Você está na página 1de 31

Noes de Probabilidade

sobre Matemtica por Paulo Marques math@paulomarques.com.br

1 2 3 4 5
Avaliao: 3.4 / 5 (27 votos)

1 Introduo Chama-se experimento aleatrio quele cujo resultado imprevisvel, porm pertence necessariamente a um conjunto de resultados possveis denominado espao amostral. Qualquer subconjunto desse espao amostral denominado evento. Se este subconjunto possuir apenas um elemento, o denominamos evento elementar. Por exemplo, no lanamento de um dado, o nosso espao amostral seria U = {1, 2, 3, 4, 5, 6}. Exemplos de eventos no espao amostral U: A: sair nmero maior do que 4: A = {5, 6} B: sair um nmero primo e par: B = {2} C: sair um nmero mpar: C = {1, 3, 5} Nota: O espao amostral tambm denominado espao de prova. Trataremos aqui dos espaos amostrais equiprovveis, ou seja, aqueles onde os eventos elementares possuem a mesma chance de ocorrerem. Por exemplo, no lanamento do dado acima, supe-se que sendo o dado perfeito, as chances de sair qualquer nmero de 1 a 6 so iguais. Temos ento um espao equiprovvel. Em oposio aos fenmenos aleatrios, existem os fenmenos determinsticos, que so aqueles cujos resultados so previsveis, ou seja, temos certeza dos resultados a serem obtidos. Normalmente existem diversas possibilidades possveis de ocorrncia de um fenmeno aleatrio, sendo a medida numrica da ocorrncia de cada uma dessas possibilidades, denominada Probabilidade. Consideremos uma urna que contenha 49 bolas azuis e 1 bola branca. Para uma retirada, teremos duas possibilidades: bola azul ou bola branca. Percebemos entretanto que ser muito mais frequente obtermos numa retirada, uma bola azul, resultando da, podermos afirmar que o evento "sair bola azul" tem maior probabilidade de ocorrer, do que o evento "sair bola branca". 2 Conceito elementar de Probabilidade

Seja U um espao amostral finito e equiprovvel e A um determinado evento ou seja, um subconjunto de U. A probabilidade p(A) de ocorrncia do evento A ser calculada pela frmula p(A) = n(A) / n(U) onde: n(A) = nmero de elementos de A e n(U) = nmero de elementos do espao de prova U. Vamos utilizar a frmula simples acima, para resolver os seguintes exerccios introdutrios: 1.1 - Considere o lanamento de um dado. Calcule a probabilidade de: a) sair o nmero 3: Temos U = {1, 2, 3, 4, 5, 6} [n(U) = 6] e A = {3} [n(A) = 1]. Portanto, a probabilidade procurada ser igual a p(A) = 1/6. b) sair um nmero par: agora o evento A = {2, 4, 6} com 3 elementos; logo a probabilidade procurada ser p(A) = 3/6 = 1/2. c) sair um mltiplo de 3: agora o evento A = {3, 6} com 2 elementos; logo a probabilidade procurada ser p(A) = 2/6 = 1/3. d) sair um nmero menor do que 3: agora, o evento A = {1, 2} com dois elementos. Portanto,p(A) = 2/6 = 1/3. e) sair um quadrado perfeito: agora o evento A = {1,4} com dois elementos. Portanto, p(A) = 2/6 = 1/3. 1.2 - Considere o lanamento de dois dados. Calcule a probabilidade de: a) sair a soma 8 Observe que neste caso, o espao amostral U constitudo pelos pares ordenados (i,j), onde i = nmero no dado 1 e j = nmero no dado 2. evidente que teremos 36 pares ordenados possveis do tipo (i, j) onde i = 1, 2, 3, 4, 5, ou 6, o mesmo ocorrendo com j. As somas iguais a 8, ocorrero nos casos:(2,6),(3,5),(4,4),(5,3) e (6,2). Portanto, o evento "soma igual a 8" possui 5 elementos. Logo, a probabilidade procurada ser igual a p(A) = 5/36. b) sair a soma 12 Neste caso, a nica possibilidade o par (6,6). Portanto, a probabilidade procurada ser igual a p(A) = 1/36. 1.3 Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com reposio, calcule as probabilidades seguintes: a) sair bola azul p(A) = 6/20 = 3/10 = 0,30 = 30%

b) sair bola vermelha p(A) = 10/20 =1/2 = 0,50 = 50% c) sair bola amarela p(A) = 4/20 = 1/5 = 0,20 = 20% Vemos no exemplo acima, que as probabilidades podem ser expressas como porcentagem. Esta forma conveniente, pois permite a estimativa do nmero de ocorrncias para um nmero elevado de experimentos. Por exemplo, se o experimento acima for repetido diversas vezes, podemos afirmar que em aproximadamente 30% dos casos, sair bola azul, 50% dos casos sair bola vermelha e 20% dos casos sair bola amarela. Quanto maior a quantidade de experimentos, tanto mais a distribuio do nmero de ocorrncias se aproximar dos percentuais indicados. 3 Propriedades P1: A probabilidade do evento impossvel nula. Com efeito, sendo o evento impossvel o conjunto vazio (), teremos: p() = n()/n(U) = 0/n(U) = 0 Por exemplo, se numa urna s existem bolas brancas, a probabilidade de se retirar uma bola verde (evento impossvel, neste caso) nula. P2: A probabilidade do evento certo igual a unidade. Com efeito, p(A) = n(U)/n(U) = 1 Por exemplo, se numa urna s existem bolas vermelhas, a probabilidade de se retirar uma bola vermelha (evento certo, neste caso) igual a 1. P3: A probabilidade de um evento qualquer um nmero real situado no intervalo real [0, 1]. Esta propriedade, decorre das propriedades 1 e 2 acima. P4: A soma das probabilidades de um evento e do seu evento complementar igual a unidade. Seja o evento A e o seu complementar A'. Sabemos que A U A' = U. n(A U A') = n(U) e, portanto, n(A) + n(A') = n(U). Dividindo ambos os membros por n(U), vem: n(A)/n(U) + n(A')/n(U) = n(U)/n(U), de onde conclui-se: p(A) + p(A') = 1 Nota: esta propriedade simples, muito importante pois facilita a soluo de muitos problemas aparentemente complicados. Em muitos casos, mais fcil calcular a probabilidade do evento complementar e, pela propriedade acima, fica fcil determinar a probabilidade do evento. P5: Sendo A e B dois eventos, podemos escrever: p(A U B) = p(A) + p(B) p(A B) Observe que se A B= (ou seja, a interseo entre os conjuntos A e B o conjunto vazio), ento p(A U B) = p(A) + p(B).

