COMO ESTIMAR A PROBABILIDADE DE UM ACONTECIMENTO POR SIMULAO

Maria Eugnia Graa Martins

memartins@fc.ul.pt

Pretendemos com este pequeno texto dar a conhecer de uma forma simples e introdutria um processo que
pode ser utilizado para estimar a probabilidade de alguns acontecimentos a simulao. Esta tcnica, como
se ver, baseia-se na interpretao frequencista de probabilidade. O meio utilizado para proceder s simulaes
foi a folha de Excel do computador.
A maior parte dos exemplos apresentados foram retirados de outros textos da minha autoria ou co-autoria,
que sero indicados no final como bibliografia.
Como texto introdutrio, muito ficou por dizer e algumas vezes tive dvidas de quais os exemplos que me-
lhor poderiam ilustrar esta tcnica. De qualquer modo fica sempre a minha disponibilidade para quaisquer d-
vidas que possam ter sido suscitadas (ou no...) por estas folhas.

Como estimar a probabilidade de um acontecimento por simulao

Introduo
O termo Probabilidade utilizado todos os dias de forma mais ou menos intuitiva, pois nos mais variados aspectos da
nossa vida, est presente a incerteza:
Dizemos:
que pouco provvel que chova, se no avistarmos nuvens;
que a probabilidade do prximo beb, de uma determinada famlia, ser do sexo masculino aproximadamente 50%;
que a probabilidade de lanar uma moeda de 1 euro ao ar e sair a face Euro, 50%;
que a probabilidade de ganhar no Euromilhes quase nula.;

Todos estes exemplos tm uma caracterstica comum:

no se consegue prever com exactido e de antemo, qual o resultado da situao de incerteza.

Ao emitirmos um juzo de valor (como fizemos em alguns dos exemplos considerados), estamos a exprimir o nosso grau
de convico na realizao de algum acontecimento, recorrendo, embora intuitivamente, frequncia relativa com que
o acontecimento se pode repetir.
A probabilidade est presente sempre que estivermos perante um fenmeno aleatrio.
Fenmenos aleatrios.So fenmenos para os quais os resultados das realizaes individuais so incertos, mas
em que se admite ser possvel encontrar um padro genrico de comportamento, ou uma regularidade a longo termo, 1
isto , para um grande nmero de realizaes do fenmeno.
Experincia aleatria. realizao do fenmeno aleatrio chamamos experincia aleatria. Vamos admitir que
estas experincias se podem repetir as vezes que quisermos e sempre nas mesmas condies.

