Vous êtes sur la page 1sur 104

Prof. Carlos UNIBAN Prof.

Ccero JosModesto

CAPTULO I - Reviso
ARREDONDAMENTO DE DADOS: De acordo com a resoluo 886/66 da Fundao IBGE, o arredondamento de dados feito da seguinte maneira: a) Quando o primeiro algarismo a ser abandonado 0, 1, 2, 3 ou 4, fica inalterado o ltimo algarismo a permanecer. Ex.: 53,24 passa a 53,2 b) Quando o primeiro algarismo a ser abandonado 6, 7, 8 ou 9, aumenta-se de uma unidade o algarismo a permanecer. Ex.: 42,87 passa a 42,9 25,08 passa a 25,1 53,99 passa a 54,0 c) Quando o primeiro algarismo a ser abandonado 5, h duas solues: I) Se o 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade ao algarismo a permanecer. Ex.: 2,352 passa a 2,4 25, 6501 passa a 25,7 76, 250002 passa a 76,3 II) Se o 5 for o ltimo algarismo ou se o 5 s se seguirem zeros, o ltimo algarismo a ser conservado s ser aumentado de uma unidade se for mpar. Ex.: 24,75 passa a 24,8 24,65 passa a 24,6 24,75000 passa a 24,8 24,65000 passa a 24,6 NOTA: No devemos nunca fazer arredondamentos sucessivos. Ex.: 17,3452 passa a 17,3 e no para 17,35 , para 17,4. Se tivermos necessidade de um novo arredondamento, fica recomendada a volta aos dados originais. Exerccios 1) Arredonde cada um dos numerais abaixo, conforme a preciso pedida: Para o dcimo: a) 23,40 d) 48,850002 g) 120,4500 b) 234,7832 e) 78,85 h) 129,98 c) 45,09 f) 12,35 i) 199,97 Para o centsimo: j) 46,727 k) 123,842 Para o dcimo: p) 26,65 q) 49,98 Para o milsimo: v) 42,3239 w) 59,5695 x) 446,4445 l) 253,65 m) 299,951 r) 67,57 s) 68,23 y) 265,3115 z) 265,0078 aa) 389,5467 n) 28,255 o) 37,485 t) 128,5 u) 39,49 bb) 295,8991 cc) 302,7895 dd) 2.995,1239

Prof. Carlos Modesto Prof. Ccero Jos UNIBAN

CAPTULO II - ESTATSTICA: Conceitos iniciais


1. Introduo Breve histrico
O termo Estatstica provm1 da palavra Estado e foi utilizado originalmente para denominar levantamentos de dados, cuja finalidade era orientar o Estado em suas decises. Neste sentido foi utilizado em pocas remotas para determinar o valor dos impostos cobrados dos cidados, para determinar a estratgia de uma nova batalha em guerras que se caracterizavam por uma sucesso de batalhas. (Era fundamental aos comandantes saber de quantos homens, armas, cavalos etc. dispunham aps a ltima batalha.) Atualmente, a estatstica definida da seguinte forma: Estatstica um conjunto de mtodos e processos quantitativos que serve para estudar e medir os fenmenos coletivos. A estatstica teve acelerado desenvolvimento a partir do sculo XVII, com os estudos de Bernoulli, Pascal, Laplace, Gauss, Galton, Pearson, Fisher, Poisson e outros que estabeleceram suas caractersticas atuais. Ela no alcanou ainda um estado definitivo. Continua a progredir na razo direta do desejo de investigao. A Estatstica considerada por alguns autores como Cincia no sentido do estudo de uma populao. considerada como mtodo quando utilizada como instrumento por outra Cincia. A Estatstica mantm com a Matemtica uma relao de dependncia, solicitando-lhe auxlio, sem o qual no poderia desenvolver-se. Com as outras Cincias mantm a relao de complemento, quando utilizada como instrumento de pesquisa. Em especial esta ltima a relao que a Estatstica mantm com a Administrao, Economia, Cincias Contbeis, servindo como instrumento auxiliar na tomada de decises. Portanto, a Estatstica fornece mtodos para a coleta, organizao, descrio, anlise e interpretao de dados e para a utilizao na tomada de decises. As estatsticas so usadas para tomar deciso. Por exemplo: . a relao entre o nmero de vagas e o nmero de candidatos de cada curso d ideia2 da probabilidade de aprovao. . as estatsticas de trnsito so teis para organizar o policiamento. . nos horrios de pico (horrio nobre) , o preo da propaganda , evidentemente, maior. Usam-se, tambm, os conhecimentos de Estatstica em outras reas to diversas como Engenharia, Medicina, Agronomia, Psicologia, Pedagogia, etc.

2. Objetivo da Estatstica 3. Variveis

Estatstica tem como objetivo o estudo dos fenmenos coletivos.

Varivel , convencionalmente, o conjunto de resultados possveis de um fenmeno.

3.1. Qualitativa: quando seus valores so expressos por atributos: sexo (masculinofeminino), cor da pele, estado civil, etc.
1

De acordo com a nova Reforma Ortogrfica 2009, permanecem os acentos que diferenciam o singular do plural dos verbos ter e vir, assim como de seus derivados (manter, deter, reter, conter, convir, intervir, advir etc.). Exemplo: Ele mantm a palavra. / Eles mantm a palavra. 2 De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o acento dos ditongos abertos i e i das palavras paroxtonas (palavras que tm acento tnico na penltima slaba). Exemplos: androide, colmeia, Coreia, epopeia, estreia, jiboia, joia, odisseia, paranoia, paranoico, plateia. Mas heri conserva seu acento, pois uma palavra oxtona.

Prof. Carlos Modesto Prof. Ccero Jos UNIBAN

3.2. Quantitativa: quando seus valores so expressos em nmeros: salrio, idade, nmero de filhos, etc. Uma varivel quantitativa que pode assumir, teoricamente, qualquer valor entre dois limites recebe o nome de varivel contnua; uma varivel que s pode assumir valores pertencentes a um conjunto enumervel recebe o nome de varivel discreta. Assim, o nmero de alunos de uma escola pode assumir qualquer um dos valores do conjunto N = {1, 2, 3, ..., 58, ...}, porm, nunca valores como: 2,5 ou 3,78 ou 4,325 etc. Logo, uma varivel discreta. J o peso desses alunos uma varivel contnua, pois um dos alunos tanto pode pesar 72 kg, como 72,5 kg, como 72,54 kg etc., dependendo esse valor da preciso da medida. De um modo geral, as medies do origem a variveis contnuas e as contagens ou enumeraes, as variveis discretas. Exerccios 2) Classifique as variveis em qualitativas ou quantitativas: a) cor dos cabelos dos alunos de uma escola. b) nmero de filhos de casais residentes em uma determinada rua. c) o ponto obtido em cada jogada de um dado. d) naturalidade das pessoas que vivem na cidade de So Paulo. e) escolaridade dos funcionrios de uma empresa. 3) Diga quais variveis so discretas e quais so contnuas: a) nmero de aes negociadas na bolsa. b) nmero de filhos de um certo casal. c) comprimento dos pregos produzidos por uma mquina. d) nmero de volumes na biblioteca da UNIBAN. e) salrio dos funcionrios de uma empresa.

Ao coletar os dados referentes s caractersticas de um grupo de objetos ou indivduos, tais como as alturas e pesos dos estudantes de uma universidade ou os nmeros de parafusos defeituosos ou no produzidos por uma fbrica em certo dia, muitas vezes impossvel ou impraticvel observar todo o grupo, especialmente se for muito grande. Em vez de examinar todo o grupo, denominado populao, examina-se uma pequena parte chamada amostra. necessrio garantir que a amostra seja representativa da populao, isto , a amostra deve possuir as mesmas caractersticas bsicas da populao, no que diz respeito ao fenmeno que desejamos pesquisar. preciso, pois, que a amostra ou as amostras que vo ser usadas sejam obtidas por processos adequados.

4. Populao e Amostra

Normalmente, no trabalho estatstico o pesquisador se v obrigado a lidar com grande quantidade de valores numricos resultantes de um Censo ou de uma estimao. Estes valores numricos so chamados dados estatsticos. No sentido de disciplina, a Estatstica ensina mtodos racionais para a obteno de informaes a respeito de um fenmeno coletivo, alm de obter concluses vlidas para o fenmeno e tambm permitir tomada de decises, atravs de dados estatsticos observados. Desta forma, a estatstica pode ser dividida em duas reas: a) Estatstica Descritiva a parte da Estatstica que tem por objetivo coletar, organizar e descrever os dados observados.

5. Dados Estatsticos

Prof. Ccero Jos UNIBAN

b) Estatstica Indutiva ou Inferencial a parte da Estatstica que tem por objetivo obter, interpretar e generalizar concluses a partir de uma amostra, atravs do clculo de probabilidade. O clculo de probabilidade que viabiliza a inferncia estatstica.

Quando fazemos n observaes diretas em um fenmeno coletivo ou observamos as respostas a uma pergunta em uma coleo de n questionrios, obtemos uma sequncia3 de n valores numricos. Tal sequncia denominada dados brutos. Dados brutos uma sequncia de valores numricos, no organizados, obtidos diretamente da observao de um fenmeno coletivo.

6. Dados Brutos

7. Rol

Quando ordenamos na forma crescente ou decrescente, os dados brutos passam a se chamar rol. Portanto, rol uma sequncia ordenada dos dados brutos.

Exemplo: No final do ano letivo, um aluno obteve as seguintes notas bimestrais em Matemtica: 4; 8; 7,5; 6,5. Neste exemplo, representamos por X a nota bimestral e pode ser apresentada na forma: ou X: 4; 8; 7,5; 6,5. (Dados brutos) X: 4; 6,5; 7,5; 8. (Rol)

8. Amostragem

Esta tcnica especial para recolher amostras denominada amostragem. Vejamos as principais tcnicas de amostragem:

8.1. Amostragem casual ou aleatria simples: equivalente a um sorteio lotrico. Pode ser realizada numerando-se a populao de 1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatrio qualquer, x nmeros dessa sequncia, os quais correspondero aos elementos pertencentes amostra. Exemplo: Vamos obter uma amostra, de 10%, representativa para a pesquisa da estatura de 90 alunos de uma escola: 1 numeramos os alunos de 1 a 90. 2 escrevemos os nmeros dos alunos, de 1 a 90, em pedaos iguais de papel, colocamos na urna e aps a mistura retiramos, um a um, nove nmeros que formaro a amostra. Observao: Quando o nmero de elementos da amostra muito grande, esse tipo de sorteio torna-se muito trabalhoso. Neste caso utiliza-se uma Tabela de nmeros aleatrios, construda de modo que os algarismos de 0 a 9 so distribudos ao acaso nas linhas e colunas. 8.2. Amostragem proporcional estratificada: Muitas vezes a populao se divide em subpopulaes4, denominadas estratos. Como, provavelmente, a varivel em estudo apresente, de estrato em estrato, um comportamento heterogneo e, dentro de cada estrato, um comportamento homogneo, convm que o sorteio dos elementos da amostra leve em considerao tais estratos.
3

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema, sinal colocado sobre a letra u para indicar que ela deve ser pronunciada nos grupos gue, gui, que, qui. Ateno: o trema permanece apenas nas palavras estrangeiras e em suas derivadas. Exemplos: Mller, mlleriano. 4 Com o prefixo sub, usa-se somente o hfen diante de palavra iniciada por r: sub-regio, sub-raa etc

Prof. Ccero Jos UNIBAN

exatamente isso que fazemos quando empregamos a amostragem proporcional estratificada, que, alm de considerar a existncia dos estratos, obtm os elementos da amostra proporcional ao nmero de elementos dos mesmos. Exemplo: Em uma escola estadual existem 250 alunos, distribudos conforme quadro. Obtenha uma amostra proporcional estratificada de 40 alunos. Sries 1 2 3 4 5 6 7 8 Total Nmero de alunos 35 32 30 28 35 32 31 27 250 Amostra

40

8.3. Amostragem sistemtica: Quando os elementos da populao j se acham ordenados, no h necessidade de construir o sistema de referncia. So exemplos os pronturios mdicos, os prdios de uma rua, as linhas de produo etc. Nestes casos, a seleo dos elementos que constituiro a amostra pode ser feita por um sistema imposto pelo pesquisador. A esse tipo de amostragem denominamos sistemtica. Assim, no caso de uma linha de produo, podemos, a cada dez itens produzidos, retirar um para pertencer a uma amostra da produo diria. Neste caso, fixamos o tamanho da amostra em 10% da populao. Exemplo: Suponhamos uma rua contendo 900 prdios, dos quais desejamos obter uma amostra 900 formada de 50 prdios. Usamos o seguinte procedimento: Como = 18, escolhemos por sorteio 50 casual um nmero de 1 a 18 (inclusive), o qual indicaria o primeiro elemento sorteado para a amostra; os demais elementos seriam periodicamente considerados de 18 em 18. Assim, se o nmero sorteado fosse o 4, tomaramos, pelo lado direito da rua, o 4 prdio, o 22, o 40 etc., at voltarmos ao incio da rua, pelo lado esquerdo. Exerccios
4) Uma cidade X apresenta o seguinte quadro relativo s suas escolas de Ensino Fundamental:

Escolas A B C D E F Total

Nmero de estudantes Masculino Feminino 80 95 102 120 110 92 134 228 150 130 300 290 876 955

AMOSTRA Masc. Fem.

