Agosto 2015
Sumrio
1 Probabilidade: conceitos bsicos
1.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.2.1
Experimento aleatrio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Espao amostral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.3
Eventos aleatrios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1
Interseo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.2
Excluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.3
Unio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.4
Complementao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.5
Diferena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.6
1.3
13
2.1
Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
2.2
13
2.3
17
27
Probabilidade condicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
3.1.1
32
Regra da multiplicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
ii
SUMRIO
3.2
Independncia de eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
43
4.1
Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
4.2
Os teoremas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5 Exerccios propostos
55
A Anlise combinatria
63
63
65
A.3 Permutaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
A.4 Arranjos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
71
75
A.6.1
Aplicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
81
Captulo 1
1.1
Introduo
No nosso cotidiano, lidamos sempre com situaes em que est presente a incerteza do
resultado, embora, muitas vezes, os resultados possveis j sejam conhecidos. Por exemplo:
o sexo de um embrio pode ser masculino ou feminino, mas s saberemos o resultado exato
quando o beb nascer. Se estivermos interessados na face voltada para cima ao jogarmos um
dado, os resultados possveis sero 1, 2, 3, 4, 5, 6. Mas s saberemos o resultado quando o
experimento se completar, ou seja, quando o dado atingir a superfcie sobre a qual foi lanado.
conveniente, ento, dispormos de uma medida que exprima a incerteza presente em cada
um desses acontecimentos. Tal medida a probabilidade.
No estudo das distribuies de frequncias, vimos como essas so importantes para
entendermos a variabilidade de um fenmeno aleatrio. Por exemplo, quando sorteamos uma
amostra de empresas para analisar a distribuio do nmero de empregados, sabemos que
uma outra amostra fornecer resultados diferentes. No entanto, se sortearmos um grande
nmero de amostras, esperamos que surja um determinado padro que ir refletir a verdadeira
distribuio da populao de todas as empresas. Atravs de um modelo terico, construdo
com base em suposies adequadas, podemos reproduzir a distribuio de frequncias quando
o fenmeno for observado diretamente. Esses modelos so chamados modelos probabilsticos
e sero estudados na segunda parte deste curso. A probabilidade a ferramenta bsica na
construo de tais modelos e ser estudada nesta primeira parte.
1.2
essa proporo deve ser 16 . Nessas condies, nosso modelo probabilstico para o lanamento
de um dado pode ser expresso da seguinte forma:
Face
Frequncia terica
1
6
1
6
1
6
1
6
1
6
1
6
Total
1
Suponhamos que uma mulher esteja grvida de trigmeos. Sabemos que cada beb
pode ser do sexo masculino (M) ou feminino (F). Ento, as possibilidades para o sexo das trs
crianas so: MMM, MMF, MFM, FMM, FFM, FMF, MFF, FFF. Uma suposio razovel que
todos esses resultados sejam igualmente provveis, o que equivale a dizer que cada beb tem
igual chance de ser do sexo masculino ou feminino. Ento cada resultado tem uma chance de
1
8 de acontecer. Assim, o modelo probabilstico para esse experimento seria
Sexo
Freq. terica
MMM
MMF
MFM
FMM
FFM
FMF
MFF
FFF
1
8
1
8
1
8
1
8
1
8
1
8
1
8
1
8
Total
1
Meninas
Freq. terica
1
8
3
8
3
8
1
8
Total
1
1.2.1
Experimento aleatrio
1.2.2
Espao amostral
1.2.3
Eventos aleatrios
Soluo
Considerando a numerao das bolas, o espao amostral pode ser definido como:
= {(i, j) : i = 1, 2, 3, 4; j = 1, 2, 3, 4; i 6= j}
= {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4), (3, 1), (3, 2), (3, 4), (4, 1), (4, 2), (4, 3)}
Os eventos so:
A = {(i, j) : i = 1, 2; j = 1, 2, 3, 4; i 6= j}
= {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4)}
B = {(i, j) : i = 1, 2, 3, 4; j = 1, 2; i 6= j}
= {(2, 1), (3, 1), (4, 1), (1, 2), (3, 2), (4, 2)}
C
= {(i, j) : i = 1, 2; j = 1, 2; i 6= j}
= {(1, 2), (2, 1)}
Soluo
Vamos denotar por A, V , P e B as cores azul, vermelha, preta e branca, respectivamente.
Ento,
= {(x1 , x2 , x3 ) : xi = A, V , P, B; i = 1, 2, 3}
Os eventos so:
A = {(V , V , V )}
B = {(V , A, P), (V , P, A), (A, V , P), (A, P, V ), (P, V , A), (P, A, V )}
(B, A, P), (B, P, A), (A, B, P), (A, P, B), (P, B, A), (P, A, B)
Como temos quatro cores diferentes e apenas trs extraes, no possvel obter todas
as cores. Logo,
D =
1.3
1.3.1
xA
xB
(1.1)
1.3.2
Excluso
1.3.3
Unio
x AB
xA
ou
xB
(1.2)
1.3.4
Complementao
xA
e tambm que
x
/ A
(1.3)
AA=
(1.4)
1.3.5
Diferena
xA
x
/ B
x AB
A = (A \ B) (A B)
(1.5)
(1.6)
1.3.6
1. Identidade
A =
A =
(1.7)
A = A
A = A
(1.8)
(1.9)
AA =
AA =
3. Involuo
(1.10)
A = (Ac )c = A
4. Idempotncia
AA = A
AA = A
(1.11)
5. Comutatividade
AB = BA
AB = BA
(1.12)
6. Associatividade
(A B) C
= A (B C )
(A B) C
= A (B C )
(1.13)
7. Distributividade
A (B C ) = (A B) (A C )
A (B C ) = (A B) (A C )
(1.14)
10
C
A
C
B
8. Absoro
A (A B) = A
A (A B) = A
(1.15)
9. Leis de De Morgan
AB = AB
AB = AB
(1.16)
C
A
11
C
B
12
Captulo 2
2.1
Introduo
2.2
14
a definio frequentista vista acima. A primeira observao que podemos fazer a seguinte:
dado um experimento aleatrio, desejamos atribuir probabilidade aos eventos do respectivo
espao amostral, ou seja, para cada evento, queremos determinar um nmero que indique a
probabilidade desse evento. Assim, probabilidade uma funo definida no conjunto de todos
os eventos de um espao amostral . Vamos denotar tal funo por P.
Uma primeira propriedade bastante intuitiva que a probabilidade de qualquer evento
deve ser um nmero no negativo, ou seja, para qualquer evento A, P(A) 0.
Para apresentar a segunda propriedade, considere o seguinte evento associado ao
experimento do lanamento de um dado: C =face menor que 7. bastante intuitivo ver
que, ao lanarmos um dado, sempre obteremos uma face menor que 7, ou seja, a proporo de
vezes que obteremos o evento C ser sempre 1, no importa quantas vezes lancemos o dado.
Note, tambm, que C = . Assim, a segunda propriedade que vamos exigir da probabilidade
que P() = 1.
A terceira propriedade envolve a unio de eventos mutuamente exclusivos. Vimos que,
se A B = , ento n(A B) = n(A) + n(B) e, assim, a definio frequentista da probabilidade
nos daria que P(A B) = P(A) + P(B). Esse o terceiro e ltimo axioma que precisamos para
definir probabilidade.
1. P() = 0
Demonstrao
Temos que = e como = , podemos aplicar o Axioma III para obter que
P() = P() + P(), de onde segue que P() = 0.
2. P(A) = 1 P(A)
Demonstrao
15
Temos que = A A e como A A = , podemos aplicar o Axioma III para obter que
P() = P(A) + P(A) e o Axioma II nos d que 1 = P(A) + P(A), de onde segue o resultado.
3. P(A \ B) = P(A B) = P(A) P(A B)
Demonstrao
Veja a Figura 2.1 para visualizar melhor esse resultado. um erro comum pensar que
P(A \ B) = P(A) P(B), o que pode resultar em uma probabilidade negativa. O evento
A \ B a parte sombreada mais escura; a parte sombreada mais clara corresponde a
A B e o evento A a unio dessas duas partes, ou seja,
A = (A \ B) (A B)
de onde segue o resultado pela aplicao do Axioma III, j que as partes sombreadas
no tm interseo.
