Anda di halaman 1dari 9

13042016

Clculo de Probabilidades:
Conjuntos:
Cardinal de um conjunto:
Ao nmero de elementos de um conjunto chama-se cardinal do
conjunto e representa-se por #, por exemplo:
A={0,2,4,6,8,10}

Matemtica A 12 ano

Probabilidades

O conjunto A tem 6 elementos, ento: #A=6


Representao de um conjunto:
A
Por um diagrama:
0

10

Por extenso:
A={0,2,4,6,8,10}
Por compreenso:
A={nmeros pares no negativos menores que 12}

Professora: Ctia Rosa

Clculo de Probabilidades:
Conjunto Vazio:
Um conjunto vazio no tem elementos, por exemplo:
A={x: x=0}
O conjunto A no tem elementos, ento A={ } ou A=
Igualdade entre conjuntos:
Sejam A e B dois conjuntos.
Diz
se que A igual a B e escreve
se A=B se e s se A e B tm
Diz-se
escreve-se
os mesmos elementos: A=B (xA xB), por exemplo,
A={1,2,3}
B={nmeros naturais menores do que 4}
A=B {1,2,3}={nmeros naturais menores do que 4}
Subconjunto de um conjunto:
Sejam A e B dois conjuntos.
Diz-se que A subconjunto de B ou que A est contido em B e
escreve-se AB se e s se todo o elemento de A tambm
elemento de B: AB (xA xB)

Clculo de Probabilidades:
Complementar de um Conjunto:
Seja A um conjunto.
O complementar do conjunto A representa-se por :
={x:xA}
Ento, A=S e A=
Exemplo: Seja S={0,1,2,3,4,5,6,7,8} e A={1,3,5,7} ento ={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, o
conjunto dos elementos de A que no pertencem a B:
A\B={x:xAxB}
Exemplo: Sendo A={1,2,3,4,5,6} e B={4,5,6,7} ento A\B={1,2,3}
Conjuntos disjuntos:
Se dois conjuntos A e B no tm elementos em comum, isto , se
AB=, ento A e B so chamados conjuntos disjuntos.
Exemplo: Sendo A={1,2} e B={4,5} ento A e B so c. disjuntos

Clculo de Probabilidades:
Conjunto Universal:
O conjunto universal o conjunto constitudo 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 est contido no universo. AS
Operaes com conjuntos:

Reunio de conjuntos:
Sejam A e B dois conjuntos.
A reunio de A com B escrevese AB e l-se A reunio com
B, e constituda por todos os
elementos que pertencem a A
ou a B:AB={x:xA xB},
por exemplo:
A={1,2,3,4,5} B={4,5,6,7}
AB = {1,2,3,4,5,6,7}

Interseco de conjuntos:
Sejam A e B dois conjuntos.
A interseco de A com B
escreve-se AB e l-se A
interseco com B, e
constituda por todos os
elementos comuns a A e B:
AB={x:xAxB},por ex.:
A={1,2,3,4,5} B={4,5,6,7}
AB = {4,5}

Clculo de Probabilidades:
Leis de Morgan:
Sejam A e B dois conjuntos quaisquer:

A B = A B e A B =
Exemplo: Seja S={0,1,2,3,4,5,6,7,8,9,10}

A B

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, 9,1 0 }
ou
A B = A B = {0, 5, 6, 7 , 8, 9,1 0 } {2, 4, 6 , 8, 9,1 0 } = {0, 2, 4, 5, 6 , 7 , 8, 9,1 0 }

Experincias Aleatrias e Deterministas:


Experincia Aleatria:
As experincias aleatrias ou casuais caracterizam-se pela
impossibilidade de prever o resultado que se obter, ainda que
as experincias sejam realizadas sob as mesmas condies.
Podemos encontrar experincias aleatrias no futebol, no tempo,
no jogo

13042016

Clculo de Probabilidades:

Clculo de Probabilidades:

Experincia Determinista:
As experincias deterministas ou causais caracterizam-se por
produzirem o mesmo resultado, desde que sejam repetidas sob
as mesmas condies.
Podemos encontrar experincias deterministas na Fsica,Biologia

Acontecimento Elementar:
Se o resultado de uma experincia consta de um s elemento do
espao de resultados, dizemos que se trata de um acontecimento
elementar.
Exemplo: Considere-se a experincia aleatria que consiste em lanar o

Espao de resultados. Acontecimentos:


Espao Amostral:
O espao amostral S o conjunto de todos os resultados
possveis, associados a uma experincia aleatria.

