5, 6) , (6, 6) ,
C=
(6, 1) , (6, 2) , (6, 3) , (6, 4) , (6, 5)
A B = {(4, 6) , (5, 5) , (6, 4) , (6, 6)}
19
Curso de Estatstica
20
Curso de Estatstica
21
[(A B) C ] (A B) D]
[C (A B)] [D (A B)]
[(C A) (C B)] [(D A) (D B)]
(A C ) (B C ) (A D) (B D)
(A B) (A B) = A
Soluo
(A B) (A B) = (A A) (A B) (B A) (B B)
=A
(A B) (B A)
= A (A B) (B A)
= A (B A)
=A
1.7
(Exerccio 1.5)
(Idempotncia)
(Associativa)
(A B) A
(B A A)
Exerccios Propostos
22
23
24
25
Curso de Estatstica
26
Captulo 2
Princpio da Induo Matemtica
2.1
Conceitos bsicos
Neste captulo, estudaremos o princpio da induo matemtica, que uma importante ferramenta para demonstrao da veracidade de sentenas abertas definidas no conjunto dos
nmeros naturais.
n
X
i2 =
i=1
n(n + 1)(2n + 1)
se calcularmos P(1), P(2), P(3) veremos que elas so
6
verdadeiras.
A questo que se coloca : como demonstrar que uma sentena aberta verdadeira
para todo n N? Precisamos da seguinte definio.
27
Dito de outra forma, o nico subconjunto de N que satisfaz as condies (1) e (2) acima o
prprio N. Aassim, para demonstrar, por induo, que uma sentena aberta P(n) verdadeira
para todo n N, basta mostrar que seu conjunto verdade V satisfaz a essas condies, o
que implicar que V = N.
Note que a hiptese (1) equivalente a dizer que 1 V e a hiptese (2) equivalente a
n V n + 1 V . Pelo princpio da induo matemtica, resulta que V = N.
Curso de Estatstica
28
Antes de passarmos aos exemplo, iremos apresentar uma segunda verso do teorema.
Induo completa
Curso de Estatstica
29
2.2
Exemplos
2.2.1
= 1
= n
+
2
+
+ n1 +
+ n
+ 1
=
1
=
n
= (n + 1)
+
2
+
+ n 1 +
+ (n + 1) +
+
n
+
1
+ (n + 1)
o que resulta em
2Sn = n(n + 1) Sn =
Curso de Estatstica
n(n + 1)
2
30
n(n + 1)
2
n N
verdadeira.
Passo 1: Vamos provar que P(1) verdadeira.
De fato: S1 = 1 =
1(1 + 1)
.
2
n(n + 1)
2
(n + 1)(n + 2)
2
Sn+1 = 1 + 2 + + n + (n = 1) = Sn + (n + 1)
n(n + 1)
n(n + 1) + 2(n + 1)
(n + 1)(n + 2)
+ (n + 1) =
=
2
2
2
2.2.2
n
X
i(i + 1) =
i=1
n
X
i=1
i(i + 1) =
n(n + 1)(n + 2)
3
(2.2)
n(n + 1)(n + 2)
3
Curso de Estatstica
31
De fato:
i(i + 1) = 2 =
i=1
1(1 + 1)(1 + 2)
.
3
HI:
i(i + 1) =
i=1
n+1
X
Tese:
n(n + 1)(n + 2)
3
i(i + 1) =
i=1
(n + 1)(n + 2)(n + 3)
3
De fato:
n+1
X
i(i + 1) =
i=1
n
X
i(i + 1) + (n + 1)(n + 2)
i=1
n(n + 1)(n + 2)
+ (n + 1)(n + 2)
3
n(n + 1)(n + 2) + 3(n + 1)(n + 2)
=
3
(n + 1)(n + 2)(n + 3)
=
3
Curso de Estatstica
32
2.2.3
i2 .
i=1
n
X
i(i + 1) =
i=1
n
X
i +
2
i=1
i=1
i=1
n
X
i=1
n(n + 1)(n + 2)
3
n
n(n + 1)(n + 2) X
i =
i
3
i=1
i2 =
i2 =
i=
i=1
n
X
n
X
n
X
n(n + 1)(n + 2)
3
2
6
n
X
i2 =
i=1
2.2.4
n(n + 1)(2n + 1)
6
(2.3)
n
X
(2i 1) = n2
n N
i=1
Nossa sentena
P(n) :
n
X
(2i 1) = n2
i=1
De fato:
(2i 1) = 1 = 12 .
i=1
HI:
(2i 1) = n2
i=1
Curso de Estatstica
33
Tese:
i=1
(2i 1) = (n + 1)2
De fato:
n+1
X
i=1
(2i 1) =
n
X
i=1
2.2.5
Vamos provar que a soma dos cubos de trs nmeros naturais consecutivos sempre divisvel
por 9. Nossa sentena, ento, :
Pn :
n3 + (n + 1)3 + (n + 2)3 = 9 k
9 k + (n + 3)3 n3
9 k + n3 + 9n2 + 27n + 27 n3
9(k + n2 + 3n + 3)
9k 0
2.3
Define-se uma expresso En , por recorrncia, para todo nmero natural n em duas etapas:
(i) define-se claramente E1 e (ii) estabelece-se uma forma de se obter En+1 a partir de En .
Curso de Estatstica
34
n 2
Este exemplo ilustra um outro conceito importante, que ser bastante til. Note que,
a cada n N, associamos um nmero Sn , ou seja, definimos uma funo cujo domnio o
conjunto dos nmeros naturais. Essa a definio de sequncia.
DEFINIO Sequncia
Uma sequncia a em um conjunto A uma funo definida em N e tomando
valores em A, ou seja, uma funo
a : N
n 7
A
a(n)
(2.4)
ou ainda por
(2.5)
a(n) : a1 , a2 , , an ,
(2.6)
35
Curso de Estatstica
36
Curso de Estatstica
S1
S2
S3
S4
S5
S6
=1
= S1 + F2
= S2 + F3
= S3 + F4
= S4 + F5
= S5 + F6
=2
=4
=7
= 12
= 17
37
Fi = Fn+2 1
(2.7)
i=1
Embora a sequncia de Fibonacci seja formada apenas por nmeros naturais, a forma
fechada para o termo geral da sequncia envolve numeros irracionais. Voc ir provar, no
Exerccio 2.5, o seguinte resultado:
Fn =
n
1+ 5
2
n
1 5
2
(2.8)
Vamos desenvolver os primeiros termos de uma p.a. para ver se conseguimos estabelecer uma frmula fechada para o termo geral da progresso.
a1
a2
a3
a4
Curso de Estatstica
=
=
=
=
a1
a1 + r
a2 + r = (a1 + r) + r = a1 + 2r
a3 + r = (a1 + 2r) + r = a1 + 3r
38
Considere os n primeiros termos de uma p.a. e tome a soma de dois termos equidistantes
de cada um dos extremos.
a1 + an
a2 + an1
a3 + an2
ai + an(i1)
= a1 + an+11
= a2 + an+12
= a3 + an+13
= ai + an+1i
(2.10)
(2.11)
Vamos usar este resultado para determinar a soma dos n primeiros termos de uma p.a.
de razo r. Vamos denotar por Sn essa soma, ou seja,
Sn = a1 + a2 + + an
(2.12)
=
a1
+
a2
+
=
an
+
an1
+
= (a1 + an ) + (a2 + an1 ) +
Curso de Estatstica
+
an1
+
a2
+ (an1 + a2 )
+
an
+
a1
+ (an + a1 )
39
(2.13)
Como no caso da soma dos n primeiros nmeros naturais, esse artifcio no consiste
em uma prova formal. Vamos demonstrar, por induo, que a soma dos n primeiros termos
de uma p.a. de razo r dada por 2.13.
P(1) verdadeira, pois S1 = a1 =
1 (a1 + a1 )
2
Sn+1 = Sn + an+1 =
=
=
=
=
=
=
=
Curso de Estatstica
40
Vamos desenvolver os primeiros termos de uma p.g. para ver se conseguimos estabelecer uma frmula fechada para o termo geral da progresso.
a1
a2
a3
a4
=
=
=
=
a1
a1 q
a2 q = (a1 q) q = a1 q2
a3 q = (a1 q2 ) q = a1 q3
Com esses termos iniciais, podemos antecipar a forma fechada do termo geral de uma
p.g. de razo q:
an = a1 qn1
(2.14)
Vamos provar, por induo, que essa frmula est correta.
P(1) verdadeira, pois a1 = a1 q11 .
Vamos supor P(n) verdadeira, ou seja, an = a1 qn1 e vamos provar que P(n + 1)
tambm verdadeira. De fato:
an+1 = an q = (a1 qn1 ) q = a1 qn
e isso completa a prova.