Com efeito, j sabemos da Teoria dos Conjuntos que n(A U B) = n(A) + n(B) n(A B) Dividindo ambos os membros por n(U) e aplicando a definio de probabilidade, conclumos rapidamente a veracidade da frmula acima. Exemplo: Em uma certa comunidade existem dois jornais J e P. Sabe-se que 5000 pessoas so assinantes do jornal J, 4000 so assinantes de P, 1200 so assinantes de ambos e 800 no lem jornal. Qual a probabilidade de que uma pessoa escolhida ao acaso seja assinante de ambos os jornais? SOLUO: Precisamos calcular o nmero de pessoas do conjunto universo, ou seja, nosso espao amostral. Teremos: n(U) = N(J U P) + N. de pessoas que no lem jornais. n(U) = n(J) + N(P) N(J P) + 800 n(U) = 5000 + 4000 1200 + 800 n(U) = 8600 Portanto, a probabilidade procurada ser igual a: p = 1200/8600 = 12/86 = 6/43. Logo, p = 6/43 = 0,1395 = 13,95%. A interpretao do resultado a seguinte: escolhendo-se ao acaso uma pessoa da comunidade, a probabilidade de que ela seja assinante de ambos os jornais de aproximadamente 14%.(contra 86% de probabilidade de no ser). 4 Probabilidade condicional Considere que desejamos calcular a probabilidade da ocorrncia de um evento A, sabendo-se de antemo que ocorreu um certo evento B. Pela definio de probabilidade vista anteriormente, sabemos que a probabilidade de A dever ser calculada, dividindo-se o nmero de elementos de elementos de A que tambm pertencem a B, pelo nmero de elementos de B. A probabilidade de ocorrer A, sabendo-se que j ocorreu B, denominada Probabilidade condicional e indicada por p(A/B) probabilidade de ocorrer A sabendo-se que j ocorreu B da, o nome de probabilidade condicional. Teremos ento: p(A/B) = n(A B)/ n(B) onde A B = interseo dos conjuntos A e B. Esta frmula importante, mas pode ser melhorada. Vejamos: Ora, a expresso acima, pode ser escrita sem nenhum prejuzo da elegncia, nem do rigor, como: p(A/B) = [n(A B)/n(U)] . [n(U)/n(B)] p(A/B) = p(A B) . 1/p(B) Vem, ento: P(A/B) = p(A B)/p(B), de onde conclumos finalmente:

p(A B) = p(A/B).p(B) Esta frmula denominada Lei das Probabilidades Compostas. Esta importante frmula, permite calcular a probabilidade da ocorrncia simultnea dos eventos A e B, sabendo-se que j ocorreu o evento B. Se a ocorrncia do evento B, no mudar a probabilidade da ocorrncia do evento A, ento p(A/B) = p(A) e, neste caso, os eventos so ditos independentes, e a frmula acima fica: p(A B) = p(A) . p(B) Podemos ento afirmar, que a probabilidade de ocorrncia simultnea de eventos independentes, igual ao produto das probabilidades dos eventos considerados. Exemplo: Uma urna possui cinco bolas vermelhas e duas bolas brancas. Calcule as probabilidades de: a) em duas retiradas, sem reposio da primeira bola retirada, sair uma bola vermelha (V) e depois uma bola branca (B). Soluo: p(V B) = p(V) . p(B/V) p(V) = 5/7 (5 bolas vermelhas de um total de 7). Supondo que saiu bola vermelha na primeira retirada, ficaram 6 bolas na urna. Logo: p(B/V) = 2/6 = 1/3 Da lei das probabilidades compostas, vem finalmente que: P(V B) = 5/7 . 1/3 = 5/21 = 0,2380 = 23,8% b) em duas retiradas, com reposio da primeira bola retirada, sair uma bola vermelha e depois uma bola branca. Soluo: Com a reposio da primeira bola retirada, os eventos ficam independentes. Neste caso, a probabilidade buscada poder ser calculada como: P(V B) = p(V) . p(B) = 5/7 . 2/7 = 10/49 = 0,2041 = 20,41% Observe atentamente a diferena entre as solues dos itens (a) e (b) acima, para um entendimento perfeito daquilo que procuramos transmitir.

1 Introduo

Chama-se experimento aleatrio aquele cujo resultado imprevisvel, porm pertence necessariamente a um conjunto de resultados possveis denominado espao amostral. Qualquer subconjunto desse espao amostral denominado evento. Se este subconjunto possuir apenas um elemento, o denominamos evento elementar. Por exemplo, no lanamento de um dado, o nosso espao amostral seria U = {1, 2, 3, 4, 5, 6}. Exemplos de eventos no espao amostral U: A: sair nmero maior do que 4: A = {5, 6} B: sair um nmero primo e par: B = {2} C: sair um nmero mpar: C = {1, 3, 5} Nota: O espao amostral tambm denominado espao de prova. Trataremos aqui dos espaos amostrais equiprovveis, ou seja, aqueles onde os eventos elementares possuem a mesma chance de ocorrerem. Por exemplo, no lanamento do dado acima, supe-se que sendo o dado perfeito, as chances de sair qualquer nmero de 1 a 6 so iguais. Temos ento um espao equiprovvel. Em oposio aos fenmenos aleatrios, existem os fenmenos determinsticos, que so aqueles cujos resultados so previsveis, ou seja, temos certeza dos resultados a serem obtidos. Normalmente existem diversas possibilidades possveis de ocorrncia de um fenmeno aleatrio, sendo a medida numrica da ocorrncia de cada uma dessas possibilidades, denominada Probabilidade. Consideremos uma urna que contenha 49 bolas azuis e 1 bola branca. Para uma retirada, teremos duas possibilidades: bola azul ou bola branca. Percebemos entretanto que ser muito mais freqente obtermos numa retirada, uma bola azul, resultando da, podermos afirmar que o evento "sair bola azul" tem maior probabilidade de ocorrer, do que o evento "sair bola branca". 2 Conceito elementar de Probabilidade Seja U um espao amostral finito e equiprovvel e A um determinado evento ou seja, um subconjunto de U. A probabilidade p(A) de ocorrncia do evento A ser calculada pela frmula p(A) = n(A) / n(U) onde: n(A) = nmero de elementos de A e n(U) = nmero de elementos do espao de prova U. Vamos utilizar a frmula simples acima, para resolver os seguintes exerccios introdutrios: 1.1 - Considere o lanamento de um dado. Calcule a probabilidade de:

a) sair o nmero 3: Temos U = {1, 2, 3, 4, 5, 6} [n(U) = 6] e A = {3} [n(A) = 1]. Portanto, a probabilidade procurada ser igual a p(A) = 1/6. b) sair um nmero par: agora o evento A = {2, 4, 6} com 3 elementos; logo a probabilidade procurada ser p(A) = 3/6 = 1/2. c) sair um mltiplo de 3: agora o evento A = {3, 6} com 2 elementos; logo a probabilidade procurada ser p(A) = 2/6 = 1/3. d) sair um nmero menor do que 3: agora, o evento A = {1, 2} com dois elementos. Portanto,p(A) = 2/6 = 1/3. e) sair um quadrado perfeito: agora o evento A = {1,4} com dois elementos. Portanto, p(A) = 2/6 = 1/3. 1.2 - Considere o lanamento de dois dados. Calcule a probabilidade de: a) sair a soma 8 Observe que neste caso, o espao amostral U constitudo pelos pares ordenados (i,j), onde i = nmero no dado 1 e j = nmero no dado 2. evidente que teremos 36 pares ordenados possveis do tipo (i, j) onde i = 1, 2, 3, 4, 5, ou 6, o mesmo ocorrendo com j. As somas iguais a 8, ocorrero nos casos:(2,6),(3,5),(4,4),(5,3) e (6,2). Portanto, o evento "soma igual a 8" possui 5 elementos. Logo, a probabilidade procurada ser igual a p(A) = 5/36. b) sair a soma 12 Neste caso, a nica possibilidade o par (6,6). Portanto, a probabilidade procurada ser igual a p(A) = 1/36. 1.3 Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com reposio, calcule as probabilidades seguintes: a) sair bola azul p(A) = 6/20 = 3/10 = 0,30 = 30% b) sair bola vermelha p(A) = 10/20 =1/2 = 0,50 = 50% c) sair bola amarela p(A) = 4/20 = 1/5 = 0,20 = 20% Vemos no exemplo acima, que as probabilidades podem ser expressas como porcentagem. Esta forma conveniente, pois permite a estimativa do nmero de ocorrncias para um nmero elevado de experimentos. Por exemplo, se o experimento acima for repetido diversas vezes, podemos afirmar que em aproximadamente 30% dos casos, sair bola azul, 50% dos casos sair bola vermelha e 20% dos casos sair bola amarela. Quanto maior a quantidade de experimentos, tanto mais a distribuio do nmero de ocorrncias se aproximar dos percentuais indicados.