Acontecimento Composto:
p
consta de dois ou mais
Se o resultado de uma experincia
elementos do espao de resultados, dizemos que se trata de um
acontecimento composto.
Exemplo: Considere-se a experincia aleatria que consiste em lanar o

Exemplo: Considere-se a experincia aleatria que consiste em observar


o resultado do lanamento de um dado:
O espao de resultados S={1,2,3,4,5,6}

Acontecimento:
Acontecimento de uma experincia aleatria cada um dos
subconjuntos do espao amostral. Estes acontecimentos podem
ser:

Clculo de Probabilidades:
Acontecimento Impossvel:
Se o resultado de uma experincia no tem qualquer elemento do
espao de resultados, dizemos que se trata de um acontecimento
impossvel.
Exemplo: Considere-se a experincia aleatria que consiste em lanar o
dado ao ar e observar se sai nmero 7. D=

Operaes com Acontecimentos:


Exemplo: Seja
S={1,2,3,4,5,6}
de resultados
S j S
{1 2 3 4 5 6} o espao d
lt d
Reunio de dois Acontecimentos:
Reunio ou unio dos acontecimentos A e B o acontecimento
que se realiza se e s se A ou B se realizam. Representa-se por
AB.
Exemplo: E A={1,2,3} e B={2,4,6} AB={1,2,3,4,6}
Interseco de dois Acontecimentos:
Interseco dos acontecimentos A e B o acontecimento que se
realiza se e s se A e B se realizam simultaneamente.
Representa-se por AB.
Exemplo: E A={1,2,3} e B={2,4,6} AB={2}

Clculo de Probabilidades:

Definio Frequencista de Probabilidade:


O nmero volta do qual se aproxima a frequncia relativa de
um acontecimento quando o nmero de repeties da experincia
cresce consideravelmente um valor aproximado da
probabilidade do acontecimento.
Da Frequncia Relativa para a Probabilidade:
A probabilidade de um acontecimento A um nmero maior ou
igual a 0 e menor ou igual a 1:

0 fr ( A ) 1

0 P ( A) 1

A probabilidade de um acontecimento certo 1:

fr ( acont.certo ) = 1

P ( acont.certo ) = 1

A probabilidade de um acontecimento impossvel 0:

fr ( acont.impossvel ) = 0

P ( acont.impossvel ) = 0

dado ao ar e observar se sai o nmero 2. A={2}

dado ao ar e observar se sai nmero impar. B={1,3,5}

Acontecimento Certo:
Se o resultado de uma experincia consta de todos os elementos
do espao de resultados, dizemos que se trata de um
acontecimento certo.
Exemplo: Considere-se a experincia aleatria que consiste em lanar o

dado ao ar e observar se sai um nmero menor que 6.


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

Clculo de Probabilidades:

Acontecimentos Disjuntos:
Acontecimentos disjuntos ou acontecimentos mutuamente
exclusivos ou acontecimentos incompatveis so acontecimentos
em que a realizao de um deles implica a no realizao do
AB=
outro. Exemplo: E A={1,3} e B={2,4,6}
Acontecimentos Contrrios ou Complementares:
O acontecimento contrrio do acontecimento A representa-se
p
p todos os resultados de
por e o acontecimento constitudo por
S que no pertencem a A. Exemplo: E A={1,2,3} ={4,5,6}
Acontecimentos A implica B:
O acontecimento A implica a realizao do acontecimento B
quando todo o resultado de A um resultado de B. Escreve-se
AB.
Acontecimentos diferena entre A e B:
Acontecimento diferena entre A e B o acontecimento que se
realiza se e s se A se realiza sem que B se realize.
Representa-se por A-B ou A\B.
Exemplo: E A={1,2,3} e B={2,5} A-B=A\B={1,3}

Clculo de Probabilidades:
Lei de Laplace:
Se os acontecimentos elementares forem equiprovveis, a
probabilidade de um acontecimento A igual ao quociente entre
o nmero de casos favorveis ao acontecimento e o nmero de
casos possveis:

P ( A) =

n casos favorveis ao acontecimento A


n casos possveis
i

Exemplo: De uma caixa com 4 bolas verdes, 3 vermelhas, e trs azuis,


retirou-se aleatoriamente 1 bola.
Determine a probabilidade de a bola no ser verde.
Vm

Vm

Casos possveis: 10 bolas

Vm

Vd

Vd

Vd

Vd

Casos favorveis: 6 bolas no verdes


P =

6
3
= = 60%
10 5

13042016

Estratgias para resoluo de problemas:

Princpio Fundamental da Contagem

9Faz um esquema, um diagrama,

Princpio Fundamental da Contagem:


Se um certo acontecimento pode ocorrer de n1 maneiras
diferentes e se, aps este acontecimento, um segundo
acontecimento pode ocorrer de n2 maneiras diferentes e, aps
este segundo acontecimento, um terceiro pode ocorrer de n3
maneiras diferentes, ento o nmero de modos diferentes em
que os acontecimentos podem ocorrer na ordem indicada :
n1 x n2 x n3 x

9Procura um padro.
9Escreve uma sequncia.
9Resolve um problema semelhante mas mais simples.
9Usa raciocnios directos e indirectos.
9Pensa numa soluo e verifica essa soluo.
soluo
9Resolve o problema comeando do fim para o princpio.
9Usa casos particulares.
9Faz uma simulao com a calculadora ou com o computador.

Anlise Combinatria:

Factorial: Chama-se factorial de um nmero natural n, e


representa-se por n!, ao produto:
Exemplo: Resolve: 1 8 !
15!

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

18! 18 17 16 15!
=
= 18 17 16 = 4896
15!
15!

Permutaes: Chamam-se permutaes de n elementos a todos


as sequncias diferentes que possvel obter com
os n elementos. P = n !
n

Exemplo: De quantas formas diferentes se podem colocar 3 livros

diferentes de Matemtica e 5 livros diferentes de Portugus


numa prateleira, ficando juntos os livro da mesma disciplina?
N posies diferentes para colocar os 3 livros de Matemtica: P3=3!
N posies diferentes para colocar os 5 livros de Portugus: P5=5!
Mas ainda posso colocar primeiro os de Portugus e depois os de
Matemtica ou vice-versa, ou seja: 2 posies
Assim, h 2x3!x5!=1440 formas diferentes de colocar os livros na
prateleira.

Anlise Combinatria:

Exemplo: Um baralho tem 52 cartas. Quantas sequncias


diferentes se podem formar ao tirar sucessivamente 3
cartas, sabendo que no h reposio das cartas?
___ ___ ___
Para a primeira carta h 52 hipteses de
51
52
50
seleco, para a segunda, como no h
reposio, h 51 e para a terceira 50
hipteses. 5 2 5 1 5 0 = 1 3 2 6 0 0

Anlise Combinatria:

Arranjos sem repetio:

Dados n elementos quaisquer, chama-se arranjos sem repetio


de n elementos p a p a todas as sequncias que possvel obter
com p elementos escolhidos arbitrariamente entre os n dados.
n!
n
, n p
Ap =
( n p )!
Exemplo:
Ex mpl : Numa prova final de natao vo participar 7 nadadores que
disputam as medalhas de ouro, prata e bronze. De quantas
formas diferentes se podem repartir estes 3 prmios? (no
se admitem empates)
Para os 7 nadadores s h 3 medalhas a atribuir,
O P B
importando a ordem que recebem os prmios, assim terei
de calcular o nmero de arranjos de 7, 3 a 3:
7!
7 6 5 4!
7
= 210
A3 =
=
4!
( 7 3 )!

R: H 210 formas diferentes de distribuir os trs prmios.

Anlise Combinatria:

Arranjos com repetio:

Combinaes:

Dados n elementos diferentes, a1, a2, , an, chama-se arranjos


com repetio dos n elementos p a p a todas as sequncias de p
elementos, sendo estes diferentes ou no, que se podem formar
com os n elementos: n '
p

Chama-se combinaes de n elementos p a p ao nmero de


subconjuntos, com p elementos, que se podem formar num
conjunto com n elementos:
n
n!

