Escolar Documentos
Profissional Documentos
Cultura Documentos
INTRODUÇÃO
1
Solução: Para se arrumar a Akssana terá que percorrer duas etapas diferentes:
1ª Escolha da saia que pode ocorrer de 3 maneiras distintas;
2ª Escolha da blusa que pode ocorrer de 4 maneiras distintas.
1.2 Factorial
2
Considerando n um número natural maior que que a unidade (n є lN), podemos definir como
fatorial desse número n (n!) o produto de todos os números inteiros desde a unidade até n.
n! = 1 * 2 * 3 * ... * (n-1) * n.
0! = 1; 0! = 1
n! = n(n-1)(n-2)(n-3)(n-4)!
Por convenção 1! = 1 e 0! = 1
Exemplos:
a) 0!=1
b) 1!=1
c) 2! = 1.2 = 2
d) 3! = 1.2.3= 6
e) 4!= 1.2.3.4 = 24
f) 5! = 1.2.3.4.5 = 120
g) 8! = 8.7!=8.7.6!=8.7.6.5!= 40320
h) 10! = 1.2.3.4.5.6.7.8.9.10 ou 10! = 10.9.8.7.6.5.4.3.2.1 ou 10! = 10.9.8!
i) 100! = 100.99.98!
200! 200.199.198!
j) 200.199 39800
198! 198!
12! 12.11.10.9! 12.11.10
k) =220
9!.3! 9!.3! 6
l) 3!.3! = (3!) 2 = 36
Simplificação
n 2 9n 20 3 n 2 9n 17
=
n 4 n 2 9n 20 n 2 10n 24
3
Resolução de equações
(n 2)!(n 1)!
24 n 2 +4n-21= 0
n!
n 2 +3n+2+n+1=24
Simplifique
(n 1)!22(n 1)!
a) n!= 20(n-2)! b) 10 c) (n+2)!= 72.n!
n!
1.3 Agrupamentos
i. Arranjos
4
considerando distintos dois agrupamentos que difiram pela natureza (espécie) ou pela ordem
dos seus elementos. Os arranjos podem ser simples ou com repetição.
n!
Anm
(n m)!
Exemplo 4: Quantos números de quatro algarísmos diferentes são possível formar com os
elementos do conjunto {1, 2, 3 5, 6}?
Solução: os agrupamentos que se pretende obter diferem entre si ou pela natureza dos
elementos ou pela ordem desses elementos. Ex: 2315 é diferente de 2135. São, arranjos sem
repetiç`ao, onde temos o total de elementos igual a 5 (n = 5 ) e os agrupamentos a serem
formados por quatro elementos (m = 4);
5! 5!
A54 5! 120
(5 4)! 1!
Solução: uma vez que o elemento 5 tem um posiç`ao fixa, restam 3 posições a serem
preenchidas pelos restantes 4 elementos {1, 2, 3, 6}
4!
___ ___ ___ 5 A43 4! 24
(4 3)!
Exemplos
7! 7! 7.6.5.4!
a) A73 210
(7 3)! 4! 4!
An2 56
5
n!
An2 = 56
(n 2)!
n 2 -n-56= 0 Solução 8
d) Numa certa rede telefónica a cada telefone corresponde um número de 4 (quatro) algarismos
diferentes, o qual pode começar mesmo por 0 (zero). Sabendo que cada um desses números de 4
(quatro) algarismos diferentes, corresponde a um e um só telefone, e não há números repetidos,
quantos telefones têm a rede.
10! 10.9.8.7.6!
A104 5040 telefones
(10 4)! 6!
ii. Permutações
Pn n!
n! n! n!
Ann n! Pn
(n n)! 0! 1
Exemplos
6
a) P7 = 7! = 7.6.5.4.3.2.1 = 210.240 = 5040
b) Determinar o valor de n na equação
Pn = 20P(n-2)
n!= 20(n-2)!
n(n-1)(n-2)! = 20(n-2)!
n 2 -n – 20 = 0
n1 =-4 e n2 = 5 Solução 5
c) Quantas palavras (com ou sem significado na língua portuguesa) podem de se formar com as
letras da palavra ALUNO.
P5 = 5! = 5.4.3.2.1 = 20.6 = 120
Exemplo 7: com todas as letras da palavra ROMA, quantos arranjos se podem formar?
