P. 1
Caderno V10

Caderno V10

2.5

|Views: 8.494|Likes:
Publicado por321321456

More info:

Published by: 321321456 on Nov 18, 2009
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/20/2016

pdf

text

original

Sections

109 Marisa Oliveira, Susana Araújo

Objectivos

Indicar situações da vida quotidiana ou das ciências onde a estatística

presta relevantes serviços;

Identificar, num estudo estatístico, a população, a amostra, a unidade

estatística e o tipo de variável;

Identificar variável discreta e contínua;
Construir tabelas de frequências absolutas, relativas, e acumuladas, a

partir de dados;

Construir e interpretar gráficos de barras, poligonais, circulares e
histogramas;

Usar o símbolo Σ nos cálculos;
Calcular a média, a moda e a mediana de um conjunto de dados;

110 Marisa Oliveira, Susana Araújo

6.1 Noções Básicas de Estatística

É objectivo da Estatística extrair informação dos dados para obter uma melhor
compreensão das situações que representam.

No estudo de um problema envolvendo métodos estatísticos, estes devem ser
utilizados mesmo antes de se recolher a amostra, isto é, deve-se planear a
experiência que nos vai permitir recolher os dados, de modo a que, posteriormente, se
possa extrair o máximo de informação relevante para o problema em estudo, ou seja
para a população de onde os dados provêm.

Uma noção fundamental em Estatística é a de conjunto ou agregado, conceito para o
qual se usam, indiferentemente, os termos População ou universo.

População

Exemplo

Colecção de unidades individuais, que podem ser

pessoas ou resultados experimentais, com uma ou mais

características comuns, que se pretendem estudar.

Por vezes, identifica-se População com a característica populacional que se pretende

estudar. Por exemplo a população das alturas dos alunos curso de preparação para a

prova de Matemática do Concurso Maiores de 23 anos; a população das notas obtidas

no exame;

Nem sempre é possível estudar exaustivamente todos os elementos da população

porque, por exemplo:

- a população pode ser infinita.

111 Marisa Oliveira, Susana Araújo

Exemplo: a população constituída pelas pressões atmosféricas, nos

diferentes pontos de uma cidade;

- o estudo da população pode levar à destruição da população.

Exemplo: a população dos fósforos de uma caixa;

- o estudo da população pode ser muito dispendioso.

Exemplo: sondagens exaustivas de todos os eleitores, sobre

determinado candidato;

Quando não é possível estudar, exaustivamente, todos os elementos da população,

estudam-se só alguns elementos, a que damos o nome de Amostra.

Amostra – conjunto de dados ou observações, recolhidos a partir de um subconjunto

da população, que se estuda com o objectivo de tirar conclusões para a população de

onde foi recolhida.

Exemplo:

Relativamente à população das alturas dos alunos matriculados no ISEP,

consideremos a seguinte amostra, constituída pelas alturas (em cm) de 20 alunos

escolhidos ao acaso

175, 163, 167, 162, 176, 169, 180, 177, 168, 167, 171, 172, 170, 168, 176, 180, 168, 177, 161, 182

É muito importante a escolha da amostra pois esta deve ser tão representativa quanto

possível da população que se pretende estudar, uma vez que vai ser a partir do estudo

da amostra que vamos tirar conclusões para a população.

A análise estatística envolve duas fases fundamentais, com objectivos distintos:

- Estatística Descritiva onde se procura descrever a amostra, pondo em

evidência as características principais e as propriedades;

112 Marisa Oliveira, Susana Araújo

- Estatística Indutiva onde conhecidas certas propriedades (obtidas a partir de

uma análise descritiva da amostra), expressas por meio de proposições,

imaginam-se proposições mais gerais, que exprimam a existência de leis (na

população).

Esquematicamente, temos:

Exemplo:

O gerente de uma fábrica de detergentes pretende lançar um novo produto para lavar

a loiça pelo que, encarrega uma empresa especialista em estudos de mercado de

“estimar” a percentagem de potenciais compradores desse produto

População- conjunto de todos os agregados familiares do país.

