Slides Aula 10PROB

Probabilidade e Estatı́stica
Probabilidade
Probabilidade
Probabilidade
A teoria de probabilidade tem uma longa e rica história, datando

de antes do século XVII quando foi solicitado a Chevelier de Meré,
Pascal e Fermat desenvolverem uma formulação matemática para
jogos de azar.
Probabilidade
Porém, somente ao redor de 1930 a teoria de probabilidade foi

formalmente definida pelo russo A. N. Kolmogorov, através de
axiomas.
A importância da teoria de probabilidade para o estudo da

estatı́stica, é que esta fornece os métodos para modelar
populações e experimentos aleatórios.
Utilizando os modelos probabilisticos, pesquisadores de

diversas áreas são capazes de fazer inferências sobre
populações, baseados apenas em uma parte da população, a
amostra.
Probabilidade

axiomas.


amostra.
Probabilidade

axiomas.


amostra.
Probabilidade
objetivo desta aula é dar uma apresentação introdutória sobre

o cálculo de probabilidades.
Apresentaremos ao leitor as idéias básicas de teoria de

probabilidade, necessárias para o desenvolvimento dos
próximos conteúdos.
Vamos iniciar o estudo da teoria de probabilidade definindo alguns

conceitos básicos. Estes conceitos são:
Experimento determinı́stico;
Experimento aleatório;
Espaço amostral e evento.
Probabilidade



Probabilidade



Probabilidade



Probabilidade



Probabilidade



Probabilidade
Experimentos Determinı́sticos
São experimentos em que os resultados são sempre os mesmos.
Isto é, sabemos exatamente o que vai acontecer, sob certas
condições, antes mesmo de realizar o experimento.
Exemplos:
Água aquecida a 100o C , sob pressão normal, entra em
ebulição.
Se tomarmos um determinado sólido, sabemos que a uma
certa temperatura haverá a passagem para o estado lı́quido.
Probabilidade
Experimentos Determinı́sticos
São experimentos em que os resultados são sempre os mesmos.
Isto é, sabemos exatamente o que vai acontecer, sob certas
condições, antes mesmo de realizar o experimento.
Exemplos:
Água aquecida a 100o C , sob pressão normal, entra em
ebulição.
Se tomarmos um determinado sólido, sabemos que a uma
certa temperatura haverá a passagem para o estado lı́quido.
Probabilidade
Experimento determinı́stico
Ao soltarmos uma moeda de uma altura de 2 metros esta
demora 2 segundos até tocar o solo.
A velocidade média da moeda é V = 1 m/s.
Se repetirmos este experimento nas mesmas condições,
sempre teremos os mesmos resultados.
Probabilidade
Probabilidade
Probabilidade
X Considere agora o interesse em saber se a moeda ao tocar solo e

parar, fica com a face “cara” ou “coroa” voltada para cima.
X Ao repetirmos este experimento nas mesmas condições sempre

teremos os mesmos resultados?
Se repetirmos este experimento nas mesmas condições, não

teremos sempre os mesmos resultados.
Probabilidade



Probabilidade



Probabilidade
Experimentos Aleatórios
são experimentos que, mesmo repetidos várias vezes sob condições
semelhantes, apresentam resultados imprevisı́veis.
X Neste tipo de experimento, sabemos o que pode acontecer ao

realizarmos o experimento, não exatamente o que vai acontecer.
Probabilidade
Experimentos Aleatórios
são experimentos que, mesmo repetidos várias vezes sob condições
semelhantes, apresentam resultados imprevisı́veis.
X Neste tipo de experimento, sabemos o que pode acontecer ao

realizarmos o experimento, não exatamente o que vai acontecer.
Probabilidade
Alguns exemplos de experimentos aleatórios são:

• E1 : Lançamento de uma moeda honesta;
• E2 : Jogar um dado e verificar o número que “aparece” na
face de cima;
• E3 : Lançamento de duas moedas honestas;
• E4 : Laçar uma moeda até que o resultado “cara” (c) ocorra
pela primeira vez. Conte o número de lançamentos até que
este evento aconteça;
• E5 : Em uma linha de produção, fabrique peças em série e
conte o número de peças defeituosas produzidas em um
perı́odo de 24 horas;
• E6 : Uma lâmpada é fabricada. Em seguida é testada quanto
ao seu tempo de vida (i.e., tempo até queimar), em horas.
Probabilidade

face de cima;
Probabilidade

face de cima;
Probabilidade

face de cima;
Probabilidade

face de cima;
Probabilidade

face de cima;
Probabilidade
Ao realizarmos um experimento aleatório não sabemos qual

particular resultado irá ocorrer.
Mas sabemos antecipadamente quais são todos os possı́veis
resultados.
Por exemplo, ao realizarmos o experimento E2 , não sabemos
se ocorrerá o número 3, mas sabemos que ocorrerá um dos
números pertencentes ao conjunto {1, 2, 3, 4, 5, 6}.
Espaço Amostral
É o conjunto de todos os possı́veis resultados de um experimento
aleatório. Denotado pela letra S.
Probabilidade

resultados.
Espaço Amostral
Probabilidade

resultados.
Espaço Amostral
Probabilidade

resultados.
Espaço Amostral
Probabilidade

resultados.
Espaço Amostral
Probabilidade
Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

anteriormente, os respectivos espaços amostrais são:
• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e

k a face “coroa”;
• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E3 , temos S3 = {(c, c), (c, k), (k, c), (k, k)};
• Para E4 , temos S4 = {1, 2, 3, . . .};
• Para E5 , temos S5 = {0, 1, 2, . . . , N}, onde N é o número
máximo de peças que pode ser fabricado em 24 horas;
• Para E6 , temos S6 = {t; t > 0}, onde t é o tempo de vida da
lâmpada.
Probabilidade


• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E4 , temos S4 = {1, 2, 3, . . .};
lâmpada.
Probabilidade


• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E4 , temos S4 = {1, 2, 3, . . .};
lâmpada.
Probabilidade


• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E4 , temos S4 = {1, 2, 3, . . .};
lâmpada.
Probabilidade


• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E4 , temos S4 = {1, 2, 3, . . .};
lâmpada.
Probabilidade


• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E4 , temos S4 = {1, 2, 3, . . .};
lâmpada.
Probabilidade


• Para E2 , temos S2 = {1, 2, 3, 4, 5, 6};
• Para E4 , temos S4 = {1, 2, 3, . . .};
lâmpada.
Probabilidade
Cada um dos elementos de S, que corresponde a um resultado

do experimento, recebe o nome de ponto amostral.
De forma genérica, denotamos um ponto amostral por w , e

escrevemos w 2 S (lê-se w pertence a S).
Exercı́cio Proposto
Escolha um ponto amostral w de cada um dos experimentos Ei ,
i = 1, . . . , 6, e escreva na forma w 2 S.
Probabilidade


Probabilidade


Probabilidade
c 2 S1 ;
1 2 S2 ;
(c, c) 2 S3 ;
10 2 S4 ;
0 2 S5 ;
2 2 S6 ;
Probabilidade
Dado um espaço amostral S, podemos estar interessados em

um particular subconjunto de S.
Por exemplo, ao lançar um dado, o espaço amostral é

S = {1, 2, 3, 4, 5, 6} e podemos estar interessados no
subconjunto dos números pares {2, 4, 6}.
Para o experimento aleatório E6 , podemos estar interessado

em saber se a lâmpada ira durar mais de 2.000 horas, i.e., se
t > 2.000.
Aos subconjuntos de S damos o nome de evento.

Probabilidade



t > 2.000.

Probabilidade



t > 2.000.

Probabilidade



t > 2.000.

