Matematica 02

Nome do Aluno
Or gani zador es
Antni o Car l os Br ol ezzi
El vi a Mur eb Sal l um
Mar tha S. Montei r o
El abor ador as
Cr i sti na Cer r i
Li sbeth K. Cor dani
Matemtica
2
mdul o
GOVERNO DO ESTADO DE SO PAULO
Governador: Geraldo Alckmin
Secretaria de Estado da Educao de So Paulo
Secretrio: Gabriel Benedito Issac Chalita
Coordenadoria de Estudos e Normas Pedaggicas CENP
Coordenadora: Sonia Maria Silva
UNIVERSIDADE DE SO PAULO
Reitor: Adolpho Jos Melfi
Pr-Reitora de Graduao
Sonia Teresinha de Sousa Penin
Pr-Reitor de Cultura e Extenso Universitria
Adilson Avansi Abreu
FUNDAO DE APOIO FACULDADE DE EDUCAO FAFE
Presidente do Conselho Curador: Selma Garrido Pimenta
Diretoria Administrativa: Anna Maria Pessoa de Carvalho
Diretoria Financeira: Slvia Luzia Frateschi Trivelato
PROGRAMA PR-UNIVERSITRIO
Coordenadora Geral: Eleny Mitrulis
Vice-coordenadora Geral: Sonia Maria Vanzella Castellar
Coordenadora Pedaggica: Helena Coharik Chamlian
Coordenadores de rea
Biologia:
Paulo Takeo Sano Lyria Mori
Fsica:
Maurcio Pietrocola Nobuko Ueta
Geografia:
Sonia Maria Vanzella Castellar Elvio Rodrigues Martins
Histria:
Ktia Maria Abud Raquel Glezer
Lngua Inglesa:
Anna Maria Carmagnani Walkyria Monte Mr
Lngua Portuguesa:
Maria Lcia Victrio de Oliveira Andrade Neide Luzia de Rezende Valdir Heitor Barzotto
Matemtica:
Antnio Carlos Brolezzi Elvia Mureb Sallum Martha S. Monteiro
Qumica:
Maria Eunice Ribeiro Marcondes Marcelo Giordan
Produo Editorial
Dreampix Comunicao
Reviso, diagramao, capa e projeto grfico: Andr Jun Nishizawa, Eduardo Higa Sokei, Jos Muniz Jr.
Mariana Pimenta Coan, Mario Guimares Mucida e Wagner Shimabukuro
Cartas ao
Aluno
Car ta da
Pr-Reitoria de Graduao
Caro aluno,
Com muita alegria, a Universidade de So Paulo, por meio de seus estudantes
e de seus professores, participa dessa parceria com a Secretaria de Estado da
Educao, oferecendo a voc o que temos de melhor: conhecimento.
Conhecimento a chave para o desenvolvimento das pessoas e das naes
e freqentar o ensino superior a maneira mais efetiva de ampliar conhecimentos
de forma sistemtica e de se preparar para uma profisso.
Ingressar numa universidade de reconhecida qualidade e gratuita o desejo
de tantos jovens como voc. Por isso, a USP, assim como outras universidades
pblicas, possui um vestibular to concorrido. Para enfrentar tal concorrncia,
muitos alunos do ensino mdio, inclusive os que estudam em escolas particulares
de reconhecida qualidade, fazem cursinhos preparatrios, em geral de alto
custo e inacessveis maioria dos alunos da escola pblica.
O presente programa oferece a voc a possibilidade de se preparar para enfrentar
com melhores condies um vestibular, retomando aspectos fundamentais da
programao do ensino mdio. Espera-se, tambm, que essa reviso, orientada
por objetivos educacionais, o auxilie a perceber com clareza o desenvolvimento
pessoal que adquiriu ao longo da educao bsica. Tomar posse da prpria
formao certamente lhe dar a segurana necessria para enfrentar qualquer
situao de vida e de trabalho.
Enfrente com garra esse programa. Os prximos meses, at os exames em
novembro, exigiro de sua parte muita disciplina e estudo dirio. Os monitores
e os professores da USP, em parceria com os professores de sua escola, esto
se dedicando muito para ajud-lo nessa travessia.
Em nome da comunidade USP, desejo-lhe, meu caro aluno, disposio e vigor
para o presente desafio.
Sonia Teresinha de Sousa Penin.
Pr-Reitora de Graduao.
Car ta da
Secretaria de Estado da Educao
Caro aluno,
Com a efetiva expanso e a crescente melhoria do ensino mdio estadual,
os desafios vivenciados por todos os jovens matriculados nas escolas da rede
estadual de ensino, no momento de ingressar nas universidades pblicas, vm se
inserindo, ao longo dos anos, num contexto aparentemente contraditrio.
Se de um lado nota-se um gradual aumento no percentual dos jovens aprovados
nos exames vestibulares da Fuvest o que, indubitavelmente, comprova a
qualidade dos estudos pblicos oferecidos , de outro mostra quo desiguais
tm sido as condies apresentadas pelos alunos ao conclurem a ltima etapa
da educao bsica.
Diante dessa realidade, e com o objetivo de assegurar a esses alunos o patamar
de formao bsica necessrio ao restabelecimento da igualdade de direitos
demandados pela continuidade de estudos em nvel superior, a Secretaria de
Estado da Educao assumiu, em 2004, o compromisso de abrir, no programa
denominado Pr-Universitrio, 5.000 vagas para alunos matriculados na terceira
srie do curso regular do ensino mdio. uma proposta de trabalho que busca
ampliar e diversificar as oportunidades de aprendizagem de novos conhecimentos
e contedos de modo a instrumentalizar o aluno para uma efetiva insero no
mundo acadmico. Tal proposta pedaggica buscar contemplar as diferentes
disciplinas do currculo do ensino mdio mediante material didtico especialmente
construdo para esse fim.
O Programa no s quer encorajar voc, aluno da escola pblica, a participar
do exame seletivo de ingresso no ensino pblico superior, como espera se
constituir em um efetivo canal interativo entre a escola de ensino mdio e
a universidade. Num processo de contribuies mtuas, rico e diversificado
em subsdios, essa parceria poder, no caso da estadual paulista, contribuir
para o aperfeioamento de seu currculo, organizao e formao de docentes.
Prof. Sonia Maria Silva
Coordenadora da Coordenadoria de Estudos e Normas Pedaggicas
Apresentao
da rea
[...] a Matemtica procura compreender os modelos que permeiam o mundo que
nos rodeia assim como a mente dentro de ns. [] Assim necessrio colocar a
nfase:
em procurar solues e no apenas em memorizar procedimentos;
em explorar modelos e no apenas em memorizar frmulas;
em formular conjecturas e no apenas em fazer exerccios.
[...] com essas nfases, os estudantes tero a oportunidade de estudar a Matem-
tica como uma disciplina exploradora, dinmica, que se desenvolve, em lugar de ser
uma disciplina que tem um corpo rgido, absoluto, fechado, cheio de regras que
precisam ser memorizadas.
Shoenfeld (1992)
1
Este curso de Matemtica com durao de 4 meses est sendo oferecido a
alunos do ltimo ano do ensino mdio da rede pblica como um incentivo
para continuarem seus estudos em direo ao ensino superior. Embora no
cubra todo o programa do ensino mdio, pretende-se estimular o interesse dos
alunos pelos diversos temas de Matemtica por meio de abordagens variadas.
Sero estudados tpicos sobre Nmeros, Estatstica, Probabilidade e An-
lise Combinatria, Geometria Plana e Espacial, Geometria Analtica, Sistemas
Lineares e Funes, privilegiando o entendimento das possveis facetas de
um mesmo assunto, a anlise de resultados obtidos e a interligao entre os
diversos contedos.
Escolhas foram feitas de modo a priorizar sua formao, a discusso de
idias e a percepo de que a Matemtica uma disciplina viva que pode ser
construda, e no um amontoado de frmulas prontas para serem decoradas e
usadas. Lembrando que realmente aprendemos quando trabalhamos o conhe-
cimento, analisando-o de vrias maneiras e usando-o com critrio, considera-
remos, sempre que possvel, aplicaes em problemas reais e interdisciplinares.
Acreditando que o intercmbio entre vocs, alunos do ensino mdio, e os
alunos da USP, que sero os seus professores, venha a aumentar a sua predis-
posio para o ensino superior, desejamos a todos bons estudos!
Coordenao da rea de Matemtica
1
SCHOENFELD A. H. Learning to think mathematically: Problem solving, metacognition and sense
making in mathematics. In: D. A. Grouws (Ed.). Handbook of research on mathematicas teaching and
learning. p. 334-370. Nova Iorque: MacMillan, 1992.
Uma das ferramentas mais utilizadas hoje em dia pelos cientistas, analistas
econmico-sociais, profissionais liberais, jornalistas etc. a Estatstica, que
descreve os dados observados e desenvolve a metodologia para a tomada de
deciso em presena da incerteza. O verbete estatstica foi introduzido no
sculo XVIII, tendo origem na palavra latina status (Estado), e serviu inicial-
mente a objetivos ligados organizao poltico-social, como o fornecimento
de dados ao sistema de poder vigente. Hoje em dia, os modelos de aplicao
da Teoria Estatstica se estendem por todas as reas do conhecimento, como
testes educacionais, pesquisas eleitorais, anlise de riscos ambientais, finan-
as, controle de qualidade, anlises clnicas, data mining, ndices de desen-
volvimento, modelagem de fenmenos atmosfricos etc. Podemos informal-
mente dizer que a Teoria Estatstica uma ferramenta que ajuda a tomar deci-
ses com base na evidncia disponvel, decises essas afetadas por margens
de erro, calculadas atravs de modelos de probabilidade.
No entanto, a probabilidade se desenvolveu muito antes de ser usada em
aplicaes da Teoria Estatstica. Um dos marcos consagrados na literatura
probabilstica foi a correspondncia entre B. Pascal (1623-1662) e P. Fermat
(1601-1665), onde o tema era a probabilidade de ganhar em um jogo com dois
jogadores, sob determinadas condies. Isso mostra que o desenvolvimento da
teoria de probabilidades comeou com uma paixo humana, que so os jogos
de azar, mas evoluiu para uma rea fortemente terica, em uma perspectiva de
modelar a incerteza, derivando probabilidades a partir de modelos matemti-
cos. A anlise combinatria deve grande parte de seu desenvolvimento ne-
cessidade de resolver problemas probabilsticos ligados contagem, mas hoje
h diversas reas em que seus resultados so fundamentais para o desenvolvi-
mento de teorias, como, por exemplo, a rea de sistemas de informao.
Esta apostila tratar das trs reas descritas na introduo: estatstica, pro-
babilidade e combinatria. Para o desenvolvimento dos temas, foi difcil a
escolha da ordem e do contedo, limitados que fomos pelo tempo disponvel
para o desenvolvimento de cada assunto. Optamos por fazer um tratamento
sucinto de dados, atravs da estatstica descritiva, por oferecer algumas no-
es de probabilidade, a fim de trabalhar situaes ligadas incerteza, bem
como apresentar elementos de anlise combinatria, visando desenvolver o
raciocnio para solucionar certos tipos de problemas de contagem dando me-
nos nfase ao uso de frmulas.
Apresentao
do mdulo
Uni dade 1
Estatstica descritiva
Cada vez mais os meios de comunicao nos apresent am
grf i cos e medi das est at st i cas resumi das de nat ureza
descrit iva. Esse um mat erial de apoio que deve ser ut ilizado
para aprender os conceit os com base em not cias de nosso
prprio cot idiano. Os grficos e as est at st icas descrit ivas
normalment e no so um fim em si mesmos, mas const it uem
uma part e import ant e do processo de anlise.
A Estatstica um veculo para que os indivduos, de modo geral, desen-
volvam a capacidade de aproveitar as fontes disponveis de informao para
expressar e construir suas prprias idias. Alm disso, como j dissemos, es-
sas noes so parte integrante de todas as reas do conhecimento e certa-
mente sero de grande utilidade para o curso universitrio, qualquer que seja
a rea de interesse do estudante, pois praticamente todas as carreiras universi-
trias contm uma disciplina de Estatstica, a qual tornou-se um suporte para o
desenvolvimento do conhecimento.
Esta seo tem como objetivo mostrar aos alunos como se trabalha um
conjunto de dados simples, quer sejam de natureza numrica quer sejam de
natureza qualitativa. Esses dados normalmente constituem uma amostra de
determinada populao de interesse de alguma rea cientfica, econmica,
social etc. muito difcil uma pesquisa envolver todos os elementos de uma
determinada populao (o Censo faz isso), por motivos vrios, e por isso
que se recorre s amostras (que so subconjuntos de populaes).
POPULAO
Conjunto de todos os indivduos (ou elementos) de interesse.
AMOSTRA
Qualquer subconjunto de uma populao.
ANLISE DE DADOS
Vamos iniciar a anlise descritiva propondo uma tarefa para a classe: cada
um dever medir o palmo de sua mo direita (em cm) com uma rgua e regis-
trar o valor inteiro mais prximo. Se a leitura da rgua informar uma medida
com 5 como o primeiro decimal (ex. 18,5 cm), vamos propor um arredonda-
mento rpido, mas grosseiro: considere 19 cm, se o dia de seu nascimento for
par, e 18 cm, se for impar. A classe pode discutir esse critrio, pensando com
Or gani zador es
Antni o Carl os
Br ol ezzi
El vi a Mur eb
Sal l um
Mar tha S.
Montei ro
El abor ador a
I
x.1vx\1ic.
Tabela 1
19 18 23 20 20 21 20 20 19 20
F F M F M M F M F M
20 20 21 21 20 21 19 17 19 19
M M M F F M F F F F
21 21 20 20 21 22 20 21 18 20
M M M F M M M M F F
o(a) professor(a) outras formas de arredondamento. Sempre que falarmos aqui
da varivel palmo, estaremos subentendendo que a medida dada em cm. Os
dados abaixo reproduzem as medidas do palmo da mo direita de uma amos-
tra (que pertence a uma determinada populao) de 30 adultos e est tambm
representada a varivel sexo (categorias M para masculino e F para feminino).
Estes mesmos dados esto representados no chamado Grfico de pontos
que se encontra a seguir. Observe como foi feita a marcao e marque o valor
do palmo da sua mo direita na linha assinalada no grfico (respeitando a or-
dem numrica). Todos os alunos devero informar seu valor em voz alta e,
medida que cada valor for informado, toda a classe marca tal valor na linha
acima do grfico j construdo quando houver repeties, sigam a sugesto
do grfico j feito, isto , coloquem os valores um sobre o outro. Comparem o
grfico obtido com os dados da classe com o proveniente dos dados da Tabela 1.
Na situao a seguir, os mesmos dados de palmo da Tabela 1 foram sepa-
rados por sexo e os grficos de pontos tm a seguinte forma:
Neste exemplo estamos trabalhando com duas caractersticas, comprimento
do palmo da mo (palmo) e sexo. Em estatstica, chamamos essas caracters-
ticas de variveis e, portanto, temos aqui duas variveis j definidas: uma
delas, palmo, tem a classificao numrica (ou quantitativa) e a outra, sexo,
classificada como qualitativa, apresentando duas categorias, ou seja mas-
culino (M) e feminino (F). Vamos registrar os valores de palmo e as categorias
I,
xuuio ii
de sexo em tabelas de freqncias e devem ser registrados, nas tabelas dispo-
nveis, os valores obtidos na classe (f denota freqncia absoluta = nmero
de pessoas). As variveis numricas podem ser classificadas como contnuas
(provenientes de mensurao) ou discretas (provenientes de contagem), en-
quanto que as qualitativas podem ser classificadas como ordinais (ordem im-
plcita) ou nominais (sem ordem implcita).
Vimos ento duas maneiras de representar o conjunto de valores da vari-
vel numrica palmo: atravs do grfico de pontos e atravs de tabelas de fre-
qncias. Tambm a varivel qualitativa sexo foi contemplada, tanto na repre-
sentao da tabela de freqncias, separando quantos indivduos eram do sexo
masculino e quantos eram do feminino, quanto na construo do grfico de
pontos para a varivel palmo, em que houve uma estratificao para cada
categoria da varivel qualitativa sexo (M e F). Compare os valores de palmo
para cada categoria de sexo.
SEXO
M
F
f
16
14
PALMO
17
18
19
20
21
22
23
freqncia f
1
2
5
12
8
1
1
Tabela 2
PALMO
17
18
19
20
21
22
23
freqncia f
P PP PPREENCHA REENCHA REENCHA REENCHA REENCHA
SEXO
M
F
f
T TT TTENTE ENTE ENTE ENTE ENTE F FF FFAZER AZER AZER AZER AZER
Colet e os valores da varivel palmo da mo esquerda de t odos os colegas e t rabalhe
com a diferena ent re as medidas (mo esquerda mo di rei t a mo esquerda mo di rei t a mo esquerda mo di rei t a mo esquerda mo di rei t a mo esquerda mo di rei t a). Const rua o grfico
de pont os para as diferenas e a t abela de freqncias. Repare que voc t rabalhou com
medi das nos mesmos i ndi vduos i sso si gni f i ca que voc t rabal hou com dados
emparelhados (ou pareados). Discut a e compare o comport ament o do palmo da mo
direit a e da mo esquerda at ravs das diferenas.
Considerando novamente a varivel palmo, alm de usarmos todos os
valores em um grfico ou em uma tabela, podemos caracterizar o comporta-
mento dos dados a partir de um (ou mais) valores que a caracterizem so as
chamadas medidas-resumo.
Medidas-resumo de variveis numricas podem ser de dois t ipos: de p osi o p osi o p osi o p osi o p osi o e de
var i ab i l i d ad e var i ab i l i d ad e var i ab i l i d ad e var i ab i l i d ad e var i ab i l i d ad e.
H vrias medidas de posio, assim chamadas porque podem ser assina-
ladas no mesmo eixo de representao dos pontos (por exemplo, podem ser
Io
x.1vx\1ic.
17 18 18 19 19 19 19 19 20 20
20 20 20 20 20 20 20 20 20 20
21 21 21 21 21 21 21 21 22 23
A classe dever fazer a mdia dos valores obtidos da varivel PALMO de
todos os seus alunos.
Tanto no caso dos dados da Tabela 1 como naqueles da Tabela 2, no houve
nenhuma perda de informao e os valores da mdia so idnticos. Se a tabela
de freqncias disponvel fosse a Tabela 4 (que apresentaremos adiante) ento
haveria perda de informao, pois os dados estariam compactados em classes e
o clculo da mdia seria feito com o ponto mdio de cada classe como valor de
X assim, com perda de informao, a mdia obtida no seria necessariamente
igual anterior. No vamos aqui explorar esse contedo para o clculo de me-
didas descritivas, uma vez que com os recursos computacionais atuais no
necessrio dividir os dados em classes com esse objetivo. No entanto, veremos
uma aplicao grfica com a Tabela 4, cujos dados esto divididos em classes.
A mediana da varivel palmo um valor que divide o conjunto dos valo-
res dessa varivel em duas partes: metade dos valores inferior (ou igual)
mediana e a outra metade apresenta valores maiores (ou iguais) mediana.
Para encontrar a mediana ento necessrio ordenar os valores da varivel e
verificar o valor que ocupa a posio central. Se o nmero de elementos for
par, e esse o caso do exemplo (com n = 30), toma-se para mediana a mdia
aritmtica entre os dois valores centrais neste caso ser a mdia entre o 15
o
e o 16
o
elementos. Ordenando os dados de palmo do menor para o maior
(pode ser tambm ao contrrio), tem-se:
X = [(1. 17 + 2. 18 + 5. 19 + 12 . 20 + 8 . 21 + 1. 22 + 1. 23) / 30 ] 20 cm
Tabela 3
X
X
n
i
i
n
=
1
(1)
onde f
i
a freqncia do valor X
i
, n a soma de f
i
e a mdia evidentemente
igual anterior:
(2)
X
f X
n
i i
i
k
=
=
.
1
representadas no grfico de pontos). Comearemos pelas chamadas de ten-
dncia central: a mdia, a mediana e a moda.
A mdia (aritmtica) da varivel palmo obtida atravs da somatria de todos
os valores de palmo dividida por 30 (dados da Tabela 1). A notao usual :
onde X a representao para palmo (cada um pode escolher a sua represen-
tao), a notao usual para mdia de X e n o nmero de elementos.
Fazendo ento o clculo, vem:
= [(17 + 18 + 18 +.+ 22 + 23) / 30] 20 cm
(aqui o result ado uma dzima peridica e vamos t rabalhar com est e valor aproximado)
Com os valores apresentados sob a forma de tabela de freqncias, a ex-
presso para a mdia aritmtica fica:
X
X