Vamos, agora, determinar a soma dos n primeiros termos de uma p.g. de razo q. Vamos
denotar por Sn essa soma, ou seja,
Sn = a1 + a2 + a3 + + an1 + an = a1 + qa1 + q2 a1 + + qn2 a1 + qn1 a1
(2.15)
41
Sn
qSn
Sn qSn
= a1
= qa1
= a1
+
+
+
qa1
+
q2 a1
+
(qa1 qa1 ) +
q2 a1
q3 a1
(q2 a1 q2 a1 )
+
+
+
+
+
+
qn2 a1
+ qn1 a1
qn1 a1
+ qn a1
(qn1 a1 qn1 a1 ) qn a1
Logo,
qSn Sn = qn a1 a1 =
qn a1 a1
qan a1
Sn =
=
q1
q1
(2.16)
Como no caso da soma dos n primeiros termos de uma p.a., esse artifcio no consiste
em uma prova formal. Vamos demonstrar, por induo, que a soma dos n primeiros termos
de uma p.g. de razo q dada por 2.16.
P(1) verdadeira, pois S1 = a1 =
(q 1)a1
qa1 a1
=
q1
q1
Sn+1 = Sn + an+1 =
=
=
=
=
2.4
Exerccios propostos
(a)
i=1
n
X
(b)
i3 =
n
X
!2
i
i=1
(2i 1)2 =
i=1
Curso de Estatstica
n(2n 1)(2n + 1)
3
42
(c)
i=1
n
X
(d)
i=1
1
n
=
(2n 1)(2n + 1)
2n + 1
n
1
=
(3n 2)(3n + 1)
3n + 1
(a)
i 2i1 = 1 + (n 1) 2n
i=1
n
Y
(b)
1+
i=2
i1
1
i1
nn1
=
(n 1)!
(c) n! > 2n , se n 4
2.3 Uma progresso aritmtico-geomtrica uma sequncia (an ) tal que a1 , q e r so
nmeros reais dados com q 6= 1, e, para todo n N, tem-se que
an+1 = qan + r
Note que tal sequncia uma mistura de uma p.a. e uma p.g..
(a) A partir dos primeiros termos de tal sequncia, deduza a forma fechada para o termo
geral an . Prove, por induo, que essa frmula vlida.
(b) Se Sn a soma dos n primeiros termos, prove que
qn 1
qn 1
n
Sn = a1
+r
+
r
q1
(q 1)2
1q
(2.17)
2.4 Prove o resultado (2.7) referente soma dos n primeiros nmeros de Fibonacci.
2.5 Prove o resultado (2.8) referente ao termo geral da sequncia de Fibonacci.
!2
1 5
3 5
Dica:
=
2
2
Curso de Estatstica
43
Captulo 3
Anlise combinatria
Neste captulo iremos trabalhar com espaos amostrais finitos. Veremos, ento, diversas
tcnicas de contagem do nmero de elementos de eventos desses espaos amostrais. Dado
um evento qualquer A, representaremos por n(A) o nmero de elementos de A.
3.1
(3.1)
A1
A2
A5
A3
A6
A7
i=1
A seguir apresentamos alguns resultados, que so consequncias diretas do princpio fundamental da adio.
Como A A = e A A = , resulta que
n() = n(A) + n(A) = n(A) = n() n(A)
(3.3)
Analogamente,
(3.4)
(3.5)
(3.6)
Curso de Estatstica
45
n[(A B) C ]
n(A B) + n(C ) n[(A B) C )]
n(A) + n(B) n(A B) + n(C ) n[(A C ) (B C )]
n(A) + n(B) n(A B) + n(C ) n(A C ) n(B C ) + n(A C B C ) =
n(A) + n(B) + n(C ) n(A B) n(A C ) n(B C ) + n(A C B C )
3.2
Para ilustrar o segundo princpio fundamental da contagem, considere o experimento aleatrio que consiste no sorteio aleatrio de um homem e uma mulher de um grupo de pessoas
formado por trs homens (h1 , h2 , h3 ) e cinco mulheres (m1 , m2 , m3 , m4 , m5 ). Qual a cardinalidade do espao amostral deste experimento, ou seja, quantos casais podem ser formados
com essas pessoas?
O espao amostral
h1 m1 , h1 m2 , h1 m3 , h1 m4 , h1 m5 ,
h2 m1 , h2 m2 , h2 m3 , h2 m4 , h2 m5 ,
=
h3 m1 , h3 m2 , h3 m3 , h3 m4 , h3 m5 ,
Mas se estamos interessados apenas no nmero de elementos de , devemos notar que h
cinco casais nos quais o homem h1 , cinco nos quais o homem h2 e outros cinco nos quais
o homem h3 , perfazendo um total de 3 5 = 15 casais. Esse exemplo ilustra o princpio
fundamental da multiplicao.
Se temos k decises d1 , d2 , . . . , dk que podem ser tomadas de n1 , n2 , . . . , nk maneiras respectivamente, ento o nmero de maneiras de tomar as decises d1 e d2 e e dk
n1 n2 nk .
46
Um prdio possui oito portas. De quantas maneiras posso entrar e sair desse prdio, se no
quero usar na sada a mesma porta que usei na entrada?
Soluo
Para a entrada, posso escolher qualquer uma das oito portas. Escolhida a porta de
entrada, sobram sete portas para a sada. Logo, existem 8 7 = 56 maneiras de entrar e
sair por portas diferentes.
EXEMPLO 3.4 Nmeros pares de trs algarismos distintos
Quantos nmeros pares de trs algarismos distintos podemos formar com os algarismos
1, 2, 3, 4, 5, 6?
Soluo
Para que o nmero seja par, ele tem que terminar com 2, 4 ou 6. Seja, ento, P o evento
de interesse Vamos denotar por A2 o evento nmero par que termina com 2 e de maneira
anloga, definimos os eventos A4 e A6 . Resulta que A2 , A4 e A6 so mutuamente exclusivos
dois a dois e P = A2 A4 A6 . Pelo princpio da adio, resulta que n(P) = n(A2 )+n(A4 )+n(A6 ).
Para calcular n(A2 ), note que o ltimo algarismo 2 e sobram duas posies para serem
preenchidas com algarismos distintos escolhidos entre 1, 3, 4, 5, 6. Para a primeira posio,
temos cinco possibilidades; escolhida a primeira posio, sobram quatro para a segunda
posio. Pelo principio fundamental da multiplicao existem 5 4 = 20 nmeros pares com
trs algarismos distintos terminando com 2, ou seja, n(A2 ) = 20. Analogamente, n(A4 ) = 20
e n(A6 ) = 20, o que implica que n(P) = 20 + 20 = 20 = 60.
Curso de Estatstica
47
3.3
Permutaes
Consideremos quatro objetos distintos a1 , a2 , a3 , a4. De quantas maneiras podemos ordenlos? Vamos listar todas as possibilidades.
a1 a2 a3 a4
a1 a4 a2 a3
a2 a3 a1 a4
a3 a1 a2 a4
a3 a4 a1 a2
a4 a2 a1 a3
a1 a2 a4 a3
a1 a4 a3 a2
a2 a3 a4 a1
a3 a1 a4 a2
a3 a4 a2 a1
a4 a2 a3 a1
a1 a3 a2 a4
a2 a1 a3 a4
a2 a4 a1 a3
a3 a2 a1 a4
a4 a1 a2 a3
a4 a3 a1 a2
a1 a3 a4 a2
a2 a1 a4 a3
a2 a4 a3 a1
a3 a2 a4 a1
a4 a1 a3 a2
a4 a3 a2 a1
Cada uma dessas ordenaes chamada uma permutao simples. Podemos ver que o
nmero de tais permutaes bem grande. Note que, para apenas quatro objetos, temos 24
permutaes. O clculo do nmero de permutaes uma consequncia direta do princpio
da multiplicao.
Consideremos, ento, n objetos distintos a1 , a2 , . . . , an. Para a primeira posio, temos
n possibilidades. Para a segunda, escolhida a primeira, sobram n1 objetos. Para a terceira,
escolhidas a primeira e a segunda posies, sobram n2 objetos. Continuando, para a ltima
posio, escolhidas as n 1 anteriores, sobra apenas 1 objeto.
Pelo princpio da multiplicao, o nmero total de permutaes, que denotaremos por
Pn n (n 1) (n 2) 1, e esse nmero, por definio, o fatorial de n. Temos,
assim, o seguinte resultado.
Permutaes simples
Dados n objetos distintos, o nmero de permutaes simples de tais objetos dado por
Pn = n (n 1) (n 2) 2 1 = n!
(3.7)
Anagrama: Palavra ou frase formada pela transposio das letras de outra palavra ou frase.
