CENTRO UNIVERSITÁRIO FAVENI

ANÁLISE COMBINATÓRIA

GUARULHOS – SP
0
 SUMÁRIO

1 INTRODUÇÃO .................................................................................................. 3

2 ORIGENS DA LINGUAGEM NUMÉRICA E DA CONTAGEM .......................... 4

3 CONTAGEM ..................................................................................................... 9

3.1 Princípios básicos de contagem ................................................................. 11

3.2 Fatorial ........................................................................................................ 13

4 AGRUPAMENTOS ......................................................................................... 15

4.1 Arranjo ........................................................................................................ 15

4.2 Permutação ................................................................................................ 16

4.3 Permutações com repetições ..................................................................... 19

4.3.1 Amostras ordenadas ................................................................................... 21

4.3.2 Diferenças entre arranjo e permutação....................................................... 22

4.4 Combinação................................................................................................ 25

5 BINÔMIO DE NEWTON.................................................................................. 27

6 TRIÂNGULO DE PASCAL .............................................................................. 30

7 APLICAÇÃO DA ANÁLISE COMBINATÓRIA ................................................. 33

7.1 Geometria plana ......................................................................................... 33

7.2 Computação ............................................................................................... 34

8 PROBABILIDADE ........................................................................................... 35

8.1 Espaço amostral ......................................................................................... 36

8.2 Evento......................................................................................................... 37

9 EVENTOS MUTUAMENTE EXCLUDENTES E EVENTOS COMPLEMENTARES

.........................................................................................................................37
1
9.1 Eventos independentes e eventos dependentes ........................................ 38

10 CÁLCULO DE PROBABILIDADE ................................................................... 39

10.1 Resultados da probabilidade ...................................................................... 41

11 PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO . 41

12 PROBABILIDADE CONDICIONAL ................................................................. 46

12.1 Probabilidade de eventos independentes ................................................... 50

13 TEOREMA DE BAYES ................................................................................... 52

14 APLICAÇÃO DA PROBABILIDADE NA INTELIGÊNCIA ARTIFICIAL ............ 53

15 REFERÊNCIAS BIBLIOGRÁFICAS ................................................................ 56

15.1 Bibliografia Básica ...................................................................................... 56

15.2 Bibliografia Complementar.......................................................................... 56

2
1 INTRODUÇÃO

Prezado aluno!

O Grupo Educacional FAVENI, esclarece que o material virtual é semelhante ao

da sala de aula presencial. Em uma sala de aula, é raro – quase improvável - um aluno
se levantar, interromper a exposição, dirigir-se ao professor e fazer uma pergunta, para
que seja esclarecida uma dúvida sobre o tema tratado. O comum é que esse aluno faça
a pergunta em voz alta para todos ouvirem e todos ouvirão a resposta. No espaço virtual,
é a mesma coisa. Não hesite em perguntar, as perguntas poderão ser direcionadas ao
protocolo de atendimento que serão respondidas em tempo hábil. Os cursos à distância
exigem do aluno tempo e organização. No caso da nossa disciplina é preciso ter um
horário destinado à leitura do texto base e à execução das avaliações propostas. A
vantagem é que poderá reservar o dia da semana e a hora que lhe convier para isso. A
organização é o quesito indispensável, porque há uma sequência a ser seguida e prazos
definidos para as atividades.

Bons estudos!

3
2 ORIGENS DA LINGUAGEM NUMÉRICA E DA CONTAGEM

A matemática foi considerada por muitos séculos a ciência dos números, da

grandeza e da forma. Por isso quando se busca pelos primeiros vestígios de atividade
matemática, encontram-se resquícios arqueológicos que refletem a consciência humana
de operações numéricas, contagem ou padrões e formas geométricos. De modo geral,
os vestígios matemáticos são encontrados no domínio das culturas primitivas. Regras de
operação podem existir como parte de uma tradição oral, às vezes na forma de música
ou de versos, ou ainda podem ser percebidos na linguagem da mágica e dos rituais
(BOYER; MERZBACH, 2012). Algumas vezes, os vestígios matemáticos são
encontrados em observações do comportamento animal, o que os distancia ainda mais
do domínio do historiador (BOYER; MERZBACH, 2012).
Neste contexto, Aragão (2009) menciona que a matemática, antes de ser uma
ciência, foi um conjunto de métodos empíricos, aplicados pelos nossos antepassados à
vida prática do quotidiano e, por isso, pode-se dizer que tem raízes biológicas. As noções
de número, grandeza e forma podiam estar relacionadas com contrastes mais do que
com semelhanças, por exemplo, a diferença entre um lobo e muitos, a desigualdade de
tamanho entre uma sardinha e uma baleia, a dessemelhança entre a forma redonda da
lua e a retilínea de um pinheiro, entre outras (BOYER; MERZBACH, 2012).
Boyer e Merzbach (2012) explicam que das experiências caóticas deve ter
surgido a percepção de que existem analogias; e desta percepção de semelhanças em
números e formas, nascem a ciência e a matemática. As próprias diferenças parecem
indicar semelhanças ao contrastar um lobo e muitos, um carneiro e um rebanho, uma
árvore e uma floresta... tudo sugere que um lobo, um carneiro e uma árvore têm algo em
comum: a unicidade. Outra observação se daria em grupos, como os pares, que podem
ser postos em correspondência biunívoca, as mãos podem ser emparelhadas com os
pés, os olhos e as orelhas ou as narinas. Este foi um grande passo no caminho até a
matemática moderna. Essas descobertas podem ter se dado por um indivíduo ou uma
determinada tribo. Acredita-se que a percepção tenha sido gradual, e desenvolvida tão
cedo pelo homem quanto o uso do fogo, talvez há 300.000 anos.

4
 Para Aragão (2009), a primeira correspondência biunívoca foi sem dúvida aquela
que se via entre os objetos e os dedos das mãos e dos pés. A operação de contar, de
descobrir o número de elementos de um conjunto depende do ato de comparar. O
indivíduo primitivo conseguia saber, por exemplo, se tinha mais filhos do que lanças.
Nossos antepassados mais antigos inicialmente contavam somente até dois;
qualquer conjunto além desse nível era designado por “muitos”. A ideia de número tornou-
se mais ampla e vívida somente na linguagem de sinais, em que os dedos de uma mão
podem ser usados para indicar um conjunto de dois, três, quatro ou cinco objetos. O
número 1 inicialmente não era reconhecido como um verdadeiro número. E quando os
dedos humanos, dos pés e das mãos, eram inadequados, usavam-se montes de pedras
para representar uma correspondência com elementos de outro conjunto. O homem
primitivo, quando usava esse método de representação, costumava amontoar as pedras
em grupos de cinco, pois os quíntuplos lhe eram familiares por observação da mão e do
pé. Para conservar as informações, o homem pré-histórico fazia o registro de um número
por meio de entalhes em um bastão ou pedaço de osso (BOYER; MERZBACH, 2012).
Conforme Boyer e Merzbach (2012), a ação de contar com os dedos, ou por meio
de grupos de cinco e dez, parece ter surgido mais tarde do que a contagem por grupos
de dois e três. No entanto, os sistemas quinário e decimal substituíram o binário e o
ternário. Vejamos, na Figura 1, um exemplo de sistema vigesimal usado pelos Maias de
Yucatan e da América Central.

5
 Na representação de intervalos de tempo entre datas em seu calendário, os
maias usavam uma numeração com valor na posição, geralmente com 20 como base
primária e 5 como auxiliar, como vemos na Figura 1. As unidades eram representadas
por pontos, e cinco, por barras horizontais (BOYER; MERZBACH, 2012).
As talhas numéricas (tally sticks, bastões numéricos entalhados) eram utilizadas
entre povos primitivos com inúmeras finalidades: registro de transações ou obrigações,
cômputo de dias de viagem, registro de períodos de tempo, calendários, repartição de
bens, etc. Vejamos alguns exemplos de talhas numéricas do Paleolítico Superior Europeu
até o mais recente, encontrado em 1937, com idade de aproximadamente 30 mil anos
(ALMEIDA, 2001).