PROFMAT2011 ACTAS
 Assim, no caso do lanamento da moeda a experincia aleatria consiste em lanar a moeda ao ar e verificar qual a
face que fica virada para cima. A experincia aleatria porque no sabemos, em cada lanamento, se a face Euro ou
a face Nacional que vai ficar virada para cima, embora a experincia se repita nas mesmas condies.
Em contrapartida, a experincia que consiste em lanar a moeda ao ar e ver se cai, j no aleatria! Neste caso no
estamos perante um fenmeno aleatrio
Para fixar ideias.A probabilidade uma propriedade associada a um fenmeno aleatrio, que se possa repetir um
grande nmero de vezes, nas mesmas condies, tendo por base o facto de que a aleatoriedade presente produz um pa-
dro de comportamento, ao fim de muitas repeties, isto , medida que o nmero de realizaes da experincia aleat-
ria, associada a um fenmeno aleatrio aumenta, o comportamento do fenmeno torna-se previsvel!!!.
Afinal o acaso pode ser governado!
Modelo de probabilidade.A caracterizao de um fenmeno aleatrio pressupe a definio de um modelo de
probabilidade, associado, que consiste:
Na identificao de todos os resultados possveis quando se realiza o fenmeno aleatrio espao de resultados.
Na atribuio de um nmero a cada resultado, a que chama-mos probabilidade. Esta atribuio tem de satisfazer al-
guns critrios (uma probabilidade deve ser um nmero no negativo e a soma das probabilidades atribudas a todos os
resultados acontecimentos elementares, que compem o espao de resultados, deve ser 1).
Acontecimento. um conjunto formado por um ou mais resultados do espao de resultados. Um acontecimento
elementar aquele que constitudo por um nico resultado.
Probabilidade de um acontecimento.A probabilidade de um acontecimento A representa-se por P(A) e
igual soma das probabilidades dos acontecimentos elementares que compem A. Por exemplo, se considerarmos o fe-
nmeno aleatrio do lanamento de um dado equilibrado e definirmos o modelo de probabilidade que associa a cada
face a probabilidade 1/6, ento a probabilidade da sada de uma face com um nmero par de pintas 3/6, j que o acon-
tecimento de interesse constitudo por 3 acontecimentos elementares, cada um com probabilidade 1/6.
No entanto, mesmo tendo-se definido o modelo associado a um fenmeno aleatrio, nem sempre fcil obter a proba-
bilidade de um acontecimento A, que lhe esteja associado. Por exemplo, se lanarmos 10 vezes uma moeda de um euro,
equilibrada, o clculo terico da probabilidade do acontecimento obter 4 ou mais faces Euro ou Nacional seguidas
no acessvel a este nvel.
Como obter ento a probabilidade do acontecimento?
A nica soluo ser repetir muitas vezes a experincia de lanar a moeda 10 vezes e estimar a probabilidade do aconte-
cimento, pela proporo de vezes em que a face Euro ou a face Nacional aparece 4 ou mais vezes seguidas, em sequn-
cias de 10 lanamentos.
O processo que acabmos de descrever tem por base a essncia do que um fenmeno aleatrio (pode-se repetir),
tornando possvel a definio de:
Probabilidade.(experimental ou frequencista) do acontecimento A como sendo o valor volta do qual tende a es-
tabilizar a frequncia relativa da realizao de A, num grande nmero de repeties da experincia aleatria(realizaes
do fenmeno aleatrio).

O que a simulao?
No exemplo anterior, ser ento necessrio estar com este trabalho de lanar a moeda muitas e muitas vezes?
No! O comportamento aleatrio do lanamento da moeda pode ser imitado, utilizando a tecnologia, e neste caso di-
zemos que estamos a simular a realizao do fenmeno.
2
Simulao
Simulao.processo artificial utilizado para imitar o comportamento de um fenmeno aleatrio, utilizando, de
um modo geral, nmeros aleatrios.
Dgitos aleatrios.Uma tabela de dgitos aleatrios uma listagem dos dgitos 0, 1, 2, 3, 4, 5, 6, 7, 8 ou 9 tal que:
qualquer um dos dgitos considerados tem igual possibilidade de figurar em qualquer posio da lista;
a posio em que figura cada dgito independente das posies dos outros dgitos
Exemplo de uma parte de uma tabela de dgitos aleatrios:
101 19223 95034 05756 28713 96409 12531 42544 82853
102 73676 47150 99400 01927 27754 42648 82425 36290
103 5467 71709 77558 00095 32863 29485 82226 90056
104 52711 38889 93074 60227 40011 85848 48767 52573
105 95592 94007 69971 91481 60779 53791 17297 59335
106 68417 35013 15529 72765 85089 57067 50211 47487
107 82739 57890 20807 47511 81676 55300 94383 14893
108 60940 72024 17868 24943 61790 90656 87964 18883
A partir da tabela de dgitos aleatrios podem-se obter nmeros aleatrios de 2 dgitos qualquer par dos 100 pares
possveis 00, 01, , 98, 99, tem igual probabilidade de ser seleccionado; de 3 dgitos qualquer triplo dos 1000 triplos
possveis 000, 001, , 998, 999, tem igual probabilidade de ser seleccionado, etc., tomando os dgitos da tabela 2 a 2, 3
a 3, etc., a partir de uma linha qualquer e percorrendo-a da esquerda para a direita.
Hoje em dia, existe a possibilidade de utilizar o computador ou uma simples mquina de calcular para gerar os n-
meros aleatrios. No entanto, convm ter presente que os nmeros que se obtm so pseudo-aleatrios, j que um
mecanismo determinista que lhes d origem, embora se comportem como nmeros aleatrios.