Ap = n

vezes
Exemplo: Lana-se uma moeda 5 vezes.

Quantos resultados possveis existem?

Para cada lanamento temos 2 possibilidades: Face Euro


Logo, temos:
Ou seja,

2 x 2 x 2 x 2 x 2 = 32 resultados possveis,

A5 = 2 = 2 2 2 2 2 = 3 2
'


Cp = =
p ! ( n p ) !
p

alunos sendo 8 rapazes e 12 raparigas,


raparigas
Exemplo: Numa turma de 20 alunos,

vo ser escolhidos 3 para representar a turma numa reunio


com o Conselho Executivo.
Quantos grupos diferentes podem ser formados, sabendo
que o grupo formado s por raparigas?

Como no h cargos a distribuir, a ordem de escolha no interessa, por


isso: ___ ___ ___ Pretende-se escolher o grupo de 3 de entre as 12
raparigas:
12!
12 11 10 9 ! 1320
12
C3 =
=
=
= 220
3 ! (1 2 3 ) !
6
3 ! 9 !
R: possvel formar 220 grupos diferentes formados s por raparigas.

13042016

Anlise Combinatria:

Anlise Combinatria:

Sntese:

Tringulo de Pascal:
N da linha:
Linha n=0

Importa a ordem
dos elementos?
Sim

No

Os elementos podem
repetir-se?
No

Sim
n

Pn = n !

A 'p = n p

Ap
n
A p = n ( n 1 ) ... ( n p + 1 ) = Cp = p! =
n!
n!
=
=
p!( n p) !
( n p )!

1
1

3
4

3
6

1
0

1
0

9 Cada termo de uma linha (excepto


os dos extremos) igual soma dos
que esto acima
4
1
9 Em cada linha, os termos
5
1
equidistantes dos extremos so

iguais

Anlise Combinatria:

a4 + 1

a 3b +

a b+
2

ab +

a 2b 2 +

3
ab3 +

(a + b )

b3 1

p=0

25

2 ...

C0

1
3

1
4

C1

C3

C2

C2

C1

C0

C2

C0

C1

C1

C0

C3

C4

Propriedades das Combinaes:


9 Em cada linha, os termos equidistantes dos extremos so
iguais: nC = nC
n p

C p +1

= 6C 0 x 6 + 6C 1 x 5 ( 3 ) + 6C 2 x 4 ( 3 ) + 6C 3 x 3 ( 3 ) +
2

+ C 4 x (3 ) + C 5 x (3 ) + C 6 ( 3 ) =

(a + b )

b4 1

(a + b )

= x 6 18 x5 + 135 x 4 540 x3 + 1215 x 2 1458 x + 729

P
Propriedades
d d d
do B
Binmio

d
de N
Newton:

= n C 0 a n + n C 1 a n 1 b + n C 2 a n 2 b 2 + ... + n C n 1 a b n 1 + n C n b n

(a + b )

10

24

C0

(a + b )
Nota:
n
9 O grau do polinmio do desenvolvimento de ( a + b ) n.
9 Os coeficientes so os nmeros do tringulo de Pascal.
Frmula do Binmio de Newton:
n

(x 3)

(a + b )

...

(a + b )

Exemplo: Desenvolve: ( x 3 )6

b2 1

10

23

Anlise Combinatria:

24

a 2 + 1 ab + 2

C p + C p +1 =

Binmio de Newton:

a3 + 1

9 Cada termo de uma linha (excepto os dos extremos) igual


soma dos que esto acima n
n
n +1

Escrever o tringulo de Pascal usando combinaes:

b 1

a+ 1

22

1
1

Anlise Combinatria:

9 Os nmeros dos lados oblquos so


sempre iguais a 1

21

Linha n=

Propriedades do tringulo de Pascal:

1
1

Linha n=5 1

Anlise Combinatria:
1

Linha n=3
Linha n=4 1

No

Linha n=2 1

No

Entram todos os
elementos na sequncia?

20

Linha n=1 1

Os elementos podem
repetir-se?

