Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidades
Logo, temos:
2 x 2 x 2 x 2 x 2 = 32 resultados possíveis,
Ou seja, 2
A5' 25 2 2 2 2 2 32
Análise Combinatória:
Combinações:
Chama-se combinações de n elementos p a p ao número de
subconjuntos, com p elementos, que se podem formar num
conjunto com n elementos: n
n!
n
Cp
p p ! n p !
Exemplo: Numa turma de 20 alunos, sendo 8 rapazes e 12 raparigas,
vão ser escolhidos 3 para representar a turma numa reunião
com o Conselho Executivo.
Quantos grupos diferentes podem ser formados, sabendo
que o grupo é formado só por raparigas?
Sim Não
Não Não
Sim
Entram todos os
elementos na sequência?
Não
Sim n
Ap
Ap n n 1 ... n p 1 C p p !
n
n
n! n!
n
A'p n p Pn n !
n p !
p ! n p !
Análise Combinatória:
Triângulo de Pascal:
Nº da linha: Soma dos elementos da linha:
Linha n=0 1 20
Linha n=1 1 1 21
Linha n=2 1 2 1 22
Linha n=3 1 3 3 1 23
Linha n=4 1 4 6 4 1 24
Linha n=5 1 5 10 10
5 1 25
… … … … … … … iguais
1 1 1
C0 1
C1
1 2 1 2
C0 2
C1 2
C2
1 3 3 1 3
C0 3
C1 3
C2 3
C3
1 4 6 4 1 4
C0 4
C1 4
C2 4
C3 4
C4
… … … … … … … … … … … …
Propriedades das Combinações:
Em cada linha, os termos equidistantes dos extremos são
iguais: nC nC
p n p
a3 1 3 3 b3 1 a b
3
a 2b ab 2
a4 1 4 6 4 b4 1 a b
4
a 3b a 2b 2 ab 3
… … … … … … a b
...
Nota:
O grau do polinómio do desenvolvimento de é n.
n
a b
Os coeficientes são os números do triângulo de Pascal.
Fórmula do Binómio de Newton:
a b nC0 a n nC1 a n 1 b nC2 a n 2 b 2 ... nCn 1 a b n 1 nCn b n
n
n
a b nC p a n p b p
n
p 0
Análise Combinatória:
Exemplo: Desenvolve: x 36
Tp 1 nC p an p b p
ou
Tp nC p 1 an p 1 b p 1
Tp 1 10
C p x10 p 2 y
T31 C3 x103 2 y 960 x 7 y 3
10
Cálculo de Probabilidades:
Conjuntos:
Cardinal de um conjunto:
Ao número de elementos de um conjunto chama-se cardinal do
conjunto e representa-se por #, por exemplo:
A={0,2,4,6,8,10}
O conjunto A tem 6 elementos, então: #A=6
Representação de um conjunto:
A
• Por um diagrama:
•0 •2
•4 •6 •8
•10
• Por extensão:
A={0,2,4,6,8,10}
• Por compreensão:
A={números pares não negativos menores que 12}
Cálculo de Probabilidades:
Conjunto Vazio:
Um conjunto vazio não tem elementos, por exemplo:
A={xℕ: x=0}
O conjunto A não tem elementos, então A={ } ou A=∅
Igualdade entre conjuntos:
Sejam A e B dois conjuntos.
Diz-se que A é igual a B e escreve-se A=B se e só se A e B têm
os mesmos elementos: A=B (xA xB), por exemplo,
A={1,2,3} B={números naturais menores do que 4}
A=B {1,2,3}={números naturais menores do que 4}
Subconjunto de um conjunto:
Sejam A e B dois conjuntos.
Diz-se que A é subconjunto de B ou que A está contido em B e
escreve-se AB se e só se todo o elemento de A é também
elemento de B: AB (xA xB)
Cálculo de Probabilidades:
Conjunto Universal:
O conjunto universal é o conjunto constituído por todos os
elementos do universo que estamos a considerar em cada caso
concreto. O conjunto universal representa-se por U ou por S.
Qualquer subconjunto A está contido no universo. AS
Operações com conjuntos:
Reunião de conjuntos: Intersecção de conjuntos:
Sejam A e B dois conjuntos. Sejam A e B dois conjuntos.
A reunião de A com B escreve- A intersecção de A com B
se AB e lê-se A reunião com escreve-se AB e lê-se A
B, e é constituída por todos os intersecção com B, e é
elementos que pertencem a A constituída por todos os
ou a B:AB={x:xA xB}, elementos comuns a A e B:
por exemplo: AB={x:xAxB},por ex.:
A={1,2,3,4,5} B={4,5,6,7} A={1,2,3,4,5} B={4,5,6,7}
AB = {1,2,3,4,5,6,7} AB = {4,5}
Cálculo de Probabilidades:
Complementar de um Conjunto:
Seja A um conjunto.
O complementar do conjunto A representa-se por Ā:
Ā ={x:xA}
Então, AĀ=S e AĀ=∅
Exemplo: Seja S={0,1,2,3,4,5,6,7,8} e A={1,3,5,7} então Ā={0,2,4,6,8}
Complementar de um Conjunto relativamente a outro:
Sejam A e B dois conjuntos quaisquer.
O complementar de B relativamente a A escreve-se A\B, é o
conjunto dos elementos de A que não pertencem a B:
A\B={x:xAxB}
Exemplo: Sendo A={1,2,3,4,5,6} e B={4,5,6,7} então A\B={1,2,3}
Conjuntos disjuntos:
Se dois conjuntos A e B não têm elementos em comum, isto é, se
AB=∅, então A e B são chamados conjuntos disjuntos.