16
Figura 2.3 B A
6. P(A) 1 para qualquer evento A .
Demonstrao
Esse resultado consequncia imediata da propriedade anterior, uma vez que A
P(A) P() = 1
17
Axiomas
P(A) 0
P() = 1
A B = P(A B) = P(A) + P(B)
Propriedades
P() = 0
P(A) = 1 P(A)
P(A \ B) = P(A B) = P(A) P(A B)
P(A B) = P(A) + P(B) P(A B)
A B P(A) P(B)
P(A) 1
2.3
Vamos considerar, agora, uma situao especial, em que o espao amostral finito e
todos os seus eventos elementares so igualmente provveis. Esse contexto leva definio
clssica de probabilidade, que foi a primeira definio formal de probabilidade, explicitada
por Girolamo Cardano (1501-1576).
Sejam E1 , E2 , EN os eventos elementares de . Ento,
= E1 E2 EN
e esses eventos elementares so mutuamente exclusivos dois a dois. Pode-se provar, por
induo, que
P() = 1 = P(E1 E2 EN ) = P(E1 ) + P(E2 ) + + P(EN )
P(Ei ) =
1
1
=
N
n()
Mas, qualquer evento A pode ser escrito como unio de eventos elementares. Logo,
P(A) =
n(A)
n(
18
1
1
=
N
n()
n(A)
n()
19
n() = 52. Vamos denotar por F o evento carta retirada uma figura e por P o evento
carta retirada preta.
(a) Em cada um dos 4 naipes h trs figuras. Logo, o nmero total de figuras 4 3, ou seja,
n(F ) = 12. Logo,
3
12
=
.
P(F ) =
52
13
(b) Metade das cartas de cor preta. Logo,
P(P) =
26
1
= .
52
2
6
32
8
12 26
+
=
=
52 52 52
52
13
20
1
10
=
20
2
8
2
=
20
5
4
1
=
20
5
Uma urna contm 6 bolas pretas, 2 bolas brancas e 8 bolas verdes. Uma bola escolhid,a ao
acaso, desta urna. Qual a probabilidade de que essa bola
(a) no seja verde?
(b) seja branca?
(c) no seja nem branca nem verde?
Soluo
Temos um total de 6 + 2 + 8 = 16 bolas. Logo, n() = 16. Vamos denotar por P, B, V
os eventos bola preta, branca e verde, respectivamente.
21
8
8
1
=
=
16
16
2
n(B)
2
1
=
= .
n()
16
8
(c) Se a bola no branca nem verde, ela tem de ser preta. Observe que estamos pedindo
P(B V ). Pela lei de De Morgan e pela Propriedade 2 e Axioma III, temos
P(B V ) = P(B V ) = 1 P(B V )
= 1 [P(B) + P(V )] = 1
=
2
8
6
=
16 16
16
3
= P(P)
8
Dado
1
1
2
3
4
5
6
(1, 1)
(2, 1)
(3, 1)
(4, 1)
(5, 1)
(6, 1)
2
3
4
5
6
7
2
(1, 2)
(2, 2)
(3, 2)
(4, 2)
(5, 2)
(6, 2)
3
4
5
6
7
8
3
(1, 3)
(2, 3)
(3, 3)
(4, 3)
(5, 3)
(6, 3)
4
5
6
7
8
9
4
(1, 4)
(2, 4)
(3, 4)
(4, 4)
(5, 4)
(6, 4)
5
6
7
8
9
10
5
(1, 5)
(2, 5)
(3, 5)
(4, 5)
(5, 5)
(6, 5)
6
7
8
9
10
11
(5,
n() = 36
n(A) = 18
6
(1, 6)
(2, 6)
(3, 6)
(4, 6)
(5, 6)
(6, 6)
7
8
9
10
11
12
22
Logo,
P (A) =
18
1
=
36
2
P (B) =
6
1
=
36
6
P (C ) =
12
1
=
36
3
C1 , C2 = B1 , B2 , B3 , B4 , V1 , V2 , V3 ;
C1 6= C2 }
A primeira bola pode ser qualquer uma, logo, h 7 bolas possveis. Como a extrao sem
reposio, para a segunda bola, s h 6 possibilidades. Assim, o nmero total de pares
7 6 = 42, ou seja, n() = 42.
(a) Para os pares do evento A = 2 bolas brancas, a primeira bola pode ser qualquer uma
das brancas, e a segunda, qualquer uma das brancas restantes. Logo,
n(A) = 4 3 P(A) =
12
2
=
42
7
6
1
=
42
7
23
interessante notar o seguinte fato sobre a extrao das bolas: em vez de fazermos extraes
sequenciais, podemos retirar 2 bolas simultaneamente. Em ambos os casos, as extraes so
sem reposio, ou seja, a mesma bola no pode sair duas vezes. O que muda, ento?
Soluo
Nas extraes simultneas, no podemos diferenciar a ordem das bolas: por exemplo,
os pares V1 V2 e V2 V1 so os mesmos. Dessa forma, a cardinalidade do espao amostral fica
reduzida por 2, que 2!, nmero de maneiras de organizar as 2 bolas. Se fossem 3 bolas,
ficaria reduzido por 3! = 6. Para ajudar na compreenso dessa diferena, vamos listar o espao
amostral nos dois casos, bem como os eventos que estudamos.
Evento
2 bolas
brancas
2 bolas
verdes
Branca
e verde
Verde
e
branca
Extraes sequenciais
B1 B2 , B 1 B3 , B 1 B4 ,
B2 B1 , B 2 B3 , B 2 B4 ,
B3 B1 , B 3 B2 , B 3 B4 ,
B4 B1 , B 4 B2 , B 4 B3 ,
V1 V2 , V 1 V3 ,
V2 V1 , V 2 V3 ,
V3 V1 , V 3 V2 ,
B1 V1 , B 1 V2 , B 1 V3 ,
B2 V1 , B 2 V2 , B 2 V3 ,
B3 V1 , B 3 V2 , B 3 V3 ,
B4 V1 , B 4 V2 , B 4 V3 ,
V1 B1 , V 1 B2 , V 1 B3 , V 1 B4 ,
V2 B1 , V 2 B2 , V 2 B3 , V 2 B4 ,
V3 B1 , V 3 B2 , V 3 B3 , V 3 B4
Extraes simultneas
B1 B2 , B1 B3 , B1 B4 ,
B2 B3 , B2 B4 ,
B3 B4 ,
Evento
2 bolas
brancas
2 bolas
verdes
V1 V2 , V 1 V3 ,
V2 V3 ,
Uma
branca
e uma
verde
B1 V1 , B1 V2 , B1 V3 ,
B2 V1 , B2 V2 , B2 V3 ,
B3 V1 , B3 V2 , B3 V3 ,
B4 V1 , B4 V2 , B4 V3
Extraes sequenciais
Extraes simultneas
P(2 verdes)
1
6
42 = 7
3
21
1
7
P(2 brancas)
12
2
42 = 7
6
21
2
7
P(cores diferentes)
24
4
42 = 7
12
21
4
7
EXEMPLO 2.8 Ou exclusivo
Prove que:
P
A B A B = P(A) + P(B) 2 P(A B)
24
= P(A) P (A B)
P AB
= P(B) P (A B)
P
A B A B = P(A) + P(B) 2 P (A B)
P1 P 2
n(P 2 ) = 86
(P 1 P2 ) = 54
(acertar os 2)
(acertar o primeiro)
(errar o segundo)
(acertar apenas um)
25
+
= 1
248 248 248
74
37
=
=
248
124
(b) Pela Propriedade 3, tem-se que:
162 120
42
21
P P2 P 1 = P(P2 ) P(P1 P2 ) =
=
=
248
248
124
EXEMPLO 2.10 Atribuio de probabilidade
Dado que = {1, 0, 1} , verifique se possvel definir uma medida de probabilidade em
tal que
P ({1, 1}) = 0, 6
P ({0, 1}) = 0, 9
P ({1, 0}) = 0, 5
Justifique sua resposta.