Sim

Soma dos elementos da linha:

9 O desenvolvimento de ( a + b ) tem n+1 termos.


n

9 No desenvolvimento de ( a + b ) os coeficientes dos termos


igualmente afastados dos extremos so iguais. Se n par
haver um termo mdio e portanto tero de se calcular os
coeficientes at esse termo inclusive.
n

C p a n p b p

13042016

Anlise Combinatria:

Definio Axiomtica de Probabilidades:


Axiomas so proposies, sugeridas pela nossa intuio ou experincia,
que no se demonstram e se aceitam como verdadeiras.

9 O termo de ordem p+1 Tp+1, sendo:

T p +1 = n C p a n p b p

Axiomas das Probabilidades:

ou

T p = n C p 1 a n p +1 b p 1
Exemplo: Escreve o 4 termo do desenvolvimento de:

P(S ) =1

(x 2 y)

10

T p +1 =

10

T3 +1 =

10

C p x10 p ( 2 y )

C 3 x10 3 ( 2 y ) = 9 6 0 x 7 y 3

Definio Axiomtica de Probabilidades:

Teoremas das Probabilidades:


Teorema 1:
A probabilidade do acontecimento impossvel zero. P ( ) = 0
Teorema 2:
A probabilidade de qualquer acontecimento A um nmero do
intervalo [0,1]. 0 P ( A) 1
Teorema 3:
g

A p
probabilidade do acontecimento contrrio igual
diferena
entre 1 e a probabilidade de A. P A = 1 P ( A )

( )

Teorema 4:
A probabilidade de um acontecimento A igual ao quociente
entre o nmero de casos favorveis e o nmero de casos
possveis, sempre que todos acontecimentos elementares so
equiprovveis e incompatveis: P ( A ) = m
n
Teorema 5:
Probabilidade da reunio de dois acontecimentos:
P ( A B ) = P ( A) + P ( B ) P ( A B )

Probabilidade da Interseco de dois


acontecimentos:
Da definio de Probabilidade Condicionada resulta a
probabilidade da Interseco de dois acontecimentos:

P ( A B ) = P ( A ) P ( B | A ) ou P ( A B ) = P ( B ) P ( A | B )

Acontecimentos Independentes:
Dois acontecimentos so independentes quando a realizao de
um deles no interfere na probabilidade da realizao do outro.
Dois acontecimentos so independentes se e s se:

P ( A | B ) = P ( A ) ou

Axioma 1:
A probabilidade de um acontecimento um nmero no negativo.
P ( A) 0
Axioma 2:
A probabilidade de um acontecimento certo 1.

P ( A B ) = P ( A) P ( B )

Axioma 3:
A probabilidade da reunio de dois acontecimentos disjuntos
igual soma das probabilidades desses acontecimentos.

Se A B ento P ( A B ) = P ( A ) + P ( B )

Teoremas so proposies que se demonstram a partir dos axiomas ou


de outras proposies j demonstradas.

Probabilidade Condicionada:
Representa-se por P(B|A) a probabilidade de ocorrncia de B, na
hiptese de A se ter realizado.
Supor que se realizou A equivale a restringir o universo aos
sucessos elementares de A.
Assim, a probabilidade condicionada P(B|A) pode ser
interpretada como uma probabilidade que tem subjacente um
novo espao amostral, A, subconjunto do espao original.
Os sucessos elementares de B,
B tendo-se
tendo se realizado A,
A
correspondem aos sucessos de AB.
Assim:

P ( B | A) =

P ( A B)
, P ( A) 0
P ( A)

Exemplo: Um dado lanado. Determine a probabilidade de sair


sabendo que saiu nmero impar.
Sejam os acontecimentos: A=sair 1 e B=sair impar
Ento S={1,2,3,4,5,6} A={1} e B{1,3,5}
P (A B) 1
=
P (A | B) =
P (B )
3
logo AB={1} vem:
1

Probabilidade Condicionada e
Axiomtica:
Axioma 1: P ( A | B ) 0, A, B S
Demonstrao: P ( A | B ) =

P ( A B)

, P ( B ) 0 Pela definio
P ( B)
Como, P ( A B ) 0 e P ( B ) 0 Pelo axioma 1 das probabilidades
Ento, P ( A | B ) 0 c.q.d.