Solução: é claro que dois arranjos só podem deferir pela ordem das letras, tendo em conta
que em cada um dos arranjos entram todas as letras, basta mudar a ordem dos elementos ou
por outras palavras permutar os elementos. Tendo 4 elementos (letra) na palavra ROMA o
número de permutações possíveis é:
P4 4! 24
iii.Combinaões
a) Combinações simples ou sem repetição – Cada elemento entra uma única vez
n!
num agrupamento. O número total das combinações é dado por: C nm
m!(n m)!
7
Exemplo 9: Um estudante pretende comprar 4 livros diferentes, mas de igual custo, e só tem
dinheiro para comprar três desses livros. De quantos modos diferentes o estudante pode fazer
a escolha dos três livros de entre os quatros que deseja?
4! 4!
C 43 4
3!(4 3)! 3!*1!
Probabilidades
2.1 Introdução
A teoria das probabilidades, teve seu início com os jogos de cartas, dados e de roleta. Esta
permite que se calcule a chance de ocorrência de um número em um experimento aleatório;
por outro lado, a palavra probabilidade deriva do Latim probare (provar ou testar) e
informalmente é uma das muitas palavras utilizadas para eventos incertos ou conhecidos, sendo
8
também substituída por algumas palavras como “sorte”, “risco”, “azar”, “incerteza”, “duvidoso”,
dependendo do contexto.
Os métodos da teoria de probabilidades são amplamente utilizados nos diferentes ramos das
ciências naturais e da técnica: na teoria de segurança, teoria dos serviços à população, na física
teórica, geodesia, astronomia, teoria de tiro, teoria de erros de observações, teoria de direção
automática, teoria geral das comunicações, teorias administrativas, entre outras. A teoria de
probabilidades serve também de base para a estatística matemática aplicada, a qual, por sua
vez, é empregada na planificação e organização da produção, na análise de processos
tecnológicos, no controle preventivo e de obtenção da qualidade da produção e para muitos
outros fins.
9
Características
Cada experimento pode ser repetido indefinidamente sob as mesmas
condições;
Não se conhece o resultado do experimento “a priori”, porém pode-se
descrever todos os possíveis resultados.
Quando o experimento for repetido um grande número de vezes surgirá uma
r
estabilidade da fracção f (lei dos Grandes Números).
n
onde:
n – número de repetições
r – número de sucessos de um particular resultado
Exemplo 1:
a) Lançar um dado e observar o número da face de cima;
c) De uma urna contendo 3 bolas vermelhas e 2 bolas brancas, secionar uma bola e
Nota:
Cada resultado individual de S é chamado de “elemento”, “membro” ou “ponto
amostral”;
Se o espaço amostral é finito, pode-se listar seus elementos
Os resultados de um experimento E podem ser descritos por mais de um
espaço amostral
10
Sentença ou regra
É aplicado caso o espaço amostral tenha um número muito grande de elementos (infinito).
Exemplo 5: observar o número total da população de Maputo que compra pacotes iniciais da
telefonia móvel da MCEL por dia.
Seja X” o número total da população de Maputo que compra pacotes iniciais da telefonia móvel
da MCEL por dia”
Ω = {X l X 0 }
b) Evento certo – aquele que sempre se verifica quando se realiza uma ou mais
experiências.
c) Evento aleatório – aquele que a sua verificação depende do acaso, ou melhor, aquele
que é impossível prever o seu resultado.
Ω = {1, 2, 3, 4, 5, 6}
Sejam os eventos:
12
B: ocorrência de um número par; E: ocorrência de um número menor que
7;
C: ocorrência de múltiplo de 3; F: ocorrência do número 8.
Classifica os eventos acima.
Solução: A = {1, 3, 5}; B = {2, 4, 6}; C = {3, 6}; D = {4}; E = {1, 2, 3, 4, 5, 6}; F = {}
Os eventos A, B, C e E são não elementares
O evento D é elementar;
O evento F é nulo ou impossível;
Os eventos A e B são independentes e mutuamente exclusivo;
O evento E é certo.
Sejam A e B dois eventos; então A B será também um evento que ocorrerá se, e somente
se, A e B (ou ambos) ocorrerem.
Sejam A e B dois eventos; então A B será também um evento que ocorrerá se, e somente
se, A e B ocorrerem simultaneamente.
13
c) Complementar de um evento
Seja A um evento; então Ac ou A será também um evento que ocorrerá se, e somente
se, A não ocorrer.