Obtenha uma amostra proporcional estratificada de 120 estudantes masculinos e 120 femininos.

Prof. Ccero Jos UNIBAN

5) Uma populao encontra-se em trs estratos com tamanhos, respectivamente, n1 = 40, n2 = 100 e n3 = 60. Sabendo que, ao ser realizada uma amostragem estratificada proporcional, nove elementos da amostra foram retirados do 3o estrato, determine o nmero total de elementos da amostra. 6) A tabela abaixo mostra a performance de 6 montadoras de automveis em um determinado ms do ano de 2005. Sabendo-se que foram retiradas amostras estratificadas proporcionais, complete a tabela.

Montadora de automveis A B C D E F TOTAL

Quantidade de veculos produzidos 7200


5100 6900

Amostra Estratificada Proporcional


238 483 182 2065

7) Um fabricante de computadores produz 8700 mquinas por ms. O departamento de qualidade necessita de uma amostra sistemtica de 30 peas para teste. Sabendo que a 1 mquina selecionada foi a n 42, ento as prximas 4 mquinas foram respectivamente: (considere que todas as mquinas esto numeradas de 0001 a 8700) a) 42; 84; 126 e 168 c) 332; 622; 912 e 1202 b) 42; 142; 242 e 342 d) 332; 374; 416 e 458 8) A produo diria de uma indstria de 450 peas. Uma amostra sistemtica de tamanho 30 ser extrada de uma produo, comeando pela pea de nmero 10. Assinale a alternativa correspondente aos nmeros das cinco primeiros peas: a) 10 25 40 55 70 c) 10 12 14 16 18 b) 10 15 20 25 30 d) Nenhuma das anteriores 9) Construa o rol para a sequncia de dados brutos: a) X: 2, 4, 12, 7, 8, 15, 21, 20. b) Y: 3, 5, 8, 5, 12, 14, 13, 12, 18. c) Z: 12,2; 13,9; 14,7; 21,8; 12,2; 14,7. d) W: 8, 7, 8, 7, 8, 7, 9.

Prof. Ccero Jos UNIBAN

CAPTULO III - ESTATSTICA DESCRITIVA


1. Distribuio de frequncia5
1.1. Tabela de distribuio de frequncia:
Considere a relao de nmeros abaixo, referente s colgio: 166 160 161 150 162 162 161 168 163 156 155 152 163 160 155 154 161 156 172 153 alturas (em centmetros) dos alunos de um 160 173 155 157 165 160 169 156 167 155 151 158 164 164 170 158 160 168 164 161

Para lidarmos com a lista toda, interessante resumi-la, contando o nmero de pessoas com cada altura, fazendo uma tabela que denominamos distribuio de frequncia.

Altura (cm) 150 | 154 154 | 158 158 | 162 162 | 166 166 | 170 170 | 174 Total

Frequncia 4 9 11 8 5 3 40

1.2. Elementos de uma distribuio de frequncia: Classe: Classes de frequncia ou, simplesmente, classes so intervalos de variao da varivel. Limites de classe: Denominamos limites de classe os extremos de cada classe. Ex.: limite inferior (li) limite superior (Li) Amplitude de um intervalo de classe (h): Amplitude de um intervalo de classe a medida do intervalo que define a classe. h = Li li Amplitude total da distribuio: Amplitude total da distribuio (AT) a diferena entre o limite superior da ltima classe (limite superior mximo) e o limite inferior da primeira classe (limite inferior mnimo). AT = Lmax lmin Amplitude amostral da distribuio: Amplitude amostral da distribuio (AA) a diferena entre o valor mximo e o valor mnimo da distribuio. AA = xmax xmin
5

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema.

Prof. Ccero Jos UNIBAN

Ponto mdio de uma classe: Ponto mdio de uma classe (xi) , como o prprio nome indica, o ponto que divide o intervalo de classe em duas partes iguais. 1.3. Tipos de frequncia: Frequncia absoluta (fi) Frequncia absoluta ou, simplesmente, frequncia de uma classe ou de um valor individual o nmero de observaes correspondentes a essa classe ou a esse valor. Frequncia relativa (fri) Frequncias relativas so os valores das razes entre as frequncias absolutas e a frequncia total. f fri = i fi Frequncia relativa percentual (fri%) Frequncias relativas so os valores das razes entre as frequncias absolutas e a frequncia total escritas na forma percentual. f fri = i x 100 fi Frequncia acumulada (Fac) Frequncia acumulada o total das freqncias de todos os valores inferiores ao limite superior do intervalo de uma dada classe. Fac = f1 + f2 + ..... + fk ou Fac = fi (i = 1 , 2 , . . . , k) Frequncia acumulada relativa (Far) Frequncia acumulada relativa de uma classe a frequncia acumulada da classe, dividida pela frequncia total da distribuio. F Far = ac fi 1.4. Nmero de intervalos de classes: O nmero de classes a ser utilizado depende muito da experincia do pesquisador e das questes que ele pretende responder com a varivel contnua. H dois mtodos para a determinao do nmero de classes, que so: a) Critrio da raiz Se a sequncia estatstica contm n elementos e se indicarmos por i o nmero de classes a ser utilizado, ento pelo critrio da raiz, que , i = n . Como o nmero i de classes deve ser necessariamente um nmero inteiro e como dificilmente n , um nmero inteiro, deixaremos como opo para o valor de i o valor inteiro mais prximo de n , uma unidade a menos ou a mais que este valor. b) Frmula de Sturges Existem outros critrios para a determinao do nmero de classes como, por exemplo, a frmula de Sturges. Segundo Sturges, o nmero i de classes dado por i 1 + 3,3 . log n.

Prof. Ccero Jos UNIBAN

Para valores de n muito grandes, esta frmula apresenta mais vantagem que o critrio da raiz, embora apresente o mesmo problema de aproximao do valor de i. AT . A amplitude do intervalo de classe que designamos por h determinada por: h = i

Exemplo: Uma empresa automobilstica selecionou ao acaso, uma amostra de 40 revendedores autorizados em todo o Brasil e anotou em determinado ms o nmero de unidades adquiridas por estes revendedores. Observe os seguintes dados. Construa uma tabela de frequncias.
10 9 7 15 15 14 18 18 25 19 17 22 21 20 28 20 6 32 35 25 23 18 22 28 15 16 19 30 21 26 39 16 26 24 18 12 32 20 21 20

Exerccios
10) Conhecidas as notas de 50 alunos, obtenha uma distribuio de frequncia com intervalos de classes iguais a 10. 84 74 59 67 65 68 71 80 41 94 33 81 41 78 66 52 91 50 56 48 47 65 53 94 39 73 55 65 35 69 68 57 76 45 89 61 35 85 55 98 73 85 73 64 42 77 88 60 74 54

Determine: a) a frequncia relativa b) a frequncia acumulada c) a frequncia acumulada relativa

d) o intervalo de maior frequncia e) o limite inferior da 5a classe f) a amplitude total da distribuio

11) Considerando os resultados de 100 lanamentos de um dado, forme uma distribuio de frequncia com esses dados. 4 4 3 1 3 5 5 1 5 6 5 5 3 4 4 5 3 1 4 3 2 5 5 6 5 3 2 2 3 6 1 6 6 1 2 6 4 6 2 2 5 3 3 6 6 3 4 3 3 4 2 4 4 5 3 4 4 5 3 6 2 3 6 2 5 4 5 6 6 6 5 3 5 5 5 6 4 6 1 4 6 5 1 3 1 3 2 3 2 3 2 5 4 3 6 3 4 6 3 1

Prof. Ccero Jos UNIBAN

10

12) Uma pesquisa sobre a idade, em anos, de uma classe de calouros de uma faculdade, revelou os seguintes valores: 18 17 18 20 21 19 20 18 17 19 20 18 19 18 19 21 18 19 18 18 19 19 21 20 17 19 19 18 18 19 18 21 18 19 19 20 19 18 19 20 18 19 19 18 20 20 18 19 18 18 Determine as frequncias absolutas relativas, frequncias acumuladas e frequncias acumuladas relativas.

2. Grficos Estatsticos
O grfico estatstico uma forma de apresentao dos dados estatsticos, cujo objetivo o de produzir, no investigador ou no pblico em geral, uma impresso mais rpida e viva do fenmeno em estudo, j que os grficos falam mais rpido compreenso que as sries.

2.1. Grfico em linhas Este tipo de grfico se utiliza da linha poligonal para representar a srie estatstica. O grfico em linha constitui uma aplicao do processo de representao das funes num sistema de coordenadas cartesianas.
Produo Brasileira de leo de Dend
80 mil toneladas 60 40 20 0 1987 1988 1989 1990 1991 1992

anos

fig. 3.1.

2.2. Grfico em colunas (vertical) a representao de uma srie por meio de retngulos, dispostos verticalmente (em colunas). Os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dados.
Dvida Externa do Brasil
120000 Valor total ( em US$ milhes ) 100000 80000 60000 40000 20000 0 1968 1972 1976 1980 1984 1987 anos 3780 9874 28630 60024 111843 97798

fig. 3.2.

Prof. Ccero Jos UNIBAN

11

2.3. Grfico em barras (horizontal) a representao de uma srie por meio de retngulos, dispostos horizontalmente (em barras). Os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dados.
Dvida Externa do Brasil
1987 1984 1980 anos 1976 1972 1968 0 9874 3780 20000 40000 60000 80000 100000 120000 28630 60024 97798 111843

Valor total (em US$ milhes)


fig. 3.3.

2.4. Grfico em setores (popular grfico de pizza) Este grfico construdo com base em um crculo, e empregado sempre que desejamos ressaltar a participao do dado no total.
BIBLIOTECAS DO BRASIL - 1974
12% 31% 11% Federal Estadual Municipal Particulares 46%

fig. 3.4.

2.5. Histograma O Histograma formado por um conjunto de retngulos justapostos, cujas bases se localizam sobre o eixo horizontal, de tal modo que seus pontos mdios coincidam com os pontos mdios dos intervalos de classe.
Estatura dos alunos da Escola A.B.C.
12 10 8 6 4 2 0 11 9 4 8 5 3 158 162 166 170 174

Freqncia

154

Estatura (cm )

fig. 3.5.

Prof. Ccero Jos UNIBAN

12

2.6. Polgono de frequncia O polgono de frequncia um grfico em linha, sendo as frequncias marcadas sobre perpendiculares aos eixos horizontais, levantados pelos pontos mdios dos intervalos de classe.
Estatura dos alunos do Colgio X.Y.Z.
Freqncia

15 10 5 4 156 160 164 0 0 148 152 9 11 8 5 168

3 172

0 176

Estatura (cm )

fig. 3.6.

2.7. Pictograma O pictograma constitui um dos processos grficos que melhor fala ao pblico, pela sua forma ao mesmo tempo atraente e sugestiva. A representao grfica consta de figuras.

fig. 3.7.

2.8. Cartograma a representao grfica sobre uma carta geogrfica. Este grfico empregado quando o objetivo o de figurar os dados estatsticos diretamente relacionados com reas geogrficas ou polticas.

fig. 3.8.

Prof. Ccero Jos UNIBAN

13

2.9. Grfico em colunas mltiplas geralmente empregado quando queremos representar, simultaneamente, dois ou mais fenmenos estudados com o propsito de comparao.

fig. 3.9.

Exerccios
13) Confeccione o histograma e o polgono de frequncia da tabela abaixo:

Pesos (kg) 40 | 44 44 | 48 48 | 52 52 | 56 56 | 60 Total

fi 2 5 9 6 4 26

Prof. Ccero Jos UNIBAN

14

14) A tabela abaixo representa uma distribuio de frequncia das reas de 400 lotes:
reas (m2) N de lotes 300 | 400 | 500 | 600 | 700 | 800 | 900 | 1.000 | 1.100 | 1.200

14

46

58

76

68

62

48

22

Com referncia a essa tabela, determine: a) a amplitude total; b) o limite superior da quinta classe; c) o limite inferior da oitava classe; d) o ponto mdio da stima classe; e) a amplitude do intervalo da segunda classe; f) a frequncia da quarta classe; g) a frequncia relativa da sexta classe; h) a frequncia acumulada da quinta classe; i) o nmero de lotes cuja rea no atinge 700 m2; j) o nmero de lotes cuja rea atinge e ultrapassa 800 m2; k) a porcentagem dos lotes cuja rea no atinge 600 m2; l) a porcentagem dos lotes cuja rea seja maior ou igual a 900 m2; m) a porcentagem dos lotes cuja rea de 500 m2, no mnimo, mas inferior a 1 000 m2; n) a classe do 72 lote; o) at que classe esto includos 60% dos lotes. 15) A distribuio abaixo indica o nmero de acidentes ocorridos com 70 motoristas de uma empresa de nibus:

Determine: a) O nmero de motoristas que no sofreram nenhum acidente; b) O nmero de motoristas que sofreram pelo menos 4 acidentes; c) O nmero de motoristas que sofreram menos de 3 acidentes; d) A percentagem de motoristas que sofreram no mnimo 3 e no mximo 5 acidentes; e) A percentagem de motoristas que sofreram no mximo 2 acidentes.