Exemplo:

Na Figura 2a, vemos o mais antigo exemplo de talha registrado nos textos de
História da Matemática, um rádio de lobo inscrito com 55 incisões, com idade aproximada
de 30 mil anos.
6
 Em 1927, foram escavados no Abri Cellier ossos com entalhes com uma idade
estimada em 24 mil anos. À direita da Figura 2b tem-se um osso de ave, gravado com
duas séries de incisões; outro osso, à esquerda, apresenta uma série de incisões.
(BOYER; MERZBACH, 2012).
O “adorador” é uma figura em marfim de mamute, com 30 mm comprimento, 14
mm de altura e 4,5 mm de espessura, como se vê na Figura 2c. Pode representar uma
criatura híbrida em atitude de adoração. As filas de pontos no verso podem representar
observações astronômicas ou calendáricas. Os cerca de 49 pontos no verso estão
arranjados em quatro filas de 13, 10, 12 e 13 pontos; nos lados há um total de
aproximadamente 30 incisões em grupos de 6, 13, 7 e 13. Foi escavado em 1979 e é
datado de, aproximadamente 35 a 32 mil anos.
Algumas interpretações de talhas como calendários lunares podem ser
observadas:

 Na Figura 2d, consta uma placa óssea de Abri Lartet (Dordonha),

contendo na face 118 marcas e no verso 90, correspondendo a um registro
de onze meses;
 Na Figura 2f, um bastão de Isturitz, registrando provavelmente em uma
das faces 4 e nos outros 5 meses lunares;
 Na Figura 2e, o osso de águia de Le Placard (Dordonha), contendo cada
lado aparentemente seis meses lunares, totalizando um ano lunar.

No sítio de Mezin (Ucrânia), foram encontrados, em 1908, ossos de mamute com

incisões, como mostra a Figura 2g, datando de 29 a 15,1 mil anos atrás.
É importante mencionar que a técnica de entalhes não se limitou ao continente
europeu. Na Austrália, encontramos objetos de pedra denominados cylcon, como pode
ser visto na Figura 2h, contendo entalhes paralelos, provavelmente empregados para
contar emus, guerreiros mortos, etc. A mais antiga pedra cylcon encontrada em um
contexto arqueológico datável tem uma idade aproximada de 20 mil anos.

7
 De acordo com Boyer e Merzbach (2012), acredita-se que o desenvolvimento da
linguagem tenha sido essencial para o surgimento do pensamento matemático abstrato
e que as palavras que exprimem ideias numéricas apareceram lentamente. É provável
que os sinais para números tenham surgido antes das palavras para eles, pois é mais
fácil fazer incisões em um bastão do que estabelecer uma frase bem formulada para
identificar um número.
É possível perceber a demora no desenvolvimento da linguagem para exprimir
abstrações como o número no fato de que as expressões verbais numéricas primitivas
invariavelmente se referem a coleções concretas específicas, como “dois peixes” ou “dois
bastões”, e, mais tarde, uma dessas frases seria adotada para indicar todos os conjuntos
de dois objetos. Essa tendência do desenvolvimento da linguagem do concreto para o
abstrato ainda pode ser percebida em muitas medidas de comprimento usadas
atualmente; por exemplo, a altura de um cavalo é medida em “palmos”, e as palavras
“pé” e “ell” (ou elbow, cotovelo) também derivam de partes do corpo (BOYER;
MERZBACH, 2012).
A distinção entre conceitos abstratos e repetidas situações concretas levou
milhares de anos para ser descoberta pelo homem, o que demonstra a complexidade
para o estabelecimento de fundamento para a matemática. Muitas perguntas relativas à
origem da matemática ainda não foram respondidas; enquanto há argumentos de que ela

8
tenha surgido em resposta a necessidades práticas, há outros afirmando que ela surgiu
da conexão com rituais religiosos primitivos (BOYER; MERZBACH, 2012).
O número inteiro é o mais antigo da matemática. A noção de fração, por outro
lado, surgiu tarde e não estava relacionada com os sistemas para os inteiros.
Aparentemente, para as tribos primitivas, as frações não eram necessárias e, para
questões quantitativas, o homem prático pode escolher unidades suficientemente
pequenas, podendo dispensar as frações (BOYER; MERZBACH, 2012). Pode-se afirmar
que o desenvolvimento das frações não foi um produto da Idade da Pedra, mas com as
culturas mais avançadas desenvolvidas, durante a Idade do Bronze, pode ter surgido a
necessidade de utilizá-las (BOYER, 1996).
Aragão (2009) destaca que, embora o conceito de número seja recente, há
muitos milênios os seres humanos os utilizavam, representavam e combinavam, por meio
de operações. Os números eram utilizados não apenas para contar, mas para medir
grandezas, indicar direções e posições no espaço, etc.

3 CONTAGEM

Em matemática, a definição de contagem é o ato de determinar um número de

elementos de um conjunto (finito), e existem evidências arqueológicas que possibilitam
concluir que o processo de contar tenha sido utilizado há mais de 50 mil anos por culturas
primitivas para acompanhar os dados econômicos e sociais, como:
 Quantidade de membros do grupo, das presas, etc.;
 Propriedades e dívidas.

O princípio de contagem levou ao desenvolvimento da notação matemática, dos

sistemas numéricos e da escrita atual. Ela ainda pode ocorrer de várias formas, por
exemplo, verbalmente, falando cada número em voz alta (ou mentalmente) para
acompanhar o progresso, utilizado com frequência para contar objetos presentes em vez
de uma variedade de coisas no decorrer do tempo (horas, dias, semanas, etc.). Também
pode ser por meio de marcações, com base de contagem unitária, registrando uma marca
para cada objeto e contando seu total, o que é útil quando se deseja contar objetos ao
9
longo de períodos, como o número de ocorrências de algo durante um dia. A contagem
usual é realizada em base decimal, já os computadores usam base binária (zeros e uns).
A realização da contagem permite determinar a quantidade de elementos de
determinado conjunto, por exemplo, o censo demográfico, que, por meio dela, sabe o
número de elementos dos seguintes conjuntos:

 Quantidade de pessoas que vivem em determinado estado ou cidade;

 Quantidade de pessoas do sexo masculino e do feminino que vivem em
determinado lugar.

Estar diante desse princípio é como encarar uma situação na qual avaliar as
possibilidades de uma escolha e suas possíveis consequências torna-se necessário.
Por exemplo, considere que você deseja comprar um carro e que há 4 cores
disponíveis: preto, prata, vermelho e branco; também existem 3 potências para o seu
motor: 1.0, 1.5 e 2.0; além disso, há a possibilidade de ele ser com 2 ou 4 portas. Logo,
quais são as possibilidades de montagem para esse carro? Conforme Santos, Mello e
Murari (2008, p. 39), frente a uma típica situação que utiliza o princípio fundamental da
contagem,

[…] quando um evento é composto por m maneiras diferentes, e se para cada

uma dessas m maneiras possíveis de ocorrência desse evento houver outro que
pode ser realizado de n maneiras distintas, então, o número de maneiras
possíveis de ocorrerem ambos os eventos é o resultado do produto entre m e n.

Retornando para a situação inicial da montagem do carro, as possibilidades

referentes à composição desse automóvel são dadas pela multiplicação entre as
maneiras de se escolher cada um dos eventos, ou seja: opções de cores × opções de
potência de motor × opções de quantidade de portas, logo o cálculo será dado por:
4 × 3 × 2 = 24

Assim, há 24 possibilidades de composições para esse carro perante as

condições estabelecidas, de modo geral, problemas dessa natureza são resolvidos pelo

10
princípio fundamental da contagem, que é aplicado multiplicando o número de opções
entre as escolhas disponíveis.

3.1 Princípios Básicos de Contagem

Há dois princípios básicos de contagem, o primeiro envolve adição e, o segundo,

multiplicação.
Princípio da Regra da Soma: Suponha que algum evento E possa ocorrer de m
maneiras e um segundo evento F possa ocorrer de n maneiras. Suponha também que
ambos os eventos não podem acontecer simultaneamente. Então E ou F podem ocorrer
de m + n maneiras
Princípio da Regra do Produto: Suponha que existe um evento E que possa
ocorrer de m maneiras e, independentemente deste, há um segundo evento F que pode
ocorrer de n maneiras. Então, combinações de E e F podem ocorrer de mn maneiras.
(BOYER; MERZBACH, 2012).
Os princípios acima podem ser estendidos para três ou mais eventos. Ou seja,
suponha que um evento E1 possa ocorrer de n1 maneiras, um segundo evento E2 possa
ocorrer de n2 maneiras e, seguindo E2, um terceiro evento E3 possa ocorrer de n3
maneiras e assim por diante. Então:
Regra da Soma: Se nenhum par de eventos pode ocorrer ao mesmo tempo, logo
um dos eventos pode ocorrer de:

n1 + n2 + n3 + · · · maneiras.

Regra do Produto: Se os eventos ocorrem um após o outro, então todos os

eventos podem ocorrer na ordem indicada de:

n1 · n2 · n3 · . . . maneiras.

Suponha que uma faculdade tenha três disciplinas diferentes de história, quatro
disciplinas diferentes de literatura e duas disciplinas diferentes de sociologia.
11
 (a) O número m de maneiras que um estudante pode escolher uma de cada tipo
de disciplina é:
m = 3(4)(2) = 24

(b) O número n de maneiras que um estudante pode escolher apenas uma

disciplina é:

n=3+4+2=9

Há uma interpretação conjuntista dos dois princípios recém-vistos.

