Estatística - AULAS

Estatstica
Captulo IV Teoria das Probabilidades

1. Introduo ao Clculo combinatrio
1.1. Cardinal do Produto cartesiano e arranjos com repetio
Cardinal da reunio de conjuntos
Sendo A e B dois conjuntos finitos com cardinalidade
( ) A card
e
( ) B card
, respectivamente. Se A e
B forem conjuntos disjuntos, isto , se
B A
, ento:
( ) B A card
=
( ) A card
+
( ) B card
Se n
A A A ,...., ,
2 1 forem conjuntos com cardinalidade 1
cardA
, 2
cardA
,..., n
cardA
, respectivamente, ento,
se eles forem disjuntos dois a dois, isto , se se tiver

j i
A A
para todo o
n j i ,..., 2 , 1 ,
tais que
j i
,
ter-se-
,
_
n
j
j
A card
1
=
( )
j
n
j
A card
1

Cap. IV !eoria das "ro#a#ilidades
$
Estatstica
A f%rmula anterior vlida so# a condi&o de
A
e
B
terem intersec&o va'ia, ou seja, so# a
condi&o de ser
B A
. "orm, se tal (ip%tese no se verificar, a f%rmula dei)a de ser vlida. *isto
que
B A
est contido tanto em
A
como em
B
, se se aplicasse a f%rmula anterior sem qualquer
correc&o estar-se-ia a considerar os elementos
B A
duas ve'es. Assim, a f%rmula correcta, neste
caso, a se+uinte
( ) B A card
=
( ) A card
+
( ) B card
-
( ) B A card
Exemplo 1
,uma turma de clculo ( -. estudantes e numa turma de estat/stica ( 0$ estudantes. 1e todos
este estudante ( $0 que frequentam simultaneamente as duas disciplinas. 2ual o n3mero total de
estudantes distintos que ( na duas turmas4
-
Estatstica
5onsiderem-se a+ora tr6s conjuntos ar#itrrios
A
,
B
e
C
. Aplica-se a f%rmula anterior
sucessivamente
( ) ( ) ( ) ( ) + + C card B card A card C B A card ( ) ( ) ( ) + C B card C A card B A card ( ) C B A card
Cardinal do Produto Cartesiano
Supon(a-se que numa sala de #aile se encontram 7 rapa'es que se desi+nam por 4 3 2 1
, , , a a a a
e .
rapari+as que se desi+nam por 5 4 3 2 1
, , , , b b b b b
. Sejam
{ }
4 3 2 1
, , , a a a a A
e
{ }
5 4 3 2 1
, , , , b b b b b B
2uantos pares diferentes se podem formar, ao todo, sendo cada par constitu/do por um rapa' e uma
rapari+a4
8ste n3mero , naturalmente, o cardinal do produto cartesiano de A por B, ou seja,
( ) B A card
,
sendo
( ) { } B y e A x y x B A : ,
.
0
Estatstica
9#servando que cada elemento de A pode com#inar-se com cada um dos cinco elementos de B,
conclui-se que o conjunto
B A
tem ao todo -: elementos, ou seja, o seu n3mero cardinal -:.
( ) ( ) ( ) B card A card B A card
Analo+amente se conclui que
( ) ( ) ( ) 20 5 4 B card A card B A card
8m +eral, se
( ) m A card
e
( ) n B card
, tem-se
( ) ( ) ( ) n m B card A card B A card
Assim, se n
A A A ,...., ,
2 1 forem conjuntos finitos com cardinalidade 1
cardA
, 2
cardA
,..., n
cardA
,
respectivamente, ento
( ) ( ) ( ) ( )
n n
A card A card A card A A A card ... ...
2 1 2 1
Se, em particular, os
n
conjuntos forem todos iguais ao conjunto A, obter-se-
( ) ( )
n n
A card A card
Exemplo 2
7
Estatstica
"articiparam numa reunio 7: franceses e ;: in+leses. 1os franceses, $. falavam franc6s e in+l6s e
dos in+leses, $< falavam in+l6s e franc6s. =ormaram-se pares constitu/dos por um franc6s e por um
in+l6s.
Supondo que no (avia intrpretes,
a> 2uantos destes pares se podiam entender4
9s $. franceses que falavam in+l6s podiam entender-se com qualquer dos ;: in+leses e
os restantes -. franceses que s% falavam franc6s apenas se podiam entender com os $<
in+leses que falavam franc6s.
?o+o, podiam formar-se
1350 18 25 60 15 +
pares.
#> 2uantos destes pares no se podiam entender4
Ao todo podiam formar-se
2400 60 40
pares.
5omo destes -7:: pares, $0.: podiam entender-se, vem -7::-$0.:=$:.:.
?o+o, $:.: no se podiam entender.
.
Estatstica
!mero de subconjuntos de um conjunto "inito
Sendo A um conjunto qualquer, o conjunto
( ) { } A X X A P :
o conjunto das partes de A. Entre os
conjuntos pertencentes a
) ( A P
figuram o conjunto vazio e o prprio conjunto A.
( ) ( )
( )
2
card A
card P A
Exemplo 3
um saco est!o " cart#es identificados com um $, um % e um 2. Seja E o conjunto que representa a
e&peri'ncia em tirar um cart!o do saco.
($, ,2) E X
"
* * ++ 2 , card p E
#rranjos com repetio
-s arranjos com repeti.!o s!o os elementos do produto cartesiano de um conjunto por ele mesmo,
duas ou mais vezes.
Exemplo 4
;
Estatstica
$. /ual o n0mero de matriculas de automvel que o sistema portugu's admite por cada srie de
letras1 E por cada srie de posi.!o das letras1
2. 2ma aposta no 3otobola uma sequ'ncia de $" s4mbolos, escol5idos entre $, & e 2, acrescido de
um dcimo quarto jogo designado de Super $6, onde se escol5e 7,$ ou 8 consoante o n0mero de
golos a marcar por equipa. /uantas apostas se podem fazer no totobola1
". /uantos cdigos diferentes se podem criar para um cart!o 8ultibanco1
@
Estatstica
<
Estatstica
1.2. #rranjos$ permuta%es e combina%es
#rranjos sem repetio
5onsidere-se o se+uinte pro#lema
5om panos de . cores amarelo, verde, a'ul, vermel(o e #ranco quantas #andeiras tricolores
se podem o#ter, supondo que os panos so colocados s% em tiras verticais.
1este enunciado, duas #andeiras s% podem diferir, ou pelas cores que as formam, ou pela ordem em
que esto dispostas as cores a partir da (aste da #andeira. Assim, se se desi+narem as cinco cores
pelas letras a, #, c, d, e, respectivamente, cada #andeira ser representada por 0 destas letras,
escritas se+undo a ordem das cores, por e)emplo.
a#c #ca a#d da# cde etc.
A
Estatstica
As #andeiras tricolores a que se refere o enunciado so, assim, representadas pelos diferentes
conjuntos ordenados de 0 cores, que poss/vel formar a partir das . cores consideradas. A esses
conjuntos ordenados d-se o nome de arranjos das & cores ' a '.
(e"inio
1ados
m
elementos quaisquer, c(amam-se arranjos dos
m
elementos
p
a
p
a todos os conjuntos
ordenados que poss/vel o#ter com
p
elementos escol(idos ar#itrariamente entre os
m
elementos.
9 n3mero de todos os poss/veis arranjos de
m
elementos
p
a
p
desi+nado pela nota&o
m
p
A
5om os elementos do conjunto
{ } d , c , b , a A
, quantas sequ6ncias de tr6s elementos podemos
formar sem que os elementos se repitam4
$:
Estatstica
"odemos pensar da se+uinte maneira:
9 $B elemento da sequ6ncia pode ser uma das quatro letrasC
9 -B elemento da sequ6ncia s% pode ser uma das tr6s letras restantes, pois uma letra j
foi escol(idaC
9 0B elemento da sequ6ncia s% pode ser uma das duas letras restantes, pois duas letras j
foram escol(idas.
8m esquema, tem-se:
$D letra -D letra 0D letra

EEEE EEEE EEEE
7 0 -
Ao todo temos
24 2 3 4
sequ6ncias. A este n3mero d-se o nome de arranjos de 7 elementos 0 a 0,
e representa-se por
4
3
A
.
$$
Estatstica
8m +eral, conclui-se que
( ) ( ) ( ) 1 2 1 + p n n n n A
n
p

