Jorge Pilal Rodrigues

Resolução da Ficha de exercícios

(Licenciatura em Ensino de Matemática)

Universidade Rovuma
Nampula
2021
 Jorge Pilal Rodrigues

Resolução da Ficha de exercícios

Trabalho de carácter avaliativo da cadeira de

Introdução a Teoria de Probabilidade, a ser
entregue a Faculdade de Ciências Naturais e
Matemática, 3o Ano, 1o Semestre, a ser
lecionada pelo docente:

MSc. Nassone Guambe

Universidade Rovuma

Nampula

2021
Resolução da Ficha de Exercícios

1. Objecto de estudo da estatística e sua Importância da estatística ao nível do Estado, de

organizações sociais

A importância da estatística pode ser vista através da sua utilização ao nível do Estado, de
organizações sociais e profissionais, do cidadão comum e ao nível científico. O grau de
importância atribuída à estatística é tão grande que praticamente todos os governos possuem
organismos oficiais destinados à realização de estudos estatísticos. Em Moçambique esse
organismo é designado por Instituto Nacional de Estatística (I.N.E.). A estatística é
responsável pelo desenvolvimento científico em geral. Para além da sua aplicabilidade nas
ciências naturais, na medicina, na agronomia e na economia, a estatística constitui um suporte
de cientificidade para as ciências humanas e sociais. É assim que ciência como a sociologia, a
psicologia, a história e a pedagogia têm beneficiado de consideráveis desenvolvimentos e de
aumento de credibilidade pública com a sua utilização.

De uma forma sintética, pode dizer-se que a estatística é um conjunto de técnicas apropriadas
para recolher, classificar, apresentar e interpretar conjuntos de dados numéricos. Assim, a
estatística constitui-se fundamentalmente como método e não como uma teoria, pois o seu
objecto de estudo é descrever os fenómenos quantitativos e qualitativos e não tanto explicá-
los.

2. A estatística ou estimativa é qualquer variável aleatória em função dos elementos

amostrais enquanto, parâmetro é qualquer variável (características) associada aos
elementos populacionais.
3. Estatística descritiva se constitui num conjunto de técnicas que se objectivam a descrever,
analisar e interpretar os dados numéricos de uma população ou amostra. Estatística
inferencial ou de indução trata do processo de obter informações sobre uma população a
partir dos resultados observados na amostra.
4. a) Neste caso população são estudantes da UR, porque é de lá onde se tirou a amostra, a
mostra são os 300 estudantes da UR e a unidade estatística é cada estudante da população
da UR.
b) Parâmetro é a medida numérica ou variável 161,4 cm porque tem a ver com uma população
de mulheres moçambicanas e a estatística é a medida numérica 165,3 cm porque é um dado
numérico relacionado com a amostra da UR.

c) Neste caso a variável é a altura e classifica-se em variável quantitativa contínua pois está
variável, os valores são obtidos por um procedimento de mensuração intervalar.

d) A amostra é representativa, porque ela foi retirada da população de uma forma aleatória e
apresentam características da população (ser estudante da UR e ter altura).

5. a) A população é o conjunto de todos homens da província de Nampula, a amostra é o

subconjunto da população que são 276 homens escolhidos aleatoriamente da população e
a unidade estatística é cada homem da província de Nampula.

b) Parâmetros são 78,9 kg e 3,1 kg, estimativas são 72,6kg e 4,1 kg.

c) Variável em estudo é obesidade. Classifica em variável quantitativa contínua.

d) É representativa porque os 276 homens foram escolhidos aleatoriamente da população que

são todos homens da cidade de Nampula, isto faz com que as características ou variáveis a ser
pesquisado se verifique na amostra.

6. a) Neste caso em que a variável em estudo é a “relação” entre a filiação partidária e uma
reacção de um novo imposto recentemente aprovado, usaria variáveis qualitativo ordinal
pelo facto de a relação ser uma variável que assume como possíveis valores atributos ou
qualidades e estes apresentam uma ordem natural de ocorrência. Por exemplo a variável
relação pode assumir valores como “há rela ção” ou “não há relação”. No outro lado usaria
variáveis quantitativa discreta que seria uma variável que ajudaria a identificar uma determinada
amostra que iria definir sobre a variável qualitativa ordinal (há ou não há relação).

b) O variável qualitativo ordinal pelo facto da relação a uma variável que assume como
possíveis valores atributos ou qualidades e estes apresentam uma ordem natural de ocorrência
(há ou não há) e variáveis quantitativa discreta usaria valores numéricos.