Mdia aritmtica de palmo = =
I,
xuuio ii
O 15
o
valor 20 e o 16
o
valor tambm 20. Portanto, a mediana da varivel
palmo 20 cm. Verifiquem a mediana da varivel palmo do conjunto da classe.
A terceira medida de tendncia central a moda, que definida como
sendo o valor mais freqente. No nosso exemplo bem claro o valor da moda,
pois o valor mais freqente 20 cm. Nem sempre a moda to evidente e h
situaes com mais de uma moda.
Depois de calcular a mdia, a mediana e a moda, posicionem esses valores
no grfico de pontos, feito inicialmente com os dados da classe. fcil ento
entender por que elas se chamam medidas de tendncia central elas resumem
os dados como se estivessem procurando um equilbrio entre eles. Os dados
da Tabela 1 mostram uma certa simetria, situao em que mdia, mediana e
moda praticamente coincidem (rigidamente falando, a mdia no exatamente
20 e sim 20,033...). Vejam qual a situao dos dados obtidos por vocs.
H o costume de resumir um conjunto de dados pelo valor de alguma
medida de tendncia central a mdia geralmente a mais utilizada, embora
em certos casos ela no reflita o comportamento dos dados. Como exemplo
disso, pode-se citar o caso em que ocorre um valor muito extremo em relao
aos demais: a mdia ser afetada fortemente por ele e ento se deslocar em
sua direo, no sendo, portanto, a melhor opo para resumir tais dados.
Neste caso, a mediana mais eficiente.
Se temos uma discusso em uma empresa entre patres e empregados, por
exemplo, onde os salrios so em sua grande parte (80%) iguais a um salrio
mnimo, e os demais mais do que 50 salrios mnimos, o salrio mdio dar
uma idia distorcida do poder aquisitivo dos membros da empresa. Nesse
caso, a mediana, que ser igual a um salrio mnimo, ser mais informativa.
Calculem, por exemplo, a mdia dos valores 1, 2, 5, 7 e 10: a resposta ser 5.
Se o nmero 10 for substitudo pelo valor 100, a mdia ser 23, de onde se
percebe o quanto ela influenciada pelo valor extremo 100. A mediana nos
dois casos 5, o que mostra que ela uma medida robusta em relao a
valores extremos.
Outras medidas descritivas de posio so: valor mximo, valor mnimo, 1
o
quartil (Q1) e 3
o
quartil (Q3). As duas primeiras so auto-explicativas e passa-
remos rapidamente pela definio das outras duas: o 1
o
quartil como se fosse
a mediana da primeira metade dos dados e o 3
o
quartil como se fosse a medi-
ana da segunda metade dos dados. As quatro medidas acima mais a mediana
so suficientes para construir um grfico de variveis numricas conhecido
como boxplot ou grfico de caixas, ou, ainda, grfico dos cinco pontos. O leitor
interessado ir encontrar a sua construo nas referncias desta apostila.
Calcule as medidas de posio para as diferenas (mo esquerda - mo direit a). Discut a.
No entanto, apesar de as medidas de posio ajudarem na compreenso
do comportamento dos dados, elas so incompletas para caracterizar o com-
portamento das variveis, como mostra o prximo exemplo.
Exemplo 1: Imagine que 3 pessoas da famlia A apresentem para a varivel
palmo os valores 19, 23 e 24 e que 3 pessoas da famlia B apresentem os valores
22, 22 e 22. Vamos calcular a mdia dessa varivel para ambas as famlias:
Mdia da famlia A =
A
= [(19 + 23 + 24) / 3] = 22
Mdia da famlia B =
B
= [(22+22+22) / 3] = 22
X
X
I8
x.1vx\1ic.
Conclumos ento que ambas as famlias apresentam a mesma mdia. Ser
que isso basta? Vamos continuar trabalhando com esses dados. Marque os
valores da varivel palmo de cada famlia na linha abaixo (isto , faa um
grfico de pontos), e note a diferena de comportamento entre os mesmos.
Voc deve ter percebido que na famlia B todos os valores esto concen-
trados e na famlia A os valores esto dispersos. Esse aspecto no percebido
se calcularmos somente a mdia, pois, como vimos, ela igual para ambas as
famlias. Isso mostra que devemos complementar a medida de posio com
mais alguma coisa a fim de caracterizar as famlias quanto varivel palmo.
Voltaremos a este exemplo oportunamente.
H uma idia permeando esta discusso que diz respeito diferena de
comportamento entre os dois grupos: a idia de variabilidade. Medidas des-
critivas de variabilidade representam a disperso dos dados e podem ser defi-
nidas tambm por medidas resumo das variveis numricas em estudo. Fala-
remos aqui da amplitude, varincia e desvio padro.
A amplitude a medida mais simples de variabilidade e obtida atravs da
diferena entre os valores mximo e mnimo da varivel em estudo, ou seja:
AMPLITUDE = MXIMO MNIMO (3)
Para os dados da Tabela 1, a amplitude igual a 23 17 = 6 cm (ser to
simples , ao mesmo tempo, uma vantagem fcil de aprender e de aplicar , e
uma desvantagem s trabalha com os valores extremos, ignorando o resto).
Uma medida de disperso mais rica de informao do que a amplitude,
deveria utilizar todos os dados disponveis e uma idia poderia ser o clculo
das diferenas entre cada valor e a mdia. S que tais diferenas, ao serem
somadas (para se obter uma disperso total), do como resultado o valor zero,
qualquer que seja o conjunto de dados (experimente!), o que inviabilizaria o
seu uso. Um modo de contornar esse problema seria considerar essas diferen-
as ao quadrado e outro seria considerar o mdulo das diferenas. Cada um
deles levar a uma medida de disperso: considerando o quadrado, tem-se a
Varincia e considerando o mdulo tem-se o Desvio Mdio Absoluto (este
no ser discutido aqui ver referncias). A Varincia uma mdia dos qua-
drados das diferenas e calcula-se atravs da expresso:
Aqui bom frisar que o intuitivo seria fazer esta mdia com n no denomina-
dor questes tericas, fora do escopo deste texto, nos levam a usar (n 1),
principalmente em casos onde estamos usando amostras. Quanto unidade
associada varincia, ela no a mesma unidade dos dados originais e sim o
quadrado dela neste exemplo, a unidade da varincia cm
2
. Com os dados
da Tabela 1 temos:
Varincia 1,48 cm
2
Varincia =
18 25
Varincia (4) =