Amostra- conjunto de alguns agregados familiares, inquiridos pela empresa.

Problema- pretende-se, a partir da percetagem de respostas afirmativas, de entre os

inquiridos sobre a compra do novo produto, obter uma estimativa do número de

compradores na população.

Podemos classificar os dados que constituem a Amostra, ou dados amostrais, em

dois grupos fundamentais:

- Dados qualitativos representam a informação que identifica alguma

qualidade, categoria ou característica, não susceptível de medida, mas de

classificação, assumindo várias modalidades;

113 Marisa Oliveira, Susana Araújo

Exemplo: O estado civil de um indivíduo é um dado qualitativo, assumindo as

categorias solteiro, casado, viúvo e divorciado.

Os são organizados na forma de uma tabela de frequências que apresenta o

número de elementos – frequência absoluta – de cada uma das categorias ou

classes numa tabela de frequências. Além das frequências absolutas também

se apresentam as frequências relativas, onde

frequência absoluta

frequência relativa =

dimensão da amostra

Exemplo: Num inquérito realizado a 150 indivíduos, estes tiveram de assinalar

o sexo – M ou F, e o estado civil – Solteiro, casado, viúvo ou divorciado. Uma

forma de resumir informação contida nos dados, no que diz respeito ao estado

civil, é construir uma tabela de frequências em que se consideram para as

classes as diferentes modalidades que o estado civil pode tomar

Tabela de frequências

classes

Frequência absoluta

Frequência relativa

solteiro

78

0,52

casado

50

0,33

viúvo

5

0,03

divorciado

17

0,12

Total

150

1

- Dados quantitativos representam a informação resultante de características

susceptíveis de serem medidas, apresentando-se com diferentes intensidades,

que podem ser de natureza discreta (descontínua) – dados discretos, ou

contínua – dados contínuos.

Exemplo: Consideremos uma amostra constituída por 10 alunos de uma turma

em que se pretende saber o número de irmãos de cada um: 3, 4, 1, 1, 3, 1, 0,

2, 1, 2. Estes dados são de natureza discreta.

Se para os mesmos alunos considerarmos as alturas (cm): 153, 157, 161, 160,

158, 155, 162, 156, 152, 159 obteremos dados do tipo contínuo.

114 Marisa Oliveira, Susana Araújo

Dados discretos – Estes dados só podem tomar um número finito ou infinito

numerável de valores distintos, apresentando vários valores repetidos – é o

caso, por exemplo, do número de filhos de uma família ou o número de

acidentes, por dia, em determinado cruzamento.

Os dados são organizados na forma de uma tabela de frequências, análoga à

construída para o caso de dados qualitativos. No entanto, em vez das

categorias apresentam-se os valores distintos da amostra, os quais vão

constituir as classes.

Exemplo:

Apresentação de dados de variáveis discretas

Consideremos a amostra constituída pelo número de irmãos dos 20 alunos de

uma determinada turma:

1, 1, 2, 1, 0, 3, 4, 2, 3, 1, 0, 2, 1, 1, 0, 1, 1, 0, 3, 2

A tabela de frequências é a seguinte:

Tabela de frequências

Classes

Frequências absolutas Frequências relativas

0

4

0,20

1

8

0,40

2

4

0,20

3

3

0,15

4

1

0,05

Total

20

1

Exemplo:

Apresentação de dados de variáveis contínuas

Fez-se um estudo sobre as alturas, em metros, dos jogadores de uma equipa e os

dados obtidos estão indicados em baixo.

1,60 1,70 1,62 1,80 1,83

1,82 1,71 1,68 1,68 1,65

1,62 1,64 1,80 1,81 1,78

1,76 1,69 1,64 1,63 1,67

1,68 1,83 1,70 1,71 1,6

115 Marisa Oliveira, Susana Araújo

Vamos construir uma tabela com os dados agrupados em 5 classes.