Especificamente, suponha que n(A) denota o número de elementos em um conjunto A.
Então:
(1) Princípio da Regra da Soma: Suponha que A e B são conjuntos disjuntos.
Logo:

n(A ∪ B) = n(A) + n(B)

(2) Princípio da Regra do Produto: Seja A × B o produto cartesiano dos

conjuntos A e B. Logo:

n(A × B) = n(A) · n(B)

Exemplos:

1) No restaurante de uma empresa, há 3 opções de carnes, 5 de guarnições, 4

de saladas e 2 de sobremesas no cardápio de hoje. Quantas são as possibilidades de
composição de pratos a serem consumidos? Observe que temos 4 eventos referentes às
opções do cardápio, e que cada um deles apresenta outras possibilidades de escolha;
logo, o total de maneiras de montagem será de:

12
 3 × 5 × 4 × 2 = 120

Logo, existem 120 maneiras de compor essa refeição.

2) Para compor um look completo para trabalhar, Camila necessita combinar uma
blusa, uma calça e um calçado. Sabendo que existem 12 blusas, 7 calças e 10 calçados
em seu guarda-roupa, quantas são as composições possíveis de serem montadas?
Como existem 12 blusas, 7 calças e 10 calçados, é necessário escolher cada um
desses itens; logo, o total de possibilidades é dado por:

12 × 7 × 10 = 840

Assim, existem 840 maneiras de montar a composição de roupas.

3.2 Fatorial

O conceito de fatorial é muito utilizado em problemas de combinatória. É

caracterizado como um número natural não negativo descrito pelo produto entre ele e
todos os seus antecessores. Para referenciar o fatorial de um número, utiliza-se o símbolo
! (exclamação); além disso, é definido que 0! = 1, ou seja, 0 fatorial equivale a 1. A seguir,
observe alguns números fatoriais, sua decomposição e seu respectivo resultado:

2! = 2 × 1 = 2
4! = 4 × 3 × 2 × 1 = 24
5! = 5 × 4 × 3 × 2 × 1 = 120
7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040
10! = 10 × 9 × 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 = 3.628.800

Observe que o valor obtido pelo cálculo do fatorial cresce muito rápido, conforme
cresce o número; por isso, é usual simplificar operações envolvendo fatorais. (BOYER;
MERZBACH, 2012). Esse processo ocorre de modo que seja obtido um mesmo número
13
fatorial no denominador e numerador, assim, eles são eliminados. Observe essa
aplicação no exemplo a seguir.

Simplifique os fatoriais:

O produto dos inteiros positivos de 1 a n, inclusive, é denotado por n! e se lê “n

fatorial” ou “fatorial de n”. Logo,

n! = 1 · 2 · 3 · . . . · (n−2)(n−1)n = n(n−1)(n−2) · . . . · 3 · 2 · 1

Consequentemente, 1! = 1 e n! = n(n − l)!. É também conveniente definir 0! = 1.

Exemplo:

(c) Para valores grandes de n, usa-se a aproximação de Stirling (onde e =

2,7128…):

14
4 AGRUPAMENTOS

Até aqui, estudamos como calcular as possibilidades de um evento, no entanto,

para esses grupos, não existiam distinções ou ordenamentos para os seus elementos.
Na análise combinatória, existem subtópicos que abordam e diferenciam a maneira como
os elementos de um grupo podem ser organizados e/ou constituídos mediante alguma
especificação. (BOYER; MERZBACH, 2012).

4.1 Arranjo

Os arranjos simples de n elementos, tomados p a p, onde n ≥ 1, e p é um número

natural tal que p ≤ n, são todos os agrupamentos de p elementos distintos, que são
diferentes entre si pela ordem e pela natureza dos p elementos que compõem cada grupo
(SANTOS; MELLO; MURARI, 2008).
Simbolicamente, a indicação de um arranjo é dada por:

Onde:

n = total de elementos do grupo;

p = total de elementos por arranjo.

É importante enfatizar que, no arranjo, os agrupamentos dos elementos

dependem da sua ordem e natureza, assim, pela existência do fator ordem, a posição do
elemento no grupo faz toda a diferença na composição do conjunto a ser formado.
Exemplos:

1) Para a composição de uma comissão de formatura, será necessário escolher

um presidente, um vice-presidente, um tesoureiro e um secretário. Sabe-se que um total

15
de 23 alunos manifestou interesse; logo, de quantas maneiras essa comissão pode ser
formada?
Observe que, nessa comissão, a posição tem funcionalidades diferentes; logo, a
ordem é um fator inerente a essa situação, assim, estamos diante de um arranjo que
pode ser calculado por:

Logo, podem ser formadas 212.520 comissões diferentes.

2) Em uma reunião setorial, encontram-se presentes 12 pessoas para 4 cadeiras

disponíveis. Nesse contexto, quantas são as maneiras de organizar os funcionários nos
assentos disponíveis?
Observe que a cadeira na qual cada funcionário sentar faz diferença; logo, a
aplicação de um arranjo se faz necessária e pode ser calculada por:

Assim, é possível concluir que existem 11.880 maneiras diferentes de organizar

as pessoas nas cadeiras disponíveis.

4.2 Permutação

É considerado um caso especial do arranjo um tipo de grupo ordenado em que

participam todos os elementos do conjunto. Conforme Santos, Mello e Murari (2008), uma
permutação de n objetos distintos é qualquer grupo ordenado desses objetos.
Simbolizado por Pn, o total obtido pela permutação simples de n objetos é calculado por:

16
 Por definição:

Qualquer disposição de um conjunto de n objetos em uma dada ordem é

chamada de permutação dos objetos (tomados todos de uma vez). Uma disposição de
quaisquer r ≤ n desses objetos em uma dada ordem é chamada de “r-permutação” ou
“permutação de n objetos tomados r por vez”. Considere, por exemplo, o conjunto de
letras A, B, C, D. Então (SANTOS; MELLO; MURARI, 2008):

(i) BDCA, DCBA e ACDB são permutações das quatro letras (tomadas todas
de uma vez).
(ii) (ii) BAD, ACB e DBC são permutações das quatro letras tomadas três por
vez.
(iii) (iii) AD, BC e CA são permutações das quatro letras tomadas duas por
vez.

Geralmente, estamos interessados na quantia de tais permutações sem listá-las.

O número de permutações de n objetos tomados r por vez é denotado por:

O teorema a seguir se aplica:

Teorema:

Enfatizamos que existem r fatores em n(n − 1)(n − 2) · · · (n − r + 1).

17
 Encontre o número m de permutações de seis objetos, digamos, A, B, C, D, E, F,
tomados três por vez. Em outras palavras, determine a quantia de “palavras de três letras”
usando apenas as seis letras dadas sem repetição. (SANTOS; MELLO; MURARI, 2008)
Representemos a palavra genérica de três letras pelas três posições seguintes:
——, ——, ——

A primeira letra pode ser escolhida de 6 maneiras; seguindo esta, a segunda letra
pode ser escolhida de 5 maneiras; e, finalmente, a terceira letra pode escolhida de 4
maneiras. Escrevemos cada número em sua posição apropriada como se segue:

Pela Regra do Produto, há m = 6 · 5 · 4 = 120 possíveis palavras de três letras

sem repetição, a partir das seis letras. Logo, existem 120 permutações de 6 objetos
tomados 3 por vez. Isso está de acordo com a fórmula do Teorema 5.4:

P(6, 3) = 6 · 5 · 4 = 120

De fato, o Teorema 5.4 é demonstrado da mesma maneira como fizemos neste

caso em particular.
Considere agora o caso especial de P(n, r), quando r = n. Obtemos o seguinte
resultado.
Existem n! Permutações de n objetos (tomados todos de uma vez). (SANTOS;
MELLO; MURARI, 2008)
Por exemplo, há 3! = 6 permutações das três letras A, B, C. Elas são:

ABC, ACB, BAC, BCA, CAB, CBA.

Exemplo:

18
 1) Anagramas são modificações nas letras de uma palavra. Desse modo,
quantos são os anagramas da palavra CADERNO?
a) CADERNO, desde que a primeira letra seja A;
b) CADERNO, desde que as últimas letras sejam DE, nessa ordem.

Note que calcular os anagramas consiste em determinar as permutações de um

grupo, assim, as respostas são as seguintes:

c) Como a palavra é formada por sete letras, logo, o total de anagramas é de:

d) A partir da determinação que a primeira letra é A, ela se torna fixa, possibilitando

a permutação apenas das restantes:

e) Agora, tornam-se fixas as duas últimas letras, permitindo a permutação das cinco
letras restantes:

4.3 Permutações com repetições

Frequentemente, queremos saber o número de permutações de um

multiconjunto, ou seja, um conjunto de objetos tais que alguns são repetidos. (SANTOS;
MELLO; MURARI, 2008). Denotamos por:

P(n; n1, n2, . . . , nr)

19
 O número de permutações de n objetos, dos quais n1 são repetidos, n2 são
repetidos, . . ., nr são repetidos . A fórmula geral é a seguinte:

Indicamos a demonstração do teorema acima com um exemplo específico.