Soluo
Note que o evento {1, 1} = {1} {1}. Logo, as probabilidades dadas se transformam
no seguinte sistema de 3 equaes com 3 incgnitas:
P (1) + P(1) = 0, 6
P(0) + P(1) = 0, 9
P(1) + P(0) = 0, 5
Da primeira equao, obtemos P(1) = 0, 6 P(1). Substituindo na segunda, obtemos o
seguinte sistema de 2 equaes e 2 incgnitas:
P(0) + 0, 6 P(1) = 0, 9
P(1) + P(0) = 0, 5
ou
P(0) P(1) = 0, 3
P(0) + P(1) = 0, 5
Somando termo a termo, resulta
2 P(0) = 0, 8 P(0) = 0, 4
26
Substituindo, obtemos
P(1) = 0, 5 P(0) = 0, 5 0, 4 P(1) = 0, 1
Substituindo novamente, obtemos
P(1) = 0, 6 P(1) = 0, 6 0, 1 = 0, 5
Como todos os valores obtidos esto no intervalo (0, 1), a atribuio dada vlida.
Captulo 3
Probabilidade condicional e
independncia de eventos
3.1
Probabilidade condicional
28
4
10 ,
ou seja,
P(A|B) =
4
=
10
4
36
10
36
P(A B)
P(B)
Esses dois exemplos ilustram o fato geral que est representado na Figura 3.1. Se
sabemos que aconteceu o evento B, esse evento passa a ser o novo espao amostral e,
nesse novo espao amostral, a nica parte de A presente A B a parte sombreada mais
clara.
P (A B)
P (B)
Note que, nessa definio, temos que supor que o evento B um evento possvel, j que
ele ocorreu. Logo, bvio que P(B) > 0.
EXEMPLO 3.1 Gnero e esporte
Um grupo de 100 alunos foi classificado quanto ao sexo e atividade de lazer preferida,
obtendo-se a distribuio dada na tabela a seguir.
29
Atividade de lazer
Cinema Praia Esporte
10
12
13
15
41
9
25
53
22
Total
35
65
100
1. Qual a probabilidade de que uma pessoa, escolhida ao acaso nesse grupo, seja do
sexo masculino?
2. Se a pessoa escolhida preferir a praia como atividade de lazer, qual ser a probabilidade
de ser um homem?
Soluo
Vamos definir os seguintes eventos: M = masculino; F = feminino; C = cinema;
P = praia; E = esporte.
35
= 0, 35
100
P(M P)
=
P(P)
12
100
53
100
12
0, 2264
53
(a) Qual a probabilidade de que ele tenha algum plano de aposentadoria complementar?
(b) Qual a probabilidade de que ele no possua qualquer plano de aposentadoria
complementar?
(c) Se o empregado conta com o plano de aposentadoria complementar oferecido pela
empresa, qual a probabilidade de que ele tenha plano pessoal de aposentadoria
complementar?
30
200
2
=
500
5
P(E) =
400
4
=
500
5
P(P E) =
200
2
=
500
5
Note que essas informaes podem ser dispostas em forma de tabela, como podemos
ver a seguir:
Plano da
Empresa
Total
Sim
No
Plano pessoal
Sim
No
200
200
0
100
200
300
Total
400
100
500
2 4 2
4
+ =
5 5 5
5
P(P E)
=
P(E)
2
5
4
5
P(E|P) =
P(P E)
=
P(P)
2
5
2
5
=1
4
1
=
5
5
1
2
31
(a) Qual a probabilidade de que pelo menos um dos objetivos seja atingido?
(b) Qual a probabilidade de que nenhum objetivo seja atingido?
(c) Se a campanha ficar pronta antes do prazo estipulado, qual a probabilidade de ela ser
a provada pela diretoria?
Soluo
Vamos definir os eventos P = campanha pronta antes do prazo e A = diretoria aprova
campanha. O problema fornece as seguintes informaes:
P(P) = 0, 6
P(A) = 0, 5
P(A P) = 0, 3
P(A P)
0, 3
=
= 0, 5.
P(P)
0, 6
P(A B)
0
P(B)
P(B)
P( B)
=
=1
P(B)
P(B)
P(B)
= 1, toda a probabilidade condicional est concentrada
P(B)
em B, o que justifica considerarmos B como o novo espao amostral para essa nova lei de
probabilidade.
Axioma 3:
Sejam A1 e A2 dois eventos mutuamente exclusivos (veja a Figura 3.2). Usando a
propriedade distributiva, temos
P(A1 A2 |B) =
P[(A1 A2 ) B]
P[(A1 B) (A2 B)]
=
P(B)
P(B)
32
P(A1 A2 |B) =
3.1.1
Regra da multiplicao
33
P(B) P(A|B)
P(A B) =
P(A) P(B|A)
Se um avio est presente em determinada rea, um radar detecta sua presena com
probabilidade 0,99. No entanto, se o avio no est presente, o radar detecta erradamente
a presena de um avio com probabilidade 0,02. A probabilidade de um avio estar presente
nessa rea de 0,05. Qual a probabilidade de um falso alarme? Qual a probabilidade
de o radar deixar de detectar um avio? (Note que esses so os dois erros possveis nessa
situao.)
Soluo
Vamos definir os eventos a seguir.
A = avio presente
D = radar detecta presena de avio
Os eventos complementares so:
A = avio no est presente
D = radar no detecta avio
O problema nos fornece as seguintes informaes:
Pr (D|A) = 0, 99
Pr D|A = 0, 02
Pr(A) = 0, 05
Pr(A) = 0, 95
34
falso alarme
Pr(D A)
Considere que duas cartas de um baralho (13 cartas de cada um dos naipes copas, paus,
ouros, espadas) sejam extradas, sem reposio, uma depois da outra. Qual a probabilidade
de
(a) nenhuma das duas ser de copas?
(b) pelo menos uma carta ser de copas?
Soluo
35
Para solucionar esse problema, devemos notar que as cartas no baralho so igualmente
provveis, antes e depois da primeira extrao. Vamos definir os seguintes eventos:
C1 =
C2 =
Na segunda extrao, dado que na primeira saiu copas, temos 12 cartas de copas e 39
cartas que no so de copas em um baralho com 51. O evento representado pelo caminho
superior da rvore C1 C2 e sua probabilidade
P(C1 C2 ) = P(C1 ) P(C2 |C1 ) =
13 12
52 51
13 39
52 51
36
39 13
52 51
39 38
P(C 1 C 2 ) = P(C 1 ) P(C 2 |C 1 ) =
52 51
Novamente, pela lei do complementar, P(C2 |C 1 ) + P(C 2 |C 1 ) = 1.
A partir desse diagrama de rvore podemos calcular qualquer probabilidade desejada.
Por exemplo, o evento nenhuma carta de copas o evento C 1 C 2 , e o evento pelo menos
uma carta de copas, o complementar do evento nenhuma carta de copas.
EXEMPLO 3.6 Trs cartas de um baralho
Suponhamos agora a extrao de trs cartas sem reposio e o evento nenhuma carta
de copas. Como podemos generalizar a regra da multiplicao para esse caso?
Soluo
Como antes, vamos definir os eventos Ci = carta de copas na isima extrao, i =
1, 2, 3. Veja a Figura 3.5, que ilustra o espao amostral desse experimento.
Como antes, quando caminhamos ao longo de cada galho no diagrama de rvores, cada
n representa a ocorrncia de um evento condicional ocorrncia dos eventos anteriores.
Por exemplo, vamos considerar o galho superior: o primeiro n corresponde ao evento C1 ;
o segundo, ao evento C2 , condicionado ocorrncia de C1 ; e o terceiro e ltimo, ao evento
C3 , condicionado ocorrncia de C1 C2 . Quando multiplicamos as probabilidades desses 3
eventos, obtemos a seguinte probabilidade da interseo:
13 12 11
P(C1 C2 C3 ) = P(C1 ) P(C2 |C1 ) P(C3 |C1 C2 ) =
52 51 50
Analogamente, a probabilidade de no sair qualquer carta de copas nas 3 estraes
39 38 37
P(C 1 C 2 C 3 ) = P(C 1 ) P(C 2 |C 1 ) P(C 3 |C 1 C 2 ) =
52 51 50
Estes exemplos ilustram a regra geral da multiplicao.