A funo RAND() e a funo RANDBETWEEN(A;B) do Excel

Hoje em dia j no h necessidade de se utilizarem as tabelas de dgitos aleatrios e sempre que necessrio utilizamos
o computador ou a mquina de calcular para os gerar. No entanto, convm ter presente que os nmeros que se obtm
so nmeros pseudo aleatrios (NPA), j que um mecanismo determinista que lhes d origem, embora se comportem
como nmeros aleatrios (passam numa bateria de testes destinados a confirmar a sua aleatoriedade)
Mais geralmente, quando falamos em nmeros aleatrios, sem qualquer outra referncia, no nos estamos a referir
explicitamente a nmeros inteiros, mas sim a nmeros reais do intervalo [0, 1]. Os algoritmos de gerao de nmeros
pseudo-aleatrios esto concebidos de modo a que ao considerar uma qualquer sequncia de nmeros gerados se obte-
nha aproximadamente a mesma proporo de observaes em sub intervalos de igual amplitude do intervalo [0,1]. As-
sim, por exemplo, se se fizer correr o algoritmo 100 vezes, de esperar que caiam 25 dos nmeros gerados em cada quar-
to do intervalo [0,1].

A funo RAND
No Excel, os nmeros pseudo-aleatrios (no intervalo [0,1]) so gerados utilizando a funo RAND():
Exemplo de 100 nmeros pseudo-aleatrios obtidos atravs da funo RAND() do Excel:

PROFMAT2011 ACTAS
 Para contar quantos nmeros pertencem a cada intervalo, usamos a funo COUNTIF, do Excel:

Como se verifica da tabela anterior, 25 nmeros pertencem ao intervalo [0;0,25[, 24 ao intervalo [0,25;0,50[, 26 ao in-
tervalo [0,50;0,75[ e 24 ao intervalo [0,75;1[. Se gerarmos outros 100 nmeros obteremos outros valores, no necessa-
riamente to prximos (ou iguais) de 25 como os anteriores.
Nota.Para obter nmeros reais entre a e b basta utilizar a expresso RAND()*(b-a)+a

A funo RANDBETWEEN
Para obter nmeros pseudo-aleatrios inteiros entre M e N, utiliza-se a funo RANDBETWEEN(M;N), com M e
N inteiros e M menor que N.
Por exemplo, para simularmos o lanamento de um dado (equilibrado), inserimos a funo RANDBETWEEN(1;6)
em 500 clulas (de A1 at J50) da folha de Excel

Utilizando mais uma vez a funo COUNTIF, obtivemos a distribuio de frequncia dos nmeros gerados.
s frequncias absolutas e relativas do 1, 2, ... e 6, respectivamente nas colunas M e N, juntmos na coluna O as pro-
babilidades de, no lanamento de um dado equilibrado, se obter uma face com aquele nmero de pintas:

4
O grfico anterior permite comparar as probabilidades estimadas para a sada de cada face do dado, com as probabili-
dades tericas respectivas. Se em vez de 500, fizssemos mais repeties, seria de esperar que as probabilidades estima-
das se aproximassem melhor das tericas. No grfico seguinte as frequncias relativas para a sada de cada face foram
obtidas a partir de 1000 repeties:

Nota.Na simulao do lanamento do dado (com 500 repeties), ao utilizar o Excel para construir o diagrama de
barras para os valores obtidos que se apresentam na tabela abaixo

surgiu-me a seguinte representao grfica, a qual me deixou razoavelmente alarmada, j que me pareceu obter
uma distribuio de frequncias muito longe da uniforme, como estava espera! (Em vez de olhar para os valores da tabe-
la, olhei logo para o grfico um grfico vale mais que mil palavras, como se costuma dizer, mas nem sempre assim)

PROFMAT2011 ACTAS
 Na realidade a representao anterior no est correcta basta ver que a escala no eixo dos ys, escolhida automatica-
mente pelo Excel, no se inicia no ponto 0. O grfico correcto o seguinte:

Normalmente os grficos apresentados pelo Excel tm os eixos a cruzarem-se no ponto 0, mas quando isso no aconte-
ce, se se pretende manter o grfico assim, deve chamar-se a ateno para esse pormenor.