Suponha que queremos formar todas as possíveis “palavras” com cinco letras, usando
os caracteres da palavra “BABBY”. Existem 5! = 120 permutações dos objetos B1, A, B2,
B3, Y, onde os três Bs são distinguidos. Observe que as seis permutações a seguir:

Produzem a mesma palavra quando os subscritos são removidos. O 6 vem do

fato de que há 3! = 3·2·1 = 6 maneiras distintas para colocar os três B’s nas três primeiras
posições da permutação. Isso é verdade para cada conjunto de três posições nas quais
os B’s podem aparecer. Consequentemente, o número de palavras diferentes de cinco
letras que podem ser formadas, usando as letras da palavra “BABBY” é:

Exemplo:

Encontre o número m de palavras de sete letras que podem ser formadas,

usando as letras da palavra “BENZENE” (SANTOS; MELLO; MURARI, 2008).
Buscamos o número de permutações de 7 objetos, dos quais 3 são indistinguíveis
(os três E’s), e 2 são indistinguíveis (os dois N’s). Pelo Teorema 5.6,

20
4.3.1 Amostras ordenadas

Muitos problemas se referem à escolha de um elemento a partir de um conjunto

S, digamos, com n elementos. Quando escolhemos um elemento após o outro, digamos,
r vezes, chamamos a escolha de amostra ordenada de tamanho r. (SANTOS; MELLO;
MURARI, 2008). Consideramos dois casos.
Amostragem com reposição: Aqui o elemento é devolvido ao conjunto S antes
que o próximo objeto seja escolhido. Assim, em cada vez existem n maneiras para
escolher um elemento (repetições são permitidas). A Regra do Produto nos diz que o
número de tais amostras é:

Amostragem sem reposição: Aqui o elemento não é devolvido ao conjunto S

antes que o próximo seja escolhido. Logo, não há repetição na amostra ordenada. Tal
amostra é simplesmente uma r-permutação. Assim, o número de tais amostras é:

Exemplo:

1) Três cartas são escolhidas uma após a outra em um baralho de 52 cartas.

Encontre o número m de maneiras que isso pode ser feito: (a) com reposição; (b) sem
reposição.

(a) Cada carta pode ser escolhida de 52 maneiras. Logo, m = 52(52)(52) = 140
608.
(b) Aqui não há devolução. Portanto, a primeira carta pode ser escolhida de 52
maneiras, a segunda de 51, e a terceira de 50 maneiras. Logo,

21
4.3.2 Diferenças entre arranjo e permutação

Segundo SANTOS (2008), tanto no arranjo quanto na permutação, a ordem dos

elementos organizados faz diferença e é importante. Na ordem de uma fila de crianças,
por exemplo, a organização Cláudia, Mara e Fernanda é diferente de Fernanda, Mara e
Cláudia, que, por sua vez, é diferente de Mara, Cláudia e Fernanda, e assim por diante.
Então, como saber quando a situação-problema é de arranjo ou permutação? É
bem simples!
Sempre que o número de objetos a serem organizados for maior que os
agrupamentos que você precisa fazer, isso será arranjo. Por outro lado, quando o
agrupamento tiver o mesmo número que a quantidade de objetos que você possui, então,
será permutação (SANTOS; MELLO; MURARI, 2008).
Suponha que você tenha em mãos um baralho, contendo 52 cartas. De quantas
maneiras diferentes estas cartas podem ser apresentadas, de acordo com a sua ordem?
Essa resolução será realizada com a permutação, pois você possui 52 cartas a serem
combinadas em 52 posições distintas. Assim:

Caso a intenção fosse organizar as cartas desse mesmo baralho, agrupadas de

duas a duas, quantas seriam as diferentes possibilidades?

22
 Problemas utilizando arranjo e permutação:

1) Em um pacote de 6 balas, foram colocados 6 sabores diferentes. De quantas

maneiras distintas as balas, por ordem de sabores, podem ser retiradas do pacote?
Como as balas poderão ser escolhidas aleatoriamente, não há uma ordem de
sabores definida. Você sabe que são 6 balas e 6 sabores distintos a serem retirados em
ordens também distintas. Assim, trata-se de um problema a ser resolvido com
permutação (SANTOS; MELLO; MURARI, 2008):

Logo, seria possível obter 720 combinações diferentes na ordem dos sabores.

2) Uma operadora de telefones pretende iniciar suas atividades. Atualmente, os

números de telefones têm 8 dígitos. Para seu funcionamento, foram liberadas quaisquer
23
sequências numéricas, desde que o primeiro dígito fosse 5. Quantos números diferentes
essa operadora poderá disponibilizar para seus clientes? Como o primeiro número da
sequência, obrigatoriamente, precisa ser 5, resta a organização dos números de 0 a 9,
em 7 posições diferentes. Resolveremos esse problema com um arranjo de 10
algarismos, organizados de 7 em 7.

Logo, estariam disponíveis 604.800 combinações numéricas diferentes, com o

número inicial sendo igual a 5.

3) Uma empresa necessita organizar trios de trabalho para operar três

equipamentos diferentes, ininterruptamente, durante 30 dias. Considerando que essa
empresa possua um total de 273 funcionários, de quantas formas diferentes eles podem
ser organizados, pensando inclusive nas diferentes possibilidades de operação de cada
um dos equipamentos (SANTOS; MELLO; MURARI, 2008)?
Novamente, você precisa organizar um número de funcionários de maneiras
diferentes, em grupos menores que o total de pessoas que trabalham na empresa.

Seriam possíveis 20.123.376 trios diferentes, considerando a operação de

equipamentos distintos.
24
 4) Em uma confecção de panos de prato, os lotes produzidos deverão conter uma
sequência de 3 letras. Quantos lotes poderão ser produzidos até que uma nova forma de
controlar os lotes seja necessária? Nosso alfabeto possui 26 letras que deverão ser
distribuídas em 3 posições:

A confecção poderá produzir 15.600 lotes até que uma nova maneira de controlar
os lotes seja necessária.

4.4 Combinação

Combinações são subconjuntos do grupo em que a ordem dos elementos não é

um fator a ser considerado. (SANTOS; MELLO; MURARI, 2008). Para calcular uma
combinação simples de n elementos tomados p a p, onde n ≥ 1 e p é um número natural
tal que p ≤ n são as escolhas não ordenadas de p desses n elementos, utiliza-se a
seguinte relação:

25
 Onde:
n = total de elementos do grupo;
p = total de elementos por combinação.

Diferentemente do arranjo, na combinação, não se faz presente a ordem entre

os elementos, não sendo atribuída posição/qualificação/diferença conforme a disposição
dos elementos do grupo em questão. Assim, estamos diante de uma combinação
quando, ao obtermos os agrupamentos possíveis, eles permanecem iguais ao se inverter
a posição dos elementos.

Exemplos:

1) Cinco alunos compõem um grupo de pesquisa que foi selecionado para se

apresentar em uma feira internacional. No entanto, apenas dois deverão representar essa
pesquisa. Assim, quantos grupos podem ser formados?
Note que, para o grupo a ser formado, não existe uma especificação para a
escolha, assim, estamos diante de um caso de combinação que será resolvido por:

Logo, podem ser formados 10 grupos diferentes.

2) Um professor resolveu elaborar 18 questões para compor a sua prova, porém,

constatou que haveria pouco tempo para a sua resolução e propôs aos seus alunos que
escolhessem 15 das 18 questões disponíveis. De quantas maneiras cada aluno poderá
realizar essas escolhas?

26
 Existem 18 questões disponíveis dentre as quais 15 devem ser escolhidas, como
a ordem de escolha não foi imposta, o resultado é obtido por:

Logo, cada aluno tem 816 maneiras diferentes de escolher as questões da prova.

5 BINÔMIO DE NEWTON

Descoberto por Isaac Newton, o binômio de Newton é útil para o cálculo de

potência de um binômio do tipo , ou seja, a soma de duas variáveis distintas
elevada a determinado valor, facilitando a determinação dessa expressão algébrica que,
quando n for um número pequeno, é de fácil determinação, caso contrário, é um processo
muito trabalhoso. A seguir, observe o desenvolvimento de alguns binômios:

Assim, Newton observou que os termos obtidos pelo desenvolvimento de

obedecem sempre ao mesmo formato, representado pelo somatório (SANTOS;
MELLO; MURARI, 2008):

Onde o número binomial é representado por:

27
 Nessa temática, alguns termos recebem uma nomeação especial devido às suas
características, que podem ser observadas a seguir (SANTOS; MELLO; MURARI, 2008):

 Termo médio ou central: indica o termo que se localiza ao centro perante

os demais e, se o desenvolvimento ocorrer com um número par, sua
posição é calculada por
 Termo independente: é a variável cujo expoente é igual a 0.