37
11/50
C3
12/51
C2
C3
39/50
12/50
C3
13/52
C1
C2
39/51
C3
38/50
12/50
C3
C1
39/52
13/51
C2
C2
38/51
C3
38/50
13/50
C3
C3
37/50
P(B|T ) = 0, 65
38
11 10 9 11 10 9
2
2
4
=
+
=
33 33
11
3.2
Independncia de eventos
Considere novamente um baralho usual, com 52 cartas, 13 de cada naipe, do qual ser
retirada uma carta. Vamos definir os seguintes eventos:
C
13
52
carta de copas
R =
carta um rei
carta vermelha
= 14 ; P(R) =
4
52
1
13
e P(V ) =
26
52
= 12 .
P(R C )
=
P(C )
P(V |C ) =
P(V C )
P(C )
=
= 1 6= P(V )
P(C )
P(C )
1
52
1
4
4
1
=
= P(R)
52
13
39
No primeiro caso, saber que a carta de copas no acrescentou informao til para
avaliarmos a probabilidade de sair rei, ou seja, saber ou no que saiu copas no altera a
probabilidade de sair rei.
J no segundo caso, saber que saiu carta de copas faz com que mudemos a probabilidade
de sair carta vermelha. Como podemos ver, se sabemos que saiu carta de copas, ento a carta
tem de ser vermelha.
Esses exemplos ilustram um conceito importante. No primeiro caso, dizemos que os
eventos R e C so independentes e, no segundo caso, que os eventos V e C so dependentes.
No primeiro caso, o conhecimento da ocorrncia de C no ajuda para reavaliarmos a
probabilidade de C . J, no segundo caso, o conhecimento da ocorrncia de C faz com que
mudemos nossa estimativa da probabilidade de V .
P(A B)
= P(A) P(A B) = P(A) P(B)
P(B)
P(A) P(B)
P(A B)
=
= P(A) A, B independentes.
P(B)
P(B)
40
P(B A)
P(A) P(B)
=
= P(B) B, A independentes.
P(A)
P(A)
Se A e B so independentes A, B so independentes.
Demonstrao
P(AB) = P(B)P(AB) = P(B)P(A) P(B) = P(B)[1P(A)] = P(B) P(A) A, B independentes.
A e B independentes A, B independentes.
Demonstrao
P(A B) = P(A B)
= 1 P(A B)
= 1 P(A) P(B) + P(A B)
= 1 P(A) P(B) + P(A) P(B)
= [1 P(A)] P(B)[1 P(A)]
= P(A) P(B) P(A)
= P(A)[1 P(B)]
= P(A) P(B) A, B independentes.
Se A e B so eventos possveis e independentes A B 6= .
Demonstrao
Por hiptese, temos que P(A) > 0 e P(B) > 0. Pela hiptese de independncia, P(AB) =
P(A) P(B) > 0 A B 6= .
Logo, se A e B so eventos possveis e independentes, ento A e B no so mutuamente
exclusivos.
Se A e B so eventos possveis tais que A B = A, B no so independentes.
Demonstrao
P(A|B) =
P(A B
= 0 6= P(A) A, B no so independentes.
P(B)
41
Plano da
Empresa
Total
Sim
No
Plano pessoal
Sim
No
200
200
0
100
200
300
Total
400
100
500
P(E) =
4
5
6= P(P) P(E)
200
4
= 1 6= P(E) =
200
5
42
Captulo 4
4.1
Exemplos
(a) Qual a proporo de peas defeituosas colocadas no mercado por essa fbrica?
(b) Se um cliente identificar uma pea defeituosa, qual ser a probabilidade de ela ter sido
produzida pela mquina 1?
Soluo
44
n
S
i=1
Ai =
4.1. EXEMPLOS
45
P(M1 ) P(D|M1 )
P(M1 )Pr(D|M1 ) + P(M2 ) P(D|M2 )
0, 35 0, 05
0, 35 0, 05 + 0, 65 0, 025
0, 0175
= 0, 5185
0, 03375
Compare os resultados:
Sem qualquer informao sobre o resultado do experimento, nossa estimativa para a
probabilidade de ocorrncia de M1 pea produzida pela mquina 1 era 0,35.
Com a informao de que a pea defeituosa, a probabilidade de ter sido produzida
pela mquina 1 aumenta para 0,5185.
EXEMPLO 4.2 Produo de trs mquinas
46
(a) O espao amostral desse experimento est ilustrado no diagrama de rvore da Figura 4.2.
Como j visto anteriormente, cada galho da rvore corresponde ao condicionamento do
evento aos eventos dos galhos anteriores. Assim, na parte superior da rvore, temos os
eventos D|M1 e D|M1 . Na parte do meio, temos os eventos D|M2 e D|M2 ; e na parte
inferior, D|M3 e D|M3 .
Os dados do problema do que
P(M1 ) = 0, 30
P(M2 ) = P(M3 ) = 0, 35
P(D|M1 ) = 0, 05
P(D|M2 ) = 0, 025
P(D|M3 ) = 0, 02
4.1. EXEMPLOS
47
(b) Na segunda parte do exemplo, deseja-se saber P(M1 |D), P(M2 |D) e P(M3 |D). Por definio,
temos
P(M1 D)
P(M1 |D) =
P(D)
Usando a regra da multiplicao e o resultado encontrado no item anterior, temos
P(M1 |D) =
=
=
P(M2 |D) =
=
=
P(M3 |D) =
=
=
P(M1 ) P(D|M1 )
P(M1 ) P(D|M1 ) + P(M2 ) P(D|M2 ) + P(M3 ) P(D|M3 )
0, 30 0, 05
0, 30 0, 05 + 0, 35 0, 025 + 0, 35 0, 02
0, 015
= 0, 487805
0, 03075
P(M2 ) P(D|M2 )
P(M1 ) P(D|M1 ) + P(M2 ) P(D|M2 ) + P(M3 ) P(D|M3 )
0, 35 0, 025
0, 30 0, 05 + 0, 35 0, 025 + 0, 35 0, 02
0, 00875
= 0, 284553
0, 03075
P(M3 ) P(D|M3 )
P(M1 ) P(D|M1 ) + P(M2 ) P(D|M2 ) + P(M3 ) P(D|M3 )
0, 35 0, 02
0, 30 0, 05 + 0, 35 0, 025 + 0, 35 0, 02
0, 007
= 0, 227642
0, 03075
48
C = suspeito inocente
U = soro indica inocente
P(U|C ) = 0, 10
P(U|C ) = 0, 99
P(U|C ) = 0, 01
P(C ) = 0, 95
P(C ) = 0, 05
4.1. EXEMPLOS
49
P(C U)
P (U)
O soro pode indicar culpado, sendo o suspeito culpado (acerto do diagnstico), ou inocente
(erro no diagnstico), ou seja:
P (U) = P (U C ) + P U C
= P (U|C ) P(C ) + P U|C P(C )
= 0, 90 0, 05 + 0, 01 0, 95
= 0, 045 + 0, 0095 = 0, 0545
P U C = P U|C P(C ) = 0, 01 0, 95 = 0, 0095
Logo,
P(C |U) =
0, 0095
= 0, 1743
0, 0545
Uma caixa contm trs moedas. A moeda 1 honesta, a moeda 2 tem duas caras e a
moeda 3 viciada de tal modo que cara duas vezes mais provvel que coroa. Uma moeda
escolhida ao acaso e lanada.
(a) Qual a probabilidade de observarmos cara e moeda 1?
(b) Qual a probabilidade de observarmos cara?
(c) Se o resultado foi cara, qual a probabilidade de que a moeda lanada tenha sido a moeda
1?
Soluo
Vamos definir os eventos
K = cara
C = coroa
1
2
P(K |M2 ) = 1
50
2
3
1
3
1 1
1
=
3 2
6
P (K ) = P (K M1 ) + P (K M2 ) + P (K M3 )
= P (M1 ) P (K |M1 ) + P (M2 ) P (K |M2 ) + P (M3 ) P (K |M3 )
1
1
2
1 13
13
=
+1+
=
=
3
2
3
3
6
18
(c) O problema pede
P (M1 |K ) =
P (K M1 )
P (M1 ) P (K |M1 )
=
=
P (K )
P (K )
1
6
13
18
3
13
4.1. EXEMPLOS
51
Note que temos duas possibilidades de acerto e duas possibilidades de erro. Os acertos
so cliente inadimplente e gerente no concede o emprstimo e cliente adimplente e
gerente concede o emprstimo. Os erros so: cliente inadimplente e gerente concede o
emprstimo e cliente adimplente e gerente no concede o emprstimo.
