1.

Experincias aleatrias
So muitas as atividades cientficas ou cotidianas que no apresentam um resultado previsvel. Tirar 'cara ou coroa' com uma moeda, jogar na loteria, escolher uma carta do baralho ou tentar adivinhar o sexo de uma criana so jogos e atividades que possuem trs caractersticas comuns: Em todos eles, conhecemos previamente o conjunto dos resultados possveis. Ao mesmo tempo, desconhecemos o resultado que ser obtido uma vez executada a experincia. Trata-se, portanto, de um resultado que no se pode prever. Alm disso, as experincias podem ser repetidas tantas vezes quantas forem necessrias, em condies praticamente idnticas. Para lembrar: Todas as atividades que apresentam as caractersticas anteriores so chamadas de experincias aleatrias. Assim, chamamos de experimento aleatrio a todo experimento que, sob condies idnticas, tm resultados imprevisveis.

2. Espao amostral
Chamamos de espao amostral ao conjunto formado por todos os resultados possveis de um experimento aleatrio. Assim, no caso do lanamento de uma moeda, como acontece no incio dos jogos de futebol, o espao amostral {cara, coroa}. Habitualmente, o espao amostral representado pelas letras S ou .

Dentro desse espao amostral, qualquer subconjunto formado ser o que conhecemos como evento, indicado por uma letra maiscula, geralmente E. Diremos que o evento se realizou quando, na realizao de um experimento aleatrio, o resultado obtido pertencer a esse subconjunto. Exemplo: Considere o experimento aleatrio de lanar um dado e anotar o resultado. O espao amostral deste experimento :

= {1, 2, 3, 4, 5, 6}

Todos os subconjuntos formados a partir desse conjunto so chamados eventos. Assim, por exemplo, sero eventos diferentes desse espao amostral os seguintes subconjuntos:

{5, 6}, { 1, 3, 5}, { 2, 4, 6}, { 1, 2, 3, 4}, { 6}

Suponhamos que, tendo lanado o dado, o resultado foi 3. Se o evento A for nmero mpar, podemos dizer que o evento A ocorreu? Ser que o evento B foi maior do que 4? Como podemos constatar, o nmero 3 aparece entre os elementos do subconjunto A = {1,3,5}. Por isso, dizemos que o evento A foi mpar. Ao contrrio, o evento B no foi maior do que 4, pois 3 no se encontra entre os elementos do subconjunto, B = {5,6}.

3. Grau de confiana
Ao definirmos experincias aleatrias, ficou bem claro que desconhecemos qual ser o resultado de sua ocorrncia. Apesar disso, alguns eventos merecem maior confiana que outros. Observe, novamente, o exemplo do lanamento de um dado e considere a possibilidade de o evento A = {1,3,5} sair mpar, e B = {5,6} ser maior do que 4. Se nos perguntarmos qual deles ocorrer, no poderemos responder com exatido, mas como o primeiro tem mais resultados possveis que o segundo, temos um maior grau de confiana no primeiro do que no segundo. Partindo desse critrio, mais intuitivo que matemtico, interessa-nos quantificar o grau de confiana dos diversos eventos de qualquer experimento aleatrio. Para tal, utilizamos as chamadas relaes de freqncia.

4. Relao de freqncia
Para quantificar o grau de confiana, devemos associar um valor numrico a cada resultado possvel. Cada nmero associado dever ser positivo ou zero, sempre menor do que1 e, alm disso, a soma de todos os valores numricos dever ser igual a1. Observe que nos limitamos a dividir proporcionalmente o nmero 1 entre todos os resultados possveis.

Figura 1

Essa diviso conhecida como relao de freqncia. O critrio que aplicaremos nesta diviso ser a freqncia relativa esperada para cada resultado. Exemplo: Se jogarmos com uma roleta como a da Figura 1, acima, vamos obter somente trs resultados: vermelho, verde e azul. Portanto, o espao amostral :

= {vermelho, verde, azul}

Alm disso, observando a Figura 1, e considerando a freqncia relativa dos resultados possveis, podemos deduzir a seguinte relao de freqncia: Os valores numricos, sempre menores do que 1, que associamos a cada resultado possvel, no foram escolhidos ao acaso. Eles tm sua razo de ser na Figura 1. Observe que o setor vermelho ocupa um quarto do total da roleta, enquanto o verde e o azul ocupam, meio a meio, os trs quartos restantes.