Os números binomiais possuem algumas propriedades, ou seja, características

próprias de sua constituição.

Se os coeficientes binomiais possuem mesmo numerador e a soma dos

denominadores é igual ao numerador, ou seja, n, p e k ∈ ℕ e p + k = n, logo:

Estes são chamados de complementares.

Exemplo:

A relação de Stifel afirma que, se n, p e k ∈ ℕ e p ≥ p – 1 ≥ 0, então, é valido que:

Exemplo:

28
 O símbolo que se lê “nCr” ou “combinação de n por r”, onde r e n são
inteiros positivos com r ≤ n, é definido como se segue (SANTOS; MELLO;
MURARI, 2008):

Observe que n − (n − r) = r. Isso nos leva à importante relação a seguir:

Motivados por esse fato, definimos 0! = 1. Afinal:

Exemplos:

1) Calcule o sexto termo obtido pela expansão de

Observe que as informações são: a = a; b = –5b e n = 9, i + 1 = 6, logo, i =5.
Assim:

2) Desenvolva a potência descrita por

Para desenvolver essa potência, é necessário encontrar os termos que a
compõem. Logo:
29
6 TRIÂNGULO DE PASCAL

O triângulo de Pascal corresponde a uma organização de todos os coeficientes

binomiais em um formato específico. É um triângulo aritmético dividido entre linhas e
colunas que se inicia pelo número 0, assim, os números binomiais estudados e
calculados anteriormente são os componentes constituintes e principais desse polígono,
como apresentado na Figura 1 (SANTOS; MELLO; MURARI, 2008).

Um número binomial pode ser calculado por uma combinação, ou seja,

encontramos o seu resultado pela relação:

30
 Desse modo, o triângulo de Pascal pode ser representado também pelos
resultados numéricos obtidos pelo desenvolvimento desse cálculo, como pode ser
verificado na Figura 2 (SANTOS; MELLO; MURARI, 2008).

Esse intrigante dispositivo matemático sempre foi estudado por inúmeros

cientistas e, por meio dessas análises, chegou-se à conclusão de algumas propriedades.

 O primeiro e o último elemento de cada linha são sempre equivalentes a

1.
 Ao longo das linhas do triângulo de Pascal, os elementos distantes uma
posição dos extremos corresponde aos números naturais, uma vez que:

 Em toda linha, dois números binomiais equidistantes dos extremos são

iguais, por isso recebem o nome de números binomiais complementares,
ou seja:

31
 A soma dos termos de cada linha do triângulo de Pascal é uma potência
de 2, cujo expoente é o próprio número da linha. Essa relação é descrita
por:

 A soma dos elementos de qualquer coluna, partindo do elemento até outro

qualquer, equivale ao elemento localizado na coluna à direita da
considerada e na linha imediatamente abaixo.
 A soma dos elementos dispostos na mesma diagonal a partir do primeiro
elemento da primeira coluna até o de qualquer outra é igual ao elemento
imediatamente abaixo deste (SANTOS; MELLO; MURARI, 2008).
 Resultados obtidos por potências de onze são encontrados a partir dos
elementos das linhas do triângulo de Pascal; assim, na primeira linha, há
o resultado 1 equivalente a 11º já na leitura da segunda linha, é encontrado
o número 11 frutos de 11¹ na terceira linha, a leitura feita é do número 121
resultados de 11² e assim sucessivamente.
 Com base na relação de Stifel, todo número que compõe esse triângulo é
fruto do resultado entre a soma dos dois números localizados acima dele.

32
7 APLICAÇÃO DA ANÁLISE COMBINATÓRIA

Conforme Safier (2011), a análise combinatória consiste na arte de identificar

uma sequência de possibilidades e contabilizá-la. Logo, perante essa amplitude de
oportunidades, relacionar esses fundamentos torna-se uma tarefa fácil, uma vez que
vários ramos da ciência podem estar inseridos nessa dinâmica, conforme demonstram
os exemplos a seguir.

7.1 Geometria plana

Geometria plana é um ramo da matemática que se dedica ao estudo das figuras

planas e de suas respectivas concepções. Assim, relacionar esses fundamentos aos de
combinatória possibilita a contagem de quantidade de circunferências possíveis de serem
construídas, ou ainda, a contabilização de triângulos dada uma quantidade de pontos.
Observe atentamente as resoluções a seguir e acompanhe essa associação de
conteúdos da matemática.
Exemplos:

1) Quantos triângulos distintos podem ser formados utilizando os 14 pontos

dispostos em um plano? Admita que não existem 3 pontos alinhados.
Atente-se ao fato de que, para construir um triângulo, são necessários 3 pontos
quaisquer desde que não se encontrem alinhados. Como a informação é de que esse
fato não ocorre entre os pontos disponíveis, o total de triângulos pode ser calculado pela
combinação desses pontos tomados 3 a 3, ou seja:

Assim, é possível concluir que 364 triângulos distintos podem ser formados.

2) Sob uma circunferência, são marcados 10 pontos distintos. Quantos

quadrados distintos podem ser traçados com os vértices nesses pontos?
33
 Note que, para traçar um quadrado, são necessários quatro pontos distintos,
logo, ao calcular a combinação desses pontos, é possível determinar o resultado
almejado.

Assim, 210 quadrados diferentes podem ser construídos a partir dos pontos da
circunferência.

7.2 Computação

Na computação, em geral, várias situações englobando problemas de contagem

ocorrem. As concepções dessa temática possibilitam o desenvolvimento de linguagens
de programação, criptografia e software. A seguir, são apresentados alguns exemplos
relacionados a computação que necessitam das relações estudadas pela análise
combinatória (SANTOS; MELLO; MURARI, 2008).

Exemplos:

1) Em um sistema computacional que possui cinco unidades de entrada/saída A,

B, C, D e E e quatro processadores X, Y, Z e W, sabe-se que qualquer unidade de
entrada/saída pode ser conectada a um processador. Quantas maneiras distintas
possibilitam a conexão entre uma unidade de entrada/saída a um processador? Note que
esse problema representa uma situação típica do princípio fundamental da contagem, em
que a solução é encontrada pela multiplicação entre as possibilidades de cada evento,
logo:

5 × 4 = 20

Assim, existem 20 possibilidades diferentes de se estabelecer essa conexão

entre o computador e a unidade de entrada/saída.

34
 2) Uma sequência de caracteres utilizada para indicar palavras, frases ou textos
na programação de computadores recebe o nome de string, assim, quantos strings de 8
bits possuem exatamente quatro bits 1’? Para descobrir o resultado, basta calcular a
combinação desses elementos, ou seja:

Logo, existem 70 possibilidades distintas de constituir strings mediante as

condições apresentadas.

8 PROBABILIDADE

A teoria das probabilidades é um ramo da matemática que cria, elabora e

pesquisa modelos para estudar experimentos ou fenômenos aleatórios.
Há certos fenômenos (ou experimentos) que, embora sejam repetidos muitas
vezes e sob condições idênticas, não apresentam os mesmos resultados. Por exemplo,
no lançamento de uma moeda perfeita, o resultado é imprevisível, não se pode
determiná-lo antes de ser realizado e não podemos prever, mas podemos saber quais
são os possíveis resultados. Aos fenômenos (ou experimentos) desse tipo damos o nome
de fenômenos aleatórios (ou casuais).
Pelo fato de não sabermos o resultado exato de um fenômeno aleatório é que
buscamos os resultados prováveis, as chances e as probabilidades de um determinado
resultado ocorrer.

35
8.1 Espaço amostral

O espaço amostral, também chamado de universo, é um conjunto que possui

todos os pontos amostrais de um evento aleatório, por exemplo, quando se referir ao
experimento lançar uma moeda, ele será formado por cara e coroa. Além disso, como se
trata de um conjunto, qualquer notação deste pode representá-lo (SANTOS; MELLO;
MURARI, 2008).
Assim, o espaço amostral, seus subconjuntos e as operações que o envolvem
herdam as propriedades e operações dos conjuntos numéricos, por isso, pode-se dizer
que os possíveis resultados do lançamento de duas moedas são:

Nesse caso, S representa o conjunto de pares ordenados, formados pelos

resultados dos dois dados. Já o número de elementos de um espaço amostral é
representado da seguinte maneira: dado o espaço amostral Ω, o número de elementos
de Ω é n(Ω).
Em um experimento (ou fenômeno) aleatório, o conjunto formado por todos os
resultados possíveis é chamado espaço amostral, que vamos indicar por U ou Ω.
Veja os seguintes exemplos.

