Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Matemtica A
NIUaleph 12
VOLUME 1
Vladimiro Machado
2012
Ttulo
NiuAleph 12 - Manual de Matemtica para o 12 ano de Matemtica A
Autores
Jaime Carvalho e Silva
Joaquim Pinto
Vladimiro Machado
Capa e Design
Elisa Silva
Conceo Tcnica
Vtor Teodoro
Joo Fernandes
Imagens e fontes
As imagens utilizadas neste manual pertencem ao domnio pblico ou, nas situaes indicadas, aos
respetivos autores, sob as Licenas Creative Commons Attribution-ShareAlike 3.0 http://creativecommons.org/licenses/by-sa/3.0/) ou Creative Commons Attribution 3.0 http://creativecommons.org/licenses/by/3.0/
As fontes utilizadas neste manual pertencem s famlias Latin Modern e Latin Modern Math, desenvolvidas pela GUST http://www.gust.org.pl/projects/e-foundry/lm-math/index_html
ISBN
978-989-97839-0-4
Edio
1. edio/verso 1
Data
2012
Este ficheiro de distribuio livre mas os direitos permanecem com os respetivos autores. No
permitida a impresso deste ficheiro.
ndice geral
Volume 1
Captulo 1 possvel? provvel?
Captulo 2 Probabilidade
Volume 2
Captulo 5 Anlise Combinatria
Volume 3
Captulo 9 Teoria de Limites
Volume 4
Captulo 13 Funes trigonomtricas
ndice
Captulo 1 - possvel? provvel? 6
Histria(s) Galileu e o jogo dos dados
Leitura(s) Como o acaso comanda as nossas vidas
16
24
26
Exerccios globais 28
Captulo 2 - Probabilidade 38
Histria(s) Pierre Simon Laplace (1749-1827) 50
Leitura(s) Bomba no avio, Certezas e incertezas no jogo das probabilidades
58
60
93
94
Exerccios globais 95
106
120
1. possvel? provvel?
A sorte grande sai sempre aos outros.
Popular
O que h em mim sobretudo cansao.
lvaro de Campos
H sem dvida quem ame o infinito,
H sem dvida quem deseje o impossvel,
H sem dvida quem no queira nada
Trs tipos de idealistas, e eu nenhum deles:
Porque eu amo infinitamente o finito,
Porque eu desejo impossivelmente o possvel,
Porque quero tudo, ou um pouco mais, se puder ser,
Ou at se no puder ser...
Na linguagem corrente encontramos frequentemente expresses como provvel que, improvvel que, tenho a certeza, raramente, impossvel, isso muito aleatrio. Nos jornais
muitos ttulos e notcias se baseiam em tais expresses:
O despiste do carro a causa mais provvel do
acidente, segundo a GNR. JN, 10-04-2010.
Iate russo desaparecido nos mares da Antrtida. Segundo a porta-voz, a causa mais provvel da falta de comunicao uma avaria
na antena provocada pela tempestade. JN,
06-04-2012.
Apesar da marca X admitir que esta uma
questo sensvel, em que no existem certezas, o consenso geral que altamente improvvel que os telemveis causem quedas de
avies. JN, 18-01-2012.
Dez formas de estragar uma entrevista de
trabalho: (1) no investigou a empresa. Durante uma entrevista de emprego vo de certeza perguntar-lhe se tem alguma questo a
colocar. a oportunidade perfeita para saber algo mais sobre a posio que pretende
ocupar. Por isso, antes de uma entrevista,
consulte o website da empresa e analise com
cuidado o anncio de emprego. Se os houver,
Estamos aqui perante situaes muito diferentes: numas perfeitamente previsvel o resultado e
6
1. possvel? provvel?
noutras a incerteza sobre o resultado total. Naqueles em que estamos perante fenmenos previsveis, embora possam no ser totalmente conhecidos, chamamos determinsticos, e nos outros em
que no temos de todo a certeza do que que se vai observar, chamamos no determinsticos ou
aleatrios.
Tr
Tarefa
resolvida
a) Quando se larga um pndulo (numa situao comum, se a situao fosse especial tal deveria ter
aparecido no enunciado da tarefa), as leis fsicas que regem o seu movimento determinam totalmente o que acontece: primeiro cai at atingir a posio que o
comprimento do fio que o segura permite e depois continua
at atingir uma certa posio mais elevada que a posio anterior; em seguida repete o movimento para um lado e para o
outro, atingindo pontos cada vez menos elevados devido
resistncia do ar, acabando inevitavelmente por se imobilizar,
embora possa demorar muito tempo a atingir tal posio (mas
o tempo que demora a fazer tal perfeitamente calculvel a
partir das caractersticas do pndulo e do meio ambiente).
Estamos pois perante um fenmeno determinstico.
b) Quando se larga um dado comum, ele rebolar na superfcie
onde o largarmos e poderemos dizer que o resultado final ficar perfeitamente determinado pelas leis fsicas que regem o
movimento dos corpos e dos choques. Contudo, a complexidade do movimento tal que, em tempo til (menos de um
ano...), impossvel na prtica prever que face vai estar para
cima quando o dado parar. Podemos assim dizer que estamos
perante um fenmeno aleatrio.
1. possvel? provvel?
Resoluo
Exerccios
1.
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
Lanar 2 vezes uma moeda e registar a face que fica virada para cima.
Lanar 10000 vezes uma moeda e registar a face que fica virada para cima.
De uma caixa com 2 bolas brancas e 2 bolas pretas, retiraram-se, sem olhar, duas
bolas. Registar a cor das bolas retiradas.
Aquecer gua acima dos 144 C e registar o que acontece.
Aquecer gua acima dos 92 C e registar o que acontece.
Deitar uma esfera metlica num copo de gua e verificar o que acontece.
Deitar uma bola de ping pong num copo de gua e verificar o que acontece.
1.10 Tirar duas cartas, sorte, de um baralho de 52 cartas que foi previamente baralhado e registar todas as cartas sadas.
2.
1.11 Tirar 52 cartas, sorte, de um baralho de 52 cartas que foi previamente baralhado e registar todas as cartas sadas.
Indica um exemplo de uma experincia determinista e de uma experincia aleatria.
Por exemplo, se nos perguntarem qual a probabilidade de existir uma mosca com dois quilos, no hesitaremos em dizer que a
probabilidade zero, visto que a nossa experincia com moscas
nos diz ser tal impossvel. Mas se nos perguntarem qual a probabilidade de um macaco gostar de bananas j responderemos sem
hesitar que um.
Contudo, sem uma teoria adequada j no saberemos atribuir um nmero a acontecimentos como
Vai chover amanh, Vou ganhar o euro milhes ou Vai haver menos moscas este Vero.
8
1. possvel? provvel?
A Teoria da Probabilidade foi desenvolvida exatamente para nos fornecer modelos matemticos
especiais, a que se chama modelos probabilsticos, para conseguir descrever com clareza todos os
fenmenos aleatrios. Para isso vamos estudar variveis em populaes:
Quando recolhemos uma observao de uma varivel, ou quando observamos um fenmeno aleatrio, dizemos que estamos em presena de uma experincia aleatria:
Exerccios
1.
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1. possvel? provvel?
Tr
Tarefa
resolvida
Resoluo
a) Trata-se de um fenmeno aleatrio por ser de todo impraticvel prever o resultado. Como estamos em presena de um dado vulgar (com a forma de um cubo perfeito ou quase e feito de
material homogneo), no h razo para pensar que uma face possa ter de aparecer mais vezes do
que qualquer outra; assim todas as faces podem ficar viradas para cima com igual probabilidade;
como h 6 faces, a probabilidade ter de ser 1/6:
Nmero de pintas da
face que fica virada
para cima
Probabilidade
1/6
1/6
1/6
1/6
1/6
1/6
b) Um RAPA um jogo tradicional em que um cubo tem uma base e um topo como a de um pio
para poder rodar livremente at cair e ento mostrar uma face para
cima. As quatro faces do cubo com marcao tm 4 letras correspondentes a 4 aes: R, T, D e P, correspondentes a RAPA, TIRA,
DEIXA e PE. No incio do jogo do RAPA todos os participantes
tm de possuir o mesmo nmero de objetos (tradicionalmente eram
feijes, mas pode ser um objeto qualquer). Roda-se o RAPA e, conforme o resultado, vo-se colocando ou retirando objetos do centro
da mesa de jogo. Se o RAPA, ao parar, apresentar a letra R voltada
para cima, o jogador que o lana tem direito a levantar e guardar
todos os objetos inicialmente colocados. Caso seja a letra T tem
direito a tirar um objeto. Se for a letra D, no coloca nem tira qualquer objeto e, finalmente, se ficar para cima a letra P, tem de pr
um objeto na mesa.
Partindo do princpio que o RAPA feito de material homogneo, a obteno de qualquer das letras
tem igual probabilidade. Assim o modelo de probabilidade ser
Letra do RAPA
Probabilidade
10
1. possvel? provvel?
T
Tarefa 3
Constri um modelo de probabilidade para o lanamento de dados homogneos usados no jogo
RPG-role playing ou D&D-dungeons and dragons, com:
a) 8 faces
Dados 4 a 20 caras Sabbut,
https://commons.wikimedia.org/wiki/File:Dados_4_a_20_caras.jpg
b) 10 faces
Vejamos agora como comear a construir de forma sistemtica Modelos de Probabilidade. Para isso
temos de delimitar quais os resultados possveis de uma experincia aleatria.
1. possvel? provvel?
11
Exerccios
1.
1.1
1.2
1.3
1.4
1.5
1.6
1.
Para cada uma das seguintes experincias aleatrias identifica o espao de resultados:
Lanamento de um dado e anotao do nmero que saiu.
Lanamento dos dois dados e anotao da soma dos nmeros sados em cada
dado.
Lanamento dos dois dados e anotao do produto dos nmeros sados em cada
dado.
Lanamento dos dois dados e anotao da diferena dos nmeros sados em cada
dado.
Vamos simular uma experincia aleatria usando uma folha de clculo. Para isso
vamos usar a frmula
=RANDBETWEEN(10,100)
1.1
1.2
=COUNTIF(A1:A100,20)
1.3
permite ver quantos valores das clulas A1 a A100 so iguais a 20. Usando a primeira frmula em todas as clulas desde A1 at A100 que valor achas mais provvel encontrar como resultado da aplicao da segunda frmula? Realiza vrias
experincias com as duas frmulas. Que resultados obtiveste? Explica porque os
seus resultados no coincidem com o que estavas espera.
Estando esclarecido qual o espao de resultados que preciso considerar em cada caso, vamos agora
ver nesse espao o que nos interessa salientar.
Normalmente usamos letras maisculas A,B,C,... para designar os acontecimentos. Claro que o conjunto vazio e o conjunto S tambm so acontecimentos.
12
1. possvel? provvel?
Considerando a experincia aleatria que consiste em perguntar a dois alunos de uma escola escolhidos ao acaso se so a favor ou contra a proibio de fumar em automveis com crianas, o espao
de resultados dado por
S={(favor favor), (favor contra), (contra contra), (contra favor)}
b) Pelo menos um dos alunos a favor. Este acontecimento representado por B={(favor favor),
(favor contra), (contra favor)};
c) Os dois alunos so a favor. Representa-se por C={(favor favor)}.
d) Nenhum dos alunos a favor ou contra. Neste caso o acontecimento impossvel, com os dados
fornecidos, pelo que o acontecimento representado pelo conjunto vazio D=.
Acontecimento elementar um acontecimento constitudo por um nico resultado, ou seja, um subconjunto do espao de resultados S formado
por um nico elemento.
Tr
Tarefa Resolvida 4
Considera a experincia aleatria que consiste em lanar dois dados de seis faces, numerados de 1
a 3 (cada nmero aparece duas vezes) e verificar as faces que ficam voltadas para cima. Identifica
o espao de resultados e os acontecimentos O nmero de pintas diferente nos dois dados, o
nmero de pintas par nos dois dados e a soma das pintas 4.
Resoluo
Para conseguir identificar mais claramente o espao de resultados vamos considerar que o primeiro
dado branco e o segundo azul. O espao de resultados constitudo por todos os pares de faces
representados no quadro a seguir.
1. possvel? provvel?
13
Dado 2
Dado 1
Dado 2
Dado 1
S={(1,1),(1,2),(1,3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)}
Dado 2
Para estudar o acontecimento O nmero de pintas diferente nos dois dados, podemos assinalar
no quadro quais as situaes em que tal acontece:
Dado 1
Dado 2
Dado 1
Dado 2
A={(1,2),(1,3),(2,1),(2,3),(3,1),(3,2)}
Dado 2
Olhando para o quadro fcil concluir que o acontecimento o nmero de pintas par nos dois
dados apenas acontece quando aparece 2 em ambos os dados pelo que dado por
Dado 1
B={(2,2)}
E assim trata-se de um acontecimento elementar.
Para estudar o acontecimento a soma das pintas 4 podemos assinalar no quadro quais as situ14
1. possvel? provvel?
T
Tarefa 5
Considera a experincia aleatria que consiste em lanar trs dados de quatro faces, numerados
de 1 a 4, e verificar as faces que ficam voltadas para cima. Identifica o espao de resultados e os
acontecimentos O nmero de pintas igual nos dois dados, o nmero de pintas mpar nos dois
dados e a soma das pintas 5.
Exerccios
1.
Considera que escreves nas faces de um dado cbico as letras da palavra ESCOLA.
Lana-se um dado e observa-se qual a letra escrita na face superior.
1.1
1.2
1. possvel? provvel?
15
H
Histria(s)
Galileu e o jogo dos dados
No sculo XVII, os jogadores italianos costumavam fazer apostas sobre o nmero total de pintas
obtidas no lanamento de 3 dados. Acreditavam que a possibilidade de
obter um total de 9 era igual possibilidade de obter um total de 10.
Por exemplo, diziam que uma combinao possvel para dar um total de
9 seria 1 pinta num dos dados, 2 pintas num outro dado, 6 pintas no
terceiro dado. Abreviando o resultado anterior para 1 2 6, todas as
combinaes para dar o 9 so:
126
234
135
225
144
333
136
244
226
334
Assim, os jogadores argumentavam que o 9 e o 10 deveriam ter a mesma possibilidade de se verificarem. Contudo, a experincia mostrava que o 10 aparecia com uma frequncia um pouco superior ao
9. Pediram a Galileu que os ajudasse nesta contradio, tendo este realizado o seguinte raciocnio:
Pinte-se um dos dados de branco, o outro de cinzento e o outro de preto. De quantas maneiras se
podem apresentar os trs dados depois de lanados? O dado branco pode apresentar 6 possibilidades diferentes. Para cada uma destas possibilidades o dado cinzento pode apresentar 6 possibilidades, obtendo-se 66 possibilidades para os dois dados. Correspondendo a cada uma destas
possibilidades, o dado preto pode apresentar 6 possibilidades obtendo-se no total 666=216
possibilidades. Galileu listou todas as 216 maneiras de 3 dados se apresentarem depois de lanados.
Depois percorreu a lista e verificou que havia 25 maneiras de obter um total de 9 e 27 maneiras de
obter um total de 10.
O raciocnio dos jogadores no entrava em linha de conta com as diferentes maneiras como os dados
se podiam apresentar. Por exemplo o triplo 3 3 3, que d o 9, corresponde unicamente a uma
forma de os dados se apresentarem, mas o triplo 3 3 4 que d o 10, corresponde a 3 maneiras
diferentes:
pelo que o raciocnio dos jogadores deve ser corrigido de acordo com a tabela seguinte:
16
1. possvel? provvel?
Triplos para o 9
1
1
1
2
3
Total
3
4
2
3
N. de maneiras de
Triplos para o 10
obter o triplo
25
Total
3
2
6
6
N. de maneiras de
obter o triplo
6
6
3
6
3
3
27
Uma tcnica interessante que ajuda a visualizar o espao de resultados de uma experincia aleatria, consiste em construir diagramas usando figuras geomtricas, tais como crculos, rectngulos
ou quadrados para representar os acontecimentos. Tal tcnica foi introduzida pelo lgico e filsofo
ingls John Venn (1834-1923) e por isso os diagramas se chamam diagramas de Venn. A ideia de
John Venn foi a de representar o espao de resultados S com um retngulo e os acontecimentos com
crculos contidos no retngulo. Por exemplo, no diagrama seguinte
A
S
O espao de acontecimentos S o retngulo total e os acontecimentos A e B so representados por
dois crculos. Se um ponto est dentro de A ento pertence ao acontecimento A; se est ao mesmo
tempo dentro de A e de B ento pertence tanto ao acontecimento A como ao acontecimento B.
Tr
Tarefa
resolvida
Resoluo
O espao de acontecimentos
S={(1,1),(1,2),(1,3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)}
e os acontecimentos A, B e C so
1. possvel? provvel?
17
A={(1,2),(1,3),(2,1),(2,3),(3,1),(3,2)}.
B={(2,2)} e
C={(3,1),(2,2),(1,3)}
(3, 1)
(1, 3)
(1, 2)
(2, 1)
(2, 3)
(3, 2)
T
Tarefa 7
Considera a experincia aleatria que consiste em lanar dois dados de seis faces, numerados de 1 a
6, e verificar as faces que ficam voltadas para cima. Representa num diagrama de Venn o espao de
resultados dessa experincia aleatria e dos acontecimentos A O nmero de pintas par num dos
dados e B a soma das pintas nos dois dados 7.
T
Tarefa 8
Supe que vais a um supermercado e compras 5 iogurtes de marca Bem Bom e 3 de marca
Apetitoso. Como ias com muita pressa nem reparaste de que sabor eram os iogurtes. Considera
a experincia aleatria que consiste em verificar quantos iogurtes, de cada uma das marcas, so de
morango. Representa num diagrama de Venn os acontecimentos :
A - S compraste um iogurte de morango;
18
1. possvel? provvel?
T
Tarefa 9
Numa determinada Universidade, verificou-se que, de entre os 115 alunos do 1. ano no ano lectivo
de 98/99, em determinado curso com 3 disciplinas:
a) 57 foram aprovados em Anlise Infinitesimal
b) 45 foram aprovados em lgebra
Este modo de representao dos acontecimentos vai-nos ser muito til para representar as operaes
com acontecimentos que so necessrias para construir um Modelo de Probabilidade interessante e
til.
1. possvel? provvel?
19
Acontecimento diferena dos acontecimentos A e B o acontecimento que se realiza se o acontecimentos A se realiza mas sem que B se realize.
Ou seja, o acontecimento constitudo por todos os resultados que pertencem a A e no pertencem a B. Representa-se por A \ B .
20
1. possvel? provvel?
Tr
Tarefa
resolvida
10
Considera a experincia aleatria que consiste em lanar um dado comum e verificar a face que sai,
identificada pelo nmero de pintas. Considera os acontecimentos A, sada de face par e B sada
de nmeros maiores do que 3.
a) Determina os acontecimentos complementares ou contrrios de A e de B.
b) Determina A B ;
c) Determina A B ;
d) Determina A \ B .
Resoluo
a) Como A={2,4,6} ento Ac={1,3,5}, ou seja, o acontecimento sada de face mpar. Como
B={4,5,6} ento Bc={1,2,3}, ou seja, o acontecimento sada de nmeros menores do que 4;
b) Como A={2,4,6} e B={4,5,6} ento A B ={4,6};
T
Tarefa 11
Considera a experincia aleatria que consiste em lanar um dado comum e verificar a face que
sai, identificada pelo nmero de pintas. Considera os acontecimentos A, sada de face mpar e B
sada de nmeros maiores do que 2.
a) Determina os acontecimentos complementares ou contrrios de A e de B.
b) Determina A B ;
c) Determina A B .