Exemplo: Sendo A={1,2} e B={4,5} então A e B são c. disjuntos
Cálculo de Probabilidades:
Leis de Morgan:
Sejam A e B dois conjuntos quaisquer:
A B A B e A B A B
Exemplo: Seja S={0,1,2,3,4,5,6,7,8,9,10}
Sabendo que A={1,2,3,4} e B={0,1,3,5,7}, determine: A B
A B 0, 2, 4, 5, 6, 7,8, 9,10
ou
A B A B 0, 5, 6, 7,8, 9,10 2, 4, 6,8, 9,10 0, 2, 4, 5, 6, 7,8, 9,10
0 fr A 1 0 P A 1
A probabilidade de um acontecimento certo é 1:
fr acont.certo 1 P acont.certo 1
A probabilidade de um acontecimento impossível é 0:
fr acont.impossível 0 P acont.impossível 0
Cálculo de Probabilidades:
Lei de Laplace:
Se os acontecimentos elementares forem equiprováveis, a
probabilidade de um acontecimento A é igual ao quociente entre
o número de casos favoráveis ao acontecimento e o número de
casos possíveis:
nº casos favoráveis ao acontecimento A
P A
nº casos possíveis
Exemplo: De uma caixa com 4 bolas verdes, 3 vermelhas, e três azuis,
retirou-se aleatoriamente 1 bola.
Determine a probabilidade de a bola não ser verde.
Vm Vm Vm Vd Vd Vd Vd A A A
P A B P A P B | A ou P A B P B P A | B
Acontecimentos Independentes:
P A | B P A ou P A B P A P B
Probabilidade Condicionada e
Axiomática:
Axioma 1: P A | B 0, A, B S
P A B
Demonstração: P A | B , P B 0 Pela definição
P B
Como, P A B 0 e P B 0 Pelo axioma 1 das probabilidades
Então, P A | B 0 c.q.d.
Axioma 2: P S | B 1 (S é o acontecimento certo)
Demonstração: P S | B P S B Pela definição
P B
P B
Como, P S B P B Então, P S | B 1 c.q.d.
P B
Axioma 3: Sendo A A então P A A | B P A | B P A | B
1 2 1 2 1 2
i 1
Pi 1
População Amostra
(Variável Discreta)
Distribuição de
Distribuição de Frequências
Probabilidades Relativas
Valor Médio
Define-se Valor Médio, , de uma distribuição de probabilidades
(xi,Pi), i=1,2,…n, como sendo o valor que se obtém multiplicando
cada valor xi pela respectiva probabilidade e adicionando os
resultados obtidos: xi Pi
n
i 1
Variância Populacional
Define-se Variância Populacional, ², de uma distribuição de
probabilidades (xi,Pi), i=1,2,…n, como sendo o valor que se obtém
multiplicando cada resultado (xi-)² pela probabilidade Pi=P(X=xi),
i=1,… n, e adicionando os resultados obtidos: 2 n
xi Pi
2
i 1
O Desvio-Padrão Populacional é:
n
xi
2 2
Pi
i 1
Valor Médio , Variância e Desvio Padrão:
Valor Médio: n
xi Pi 2 0, 25 1 0,1 0 0,5 1 0,1 2 0, 05 0, 4
i 1
Variância Populacional:
n
xi Pi
2 2
i 1
1, 24
x n i i n
n
xi Pi
x i 1
xi fri i 1
N i 1
n
xi Pi
n
xi x fri
2 2 2
2
i 1 i 1
Valor Médio: n p
Variância: n p 1 p
2
Desvio Padrão: n p 1 p
P X 64 P X 0,5
Logo 50% dos alunos pesam mais do que 64 kg.
=64
Entre 54 kg e 74 kg: 64 10 54
64 10 74
P 54 X 74 P X 0,6827
Logo 68,27% dos alunos têm um peso
=64
compreendido entre 54 kg e 74 kg.
Menos do que 54 kg: 64 10 54
0, 6827
P X 54 P X 0,5 0,1587
2
Logo 15,87% dos alunos têm um peso inferior a 54 kg.
Distribuição Normal estandardizada:
Uma distribuição normal fica definida dados o valor médio e o
desvio padrão .
Quando o desvio padrão aumenta, aumenta também a
dispersão e o gráfico da função torna-se mais expandido.
Quando o desvio padrão toma valores muito pequenos, a
função contrai-se e fica mais concentrada em relação à
média torna-se mais expandido.
De entre as Distribuições Normais tem particular interesse a
distribuição N(0,1), ou seja, aquela em que =0 e =1.
A esta Distribuição chama-se
Distribuição Normal estandardizada.
Dada uma variável aleatória X, define-se função distribuição ou
função distribuição cumulativa de X como sendo a função F(x),
definida para todo o x real da seguinte forma:
F x P X x
Distribuição Normal estandardizada:
Tabela a utilizar
para resolver
problemas de
distribuição
normal:
Distribuição Normal estandardizada:
Exemplo: Determina em percentagem: P(Z1,25)
A probabilidade pedida pode encontrar-se na tabela, procurando na
coluna da esquerda 1,2 (unidade, décima) e na linha superior 0,05
(centésimas). A intersecção da linha com a coluna dá a probabilidade
pedida:
P Z 1, 25 0,89435 89, 435%