3 Propriedades P1: A probabilidade do evento impossvel nula. Com efeito, sendo o evento impossvel o conjunto vazio (), teremos: p() = n()/n(U) = 0/n(U) = 0 Por exemplo, se numa urna s existem bolas brancas, a probabilidade de se retirar uma bola verde (evento impossvel, neste caso) nula. P2: A probabilidade do evento certo igual a unidade. Com efeito, p(A) = n(U)/n(U) = 1 Por exemplo, se numa urna s existem bolas vermelhas, a probabilidade de se retirar uma bola vermelha (evento certo, neste caso) igual a 1. P3: A probabilidade de um evento qualquer um nmero real situado no intervalo real [0, 1]. Esta propriedade, decorre das propriedades 1 e 2 acima. P4: A soma das probabilidades de um evento e do seu evento complementar igual a unidade. Seja o evento A e o seu complementar A'. Sabemos que A U A' = U. n(A U A') = n(U) e, portanto, n(A) + n(A') = n(U). Dividindo ambos os membros por n(U), vem: n(A)/n(U) + n(A')/n(U) = n(U)/n(U), de onde conclui-se: p(A) + p(A') = 1 Nota: esta propriedade simples, muito importante pois facilita a soluo de muitos problemas aparentemente complicados. Em muitos casos, mais fcil calcular a probabilidade do evento complementar e, pela propriedade acima, fica fcil determinar a probabilidade do evento. P5: Sendo A e B dois eventos, podemos escrever: p(A U B) = p(A) + p(B) p(A B) Observe que se A B= (ou seja, a interseo entre os conjuntos A e B o

conjunto vazio), ento p(A U B) = p(A) + p(B).


Com efeito, j sabemos da Teoria dos Conjuntos que n(A U B) = n(A) + n(B) n(A B)

Dividindo ambos os membros por n(U) e aplicando a definio de probabilidade, conclumos rapidamente a veracidade da frmula acima.
Exemplo: Em uma certa comunidade existem dois jornais J e P. Sabe-se que 5000 pessoas so assinantes do jornal J, 4000 so assinantes de P, 1200 so assinantes de ambos e 800 no lem jornal. Qual a probabilidade de que uma pessoa escolhida ao acaso seja assinante de ambos os jornais?

SOLUO: Precisamos calcular o nmero de pessoas do conjunto universo, ou seja, nosso espao amostral. Teremos: n(U) = N(J U P) + N. de pessoas que no lem jornais. n(U) = n(J) + N(P) N(J P) + 800 n(U) = 5000 + 4000 1200 + 800 n(U) = 8600 Portanto, a probabilidade procurada ser igual a: p = 1200/8600 = 12/86 = 6/43. Logo, p = 6/43 = 0,1395 = 13,95%. A interpretao do resultado a seguinte: escolhendo-se ao acaso uma pessoa da comunidade, a probabilidade de que ela seja assinante de ambos os jornais de aproximadamente 14%.(contra 86% de probabilidade de no ser). 4 Probabilidade condicional Considere que desejamos calcular a probabilidade da ocorrncia de um evento A, sabendo-se de antemo que ocorreu um certo evento B. Pela definio de probabilidade vista anteriormente, sabemos que a probabilidade de A dever ser calculada, dividindose o nmero de elementos de elementos de A que tambm pertencem a B, pelo nmero de elementos de B. A probabilidade de ocorrer A, sabendo-se que j ocorreu B, denominada Probabilidade condicional e indicada por p(A/B) probabilidade de ocorrer A sabendo-se que j ocorreu B da, o nome deprobabilidade condicional. Teremos ento: p(A/B) = n(A B)/ n(B) onde A B = interseo dos conjuntos A e . Esta frmula importante, mas pode ser melhorada. Vejamos: Ora, a expresso acima, pode ser escrita sem nenhum prejuzo da elegncia, nem do rigor, como: p(A/B) = [n(A B)/n(U)] . [n(U)/n(B)] p(A/B) = p(A B) . 1/p(B) Vem, ento: P(A/B) = p(A B)/p(B), de onde conclumos finalmente: p(A B) = p(A/B).p(B) Esta frmula denominada Lei das Probabilidades Compostas. Esta importante frmula, permite calcular a probabilidade da ocorrncia simultnea dos eventos A e B, sabendo-se que j ocorreu o evento B. Se a ocorrncia do evento B, no mudar a probabilidade da ocorrncia do evento A, ento p(A/B) = p(A) e, neste caso, os eventos so ditos independentes, e a frmula acima fica: p(A B) = p(A) . p(B)

Podemos ento afirmar, que a probabilidade de ocorrncia simultnea de eventos independentes, igual ao produto das probabilidades dos eventos considerados. Exemplo: Uma urna possui cinco bolas vermelhas e duas bolas brancas. Calcule as probabilidades de: a) em duas retiradas, sem reposio da primeira bola retirada, sair uma bola vermelha (V) e depois uma bola branca (B). Soluo: p(V B) = p(V) . p(B/V) p(V) = 5/7 (5 bolas vermelhas de um total de 7). Supondo que saiu bola vermelha na primeira retirada, ficaram 6 bolas na urna. Logo: p(B/V) = 2/6 = 1/3 Da lei das probabilidades compostas, vem finalmente que: P(V B) = 5/7 . 1/3 = 5/21 = 0,2380 = 23,8% b) em duas retiradas, com reposio da primeira bola retirada, sair uma bola vermelha e depois uma bola branca. Soluo: Com a reposio da primeira bola retirada, os eventos ficam independentes. Neste caso, a probabilidade buscada poder ser calculada como: P(V B) = p(V) . p(B) = 5/7 . 2/7 = 10/49 = 0,2041 = 20,41% Observe atentamente a diferena entre as solues dos itens (a) e (b) acima, para um entendimento perfeito daquilo que procuramos transmitir.

Vimos na aula anterior, que num espao amostral U, finito e equiprovvel, a probabilidade de ocorrncia de um evento A dada por:

onde n(A) = n. de elementos de A e n(U) = n. de elementos de U. Sabe-se que p(A) um nmero real que pode assumir valores de 0 a 1, sendo p(A) = 0, a probabilidade de um evento impossvel (conjunto vazio) e p(A) = 1, a probabilidade de um evento certo (conjunto universo).