 Lançar uma moeda e observar a face voltada para cima: U = {cara, coroa}.
 Lançar um dado e observar a face voltada para cima: U = {1, 2, 3, 4, 5, 6}.

36
8.2 Evento

Chama-se evento todo subconjunto de um espaço amostral, ou seja, os

resultados que poderão ocorrer em um determinado fenômeno. Resultados esses que
queremos que aconteçam ou não.
No lançamento de um dado, por exemplo, em relação à face voltada para cima,
podemos ter os seguintes eventos (SANTOS; MELLO; MURARI, 2008).

 O número é par: {2, 4, 6}.

 O número é menor que 5: U = {1, 2, 3, 4}.
 O número é 8: {}.

9 EVENTOS MUTUAMENTE EXCLUDENTES E EVENTOS COMPLEMENTARES

Eventos que não podem ocorrer conjuntamente são conhecidos com eventos
mutuamente excludentes (também chamados de eventos mutuamente exclusivos). Caso
dois ou mais eventos sejam mutuamente excludentes, no máximo um deles irá ocorrer a
cada vez que repetirmos o experimento. Por conseguinte, a ocorrência de um evento
exclui a ocorrência do outro, ou de outros eventos.
37
 Considerando, por exemplo, dois lançamentos de uma moeda, esse experimento
tem quatro resultados possíveis: cara/cara, cara/coroa, coroa/cara, coroa/coroa. Esses
resultados são mutuamente excludentes, uma vez que um, e somente um, deles irá
ocorrer ao lançarmos a moeda duas vezes.
Chama-se evento complementar de um evento A e é representado por Ā o
conjunto formado por todos os elementos do espaço amostral U que não pertencem ao
evento A (SANTOS; MELLO; MURARI, 2008).
No lançamento de um dado, temos o seu espaço amostral: U = {1, 2, 3, 4, 5, 6}.
Considere os eventos a seguir.

 O evento A: o número obtido é menor que 3.

 O evento Ā: o número obtido é maior ou igual a 3.

Observe que os eventos A = {1, 2} e Ā = {3, 4, 5, 6}. Estes são complementares,

pois, A ∩ Ā = { } e A Ā = U, a interseção (o que há de comum entre os conjuntos) entre
os dois conjuntos resulta em um resultado vazio, visto que os dois conjuntos não
possuem resultados em comum, e a união (unir todos os elementos dos conjuntos
envolvidos) entre os dois conjuntos resulta no conjunto espaço amostral U.

9.1 Eventos independentes e eventos dependentes

Dois eventos são independentes quando a ocorrência ou a não ocorrência de um

evento não tem efeito algum na probabilidade de ocorrência do outro evento. Dois
eventos são dependentes quando a ocorrência ou a não ocorrência de um evento afeta
a probabilidade de ocorrência do outro evento.
Os eventos independentes e dependentes são chamados de com e sem
reposição, respectivamente.
Com reposição significa o retorno do evento sorteado ao seu conjunto de origem.
É isso que mantém a probabilidade de sorteio constante, portanto, não se altera a
probabilidade de sorteio do evento seguinte.

38
 Sem reposição significa o não retorno do evento sorteado ou do seu conjunto de
origem, alterando a probabilidade de sorteio do evento seguinte.

Exemplo de evento independente:

Dois lançamentos sucessivos de uma moeda não viciada são considerados como
eventos independentes, uma vez que o resultado do primeiro lançamento não tem efeito
algum nas probabilidades de ocorrer uma cara ou uma coroa no segundo lançamento
(SANTOS; MELLO; MURARI, 2008).

Exemplo de evento dependente:

A retirada de duas bolas, sem reposição, de uma urna contendo 20 bolas

numeradas de 1 a 20 são dependentes, pois as probabilidades do resultado da retirada
da segunda bola estão diretamente ligadas a retirada da primeira bola. Especificamente,
se na primeira bola retirada saiu a de número 10, e se não houver reposição, com certeza
não existirá a probabilidade de que, na segunda retirada, a bola 10 apareça, pois esta
não se encontra mais na urna, ou seja, a primeira retirada afetou completamente as
probabilidades de retirada da segunda bola.

10 CÁLCULO DE PROBABILIDADE

Como se calcular questões e/ou experimentos de probabilidade? Considere uma

área muito visitada no Museu de Animais. Em um recipiente, existem 12 aranhas, das

39
quais 8 são fêmeas. A probabilidade de se retirar uma aranha macho para um
experimento é de?
No lançamento de um dado perfeito, qual é a probabilidade de sair um número
maior do que 4?
Em uma urna existem 20 bolas numeradas de 1 a 20. Sorteando-se uma bola,
ao acaso, qual é a probabilidade, em porcentagem, de que o número da bola sorteada
seja divisível por 3?
Considere o lançamento de três dados comuns. Qual é a probabilidade de que
a soma dos valores sorteados seja igual a 5? Maria ganhou de João nove pulseiras,
quatro delas de prata e cinco de ouro. Maria ganhou de Pedro onze pulseiras, oito delas
de prata e três de ouro. Ela guarda todas essas pulseiras e apenas essas em sua
pequena caixa de joias. Uma noite, arrumando-se apressadamente para ir ao cinema
com João, Maria retira, ao acaso, uma pulseira de sua pequena caixa de joias. Ela vê,
então, que retirou uma pulseira de prata. Levando em conta tais informações, a
probabilidade de que a pulseira de prata que Maria retirou seja uma das pulseiras que
ganhou de João é igual a?
Uma urna contém 8 bolas, das quais três são vermelhas e as restantes são
brancas. Qual a probabilidade de, ao retirar duas bolas sucessivamente, sem reposição,
obtermos a 1ª vermelha e a 2ª branca?
Para se calcular as probabilidades de ocorrer determinado evento, como os
casos apresentados acima, além dos conceitos de espaço amostral, eventos e tipos de
eventos, apresentados neste capítulo anteriormente, foi preciso saber diferenciar os tipos
de probabilidade, que veremos adiante: probabilidade de um evento em um espaço
amostral finito; probabilidade condicional; e probabilidades de eventos independentes.
Além de sabermos apresentar os cálculos de probabilidade nas 3 maneiras diferentes de
apresentação: valor fracionário, valor numérico e valor percentual (SANTOS; MELLO;
MURARI, 2008).

40
10.1 Resultados da probabilidade

Como citado anteriormente, podemos apresentar os resultados obtidos nos

cálculos de probabilidade de três maneiras diferentes:

Valor fracionário: quando se faz um cálculo de probabilidade, como veremos

adiante, o primeiro resultado obtido é o fracionário, em que temos um número que fica
na parte superior da fração, chamado de numerador, e outro valor, na parte inferior da
mesma fração, chamado de denominador (a/b).
Exemplo:

Valor numérico: quando acharmos o valor fracionário e realizarmos a divisão

proposta, ou seja, o numerador (em cima) dividido pelo denominador (embaixo) obterá
um resultado, que chamaremos de valor numérico. É o resultado da divisão do valor
fracionário.
Exemplo:

Valor percentual: ao chegarmos ao valor numérico, podemos transformar

qualquer um deles em valor percentual, apenas multiplicando o valor por 100 (cem) e
após colocar o símbolo de porcentagem (%).
Exemplo: 0,40 × 100 = 40% (quarenta por cento).

Os resultados podem ser apresentados em qualquer uma das três maneiras, isso
vai depender do que for pedido no enunciado de algum problema/questão/ experimento.

11 PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO

A probabilidade de um evento em um espaço amostral finito também é conhecida

como probabilidade clássica. A regra da probabilidade clássica é aplicada para se
calcularem as probabilidades de eventos a um experimento para o qual os resultados
sejam igualmente possíveis (SANTOS; MELLO; MURARI, 2008).
41
 Dado um experimento aleatório, sendo U o seu espaço amostral, vamos admitir
que todos os elementos de U tenham a mesma chance de acontecer
Chamamos de probabilidade de um evento A o número real P(A), tal que:

Todas as possíveis respostas favoráveis (eventos) são divididas por todas de

respostas possíveis (espaço amostral) (SANTOS; MELLO; MURARI, 2008).