, com
p n
5onsiderando que
( ) ( ) ( ) ( )! p n p n n n n ! n + 1 2 1
tem-se
( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( )
n
p
A p n n n n
p n
p n p n n n n
p n
n
+
1 2 1
!
! 1 2 1
!
!
lo+o vem,
( ) ! p n
n
A
n
p
, com
p n
Sendo
{ }
n
a , , a , a A
2 1
, qualquer arranjo de n elementos de A, p a p, tam#m c(amado arranjo sem

repeti&o, uma sequ6ncia de p elementos de A, em que:
,o pode (aver elementos repetidosC
A ordem dos elementos distin+ue a sequ6ncia de outras sequ6ncias.
$-
Estatstica
Exemplo &
Fm saco contm . #olas numeradas de $ a .. 1e quantas maneiras podemos e)trair:
a> !r6s #olas com reposi&o4
Gavendo reposi&o da #ola, si+nifica que ( sequ6ncia com elementos repetidos.
( ) 125 5
3 3
A card
"ortanto, ( $-. maneiras diferentes de e)trair as tr6s #olas com reposi&o.
#> 2uatro #olas sem reposi&o4
,o (avendo reposi&o da #ola, si+nifica que no ( elementos repetidos nas sequ6ncias.
( )
120
! 1
! 1 2 3 4 5
! 4 5
! 5
5
4

A
$0
Estatstica
"ortanto, ( $-: maneiras diferentes de e)trair as quatro #olas sem reposi&o.
Permuta%es
As permuta&Hes de n elementos so todas as sequ6ncias de elementos diferentes que poss/vel
formar com os n elementos.
Iepresentando por n
P
o n3mero de permuta&Hes de n elementos, tem-se
n
n n
A P
.
5omo,
( )
!
1
!
! 0
!
!
!
n
n n
n n
n
A
n
n

, ento,
! n P
n

Sendo
{ }
n
a , , a , a A
2 1
, qualquer permuta&o de n elementos de A uma sequ6ncia de n elementos de

A, em que:
,o pode (aver elementos repetidosC
$7
Estatstica
A ordem dos elementos da sequ6ncia distin+ue a sequ6ncia de outras sequ6ncias.
Exemplo )
1e quantas maneiras diferentes se podem sentar . pessoas:
a> ,uma fila4
5omo em qualquer sequ6ncia formada pelas . pessoas no ( elementos repetidos e
interessa a ordem desses elementos, tem-se:
120 1 2 3 4 5 5
5
! P
?o+o, ao todo ( $-: maneiras diferentes de as . pessoas se sentarem numa fila.
#> J volta de uma mesa4
5omo uma das pessoas pode sentar-se em qualquer lu+ar, as restantes 7 pessoas podem sentar-
se de 4
P
maneiras diferentes.
$.
Estatstica
24 1 2 3 4 4
4
! P
?o+o, ao todo ( -7 maneiras diferentes de as . pessoas se sentarem K volta de uma mesa.
Exerccios*
$. 5om todas as letras da palavra A?F,9:
$.$. 2uantas sequ6ncias se podem formar4
$.-. 2uantas come&am por A4
$.0. 2uantas se podem formar ficando as vo+ais todas se+uidas4
$;
Estatstica
-. Fma empresa possui uma rede interna de telecomunica&Hes m%veis, em que todos os n3meros de
telem%veis t6m seis d/+itos e esto distri#u/dos por tr6s sectores: os da administra&o come&am por @-C
os do sector de produ&o come&am por @.C os do sector de distri#ui&o come&am por @<.
9 "edro tra#al(a no sector de distri#ui&o. 2uantos n3meros de telem%veis podem ser atri#u/dos no
mesmo sector com os mesmos d/+itos do n3mero de telem%vel do "edro, sa#endo que:
-.$. 9s d/+itos do telem%vel do "edro so todos diferentes.
-.-. 9 n3mero do telem%vel do "edro @<77AA.
0. 5alcula, sem recorrer K calculadora:
0.$.
! 3
5 3
P P +
0.-.
! 47
! 50
7. Seis ami+os entram numa pastelaria para tomar caf e sentam-se ao acaso num mesa rectan+ular de seis
lu+ares, tr6s em cada lado. 1e quantas formas diferentes se podem sentar todos de modo a que a Loana
e o !ia+o fiquem sentados em frente um do outro
$@
Estatstica
.. !r6s rapa'es e duas rapari+as vo dar um passeio de autom%vel. 2ualquer um dos cinco jovens pode
condu'ir. 1e quantas maneiras podem ocupar os cinco lu+ares, de modo a que o condutor seja uma
rapari+a e a seu lado viaje um rapa'4
;. 1e quantas formas diferentes se podem dispor . presidentes lado a lado para uma foto+rafia4 2ual a
pro#a#ilidade de que =ran&a e 8span(a fiquem lado a lado4
@. SupHe que cada um dos seis mil mil(Hes de (a#itantes da !erra rece#e um 5arto de Mdentifica&o com
uma sequ6ncia de letras. 2ual tem de ser o n3mero m/nimo de letras a usar em cada carto, para
+arantir que as sequ6ncias sejam todas diferentes4 N5onsidera que o alfa#eto tem -; letras e que todos
os cartHes t6m o mesmo n3mero de letras>
Combina%es
5onsidere-se o se+uinte e)emplo:
$<
Estatstica
Fm aluno deseja comprar 7 livros diferentes, mas de i+ual custo, e s% tem din(eiro para
comprar tr6s desses livros. 1e quantos modos o aluno fa'er a escol(a de 0 livros de entre os 7
que deseja4
Iepresentando os livros pelas letras a, #, c, d, a escol(a que consiste em comprar os livros
a, #, c
diferente daquela que consiste em comprar os livros
a, #, d
Oas j a escol(a a, #, c no distinta, neste caso, da escola #, a, c que se refere aos mesmos livros,
mas colocado por ordem diferente.
P fcil de ver ento que o aluno pode fa'er a sua escol(a de quatro modos diferentes
a#c, a#d, acd, #cd
$A
Estatstica
sem que ten(a qualquer interesse a ordem pela qual so indicados os elementos. "or conse+uinte, os
modos de escol(er 0 livros entre os 7, correspondem afinal aos diferentes conjuntos que se podem
formar com 0 livros tomados entre os 7, sem que interesse a ordem pela qual so considerados.
!ais conjuntos s% podem diferir entre si pelos elementos de que so formados: d-se-l(es o
nome de combina%es de 7 livros 0 a 0.
(e"inio
1ados
n
elementos quaisquer, c(amam-se combina%es desses
n
elementos
p
a
p
a todos os
conjuntos que poss/vel o#ter com
p
elementos escol(idos entre os
m
dados Nsem atender a
qualquer ordem>.
9 n3mero de todas as poss/veis com#ina&Hes de
n
elementos
p
a
p
desi+nada por
n
p
C
ou
,
_
p
n
-:
Estatstica
1a defini&o dada para as com#ina&Hes de
n
elementos
p
a
p
pode di'er-se que o n3mero de
arranjos de
n
elementos
p
a
p
se pode o#ter permutando em cada uma das com#ina&Hes de
n
,
p
a
p
, os
p
elementos que a formam, de todas as maneiras poss/veis. Msto quer di'er que os arranjos
referidos se podem o#ter mediante as duas opera&Hes se+uintes:
$. =ormar as com#ina&Hes de
n
elementos,
p
a
p
. 9 n3mero de tais com#ina&Hes distintas
n
p
C
C
-. "ermutar, em cada uma das com#ina&Hes, os seus
p
elementos, de todas as formas poss/veis.
8sta opera&o pode reali'ar-se de P
P
maneiras diferentes.
1este modo, tem-se
p
n
p
n
p
P C A .
e, portanto,
p
n
p n
p
P
A
p
n
C
,
_
( )! !
!
!
) 1 )...( 1 (
p n p
n
p
p n n n
p
n
,
_

-$
Estatstica
8sta f%rmula vlida mesmo nos casos e)tremos em que se tem
n p
ou
0 p
.
1a e)presso anterior resulta imediatamente a se+uinte identidade
,
_
,
_
p n
n
p
n
Sendo
{ }
n
a , , a , a A
2 1
, qualquer com#ina&o de n elementos p a p um su#conjunto de A, em que:

,o ( elementos repetidosC
,o interessa a ordem dos elementos.
--
Estatstica
-0
Estatstica
Exemplo
,uma aula de Oatemtica esto presentes $< rapari+as e $- rapa'es. 2uantos +rupos de alunos se
podem formar, considerando que:
a> 5ada +rupo tem . alunos4
5omo ao todo ( 0: alunos, tem-se:
142506
25 5
30
5
30

! !
!
C
"odem formar-se $7- .:; +rupos diferentes de . alunos.
#> 5ada +rupo formado por 0 rapari+as e - rapa'es4
As 0 rapari+as podem ser escol(idas de 3
18
C
modos diferentes e os - rapa'es podem ser
escol(idos de 2
12
C
modos diferentes. Ao todo tem-se
53856
10 2
12
15 3
18
2
12
3
18

! !
!
! !
!
C C
"odem formar-se .0 <.; +rupos diferentes constitu/dos por 0 rapari+as e - rapa'es.
Exerccios*
-7
Estatstica
$. "ara certo e)ame, os candidatos devem preparar ;: temas dos quais tr6s, seleccionados ao acaso sairo
no e)ame. 2uantos +rupos de questHes diferentes podero ser constitu/dos4
-. 1e um #aral(o de .- cartas um jo+ador rece#e $0. Fm conjunto de $0 cartas c(ama-se QmoR.
-.$. 2uantas QmosR pode o jo+ador rece#er4
-.-. 2uantas QmosR t6m e)actamente . copas4
-.0. 2uantas QmosR t6m no, m)imo, - cartas de paus4
-.7. 2uantas QmoR t6m 0 reis e - ases4
-... 2uantas QmosR t6m ; cartas de um naipe e @ cartas de outro4
0. 2uantas apostas diferentes se podem fa'er no 8uromil(Hes, onde se escol(e . n3meros de .: e -
estrelas de A4
7. 9 Loo e a Loana pertencem a uma turma de -. alunos. "retende-se constituir uma comisso com .
alunos. 2uantas comissHes se podem formar, incluindo a Loana e no incluindo o Loo4
2.Probabilidades. Conceitos +undamentais.
-.
Estatstica
A teoria das pro#a#ilidades um ramo da Oatemtica e)tremamente 3til para o estudo e
investi+a&o das re+ularidades dos c(amados fen%menos aleat%rios.
2.1. Experi,ncia #leatria
(e"inio
8)peri6ncia aleat%ria qualquer processo sujeito K influ6ncia de factores causais e que condu' a
resultados incertos que t6m as se+uintes caracter/sticas fundamentais:
a> 8la pode ser repetida um n3mero +rande de ve'es nas mesmas condi&Hes ou pelo menos em
condi&Hes anlo+asC
#> Oesmo mantendo so# controlo as circunstSncias relevantes que envolvem uma e)peri6ncia
aleat%ria, os seus resultados individuais no so previstos com e)actidoC
-;
Estatstica
c> 9s resultados o#tidos ao ca#o de uma lon+a repeti&o da e)peri6ncia apresentam re+ularidade
estat/stica se tomados em conjunto Nenquanto que os resultados das e)peri6ncias se apresentam
irre+ulares no sentido de iludir o intento de previso e)acta>.
-bs. A e)peri6ncia aleat%ria contrapHe-se K e)peri6ncia no aleat%ria ou determin/stica,
aquela cujo resultado pode ser con(ecido antes da sua reali'a&o. "or e)emplo, o valor da
propa+a&o do som N07: mTs> con(ecido mesmo antes de reali'ada a e)peri6ncia. L no
sucede o mesmo quando lan&amos ao ar um dado ou e)tra/mos uma carta de um #aral(o.
2.2. Espao de .esultados Poss/eis
(e"inio* 8spa&o de resultados poss/veis ou espa&o amostra Nque se desi+na por
> o conjunto
formado por todos os resultados poss/veis que so o#tidos quando se efectua uma e)peri6ncia
aleat%ria.
-@
Estatstica
9 espa&o de resultados
pode ser:
1iscreto tem um n3mero finito ou infinito numervel de elementosC
8)emplo: 5onsidere-se a e)peri6ncia aleat%ria que consiste no lan&amento de um dado e
o#serva&o do n3mero inscrito na face voltada para cima.
9 espa&o de resultados
{ } 6 , 5 , 4 , 3 , 2 , 1
.
5ont/nuo tem um n3mero infinito no numervel de elementos.
8)emplo: Fma loja a#re Ks A (oras e encerra Ks $A. Fm cliente, tomado ao acaso, entra na loja no
momento
e sai no momento
. "retende-se o#servar os momentos de entrada e de sa/da do

cliente.
5omo a c(e+ada e a sa/da de um cliente se processa ao acaso, lo+icamente que poder ocorrer em
qualquer momento no tempo, entre as A e as $A (oras, pelos que
so variveis cont/nuas
com
<
. "ortanto o espa&o de resultados
infinito no numervel, pode-se ento escrever

da se+uinte forma
( ) { } 19 9 : , < < <
.
-<
Estatstica
2.'. #contecimentos
(e"inio* Fm acontecimento um conjunto de resultados poss/veis de uma e)peri6ncia aleat%ria.
1esse modo, trata-se de um su#conjunto do espa&o de resultados
, donde se poder utili'ar

todos os instrumentos da teoria dos conjuntos para representar os acontecimentos e as opera&Hes
que se definem so#re estes. Se o su#conjunto for constitu/do s% por um elemento c(amamos
acontecimento elementar.
Exemplo
5onsidere-se o lan&amento de um dado:
} { 6 , 5 , 4 , 3 , 2 , 1
!emos seis resultados poss/veis Nacontecimentos>:
{ } { } { } { } { } { } 6 , 5 , 4 , 3 , 2 , 1
"odemos tam#m considerar, por e)emplo:
{ } 5 , 3 , 1 A
- Sa/da de n3mero /mparC
{ } 4 , 2 B
- Sa/da dos dois n3meros pares menores.
-A
Estatstica
-bs.
Acontecimento um su#conjunto de
.
5omo
su#conjunto de
ento
acontecimento.

acontecimento certo Npois qualquer resultado
w
da e)peri6ncia:
w
>.
tam#m um acontecimento. um acontecimento imposs/vel pois no contm al+um
elemento de
.
ota
5om o intuito de facilitar a e)posi&o supHe-se
equivalente a um rectSn+ulo do espa&o

2
IR e os
acontecimentos, seus su#conjuntos.
0:
Estatstica
0l1ebra dos #contecimentos
(e"inio* 1i'-se que o acontecimento A se reali'ou, se o resultado da e)peri6ncia aleat%ria,
,
um elemento de A N
A
>.
(e"inio*
B A
- Fnio ou soma l%+ica dos acontecimentos A e B, define um novo acontecimento
que se reali'a se e s% se A ou B se reali'am. P tradu'ido por
{ } B A : B A
.
Exemplo
5onsideremos a e)peri6ncia aleat%ria que consiste no lan&amento de um dado e o#serva&o do
n3mero inscrito na face voltada para cima e os dois acontecimentos a ela associados:
{ } 4 , 2 A
{ } 6 B
B A
= Sa/da de face par =
{ } 6 , 4 , 2
0$
Estatstica
(e"inio*
B A
- Mntersec&o ou produto l%+ico dos acontecimentos A e B, define um novo
acontecimento que se reali'a se e s% se A e B se reali'am conjuntamente. P tradu'ido por
{ } B A B A :
.
(e"inio* 9s acontecimentos
A
e
B
di'em-se incompat/veis ou mutuamente e)clusivos se