Por exemplo, na experincia aleatria que consiste em lanar um dado comum e verificar a face
que sai, identificada pelo nmero de pintas, o acontecimento C, sada de nmero par inferior a 3,
implica o acontecimento A, sada de face par, pois C={2} e A={2,4,6}. Assim C A .
Dois acontecimentos dizem-se disjuntos ou incompatveis se a realizao de um deles implica a no
realizao do outro. Dito de outro modo, acontecimentos A e B dizem-se disjuntos ou incompatveis
se a interseco o conjunto vazio, isto se A B =.
1. possvel? provvel?
21
Por exemplo, na experincia aleatria que consiste em lanar um dado comum e verificar a face que
sai, identificada pelo nmero de pintas, o acontecimento A, sada de face par incompatvel com
o acontecimento D, sada de face mpar, pois A={2,4,6} e D={1,3,5}. Assim A B =.
Exerccios
1.
Considera que escreves nas faces de um dado cbico as letras da palavra ESCOLA.
Lana-se um dado e observa-se qual a letra escrita na face superior.
1.1
1.2
1.3
1.4
2.
T
Tarefa 12
Considera a experincia aleatria que consiste em lanar um dado comum e verificar a face que sai,
identificada pelo nmero de pintas. Compara os seguintes acontecimentos:
a) A sada de face par
b) B sada de nmero mpar superior a 2
c) C sada de nmero para superior a 2
22
1. possvel? provvel?
Exerccios
1.
Um baralho de cartas completo tem 52 cartas (13 cartas em cada naipe). Tira-se uma
carta de um baralho completo.
1.1
1.2
1.3
Utilizando apenas estes dois acontecimentos e as operaes de interseco, reunio e complementao, caracterize os seguintes acontecimentos:
2.1
2.2
2.3
Utilizando apenas estes dois acontecimentos e as operaes de interseo, reunio e complementao, caracteriza os seguintes acontecimentos:
23
Le
Leitura(s)
Como o acaso comanda as nossas vidas
Poder a nossa vida depender mesmo dessas
minudncias que em nada parecem estar relacionadas umas com as outras e que, eventualmente, determinam o seu decurso?
os investigadores do crebro e os filsofos explicam por que que temos tanta dificuldade em
relacionar-nos de uma forma pacfica com essa
fora geradora. Os seus trabalhos fundamentam
a crena arreigada a conceitos como o destino,
ou um plano superior a que nos encontramos
submetidos.
O poder do acaso bem maior do que tudo aquilo que at agora pudemos imaginar. A sua investigao abrange as grandes incgnitas da cincia,
como a questo da constituio do mundo ou da
origem da vida e tem, simultaneamente, a ver
tambm com a existncia e a biografia de cada
um de ns. E, no entanto, quem aqui espreita
no o demnio da desordem que o iluminista
Herder tanto amaldioou. A lngua inglesa desde
sempre acentuou os aspectos amigveis do acaso:
chance significa tambm oportunidade e at
sorte.
(adaptado de Stefan Klein, Como o Acaso Comanda as Nossas Vidas, Lua de Papel, 2008)
24
1. possvel? provvel?
Sntese
O essencial passado em revista
A Teoria da Probabilidade fornece modelos matemticos especiais, a que se chama modelos probabilsticos, para conseguir descrever com clareza todos os fenmenos aleatrios.
Populao conjunto de elementos ou indivduos (no necessariamente pessoas) com caractersticas comuns.
Varivel caracterstica comum a uma populao que assume valores diferentes de indivduo
para indivduo.
Experincia aleatria o processo que permite obter uma observao ou resultado tal que:
a) antes da observao do fenmeno no se tem conhecimento suficiente para dizer qual dos
resultados se vai verificar;
b) possvel fazer um grande nmero de realizaes, independentes, da experincia;
c) admite-se que possvel encontrar nmeros entre 0 e 1, que representam a frequncia relativa com que se verificam os resultados individuais de cada realizao da experincia.
Acontecimento complementar ou contrrio do acontecimento A o acontecimento constitudo por todos os resultados de S que no esto em A. Representa-se por Ac ou A .
1. possvel? provvel?
25
Li
Lio
de
Lgica Matemtica n. 7
Leis de De Morgan
Vimos na lio n. 3 que a conjuno de duas proposies s verdadeira quando as duas proposies forem simultaneamente verdadeiras. E vimos na lio n. 4 que a disjuno de duas
proposies s falsa quando as duas proposies forem simultaneamente falsas. Mas isto significa
que a disjuno de duas proposies falsa quando as negaes das duas proposies forem ambas
verdadeiras. Podemos exprimir isto do seguinte modo:
Lei: Dizer que a negao da disjuno de duas proposies verdadeira o mesmo que dizer que
a conjuno das negaes das duas proposies verdadeira.
Por exemplo, dizer que a proposio
26
~ (7 > 9 7 < 2)
1. possvel? provvel?
(~ 7 > 9) (~ 7 < 2)
verdadeira. Podemos ainda escrever esta ltima proposio como (7 9) (7 2) . Tambm podemos, pelas mesmas razes, enunciar a lei
Lei: Dizer que a negao da conjuno de duas proposies verdadeira o mesmo que dizer que
a disjuno das negaes das duas proposies verdadeira.
Ou seja, as proposies ~ (7 > 9 7 < 2) e (~ 7 > 9) (~ 7 < 2) so equivalentes. Esta ltima pode
ainda escrever-se, obviamente como (~ 7 > 9) (~ 7 < 2) .
Estas leis podem ser expressas em termos de conjuntos da seguinte maneira:
Leis de De Morgan
AB = AB
1. possvel? provvel?
AB = AB
[ 2, 4 ] [ 3,5 ] = [ 2, 4 ] [ 3,5 ]
= (],2[ ]4,+[ ) (], 3[ ]5,+[ )
= ],2[ ]5,+[
27
Eg
Exerccios globais
Pratica
1.
10
9
11
12
3
4
1.2.6 No sair 7.
1.2.7 Sair 15.
1.3
Considera os acontecimentos:
A: Sair nmero mpar.
1. possvel? provvel?
2.1
2.2
Representa por C a sada da face cara e por E a sada da face Europa, resolve as seguintes alneas:
3.
2.3.1 {(E,C,C),(C,E,C),(C,C,E)}
Considera a experincia aleatria que consiste em verificar o sexo dos filhos das famlias de
dois filhos.
3.2
5.
2.3.2 {(E,E,C),(E,E,E)}
3.1
4.
Considera o acontecimento pelo menos um dos filhos do sexo masculino. Representa por um diagrama de Venn este acontecimento.
Considera experincia aleatria que consiste em retirar 2 CDs, de uma caixa de 5 CDs, em
que 2 esto avariados. Representa, atravs de um diagrama de Venn, o espao de resultados
e o acontecimento A={pelo menos um CD est avariado}.
Considera S={a,e,i,o,u} o espao de resultados de uma experincia aleatria. Sejam A e B
dois acontecimentos:
A={a,i} e B={e,i,u}.
29
5.1
5.2
5.3
5.4
6.
B;
AB ;
AB ;
B A.
Sabe-se ainda que 18% assinam o Dirio de Coimbra e as Beiras, 15% assinam o Dirio de
Coimbra e a Cabra, 12% assinam as Beiras e a Cabra, sendo os trs jornais assinados por
4% da populao.
6.1
6.2
Constri um diagrama de Venn que represente a distribuio das assinaturas pelos trs
jornais.
Indica a percentagem da populao que:
Pensa e Resolve
1.
1.1
1.2
2.
30
A tua calculadora grfica permite-te simular o lanamento de duas moedas ao ar, fazendo
com que ou sai o nmero 0 ou o nmero 1, usando a instruo randInt (0,1,2). Repara
na imagem seguinte:
1. possvel? provvel?
1
0
2 2
3.
2
2.1
2.2
1
1 para cada0 uma das experincias
2
Define
um modelo de probabilidade
aleatrias seguintes:
3
3.1
3.2
3.3
4.
0
Representa em extenso os acontecimentos
B A , A B , B C e B C .
1
1 moedas1equilibradas
1 e registo2da face voltada para cima;
Lanamento de duas
Extrao sucessiva, sem reposio,2 de duas bolas de um saco onde existem quatro bolas
0
de cor diferente e registo da cor.
1. possvel? provvel?
31
4.1
4.2
5.
De uma urna que contm duas bolas amarelas, uma roxa e uma vermelha, retira-se uma bola
ao acaso e regista-se a cor.
5.1
5.2
5.3
Reflete
1.
No projeto educativo de uma escola secundaria esto previstas trs atividades: realizar um
Magusto; realizar um jantar de Natal; realizar uma Caminhada de fim de ano.
Youth hiking por JJudith89,
http://commons.wikimedia.org/wiki/File:Youth_hiking.JPG
2.
Considera a experincia aleatria que consiste em averiguar num grupo de 5 amigos, constitudo pelo Joo, Manuel, Tiago, Toms e David, se praticam algum desporto e se so casados
ou no. Se soubermos que o Joo, o Toms e o David so casados e que o Tiago e David
praticam desporto, um diagrama de Venn pode ser til.
Considera os acontecimentos:
M: realizar o Magusto;
32
1. possvel? provvel?
2.1
2.2
3.
O que concluis sobre a realizao das trs atividades se M (N C ) for um acontecimento certo?
Extraem-se duas bolas, uma de cada vez, sem reposio, e regista-se o nmero de cada uma.
Considera os acontecimentos:
3.1
3.2
3.3
Conselhos
para os exames
- n. 1
Sempre que se pensa em testes ou exames, pensa-se automaticamente em stress, ansiedade e nas
suas manifestaes. No entanto, os testes so um facto da vida e o mais certo que eles ocorram
ao longo de toda a vida e que sejam o modo mais utilizado para demonstrar conhecimentos e capacidades. Por isso, importante aprender a lidar com o stress e a ansiedade que os testes/exames
inevitavelmente envolvem para que seja possvel controlar os seus sintomas, e assim, transformar a
ansiedade e o stress de algo incapacitante para algo estimulante.
Aqui vo algumas dicas. Provavelmente nem todas vo funcionar contigo mas, esperemos, pelo menos te encoraje a comear a pensar e a preparares-te para testes e exames de um modo geral.
Preparao:
a) Organiza um horrio de revises que seja realstico. Lembra-te que a qualidade do teu tempo
de estudo que importa e no a quantidade.
1. possvel? provvel?
33
b) Quando estiveres a rever a matria faz mais que olhar para uma pgina com esperana que algum
milagre acontea e que a matria se transfira automaticamente para o teu crebro! Desenvolve
um mtodo de estudo que resulte contigo.
c) No consumas estimulantes, bebidas com cafena (refrigerantes, caf ou mesmo ch). Embora
estas bebidas te faam sentir melhor durante o dia, vo dificultar o repouso noite.
d) Para de estudar cerca de uma hora antes de ir para a cama e d descanso ao seu crebro. Ouve
msica, toma um banho, l alguma coisa leve ou v um pouco de televiso. O teu crebro no
como um interruptor que pode simplesmente desligar-se, precisa de um perodo de transio
para se ajustar.
No Exame:
e) No te enganes na data do exame. Reconfirma sempre a data, a hora e o local do exame. Nada
mais desagradvel do que ser apanhado de surpresa.
f) Como preparao para os diferentes tipos de testes e exames, provavelmente j ters realizado
dezenas de exerccios e de fichas mas, antes de entrar em cada exame, faz uma reviso mental e
relembra os objectivos da matria.
g) Na noite anterior prepara o material que poders precisar para o teste como canetas, calculadoras ou outro material especializado para que no entres em pnico no dia do exame.
h) Alimenta-te convenientemente s refeies. Come uma pequena guloseima antes de cada exame.
Lembra-te de manter uns bons nveis de energia. Os teus nveis de acar precisam de estar um
pouco altos para que o crebro funcione com todo o seu esplendor.
i) Antes do exame, num espao calmo, mais ou menos privado (ex: quarto de banho) feche os olhos
e respire calma e profundamente 10 vezes. Este exerccio vai fazer com que se acalmes. Alm
disso, pode repeti-lo durante o exame ou em alturas que se sinta a entrar em pnico.
j) Evita conversas que sabes que te vo alterar antes do exame as discusses tm tempo para
acontecer, antes dos exames que no. Do mesmo modo, evita pessoas que consideres aborrecidas ou que te tiram do srio.
k) Se a mesa onde vais fazer o exame abana, pede outra. Se no for possvel, pe algo debaixo da
perna da mesa antes de comear o exame.
l) Comeou o exame! Mantm a calma e l o enunciado todo antes de comear, pelo menos duas
vezes, marcando, da segunda vez, as questes que consegues fazer mais facilmente.
m) L as questes que marcaste anteriormente com ateno. Essa a tua lista fcil. Fazer
primeiro as perguntas que consideras fceis vai dar-te motivao e nimo para fazer as outras
mais difceis.
n) L as perguntas cuidadosamente. Os professores no querem ler mais do que aquilo que perguntaram Vale a pena ponderar no que ser relevante na questo e organizar a tua resposta
mentalmente ou na folha de rascunho. S ento comea a escrever.
o) Se te mantiveres calmo vais ter tempo para responder a todas as questes. Se for mais fcil para
ti, divide o tempo do exame pelo nmero de questes que tens que fazer.
34
1. possvel? provvel?
Depois do exame:
Se tudo correu bem, irs ter a nota por que tanto te esforaste, no entanto, nem sempre o esforo
efectuado recompensado e podes reprovar no exame tem noo que no o fim do mundo
apenas um exame ters outras oportunidades para recuperar esta nota. Pergunta aos seus professores como
(adaptado de um texto de Lara R. Alves, Psicloga Clnica)
Ie
Itens de exames
1.
Uma caixa, que designamos por caixa 1, contm duas bolas pretas e trs bolas verdes. Uma
segunda caixa, que designamos por caixa 2, contm duas bolas pretas e uma bola verde.
Considera a seguinte experincia: retirar, ao acaso, uma bola de cada caixa.
Seja X o acontecimento: nmero de bolas verdes que existem no conjunto das duas bolas
retiradas.
2.
Quatro bolas esto numeradas com o nmero 1, cinco com o nmero 2 e uma com o nmero
3.
2.1
2.2
3.
A, B, A B , A C .
1. possvel? provvel?
35
1
0
2 2
1
1
1
1
Lana-se este dado uma s vez e observam-se os nmeros da face que fica voltada para cima.
A
Diz-se ento que saram esses trs nmeros.
3.1
3.2
Pg
Prova global
45 minutos
4.
Considera
4.1
4.2
quatro
caixas
com
fichas
azuis
(A)
fichas
vermelhas
(V).
Foi dada Rita uma caixa, da qual ela retirou uma ficha, registou a cor e voltou a
colocar a ficha dentro da caixa.
A Rita repetiu este procedimento durante dez vezes tendo obtido o seguinte resultado:
A, V, A, V, A, V, A, V, A, V.
4.3
36
Consegues identificar a caixa que foi dada Rita? Justifica a tua resposta.
D a tua opinio, devidamente fundamentada, sobre cada uma das seguintes afirma1. possvel? provvel?
es:
6.1
6.2
6.4.1
6.4.2
AB
AB
6.4.3 C E
6.4.4
6.4.5
B D
AE
1. possvel? provvel?
37
2. Probabilidade
O mal sempre mais provvel que o bem
Popular
Aproveitar o Tempo
lvaro de Campos
Aproveitar o tempo!
Mas o que o tempo, que eu o aproveite?
Aproveitar o tempo!
Nenhum dia sem linha...
O trabalho honesto e superior...
O trabalho Virglio, Mlton...
Mas to difcil ser honesto ou superior!
to pouco provvel ser Milton ou ser Virglio!
J vimos na tarefa 2a) do captulo anterior que a experincia aleatria que consiste em lanar um
dado comum e verificar a face que fica virada para cima, identificada pelo nmero de pintas, pode
ser estudada considerando os diferentes acontecimentos elementares {1}, {2}, {3}, {4}, {5}, {6} e
observando que todas as faces podem ficar viradas para cima com igual probabilidade; como h 6
faces, a probabilidade de cada acontecimento elementar ter de ser 1/6:
Nmero de pintas da
face que fica virada
para cima
Probabilidade
1/6
1/6
1/6
1/6
1/6
1/6
Este exemplo simples pois evidente que todos os acontecimentos elementares so igualmente
provveis. A questo que se pe : como atribuir probabilidades aos diferentes acontecimentos num
caso geral em que no sejam todos igualmente provveis?
38
2. Probabilidade
Benfica ganha
41/78
Benfica empata
23/78
Benfica perde
14/78
Em casa do Porto, para o Campeonato Nacional, as duas equipas disputaram desde 1934 at abril
de 2012, um total de 79 jogos. Como o Benfica ganhou 12 jogos, empatou 20 e perdeu 47, temos
algumas razes para considerar o seguinte modelo
Acontecimento
Probabilidade
Benfica ganha
12/79
Benfica empata
20/79
Benfica perde
47/79
Estes exemplos mostram-nos como a anlise de cada situao nos poder permitir encontrar as probabilidades de cada acontecimento elementar e, assim, construir o modelo de probabilidade de cada
experincia aleatria. Preparando-nos para situaes cada vez mais complexas, clarifiquemos quais
as propriedades a que deve satisfazer a noo de probabilidade:
Consideremos uma experincia aleatria que conduza a um espao de resultados S contvel, isto ,
que s assume um nmero finito de resultados distintos ou ento pode ser enumerado e que representamos por E1, E2, E3, . Ento, qualquer que seja o modo de construir o modelo de probabilidade (isto , obter as probabilidades associadas aos acontecimentos elementares que constituem o espao de resultados), vamos estabelecer a partir de agora as seguintes regras bsicas:
Regras para a Probabilidade de um acontecimento
ento:
39
Consideremos a experincia aleatria de lanar ao ar uma moeda com uma cara num lado e uma
outra ilustrao do outro lado (dita coroa). Efetuemos uma simulao na internet, por exemplo em http://shodor.org/interactivate/activities/Coin/
para ver quantas caras A e coroas O aparecem em sucessivos lanamentos.
Lanamentos
10
50
90
130
170
210
250
290
330
370
410
Freq. relat. A
0,7
0,56
0,522
0,5
0,482
0,486
0,484
0,489
0,490
0,5
0,502
Caras A
Coroas O
Freq. relat. O
7
3
0,3
28
22
0,44
47
43
0,478
65
65
0,5
82
88
0,517
102
108
0,514
121
129
0,516
142
148
0,510
162
168
0,509
185
185
0,5
206
204
0,497
Sendo uma experincia aleatria no sabemos o que vai acontecer a seguir. Mas como supusemos
que se pode repetir sempre de forma independente, o que observmos razoavelmente representativo das propriedades desta experincia aleatria. Assim, como para muitas repeties da experincia,
as frequncias relativas para A e para O se vo aproximando razoavelmente de 0,5 aceitvel dizer
que
P(A) = P(O) = 0,5
Isto no significa que medida que o nmero de experincias cresa, a frequncia relativa se v
aproximando cada vez mais do resultado, poder oscilar; o que interessa que v estabilizando
volta de 0,5.