Tabela de frequências

ix

Frequências

absolutas

Frequências

relativas

[

[

1,60;1,65

6

6

0,24

25

=

[

[

1,65;1,70

7

7

0,28

25

=

[

[

1,70;1,75

4

4

0,16

25

=

[

[

1,75;1,80

2

2

0,08

25

=

[

[

1,80;1,85

6

6

0,24

25

=

n = 25

1

6.2 Medidas de localização

6.2.1 Média

Considere-se

1

2

,,...,

n

x x x, uma amostra de n observações

Definição: Chama-se média aritmética ou simplesmente média e representa-se por __

x

ao valor assim obtido:

Para os dados não classificados

__

1

2

1

...

n

i

n i

x

x x x

x

n

n

=

+ + +

=

=

Para os dados classificados

__

11

22

1

...

m

i i

n n i

f x

f x f x f x

x

n

n

=

+ + +

=

=

116 Marisa Oliveira, Susana Araújo

Onde:

m é o número de classes

if é a frequência absoluta da classe i,

1

1

m

i

n f

=

=

ix é o valor correspondente da classe i

Se os dados são discretos ou contínuos e as classes são intervalos então,

ix é o

ponto médio da classe i. Neste caso o valor da média é um valor aproximado e não um

valor exacto.

Exemplo

Média em dados simples

Perguntou-se a 10 alunos as suas classificações em Estatística e obtiveram-se os

seguintes resultados:

12

15

13

14

13

16

15

15

16

16

Para determinar a classificação média destes alunos aplicamos directamente a

definição de média

__

12+15+13+14+13+16+15+15+16+16

14,5

10

x =

=

Exemplo:

Média em dados classificados

Suponhamos que os dados do exemplo anterior eram apresentados através da

seguinte tabela

117 Marisa Oliveira, Susana Araújo

ix

if

12

1

13

2

14

1

15

3

16

3

10

if n

= =

Para determinarmos a média aproveitamos a tabela anterior para reduzir o número de

parcelas da soma

ix

if

i i

x f

12

1

12

13

2

26

14

1

14

15

3

45

16

3

48

10

if n

= =

145

i i

x f =

__

11

22

1

...

145

14,5

10

m

i i

n n i

f x

f x f x f x

x

n

n

=

+ + +

=

=

= =

Exemplo:

Média – dados classificados em classes

A tabela seguinte refere a área, em hectares, das quintas de uma dada região:

Área (ha)

Frequência

[ [

0,5

31

[ [

5,10

12

[ [

10,15

8

[ [

15,20

5

n = 56

118 Marisa Oliveira, Susana Araújo

Neste caso, como os dados estão agrupados em classes, recorre-se ao cálculo do

valor central da classe. Este valor

ix (marca da classe) obtém-se determinando a

média dos extremos.

Por exemplo

1

05

0,5

2

x +
= =

Deste modo, este caso reduz-se ao anterior.

Classe

if

Valor central

ix

i i

f x

[ [

0,5

31

2,5

77,5

[ [

5,10

12

7,5

90

[ [

10,15

8

12,5

100

[ [

15,20

5

17,5

87,5

56

if =

355

i i

f x =

Temos __

355

6,3 (1 ..)

56

x

cd

= =

Duas outras medidas de localização são a mediana e a moda.

6.2.2 Mediana

Definição: A mediana é o valor que divide a amostra, depois de ordenada, em duas

partes com o mesmo número de observações cada. Pode ser assim calculada

1

2

__

1

2

2

ímpar

par

2

n

n

n

x n

x x x

n

+



+





= +


Onde

(1)

()

...

n

x

x

≤ ≤

são as observações ordenadas correspondentes à amostra

1

2

,,...,

n

x x x.

119 Marisa Oliveira, Susana Araújo

Exercícios Resolvidos:

1. Determinação da mediana em dados simples

Determine a mediana para cada um dos seguintes conjuntos de dados

12

14

15

15

16

16

17

18

20

20

20

20 21

21

22

23

Resolução:

Os dados estão escritos por ordem crescente. O número de dados é 16. Os valores

centrais são 18 e 20. Então __

1820

19

2

x +
=

=

2. Perguntou-se a 37 crianças de uma turma que número calçavam. As respostas

foram registadas na tabela seguinte.