Probabilidade
Evento
É qualquer subconjunto do espaço amostral S.
X Eventos são denotados por letras maiúsculas do inı́cio do

alfabeto. Por exemplo, A, B, C .
Probabilidade
Evento
É qualquer subconjunto do espaço amostral S.
X Eventos são denotados por letras maiúsculas do inı́cio do

alfabeto. Por exemplo, A, B, C .
Probabilidade
Determine um evento para cada um dos experimentos aleatórios
Ei , i = 1, . . . , 6.
Probabilidade
• S1 = {c, k}, onde c representa “cara” e k a “coroa”;

• S2 = {1, 2, 3, 4, 5, 6};
• S3 = {(c, c), (c, k), (k, c), (k, k)};
• S4 = {1, 2, 3, . . .};
• S5 = {0, 1, 2, . . . , N}, onde N é o número máximo de peças
que pode ser fabricado em 24 horas;
• S6 = {t; t > 0}, onde t é o tempo de vida da lâmpada.
Probabilidade
• A1 = {c}, sair a face “cara” c;

• A2 = {2, 4, 6}, sair um número par;
• A3 = {(c, c)}, sair duas “caras”;
• A4 = {3}, sair a face “cara” no terceiro lançamento;
• A5 = {10}, fabricar 10 peças defeituosas em 24 horas;
• A6 = {t; t > 2.000}, a lâmpada durar mais do 2.000 horas;
Probabilidade

Probabilidade

Probabilidade

Probabilidade

Probabilidade

Probabilidade
X Por definição, o conjunto vazio, denotado por ;, é o conjunto

sem nenhum elemento.
Dado que A é um subconjunto de S, A ⇢ S (lê-se A esta contido

em S), então:
(i) se A = S, A é chamado de evento certo;
(ii) se A ⇢ S, A é dito ser um evento de S;
(iii) se A ⇢ S e A é um conjunto com um único elemento,
A = {w }, A é chamado de evento elementar.
Probabilidade
X Por definição, o conjunto vazio, denotado por ;, é o conjunto

sem nenhum elemento.
Dado que A é um subconjunto de S, A ⇢ S (lê-se A esta contido

em S), então:
(i) se A = S, A é chamado de evento certo;
(ii) se A ⇢ S, A é dito ser um evento de S;
(iii) se A ⇢ S e A é um conjunto com um único elemento,
A = {w }, A é chamado de evento elementar.
Probabilidade
Exemplo
Considere o experimento E =“lançamento de um dado”.
O espaço amostral associado a este experimento é
S = {1, 2, 3, 4, 5, 6}.
Possı́veis eventos de interesse são:

A = {3}, onde A é um evento elementar de S;
B = {1, 3, 5}, onde B é um evento de S;
C = {1, 2, 3, 4, 5, 6}, onde C é o evento certo;
D = {w 2 S; w > 6}, i.e., D é o evento vázio, D = ;;
Probabilidade
Exemplo
S = {1, 2, 3, 4, 5, 6}.

Probabilidade
Exemplo
S = {1, 2, 3, 4, 5, 6}.

Probabilidade
Exemplo
S = {1, 2, 3, 4, 5, 6}.

Probabilidade
Exemplo
S = {1, 2, 3, 4, 5, 6}.

Probabilidade
Exemplo
S = {1, 2, 3, 4, 5, 6}.

Probabilidade
Exemplo
S = {1, 2, 3, 4, 5, 6}.

Probabilidade
X Note que um evento é sempre definido por uma sentença;
X Para o exemplo acima, temos as seguintes sentenças:
(a) “Obter um número ı́mpar maior do que 1 e menor do que 5”;

(b) “Obter um número ı́mpar”;
(c) “Obter um número entre 1 e 6, inclusive;
(d) “Obter um número maior que seis”.
Probabilidade

Probabilidade

Probabilidade

Probabilidade

Probabilidade

Probabilidade
X Em muitos casos, é interessante representar os conjuntos de
interesse graficamente.
A B
Figura: Diagrama de Venn para S e os conjuntos A e B.

Probabilidade
Exemplo
Considere o experimento E =“lançamento de dois dados”.
Descreva o espaço amostral S e os seguintes eventos:
(a) “sair o mesmo número na face de cima dos dois dados”;
(b) “saı́da de faces cuja soma é menor ou igual a 5”;
(c) “Saı́da de faces onde uma face é o dobro da outra”;
(d) “saı́da de faces cuja soma é maior do que 12”.
Probabilidade
Tabela: Espaço amostral S associado ao experimento E .