B A
.
Exemplo
5onsideremos a e)peri6ncia aleat%ria que consiste no lan&amento de um dado e o#serva&o do
n3mero inscrito na face voltada para cima e os dois acontecimentos a ela associados:
A
: sa/da de face parC
{ } 6 , 4 , 2 A
B
: sa/da de face imparC
{ } 5 , 3 , 1 B
A
e
B
so mutuamente e)clusivos ou incompat/veis, uma ve' que no podem ocorrer
simultaneamente: se ocorre
A
, isto , sai face par, no pode ocorrer
B
e vice -versa.
0-
Estatstica
(e"inio*
) \ ( B A ou B A
- 1iferen&a de dois acontecimentos
A
e
B
, define um novo acontecimento
que se reali'a se e s% se
A
se reali'a sem que se reali'e
B
. P tradu'ido por
{ } B A B A B A : \
.
Exemplo
Seja
a e)peri6ncia aleat%ria que consiste em medir o consumo mdio per capita de cerveja em
"ortu+al Nem litros> e
A
e
B
os se+uintes acontecimentos:
A
: consumo mdio per capita superior ou i+ual a 0: litros mas inferior a .: litros.
B
: consumo mdio per capita superior ou i+ual a 7: litros mas inferior a @. litros.
B A
: o consumo mdio per capita superior ou i+ual a 0: mas inferior a 7:
A
=U0:, .: U
B
=U7:, @.U
B A
=U0:, 7:U.
00
Estatstica
(e"inio*
B
- 5omplementar do acontecimento
B
, define um novo acontecimento que se reali'a se
e s% se
B
no se reali'a. P tradu'ido por
{ } B B B :
.
Exemplo
5onsideremos a e)peri6ncia aleat%ria do e)emplo anterior e
A
o se+uinte acontecimento:
A
= consumo mdio per capita superior ou i+ual a 0: litros
A = consumo mdio per capita inferior a 0: litros ou seja
A
=U0:, +U
A
= V, 0:U
(e"inio*
B A
- 1iferen&a simtrica entre dois acontecimentos
A
e
B
, define um novo
acontecimento que se reali'a se e s% se
A
se reali'a e B no se reali'a ou
B
se reali'a e
A
no se
reali'a. P tradu'ido por
) ( ) ( ) ( ) ( B A B A B A B A B A
.
07
Estatstica
Exemplo
5onsideremos a e)peri6ncia aleat%ria em que
A
e
B
so os se+uintes acontecimentos:
{ }
{ }
{ } 4 , 3 , 1
4 , 2
3 , 2 , 1

B A
B
A
#l1umas Propriedades das opera%es com acontecimentos*
a> 5omutatividade de
:
A B B A
A B B A
#> Associatividade de
:
( ) ( ) C B A C B A
( ) ( ) C B A C B A
c) 1istri#utividade de e :
0.
Estatstica

( ) ( ) ( ) C A B A C B A

( ) ( ) ( ) C A B A C B A
d> ?eis de 1e Oor+an:

B A B A

B A B A
e> 1upla ne+a&o:
A A
Exerccios*
1. 8)traiu-se uma carta de um #aral(o de 7: cartas. 5onsidera os se+uintes acontecimentos:
0;
Estatstica
A: Rsair sR
B: Qsair fi+uraR
5: Qsair espadasR
1: Qsair naipe pretoR
1.1. 1efine em e)tenso o acontecimento B 1.
$.-. 2uantos elementos tem o conjunto associado ao acontecimento A C .
-. ?an&am-se ao ar tr6s moedas de $ euro e re+istam-se as faces voltadas para cima. Iepresentando por 5
a cara e por 8 o escudo, define os se+uintes acontecimentos:
-.$. S: o acontecimento certo
-.-. A: Q9#ter pelo menos duas carasR
-.0. B: Q9#ter no m)imo uma caraR
-.7. 5: 9#ter e)actamente 0 escudosR
-...
C A
-.;. B A
2.2. Probabilidade
0@
Estatstica
2.2.1. Conceito clssico ou de 3aplace de Probabilidade
5onsideremos o caso em que
finito:
{ }
n
w w , ,
1

Se os acontecimentos elementares t6m i+ual pro#a#ilidade de ocorrer
{ } ( )
n
w P
i
1
,
n i , , 2 , 1
(e"inio* "ro#alidade de um acontecimento
A
o quociente entre o n3mero de resultados
favorveis ao acontecimento
A
e o n3mero de resultados poss/veis, supondo todos os casos
i+ualmente poss/veis.
0<
Estatstica
Exemplo
5onsideremos uma e)peri6ncia com os resultados elementares equiprovveis: $, -, 0, 7, ., ;.
{ } 6 , 5 , 4 , 3 , 2 , 1
{ } ( ) ? 3 , 1 P
3
1
6
2

possveis resultados de nmero
A a favorveis resultados de nmero
P
A
2.2.2. Conceito +re4uencista de Probabilidade
(e"inio* Seja uma sequ6ncia de
n
provas onde
A
ocorre
!
ve'es. A frequ6ncia relativa do
acontecimento
A

( )
n
!
A f
Propriedades
M.
( ) A A f , 0
C
0A
Estatstica
MM.
( ) 1 f
, onde
acontecimento certoC
MMM.
B A,
disjuntos
( ) ( ) ( ) B f A f B A f +
C
L nos referimos a que o aspecto fundamental dos fen%menos aleat%rios a re+ularidade das
frequ6ncias relativas quando o n3mero de provas ou repeti&Hes aumenta. Se considerarmos uma
e)peri6ncia aleat%ria com espa&o amostra
e se
A
for um seu acontecimentoC se efectuarmos
n

provas com a ocorr6ncia de
A
,
!
ve'es, a e)peri6ncia ensina que K medida que o n3mero de provas
aumenta a frequ6ncia relativa da ocorr6ncia de
A
tende a esta#ili'ar-se. 1onde se associa
intuitivamente a cada acontecimento um n3mero
( ) A P
pro#a#ilidade do acontecimento
A
.
5eorema de 6ernoulli
J medida que o n3mero de e)ecu&Hes de um acontecimento vai aumentando, a sua frequ6ncia
relativa vai-se esta#ili'ando.
1e um modo +rosseiro,
7:
Estatstica
( ) ( ) A P A f
n

lim
.
2.2.'. #xiomati7ao da 5eoria de Probabilidade
8spa&o de "ro#a#ilidade:
( ) P ,
: 8spa&o AmostraC
P
: "ro#a#ilidade associada a cada acontecimento.
(e"inio* 1efine-se 8edida de Probabilidade
P
$ a uma fun&o definida em
que satisfa' os
se+uintes a)iomas:
M.
( ) F A A P , 0
MM.
( ) 1 P
MMM.
, ,
2 1
A A
mutuamente e)clusivos
( )
,
_
1 1 i
i
i
i
A P A P

7$
Estatstica
!6m-se os se+uintes resultados:
( ) 0 P
( )
,
_

n
i
i
n
i
i j i
i
A P A P A A
A
1 1
( ) ( ) ( ) B A P B P A B P
( ) ( ) ( ) ( ) B A P B P A p B A P +
( ) ( ) A P A P 1
( ) ( ) ( ) B P A p B A P +
( ) ( ) B P A P B A
Exerccios*
$. ,uma turma de 0- alunos, $@ praticam #asquete#ol, -: fute#ol e . no praticam qualquer modalidade.
8scol(endo um aluno ao acaso, qual a pro#a#ilidade de ele:
7-
Estatstica
$.$. "raticar apenas fute#ol4
$.-.,o praticar fute#ol4
$.0."raticar as duas modalidades4
-. Fma urna contm $: #olas numeradas de $ a $:, sendo as quatro primeiras a'uis e as restantes
vermel(as.
-.$. Ietirou-se uma #ola da urna e re+istou-se a cor. IepWs-se a #ola na urna e retirou-se de novo uma
#ola. 2ual a pro#a#ilidade de as duas #olas serem a'uis4
-.-. Se forem retiradas duas #olas se+uidas, sem as repor, qual a pro#a#ilidade de a primeira ser
vermel(a e a se+unda ser a'ul4
0. Acerca dos acontecimentos A e B sa#e-se que "NA> = :,<C "NB> = :,. e
6 , 0 ) ( B A P
.
0.$. 5alcula
* + P A B
0.-.5alcula
* + P A B
0.0. 1etermina a pro#a#ilidade de no se verificar A nem B.
7. ,um dado viciado, a pro#a#ilidade de sair a face ; tr6s ve'es superior K pro#a#ilidade de sair cada
uma das outras faces.
7.$. 2ual a pro#a#ilidade de sair a face 04
7.-. 2ual a pro#a#ilidade de sair uma face par4
70
Estatstica
2.&. Probabilidade Condicionada
8)emplo:
?an&amento de um dado Nequili#rado> com faces numeradas
{ } 6 , 5 , 4 , 3 , 2 , 1
Sejam,
C
Xsa/da de face parX
"
Xsa/da de face m3ltipla de 0X
77
Estatstica
#
Xsa/da do n3mero 7X
8nto,
( ) ( ) ( )
6
1
,
3
1
6
2
,
2
1
# P " P C P
.
Se a face voltada para cima par, ento o par amostral redu'iu-se a
{ } 6 , 4 , 2
. Assim,
a> A pro#a#ilidade de
#