Axioma 2: P ( S | B ) = 1 ( S o acontecimento certo)


Demonstrao: P ( S | B ) = P ( S B ) Pela definio
P (B)
P(B)
Como, P ( S B ) = P ( B ) Ento, P ( S | B ) =
= 1 c.q.d.
P(B)

Axioma 3: Sendo A A = ento P ( A A ) | B = P ( A | B ) + P ( A | B )


1
2
2
1
2
1

Demonstrao: P ( A1 A2 ) | B = P ( A1 A2 ) B Pela definio


P ( B)
=

P ( A1 B ) ( A2 B )
P ( B)

Como, A1 A2 = Ento,( A1 B ) ( A2 B ) = Logo:


P ( A1 A2 ) | B =

P ( A1 B ) + P ( A2 B )
= P ( A1 | B ) + P ( A2 | B )
P (B)

c.q.d.

13042016

Varivel Aleatria:

Distribuio de Frequncias
Relativas e Distribuio de
Probabilidades

Chama-se Varivel Aleatria a toda a funo que associa a cada


elemento do espao amostral S um nmero real, ou seja, uma
varivel cujo valor um resultado numrico associado ao
resultado de uma experincia aleatria.
As Variveis Aleatrias representam-se por letras maisculas:
X,Y,Z, e podem ser:
Varivel Aleatria
Discreta
se toma um nmero finito de
valores ou um nmero infinito
numervel, por exemplo:
o nmero de pontos que se
obtm quando se lana um
dado com as faces numeradas
de 1 a 6.

Varivel Aleatria
Contnua
se toma todos os valores de
um intervalo ou reunio de
intervalos, por exemplo:
As alturas dos bebs nascidos
em Portugal no ano passado,
pode tomar valores do intervalo
[a,b], (a-altura do beb mais baixo
e b-altura do beb mais alto.

Distribuio de Probabilidades de uma


Varivel Aleatria Discreta:

Distribuio de Probabilidades de uma


Varivel Aleatria Discreta:

Chama-se Distribuio de Probabilidades de uma varivel


aleatria X aplicao que a cada valor xi da varivel X faz
corresponder a respectiva probabilidade Pi:

Exemplo: Temos 2 sacos e em cada um trs bolas numeradas de 1 a 3.


Considere a experincia aleatria que consiste em retirar uma
bola de cada saco e tomar nota dos nmeros obtidos.
Seja Y a varivel aleatria que representa a soma dos
nmeros obtidos. Define, por uma tabela e por um grfico a
distribuio de probabilidades da varivel Y.

X=xi

x1

x2

x3

xn

P(X=xi)

P1

P2

P3

Pn

Dada uma varivel aleatria X, discreta, que assume um


nmero finito de valores distintos x1, x2, xn, ento as
probabilidades Pi=P(X=xi), i=1, n, devem satisfazer:
9 0 Pi 1, i=1, n
n

Pi = 1
9
i =1
Os valores (xi,Pi) constituem a distribuio de
probabilidades da varivel aleatria discreta X, ou seja, a
funo massa de probabilidade da varivel aleatria X.

Distribuio de frequncia versus


Distribuio de Probabilidades :

Quando se pretende conhecer a distribuio de probabilidades de uma


varivel aleatria discreta recolhe-se uma amostra de dimenso
suficientemente grande da populao, constri-se a distribuio de
frequncias relativas (que nos indica uma aproximao da distribuio de
probabilidades) e em seguida constri-se a distribuio de
probabilidades.
Populao
(Varivel Discreta)

Am st
Amostra

Tabela:
Y=yi

P(Y=yi)

1/9

2/9

3/9

2/9

1/9
N o ta :

Grfico:

1 2 3 2 1
9
+ + + + = =1
9 9 9 9 9
9

Valor Mdio
Define-se Valor Mdio, , de uma distribuio de probabilidades
(xi,Pi), i=1,2,n, como sendo o valor que se obtm multiplicando
cada valor xi pela respectiva probabilidade e adicionando os
n
resultados obtidos: = xi Pi
i =1

Varincia Populacional

Define-se Varincia Populacional, , de uma distribuio de


probabilidades (xi,Pi), i=1,2,n, como sendo o valor que se obtm
multiplicando cada resultado (xi-) pela probabilidade Pi=P(X=xi),
i=1, n, e adicionando os resultados obtidos: 2 n
2
= ( xi ) Pi
i =1