Exemplos de como utilizar a simulao para estimar a

probabilidade de acontecimentos
Exemplo 1.Estimar a probabilidade de em 10 lanamentos de uma moeda de um euro, a face Euro ou a
face Nacional aparecer 4 ou mais vezes seguidas.
Primeiro passo.Definir o modelo de probabilidade para o lanamento de uma moeda:
1) Admitimos que a moeda equilibrada

2) Os lanamentos so independentes uns dos outros

Segundo passo.Utilizar os dgitos da tabela para simular um lanamento:

1) Cada dgito simula um lanamento da moeda
2)Se um dgito for 0, 1, 2, 3 ou 4 simula a sada da face Euro; se for 5, 6, 7, 8 ou 9 simula a sada da face Nacional. Pode-
ramos ter utilizado como metodologia a seguinte: se o dgito for par (considerando o 0 como par) simula-se a sada da
face Euro; se for mpar simula a sada da face Nacional.

Terceiro passo.Simular muitas repeties percorrer a tabela, comeando na 1a linha, da esquerda para a direita:

6
Na tabela anterior, assinalmos a vermelho sempre que se veri- fica um sucesso, ou seja, sempre que se realiza o aconte-
cimento em causa pelo menos 4 faces euro ou nacionais seguidas.
Em 36 repeties, verificaram-se 18 sucessos, pelo que uma estimativa para a probabilidade pretendida 18/36 =0,5
ou 50%.
Aproveitando as simulaes anteriores, fomos obter uma estimativa para a probabilidade de obter 3 faces euros ou na-
cionais (pelo menos) seguidas, em 10 lanamentos.
Agora os sucessos, alm dos assinalados a vermelho, so tambm os assinalados a azul. Temos 30 sucessos nas 36 repe-
ties, pelo que uma estimativa para a probabilidade de obter pelo menos 3 faces euro ou nacionais seguidas 30/360,83
(De acordo com o modelo, a probabilidade terica deste acontecimento 0,826).
Como que se pode saber se as estimativas obtidas so estimativas razoveis para as probabilidades pretendidas?
Que garantia que temos que a estimativa de 50%, obtida para a probabilidade de em 10 lanamentos obter 4 faces
euro ou nacionais seguidas, seja uma estimativa razovel? O problema prende-se com o facto de saber se 36 repeties
so suficientes, j que se fala em muitas repeties..., para obter a probabilidade experimental de um acontecimento!
De acordo com o que se disse anteriormente, a probabilidade experimental ou frequencista o valor volta do qual
tende a estabilizar a frequncia relativa com que o acontecimento se verifica, medida que o nmero de repeties au-
menta.
Vejamos, na simulao anterior, a evoluo da frequncia relativa, com o nmero de repeties da experincia (cha-
mamos a ateno para que, neste caso, a realizao de uma experincia consiste em simular 10 lanamentos da moeda):

Decididamente no se nota que a frequncia relativa tenha estabilizado volta de 50%, pelo que as 36 repeties no
so suficientes. Sendo assim, necessrio repetir mais vezes a experincia que leva, ou no, realizao do acontecimen-
to que se est a estudar.
Realizmos uma nova simulao com 500 repeties desta vez utilizmos o Excel (veremos frente o processo
utilizado), tendo-se obtido o seguinte grfico que mostra a evoluo da frequncia relativa com o nmero de repeties:

Apresentamos ainda para melhor visibilidade, as ltimas linhas da tabela onde se registou a evoluo da frequncia re-
lativa do acontecimento em causa (a partir da qual se construiu o grfico anterior):

PROFMAT2011 ACTAS
 Do grfico e da tabela, verifica-se que a frequncia relativa estabilizou volta de 45%, pelo
que consideramos este valor como a estimativa para a probabilidade de em 10 lanamentos
se verificar pelo menos 4 faces euro ou 4 faces nacionais seguidas.
Aproveitmos ainda a simulao feita para estimar a probabilidade de em 10 lanamen-
tos obter 3 ou mais faces euro ou faces nacionais seguidas. O grfico que mostra a evoluo
da frequncia relativa medida que o nmero de repeties aumenta, apresenta-se a seguir:

De acordo com os resultados obtidos, consideramos que 83% uma estimativa razovel
para a probabilidade de em 10 lanamentos de uma moeda equilibrada, a face euro ou a face nacional surgir 3 ou mais
vezes seguidas.