Número de sapato,

ix

28

30

32

34

36

Frequência,

if

3

16

9

6

3

Calcule o número mediano.

Resolução:

n = 37, n é ímpar.

Vamos construir uma tabela de frequências absolutas acumuladas.

ix

if

i

F

28

3

3

30

16

19

32

9

28

34

6

34

36

3

37

n = 37

120 Marisa Oliveira, Susana Araújo

O número de termos é 37. A ordem do temo mediano é:

371

19

2

t +
= =

Na coluna

i

F aparece o número 19.

A mediana é o valor

19

x, ou seja, ~

30

x =

.

3. Calcule a mediana para os dados da seguinte tabela:

ix

28

30

32

34

36

if

5

10

15

6

3

Resolução:

Vamos construir a tabela de frequências absolutas acumuladas.

ix

if

i

F

28

5

5

30

10

15

32

15

30

34

6

36

36

3

39

n = 39

O número de termos é 39, logo, a ordem do termo mediano é

391

20

2

k +
= =

A mediana é o valor

20

x, ou seja, ~

32

x =

.

121 Marisa Oliveira, Susana Araújo

4. Calcule a mediana para os dados da seguinte tabela:

ix

if

i

F

28

4

4

30

10

14

32

12

26

34

5

31

36

3

34

n = 34

Resolução:

O número de elementos é 34, n é par.

1

34

17

2

k = =

2

342

18

2

k +
=

=

Percorrendo a coluna

i

F, não encontramos nem o 17 nem o 18.

Como ambos são maiores do que 14 e menores do que 26, assinalamos a linha

correspondente a 26, da coluna

i

F. Logo ~

32

x =

.

5. Calcule a mediana para os dados da tabela.

ix

if

i

F

28

4

4

30

13

17

32

10

27

34

4

31

36

3

34

n = 34

Resolução:

O número de elementos é 34.

122 Marisa Oliveira, Susana Araújo

1

34

17

2

k = =

2

342

18

2

k +
=

=

Neste caso, procurando estes valores, na coluna

i

F encontramos apenas o número

17. O outro valor (18) está na linha seguinte (18 > 17 e 18 < 27).

Logo, os termos a considerar são

17

30

x =

e

18

32

x =

.

Logo, ~

3032

31

2

x +
=

=

6. Calcule a mediana para os dados da tabela.

ix

if

i

F

28

4

4

30

13

17

32

11

28

34

3

31

36

1

32

n = 32

Resolução:

O número de elementos é 32.

1

32

16

2

k = =

2

322

17

2

k +
=

=

Neste caso, procurando estes valores, na coluna

i

F encontramos o número 17. Um

dos valores que vai entrar no cálculo da mediana é

17

30

x =

.

O outro valor,

16

x , será também determinado na mesma linha (16 > 4 e 16 < 17).

Logo, os termos a considerar são

17

30

x =

e

18

32

x =

.

Logo, ~

16

17

3030

30

2

2

x x
x
+

+

=

=

=

123 Marisa Oliveira, Susana Araújo

7. Determinação da mediana: dados classificados em classes

A tabela seguinte mostra os resultados de um estudo estatístico sobre as

distâncias percorridas pelos táxis de uma companhia durante um ano. Calcule a

classe mediana desta distribuição.

Distância

(milhares de km)

[ [

80,85 [ [

85,90 [ [

90,95 [ [
95,100

[ [

100,105

Frequência

18

25

30

22

5

Resolução:

Para determinar a mediana, construamos uma tabela de frequências absolutas e

acumuladas.

Classe

if

i

F

[ [

80,85

18

18

[ [

85,90

25

43

[ [

90,95

30

73

[ [

95,100

22

95

[ [

100,105

5

100

n = 100

Como a distribuição apresenta os dados agrupados em classes, admite-se que os

valores da variável se distribuem igualmente em cada uma delas e considera-se a

mediana o termo de ordem

2

n

, não se fazendo distinção se n é par ou ímpar.