N de acidentes N de motoristas

0 20

1 10

2 16

3 9

4 6

5 5

6 3

7 1

16) Construa a distribuio de frequncias para a srie abaixo que representa o nmero de acidentes em determinado cruzamento observados, durante 40 dias. Nmeros de acidentes Nmeros de por dia (xi) dias (fi) 0 30 1 5 2 3 3 1 4 1 40 Total 17) Complete o quadro de distribuio de frequncias.

Classe 1 2 3 4 5

Int. classe 6 | 10 10 | 14 14 | 18 18 | 22 22 | 26

fi 1 _____ _____ _____ 2 20

fri
0,25 _____ _____ _____ _____

Fac _____ _____ 14 _____ _____

Far _____ _____ _____ 0,90 _____

Prof. Ccero Jos UNIBAN

15

18) Complete os dados que esto faltando na distribuio de frequncia: i 1 2 3 4 5 6 7 8 xi 0 1 2 3 4 5 6 7 fi 1 _____ 4 _____ 3 2 _____ _____ = 20 fri 0,05 0,15 _____ 0,25 0,15 _____ _____ _____ = 1,00 Fac _____ 4 _____ 13 _____ 18 19 _____

19) O Departamento Pessoal de certa firma fez um levantamento dos salrios dos 150 funcionrios do setor administrativo, obtendo os seguintes resultados:

Classe 1 2 3 4 5 6 7 8 9

Faixa salarial (SM) 0 | 2 2 | 4 4 | 6 6 | 8 8 | 10 10 | 12 12 | 14 14 | 16 16 | 18

N de funcionrios 30 36 21 18 15 12 9 6 3

Com referncia a essa tabela, determine: a) determine as frequncias simples relativas, frequncias absolutas acumuladas e frequncias relativas acumuladas. b) a frequncia da quinta classe. c) a frequncia relativa da oitava classe. d) a frequncia acumulada da sexta classe. e) o nmero de funcionrios que ganham at 10 salrios (exclusive). f) o nmero de funcionrios que ganham acima de 12 salrios. g) a porcentagem dos funcionrios que ganham menos de 8 salrios. h) a porcentagem dos funcionrios que ganham no mnimo, 4 salrios e no mximo, 16 salrios (exclusive). i) o intervalo de maior frequncia. j) at que classe esto includos 60% dos salrios. k) construa o histograma e o polgono de frequncias.

20) (Unifor-CE) Em certa eleio municipal foram obtidos os seguintes resultados:

Candidato
A B C nulos ou em branco

Porcentagem do total de votos 26% 24% 22%

Nmeros de votos

196 d) 188 e) 191

O nmero de votos obtido pelo candidato vencedor foi: a) 178 b) 182 c) 184

Prof. Ccero Jos UNIBAN

16

21) Numa escola, os alunos devem optar por um, e somente um, dos trs idiomas: ingls, espanhol ou francs. A distribuio da escolha de 180 alunos est indicada pelo grfico ao lado. Sabendo que o ngulo do setor representado pelos alunos que escolheram ingls 252 e que apenas 18 alunos optaram por estudar francs, determine: a) o ngulo do setor correspondente a francs; b) o nmero de alunos que optaram por espanhol e o ngulo correspondente.

Espanhol

Francs

Ingls
22) (FGV-SP) No grfico abaixo est representado, no eixo das abscissas (eixo horizontal), o nmero de DVDs alugados por semana numa vdeo locadora, e no eixo das ordenadas (eixo vertical) a correspondente frequncia (isto , a quantidade de pessoas que alugaram os correspondentes nmeros de DVDs):
30 25 20 15 10 5 1 2 3 4 5 6

a) Qual a porcentagem de pessoas que alugaram 4 ou mais DVDs? b) Se cada DVD foi alugado por R$ 4,00, qual a receita semana da vdeo locadora?

3. ndices, Coeficientes e Taxas


Quando quisermos fazer comparaes entre duas grandezas, poderemos ter tanto um ndice quanto um coeficiente, ou mesmo uma taxa. Embora na prtica seja muito comum a utilizao de tais termos como sinnimos, eles apresentam algumas diferenas.

3.1. ndice a comparao entre duas grandes independentes.


ndice ceflico = dimetro transverso do crnio x 100 dimetro longitudinal do crnio idade mental Quociente intelectual = x 100 idade cronolgica populao Densidade demogrfica = superfcie

Prof. Ccero Jos UNIBAN

17

3.2. Coeficiente a comparao entre duas grandezas em que uma est contida na outra.
Coeficiente de natalidade = nmero de nascimentos populao total nmero de bitos Coeficiente de mortalidade = populao total nmero de aprovados Coeficiente de aproveitamento escolar = total de alunos

3.2.1. Coeficientes educacionais


Coeficiente de evaso escolar = nmero de alunos evadidos nmero inicial de matrculas nmero de alunos aprovados Coeficiente de aproveitamento escolar = nmero final de matrculas nmero de alunos recuperados Coeficiente de recuperao escolar = nmero de alunos em recuperao

3.3. Taxa a mesma coisa que o coeficiente, apenas apresentando-se multiplicada por 10n (10, 100, 1 000 etc.) para tornar mais inteligvel o fator. Taxa = coeficiente x 10n Exemplo: nmero de bitos: 80 080 populao total: 520 000
coeficiente de mortalidade = 80 080 = 0,154 520 000

Ento o coeficiente de mortalidade de 0,154, o que significa 0,154 bito por habitante. Porm, se multiplicarmos por 1 000, teremos a taxa de mortalidade, de interpretao muito mais clara. Taxa de mortalidade = 0,154 x 1 000 = 154%o

3.3.1. Taxas de acidentes de trabalho


Taxa de frequncia = nmero de acidentes x 1.000.000 n total de operrios-hora
o

Taxa de gravidade =

nmero de horas perdidas pelos acidentes x 1.000.000 n o total de operrios-hora

4. Razes especficas de grande aceitao


Existem algumas razes que, pela sua aceitao, aparecem constantemente em jornais, revistas e livros dentro de assuntos relativos a aspectos econmicos e administrativos. As mais utilizadas so:

Prof. Ccero Jos UNIBAN

18

4.1. Conceitos per capita a) Produo per capita Utilizada para medir a produtividade. A produo per capita de um pas, estado, municpio ou valor total da produo da regio (empresa) no perodo . empresa obtm-se dividindo: populao total da regio (empresa) no perodo b) Consumo per capita De maneira geral, serve para medir o padro de vida, embora muitas vezes seja calculado especificamente para determinados produtos tais como, leite, caf, carne etc. calculado da seguinte consumo nacional do bem no perodo forma: . populao nacional no perodo c) Renda per capita a mais conhecida e utilizada, sendo publicada pelo governo e expressa em dlares. calculada renda nacional em (ano) pela diviso: populao nacional em (ano) d) Receita per capita Utilizada pelas entidades pblicas e privadas que trabalham com oramentos. obtida da seguinte receita da prefeitura "A" no perodo forma: populao da regio "A" no perodo 4.2. Taxas biomtricas So teis Economia pela estreita interdependncia6 entre os fenmenos econmicos e os fenmenos da populao. Geralmente se apresentam multiplicados por 1 000 e as mais usadas so:
nmero de nascimentos x 1 000 populao total nmero de bitos b) Taxa de mortalidade: x 1 000 populao total nmero de casamentos c) Taxa de nupcialidade: x 1 000 populao da regio d) Taxa de morbidade: calculada para cada doena particular. nmero de acometidos por (doena) no municpio X x 1 000 populao do municpio X

a) Taxa de natalidade:

e) Taxa de acidentes de trabalho: divide-se em 2 tipos: taxa de frequncia e taxa de gravidade, sendo apresentadas multiplicadas por 1 000 000. nmero de acidentes taxa de freqncia = x 1 000 000 nmero total de operrios-hora
taxa de gravidade = nmero de horas perdidas em razo de acidente x 1 000 000 nmero total de operrios-hora

De acordo com a nova Reforma Ortogrfica 2009, quando o prefixo termina por consoante, usa-se o hfen se o segundo elemento comear pela mesma consoante. Exemplo: inter-regional. Nos demais casos no se usa o hfen.

Prof. Ccero Jos UNIBAN

19

CAPTULO IV - Medidas de Tendncia Central


At agora, estudamos de um modo geral, os grupos de valores que uma varivel pode assumir. Assim que podemos localizar a maior concentrao de valores de uma dada distribuio, isto , se ela se localiza no incio, no meio ou no final, ou ainda, se h uma distribuio por igual. Porm, para ressaltar as tendncias caractersticas de cada distribuio, isoladamente, ou em confronto com outras, necessitamos introduzir conceitos que se expressem atravs de nmeros, que nos permitam traduzir essas tendncias. Esses conceitos so denominados elementos tpicos da distribuio e so as: medidas de posio medidas de variabilidade ou disperso medidas de assimetria As mais importantes das medidas de posio so as medidas de tendncia central, as quais recebem tal denominao pelos dados observados tenderem, em geral, a se agrupar em torno dos valores centrais. Dentre as medidas de tendncia central destacamos: a mdia aritmtica simples a mediana a mdia aritmtica ponderada a moda

1. Mdia Aritmtica simples ( x )


A mdia aritmtica simples de um conjunto de nmeros igual ao quociente entre a soma dos valores do conjunto e o nmero total de valores. o ponto de equilbrio entre os dados. Exemplo: Suponha que um escritrio de consultoria h cinco funcionrios que recebem os seguintes salrios mensais: R$ 1 800,00, R$ 1 780,00, R$ 1 820,00, R$ 1 810,00 e R$ 1 790,00. A mdia aritmtica dos salrios ou o salrio mensal dos contnuos desse escritrio ser de R$ 1 800,00, de acordo com a definio. 1 800 + 1 780 + 1 820 + 1 810 + 1 790 x = = 1 800 5 Podemos estabelecer uma frmula geral para a mdia. Sejam n nmeros x1, x2, x3, ..., xn. Os nmeros logo abaixo dos diversos x so chamados ndices. Utilizaremos o smbolo x (x barra) para x + x 2 + ... + x n indicar a mdia. Podemos, ento, escrever: x = 1 . n A mdia um exemplo de medida estatstica. Uma medida estatstica um nmero utilizado para resumir as propriedades de um conjunto de nmeros. Podemos economizar a escrita utilizando a notao de somatrio. Nessa notao, empregamos a letra grega sigma maisculo: . A expresso x significa somar todos os valores de x. Podemos escrever a mdia como x = ( x)/ n, como
n i =1

x i que indica que partimos de i = 1 e prosseguimos at

i = n.

2. Mdia Aritmtica ponderada A mdia aritmtica considerada ponderada quando os valores do conjunto tiverem pesos diferentes. Tratando-se de mdia simples, todos os valores apresentam igual peso. Obtm-se uma mdia aritmtica ponderada atravs do quociente entre o produto dos valores da varivel pelos respectivos pesos e soma dos pesos.