( )
3
1
| C # P
.
#> A pro#a#ilidade de
"

( )
3
1
| C " P
.
5oncluso: 9 facto de
C
ocorrer altera a pro#a#ilidade da ocorr6ncia de
#
. 9 facto de
C
ocorrer
no altera a pro#a#ilidade da ocorr6ncia de
"
.
(e"inio* Seja o espa&o de pro#a#ilidade
( ) P ,
e um acontecimento
B
, tal que
( ) 0 > B P
,
( )
( )
( ) B P
B A P
B A P A

| ,
7.
Estatstica
( ) B A P |
"ro#a#ilidade de
A
condicionada pela reali'a&o de
B
. Iepresenta uma reavalia&o da
pro#a#ilidade de
A
perante a informa&o da ocorr6ncia de
B
.
Exemplo*
1e um #aral(o de .- cartas tira-se uma ao acaso. 2ual a pro#a#ilidade que seja copas, sa#endo que
o naipe vermel(o4
Fm saco tem 7 #olas #rancas e 7 #olas pretas. !iram-se duas #olas ao acaso sem reposi&o. 2ual a
pro#a#ilidade de a se+unda #ola ser preta, sa#endo que a primeira foi #ranca4
,um jo+o de fute#ol, qual a pro#a#ilidade de se ter marcado um 3nico +olo sa#endo que o jo+o
terminou com um empate entre as duas equipas4
5eorema das Probabilidades Compostas
7;
Estatstica
Sejam
B A,
, tais que
( ) ( ) 0 , 0 > > B P A P
ento
( ) ( ) ( ) ( ) ( ) B A P B P A B P A P B A P | . | .
.
Exemplo*
,uma sala esto $. indiv/duos, dos quais . so fumadores. Fm indiv/duo sai da sala e afasta-se sem
se sa#er se era fumador ou no. 2ual a pro#a#ilidade de o pr%)imo indiv/duo a sair ser fumador4
(e"inio*
{ } , ,
2 1
A A
di'-se um parti&o de
se e s% se forem satisfeitas:
M.
j i A A
j i
,
Nacontecimentos incompat/veis>
MM.

1 i
i
A
Nacontecimentos e)austivos>
7@
A1 A2
A3
A4
Estatstica
3ei de Probabilidade 5otal
Seja um espa&o de pro#a#ilidade
( ) P ,
e uma parti&o finita ou infinita numervel de
{ }
, 2 , 1
:

i i
A
.
Supondo que
( ) , 3 , 2 , 1 , 0 > i A P
i ento
( ) ( ) ( )

1
| . :
i
i i
A B P A P B P B
.
Exemplo*
,os parques industriais A$, A- e A0, dedicam-se K actividade t6)til, respectivamente, $:Y, 7:Y e
-.Y das empresas. 8scol(ida ao acaso uma empresa de um dos parques, qual a pro#a#ilidade de que
esta seja t6)til4
5eorema de 6a9es
7<
Estatstica
Seja o espa&o de pro#a#ilidade
( ) P ,
, e uma parti&o
{ } , , , ,
2 1 n
A A A
de
, com pro#a#ilidade de
cada um dos acontecimentos ser no nula:
( ) , 2 , 1 , 0 > i A P
i . 8nto a pro#a#ilidade de um
acontecimento qualquer desta parti&o, sa#endo que
B
ocorreu tal que
( )
( ) ( )
( ) ( )
( ) 0 ,
| .
| .
|
1
>
B P
A B P A P
A B P A P
B A P
i
i i
! !
!
.
Exemplo*
!em-se quatro cai)as de f%sforos, A, B, 5 e 1. 8m todas ( f%sforos #ons e f%sforos estra+ados,
como se indica:
5ai)a A: 7: #ons e -: estra+adosC
5ai)a B: 0: #ons e .: estra+adosC
5ai)a 5: 0: #ons e 0: estra+adosC
7A
Estatstica
5ai)a 1: -: #ons e 7: estra+adosC
8scol(e-se um f%sforo ao acaso e verificou-se que est #om. 2ual a pro#a#ilidade de ser da cai)a 5.
Exerccio*
As mquinas A e B produ'em respectivamente $:Y e A:Y da produ&o total de um certo tipo de arti+os.
Supondo que a pro#a#ilidade da mquina A produ'ir arti+os defeituosos $Y e que para a mquina B de
.Y, qual a pro#a#ilidade de um arti+o, tomado ao acaso de um dia de produ&o, ser defeituoso4
2.). #contecimentos Independentes
Seja o espa&o de pro#a#ilidade
( ) P ,
.
(e"inio*
A
e
B
so independentes se e s% se
( ) ( ) ( ) B P A P B A P .
.
5omo consequ6ncia da defini&o:
.:
Estatstica
B e A
independentes
( ) ( ) ( )
( ) ( ) ( )
'
>
>
0
0
A P B P A B P
B P A P B A P
, |
, |
5eoremas
1:
B e A
independentes
B e A
independentesC
2:
B e A
independentes
B e A
independentesC
':
B e A
independentes
B e A
independentesC
Exerccio*
$. A cai)a A tem ; #olas #rancas e 7 pretas. A cai)a B tem $- #olas #rancas e < pretas. !irando-se
uma #ola de cada urna, qual a pro#a#ilidade de:
a> 9#ter duas #olas #rancas4
#> 9#ter uma #ola #ranca e uma #ola preta4
.$
Estatstica
-.8ntre a assist6ncia de um espectculo, vo ser sorteados prmios A e B. A pro#a#ilidade de um
espectador +an(ar um prmio A $-Y e a pro#a#ilidade de um espectador +an(ar um prmio B
0Y. Sa#endo que os sorteios so independentes, qual a pro#a#ilidade de um espectador +an(ar pelo
menos um prmio4
0. 1etermina a pro#a#ilidade de o#ter tr6s reis ao retirar 0 cartas, uma a uma, de uma #aral(o de 7:
cartas.
0.$. Gavendo reposi&o da carta retiradaC
0.-. Sem reposi&o da carta retirada.
'. Vari/eis aleatrias
Introduo
.-
Estatstica
*imos anteriormente que, em muitos casos, o espa&o de resultados associado a uma e)peri6ncia
aleat%ria constitu/do por n3meros reais. 2uando tal no acontece, o processo mais frequente
fa'er corresponder um n3mero real a cada elemento do espa&o de resultados.
Exemplo V#1
5onsidere a e)peri6ncia aleat%ria lan&amento de uma moeda ao ar por duas ve'es. 9 espa&o de
resultados constitu/do por quatro elementos:
( ) ( ) ( ) ( ) { } C C $ C C $ $ $ , , , , , , ,
, em que $ representa o
acontecimento associado K sa/da QcaraR e C o acontecimento associado K sa/da de QcoroaR.
"ara associar um valor quantitativo aos resultados, pode-se definir uma varivel
nos se+uintes
termos: ,3mero de caras no lan&amento de uma moeda por duas ve'es.
Assim sendo, a cada elemento do espa&o de resultados fa'-se corresponder um n3mero real:
( ) ( ) ( ) ( ) 0 , , 1 , , 1 , , 2 , C C $ C C $ $ $
, podendo-se escrever:
( ) { } 2 , 1 , 0
.
.0
Estatstica
5omo
foi definida a partir de uma e)peri6ncia aleat%ria, desi+na-se por varivel aleat%riaC e uma
varivel aleat%ria uma fun&o que fa' corresponder um n3mero real a cada elemento do espa&o de
resultados. "or outras palavras, uma varivel aleat%ria uma fun&o cujo dom/nio
e
contradom/nio MI
$
.
Adoptando a metodolo+ia j considerada anteriormente, as variveis aleat%rias tam#m se podem
repartir por dois +randes +rupos: variveis aleat%rias discretas, no caso do contradom/nio ser
constitu/do por um conjunto finito ou infinito numervel de valoresC e variveis aleat%rias cont/nuas,
se o contradom/nio for constitu/do por um conjunto infinito no numervel de valores.
'.1 Vari/eis #leatrias ;nidimensionais
'.1.1Vari/eis #leatrias (iscretas
1
,o caso de se assinalarem dois ou mais atri#utos em simultSneo, a correspond6ncia ser de para MI
n
onde n representa o n3mero de caracter/sticas simultaneamente em anlise.
.7
Estatstica
+uno de Probabilidade
Fma ve' definida a varivel aleat%ria, poss/vel fa'er corresponder um n3mero real a cada
acontecimento definido so#re o espa&o de resultados. A questo que a+ora se coloca, sa#er como
calcular as pro#a#ilidades dos acontecimentos a partir das suas ima+ens, ou seja, atravs dos
valores assumidos pela varivel aleat%ria
.
A partir do 8)emplo *A$, podem-se definir os se+uintes acontecimentos:
A
- no sair nen(uma QcaraR em dois lan&amentos de uma moedaC
B
- sair uma QcaraR em dois lan&amentos de uma moedaC
C
- sa/rem duas QcarasR em dois lan&amentos de uma moedaC
Antes de calcular as pro#a#ilidades de cada um dos acontecimentos, vamos come&ar por esta#elecer
a rela&o entre cada acontecimento e a sua ima+em:
2 ; 1 ; 0 C B A
..
Estatstica
"ara utili'ar o conceito clssico no clculo das pro#a#ilidades
-
, vamos admitir que a moeda
equili#rada. Assim,
( ) ( ) 4 1 0 P A P
( ) ( ) 2 1 4 2 1 P B P
( ) ( ) 4 1 2 P C P
A partir deste e)emplo, pode-se definir uma fun&o
( ) x f
que fa' corresponder uma pro#a#ilidade a
cada valor de
. 8sta fun&o desi+na-se por "uno de probabilidade com dom/nio em MI e