7. Neste caso a população a ser pesquisada é todo potencial de eleitores da tal região ou pais,
e amostra são os 10000 inquéritos onde 9500 preenchidos pelos potenciais eleitores.
8. Factores que motivam o recurso da amostra

Se a população é grande, torna-se excessivamente caro e perde-se muito tempo a fazer um

censo. Existem, ainda, outras razões que nos levam a preferir uma amostra a um censo.
Nalguns casos, as unidades que constituem a amostra para inspecção, são destruídas. Noutros
casos, pela escassez de pessoas treinadas (sem formação específica) para levar a cabo um
censo, é mais seguro confiar num número reduzido de informação. Haveria uma menor
ocorrência de erros humanos. Parece, assim, ser mais vantajoso retirar amostras e basear a
análise nessas amostras. Este processo parece ser simples, no entanto, pode levar a enganos. A
selecção das unidades da população que são mais facilmente acessíveis, origina uma amostra
conveniente.

Amostra representativa

Uma amostra é representativa se as unidades que a constituem foram escolhidas por um

processo tal que todos os membros da população tenham a mesma probabilidade de fazer
parte da amostra. Amostra em que todos os atributos da população sendo estudada estão
representados de maneira proporcional ou na frequência em que estes ocorrem na realidade.

9.

No de proj.
Ano Financiados
2006 17
2007 40
2008 100
2009 120
2010 140

a) Gráfico de colunas
 Nu m . d e p r o ject. fin an cio d o

Chart Title
160
140
120
100
80
60
40
20
0
Ano 2006 2007 2008 2009 2010
Anos

b) Gráfico de barras

Chart Title
Anos

2010
2009
2008
2007
2006
Ano
0 20 40 60 80 100 120 140 160

Num. de Project. financiados

c) Gráfico em sectores

Chart Title
2006
4% 2007
10%
2010
34% 2008
24%
2009
29%

10.

Meses Fev. Março Abril Maio Junho Julho Agost Set. Out
o
No de 20 40 46 80 145 200 134 200 80
desistente
s
 a) Variável em causa é desistências e como assume valores numéricos obtidos em
procedimentos de contagem, pode-se classificar em variável quantitativa discreta.
b) Número total de evasões é 945
c) Se 945 é o no total e as evasões de Abril a Setembro é igual a 805 então:

945=100%
805 ×100 % 80500 %
⇔ x= = ¿ 85,2 %
805= x 945 945

R: A percentagem das evasões de Abril ao Setembro é de 85,2%

d) Gráfico de colunas e de barras respectivamente

No de desistentes

250

200

150

100

50

0
Fev Março Abril Maio Junho Julho Agosto Spt. Out

Meses
Meses

Out
Spt.
Agosto
Julho
Junho
Maio
Abril
Março
Fev
0 50 100 150 200 250
No de desistentes

11. Rol: 10 12 13 14 16 16 19 20 20 20 22 23 23 25 28 28 29 29 30 30 30 30 31 32 32 32 34
35 37 39 40 40 43 43 46 46 47 47 49 50 50 51 52 52
a) At= X max −X min ⇒52−10=42

K=1+ 3.22 log n=1+3.22 log 44=6,29 ≅ 7

At 42
h= = =6
k 7
 │xi-
i Classes xi fi Fa fr xi fi xi-X X│ │xi-X│*fi (xi-X)²*fi
19.909
1 [10;16[ 13 4 4 0.09 52 -19.909 1 79.6364 1585.4876
13.909
2 [16;22[ 19 6 10 0.14 114 -13.909 1 83.4545 1160.77686
7.9090
3 [20;28[ 25 4 14 0.09 100 -7.9091 9 31.6364 250.214876
1 1.9090
4 [28;34[ 31 2 26 0.27 372 -1.9091 9 22.9091 43.7355372
5 [34;40[ 37 4 30 0.09 148 4.09091 4.09 16.36 66.9124
6 [40;46[ 43 4 34 0.09 172 10.0909 10.09 40.36 407.2324
1
7 [46;52[ 49 0 44 0.23 490 16.0909 16.09 160.9 2588.881
4
Σ 4 1.00 1448 435.256 6103.24068