42
 No início do texto referente ao título Cálculo de probabilidade, apresentamos
várias questões sobre probabilidade. Vamos aproveitar agora que aprendemos a calcular
a probabilidade de um evento em um espaço amostral finito (probabilidade clássica) e
resolvermos estas (SANTOS; MELLO; MURARI, 2008):

1) Considere uma área muito visitada do Museu de Animais. Em um recipiente

existem 12 aranhas, das quais 8 são fêmeas. A probabilidade de se retirar uma aranha
macho para um experimento é de quanto?
Solução:
No total, existem 12 aranhas no recipiente e todas elas possuem a mesma
possibilidade de serem sorteadas (espaço amostral) e queremos sortear aranhas- -
macho. Se o problema apresenta que 8 das aranhas são fêmeas, então 4 são machos
(evento).
Colocando os valores na fórmula:

43
 2) No lançamento de um dado perfeito, qual é a probabilidade de sair um número
maior do que 4 (SANTOS; MELLO; MURARI, 2008)?
Solução:
Um dado possui 6 faces numeradas, ou seja, os números 1, 2, 3, 4, 5 e 6
possuem as mesmas possibilidades, ao jogarmos o dado, da face desse número cair
voltada para cima (espaço amostral). O problema pede a probabilidade de sair a face
para cima de um número maior do que 4. Temos como possíveis respostas os números
5 e 6 (evento).

Colocando na fórmula:

3) Em uma urna existem 20 bolas numeradas de 1 a 20. Sorteando uma bola, ao

acaso, qual é a probabilidade, em porcentagem, de que o número da bola sorteada seja
divisível por 3?
Solução:
Na urna existem 20 bolas numeradas de 1 a 20, em que todas possuem a mesma
possibilidade de serem retiradas (espaço amostral). O problema quer calcular a
probabilidade de se retirar uma bola, cujo número seja divisível por 3. Esses números
são: 3, 6, 9, 12, 15 e 18, ou seja, temos 6 possíveis números que são favoráveis ao que
o problema está solicitando (evento).
Colocando na fórmula:

44
 4) Considere o lançamento de três dados comuns. Qual é a probabilidade de que
a soma dos valores sorteados seja igual a 5 (SANTOS; MELLO; MURARI, 2008)?
Solução:
Em primeiro lugar, precisamos calcular o valor do espaço amostral e da
quantidade de possíveis respostas. Utilizando a operação que foi citada no Fique Atento
acima, como estamos jogando 3 dados ao mesmo tempo, vamos utilizar a operação:

O problema está solicitando as respostas em que a soma de todos os dados ao

mesmo tempo sejam 5. Vamos achar essas possíveis respostas: (1, 1, 3), (1, 3, 1), (3, 1,
1), (1, 2, 2), (2, 1, 2) e (2, 2, 1), totalizando 6 possíveis respostas favoráveis. Colocando
na fórmula:

Simplificando, ou seja, dividindo os dois valores por 6, chegamos ao

1
valor final (valor fracionário). A cada 36 vezes que jogarmos os 3 dados ao mesmo
36
tempo, 1 das jogadas dará como soma de todos os números o valor 5.

45
12 PROBABILIDADE CONDICIONAL

A probabilidade condicional refere-se à probabilidade de um evento ocorrer com

base em um anterior e, evidentemente, ambos precisam ser conjuntos não vazios
pertencentes a um espaço amostral finito. Por exemplo, se no lançamento simultâneo de
dois dados obtêm-se números em suas faces superiores, qual a probabilidade de que a
soma desses números seja 8, desde que seus resultados sejam ímpares? Veja que ela
está condicionada aos resultados ímpares nos dois dados, logo, lançamentos que têm
um ou dois números pares na face superior podem ser descartados, havendo uma
redução no espaço amostral (SANTOS; MELLO; MURARI, 2008).
O novo espaço amostral é composto dos seguintes pares:

{1,1}; {1,3}; {1,5}; {3,1}; {3,3}; {3,5}; {5,1}; {5,3} e {5,5}.

Desses, apenas {3,5} e {5,3} possuem soma 8. Logo, a probabilidade de se obter

8 no lançamento de dois dados é de 2/9, considerando que os resultados obtidos são
ambos ímpares. Para entender melhor a probabilidade condicional, considere um espaço
amostral S finito não vazio e um evento A de S, se quiser outro evento B desse espaço
S, a nova probabilidade é indicada por P(B|a), denominada como a probabilidade
condicional de B em relação ao A. Assim, ela formará um novo espaço amostral, pois
agora este será A e os elementos do evento B pertencerão a B ∩ A, como você pode ver
na Figura 2.

46
 Há diversos casos para ilustrar a probabilidade condicional, por exemplo, as
chances de um bebê nascer menina é um evento A, mas a probabilidade de essa criança
ter doença celíaca (intolerância ao glúten) se trata de um evento B. Essa situação pode
ser considerada uma probabilidade condicional, porque a doença celíaca atinge mais
mulheres do que homens. Se as chances fossem iguais para pessoas dos dois gêneros,
esses eventos não estariam condicionados e seriam uma probabilidade marginal ou
incondicional, pois, a possibilidade de que um deles ocorra não influencia na do outro
(SANTOS; MELLO; MURARI, 2008).
Assim, se os eventos forem independentes, a probabilidade não será
condicional, pois você representa a probabilidade condicional com a seguinte expressão:
P (A|B), que se lê “a probabilidade condicional de A em relação a B”. Já a fórmula para
calculá-la é:

P (A|B) = P(A∩B)/P(B)

Quando dois eventos são independentes, a probabilidade de ocorrerem ao

mesmo tempo é dada por:
P(A∩B) = P(A).P(B)

Já se você colocar isso na fórmula da probabilidade condicional, encontrar:

47
 P (A|B) = P(A∩B)/P(B)
P (A|B) = P(A).P(B)/P(B)
P (A|B) = P(A).P(B)/P(B)
P(A|B) = P(A)

Portanto, a probabilidade de A ocorrer não se altera.

Se a probabilidade de ocorrência de um evento B interfere na probabilidade de
ocorrência de um evento A, então dizemos que a probabilidade de A está condicionada
à probabilidade de B e representamos por P(A/B). Lê-se: probabilidade de A dado B
(SANTOS; MELLO; MURARI, 2008).
A/B significa a ocorrência do evento A sabendo que o evento B já ocorreu ou
que a ocorrência de B esteja garantida (os eventos A e B são dependentes).

48
 Resolvendo o problema citado anteriormente:

Maria ganhou de João nove pulseiras, quatro delas de prata e cinco de ouro.
Maria ganhou de Pedro onze pulseiras, oito delas de prata e três de ouro. Ela guarda
todas essas pulseiras, e apenas essas em sua pequena caixa de joias. Uma noite,
arrumando-se apressadamente para ir ao cinema com João, Maria retira, ao acaso, uma
pulseira de sua pequena caixa de joias. Ela vê, então, que retirou uma pulseira de prata.
Levando em conta tais informações, a probabilidade de que a pulseira de prata que Maria
retirou seja uma das pulseiras que ganhou de João é igual a (SANTOS; MELLO;
MURARI, 2008)?
Solução:
49
 Verificamos que a condição é ser uma pulseira de prata, por isso, precisamos
saber o total de pulseiras de prata que Maria ganhou: 12.
Ela quer saber a probabilidade de que essa pulseira que ela está pegando no
escuro tenha sido dada de presente pelo João. Então, precisamos verificar quantas
pulseiras de prata João deu de presente: 4.
Utilizando a fórmula:

12.1 Probabilidade de eventos independentes

Dois eventos, A e B, são chamados independentes quando a probabilidade de

ocorrência de um deles não interfere na probabilidade de ocorrência do outro, ou seja
(SANTOS; MELLO; MURARI, 2008):
P(B/A) = P(B) ou P(A/B) = P(A)

Se A e B são eventos independentes, então a probabilidade de ocorrência de A

e B será:
P(A ∩ B) = P(A) × P(B)

50
 Resolvendo o problema citado anteriormente:

Uma urna contém 8 bolas, das quais três são vermelhas e as restantes são
brancas. Qual a probabilidade de serem retiradas duas bolas, sucessivamente, sem
reposição, sendo a 1ª vermelha e a 2ª branca (SANTOS; MELLO; MURARI, 2008)?
Solução:
Calculando a probabilidade de ocorrer o primeiro evento, em que dentro da urna
há 8 bolas (espaço amostral) e queremos sortear uma bola vermelha, tendo, dentro da
urna, um total de 3 dessa cor (evento):

51
 Calculando a probabilidade de ocorrer o segundo evento, e sabendo que não
houve reposição, dentro da urna há 7 bolas (espaço amostral), e queremos sortear, desta
vez, uma bola branca, sabendo que, dentro dessa urna, há um total de 5 bolas dessa cor
(evento):

Calculando a probabilidade de que os eventos ocorram como fora solicitado,

utilizaremos a fórmula da probabilidade dos eventos independentes:

13 TEOREMA DE BAYES

O teorema de Bayes é uma fórmula matemática usada para o cálculo da

probabilidade de um evento dado que outro já ocorreu, o que se chama probabilidade
condicional. Para esse teorema, precisa-se ter alguma informação anterior ou saber que
determinado evento já ocorreu e qual sua probabilidade. Baseada nessa inferência
bayesiana, surge a expressão grau de crença, ou a confiança em algum evento anterior
(SANTOS; MELLO; MURARI, 2008).