D2
D1 1 2 3 4 5 6
1
2
3
4
5
6
Probabilidade
Tabela: Espaço amostral S associado ao experimento E .

D2
D1 1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Probabilidade
Dessa forma, os eventos são:

A1 = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)};
A2 = {(1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1),
(3, 2), (4, 1)};
A3 = {(1, 2), (2, 1), (2, 4), (4, 2), (3, 6), (6, 3)};
A4 = ;.
Probabilidade

A1 = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)};
A2 = {(1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1),
(3, 2), (4, 1)};
A3 = {(1, 2), (2, 1), (2, 4), (4, 2), (3, 6), (6, 3)};
A4 = ;.
Probabilidade

A1 = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)};
A2 = {(1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1),
(3, 2), (4, 1)};
A3 = {(1, 2), (2, 1), (2, 4), (4, 2), (3, 6), (6, 3)};
A4 = ;.
Probabilidade

A1 = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)};
A2 = {(1, 1), (1, 2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (3, 1),
(3, 2), (4, 1)};
A3 = {(1, 2), (2, 1), (2, 4), (4, 2), (3, 6), (6, 3)};
A4 = ;.
Probabilidade
Descreva um espaço amostral S adequado aos seguintes
experimentos aleatórios.
(a) Escolhe-se ao acaso uma famı́lia com duas crianças de um
municı́pio e são registrados os sexos do primeiro e do segundo
filhos.
(b) No item (a), observa-se apenas o número de meninas na
famı́lia selecionada.
(c) No item (a), registra-se o peso (em quilogramas) com que
cada uma das crianças nasceu.
(d) Vinte produtos eletrônicos são sorteados de um lote e a
quantidade de produtos com defeito é contada.
Probabilidade
filhos.
Probabilidade
filhos.
Probabilidade
filhos.
Probabilidade
Definição
Dado um espaço amostral S e um evento A, A ⇢ S, chamamos de
complementar de A, denotado por Ac , o evento formado pelos
elementos de S que não pertencem ao conjunto A,
Ac = {w 2 S; w 2
/ A}.
Probabilidade
Exemplo
Considere o lançamento de um dado.
O espaço amostra é S = {1, 2, 3, 4, 5, 6}.
Definindo o evento A = {2, 4, 6}, números pares, então seu
complementar é o evento Ac = {1, 3, 5}, números ı́mpares.
X Fixado um conjunto A, para cada elemento w 2 S, vale uma, e

somente uma, das alternativas: w 2 A ou w 2
/ A. Se w 2
/ A, então
c
isto implica que w 2 A .
Probabilidade
Exemplo

/ A. Se w 2
/ A, então
c
Probabilidade
Exemplo

/ A. Se w 2
/ A, então
c
Probabilidade
Exemplo

/ A. Se w 2
/ A, então
c
Probabilidade
X A Figura abaixo, mostra o diagrama de Venn para um espaço
amostral S, o evento A e o complementar Ac (destacado em cor
cinza).
Ω
A
Figura: Diagrama de Venn para S e os conjuntos A e Ac .

Probabilidade
X Sejam A e B dois eventos de um espaço amostral S, i.e., A ⇢ S

e B ⇢ S.
Definição
A União de A e B, denotada por A [ B, é o evento que ocorrerá
se, e somente se, A ou B (ou ambos) ocorrerem, i.e.,
A [ B = {w 2 S; w 2 A ou w 2 B}.
Probabilidade
X Sejam A e B dois eventos de um espaço amostral S, i.e., A ⇢ S

e B ⇢ S.
Definição
A União de A e B, denotada por A [ B, é o evento que ocorrerá
se, e somente se, A ou B (ou ambos) ocorrerem, i.e.,
A [ B = {w 2 S; w 2 A ou w 2 B}.
Probabilidade
A Figura abaixo mostra o diagrama de Venn para A [ B.
A B
Figura: Diagrama de Venn para o conjunto A [ B.