b) Histograma e polígono da distribuição c) Ogiva da distribuição

d) Cálculo da moda
 ∆1
M o=lim ¿CM + ∙h¿
∆1+ ∆2

1o identificar a classe modal que é aquela que possui maior frequência acumulada

Neste caso a classe modal é [28;34 [

2o aplicar a fórmula

12−4 8 ∙6 8∙ 6
M o=28+ ∙ 6=28+ =28+ =28+3=31
2 ∙12−( 4+ 4) 24−8 16

Cálculo da mediana

Med=lim ¿ Med
(+ n2 −∑ f ) ∙ h ¿
f Med

n 44 ο
1o: identifica-se a classe mediana por = =22 que indica a posição do valor da
2 2
mediana a partir da frequência absoluta acumulada Fac. Neste caso a classe mediana é
[28;34 [

2o: aplica se formula

Med =lim ¿ Med

(+ n2 −∑ f ) ∙ h=28+ ( 442 −14) ∙ 6=28+ ( 22−14 ) ∙ 6=28+ 8 ∙6 =28+ 48 =28+ 4=32¿
f Med 12 12 12 12

Cálculo da média
n

∑ xi ∙ fi
1448
−¿ i=1 = =32,9 ¿
n 44
X¿

Cálculo de Q1e Q3

Para o cálculo de Q1:

n 44 o
1o: Localiza-se a classe quartil 1 pela = =11 que indica a posição do Q1 pela Fac em
4 4
seguida aplica-se a fórmula. Neste caso a classe Q1 é [20;28 [
 Q1=lim ¿Q
(+ 4n −∑ f ) ∙h=20+ ( 444 −10) ∙ 6=20+ ( 11−10 ) ∙6=20+ 1 ∙6 =20+1.5=21.5 ¿
1
fQ 1
4 4 4

Para o cálculo de Q3:

3 n 3 ∙ 44
1o: Localiza-se a classe quartil 3 pela = ¿ 33o que indica a posição do Q3 pela Fac em
4 4
seguida aplica-se a fórmula. Neste caso a classe Q3 é [40;46 [

Q 3=lim ¿Q
(+ 34n −∑ f ) ∙ h=40+ ( 3 ∙444 −30 ) ∙ 6=40+ ( 33−30 ) ∙6=40+ 3 ∙ 6 =40+4,5=44,5 ¿
3
fQ 1
4 4 4

Grau de variabilidade ou dispersão

Desvio médio

∑|xi −X|fi 435.26

DM = i=0 = =9,89
n 44

Variância

∑ ( xi −X )2 fi 6103.24068
2 i=0
σ = = =138,71
N 44

Desvio padrão

σ =√ σ = √138.71=11.7
2

Coeficiente de variação

σ 11.7778
CV= × 100 %= ×100 %=35.79 %
X 32.9

Como o coeficiente de variabilidade é maior do que 20% então podemos dizer que tem uma
alta ou grande dispersão.
12. Rol: 2 2 3 4 5 5 6 7 8 9 9 9 9 10 10 10 10 10 10 11 11 11 12 13 13 14 15 16 16 16 17 17
18 18 18 19 20 20 20 20 20 21 21 23 24 24 25 26 28 28
a) At= X max −X min ⇒ 28−2=26

K=1+ 3.22 log n=1+3.22 log 50=6.47 ≅ 7

At 26
h= = =3.7 ≅ 4
k 7

i Classes xi Fi xi fi xi-X (xi-X)²*fi │xi-X│*fi

1 [2;6[ 4 6 24 -10.72 689.5104 64.32
2 [6;10[ 8 7 56 -6.72 316.1088 47.04
3 [10;14[ 12 12 144 -2.72 88.7808 32.64
4 [14;18[ 16 7 112 1.28 11.4688 8.96
5 [18;20[ 20 11 220 5.28 306.6624 58.08
6 [22;26[ 24 4 96 9.28 344.4736 37.12
7 [26;30] 28 3 84 13.28 529.0752 39.84
Σ 50 736 2286.08 288

b) Cálculo da média
n

∑ xi ∙ fi
i=1 736
−¿ = =14.72 ¿
n 50
X¿

c) Cálculo da mediana

Med=lim ¿ Med
(+ n2 −∑ f ) ∙ h ¿
f Med

n 50 ο
1o: identifica-se a classe mediana por = =25 que indica a posição do valor da mediana a
2 2
partir da frequência absoluta acumulada Fac. Neste caso a classe mediana é [10;14[