Podemos agora adotar a seguinte definio:
40
2. Probabilidade
H vrias abordagens possveis para tal. Uma delas est baseada numa das caractersticas qua
atribumos a uma experincia aleatria: possvel fazer um grande nmero de realizaes, independentes, da experincia. Se podemos repetir a experincia tantas vezes quanto quisermos, ento
vamos fazer exatamente isso, vamos registar a frequncia relativa, isto , a proporo, de cada
acontecimento e depois atribumos as probabilidades de acordo com essa proporo. Se repetirmos
a experincia aleatria um nmero cada vez maior de vezes, a frequncia relativa de cada acontecimento elementar tender a aproximar-se de algum valor entre 0 e 1 (podendo ser 0 ou ser 1). Tem
sentido ento interpretar esse valor como sendo a Probabilidade que podemos atribuir a cada
acontecimento elementar. A este mtodo de determinar a Probabilidade chama-se Aproximao
frequencista de Probabilidade.
Tr
Tarefa
resolvida
Suponhamos que numa experincia aleatria se lana um dado cbico de 6 faces, se registam as
pintas da face que ficou voltada para cima, e se obtiveram os seguintes resultados ao realizar 1000
experincias:
Face
Freq. abs.
160
16.0%
159
15.9%
163
16.3%
161
16.1%
86
8.6%
271
27.1%
Em funo destes resultados indica se se trata de um dado normal ou de um dado viciado e indica
quais as probabilidades de cada acontecimento elementar.
Resoluo
Para um grande nmero de experincias o valor da frequncia relativa de cada acontecimento elementar deve aproximar-se da probabilidade desse acontecimento. Ento as probabilidades devero
ser as da tabela
Face
Probabilidade
16%
1
2
4
5
6
16%
16%
16%
9%
27%
Este dado no claramente homogneo pelo que se trata de um dado viciado, ou seja, um dado
que, pela sua constituio fsica, no permite que as faces fiquem voltadas para cima com igual
probabilidade.
(adaptado de brochura Probabilidades e Combinatria, ME-DES, 1999)
2. Probabilidade
41
no esquecer
T
Tarefa 2
O Jogo da Glria, ou Jogo do Ganso um jogo de tabuleiro que ter sido criado na Alemanha
durante o Sc. XV, mas acabou por se popularizar, por volta do sculo XVI, em Frana. O nome
Jogo do Ganso, parece vir do facto de, na Grcia antiga, o ganso ser tido como um animal sagrado. Desde essa altura apareceram inmeras verses em diferentes pocas e diferentes pases e ainda
hoje um jogo popular. Neste jogo cada jogador parte de uma casa de partida e o objectivo ser o
primeiro a chegar ltima casa do tabuleiro (que costuma ter 63 casas). Na sua vez de jogar, cada
jogador lana um dado e avana o correspondente nmero de casas. A casa onde vai parar pode dar
direito a um prmio ou a um castigo. Nalgumas verses a casa 9 nove a chamada casa da morte
por implicar a eliminao do jogo. Determina a probabilidade de um jogador ser eliminado do jogo
usando a definio frequencista.
13
12
47
11
45 46
10
44
43
25
31
14
48
49
5
0 51 52 53 54 55 56 57 58 59
30
2
24
29
42
33 3
1
4 35 36 37 38 39 40 4
1
15
27 18 19 20 21 22 23
60
61
62
28
32
16
26
27
63
42
2. Probabilidade
Exerccios
1.
2.
3.
O Joaquim tem um leitor MP3 com 250 msicas. Se ele tiver 50 msicas portuguesas
e 200 estrangeiras e puser o leitor a funcionar no modo aleatrio, qual ser a probabilidade de ouvir uma cano portuguesa?
Suponhamos agora que no leitor MP3 do Joaquim ele tem 120 ficheiros de msica e 60
ficheiros de vdeos musicais. Se ele puser o leitor a funcionar no modo aleatrio, qual
ser a probabilidade de ouvir um vdeo musical?
No lanamento de um dado 800 vezes verificou-se que a face 1 saiu 104 vezes, a face 2
saiu 96 vezes, a face 3 saiu 110 vezes, a face 4 saiu 100 vezes, a face 5 saiu 94 vezes e
a face 6 saiu 296 vezes.
Voltmos a lanar o mesmo dado, mas desta vez s lanamos o dado 8 vezes e obtivemos: a face 1 uma vez, a face 2 saiu 1 vez, a face 3 saiu 1 vez, a face 4 saiu 2 vezes, a
face 5 no saiu nenhuma vez e a face 6 saiu 3 vezes.
4.
5.
Poderemos afirmar que este dado viciado? Justifica convenientemente a tua resposta.
O Joo lanou uma moeda equilibrada ao ar nove vezes, nas nove vezes ele obteve
Cara. Ser possvel que o Joo obtenha Coroa no dcimo lanamento?
Numa folha de clculo possvel simular o lanamento de um dado cbico usando a
instruo
=RANDBETWEEN(1,6)
que nos fornece um nmero aleatrio entre 1 e 6, exatamente os resultados possveis no lanamento de um dado cbico equilibrado.
5.1
5.2
6.
Usando uma folha de clculo para simular o lanamento de 500 dados que resultados se podem esperar?
Usa uma folha de clculo para simular o lanamento de 500 dados. Que relao
existe com os resultados esperados? Porqu?
2. Probabilidade
43
Exerccios (cont.)
http://www.nelsonsousa.pt/index.php?lang=pt&cat=2&subcat=3&article=29
http://www.apm.pt/portal/index.php?id=26902
Na internet podes usar, por exemplo, as pginas
http://alea-estp.ine.pt/html/probabil/html/cap_02/html/cap2_1_2.html
http://www2.whidbey.net/ohmsmath/webwork/javascript/diceroll.htm
http://www.random.org/dice/
Admite que o acontecimento A ocorreu 160 vezes. Poders concluir que o dado
viciado?
Como organizarias uma experincia para verificar se o dado ou no viciado?
Retomando o exemplo do lanamento de um dado cbico comum, isto a experincia aleatria que
consiste em lanar esse dado e verificar a face que fica virada para cima, identificada pelo nmero
de pintas, relembremos que os diferentes acontecimentos elementares so {1}, {2}, {3}, {4}, {5},
{6} e que as faces podem ficar viradas para cima com igual probabilidade; Havendo 6 acontecimentos elementares de igual probabilidade a ser considerados, a probabilidade de cada acontecimento
elementar ter de ser 1/6:
Nmero de pintas da
face que fica virada
para cima
Probabilidade
1/6
1/6
1/6
1/6
1/6
1/6
Vamos tentar esta ideia de os acontecimentos elementares serem igualmente provveis. A questo
que se pe : como atribuir probabilidades aos diferentes acontecimentos num caso geral em que no
sejam todos igualmente provveis?
44
2. Probabilidade
Consideremos agora a experincia aleatria que consiste em retirar, sem olhar, um berlinde de uma
caixa com 5 berlindes, 3 amarelos e dois azuis, e depois ver a respetiva cor.
Qual a probabilidade de retirar um berlinde azul? Claro que no ser igual de retirar um berlinde
amarelo! Como existem 2 berlindes azuis num total de 5 berlindes, sensato afirmar que a probabilidade de retirar um berlinde azul seja de 2/5. E, claro, a probabilidade de retirar um berlinde
amarelo dever ser 3/5.
2. Probabilidade
45
A Probabilidade de um acontecimento A igual soma das probabilidades dos acontecimentos elementares que compem A.
E se quisermos saber a probabilidade de sair uma figura? Como h 12 figuras num baralho de 52
cartas, a probabilidade de sair uma figura ser igual a
12 x 1/52 = 12/52 = 3/13
Cada um destes exemplos pode ser reescrito considerando que o que procuramos o nmero dos
acontecimentos elementares favorveis, que dividimos pelo nmero de acontecimentos elementares possveis. Por exemplo, no baralho das 52 cartas, qual a probabilidade de sair uma
carta de um naipe com pintas vermelhas? Como h 26 cartas vermelhas num total de 52 cartas, a
probabilidade de sair uma carta com pintas vermelhas ser de
26 x 1/52 = 26/52 = 1/2
m
n
casos favorveis
casos possveis
Vamos aplicar esta definio determinao da probabilidade de sair uma Dama num jogo de 52
cartas. Como h 4 Damas num total de 52 cartas a probabilidade de sair uma dama
4
52
46
13
2. Probabilidade
T
Tarefa
resolvida
De um grupo constitudo por duas raparigas e dois rapazes, selecionam-se ao acaso 2 jovens para
realizarem um jogo de tnis. Qual a probabilidade de:
a) Serem os dois rapazes?
b) Ser um rapaz e uma rapariga?
Resoluo
Designando os dois rapazes por E1 e E2 e as duas raparigas por R1 e R2 podemos dizer que o espao
de resultados da experincia aleatria que consiste em selecionar dois jovens de entre os quatro
{(E1,E2), (E1,R1), (E1,R2), (E2,E1), (E2,R1), (E2,R2),
(R1,E1), (R1,E2), (R1,R2), (R2,E1), (R2,E2), (R2,R1)}
rapaz e rapariga = {(E1,R1), (E1,R2), (E2,R1), (E2,R2), (R1,E1), (R1,E2), (R2,E1), (R2,E2)}
P(dois rapazes) =
2
12
P(rapaz e rapariga) =
=
8
12
1
6
2
3
A
A
no esquecer
probabilidade, segundo a definio de
Laplace,
T
Tarefa 4
Consideremos o seguinte jogo de dados entre dois jogadores:
2. Probabilidade
47
b) Em cada jogada, cada jogador lana um dado e somam-se os pontos dos dois dados.
c) O jogador A marca um ponto se a soma for 5, 6, 7 ou 8.
A questo a investigar se neste jogo algum dos jogadores estar em vantagem em funo das regras
definidas para o jogo.
Elabora um pequeno relatrio com as tuas concluses.
T
Tarefa 5
A CABRA OU O CARRO?
O leitor est num programa do tipo Roda dos Milhes. O apresentador do programa mostra-lhe
trs portas iguais. Por trs de uma delas est um maravilhoso e
cintilante carro descapotvel. Por trs de cada uma das outras
est uma cabra. O objectivo do jogo que o leitor escolha uma das
portas, ganhando o prmio que ela esconde.
As regras, no entanto, so as seguintes: o apresentador comea por
lhe pedir que escolha uma das trs portas, coisa que o leitor faz.
Independentemente da sua escolha, o apresentador (que sabe onde
est o carro) abre uma das duas portas no escolhidas, revelando
uma cabra. Em seguida, vira-se para si e d-lhe e possibilidade de
trocar a sua escolha da porta inicial para a outra porta ainda fechada.
O que mais vantajoso?
48
2. Probabilidade
Exerccios
1.
Vamos jogar com um dado equilibrado com 20 faces numeradas de 1 a 20 que lanamos
uma nica vez e registamos o nmero que aparece na face de cima.
1.1
1.2
1.3
1.4
1.5
1.6
2.
2.2
2.3
2.4
4.
5.
6.
7.
2.1
3.
1/2;
1/4;
1/6;
2/3.
Abre-se ao acaso, um livro, ficando vista duas pginas numeradas. Qual a probabilidade de a soma dos nmeros dessas duas pginas ser mpar?
2. Probabilidade
49
H
Histria(s)
Pierre Simon Laplace (1749-1827)
Pierre Simon, Marqus de Laplace foi um matemtico, astrnomo e fsico francs que organizou
a astronomia matemtica, resumindo e ampliando o trabalho dos seus predecessores nos cinco volumes do seu clebre tratado Mcanique
Cleste (Mecnica celeste) (1799-1825). Esta
obra-prima traduziu o estudo geomtrico da mecnica clssica usada por Isaac Newton para um
estudo baseado no clculo matemtico, conhecido como mecnica fsica.
Laplace dedicou a maior parte da sua vida astronomia matemtica, culminando na sua obra-prima sobre a demonstrao da estabilidade
dinmica do sistema solar, com a suposio de
que este consistia num conjunto de corpos rgidos movendo-se no vcuo. Foi tambm um dos
primeiros cientistas a postular a existncia de
buracos negros.
lembrado como um dos maiores cientistas de
todos os tempos (s vezes, chamado de Newton
francs) com uma fenomenal capacidade matemtica, natural sem par entre os seus contemporneos. Parece que Laplace no era modesto
sobre as suas habilidades e realizaes. Um visitante da Academia das Cincias em Paris, em
1780-81, relatou que Laplace deixava claro que
se considerava o melhor matemtico de Frana.
d +1
d+2
(adaptado de http://pt.wikipedia.org/wiki/Pierre_Simon_Laplace sob os termos da licena Creative Commons Attribution-ShareAlike 3.0, http://creativecommons.org/licenses/by-sa/3.0/)
50
2. Probabilidade
Considere-se um espao de resultados S, finito, e um conjunto W de acontecimentos (isto , subconjuntos de S) que satisfaam as seguintes condies:
A cada elemento A W associa-se um nmero que se chama Probabilidade de A e que se representa por P(A). Os axiomas a que P(A) satisfaz
so:
A partir destes axiomas podemos obter uma srie de propriedades das probabilidades.
Propriedade 1
51
P(S ) = 1 + P()
Novamente pelo 2. axioma, P(S) = 1, pelo que da igualdade obtida se conclui imediatamente que
P() = 0 .
c.q.d.1
1
A partir do momento que demonstrmos esta primeira propriedade, ela passa a ser utilizvel nas
demonstraes seguintes (visto que foi obtida apenas a partir dos axiomas).
Propriedade 2
Dado um acontecimento A, a probabilidade do acontecimento A , contrrio de A, dada por
P(A) = 1 P(A)
Demonstrao
Como os acontecimentos A e A so disjuntos, porque A A = , ento, pelo 3. axioma temos
que
Mas, pela definio de acontecimento contrrio de A, temos que A A = S . Pelo 2. axioma ficamos ento a saber que P(A A) = 1 . Assim, vem que
()
1 = P A
Conclumos portanto que
()
()
+ P A
()
P A =1 - P A
c.q.d.
Propriedade 3
52
2. Probabilidade
5
S
Demonstrao
Como se reconhece facilmente recorrendo a um diagrama de Venn, quaisquer que sejam os acontecimentos A e B podemos sempre dizer que se A B ento B a unio de A com a diferena entre
B e A, ou seja, temos que
B = A (B A)
BA
S
Alm disso, os acontecimentos A e B-A so disjuntos. Assim, pelo 3. axioma temos que
P BA 0
Mas ento, da igualdade (*) podemos concluir imediatamente que
P(A) P(B)
c.q.d.
T
Tarefa 6
Prova as seguintes propriedades da probabilidade, utilizando apenas os axiomas e as 3 propriedades
j obtidas:
Propriedade 4
Propriedade 5
2. Probabilidade
53
T
Tarefa 7
Prova as seguintes propriedades da probabilidade, utilizando apenas os axiomas e as 3 propriedades j obtidas:
Propriedade 6
Propriedade 7
Demonstrao
A B = (A B) (A B) (B A)
A
B
AB
AB
BA
Ento, como estes conjuntos so todos disjuntos dois a dois, podemos dizer, pela propriedade 5,
que
54
2. Probabilidade
c.q.d.
Neste momento j temos, alm dos 3 axiomas, 7 propriedades da probabilidade, ou seja um total de
10 propriedades. Este poder de desmultiplicao de uma axiomtica o que faz com que seja to
importante em Matemtica.
casos favorveis
casos possveis
Esta definio satisfaz o 1. axioma sem dvida pois se trata de um quociente entre uma quantidade positiva ou nula (os casos favorveis) e uma quantidade positiva (os casos possveis). Tambm
satisfaz o 2. axioma pois para no clculo da probabilidade do acontecimento certo, S, segundo a
definio de Laplace, os casos favorveis coincidem com os casos possveis pelo que o quociente fica
igual a 1. Para ver se a definio de probabilidade segundo Laplace verifica o 3. axioma temos de
pensar que, para contar os casos possveis quando temos dois acontecimentos disjuntos, teremos de
contar os casos possveis de um acontecimento e os casos possveis para o outro acontecimento; para
obter os casos possveis para o acontecimento unio somam-se naturalmente os casos possveis dos
dois por no haver repeties entre um e outro.
Assim, a definio segundo Laplace verifica os 3 axiomas. Pode-se provar que a definio frequencista de Probabilidade tambm verifica os 3 axiomas, sendo portanto uma probabilidade segundo a
definio axiomtica. Isto permite-nos concluir que a axiomtica introduzida aqui muito til, pois
temos dois modelos concretos, relativamente fceis de utilizar, que a concretizam.
2. Probabilidade
55
Exerccios
1.
2.
1.1
1.2
1.3
(B) P (A B ) = 0 ;
(C) P (A B ) = 1 ;
3.
56
2. Probabilidade
Le
Leitura(s)
Bomba no avio
Com o dia da minha viagem se aproximando
comecei a pesquisar sobre viagens areas, no
s as coisas boas, como tambm as ruins. Entre
os motivos mais graves, dois so sem dvida os
que mais as pessoas temem ao viajar de avio:
problema no avio causando queda e terrorismo,
principalmente com uma bomba de brinde.
Bem, garantir que o avio no tenha nenhum
problema eu no posso, isso com os engenheiros aeronuticos experientes e bl bl bl, mas o
terrorismo... Bom, vamos fazer uns clculos:
Em geral estima-se uma probabilidade bem baixa mas, se efetuarmos os clculos, veremos que
quem apostar na coincidncia de pelo menos
duas datas ganhar em mdia 57 vezes e perder
43 em cada cem apostas. Se o nmero de pessoas
escolhidas como amostra fosse 60, a coincidncia
seria quase certa. Mas devemos lembrar que a
certeza absoluta s nos permitida se tivermos
366 pessoas como amostra, levando-se em conta
que o ano tem 365 dias. Escolha voc mesmo
25 pessoas ao acaso e vai constatar que a nica
certeza que podemos ter a de quo incerto
alimentar certezas.
(adaptado de Luiz Barco, Certezas e incertezas no jogo das probabilidades, Super Interessante,
Abril 1990)
Sntese
O essencial passado em revista
A Probabilidade de um acontecimento A igual soma das probabilidades dos acontecimentos elementares que compem A.
m
n
ou seja
58
2. Probabilidade
P(A) =
casos favorveis
casos possveis
Axiomtica da Probabilidade
As noes primitivas so: espao de resultados; acontecimento.
Propriedade 1
Propriedade 2
P(A) = 1 P(A).
Propriedade 3
Dados dois acontecimentos A e B, se A B ento P(A) P(B) .
Propriedade 4
Propriedade 5
59
Propriedade 6
Propriedade 7
Li
Lio
de
Lgica Matemtica n. 8
Toda a proposio que seja ou que venha a ser demonstrada a partir de proposies de S pertencer ainda a S.
Pressupe-se, alm disso, que o sistema S de termos e de proposies diz respeito a um, e um s, domnio de seres, cuja existncia postulada. Os termos
primitivos corresponderiam a dados da intuio a conceitos psicologicamente elementares, de
apreenso imediata. Analogamente, os axiomas proviriam da intuio e teriam assim um carcter
de evidncia, que permitiria aceit-los como verdadeiros, sem mais explicaes.
Modelo perfeito e mesmo nico, de cincia dedutiva era ento a Geometria de Euclides.