Probabilidade
Exemplo
Para os eventos A = {2, 4} e B = {4, 6} a união é dada por
A [ B = {2, 4, 6}.
Probabilidade
Exemplo
A [ B = {2, 4, 6}.
Probabilidade
Exemplo
A [ B = {2, 4, 6}.
Probabilidade
Definição
A Interseção de A e B, denotada por A \ B, é o evento que
ocorrerá se, e somente se, A e B ocorrerem simultaneamente, i.e.,
A \ B = {w 2 S; w 2 A e w 2 B}.
Exemplo
Para os eventos A = {2, 4} e B = {4, 6} a intersecção é dada por
A \ B = {4}.
Probabilidade
Definição
A \ B = {w 2 S; w 2 A e w 2 B}.
Exemplo
A \ B = {4}.
Probabilidade
Definição
A \ B = {w 2 S; w 2 A e w 2 B}.
Exemplo
A \ B = {4}.
Probabilidade
Definição
A \ B = {w 2 S; w 2 A e w 2 B}.
Exemplo
A \ B = {4}.
Probabilidade
A Figura abaixo mostra o diagrama de Venn para A \ B.
A B
Figura: Diagrama de Venn para o conjunto A \ B.

Probabilidade
Definição
Sejam A e B são dois eventos de S, A, B ⇢ S.
Se A \ B = ;, então os eventos A e B são ditos disjuntos (ou
mutuamente exclusivos), i.e., eles não possuem elementos em
comum.
Exemplo
Para os eventos A = {2, 4, 6} e B = {1, 3, 5} a intersecção é
dada por A \ B = ;.
Ou seja, os eventos A e B são disjuntos.
Probabilidade
Definição
comum.
Exemplo
dada por A \ B = ;.
Probabilidade
Definição
comum.
Exemplo
dada por A \ B = ;.
Probabilidade
Definição
comum.
Exemplo
dada por A \ B = ;.
Probabilidade
Definição
comum.
Exemplo
dada por A \ B = ;.
Probabilidade
Definição
comum.
Exemplo
dada por A \ B = ;.
Probabilidade
A Figura abaixo mostra o diagrama de Venn para A e B disjuntos.
A B
Figura: Diagrama de Venn para S e os conjuntos A e B.

Probabilidade
Se A e B são conjuntos finitos e disjuntos, então A [ B também é

finito e
n(A [ B) = n(A) + n(B).
Exemplo
Considere o espaço amostra S = {1, 2, 3, 4, 5, 6}.
Para os eventos A = {2, 4} e B = {1, 3, 5} a intersecção é
dada por A \ B = ;.
Logo, n(A [ B) = n(A) + n(B) = 2 + 5 = 5.
Probabilidade

finito e
n(A [ B) = n(A) + n(B).
Exemplo
dada por A \ B = ;.
Logo, n(A [ B) = n(A) + n(B) = 2 + 5 = 5.
Probabilidade

finito e
n(A [ B) = n(A) + n(B).
Exemplo
dada por A \ B = ;.
Logo, n(A [ B) = n(A) + n(B) = 2 + 5 = 5.
Probabilidade

finito e
n(A [ B) = n(A) + n(B).
Exemplo
dada por A \ B = ;.
Logo, n(A [ B) = n(A) + n(B) = 2 + 5 = 5.
Probabilidade
Se A e B são conjuntos finitos, então A [ B e A \ B também são

finitos e
n(A [ B) = n(A) + n(B) n(A \ B).
Exemplo
dada por A \ B = {3}.
Logo, n(A [ B) = n(A) + n(B) n(A \ B) = 3 + 3 1 = 5.
Probabilidade

finitos e
n(A [ B) = n(A) + n(B) n(A \ B).
Exemplo
Logo, n(A [ B) = n(A) + n(B) n(A \ B) = 3 + 3 1 = 5.
Probabilidade

finitos e
n(A [ B) = n(A) + n(B) n(A \ B).
Exemplo
Logo, n(A [ B) = n(A) + n(B) n(A \ B) = 3 + 3 1 = 5.
Probabilidade

finitos e
n(A [ B) = n(A) + n(B) n(A \ B).
Exemplo
Logo, n(A [ B) = n(A) + n(B) n(A \ B) = 3 + 3 1 = 5.
Probabilidade
A empresa de consultoria estatı́stica EM realizou uma pesquisa de
mercado para saber a preferência dos consumidores em relação à
três produtos, P1 , P2 e P3 . Os resultados obtidos foram o
seguinte: 20 consumiam os três produtos; 30 os produtos P1 e P2 ;
50 os produtos P2 e P3 ; 60 os produtos P1 e P3 , 120 o produto
P1 , 75 o produto P2 e 125 o produto P3 . Determine quantas
pessoas foram entrevistadas.
BOM FIM DE SEMANA!!!