J sabemos tambm que definido um evento A, podemos considerar o seu evento complementar A = {x U; x A}. Alm disto, vimos que p(A) = 1 p(A). Vejamos um exemplo de aplicao imediata das frmulas acima: Ao sortear ao acaso um dos nmeros naturais menores que 100, qual a probabilidade do nmero sorteado ser menor do que 30? Ora, neste caso, o nosso espao amostral : U = {0,1,2,3, ... , 99}. O evento A igual a: A ={0,1,2,3, ... , 29}. O evento complementar de A igual a: A= {30,31,32, ... , 99}. Temos que: n(U) = 100, n(A) = 30 e n(A) = 70. Portanto: p(A) = 30/100 = 0,30 = 30% p(A) = 70/100 = 0,70 = 70% Vemos que p(A) + p(A) = 0,30 + 0,70 = 1, o que confirma que a probabilidade de um evento somada probabilidade do seu evento complementar, igual unidade. Vimos tambm na aula anterior que, sendo A e B dois eventos do espao amostral U, podemos escrever: p(A B) = p(A) + p(B) p(A B) Vejamos um exemplo de aplicao da frmula supra: No lanamento de um dado, determine a probabilidade de se obter um nmero mpar ou mais de 4 pontos na face de cima. Ora, neste caso, teremos: Espao amostral: U = {1,2,3,4,5,6} n(U) = 6 Evento A: A = {1,3,5} n(A) = 3 Evento B: B = {5,6} n(B) = 2 Evento interseo: A B = {5} n(A B) = 1 Ento, vem: p(A B) = 3/6 + 2/6 1/6 = 4/6 = 2/3 = 0,6667 = 66,67%. NOTA: Se A B = , ento dizemos que A e B so eventos mutuamente exclusivos, e, neste caso, p(A B) = p(A) + p(B), j que p() = 0 [evento impossvel]. Vejamos um exemplo ilustrativo do caso acima: Suponha que no lanamento de um dado, deseja-se saber qual a probabilidade de se obter um nmero par ou um nmero menor do que 2. Temos os seguintes eventos: A = {2,4,6} n(A) = 3 B = {1} n(B) = 1

A B = n(A B) = 0 Portanto, p(A B) = 3/6 + 1/6 = 4/6 = 2/3 = 0,6667 = 66,67% Vimos tambm na aula anterior, que a probabilidade de ocorrncia simultnea de dois eventos A e B dada por: p(A B) = p(A) . p(B/A) OU p(A B) = p(B) . p(A/B) onde: p(A/B) = probabilidade de ocorrer A, sabendo-se que ocorreu o evento B. p(B/A) = probabilidade de ocorrer B, sabendo-se que ocorreu o evento A. Se a ocorrncia do evento B no modifica a chance de ocorrer o evento A, diremos que os eventos A e B so INDEPENDENTES e, neste caso, teremos que p(B/A) = p(B), e a frmula resume-se a: p(A B) = p(A).p(B) O exemplo ilustrativo a seguir, ajudar a entender a afirmao supra: Qual a probabilidade de em dois lanamentos de um dado, se obter nmero par no primeiro e nmero mpar no segundo? Ora, os eventos so obviamente independentes, pois a ocorrncia de um no afeta o outro. Logo, teremos: p(A B) = p(A).p(B) = 3/6 . 3/6 = 1/2.1/2 = 1/4 = 0,25 = 25%. Vejamos agora, um exemplo de eventos dependentes: Suponha que uma caixa possui duas bolas pretas e quatro verdes, e, outra caixa possui uma bola preta e trs bolas verdes. Passa-se uma bola da primeira caixa para a segunda, e retira-se uma bola da segunda caixa. Qual a probabilidade de que a bola retirada da segunda caixa seja verde? Este problema envolve dois eventos mutuamente exclusivos, quais sejam: Ou a bola transferida verde ou a bola transferida preta. Ora, teremos: (observe atentamente a simbologia utilizada, comparando com o que foi dito anteriormente). 1 possibilidade: a bola transferida verde : Probabilidade de que a bola transferida seja verde = p(V) = 4/6 = 2/3 (4 bolas verdes em 6). Portanto, a probabilidade que saia BOLA VERDE na 2 caixa, supondo-se que a bola transferida de cor VERDE, ser igual a: P(V/V) = 4/5 (a segunda caixa possui agora, 3 bolas verdes + 1 bola verde transferida + 1 bola preta, portanto, 4 bolas verdes em 5). Pela regra da probabilidade condicional, vem: P(V V) = p(V) . p(V/V) = 2/3 . 4/5 = 8/15

2 possibilidade: a bola transferida preta : Probabilidade de que a bola transferida seja preta = p(P) = 2/6 = 1/3 (2 bolas pretas e 4 verdes, num total de 6). Portanto, a probabilidade que saia BOLA VERDE, supondo-se que a bola transferida de cor PRETA, ser igual a: P(V/P) = 3/5 (observe que a segunda caixa possui agora, 1 bola preta + 3 bolas verdes + 1 bola preta transferida = 5 bolas). Da, vem: p(V P) = p(P) . p(V/P) = 1/3 . 3/5 = 1/5. Finalmente vem: P[(V V) (V P)] = p(V V) + p(V P) = 8/15 + 1/5 = 8/15 + 3/15 = 11/15, que a resposta do problema. Mas 11/15 = 0,7333 = 73,33% Portanto, a probabilidade de que saia uma bola verde de 73,33%. Uma interpretao vlida para o problema acima que se o experimento descrito for repetido 100 vezes, em aproximadamente 73 vezes ser obtido bola verde. Se o experimento for repetido 1000 vezes, em aproximadamente 733 vezes ser obtido bola verde; e se o experimento for repetido um milho de vezes? Resposta: obteremos bola verde em aproximadamente 7333 vezes. Perceberam? Agora, resolva este: Uma caixa contm trs bolas vermelhas e cinco bolas brancas e outra possui duas bolas vermelhas e trs bolas brancas. Considerando-se que uma bola transferida da primeira caixa para a segunda, e que uma bola retirada da segunda caixa, podemos afirmar que a probabilidade de que a bola retirada seja da cor vermelha : a) 18/75 b) 19/45 c) 19/48 d) 18/45 e) 19/75 Resposta: C Nota: 19/48 = 39,58%, ou seja, em 10.000 experimentos, seriam obtidos aproximadamente 3958 bolas brancas. Em 100 experimentos? Claro que teramos aproximadamente 39 bolas brancas.

Vamos resolver mais algumas questes sobre o assunto. 1 Uma urna possui trs bolas pretas e cinco bolas brancas. Quantas bolas azuis devem ser colocadas nessa urna, de modo que retirando-se uma bola ao acaso, a probabilidade dela ser azul seja igual a 2/3? SOLUO: Seja x o nmero de bolas azuis a serem colocadas na urna. O espao amostral possuir, neste caso, 3 + 5 + x = x + 8 bolas. Pela definio de probabilidade vista nas aulas anteriores, a probabilidade de que uma bola retirada ao acaso seja da cor azul ser dada por: x/(x+8). Mas, o problema diz que a probabilidade deve ser igual a 2/3. Logo, vem: x/(x+8) = 2/3; da, vem, resolvendo a equao do 1 grau: 3x = 2(x+8) , donde 3x = 2x + 16 e, finalmente vem que x = 16. Resposta: 16 bolas azuis. 2 Considere uma urna que contm uma bola preta, quatro bolas brancas e x bolas azuis. Uma bola retirada ao acaso dessa urna, a sua cor observada e a bola devolvida urna. Em seguida, retira-se novamente, ao acaso, uma bola dessa urna. Para que valores de x a probabilidade de que as bolas sejam da mesma cor vale 1/2? SOLUO: O espao amostral do experimento possui n(U) = 1 + 4 + x = x + 5 bolas. Vamos considerar as trs situaes distintas possveis: A. as bolas retiradas so ambas da cor preta. Como existe reposio da bola retirada, os eventos so independentes. Logo, a probabilidade que saia uma bola preta (P) e em seguida outra bola preta (P) ser dada por: p(P P) = p(P).p(P) =[1/(x+5)].[1/(x+5)] = 1/(x+5)2 B. as bolas retiradas so ambas da cor branca. Usando o mesmo raciocnio anterior e considerando-se que os eventos so independentes (pois ocorre a reposio da bola retirada), teremos: P(B B) = p(B) . p(B) = [4/(x+5)].[4/(x+5)] = 16/(x+5)2 C. as bolas retiradas so ambas da cor azul. Analogamente, vem: p(A A) = p(A) . p(A) = [x/(x+5)].[x/(x+5)] = x2/(x+5)2