A axiomtica duma cincia dedutiva seria, naturalmente, o conjunto dos seus axiomas. Uma primeira nuance, uma primeira tentativa no sentido da evoluo do conceito de axiomtica, manifesta-se
60
2. Probabilidade
O conceito clssico de axiomtica o que se encontra implcito na teoria das cincias dedutivas,
segundo ARISTTELES: A designao cincia dedutiva aplica-se ento a todo o sistema S de termos e de proposies acerca desses termos, que se sucedem indefinidamente uns aos outros de tal
modo que:
ao ser reconhecida uma certa arbitrariedade na escolha dos termos que ho de figurar como primitivos e das proposies que devem aceitar-se como postulados. Mas o que provoca decididamente a
passagem nova forma do conceito o aparecimento sensacional das geometrias no-euclidianas, no
sculo XIX, com incalculveis repercusses em todos os sectores do pensamento.
Sobre a maneira de chegar a uma concepo geral das axiomticas no sentido moderno, limitar-me-ei a muito breves e esquemticas indicaes.
Agora os termos primitivos j no designam seres bem determinados, dos quais temos um conhecimento intuitivo imediato; agora os termos primitivos so simplesmente indeterminados, semelhantes s incgnitas ou variveis dum sistema de equaes. E os axiomas esto bem longe de ser
aquelas verdades de tal modo intuitivas, de tal modo elementares, que se nos tornam evidentes:
agora so apenas condies, verificadas pro certas estruturas, no verificadas por outras. Por sua
vez os teoremas relativos axiomtica sero todas aquelas condies implicadas pelos axiomas (isto
, que resultam automaticamente verificadas desde que o sejam todos os axiomas).
O que interessa fundamentalmente que a axiomtica seja compatvel, isto , que exista pelo menos
uma sua realizao.
Axiomatizar necessidade imperiosa, desde que se faa qualquer tentativa sria de construo racional. Porque se eu quero demonstrar uma proposio admitindo como verdadeiras outras proposies, que, por sua vez, foram demonstradas a partir de outras ainda, e assim por diante (ou antes,
para trs...), tem de haver por fora um termo deste processo; caso contrrio estou condenado a uma
regresso ao infinito, por natureza inconcludente ou pior ainda, a um crculo vicioso.
Se passarmos ao conceito moderno de axiomtica, as vantagens so de outra ordem. O mtodo axiomtico (ou, como tambm se diz, formal ou abstrato) a principal caracterstica das matemticas
modernas. Cada teoria formal engloba, com a indeterminao dos seu termos primitivos, inmeras
possibilidades de concretizao, inmeras teoria especficas que se podem desenrolar nos mais variados ramos do saber. As teorias formais constituem deste modo sistemas de raciocnios, mecanismos
mentais, construdos uma vez por todas e prontos a serem utilizados em bloco, na primeira ocasio.
Uma das vantagens deste mtodo , como se v desde logo, uma considervel economia de pensamento, evitando a repetio de raciocnios anlogos em campos diversos, com terminologia e notaes diversas. Com esta nova orientao, a Matemtica ganha muito, certamente, em rigor lgico e
em valor esttico; e, embora haja quem diga que se afasta assim da intuio criadora, a verdade
que se torna mais apta a penetrar no mago das questes, por um maior poder de esquematizao
e de separao entre o que acidental e o que essencial.
(adaptado de O que uma axiomtica?, Jos Sebastio e Silva, Gazeta de Matemtica, n. 54)
2. Probabilidade
61
Eg
Exerccios globais
Pratica
No lanamento de um dado equilibrado com as faces numeradas de 1 a 6, indica um acontecimento cuja probabilidade seja:
1.1
1;
1.3
1;
0;
1.5
5.
2.1
6
O Manuel foi jogar Pquer com o dado dele, como os da figura ao lado. Nesse dado, todas as
faces tm igual probabilidade de sair, exceo da Dama que tripla da probabilidade de,
por exemplo, sair Valete.
2.2
3.
1.2
1.4
2.
1.
Supe que tens um saco com cinco cartes brancos e quatro pretos indistinguveis ao tacto.
Imagina que retiras, ao acaso, sucessivamente e sem reposio trs desses cartes.
Qual a probabilidade de:
3.1
3.2
62
3.3
4.
4.1
4.2
5.
6.
7.
8.
7.3
7.4
8.1
Numa urna temos 9 bolas numeradas de 1 a 9. Tiramos uma bola ao acaso e registamos
o seu nmero. Consideremos os acontecimentos: A: sair um nmero primo; B: sair um
quadrado perfeito;
8.2
8.3
8.4
8.5
8.5.1 A C ;
8.5.2 B C ;
8.5.3 C ;
8.5.4 A C ;
9.
8.5.5 A B .
Atira-se uma moeda ao ar trs vezes. Determina a probabilidade de obter, pelo menos, uma
cara.
63
Considera os acontecimentos:
10.1 P(A);
10.2 P(B);
10.3
P(A B) .
Pensa e Resolve
11. Num saco h 8 bolas de cores diferentes (preto, branco e vermelho) indistinguveis ao tacto.
Admite que se retira ao acaso uma bola, regista-se a cor, e volta a colocar-se no saco.
Esta experincia foi realizada 15000 vezes, tendo-se obtido os seguintes resultados:
N. de experincias
10
50
100
500
1000
2000
5000
10000
15000
N de bolas pretas
26
42
213
417
801
1944
3802
5743
N de bolas brancas
N de bolas vermelhas
5
1
22
2
49
9
233
54
471
112
955
244
2469
587
5032
1166
7483
1774
Com base nos dados da tabela, qual a previso que podes fazer relativamente ao nmero
de bolas de cada cor no saco?
12. Um inqurito feito a 60 jovens sobre a sua prtica de atividade fsica permitiu concluir que
25 fazem caminhadas regularmente; 18 praticam natao e 20 no praticam qualquer atividade fsica.
2. Probabilidade
13. De uma urna com berlindes vermelhos e azuis extrai-se ao acaso um.
Sabe-se que a probabilidade do berlinde extrado ser azul
.
5
Comenta a afirmao: Na urna existem cinco berlindes e 2 so vermelhos!.
3
14. Considera um baralho de 52 cartas. Se retirarmos uma carta ao acaso, determina a probabilidade de:
14.1 Sair um s;
15. No exame de Matemtica o Jos tem oito questes de escolha mltipla para responder, cada
uma com quatro opes. Sabendo que errou as primeiras sete questes qual a probabilidade
de acertar a ltima?
16. Seja S o conjunto de resultados associado a uma certa experincia aleatria.
Sejam A e B dois acontecimentos (A e B so, portanto, subconjuntos de S).
Prova que:
18. Para uma reunio de amigos chegam: Carmem, Lusa, Jlia, Srgio e Jaime. Escolhem-se
duas pessoas ao acaso, sem interessar a ordem.
18.1 Qual o espao de resultados?
65
2;
Calcula as probabilidades de I e de J.
2
20. Considera os acontecimentos A e B de uma experincia aleatria tais que P(A B) =
e
5
3
. Nestas condies determina P(B).
P(A B) =
10
21. A, B e C so os acontecimentos elementares de uma experincia aleatria. Sabendo que A e
C so equiprovveis e P(B) =
. Determina P(A C ).
Reflete
23. De um saco com trs bolas azuis, 2 verdes e 1 preta, extraem-se duas, uma aps a outra.
23.1 Supe que h reposio da primeira bola. Determina a
probabilidade de:
23.1.1 Sarem duas bolas azuis;
24. Seja S o conjunto de resultados (com um nmero finito de elementos) associado a uma certa
experincia aleatria.
Sejam A e B dois acontecimentos (A e B so, portanto, subconjuntos de S).
Sabe-se que:
P(A)=2P(B)
P(A B) = 3P(B)
66
2. Probabilidade
25.2 Um baralho de cartas completo constitudo por cinquenta e duas cartas repartidas
por quatro naipes de treze cartas cada: espadas; copas; ouros; e paus.
1
17
26. Nos jogos de futebol entre a equipa X e a equipa Y, a estatstica revela que:
Em 20% dos jogos, a equipa X a primeira a marcar;
Em 50% dos jogos, a equipa Y a primeira a marcar.
Qual a probabilidade de, num jogo entre a equipa X e a equipa Y, no se marcarem golos?
28. Considera Q e R dois acontecimentos associados a uma mesma experincia. Prova que:
P(Q R) + P(Q R) = 1 ;
29. Considera uma experincia aleatria em que relativamente aos acontecimentos A e B se tem:
P(A B) =
67
Conselhos
para os exames
n. 2
Ao fazer um exame o medo ou alguma ansiedade so normais e, at certo ponto preparam-te para
a aco, na medida em que necessria alguma adrenalina para enfrentares o desafio que uma
avaliao. Tudo o que te exija velocidade de raciocnio, esforo, concentrao, resistncia, destreza
implica que estejas alerta, activo, atento. J te imaginaste estar calmo no ltimo nvel de um jogo
de computador?
c) Permanecer calmo e concentrado, sem te preocupares com o que os outros esto a fazer;
d) Decidir quanto tempo reservas para cada uma; se no consegues resolver uma questo no tempo
reservado passa seguinte; se tiveres tempo mais tarde voltas a essa questo;
e) No omitir respostas, a no ser que no a saibas de todo. Se tens pouco tempo disponvel indica
resumidamente os tpicos principais da resposta que pretendias dar;
f) Certificar-te que respondes ao que te solicitado mas no escrevas tudo o que sabes acerca desse
tpico na esperana de que algo ir contar; rel o enunciado para ver se respondes mesmo ao que
te perguntado;
g) Usa um minuto do teu tempo no incio de cada questo para planeares o que irs escrever;
h) Ser claro, conciso e objectivo, e escrever com uma letra legvel;
i) Reservar tempo para rever, para que possas corrigir eventuais erros.
Ie
Itens de exame
1.
1.1
1.2
68
Retirando todas as bolas do saco e dispondo-as, ao acaso, numa fila, qual a probabilidade de as bolas da mesma cor ficarem juntas?
Apresenta o resultado na forma de dzima, com sete casas decimais.
Supe agora que no saco esto apenas algumas das quinze bolas.
2. Probabilidade
Nestas novas condies, admite que, ao retirarmos, ao acaso, uma bola do saco, se tem:
A probabilidade de essa bola ser amarela 50%;
4.
Numa determinada cidade, das 160 raparigas que fizeram exame nacional de Matemtica,
65% tiveram
classificao positiva, e dos 120 rapazes que fizeram o mesmo exame, 60% tambm tiveram classificao positiva.
Escolhendo, ao acaso, um dos estudantes que realizaram o exame, qual a probabilidade
de o estudante escolhido no ser rapaz ou no ter tido classificao positiva? Apresenta o
resultado em forma de dzima, com aproximao s centsimas.
5.
Nota: se desejares, utiliza a igualdade referida em 3. Neste caso, devers comear por caracterizar claramente os acontecimentos A e B, no contexto da situao apresentada; no entanto, podes optar por resolver o problema por outro processo.
Uma turma do 12. ano constituda por raparigas, umas de 16 anos e as restantes de 17
anos, e por rapazes, uns de 17 anos e os restantes de 18 anos.
Os alunos dessa turma esto numerados consecutivamente, a partir do nmero 1.
Escolhe-se, ao acaso, um aluno dessa turma e regista-se o nmero, a idade e o sexo desse
aluno.
Em cada uma das opes seguintes esto indicados dois acontecimentos, X e Y associados a
esta experincia aleatria.
Opo 1:
Opo 2:
2. Probabilidade
Opo 3:
Opo 4:
6.
7.
8.
Qual essa opo? Numa pequena composio, explica por que que rejeita as outras trs
opes (para cada uma delas, indica, justificando, qual a afirmao falsa).
Sabe-se que P(A C ) , utilizando as propriedades das operaes com conjuntos e a axiomtica das probabilidades.
Seja o espao de resultados associado a uma certa experincia aleatria. Sejam A e B dois
acontecimentos ( A e B ).
Mostra que P(B) + P(A) + P(A B) = 2P(A) + P(A B) .
Um saco contm bolas azuis, bolas brancas e bolas pretas. Tira-se, ao acaso, uma bola do
saco.
Sejam os acontecimentos:
(A) A e B so contrrios
(B) A e B so contrrios
9.
(C) A e B so incompatveis
(D) A e B so incompatveis
2. Probabilidade
(C)
(B)
(D)
Considera os acontecimentos:
(C)
(B)
(D)
12. Seja o espao de resultados (com um nmero finito de elementos) associado a uma certa
experincia aleatria. Sejam X e Y dois acontecimentos ( X e Y ).
Apenas umas das afirmaes seguintes no equivalente igualdade P(X Y ) = 0 .
Qual?
(A)
(B)
X e Y so acontecimentos incompatveis.
2. Probabilidade
X e Y so ambos impossveis.
71
13. Seja S o conjunto de resultados (com um nmero finito de elementos) associado a uma certa
experincia aleatria. Sejam A e B dois acontecimentos, contidos em S, nenhum deles impossvel, nem certo. Sabe-se que A B .
Indica qual das afirmaes seguintes verdadeira.
14. Seja o espao de resultados associado a uma certa experincia aleatria, e sejam A e B
dois acontecimentos ( A e B ).
Sabe-se que:
P(A B) = 80%
P(B) = 60%
(B) 20%
(C) 30%
(D) 40%
15. Seja S o conjunto de resultados associado a uma experincia aleatria. Sejam A e B dois
acontecimentos ( A e B ).
Sabe-se que:
P(A) = 0,3
P(A B) = 0,1
P(A B) = 0,8
Qual o valor de P(B)?
(A) 0,1
(B) 0,2
(C) 0,3
(D) 0,4
16. Seja o espao de resultados associado a uma certa experincia aleatria, e sejam A e B
dois acontecimentos ( A e B ).
Sabe-se que:
P(A) = 30%
P(A B) = 70%
A e B so incompatveis.
Qual o valor de P(B)?
(A) 21%
72
(B) 40%
(C) 60%
(D) 61%
2. Probabilidade
18. Seja E o espao de resultados associado a uma certa experincia aleatria. Sejam A e B dois
acontecimentos ( A E e B E ).
Tem-se que P(A)=0,3 e que P(B)=0,5.
(B) 0,4
(C) 0,6
(D) 0,9
(C) A B
(D) A B
Sejam A e B dois acontecimentos ( A e B ) tais que 0 < P(A) < 1 e 0 < P(B) < 1 .
Sabe-se que A B .
(D) 1
2. Probabilidade
(B)
(C)
(D)
5
6
73
Pg
Prova global
45 minutos
1.
No lanamento de dois dados, somam-se as pintas das faces viradas para cima. Considera os
seguintes acontecimentos:
A: a soma um mltiplo de 4
B: a soma um mltiplo de 6
1.1
1.2
2.
3.
AB .
AB .
Sabendo que numa roleta de um casino, numerada de 0 a 36, quantas vezes se espera que
saia o nmero 7 em 1000 jogadas?
Considera a experincia que consiste em lanar um dado dodecadrico regular com as faces
numeradas de 1 a 12 e anotar o nmero que sai na face voltada para cima.
Indica acontecimentos com probabilidade igual a:
3.1
3.2
3.3
2
1
12
3
4
7
.
6
Considera um saco com 9 bolas, sendo: trs pretas, trs vermelhas e trs azuis, as bolas da
mesma cor esto numeradas de 1 a 3.
3.4
4.
Considera os acontecimentos:
P: a bola preta;
B: a bola vermelha;
4.1
74
P C ;
2. Probabilidade
4.2
4.3
4.4
4.5
5.
P B ;
P B C ;
(P B) \C ;
A C .
5.1
5.2
5.3
6.
Portuguesa?
Grega?
Francesa?
Num concurso o Pedro pode ganhar um leitor de MP3 se retirar duas bolas de cor diferente
de um saco que contem 3 bolas azuis, 2 pretas e uma branca.
O Pedro pode usar uma de duas estratgias:
2. estratgia: retirar as bolas com reposio, isto , aps retirar a primeira bola pode voltar
a coloca-la no saco e proceder de seguida segunda extrao.
Qual das estratgias mais favorvel ao Pedro?
2. Probabilidade
75
3. Probabilidade condicionada
A cincia no pode prever o que vai acontecer. S
pode prever a probabilidade de algo acontecer.
Csar Lattes (1924-2005)
Ser a loucura um nmero primo?
Hlder Magalhes
Qual a probabilidade de me espalhar ao comprido, sabendo de
antemo que caminho sobre um cho acabado de encerar?
pertinente o dilema sobre qual o teorema a aplicar, a fim
de tal probabilidade determinar!
E no caso de me estatelar, qual ser a probabilidade de
algum osso quebrar?
O melhor mesmo apurar com exatido a probabilidade de
sofrer danos colaterais!
Antes que cheguem os senhores de branco com os coletes de
foras, vou jogar com a estatstica!
(em luso-poemas.net)
Em muitas situaes, quando se pretende calcular a probabilidade de um acontecimento, existe j
alguma informao prvia sobre o resultado da experincia aleatria, e assim ns podemos atualizar
a atribuio de probabilidades a esse acontecimento. Nestas condies diz-se que estamos em presena de uma probabilidade condicional.
Como exemplo consideremos a experincia aleatria que consiste em lanar um dado e verificar o
nmero de pintas que sai. A probabilidade do acontecimento A sair 5 igual a 1/6, como j vimos. Mas e se soubermos que saiu um nmero de pintas mpar? As probabilidades variam. Porqu?
Porque no incio o nosso espao de resultados era S={1,2,3,4,5,6}, mas no segundo caso, como j
sabemos que saiu um nmero de pintas mpar o espao de resultados j diferente, S={1,3,5}.
Assim, neste segundo caso a probabilidade 1/3, o dobro da anterior. Podemos ver esta situao
igualmente recorrendo a um diagrama de Venn:
S
76
2
6
4
S
2
6
3. Probabilidade condicionada
Vejamos outro exemplo. Consideremos a experincia aleatria que consiste em retirar sucessivamente duas bolas, sem repor a primeira, de uma caixa contendo 3 bolas vermelhas e 2 bolas azuis.
Qual a probabilidade de retirar duas bolas vermelhas? Designando as bolas vermelhas por V1, V2
e V3, e as bolas azuis por A1 e A2, o espao de resultados pode ser escrito como
S={V1V2, V1V3, V2V1, V2V3, V3V1, V3V2, V1A1, V1A2, V2A1, V2A2, V3A1, V3A2, A1V1,
A1V2, A1V3, A2V1, A2V2, A2V3, A1A2, A2A1}.
Para calcular a probabilidade de retirar duas bolas vermelhas basta observar que h 6 casos favorveis de entre os 20 possveis e a probabilidade 6/20. Suponhamos agora que sabamos que na
primeira extrao tinha sado uma bola vermelha. Qual agora a probabilidade de retirar duas
bolas vermelhas, isto , qual a probabilidade de sair tambm uma vermelha na segunda extrao?
O novo espao de resultados passa a ser
S={V1V2, V1V3, V2V1, V2V3, V3V1, V3V2, V1A1, V1A2, V2A1, V2A2, V3A1, V3A2}
A probabilidade ento 6/12. Conseguiremos relacionar todas estas probabilidades segundo uma
frmula?