Prof. Ccero Jos UNIBAN

20

Assim, por exemplo, um professor pode realizar quatro provas por ano em sua matria, atribuindo a cada uma delas os seguintes pesos: 1, 2, 3, 4. Se um aluno tiver recebido as notas 8, 7, 9 e 9, nessa ordem, sua nota final ser a mdia aritmtica ponderada 8,5, obtida da seguinte maneira: Mdia final = (8 x 1) + (7 x 2) + (9 x 3) + (9 x 4) 8 + 14 + 27 + 36 85 = = = 8,5 1+2+3+4 10 10

3. Mediana e Moda para dados no agrupados (Dados brutos)


3.1. Mediana (Md):
Outra medida estatstica til a mediana. A mediana o ponto, ou elemento, a meio caminho dos dados, isto , metade dos nmeros est acima dela e metade abaixo. Para calcular a mediana, devemos primeiro ordenar a lista de nmeros. De posse de uma grande lista de nmeros, pouco proveito se pode tirar dela, a menos que possamos resumi-la. Por exemplo, suponha que uma pessoa que est gerenciando uma pizzaria e que mantm um controle de vendas dos diversos tipos de pizza. Suponha ainda que tenha observado os seguintes valores de vendas dirias de pizzas do tipo calabresa durante um perodo de 9 dias: 40, 56, 38, 38, 63, 59, 52, 49, 46. Segue-se a lista de valores de pizza tipo calabresa, em ordem decrescente: 1. 63 4. 52 7. 40 2. 59 5. 49 8. 38 3. 56 6. 46 9. 38 Para esta lista, a mediana 49. Quatro valores so maiores do que 49, e quatro so menores. (Para uma relao muito grande de nmeros, convm utilizar um computador para orden-los. Note que poderamos igualmente ter adotado a ordenao crescente). No caso de um nmero mpar de elementos, fcil achar o nmero (nico) que est no meio. Mas, e se tivermos uma relao com um nmero par de elementos? Suponhamos a seguinte lista de observaes dirias de pizza de cogumelo:

1. 53 2. 52

3. 49 4. 48

5. 47 6. 46

7. 44 8. 41

Os valores j esto ordenados, mas aqui no podemos achar um nmero (nico) que esteja exatamente no meio. Neste caso, a mediana igual ao nmero que est a meio caminho entre os dois nmeros mais prximos do meio. Esses nmeros so 48 e 47 (o quarto e o quinto valores), de modo que a mediana est a meio caminho entre 47 e 48, ou seja, 47,5. Pode-se tambm encarar a mediana como a mdia dos dois nmeros do meio: 47,5 = (47 + 48)/ 2. Tal como a mdia, a mediana uma medida do que chamamos tendncia central da distribuio. Em outras palavras, a mdia ou a mediana d, em geral, uma boa idia do tamanho do nmero que provavelmente obteremos se escolhermos aleatoriamente um valor da lista. H ocasies em que a mediana constitui melhor medida de tendncia central do que a mdia. Suponhamos, por exemplo, que os valores abaixo representem vendas de pizza tipo bacon/abacaxi por um perodo de 9 dias: 36, 35, 37, 29, 39, 36, 340, 35, 36 Observe que, certo dia, um grande nibus com amantes de pizza tipo bacon/abacaxi chegou ao seu estabelecimento; as vendas desse tipo de pizza foram muito maiores naquele dia. Calculando a 623 = 69,22. mdia desses valores, obtemos: 9

Prof. Ccero Jos UNIBAN

21

Entretanto, nenhum dos valores est prximo de 69,22. Ordenemos ento a sequncia 340, 39, 37, 36, 36, 36, 35, 35, 29. Verificamos que a mediana 36. Neste caso, o valor da mediana d uma ideia muito melhor do nmero provvel das vendas em determinado dia. Em geral, quando uma relao de valores contm um valor extremo (muito acima ou muito abaixo dos outros valores da lista), a mdia no uma medida muito representativa. A mediana constitui melhor medida de tendncia central. Mas a mdia mais fcil de calcular, sendo, por isso, utilizada com maior frequncia. Quando uma distribuio de nmeros razoavelmente simtrica, sem valores extremamente altos ou baixos, os valores da mdia e da mediana em geral so muito prximos um do outro.

NOTAS: O valor da mediana pode ou no coincidir com um elemento da srie, como vimos. Quando o nmero de elementos da srie mpar, h a coincidncia. O mesmo no acontece, porm quando esse nmero par. A mediana e a mdia aritmtica no tm, necessariamente, o mesmo valor. A mediana, como vimos, depende da posio e no dos valores dos elementos da srie ordenada. Essa uma das diferenas marcantes entre a mediana e a mdia (que se deixa influenciar, e muito, pelos valores extremos). Esta propriedade da mediana pode ser constatada atravs dos exemplos a seguir:
5, 7, 10, 13, 15 5, 7, 10, 13, 65 x = 10 e Md = 10 x = 20 e Md = 10

Isto , a mdia do segundo conjunto de valores a maior do que a do primeiro, por influncia dos valores extremos, ao passo que a mediana permanece a mesma. A mediana designada, muitas vezes, valor mediano.

3.2. Determinao da posio da mediana a) O nmero de valores observados mpar:


n+1 P= 2
0

(onde n o nmero de elementos da amostra)

b) O nmero de valores observados par


n P= 2
0

n eP= +1 2

3.3. Emprego da Mediana Empregamos a mediana: Quando desejamos obter o ponto que divide a distribuio em partes iguais; Quando h valores extremos que afetam de uma maneira acentuada a mdia. 3.4. Moda (Mo): Outra medida estatstica interessante a moda. A moda o valor que ocorre com maior frequncia. Quanto sua classificao podemos dizer que uma distribuio : unimodal (possui 1 moda), bimodal (possui 2 modas), trimodal (possui 3 modas), polimodal (possui mais de 3 modas) e amodal (no possui moda).

Prof. Ccero Jos UNIBAN

22

3.5. Emprego da Moda A moda utilizada: Quando desejamos obter uma medida rpida e aproximada de posio; Quando a medida de posio deve ser o valor mais tpico da distribuio. 3.6. As expresses grficas da moda Na curva de frequncia a moda o valor corresponde, no eixo das abscissas, ao ponto de ordenada mxima. Assim, podemos ter:

fig. 4.1.

4. Mdia, Mediana e Moda para dados agrupados sem intervalos de classe


4.1. Mdia
Considere as notas obtidas por 25 alunos, numa avaliao de Biologia, distribudas na tabela abaixo. Determine a mdia, a mediana e a moda.

Prof. Ccero Jos UNIBAN

23

Nota 4,0 5,5 6,0 8,5 9,0 10,0 Total Procedimentos:


1) Obter xi.fi de cada classe

Frequncia 1 5 3 8 5 3 25

xi . f i

Fac

X =

2) Obter

xi.fi

3) Obter

x i fi n

4.2. Mediana Para o clculo da mediana, devemos obter a frequncia acumulada. Calculamos o elemento fi 26 n 26 central = =13 , ou = = 13 . Depois, observamos na coluna onde se encontra o valor 13 2 2 2 2 (4 classe). Portanto, o valor da mediana 8,5 (Md = 8,5). 4.3. Moda Para o clculo da moda, devemos observar a classe de maior frequncia absoluta simples. Neste caso, a moda 8,5, pois h 8 pessoas com essa nota (Mo = 8,5).

5. Mdia, Mediana e Moda para dados agrupados com intervalos de classe


5.1. Mdia
Foram medidas as alturas de alunos de certa turma. Os dados esto tabelados na tabela abaixo:

i 1 2 3 4 5 6

Estaturas (cm) 150 | 154 154 | 158 158 | 162 162 | 166 166 | 170 170 | 174

fi 4 9 11 8 5 3 = 40
,

xi

xi f i

Neste caso temos:

x ifi =

fi =

e x=

x ifi n

Prof. Ccero Jos UNIBAN

24

5.2. Mediana i 1 2 3 4 5 6 Estaturas (cm) 150 | 154 154 | 158 158 | 162 162 | 166 166 | 170 170 | 174 fi 4 9 11 8 5 3 = 40 Fac 4 13 24 32 37 40
0

Temos:

fi 2

40 = 20 2

Como h 24 valores includos nas trs primeiras classes da distribuio e como pretendemos determinar o valor que ocupa o 20o lugar, a partir do incio da srie, vemos que este deve estar localizado na terceira classe (i = 3), supondo que as frequncias dessas classes estejam uniformemente distribudas. Como h 11 elementos nessa classe e o intervalo de classe igual a 4, devemos tomar, a partir do limite inferior, a distncia: 20 13 7 4 = 4 11 11 e a mediana ser dada por: Md = 158 + 7 28 4 = 158 + = 158 + 2,54 = 160,54 11 11 Logo: Md = 160,5 cm

Generalizando, temos a seguinte frmula: n Facant 2 Md = lmd + f md


h

5.3. Moda i 1 2 3 4 5 6 Estaturas (cm) 150 | 154 154 | 158 158 | 162 162 | 166 166 | 170 170 | 174 fi 4 9 11 8 5 3 = 40 Fac 4 13 24 32 37 40

classe modal (maior frequncia = 11)

Prof. Ccero Jos UNIBAN

25

5.4. Moda Bruta: Mo =

158+162 = 160 2 D1 h mo D1 + D 2

5.5. Frmula de Czuber: Mo = lmo +


Onde:
D 1: D 2:

diferena entre as frequncias da classe modal e a anterior (fmo fant ) diferena entre as frequncias da classe modal e a posterior (fmo fpost)

No exemplo, temos: Mo = 158+

(11 9 ) 4 = 158 + (11 9 ) + (11 8 )

8 = 159,6 cm . 5

6. Posio relativa da Mdia, Mediana e Moda


Quando uma distribuio simtrica as trs medidas coincidem, porm, a assimetria torna-as diferentes e essa diferena tanto maior quanto maior for a assimetria. Assim, em uma distribuio em forma de sino, temos: x = Md = Mo, no caso da curva simtrica; Mo < Md < x , no caso da curva assimtrica positiva; x < Md < Mo, no caso da curva assimtrica negativa.

fig. 4.2.

Prof. Ccero Jos UNIBAN

26

7. Utilizao das Medidas de Tendncia Central


Na maioria das situaes, no necessitamos calcular as trs medidas de tendncia central. Normalmente precisamos de apenas uma das medidas para caracterizar o centro da srie. Surge, ento, a questo: qual medida deve ser utilizada? A medida ideal em cada caso aquela que melhor representa a maioria dos dados da srie. Quando todos os dados de uma srie estatstica so iguais, a mdia, a mediana e a moda coincidiro com este valor e, portanto qualquer uma delas representar bem a srie. No entanto, este caso dificilmente ocorrer na prtica. Na maioria das vezes, teremos valores diferenciados para a srie e consequentemente7 a medida ir representar bem, apenas os dados da srie que se situam prximos a este valor. Os dados muitos afastados em relao ao valor da medida no sero bem representados por ela. Desta forma, se uma srie apresenta forte concentrao de dados em sua rea central, a mdia, a mediana e a moda ficam tambm situadas em sua rea central representando bem a srie como na figura abaixo (ver fig. 4.3.). Como a mais conhecida a mdia, optamos por esta medida de tendncia central. Concluindo, devemos optar pela mdia, quando houver forte concentrao de dados na rea central da srie.

fig. 4.3.

Se uma srie apresenta forte concentrao de dados em seu incio, a mediana e a moda estaro posicionadas mais no incio da srie, representando bem esta concentrao. A mdia que fortemente afetada por alguns valores posicionados no final da srie se deslocar para a direita desta concentrao no a representando bem. Como a mais conhecida entre mediana e moda a mediana, esta ser a medida indicada neste caso. A mesma situao ocorre se a srie apresenta forte concentrao de dados em seu final. Concluindo, devemos optar pela mediana, quando houver forte concentrao de dados no incio ou no final da srie. A moda deve ser a opo como medida de tendncia central apenas em sries que apresentam um elemento tpico, isto , um valor cuja frequncia muito superior frequncia dos outros elementos da srie.

Exerccios:
23) Os tempos de reao de um indivduo a certos estmulos foram medidos por um psicologista como sendo 0,53; 0,46; 0,50; 0,49; 0,52; 0,53; 0,44 e 0,55 segundos, respectivamente. Determine o tempo mdio de reao do indivduo a esses estmulos. 24) Os graus de um estudante nas disciplinas de laboratrio, leitura e declamao foram: 7,1; 7,8 e 8,9, respectivamente. Se os pesos atribudos a esses graus so: 2, 4 e 5, respectivamente, qual o grau mdio do estudante?
7

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema.

Prof. Ccero Jos UNIBAN

27

25) Trs professores de Economia atriburam os graus mdios de exame: 7,5; 8,2 e 8,34 s suas respectivas classes, que se compunham de 32, 25 e 17 estudantes, respectivamente. Determine o grau mdio para todas as classes. 26) Um feirante possua 50 kg de ma para vender em uma manh. Comeou a vender as frutas por R$ 2,50 o quilo e, com o passar das horas, reduziu o preo em duas ocasies para no haver sobras. A tabela seguinte informa a quantidade de maas vendidas em cada perodo, bem como os diferentes preos cobrados pelo feirante. Determine o preo mdio da ma.