E dizem que a Iracema do romance de Alencar o anagrama de Amrica (Joo Ribeiro, Curiosidades verbais,
p. 76).
Curso de Estatstica
49
3.4
Arranjos
Curso de Estatstica
50
(10 9 8 7) (6 5 4 3 2 1)
(6 5 4 3 2 1)
(10 9 8 7) 6!
=
6!
10!
10!
=
=
6!
(10 4)!
10 9 8 7 =
Vamos ver, agora, o caso geral. Para calcular o nmero de arranjos de k dentre n
objetos distintos, devemos notar que, para a primeira posio, existem n possibilidades. Para
a segunda, n 1 possibilidades. Para a k-sima e ltima posio, j foram escolhidos k 1
objetos; portanto, sobram n(k 1), ou seja, para a k-sima posio, h n(k 1) = nk +1
possibilidades.
Logo, o nmero total de arranjos de k elementos, tomados dentre n objetos distinos
n (n 1) (n k + 1) . Vamos denotar por Ank esse nmero.
Ank = n (n 1) (n k + 1)
Vamos usar o mesmo artifcio para simplificar essa frmula.
Ank = n (n 1) [n (k 1)]
= n (n 1) [n (k 1)]
(n k)!
=
(n k)!
n (n 1) (n k + 1) (n k) (n k 1) 2 1
=
(n k)!
n!
=
(n k)!
=
Arranjos simples
n!
(n k)!
(3.8)
importante notar que, sendo a definio de arranjo uma generalizao de permutao (note
que uma permutao um arranjo em que k = n), a ordem dos elementos relevante, ou
seja, a1 a2 a3 diferente de a3 a1 a2 .
Curso de Estatstica
51
20!
20 19 18 17!
=
= 20 19 18 = 6.840
17!
17!
De um grupo de 15 pessoas deve ser extrada uma comisso formada por um presidente,
um vice-presidente e um secretrio. Quantas comisses possvel formar?
Soluo
A ordem aqui importa, j que os cargos no so equivalentes. Assim, a soluo
3
A15
=
15!
= 12 11 10 = 1320
12!
O segredo de um cofre formado por uma sequncia de trs dgitos escolhidos entre
0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Suponha que uma pessoa saiba que o segredo formado por trs
algarismos distintos. Qual o nmero mximo de tentativas que ela ter de fazer para abrir
o cofre?
Soluo
Nos segredos de cofre, a ordem importa. Como os algarismos so distintos, a resposta
3
A10
= 10 9 8 = 720
Curso de Estatstica
52
3.5
Combinaes Simples
Vamos considerar agora, a situao anloga a um arranjo, mas onde a ordem no importa,
ou seja, a1 a2 a3 igual a a3 a1 a2 .
A ttulo de ilustrao, consideremos a situao na qual temos cinco objetos distintos
5!
= 60. Vamos list-los.
dos quais vamos selecionar trs. Como visto, o nmero de arranjos
2!
Objetos envolvidos
(1,2,3)
a1 a2 a3
a1 a3 a2
a2 a1 a3
a2 a3 a1
a3 a1 a2
a3 a2 a1
(1,2,4)
a1 a2 a4
a1 a4 a2
a2 a1 a4
a2 a4 a1
a4 a1 a2
a4 a2 a1
(1,2,5)
a1 a2 a5
a1 a5 a2
a2 a1 a5
a2 a5 a1
a5 a1 a2
a5 a2 a1
(1,3,4)
a1 a3 a4
a1 a4 a3
a3 a1 a4
a3 a4 a1
a4 a1 a3
a4 a3 a1
(1,3,5)
a1 a3 a5
a1 a5 a3
a3 a1 a5
a3 a5 a1
a5 a1 a3
a5 a3 a1
(1,4,5)
a1 a4 a5
a1 a5 a4
a4 a1 a5
a4 a5 a1
a5 a1 a4
a5 a4 a1
(2,3,4)
a2 a3 a4
a2 a4 a3
a3 a2 a4
a3 a4 a2
a4 a2 a3
a4 a3 a2
(2,3,5)
a2 a3 a5
a2 a5 a3
a3 a2 a5
a3 a5 a2
a5 a2 a3
a5 a3 a2
(2,4,5)
a2 a4 a5
a2 a5 a4
a4 a2 a5
a4 a5 a2
a5 a2 a4
a5 a4 a2
(3,4,5)
a3 a4 a5
a3 a5 a4
a4 a3 a5
a4 a5 a3
a5 a3 a4
a5 a4 a3
Esta listagem est organizada de modo que, em cada coluna, os objetos envolvidos
so os mesmos. Note o seguinte: como a ordem no importa, os elementos de cada coluna
so iguais, ou seja, s precisamos de um deles. Mas em cada coluna temos as permutaes
dos trs objetos envolvidos. Logo, o nmero de elementos em cada coluna neste exemplo
3! = 6. Como s precisamos de um de cada 3!, o nmero total
5!
60
=
.
3!
2!3!
Ilustramos com esse exemplo o conceito e o clculo do nmero de combinaes simples
de n elementos distintos tomados k a k. Dado um conjunto de n elementos distintos, a combinao dos n elementos tomados k a k nos d o nmero de subconjuntos com k elementos
(note que, em um conjunto, a ordem dos elementos no importa).
Combinaes simples
Curso de Estatstica
53
De um grupo de oito homens e cinco mulheres devem ser escolhidos trs homens e
trs mulheres para formar uma comisso. Quantas comisses podem ser formadas se Joo e
Maria, que pertencem ao grupo original, no aceitam participar em conjunto da comisso?
Soluo
8
5
O nmero total de comisses
= 126
=
2!5! 2!2!
2
2
2
2
Logo, o nmero de comisses em que Joo e Maria no esto juntos 560 126 = 434.
Curso de Estatstica
54
60
6
60!
6!54!
60 59 58 57 56 55 54!
=
6 5 4 3 2 1 54!
= 50.063.860
=
1
= 0, 000000019974.
50.063.860
Curso de Estatstica
55
= 6.300
1
4
4
2
2
n (n 1)
1
= 780 n2 n 1.560 = 0 n =
2
1 + 6.240
1 79
=
2
2
As razes de tal equao so n = 40 e n = 39. Como n tem que ser positivo, a soluo
n = 40 partidas.
3.6
O tringulo de Pascal um quadro em formato de um tringulo (que consideraremos retngulo para facilitar a exibio), formado pelos nmeros binomiais dispostos da seguinte forma:
Curso de Estatstica
56
1
1
1
1
1
1
1
..
.
1
1
1
1
1
1
Cada elemento no interior do tringulo obtido como a soma do elemento imediatamente acima e do primeiro elemento acima esquerda; o processo recursivo de construo
se faz linha a linha, iniciando-se na segunda linha,conforme ilustrado a seguir:
Linha
0
1
2
3
4
5
6
..
.
Linha
0
1
2
3
4
5
6
..
.
Curso de Estatstica
1
1 1
1 2 1
1 3
1
1
1
..
.
1
1
1
1
1
1
1
..
.
1
2 1
1
1
1
1
1
1
1
1
Linha
0
1
2
3
4
5
6
..
.
1
1 1
1 2 1
1 3 3
1
1
1
..
.
1
1
1
1
57
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
2 1
3 3 1
4
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
1
1
1
..
.
1
2 1
3 3 1
4 6
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
1
1
1
..
.
1
2 1
3 3 1
4 6 4
1
1
Continuando com esse procedimento, obtm-se o tringulo de Pascal a seguir (note que
esse tringulo tem infinitas linhas e infinitas colunas...)
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
2
3
4
5
6
1
3
6
10
15
1
4
10
20
1
5
15
1
6
Os nmeros que aparecem em cada linha do tringulo nada mais so que os nmeros
binomiais. Numerando
elemento
as linhas e colunas do tringulo a partir de zero,o
da linha
n
n
n
n e coluna k
. Ento, em cada linha n, os elementos vo desde
at
.
k
0
n
0
1
2
3
4
5
6
..
.
0
1
1
1
1
1
1
1
1
1
2
3
4
5
6
1
3
6
10
15
1
4
10
20
1
5
15
1
6 1
0
0
0
1
0
2
0
3
0
4
0
5
0
6
0
1
1
2
1
3
1
4
1
5
1
6
1
2
2
3
2
4
2
5
2
6
2
3
3
4
3
5
3
6
3
4
4
5
4
6
4
5
5
6
5
6
6
Existem vrios resultados sobre os nmeros combinatrios e vrias propriedades associadas s linhas e colunas do tringulo de Pascal. A propriedade utilizada na construo do
tringulo a propriedade j vista dos nmeros binomais, chamada Relao de Stifel.
Curso de Estatstica
58
Relao de Stifel
Demonstrao
n
n
n!
n!
+
=
+
=
k
k +1
k! (n k)! (k + 1)! (n k 1)!
n!
n!