Como o número de elementos é 100, a ordem do termo mediano é 100

50

2

t = =

. A

mediana é o termo de ordem 50, que, apesar de não aparecer na coluna

i

F,

corresponde a

3

73

F =

. Então,

[ [

50

90,95

x

.

Logo, [ [

90,95 é a classe mediana.

124 Marisa Oliveira, Susana Araújo

6.2.3 Moda

Definição: A moda, mo, é a observação mais frequente, se existir.

Caso discreto – é o valor que ocorre com maior frequência.

Caso contínuo – só faz sentido definir-se sobre dados agrupados – é um valor do

intervalo de classe com maior frequência.

Exercícios Resolvidos

1. Determine a moda para cada um dos conjuntos de dados.

1.1

1

3

5

3

5

6

8

5

Resolução:

A moda é 5;

1.2

1

3

2

3

2

7

Resolução:

Há duas modas: 2 e 3;

1.3

1

2

3

4

5

Resolução:

O conjunto de dados não tem moda; é, portanto, amodal.

125 Marisa Oliveira, Susana Araújo

2. Pediu-se aos 21 alunos de uma turma para indicarem o género de leitura que preferem:

livros de cowboys (C); aventuras (A); ficção (F); viagens (V); animais (Na); outros (O). Os

resultados obtidos foram os seguintes:

F

A

An

F

C

O

A

V

C

F

F

A

F

F

F

F

A

An

F

O

V

Qual é a moda?

Resolução:

Por observação directa, verificamos que o valor mais frequente é F.

Logo, a moda é F. Assim, podemos dizer que para este grupo de alunos os livros

preferidos são os de ficção.

3. Observe a seguinte tabela:

Temperatura mínima (ºC)

em Julho,

ix

Número de dias

i

n

12

3

14

4

15

6

16

7

17

5

18

6

Qual é a moda?

Resolução:

Por observação da tabela conclui-se que o valor da variável

ixque aparece com

maior frequência é 16. Logo a moda é 16.

126 Marisa Oliveira, Susana Araújo

4. Pesaram-se 100 sacos de arroz embalados por uma máquina programada para produzir

embalagens com 1 kg. A tabela seguinte sintetiza os resultados da observação.

Peso (g)

Nº de sacos

[

[

994,996

4

[

[

996,998

15

[

[

998,1000

35

[

[

1000,1002

40

[

[

1002,1004

6

n = 100

Qual é a classe modal?

Resolução:

A classe [

[

1000,1002 tem maior frequência. Logo, podemos dizer que a moda pertence à

classe [

[

1000,1002 e que esta é a classe modal.

Exemplos:

1. Um agricultor estudou o crescimento de plantas da mesma espécie em ambiente

de estufa:

Calculou o crescimento médio das plantas em estudo e dividiu pelo nº total de

plantas:

3+6+7+5+9+10+6+4+6+7+8

11

Concluiu que o crescimento médio é de 6.5 cm.

Crescimento em, cm, de 11 plantas

3

5

6

8

6

9

4

7

7

10

6

127 Marisa Oliveira, Susana Araújo

2. Observou-se o nº de cartões amarelos mostrados por um árbitro em 12 jogos de

futebol consecutivos

Nº de cartões amarelos

3

5

6

1

6

9

8

6

1

8

3

6

A medida mais simples que se usa para representar este conjunto de dados é a

moda, ou seja, o valor da variável que ocorre com maior frequência.

Nos dados apresentados verifica-se que o dado que aparece com maior

frequência é o 6. Logo a moda é o 6.

Para um conjunto de dados, pode existir mais do que uma moda ou até

nem existir moda.

Se o conjunto de dados tiver uma única moda, esse conjunto diz-se unimodal;

Se o conjunto de dados tiver duas moda, esse conjunto diz-se multimodal;

Se o conjunto de dados não tiver moda diz-se amodal.