Perodo At as 10 h Das 10 h s 11 h Das 11 h s 12 h

Preo por quilo (R$) 2,50 2,00 1,40

N de quilos de maas vendidas 32 13 5

27) Um nibus de excurso partiu com 40 turistas a bordo, dos quais 8 reservaram a viagem com antecedncia e pagaram, cada um, R$ 300,00. Os demais pagaram, cada um, R$ 340,00 pela viagem. Qual foi o preo mdio que cada turista pagou nessa excurso? 28) Um programa beneficente veiculado em um canal de TV tinha como objetivo arrecadar fundos para crianas carentes. O telespectador poderia escolher entre 10, 20 ou 50 reais e ligar para o nmero correspondente ao valor escolhido a fim de fazer a doao. Na primeira hora, 50 000 pessoas fizeram doaes, das quais 48% contriburam com o valor mnimo, 37% com o valor intermedirio e cada uma das demais com o valor maior. Qual foi a mdia de doaes da primeira hora? 29) Um produto acondicionado em lotes contendo cada um deles 10 unidades. O lote s aprovado se apresentar um peso superior a 40 quilos. Se as unidades que compem determinado lote pesam: 3 4 3,5 5,0 3,5 4 5 5,5 4 5. Este lote ser aprovado? Qual o peso mdio do produto? 30) Os nmeros seguintes representam, em anos, a durao do pontificado de cada um dos Papas, desde Clemente XI, cujo perodo iniciou-se em 1700, at Joo Paulo I, falecido em 1978: 21 1 3 15 6 32 10 24 18 11 11 8 5 17 24 19 23 5 6 15 0

(O ltimo nmero zero, porque Joo Paulo I faleceu 33 dias aps ter sido eleito.) a) Determine a durao mdia dos pontificados. b) Determine a durao mediana. 31) Considerando os conjuntos de dados abaixo, calcule em cada item a mdia, a mediana e a moda. a) 3, 5, 2, 6, 5, 9, 5, 2, 8, 6 c) 51,6; 48,7; 50,3; 49,5; 48,9 b) 20, 9, 7, 2, 12, 7, 20, 15, 7 d) 15, 18, 20, 13, 10, 16, 14 32) Os salrios-hora de cinco funcionrios de uma companhia so: R$ 25, R$ 40, R$ 33, R$ 92 e R$ 38. Determine: a) a mdia dos salrios-hora. b) o salrio-hora mediano 33) As notas de um candidato, em seis provas de um concurso, foram: 8,4 9,1 7,2 6,8 8,7 7,2. Determine: a) a nota mdia. b) a nota mediana. c) a nota modal

Prof. Ccero Jos UNIBAN

28

34) Os dados 46 44 49 45 44 48 50 42 representam as massas, em quilogramas, dos atletas de uma equipe juvenil de natao. Determine a mediana e a moda dessa distribuio. 35) Um produto acondicionado em lotes contendo cada um deles 10 unidades. O lote s aprovado se apresentar um peso superior a 40 quilos. Se as unidades que compem determinado lote pesam: 3 4 3,5 5 3,5 4 5 5,5 4 5, este lote ser aprovado? Qual o peso mdio do produto? 36) Numa pesquisa entre 250 famlias de certa cidade constataram-se os seguintes dados: n de filhos 0 1 2 3 4 5 6 7 n de famlias 45 52 48 55 30 10 8 2 Para a distribuio do nmero de filhos, calcular a mdia, a mediana e a moda. 37) Se os dados do problema anterior estivessem computados como segue: n de filhos 0 1 2 3 4 mais do que 4 n de famlias 45 52 48 55 30 20 qual das trs medidas ns teramos dificuldades para calcular? 38) Os dados seguintes referem-se ao tempo de vida (durabilidade) de 150 lmpadas eltricas de certa fabricao, em centenas de horas. Durao 0 | 4 4 | 8 8 | 12 12 | 16 16 | 20 20 | 24 24 | 28 28 | 32 n de lmpadas 4 12 40 41 27 13 9 4 a) Qual a moda? b) Calcular a vida mdia das lmpadas. c) Qual a mediana? d) Qual a porcentagem do nmero de lmpadas que duraram mais do que a mdia?

39) A mdia dos salrios dos funcionrios de uma determinada empresa 5 salrios mnimos (5 SM), enquanto que a mediana 4 SM. Sorteando-se ao acaso um dos funcionrios, o que mais provvel: que ele ganhe mais ou que ele ganhe menos do que a mdia dos salrios? 40) Uma prova foi aplicada a trs classes, de 40, 48 e 46 alunos, e as mdias de cada classe foram 6,0, 6,6 e 5,8, respectivamente. Qual a mdia para os 134 alunos que fizeram a prova? 41) Quando a medida de posio deve ser o valor mais tpico da distribuio utilizamos: a) a mdia b) a mediana c) a moda d) a moda ou a mdia 42) Quando desejamos o ponto mdio exato de uma distribuio de frequncia, basta calcular: a) a mdia b) a moda c) a mediana d) as trs 43) Considere uma srie estatstica com 2351 elementos. A posio da mediana representada pelo: a) 1175 elemento b) 1176 elemento c) ponto mdio entre o 1175 e o 1176 elemento d) 1174 elemento

Prof. Ccero Jos UNIBAN

29

44) Um professor, aps verificar que toda a classe obteve nota baixa, eliminou as questes que no foram respondidas pelos alunos. Com isso, as notas de todos os alunos foram aumentadas de 3 pontos. Ento: a) a mdia aritmtica ficou alterada, assim como a mediana. b) apenas a mdia aritmtica ficou alterada. c) apenas a mediana ficou alterada. d) no houve alterao nem na mdia nem na mediana. e) nada podemos afirmar sem conhecer o nmero total de alunos. 45) Calcule o nmero mdio, mediano e modal de acidentes por dia em uma determinada esquina.

Nmeros de acidentes por dia (xi) N de dias (fi) 0 30 1 5 2 3 3 1 4 1 40 Total


46) O salrio de 40 funcionrios de um escritrio est distribudo segundo o quadro abaixo. Calcule o salrio mdio, mediano e modal destes funcionrios.

Classe 1 2 3 4 5 6

Salrio (R$) 400 | 500 500 | 600 600 | 700 700 | 800 800 | 900 900 | 1.000

fi 12 15 8 3 1 1

47) Uma imobiliria gerencia o aluguel de residncias particulares, segundo o quadro abaixo. Calcule o aluguel mdio, mediano e modal para estas residncias.

Classe 1 2 3 4 5

Aluguel (R$) 0 | 200 200 | 400 400 | 600 600 | 800 800 | 1.000

N de casas 30 52 28 7 3

48) Uma loja de departamentos selecionou um grupo de 54 notas fiscais, durante um dia, e obteve o seguinte quadro: Classe Consumo por nota (R$) N de notas 1 0 | 50 10 2 50 | 100 28 3 100 | 150 12 4 150 | 200 2 5 200 | 250 1 6 1 250 | 300

Prof. Ccero Jos UNIBAN

30

49) A tabela abaixo representa a nota de 60 alunos em uma prova de Matemtica. Determine a moda e interprete.

Classe 1 2 3 4 5

Notas 0 | 2 2 | 4

4 | 6 6 | 8 8 | 10

N de alunos 5 20 12 20 3

50) A distribuio abaixo representa as alturas de 70 alunos de uma classe. Calcule a moda para esta distribuio.

Classe 1 2 3 4 5 6

Alturas (cm) 150 | 160


160 | 170 170 | 180 180 | 190 190 | 200 200 | 210

N de alunos 2 15 18 18 16 1

51) A distribuio abaixo representa o consumo, em kg, de um produto em oferta em um supermercado, que limitou o consumo mximo por cliente em 5 kg. Calcule a moda.

Classe 1 2 3 4 5

0 | 1
1 | 2 2 | 3 3 | 4 4 | 5

kg

fi 12 15 21 32 54

8. Outros tipos de Moda


Para determinar a moda de uma varivel contnua, podemos optar por vrios processos. So elas:

8.1. Moda de Pearson


A moda de Pearson usada quando uma distribuio de frequncia for unimodal e pouco assimtrica. O matemtico Pearson verificou que a distncia entre a mdia e a moda trs vezes maior que a distncia entre a mdia e a mediana. X Mo = 3 ( X Md) X Mo = 3 X 3Md X 3 X + 3Md = Mo Mo = 3 Md 2 X Mas se no dispusermos da mdia e da mediana da distribuio, a frmula de Pearson a mais trabalhosa.

Prof. Ccero Jos UNIBAN

31

8.2. Moda de King


fi

fant
A

fpost

C x hx D P

lmo

Lmo
B

Intervalos de classe

Mo

Identifica-se a classe modal como sendo a de maior altura (frequncia) e caracteriza-se o seu limite inferior lmo e seu limite superior Lmo. Projeta-se a frequncia da classe posterior na reta representativa da frequncia da classe anterior obtendo-se o ponto A. Em seguida projeta-se a partir do Lmo, no sentido vertical, uma distncia igual frequncia da classe anterior obtendo o ponto B. O segmento de reta unindo os pontos A e B intercepta o eixo horizontal no ponto P, que se identifica como sendo a moda da distribuio. A amplitude do intervalo de classe h e est dividida em duas partes. Se chamarmos a primeira parte de x, ento a segunda ser h x. Assim, observando a figura conclumos que: Mo = lmo + x Como os tringulos ACP e PDB so semelhantes (A, A), os lados so proporcionais. Ento, AC x = . DB hx Usando propriedades das propores, podemos afirmar: AC + DB x +hx = AC x AC + DB h = AC x

ou

de onde conclui-se que: AC x= .h AC + DB Lembrando que AC = fpost e que DB = fant, obtm-se: f post .h x= f ant + f post Substituindo o valor de x na expresso Mo = lmo + x obtm-se:

Prof. Ccero Jos UNIBAN

32

Mo = lmo +

f post f ant + f post

.h

9. Representao grfica da Moda de Czuber


fi

A x hx B

D E x hx F lmo M Lmo Intervalos de classe

Identifica-se a classe modal e caracteriza-se o seu limite inferior lmo e o seu limite superior Lmo. Unindo-se os pontos A e D e os pontos B e C, os segmentos de reta determinados se interceptamse no ponto P. Em seguida projeta-se verticalmente este ponto no eixo horizontal obtendo o ponto M, que identifica-se como sendo a moda da distribuio. A amplitude do intervalo de classe h e est dividida em duas partes. Se chamarmos a primeira parte de x, ento a segunda parte ser h x. Estes valores correspondem s alturas dos tringulos ABP e CDP respectivamente. Como estes tringulos so semelhantes (A, A), os lados e as alturas so proporcionais. Ento: AB x = . CD hx Usando a propriedade das propores, podemos afirmar: AB + CD x +hx = AB x AB + CD h = AB x AB + CD .h AB

ou

de onde conclui que x =

Lembrando que AB = AE BE = fmo fant e que CD = CF DF = fmo fpost, obtm-se: x=

f mo f ant f mo f ant .h .h= f mo f ant + f mo f post ( f mo f ant ) + ( f mo f post )

x.

Como a moda identificada como sendo o ponto M da figura, podemos afirmar que Mo = lmo +

Prof. Ccero Jos UNIBAN

33

Substituindo o valor de x obtido anteriormente nesta expresso, e fazendo D1 = fmo fant e D2 = fmo fpost, a moda fica escrita: Mo = lmo + D1 h mo D1 + D 2

Observao: A frmula de Pearson tem normalmente interesse terico. Se no dispusermos da mdia e da mediana da distribuio, a frmula de Pearson a mais trabalhosa. A frmula de King a mais simples delas, mas no a mais precisa. utilizada na radiologia e na rea mdica. A frmula de Czuber mais precisa que a frmula de King, pois leva tambm em considerao a frequncia da classe modal. Utilizada em concursos.

10. Medidas Separatrizes


10.1. Conceitos
So nmeros reais que dividem a sequncia ordenada de dados em partes que contm a mesma quantidade de elementos da srie. Desta forma, a mediana que divide a sequncia ordenada em dois grupos, cada um deles contendo 50% dos valores da sequncia, tambm uma medida separatriz. Alm da mediana, as outras medidas separatrizes que destacaremos so: quartis, decis e percentis.

10.2. Quartis Os quartis dividem uma distribuio de frequncia em quatro partes iguais.
A Q1 Q2 Q3 B

25%

50%

75%

10.3. Decis Os decis dividem uma distribuio de frequncia em dez partes iguais.
D1(10%), D2(20%), D(30%), . . . , D9(90%)

10.4. Percentis Os percentis dividem uma distribuio de frequncia em cem partes iguais.
P1(1%), P2(2%), P3(3%), . . . , P99(99%) Se observarmos que os quartis, decis e percentis so mltiplos dos percentis, ento basta estabelecer a frmula de clculo dos percentis. Todas as outras medidas podem ser identificadas como percentis. A frmula utilizada a mesma usada para o clculo da mediana. Desta forma: D6 = P60 D1 = P10 Q1 = P25 D2 = P20 D7 = P70 Q2 = P50 D3 = P30 D8 = P80 Q3 = P75 D4 = P40 D9 = P90 D5 = P50

Prof. Ccero Jos UNIBAN

34

Observao: Outra medida separatriz, no muita utilizada, o quintil. Esta divide a distribuio em cinco partes iguais. Desta forma, temos: K1 = P20, K2 = P40, K3 = P60, K4 = P80. Exemplo: Considerando as notas de um teste de inteligncia aplicado a 100 alunos:
64 73 78 86 76 82 68 71 95 94 78 76 76 84 80 90 96 73 94 75 66 78 78 86 92 83 86 63 88 67 82 74 103 78 101 85 98 75 101 85 98 75 76 76 83 103 102 73 87 70 81 85 72 81 70 72 74 84 105 74 98 78 62 91 83 98 95 108 98 71 86 73 73 86 85 96 99 78 93 92 103 90 90 84 79 81 81 83 83 72 87 86 86 85 93 85 89 96 76 73

Determine: a) uma tabela de distribuio de frequncia com intervalos de classe com amplitudes iguais a 10 b) a frequncia acumulada c) a frequncia relativa d) a frequncia acumulada relativa e) calcule a mdia da distribuio de frequncia f) calcule a moda da distribuio de frequncia g) calcule a mediana da distribuio de frequncia h) calcule o Q1 i) calcule o D3 j) calcule o P65

Exerccios
52) Em uma srie ordenada, qual o percentual de elementos que ficam esquerda de cada uma das medianas separatrizes: a) D1 c) K1 e) K3 g) K4 i) D8 b) Q1 d) D2 f) Q3 h) Q2 j) P70 53) Em uma srie ordenada, qual o percentual de elementos que ficam direita de cada uma das medianas separatrizes: c) Q3 e) P20 g) Q1 a) D4 b) P80 d) K2 f) D5 h) P2

Prof. Ccero Jos UNIBAN

35

54) Qual o percentual de elementos de uma srie ordenada que se situam entre: a) Q1 e Q3 b) P10 e P90 c) D2 e D6 d) Q1 e K3 e) D3 e K4 f) K2 e D8 g) K3 e Q3 55) Se uma srie ordenada possui 180 elementos, d o nmero aproximado de elementos que se situam: c) acima do Q3 e) entre o P10 e o P80 g) entre o Q3 e P80 a) acima do P20 b) abaixo do K3 d) abaixo do P90 f) entre o Q1 e Q3 h) entre o P90 e P92 56) A distribuio de frequncia abaixo representa a idade de 50 alunos de uma classe de primeiro ano da Faculdade Newton-Leibniz.