contradom/nio no intervalo U : , $ V.
Apresentam-se a se+uir os valores da fun&o de pro#a#ilidade da varivel aleat%ria definida no
8)emplo *A$ #em como a sua representa&o +rfica:
2
Iela&o entre o n3mero de casos favorveis e o n3mero de casos poss/veis.
.;
=i+ura *A$
=un&o de "ro#a#ilidade
:,
.
$,: $,.
-,:
:
:,
7
:,
-
:,
;
f%x&
x
Estatstica

Zenericamente, se
uma varivel aleat%ria discreta, ento a fun&o de pro#a#ilidade dada por

( ) ( ) x P x f
para valores de i
x x
com
n i , , 3 , 2 , 1
.
5omo os valores da fun&o so pro#a#ilidades,
( ) x f
no pode assumir valores ne+ativos e o somat%rio
de todos os valores que a fun&o pode assumir tem de ser i+ual a um. So estas as duas
propriedades de uma fun&o de pro#a#ilidade:
( ) x x f 0 IR
( ) 1
x f
: $ -
( ) x f 4 1 2 1 4 1
.@
Estatstica
+uno de (istribuio
A fun&o
( ) x f
informa so#re a pro#a#ilidade da varivel aleat%ria assumir determinado valor
concreto. ,o entanto, e frequentemente, em ve' de um 3nico valor, procura-se sa#er qual a
pro#a#ilidade de ocorr6ncia de um conjunto de valores. ,estes casos torna-se mais prtico dedu'ir
a "uno de distribuio.
A fun&o de distri#ui&o permite calcular a pro#a#ilidade acumulada at um determinado valor da
varivel aleat%ria
. 1esi+nando a fun&o de distri#ui&o por

( ) x $
, podemos di'er que
( ) ( ) x P x $
.
8sta fun&o tem dom/nio MI e contradom/nio no intervalo U : , $ V e possui as se+uintes propriedades:
( ) x x $ 1 0 IR
( ) ( )
a b a b
x x com x $ x $ >
.<
Estatstica
( ) ( ) 1 lim 0 lim
+
x $ e x $
x x
( ) ( ) ( )
a b a b b a
x x com x $ x $ x x P > <
Apresenta-se a se+uir os valores da fun&o de distri#ui&o da varivel aleat%ria do 8)emplo *A$
#em como a representa&o +rfica que l(e corresponde:
( )
'
<
<
<
2 1
2 1 4 3
1 0 4 1
0 0
x
x
x
x
x $
: $ -
( ) x f 4 1 2 1 4 1
( ) x $ 4 1 4 3
1
.A
=i+ura *A-
=un&o de 1istri#ui&o
x
: $ -
$
:,.
$%x>
Estatstica
A pro#a#ilidade de sair no m)imo uma QcaraR em dois lan&amentos
0
, pode ser o#tida atravs da
fun&o de distri#ui&o:
( ) ( ) 4 3 1 1 $ P
9u a partir da fun&o de pro#a#ilidade:
( ) ( ) ( ) ( ) ( ) 1 0 1 0 1 f f P P P + +
!am#m se pode utili'ar a fun&o de distri#ui&o para calcular a pro#a#ilidade de sair pelo menos
uma QcaraR
7
. !en(a no entanto em aten&o, que a referida fun&o apenas fornece pro#a#ilidades
acumuladas at determinado valor:
( ) ( ) ( ) ( ) 4 3 4 1 1 0 1 0 1 1 1 1 < $ P P P
.
'.2 Par<metros de Vari/eis #leatrias
3
,ote-se que est impl/cito na questo o clculo da pro#a#ilidade para um conjunto de valores. ,este caso, sair 'ero QcarasR ou uma QcaraR em dois lan&amentos de uma moeda.
4
!al como no e)emplo anterior, a questo formulada implica sa#er a pro#a#ilidade para um conjunto de valores que a varivel assume uma ou duas QcarasR em dois lan&amentos de uma
moeda.
;:
Estatstica
9s parSmetros de variveis aleat%rias so medidas atravs das quais se pretende sinteti'ar a
informa&o a que di' respeito ao atri#uto Nvarivel> em anlise.
9s parSmetros de utili'a&o mais frequente so a mdia e a variSncia. 2uando se pretende analisar
a rela&o linear entre duas variveis, tam#m se costumam utili'ar a covariSncia e o coeficiente de
correla&o linear.
'.2.1 8=dia #ritm=tica
Sendo
uma varivel aleat%ria discreta, a mdia de
, ou o seu valor esperado, como tam#m se

costuma desi+nar, dado por:
( ) ( )

n
i
i i
x f x #
1
9u seja, a soma dos valores que a varivel pode assumir, ponderados pelas pro#a#ilidades de
ocorr6ncia de cada um desses valores.
;$
Estatstica
*oltando aos 8)emplos *A$ e *A- apresentados anteriormente, e que ilustram a apresenta&o so#re
as variveis aleat%rias discretas e cont/nuas unidimensionais e as respectivas fun&Hes de
pro#a#ilidade e de densidade de pro#a#ilidade, pode-se calcular a mdia para cada uma das
variveis:
8)emplo *A$
( ) ( ) 1
4
1
2
2
1
1
4
1
0
1
+ +

n
i
i i
x f x #
0.-.$.$. Propriedades da m=dia ou /alor esperado
Apresentam-se de se+uida al+umas propriedades do valor esperado, quando se considera uma ou
duas variveis aleat%rias
( ) e
e uma constante
!
.
( ) ! ! #
( ) ( ) X # ! X ! #
( ) ( ) ( ) + + # # #
( ) ( ) ( ) # # #
;-
Estatstica
( ) ( ) ( ) ( ) + # # C'( #
.
ou
( ) ( ) ( ) # # #
, desde que
e
sejam independentes.
'.2.2 Vari<ncia e (es/io Padro
A variSncia
;
uma medida de disperso e pode definir-se como a mdia do quadrado dos desvios,
dos diferentes valores que a varivel
pode assumir, em rela&o mdia da varivel:

( ) ( ) [ ]
2
# # (A)
.
1esi+nando
( ) #
por
@
, fica:

( ) ( ) [ ]
2
# (A)
N$>
5
A covariSncia NC'(> vai ser o#jecto de anlise mais adiante neste cap/tulo.
6
=requentemente representada por
2
, tal como vimos no cap/tulo da estat/stica descritiva. 1ada a rela&o entre a variSncia e o desvio padro, este 3ltimo representado por .
7
S/m#olo +eralmente utili'ado para desi+nar a mdia de uma varivel aleat%ria.
;0
Estatstica
2uando se trata de variveis aleat%rias discretas a variSncia pode ser calculada a partir de:
( ) ( ) ( )

n
i
i i
x f x (A)
1
2
.
9 desvio padro a rai' quadrada positiva da variSncia e tem a vanta+em de vir e)presso nas
mesmas unidades da varivel. Assim,
( ) (A)
.
As formas de clculo que foram apresentadas, derivam da f%rmula apresentada em N$>, mas no so,
talve', as formas de clculo mais e)peditas para calcular a variSncia de uma varivel aleat%ria. 1e
se+uida dedu'-se uma f%rmula alternativa.
( ) ( ) [ ]
( )
( ) ( )
( ) ( )

+
+

# *ue a Atendendo #
te cons uma sendo e esperado valor do es propriedad +s Atendendo # #
*uadrado o ndo "esenvolve #
# (A)
2 2
2 2
2 2
2
t! 2
2
*oltemos aos 8)emplos *A$ e *A- para calcular a variSncia das variveis aleat%rias a/
representadas:
;7
Estatstica
8)emplo *A$
( ) ( )
+ +
n
i
i i
x f x #
1
2 2 2 2 2
2
3
4
1
2
2
1
1
4
1
0
5omo j vimos calculado
( ) 1 #
, ento
( ) 2 1 1 2 3 (A)
.
'.2.2.1. Propriedades da Vari<ncia
!al como para o valor esperado, apresentamos de se+uida al+umas re+ras prticas no clculo da
variSncia, considerando uma ou duas variveis aleat%rias
( ) e
e uma constante
!
.
( ) 0 ! (A)
( ) ( ) X (A) ! X ! (A)
2
( ) ( ) ( ) ( ) + + + , 2 C'( (A) (A) (A)
( ) ( ) ( ) ( ) + , 2 C'( (A) (A) (A)

;.
Estatstica
8)erc/cio:
$. Fm jo+ador de #asquete#ol +arante que converte <:Y dos lances livres que e)ecuta. Seja [ a
varivel Q,3mero de lances livres que converte em 0 lan&amentosR.
$.$. 1efine a fun&o de pro#a#ilidade.
$.-. 1etermina a mdia dos lan&amentos convertidos.
-. 1e um saco com 0 #olas numeradas com os al+arismos $, - e 0 tiram-se sucessivamente duas
#olas, repondo a primeira antes de tirar a se+unda. Seja [ a varivel QOaior n3mero o#tido na
e)trac&oR.
-.$ 1efine a fun&o distri#ui&o e constr%i o +rfico associadoC
-.-. Mndica a mdia e o desvio-padro da pontua&o o#tida.
;;
Estatstica
2.1 (istribui%es 5ericas (iscretas
,o Sm#ito da 8stat/stica 1escritiva, fala-se muitas ve'es em distri#ui&Hes de frequ6ncias ou
distri#ui&Hes emp/ricas de variveis discretas e cont/nuas. As distri#ui&Hes te%ricas que se iro
a#ordar representam, afinal, os modelos matemticos Ne)presso +enrica> daquelas distri#ui&Hes
emp/ricas.
2.1. (istribuio ;ni"orme
;@
Estatstica
8m al+umas situa&Hes assume-se que os valores que uma varivel aleat%ria discreta
pode assumir
ocorrem com i+ual pro#a#ilidade. 1i'-se ento que
tem distri#ui&o uniforme.

Exemplo ((1
5onsidere-se a e)peri6ncia aleat%ria que consiste no lan&amento de um dado perfeito.
Seja a varivel
- n3mero inscrito na face voltada para cima.

A varivel aleat%ria
tem distri#ui&o uniforme pois,

[ ] ( )
'

valores outros
x
x f x P
, 0
6 , 5 , 4 , 3 , 2 , 1 ,
6
1
9u seja,
pode assumir os valores inteiros

6 5 , 4 , 3 , 2 , 1 e x
com i+ual pro#a#ilidade.
;<
Estatstica
1esta forma, di'-se que a varivel aleat%ria discreta
tem distribuio uni"orme se a sua fun&o

de pro#a#ilidade for dada por:
( )
'
valores outros
, x
,
x f
, 0
, , 3 , 2 , 1 ,
1
.
5eorema
Se
uma varivel aleat%ria discreta com distri#ui&o uniforme tem-se que:

[ ]
2
1 +

,
#
NOdia>
[ ]
12
1
2
2

,
(ar
N*ariSncia>.
;A
Estatstica
A fun&o de distri#ui&o
( ) x $
duma uniforme facilmente se o#tm recorrendo ao conceito de fun&o
de distri#ui&o anteriormente estudado:
( )
'
<
<
+
, x
, x x x x
,
x
x
x $
i i i
i
, 1
1 , , 2 , 1 , ,
1 , 0
1

.
2.2 Pro/a de 6ernoulli
5onsidere-se uma e)peri6ncia aleat%ria que tem apenas dois resultados poss/veis:
A
que se desi+na
por sucesso e
A
desi+nado por insucesso.
9 sucesso ocorre com pro#a#ilidade
p
e o insucesso com pro#a#ilidade
p * 1
.
9u seja:
@:
Estatstica
{ } A A,
A
-Sucesso
A
-Mnsucesso
( ) p A P
( ) p * A P 1
Fma e)peri6ncia aleat%ria com as caracter/sticas anteriores c(ama-se pro/a de 6ernoulli.
>ucesso de pro/as de 6ernoulli
5onsidere um processo ou e)peri6ncia caracteri'ado por repetidas provas que t6m lu+ar nas
se+uintes condi&Hes:
$. 8m cada prova s% ( dois resultados poss/veis, mutuamente e)clusivos, denominados sucesso e
insucesso.
-. A pro#a#ilidade de sucesso, desi+nada por
p
, mantm-se constante de prova para prova. A
pro#a#ilidade de insucesso desi+nada por
p * 1
.
@$
Estatstica
0. As provas so independentes, isto , os resultados o#tidos numa certa prova ou sequ6ncia de
provas no afectam os resultados daNs> provaNs> su#sequenteNs>.
Exemplo ((2
Mma+ine que determinada empresa pretende efectuar uma campan(a pu#licitria na televiso.
"ara tal, tenciona patrocinar certo pro+rama. ,o entanto, a dita campan(a s% vantajosa para a
empresa se esse pro+rama tiver uma audi6ncia de pelo menos 7:Y dos telespectadores.
"ara se decidir, a empresas pode levar a ca#o uma e)peri6ncia aleat%ria, que consistir em inquirir
um certo n3mero de telespectadores, per+untando-l(es se viram ou no aquele pro+rama.
8m que condi&Hes se estar perante um processo de Bernoulli4
As (ip%teses su#jacentes a um processo de Bernoulli esto satisfeitas neste e)emplo se se admitir
que:
@-
Estatstica
8m cada entrevista Nprova> a reali'ar, o entrevistado s% poder dar uma das duas respostas
poss/veis: vi o pro+rama ou no vi o pro+ramaC
As pro#a#ilidades associadas Kqueles resultados so respectivamente
p
e
p * 1
e mant6m-se
fi)as de entrevista para entrevistaC
!am#m plaus/vel que as entrevistas sejam independentes... isto , os entrevistados no
esto Qcom#inadosR...
2.'. (istribuio de 6ernoulli
5onsidere-se uma prova de Bernoulli e uma varivel aleat%ria
que s% assume dois valores: o

valor : quando o resultado da prova o insucesso e o valor $ quando o resultado da prova o
sucesso.
Ao sucesso est associado a pro#a#ilidade
p
e ao insucesso a pro#a#ilidade
( ) * p 1
, fi)as.
@0
Estatstica
1i'-se que a varivel aleat%ria discreta
tem distribuio de 6ernoulli se a sua fun&o de

pro#a#ilidade dada por:
'

valores outros
x p p
x f
x x
, 0
1 , 0 , ) 1 (
) (
1
8sta distri#ui&o tem s% um parSmetro
p
que satisfa' a condi&o
1 0 p
.
Iecorrendo ao conceito de fun&o de distri#ui&o
( ) x $
, facilmente se dedu' que a fun&o de
distri#ui&o de uma Bernoulli dada por:
[ ] ( )
'
<
<