Med =lim ¿ Med

(+ n2 −∑ f ) ∙ h=10+ ( 502 −13) ∙ 4=10+ (25−13 ) ∙ 4=10+ 12 ∙ 4 =10+ 4=14 ¿
f Med 12 12 12

d) Cálculo do tempo mas frequente

∆1
M o=lim ¿infCM + ∙h¿
∆ 1+ ∆ 2
 1o identificar a classe modal que é aquela que possui maior frequência acumulada

Neste caso a classe modal é [10;14 [

2o aplicar a fórmula

12−7 5∙4 20
M o=10+ ∙ 4=10+ =28+ =10+2=12
2 ∙12−( 7+7 ) 24−14 10

R: O tempo mais frequente é 12

e) Grau de variabilidade ou dispersão

Desvio médio

∑|xi −X|fi 288

DM = i=0 = =5.76
n 50

Variância

∑ ( x i− X )2 fi 2286.08
2 i=0
S= = =46.65
n−1 50−1

Desvio padrão

S= √ S =√ 46.65=6.83
2

Coeficiente de variação

S 6.83
CV= × 100 %= ×100 %=46.40 %
X 14.70

Como o coeficiente de variabilidade é maior do que 20% então uma alta dispersão.

Grau de assimetria

−¿ M o
− X ¿ 14.72−12 2.72
AS= = = =0.40 ¿ ¿
S 6.83 6.83

Como AS>0 a distribuição é assimétrica positiva

13. Tabela de distribuição de frequências

Escola No de famílias (fi) R.M.F (em Mt) (xi) xi *fi
1 200 1000 200000
2 300 870 261000
3 250 900 225000
4 360 850 306000
5 400 700 280000
1510 1272000

1272000
R . M . F por encarregado= =842.38 Mt
1510

A ONG vai sim financiar o projecto pelo facto de o rendimento médio mensal por
encarregado estar abaixo dos 900 Mt o que vai de acordo com a condição supracitada pela
ONG.

14. Neste estudo, como já foi identificada a população (enfermeiros das províncias de
Nampula e Inhambane), iríamos escolher de uma forma aleatória um determinado número
de enfermeiros em cada província para constituírem as nossas amostras.

O passo a seguir seria, fazer a distribuição de frequências em cada uma das duas amostras.
Visto que, a variável em causa são os anos de serviços, pode-se agrupar os dados em classes,
pois os anos de serviço classificam-se em variáveis quantitativas contínuas que são valores
que são colocadas sob um intervalo de valores. Com as distribuições já feitas em seguida seria
o cálculo da média, a mediana e a moda que são as medidas de tendência central que ajudam a
achar o grau de variabilidade. Em jeito de finalidade calcularíamos as medidas de
variabilidade ou dispersão que começa com o cálculo dos desvios médio, as variâncias,
desvios padrão e finalmente o coeficiente de variabilidade para as duas amostras. Chegado a
este ponto, com os valores de coeficiente de dispersão das duas amostras de Nampula e
Inhambane iríamos fazer a comparação de uma em relação a outra.

15. Tabela

Anos de serviços 0-5 5-10 10-15 15-20 20-25

Fac 60 180 280 340 400

a) Enfermeiros com anos de serviços não inferiores à 10 pode ser apresentado por:
 400−180=220

400=100% 220 ∙100 % 220

Como ⇒ x=
220= x = =55 %
400 4

R: A percentagem de enfermeiros com anos não inferiores à 10 é de 55%

b) O ano de serviços mas frequente é de 5-10 anos, porque se fizermos a diferença entre
as frequências acumuladas a maior frequência das diferenças será dada neste intervalo.

c) Tabela de distribuição

Anos de serviço 0-5 5-10 10-15 15-20 20-25 Σ

Fac 60 180 280 340 400
fa 60 120 100 60 60 400
Anos médios (xi) 2.5 7.5 12.5 17.5 22.5
xi*fa 150 900 1250 1050 1350 4700
xi2*fi 375 6750 15625 18375 30375 71500