= =

( ) ( ) X
n
X X
n
i
i
n
i
i
n

2
1
2
1
1 1
mdia
[(19 20)
2
+ (18 20)
2
+(23 20)
2
+ + (18 20)
2
+ (20 20)
2
]
(30 1)
I,
xuuio ii
No entanto, desejvel termos caractersticas da varivel apresentadas na
mesma unidade dos dados coletados, o que neste caso significa ter uma medi-
da de variabilidade em cm. Define-se, ento, uma medida resumo para varia-
bilidade, o Desvio Padro, que a raiz quadrada da varincia.
Com os dados da Tabela 1, temos Desvio Padro 1,22 cm (resgatando a
unidade de medida original, que era cm).
Exemplo 1 (cont.): continuando com a anlise das famlias A e B, verifique
que a amplitude da famlia A 5 cm e que a da famlia B 0 cm. Isso j d
uma boa idia da diferena entre as famlias, diferena esta que no havia sido
detectada pela mdia! Da a importncia do clculo de medidas de variabili-
dade, as quais, acopladas com a mdia (ou com outras medidas de posio),
permitem uma boa caracterizao das variveis de interesse.
Neste caso, a amplitude j seria suficiente para caracterizar a variabilida-
de, uma vez que temos somente 3 valores. Mas vamos aproveit-los para o
clculo do desvio padro e, para isso, precisamos calcular primeiro a varincia.
A:Varincia
A
= = = =
A:Varincia
A
= 7 cm
2
D.P.
A
= 2,65 cm e D.P.
B
= 0 cm. 7
No caso da t abela de freqncias com os dados da T TT TTab ab ab ab abel a 1, el a 1, el a 1, el a 1, el a 1, como seria feit o o clculo
da varincia? Recalcule e compare com o valor obt ido ant eriorment e.
Verifique que a varincia dos dados da famlia B igual a zero. A partir da
varincia podemos calcular os desvios-padro (D.P.). Assim:
Calcule as medidas de variabilidade para as diferenas (mo esquerda - mo direit a).
Discut a.
Quando a varivel apresenta uma certa simetria, o intervalo [mdia 1
desvio padro; mdia + 1 desvio padro] contm aproximadamente 70% dos
dados; o intervalo [mdia 2 desvios padro; mdia + 2 desvios padro]
contm aproximadamente 95% dos dados e o intervalo [mdia 3 desvios
padro; mdia + 3 desvios padro] contm aproximadamente 99% dos dados.
Este um resultado que possibilita ter idia da amplitude dos dados quando se
conhece a mdia e o desvio padro dos mesmos.
Exemplo 2: com os dados da Tabela 1 vamos verificar o que foi dito acima. A
mdia ( ) 20 e vamos considerar o desvio padro como sendo 1,2. Da vem:
a) 1 D.P. = 20 1,2 = 18,8 + 1 D.P. = 20 + 1,2 = 21,2
b) 2 D.P. = 20 2. 1,2 = 17,6 + 2 D.P. = 20 + 2 . 1,2 = 22,4
c) 3 D.P. = 20 3.1,2 = 16,4 + 3 D.P. = 20 + 3 . 1,2 = 23,6
X
X
X
X
X
X
X
(5)
=
Desvio Padro Varincia
(19 - 22)
2
+ (23 - 22)
2
+ (24 - 22)
2
(-3)
2
+ ( 1)
2
+ (2)
2
9 + 1 + 4
3 -1 3-1 2
:o
x.1vx\1ic.
Para verificar quantos so os valores que esto nos intervalos de interesse,
podemos nos reportar Tabela 3, que representa os dados da Tabela 1 de
modo ordenado. Verifica-se assim que:
- no intervalo em a, (18,8; 21,2), encontramos 25 valores na Tabela 3 (83%).
- no intervalo em b, (17,6; 22,4), encontramos 28 valores na Tabela 3 (93%).
- no intervalo em c, (16,4; 23,6), encontramos 30 valores na Tabela 3 (100%).
Para os dados colet ados em classe det ermine a porcent agem dos valores que pert encem
a cada um dos int ervalos definidos acima. Compare com os result ados do Exemplo 2.
Voltando anlise grfica, vamos terminar a abordagem descritiva com
mais trs grficos, um para variveis qualitativas e dois deles para variveis
numricas. O primeiro ser o chamado Grfico de Setores (informalmente
chamado de grfico em pizza) que mostramos a seguir e que representa a
proporo de homens e mulheres nos dados apresentados na Tabela 1. Faa,
no espao em branco, um grfico de setores utilizando as freqncias da va-
rivel (sexo) coletada em classe.
O prximo grfico utilizado para variveis numricas, como a varivel
palmo, em que os valores esto dispostos em classes, numa tabela de freqn-
cias (Tabela 4). A Tabela 2 tambm uma tabela de freqncias, porm, os
dados no esto dispostos em classes, como na Tabela 4. Ento, com os da-
dos da Tabela 1, vamos construir uma tabela de freqncias a partir de classes
(ou intervalos), construdas de preferncia com a mesma amplitude, com suas
respectivas freqncias. A Tabela 4 dar origem ao grfico denominado His-
tograma: um grfico cuja abscissa formada pelas classes justapostas e cuja
ordenada formada pelas freqncias absolutas correspondentes a cada clas-
se. Este grfico pode tambm ser construdo com as freqncias relativas (%)
ou com densidades, mas essas abordagens no sero desenvolvidas aqui.
P PP PPREENCHA REENCHA REENCHA REENCHA REENCHA
freqncia f
1
7
20
2
PALMO
16|18
18|20
20|22
22|24
Tabela 4
Obs.: O smbolo 16 |-18 significa
i nt erval o f echado esquerda: o
valor esquerda, 16, est includo
na classe e o valor direit a, 18, no
est i ncl udo na cl asse ( equi va-
l ent e not ao [16, 18[, vi st a na
apost ila 1).
PALMO freqncia f
Const rua a t abela com os dados colet ados na classe
:I
xuuio ii
O ltimo grfico que veremos neste tpico aquele que relaciona duas
variveis numricas: diagrama de disperso, que nada mais do que a repre-
sentao em um eixo de coordenadas cartesianas de pares associados a duas
variveis numricas. A Tabela 5 mostra mais duas variveis coletadas na amos-
tra dos trinta adultos: a altura e o peso. Normalmente (mas no obrigatoria-
mente) o grfico de disperso das variveis peso e altura mostra um compor-
tamento crescente (aproximadamente linear), com a possvel interpretao de
que peso e altura so diretamente proporcionais.
C CC CConst rua um hist ograma para
os dados da varivel p al mo p al mo p al mo p al mo p al mo
colet ados na classe.
Const rua a t abela de freqncias das diferenas ent re as medidas da mo esquerda e da
mo direit a e o correspondent e hist ograma. Use as freqncias relat ivas na ordenada.
Sexo Sexo Sexo Sexo Sexo Peso (Kg) Peso (Kg) Peso (Kg) Peso (Kg) Peso (Kg) Al t ura (m) Al t ura (m) Al t ura (m) Al t ura (m) Al t ura (m)
M 94 1,85
M 99 1,92
M 84 1,75
M 88 1,88
F 70 1,66
F 65 1,58
M 73 1,75
F 72 1,76
F 59 1,60
F 70 1,65
F 80 1,75
M 85 1,75
M 85 1,82
M 85 1,73
F 69 1,72
M 85 1,86
F 66 1,73
M 83 1,72
F 72 1,70
M 83 1,71
F 67 1,63
F 69 1,71
M 99 1,89
M 83 1,81
F 64 1,70
M 94 1,89
F 72 1,74
F 69 1,70
M 83 1,72
M 88 1,79
Tabela 5
::
x.1vx\1ic.
V-se acima o grfico de disperso das variveis (peso(x), altura(y)) e,
neste caso, os valores foram separados pela varivel sexo. possvel ampliar
o estudo das relaes entre duas variveis numricas, quer ajustando uma
funo, como, por exemplo, uma reta neste caso (ou mesmo duas, uma para o
SEXO masculino e outra para o SEXO feminino), quer calculando a fora
da relao entre as variveis atravs de algum coeficiente (por exemplo, o
coeficiente de correlao linear de Pearson). No entanto, essas abordagens
no sero feitas neste texto, e as referncias bibliogrficas podem ser consul-
tadas para este fim.
Colet e na sua classe os dados de alt ura e peso e const rua o grfico de disperso com
essas variveis. Faa sem separar por sexo e depois faa com a separao. Coment e e
compare com o grfico de disperso aqui apresent ado.
Finalizando, gostaramos de mencionar um grfico de disperso especial
em que a abscissa o tempo (anos, meses, dias etc) e a ordenada o valor da
varivel de interesse (cotao do dlar, risco-pas,
acompanhamento das mars, vendas de eletrodo-
msticos etc.) em cada instante: so as chamadas
Sries de Tempo usadas para descrever o compor-
tamento de variveis ao longo do tempo. A rea de
economia uma das que mais fazem uso das Sries
de Tempo, principalmente para variveis associa-
das ao mercado financeiro. A seguir, apresentamos
uma Srie de Tempo (Folha de So Paulo, 24 de
maio de 2004) que mostra o crescimento dos ve-
culos convertidos para o Gs Natural Veicular (GNV)
no Brasil ao longo dos anos (com ** significando o
valor de uma previso).
Colet e os dados do risco-pas (voc sabe o que isso?) do primeiro dia t il de cada ms,
de j aneiro de 2004 at o ms at ual, e const rua o grfico de Srie de Tempo. Voc achar
esses dados em jornais de circulao nacional. Coment e o aspect o do grfico ao longo
do t empo.
Para outros dados, como, por exemplo, dados da Pesquisa Domiciliar ou
mesmo alguns relativos ao Censo, consulte o site www.ibge.gov.br.
Mais do que um arcabouo tcnico, o racio-
cnio estatstico uma forma de pensar e, asso-
ciado ao Clculo de probabilidades, permite a
investigao de certas regularidades, de padres
de comportamento, com concluses tomadas
levando em conta um risco associado. Se estivermos interessados em saber
qual a probabilidade de obter 10 Caras em 10 lanamentos independentes de
uma moeda honesta temos um problema de probabilidade a ser resolvido (e a
resposta exata: (1/2)
10
). Por outro lado, se temos em mos uma moeda e
queremos saber se ela honesta, podemos, por exemplo, jog-la 10 vezes
(jogadas independentes uma da outra) e observar o resultado. Se o resultado
for 10 Caras, o que podemos concluir sobre a honestidade da moeda? Tere-
mos uma concluso to precisa quanto a obtida na resposta anterior? A res-
posta no, pois qualquer que seja nossa deciso sobre a moeda, temos um
risco associado (ou seja, posso dizer que ela no honesta e ela ser honesta
ou posso dizer que ela honesta e ela no ser honesta). O primeiro exem-
plo refere-se a um problema de probabilidade e o segundo um problema
estatstico. De fato, neste segundo exemplo temos uma informao de uma
amostra (resultado de 10 lances de uma moeda) e queremos tirar uma conclu-
so para a populao (probabilidade de Cara) esta operao chamada de
inferncia estatstica, e construda levando-se em conta uma margem de
erro na concluso, obtida atravs de raciocnio probabilstico. Na seo ante-
rior vimos como trabalhar com amostras, sob o ponto de vista de anlise de
dados. No abordaremos aqui nesta apostila a anlise inferencial (que pode
ser vista nas referncias bibliogrficas) e passaremos a desenvolver noes
bsicas de probabilidade.
Como j comentamos na introduo, a rea de probabilidade comeou a ser
desenvolvida para responder questes propostas em jogos de azar, desde o s-
culo XVII, mas a rea desenvolveu-se muitssimo desde ento. O termo pro-
babilidade faz parte do senso comum e as pessoas vivem o cotidiano calculan-
do tacitamente algumas probabilidades: desde situaes de sua vida pessoal
(organizando-se para chegar ao trabalho no horrio, levando em conta as cir-
cunstncias do trfego; agasalhando-se ao sair de casa se a previso do tempo
indicar uma frente fria; no tomando determinados remdios que possam ter
efeitos colaterais em parte das pessoas etc) at tomadas de deciso em sua vida
profissional (abrir um negcio, aplicar dinheiro na Bolsa de Valores etc.).
Trabalharemos aqui algumas noes elementares do clculo de probabili-
dades, para comear a pensar a incerteza. Antes mesmo de definir o termo
probabilidade, vamos caracterizar trs situaes distintas:
Uni dade 2
Probabilidade
Or gani zador es
Antni o Carl os
Br ol ezzi
El vi a Mur eb
Sal l um
Mar tha S.
Montei ro
El abor ador a
:
x.1vx\1ic.
Normalmente as pessoas sugerem como resposta o valor 50% (1/2) para a
Situao A, e argumentam que esta resposta se deve ao fato de os valores
possveis serem dois (Cara ou Coroa) e os favorveis apenas um (Cara), o que
produziria o quociente 1/2. Quando se passa Situao B, em que h tambm
dois valores possveis (germinar, no germinar) a resposta imediata igual
anterior, mas aps uma pequena discusso, perguntando se elas comprariam
uma saca de sementes, em que a probabilidade de germinao por semente
fosse igual a 1/2, imediatamente percebem que no faz sentido aplicar a mes-
ma regra. Geralmente algum sugere fazer um experimento plantando um
nmero grande de sementes, para observar quantas germinam. J com a Situ-
ao C, comeam a perceber que os trs problemas tm naturezas diferentes e
que nem a primeira situao nem a segunda poderiam ajudar a responder a
pergunta formulada na terceira situao.
A resposta 1/2 para a pergunta da Situao A deve-se, possivelmente, ao
costume de ser usada uma moeda para decidir qual time comea jogando
determinada partida isso atestaria a qualidade de honestidade intrnseca
da moeda, dando a mesma chance para qualquer dos dois resultados. Est
aqui ento implcita a premissa que deve ser colocada para que a resposta
dada Situao A seja verdadeira: ambos os resultados (Cara e Coroa) tm a
mesma chance de ocorrer, o que naturalmente levaria ao clculo da probabili-
dade de Cara no lanamento de uma moeda honesta uma vez, atravs da cha-
mada definio clssica de probabilidade:
Si t uao A: Si t uao A: Si t uao A: Si t uao A: Si t uao A: qual a probabilidade de
sai r Cara no l anament o de uma
moeda uma vez?
Si t uao C: Si t uao C: Si t uao C: Si t uao C: Si t uao C: qual a probabilidade de
o Brasil ganhar a prxima Copa do
Mundo de fut ebol?
Si t uao B: Si t uao B: Si t uao B: Si t uao B: Si t uao B: qual a probabilidade de
u ma semen t e g er mi n ar ao ser
plantada?
Para a situao B, ao se fazer o experimento com as sementes, toma-se
como probabilidade o valor para o qual tende a freqncia relativa de semen-
tes germinadas (aqui est implcita a noo de limite, que no ser explorada
neste texto) aps um nmero muito grande de ensaios. Assim temos a defini-
o freqentista de probabilidade:
Esta definio leva em conta um resultado (Lei dos Grandes Nmeros
Bernoulli, sc. XVII) que diz que medida que os ensaios vo aumentando
nmero de casos favorveis
nmero de casos possveis
P(Cara) =

nmero de sementes germinadas
nmero de sementes plantadas
P(germinar)

:,
xuuio ii
(sementes idnticas plantadas sob as mesma condies), a freqncia relativa
vai se estabilizando e aproximando-se do valor terico da probabilidade de
germinar.
Jogue uma moeda 10 vezes e marque a freqncia relat iva de Caras. Repit a para 20
lances, 30 lances, 40 lances e 50 lances. Coloque as freqncias observadas como
ordenadas num grfico em que a abscissa seja o nmero de t ent at ivas. Compare com o
result ado dos colegas. Coment e.
Nessa tabela os valores 200 e 200 significam o total de funcionrios tanto
do sexo masculino quanto do feminino, sem levar em conta opinio. De modo
anlogo, 190 e 210 representam a quantidade de sim e no, respectivamente,
sem levar em conta o sexo. Os valores internos representam conjuntamente
sexo e opinio por exemplo, h 140 funcionrios que so do sexo feminino
e que responderam sim.
Op i ni o Op i ni o Op i ni o Op i ni o Op i ni o
Sexo Sexo Sexo Sexo Sexo
M MM MM 50 150 200 200 200 200 200
F FF FF 140 60 200 200 200 200 200
t o t al t o t al t o t al t o t al t o t al 190 190 190 190 190 210 210 210 210 210 400 400 400 400 400
si m si m si m si m si m n o n o n o n o n o t o t al t o t al t o t al t o t al t o t al
Bem diferente dessas duas abordagens a Situao C, sobre a probabili-
dade de o Brasil ganhar a prxima Copa do Mundo de futebol. Neste caso,
no razovel pensar nem em aplicar a definio clssica (que teria que su-
por que as possibilidades tm igual chance de ocorrer) e nem a definio
freqentista (pois no h como gerar dados atravs de repetio). A resposta
ser de carter individual, baseada tanto em desempenhos anteriores (regis-
tros histricos) da seleo brasileira e das demais participantes, como no co-
nhecimento do estgio atual das mesmas e ainda em um sentimento particu-
lar, que pode mudar de indivduo para indivduo. O carter subjetivo desta
situao sugere a definio de probabilidade subjetiva, que a opinio indivi-
dual sobre determinado resultado, a qual pode ou no ser baseada em infor-
mao anterior (informao a priori). Assim, podemos chamar genericamen-
te de p a Probabilidade (Brasil ganhar a prxima Copa do Mundo de Fute-
bol) algum pode colocar 0,8 (80%) ou 0,30 (30%) ou qualquer outro valor
entre 0 e 1 (ou entre 0% e 100%) .
O que h de comum entre essas trs abordagens que, para todos, a pro-
babilidade (p) um nmero entre 0 e 1 que goza de algumas propriedades e,
em cada situao, devemos verificar o processo mais adequado para calcul-
la. Resumindo, temos que 0 p 1.
Exemplo 3: havia um boato na empresa MEX de que os funcionrios estariam
descontentes com o salrio. O diretor de RH resolveu fazer uma pesquisa
entre os seus 400 funcionrios, os quais foram chamados a responder sim ou
no seguinte pergunta:
Voc aceita uma reduo de jornada com reduo de salrio?
Os resultados foram registrados na chamada tabela de contingncia como
segue:

:o
x.1vx\1ic.
O gerente faz um sorteio aleatrio de uma viagem entre todos os 400
funcionrios. Por sorteio aleatrio entende-se um processo em que todos os
elementos tm igual probabilidade de serem sorteados por exemplo, nume-
rar todos os funcionrios, colocar os nmeros em uma urna e sortear um ele-
mento da urna. Este sorteio encarado como um processo normalmente de-
nominado de experimento.
Vamos olhar os resultados possveis dentro de trs perspectivas: a) sexo
do sorteado; b) opinio do sorteado; c) sexo e opinio do sorteado. Na primei-
ra perspectiva, o conjunto de todos os resultados possveis seria {M,F}. Na
segunda, o conjunto de todos os resultados possveis seria {SIM, NO}
nessas duas primeiras perspectivas estamos somente interessados no compor-
tamento marginal do elemento sorteado, ou seja, quero saber algo sobre a
varivel sexo ou algo sobre a varivel opinio. A terceira perspectiva relaci-
onada ao elemento sorteado sob o ponto de vista de sexo conjuntamente com
opinio e o conjunto de todos os resultados possveis seria {M SIM, M NO,
F SIM, F NO}. Esses elementos descritos no ltimo conjunto so os compo-
nentes do interior da tabela deste exemplo.
Trabalhar com probabilidades pode ser simplificado se usarmos os dados
dispostos em tabelas, ou ainda se considerarmos diagramas de rvore. Vamos
considerar o experimento de sortear ao acaso um funcionrio dentre os 400
funcionrios (j descrevemos o sorteio) e como o sorteio aleatrio (por su-
posio) todos os funcionrios tm a mesma chance de serem sorteados. En-
to, nesse caso, para o clculo de probabilidades, faz sentido pensar na defi-
nio clssica j vista anteriormente e este esquema que vamos adotar. Va-
mos responder, uma a uma, s seis perguntas seguintes, sempre com refern-
cia ao sorteio do funcionrio e voc, em alguns casos, poder se reportar
implicitamente a elementos da teoria de conjuntos (como, por exemplo, as
noes de unio e interseco):
1 qual a probabilidade de o sorteado ser do sexo feminino?
2 qual a probabilidade de o sorteado ter dito no?
3 qual a probabilidade de o sorteado dizer no ou ser do sexo feminino?
4 qual a probabilidade de o sorteado ter dito no e ser do sexo feminino?
5 qual a probabilidade de o sorteado ter dito sim e ser do sexo feminino?
6 qual a probabilidade de o sorteado ser do sexo feminino dado que respon-
deu no?
Respostas:
1 P(F) = ? Resposta: P(F) = (200/400) = 1/2 = 0,5 (ou 50%)
2 P(NO) = ? Resposta: P(NO) = (210/400) = 0,525 (ou 52,5%)
As respost as s quest es 1 e 2 foram obt idas diret ament e dos valores marginais, ou seja,
200 funcionrios do sexo feminino ent re os 400 funcionrios e 210 funcionrios que
responderam no pergunt a ent re os 400 funcionrios.
3 P ( NO ou F) = ? (Unio )
Resposta: P (NO ou F)= (210 + 200 60)/400 = (350/400)= (7/8) =
= 0,875 (ou 87,5%)
U
:,
xuuio ii
A respost a quest o 3 foi obt ida at ravs da verificao de quant os funcionrios podem
ser ou NO ou F, ou mesmo ambos, ou seja, a unio ent re os funcionrios NO com os
funcionrios F. Vej a que so ret irados da soma os 60 funcionrios que foram cont ados
duas vezes.
A respost a quest o 4 foi obt ida diret ament e do valor do int erior da t abela, ou sej a,
dent re os 400 funcionrios, 60 responderam no e ao mesmo t empo so do sexo feminino.
A quest o 5 t em raciocnio anlogo. Verifique!
A respost a quest o 6 levou em cont a a informao, ou sej a, podemos pensar que,
quando foi feit o o sort eio o diret or olhou o result ado e avisou: o funcionrio sort eado
respondeu no! Com essa informao, o t ot al de funcionrios diminuiu de 400 para 210,
que o t ot al marginal para as respost as no e ent o o denominador para o clculo da
probabilidade fica sendo 210 e o numerador igual ao nmero mulheres na cat egoria
no (60).
Vamos agora dar uma forma alternativa resposta da questo P (F |
NO) atravs da definio de probabilidade condicional (sabendo que =
condicionado a)
P (F | NO) = [ P (F e NO)] / (P(NO)] (8)
4 P(NO e F) = ? (Interseco )
Resposta: P(NO e F) = (60/400) = 0,15 (ou 15%).
U
5 P(SIM e F) = ? Resposta: P (SIM e F) = (140/400) = 0,35 (35%)
Antes de passarmos a discutir a prxima questo, vamos voltar questo
3, que trata da probabilidade da unio de dois eventos. Genericamente, para
dois eventos A e B, a probabilidade de A ou B (A unio B) dada por
P(A B) = P(A) +P(B) P(A B)
Evidentemente, se a interseco for vazia, temos que a probabilidade as-
sociada nula, e dizemos que A e B so eventos disjuntos. Vem ento que, se
A e B forem eventos disjuntos (ou mutuamente exclusivos),
P(A B) = P(A) + P(B)
Como responder questo 6? Aqui surge uma linguagem nova: dado que.
Isso significa que queremos um valor de probabilidade, mas temos alguma
informao adicional (dado que = sabendo que). A notao que usaremos
para dado que ser uma barra vertical | , como a seguir:
6 P (F dado NO) = P (F | NO) = ?
Resposta: P (F | NO) = (60/210) 0,286 (ou 28,6%).
(6)
(7)
U
U
U
:8
x.1vx\1ic.
Com os resultados j calculados, e com P (F e NO) = P (NO e F) (veri-
fique!), vem
P (F | NO) = [0,15 / 0,525] 0,286 (ou 28,6%),
com resposta igual j obtida diretamente da tabela.
Atravs da expresso (6) podemos derivar uma expresso formal para a
probabilidade conjunta, como nas questes 4 e 5, ou seja:
Verifique que P (NO | F)