O Desvio-Padro Populacional : = 2 =
Distribuio de
Probabilidades

Distribuio de
Frequncias
Relativas

( xi )
i =1

Pi

13042016

Valor Mdio , Varincia e Desvio Padro:


Exemplo: Considere a seguinte distribuio de probabilidades e
determine:
X=x
-2
-1
0
1

Amostra

Populao

0,05

Varivel estatstica X que toma valores


x1, x2, xi, xn

Varivel aleatria X que toma valores


x1, x2, xi, xn

P(X=xi)

0,25

0,1

0,5

0,1

N o ta : 0 , 2 5 + 0 ,1 + 0 , 5 + 0 ,1 + 0 , 0 5 = 1

Valor Mdio:

Valor Mdio ou Esperana:

= xi Pi = ( 2 ) 0,
0 25 + ( 1) 0,1
0 1 + 0 0,5
0 5 + 1 0,1
0 1 + 2 00, 05 = 00, 4

Varincia Populacional:

x=

x n
i =1

= xi Pi

= xi fri

i =1

i =1

Varincia Amostral:

2 = ( xi ) Pi =
2

i =1

= ( 2 ( 0, 4 ) ) 0, 25 + ( 1 ( 0, 4 ) ) 0,1 + ( 0 ( 0, 4 ) ) 0,5 + (1 ( 0, 4 ) ) 0,1 + ( 2 ( 0, 4 ) ) 0, 05 =


2

Mdia Aritmtica:

i =1

Mdia versus Valor Mdio.


Desvio Padro Amostral versus Desvio
Padro Populacional:

= 1, 24

i =1

2 = ( xi ) Pi

Desvio Padro Populacional:

= 2
n

( xi )
i =1

i =1

Desvio Padro Amostral:

Desvio Padro Populacional:


=

Varincia Populacional:

2 = xi x fri

= 2

Pi = 1, 24  1,11

Distribuio Binomial:

Distribuio Binomial:

Se uma experincia aleatria tem as seguintes caractersticas:

O nmero de maneiras possveis de escolher r sucessos de entre


n observaes dado pelo coeficiente binomial. n
n!

9 constituda por n provas idnticas;


9 Em cada prova da experincia apenas so possveis dois
resultados: o sucesso ou o insucesso;
9 O resultado de cada prova independente dos resultados
obtidos anteriormente;
9 A probabilidade do sucesso,
sucesso que se representa por p,
p no
varia de uma prova para a outra.
Designa-se por Modelo de Distribuio Binomial.
A varivel aleatria X que representa o nmero de sucessos nas n
provas chama-se Varivel Aleatria com Distribuio Binomial de
parmetros n e p, e representa-se por B(n,p).

Cr =

r !( n r ) !

Utilizando esta frmula, pode escrever-se uma expresso geral


para calcular a probabilidade para qualquer valor X=r da varivel
aleatria X.
nr
Com efeito, P ( X = r ) = nCr P r (1 P )
Para facilitar o clculo da probabilidade de um valor da varivel
aleatria podemos utilizar a tabela de distribuio binomial, onde
nas colunas aparecem diferentes valores de p e nas linhas
aparecem os valores de n, e para cada n os possveis valores de
r.

Exemplos de experincias Modelos de Distribuio Binomial:


9 Lanamento de uma moeda; Lanamento de um dado;
Controlo de Qualidade

Distribuio Binomial:

Distribuio Binomial:

Exemplo: Sabe-se que numa determinada associao 60% dos


associados votaram a favor do presidente eleito, 10% votaram
contra e 30% abstiveram-se.
Determina, usando a tabela de distribuies binomiais, qual a
probabilidade de num grupo de 10 associados, escolhidos ao
acaso:
10
6
4
6 terem votado a favor: P ( 6 votaram a favor ) = C6 0, 6 0, 4 =

Exemplo: Sabe-se que, sempre que nasce um beb, a probabilidade de


ser rapaz 51%.
Considera uma famlia com 5 filhos no havendo gmeos.
Determina a probabilidade de que esta famlia tenha 3 e s 3
meninas.
Seja: R- nascer rapaz M- nascer menina temos:
P ( R) =