Ω = {1, 2, 3, 4, 5, 6}
Sejam os eventos:
Indica:
14
2.1.3.3 Diagrama de Venn
Exemplo 12: seja dados os conjuntos abaixo, represente os num diagrama de venn
M = {4, 5, 6, 7, 8}
N = {6, 7, 8, 9, 10, 11}
Num experimento aleatório, embora não saibamos qual o evento que irá ocorrer, sabemos que
alguns eventos ocorrem frequentemente e outros, raramente quando a experiência se repete
muitas vezes.
15
Exemplo 1: Consideremos a seguinte tabela relativa ao lançamento de uma moeda.
Nº de lançamentos 20 30 40 50 60 70 80 90 100
Nº de caras 14 12 25 19 30 39 48 42 49
Frequência relativa 0.7 0.4 0.63 0.38 0.5 0.56 0.6 0.47 0.49
m
f ( A)
n
Exemplo 2: Numa urna existem duas bolas brancas e seis vermelhas. Sorteando-se uma bola,
qual é a probabilidade de ela ser branca?
16
Os casos elementares, nos quais se verifica o acontecimento que nos interessa (casos
favoráveis “saída de bola branca”), é igual a 2 e o número total de casos possíveis é igual à 8;
isto é: m =2 e n = 8. Logo:
m 2
P( A) 0.25 25%
n 8
Propriedades
17
m 2 (V ) 15
b) P( B) 0.6
n 25
c) P( B) 1 P( B) 1 0.4 0.6
1. Teorema de soma
a) Eventos incompatíveis:
P( A B) P( A) P( B)
A B
b) Eventos compatíveis:
P( A B) P( A) P( B) p( A B)
2. Teorema de produto
a) Acontecimentos independentes:
P( A B) P( A) * P( B)
b) Acontecimentos dependentes:
P( A B) P( A) * P( B / A)
Sejam “A” e “B” dois eventos associados ao experimento “E”, denotaremos por (B/A) a
probabilidade condicionado evento “B” quando “A” tiver ocorrido.
P(B/A)=P(A∩B)/P(A)
P(A/B)=P(A∩B)/P(B)
18
Nota: Normalmente P(B\A) é diferente de P(A\B)
Exemplo 1
Um lote de 100 artigos tem a seguinte composição: 80 são perfeitos e 20 são defeituosos
escolhe se dois artigos ao acaso desse lote sem reposição.
Exemplo 2
Um lote de 100 artigos tem a seguinte composição: 80 são perfeitos e 20 são defeituosos
escolhe se dois artigos ao acaso desse lote.
a) Reposição.
b) Sem reposição.
Calcule as probabilidades dos seguintes eventos:
Um escritório possui 100 máquinas de calcular. Algumas dessas máquinas são eléctricas (E),
enquanto que outras são manuais (M): Algumas são novas (N) outras são usadas (U), veja a
tabela a seguir. Uma pessoa entra no escritório, pega uma máquina ao acaso, e descobre que é
nova. Qual será a probabilidade de que seja eléctrica? Ou seja P(E/N).
Novas 40 30 70
Usadas 20 10 30
Total 60 40 100
Exemplo 3: Numa certa comunidade existem apenas dois jornais disponíveis, o jornal de
Notícias e o Público. Sabe-se que 91% das pessoas desta comunidade são assinantes de pelo
19
menos um dos jornais, 58% são assinantes do jornal de Notícias e 14% são assinantes de
ambos os jornais. Qual é a probabilidade de que uma pessoa escolhida ao acaso seja assinante:
a) Do jornal o Público?
Solução:
Dados:
P( A B) 0.14
b) P( B / A) 0.2414 = 24.14%
P( A) 0.58
P( A) P( A1 ) * P( A2 )* ... * P( An ) P( A1 )* P( A2 ) * ... * P( An ) ... P( A1 ) * P( A2 )* ... * P( An )
P( A) 1 P( A1 ) * P( A2 )* ... * P( An )
20
q – a probabilidade de avaria do aparelho. Então: p1 = 0.9; q1 = 0.1; p2 = 0.89; q2 =
0.11; p3 = 0.93; q3 = 0.07.
Como funcionam apenas dois aparelhos dos três disponíveis, podemos aplicar o primeiro
Corolário da probabilidade condicional.
Como funcionam pelo menos um dos aparelhos, podemos aplicar o primeiro Corolário da
probabilidade condicional.
A probabilidade do acontecimento A (probabilidade total) que pode ocorrer sob condição de que
ocorra um dos acontecimentos que se excluem mutuamente B1, B2, ..., Bn e que formam um
grupo completo, é igual à soma dos produtos das probabilidades de cada um desses
acontecimentos, pela correspondente probabilidade condicional do acontecimento A.