igual a (60/ 200) = 0,30
(ou 30%)!
(9)
P(NO e F) = P(F e NO) = P(F |NO).P(NO) = P(NO |F).P(F)
P(SIM e F) = P(F e SIM ) = P(F |SIM).P(SIM) = P(SIM |F).P(F)
Vamos retomar a questo 6 para introduzir um novo conceito: indepen-
dncia entre eventos. Nessa questo, calculamos a probabilidade condicional
de o sorteado ser do sexo feminino sabendo que a resposta foi no, isto , P (F
| NO). O resultado foi aproximadamente 0,286 ou, em termos percentuais,
28,6%, o que significa que sabendo que a resposta foi no, a probabilidade de
o sorteado ser do sexo feminino de 28,6%. Na questo 1, vimos que a proba-
bilidade de o sorteado ser do sexo feminino de 50%, o que mostra que quan-
do damos a informao de que a resposta foi no, a probabilidade de ser do
sexo feminino diminui substancialmente (de 50% para 28,6%). Isso significa
que os eventos resposta no e sexo feminino so dependentes, pois a informa-
o de que um ocorreu muda a probabilidade de o outro ocorrer.
Voltando explicao dada na questo 6, quando o diretor avisou que o
funcionrio sorteado tinha respondido no, os funcionrios do sexo feminino
j viram suas chances diminurem, pois com resposta no havia 150 homens
e somente 60 mulheres, ou seja, repetindo, saber que a resposta do funcion-
rio sorteado foi no diminuiu a chance do sorteado ser do sexo feminino. Sob
o ponto de vista da pesquisa que deu origem tabela, fcil ver ento que as
mulheres, diferentemente dos homens, aceitam, em sua maioria, a reduo de
jornada com reduo de salrio.
De um mod o g er al , d i zemos q ue d oi s event os A e B so
i ndependent es i ndependent es i ndependent es i ndependent es i ndependent es quando a informao de que B ocorreu no alt era
a probabilidade da ocorrncia de A, ist o , (P(A|B) = P(A)) (P(A|B) = P(A)) (P(A|B) = P(A)) (P(A|B) = P(A)) (P(A|B) = P(A)). No caso
descrit o acima, os event os F FF FF e NO NO NO NO NO so dependent es.
(10)
A ltima afirmao implica que se A e B forem eventos independentes,
ento
pois, de acordo com a definio de independncia, P(A|B) = P(A). A expres-
so (11) pode ser usada como alternativa definio (10) para verificar se
dois eventos so independentes.
Com os dados do Exemplo 3 most re, usando a expresso (11), que os event os NO e F
so dependent es (ou no so independent es).
(11) P(A B) = P(A) . P(B)
U
:,
xuuio ii
Most re que dois event os disjunt os no so independent es.
Ao conjunto de todos os resultados possveis associados a um experimen-
to d-se o nome de Espao Amostral (S) e os subconjuntos do espao amostral
so chamados de Eventos (ver pg. 26). Se o experimento relacionar-se a
caractersticas numricas contnuas por exemplo, o tempo de durao de
uma lmpada sorteada ao acaso de um lote de lmpadas , o espao amostral
poderia ser descrito como {t | t 0}. Contudo, nesta apostila s abordaremos
situaes numricas discretas.
Usando os dados do Exemplo 3, most re que:
P(SIM) = 1 P(NO) e que P(M) = 1 P(F). Ou sej a,
P(A) = 1 P(A AA AA
c cc cc
) )) )), para A U A AA AA
c cc cc
= S (esp ao amost ral ). = S (esp ao amost ral ). = S (esp ao amost ral ). = S (esp ao amost ral ). = S (esp ao amost ral ).
- descreva um espao amost ral associado ao lanament o de uma moeda duas vezes;
- descreva um espao amost ral associado aos gols de uma part ida de fut ebol;
- descreva um espao amost ral associado colet a de peso de recm-nascidos.
Em seguida, faremos uma representao ainda do mesmo problema dos
funcionrios, em que um deles sorteado, atravs do diagrama de rvore, o
que muitas vezes torna mais fcil a visualizao dos resultados e das respecti-
vas probabilidades.
Podemos comear o diagrama por uma ou por outra caracterstica va-
mos comear pela opinio. Partindo do princpio de que o sorteado ou do
sexo feminino ou do sexo masculino, construiremos dois ramos iniciais partin-
do do mesmo ponto e depois prosseguimos com os outros ramos referentes
caracterstica sexo (M ou F), conforme segue:
P(SIM e M) = (190/400).(50/190)
= 0,125 (ou 12,5%)
P(SIM e F) = (190/400).(140/190)
= 0,35 (ou 35%)
P(NO e M) = (210/400).(150/210)
= 0,375 (ou 37,5%)
P(NO e F) = (210/400).(60/210)
= 0,15 (ou 15%)
M
F
M
F
SIM
NO
190/400
210/400
50/190
140/190
150/210
60/210
P(M | SIM)
,o
x.1vx\1ic.
No espao a seguir, faa um diagrama de rvore iniciando pela caract erst ica sexo.
Verifique que o conj unt o dos result ados associados aos caminhos const it ui o espao
amost ral j vist o.
O diagrama de rvore tem todos os ramos e probabilidades associados ao
experimento de sortear um indivduo da tabela inicialmente apresentada. Os
ramos iniciais, antes do trao vertical, representam eventos marginais da
tabela e as probabilidades tambm podem ser chamadas de marginais. Como
j havia sido visto na questo 2, P(NO) = (210/400) = 0,525. Como com
relao OPINIO h somente duas possibilidades, podemos encontrar a
P(SIM) pelo complementar, ou seja, P(SIM) = 1 P(NO) = 1 0,525 = 0,475
(= 190/400). Depois do trao, os eventos so considerados condicionais e
devem levar em conta a ocorrncia antes do trao. Assim, o valor 50/190
P(M|SIM). O valor da probabilidade pedida na questo 6 obtido diretamente
no ltimo ramo aps o trao, ou seja, P(F|NO) = 60/210 0,286 (28,6%).
Ainda observando a rvore, vemos que ao percorrer os caminhos, desde o
n inicial, temos quatro resultados, SIM M, SIM F, NO M e NO F, cujas
probabilidades podem ser obtidas atravs do produto dos ramos correspon-
dentes. Na verdade, isso no novidade, pois as relaes vistas anteriormente
permitem faz-lo, ou seja, cada probabilidade pode ser calculada pelo produ-
to entre uma probabilidade marginal e uma condicional. De fato, temos, por
exemplo, para clculo de P(NO e F) o produto (210/400).(60/210) = 0,15
(ou 15%, valor j obtido como resposta questo 4).
Veremos a seguir uma aplicao do diagrama de rvore para um problema
da rea financeira.
Exemplo 4
(FUVEST 2000). Um investidor quer aplicar 120 mil reais. Seu corretor lhe
oferece um investimento em duas fases, com as seguintes regras:
I) Na primeira fase do investimento, ocorrer um entre os dois eventos seguin-
tes: com probabilidade p, o investidor ganha metade do que investiu; com
probabilidade (1-p), o investidor perde 1/3 do que investiu.
,I
xuuio ii
II) Na segunda fase do investimento, a quantia final da primeira fase ser
reinvestida, de forma independente da primeira fase. Neste novo investimen-
to, ocorrer um dentre os dois eventos seguintes: com probabilidade 1/2, o
investidor ganha a quarta parte do que foi reinvestido; com probabilidade 1/2,
o investidor perde metade do que foi reinvestido.
a) Se o investidor aplicar seu dinheiro desta forma, com que valores pode
ficar ao trmino do investimento? Qual a probabilidade, em funo de p, de
ficar com cada um desses valores?
b) Uma revista especializada informa que, neste investimento, a probabilida-
de de perder dinheiro de 70%. Admitindo como correta a informao da
revista, calcule p.
Vamos resolver esse problema aplicando o diagrama de rvore:
Ganha: (1/2)p
Perde: (1/2)p
Ganha: (1/2)p (1-p)
Perde: (1/2)p (1-p)
225.000
90.000
100.000
40.000
180.000
80.000
p
(1-p)
1/2
1/2
1/2
1/2
Quantia inicial: R$ 120.000,00
Observao: A premissa de que a segunda fase independente da primeira
fase permite colocar na segunda parte dos ramos os valores 1/2 e 1/2 direta-
mente.
Resposta:
a) O investidor pode ficar com qualquer dos seguintes valores (e respectivas
probabilidades): R$ 225 000,00 [()p], R$ 90 000,00 [()p], R$ 100 000,00
[(1-p)] ou R$ 40 000,00 [(1-p)].
b) Levando em conta as quatro possibilidades, o investidor s no perde na
primeira delas. Como, segundo a revista, a probabilidade de perder de 70%,
a probabilidade de no perder (complementar!) de 30% e temos ento que
() p = 0,30. Portanto p = 0,60.
Outra maneira de chegar a este resultado igualar a probabilidade de
perder a 70%, ou seja,
P(perder) = [()p+ ()(1-p)+( )(1-p)] = 0,70,
o que produz o resultado p = 0,60 (confira!).
,:
x.1vx\1ic.
Os exemplos analisados neste tpico de probabilidades procuraram dar
sentido aos conceitos, atravs de esquemas simples quer seja com tabelas ou
atravs de diagramas de rvore, sempre no contexto discreto. No entanto,
para experimentos mais sofisticados, ainda no mbito do discreto, por exem-
plo, o caso em que o nmero de ramos se torna proibitivo, temos que recorrer
a tcnicas de contagem para o clculo de probabilidades e a rea de anlise
combinatria, que ser desenvolvida na prxima seo, fornecer elementos
para que esses clculos sejam facilitados. O leitor, interessado em probabili-
dades associadas a experimentos em que a caracterstica medida contnua,
achar material nas referncias bibliogrficas.
A seguir, temos um resumo dos principais resultados descritos nesta seo
para eventos genricos A e B (associados a um espao amostral S).
Pr ob ab i l i d ad e d a Uni o Pr ob ab i l i d ad e d a Uni o Pr ob ab i l i d ad e d a Uni o Pr ob ab i l i d ad e d a Uni o Pr ob ab i l i d ad e d a Uni o
P(A ou B) = P(A B) = P(A) +P(B) P(A B)
Pr ob ab i l i d ad e Cond i ci onal Pr ob ab i l i d ad e Cond i ci onal Pr ob ab i l i d ad e Cond i ci onal Pr ob ab i l i d ad e Cond i ci onal Pr ob ab i l i d ad e Cond i ci onal
P(A | B) = P(A B) / P(B) para P (B) 0
Pr ob ab i l i d ad e Conj unt a Pr ob ab i l i d ad e Conj unt a Pr ob ab i l i d ad e Conj unt a Pr ob ab i l i d ad e Conj unt a Pr ob ab i l i d ad e Conj unt a
P(A B) = P(A|B) . P(B) = P(B|A) . P(A)
Se A e B so i ndep endent es ent o Se A e B so i ndep endent es ent o Se A e B so i ndep endent es ent o Se A e B so i ndep endent es ent o Se A e B so i ndep endent es ent o
P(A B) = P(A) . P(B)
U
U
U
U
U
Qual a chance de se ganhar na Loto ou na Mega-Sena? E na Loteria
Esportiva? Calcular a probabilidade de se ganhar num jogo de azar passa
muitas vezes por conhecer todos os elementos com os quais se est lidando e
depois quais desses so os elementos ganhadores. Por exemplo, se uma
moeda lanada duas vezes, sucessivamente, temos quatro possveis resulta-
dos: (cara, cara), (coroa, cara), (cara, coroa) e (coroa, coroa). Se ganhamos
quando obtivermos exatamente duas caras, ento, se a moeda for honesta, s
temos uma chance em quatro de ganhar. Neste caso foi fcil contar quantos
so os casos possveis (espao amostral) e quantos so os (eventos) favor-
veis. E se fossem 50 lanamentos? E no caso de jogos como da Loto ou da
Mega-Sena, quantas so todas as combinaes possveis de nmeros?
Assim, para a resoluo de problemas desse tipo, essencial conhecer a
quantidade de elementos de determinados conjuntos, sem ter que, efetiva-
mente, list-los e cont-los. Em outras situaes concretas tambm necess-
rio saber o nmero de elementos de determinados conjuntos.
Uni dade 3
Combinatria*
Quant os carros podem ser lacrados na cidade de
So Paulo com placas com 3 let ras e 4 algarismos?
Problemas relacionados contagem de elementos de um conjunto so trata-
dos numa rea da matemtica conhecida como Anlise Combinatria, ou ape-
nas Combinatria. O estudo de problemas desse tipo muito antigo e chamou
a ateno de muitos matemticos importantes como L. Euler (1707-1783) e B.
Pascal (1625-1662), entre outros. Essa rea tem tido um grande crescimento
nas ltimas dcadas, devido ao desenvolvimento da cincia da computao.
Problemas de enumerao (contagem) aparecem com muita freqncia em
teoria dos grafos, em anlise de algoritmos etc. Muitos problemas importan-
tes podem ser modelados matematicamente usando a teoria dos grafos (pro-
blemas de pesquisa operacional, de armazenamento de informaes em ban-
cos de dados nos computadores e tambm problemas matemticos tericos,
como o famoso problema das 4 cores, que veremos mais adiante).
O nosso principal objetivo aqui ser o de estudar algumas tcnicas e con-
ceitos que permitam a contagem de certos tipos de conjuntos finitos. Veremos
*Parcialmente baseado no material de Cerri, C.; Druck, I. F. e Pereira, A. L. Combinatria Sem Frmulas,
do Projeto Pr-Cincias da Fapesp (2002) e do Projeto PEC-Construindo Sempre-PEB II, USP-SEE
(2003).
Or gani zador es
Antni o Carl os
Br ol ezzi
El vi a Mur eb
Sal l um
Mar tha S.
Montei ro
El abor ador a
Cr i sti na Cer r i
,
x.1vx\1ic.
que muitos problemas de contagem podem ser tratados usando apenas alguns
princpios bsicos. Vamos enfatizar a compreenso plena do problema trata-
do e o reconhecimento da tcnica adequada em cada caso, no as frmulas,
que so muito teis, mas resolvem apenas tipos especiais de problemas.
Vamos comear discutindo um problema simples de contagem. Em um car-
dpio de um restaurante italiano esto listados 5 tipos de massas e 7 tipos de
molhos distintos. Quantos pedidos distintos podem ser feitos? fcil obter a
resposta: 35. Foi utilizado um princpio bsico de contagem: para cada tipo de