A funo RAND() para simular o lanamento de uma moeda (equilibrada)

Para estimar a probabilidade de no lanamento de uma moeda de um euro, equilibrada, aparecerem pelo menos 4 faces
euro ou 4 faces nacionais seguidas, utilizmos, no passo 2, a tabela de dgitos aleatrios, para fazer as 36 repeties. No
entanto, para simular o lanamento da moeda mais prtico utilizar a funo RAND() do Excel, da seguinte forma:
Passo 2.Considerar a funo RAND() do Excel
1. Cada nmero gerado simula um lanamento da moeda;
2. Um nmero <0,5 representa a face Euro e um nmero0,5 representa a face Nacional.
Esta atribuio de probabilidades est de acordo como modelo proposto, j que os intervalos [0, 0,5[ e [0,5, 1] tm igual
amplitude, pelo que a probabilidade de obter nmeros em cada um desses intervalos 0,5. Este foi o processo utilizado
para estimar a probabilidade do mesmo acontecimento, mas com 500 repeties.

Exemplo 2.Estimar a probabilidade de numa famlia de 4 filhos todos serem rapazes.

Como no exemplo anterior, o primeiro passo a definio de um modelo para o nascimento de um filho do sexo masculino.
Vamos admitir que a probabilidade de um filho ser rapaz 50% e que os nascimentos so independentes uns dos
outros. Simula-se o nascimento de uma criana atravs da funo RAND() da seguinte forma: sempre que o nmero
gerado for 0,5, considera-se que nasceu um rapaz; caso contrrio admite- se que nasceu rapariga. De seguida geram-se
muitas repeties de 4 nmeros, para simular os 4 nascimentos:

8
continuao da tabela anterior

Repetimos a simulao anterior 1000 vezes, tendo obtido a seguinte tabela de frequncias de que apresentamos parte,
assim como o grfico respectivo:

Evoluo da frequncia relativa do acontecimento

Nascimento de 4 rapazes

De acordo com a tabela anterior, uma estimativa razovel para a probabilidade pretendida 0,6 ou 60%.
De acordo como census 2001 (ainda no temos os resultados do ltimo censo), a percentagem de nascimentos do
9
sexo masculino ligeiramente superior do sexo feminino e anda volta de 51%. Admitindo ento que a probabilidade
de nascer rapaz 0,51, para estimar a probabilidade de nascerem 4 rapazes, numa famlia de 4 filhos, basta na simula-
o anterior considerar rapaz sempre que o resultado da funo RAND() for um nmero 0,51. Fazendo esta alterao,
uma estimativa para a probabilidade de, na famlia de 4 filhos, todos serem rapazes, anda volta de 68%.

PROFMAT2011 ACTAS
 Exemplo 3.Na sala de aula o professor props o seguinte jogo: lanam 2 dados e verificam a soma das pintas: Se a
soma for 2, 3, 4 ou 5 o Joo ganha um ponto; Se for 6, 7 ou 8 ganha a Rita um ponto; Se for 9, 10, 11 ou 12, ganha o Mi-
guel um ponto. Ao fim de 100 jogadas, ganha quem tiver mais pontos. A Rita contestou o jogo dizendo que tinha me-
nos chance de o ganhar! Teria a Rita razo?
A Rita contestou o jogo porque s tinha 3 possibilidades de ganhar, enquanto que os colegas tinham 4 possibilidades!
Mas ser que todas estas (11) possibilidades so igualmente possveis? Vamos ento estimar a probabilidade de a soma
das pintas dos dois dados ser 2, 3,..., 11 ou 12.
Utilizamos a funo RANDBETWEEN(1;6) em duas colunas do Excel para simularmos o lanamento dos 2 dados
(admitimos que os dados so equilibrados). Numa 3a coluna considermos a soma das colunas anteriores e finalmente,
com a ajuda da funo COUNTIF, construmos a tabela das frequncias relativas (foram realizadas 1000 simulaes
do lanamento dos 2 dados):