Estes trs eventos so INDEPENDENTES pois com a reposio da bola retirada a ocorrncia de um deles, no modifica as chances de ocorrncia do outro. Logo, a probabilidade da unio desses trs eventos, ser igual a soma das probabilidades individuais. Da, pelos dados do problema, vem que: [1/(x+5)2] + [16/(x+5)2] + [x2/(x+5)2 ]= 1/2 Vamos resolver esta equao do 2 grau: (1+16+x2)/(x+5)2 = 1 /2 2(17+x2) = 1. (x+5)2 34 + 2x2 = x2 + 10x + 25 x2 10x + 9 = 0, de onde conclumos x=1 ou x=9. Resposta: x=1 ou x=9. Nota: as questes 1 e 2 acima, compareceram no vestibular da FUVEST 1995 segunda fase, subdivididas em dois tens (a) e (b) da questo de nmero 08. 3 Uma mquina produziu 60 parafusos dos quais 5 eram defeituosos. Escolhendo-se ao acaso dois parafusos dessa amostra, qual a probabilidade de que os dois sejam perfeitos? Soluo: Existem problemas de Probabilidades nos quais a contagem do nmero de elementos do espao amostral U no pode ser feita diretamente. Teremos que recorrer Anlise Combinatria, para facilitar a soluo. Para determinar o nmero de elementos do nosso espao amostral U, teremos que calcular quantos grupamentos de 2 parafusos poderemos obter com os 60 parafusos da amostra. Trata-se de um tpico problema de Combinaes simples, j visto em Anlise Combinatria. Teremos ento: n(U) = C60,2 = 60!/(58!.2!) = 60.59.58!/58!.1.2 = 30.59 Considerando-se o evento E: os dois parafusos retirados so perfeitos, vem que: 60 parafusos 5 defeituosos = 55 parafusos perfeitos. Teremos ento que o nmero de possibilidades desse evento ser dado por: n(E) = C55,2 = 55!/53!.2! = 55.54.53!/53!.1.2 = 55.27 Logo, a probabilidade de ocorrncia do evento E ser igual a: p(E) = n(E)/n(U) = 55.27/30.59 = 1485/1770 = 0,838983 = 83,8983% Resposta: aproximadamente 84%. A interpretao deste resultado que se o experimento for repetido 100 vezes, obteremos aproximadamente em 84 vezes, dois parafusos perfeitos.

Agora resolva as seguintes questes: Q1) Uma mquina produziu 50 parafusos dos quais 5 eram defeituosos. Retirando-se ao acaso, 3 parafusos dessa amostra, determine a probabilidade de que os 3 parafusos sejam defeituosos. Resposta: 0,00051 = 0,051% Q2) Em relao questo anterior, determine a probabilidade de numa retirada de 3 parafusos ao acaso, sairem pelo menos dois parafusos defeituosos. Resposta: 0,02347 = 2,347% Observao: pelo menos 2 defeituosos = 2 defeituosos ou 3 defeituosos. Lembre-se que o nmero de maneiras de numa retirada de 3 parafusos, sairem 2 defeituosos e 1 no defeituoso ser dado por: C5,2.C45,1 = 450. Da, a probabilidade de sairem 2 parafusos defeituosos ser igual a 450/C50,3 = 0,02296. J sabemos do exerccio anterior que a probabilidade de sairem 3 parafusos defeituosos igual a 0,00051. Portanto, a probabilidade procurada ser igual soma: 0,02296 + 0,00051 = 0,02347 = 2,347%. Q3) FEI-SP Uma urna contm 10 bolas pretas e 8 bolas vermelhas. Retiramos 3 bolas sem reposio. Qual a probabilidade de as duas primeira serem pretas e a terceira vermelha? Resposta: 5/34 ou aproximadamente 14,7% Q4) FMU-SP Uma urna contm 5 bolas vermelhas e 4 pretas; dela so retiradas duas bolas, uma aps a outra, sem reposio; a primeira bola retirada de cor preta; Qual a probabilidade de que a segunda bola retirada seja vermelha? Resposta: 5/8 ou 62,5%

Distribuio binomial de probabilidades Considere um certo experimento aleatrio que repetido n vezes nas mesmas condies. Seja U o espao amostral desse experimento e A umevento desse espao amostral. Seja A o evento complementar do evento A. J sabemos que: 1) p(A) = n(A) / n(U) [frmula fundamental das probabilidades] 2) p(A) + p(A) = 1 p(A) = 1 p(A) Para simplificar o desenvolvimento que faremos a seguir, vamos introduzir a seguinte notao: Probabilidade de ocorrer o evento A = p(A) = p Probabilidade de ocorrer o evento complementar A = p(A) = q Podemos escrever: p + q = 1 q = 1 p No difcil demonstrar que: Se o experimento for repetido n vezes nas mesmas condies, ento, a probabilidade do evento A ocorrer exatamente k vezes ser dada pela frmula:

Onde: P(n,k) = probabilidade de ocorrer exatamente k vezes o evento A aps n repeties.

Exemplo: Lana-se um dado 8 vezes. Qual a probabilidade de sair exatamente 5 nmeros iguais a 3? Soluo: Sejam os eventos: Evento A: sair o nmero 3 Evento complementar de A = A: no sair o nmero 3 Teremos: p(A) = 1/6 = p

p(A) = 1 1/6 = 5/6 Portanto, a probabilidade procurada ser dada por:

Resposta: a probabilidade de sair o nmero 3 exatamente 5 vezes no lanamento de um dado 8 vezes, aproximadamente igual a 0,15 ou 15%.
Agora resolva este:

Uma moeda lanada dez vezes consecutivas. Calcule a probabilidade de sair exatamente duas caras. Resposta: aproximadamente 4,39% (ou 45/1024).

Sejam p(A), p(B) e p(C), as probabilidades individuais de A, B, C, vencerem. Pelos dados do enunciado, temos: p(A) = p(B) = 2.p(C). Seja p(A) = k. Ento, p(B) = k e p(C) = k/2. Temos: p(A) + p(B) + p(C) = 1. Isto explicado pelo fato de que a probabilidade de A vencer ou B vencer ou C vencer igual a 1. (evento certo). Assim, substituindo, vem: k + k + k/2 = 1 k = 2/5. Portanto, p(A) = k = 2/5, p(B) = 2/5 e p(C) = 2/10 = 1/5. A probabilidade de A ou C vencer ser a soma dessas probabilidades, ou seja 2/5 + 1/5 = 3/5. 4 Uma moeda viciada, de maneira que as CARAS so trs vezes mais provveis de aparecer do que as COROAS. Calcule as probabilidades de num lanamento sair COROA. Resposta: 1/4. 5 Um dado viciado, de modo que cada nmero par tem duas vezes mais chances de aparecer num lanamento, que qualquer nmero mpar. Determine a probabilidade de num lanamento aparecer um nmero primo.