=
=
+
k! (n k) (n k 1)! (k + 1) k! (n k 1)!
n! (k + 1) + n! (n k)
n! (k + 1 + n k)
=
=
=
(k + 1)! (n k)!
[(k + 1) k!] [(n k) (n k 1)!]
(n + 1)!
n! (n + 1)
n+1
=
=
=
(k + 1)! (n k)!
(k + 1)! (n k)!
k +1
Considere a n-sima linha do tringulo de Pascal e seja k < n. Ento, nk o elemento
n
que est na linha n avanado de k colunas em relao ao incio da linha; j nk
o
elemento que est na linha
n
atrasado
de
k
colunas
em
relao
ao
final
da
linha.
Nmeros
n
combinatrios como nk e nk
so chamados combinaes complementares.
Curso de Estatstica
59
n
nk
n!
n!
=
=
=
(n k)! [n (n k)]!
k! (n k)!
n
k
n
X
n
j=0
(3.12)
= 2n
Demonstrao
n
Como visto, o nmero combinatrio
d o nmero de subconjuntos de tamanho k
k
de um conjunto de tamanho n. Assim, na expresso (3.12), cada nmero combinatrio d
o nmero de subconjuntos de determinado tamanho e a soma deles d o nmero total de
subconjuntos de um conjunto de tamanho n. Mas para formar subconjuntos de tal conjunto
podemos usar o seguinte artifcio: cada elemento pode ser marcado com um + para indicar
que pertence ao subconjunto, ou com um , para indicar que no pertence ao subconjunto.
O nmero total de formas de fazer isso 2 2 2 2 = 2n e isso prova que o nmero
total de subconjuntos de um conjunto de tamanho n 2n e isso completa a prova.
Curso de Estatstica
60
Demonstrao
Vamos aplicar a relao
linha desta coluna:
k
k
k
k
k
k
k
k
=
=
=
=
k +n1
=
k +1
k +n
=
k +1
k +n+1
=
k +1
k
k
k +1
k +1
+
k
k +1
k +2
k +2
+
k
k +1
k +3
k +3
+
k
k +1
..
.
k +n2
k +n2
+
k
k +1
k +n1
k +n1
+
k
k +1
k +n
k +n
+
k
k +1
Somando essas igualdades termo a termo, podemos ver que h parcelas iguais em lados
opostos, que podem ser simplificadas. Todos os termos do lado esquerdo, com exceo do
ltimo, cancelam com termos do lado direito e o que sobra :
k +n1
k +n
k +n+1
k
k +1
k +2
k +3
k +n2
=
+
+
+
+ +
+
+
k +1
k
k
k
k
k
k
k
Curso de Estatstica
61
n
X
k +j
k +n+1
=
k
k +1
j=0
Binmio de Newton
(x + a) =
n
X
n
k=0
ak x nk
(3.13)
Demonstrao
Vamos provar este resultado usando o mtodo da induo.
O resultado vlido para n = 1. De fato:
(x + a)1 = x + a
1
X
1
n k nk
1
a x
=
x+
a=x +a
k
0
1
k=0
Suponhamos que o resultado seja vlido para n qualquer e vamos provar que vlido
para n + 1. Mais precisamente, temos as seguintes hiptese de induo e tese:
H.I. :
Tese :
n
X
n k nk
(x + a) =
a x
k
k=0
n+1
X
n + 1 k n+1k
n+1
(x + a)
=
a x
k
k=0
n
Demonstrao:
Usando propriedades de potncia e a hiptese de induo, podemos escrever:
Curso de Estatstica
62
(x + a)n+1
#
# " n1
"
n
X n
n
n 0 n0+1 X n k nk+1
+
ak+1 x nk +
an+1 x nn
=
ax
+
a x
k
n
0
k
k=0
k=1
"
# " n1
#
n
X n
n 0 n+1 X n k nk+1
n
=
ax
+
a x
+
ak+1 x nk +
an+1 x 0
0
k
k
n
k=1
k=0
Note que ambos os somatrios tm n parcelas cada um. Vamos fazer uma mudana de
varivel no segundo somatrio, de modo que a potncia de a passe a ser j em vez de
k + 1. Mais precisamente, vamos definir
k =j 1
k =0j=1
k +1=j
k =n1j =n
(x + a)n+1
"
# n
n
X
X
n
n n+1 0
n 0 n+1
n k nk+1
=
ax
+
a x
+
aj x nj+1 +
a x
0
k
j
1
n
k=1
j=1
"
# " n
#
n
X
n 0 n+1 X n k nk+1
n
n
=
ax
+
a x
+
ak x nk+1 +
an+1 x 0
0
k
k
1
n
k=1
k=1
(x + a)n+1
( n
)
X n
n 0 n+1
n
n n+1 0
=
ax
+
a x
+
ak x nk+1 +
0
k
k
1
n
k=1
Note, agora, os nmeros combinatrios que aparecem entre colchetes: estamos somando 2 nmeros combinatrios consecutivos da linha n. Pela relao de Stifel, sabemos que
Curso de Estatstica
63
n
n
n+1
+
=
k
k 1
k
Sabemos, tambm, que
n
n+1
=
0
0
n
n+1
=
n
n+1
Substituindo esses resultados, obtemos que
n+1
(x + a)
n
n + 1 n+1 0
n + 1 0 n+1 X n + 1 k nk+1
=
ax
+
a x
+
a x
0
k
n
+
1
k=1
n+1
X n+1
=
ak x nk+1
k
k=0
3.6.1
Aplicaes
n
X
n
2 =
k=0
n
(1)
=0
k
k=0
3. Frmula de Euler:
r
X
m
n
m+n
=
k
rk
r
k=0
(3.14)
Curso de Estatstica
64
De fato:
2n
=
n
n
X
n
k
= n2n1
k
k=1
X
n
n
n
X
X
n!
n
n!
=
k
k
=
k
k!(n k)!
k(k 1)!(n k)!
k
k=1
k=1
k=1
n
X
k=1
Curso de Estatstica
(n 1)!
(k 1)!(n k)!
65
n
X
n
k(k 1)
= n(n 1)2n2
k
k=2
X
n1
n1
X
n
n
n!
k(k 1)
=
(j + 1)j
=
(j + 1)j
k
j +1
(j + 1)!(n j 1)!
k=2
j=1
j=1
n1
X
=
(j + 1)j
j=1
n1
X
=
j=1
n1
X
n!
n!
=
j
(j + 1)j!!(n j 1)!
j(j 1)!(n j 1)!
j=1
n!
(j 1)!(n j 1)!
Fazendo j 1 = i
n
X
n1
n2
X
X
n
n!
n!
k(k 1)
=
=
k
(j 1)!(n j 1)!
i!(n i 2)!
k=2
j=1
i=0
n2
n2
X
X
n(n 1)(n 2)!
n2
=
= n(n 1)
= n(n 1)2n2
i!(n
i)!
i
i=0
i=0
66
n k nk
Tk =
a x
k
Analogamente, se n par
n
(x a)
Ento,
n
n
n
0 n
1 n1
=
(a) x +
(a) x
+
(a)2 x n2
0
1
2
n
n
n1 1
+ +
(a) x +
(a)n x 0
n1
n
T0 T1 + T2 + Tn1 + Tn
2
2n
n
n
n
n
= 2(T0 + T2 + + Tn2 + Tn ) = 2
+
+
+ +
0
2
4
n
n
n
n
= 2(T1 + T3 + + Tn3 + Tn1 ) = 2
+
+ +
1
3
n1
Logo, se n par
n
n
n
n
n
n
n
+
+
+ +
=
+
+ +
= 2n1
0
2
4
n
1
3
n1
8. Nmeros de Fibonacci e o tringulo de Pascal
O nmero de Fibonacci Fn definido como a soma dos elementos da nsima diagonal
inversa do tringulo de Pascal. Veja a Figura 3.2
F0=1
F1=1
F2=2
F3=3
F4=5
F5=8
10
10
F6=13
15
20
15
F7=21
21
35
35
21
1
1
1
Fn
Fn
n
n1
n2
n3
n n2
=
+
+
+
+
n
0
1
2
3
2
n n1
n
n1
n2
n3
2
=
+
+
+
+
n1
0
1
2
3
2
Curso de Estatstica
n par
n mpar
67
1
2
2
2
n+1
n+1
n
n1
n + 2 n2
n n2
=
+
+
+
+ +
+
n
n
0
1
2
3
2
2
Note os seguintes fatos:
n+1
n+2
=
0
0
n
n par = n = 2 =
2
n
n
2
n
2
n
=
2
n
2
=
n+2
n+2
2
n+2
2
n + 2 n2 + 1
=
n
+1
2
3.7
n+2
2
= Fn+2
Permutaes Circulares
68
A
(1)
C
E
3.8
Considere a palavra URUGUAI: quantos anagramas podemos formar a partir dela? A novidade
nesse exemplo que h 3 letras Us, que no podem ser diferenciadas. Para lidar com essa
situao, comeamos fingindo que as 3 letras Us so diferentes; ento, temos 7 letras e o
nmero total de permutaes 7!. Por sua vez, as 3 letras Us podem ser arrumadas de 3!