A rvore que representa o espao amostral dada na Figura 4.5.
52
Com relao ao que o problema pede, temos que, dado que o gerente recusou o
emprstimo, a deciso s ser certa se o cliente for inadimplente. Logo, temos de calcular
P(I|C ) =
P(I C )
P(C )
Mas o gerente pode recusar o emprstimo sendo o cliente inadimplente ou no, ou seja,
P(C ) = P(C I) + P(C I)
= P(I) P(C |I) + P(I) P(C |I)
= 0, 15 0, 80 + 0, 85 0, 10 = 0, 205
Logo,
P(I|C ) =
=
=
4.2
P(I C )
P(C )
P(I) P(C |I)
P(I) P(C |I) + P(I) P(C |I)
0, 15 0, 80
= 0, 5854
0, 205
Os teoremas
A1
A2
A4
A3
A6
A7
A5
A 11
A8
A9
A 10
A 12
4.2. OS TEOREMAS
53
exclusivos dois a dois; logo, os eventos Ai B tambm o so. Ento, pela lei da probabilidade
de eventos disjuntos, podemos escrever
P (B) = P [(A1 B) (A2 B) (An B)] =
= P (A1 B) + P (A2 B) + + P (An B)
e a regra da multiplicao fornece
P(B) = P(A1 ) P(B|A1 ) + P(A2 ) P(B|A2 ) + + P(An ) P(B|An )
Esse resultado conhecido como Teorema da probabilidade total.
P (Ai ) P (B|Ai )
P(B) =
i=1
P (Ai B)
P(B)
P (Ai ) P (B|Ai )
n
P
P Aj P B|Aj
j=1
Teorema de Bayes
P (Ai ) P (B|Ai )
P Aj P B|Aj
n
P
j=1
54
M = mulher
C = no possui carro
P(M) = 0, 35
P(C |H) = 0, 70
P(C |M) = 0, 82
O problema pede P(M|C ), e para calcular essa probabilidade, temos de calcular P(C ). Pelo
teorema da probabilidade total, sabemos que
P(C ) = P(C M) + P(C H)
= P(M) P(C |M) + P(H) P(C |H)
= 0, 35 0, 18 + 0, 65 0, 30 = 0, 518
Logo,
P(M|C ) =
=
P(C M)
P(M) P(C |M)
=
P(C )
P(C )
0, 35 0, 18
= 0, 12162
0, 518
Captulo 5
Exerccios propostos
56
57
(e) A \ B
(f) B \ A
(g) A B
(h) A B
7. Se P (A) = 1/3 e P B = 1/4, A e B podem ser mutuamente exclusivos?
8. Sejam A e B eventos mutuamente exclusivos tais que P(A) = 0, 5 e P(B) = 0, 4.
(a) Calcule P(A B).
(b) Calcule P(B A).
9. Em uma cidade h trs clubes A, B, C . Em um grupo de 1000 famlias constatou-se
que 470 so scias do clube A; 420 so scias do clube B, 315 so scias do clube C ;
110 so scias dos clubes A e B; 220 so scias dos clubes A e C ; 140 so scias dos
clubes B e C e 75 so scias dos 3 clubes. Escolhendo-se ao acaso uma famlia, qual
a probabilidade de que ela
(a) no seja scia de qualquer um dos clubes?
(b) seja scia de apenas um clube?
(c) seja scia de pelo menos dois clubes?
10. Em um levantamento em um bairro de 1.000 moradores, verifica-se que:
220 tm curso superior;
160 so casados;
100 esto desempregados;
50 tm curso superior, so casados e esto empregados;
60 tm curso superior e esto desempregados;
20 tm curso superior, so casados e esto desempregados.
Escolhe-se ao acaso um morador desse bairro. Qual a probabilidade de que ele
(a) tenha curso superior e seja casado?
(b) ou tenha curso superior e seja casado ou esteja empregado?
(c) ou tenha curso superior ou esteja desempregado?
11. Um lote formado por 10 artigos bons, 4 com defeitos menores e 2 com defeitos graves.
Um artigo escolhido ao acaso. Ache a probabilidade de que:
(a) ele no tenha defeitos;
(b) ele no tenha defeitos graves;
(c) ele seja perfeito ou tenha defeitos graves.
12. Quatro bolsas de estudo sero sorteadas entre 30 estudantes, dos quais 12 so do
sexo masculino e 18 so do sexo feminino. Qual a probabilidade de que haja entre os
sorteados:
58
13. Em uma urna h 15 bolas numeradas de 1 a 15. Trs bolas so retiradas da urna sem
reposio. Qual a probabilidade de que:
(a) o menor nmero seja 7?
(b) o maior nmero seja 7?
14. Num perodo de um ms, 100 pacientes sofrendo de determinada doena foram
internados em um hospital. Informaes sobre o tipo de tratamento aplicado em cada
paciente e o resultado final obtido esto resumidas no quadro a seguir.
Resultado
Total
Tratamento
A
B
24
16
24
16
12
8
60
40
Total
40
40
20
100
59
17. Uma sala possui trs soquetes para lmpadas. De uma caixa com 10 lmpadas, das quais
seis esto queimadas, retiram-se trs lmpadas ao acaso, colocando-se as mesmas nos
trs bocais. Calcular a probabilidade de que:
(a) pelo menos uma lmpada acenda;
(b) todas as lmpadas acendam.
18. O Ministrio da Economia da Espanha acredita que a probabilidade de a inflao ficar
abaixo de 3% este ano de 0,20; entre 3% e 4% de 0,45 e acima de 4% de 0,35. O
Ministrio acredita que, com inflao abaixo de 3%, a probabilidade de se criar mais
200.000 empregos de 0,6, diminuindo essa probabilidade para 0,3 caso a inflao fique
entre 3% e 4%; no entanto, com inflao acima de 4%, isso totalmente impossvel.
(a) Qual a probabilidade de se criarem 200.000 empregos nesse ano?
(b) No ano seguinte, um economista estrangeiro constata que foram criados 200.000
empregos novos. Qual a probabilidade de a inflao ter ficado abaixo de 3%?
19. Na urna I h cinco bolas vermelhas, trs brancas e oito azuis. Na urna II h trs
bolas vermelhas e cinco brancas. Lana-se um dado equilibrado. Se sair trs ou seis,
escolhe-se uma bola da urna I; caso contrrio, escolhe-se uma bola da urna II. Calcule
a probabilidade de
(a) sair uma bola vermelha;
(b) sair uma bola branca;
(c) sair uma bola azul;
(d) ter sido sorteada a urna I, sabendo-se que a bola retirada vermelha.
20. Joana quer enviar uma carta a Camila. A probabilidade de que Joana escreva a carta
8
9
10
. A probabilidade de que o correio no a perca 10
. A probabilidade de que o
9
carteiro a entregue tambm 10 .
(a) Construa o diagrama de rvore representando o espao amostral deste problema.
(b) Calcule a probabilidade de Camila no receber a carta.
(c) Dado que Camila no recebeu a carta, qual a probabilidade de que Joana no a
tenha escrito?
21. Sejam A e B dois eventos tais que P(A) = 0, 4 e P(AB) = 0, 7. Seja P(B) = p. Determine
o valor de p para que
(a) A e B sejam mutuamente exclusivos;
(b) A e B sejam independentes.
22. Sejam A e B eventos possveis de um mesmo espao amostral . Se P(A|B) = 1 verifique
a veracidade das seguintes afirmativas, justificando sua resposta.
(a) A e B so independentes.
(b) A e B so mutuamente exclusivos.
23. Sejam A, B, C eventos de um mesmo espao amostral. Sabe-se que
60
24. Uma comisso de dois estudantes deve ser sorteada de um grupo de 5 alunas e 3 alunos.
Sejam os eventos:
M1 = primeiro estudante sorteado mulher
M2 = segundo estudante sorteado mulher
(a) Construa um diagrama de rvore que represente o espao amostral deste
experimento, indicando as probabilidades.