5. Probabilidade de um evento
Agora podemos quantificar o grau de confiana de qualquer evento. Atribumos a cada evento um nmero obtido da soma das imagens de cada um de seus elementos na relao de freqncia. Este nmero chama-se probabilidade do evento. Observe como se resolve o seguinte caso. Exemplo: O experimento consiste em extrair uma bola do interior de uma caixa e observar sua cor. H um total de nove bolas na caixa: duas brancas, trs vermelhas e quatro pretas. Qual ser a probabilidade de tirar uma bola que no seja preta? Figura 2 O espao amostral da Figura 2 : Para solucionar esta questo, preparamos o esquema da Figura 2:

= {branca, vermelha, preta}

E a relao de freqncia, obedecendo ao esquema, : O evento tirar uma bola de cor diferente do preto, ou seja, A = {B,V}, consta de dois elementos. Como foi dito na definio de probabilidade, atribumos a cada evento um nmero obtido da soma das imagens de cada elemento na relao de freqncia. Portanto, se somarmos as imagens da bola branca, 2/9, e da vermelha, 3/9, que aparecem na relao de freqncia deste exemplo, vamos conhecer o valor da probabilidade do evento A, indicado por P(A). Assim,

Em alguns experimentos aleatrios, cada um dos resultados (eventos elementares) tem a mesma freqncia relativa esperada. Este o caso de lanar uma moeda ou um dado e comprovar o resultado. Dizemos, ento, que o espao amostral eqiprovvel, e que sua probabilidade uniforme.

6. Frmula ou Regra de Laplace

A Regra de Laplace considerada a definio clssica de probabilidade. Para que essa definio de probabilidade seja vlida, devem-se cumprir os seguintes requisitos: O espao amostral S tem p elementos. Assim, S = {a1, a2, ..., ap} Os eventos elementares so: {a1}, {a2}, ..., {ap}. O espao amostral S eqiprovvel. Portanto, P ({a1}) = P ({a2}) = ... = P ({ap}) O evento A tem f elementos. Para ocorrer o evento A, o resultado deve ser algum desses f elementos, que so os casos favorveis. Nesses casos, o clculo da probabilidade de um evento qualquer realizado pela seguinte expresso:

Uma vez que o nmero de casos favorveis coincide com o nmero de elementos do evento, e o nmero de casos possveis corresponde ao nmero de elementos do espao amostral, podemos escrever:

Assim, no exemplo do lanamento de um dado, se o evento A consiste em obter um 5, o nmero de casos favorveis ser 1, pois num dado no-viciado s existe um 5, e o nmero de casos possveis 6, portanto o espao amostral :

= {1,2,3,4,5,6}

Assim, a probabilidade do evento A ser: P (A) = 1/6 Quando dizemos que a probabilidade do evento A 1/6, isto no significa que, se jogarmos o dado seis vezes, em uma delas sair, com toda a certeza, o nmero 5. Pode ser que o nmero 5 no saia nenhuma vez, ou ele pode sair mais de uma vez. A probabilidade 1/6 indica apenas que, se repetirmos esse experimento um nmero muito grande de vezes, o evento A vai ocorrer em aproximadamente 1/6 do total de jogadas. Exemplo: Observe a roleta da Figura 3 e pense na probabilidade existente de sada para cada nmero. a) Qual a probabilidade de cada evento elementar?

Figura 3 P({1}) = P({2}) = P({4}) = P({5}) = P({6}) = P({7}) = 1/8 e P({3}) = 2/8

b) Qual a probabilidade de o nmero ser par?

P({2,4,6}) = 3/8

7. Evento certo e evento impossvel

H diversos tipos de eventos. Vamos expor, em seguida, alguns deles. Considere o experimento do lanamento de um dado. O espao amostral o conjunto: = {1,2,3,4,5,6} Considere o evento E resultar um nmero menor do que 7. Isto : E = {1,2,3,4,5,6} =
A roleta, um dos jogos de azar preferidos pelos apostadores nos cassinos, teve sua origem na Frana do sculo XVIII. formada por 36 elementos dispostos em trs colunas de 12 nmeros e um espao reservado para o zero. As chamadas apostas simples so: sair par ou sair mpar, sair vermelho ou sair preto, e sair nmeros menores (de 1 a 18) ou sair nmeros maiores (de 19 a 36)

Assim, a probabilidade de ocorrer o evento E :

P (E) = 6/6 = 1

No caso em que

= E, o evento chama-se evento certo.