Idade (anos) 17 18 19 20 21 Total


Calcule: a) Q1 b) D1 c) Q3 d) P95

N de alunos 3 18 17 8 4 50

57) A distribuio de frequncia abaixo representa o consumo por nota de 54 notas fiscais emitidas durante um dia em uma loja de departamentos.

Classe 1 2 3 4 5 6 Total
Calcule: a) Q1 b) D3 c) Q3 d) D7 e) P98

N de alunos 0 | 50
50 | 100 100 | 150 150 | 200 200 | 250 250 | 300

N de notas 10 28 12 2 1 1

54

Prof. Ccero Jos UNIBAN

36

CAPTULO V - Medidas de Disperso 1. Introduo


Uma breve reflexo sobre as medidas de tendncia central permite-nos concluir que elas no so suficientes para caracterizar totalmente uma sequncia numrica. Se observarmos as sequncias: X: 10, 1, 18, 20, 35, 3, 7, 15, 11, 10. Y: 12, 13, 13, 14, 12, 14, 12, 14, 13, 13. Z: 13, 13, 13, 13, 13, 13, 13, 13, 13, 13. concluiremos que todas possuem a mesma mdia 13. No entanto, so sequncias completamente distintas do ponto de vista da variabilidade de dados. Na sequncia Z no v variabilidade de dados. A mdia 13 representa bem qualquer valor da srie. Na sequncia Y, a mdia 13 representa bem a srie, mas existem elementos da srie levemente diferenciados da mdia 13. Na sequncia X existem muitos elementos bastante diferenciados da mdia 13. Conclumos que a mdia 13 representa otimamente a sequncia Z, representa bem a sequncia Y, mas no representa bem a sequncia X. Precisaremos, ento, de medidas que avaliem a representatividade da mdia. Para isto usaremos as medidas de disperso. Observe que na sequncia Z os dados esto totalmente concentrados sobre a mdia 13. No h disperso de dados. Na sequncia Y h forte concentrao dos dados sobre a mdia 13, mas h fraca disperso de dados. J na srie X h fraca concentrao de dados em torno da mdia 13 e forte disperso de dados em relao mdia. As principais medidas de disperso absolutas so: desvio mdio, varincia e desvio padro.

2. Clculo das medidas de disperso para dados no agrupados


2.1. Desvio Mdio
O conceito estatstico de desvio corresponde ao conceito matemtico de distncia. A disperso dos dados em relao mdia de uma sequncia pode ser avaliada atravs dos desvios de cada elemento da sequncia em relao mdia da sequncia. O desvio mdio definido como sendo uma mdia aritmtica dos desvios de cada elemento da srie para a mdia da srie.

Exemplo 1: Considere as notas 2 8 5 6 obtidas por 4 alunos, numa avaliao de Biologia, distribudas na tabela abaixo. Determine o desvio mdio.

Interpretao: Em mdia, cada elemento da sequncia est afastado do valor 5,25 por 1,75 unidades.

Prof. Ccero Jos UNIBAN

37

2.2. Varincia e Desvio padro


Pelo exemplo anterior, observamos que a dificuldade em se operar o DM se deve presena do mdulo, para que as diferenas xi x possam se interpretadas como distncias. Outra forma de se conseguir que as diferenas xi x se tornem sempre positivas ou nulas considerar o quadrado destas diferenas, isto , (xi x )2. Se substituirmos, na frmula do DM a expresso x i x por (xi x )2, obteremos nova medida de disperso chamada varincia. A varincia representada por 2 (sigma ao quadrado). O smbolo a letra grega minscula sigma. Podemos abreviar tambm a varincia por Var. A frmula geral da varincia :

(x =

x + x 2 x + x 3 x + ... + x n x n

) (
2

) (
2

(x x)
i

O desvio padro a raiz quadrada da varincia. Em particular, para estas medidas levaremos em considerao o fato de a seqncia de dados representar toda uma populao ou apenas uma amostra de uma populao. Se conhecermos todos os valores da populao de interesse, 2 e s so chamados varincia populacional e desvio padro populacional. Se estivermos trabalhando com uma amostra, sem conhecermos o verdadeiro valor da mdia ou do desvio padro, admitimos que a mdia da amostra ( x ) esteja prxima do valor da mdia populacional, e que a varincia da amostra (varincia amostral) esteja prxima da varincia populacional. A raiz quadrada da varincia amostral chamada desvio padro amostral. H duas frmulas diferentes para o clculo da varincia:

verso 1:

(x =
1

x + x 2 x + x 3 x + ... + x n x n

) (
2

) (
2

( x x ) .f
2 i

= (varincia populacional)

verso 2:
s2

(x =

x + x 2 x + x 3 x + ... + x n x n 1

) (
2

) (
2

( x x ) .f
2 i

n 1

(varincia amostral)

3. Clculo do desvio padro para dados agrupados sem intervalos de classe


Exemplo: Calcule o desvio padro da srie abaixo, representativa de uma populao.

2 3 4 5

3 5 8 4

xi

fi

xi . f i

xi x

(xi x )2

P .fi

Prof. Ccero Jos UNIBAN

38

4. Clculo do desvio padro para dados agrupados com intervalos de classe


Exemplo: Calcule o desvio padro da srie abaixo, representativa de uma populao. Classe Int. classe fi xi xi . f i P

1 2 3 4

0 | 4 4 | 8 8 | 12 12 | 16

1 3 5 1

Comentrios: a) No clculo da varincia, quando elevamos ao quadrado a diferena (xi x ), a unidade de medida da srie fica tambm elevada ao quadrado. Portanto, a varincia dada sempre no quadrado da unidade de medida da srie. Se os dados so expressos em metros, a varincia expressa em metros quadrados. Em algumas situaes, a unidade de medida da varincia nem faz sentido. o caso, por exemplo, em que os dados so expressos em litro. A varincia ser expressa em litros quadrados. Portanto, o valor da varincia no pode ser comparado diretamente com os dados da srie, ou seja: varincia no tem interpretao.

b) Exatamente para suprir esta deficincia da varincia que se define o desvio padro. Como o desvio padro a raiz quadrada da varincia, o desvio padro ter sempre a mesma unidade de medida da srie e, portanto admite interpretao.

5. Coeficiente de variao (CV)


Se uma srie X apresenta x = 10 e = 2 e uma srie Y apresenta y = 100 e = 5, do ponto de vista da disperso absoluta, a srie Y apresenta maior disperso que a srie X. No entanto, se levarmos em considerao as mdias das sries, o desvio padro de Y que 5 em relao a 100 um valor menos significativo que o desvio padro de X que em relao a 10. Isto nos leva a definir a medida de disperso relativa, o coeficiente de variao. Esta medida til quando queremos saber se a disperso muito grande em relao mdia.
O coeficiente de variao indicado por: CV = . X Calculando, ento, o coeficiente de variao das sries citadas tem: CVx = 2 = 0,2 ou 20% 10 CVy = 5 = 0,05 ou 5% 100

Comparando os valores destes dois coeficientes conclumos que a srie X admite maior disperso relativa. Como a medida de disperso relativa leva em considerao a medida de disperso absoluta e a mdia da srie, uma medida mais completa que a medida de disperso absoluta.

xi x

P .fi

Prof. Ccero Jos UNIBAN

39

6. Interpretao do desvio padro


O desvio padro a mais importante das medidas de disperso. Na curva normal o valor da mdia aritmtica igual ao valor da moda e igual ao valor da mediana ( x = Md = Mo). Quando uma curva de frequncia representativa da srie perfeitamente simtrica como a curva abaixo (ver fig. 5.1.), podemos afirmar que o intervalo [ x , x + ] contm aproximadamente 68% dos valores da srie.

68%

-S

+S

Zona de normalidade (2S)

fig. 5.1.

O intervalo [ x 2 , x + 2 ] contm aproximadamente 95% dos valores da srie. O intervalo [ x 3 , x + 3 ] contm aproximadamente 99% dos valores da srie. Esses percentuais 68%, 95% e 99% citados na interpretao sero comprovadas, com maior preciso, no estudo da distribuio normal de probabilidades. Quando a distribuio no perfeitamente simtrica estes percentuais apresentam pequenas variaes para mais ou para menos, segundo o caso. De modo que, quando se afirma que uma srie mdia x = 100 e desvio padro = 5, podemos interpretar estes valores da seguinte forma: a) Os valores da srie esto concentrados em torno de 100. b) O intervalo [95, 105] contm aproximadamente, 68% dos valores da srie. c) O intervalo [90, 110] contm aproximadamente, 95% dos valores da srie. d) O intervalo [85, 115] contm aproximadamente, 99% dos valores da srie. importante perceber que, ao aumentar o tamanho do intervalo, aumenta-se o percentual de elementos contido no intervalo.

Exemplo 1: Foi observado que as contas de luz para uma rea municipal, no ms de junho, so normalmente distribudas. Se a mdia das contas for R$ 42,00 e o desvio padro R$ 12,00, entre que intervalo de valores esto 68% das contas? E 95% das contas? Resposta: 68% das contas esto entre os valores de R$ 30,00 e R$ 54,00
12,00 = 42,00 24,00 = 18,00 12,00 = 42,00 + 24,00 = 66,00 Resposta: 95% das contas esto entre os valores de R$ 18,00 e R$ 66,00
x 2 = 42,00 2 x + 2 = 42,00 + 2 x

= 42,00 12,00 = 30,00

x +

= 42,00 + 12,00 = 54,00

Prof. Ccero Jos UNIBAN

40

Exemplo 2: No exemplo das pizzas, com uma mdia de 49 e um desvio padro de 8,731, temos que dois desvios padro abaixo da mdia correspondem a 49 2 x 8,731 = 49 17,462 = 31,538 e dois desvios padro acima da mdia correspondem a 49 + 17,462 = 66,462.
Para justificar que o denominador da varincia amostral deve ser n 1 e no n, usaremos o seguinte argumento: O modelo matemtico que calcula a varincia de uma amostra no pode ser

2 =

(x x)
i

pois caso isto fosse verdadeiro, este modelo deveria determinar a varincia para qualquer tamanho da amostra. Suponha uma amostra constituda de um nico elemento x1. O valor mdio da amostra tambm x1. Calculando a varincia pelo modelo acima, teremos:

=
2

( xi xi )
1

= 0.

Seriamos induzidos a afirmar que a disperso da populao de onde provm a amostra zero, isto , a populao constituda em sua totalidade por elementos idnticos. O que , em geral, uma afirmao falsa. Para corrigir o modelo matemtico, basta colocar no denominador n 1. O modelo escrito ento: s2 =

(x x)
i

n 1

Observe que agora o modelo coerente. Mesmo quando a amostra tiver apenas um elemento x1, 0 o clculo de s2 leva-nos a uma indeterminao do tipo . O que significa que a varincia existe, mas 0 no est determinada. Significa tambm que amostras de apenas um elemento no nos fornece informaes sobre a varincia da srie.

Exerccios
58) Calcule o desvio padro da distribuio: Classes 2 | 6 | 10 | 14 | 18 | 22 5 12 21 15 7 fi 59) Em um exame final de Matemtica, o grau mdio de um grupo de 150 alunos foi 7,8 e o desvio padro, 0,80. Em Estatstica, entretanto, o grau mdio final foi 7,3 e o desvio padro, 0,76. Em que disciplina foi maior a disperso? 60) Medidas as estaturas de 1017 indivduos, obtivemos x = 162,2 cm e = 8,01 cm. O peso mdio desses mesmos indivduos 52 kg, com um desvio padro de 2,3 kg. Esses indivduos apresentam maior variabilidade em estatura ou em peso?