massa escolhida tem-se 7 molhos diferentes para escolher, e assim, temos 5 x 7
diferentes pratos.
Vamos retomar o problema das placas de carros na cidade de So Paulo.
Quantas placas de automveis podem ser formadas usando-se trs letras (in-
clusive K, Y e W) e quatro algarismos? Veja o esquema abaixo de uma placa
de automvel:
Para formar uma placa, temos que escolher uma letra entre 26 para colo-
car na primeira posio. Escolhida essa letra, temos 26 escolhas possveis
para a segunda posio. Ento temos 26 x 26 = 676 possibilidades de preen-
chimento das duas primeiras letras da placa. Mas ainda temos que preencher
mais uma casa com uma letra. Assim podemos ter 26 x 26 x 26 = 17.576
maneiras de preencher a placa com 3 letras. Falta ainda colocar os 4 algaris-
mos. Em cada posio temos 10 escolhas de algarismos. Ento temos 10 x 10
x 10 x 10 x 10 = 10.000 possibilidades. Portanto, no total teremos 175.760.000
placas. Como para cada carro temos apenas uma placa, esta a quantidade de
carros que podem ser lacrados na cidade de So Paulo!
Neste caso, esta tcnica de efetuar a contagem foi eficiente.
Voc far um exame cuj a prova compost a de 10 quest es de mlt ipla escolha com 5
alt ernat ivas por quest o cada uma. Quant os so os gabarit os possveis?
Vejamos mais um exemplo.
Uma bandeira formada por quatro listras que
devem ser coloridas com at 4 cores, por exemplo,
amarelo, vermelho, branco e preto, no devendo
ter listras adjacentes com a mesma cor. De quantos
modos a bandeira pode ser colorida?
Podemos pintar a primeira listra com 4 cores
diferentes e a segunda listra com 3 cores. Mas 3
cores podem ser usadas para pintar a terceira listra,
pois pode-se repetir a cor usada na primeira listra.
E finalmente podemos usar 3 cores para pintar a
quarta listra. Portanto temos 4 x 3 x 3 x 3 = 108
bandeiras diferentes.
Nos problemas acima, usamos um princpio
bsico de contagem que pode ser escrito, na forma
geral, da seguinte maneira.
1
a
2
a
3
a
1
o
2
o
3
o
4
o
let ra let ra let ra algarismo algarismo algarismo algarismo
1
a
2
a
3
a
4
a
list ra list ra list ra list ra
,,
xuuio ii
Pr i ncp i o d a Mul t i p l i cao Pr i ncp i o d a Mul t i p l i cao Pr i ncp i o d a Mul t i p l i cao Pr i ncp i o d a Mul t i p l i cao Pr i ncp i o d a Mul t i p l i cao
Se uma deciso d
1
pode ser t omada de p
1
maneiras e se, uma vez t omada a deciso d
1
, a
deciso d
2
puder ser t omada de p
2
maneiras, ent o o nmero de maneiras de se t omarem
as decises d
1
e d
2
p
1
x p
2
maneiras.
Facilmente, o princpio acima pode ser generalizado para uma quantidade
finita de decises.
Agora, usando o princpio da multiplicao, resolva alguns problemas de
contagem.
Em uma est ant e exist em 5 livros em espanhol, 6 em francs e 3 em ingls. De quant as
maneiras posso escolher 2 livros sem escolher dois da mesma lngua?
- Quant os nmeros nat urais de 3 algarismos dist int os exist em? (Prest e at eno: as
decises envolvidas podem ser t omadas em vrias ordens. Qual a mais convenient e?)
- Quant os nmeros nat urais pares de 3 algarismos dist int os exist em? (Qual a dificuldade
maior dest e problema?)
Um outro princpio elementar de contagem diz respeito ao nmero de
elementos da unio de conjuntos.
Um problema de contagem muito interessante o seguinte: ao se colorir
um mapa, pode-se usar a mesma cor mais de uma vez, desde que dois pases
que tm fronteira comum sejam pintados de cores diferentes. Usando no m-
ximo 4 cores, de quantas maneiras se pode colorir um mapa formado pelos
seguintes pases: Brasil, Uruguai, Argentina e Paraguai? E um mapa formado
por Brasil, Uruguai, Argentina, Paraguai e Chile? E pelos pases Brasil, Ar-
gentina, Paraguai e Bolvia?
Usando no mximo 3 cores, seria possvel pintar um mapa formado pelos
pases Brasil, Uruguai, Argentina e Paraguai? E o mapa formado por Brasil,
Argentina, Paraguai e Bolvia?
O Prob l ema das 4 Cores O Prob l ema das 4 Cores O Prob l ema das 4 Cores O Prob l ema das 4 Cores O Prob l ema das 4 Cores.
Na resoluo do problema ant erior, voc percebeu que, em alguns casos, no se pode usar
menos de 4 cores para pint ar um det erminado mapa. Mas, fazendo alguns t est es, percebe-se
que possvel pint ar vrios mapas com at 4 cores. Ser possvel pint ar qualquer mapa com
at 4 cores? Est e at raent e problema pode ser formulado mat emat icament e, j que mapas
no deixam de ser subdivises do plano que no se sobrepem. O Problema das 4 Cores,
como conhecido hoje, foi propost o pela primeira vez em 1852, por Francis Gut hrie. Cont udo,
s foi publicado em 1878, aps t er sido est udado por vrios mat emt icos da poca. Em 1879,
Kempe apresent ou a primeira demonst rao da conj ect ura, cuj o erro foi descobert o por
Heawood, que provou que o result ado era verdadeiro para 5 cores. Finalment e, depois de
muit os anos e esforos, o result ado foi provado em 1977 por K. Appel e W. Haken. Porm, a demonst rao fez uso de
mais de 1200 horas de processament o (isso mesmo, comput ador!), o que provocou grandes discusses sobre a
validade da prova. Recent ement e, em 1997, N. Robert son, D. Sanders, P. Seymour e R. Thomas encont raram uma
resoluo mais simples, mas ainda dependent e do auxlio de comput adores.
Pr i ncp i o da Adi o Pr i ncp i o da Adi o Pr i ncp i o da Adi o Pr i ncp i o da Adi o Pr i ncp i o da Adi o
Se A e B so dois conj unt os disj unt os, com p e q element os respect ivament e, ent o
A B possui p+q element os. U
,o
x.1vx\1ic.
O problema das 4 cores um tpico problema de Teoria dos Grafos. Um
grafo um tipo de diagrama com vrtices e linhas. Podemos fazer um es-
quema do problema das 4 cores usando um diagrama do tipo,
onde cada vrtice um pas. Uma linha ligando os vrtices significa que os
pases tm fronteiras em comum. Um outro problema fascinante deste tipo o
Problema das Sete Pontes de Knigsberg, que foi resolvido por L. Euler em
1735. Como este um assunto bastante vasto, no o discutiremos aqui. Se
voc ficou interessado, leia sobre o problema na Revista do Professor de Ma-
temtica (Alguns problemas clssico sobre grafos, n. 12, 1988) ou no site
http://www.prof2000.pt/users/agnelo/pontesh.htm.
Voltemos aos problemas de contagem.
- De quant os modos 3 pessoas podem se sent ar em 5 cadeiras em fila? (Respost a 60)
- Quant os nmeros de quat ro dgit os so maiores que 2400 e
(a) t m t odos os dgit os diferent es? (Respost a 3864)
(b) no t m dgit os iguais a 3, 5 ou 6? (Respost a 1567)
(c) sat isfazem s duas condies acima simult aneament e? (Respost a 560)
- Quant os subconjunt os possuem um conjunt o de n element os? (Respost a 2
n
)
Discut a com seus colegas o raciocnio usado em cada resoluo, pois s vezes obt m-se
a respost a corret a por mt odos incorret os.
Vamos fazer algumas generalizaes. Consideremos n objetos distintos. De
quantas maneiras n objetos diferentes podem ser ordenados? De quantas for-
mas podemos permut-los? A resposta fcil agora: n(n-1).(n-2)...3.2.1=n! Se,
por outro lado, desejamos saber de quantos modos podemos ordenar m objetos
dentre os n, logo m n, a resposta de
maneiras.
ELIMINANDO REPETIES
Vamos ver agora outros tipos de problemas de contagem.
Quantas comisses de 4 alunos podem ser formadas numa classe de 7
alunos?
Para o primeiro lugar da comisso temos 7 escolhas, para o segundo lugar
6 escolhas, para o terceiro lugar 5 escolhas e para o quarto lugar 4 escolhas, o
que nos d, pelo princpio da multiplicao, 7.6.5.4 = 840 escolhas de 4 alu-
nos. Entretanto, 840 no a quantidade total de comisses! Note que a co-
misso formada pelos alunos A, B, C e D a mesma daquela formada por B,
D, C e A. Precisamos saber quantas vezes cada comisso foi contada repe-
tidamente. Fixemos 4 alunos (uma comisso). De quantas maneiras podemos
form-la? Chamando um aluno por vez, para a primeira chamada temos 4
opes, para a segunda 3, para a terceira 2 e para a quarta apenas 1. Logo
n n n n m
n
n m
( ) ( )...( )
!
( )!
+ =
1 2 1
,,
xuuio ii
10
2 2 3
!
! ! !
840
24
35 =
4
2
12
!
!
=
podemos chamar os alunos de 4.3.2.1=24 maneiras diferentes. Assim temos
que, das 840 escolhas, cada grupo de 24 representa a mesma comisso. Portanto,
o total de comisses ser de .
A seguir, vamos ver outra situao onde se deve usar a diviso para elimi-
nar repeties e efetuar a contagem.
Um anagrama um cdigo formado pela permutao das letras de uma
palavra, podendo ou no originar palavras com significado.
Quantos so os anagramas da palavra CASA?
Se as 4 letras fossem distintas ento teramos 4! = 24 anagramas. Neste
caso, estamos pensando que A C S A diferente de A C S A. S que temos a
mesma palavra A C S A. Assim, como cada anagrama foi contado duas vezes
(que o nmero de permutaes dos dois As) temos na verdade anagra-
mas diferentes.
Quantos so os anagramas da palavra MATEMATICA?
Se as 10 letras fossem todas diferentes, uma aplicao simples do princ-
pio da multiplicao forneceria 10! anagramas. Entretanto, podemos permu-
tar os 2 Ts, os 2 Ms e, ignorando o acento, tambm os 2 As. Isso significa que
cada anagrama est sendo contado 2!2!3! vezes. Portanto, existem
anagramas distintos.
Vamos analisar mais uma situao.
Qual o nmero de rodas de ciranda distintas que
podem ser formadas com 6 crianas?
Temos certamente 6! filas de crianas. Entretanto, quan-
do organizadas em um crculo, duas filas formam a mesma
roda de ciranda se houver coincidncia das crianas aps
uma rotao de uma das rodas (ver o diagrama a seguir).
Podamos dizer que tais filas so equivalentes.
Dessa forma, 6 filas distintas originam
uma mesma roda de ciranda. Portanto, o
nmero de rodas de ciranda
6
6
5
!
! =
Em cada situao anterior, a diviso foi utilizada aqui para eliminar as
repeties. Identificando os elementos que so iguais podemos, usando a
diviso, elimin-los da contagem.
Examinando mais detalhadamente os ltimos exemplos, percebemos que
podemos dar um tratamento mais geral para situaes onde a diviso usada
para eliminar repeties em problemas de contagem.
Considere a seguinte situao: um conjunto A contm elementos de diver-
sos tipos distintos, digamos, tipo 1, tipo 2, tipo 3, ... tipo k. Se o nmero de
elementos de cada tipo n
k
, ento o nmero total de elementos de A (n
1
+ n
2
+...+ n
k
), ou seja, a soma do nmero de elementos de cada tipo. Em particular,
se o nmero de elementos de cada tipo sempre igual a m, ento o nmero de
elementos de A obviamente k.m.
,8
x.1vx\1ic.
- Em uma classe de 15 alunos, quant as filas formada por 7 alunos podem ser formadas?
E quant as comisses?
- Se o conjunt o C possui 9 element os, quant os so os subconjunt os de C com 4 element os?
Uma comisso formada por 3 homens e 3 mulheres deve ser escolhida em um grupo de
8 homens e 5 mulheres. Quant as comisses podem ser formadas? (Respost a 560)
Qual seria a respost a se um dos homens no aceit asse part icipar da comisso se nela
est ivesse det erminada mulher? (Respost a 434)
De quant os modos 9 crianas podem formar uma roda de ciranda de modo que duas
dessas crianas permaneam junt as? (Respost a 2!.7!)
E de modo que 4 dessas crianas permaneam j unt as? (Respost a 3!.5!)
FAZENDO GENERALIZAES
Do que discutimos at aqui podemos ver que alguns problemas de contagem
so muito semelhantes e envolvem sempre o mesmo tipo de raciocnio e clculo.
Numa escolha de m objetos dentre n objetos distintos, no qual m < n, a
ordem em que fazemos a escolha determina objetos diferentes. Em todas essas
situaes, o nmero de escolhas possveis n(n-1).(n-2)...(n-m+1). Por serem
muito freqentes recebem um nome especial: arranjo simples de m elementos
em n, ou como mais comum, arranjo de n elementos tomados m a m. Uma
notao bastante usada para indicar esse resultado
Em outras situaes, temos que fazer uma escolha de m objetos dentre n
objetos, onde m < n, e a ordem em que fazemos a escolha no determina obje-
tos diferentes. Se a ordem fosse relevante, obteramos n(n-1).(n-2)...(n-m+1)
colees de objetos. S que essa quantidade de colees maior do que a
correta, j que as colees esto sendo contadas vrias vezes. Para eliminar
essas repeties usamos, ento, a diviso, como nos exemplos vistos anterior-
mente. O nmero de colees :
Como tambm essa situao bastante comum, ela recebe um nome espe-
cial: combinao simples de m elementos em n, ou ainda, combinao de n
elementos tomados m a m. E o resultado denotado por
C
n
m n m
n
m
n
m
=
!
!( )!
Agora, se o nmero total n de elementos de A e o nmero m de objetos de
cada tipo so conhecidos, ento o nmero de tipos distintos . Ocorre
que, como nos exemplos anteriores, em muitas situaes, estamos interessa-
dos em calcular o nmero de tipos de elementos distintos.
Agora, usando este novo princpio e tudo que j discutimos, voc certa-
mente poder resolver mais problemas de contagem.
k
m
n
=
A
n
n m
n
m
=
!
( )!
n n n n m
m m m
( ) ( )...( )
( ) ( )...
+