Slides Aula 10PROB

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Slides Aula 10PROB

Enviado por

Direitos autorais:

Formatos disponíveis

Probabilidade e Estatı́stica

A teoria de probabilidade tem uma longa e rica história, datando

Porém, somente ao redor de 1930 a teoria de probabilidade foi

A importância da teoria de probabilidade para o estudo da

Utilizando os modelos probabilisticos, pesquisadores de

Porém, somente ao redor de 1930 a teoria de probabilidade foi

A importância da teoria de probabilidade para o estudo da

Utilizando os modelos probabilisticos, pesquisadores de

Porém, somente ao redor de 1930 a teoria de probabilidade foi

A importância da teoria de probabilidade para o estudo da

Utilizando os modelos probabilisticos, pesquisadores de

objetivo desta aula é dar uma apresentação introdutória sobre

Apresentaremos ao leitor as idéias básicas de teoria de

Vamos iniciar o estudo da teoria de probabilidade definindo alguns

objetivo desta aula é dar uma apresentação introdutória sobre

Apresentaremos ao leitor as idéias básicas de teoria de

Vamos iniciar o estudo da teoria de probabilidade definindo alguns

objetivo desta aula é dar uma apresentação introdutória sobre

Apresentaremos ao leitor as idéias básicas de teoria de

Vamos iniciar o estudo da teoria de probabilidade definindo alguns

objetivo desta aula é dar uma apresentação introdutória sobre

Apresentaremos ao leitor as idéias básicas de teoria de

Vamos iniciar o estudo da teoria de probabilidade definindo alguns

objetivo desta aula é dar uma apresentação introdutória sobre

Apresentaremos ao leitor as idéias básicas de teoria de

Vamos iniciar o estudo da teoria de probabilidade definindo alguns

objetivo desta aula é dar uma apresentação introdutória sobre

Apresentaremos ao leitor as idéias básicas de teoria de

Vamos iniciar o estudo da teoria de probabilidade definindo alguns

X Considere agora o interesse em saber se a moeda ao tocar solo e

X Ao repetirmos este experimento nas mesmas condições sempre

Se repetirmos este experimento nas mesmas condições, não

X Considere agora o interesse em saber se a moeda ao tocar solo e

X Ao repetirmos este experimento nas mesmas condições sempre

Se repetirmos este experimento nas mesmas condições, não

X Considere agora o interesse em saber se a moeda ao tocar solo e

X Ao repetirmos este experimento nas mesmas condições sempre

Se repetirmos este experimento nas mesmas condições, não

X Neste tipo de experimento, sabemos o que pode acontecer ao

X Neste tipo de experimento, sabemos o que pode acontecer ao

Alguns exemplos de experimentos aleatórios são:

Alguns exemplos de experimentos aleatórios são:

Alguns exemplos de experimentos aleatórios são:

Alguns exemplos de experimentos aleatórios são:

Alguns exemplos de experimentos aleatórios são:

Alguns exemplos de experimentos aleatórios são:

Ao realizarmos um experimento aleatório não sabemos qual

Ao realizarmos um experimento aleatório não sabemos qual

Ao realizarmos um experimento aleatório não sabemos qual

Ao realizarmos um experimento aleatório não sabemos qual

Ao realizarmos um experimento aleatório não sabemos qual

Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e

Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e

Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e

Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e

Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e

Para os experimentos aleatórios Ei , i = 1, . . . , 6, descritos

• Para E1 , temos S1 = {c, k}, onde c representa a face “cara” e