Soluo: Pelo enunciado, podemos escrever: p(2) = p(4) = p(6) = 2.p(1) = 2.p(3) = 2.p(5). Seja p(2) = k. Poderemos escrever: p(2) + p(4) + p(6) + p(1) + p(3) + p(5) = 1, ou seja: a soma das probabilidades dos eventos elementares igual a 1. Ento, substituindo, vem: k + k + k + k/2 + k/2 + k/2 = 1 k = 2/9. Assim, temos: p(2) = p(4) = p(6) = 2/9 p(1) = p(3) = p(5) = 2/18 = 1/9. O evento sair nmero primo corresponde a sair o 2, ou o 3 ou o 5. Logo, p(2) + p(3) + p(5) = 2/9 + 1/9 + 1/9 = 4/9. 6 Use o mesmo enunciado anterior e determine a probabilidade de num nico lanamento sair um nmero mpar. Resposta: 1/3 7 Um carto retirado aleatoriamente de um conjunto de 50 cartes numerados de 1 a 50. Determine a probabilidade do carto retirado ser de um nmero primo. Soluo: Os nmeros primos de 1 a 50 so: 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43 e 47, portanto, 15 nmeros primos. Temos, portanto, 15 chances de escolher um nmero primo num total de 50 possibilidades. Portanto, a probabilidade pedida ser igual a p = 15/50 = 3/10. 8 - Use o mesmo enunciado anterior e determine a probabilidade de numa nica retirada, sair um carto com um nmero divisvel por 5. Resposta: 1/5. 9 Das 10 alunas de uma classe, 3 tem olhos azuis. Se duas delas so escolhidas ao acaso, qual a probabilidade de ambas terem os olhos azuis? Soluo:

Existem C10,2 possibilidades de se escolher duas pessoas entre 10 e, existem C3,2 possibilidades de escolher duas alunas de olhos azuis entre as trs. Logo, a probabilidade procurada ser igual a: P = C3,2 / C10,2 = (3.2/2.1)/(10.9/2.1) = 6/90 = 3/45 = 1/15. Comentrios sobre o clculo de Cn,p. Como j sabemos da Anlise Combinatria ,

Esta a forma tradicional de se calcular C n,p. Na prtica, entretanto, podemos recorrer ao seguinte expediente: C n,p possui sempre p fatores no numerador a partir de n, decrescendo uma unidade a cada fator e p fatores no denominador a partir de p, decrescendo uma unidade a cada fator. Exemplos: C10,4 = (10.9.8.7)/(4.3.2.1) = 210. C8,3 = (8.7.6)/(3.2.1) = 56. C16,3 = (16.15.14)/(3.2.1) = 560. C12,4 = (12.11.10.9)/(4.3.2.1) = 495. C10,5 = (10.9.8.7.6)/(5.4.3.2.1) = 252. 10 Considere o mesmo enunciado da questo anterior e calcule a probabilidade de na escolha de duas alunas, nenhuma ter olhos azuis. Resposta: 7/15. Dica: como nenhuma das alunas deve ter olhos azuis, restam 10 3 = 7 alunas. Portanto, ...
1 - Uma urna contm bolas numeradas de 1 a 9. Sorteiam-se, com reposio, duas bolas. A probabilidade de que o nmero da segunda bola seja maior do que o da primeira : a) 8/9 b) 5/9 c) 7/9

d) 4/9 e) 1/3 Soluo: Suponha que em duas retiradas com reposio obtenhamos a primeira bola com nmero a e a segunda bola com nmero b. O problema quer saber a probabilidade da segunda bola possuir nmero maior do que a primeira, ou seja, b > a . Observe que no sorteio de duas bolas, obteremos pares ordenados da forma (a, b) onde a o nmero da primeira bola sorteada e b o nmero da segunda. Vamos utilizar um raciocnio bem simples para a soluo deste exerccio. Inicialmente, vamos construir a tabela de dupla entrada a seguir, (onde a primeira coluna indica a primeira bola sorteada e a primeira linha indica a segunda bola sorteada). Isto ajuda a visualizar todos os pares ordenados da forma (a,b) possveis.

1 2 1 2 3 4 5 6 7 8 9 x

3 x x

4 x x x

5 x x x x

6 x x x x x

7 x x x x x x

8 x x x x x x x

9 x x x x x x x x

Verificamos que so 9.9 = 81 pares ordenados do tipo (a, b) e 36 deles (marcados em vermelho na tabela acima) satisfazem a b > a . Verifique que 36 = 8 + 7 + 6 + 5 + 4 + 3 + 2 + 1 (soma dos 8 primeiros termos de uma PA decrescente de primeiro termo 8 e ltimo termo 1).

Observe que nenhum par do tipo (9, b) satisfaz ao enunciado pois neste caso, se a primeira bola sorteada for a 9, a segunda no poder ter nmero maior, j que s existem bolas numeradas de 1 a 9. Temos ento, 36 possibilidades favorveis ao evento o nmero da segunda bola sorteada maior do que o nmero da primeira bola em 81 resultados possveis, o que indica que a probabilidade procurada igual a 36/81, que simplificada fica 4/9, o que nos leva alternativa D. 2 - Uma urna contm bolas numeradas de 1 a 99. Sorteiam-se, com reposio, duas bolas. A probabilidade de que o nmero da segunda bola seja maior do que o da primeira : a) 49/99 b) 39/99 c) 69/99 d) 59/99 e) 27/99 Soluo: Raciocinando analogamente ao exerccio anterior, veremos facilmente que existiro 98 + 97 + 96 + ... + 1 possibilidades favorveis, de um total de 99.99. Logo, a probabilidade procurada ser igual ao quociente (98 + 97 + 96 + ... + 1) / 99.99 A soma dos termos do numerador da frao acima, pode ser obtida facilmente observando que trata-se de uma PA de 98 termos, primeiro termo 98 e ltimo termo 1 . Usando a frmula da soma dos n primeiros termos de uma PA: Sn = [(a1 + an).n] / 2, fica: 98 + 97 + 96 + ... + 1 = [(98 + 1).98] / 2 = 99.49. A probabilidade procurada ser igual ento a 99.49 / 99.99 = 49/99 , o que nos leva alternativa A . 3 - Uma urna contm bolas numeradas de 1 a n. Sorteiam-se, com reposio, duas bolas. A probabilidade de que o nmero da segunda bola seja maior do que o da primeira : a) n/2 b) (n 1)/2n c) (n 1)/3n d) (n+1)/n e) n/(n+1) Soluo: Trata-se de uma generalizao dos problemas anteriores. Vamos novamente recorrer tabela de dupla entrada para ajudar na visualizao e entendimento da questo.

...