1 2 1
1 2 2 1
,,
xuuio ii
Apesar dos problemas ant eriores aparecerem com freqncia, a pont o de t erem um
nome especial (e uma frmula), os problemas de cont agem no so, em geral, do t ipo
arranj o ou combinao. Por isso, quando se deparar com um problema de cont agem,
no se preocupe de imediat o em qual frmula usar. Em geral, muit a engenhosidade e
vrias frmulas sero ut ilizadas para resolv-los.
DESAFI OS
Vamos propor alguns problemas de contagem de diferentes graus de difi-
culdade. Ao tentar resolv-los, lembre-se: problemas de aparncia simples
podem ser difceis. Para resolv-los procure fazer uma representao. Lem-
bre-se que o objetivo o de contar o nmero de objetos de uma certa classe.
Tente identificar precisamente quando um objeto pertence classe e quando
dois deles devem ser considerados distintos. Examine quantas decises voc
deve tomar para executar a contagem.
Caso ainda no esteja claro como proceder, tente outras estratgias. Tente
dividir em subcasos que voc saiba resolver. Pode ser til esquecer algumas
das condies exigidas para que um objeto pertena coleo. Isso, em geral,
dar origem a uma classe maior que a desejada. necessrio, portanto, ex-
cluir posteriormente os objetos indesejados. Depois que, aparentemente, o
problema foi resolvido, repense na sua soluo, veja se voc no est contan-
do alguns casos mais de uma vez ou est se esquecendo de algum.
1. No quadro abaixo, de quantos modos possvel formar a palavra MATEMATICA,
partindo de M e indo sempre para a direita ou para baixo?
M MM MM
M MM MM A AA AA
M MM MM A AA AA T TT TT
M MM MM A AA AA T TT TT E EE EE
M MM MM A AA AA T TT TT E EE EE M MM MM
M MM MM A AA AA T TT TT E EE EE M MM MM A AA AA
M MM MM A AA AA T TT TT E EE EE M MM MM A AA AA T TT TT
M MM MM A AA AA T TT TT E EE EE M MM MM A AA AA T TT TT I II II
M MM MM A AA AA T TT TT E EE EE M MM MM A AA AA T TT TT I II II C CC CC
M MM MM A AA AA T TT TT E EE EE M MM MM A AA AA T TT TT I II II C CC CC A AA AA
2. Um vago de metr tem 10 bancos individuais, sendo 5 de frente e 5 de
costas. De 10 passageiros, 4 preferem sentar de frente, 3 preferem sentar de
costas e os demais no tm preferncia. De quantas maneiras os passageiros
podem sentar, respeitando as preferncias? (Resposta 43200)
3. Quantos nmeros inteiros entre 100 e 999 so mpares e possuem trs dgi-
tos distintos? (Resposta 320).
O TRINGULO DE PASCAL
Num jogo de moedas, jogam-se 4 moedas simultaneamente. Se o vence-
dor for o que conseguir obter exatamente 3 caras e 1 coroa, quantas so as
possveis combinaes ganhadoras?
o
x.1vx\1ic.
Vamos denotar por K a face cara da moeda e por C a face coroa.
Assim, temos KKKC, KKCK, KCKK e CKKK combinaes vencedoras. Na
verdade, j vimos este tipo de problema: esta a quantidade de anagramas
formados por KKKC. Assim, temos exatamente combinaes. Mas se
as combinaes ganhadoras so as com exatamente 2 caras e 2 coroas? Neste
caso so combinaes. Note tambm que o nmero de combinaes
com exatamente 3 coroas tambm 4.
4
3
4
!
!
=
4
2 2
6
!
! !
=
Num t ipo de j ogo, 5 moedas idnt icas so lanadas simult aneament e. Cada j ogador,
ant es de j ogar as moedas, declara qual o nmero exat o de caras e coroas que vai obt er.
Ganha aquele que acert ar o result ado. Qual das combinaes a melhor escolha?
Voc j notou que se n o nmero de moedas a serem jogadas e se m o
nmero de caras (ou coroas) que se deseja, ento o nmero de combinaes
vencedoras exatamente:
claro que se m o nmero de caras (ou coroas), ento n-m o nmero
de coroas (ou caras) e assim temos facilmente que,
Esses nmeros aparecem em muitas situaes e possuem vrias relaes
surpreendentes. Tais relaes foram observadas por vrios matemticos como
o rabe Al-Karaji (fins do sculo X) e Niccol Fontana de Brescia, conhecido
por Tartaglia (1499-1557).
Colocando os valores acima na forma de tringulo e convencionando que 0! = 1,
temos:
C
n
m
n
m m n
n
n m
C
m
m
n
n m
=