Prof. Ccero Jos UNIBAN

41

61) Um grupo de 85 moas tem estatura mdia de 160,6 cm, com um desvio padro igual a 5,97 cm. Outro grupo de 125 moas tem uma estatura mdia de 161,9 cm, sendo o desvio padro igual a 6,01 cm. Qual o coeficiente de variao de cada um dos grupos? Qual o grupo mais homogneo? 62) Um grupo de cem estudantes tem uma estatura mdia de 163,8 cm, com um coeficiente de variao de 3,3%. Qual o desvio padro desse grupo? 63) Uma distribuio apresenta as seguintes estatsticas: = 1,5 e CV = 2,9%. Determine a mdia da distribuio. 64) Numa fbrica de rolamentos, retirou-se da produo de um determinado dia uma amostra de 10 rolamentos, dos quais se mediu o dimetro externo, em mm, obtendo-se: 20,2 21,4 20,8 19,6 22,1 21,7 20,4 22,0 20,5 19,3

Calcular a mdia e o desvio padro desta amostra. 65) Calcular a mdia e o desvio padro da seguinte distribuio de uma varivel X.

faixas de observaes 0 | 10 10 | 20 20 | 30 30 | 40 40 | 50 Total

frequncia 25 48 66 44 17 200

66) Usando o histograma da distribuio do exerccio anterior, calcular: a) a porcentagem das observaes compreendidas entre x e x + . b) a porcentagem das observaes compreendidas entre x 2 e x + 2 . 67) Em 120 experimentos, onde cada um consiste em lanar 3 moedas e contar o nmero de caras, obtivemos os seguintes resultados:

N de caras N de experimentos

0 18

1 40

2 49

3 13

Calcular a mdia, a varincia e o desvio padro do nmero de caras observado em cada experimento. 68) Dado um conjunto de observaes de uma varivel quantitativa X, se somarmos 3 unidades a cada observao o que ocorrer: a) com a mdia? b) com a varincia? c) com o desvio padro?

Prof. Ccero Jos UNIBAN

42

69) A tabela representa as estaturas de 35 crianas nascidas numa mesma maternidade numa certa semana.

Estatura (cm) 45 | 46 46 | 47 47 | 48 48 | 49 49 | 50 50 | 51 51 | 52 52 | 53

n de crianas 1 4 6 12 8 3 0 1

Determinar a mdia e o desvio padro das estaturas destas crianas: a) ao nascerem. b) ao completarem o primeiro ms de vida, supondo que no primeiro ms cada criana cresce 4 cm. 70) Um restaurante cobra o almoo de cada cliente atravs do peso (por quilo) da quantidade de alimento consumida. Foi observado, durante um ms, que as quantidades de alimento consumidas so normalmente distribudas. Se a mdia consumida for 550 g e o desvio padro 200 g, calcular: a) a amplitude do intervalo da zona de normalidade. b) a amplitude dos 95% centrais. 71) Os pratos produzidos por uma indstria tm dimetro mdio de 19 cm e desvio padro de 0,2 cm. Dois pratos A e B cujos dimetros medem respectivamente 19,8 cm e 18,3cm sero testados pelo Controle Estatstico de Qualidade, que admite uma tolerncia de trs desvios acima e trs abaixo da mdia. Assinale a alternativa correta: a) O prato A ser aprovado b) Ambos os pratos sero reprovados c) o prato A ser reprovado e o prato B aprovado d) o prato B ser reprovado. 72) O desvio padro de um conjunto de dados 16. A varincia ser: a)16 b) 64 c) 256 73) A varincia de um conjunto de dados 16. O desvio padro ser: a) 4 b) 256 c) 36 74) Calcule o desvio padro das seguintes populaes: a) X: 2, 3, 7, 9, 11, 13. b) Y: 5, 12, 4, 20, 13, 17. 75) Calcule o desvio padro das seguintes amostras: a) Z: 15, 16, 17, 20, 21. b) T: 6, 5, 10, 12, 19. d) 4 d) 2

Prof. Ccero Jos UNIBAN

43

CAPTULO VI Anlise Combinatria 1. Introduo Breve histrico


A anlise combinatria que hoje o alicerce da teoria dos nmeros, determinantes, probabilidades, topologia etc. teve suas origens em tempos remotos
Se considerarmos os nmeros figurados como a semente daquilo que chamamos de anlise combinatria, podemos dizer que os pitagricos j faziam estudos sobre esses nmeros. Porm, com o matemtico francs Blaise Pascal (1623 1662) e seus contemporneos Fermat, Leibniz e Wallis, no sculo XVII, que esse estudo adquire uma roupagem cientfica. Pascal no frequentou o colgio, mas teve no pai um orientador dedicado. Seu interesse pela Geometria era tanto que aos 16 anos escreveu, sem publicar, o tratado sobre as cnicas. Suas contribuies no ficaram restritas Matemtica, pois aos 19 anos inventou uma mquina aritmtica que realizava contas sem a utilizao de lpis e papel. Aos 23 anos, tomou conhecimento da experincia de Torricelli sobre a presso atmosfrica e realizou a chamada experincia do vcuo. Mais tarde voltou a contribuir com a Matemtica, quando concentrou sua ateno em alguns tipos de jogos. Essa preocupao levou-o ao clculo das probabilidades, que ele chamou de Geometria do acaso. As atitudes controvertidas que so atribudas a Pascal e a outros pensadores de sua poca, em relao Igreja, devem-se em parte s grandes transformaes de seu tempo que geraram constantes polmicas com a escolstica e os jesutas. Isso fica demonstrado no prefcio do Tratado da vcuo, quando ele diz: os conhecimentos dependem da razo e aperfeioam-se com o tempo, ao passo que as verdades da f seriam aliceradas na memria e na autoridade. Os estudos desenvolvidos por Pascal chegaram perto da descoberta do clculo e talvez tivessem antecipado as descobertas de Newton e Leibniz, no fosse a morte precoce aos 39 anos de idade. Fonte: FILHO, B.B e SILVA, C.X. Matemtica aula por aula 2 srie. 1. ed. So Paulo: FTD, 2003

2. Objetivo da Anlise Combinatria


A anlise combinatria um ramo da Matemtica que tem por objetivo resolver problemas que consistem, basicamente, em escolher e agrupar os elementos de um conjunto. Estuda o nmero de possibilidades de ocorrncia de um determinado acontecimento (evento) sem, necessariamente, descrever todas as possibilidades. Possui aplicao direta no clculo das probabilidades, sendo instrumento de vital importncia para as cincias aplicadas, como a Medicina, a Engenharia e a Estatstica, entre outras.

3. Fatorial
Considerando um nmero n, sendo n N e n n! = n . (n 1) . (n 2) . .... . 1, onde: 2, temos:

a leitura do smbolo n! : n fatorial; n! o produto de todos os nmeros naturais de 1 at n; por definio: 0! = 1 e 1! = 1.

Prof. Ccero Jos UNIBAN

44

Exemplo 1: a) 2! =

b) 3! =

c) 4! =

d) 5! =

Exemplo 2: Simplifique as expresses: 3! a) = 2! 12! b) 10! Exemplo 3: Resolva a equao


(x + 2)! = 6, com x x! 0.

c)

4! + 5! = 4! (n + 1)! , com n d) (n 1)!

4. Princpio Fundamental da Contagem


Vamos resolver um problema, descrevendo todos os resultados possveis de um acontecimento.

Exemplo 1: Quatro carros (c1, c2, c3, c4) disputam uma corrida. Quantas so as possibilidades de chegada para os trs primeiros lugares?
1 lugar 2 lugar 3 lugar ordem da chegada (4 possibilidades) (3 possibilidades) (2 possibilidades) (24 possibilidades)

c2 c1 c3 c4 c1 c2 c3 c4

c3 c4 c2 c4 c2 c3 c3 c4 c1 c4 c1 c3

c1c 2 c3 c1c2 c4 c1c3c 2 c1c3c 4 c1c 4 c 2 c1c 4 c3 c 2 c1c3 c2 c1c 4 c 2 c3c1 c 2 c 3c 4 c 2 c 4 c1 c 2 c 4 c3

Prof. Ccero Jos UNIBAN

45

c1 c3 c2 c4 c1 c4 c2 c3
Podemos observar que: o nmero de possibilidades para o 1 lugar 4. o nmero de possibilidades para o 2 lugar 3. o nmero de possibilidades para o 3 lugar 2. o nmero total de possibilidades 4 . 3 . 2 = 24.

c2 c4 c1 c4 c1 c2 c2 c3 c1 c3 c1 c2

c3c1c2 c3c1c4 c3c 2 c1 c 3c 2 c 4 c3c4 c1 c 3c 4 c 2 c4 c1c 2 c 4 c1c3 c4 c2 c1 c 4 c 2 c3 c 4 c3c1 c 4 c 3c 2

O esquema desenvolvido no exemplo chamado rvore de possibilidades e facilita a resoluo dos problemas de contagem. A partir do exemplo podemos enunciar o princpio fundamental da contagem, que nos mostra um mtodo algbrico para determinar o nmero de possibilidades de ocorrer um evento, sem precisarmos descrever todas essas possibilidades.

Se um acontecimento pode ocorrer por vrias etapas sucessivas e independentes, de tal modo que: p1 o numero de possibilidades da 1 etapa p2 o numero de possibilidades da 2 etapa pk o numero de possibilidades da k-sima etapa, ento: p1 . p2 . ... . pk o nmero total de possibilidades de o acontecimento acontecer. Exemplo 2: Renato, Jos e Cristina disputam um torneio de xadrez no qual so atribudos prmios ao campeo e ao vice-campeo8. Quais so as premiaes possveis?

Exemplo 3: Os nmeros de telefone de So Paulo tm 8 algarismos. Determine o nmero mximo de telefones que podem ser instalados, sabendo-se que os nmeros no podem comear com zero.

De acordo com a nova Reforma Ortogrfica 2009, com o prefixo vice, usa-se sempre o hfen. Exemplos: vice-rei, vicealmirante, vice-presidente.

Prof. Ccero Jos UNIBAN

46

Exerccios
76) Calcule o valor dos nmeros fatoriais: a) 0! c) 6! b) 1! d) 7! 77) Simplifique as expresses: 8! 15! a) b) 9! 13! 78) Simplifique as fraes: n! x! a) b) (n 1)! (x 2)! 4! 6! e) 2! + 3! f) 1! + 4! 6! 5!2! g) 3! 2! h) 0! + 1! 8! 4!6! i) 2!3! j) 0!5! 2 . 4! 4!4!

c)

d)

e)

f)

c)

(n + 1)! n!

d)

(2x + 2)! (2x)!

e)

x! (x + 2)! (x 1)! (x + 1)!

f)

(n 1)! + (n 2)! n!

79) Determine o valor de x, de modo que se tenha: a) x! = 1 b) x! = 24 80) Resolva as equaes: (n + 1)! a) = 12 (n 1)! n! = 20 (n 2)!

c) x! = 720

d) x! = x (n 1)! (n + 2)! =2 n! (n + 1)!

b)

c)

81) (Santa Casa - SP) A soluo da equao a) par b) cubo perfeito

(n + 2)! (n 2)! = 4 um nmero natural: (n + 1)! (n 1)! c) maior que 10 d) divisvel por 5 e) mltiplo de 3 d) 4 e) 30

82) (PUC-SP) Se (n 6)! = 720, ento n igual a: a) 12 b) 576 c) 16 83) (UFRN) Se (x + 1)! = 3 (x!), ento x igual a: a) 1 b) 2 c) 3 m! + (m 1)! 5 = . (m + 1)! m! 16

d) 4

e) 5

84) Calcule m R, de modo que

85) (Faap-SP) Num hospital existem 3 portas de entrada que do para um amplo saguo no qual existem 5 elevadores. Um visitante deve ser dirigir ao 6 andar utilizando-se um dos elevadores. De quantas maneiras diferentes poder faz-lo? 86) Uma companhia de mveis tem dez desenhos para mesas e quatro desenhos para cadeiras. Quantos pares de desenhos de mesa e cadeira pode a companhia formar? 87) Quantos nmeros de trs algarismos distintos podem ser formados usando-se os algarismos 1, 2, 3, 4 e 5? 88) (FGV-SP) Um restaurante oferece no cardpio 2 saladas distintas, 4 tipos de pratos de carne, 5 variedades de bebidas e 3 sobremesas diferentes. Uma pessoa deseja uma salada, um prato de carne, uma bebida e uma sobremesa. De quantas maneiras a pessoa poder fazer seu pedido?

Prof. Ccero Jos UNIBAN

47

89) Quatro times de futebol (Vasco, Atltico, Corinthians e Internacional) disputam um torneio. Quantas so as possibilidades de classificao para os trs primeiros lugares? 90) Numa eleio de uma escola h trs candidatos a presidente, cinco a vice-presidente, seis a secretrio e sete a tesoureiro. Quantos podem ser os resultados da eleio? 91) Determine quantas placas de carro podem ser fabricadas no Brasil.

5. Arranjos Simples
Arranjo simples o tipo de agrupamento sem repetio em que um grupo diferente de outro pela ordem ou pela natureza dos elementos componentes. Exemplo 1: Quantos nmeros de dois algarismos (elementos) distintos podem ser formados usando-se os algarismos (elementos) 2, 3, 4 e 5?