3. Em cinco testes de Matemática o João obteve as seguintes classificações:

30% 50% 25% 80% 65%

Por ordem crescente as classificações são as seguintes:

25% 30% 50% 65% 80%

Mediana

Mais tarde o João fez um sexto teste e agora os dados são:

25% 30% 50% 65% 80% 85%

Valores centrais

Mediana = 50%+65%

57,5

2

=

128 Marisa Oliveira, Susana Araújo

Exercícios Propostos:

1. Uma amostra de 25 caixas de bombons foi seleccionada de um stock de 100

caixas. O peso em gramas de cada caixa foi o seguinte:

93

100 106 104 98

97

98

104 92

94

101 103 96

100 108

100 108 97

103 100

94

104 95

101 102

a) Construa uma tabela de frequências, agrupando o peso das caixas em

intervalos de amplitude 5g.

b) Determine, em percentagem, as frequências relativas de cada classe.

2. As alturas, em centímetros, de um grupo de alunos são:

160 162 152 159 155

155 161 155 153 154

Determine a:

a) altura média;

b) altura mediana;

c) altura modal.

3. As classificações obtidas por uma turma de 24 alunos num teste de matemática,

cotado de 0 a 100 pontos, foram as seguintes:

46

64

50

35

85

42

47

72

31

42

53

47

51

31

15

81

80

72

60

52

53

47

32

50

129 Marisa Oliveira, Susana Araújo

Determine:

a) A classificação média;

b) A classificação mediana;

c) A classificação modal.

4. As horas de sol por dia, registadas numa praia durante um período de 61 dias,

foram as seguintes

Horas de sol

5

6

7

8

9

10

11

Frequência

(dias)

6

12

10

9

8

8

8

a) Determine o número modal de horas de sol por dia;

b) Determine o número mediano de horas de sol por dia;

c) Determine o número médio de horas de sol por dia.

5. Pediu-se aos alunos de uma turma que contassem o número de objectos que

tinham nos seus bolsos. Os resultados obtidos apresentam-se na tabela seguinte

Nº de objectos

[ [

0,5

[ [

5,10

[ [

10,15

[ [

15,20

[ [

20,25

Frequência

6

11

6

4

3

Determine o número médio de objectos e as classes modal e mediana.

Soluções:

130 Marisa Oliveira, Susana Araújo

6.3 Estatística e Probabilidades

Objectivos:

Reconhecer que em determinados acontecimentos há um grau de incerteza.
Identificar resultados possíveis numa situação aleatória.
Calcular, em casos simples, a probabilidade de um acontecimento como

quociente entre número de casos favoráveis e número de casos possíveis.

Compreender e usar escalas de probabilidades de 0 a 1 ou de 0% a 100%.
Usar conscientemente as expressões “muito provável”, “improvável”, “certo”,
“impossível”,…

Compreender e usar a frequência relativa como aproximação da probabilidade.

Competências Específicas:

o Sensibilidade para distinguir fenómenos aleatórios e fenómenos deterministas e

interpretar situações concretas de acordo com essa distinção.

o Aptidão para entender e usar de modo adequado a linguagem das probabilidades

em casos simples.

131 Marisa Oliveira, Susana Araújo

Quando realizamos várias vezes a experiência deixar cair um prego para dentro de um

balde de água, verificamos que fatalmente o prego se afunda.

Existe, no entanto, outro tipo de experiências cujo resultado final não é assim tão certo.

A uma experiência cujo resultado depende do acaso, ainda que repetida nas mesmas

condições, chama-se experiência aleatória.

Exemplos: São experiências aleatórias:

- lançamento de uma moeda;

- lançamento de um dado;

- tirar ao acaso uma bola de um saco com bolas numeradas;

- tirar ao acaso uma carta de um baralho de 52 cartas.

Apesar de não sabermos qual vai ser o resultado de uma experiência aleatória, é

possível identificar quais são os resultados possíveis. Assim, no lançamento de um dado,

embora não se saiba qual será a face que ficará voltada para cima, conhecem-se todos

os resultados possíveis

}
{1,2,3,4,5,6

Ao conjunto de todos os resultados possíveis numa experiência aleatória chama-se

espaço de resultados ou espaço amostral.