(b) Calcule P(M1 ) e P(M2 ).
(c) Verifique se M1 e M2 so independentes.
25. Em um campeonato de natao, esto competindo trs estudantes: Alberto, Bosco e
Carlos. Alberto e Bosco tm a mesma probabilidade de ganhar, que o dobro da de
Carlos ganhar.
(a) Ache a probabilidade de que Bosco ou Carlos ganhe a competio.
(b) Que hiptese voc fez para resolver essa questo? Essa hiptese razovel?
26. Solicita-se a dois estudantes, Maria e Pedro, que resolvam determinado problema.
Eles trabalham na soluo do mesmo independentemente, e tm, respectivamente,
probabilidade 0,8 e 0,7 de resolv-lo.
(a) Qual a probabilidade de que nenhum deles resolva o problema?
(b) Qual a probabilidade de o problema ser resolvido?
(c) Dado que o problema foi resolvido, qual a probabilidade de que tenha sido
resolvido apenas por Pedro?
27. Joga-se um dado duas vezes. Considere os seguintes eventos: A =resultado do primeiro
lanamento par e B =soma dos resultados par. A e B so independentes?
Justifique.
28. Um aluno responde a uma questo de mltipla escolha com quatro alternativas, com
uma s correta. A probabilidade de que ele saiba a resposta certa da questo de 30%.
Se ele no sabe a resposta, existe a possibilidade de ele acertar no chute. No existe
a possibilidade de ele obter a resposta certa por cola.
(a) Qual a probabilidade de ele acertar a questo?
(b) Se o aluno acertou a questo, qual a probabilidade de ele ter chutado a resposta?
61
29. Um empreiteiro apresentou oramentos separados para a execuo da parte eltrica e da
parte hidrulica de um edifcio. Ele acha que a probabilidade de ganhar a concorrncia
da parte eltrica de 1/2. Caso ele ganhe a parte eltrica, a chance de ganhar a parte
hidrulica de 3/4; caso contrrio, essa probabilidade de 1/3. Qual a probabilidade
de ele:
(a) ganhar os dois contratos?
(b) ganhar apenas um?
(c) no ganhar qualquer contrato?
62
Apndice A
Anlise combinatria
Neste captulo iremos trabalhar com espaos amostrais finitos. Veremos, ento, diversas
tcnicas de contagem do nmero de elementos de eventos desses espaos amostrais. Dado
um evento qualquer A, representaremos por n(A) o nmero de elementos de A.
A.1
(A.1)
A4
A1
A2
A5
A3
A6
A7
64
i=1
(A.3)
(A.4)
(A.5)
Analogamente,
(A.6)
65
n(A B C ) = n[(A B) C ]
= n(A B) + n(C ) n[(A B) C )]
= n(A) + n(B) n(A B) + n(C ) n[(A C ) (B C )]
= n(A) + n(B) n(A B) + n(C ) n(A C ) n(B C ) + n(A C B C ) =
n(A B C ) = n(A) + n(B) + n(C ) n(A B) n(A C ) n(B C ) + n(A C B C )
A.2
h1 m1 , h1 m2 , h1 m3 , h1 m4 , h1 m5 ,
h2 m1 , h2 m2 , h2 m3 , h2 m4 , h2 m5 ,
=
h3 m1 , h3 m2 , h3 m3 , h3 m4 , h3 m5 ,
Mas se estamos interessados apenas no nmero de elementos de , devemos notar que h
cinco casais nos quais o homem h1 , cinco nos quais o homem h2 e outros cinco nos quais
o homem h3 , perfazendo um total de 3 5 = 15 casais. Esse exemplo ilustra o princpio
fundamental da multiplicao.
66
Um prdio possui oito portas. De quantas maneiras posso entrar e sair desse prdio, se no
quero usar na sada a mesma porta que usei na entrada?
Soluo
Para a entrada, posso escolher qualquer uma das oito portas. Escolhida a porta de
entrada, sobram sete portas para a sada. Logo, existem 8 7 = 56 maneiras de entrar e sair
por portas diferentes.
EXEMPLO A.4 Nmeros pares de trs algarismos distintos
Quantos nmeros pares de trs algarismos distintos podemos formar com os algarismos
1, 2, 3, 4, 5, 6?
Soluo
Para que o nmero seja par, ele tem que terminar com 2, 4 ou 6. Seja, ento, P o evento
de interesse Vamos denotar por A2 o evento nmero par que termina com 2 e de maneira
anloga, definimos os eventos A4 e A6 . Resulta que A2 , A4 e A6 so mutuamente exclusivos dois
a dois e P = A2 A4 A6 . Pelo princpio da adio, resulta que n(P) = n(A2 ) + n(A4 ) + n(A6 ).
Para calcular n(A2 ), note que o ltimo algarismo 2 e sobram duas posies para serem
preenchidas com algarismos distintos escolhidos entre 1, 3, 4, 5, 6. Para a primeira posio,
temos cinco possibilidades; escolhida a primeira posio, sobram quatro para a segunda
posio. Pelo principio fundamental da multiplicao existem 5 4 = 20 nmeros pares com
trs algarismos distintos terminando com 2, ou seja, n(A2 ) = 20. Analogamente, n(A4 ) = 20 e
n(A6 ) = 20, o que implica que n(P) = 20 + 20 = 20 = 60.
A.3
Permutaes
A.3. PERMUTAES
67
a1 a2 a3 a4
a1 a4 a2 a3
a2 a3 a1 a4
a3 a1 a2 a4
a3 a4 a1 a2
a4 a2 a1 a3
a1 a2 a4 a3
a1 a4 a3 a2
a2 a3 a4 a1
a3 a1 a4 a2
a3 a4 a2 a1
a4 a2 a3 a1
a1 a3 a2 a4
a2 a1 a3 a4
a2 a4 a1 a3
a3 a2 a1 a4
a4 a1 a2 a3
a4 a3 a1 a2
a1 a3 a4 a2
a2 a1 a4 a3
a2 a4 a3 a1
a3 a2 a4 a1
a4 a1 a3 a2
a4 a3 a2 a1
Cada uma dessas ordenaes chamada uma permutao simples. Podemos ver que o
nmero de tais permutaes bem grande. Note que, para apenas quatro objetos, temos 24
permutaes. O clculo do nmero de permutaes uma consequncia direta do princpio
da multiplicao.
Consideremos, ento, n objetos distintos a1 , a2 , . . . , an. Para a primeira posio, temos
n possibilidades. Para a segunda, escolhida a primeira, sobram n 1 objetos. Para a terceira,
escolhidas a primeira e a segunda posies, sobram n 2 objetos. Continuando, para a ltima
posio, escolhidas as n 1 anteriores, sobra apenas 1 objeto.
Pelo princpio da multiplicao, o nmero total de permutaes, que denotaremos por
Pn n (n 1) (n 2) 1, e esse nmero, por definio, o fatorial de n. Temos,
assim, o seguinte resultado.
Permutaes simples
(A.7)
68
Cinco moas e cinco rapazes tm que se sentar em cinco bancos de dois lugares, de
modo que em cada banco fique uma moa e um rapaz. De quantas maneiras podemos fazer
isso?
Soluo
Comecemos com as meninas. A primeira menina pode escolher qualquer dos 10 lugares.
Logo, ela tem 10 possibilidades. J a segunda menina s tem 8 possibilidades, porque ela no
pode sentar junto com a primeira. Analogamente, a terceira menina tem 6 possibilidades, a
quarta tem 4 e a quinta tem 2 possibilidades.
Definidas as posies das meninas, temos cinco rapazes para sentar em cinco lugares,
o que pode ser feito de 5! maneiras. Logo, o nmero total de possibilidades, pelo princpio
fundamental da multiplicao, 10 8 6 4 2 5! = 3.840 120 = 460.800.
EXEMPLO A.8 Anagramas1 de TEORIA
Anagrama: Palavra ou frase formada pela transposio das letras de outra palavra ou frase.
E dizem que a Iracema do romance de Alencar o anagrama de Amrica (Joo Ribeiro, Curiosidades verbais, p.