... n-1

1 2 3 4 5 6 7 8 ... ... n-1 n

X X

X X X

X X X X

X X X X X

X X X X X X

X X X X X X X

X X X X X X X X

X X X X X X X X X

X X X X X X X X X X

X X X X X X X X X X X

A primeira coluna indica a primeira bola sorteada e a primeira linha indica a segunda bola sorteada). Isto ajuda a visualizar todos os pares ordenados da forma (a,b) possveis. Verificamos que o nmero de casos favorveis ao evento o nmero da segunda bola sorteada maior do que o nmero da primeira bola indicados na tabela acima por X, igual soma dos (n 1) termos : (n 1) + (n 2) + (n 3) + ... + 1. Reconhecemos imediatamente tratar-se da soma dos termos de uma PA de primeiro termo (n 1), nmero de termos (n 1) e ltimo termo igual a 1. Aplicando a conhecida frmula da soma dos termos de uma PA, vem: (n 1) + (n 2) + (n 3) + ... + 1 = [(n 1) + 1](n 1) / 2 = n.(n 1) / 2 Ora, o total de possibilidades possveis (total de pares ordenados) obviamente igual a n2 . Logo, a probabilidade procurada ser igual ao quociente: p = [n.(n 1)/2] / n2 = (n 1) / 2n, o que nos leva tranqilamente alternativa B. Uma observao importante relativa a este problema que, sendo a probabilidade p = (n 1) / 2n, podemos escrev-la na forma: p = n/2n 1/2n = 1/2 - 1/2n, sendo n o nmero de bolas na urna. Para valores muito grandes de n, o valor 1/(2n) vai se aproximar de zero (j que n est no denominador) e p, no limite, ser igual a 1/2. Portanto, quanto maior o nmero de

bolas contidas na urna, maior a probabilidade, a qual entretanto, nunca ser maior ou igual a 1 /2 = 0,50 = 50%.

Noes elementares de Estatstica: medidas de tendncia central e de disperso


1 Introduo No Novo Dicionrio Brasileiro Ed. Melhoramentos 7 edio 1971 lse para o verbete estatstica - 1. conjunto de processos que tem por objeto a observao, classificao formal e anlise dos fenmenos coletivos ou de massa, bem como a induo das leis a que tais fenmenos globalmente obedeam. 2. apresentao numrica, em tabelas ou grficos, dos resultados da observao de fenmenos de massa. Claro que o termomassa , refere-se populao e no ao conceito fsico. Os dados estatsticos devem ser apresentados na forma de tabelas, de modo a facilitar a sua interpretao. Imaginemos por exemplo o conjunto de valores a seguir, coletados numa sala de aula com 32 alunos, referente s idades dos alunos em anos: 17, 17, 17, 18, 18, 18, 18, 18, 19, 19, 19, 19, 19, 20, 20, 20, 20, 20, 20, 20, 21, 21, 21, 21, 21, 21, 21, 21, 22, 22, 23, 23. Nota: dados expressos desta forma so ditos dados no agrupados. Poderemos representar estes dados de uma forma mais organizada, conforme tabela a seguir, onde a coluna frequncia representa o nmero de ocorrncias de cada idade:

Idade (a) Freqnci a 17 18 19 20 3 5 5 7

21 22 23 Total

8 2 2 32

Observem que a apresentao dos dados na forma de tabela facilita e muito a interpretao. Considere agora a relao dos pesos (em kg) de 30 alunos de uma sala, indicada a seguir: 75 68 75 59 68 80 84 68 80 68 68 75 75 80 80 75 80 68 84 75 68 59 68 80 80 68 80 75 68 80 Observem que estes dados no agrupados, podem at causar confuso para sua interpretao. E vejam que so somente 30 alunos; imaginem se fossem 3000? Vejam os mesmos dados agrupados conforme tabela abaixo:

Peso (kg) Freqncia (f) 59 68 75 80 84 Total 2 10 7 9 2 30

evidente que a representao na forma de tabela muito mais conveniente para qualquer anlise que se deseje fazer em relao aos dados. O uso de tabelas (dados agrupados) muito difundido em Estatstica.

Os mesmos dados acima, poderiam ser agrupados com os pesos em classes de 10 em 10 kg, da seguinte forma:

Peso (em kg) 50 |---- 60 60 |---- 70 70 |---- 80 80 |---- 90 Total

Freqnci a 2 10 7 11 30

Notas: a) claro que poderamos dividir os pesos de 5 em 5kg, 6 em 6kg, etc. Estes intervalos so denominados classes. b) o smbolo |--- significa que o extremo 50 pertence ao intervalo e o extremo 60 no pertence ao intervalo. Por exemplo, se quisssemos indicar que o valor 60 pertence ao intervalo, escreveramos: 50|---|60. (Os pontos tracejados devem ser escritos de forma contnua; no encontrei smbolo para isto no teclado). Na Estatstica, a representao dos dados atravs de tabelas bastante comum. Estes dados tabulados so conhecidos como distribuies de frequncia. 2 Apresentaremos a seguir, definies e comentrios cobrados no ensino mdio, ou seja: Mdia Aritmtica, Moda, Mediana, Varincia e Desvio Padro. Os clculos estatsticos envolvendo as distribuies de freqncia sero vistos em cursos regulares de Estatstica, na Universidade. O que ser mostrado aqui ser apenas uma introduo bastante elementar, tal qual os conceitos so cobrados ao nvel do ensino mdio. A) Medidas de tendncia central Mdia Aritmtica Simples - MAS: Dados n valores x1, x2, x3, ... , xn , chama-se mdia aritmtica destes n valores, ao valor Ma = (x1 + x2 + x3 + ... + xn) / n Exemplo: qual a mdia aritmtica de 5, 7, 6 e 8? M = (5 + 7 + 6 + 8) / 4 = 6,5. Mdia Aritmtica Ponderada - MAP: s vezes, importante

atribuir-se pesos diferenciados a cada valor, para o clculo da mdia e, neste caso, a mdia recebe o nome de mdia ponderada. Assim, dados n valores x1, x2, x3, ... , xn aos quais so atribudos os pesos k1, k2, k3, ... , kn respectivamente, a mdia ponderada destes n valores ser dada por: Mp = (x1.k1 + x2.k2 + x3.k3 + ... xn.kn) / (k1 + k2 + k3 + ... + kn) Exemplo 1: Se os valores 10, 8 e 6 possuem pesos 4, 3 e 2 respectivamente, a mdia ponderada destes valores ser igual a: Mp = (10.4 + 8.3 + 6.2) / (4 + 3 + 2) = 76 / 9 = 8,44. Exemplo 2: Qual a mdia aritmtica da distribuio de pesos de 30 alunos de uma escola conforme mostrada na tabela a seguir?