Acontecimentos certos são aqueles que se verificam sempre.

Exemplo:

No lançamento de um dado “sair número menor do que 7” é um acontecimento certo.

Acontecimentos impossíveis são aqueles que nunca se verificam.

Exemplo:

No lançamento de um dado “sair número negativo” é um acontecimento impossível.

Exemplo:

No lançamento de um dado é tão provável “sair número par” como “sair número ímpar”,

ou seja, são acontecimentos equiprováveis.

132 Marisa Oliveira, Susana Araújo

6.3.1 Probabilidade de um acontecimento

A probabilidade de um acontecimento A, P(A), é o quociente entre o número de casos

favoráveis e o número de casos possíveis

número de casos favoráveis

()

número de casos possíveis

P A =

Exemplo:

No jogo do dado, a probabilidade de “sair um número par” é:

P(“”sair nº par) = 31
62

=

Acontecimentos equiprováveis

P(“”sair nº ímpar) = 31
62

=

Exemplo:

No jogo do dado, a probabilidade de “sair um número negativo” é:

P(“sair nº negativo”) = 0

0

6

= Acontecimento Impossível

Exemplo:

No jogo do dado, a probabilidade de “sair um número menor do que 7” é:

P(“sair nº < 7”) = 6

1

6

= Acontecimento certo

A probabilidade de um acontecimento certo é 1 (100%)

A probabilidade de um acontecimento impossível é 0 (0%)

A probabilidade de um acontecimento pode variar entre 0 e 1 (entre 0% e 100%).

133 Marisa Oliveira, Susana Araújo

Exemplo:

Num saco estão 10 bolas idênticas e numeradas de 0 a 9. Tira-se uma bola desse saco

ao acaso.

Qual a probabilidade da bola extraída:

A- “ser a bola com o número 7”?

B- “ser uma bola com número primo”?

C- “não ser uma bola com número par”?

D- “ser uma bola com número ímpar ou com número primo”?

P(A) = 1
10

= 0,1 = 10%; P(B) = 4
10

= 0,4 = 40%; P(C) = 5
10

= 0,5 = 50%,

P(D) = 6
10

= 0,6 = 60%

A contagem do número de casos favoráveis e do número de casos possíveis necessária

na determinação de uma probabilidade (aplicando a Lei de Laplace) nem sempre é tarefa

fácil. Nos problemas mais complexos é usual recorrer-se a esquemas que permitem

conhecer mais facilmente o número de casos favoráveis e o número de casos possíveis.

Entre estes esquemas destacam-se os:

- diagramas de Venn;

- diagramas de dupla entrada;

- diagramas de árvore.

Exemplo:

Utilização de um diagrama de Venn

Interrogaram-se os 80 trabalhadores de uma fábrica sobre o jornal que costumam ler

diariamente.

Dos 80, 25 declararam que lêem diariamente o jornal Alfa, 40 o jornal Beta e 10 afirmam

que lêem ambos.

Escolhem-se aleatoriamente um desses 80 trabalhadores.

134 Marisa Oliveira, Susana Araújo

Elaborando o diagrama de Venn respectivo, temos

=

}

{trabalhadores da fábrica

A =

}

{trabalhadores que lêem o jornal Alfa

B =

}

{trabalhadores que lêem o jornal Beta

Com a ajuda do diagrama de Venn facilmente se determinam as probabilidades:

P(“ler apenas o jornal Beta”) = 303
808

=

P(“não ler nenhum dos jornais”) = 255
8016

=

P(“ler pelo menos um dos jornais”) = 5511
8016

=

B

30

10

15

A

25

135 Marisa Oliveira, Susana Araújo

Exemplo:

Utilização de um diagrama de dupla entrada

Lançam-se dois dados equilibrados com as faces numeradas de 1 a 6. Qual a

probabilidade de a soma dos pontos saídos ser 5?