1 1
1 0 1
0 0
x
x p
x
x $ x P
5eorema
Se a varivel aleat%ria
tem distri#ui&o de Bernoulli, ento:

[ ] p #

@7
Estatstica
[ ] ( ) * p p p (ar 1
.
2.2 (istribuio 6inomial
A distri#ui&o #inomial assenta tam#m no conceito de provas de Bernoulli.
8sta distri#ui&o um esquema pro#a#il/stico que se adapta a situa&Hes em que se pretende
analisar um conjunto finito Nou amostra> de indiv/duosTo#jectos que possuem determinado atri#uto
com pro#a#ilidade
p
ou que no o possuem com uma pro#a#ilidade
( ) * p 1
.
@.
Estatstica
5onsidere-se uma sucesso de . provas de Bernoulli, isto , uma sucesso de . e)peri6ncias
aleat%rias independentes, em cada uma das quais pode ocorrer ou no determinado acontecimento
A
.
9 acontecimento
A
, denominado sucesso, ocorre com pro#a#ilidade
p
e A , o insucesso, com
pro#a#ilidade
( ) * p 1
.
9 espa&o de resultados associado Kquelas . provas de Bernoulli dado por:
( ) ( ) ( ) ( ) ( ) ( ) { } A A A A A A A AAA AA A AA AAA A A AAAA A AAAAA , , , , , ,
em que #
5
2 pois o n3mero de provas . e s% ( dois resultados poss/veis:
A
e A .
Seja o acontecimento
A
- Qo recm-nascido do se)o femininoR e supon(a que se pretende, por
e)emplo, sa#er:
2ual a pro#a#ilidade de, em . recm nascidos,
!odos serem do se)o feminino4
@;
Estatstica
Apenas tr6s serem do se)o feminino4
,en(um ser do se)o feminino4
P uma distri#ui&o #inomial que permitir responder a estas questHes.
A distri#ui&o Binomial parece estar associada K se+uinte questo +enrica: pretende-se sa#er
qual a pro#a#ilidade de, em
n
provas de Bernoulli, serem o#tidos
x
sucessos Na reali'a&o de certo
acontecimento
A
> e portanto
( ) x n
insucessos Na no reali'a&o de
A
>.
Supon(amos a se+uinte sequ6ncia de
n
provas de Bernoulli:
( )

provas n
insucessos x n
sucessos x
A A A A A A AAA

@@
Estatstica
,ote-se que (
n
2 sequ6ncias diferentes poss/veis, mas a todas elas corresponde a mesma
pro#a#ilidade
( )
x n x
p p

1
. ,o entanto, e)istem
,
_
x
n
maneiras diferentes de se o#terem
x
sucessos Ne
portanto
( ) x n
insucessos>.
1i'-se que a varivel aleat%ria discreta
- n3mero de sucessos em
n
provas de Bernoulli - tem
distribuio 6inomial e escreve-se:
( ) p n x b ; ;
A sua fun&o de pro#a#ilidade for dada por:
@<
Estatstica
[ ] ( ) ( )
( )
'
,
_
valores outros
n x p p
x
n
p n x f x f x P
x n
x
0
, , 2 , 1 , 0 1
; ,

em que
n
e
p
so os parSmetros caracteri'adores desta distri#ui&o.
9 parSmetro
n
corresponde ao n3mero de provas de Bernoulli a efectuar, sendo
n
qualquer inteiro
positivo. 9 parSmetro
p
corresponde K pro#a#ilidade associada ao sucesso,
1 0 p
.
A respectiva fun&o de distri#ui&o,
( ) x $
, dada por:
@A
Estatstica
[ ] ( ) ( )
'
>

,
_
<

n x
n x p p
x
n
x
x $ x X P
x
x
x n x
i
i
i i
1
0 1
0 0
0
9s parSmetros
n
e
p
so suficientes para a especifica&o de uma distri#ui&o #inomial, isto , a
valores diferentes de
n
e
p
correspondem diferentes distri#ui&Hes desta fam/lia.
5eorema
Se
uma varivel aleat%ria com distri#ui&o Binomial, ento

[ ] p n # .

<:
Estatstica

[ ] * p n (ar . .
.
Exemplo (('
Fm tcnico dos servi&os de "reven&o e Se+uran&a Iodoviria afirma que $ em $: acidentes
rodovirios devido a cansa&o.
Seja
- n3mero de acidentes, em ., devidos a cansa&o.

( ) 1 , 0 , 5 p n b
[ ] ( ) ( ) ( )
x x
x
x f x P

,
_

5
9 , 0 1 , 0
5
"or e)emplo, a pro#a#ilidade de 0 dos . acidentes serem devido ao cansa&o :
<$
Estatstica
( ) ( ) ( ) 0081 , 0 9 , 0 1 , 0
3
5
3
3 5 3
,
_

f
.
As distri#ui&Hes #inomiais possuem a propriedade de serem aditivas, o que si+nifica que a soma de
duas ou mais variveis aleat%rias independentes com distri#ui&o #inomial de parSmetro
p
ainda
uma varivel aleat%ria com distri#ui&o #inomial e com o mesmo parSmetro
p
.
8)erc/cios:
$. 5onsidera o lan&amento de um dado. 2ual a pro#a#ilidade de, em $7 lan&amentos, o#ter
e)actamente . ve'es a face 04
<-
Estatstica
-. ,uma f#rica de esfero+rficas, a pro#a#ilidade de uma esfero+rfica ter defeito .Y.
,uma encomenda de $:: esfero+rficas, qual a pro#a#ilidade de (aver duas com defeito4
0. ,um 8)ame de Oatemtica constam sete questHes de escol(a m3ltipla com quatro respostas,
das quais s% uma verdadeira. Se decidires responder ao acaso, qual a pro#a#ilidade de:
NApresenta o resultado em percenta+em arredondada Ks dcimas>:
0.$. Acertares em todas as respostas4
0.-. Acertares, no m)imo, em tr6s respostas4
<0

Estatística - AULAS

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

Estatística - AULAS

Enviado por

Direitos autorais:

Formatos disponíveis

Estatstica

Captulo IV Teoria das Probabilidades

, qualquer arranjo de n elementos de A, p a p, tam#m c(amado arranjo sem

, qualquer permuta&o de n elementos de A uma sequ6ncia de n elementos de

Cap. IV !eoria das "ro#a#ilidades

, qualquer com#ina&o de n elementos p a p um su#conjunto de A, em que:

. "retende-se o#servar os momentos de entrada e de sa/da do

infinito no numervel, pode-se ento escrever

, donde se poder utili'ar

equivalente a um rectSn+ulo do espa&o

. 8sta fun&o desi+na-se por "uno de probabilidade com dom/nio em MI e

uma varivel aleat%ria discreta, ento a fun&o de pro#a#ilidade dada por

. 1esi+nando a fun&o de distri#ui&o por

uma varivel aleat%ria discreta, a mdia de

, ou o seu valor esperado, como tam#m se

pode assumir, em rela&o mdia da varivel:

( ) ( ) ( ) ( ) + + + , 2 C'( (A) (A) (A)

( ) ( ) ( ) ( ) + , 2 C'( (A) (A) (A)

tem distri#ui&o uniforme.

- n3mero inscrito na face voltada para cima.

tem distri#ui&o uniforme pois,

pode assumir os valores inteiros

tem distribuio uni"orme se a sua fun&o

uma varivel aleat%ria discreta com distri#ui&o uniforme tem-se que:

que s% assume dois valores: o

tem distribuio de 6ernoulli se a sua fun&o de

tem distri#ui&o de Bernoulli, ento:

Cap. IV !eoria das "ro#a#ilidades

uma varivel aleat%ria com distri#ui&o Binomial, ento

- n3mero de acidentes, em ., devidos a cansa&o.

Você também pode gostar