P( B ) 1
i 1
i
21
Exemplo 6: As peças produzidas numa fábrica caem para a verificação da sua standaridade a
um de dois controladores. A probabilidade de que a peça caia ao primeiro controlador é igual a
0.6, e ao segundo, 0.4. Probabilidade de uma peça acabada ser reconhecida como
standartizada pelo primeiro controlador é igual a 0.94, e pelo segundo, 0.98. Achar a
probabilidade de que a peça seja estandartizada.
Solução:
P(A) = P(B1) * P(A/B1) + P(B2) * P(A/B2) = 0.6*0.94 + 0.4*0.98 = 0.564 + 0.392 = 0.956
Exemplo 7: uma urna I tem 3 bolas vermelhas (V) e 4 brancas (B); a outra urna II tem 6
bolas vermelhas e 2 branca. Uma urna é escolhida ao acaso e nela é escolhida uma bola,
também ao acaso. Qual é a probabilidade de observarmos bola vermelha?
Suponhamos que um certo acontecimento A pode ocorrer, sob a condição de que ocorra um
dos acontecimentos que se excluem mutuamente B1, B2, ..., Bn e que formam um grupo
completo. Visto que anteriormente não se sabe qual desses acontecimentos ocorrerá, eles são
denominados hipóteses (probabilidade à posterior). O problema em determinar as
22
probabilidades à posterior foi resolvido por Thomas Bayes sendo conhecido por Teorema de
Bayes
P( B1 ) * P( A Bi )
P( Bi / A) ;
P( B1 ) * P( A / B1 ) P( B2 ) * P( A / B2 ) ... P( Bn ) * ( PA / Bn )
P( B1 ) * P( A B1 ) 0.6 * 0.94
P( B1 / A) 0.59
P( B1 ) * P( A / B1 ) P( B2 ) * P( A / B2 ) 0.956
1 3
*
P( B1 ) * P( A Bi ) 4
P( B1 / A) 2 7
P( B1 ) * P( A / B1 ) P( B2 ) * P( A / B2 ) 33 11
56
P(B/A) = P(B)
P( A B) P( A) * P( B)
Exemplo 10: numa sala existem 4 homens e 6 mulheres. Uma mosca entra na sala e pousa
numa pessoa, ao acaso.
4
a) P( H ) 0.4
10
6
b) P ( M ) 0.6
10
Exercícios Resolvidos
o seguinte resultado: 350 pessoas assistem ao canal '"A" , 320 assistem ao canal B e 90
assistem a outros canais, distintos de "A" e "B". Escolhe-se ao acaso uma pessoa.
Assim
24
90
190 160 160
Resumindo
320 assistem a B
CF 190
P( A) 31.7%
CP 600
CF 160
P( A) 26.7%
CP 600
CF 320
P( A) 53.3%
CP 600
25
3. Suponha que 20 canetas estão expostas numa papelaria. Seis são vermelhas e 14 azuis.
Do conjunto de 20, iremos escolher 2 canetas aleatoriamente. Qual a probabilidade de
que as duas canetas seleccionadas sejam vermelhas?
Dados
Neste caso os eventos não são independentes, pois a cor da primeira caneta seleccionada
vai determinar a probabilidade da segunda caneta ser vermelha.
Resolução
A P A B A
P A B P . P B P A B .
5 6
P
B P B B 19 20
P A B
30
0,0789
380
4. O quadro abaixo apresenta a situação de estudantes de uma certa universidade por sexo
e bolsa de estudos. Sorteado um estudante ao acaso, qual a probabilidade de que ele
possua as seguintes características:
140
Ser bolseiro = 250 =56%
100
250
P( H B) 140 100
P(H\B)= P( B) = 250 = 140 =71.4%
26
100
P(B H)= 250 40%
4.1. Seleccionadas duas pessoas, uma após outra, sem reposição, qual é a probabilidade
de:
120 130
*
P(M 2ºH) = 250 249 0.48*0.52=0.25
Dados
500 estudantes
80 Contabilidade
300 Economia
27
170 outros curso
250
50%
P(Eco)= 500
PCont Eco
50
500 10%
50
PEng Eco 500
PEco / Eng
PEng 80
500 62.5%
(n 2)!(n 1)!
24
a) n!
(n 2)!(n 1)!
24
n!
C n2 6
b)
An2 56
c)
n!
An2
(n 2)! = 56
n 2 -n-56= 0 Solução 8
C 2n 120
n!
120
(n 2)!2!
n(n-1)=120.2
n2-n=240
n2-n-240=0
29