Cálculo do tempo médio

−¿
∑ anos de servicos(xi )×fa = 4700 =111.75 anos¿
n 400
X ¿

d) Grau de dispersão do serviço

Variância, Desvio – padrão e Coeficiente de variação

[∑ ] [∑ ]
2 2
( ∑ xifa ) ( ∑ 4700 )
2
S=
1
n−1
2
xi fa−
n
=
1
400−1
71500−
400
=
1
399(71500−
22090000
400
=) 1
399
( 71500

S= √ S =√ 40.79=6.39
2

S 6.39
CV= × 100 %= ×100 %=54 %
X 11.75

R: O grau de dispersão de serviço é alto por ser superior a 20%.

16. Rol
 2 4 4 5 5 6 6 6 7 7 7 8 8 8 9 9 9 10 10 10 11 11 11 11 11 11 12 12 12 13 13 13 14 14
15 15 16 16 17 17 17 17 18 18 18 19 19 19 21 22 22 23 24 25 25 25 26 27 29 30 30 32
32 34

c) At= X max −X min ⇒ 34−2=32

d) Tabela de distribuição de frequências
K=1+ 3.22 log n=1+3.22 log 64=6,82 ≅ 7
At 32
h= = =4,57 ≅ 5
k 7

i Classes Fa Fac fr fr*100%

 1 [2;7[ 8 8 0.125 13%
 2 [7;12[ 18 26 0.28125 28%
 3 [12;17[ 12 38 0.1875 19%
 4 [17;22[ 11 49 0.17188 17%
 5 [22;27[ 8 57 0.125 13%
 6 [27;32[ 4 61 0.0625 6%
 7 [32;37[ 3 64 0.04688 5%
Σ 64 1 100%
Histograma da distribuição de frequências

17.a) Rol
148 148 149 151 151 152 152 152 152 153 153 154 155 155 155 155 156 156 157 157 157
157 157 158 158 158 159 159 160 160 160 160 160 161 161 161 162 163 163 165 165 165
165 167 168 168 168 170 172 172 175 180

b) At= X max −X min ⇒180−148=32

c) Tabela de distribuição de frequências

K=1+ 3.22 log n=1+3.22 log 52=6,52 ≅ 7

At 32
h= = =4,57 ≅ 5
k 7

i Classes fa Fac fr fr*100%

 1 [148;153[ 9 9 0.17307692 17%
 2 [153;158[ 14 23 0.26923077 27%
 3 [158;163[ 14 37 0.26923077 27%
 4 [163;168[ 7 44 0.13461538 13%
 5 [168;173[ 6 50 0.11538462 12%
 6 [173;178[ 1 51 0.01923077 2%
 7 [178;183[ 1 52 0.01923077 2%
Σ 52 1 100%
Histograma da distribuição de frequências acumuladas

18. Tabela de distribuição das estruturas em centímetros (cm) de 42 alunos matriculados

no terceiro ano de curso de Matemática no ano de 2010
 i Classe de estudo (cm, xi) fi fac xi xi*fi  xi2*fi
1 [148;152[ 4 4 150 600 90000
2 [152;156[ 9 13 154 1386 213444
3 [156;160[ 11 24 158 1738 274604
4 [160;164[ 8 32 162 1296 209952
5 [164;168[ 5 37 166 830 137780
6 [168;172[ 3 40 170 510 86700
7 [172;176[ 2 42 174 348 60552
42 6708 1073032

a) Os alunos com altura igual ou superior à 160 cm pertencem aos intervalos de 160 à
176. Neste caso calcula-se as frequências absolutas acumuladas a partir da classe que
pertence 160 cm até a classe que pertence o 176 cm.

Então Xi ≥ 160=42−24=18 estudantes

18
Como 42=100 % ⇒ x ≥160= ×100 %=42,86 %
42

R: Os estudantes com altura igual ou superior a 160 cm correspondem a 42,86%.

b) Xi <164=42−10=32 estudantes

32
Como 42=100 % ⇒ x <164= ×100 %=54,76 %
42

R: Os estudantes com altura menor que 164 cm correspondem a 54,76%.