Representemos por n(Vermelha1) o nmero de vezes em que se verificou o acontecimento Vermelha1 saiu bola Vermelha na 1. extrao e n(Vermelha2) o nmero de vezes que se realizou o
acontecimento Vermelha2 saiu bola Vermelha na 2. extrao, e por n(Vermelha1 e Vermelha2)
o nmero de vezes que se realizou o acontecimento Vermelha1 E Vermelha2 saiu Vermelha na 1
e 2. extraes. Ento, temos,
P(Vermelha1) = 12/20,
P(Vermelha2) = 12/20,
A esta probabilidade chamamos probabilidade condicional do acontecimento Vermelha 2, sabendo que se realizou o acontecimento Vermelha 1, e representamos por P(Vermelha 2|Vermelha 1).
Observe-se que, se representarmos por n(S) o nmero de elementos do espao de resultados S,
3. Probabilidade condicionada
77
P (Vermelha 2 | Vermelha1) =
n(Vermelha1 E Vermelha 2)
n(Vermelha1)
n(Vermelha1 E Vermelha 2)
n(S )
n(Vermelha1)
n(S )
P (Vermelha1 E Vermelha 2)
P (Vermelha1)
ou seja,
P (Vermelha 2 | Vermelha1) =
P (Vermelha1 e Vermelha 2)
P (Vermelha1)
P(A B)
P(A)
78
3. Probabilidade condicionada
Tr
Suponhamos que numa famlia de 2 filhos existe igual probabilidade de eles serem rapaz ou rapariga.
a) Determina a probabilidade de ambos serem rapazes;
b) Determina a probabilidade de ambos serem rapazes sabendo
que o filho mais velho rapaz;
c) Determina a probabilidade de ambos serem rapazes sabendo
que pelo menos um dos filhos rapaz;
Resoluo
a) Se a famlia tem dois filhos, podem ser rapazes (E) ou raparigas (R). O espao de resultados da experincia aleatria que consiste em ter dois filhos
S={(E,E), (E,R), (R,E), (R,R)}
Todos estes acontecimento tm igual probabilidade por ser dado que existe igual probabilidade de eles serem rapaz ou rapariga. Assim a probabilidade de ambos serem rapazes .
b) A condio imposta de que o filho mais velho rapaz impe uma reduo do espao de acontecimentos S para
S={(R,E), (R,R)}
c) Desta vez a condio imposta de que pelo menos um dos filhos rapaz impe uma outra reduo do espao de acontecimentos S para
S={(E,R), (R,E), (R,R)}
Tr
Tarefa Resolvida 2
Consideremos a experincia aleatria que consiste em observar, numa dada grande empresa, a impresso (boa ou m) causada na entrevista dos candidatos a um emprego, assim como se conseguem
ou no o emprego. Para isso consideremos o espao de resultados S candidatos que comparecem
na entrevista, assim como os acontecimentos B o candidato causa boa impresso e E o
candidato consegue o emprego. Suponhamos que os acontecimentos anteriores esto representados
3. Probabilidade condicionada
79
Tarefa Resolvida 1
b) Ser que o facto de causar boa impresso, aumenta as possibilidades de ser bem sucedido, na
obteno do emprego?
Resoluo
a) No diagrama de Venn os nmeros indicados representam: P(BE)=0,28; P(EB)=0,08 e
P(B E) = 0,12 . A partir deste diagrama podemos concluir que
P(Conseguir emprego)=0,12+0,08=0,20
o que significa que 20% dos candidatos, que vo entrevista, conseguem o emprego.
b) Para determinar se o facto de causar boa impresso aumenta as possibilidades de ser bem sucedido na obteno do emprego, teremos de entrar com a informao adicional de que um candidato
causou boa impresso. Para isso temos de nos cingir unicamente aos candidatos que causam
boa impresso, em vez de considerarmos todos os candidatos. O novo espao de resultados ser
ento S candidatos que causaram boa impresso. A dimenso deste grupo 40% de todos
os candidatos, j que
P(Causar boa impresso)=0,28+0,12=0,40
Dentro deste grupo, quantos conseguem o emprego? A resposta obtm-se restringindo este grupo
aos que conseguem o emprego
P(Causar boa impresso e Conseguir o emprego)=0,12
Finalmente podemos calcular a probabilidade condicional de uma pessoa que causou boa impresso,
conseguir o emprego. Pela definio de probabilidade condicional obtemos:
P(Conseguir o emprego | Causou boa impresso)=
0,12
0,40
= 0,30
Vemos que a probabilidade de conseguir o emprego aumentou de 20% para 30%, com a informao
adicional disponvel. Isto significa que 30% dos candidatos que causam boa impresso, conseguem
o emprego, comparados com unicamente 20% dos candidatos em geral (causando ou no boa impresso). Intuitivamente vemos que o facto de um candidato causar boa impresso aumenta as suas
possibilidades de sucesso, mas o que acabamos de fazer foi ter uma medio concreta desse aumento.
(adaptado de brochura Probabilidades e Combinatria, ME-DES, 1999)
no esquecer
A probabilidade condicional do acontecimento B sabendo que o acontecimento A ocorreu, representada por P(B | A) , calcula-se a partir do quociente
P(A B)
80
P(A)
A e B ocorrerem simultaneamente e a probabilidade
3. Probabilidade condicionada
de ocorrer o acontecimento
A (o
T
Tarefa 3
No clube dos Olivais, 70% dos atletas joga basquetebol, e 25% pratica ginstica e 20% ambos os
desportos.
a) Descreve a situao com um diagrama de Venn.
Exerccios
1.
Na Escola Secundria Anastcio da Cunha h 250 alunos que fazem parte do grupo
desportivo da Associao de Estudantes. Desses 250 120 fazem parte da seco de
badminton, 90 da seco de basquetebol e 50 alunos fazem parte das duas seces.
Escolhe-se um aluno ao acaso do grupo desportivo da AE. Consideremos os seguintes
acontecimentos:
B O aluno faz parte da seco de basquetebol
1.1
81
Exerccios (cont.)
1.2
1.3
2.
2.1
A O aluno toma pequeno almoo todos os dias mas no bebe refrigerantes todos
os dias
2.2
3.
e que a probabili3
dade de um acontecimento B ocorrer, sabendo que o acontecimento A se verifica de
Sabemos que a probabilidade de ocorrer um acontecimento A
4.
e que a
3
probabilidade de um acontecimento B ocorrer, sabendo que o acontecimento A se ve-
5.
rifica de
Da definio de probabilidade condicional vem que podemos obter a probabilidade da interseco de dois acontecimentos, tambm chamada probabilidade conjunta de dois acontecimentos.
82
3. Probabilidade condicionada
P(A B) = P(B)P(A | B)
P(A B) = P(A)P(B | A)
Exerccios
1.
2.
Sabe-se que na cidade de Vila Real chove 4 dias em cada 20 dias, e que os semforos
avariam 1 vez em cada 20 dias de chuva. Calcula a probabilidade de amanh chover e
no funcionarem os semforos.
No esquema seguinte est representada uma tal rvore para o caso de haver dois acontecimentos
possveis A1 e A2 (por exemplo numa tiragem de bolas ou lanamento de dados) e depois haver
outros dois acontecimentos possveis B1 e B2 (por exemplo numa segunda tiragem de bolas ou num
segundo lanamento de dados):
B2
B1
1
A
P(A1)
B1
P(A2)
B2
P(B1|A1)
P(B2|A1)
P(B1|A2)
P(B2|A2)
P(A1 e B1)
P(A1 e B2)
P(A2 e B1)
P(A2 e B2)
83
Retomando a tarefa 2, podemos usar a rvore de probabilidade seguinte para descrever essa experincia aleatria:
Co
p
em
gue
nse
ee
m
0,12
0,28
pre
go
au
sa
bo
a
im
pr
es
oc
ons
egu
reg
o
N
u
ca
sa
bo
a
im
s
es
pr
p
em
gue
e
s
on
oc
o ns
egu
e
0,40
em
e
egu
ons
em
p
reg
0,08
o
0,30
g
pre
ee
m
pre
go
0,70
0,12
0,28
au
sa
bo
im
pr
es
oc
ons
egu
reg
o
N
a
us
ca
bo
a
im
pr
s
es
0,60
e
egu
ons
em
oc
o ns
egu
g
pre
ee
mp
0,13
reg
0,87
0,08
0,52
Na primeira rvore representamos os dados que se podem obter diretamente do diagrama de Venn
fornecido: Conseguir emprego e causar boa impresso tem uma probabilidade de 12%; no
conseguir emprego e causar boa impresso tem uma probabilidade de 28%; finalmente no causar boa impresso e conseguir emprego tem uma probabilidade de 8%.
Para preencher os restantes valores temos de usar os conhecimentos sobre probabilidade condicional
e os dados disponveis. A probabilidade de causar boa impresso (dentro do conjunto B) ser obti84
3. Probabilidade condicionada
da adicionando os valores 12% e 28% porque esgotam as possibilidades existentes dentro de causar
boa impresso, logo 40%. E portanto o acontecimento no causar boa impresso ter 60% de
probabilidade pois o contrrio de causar boa impresso (pela regra 3 para a probabilidade de
acontecimentos). Para determinar a probabilidade de no causar boa impresso e no conseguir
emprego basta adicionar 12%, 28% e 8% e usar de novo a regra 3 para a probabilidade de acontecimentos. Como 12+28+8=48, a probabilidade procurada de 52%.
T
Tarefa 4
Considera a seguinte rvore de probabilidades. Completa-a.
B1
B2
B1
1
A
0,35
0,25
0,2625
0,1625
B2
3. Probabilidade condicionada
85
Exerccios
1.
Uma caixa contm 3 bolas azuis e 2 bolas vermelhas. Extraem-se duas bolas, sem reposio da primeira.
1.1
1.2
1.3
1.4
1.5
2.
Determina a probabilidade de, pelo menos uma das bolas extradas, seja azul;
Menu
2.1
2.2
J vimos no captulo anterior que a definio segundo Laplace verifica os 3 axiomas de probabilidade. Observmos a que se pode provar que a definio frequencista de probabilidade tambm
verifica os 3 axiomas, sendo portanto tambm uma probabilidade segundo a definio axiomtica.
Vamos agora provar que a definio de probabilidade condicional tambm verifica os 3 axiomas
de probabilidade, pelo que tambm uma probabilidade segundo a definio axiomtica.
P(A B)
P(B)
Provemos ento que P(A|B) uma probabilidade, isto , que satisfaz os 3 axiomas da teoria das
probabilidades. Temos:
3. Probabilidade condicionada
P(S | B) =
P(S | B)
P(B)
P(B)
P(B)
=1
3. axioma Se dois acontecimentos so disjuntos, a probabilidade da sua unio igual soma das
P (C D | B ) = P (C | B ) + P (D | B ) ?
P (C D | B ) =
P ((C D ) B ) .
P (B )
Mas, se C e D so disjuntos, tambm C B e D B o so. Ento, pela regra 3 para a probabilidade de um acontecimento, temos que
P(C D | B) =
=
P(C B) + P(D B)
P(C B)
P(B)
P(B)
+
P(D B)
P(B)
= P(C | B) + P(D | B)
que era o que pretendamos.
3. Probabilidade condicionada
87
T
Tarefa 4
Um indivduo que trabalha em Lisboa, mas reside na margem Sul do Tejo, tem diariamente duas
possibilidades para se dirigir ao trabalho: o barco ou o autocarro. Ele gosta muito de ir de barco,
pelo que escolhe o barco 75% das vezes. A probabilidade de chegar atrasado ao trabalho 16.25%.
sabe-se ainda que a probabilidade de ir de barco e chegar atrasado 11.25%. Qual a probabilidade
de chegar atrasado, sabendo que veio de barco?
(adaptado de brochura Probabilidades e Combinatria, ME-DES, 1999)
T
Tarefa 5
Prova que, dados quaisquer acontecimentos A, B e C, com P(B)>0, se tem:
a) P(E | B) + P(E | B) = 1
b) P(E | B) + P(E | B) = 1
c) P(A | B) = 1 P(A | B)
d) P(A C | B) + P(A|B) + P(C | B) P(A C | B)
(adaptado de brochura Probabilidades e Combinatria, ME-DES, 1999)
T
Tarefa 6
Numa cervejaria trabalham 3 empregados: o Antnio, o Bernardo e o Miguel. O Antnio serve 40%
dos clientes e os outros dois empregados dividem entre si a restante clientela. Ao pedir uma cerveja,
o acompanhamento desta por tremoos deixada ao critrio do empregado. O Antnio scio da
cervejaria, pelo que apenas traz tremoos em 10% das vezes. O Bernardo oferece tremoos em 40%
dos casos, enquanto que o Miguel oferece tremoos a 20% dos clientes. Ao pedir uma cerveja, calcule
a probabilidade de que esta venha acompanhada de tremoos.
88
3. Probabilidade condicionada
H
Histria(s)
Jogos de Azar
O jogo uma atividade que se mostra presente em toda a histria do ser humano. O investigador
Gianella para mostrar esta presena, observa que:
A mitologia grega recorreu a um gigantesco jogo de dados para explicar o que hoje chamamos Big Bang. Trs
irmos, atravs de dados, partilharam o Universo: Zeus
ganhou os cus, Poseidon os mares e Hades, o perdedor,
tornou-se o senhor dos infernos.
Frequncias
0,12
0,37
0,39
0,12
No Egito antigo, as pessoas que eram consideradas jogadores compulsivos, eram submetidos a
uma pena, muita vezes sendo obrigadas a polir pedras para as pirmides. Na histria dos pases de
origem judaico-crist, os jogos de azar eram considerados proibidos. Mas, apesar dessa proibio,
existiu um bispo belga, Wibold, da cidade de Cambrai, que em torno de 960 d.C. inventou um jogo
de dados moral, enumerando as 56 virtudes e atribuindo cada uma aos possveis resultados do lanamento de trs dados.
H cidades em diversos pases devem boa parte de suas arrecadaes aos casinos e ao turismo em
torno dessa atividade. O exemplo mais evidente da indstria de entretenimentos Las Vegas, no
estado de Nevada, oeste dos EUA. Mas, desde 2006, a cidade que mais movimenta dinheiro no setor de jogos Macau, na China. Esta ex-colnia portuguesa, que pertence desde 20 de dezembro
de 1999 China, obteve uma receita provinda deste setor de aproximadamente 83,8 milhares de
milhes de patacas (10,5 milhares de milhes de dlares).
(adaptado de Thiago Braas de Melo e Jos Cludio Reis Relaes Histricas entre os Jogos de
Azar e a Probabilidade, XIII CIAEM-IACME, Recife, Brasil, 2011)
3. Probabilidade condicionada
89
P(A) = P(A | B)
P(A | B) =
=
=
P(A B)
P(A)
P(B) P(A | B)
P(A)
P(B) P(A)
P(A)
= P(B)
Assim, B tambm independente de A.
Podemos definir a independncia de dois acontecimentos de forma diferente, se atendermos definio de probabilidade condicional. Nestas condies teremos P(A) = P(A | B) se e somente se
P(A) =
P(A B)
P(B)
Podemos assim dizer que dois acontecimentos A e B so independentes se a probabilidade conjunta igual ao produto das probabilidades de cada um deles
P(A B) = P(A)P(B)
Tr
Tarefa
resolvida
Consideremos a experincia aleatria que consiste em retirar 2 bolas, sem reposio, de uma caixa
com 3 bolas vermelhas e 2 azuis. Seja A o acontecimento saiu exatamente uma bola vermelha e
B o acontecimento saram 2 bolas vermelhas.
90
3. Probabilidade condicionada
Resoluo
a) Os acontecimentos A e B so disjuntos pois no podemos tirar uma e uma s bola vermelha e ao
mesmo tempo tirar duas bolas vermelhas. Assim P(A B) = 0 .
b) Temos que P(A)=12/20 e P(B)=6/20 pelo que P(A) P(B) =
no esquecer
No
T
Tarefa 8
Tendo dois dados de 12 faces, em que cada um tem 7 faces vermelhas e 5 brancas, perguntou-se a
40 estudantes qual dos acontecimentos era mais provvel, no lanamento dos dois dados:
a) Sair 2 faces vermelhas, ou;
b) Sair 1 face vermelha e 1 branca.
Trinta e seis estudantes responderam que era mais provvel sair 2 faces vermelhas. Ests de acordo?
Justifica.
Aos mesmos estudantes, mostraram-se 3 dados de 4 faces, cada um com 3 faces vermelhas e uma
branca. No lanamento dos 3 dados, qual o acontecimento mais provvel:
a) Sair 3 faces vermelhas, ou
b) Sair 2 faces vermelhas e 1 branca?
3. Probabilidade condicionada
91
Todos os estudantes responderam que o acontecimento i) era o mais provvel. Ests de acordo?
Justifica.
Exerccios
1.
2.
e do acontecimento B
3.
4.
92
3. Probabilidade condicionada
Le
Leitura(s)
A probabilidade de uma pessoa falar ingls, partindo do princpio que essa pessoa de nacionalidade americana, ser, por hiptese, de 95%.
Contudo, a probabilidade de determinada pessoa
ser americana dado o facto de falar ingls ser
bem menor, digamos 20%. A probabilidade condicional de um indivduo ser rico dado o facto de
ser cardiologista ser bastante elevada. Em contrapartida, a probabilidade condicional inversa
de um indivduo ser cardiologista dado o facto
de ser rico ser muito baixa.
Passemos agora para um cenrio numrico. Imaginemos que o crime foi cometido numa cidade
com aproximadamente dois milhes de habitantes. Estamos no ano 2001 e possuem-se ficheiros
informticos com os dados do ADN ou com as
3. Probabilidade condicionada
93
Sntese
O essencial passado em revista
Diagrama de Venn
p
A
q
B
s
No contexto deste tema, os nmeros p, q, r e s tanto podem ser valores de frequncias absolutas, relativas, ou at probabilidades; o contexto do problema ajudar a esclarecer a situao.
P(A B)
P(A)
P(A B) = P(B)P(A | B)
P(A B) = P(A)P(B | A)
Uma rvore de probabilidades para o caso de haver inicialmente dois acontecimentos possveis A1 e A2 e depois logo a seguir haver outros dois acontecimentos possveis B1 e B2:
B2
2
A
B1
1
A
B1
B2
O acontecimento A independente do acontecimento B, com P(A)>0 e P(B)>0, se a probabilidade de A se verificar, igual probabilidade condicional de A se realizar, dado que B
se realizou, isto
P(A) = P(A|B)
94
3. Probabilidade condicionada
Eg
Exerccios globais
Pratica
1.
Um saco contm 3 bolas brancas e 2 bolas azuis. Retiram-se duas bolas sem reposio. Calcula a probabilidade de:
1.1
1.2
1.3
2.
De um questionrio administrado aos alunos de uma escola sabe-se que 40% leem um jornal
dirio e que 30% leem uma revista. Tambm se sabe que 10% l revistas mas no jornais.
Calcula a probabilidade de um aluno escolhido ao acaso:
2.1
2.2
3.
Numa turma sabemos que 70% dos alunos jogam futebol, 30% jogam basquetebol e 20% no
jogam nem futebol nem basquetebol.
Escolhido um aluno ao acaso determina a probabilidade de:
3.1
3.2
4.
3. Probabilidade condicionada
95
5.