A partir da tabela anterior podemos concluir que as estimativas para as probabilidades do Joo, da Rita e do Miguel ganha-
rem um ponto so, respectivamente, 29% (0,03+0,06+0,08+0,12), 44% (0,13+0,18+0,14) e 27% (0,11+0,08+0,05+0,03).
Daqui conclumos que, ao contrrio do que a Rita pensava, ela largamente beneficiada com estas regras do jogo.
Neste caso em que os acontecimentos, de que pretendemos estimar a probabilidade, esto associados ao fenmeno
aleatrio do lanamento de dois dados, simples, uma vez definido o modelo de probabilidade, calcular essas probabi-
lidades. Vejamos que assim .
Para definir o modelo de probabilidade associado ao fenmeno aleatrio do lanamento dos dois dados, comecemos
por descrever o espao de resultados para isso consideremos um dado vermelho e outro verde:

10
O espao de resultados constitudo por todos os pares (i,j) com i,j=1,...,6, em nmero de 36. No par ordenado (i,j) o
primeiro elemento do par refere-se ao dado vermelho e o segundo elemento ao dado verde. Assim, por exemplo, o par
(1,3) diferente do par (3,1). Como todos estes resultados so igualmente possveis, atribumos a cada um a probabilida-
de 1/36 (Situao de simetria e Regra de Laplace), ficando o modelo de probabilidade perfeitamente definido:
Uma vez definido este modelo e tendo em conta o que dissemos na pgina 4 sobre a forma de calcular a probabilidade
de um acontecimento (soma das probabilidades dos acontecimentos elementares que o compem), vem:

P(soma 2)=P{(1,1)}=1/360,028
P(soma 3)=P{ (1,2), (2,1)}=1/36+1/36=2/360,056
P(soma 4)=P{(1,3),(2,2),(3,1)}=1/36+1/36+1/36=3/360,083
P(soma 5)=P{(1,4),(2,3),(3,2),(4,1)}=1/36+1/36+1/36+1/36=4/360,111
P(soma 6)= ...=5/360,139
P(soma 7)= ...=6/360,167
P(soma 8)= ...=5/360,139
P(soma 9)= ...=4/360,111
P(soma 10)=...=3/360,083
P(soma 11)=...=2/360,056
P(soma 12)=...=1/360,028

Ento

P( Joo ganhar um ponto)=P(soma 2 ou soma 3 ou soma 4 ou soma 5) 0,028+0,056+0,083+0,111=0,278

P(Rita ganhar um ponto)=P(soma 6 ou soma 7 ou soma 8) 0,139+0,167+0,139=0,444
P(Miguel ganhar um ponto)=P(soma 9 ou soma 10 ou soma 11 ou soma 12) 0,111+0,083+0,056+0,028=0,278

No clculo das probabilidades anteriores fizemos uso das regras da probabilidade, nomeadamente no clculo da proba-
bilidade da unio de acontecimentos disjuntos. Repare-se que as estimativas obtidas anteriormente, por simulao, so
boas aproximaes das probabilidades obtidas, agora, teoricamente.
Exemplo 4.Cinco amigas encontraram-se e uma delas disse para as outras: Aposto um almoo, em como 2 de ns
tm o mesmo signo. Algum aceita esta aposta? Qual ser a probabilidade de efectivamente, pelo menos 2 delas terem
o mesmo signo?
Para estimar a probabilidade de, pelo menos, 2 das 5 amigas terem o mesmo sigo, vamos utilizar o Excel para simular
cada um dos 12 signos das amigas, utilizando agora a funo Randbetween(1;12) que inserimos em 5 colunas, cada co-
luna representando uma amiga. De seguida basta verificar quais as linhas que tm pelo menos 2 valores iguais (duas
amigas com o mesmo signo) e assinalar esse facto como um sucesso, que representamos por um 1, para no fim ser mais
fcil contabilizar o total de sucessos.

11

PROFMAT2011 ACTAS
 Continuao da tabela

Continuao da tabela

Evoluo da frequncia relativa do nmero de sucessos com o nmero de repeties:

12
Da tabela e grfico anteriores conclumos que uma estimativa para a probabilidade de, pelo menos, duas das cinco ami-
gas terem o mesmo signo, de 62%. (Assumindo que qualquer das amigas pode ter qualquer dos 12 signos e que h
independncia hiptese que foi, alis, considerada para proceder simulao anterior, o valor da probabilidade do
acontecimento em causa 0,618 [=1(12/12)(11/12)(10/12) (9/12)(8/12)].)