maneiras, mas como elas so iguais, todas essas 3! permutaes so idnticas. Veja alguns
exemplos a seguir, onde colocamos um subscrito para diferenciar as letras Us:
U1 RU2 GU3 AI U1 RU2 GU3 AI U1 RU2 GU3 AI
U1 RU3 GU2 AI U1 RU3 GU2 AI U1 RU3 GU2 AI
U2 RU1 GU3 AI U2 RU1 GU3 AI U2 RU1 GU3 AI
U2 RU3 GU1 AI U2 RU3 GU1 AI U2 RU3 GU1 AI
U3 RU1 GU2 AI U3 RU1 GU2 AI U3 RU1 GU2 AI
U3 RU2 GU1 AI U3 RU2 GU1 AI U3 RU2 GU1 AI
Em cada coluna, temos permutaes idnticas. O nmero de elementos em cada coluna
corresponde ao nmero de permutaes das 3 letras Us. Ento, cada coluna tem 3! permutaes idnticas, ou seja, de cada 3! permutaes, precisamos de apenas 1. Assim, para
corrigir essa mltipla contagem, temos que dividir o total de 7! por 3!
Esse exemplo ilustra a seguinte situao geral.
Curso de Estatstica
69
=
n
n1 , n2 , , nk
n!
=
n1 !n2 ! . . . nk !
n=
k
X
ni (3.15)
i=1
Um dado jogado 20 vezes. De quantas maneiras podemos obter 6 1s, 5 2s, 2 3s, 2 4s, 3 5s
e 2 6s?
Soluo
Temos uma sequncia com 20 nmeros, dos quais 6 so iguais a 1, 5 so iguais a 2,
dois so iguais a 3, dois so iguais a 4, 3 so iguais a 5 e dois so iguais a 6. Como no
podemos distinguir entre os nmeros de cada bloco, a resposta
20!
6!5!2!2!3!2!
EXEMPLO 3.18 Sucessos e fracassos em repeties de um experimento de Bernoulli
Considere um experimento com apenas dois resultados possiveis. Por convenincia, chamamos esses resultados de sucesso e fracasso. Esses experimentos so chamados de experimentos de Bernoulli. Se repetirmos esse experimento 5 vezes, de quantas maneiras
podemos obter 2 sucessos? Generalize o resultado para n tentativas e um nmero k de
sucessos, k = 0, 1, n.
Soluo
Em 5 tentativas, se ocorrem 2 sucessos, ocorrem tambm 3 fracassos. O nmero de
maneiras de obtermos 2 sucessor e 3 fracassos
5
5!
=
2
2!3!
Curso de Estatstica
70
(3.16)
3.9
(3.17)
(3.18)
Como as 5 solues devem ser inteiras e positivas, elas podem ser escritas como soma de
1s. Assim, determinar essas solues equivale a separar esses 13 1s em cinco grupos. Isso
pode ser feito colocando 4 barras divisrias na soma acima. Algumas possibilidades so:
1 + 1 | + 1 + 1 + 1 | + 1 + 1 | + 1 + 1 + 1 + 1 | + 1 + 1 = 13
1 | + 1 | + 1 | + 1 | + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 = 13
1 + 1 + 1 + 1 | + 1 + 1 + 1 | + 1 + 1 + 1 | + 1 + 1 | + 1 = 13
Curso de Estatstica
71
x2 = 3
x2 = 1
x2 = 3
x3 = 2
x3 = 1
x3 = 3
x4 = 4
x4 = 1
x4 = 2
x5 = 2
x5 = 9
x5 = 1
Note que as barras verticais esto posicionadas antes do sinal +. Ento, para determinar uma soluo inteira positiva, temos que posicionar 4 (= 5 1) barras verticais nas 12
(= 131) posies definidas pelos sinais de +. Logo, o nmero de solues inteiras positivas
o nmero de maneiras de escolher 4 sinais de + dentre os 12 disponveis. Isso pode ser
4
feito de C12
.
Isso nos permite enunciar o resultado geral.
Considere a equao
x1 + x2 + + xr = m
m>0
r1
O nmero de solues em inteiros positivos (xi > 0) dado por Cm1
Vamos considerar, agora, solues inteiras no-negativas, isto , vamos permitir que alguma,
ou algumas, das incgnitas seja nula.
Continuando com a equao (3.17), vamos considerar a sequncia de 13 1s:
1 1 1 1 1 1 1 1 1 1 1 1 1
(3.19)
72
Considere a equao
x1 + x2 + + xr = m
m>0
r1
O nmero de solues em inteiros no-negativos (xi 0) dado por Cm+r1
y1 + y2 + + yr = m + r
m > 0, yi > 0
m > 0, yi > 0
r1
cujo nmero total de solues , como visto anteriormente, Cm+r1
.
Note que
r1
m
= Cm+r1
Cm+r1
73
(a)
2
31
=
= C11
C121
(b)
31
2
C12+31
= C14
=
11!
11 10 9!
=
= 55
9!2!
9!2!
14!
14 13 12!
=
= 91
12!2!
12!2!
y2 = x2 4
y3 = x3
y1 + y2 + y3 = 8
yi > 0
yi > 0
3.10
Consideremos n objetos distintos, dos quais vamos escolher p objetos, distintos ou no. De
quantas maneiras podemos fazer isso?
Para entender bem essa situao, considere o seguinte exemplo: numa sorveteria, h 7
sabores de sorvete diettico. Se eu quero comprar 4 bolas de sorvete diettico, de quantas
maneiras posso escolher? A resposta NO C74 esse o nmero de maneiras de escolher
4 bolas de sabores diferentes! Mas eu posso comprar 4 bolas do mesmo sabor, por exemplo.
Vamos denotar por xi , i = 1, . . . , 7, o nmero de bolas compradas do sabor i. Ento,
temos que ter xi inteiro no-negativo satisfazendo a equao
x1 + x2 + x3 + x4 + x5 + x6 + x7 = 4,
Curso de Estatstica
xi 0
74
3.11
(n 1 + p)!
p
= Cn1+p
(n 1)!p!
(3.20)
Exerccios propostos
Curso de Estatstica
75
3.10 Numa promoo beneficiente, 22 pessoas esto disponveis para exercer diversas atividades. Se h necessidade de 6 pessoas na cozinha, 4 pessoas no balco de a tendimento,
4 pessoas para os caixas, 6 pessoas para vender cartelas de bingo e 2 pessoas responsveis
pela animao, de quantas maneiras possivel fazer a escalao?
3.11 Suponha que, no problema anterior, cada pessoa execute uma tarefa diferente no seu
prpio grupo, com exceo das pessoas que vendem cartelas de bingo. De quantas maneiras
diferentes a escalao pode ser feita?
Curso de Estatstica
76
3.19 Um grupo formado por 20 pessoas, das quais 5 so Fsicos. Quantas comisses de
10 pessoas podem ser formadas de modo que
(a) nenhum membro seja Fsico?
(b) todos os Fsicos participem da comisso?
(c) haja exatamente um Fsico na comisso?
Curso de Estatstica
77
denominao utilizada para conjuntos que consideram relevante, em sua composio, o nmero de cpias
de cada elemento
Curso de Estatstica
78
(b)
(c)
n
k
k
n
(n k + 1)
k 1
n1
n
k 1
Curso de Estatstica
79
Captulo 4
Probabilidade: axiomas e propriedades
4.1
Introduo
Considere, mais uma vez, o experimento aleatrio que consiste no lanamento de um dado
equilibrado. Como j visto, o espao amostral desse experimento = {1, 2, 3, 4, 5, 6}, e
alguns eventos de interesse so A =sair face 2, B =sair face par, etc. A questo que se
coloca, agora, como atribuir probabilidade a esses eventos. Ou seja, queremos determinar
um nmero que expresse a verossimilhana de cada um desses eventos.
Uma soluo seria lanar o dado um grande nmero de vezes e observar a proporo
dos lanamentos que resultam no evento A. Se denotarmos por n(A) o nmero de vezes que
ocorreu o evento A em n lanamentos, a definio de probabilidade com base na frequncia
relativa
n(A)
P(A) = lim
n n
Essa definio tem alguns problemas, a saber: quo grande deve ser n? quem garante
que a razo n(A)
converge e converge sempre para o mesmo nmero cada vez que repetimos
n
o experimento? Temos que buscar, ento, uma nova forma de definir probabilidade.