4.1
C = AB
4.2
C = AB
4.3
C = AB
Para poder direcionar melhor a publicidade difundida num cinema, interrogam-se as pessoas
sada de uma sesso. A empresa que faz a sondagem interessa-se em particular pelos acontecimentos seguintes:
A A pessoa interrogada possui uma viatura
42
86
r
66
S
5.1
5.2
5.3
5.4
6.
7.
Um saco contm 18 bolas equiprovveis, sendo 10 verdes e 8 brancas. Tira-se uma bola e
repe-se no saco. Qual a probabilidade de sarem duas bolas verdes em duas extraes sucessivas?
No lanamento de dois dados determina a probabilidade de obter:
7.1
7.2
7.3
7.4
96
8.
9.
10. Numa experincia aleatria os acontecimentos A e B so tais que P(A) = 0,22 e P(B)=0,23.
Os acontecimentos so independentes?
12. No lanamento de um dado cbico equilibrado, com as faces numeradas de 3 a 8, determina
a probabilidade de sair o nmero 3 sabendo que saiu
um nmero mpar.
13. No lanamento de um dado octadrico equilibrado,
com as faces numeradas de 1 a 8, determina a probabilidade de sair o nmero 3 sabendo que saiu um
nmero mpar.
Pensa e Resolve
15. Para estudar o absentismo num determinado ms numa escola portuguesa de determinada
regio foram interrogados ao acaso 300 alunos da Escola Secundria Anastcio da Cunha.
Foram obtidos os seguintes resultados:
25% estiveram ausentes pelo menos um dia;
15.2 Qual a probabilidade de que este aluno nunca tenha estado ausente?
3. Probabilidade condicionada
97
16. Numa turma de 12. ano de Cincias e Tecnologia constituda por 25 alunos, dos quais 11
so rapazes. Dos rapazes sabe-se que 3 tm cabelos loiros e 8 cabelos castanhos. Das raparigas 6 tm cabelos loiros e 8 cabelos castanhos.
Calcula a probabilidade de escolhido um aluno ao acaso:
17. Um saco contm 15 bolas, sendo 8 verdes e 7 azuis. Retiram-se sem reposio duas bolas.
Determina a probabilidade de:
17.1 A segunda ser verde se a primeira azul;
18. Tiram-se duas cartas de um baralho de 40 cartas. Qual a probabilidade de sarem duas cartas de ouros:
18.1 Se a primeira carta for reposta;
19.1 Azul;
20. Um aparelho construdo com 3 peas. Cada uma das peas fabricada por uma mquina
diferente. A primeira mquina produz 1% de peas defeituosas, a segunda 1,5% e a terceira
2%. Calcula a probabilidade de se produzir um aparelho defeituoso.
21. Numa cidade a populao constituda por 40% de homens e 60% de mulheres. Sabendo que
50% dos homens e 30% das mulheres tm o 12. ano
de escolaridade. Determina a probabilidade de que
uma pessoa que tenha o 12. ano seja homem
22. Numa caixa esto 4 bolas, duas delas marcadas
com um 1 e as outras duas marcadas com um 2.
Fazem-se trs extraes de bolas da caixa. Calcula
a probabilidade de que o nmero formado pelas trs
bolas seja o 121, se supusermos que:
22.1 Cada bola reposta na caixa, depois de ser
98
3. Probabilidade condicionada
19.2 Verde.
extrada;
23. Uma das classificaes para o sangue humano feita em 4 grupos distintos: A, O, B e AB.
Independentemente do grupo, o sangue pode possuir, ou no, o factor Rhesus. Se o sangue
de um indivduo possuir esse factor, diz-se Rhesus positivo (Rh+); se no possuir esse factor,
diz-se Rhesus negativo (Rh).
A distribuio dos grupos sanguneos, nas diferentes partes do mundo, varivel. A frequncia destes grupos em Portugal, de acordo com um estudo recente, realizado numa populao
de dadores do Instituto Portugus do Sangue, a que consta na Tabela seguinte:
Fator - Grupo
Rh+
Rh-
39%
7%
35%
6%
7%
2%
AB
3%
1%
Escolheu-se, ao acaso, um indivduo da populao de dadores utilizada no estudo do Instituto Portugus do Sangue.
23.1 Calcula a probabilidade de o indivduo escolhido ser do grupo O, sabendo-se que Rh-.
23.2 Calcula a probabilidade de o indivduo escolhido ser Rh- sabendo que do grupo O.
24. No controle de produo encetado por uma fbrica sabe-se que em cada 10 peas h duas
defeituosas mas pretende-se encurtar o processo de verificao tanto quanto possvel, que
feito retirando peas ao acaso de cada conjunto de 10 peas at aparecerem as duas peas
defeituosas.
24.1 Qual a probabilidade de a segunda pea retirada ser defeituosa, sabendo que a primeira pea retirada defeituosa?
24.2 Qual a probabilidade de as duas primeiras peas retiradas serem ambas defeituosas?
Reflete
99
Conselhos
para os exames
n. 3
As respostas ilegveis ou que no possam ser claramente identificadas so classificadas com zero pontos.
Assim, importante escrever de forma legvel e indicar claramente a que questo se est a responder.
E quando se tenta emendar uma resposta ou mesmo substituir uma resposta anterior, como fazer?
Se o examinando responder a um mesmo item mais do que uma vez, no eliminando inequivocamente a(s) resposta(s) que no deseja que seja(m) classificada(s),
deve ser considerada apenas a resposta que surgir em primeiro lugar.
Mas a resposta que o aluno deu em primeiro lugar, se calhar no a que pretende seja corrigida.
pois conveniente assinalar claramente qual das respostas se pretende que seja corrigida. O melhor
riscar a que no se pretende ver corrigida.
Os exames do 12. ano costumam ter mais de uma verso (que diferem na ordem das respostas da
parte de escolha mltipla:
A ausncia de indicao inequvoca da verso da prova (Verso 1 ou Verso 2)
implica a classificao com zero pontos das respostas aos itens de seleco (escolha
mltipla).
por isso fundamental indicar bem qual das verses da prova se tem. O melhor fazer isso logo
no incio da prova.
(baseado no documento oficial Prova Escrita de Matemtica A - critrios gerais de classificao Prova 635/1. Fase - 2011)
100
3. Probabilidade condicionada
Ie
Itens de exame
1.
P(A B) = 10%
P(A) = 60%
P(A B) = 80%
2.
1
1
1
1
(A)
(B)
(C)
(D)
4
3
5
2
Uma caixa contm cinco bolas brancas e cinco bolas pretas, indistinguveis ao tacto. Tiram-se ao acaso, sucessivamente e sem reposio, duas bolas da caixa.
Considera os seguintes acontecimentos:
1
2
4
9
(B)
1
2
5
9
(C)
4
9
(D)
5
9
101
4.
Uma formiga desloca-se ao longo de um caminho que, como a figura mostra, vai apresentando bifurcaes.
A formiga nunca inverte a sua marcha.
5.
(A)
(B)
Em cada uma das opes seguintes (A, B, C e D) esto representadas quatro
figuras (as
figuras so crculos ou quadrados e esto pintados de branco ou de preto).
(A)
(B)
(C)
(D)
(C)
(D)
Se o sangue de uma pessoa possui este factor, diz-se Rhsus positivo (Rh+); se no possui
este factor, diz-se Rhsus negativo (Rh-).
Na populao portuguesa, os grupos sanguneos e os respectivos Rhsus esto repartidos da
seguinte forma:
102
3. Probabilidade condicionada
40%
6.1
6.2
7.
6,5%
6,9%
1,2%
AB
2,9%
0,4%
35,4%
6,7%
P(A B) = 0,1
P(A B) = 0,8
P(A | B) = 0,25
8.
9.
(P designa probabilidade, A e B designam os acontecimentos contrrios de A e B, respectivamente, e P(A | B) designa a probabilidade de A, se B).
Considera:
Tiram-se, da caixa, tantas bolas brancas quantas o nmero sado no primeiro lanamento.
Colocam-se, na caixa, tantas bolas pretas quantas o nmero sado no segundo lanamento.
3. Probabilidade condicionada
103
9.1
9.2
Qual a probabilidade de a caixa ficar com seis bolas? Apresenta o resultado na forma
de fraco irredutvel.
Sejam A e B os acontecimentos:
Indica, justificando, o valor da probabilidade condicionada P(B | A) . Apresenta o resultado na forma de fraco irredutvel.
10.2 Um baralho de cartas completo constitudo por cinquenta e duas cartas, repartidas
por quatro naipes de treze cartas cada: espadas, copas, ouros e paus.
De um baralho completo extraem-se, sucessivamente e sem reposio, duas cartas.
Qual a probabilidade de pelo menos uma das cartas extradas no ser do naipe de espadas? Apresenta o resultado na forma irredutvel.
Nota: se o desejares, utiliza a igualdade referida na alnea anterior; neste caso, devers
comear por caracterizar claramente os acontecimentos E1 e E2, no contexto da situao apresentada.
10.3 Num certo jogo de cartas, utiliza-se um baralho completo e do-se treze cartas a cada
jogador.
Imagina que ests a participar nesse jogo?
Qual a probabilidade de, nas treze cartas que vais receber, haver exatamente seis
cartas do naipe de espadas? Apresenta o resultado na forma de percentagem, arredondado s unidades.
104
3. Probabilidade condicionada
Pg
Prova global
60 minutos
1.
2.
3.
Se lanarmos trs vezes uma moeda de euro, qual a probabilidade de sair uma face de euro?
Num dado viciado a probabilidade de sair uma face com um nmero par o dobro de sair
qualquer nmero mpar. Determina a probabilidade de num lanamento do dado sair um
nmero primo?
O triatlo uma prova de atletismo constituda por trs provas consecutivas: natao, corrida
e ciclismo. A probabilidade de um atleta escolhido ao acaso terminar a prova de natao
de
de
4.
7
4
5
Um rbitro de futebol tem trs cartes. Um todo vermelho, outro todo amarelo e um outro
com uma face vermelha e outra amarela. Qual a probabilidade de o rbitro mostrar um dos
cartes a um jogador e ver uma face vermelha e o jogador a face amarela?
3. Probabilidade condicionada
105
4. Distribuio de probabilidades
Deus no joga dados com o universo.
Albert Einstein
Para o Jornalista, Tudo o que Provvel Verdade
Agustina Bessa Lus
Para o jornalista, tudo o que provvel verdade. Trata-se
dum axioma estupendo, como tudo o que Balzac inventa.
Refletindo nele, ns percebemos quantas falsidades se explicam e quantas arranhadelas na sensibilidade se resumem
a fanfarronices e no a conhecimento dos factos. Em geral,
o pequeno jornalista um profeta da Imprensa no que toca
a banalidades, e um imprudente no que se refere a coisas
srias. Quando Balzac refere que a crtica s serve para fazer
viver o crtico, isto estende-se a muitas outras tendncias do
jornalista: o folhetinista, que o que Camilo fazia nas gazetas
do Porto.
in Dicionrio Imperfeito
Recordemos que o nosso objeto de estudo so populaes, isto , conjuntos de elementos ou indivduos (no necessariamente pessoas) com caractersticas comuns; a cada uma dessas caractersticas
comuns, que assumem valores diferentes de indivduo para indivduo, chamamos varivel. J vimos
tambm que chamamos experincia aleatria ao processo que permite obter uma observao
ou resultado de uma varivel tal que antes da observao no se tem conhecimento suficiente para
dizer qual dos resultados se vai verificar, tal que possvel fazer um grande nmero de realizaes,
independentes, da experincia e tal que se admite que possvel encontrar nmeros entre 0 e 1, que
representam a frequncia relativa com que se verificam os resultados individuais de cada realizao
da experincia.
Por exemplo, suponhamos que pretendamos estudar a seguinte varivel: preferncia clubstica
(Sporting, Benfica, Porto ou outra) de cada aluno da Escola Secundria Jos Anastcio da Cunha,
no ano lectivo de 2012/2013.
Podemos dizer que a nossa populao constituda pelas preferncias dos referidos alunos. Recolher
uma amostra de dimenso 40, no mais do que realizar 40 vezes a experincia aleatria que consiste em selecionar aleatoriamente um aluno e perguntar-lhe a preferncia. Sabemos que os valores
possveis para a varivel preferncia clubstica so Porto, Benfica, Sporting ou outro clube, mas
em cada repetio da experincia no sabemos qual o resultado que se vai verificar (caracterstica
da experincia aleatria), pelo que varivel chamamos varivel aleatria. Temos assim que
106
4. Distribuio de probabilidades
As variveis aleatrias podem ser discretas ou contnuas; so discretas quando assumem um nmero finito ou infinito enumervel de valores e contnuas quando podem assumir qualquer valor de um
intervalo pertencente ao seu domnio de variao. Iremos estudar apenas variveis aleatrias que
assumem um nmero finito de valores. So exemplos de variveis discretas o nmero de acidentes
de trabalho, por ms, num determinado pas, o nmero de filhos de uma famlia portuguesa, o nmero de monovolumes vendidos num pas num determinado ano, o nmero de assoalhadas de um
apartamento, o nmero de anos de escolaridade de um adulto da classe etria [40, 50], etc.
As variveis aleatrias so normalmente representadas por letras maisculas X, Y, Z, . Utilizam-se as correspondentes letras minsculas, para representar os valores observados dessas variveis
aleatrias.
Tr
Tarefa
resolvida
Retomemos o exemplo do lanamento de um dado cbico comum, isto a experincia aleatria que
consiste em lanar esse dado e verificar a face que fica virada para cima, identificada pelo nmero
de pintas; relembremos que neste caso os diferentes acontecimentos elementares so {1}, {2}, {3},
{4}, {5}, {6} e que as faces podem ficar viradas para cima com igual probabilidade; Vimos j que,
havendo 6 acontecimentos elementares de igual probabilidade a ser considerados, a probabilidade
de cada acontecimento elementar ter de ser 1/6:
4. Distribuio de probabilidades
107
Probabilidade
P(X = xi )
1/6
1/6
1/6
1/6
1/6
1/6
Este modelo de probabilidade descreve bem a situao em causa (podemos at dizer, como veremos,
que obtivemos uma distribuio de probabilidade por estar indicada a probabilidade para cada valor da varivel). O que acontecer se forem lanados dois
dados simultaneamente?
Resoluo
8
9
10
11
12
10
10
11
Recorrendo, por exemplo, definio de Laplace de probabilidade, podemos construir agora o modelo de probabilidade desta experincia aleatria. Temos 36 casos possveis e a tabela fornece-nos o
nmero de casos favorveis em cada caso:
Nmero de pintas
da face que fica
virada para cima
Y = yi
Probabilidade
P(Y = yi )
108
10
11
12
1/36
2/36
3/36
4/36
5/36
6/36
5/36
4/36
1/36
1/36
1/36
4. Distribuio de probabilidades
Nmero de pintas da
face que fica virada
para cima
T
Tarefa 2
Consideremos a varivel aleatria X que representa o nmero de faces que se obtm no lanamento
de 1 moeda 3 vezes (equivalente a lanar 3 moedas uma vez). Esta varivel pode assumir os valores
0, 1, 2 ou 3.
Determina o modelo de probabilidade da experincia aleatria que consiste em lanar 3 vezes a
moeda.
Exerccios
1.
2.
Considera a experincia aleatria que consiste no lanamento de dois dados e na observao das faces voltadas para cima. Considera a varivel aleatria nmero de 3
obtidos no lanamento dos dois dados.
Determina o modelo de probabilidade associado experincia aleatria.
Um cofre tem 7 pedras preciosas: 5 esmeraldas 2 safiras. Retiramos ao acaso sucessivamente trs dessas pedras preciosas, com reposio da pedra retirada.
Considera a varivel aleatria nmero de rubis que ocorre em cada extrao das 3
pedras preciosas.
Determina o modelo de probabilidade associado experincia aleatria.
Recordemos que as probabilidades satisfazem trs regras, j enunciadas no captulo 2, que podemos
agora traduzir em termos de varivel aleatria como:
a) A probabilidade da varivel aleatria assumir qualquer um dos seus valores admissveis est entre
0 e 1 (podendo ser 0 ou 1).
b) A soma das probabilidades da varivel aleatria assumir todos os seus valores igual a 1.
Retomemos o exemplo da tarefa 1, onde foi estudada a varivel aleatria que representa a soma das
pintas no lanamento de dois dados. Podemos representar graficamente o modelo de probabilidade
obtido:
4. Distribuio de probabilidades
109
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
Diz-se que obtivemos um grfico de uma distribuio de probabilidades. A regularidade que este
grfico apresenta justifica que se estude com mais profundidade esta situao. Definamos pois uma
distribuio de probabilidade. Vamos estudar apenas variveis aleatrias que assumem um nmero
finito de valores distintos (ditas variveis aleatrias discretas).
Consideremos uma varivel aleatria discreta X, que assume um nmero
finito
de
valores
distintos
x1, x2 ,..., xN .
As
probabilidades
seguintes condies:
0 p1 1,0 p2 1,...,0 pN 1
p1 + p2 + ... + pN = 1
Tr
Tarefa
resolvida
Seja X a varivel aleatria que representa o nmero de raparigas nas famlias de 4 filhos. Obtenha
a distribuio de probabilidade de X, admitindo que a probabilidade de ser rapaz igual de ser
rapariga.
Resoluo
110
4. Distribuio de probabilidades
1. Filho
2. Filho
3. Filho
1. Filho
4. Filho
2. Filho
M
M
A
A
4. Filho
A
3. Filho
A partir deste diagrama podemos estabelecer facilmente a distribuio de probabilidades, recorrendo mais uma vez definio de Laplace de probabilidade. A probabilidade de ser X=0, ou seja, de
a varivel aleatria X tomar o valor 0, obtm-se vendo quando no h raparigas na famlia; olhando
para o diagrama vemos que isto acontece 1 vez em 16 vezes pelo que P(X=0)=1/16. A probabilidade de ser X=1, ou seja, de a varivel aleatria X tomar o valor 1, obtm-se vendo quando h
1 rapariga na famlia; isto acontece 4 vez em 16 vezes pelo que P(X=0)=4/16. Para os outros
casos idntico pelo que a distribuio de probabilidades neste caso
X = xi
pi = P(X = xi )
1/16
4/16
6/16
4/16
1/16
T
Tarefa 4
Consideremos a varivel aleatria X que representa o nmero bolas que preciso tirar de uma caixa
com 5 bolas, sendo 3 vermelhas e 2 azuis, at sair uma bola azul. Esta varivel pode assumir os
valores 1, 2, 3 ou 4.
Determina o modelo de probabilidade da experincia aleatria que consiste em retirar bolas dessa
caixa at sair uma bola azul.
4. Distribuio de probabilidades
111
Exerccios
1.
2.
3.
Considera a experincia aleatria que consiste em fazer rodar duas vezes consecutivas
um rapa e registar a face que fica voltada para cima (rapa, tira, deixa
ou pe). Determina a distribuio de probabilidades da varivel aleatria Y nmero de faces favorveis (rapa, tira ou deixa) registadas
nos dois lanamentos.
Uma certa funo massa de probabilidade tem o seguinte aspeto:
X = xi
pi = P(X = xi )
1/16
6/16
3/16
1/16
Determina o valor de k.
Estes casos so simples de analisar porque envolvem casos em que os acontecimentos elementares
envolvidos tm igual probabilidade. E se a situao for muito complexa sendo difcil, mesmo impossvel, analisar as probabilidades de cada valor da varivel aleatria? Aqui podemos recorrer definio frequencista de probabilidade para aproximar o valor da probabilidade desconhecida, desde
que consigamos um grande nmero de repeties da experincia aleatria.