52
 Uma das muitas aplicações do teorema de Bayes é a inferência bayesiana, uma
abordagem particular da inferência estatística. Assim, quando for aplicado, as
probabilidades envolvidas nele podem ter diferentes interpretações de probabilidade.
Com a interpretação bayesiana, o teorema expressa como a probabilidade de um
evento (ou seu grau de crença) deve ser alterada após considerar as evidências sobre
sua ocorrência. Apesar do pioneirismo, essa abordagem caiu em esquecimento nas
ciências e foi preterida pela frequentista, que ainda é hegemônica, mas devido ao grande
aumento na capacidade de processamento dos computadores, a bayesiana renasceu
com muita força.
Para calcular pelo teorema de Bayes a probabilidade de um evento A dado que
um B ocorreu, P(A|B), tem-se a seguinte fórmula:

Em que,
P(B|A): probabilidade de B acontecer dado que A ocorreu;
P(A): probabilidade de A ocorrer;
P(B): probabilidade de B ocorrer.

14 APLICAÇÃO DA PROBABILIDADE NA INTELIGÊNCIA ARTIFICIAL

A inteligência artificial é um campo amplo há muitas décadas, que vem sendo

impulsionado rapidamente com a informática e a computação. Sua aplicação nos
sistemas especialistas procura escrever programas que copiem e reproduzam os modos
como os seres humanos pensam, falam, compreendem e aprendem, elaborando uma
réplica da inteligência humana e aplicando-a nas diversas áreas da empresa.
Esses sistemas especialistas aplicam a inteligência artificial nas empresas e,
segundo O´Brien (2004), situam-se na área da ciência cognitiva, a qual utiliza disciplinas
como biologia, neurologia, psicologia e matemática para verificar como os seres humanos
aprendem, criam e desenvolvem as aplicações baseadas no conhecimento com
53
acompanhamento de um especialista. Trata-se de sistemas que agem e comportam-se
como um ser humano, utilizados para solucionar problemas em áreas específicas da
empresa.
Os dois grandes paradigmas para o desenvolvimento de sistemas especialistas
em inteligência artificial são o simbólico e o subsimbólico (conexionista). No paradigma
conexionista, utiliza-se técnicas de redes neurais para representar e solucionar
problemas em um domínio específico, sendo aplicável aos domínios nos quais a forma
de raciocínio do especialista não pode ser totalmente explicitada. No simbólico, por sua
vez, o conhecimento é disposto em uma base de conhecimentos, em que as inferências
são representadas por meio de regras do tipo SE-ENTÃO. Geralmente, o raciocínio do
sistema se baseia em uma árvore de decisões, mas nesse caso, o conhecimento do
especialista deve ser adquirido e representado do modo mais aprofundado possível para
permitir que o sistema emule seu comportamento.
A rede bayesiana trabalha com relações causais quantificadas por valores de
probabilidade condicional e, segundo Murteira (1990), “a causalidade é a vantagem de
nossa existência e a desvantagem de nossa matemática. Acreditamos em causalidade
em nossas interações com a realidade, mas é difícil capturá-la em nossos modelos”.
Portanto, considerando que a causa precede o efeito, é fundamental ter um processo
unidirecional para modelar a causalidade se B causa A, então B ocorre antes de A. Já no
contexto da lógica clássica, a implicação não capta uma relação causal por problemas
de falta de direcionalidade, em que (B->A) é equivalente a (]B->]A), assim não permite
que a causalidade seja modelada.
As redes bayesianas são compostas de duas partes complementares: uma
qualitativa e outra quantitativa (GAAG, 1996). A parte qualitativa é um modelo gráfico
(grafo acíclico direcionado), em que as variáveis incluem os nodos e as regras, relações
de dependência entre elas, chamadas de arcos direcionados. Assim, um arco ligando as
variáveis A e B (na forma A->B) indica que a variável B é a consequência e a variável A
se trata da causa, apresentando uma relação de dependência resumida na regra “se A
então B”. Porém, se não houver um arco ligando duas variáveis, assume-se que elas são
independentes.

54
 Nos sistemas especialistas probabilísticos, os valores de probabilidade refletem
a crença do especialista sobre o que espera que ocorra em situações similares às que
têm experiência e aprendeu ao longo de sua vivência. Assim, ele tenta extrapolar com
base em experiência e aprendizado no domínio de aplicação.

55
REFERÊNCIAS BIBLIOGRÁFICAS

14.1 Bibliografia Básica

HAZZAN, S. Fundamentos de Matemática Elementar- Volume 5. 7ª.ed. São Paulo:

Atual, 2004.

MORGADO, A.C.O.; CARVALHO, J. B.P; CARVALHO, P.C.; FERNANDEZ, P. Análise

combinatória e Probabilidade. Rio de Janeiro: SBM, 2005.

SANTOS, J.P.O.; MURARI, I.T.C.; MELLO, M.P. Introdução à análise combinatória. 4ª

ed. Rio de Janeiro: Ciência Moderna, 2007.

14.2 Bibliografia Complementar

ALMEIDA, M. C. Origens dos numerais. In: SEMINÁRIO DE HISTÓRIA DA

MATEMÁTICA, 4., 2001, São Paulo. Anais [...]. São Paulo: SBHMat, 2001. p. 119–130.

ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A. Estatística aplicada à

administração e economia. 2. ed. São Paulo: Cengage Learning, 2011.

ARAGÃO, M. J. História da matemática. Rio de Janeiro: Interciência, 2009

BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatística: para cursos de engenharia

e informática. 3. ed. São Paulo: Atlas, 2010.

BOYER, C. B. História da matemática. 2. ed. São Paulo: Blucher, 1996.

BOYER, C. B.; MERZBACH, U. C. História da matemática. São Paulo: Blucher, 2012

BRITO, R. Probabilidade condicional: o que é, exemplos e exercícios! Stoodi, 22 jul.

2018. Disponível em: https://www.stoodi.com.br/blog/2018/07/11/probabilidade- -
condicional/. Acesso em: 19 abril 2021.

CAVALCANTI, G. D. C. Coeficientes binomiais e o Triângulo de Pascal. Recife: UFPE,

2006. Notas de aula da disciplina Matemática Discreta, do Centro de Informática, da
Universidade Federal de Pernambuco. Disponível em: https://www.cin.ufpe.br/~gdcc/
matdis/aulas/binomial.pdf. Acesso em: 19 abril 2021.

DANTAS, C. A. B. Probabilidade: um curso introdutório. 3. ed. São Paulo: EDUSP,

2008.

56
DIAS, V. G. Quadratura: da antiguidade à atualidade. 2014. Dissertação (Mestrado
Profissional em Matemática) — Programa de Pós-Graduação em Matemática, Centro de
Ciência e Tecnologia, Universidade Federal de Campina Grande, Campina Grande,
2014.

LIPSCHUTZ, S.; LIPSON, M. Matemática discreta. 3. ed. Porto Alegre: Bookman, 2013.
(Coleção Schaum). (Coleção Schaum).

MANN, P. S. Introdução à estatística. Rio de Janeiro: LTC, 2006

MORETTIN, L. G. Estatística básica: probabilidade e inferência. São Paulo: Pearson

Prentice Hall, 2010.

MURTEIRA, B. J. F. Probabilidades e estatística. 2. ed. Lisboa: McGraw-Hill, 1990. 2

v.

ROSEN, K. H. Matemática discreta e suas aplicações. 6. ed. Porto Alegre: AMGH,

2009

SAFIER, F. Pré-Cálculo. 2. ed. Porto Alegre: Bookman, 2011.

SAMPAIO, F. A. Matemágica: história, aplicações e jogos matemáticos. São Paulo:

Papirus, 2018a. v. 1. E-book.

SAMPAIO, F. A. Matemágica: história, aplicações e jogos matemáticos. São Paulo:

Papirus, 2018b. v. 2. E-book.

SANTOS, J. P. O.; MELLO, M. P.; MURARI, I. T. C. Introdução à análise combinatória.

4. ed. Campinas: Ed. Unicamp, 2008.

SILVEIRA, J. F. Raciocínio lógico matemático: curso completo preparatório para

concursos. [2015?]. Disponível em: . Acesso em: 19 abril 2021.

SPIEGEL, M. R.; SCHILLER, J.; SRINIVASAN, A. Probabilidade e estatística. 3. ed.

Porto Alegre: Bookman, 2012. (Coleção Schaum).

SPIEGEL, M. R.; STEPHENS, L. J. Estatística. 4. ed. Porto Alegre: Bookman, 2009.

(Coleção Schaum)

TABORDA, A. Mapa mental: probabilidade. Desconversa, 13 ago. 2015. Disponível em:

https://descomplica.com.br/blog/matematica/mapa-mental-probabilidade/. Acesso em:
19 abril 2021.

57