Peso (kg) Freqncia (f) 59 68 75 80 84 Total 2 10 7 9 2 30

Soluo: a mdia aritmtica neste caso ser dada pelo quociente: Mp = (59.2 + 68.10 + 75.7 + 80.9 + 84.2) / (2 + 10 + 7 + 9 + 2) Mp = (108 + 680 + 525 + 720 + 168) / 30 Mp = 2201/30 = 73,36 Nota: Fazendo k1 = k2 = k3 = ... = kn = 1 na frmula acima, obteremos: Mp = (x1.1 + x2.1 + x3.1 + ... + xn.1) / (1 + 1 + 1 + ... + 1 ) Ora, no denominador temos o peso 1 somado n vezes e, portanto, igual a n. Assim, teremos: Mp = (x1 + x2 + x3 + ... + xn) / n, que a frmula da mdia aritmtica. Portanto, a mdia aritmtica simples um caso particular da mdia aritmtica ponderada, onde os pesos dos valores x1, x2, ... xn, so

unitrios, ou seja, igual unidade. Moda - Dados n valores x1, x2, x3, ... , xn , chamase moda destes n valores, ao valor que mais se repete, ou seja, que possui maior freqncia. . Exemplo: qual a moda do seguinte conjunto de valores: 10, 10, 10, 10, 10, 20, 20, 35, 35, 35, 78, 78, 78, 78, 78, 78, 78, 78, 78, 90, 90, 90, 92, 94 ? Resposta: M0 = 78, porque o mais repetido, ou seja, 78 o valor de maior freqncia. Observe que estes dados poderiam ser tabulados da seguinte forma:

Valor Freqnci a 10 20 35 78 90 5 2 3 9 2

onde na coluna freqncia esto indicados os nmeros de repeties de cada valor. Nota: um conjunto de valores pode ter mais de uma moda ou at no ter nenhuma. No caso do conjunto possuir apenas uma moda ele dito unimodal. Mediana Dados n valores x1, x2, x3, ... , xn , ordenados de forma crescente ou decrescente, chama-se mediana destes n valores, ao valor que ocupa a posio central. Exemplo: a mediana do seguinte conjunto de valores: 12, 14, 16, 18, 20, 22, 24, 26, 28 igual a 20, pois 20 o valor central. Se o nmero de elementos do conjunto de valores for par, a mediana ser igual mdia aritmtica dos dois termos centrais. Exemplo: a mediana do conjunto de valores 12, 14, 16, 18, 20, 22, 24, 26, 28, 30 ser igual a Me = (20 + 22) / 2 = 42/2 = 21. B) Medidas de disperso

Desvio mdio Seja o conjunto de valores x1, x2, x3, ... , xn e seja Ma a mdia aritmtica desses valores. Sendo Di o desvio mdio do valor xi, define-se: Di = xi Ma Exemplo: Seja o conjunto de valores 10, 10, 12, 12, 12, 14, 16, 18 , 20, 20. A mdia aritmtica desses 10 valores ser igual a: Ma = (10+10+12+12+12+14+16+18+20+20) / 10 = 144 / 10 = 14,4 Por exemplo, o desvio mdio do valor 10 , ser igual a 10 14,4 = 4,4. O desvio mdio do valor 14 ser igual a 14 14,4 = -0,4 O desvio mdio do valor 18 ser igual a 18 14,4 = +3,6 e assim sucessivamente. Varincia - Seja o conjunto de valores x1, x2, x3, ... , xn e seja Ma a mdia aritmtica desses valores. Sendo Di o desvio mdio do valor xi, define-se a varincia deste conjunto como sendo a mdia aritmtica da soma dos quadrados dos desvios mdios. Como o conjunto x1, x2, x3, ... , xn possui n elementos, a varincia v ser calculada pela frmula a seguir, decorrente da definio acima:

A frmula acima pode parecer um pouquinho estranha. Caso necessrio, visite o arquivo sobre somatrios. Vamos dar um exemplo para desmistific-la: Seja o conjunto de valores: 10, 12, 14, 16, 18, 20 A mdia aritmtica destes valores ser: Ma = (10+12+14+16+18+20)/ 6 = 90/6 = 15 Os desvios mdios sero: D1 = 10 15 = -5 D2 = 12 15 = -3 D3 = 14 15 = -1 D4 = 16 15 = 1 D5 = 18 15 = 3 D6 = 20 15 = 5 Ento a varincia V ser igual a: V = [(-5)2 + (-3)2 + (-1)2 + 12 + 32 +52] / 6 = 70 / 6 = 11,67 Desvio padro chama-se desvio padro de um conjunto de valores, raiz quadrada da varincia, ou seja, = v. Assim, por exemplo, o desvio padro do conjunto de valores dado no exemplo

acima ser igual raiz quadrada de 11,67 , ou seja, 11,67 = 3,42. A frmula para o clculo do desvio padro de um conjunto de valores x1 , x2, x3, ... , xn de mdia aritmtica Ma ser dada por:

Notas: a) : smbolo para representar o desvio padro; letra grega sigma minscula b) : smbolo para representar somatrio ; letra grega sigma maiscula. c) se ocorrer x1 = x2 = x3 = ... = xn , os desvios mdios xi Ma sero nulos e, neste caso, o desvio padro ser nulo. Alis, esta a nica forma do desvio padro ser nulo. Exemplo: calcule o desvio padro da distribuio de freqncia a seguir:

Produto Preo unitrio (R$) A B C D 10,00 12,00 14,00 16,00

Inicialmente, calculamos a mdia aritmtica dos dados: Ma = (10 + 12 + 14 + 16) / 4 = 13, ou seja, a mdia aritmtica dos preos igual a R$13,00 Em seguida calculamos os desvios mdios e os seus quadrados: 10 13 = -3 ? quadrado = (-3)2 = 9 12 13 = -1 ? quadrado = (-1)2 = 1 14 13 = +1 ? quadrado = (+1)2 = 1 16 13 = + 3 ? quadrado = (+3)2 = 9 Calculamos a varincia: v = (9 + 1 + 1 + 9) / 4 = 5 O desvio padro ser igual ento raiz quadrada da varincia ou seja: = 5 = 2,23 .

Nota: a unidade do desvio padro a mesma da mdia. Portanto, = R$2,23. Nota: quanto maior o desvio padro, maior o grau de disperso dos dados de um determinado conjunto de valores ou seja, quanto mais assimtricos os dados, maior o desvio padro. Somente a ttulo de exemplo ilustrativo, considere os casos simples abaixo: a) valores 4 e 6: mdia aritmtica = (4+6)/2 = 5 e desvio padro = 1. b) valores 4 e 10: mdia aritmtica = (4+12)/2 = 8 e desvio padro = 4. Observe que os dados 4 e 6 so mais homogneos que os dados 4 e 12 (maior assimetria no segundo caso) e o desvio padro do segundo conjunto de valores bem maior que o do primeiro. Coeficiente de variao se um dado conjunto de valores possui mdia aritmtica Ma e desvio padro define-se o coeficiente de variao Cvcomo segue:

Por exemplo, no caso anterior a mdia aritmtica dos valores igual a 15 e o desvio padro igual a 3,42. O coeficiente de variao ser igual a (3,42/15).100 = 22,8%. Nota: o uso do coeficiente de variao permite a comparao dos graus de disperso de duas ou mais distribuies de freqncia . Exemplo: Considere que numa sala de aula se tenha calculado a mdia aritmtica das alturas (em centmetros) e dos pesos dos alunos (em quilogramas) e os seus respectivos desvios padres, e se tenha obtido os seguintes resultados: Alturas: Ma = 175 cm e = 10 cm Pesos: Ma = 60 kg e = 6 kg. Qual dos dois conjuntos de dados apresenta maior disperso em relao mdia? Isto poder ser respondido atravs do clculo do coeficiente de variao para ambos os casos. Vejamos: Alturas: Cv = (10/175).100 = 5,71% Pesos: Cv = (6/60).100 = 10% Como 10% > 5,71%, conclumos que a distribuio dos pesos apresenta maior disperso do que a distribuio das alturas. Poderemos dizer ento, que a distribuio das alturas mais "homognea" do ponto de vista estatstico, do que a distribuio dos pesos na amostra de alunos dada como exemplo.