Tr
Tarefa
resolvida
Suponhamos que temos uma roda da sorte com 4 setores de reas desiguais pintados cada um com
sua cor e que queremos saber a probabilidade de sair cada uma das cores. Vamos pgina
http://www.shodor.org/interactivate/activities/ExpProbability/
112
4. Distribuio de probabilidades
Em funo destes dados podemos dizer que a distribuio de frequncias relativas ser dada pelos
valores da tabela:
Cor
Frequncia
relativa
Vermelho
Azul
67/200
9/200
X = xi
Vermelho
pi = P(X = xi )
67/200
Amarelo
verde
73/200
51/200
Azul
Amarelo
verde
9/200
73/200
51/200
Podemos assim dizer que a funo distribuio probabilidade pode ser dada, aproximadamente, por:
no esquecer
distribuio de probabilidades de uma experincia aleatria pode ser obtida, de forma aproxi-
mada, pela distribuio de frequncias relativas quando se faz um grande nmero de repeties
da experincia aleatria.
T
Tarefa 6
Consideremos a mesma varivel aleatria X que na tarefa 5, mas com uma roda da sorte com sectores de diferentes tamanhos que escolhers vontade. Vai pgina indicada e repete 200 vezes a
experincia. Em funo das reas dos sectores consegues prever qual ter maior probabilidade de
sair? Que distribuio de probabilidades obtns?
4. Distribuio de probabilidades
113
Exerccios
1.
Os 250 alunos da Escola Secundria Anastcio da Cunha foram a uma visita de estudo
ao Oceanrio e a direo da Escola pretende determinar se a visita teve impacto nos
alunos. Para isso inquiriu uma amostra de 50 alunos e estes eram solicitados a indicar
o seu grau de satisfao dando uma pontuao de 1 (nada satisfeito) a 5 (muito satisfeito). O resultado do inqurito foi o seguinte:
X = xi
nmero
2.
12
14
14
Qual dever ser a distribuio de probabilidades da varivel aleatria X Grau de satisfao dos estudantes da Escola Secundria Anastcio da Cunha?
Consideremos que se lana um dado tetradrico com as faces numeradas de 1 a 4, que
no se sabe se equilibrado. Ao fim de 200 lanamentos obteve-se o seguinte resultado:
Y = yi
nmero
98
12
45
45
Quando se pretende estudar uma varivel aleatria discreta (uma populao de dados discretos),
isto , conhecer a sua distribuio de probabilidades, recolhe-se uma amostra de dimenso suficientemente grande da populao, e constri-se a distribuio das frequncias; obtemos assim uma
ideia aproximada da distribuio de probabilidades. Enquanto que a distribuio de frequncias se
obtm a partir de apenas alguns elementos da populao (uma amostra), a distribuio de probabilidades obtm-se a partir da populao toda (donde a sua dificuldade).
Com esta proximidade entre as frequncias relativas das amostras e as probabilidades numa populao, natural que outras estatsticas calculadas a partir dos dados da amostra possam ter uma
correspondncia em termos de caractersticas da populao. A estatstica mais fcil de calcular a
mdia. Que relao ter a mdia de uma amostra com as variveis aleatrias?
Suponhamos que queremos conhecer a mdia de horas que os alunos da Escola Secundria Anastcio da Cunha passam por dia a ver televiso. Como esta escola tem 2012 alunos, no prtico
perguntar a todos os alunos quantas horas passam a ver televiso.
114
4. Distribuio de probabilidades
Suponhamos que foi escolhida ao acaso uma amostra de alunos da escola e que se obtiveram os
seguintes resultados:
Nmero de
horas
Nmero de
alunos
44
49
19
Com estes dados podemos determinar a mdia da amostra. Pode-se obter a partir de
0 5 + 1 44 + 2 49 + 3 19 + 4 2
119
207
119
= 1,739
Ento os alunos passam cerca de 1,74 horas por dia a ver televiso. Suponhamos que neste caso se
recolheram mais algumas amostras, tendo-se registado as respectivas mdias. Obtiveram-se certamente valores todos diferentes uns dos outros, embora aproximados. Como seria de esperar, a mdia
varia de amostra para amostra, j que existe sempre alguma oscilao nos dados recolhidos para a
amostra.
Poderemos obter um valor mdio fixo que caracterize a amostra sem necessidade de obter aproximaes, se for possvel conhecer a distribuio de probabilidade da populao? Tendo em ateno que
a distribuio de probabilidade aproximada pela distribuio de frequncias, natural designar
como valor mdio da varivel aleatria X a seguinte quantidade:
= x1 p1 + x 2 p2 + ... + x N pN
Esta frmula obviamente aproximada pela frmula antes usada pois as probabilidades so aproximadas pelas frequncias relativas. Este valor mdio um valor fixo e portanto uma caracterstica
do fenmeno aleatrio em estudo. Ao valor mdio tambm se costuma chamar valor esperado e
portanto tambm se costuma usar a notao E(X) para o representar.
T
Tarefa 7
Num jogo semelhante Raspadinha, cada bilhete custa 1 euro e os prmios que se podem ganhar
so 500 euros, 23 euros, 13 euros, 7 euros, 3 euros e 1 euro.
Cada bilhete tem uma superfcie susceptvel de ser raspada, a qual revela um dos prmios anterio4. Distribuio de probabilidades
115
res ou nenhum prmio. So postos em circulao 6 000 000 bilhetes, de acordo com a distribuio
seguinte:
Nmero de bilhetes
Prmio
600
500
15 000
23
24 000
37 500
13
Ser que um indivduo que jogue sistematicamente este jogo, pode vir a ter a esperana de ficar
rico? Ou seja, ser que a mdia da varivel aleatria que representa o lucro de um jogador que jogue
neste jogo ser positiva?
(adaptado de ALEA, http://alea.ine.pt/)
T
Tarefa 8
Uma companhia de seguros instituiu um seguro de vida com a durao de 5 anos, para indivduos
de 21 anos, do sexo masculino, segundo a seguinte modalidade: a companhia paga uma indemnizao de 100 mil euros se o segurado morrer nos prximos 5 anos, sendo o prmio anual de 250 euros.
Determina o lucro esperado para a companhia de seguros, tendo em conta as seguintes probabilidades:
Idade morte
Probabilidade
21
0.0018
22
0.0019
23
0.0019
24
0.0019
25
0.0019
26
0.9906
Lei dos grandes nmeros Dado qualquer fenmeno aleatrio, cujos re-
sultados sejam numricos e que tenha valor mdio , ento, medida que
se repete o fenmeno, a mdia dos resultados observados aproxima-se cada
vez mais do valor mdio , isto , medida que a dimenso da amostra
aumenta, a mdia da amostra tende a aproximar-se do valor mdio do fenmeno aleatrio.
Esta Lei mostra a importncia do conhecimento do valor mdio de uma varivel aleatria, visto que
aproximado pela mdia dos valores da amostra, sendo a aproximao tanto melhor quanto mais
elementos tiver a amostra. Por outro lado, se no for possvel calcular o valor mdio de uma varivel
aleatria, podemos obter um valor aproximado se calcularmos o valor mdio de uma amostra que
tenha um nmero suficientemente grande de elementos.
116
4. Distribuio de probabilidades
Exerccios
1.
2.
X = xi
pi = P(X = xi )
1/16
4/16
5/16
5/16
1/16
X = xi
pi = P(X = xi )
1/16
1/16
10/16
4/16
Procedendo de forma anloga ao que fizemos anteriormente, em que para obter o valor mdio de
uma varivel aleatria a partir da mdia de uma amostra substitumos as frequncias relativas pelas
probabilidades, vamos agora substituir a mdia da amostra pelo valor mdio da varivel aleatria
para obter a varincia populacional a partir do desvio padro amostral, calculado a partir da amostra. varincia populacional (o desvio padro da populao subjacente amostra) chamamos desvio padro populacional, e representamos por para distinguir do desvio padro amostral
s, calculado a partir da amostra.
4. Distribuio de probabilidades
117
2
Define-se varincia populacional, , de uma distribuio de probabilidades,
(x , p ),(x , p ),
1
... , x N , pN
ao valor que se obtm multiplicando cada resultado (xi ) pela probabilidade p = P(X = x ) , i=1, 2, , N e adicionando os resultados obtidos:
2
2 = x1 p1 + x 2 p2 + ... + x N pN
Tr
Tarefa
resolvida
O Joo pergunta ao Miguel o que que ele prefere: ganhar 25 euros, qualquer que seja o resultado
observado no lanamento de uma moeda, ou ganhar 75 euros se no lanamento da moeda sair cara,
e perder 25 euros se sair coroa? O Miguel fica indeciso e pede-lhe um conselho. O que que lhe
aconselharias?
Resoluo
Quais as variveis aleatria em causa? No primeiro caso, caso saia cara ou coroa, o ganho sempre
o mesmo, pelo que temos uma varivel aleatria uniforme X. O valor 25 tem obviamente probabilidade 1.
No segundo caso, caso saia cara o ganho de 75 euros e no caso de sair coroa preciso pagar 25
euros. A varivel aleatria Y para este caso ser:
Y = yi
pi = P Y = yi
75
1/2
-25
1/2
Para comparar as duas situaes comecemos por determinar os valores mdios das duas variveis
aleatrias. O valor mdio de X obviamente 25. Calculemos o valor mdio para a varivel Y:
118
4. Distribuio de probabilidades
Y = y1 p1 + y 2 p2
Obtivemos um valor idntico para o valor mdio ou valor esperado. Para os distinguir vamos agora
calcular a varincia populacional. No primeiro caso a varincia zero, pois o valor que X toma
igual mdia. No segundo caso temos
( ) p + (x ) p
= ( 75 25 ) 0.5 + ( 25 25 ) 0.5
Y2 = y1 Y
A varincia enorme e o desvio padro populacional ser de 50 euros. Ou seja, o segundo jogo
mais arriscado, havendo uma variao muito maior dos possveis ganhos. Deves pois aconselhar ao
Miguel o primeiro jogo.
(adaptado de ALEA, http://alea.ine.pt/)
T
Tarefa 10
Supe que vais jogar 2 jogos contra o mesmo adversrio. A probabilidade de ganhares o primeiro
jogo 0,4. Se ganhares o primeiro jogo, a probabilidade de ganhares tambm o segundo jogo 0,2.
Se perderes o primeiro jogo, a probabilidade de ganhares o segundo 0,3.
d) Seja X a varivel aleatria que representa o nmero de jogos que ganhas. Obtm o modelo de
probabilidade para X.
e) Qual o valor mdio e o qual o desvio padro de X? Que significam esses valores?
4. Distribuio de probabilidades
119
H
Histria(s)
Louis Bachelier o incio da matemtica financeira
O matemtico francs Louis Jean Baptiste Bachelier (1870-1946) considerado o pai da matemtica financeira. Apesar do brilhantismo do
seu trabalho teve uma vida difcil. Nasceu na
cidade francesa de Le Havre em 1870 e quando
terminou o ensino secundrio no pode entrar
logo na universidade pois tanto o seu pai, mercador de vinhos, como a sua me faleceram e ele
precisou de ficar a tomar conta do negcio da
famlia e dos seus irmos (uma irm e um irmo
de 3 anos). Apenas em 1892 conseguiu comear
os seus estudos universitrios onde foi aluno de
Henri Poincar. Em 1900 apresentou a sua tese
de doutoramento intitulada Teoria da Especulao onde estudava aplicaes do clculo das
probabilidades s operaes da Bolsa de Valores.
Apesar do impacto que esta tese teria mais tarde, passou relativamente desapercebida no seu
tempo e Louis Bachelier teve empregos precrios
de professor em Paris at ao incio da I Guerra
Mundial em 1914. Um dos cursos que leccionou
entre 1900 e 1914 na Universidade de Paris Sorbonne chamava-se Clculo das probabilidades
com aplicaes s operaes financeiras e analogias com certas questes da Fsica. De facto, o
120
4. Distribuio de probabilidades
Modelo Binomial
Suponhamos que estamos a estudar a seguinte situao: estamos interessados em estudar o nmero
Y de peas defeituosas, num lote de 100 peas, produzidas por uma mquina que fabrica 10% de peas defeituosas; esta uma experincia aleatria constituda por 100 observaes, em que cada observao consiste
em verificar se a pea defeituosa - sucesso, ou no defeituosa - insucesso. O resultado das observaes independente de pea para pea, e a
probabilidade de obtermos uma pea defeituosa constante e igual a
10%. Qual a distribuio de probabilidades da varivel aleatria Y neste
caso? Consideremos outra situao: estamos interessado em estudar o
nmero Z de bebs do sexo feminino que nascem nos prximos 25 nascimentos da maternidade Egas Moniz. Admite-se que a probabilidade de nascer rapariga 0.51. Esta
experincia constituda por 25 observaes, em que em cada observao se pode verificar o nascimento de uma rapariga - sucesso, ou de um rapaz - insucesso. As observaes so independentes, e
em cada uma a probabilidade de sucesso constante e igual a 0,51. Qual a distribuio de probabilidades da varivel aleatria Z neste caso?
Que existe de comum a estas duas situaes?
varivel que representa o nmero de sucessos nas n provas chama-se varivel aleatria com distribuio Binomial de parmetros n e p. Os valores que esta varivel aleatria pode assumir so
0, 1, 2, , n
Tr
Tarefa
resolvida
11
Uma senhora comprou 4 bolbos de narcisos, tendo-lhe o florista garantido que havia uma probabilidade de 75% de cada um florescer para a primavera seguinte. Estude a varivel aleatria X que
representa o nmero de narcisos que a senhora ir obter.
Resoluo:
121
X = xi
pi = P(X = xi )
pois h 6 casos em que 2 bolbos florescerem e 2 no florescerem. O resto do quadro torna-se fcil de
preencher pelo mesmo mtodo:
X = xi
pi = P(X = xi ) 0,254
Deste exemplo conclumos facilmente que o mtodo para obter cada probabilidade obedece a um
padro simples pois as probabilidades obedecem a uma regra simples.
122
4. Distribuio de probabilidades
para k = 0,1,2,, n, onde N(n,k) representa o nmero de vezes em que temos k sucessos e n-k insucessos.
T
Tarefa 12
Na Escola Secundria Sebastio e Silva 70% dos estudantes votaram a favor da Associao de Estudantes eleita, 5% votaram contra e 25% abstiveram-se. Qual a probabilidade de num grupo de 3
alunos, escolhidos ao acaso (i) 1 ter votado? (ii) 2 terem-se abstido? (iii) 2 terem votado a favor?
(adaptado de brochura Probabilidades e Combinatria, ME-DES, 1999)
Exerccios
1.
1.1
1.2
2.
2.1
2.2
4. Distribuio de probabilidades
123
Modelo Normal
At aqui estudmos apenas variveis aleatrias discretas ou seja, que assumem um nmero finito ou
infinito enumervel de valores; no vamos estudar as variveis aleatrias contnuas (as que podem
assumir qualquer valor de um intervalo pertencente ao seu domnio de variao), mas vamos apenas
ver algumas caractersticas que ter a generalizao da distribuio de probabilidades a esse caso.
Suponhamos que queremos estudar a altura da populao portuguesa adulta do sexo feminino. A
varivel a estudar ser a altura, a populao ser a populao portuguesa adulta do sexo feminino
e a nossa experincia aleatria consiste em fazer uma observao de um indivduo da populao
e verificar qual a sua altura. Como esta varivel aleatria contnua (pode assumir qualquer valor
entre dois valores escolhidos, por exemplo entre 0 e 300 centmetros), teremos dificuldade em encontrar uma distribuio de frequncias relativas. Se escolhermos uma amostra de umas 100 pessoas e
135
140
145
150
155
160
165
170
175
180
185
agruparmos os dados em classes, obteremos um histograma do tipo do da figura. Se formos aumentando o nmero de elementos da amostra, e traarmos um histograma com cada vez mais classes,
iremos obtendo um histograma cada vez mais prximo da curva da direita (em forma de sino). Tal
como no caso discreto, a distribuio de frequncias relativas representada no histograma descreve
a amostra, e aproxima uma outra curva que representa a distribuio de probabilidades da varivel
aleatria contnua em causa. Esta curva tem uma forma interessante, simtrica, com uma bossa por
volta dos 160 cm, que o valor mdio da populao. A funo cujo grfico obtivemos chama-se funo densidade de probabilidade. O seu significado o de a rea a ponteado na funo densidade
entre os pontos de abcissa a e os pontos de abcissa b dar o valor da probabilidade da varivel aleatria estar compreendida entre os valores a e b, isto , a rea a ponteado igual a P(aXb).
124
4. Distribuio de probabilidades
A situao encontrada no exemplo das alturas das mulheres portuguesas bastante geral, mas no
ser aprofundada no Ensino Secundrio. Basta-nos saber que esta funo aparece com frequncia
nas aplicaes pois descreve uma situao onde o modelo, dito modelo normal, uma boa aproximao da realidade.
Eis as principais caractersticas da curva do modelo normal:
a) simtrica relativamente ao valor mdio da varivel, assumindo a o valor mximo;
b) Quanto maior for o desvio padro mais achatada a curva;
d) A rea compreendida entre a curva, o eixo dos XX e as rectas que passam pelos pontos e
+ , aproximadamente igual a 0,68;
e) A rea compreendida entre a curva, o eixo dos XX e as rectas que passam pelos pontos 2
e + 2 , aproximadamente igual a 0,95;
f) A rea compreendida entre a curva, o eixo dos XX e as rectas que passam pelos pontos 3
e + 3 , aproximadamente igual a 1.
Em funo do que representa a funo densidade de probabilidade, podemos dizer que estas
3 ltimas propriedades significam, se a varivel aleatria X for Normal, que:
P( X + ) = 0,683
P( 2 X + 2 ) = 0,954
P( 3 X + 3 ) = 0,997
4. Distribuio de probabilidades
125
Tr
Tarefa
resolvida
13
Os pesos das crianas do sexo masculino com idades compreendidas entre os 10 e os 12 anos distribuem-se normalmente com valor mdio 20 Kg e com desvio padro 3kg. Qual a probabilidade de
uma criana daquela classe etria, escolhida ao acaso:
a) Pesar entre 17kg e 23Kg?
b) Pesar mais de 23kg?
c) Pesar mais de 29kg?
Resoluo
Nas condies dadas, a varivel aleatria pesos das crianas do sexo masculino com idades compreendidas entre os 10 e os 12 anos segue um modelo normal com valor mdio =20 Kg e desvio
padro =3Kg.
a) O intervalo [17kg, 23kg] igual a [ , + ]. A probabilidade de se obterem valores no
intervalo [17kg, 23kg] ento aproximadamente igual a 0,68.
Tr
resolvida
14
O treinador de um atleta especialista no salto em comprimento fez um estudo estatstico dos saltos
dados nos ltimos tempos pelo seu atleta e verificou que se distribuam normalmente com valor mdio de 7.23 metros e desvio padro de 0.33 m. Qual a probabilidade de ele dar um salto entre os 7 e os 7.5 metros?