Exemplo 5.Num concurso dada a escolher ao concorrente uma de 3 portas. Atrs de uma delas est um carro e
atrs de cada uma das outras duas est uma cabra. O concorrente escolhe uma das portas (sem a abrir) e o apresentador,
que sabe exactamente qual a porta que esconde o carro, abre, de entre as duas portas que restam, uma onde est uma
cabra. Nesse momento pergunta ao concorrente se deseja ou no trocar a porta que escolheu pela outra porta que ain-
da est fechada. Se fosse o concorrente, o que que faria? Trocava de porta ou mantinha a porta escolhida? Qual ser a
estratgia mais vantajosa para ganhar o carro?
Vejamos como simular este problema: No h dvida que ao escolher uma porta ao acaso a probabilidade de ela escon-
der o carro igual a 1/3. Para simular o decorrer de alguns destes concursos vamos utilizar a funo RAND e conside-
rar que o concorrente escolheu a boa porta sempre que o valor do nmero pseudo-aleatrio obtido estiver entre 0 e 1/3.
Nestes casos, quando ele trocar de porta, ficar com a cabra mas, em compensao, ficar com o carro em todos os
outros casos. Eis o resultado da simulao ao fim de 500 e 1000 repeties:

Continuao da tabela

13

PROFMAT2011 ACTAS
 Continuao da tabela

Ao fim de 500 repeties obtm-se como estimativa para a probabilidade de ganhar, trocando de porta, aproximada-
mente 65%. No entanto, se continuarmos o processo de simulao, ao fim de 1000 repeties obtm-se como estimativa
para essa probabilidade, aproximadamente 68%.
Este valor muito prximo do valor exacto para a probabilidade de ganhar trocando de porta, que igual a 2/3. Uma
simulao desta situao encontra-se em http://www.alea.pt/html/probabil/html/cap_04/html/cap4_1_72.html

Como estimar reas utilizando a simulao

A utilizao da simulao para estimar probabilidades, permite-nos estimar reas de algumas figuras, uma vez que, em
determinadas circunstncias, a probabilidade pode ser interpretada como uma rea.
Por exemplo, consideremos um quadrado de lado unitrio e uma figura inscrita nesse quadrado:

Como estimar a rea dessa figura?

Um processo, simular pares de nmeros pseudo-aleatrios (entre 0 e 1) e calcular a frequncia relativa dos que
caiem dentro da figura. Esse valor d-nos uma estimativa da rea da figura includa no quadrado.
Vamos utilizar o processo descrito anteriormente para estimar a rea do crculo de raio 0,5 unidades e comparar com
a rea calculada a partir da frmula :
Geramos 100 nmeros e estimmos a rea da figura pela frequncia relativa do nmero de pontos no interior do crculo.

14

Neste caso foi mais fcil contar o nmero de pontos fora do crculo (=22) pelo que uma estimativa para a rea do crcu-
lo com raio 0,5 unidades 0,78 unidades2.
A rea do crculo anterior 3,1416x0,52=0,7854, pelo que o valor obtido como estimativa bastante razovel.
Bibliografia

Graa Martins, Maria Eugnia; Introduo Probabilidade e Estatstica, Departamento de Estatstica e Investigao
Operacional da FCUL, Sociedade Portuguesa de Estatstica, 2005.

Graa Martins, Maria Eugnia e Loura, Lusa; Modelos de Probabilidade, Material de apoio disciplina de MACS
http://area.dgidc.min-edu.pt/mat-no-sec/doc/probabilidades_pag.doc ou,
http://area.dgidc.min-edu.pt/mat-no-sec/recursos_na_internet.htm

Graa Martins, Maria Eugnia e Ponte, Joo Pedro; Organizao e Tratamento de Dados, 2010 Novo Programa de
Matemtica do Ensino Bsico
http://area.dgidc.min-edu.pt/materiais_NPMEB/organizacao01brochuras.htm
www.alea.pt
em particular
http://www.alea.pt/html/probabil/html/cap_04/html/cap4_1_41.html

15

PROFMAT2011 ACTAS
16