4.2
Curso de Estatstica
81
Curso de Estatstica
82
4.3
Vamos considerar, agora, uma situao especial, em que o espao amostral finito e
todos os seus eventos elementares so igualmente provveis. Esse contexto leva definio
clssica de probabilidade, que foi a primeira definio formal de probabilidade, explicitada
por Girolamo Cardano (1501-1576).
Sejam E1 , E2 , EN os eventos elementares de . Ento,
= E1 E2 EN
e esses eventos elementares so mutuamente exclusivos dois a dois. Pode-se provar, por
induo, que
P() = 1 = P(E1 E2 EN ) = P(E1 ) + P(E2 ) + + P(EN )
Como estamos supondo que todos eles so igualmente provveis, resulta
P(Ei ) =
1
1
=
N
n()
Mas, qualquer evento A pode ser escrito como unio de eventos elementares. Logo,
P(A) =
Curso de Estatstica
n(A)
n(
83
1
1
=
N
n()
n(A)
n()
Considere um baralho usual composto de 52 cartas divididas em 4 naipes: ouros, copas, paus
e espadas, cada naipe com 13 cartas. As cartas dos 2 primeiros naipes so vermelhas e as
dos dois ltimos, pretas. Em cada naipe, as cartas podem ser s, 2, 3, 4, 5, 6, 7, 8, 9, 10,
Valete, Dama e Rei. Essas trs ltimas so figuras que representam a realeza. Retira-se,
ao acaso, uma carta desse baralho. Qual a probabilidade de que seja
(a) uma figura?
(b) uma carta preta?
(c) uma figura ou uma carta preta?
Curso de Estatstica
84
26
1
= .
52
2
6
32
8
12 26
+
=
=
52 52 52
52
13
10
1
=
20
2
Curso de Estatstica
8
2
=
20
5
85
4
1
=
20
5
Uma urna contm 6 bolas pretas, 2 bolas brancas e 8 bolas verdes. Uma bola escolhid,a
ao acaso, desta urna. Qual a probabilidade de que essa bola
(a) no seja verde?
(b) seja branca?
(c) no seja nem branca nem verde?
Soluo
Temos um total de 6 + 2 + 8 = 16 bolas. Logo, n() = 16. Vamos denotar por P, B, V
os eventos bola preta, branca e verde, respectivamente.
(a) Queremos a probabilidade de V , ou seja, do complementar de V .
P(V ) = 1 P(V ) = 1
(b)
P(B) =
8
8
1
=
=
16
16
2
2
1
n(B)
=
= .
n()
16
8
(c) Se a bola no branca nem verde, ela tem de ser preta. Observe que estamos pedindo
P(B V ). Pela lei de De Morgan e pela Propriedade 2 e Axioma III, temos
P(B V ) = P(B V ) = 1 P(B V )
= 1 [P(B) + P(V )] = 1
=
2
8
6
=
16 16
16
3
= P(P)
8
Curso de Estatstica
86
Dado
1
1
2
3
4
5
6
(1, 1)
(2, 1)
(3, 1)
(4, 1)
(5, 1)
(6, 1)
2
3
4
5
6
7
2
(1, 2)
(2, 2)
(3, 2)
(4, 2)
(5, 2)
(6, 2)
3
4
5
6
7
8
3
(1, 3)
(2, 3)
(3, 3)
(4, 3)
(5, 3)
(6, 3)
4
5
6
7
8
9
4
(1, 4)
(2, 4)
(3, 4)
(4, 4)
(5, 4)
(6, 4)
5
6
7
8
9
10
5
(1, 5)
(2, 5)
(3, 5)
(4, 5)
(5, 5)
(6, 5)
6
7
8
9
10
11
6
(1, 6)
(2, 6)
(3, 6)
(4, 6)
(5, 6)
(6, 6)
7
8
9
10
11
12
n() = 36
n(A) = 18
18
1
=
36
2
P (B) =
6
1
=
36
6
P (C ) =
12
1
=
36
3
Em uma urna ,h 4 bolas brancas e 3 verdes. Duas bolas so retiradas dessa urna, seqencialmente e sem reposio. Qual a probabilidade de obtermos
(a) 2 bolas brancas?
Curso de Estatstica
87
C1 , C2 = B1 , B2 , B3 , B4 , V1 , V2 , V3 ;
C1 6= C2 }
A primeira bola pode ser qualquer uma, logo, h 7 bolas possveis. Como a extrao sem
reposio, para a segunda bola, s h 6 possibilidades. Assim, o nmero total de pares
7 6 = 42, ou seja, n() = 42.
(a) Para os pares do evento A = 2 bolas brancas, a primeira bola pode ser qualquer uma
das brancas, e a segunda, qualquer uma das brancas restantes. Logo,
n(A) = 4 3 P(A) =
12
2
=
42
7
6
1
=
42
7
interessante notar o seguinte fato sobre a extrao das bolas: em vez de fazermos extraes
sequenciais, podemos retirar 2 bolas simultaneamente. Em ambos os casos, as extraes so
sem reposio, ou seja, a mesma bola no pode sair duas vezes. O que muda, ento?
Soluo
Nas extraes simultneas, no podemos diferenciar a ordem das bolas: por exemplo,
os pares V1 V2 e V2 V1 so os mesmos. Dessa forma, a cardinalidade do espao amostral fica
reduzida por 2, que 2!, nmero de maneiras de organizar as 2 bolas. Se fossem 3 bolas,
Curso de Estatstica
88
2 bolas
verdes
Branca
e verde
Verde
e
branca
Extraes sequenciais
B1 B2 , B1 B3 , B1 B4 ,
B2 B1 , B2 B3 , B2 B4 ,
B3 B1 , B3 B2 , B3 B4 ,
B4 B1 , B4 B2 , B4 B3 ,
V1 V2 , V 1 V3 ,
V2 V1 , V 2 V3 ,
V3 V1 , V 3 V2 ,
B1 V1 , B1 V2 , B1 V3 ,
B2 V1 , B2 V2 , B2 V3 ,
B3 V1 , B3 V2 , B3 V3 ,
B4 V1 , B4 V2 , B4 V3 ,
V1 B1 , V 1 B2 , V 1 B3 , V 1 B4 ,
V2 B1 , V 2 B2 , V 2 B3 , V 2 B4 ,
V3 B1 , V 3 B2 , V 3 B3 , V 3 B4
Evento
2 bolas
brancas
Extraes simultneas
B1 B2 , B1 B3 , B1 B4 ,
B2 B3 , B2 B4 ,
B3 B4 ,
2 bolas
verdes
V1 V2 , V 1 V3 ,
V2 V3 ,
Uma
branca
e uma
verde
B 1 V1 , B 1 V2 , B 1 V3 ,
B 2 V1 , B 2 V2 , B 2 V3 ,
B 3 V1 , B 3 V2 , B 3 V3 ,
B 4 V1 , B 4 V2 , B 4 V3
Extraes sequenciais
P(2 verdes)
6
= 71
42
Extraes simultneas
3
21
1
7
P(2 brancas)
12
= 27
42
6
21
2
7
P(cores diferentes)
24
= 47
42
12
21
4
7
EXEMPLO 4.8 Ou exclusivo
Prove que:
P
A B A B = P(A) + P(B) 2 P(A B)
= P(A) P (A B)
P AB
= P(B) P (A B)
89
P
A B A B = P(A) + P(B) 2 P (A B)
=
=
=
=
120
132
86
54
(acertar os 2)
(acertar o primeiro)
(errar o segundo)
(acertar apenas um)
tem-se que:
= n(P1 ) + n(P2 ) 2n(P1 P2 )
= 132 + n(P2 ) 2 120
= 162
+
248 248 248
74
37
=
=
248
124
Curso de Estatstica
90
Curso de Estatstica
91
4.4
Exerccios propostos
4.1 Se P (A) = 1/3 e P B = 1/4, A e B podem ser mutuamente exclusivos?
4.2 Sejam A e B eventos mutuamente exclusivos tais que P(A) = 0, 5 e P(B) = 0, 4.
(a) Calcule P(A B).
(b) Calcule P(B A).
4.3 Em uma cidade h trs clubes A, B, C . Em um grupo de 1000 famlias constatou-se que
470 so scias do clube A; 420 so scias do clube B, 315 so scias do clube C ; 110 so
scias dos clubes A e B; 220 so scias dos clubes A e C ; 140 so scias dos clubes B e C
e 75 so scias dos 3 clubes. Escolhendo-se ao acaso uma famlia, qual a probabilidade
de que ela
(a) no seja scia de qualquer um dos clubes?
(b) seja scia de apenas um clube?
(c) seja scia de pelo menos dois clubes?