=

!
!( )!

C
n
m n m
n
m
n
m
=
!
!( )!
0
0
1
0
1
1
2
0
2
1
2
2

3
0
3
1
3
2
3
3
4
0

4
1
4
2
4
3
4
4
5
0
5
1
5
2
5
3
5
4

5
5
6
0
6
1
6
2
6
33
6
4
6
5
6
6

I
xuuio ii
Foi B. Pascal (1623-1662) quem popularizou este tringulo quando pu-
blicou, em 1654, um tratado mostrando a relao dos coeficientes de (a+b)
n
com os valores que aparecem nas linhas do tringulo. Apesar de ser conheci-
do antes, o tringulo aritmtico passou a ser conhecido como o Tringulo de
Pascal.
Calculando os valores em cada linha e coluna, temos:
Tringulo de Pascal
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
1 7 21 35 32 21 7 1
... ...
Note algumas propriedades interessantes. Se selecionarmos uma linha n
qualquer e adicionamos ao elemento da coluna p o elemento da coluna p+1 o
resultado est na (n+1)-linha e (p+1)-coluna. Veja neste exemplo.
1. Michael Stifel (1486-1567) considerado como o maior algebrista alemo do sculo XVI.
1 3 + 3 1
1 4 6 4 1
C C C C
n n n n
n
n n n n
n 0 1 2
0 1 2
+ + + + =

+ +
... ...
= 2
n
Esta relao tambm conhecida como a Relao de Stifel
1
.
Most re que, de fat o, vale sempre que
C C
n
m
n
n
n
m
C
n
m
n
m
n
m
+ =

+
+
+
+
+
=
+
+
+ 1
1
1
2
1
1

Retornemos ao jogo de moedas. Sabemos que quando lanamos n moe-
das, o nmero total de resultados possveis 2
n
. Vimos que cada combinao
de m caras (ou coroas) aparece vezes. Portanto, somando-se todas as com-
binaes temos que:
Vamos agora representar os resultados dos lanamentos das moedas de
outra maneira.
C
n
m
:
x.1vx\1ic.
Se jogarmos 2 moedas, temos 4 resultados possveis. Se usarmos o smbo-
lo de soma e a propriedade distributiva, todas as combinaes possveis po-
dem ser representadas por:
KK + KC + CK + CC = (K + C) (K + C)
Mas neste jogo, KC = CK, isto , ambas so combinaes vencedoras.
Ento:
KK + 2KC + CC = (K + C) (K + C)
No caso de jogarmos 3 moedas, sabemos que existem 8 possveis resulta-
dos, mas as combinaes KKC, KCK e CKK so iguais para o nosso prop-
sito. Assim tambm so iguais as combinaes: CCK, CKC, KCC. Portanto:
KKK + 3 KKC + 3 KCC+ CCC = (K + C) (K + C) (K + C)
Podemos ainda simplificar a notao e escrever as seqncias de K ou C
na forma de potncia. Por exemplo, escrevemos KKK da forma K
3
.
Assim:
K
3
+ 3 K
2
C + 3 KC
2
+ C
3
= (K + C)
3
Mas isso pode ser feito sempre. Se jogarmos n moedas e se as combina-
es que tm o mesmo nmero de K (caras) e C (coroas) so identificadas, ou
seja, so iguais, ento cada combinao aparece vezes. Portanto, em
geral, temos que:
Esta a conhecida frmula do Binmio de Newton. Isaac Newton (1642-
1727) mostrou como desenvolver expresses do tipo (a+b)
r
, com r racional, e
assim a frmula acabou sendo conhecida com o seu nome. Contudo, o desen-
volvimento de uma expresso do tipo (a+b)
n
j era conhecida e usada antes.
n
m
( ) ... K C
n
K
n
K C
n
K C
n
n
n n n n
+ =

+ +

0 1 2 1
1 1 2

KC
n
n
C
n n 1
Usando o desenvolviment o acima, d uma expresso para (1+x)
n
Observe que as linhas do Tringulo de Pascal so os coeficientes da ex-
presso do binmio.
Qual o coeficient e do t ermo a
11
b
6
no desenvolviment o (a+b)
17
?
H muito mais a ser explorado no Tringulo de Pascal. As relaes num-
ricas que aparecem surpreendem. Convidamos voc a ler mais sobre isso em
[MORGADO] (ver referncia). Voc certamente ficar impressionado.
,
xuuio ii
Bibliografia
BUSSAB, W.O.; MORETTIN, P. A. Estatstica Bsica. So Paulo: ed. Saraiva,
2002.
CARNEIRO, V.C. Colorindo Mapas. Revista do Professor de Matemtica. So
Paulo: SBM, n. 29, 31-35, 1995.
CERRI, C.; DRUCK, I. F.; PEREIRA, A. L. Combinatria Sem Frmulas. Pro-
jeto Pr-Cincias, So Paulo: Fapesp, 2002.
CERRI, C.; DRUCK, I .F. Combinatria Sem Frmulas. Projeto PEC Cons-
truindo Sempre PEB II, So Paulo: USP-SEE, 2003.
EVES, H. Introduo Histria da Matemtica.3. ed. Traduo de H.
Domingues. Campinas: ed. Unicamp, 2002.
IEZZI, G. et al. Matemtica: Cincia e Aplicaes., v. 1, 2 e 3. So Paulo: ed.
Atual, 2001.
MAGALHES, M. N.; LIMA, A. C. P. Noes de Probabilidade e Estatstica.
So Paulo: Edusp, 2004.
MACHADO, A. S. Matemtica na escola do segundo grau. vol 1, 2 e 3. So
Paulo: ed. Atual, 1996.
MORGADO et al. Anlise Combinatria e Probabilidades. Rio de Janeiro:
SBM, 1991.
PAIVA, M. Matemtica.2. ed. vol 1, 2 e 3. So Paulo: ed. Moderna, 2003.
Sobre os aut ores
Cri sti na Cerri
Docente do Instituto de Matemtica e Estatstica (IME) da USP, fez Licen-
ciatura e Mestrado em Matemtica na USP. Seu doutorado, na rea de Anlise
Funcional, foi realizado na USP e na University of New Mexico nos EUA.
Participa de projetos de capacitao e atualizao de professores e foi coorde-
nadora da rea de Matemtica do Programa Construindo Sempre USP-SEESP.
Li sbeth K. Cordani
Licenciada e bacharela em Matemtica (USP), mestra em Estatstica (USP)
e doutora em Educao (USP). Docente (aposentada) do IME-USP, atualmen-
te professora titular do CEUN-IMT. Tem oferecido oficinas de Estatstica e
participado de projetos para professores universitrios e do Ensino Mdio.
Anot aes
Anot aes
Anot aes
Anot aes
Anot aes

Matematica 02

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Matematica 02

Enviado por

Direitos autorais:

Formatos disponíveis

Nome do Aluno

Verifique que P (NO | F)

Você também pode gostar