Vamos agora encontrar a probabilidade de o evento F resultar um nmero menor do que zero. Nesse caso, percebemos que

F=

e P(F) = 0/6 = 0

Se F =

, o evento F chama-se evento impossvel.

A partir dessas definies, podemos chegar seguinte concluso: Se A um evento qualquer, 0 P(A) 1

Considere a possibilidade de o evento A sair nmero par e o evento B sair um nmero maior ou igual a 4. Qual a probabilidade de que A ou B ocorram?

Isto o mesmo que perguntar pela P (A

B).

Temos: A = {2,4,6} B = {4,5,6} A B = {2,4,5,6} Ento: P (A B) = 4/6 = 2/3 Vamos buscar uma relao entre P(A), P(B), P(A Note que A Assim: B = {4,6} B) e P(A B).

que pode ser expresso por: P(A B) = P(A) + P(B) - P(A B)

Mesmo sendo adotada como exemplo, essa propriedade geral, vlida para quaisquer eventos. Temos, ento, que se A e B so eventos quaisquer de um espao amostral :

P(A

B) = P(A) + P(B) - P(A

B)

No caso em que A B = , o que implica P(A B) = 0, os eventos A e B so chamados eventos mutuamente exclusivos e P(A B) = P(A) + P(B) Assim: Se dois eventos no podem ocorrer de forma simultnea, eles recebem o nome de eventos mutuamente exclusivos. Isto se deve inexistncia de elementos em comum entre eles. Existem tambm os chamados eventos complementares. Dado um evento qualquer A, por exemplo, sair nmero par. O evento que ocorre sempre que no se realize A denominado evento complementar de A e representado por . (sair nmero

Se no ocorreA(sair nmero par), significa que ocorreu o complementar de A , mpar).

Como a unio de dois eventos complementares deve ser sempre igual ao espao amostral, podemos dizer que a soma de suas probabilidades deve ser 1. P(A) + P( ) = 1, isto P( ) = 1 P(A)

8. Probabilidade de uma experincia composta

Tambm pode nos interessar o clculo da probabilidade de uma experincia composta, ou seja, a realizao de dois ou mais experimentos aleatrios simples. Nesses casos, a freqncia relativa esperada para cada resultado possvel do experimento obtida a partir do produto das freqncias relativas esperadas de cada elemento que compe o referido resultado. Exemplo: Temos uma moeda e duas caixas cheias de bolas coloridas. Na caixa A temos duas bolas vermelhas e cinco pretas, enquanto na B h quatro bolas vermelhas e uma bola azul. Imagine a seguinte experincia composta: lanamos uma moeda; se der 'cara', extramos uma bola da caixa A; e se der 'coroa', uma bola da caixa B. Em seguida, vamos representar por um diagrama em rvore os resultados possveis da experincia composta. Vamos Indicar tambm as freqncias relativas esperadas para cada experincia parcial (Figura 4).

Figura 4 Como observamos no esquema da figura anterior, o espao amostral : = {(cara, vermelha), (cara, preta), (coroa, vermelha), (coroa, azul)} O objetivo definir uma probabilidade para o conjunto possveis da experincia composta. , que representa os resultados

A relao de freqncia obtida atribuindo-se a cada resultado o produto das freqncias relativas esperadas, que aparecem em cada ramo completo do diagrama em rvore da Figura 4. Desta maneira, comprovamos que a relao de freqncia, neste caso, a seguinte:

Agora podemos calcular a probabilidade de qualquer evento dessa experincia composta. Exemplo: Se quisermos saber a probabilidade de ocorrer o evento R, de que ao extrarmos uma bola ela seja vermelha: Primeiro veremos os resultados possveis. Depois calcularemos sua probabilidade. Assim, dado que:

R = {(cara, vermelha), (coroa, vermelha)}

Podemos afirmar que:

Simplificando, ficamos com:

9. Distribuio binomial
Diz-se que uma varivel real x aleatria se os valores de x dependem do acaso. Por isso, uma varivel aleatria sempre aparece ligada a um experimento aleatrio. Sendo S o espao amostral de um experimento aleatrio e P uma probabilidade definida em P(S), chama-se varivel aleatria a toda funo:

Isto verdadeiro para toda funo que atribua a cada evento elementar do espao amostral um nmero Real. De acordo com a notao matemtica, costuma-se representar a varivel aleatria por uma letra maiscula, geralmente X, Y ou Z, e os diferentes valores da varivel X, como x1, x2, ..., xn.