4.4 Em um levantamento em um bairro de 1.000 moradores, verifica-se que:
220 tm curso superior;
160 so casados;
100 esto desempregados;
50 tm curso superior, so casados e esto empregados;
60 tm curso superior e esto desempregados;
20 tm curso superior, so casados e esto desempregados.
Escolhe-se ao acaso um morador desse bairro. Qual a probabilidade de que ele
(a) tenha curso superior e seja casado?
(b) ou tenha curso superior e seja casado ou esteja empregado?
(c) ou tenha curso superior ou esteja desempregado?
Curso de Estatstica
92
Total
40
40
20
100
Curso de Estatstica
93
Captulo 5
Probabilidade condicional e
independncia de eventos
5.1
Probabilidade condicional
4
,
10
ou seja,
P(A|B) =
4
=
10
4
36
10
36
P(A B)
P(B)
Esses dois exemplos ilustram o fato geral que est representado na Figura 5.1. Se
sabemos que aconteceu o evento B, esse evento passa a ser o novo espao amostral e,
nesse novo espao amostral, a nica parte de A presente A B a parte sombreada mais
clara.
Note que, nessa definio, temos que supor que o evento B um evento possvel, j
que ele ocorreu. Logo, bvio que P(B) > 0.
EXEMPLO 5.1 Gnero e esporte
Curso de Estatstica
95
Atividade de lazer
Cinema Praia Esporte Total
Masculino
10
12
13
35
Feminino
15
41
9
65
Total
25
53
22
100
1. Qual a probabilidade de que uma pessoa, escolhida ao acaso nesse grupo, seja do
sexo masculino?
2. Se a pessoa escolhida preferir a praia como atividade de lazer, qual ser a probabilidade
de ser um homem?
Soluo
Vamos definir os seguintes eventos: M = masculino; F = feminino; C = cinema;
P = praia; E = esporte.
1. O problema pede P(M). Como h 35 homens dentre as 100 pessoas,
P(M) =
35
= 0, 35
100
P(M P)
=
P(P)
12
100
53
100
12
0, 2264
53
De um total de 500 empregados de uma empresa, 200 possuem plano pessoal de aposentadoria complementar, 400 contam com o plano de aposentadoria complementar oferecido
pela empresa e 200 empregados possuem ambos os planos. Sorteia-se, aleatoriamente, um
empregado dessa empresa.
(a) Qual a probabilidade de que ele tenha algum plano de aposentadoria complementar?
Curso de Estatstica
96
2
200
=
500
5
P(E) =
400
4
=
500
5
P(P E) =
200
2
=
500
5
Note que essas informaes podem ser dispostas em forma de tabela, como podemos
ver a seguir:
Plano pessoal
Sim
No
Plano da Sim 200
200
Empresa No
0
100
Total
200
300
Total
400
100
500
2 4 2
4
+ =
5 5 5
5
Curso de Estatstica
P(P E)
=
P(E)
2
5
4
5
4
1
=
5
5
1
2
97
P(P E)
=
P(P)
2
5
2
5
=1
A probabilidade de que uma nova campanha publicitria fique pronta antes do prazo
estipulado pela diretoria foi estimada em 0,60. A probabilidade de que a diretoria aprove
essa campanha de 0,50. A probabilidade de que ambos os objetivos sejam atingidos 0,30.
(a) Qual a probabilidade de que pelo menos um dos objetivos seja atingido?
(b) Qual a probabilidade de que nenhum objetivo seja atingido?
(c) Se a campanha ficar pronta antes do prazo estipulado, qual a probabilidade de ela ser
a provada pela diretoria?
Soluo
Vamos definir os eventos P = campanha pronta antes do prazo e A = diretoria aprova
campanha. O problema fornece as seguintes informaes:
P(P) = 0, 6
P(A) = 0, 5
P(A P) = 0, 3
P(A P)
0, 3
=
= 0, 5.
P(P)
0, 6
P(A B)
0
P(B)
P( B)
P(B)
=
=1
P(B)
P(B)
98
Axioma 3:
Sejam A1 e A2 dois eventos mutuamente exclusivos (veja a Figura 5.2). Usando a propriedade distributiva, temos
P(A1 A2 |B) =
P(A1 A2 |B) =
Sendo a probabilidade condicional uma lei de probabilidade, todas as propriedades vistas anteriormente, que eram consequncia dos axiomas, valem tambm para a probabilidade
condicional. A propriedade que usaremos com maior frequncia P(A|B) = 1 P(A|B).
Observe que a definio de probabilidade condicional est vinculada ao evento B ao
qual estamos condicionando. Ou seja, se condicionarmos a outro evento C , estaremos definindo uma outra funo de probabilidade a funo de probabilidade condicional em C .
Curso de Estatstica
99
5.1.1
Regra da multiplicao
P(B) P(A|B)
P(A B) =
P(A) P(B|A)
Se um avio est presente em determinada rea, um radar detecta sua presena com
probabilidade 0,99. No entanto, se o avio no est presente, o radar detecta erradamente
a presena de um avio com probabilidade 0,02. A probabilidade de um avio estar presente
nessa rea de 0,05. Qual a probabilidade de um falso alarme? Qual a probabilidade
de o radar deixar de detectar um avio? (Note que esses so os dois erros possveis nessa
situao.)
Soluo
Vamos definir os eventos a seguir.
A = avio presente
D = radar detecta presena de avio
Os eventos complementares so:
A = avio no est presente
D = radar no detecta avio
O problema nos fornece as seguintes informaes:
Pr (D|A) = 0, 99
Pr D|A = 0, 02
Curso de Estatstica
Pr(A) = 0, 05
100
Pr(A) = 0, 95
falso alarme
Considere que duas cartas de um baralho (13 cartas de cada um dos naipes copas, paus,
ouros, espadas) sejam extradas, sem reposio, uma depois da outra. Qual a probabilidade
de
Curso de Estatstica
101
Na segunda extrao, dado que na primeira saiu copas, temos 12 cartas de copas e 39
cartas que no so de copas em um baralho com 51. O evento representado pelo caminho
superior da rvore C1 C2 e sua probabilidade
P(C1 C2 ) = P(C1 ) P(C2 |C1 ) =
Curso de Estatstica
13 12
52 51
102
13 39
52 51
39 13
52 51
39 38
P(C 1 C 2 ) = P(C 1 ) P(C 2 |C 1 ) =
52 51
Novamente, pela lei do complementar, P(C2 |C 1 ) + P(C 2 |C 1 ) = 1.
A partir desse diagrama de rvore podemos calcular qualquer probabilidade desejada.
Por exemplo, o evento nenhuma carta de copas o evento C 1 C 2 , e o evento pelo menos
uma carta de copas, o complementar do evento nenhuma carta de copas.
EXEMPLO 5.6 Trs cartas de um baralho
Suponhamos agora a extrao de trs cartas sem reposio e o evento nenhuma carta
de copas. Como podemos generalizar a regra da multiplicao para esse caso?
Soluo
Como antes, vamos definir os eventos Ci = carta de copas na isima extrao, i =
1, 2, 3. Veja a Figura 5.5, que ilustra o espao amostral desse experimento.
Como antes, quando caminhamos ao longo de cada galho no diagrama de rvores, cada
n representa a ocorrncia de um evento condicional ocorrncia dos eventos anteriores.
Por exemplo, vamos considerar o galho superior: o primeiro n corresponde ao evento C1 ;
o segundo, ao evento C2 , condicionado ocorrncia de C1 ; e o terceiro e ltimo, ao evento
C3 , condicionado ocorrncia de C1 C2 . Quando multiplicamos as probabilidades desses 3
eventos, obtemos a seguinte probabilidade da interseo:
P(C1 C2 C3 ) = P(C1 ) P(C2 |C1 ) P(C3 |C1 C2 ) =
13 12 11
52 51 50
39 38 37
52 51 50
Curso de Estatstica
103
13/52
C1
C3
39/50
12/50
C3
C2
39/51
C3
38/50
12/50
C3
C1
39/52
13/51
C2
C2
38/51
C3
38/50
13/50
C3
C3
37/50
Curso de Estatstica
104
P(B|T ) = 0, 65
Uma urna contm seis bolas pretas e cinco bolas amarelas. Extraem-se, sequencialmente, trs bolas dessa urna, sem reposio. Qual a probabilidade de que as trs bolas
sejam da mesma cor?
Soluo
Vamos definir os eventos Pi = bola preta na extrao ie Ai = bola amarela na
extrao i, i = 1, 2, 3.