P ( 6 votaram a favor ) = 0,1115


4 terem votado contra: P ( 4 votaram contra ) = 10C4 0,14 0, 96 =

51
100

P ( R) =

49
100

Logo a probabilidade pedida :


3

49 51
P ( X = 3) = 5C3

= 31%
100 100

P ( 4 votaram contra ) = 0,0112

13042016

Valor Mdio e Varincia da Distribuio


Binomial:

O valor mdio, a varincia e o desvio padro de uma varivel


aleatria com distribuio binomial de parmetros n e p so
dados pelas seguintes frmulas:
Valor Mdio:

Distribuio Normal ou de Gauss ou de


Laplace:

Esta distribuio aparece, por exemplo, em:

Caracteres morfolgicos: Peso, altura, comprimento de objectos,


espessura de folhas
Caracteres sociolgicos: Hbito de consumo de produtos, nmero
de filhos, hbitos de frias

= n p

2
Varincia: = n p (1 p )

Desvio Padro: = n p (1 p )

Nota: A distribuio binomial simtrica, qualquer que seja o


valor de n.

Distribuio Normal :
9 A probabilidade de que a varivel tome valores no intervalo
[xi,xj] igual rea definida pelo eixo dos xx, pelo grfico
de funo densidade e pelas rectas x=xi e x=xj
9 A concavidade da curva muda de sentido para x1=- e
x2=+ (x1 e x2 so abcissas dos pontos de inflexo)

Caracteres psicolgicos e fisiolgicos: Quociente de inteligncia,


t
tenso
arterial,
t i l reaco
a
medicamentos

Caractersticas da curva normal:


9 simtrica relativamente ao valor mdio da varivel
9 Tem um mximo para x=
9 Quanto maior for o desvio-padro, mais achatada a
curva
9 A rea compreendida entre a curva e o eixo dos xx igual
a 1

Distribuio Normal :
Exemplo: A distribuio dos pesos dos alunos do Externato segue uma
distribuio normal com =64 e =10 (em kg).
Determina a percentagem de alunos que pesam:
Mais do que 64 kg:
P ( X > 64 ) = P ( X > ) = 0,5

9 O eixo das abcissas assimptota da curva


9 A
rea abaixo
da curva di
distribui-se
em intervalos:
b i
d
t ib i
i t
l

Logo
g 50% dos alunos pesam
p
mais do que
q
64 kg.
g
=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 tm um peso


compreendido entre 54 kg e 74 kg.
Menos do que 54 kg: = 64 10 = 54
=64

P ( X < 54 ) = P ( X < ) = 0,5

0, 6827

= 0,1587

Logo 15,87% 2dos alunos tm um peso inferior a 54 kg.

Distribuio Normal estandardizada:

Distribuio Normal estandardizada:

Uma distribuio normal fica definida dados o valor mdio e o


desvio padro .

Tabela a utilizar
para resolver
problemas de
distribuio
normal:

Quando o desvio padro aumenta, aumenta tambm a


disperso e o grfico da funo torna-se mais expandido.
Quando o desvio padro toma valores muito pequenos, a
funo contrai-se e fica mais concentrada em relao
mdia torna-se
torna se mais expandido.
expandido
De entre as Distribuies Normais tem particular interesse a
distribuio N(0,1), ou seja, aquela em que =0 e =1.
A esta Distribuio chama-se
Distribuio Normal estandardizada.
Dada uma varivel aleatria X, define-se funo distribuio ou
funo distribuio cumulativa de X como sendo a funo F(x),
definida para todo o x real da seguinte forma:

F ( x) = P ( X x)

13042016

Distribuio 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, dcima) e na linha superior 0,05
(centsimas). A interseco da linha com a coluna d a probabilidade
pedida:
P ( Z 1, 25 ) = 0,89435 = 89, 435%

Exemplo: Determina em percentagem: P(Z1,3)


A probabilidade pedida no se encontra na tabela de forma directa,
por isso a probabilidade pedida:
P ( Z 1,3) = 1 P ( Z 1, 3) = 1 0, 9032 = 0, 0968 = 9, 68%