c) Histograma correspondente a distribuição

 At 28
d) h= = =4
k 7

Cálculo do tempo médio

−¿
∑ ( xi)× fa = 6708 =159,714 cm¿
e) n 42
¿
χ

f) Ogiva de frequências acumuladas

g) Mediana

Med=lim ¿ Med
(+ n2 −∑ f ) ∙ h ¿
f Med

n 42 o
= =21 Classe mediana é [156;160 [
2 2

Med =lim ¿ Med

(+ n2 −∑ f ) ∙ h=156+ ( 422 −13) ∙ 4=156+ ( 21−13 ) ∙ 4=156+ 8 ∙ 4 ¿
f Med 12 11 11

32
¿ 156+ =156+2,9=158,9
11

h) Moda

∆1
M o=lim ¿infCM + ∙h¿
∆ 1+ ∆ 2

Classe modal [156;160 [

 11−9 2∙4 8
M o=156+ ∙ 4=156+ =156 + =156+1,6=157,6
2 ∙11−(9+8) 22−17 5

i) Variância

[∑ ] [∑ ]
2 2
2 1 2 ( ∑ xifa ) 1 ( ∑ 6708 )
σ = xi fa− = 1073032−
N N 42 42

¿
1
42 (
1073032−
44997264
42
1
42 )
= ( 1073032−1071363,429 ) =
1668.571
42
=39.73

j) Quartil Q1

n 42 o
= =10,5 a classe Q1 é [152;156[
4 4

Q1=lim ¿Q
(+ 4n −∑ f ) ∙h=152+ ( 424 −4) ∙ 4=152+ (10,5−4 ) ∙ 4=152+ 6,5∙ 4 =152+2.89=154.89¿
1
fQ 1
9 9 9

Quartil Q3

3 n 3 ∙ 42 o
= =31.5 a classe Q3 é ¿
4 4

Q 3=lim ¿Q
(+ 34n −∑ f ) ∙ h=160+ ( 3 ∙442 −24) ∙ 4=160+ ( 31,5−24) ∙ 4=160+ 7.5 ∙ 4 =160+3,75=163,75 ¿
3
fQ 1
8 8 8

k) Cálculo do valor de percentis

9 n 9∙ 42 o
P9: = =3.78 a classe p9 é [148;152[ identifica-se pela Fac
100 100

P9=lim ¿ P +
9n
100 (
−∑ f
∙ h=148+
9 ∙ 42
100 )
−0
∙ 4=148+
(
( 3.78−0 )
∙ 4=148+
)
3.78 ∙ 4
=148+3,78=151,78 ¿
9
fP 9
4 4 4

90 n 90 ∙ 42
P90: = =37,8o a classe p9 é [168;172[ identifica-se pela Fac
100 100
P90 =lim ¿ P
(+ 90100n −∑ f ) ∙ h=168+ ( 90100∙ 42 −37) ∙ 4=168+ ( 37,8−37 ) ∙ 4=168+ 0.8∙ 4 =168+1.07=169
90
fP 90
3 3 3

l) Cálculo de valores de Decis

¿− f
Di=lim ¿ D +
( 10
∑ )
∙h ¿
i
fDi

3 n 3 ∙ 42 o
D3: = =12,6 identifica-se pela Fac logo a classe D3 é [152;156[
10 10

D 3=lim ¿ D
(+ 310n −∑ f ) ∙h=152+ ( 3∙1042 −4) ∙ 4=152+ ( 12.6−4 ) ∙ 4=152+ 8.6 ∙ 4 =152+3.82=155.82 ¿
3
fD 3
9 9 9

6 n 6 ∙ 42 o
D6: = =25.2 identifica-se pela Fac logo a classe D6 é [160;164[
10 10

D6=lim ¿ D
(+ 610n −∑ f ) ∙ h=160+ ( 610∙ 42 −24 ) ∙ 4=160+ (25.2−24 ) ∙ 4=160+ 1.2 ∙ 4 =160+ 0.6=160.6 ¿
6
fD 6
8 8 8

19. a) Para formar pares de um francês e um inglês tem-se que: todo os 40 franceses tem
acções sobre todos os 60 ingleses que tem também opções de aparecerem em pares
com os 40 franceses: então 60×40=2400 parespelo princípio multiplicativo de
contagem.

b) Como anteriormente referiu-se dos franceses 15 falam as duas línguas e dos ingleses 18
falam as duas línguas então para formar pares que não poderiam se entender podemos
escrever ( 60−15 ) × ( 40−18 )=45 ×42=1470 pares no se podiam entender, porque só 45
ingleses e 42 franceses não falam as duas línguas.