Seja M = 3 bolas de mesma cor. Ento,
P(M) = P(P1 P2 P3 ) + P(A1 A2 A3 )
= P(P1 ) P(P2 |P1 ) P(P3 |P1 P2 ) + P(A1 ) P(A2 |A1 ) P(A3 |A1 A2 )
6
5
4
5
4
3
=
11 10 9 11 10 9
4
2
2
=
+
=
33 33
11
Curso de Estatstica
105
5.2
Independncia de eventos
Considere novamente um baralho usual, com 52 cartas, 13 de cada naipe, do qual ser
retirada uma carta. Vamos definir os seguintes eventos:
C =
R =
V =
J vimos que P(C ) =
13
52
= 41 ; P(R) =
4
52
carta de copas
carta um rei
carta vermelha
=
1
13
e P(V ) =
26
52
= 12 .
P(R C )
=
P(C )
P(V |C ) =
P(V C )
P(C )
=
= 1 6= P(V )
P(C )
P(C )
1
52
1
4
1
4
=
= P(R)
52
13
No primeiro caso, saber que a carta de copas no acrescentou informao til para
avaliarmos a probabilidade de sair rei, ou seja, saber ou no que saiu copas no altera a
probabilidade de sair rei.
J no segundo caso, saber que saiu carta de copas faz com que mudemos a probabilidade
de sair carta vermelha. Como podemos ver, se sabemos que saiu carta de copas, ento a
carta tem de ser vermelha.
Esses exemplos ilustram um conceito importante. No primeiro caso, dizemos que os
eventos R e C so independentes e, no segundo caso, que os eventos V e C so dependentes. No primeiro caso, o conhecimento da ocorrncia de C no ajuda para reavaliarmos a
probabilidade de C . J, no segundo caso, o conhecimento da ocorrncia de C faz com que
mudemos nossa estimativa da probabilidade de V .
Curso de Estatstica
106
P(A B)
= P(A) P(A B) = P(A) P(B)
P(B)
P(A B)
P(A) P(B)
=
= P(A) A, B independentes.
P(B)
P(B)
P(A) P(B)
P(B A)
=
= P(B) B, A independentes.
P(A)
P(A)
Se A e B so independentes A, B so independentes.
Demonstrao
P(AB) = P(B)P(AB) = P(B)P(A) P(B) = P(B)[1P(A)] = P(B) P(A) A, B independentes.
A e B independentes A, B independentes.
Demonstrao
Curso de Estatstica
107
P(A B)
1 P(A B)
1 P(A) P(B) + P(A B)
1 P(A) P(B) + P(A) P(B)
[1 P(A)] P(B)[1 P(A)]
P(A) P(B) P(A)
P(A)[1 P(B)]
P(A) P(B) A, B independentes.
P(A|B) =
P(A B
= 0 6= P(A) A, B no so independentes.
P(B)
Total
400
100
500
Naquele exemplo, estudamos os eventos E = empregado tem o plano de aposentadoria complementar da empresa e P = empregado possui plano pessoal de aposentadoria
complementar. Vamos ver se esses eventos so independentes.
Curso de Estatstica
108
200
4
= 1 6= P(E) =
200
5
5.3
Exerccios propostos
5.1 Num perodo de um ms, 100 pacientes sofrendo de determinada doena foram internados em um hospital. Informaes sobre o tipo de tratamento aplicado em cada paciente e
o resultado final obtido esto resumidas no quadro a seguir.
Tratamento
A
B
Cura total (T)
24
16
16
Resultado Cura parcial (P) 24
Morte (M)
12
8
Total
60
40
Total
40
40
20
100
109
Curso de Estatstica
110
Curso de Estatstica
111
Captulo 6
Teorema da Probabilidade Total e
Teorema de Bayes
Neste captulo, voc estudar dois importantes teoremas da teoria das probabilidades e
ver suas aplicaes em diversas situaes envolvendo tomadas de deciso. Esses teoremas,
conhecidos como Teorema da Probabilidade Total e Teorema de Bayes, resultam diretamente
da definio de probabilidade condicional e das propriedades j vistas da probabilidade.
Sua apresentao ser feita, inicialmente, atravs de exemplos, para que voc compreenda
bem o contexto de sua aplicao. Em seguida, ser apresentada a formulao geral desses
teoremas.
6.1
Exemplos
Curso de Estatstica
n
S
i=1
Ai =
113
P(M1 ) P(D|M1 )
P(M1 )Pr(D|M1 ) + P(M2 ) P(D|M2 )
0, 35 0, 05
=
0, 35 0, 05 + 0, 65 0, 025
0, 0175
=
= 0, 5185
0, 03375
Compare os resultados:
Sem qualquer informao sobre o resultado do experimento, nossa estimativa para
a probabilidade de ocorrncia de M1 pea produzida pela mquina 1 era 0,35.
Com a informao de que a pea defeituosa, a probabilidade de ter sido produzida
pela mquina 1 aumenta para 0,5185.
EXEMPLO 6.2 Produo de trs mquinas
114
(a) O espao amostral desse experimento est ilustrado no diagrama de rvore da Figura
6.2.
P(D|M1 ) = 0, 05
P(D|M2 ) = 0, 025
P(D|M3 ) = 0, 02
115
P(M1 ) P(D|M1 )
P(M1 ) P(D|M1 ) + P(M2 ) P(D|M2 ) + P(M3 ) P(D|M3 )
0, 30 0, 05
=
0, 30 0, 05 + 0, 35 0, 025 + 0, 35 0, 02
0, 015
= 0, 487805
=
0, 03075
P(M2 |D) =
P(M2 ) P(D|M2 )
P(M1 ) P(D|M1 ) + P(M2 ) P(D|M2 ) + P(M3 ) P(D|M3 )
0, 35 0, 025
=
0, 30 0, 05 + 0, 35 0, 025 + 0, 35 0, 02
0, 00875
=
= 0, 284553
0, 03075
P(M3 |D) =
P(M3 ) P(D|M3 )
P(M1 ) P(D|M1 ) + P(M2 ) P(D|M2 ) + P(M3 ) P(D|M3 )
0, 35 0, 02
=
0, 30 0, 05 + 0, 35 0, 025 + 0, 35 0, 02
0, 007
=
= 0, 227642
0, 03075
116
P(U|C ) = 0, 10
P(U|C ) = 0, 01
P(C ) = 0, 05
117
P(C U)
P (U)
O soro pode indicar culpado, sendo o suspeito culpado (acerto do diagnstico), ou inocente (erro no diagnstico), ou seja:
P (U) = P (U C ) + P U C
= P (U|C ) P(C ) + P U|C P(C )
= 0, 90 0, 05 + 0, 01 0, 95
= 0, 045 + 0, 0095 = 0, 0545
P U C = P U|C P(C ) = 0, 01 0, 95 = 0, 0095
Logo,
P(C |U) =
0, 0095
= 0, 1743
0, 0545
Uma caixa contm trs moedas. A moeda 1 honesta, a moeda 2 tem duas caras e a
moeda 3 viciada de tal modo que cara duas vezes mais provvel que coroa. Uma moeda
escolhida ao acaso e lanada.
(a) Qual a probabilidade de observarmos cara e moeda 1?
(b) Qual a probabilidade de observarmos cara?
Curso de Estatstica
118
1
2
P(K |M2 ) = 1
2
3
1
3
Curso de Estatstica
1 1
1
=
3 2
6
119
+1+
=
=
3
2
3
3
6
18
(c) O problema pede
P (M1 ) P (K |M1 )
P (K M1 )
=
=
P (M1 |K ) =
P (K )
P (K )
1
6
13
18
3
13
120
P(I C )
P(C )
Mas o gerente pode recusar o emprstimo sendo o cliente inadimplente ou no, ou seja,
P(C ) = P(C I) + P(C I)
= P(I) P(C |I) + P(I) P(C |I)
= 0, 15 0, 80 + 0, 85 0, 10 = 0, 205
Logo,
P(I C )
P(C )
P(I) P(C |I)
=
P(I) P(C |I) + P(I) P(C |I)
0, 15 0, 80
=
= 0, 5854
0, 205
P(I|C ) =
6.2
Os teoremas
121
A2
A1
A3
B
A6
A4
A7
A8
A9
A5
P (Ai ) P (B|Ai )
P(B) =
i=1
122
P (Ai B)
P(B)
Teorema de Bayes
123
P(M) = 0, 35
P(C |H) = 0, 70
P(C |M) = 0, 82
O problema pede P(M|C ), e para calcular essa probabilidade, temos de calcular P(C ). Pelo
teorema da probabilidade total, sabemos que
P(C ) = P(C M) + P(C H)
= P(M) P(C |M) + P(H) P(C |H)
= 0, 35 0, 18 + 0, 65 0, 30 = 0, 518
Logo,
P(M) P(C |M)
P(C M)
=
P(C )
P(C )
0, 35 0, 18
= 0, 12162
=
0, 518
P(M|C ) =
6.3
Exerccios propostos
Curso de Estatstica
124
Curso de Estatstica
125