76).
A.4. ARRANJOS
69
A.4
Arranjos
10 9 8 7 =
=
=
(10 9 8 7) (6 5 4 3 2 1)
(6 5 4 3 2 1)
(10 9 8 7) 6!
6!
10!
10!
=
6!
(10 4)!
Vamos ver, agora, o caso geral. Para calcular o nmero de arranjos de k dentre n
objetos distintos, devemos notar que, para a primeira posio, existem n possibilidades. Para
a segunda, n 1 possibilidades. Para a k-sima e ltima posio, j foram escolhidos k 1
70
objetos; portanto, sobram n(k 1), ou seja, para a k-sima posio, h n(k 1) = nk +1
possibilidades.
Logo, o nmero total de arranjos de k elementos, tomados dentre n objetos distinos
n (n 1) (n k + 1) . Vamos denotar por Ank esse nmero.
Ank = n (n 1) (n k + 1)
Vamos usar o mesmo artifcio para simplificar essa frmula.
Ank = n (n 1) [n (k 1)]
= n (n 1) [n (k 1)]
n (n 1) (n k + 1) (n k) (n k 1) 2 1
=
(n k)!
n!
(n k)!
=
=
(n k)!
=
(n k)!
Arranjos simples
n!
(n k)!
(A.8)
20!
20 19 18 17!
=
= 20 19 18 = 6.840
17!
17!
71
De um grupo de 15 pessoas deve ser extrada uma comisso formada por um presidente,
um vice-presidente e um secretrio. Quantas comisses possvel formar?
Soluo
A ordem aqui importa, j que os cargos no so equivalentes. Assim, a soluo
3
A15
=
15!
= 12 11 10 = 1320
12!
O segredo de um cofre formado por uma sequncia de trs dgitos escolhidos entre
0, 1, 2, 3, 4, 5, 6, 7, 8, 9. Suponha que uma pessoa saiba que o segredo formado por trs
algarismos distintos. Qual o nmero mximo de tentativas que ela ter de fazer para abrir o
cofre?
Soluo
3
A10
A.5
Combinaes Simples
Objetos envolvidos
(1,2,3)
a1 a2 a3
a1 a3 a2
a2 a1 a3
a2 a3 a1
a3 a1 a2
a3 a2 a1
(1,2,4)
a1 a2 a4
a1 a4 a2
a2 a1 a4
a2 a4 a1
a4 a1 a2
a4 a2 a1
(1,2,5)
a1 a2 a5
a1 a5 a2
a2 a1 a5
a2 a5 a1
a5 a1 a2
a5 a2 a1
(1,3,4)
a1 a3 a4
a1 a4 a3
a3 a1 a4
a3 a4 a1
a4 a1 a3
a4 a3 a1
(1,3,5)
a1 a3 a5
a1 a5 a3
a3 a1 a5
a3 a5 a1
a5 a1 a3
a5 a3 a1
(1,4,5)
a1 a4 a5
a1 a5 a4
a4 a1 a5
a4 a5 a1
a5 a1 a4
a5 a4 a1
(2,3,4)
a2 a3 a4
a2 a4 a3
a3 a2 a4
a3 a4 a2
a4 a2 a3
a4 a3 a2
(2,3,5)
a2 a3 a5
a2 a5 a3
a3 a2 a5
a3 a5 a2
a5 a2 a3
a5 a3 a2
(2,4,5)
a2 a4 a5
a2 a5 a4
a4 a2 a5
a4 a5 a2
a5 a2 a4
a5 a4 a2
(3,4,5)
a3 a4 a5
a3 a5 a4
a4 a3 a5
a4 a5 a3
a5 a3 a4
a5 a4 a3
72
Esta listagem est organizada de modo que, em cada coluna, os objetos envolvidos so
os mesmos. Note o seguinte: como a ordem no importa, os elementos de cada coluna so
iguais, ou seja, s precisamos de um deles. Mas em cada coluna temos as permutaes dos
trs objetos envolvidos. Logo, o nmero de elementos em cada coluna neste exemplo 3! = 6.
Como s precisamos de um de cada 3!, o nmero total
60
5!
=
.
3!
2!3!
Ilustramos com esse exemplo o conceito e o clculo do nmero de combinaes simples
de n elementos distintos tomados k a k. Dado um conjunto de n elementos distintos, a
combinao dos n elementos tomados k a k nos d o nmero de subconjuntos com k elementos
(note que, em um conjunto, a ordem dos elementos no importa).
Combinaes simples
De um grupo de oito homens e cinco mulheres devem ser escolhidos trs homens e trs
mulheres para formar uma comisso. Quantas comisses podem ser formadas se Joo e Maria,
que pertencem ao grupo original, no aceitam participar em conjunto da comisso?
Soluo
8
5
O nmero total de comisses
= 126
2
2
2!5! 2!2!
2
2
Logo, o nmero de comisses em que Joo e Maria no esto juntos 560 126 = 434.
73
74
1
= 0, 000000019974.
50.063.860
= 6.300
1
4
4
2
. Logo,
2
n (n 1)
1
= 780 n2 n 1.560 = 0 n =
2
1 + 6.240
1 79
=
2
2
As razes de tal equao so n = 40 e n = 39. Como n tem que ser positivo, a soluo
n = 40 partidas.
A.6
75
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
1
1
1
1
1
Linha
0
1
2
3
4
5
6
..
.
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
2
3
1
1
1
1
1
1
1
..
.
1
2
1
1
1
1
1
1
1
1
1
1
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
2
3
1
3
1
1
1
1
76
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
2
3
4
1
3
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
1
1
1
1
..
.
1
2
3
4
1
3
6
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
1
1
1
1
..
.
1
2
3
4
Continuando com esse procedimento, obtm-se o tringulo de Pascal a seguir (note que
esse tringulo tem infinitas linhas e infinitas colunas...)
Linha
0
1
2
3
4
5
6
..
.
1
1
1
1
1
1
1
..
.
1
2
3
4
5
6
1
3
6
10
15
1
4
10
20
1
5
15
1
6
Os nmeros que aparecem em cada linha do tringulo nada mais so que os nmeros
binomiais. Numerando
as linhas e colunas do tringulo a partir de zero,
oelemento
da linha
n
n
n
n e coluna k
. Ento, em cada linha n, os elementos vo desde
at
.
k
0
n
0
1
2
3
4
5
6
..
.
0
1
1
1
1
1
1
1
1
1
2
3
4
5
6
1
3
6
10
15
1
4
10
20
1
5
15
1
6
0
0
0
1
0
2
0
3
0
4
0
5
0
6
0
1
1
2
1
3
1
4
1
5
1
6
1
2
2
3
2
4
2
5
2
6
2
3
3
4
3
5
3
6
3
4
4
5
4
6
4
5
5
6
5
6
6
1
3
6
1
4
1
1
1
77
Relao de Stifel
Demonstrao
n
n
+
=
k
k +1
=
=
=
n!
n!
=
+
k! (n k)! (k + 1)! (n k 1)!
n!
n!
+
=
k! (n k) (n k 1)! (k + 1) k! (n k 1)!
n! (k + 1) + n! (n k)
n! (k + 1 + n k)
=
=
(k + 1)! (n k)!
[(k + 1) k!] [(n k) (n k 1)!]
(n + 1)!
n+1
n! (n + 1)
=
=
(k + 1)! (n k)!
(k + 1)! (n k)!
k +1
Considere a n-sima linha do tringulo de Pascal e seja k < n. Ento, nk o elemento
n
que est na linha n avanado de k colunas em relao ao incio da linha; j nk
o
elemento que est na linha n atrasado
de k colunas em relao ao final da linha. Nmeros
n
combinatrios como nk e nk
so chamados combinaes complementares.
Demonstrao
n
nk
n!
n!
=
=
=
(n k)! [n (n k)]!
k! (n k)!
n
k
78
n
X
n
j=0
(A.12)
= 2n
Demonstrao
n
Como visto, o nmero combinatrio
d o nmero de subconjuntos de tamanho k de
k
um conjunto de tamanho n. Assim, na expresso (A.12), cada nmero combinatrio d o nmero
de subconjuntos de determinado tamanho e a soma deles d o nmero total de subconjuntos
de um conjunto de tamanho n. Mas para formar subconjuntos de tal conjunto podemos usar o
seguinte artifcio: cada elemento pode ser marcado com um + para indicar que pertence ao
subconjunto, ou com um , para indicar que no pertence ao subconjunto. O nmero total de
formas de fazer isso 2 2 2 2 = 2n e isso prova que o nmero total de subconjuntos
de um conjunto de tamanho n 2n e isso completa a prova.