20. a) Para formarmos códigos com dois símbolos sendo uma letra seguida de um algarismo,
considerando 26 letras do alfabeto e 10 algarismos, podemos pensar que a primeira posição do
código pode assumir as 26 letras, onde cada letra será par de cada um dos 10 algarismos e na
segunda posição assumi 10 algarismos onde cada algarismo será par cada uma de todas as
letras. Logo: 26 ×10=260 codigos
b) Tendo em conta que no alfabeto existem 21 consoantes podemos escrever
20 ×10=200 codigos

c) Como no alfabeto de 26 letras 6 são vogais a, e, i, o, u, y podermos escrever 6∗10=60

codigos

21. O número de aplicações do primeiro conjunto A para o segundo conjunto B é dado se

cada elemento de A faz corresponder 4 vezes em elementos de B, isto porque em uma função
cada elemento do conjunto de partida tem que corresponder a um elemento de chegada. Isto é,
cada elemento de A tem 5 opções para correlacionar com B. logo 4 × 4 × 4 × 4 × 4=4 5=1024
aplicaçoes.

22. a) Para registar carros com matrículas diferentes sendo que os códigos são construídos por
dois grupos de dois algarismos seguidos de duas letras de entre as 26 do alfabeto podemos:

Das 4 posições que podem assumir os algarismos tem 10 opções de inserir uma algarismo de
0,1,…,9 =104 e as duas posições que podem ser ocupadas pelas duas letras tem cada 26
opções de escolher as letras de A,B,…,Z que ‘e igual a 262, logo: 104 × 262=6760000 carros.

b) No caso de serem constituídos por dois algarismos seguidos por dois grupos de duas letras
será o contrário do a) isto é: 102 ×26 4=45697600 caros registados.

23. O número de aplicações do primeiro conjunto A para o segundo conjunto B é dado se

cada elemento de A faz corresponder a um e um único de elementos de B, isto porque em uma
função injectiva cada elemento do conjunto de partida tem que corresponder a um único
elemento de chegada. Isto é, para o primeiro elemento de A tem 4 opções para correlacionar a
B, o segundo tem 3 opções e o terceiro tem 2 opções. Logo

4 ×3 ×2=24 funções injectivas

24. a) A quantidade de número de 4 algarismos diferentes que se podem escrever de 0,…,9,

de modo que sejam pares, pode ser representado na primeira posição por opção a 9
algarismos, na segunda a 10 algarismos porque dos 10 algarismos um já foi usado na primeira
posição, na terceira terá 8 opções e na quarta terá 4 opções, por que de 1 à 9 só 5 números
condicionam a paridade isto é, 9 ×10 ×10 × 5=4500 numeros pares.

b) A quantidade de número de 4 algarismos diferentes que se podem escrever de 0,…,9, de

modo que sejam ímpares, pode ser representado na primeira posição por opção a 9
algarismos, na segunda a 9 algarismos porque dos 10 algarismos um já foi usado na primeira
posição, na terceira terá 8 opções e na quarta terá 2 opções, isto é, 9 × 9× 8 ×2=1296
numeros.

c) Para ser múltiplo de 5 tem que terminar por 0 ou 5, logo, 9 ×10 ×10 × 2=1800 numeros.

d) Para ser múltiplo de 10 é necessário que termine com o número 0 e como devem ser 4
algarismos diferentes pode-se escrever: 9∗9∗7∗1=504 numeros.

25. Considerando que cada equipa joga duas vezes com cada uma das outras equipas em casa
e fora de casa, então se A joga com B em casa, na casa de B (fora de casa de A) joga B com
A, isto que dizer não se considera a ordem então tem-se:

14 14 ! 14 ×13 ×12 !
A2 = = =14 × 13=182 jogos
( 14−2 ) ! 12 !

26. i) Numa urna tem 5 bolas e depois e extraída uma bola é colocada de novo na urna esta
bola como qualquer outra tem 5 opções de ser extraída da urna, logo, para extrair três bolas
tem-se: A53 ' =53 =125 meneiras

ii) Se ao extrair uma bola não é colocada de novo na urna então pode-se dizer são arranjo 5
bolas 3 à 3 sem reposição logo:

5! 5× 4 × 3× 2!
A53 = = =5 × 4 ×3=60 maneiras
( 5−3 ) ! 2!

iii) Se a primeiras a ser extraída é conhecida (vermelha) então tem-se:

4! 4 ×3 ×2 !
A5−1
3−1 = = =12 maneiras
(4−2)! 2!