Dado 2

Dado1

1

2

3

4

5

6

1

(1,1)

(1,2)

(1,3)

(1,4)

(1,5)

(1,6)

2

(2,1)

(2,2)

(2,3)

(2,4)

(2,5)

(2,6)

3

(3,1)

(3,2)

(3,3)

(3,4)

(3,5)

(3,6)

4

(4,1)

(4,2)

(4,3)

(4,4)

(4,5)

(4,6)

5

(5,1)

(5,2)

(5,3)

(5,4)

(5,5)

(5,6)

6

(6,1)

(6,2)

(6,3)

(6,4)

(6,5)

(6,6)

Observando a tabela de dupla entrada facilmente se verifica que a probabilidade pedida

é:

P(“a soma dos pontos ser cinco”) = 41

0,111111,11%

369

= =

=

136 Marisa Oliveira, Susana Araújo

Exemplo:

Utilização de um diagrama de árvore

Lança-se uma moeda equilibrada ao ar três vezes seguidas. Qual é a probabilidade de se

obter duas vezes euro e uma vez face?

Observando o diagrama de árvore, verifica-se que:

P(“obter duas vezes euro e uma face”) = 3

0,37537,5%

8

= =

6.3.2 Frequência relativa e probabilidade

Lei dos grandes números: Para um número muito elevado de experiências, a

frequência relativa de um acontecimento é um valor muito aproximado da sua

probabilidade.

E

(EEE)

E

F

(EEF)

E

(EFE)

F

F

(EFF)

E

(FEE)

E

F

(FEF)

F

E

(FFE)

F

F

(FFF)

E

137 Marisa Oliveira, Susana Araújo

Exercícios Propostos:

1. Escreva alguns acontecimentos:

a) Prováveis;

b) Certos;

c) Impossíveis.

2. Quais dos seguintes valores não correspondem à probabilidade de um

acontecimento: 279

1
,1,,,0,,2
388

2

?

3. Escolheu-se ao acaso um número entre 1 e 11. Qual a probabilidade de escolher

um número ímpar?

4. Qual é a probabilidade de escolher uma carta de copas num baralho de 52

cartas?

5. Lançou-se um dado perfeito. Calcule a probabilidade de obter:

a) O número 6;

b) Um número par;

c) Um número ímpar;

d) Um número menor que 5.

6. Uma caixa contém 6 bolas vermelhas, 5 verdes, 8 azuis e 3 amarelas. Determine

a probabilidade de, escolhendo uma bola ao acaso, ela ser:

a) Verde;

b) Vermelha;

c) Amarela;

d) Azul.

138 Marisa Oliveira, Susana Araújo

7. A professora de Matemática colocou 4 bolas pretas e 1 vermelha numa caixa.

Pediu aos alunos para determinarem a probabilidade de sair uma bola vermelha

quando se tira da caixa uma bola ao acaso.

A Maria disse que era 1
4

, porque há uma bola vermelha e quatro pretas. O Miguel

disse 1
5

, porque das 5 bolas só uma é vermelha.

a) Qual das respostas está correcta? Explique porque é que a outra está errada.

b) Qual é a probabilidade de sair uma bola preta?

8. Uma caixa contém 40 chocolates com a mesma forma e tamanho: 6 são de

chocolate com avelã, 15 de chocolate preto, 10 de chocolate de leite e os

restantes de chocolate branco. Retirando ao acaso um chocolate da caixa , qual a

probabilidade de:

a) Ser de chocolate com avelã?

b) Ser de chocolate de leite?

c) Ser de chocolate branco?

9. Um saco contém 3 bolas pretas e 2 brancas. Calcule a probabilidade de tirar (sem

reposição):

a) Uma bola branca;

b) Três bolas brancas (em 3 extracções consecutivas);

c) Três bolas pretas (em 3 extracções consecutivas);

d) Uma bola azul;

e) Uma bola branca ou preta (numa só extracção).

139 Marisa Oliveira, Susana Araújo

Capítulo 7

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->