Demonstrao
k
79
k
k
k +1
k +1
+
k
k +1
k +2
k +2
+
k
k +1
k +3
k +3
+
k
k +1
..
.
+n1
k +n2
k +n2
=
+
k +1
k
k +1
k +n
k +n1
k +n1
=
+
k +1
k
k +1
+n+1
k +n
k +n
=
+
k +1
k
k +1
Somando essas igualdades termo a termo, podemos ver que h parcelas iguais em lados
opostos, que podem ser simplificadas. Todos os termos do lado esquerdo, com exceo do
ltimo, cancelam com termos do lado direito e o que sobra :
k +n+1
k
k +1
k +2
k +3
k +n2
k +n1
k +n
=
+
+
+
+ +
+
+
k +1
k
k
k
k
k
k
k
ou seja
n
X
k +j
k +n+1
=
k
k +1
j=0
Binmio de Newton
n
X
n k nk
a x
k
k=0
Demonstrao
Vamos provar este resultado usando o mtodo da induo.
(A.13)
80
Suponhamos que o resultado seja vlido para n qualquer e vamos provar que vlido
para n + 1. Mais precisamente, temos as seguintes hiptese de induo e tese:
H.I. :
(x + a)n =
Tese :
(x + a)n+1
n
X
n k nk
a x
k
k=0
n+1
X
n + 1 k n+1k
=
a x
k
k=0
Demonstrao:
Usando propriedades de potncia e a hiptese de induo, podemos escrever:
(x + a)n+1 = (x + a)(x + a)n
n
X
n k nk
= (x + a)
a x
k
k=0
n
n
X
n k nk+1 X n k+1 nk
=
a x
+
a x
k
k
k=0
k=0
(x + a)n+1
"
# "n1
#
n
X n
n 0 n0+1 X n k nk+1
n
=
a x
+
a x
+
ak+1 x nk +
an+1 x nn
0
k
k
n
k=1
k=0
"
# "n1
#
n
X n
n 0 n+1 X n k nk+1
n
=
a x
+
a x
+
ak+1 x nk +
an+1 x 0
0
k
k
n
k=1
k=0
Note que ambos os somatrios tm n parcelas cada um. Vamos fazer uma mudana de
varivel no segundo somatrio, de modo que a potncia de a passe a ser j em vez de
k + 1. Mais precisamente, vamos definir
k =j 1
k =0j=1
k +1=j
k =n1j =n
81
"
# n
n
X
X
n
n n+1 0
n 0 n+1
n k nk+1
aj x nj+1 +
a x
=
a x
+
a x
+
j 1
n
0
k
j=1
k=1
"
# " n
#
n
X
n 0 n+1 X n k nk+1
n
n
=
a x
+
a x
+
ak x nk+1 +
an+1 x 0
0
k
k 1
n
(x + a)n+1
k=1
k=1
n+1
(x + a)
( n
)
X n
n 0 n+1
n
n n+1 0
k nk+1
=
a x
+
+
a x
+
a x
0
k
k 1
n
k=1
Note, agora, os nmeros combinatrios que aparecem entre colchetes: estamos somando
2 nmeros combinatrios consecutivos da linha n. Pela relao de Stifel, sabemos que
n
n
n+1
+
=
k
k 1
k
Sabemos, tambm, que
n
n+1
=
0
0
n
n+1
=
n
n+1
Substituindo esses resultados, obtemos que
n+1
(x + a)
n
n + 1 0 n+1 X n + 1 k nk+1
n + 1 n+1 0
=
a x
+
a x
+
a x
0
k
n+1
k=1
n+1
X
n + 1 k nk+1
=
a x
k
k=0
A.6.1
Aplicaes
82
3. Frmula de Euler:
r
X
m
n
m+n
=
k
rk
r
(A.14)
k=0
n
n
=
, o que nos d:
k
nk
2n
=
n
n
X
n
k
= n2n1
k
k=1
De fato:
X
n
n
n
X
X
n
n!
n!
k
=
k
=
k
k
k!(n k)!
k(k 1)!(n k)!
k=1
k=1
k=1
83
k=1
n
X
= n
k=1
k=1
(n 1)!
(k 1)!(n k)!
j=0
j=0
j=1
n
X
k=2
n
k(k 1)
= n(n 1)2n2
k
j=1
n1
X
=
j=1
n1
X
=
j=1
j=1
n1
X
n!
n!
(j + 1)j
=
j
(j + 1)j!!(n j 1)!
j(j 1)!(n j 1)!
j=1
n!
(j 1)!(n j 1)!
Fazendo j 1 = i
n
n2
n1
X
X
X
n
n!
n!
=
k(k 1)
=
(j 1)!(n j 1)!
i!(n i 2)!
k
k=2
i=0
j=1
n2
X
n(n 1)(n 2)!
=
i=0
i!(n 2 i)!
= n(n 1)
n2
X
n2
i=0
= n(n 1)2n2
84
n k nk
Tk =
a x
k
Analogamente, se n par
n
(x a)
Ento,
n
n
n
0 n
1 n1
=
(a) x +
(a) x
+
(a)2 x n2
0
1
2
n
n
n1 1
+ +
(a) x +
(a)n x 0
n1
n
T0 T1 + T2 + Tn1 + Tn
2
2n
n
n
n
n
= 2(T0 + T2 + + Tn2 + Tn ) = 2
+
+
+ +
0
2
4
n
n
n
n
= 2(T1 + T3 + + Tn3 + Tn1 ) = 2
+
+ +
1
3
n1
Logo, se n par
n
n
n
n
n
n
n
+
+
+ +
=
+
+ +
= 2n1
0
2
4
n
1
3
n1
8. Nmeros de Fibonacci e o tringulo de Pascal
O nmero de Fibonacci Fn definido como a soma dos elementos da nsima diagonal
inversa do tringulo de Pascal. Veja a Figura A.2
F0=1
F1=1
F2=2
F3=3
F4=5
F5=8
10
10
F6=13
15
20
15
F7=21
21
35
35
21
1
1
1
Fn
Fn
n
n1
n2
n3
n n2
=
+
+
+
+
n
0
1
2
3
2
n n1
n
n1
n2
n3
2
=
+
+
+
+
n1
0
1
2
3
2
n par
n mpar
85
Cada nmero na sequncia de Fibonacci a soma dos dois nmeros anteriores, isto :
Fn+2 = Fn + Fn+1
De fato: sem perda de generalidade, vamos supor n par (logo, n + 1 mpar e n + 2
par.)
n n2
n
n1
n2
n3
n n2 1
+
+
Fn + Fn+1 =
+
+
+
+
n
n
0
1
2
3
2 1
2
"
#
n + 1 n+11
n+1
n
n1
n2
2
+
+
+
+ +
n+11
0
1
2
3
2
n
n1
n2
n3
n + 1 n2
n n2
=
+
+
+
+
+
+
n
n
0
1
2
3
2 1
2
n+1
n
n1
n2
n + 1 n2
+
+
+
+ +
n
0
1
2
3
2
n+1
n
n
n1
n1
n2
n2
=
+
+
+
+
+
+
+ +
0
0
1
1
2
2
3
n + 1 n2
n n2
n + 1 n2
+
+
n
n
n
2 1
2
2
n+1
n+1
n
n1
n + 2 n2
n n2
=
+
+
+
+ +
+
n
n
0
1
2
3
2
2
Note os seguintes fatos:
n+1
n+2
=
0
0
n
n par = n = 2 =
2
n
n
2
n
2
n
=
2
n
2
n+2
=
n+2
2
n+2
2
n + 2 n2 + 1
=
n
2 +1
n+2
n+2
n+1
n
n1
n + 2 n2
=
+
+
+
+ +
+
n
n+2
1
2
3
0
2
2
n+2
2
= Fn+2