27. a) A quantidade de vezes que se podem formar 5 pessoas sentadas numa fila é dada por
permutação dessas pessoas em 5 lugares, ou seja,

P5=5 !=5 × 4 ×3 ×2 ×1=120 maneiras

b) Para permutar n elementos de uma fila circular de uma forma equidistante pode-se se fixar
uma delas e permutar as outras (n-1) restantes como se estivesse dispondo em uma fila
comum, assim podemos dizer que 5 pessoas podem se sentar por volta de uma mesa de
seguinte maneira:
 ( 5−1 ) !=4 !=4 ×3 × 2× 1=24 maneiras

28. Com os algarismos 2,4,6 e 8 pode-se escrever:

i) 4 ×3 ×2 ×1=P 4=24 numeros diferentes

ii) 3 ×3 ×2 ×1=18 numeros maiores que 4000

iii) para que os números de 4 algarismos formados sejam maiores que 2500 e menores que
6500 é necessário:

Quantidade de Números maiores que 2500: 1 ×2 ×2 ×1=4 numeros

Quantidade de Números formados entre 2500 e 6500: 1 ×3 ×2 ×1=6 numeros

Quantidade de números inferiores a 6500: 1 ×2 ×2 ×1=4 numeros

A soma dessas três quantidades de teremos a quantidade de números diferentes existentes

entre 2500 e 6500. 4 +6+ 4=14 numeros

iv) Números com 3 algarismos e maiores que 468 será dado por:

Maiores que 4 na primeira posição 2 ×3 ×2=12numeros

4 na primeira posição: 1 ×1× 2=2 números

Logo, 12+2=14 numeros de tres algarismos e maiores que 648

29. Para dispor 8 bolas em fila é fazendo a permutação das suas posições, isto é,

P8=8!=8 × 7 ×6 ×5 × 4 ×3 × 2× 1=40320 maneiras

30. Com 18 raparigas e 12 rapazes, podemos formar:

a) Grupos de 5 alunos de seguinte forma:

30 ! 30 ! 30 ×29 ×28 × 27 ×26 ×25 ! 30 ×29 × 28× 27 ×26

C 30
5 = = = = =142506
( 30−5 ) ! 5! 25 !5 ! 25 ! 5 ! 5 × 4 ×3 × 2×1

b) Cada grupo formado por 3 raparigas e 2 rapazes:

18 12 18! 12 ! 18 ! 12 ! 18 ×17 × 16 ×15 ! 12 ×11 ×10 ! 18 ×17 ×16 × 1
C 3 ×C 2 = × = × = × =
(18−3 ) ! 3 ! ( 12−2 ) ! 2 ! 15! 3! 10 ! 2! 15 !3 ! 10 ! 2! 6 ×2
31. a) Para construir rectas usando dois pontos quaisquer dados de um conjunto de 7 numa
circunferência temos:

7 7! 7! 7 ×6 × 5 ! 7× 6
C 2= = = = =21 rectas
( 7−2 ) ! 2 ! 5! 2 ! 5!2! 2

b)Considerando que o triângulo é formado por três pontos então pode formar:

7! 7! 7 × 6 ×5 × 4 ! 7 ×6 × 5
C 73= = = = =35 triângulos
( 7−3 ) !3 ! 4 ! 3! 4!3! 6

e) Sabendo que o quadrilátero é formado pela união de 4 pontos não onde três são não
colineares então pode formar:
7! 7! 7 × 6 ×5 × 4 ! 7 ×6 × 5
C 74= = = = =35 quadrilateros
( 7−4 ) ! 4 ! 4 ! 3 ! 4!3! 6
Bibliografia

Obras consultadas para a resolução dos exercícios:

1. Afonso A & Nunes C. PROBABILIDADES E ESTATÍSTICA Aplicações e Soluções

em SPSS. Editora: Universidade de Évora, 2019.

2. FONSECA, Jairo Simon da & MARTINS, Gilberto de Andrade: Curso de Estatística.

5ª Ed, Editora Atlas, S. Paulo, 1995, 315p;