Se o conjunto imagem X (S) finito, trata-se de uma varivel aleatria discreta. Se, ao contrrio, o conjunto imagem X (S) um intervalo, ser uma varivel aleatria contnua. Consideremos, agora, um tipo de experimento aleatrio em que s se obtm dois resultados: a um chamamos de sucesso, com uma probabilidade p; ao seu complementar, denominamos fracasso, com uma probabilidade q = 1 - p. . Exemplo: Ao passar por um teste de 10 questes, Marcos, que no havia se preparado para a avaliao, assinala qualquer das 5 alternativas de cada teste. Qual a probabilidade de o rapaz acertar 6 questes? Inicialmente sabemos que a probabilidade de ele acertar um teste 1/5, isto porque h uma alternativa correta para cada uma das alternativas. Assim, a probabilidade de ele errar ser de 1 - 1/5 = 4/5. Para obtermos a probabilidade de Marcos acertar 6 e errar 4 questes, falta ainda considerar que ele pode acertar 6 de qualquer um dos 10 testes. Matematicamente, essa considerao se traduz na combinao de 10 elementos, tomados 6 a 6. Assim, a probabilidade de Marcos acertar 6 dos 10 testes ser dada pela expresso:

Imaginemos agora que, ao lanarmos um dado, possamos chamar de sucesso caso saia o nmero 5 e de fracasso caso saia qualquer outro nmero. Se essa experincia aleatria for repetida n vezes, sempre nas mesmas condies e com lanamentos independentes uns dos outros, a varivel aleatria que queremos estudar ser o nmero total de sucessos obtidos ao final da experincia. Portanto, a probabilidade p de obtermos x sucessos no total de n repeties ser dada pela seguinte expresso:

Observe que a expresso matemtica de p(x) a de um termo do desenvolvimento do Binmio de Newton; neste caso, para a potncia (p + q)n. Por isto, a distribuio de probabilidades estudada recebe o nome de distribuio binomial. Para evitar a complexidade dos clculos de p(x), costuma-se utilizar tabelas acumulativas. Nessas tabelas, no encontraremos valores de p superiores a 0,5, pois a disposio da informao que contm nos permite consult-las tanto para valores de p como de q = 1 - p.

10. Distribuio acumulada de probabilidades para

uma varivel aleatria contnua

Exemplo: Alex vai de nibus todos os dias para o trabalho. Sua experincia lhe diz que, independentemente da hora em que sair de casa, ter de esperar pelo nibus um mximo de 15 minutos e um mnimo de zero minutos, j que em alguns dias consegue peg-lo no instante em que chega ao ponto. Do mesmo modo, por culpa dos engarrafamentos do trnsito da cidade, a hora de chegada do nibus ao ponto imprevisvel. Qual ser a probabilidade de Alex precisar esperar no mximo 5 minutos? E no mnimo x minutos? p (T 5) = 5/15 = 1/3; p (T x) = x/15

Em geral, essas perguntas podem ser respondidas formulando-se a seguinte funo: F (x) = p (T x) onde T ser o tempo compreendido entre 0 e x, e p (T que Alex tenha de esperar esse tempo no ponto. x) ser a probabilidade de

Esta funo est representada graficamente na Figura 5: esquerda do valor zero (0) est representada a probabilidade de Alex ter de esperar um tempo menor ou igual a 0. Observe que esta probabilidade 0. No intervalo [0, 15], a funo um segmento retilneo com uma probabilidade entre 0 e 1. direita, com um tempo de espera igual ou superior a 15 minutos, a probabilidade

Figura 5 sempre 1.

Desse modo, a funo F est definida para qualquer nmero real x. Assim, a probabilidade de o tempo que Alex ter de esperar o nibus estar compreendido entre os valores x e x + h pode ser facilmente calculada pela seguinte diferena:

p(x < t

x + h) = F (x + h) - F (x)

A funo F que definimos no exemplo acima recebe o nome de funo de distribuio acumulada para a varivel aleatria contnua. Enumeramos em seguida suas propriedades, j registradas na explicao da Figura 5. Os valores F (x) esto compreendidos entre 0 e 1.

Nos bingos ou nos sorteios de loteria, assim como em qualquer jogo de azar, a probabilidade de sair o nmero que esperamos imprevisvel

Se a varivel aleatria for contnua, ou seja, definida no intervalo [a, b]: F (x) = 0 para x < a e F (x) = 1 para x > b. F uma funo no decrescente. F uma funo contnua. III Unidade lgebra