Resoluo
Neste caso o intervalo [7m, 7,5m] no nenhum dos intervalos das propriedades
do modelo normal. A nica soluo neste caso usar a calculadora grfica. O
comando a usar ter a forma
126
4. Distribuio de probabilidades
Tarefa
Muitos fenmenos da vida real podem ser modelados, quer exatamente, quer de forma aproximada
pelo modelo Normal. Algumas dessas situaes so:
a) Velocidade a que os carros transitam numa autoestrada, num quilmetro
dado.
b) Peso do acar contido nas embalagens cheias por determinada mquina,
programada para encher 1kg.
h) Dimetro das jantes de automveis, de uma determinada marca, fabricadas por uma determinada mquina.
i) Quantidade de lquido nas latas de cerveja, em que pressuposto conterem 33 cl.
Exerccios
1.
As idades dos atletas que participam numa competio desportiva seguem uma distribuio normal de mdia 25 e desvio padro 8.
1.1
1.2
2.
A durao mdia de um automvel de 14 anos com um desvio de 9 meses. Se a durao dos automveis se distribui normalmente, qual a probabilidade de que dure mais
que 15 anos e 3 meses?
4. Distribuio de probabilidades
127
Le
Leitura(s)
A Matemtica do azar
Foi longo e penoso o percurso at se chegar
moderna matemtica do azar. Mas, no incio, a
motivao foram os jogos de azar (so normalmente muitos mais os que perdem do que os que
ganham). No Renascimento, o matemtico, mdico e filsofo italiano Girolamo Cardano (15011576), um jogador compulsivo, foi o primeiro a
abordar o assunto com algum rigor. O seu livro O Livro dos Jogos de Azar, s publicado
em 1663, foi a primeira anlise matemtica dos
jogos. O autor reparou que, para resolver uma
questo de probabilidades, tinha de reconhecer
quais os acontecimentos igualmente provveis.
Mas foi o monge franciscano e matemtico Frei
Luca Pacioli (1445-1517), clebre pelos seus estudos da divina proporo, o responsvel pelo
desafio que iria permitir, muitos anos depois,
inaugurar formalmente o conceito de probabilidade, ao inquirir no seu livro Summa de arithmetica, geometria, proportioni et proportionalita (1494) como se devia dividir o dinheiro
de um jogo de azar interrompido por qualquer
razo.
128
4. Distribuio de probabilidades
Sntese
O essencial passado em revista
Varivel aleatria Uma varivel aleatria, uma varivel cujo valor um resultado numrico associado ao resultado de uma experincia aleatria.
Consideremos uma varivel aleatria discreta X, que assume um nmero finito de valores dis-
tintos
Quando se pretende estudar uma varivel aleatria discreta (uma populao de dados discretos), isto , conhecer a sua distribuio de probabilidades, recolhe-se uma amostra de
dimenso suficientemente grande da populao, e constri-se a distribuio das frequncias; obtemos assim uma ideia aproximada da distribuio de probabilidades. Enquanto que a
distribuio de frequncias se obtm a partir de apenas alguns elementos da populao (uma
amostra), a distribuio de probabilidades obtm-se a partir da populao toda (donde a sua
dificuldade).
Tendo em ateno que a distribuio de probabilidade aproximada pela distribuio de frequncias, natural designar como valor mdio da varivel aleatria X a seguinte quantidade:
= x1 p1 + x 2 p2 + ... + x N pN .
Esta frmula obviamente aproximada pela frmula antes usada pois as probabilidades pi so
aproximadas pelas frequncias relativas. Ao valor mdio tambm se costuma chamar valor
esperado e portanto tambm se costuma usar a notao E(X) para o representar.
Lei dos grandes nmeros Dado qualquer fenmeno aleatrio, cujos resultados sejam numricos e que tenha valor mdio , ento, medida que se repete o fenmeno, a mdia dos
resultados observados aproxima-se cada vez mais do valor mdio , isto , medida que a
dimenso da amostra aumenta, a mdia da amostra tende a aproximar-se do valor mdio do
fenmeno aleatrio.
2
Define-se varincia populacional, , de uma distribuio de probabilidades,
(x , p ),(x , p ),
1
... , x N , pN
ao valor que se obtm multiplicando cada resultado (xi )2 pela probabilidade p = P(X = x )
i
i
4. Distribuio de probabilidades
129
2 = x1 p1 + x 2 p2 + ... + x N pN
Modelo Binomial
c) Em cada observao pode-se obter um de dois resultados possveis, a que chamamos sucesso ou insucesso;
d) A probabilidade de sucesso p, constante de observao para observao.
varivel X que representa o nmero de sucessos nas n provas chama-se varivel aleatria com
distribuio Binomial de parmetros n e p. O seu valor
P(X = k) = N(n,k) p k (1 p)n k
para k=0,1,2,, n, onde N(n,k) representa o nmero de vezes em que temos k sucessos e n-k
insucessos.
Modelo Normal
d) A rea compreendida entre a curva, o eixo dos XX e as rectas que passam pelos pontos
e + , aproximadamente igual a 0,68;
e) A rea compreendida entre a curva, o eixo dos XX e as rectas que passam pelos pontos
2 e + 2 , aproximadamente igual a 0,95;
f) A rea compreendida entre a curva, o eixo dos XX e as rectas que passam pelos pontos
3 e + 3 , aproximadamente igual a 1.
Estas 3 ltimas propriedades significam, se a varivel aleatria X for Normal, que:
P( X + ) = 0,683
P( 2 X + 2 ) = 0,954
P( 3 X + 3 ) = 0,997
130
4. Distribuio de probabilidades
Eg
Exerccios globais
Pratica
2.
3.
4.
Considera a experincia aleatria que consiste em lanar dois dados e a varivel aleatria que
corresponde a subtrair o maior do menor valor obtido. Determina o modelo de probabilidade
associado experincia aleatria.
Uma moeda equilibrada de euro lanada duas vezes. Seja a varivel aleatria X o nmero
de faces nacionais sadas. Determina o modelo de probabilidade para os diversos valores de
X.
Um sistema de segurana formado por 4 alarmes iguais de alta presso, com a probabilidade p= 0,8 (cada um) de serem eficientes. Qual a probabilidade de se ter exatamente 3
alarmes a tocar quando a presso atingir o valor limite?
A varivel que expressa em meses o nascimento do primeiro dente de um beb segue uma
distribuio normal de mdia 7,5 e desvio padro 1,5. Calcula a probabilidade de o nascimento do primeiro dente seja:
4.1
4.2
4.3
5.
Com um ano;
Um homem tem 4 chaves, mas apenas uma delas abre o seu cofre. Como se esqueceu de qual
a chave que abre o cofre tenta abrir o cofre e, aps cada
tentativa, pe de lado a chave utilizada.
5.1
5.2
5.3
6.
X = xi
4. Distribuio de probabilidades
131
1.
pi = P(X = xi )
0,11
Determina o valor de k;
0,35
0,25
0,2
Pensa e resolve
8.
9.
X = xi
pi = P(X = xi )
0,1
0,2
Sabendo que P(x 2) = 0,7 e que P(x 2) = 0,75 , determinar a mdia e o desvio padro.
Num avirio os pesos das galinhas seguem uma distribuio normal com mdia 1,8 kg e
desvio mdio de 300g. Os que pesam menos de 1,650 kg no so vendidos. Determina a percentagem das galinhas que no so vendidas ao longo do ano.
10. Numa auto estrada do interior contabilizou-se o nmero de veculos que passaram numa
portagem por hora. Do estudo dos dados recolhidos verificou que satisfaziam a uma distribuio
normal de mdia 40 e desvio padro de 3,5. Calcula probabilidade de passarem mais de 36 e menos
de 43 veculos.
11. Os pesos, em quilogramas, de 600 alunos de um
distrito distribuem-se segundo uma lei normal de
mdia 60 kg e desvio padro 5 kg. Determina, usando a calculadora, quantos deles tm peso:
11.1 Pertencentes ao intervalo ]55,65[;
11.2 Pertencentes ao intervalo ]50,70[;
11.3 Superior a 60 kg;
11.4 Inferior a 70 kg.
132
4. Distribuio de probabilidades
7.
Reflete
12. Considera o seguinte excerto do artigo As Vinte Horas de Graham Greene em Havana, de
Gabriel Garcia Mrquez, publicado em 19 de Maro de 1983 no jornal espanhol El Pas:
...perguntei a Graham Greene o que havia de verdade no episdio da roleta
russa que ele relatara nas suas memrias. Os seus olhos azuis, os mais difanos
que conheci, iluminaram-se com a recordao. Isso foi aos dezanove anos,
disse, quando me apaixonei pela professora da minha irm. Contou que, de
facto, tinha ento jogado o jogo solitrio da roleta russa, com um velho revlver de um irmo, em quatro ocasies diferentes. Entre as duas primeiras houve
uma semana de intervalo, mas as duas ltimas foram seguidas e com poucos
minutos de diferena. Fidel Castro, que no podia deixar passar um relato
como este sem ir at aos mais nfimos pormenores, perguntou-lhe para quantos
projcteis era o tambor do revlver. Para seis, respondeu Graham Greene.
Ento, Fidel Castro fechou os olhos e comeou a murmurar multiplicaes. Por
fim, olhou o escritor e disse-lhe: De acordo com os clculos de probabilidades
voc teria de estar morto. Graham Greene sorriu com a placidez com que o
fazem os escritores que se sentem a viver um episdio dos seus prprios livros
e disse: Ainda bem que sempre fui pssimo a Matemtica...
Concordas que, segundo o Clculo das Probabilidades, ele deveria estar morto? Justifica a
tua resposta.
13. Considera os seguintes dados que dizem respeito altura de 100 indivduos do sexo masculino:
127.5
143.3
150.9
155.2
159.5
163.7
168.2
174.3
178.0
186.7
137.3
145.8
152.3
157.1
160.2
165.0
171.7
175.4
181.4
191.0
131.2
133.2
138.4
138.9
139.6
140.8
141.6
142.2
144.4
145.8
147.0
148.3
148.7
149.2
149.6
150.3
151.2
151.3
152.4
152.7
153.4
154.0
154.6
155.2
155.5
156.5
157.3
158.2
158.6
158.9
159.3
159.4
159.6
160.1
160.3
160.5
161.4
161.5
162.2
163.7
164.5
164.6
165.4
166.1
166.7
167.0
167.0
167.1
168.7
169.8
171.8
172.0
172.3
173.1
173.4
173.9
174.6
175.1
175.7
176.4
176.4
177.4
177.4
177.9
178.1
178.5
181.7
183.0
183.6
184.1
184.6
185.1
186.7
189.9
193.3
193.8
194.6
196.9
198.1
200.1
4. Distribuio de probabilidades
133
Conselhos
para os
Exames n. 4
Ou seja, qualquer tcnica usada aceite, desde que esteja correta. Mas preciso ter em ateno
que no enunciado da prova se pede, no Grupo II, o grupo das questes de itens de construo, que:
Na resposta a cada um dos itens deste grupo, apresente todos os clculos que tiver
de efectuar e todas as justificaes necessrias
Assim, importante justificar bem cada resposta. Essa justificao dever deixar bem claro qual o
mtodo usado na resposta.
muito importante ter em ateno este requisito. Os critrios especficos de classificao so taxativos quando no se justifica uma resposta ou se omitem os clculos intermdios:
Apresentao apenas do resultado final, embora a resoluo do item exija clculos
e/ou justificaes: A resposta classificada com zero pontos.
No vale pois a pena atirar com um resultado ao acaso. preciso explicar sempre o procedimento
usado e apresentar os clculos intermdios.
H contudo uma situao em que o mtodo de resoluo usado no pode ser um qualquer. quando
o enunciado requer o uso de um mtodo concreto:
Utilizao de processos de resoluo que no respeitam as instrues dadas [exemplo: usando mtodos analticos]: A etapa em que a instruo no respeitada
pontuada com zero pontos, bem como todas as etapas subsequentes que dela
dependam, salvo se houver indicao em contrrio, no critrio especfico de classificao.
Muitas vezes o enunciado pede explicitamente que: Determine recorrendo a mtodos exclusivamente analticos. Neste caso no se pode usar a calculadora na resposta. O enunciado pretende que
se usem expresses algbricas para chegar resposta. A calculadora pode ser usada para explorar
o problema ou verificar os clculos, mas no pode ser usada na resposta. Outras vezes pedido
explicitamente que Determine recorrendo calculadora grfica. Desta vez a resoluo tem de
ser feita com a calculadora e no atravs de manipulaes algbricas.
(baseado no documento oficial Prova Escrita de Matemtica A- critrios gerais de classificao Prova 635/1. Fase - 2011)
134
4. Distribuio de probabilidades
Ie
Itens de exame
1.
Admite que, numa certa escola, a varivel altura das alunas do 12 ano de escolaridade
segue uma distribuio aproximadamente normal, de mdia 170 cm.
Escolhe-se, ao acaso, uma aluna do 12. ano dessa escola.
xi
P(X = xi )
5
6
(B)
xi
P(X = xi )
1
6
(C)
xi
P(X = xi )
1
2
1
6
5
6
1
2
1
6
1
6
5
6
5
6
2
5
(D)
4. Distribuio de probabilidades
135
xi
P(X = xi )
3.
2
5
N(c,d)
xi
P(X = xi )
( a e b designam nmeros reais).
3
5
b=
1
5
(B) a =
1
2
b=
1
6
(C) a =
1
2
b=
1
4
(D) a =
2
3
b=
1
6
A Patrcia tem uma caixa com cinco bombons de igual aspecto exterior, mas s um que
tem licor. A Patrcia tira, ao acaso, um bombom da caixa, come-o e, se no for o que tem
licor, experimenta outro. Vai procedendo desta forma at encontrar e comer o bombom com
licor.
Seja X a varivel aleatria nmero de bombons sem licor que a Patrcia come.
136
4. Distribuio de probabilidades
xi
P(X = xi )
(B)
xi
P(X = xi )
(C)
xi
P(X = xi )
(D)
xi
P(X = xi )
6.
0,2
0,1
0,2
0,1
0,2
0,1
0,2
0,1
0,2
0,2
0,2
0,2
0,2
0,4
0,2
0,2
0,2
0,2
0,2
0,4
O Joo tem, no bolso, seis moedas: duas moedas de 1 euro e quatro moedas de 50 cntimos.
O Joo retira, simultaneamente e ao acaso, duas moedas do bolso.
6.1
6.2
Depois de ter retirado as duas moedas do bolso, o Joo informou a sua irm Ins de
que elas eram iguais. Ela apostou, ento, que a quantia retirada era de 2 euros. Qual
a probabilidade de a Ins ganhar a aposta? Apresenta o resultado sob a forma de
fraco irredutvel.
4. Distribuio de probabilidades
137
Pg
Prova global
90 minutos
1.
2.
Um centro comercial tem no seu centro uma rvore enfeitada com 2 000 lmpadas. A durao das lmpadas segue uma distribuio normal com mdia de 305 dias e desvio de 40 dias.
2.1
2.2
3.
A probabilidade do Pedro ganhar ao Daniel um jogo de xadrez de 2/3. Se jogarem 4 partidas, calcula a probabilidade do Pedro ganhar:
3.1
3.2
3.3
4.
Duas partidas;
As quatro partidas;
Alguma partida.
5.
Dados dois acontecimentos A e B indica as condies que deve verificar A de modo que:
P(B) = P(B | A) P(A) + P(B | A)P(A)
138
4. Distribuio de probabilidades
1. Passo Compreender
Problema
d) O enunciado j indica letras para os dados? Se no, escolhe letras que no causem confuso.
Escolhe uma letra para a incgnita que no se confunda com as outras.
2. Passo Estabelecer
um
Plano
a) Este problema semelhante a outro que tenhas feito? O mtodo desse outro problema pode-te
ajudar aqui?
b) Olha para a incgnita. J te pediram esse tipo de incgnita noutro problema? Como fizeste nessa
altura?
c) possvel enunciar o problema de outro modo diferente, talvez com um enunciado mais longo
mas mais claro e mais simples?
d) Conheces algum problema diferente mas algo parecido com este? Um problema mais geral? Um
problema com dados diferentes mas parecidos?
e) Se nada do que tenhas visto anteriormente te ajuda ento tenta resolver um problema mais simples que este, ou apenas uma parte do problema.
f) Se tivesses mais um dado seria mais fcil resolver o problema? E esse outro dado consegue-se
obter?
g) Utilizaste todos os dados? No te esqueceste de nenhuma das condies pedidas?
3. Passo Executar
Plano
a) Executa o Plano definido no passo anterior, tendo cuidado em saber se os passos que ds esto
bem justificados.
b) Se no consegues executar o plano definido por causa de algum obstculo que antes no tenhas
previsto volta ao 2. passo (e se necessrio ao 1 passo).
4. Passo Verificao
Lies
para o
Futuro
a) O resultado a que chegaste convence-te? Conseguir convencer os teus colegas? E o teu professor? No est em contradio com nada que conheas? Se estiver, melhor reveres os passos
anteriores.
b) O mtodo que usaste novo para ti? Pode vir a ser til no futuro noutro problema.
c) Seria possvel chegar ao mesmo resultado por um caminho diferente, talvez mais simples? Esse
outro caminho pode tambm vir a ser muito til em futuros problemas.
d) Conheces outro problema, que no conseguiste resolver antes, onde este mtodo se possa aplicar?
Professor Associado do Departamento de Matemtica da Faculdade de Cincias e Tecnologia da Universidade de Coimbra. Licenciado e Doutorado
em Matemtica pela Universidade de Coimbra, estudou na Universidade
de Paris 6. Foi professor visitante na Arizona State University (EUA) e
Secretrio-Geral da Comisso Internacional de Instruo Matemtica
(2009-2012).
Professor h 36 anos na Universidade de Coimbra, leccionou disciplinas de
Matemtica para Matemticos e Engenheiros, assim como da formao de
professores de Matemtica e orientou Estgios Pedaggicos de Matemtica
em sete escolas diferentes. Coordenador das Equipas Tcnicas que elaboraram os programa de Matemtica A, Matemtica B, MACS, Matemtica
dos Cursos Profissionais e Matemtica das Escolas Artsticas. Consultor
do GAVE desde a sua criao.
Joaquim Pinto
Professor de Matemtica do Ensino Bsico e Secundrio h 20 anos, licenciado em Matemtica, ramo de formao Educacional, pelo Departamento
de Matemtica da Faculdade de Cincias e Tecnologia da Universidade de
Coimbra e Mestre em Ensino da Matemtica pelo Departamento de Matemtica da Faculdade de Cincias da Universidade do Porto.
Desempenhou funes de Professor Acompanhante do Novo Programa de
Matemtica do Ensino Secundrio e de Supervisor dos Exame de Matemtica A, continuando a ser classificador de Exames de Matemtica A.
Vladimiro Machado
Professor de Matemtica do Ensino Bsico e Secundrio h 30 anos, licenciadoem Matemtica, ramo de formao Educacional, pelo Departamento de Matemtica da Faculdade de Cincias da Universidade do Porto e
Mestre em Ensino da Matemtica pelo Departamento de Matemtica da
Faculdade de Cincias da Universidade do Porto.
Desempenhou funes de Professor Acompanhante do Novo Programa de
Matemtica do Ensino Secundrio e de Supervisor dos Exame de Matemtica B. Desempenha as funes de Professor Acompanhante do Novo
Programa de Matemtica do Ensino Bsico.
Orientador de Estgio Pedaggico do Departamento de Matemtica da
Faculdade de Cincias da Universidade do Porto.
preo:
(iva
18,75
includo)
ISBN 978-989-97839-0-4