Exemplo 2: Uma escola possui 18 professores. Entre eles, sero escolhidos: um diretor, um vicediretor e um coordenador pedaggico. Quantas so as possibilidades de escolha?

Frmula utilizando o fatorial


Calculando A7, 4, temos A7, 4 = 7 . 6 . 5 . 4. Multiplicando e dividindo por 3!, obtemos: A7, 4 = 7 . 6 . 5 . 4 . 3! 7! = 3! (7 4)!

Generalizando, temos: An, p = n (n 1) (n 2) ... (n p + 1). Multiplicando e dividindo por (n p)!, obtemos: An, p = n (n 1) ( n 2) ... (n p + 1) . An, p = n! (n p)! (n p)! (n p)!

Esta frmula mostra que os arranjos dos n elementos tomados p a p podem ser escritos utilizando se fatoriais.

Definio: Arranjos simples de n elementos tomados p a p so todos os agrupamentos sem repetio que possvel formar com p (n p) elementos diferentes escolhidos entre os n elementos de um conjunto dado. Indica-se: An, p ou A p . n

Prof. Ccero Jos UNIBAN

48

Exemplo 3: Calcule:
a) A6, 2 =

b)

A 5, 4 + A 3, 2 A 4,2 A 2,1

Exemplo 4: Resolver a equao Ax, 2 = 12.

Exemplo 5: Quantos nmeros de 3 algarismos podemos formar com os algarismos 1, 2, 3, 4, 5 e 7, sem repeti-los?

Exemplo 6: Quantos nmeros pares de 4 algarismos podemos formar com os algarismos 0, 1, 2, 3, 4, 5 e 6, sem repeti-los?

6. Permutaes simples
Permutaes simples o tipo de agrupamento ordenado, sem repetio, em que entram todos os elementos em cada grupo.

Prof. Ccero Jos UNIBAN

49

Exemplo 1: Quantos nmeros de trs algarismos distintos podem ser formados usando-se os algarismos (elementos) 2, 4 e 5?

1 lugar 2 lugar 3 lugar (3 possibilidades) (2 possibilidades) (1 possibilidade) 2 4 5 4 5 2 5 2 4 5 4 5 2 4 2

ordem da chegada (6 nmeros) 245 254 425 452 524 542

Resposta: Podem ser formados seis nmeros de trs algarismos distintos.

Vemos, no exemplo dado, que os grupos (nmeros) obtidos diferem um do outro apenas pela ordem dos elementos (245 e 254, por exemplo). Os grupos assim obtidos so denominados permutaes simples dos 3 elementos tomados 3 a 3, e so indicados P3. Observe que a permutao simples um caso particular de arranjos simples, isto , A3, 3 = P3.
Frmula das permutaes simples

Em geral, temos: An, p = n (n 1) (n 2) ... (n p + 1) Se n = p, vem: An, n = Pn = n (n 1) (n 2) ... (n n + 1) = n (n 1) (n 2) ... 1. Portanto: Pn = n (n 1) (n 2) .... 1 = n!

Exemplo 2: Quantos nmeros de 4 algarismos podem ser formados, usando-se os algarismos 1, 3, 5 e 7?

Exemplo 3: Quantos anagramas tem a palavra MITO? (Qualquer ordenao das letras de uma palavra denominada anagrama)

Prof. Ccero Jos UNIBAN

50

7. Combinaes simples
Combinaes simples o tipo de agrupamento sem repetio em que um grupo diferente de outro apenas pela natureza dos elementos componentes. Exemplo 1: Quantas comisses de 2 pessoas podem ser formadas com 4 alunos (A, B, C e D) de uma classe? 1 aluno 2 aluno nmero de comisses (4 possibilidades) (3 possibilidades) (6 comisses) B AB A C AC D AD

A C D A B D

BA BC BD CA CB CD DA DB DC AB AC AD BC BD CD

A B C Resposta: Podem ser formadas 6 comisses de 2 pessoas. D

No exemplo dado, note que os grupos AB e BA representam a mesma comisso. Os alunos A e B, no importa a ordem, formam apenas uma comisso. Isso significa que uma mesma comisso foi contada duas vezes. Portanto, o total de comisses seis. 12 =6 2 Observe que os grupos obtidos diferem entre si pelos elementos componentes (natureza), no importando a ordem (posio) em que aprecem. Os grupos assim obtidos so denominados combinaes simples dos 4 elementos tomados 2 a 2, e so indicados C5, 2.
Definio: Combinaes simples de n elementos distintos tomados p a p (n p) so todos os subconjuntos de p elementos que possvel formar a partir de um conjunto com n elementos. Indicase: Cn, p. Frmula das combinaes simples

No exemplo anterior, para descobrirmos o nmero de combinaes, basta calcular o nmero de arranjos e dividir por (12 : 2 = 6), que o fatorial do nmero de elementos que compem cada comisso. O nmero de comisses de n elementos de grupos de p elementos igual ao nmero de arranjos de n elementos tomados p a p, dividido por p!, isto ,

Prof. Ccero Jos UNIBAN

51

Cn, p

n! A n! n! (n p)! Cn, p = n, p = = Cn, p = p!(n p)! p! p! p!(n p)! l-se: combinao simples de n elementos tomados p a p.

Exemplo 2: Resolver a equao Cx, 2 = 15.

Exemplo 3: Quantas comisses constitudas de 3 pessoas podem ser formadas com 5 pessoas?

Exemplo 4: Sobre uma reta, marcam-se 8 pontos e sobre uma outra reta, paralela primeira, marcamse 5 pontos. Quantos tringulos obteremos unindo 3 quaisquer desses pontos?

Exerccios

92) Calcule: A + A 4, 3 A 5, 2 a) 6, 2 A9, 2 + A8, 1 93) Calcule o valor das expresses: a) P5 3 . P3 94) Calcule C 6, 3 C 4, 1 + C5, 4 + C11, 1
.

b)

A5, 2 + A 6, 1 A5, 3 A10, 2 A 7, 3

b) P4 2

P8 P7 P4

95) Resolva as equaes: a) Ax, 3 = 4 . Ax, 2 96) Resolva as equaes: a) Cm, 3 Cm, 2 = 0 97) Efetue a equao: A n, 6 + A n, 5 A n, 4

b) An, 2 = 9 . An, 1

c) An, 2 + An 1, 2 + An 2, 2 = 20 b) Ax, 3 6 . Cx, 2 = 0

=9

Prof. Ccero Jos UNIBAN

52

98) Quantos nmeros de 5 algarismos distintos podem ser formados usando-se os algarismos 1, 2, 3, 5 e 8? 99) Quantos so os anagramas das palavras: a) CAF b) BRASIL

100) Quantos nmeros de 3 algarismos distintos podemos formar com os algarismos 1, 2, 3, 4, 5, 6, 7, 8 e 9? 101) Quantos anagramas da palavra EDITORA: a) comeam por A? b) comeam por A e terminam por E?

102) Quantos nmeros de 3 algarismos distintos podemos formar com os algarismos do sistema decimal, sem os repetir, de modo que: a) comecem com 1. b) comecem com 2 e terminem com 5. c) sejam divisveis por 5. 103) Quantas comisses com 6 membros podemos formar com 10 alunos? 104) Quantos anagramas da palavra PROBLEMA: a) comeam por R? b) comeam por P e terminam por M? c) comeam por vogal? d) terminam por consoante?

105) De quantas maneiras podemos escalar um time de futebol de salo, dispondo de 8 jogadores? 106) (Faap-SP) Quantos anagramas podem formados com a palavra VESTIBULAR, em que as 3 letras V E S, nesta ordem, permaneam juntas? 107) Quantas palavras de 2 letras distintas podem ser formadas com as vogais de nosso alfabeto? 108) Quantos nmeros de 4 algarismos distintos podemos formar com os algarismos 0, 1, 2, 3, 4, 5, 6, 7, 8 e 9? 109) Dadas duas retas paralelas, tomam-se 7 pontos sobre uma delas e 4 sobre a outra. Quantos tringulos existem, cujos vrtices sejam 3 dos pontos acima considerados? 110) (IME-RJ) Com 10 espcies de frutas, quantos tipos de salada, contendo 6 espcies diferentes, podem ser feitos? 111) Numa sala, temos 5 rapazes e 6 moas. Quantos grupos podemos formar de 2 rapazes e 3 moas? 112) Quantos so os nmeros compreendidos entre 2 000 e 3 000, formados por algarismos distintos escolhidos entre 1, 2, 3, 4, 5, 6, 7, 8 e 9? 113) Considerando todos os nmeros de seis algarismos distintos que podem ser formados com os algarismos 1, 2, 3, 4, 6, 7 e 9, determine: a) quantos so pares b) quantos so mpares 114) De quantas maneiras 5 pessoas podem ser colocadas dentro de um carro, sabendo que: a) somente 3 sabem dirigir b) somente 1 sabe dirigir c) todos sabem dirigir

Prof. Ccero Jos UNIBAN

53

8. Permutao com elementos repetidos


Um conjunto foi escrito com n elementos. Um dos elementos foi repetido elemento foi repetido vezes e assim por diante, at um elemento repetido vezes. O nmero de permutaes que se pode obter com os elementos : Pn(
, , ..., )

vezes, outro

n! ! ! ... !

Exemplo 1: Qual o nmero de anagramas que podemos formar com as letras da palavra INFINITO? Resoluo: Se no houvesse elemento repetido, teramos um total de P8 = 8! anagramas. Imagine que uma das letras N fosse azul e a outra verde. Para cada anagrama escrito com N (azul) esquerda do N (verde), teramos outro anagrama com N (verde) esquerda do N (azul). Mas como, de fato, no h essa distino entre as letras N, calculamos o nmero em dobro. Para corrigir esse erro, devemos dividir o total por 2!, ou seja, 2. Porm, a letra I tambm se repete. Imaginando 3 cores para as letras I, teramos uma variao de 3!, isto , 6 posies. Devemos dividir o total por 3! para corrigir esse erro. Assim, o nmero procurado :

P8(3, 2) =

Exemplo 2: Com a palavra GARRAFA: a) quantos anagramas podemos formar? b) quantos anagramas comeam com a letra A?

Observao: Uma dvida muito comum : Devemos ou no multiplicar o resultado 180 por 3?, pois h trs letras A. A resposta no, porque, se substituirmos o A da primeira posio por outra A da palavra, obteremos os mesmos anagramas. Exerccios

115) Determine o nmero de anagramas formados a partir de: a) MALA c) AMIGA b) CORRER d) CASSINO

e) RODOVIA

116) Um dado lanado 4 vezes. De quantos modos distintos pode ser obtida uma sequncia com trs faces iguais a 1 e uma face igual a 6? 117) Permutando os algarismos 3, 2, 3, 4, 4 e 5, quantos nmeros de 6 algarismos podemos formar?

Prof. Ccero Jos UNIBAN

54

118) Uma moeda lanada 5 vezes. De quantos modos distintos podem ser obtidas 2 caras e 3 coroas? 119) Considere os anagramas formados a partir de CORREDOR. Responda: a) Quantos so? c) Quantos comeam por COR? b) Quantos comeam por R? d) Quantos comeam e terminam por R? 120) (Unifap-AP) A cidade de Macap banhada pelo rio Amazonas e cortada pela linha do Equador. Responda: a) Quantos so os anagramas da palavra MACAP? (Desconsidere o acento grfico.) b) Quantos anagramas da palavra AMAZONAS comeam por consoante? c) Em quantos anagramas da palavra EQUADOR as letras Q, U, A mantm-se juntas? 121) Determine o nmero de anagramas formados a partir de: a) BANANA b) CACHORRO c) ASSISTENTE d) COCADA e) IRRIGAR 122) Numa cartela BINGO, os nmeros de 1 a 75 so dispostos, sem repetio, da seguinte forma: na coluna B: de 1 a 15 na coluna I: de 16 a 30 na coluna N: de 31 a 45 na coluna G: de 46 a 60 na coluna O: de 61 a 75

2 9 6 15 11

B I N G O
28 30 26 17 18 45 32 34 38 48 51 60 56 55

66 75 62 71 63

Na coluna N existe o smbolo , chamado coringa. Num jogo de cartela cheia, vence o jogador que preencher primeiro todos os nmeros da cartela. Quantos jogos diferentes podem ser formados no jogo de cartela cheia? 123) As atuais placas de licenciamento de automveis constam de sete smbolos, sendo trs letras, dentre as 26 do alfabeto, seguidas de quatro nmeros. Para fazer o licenciamento de automveis no estado de So Paulo, a primeira posio das placas comeam com as letras B, C, D, E e F. Determine o nmero de placas distintas que podemos ter no estado de So Paulo. 124) Joo est participando de um sorteio de um carro 0 km. Para ganhar ele precisa adivinhar a placa de um determinado carro. O realizador do sorteio informou que a placa do carro comea com a letra P e termina com o nmero 7. Sabendo que a placa constituda de trs letras e quatro nmeros, e que Joo acertou somente na ltima tentativa, determine o nmero de tentativas que ele precisa fazer.

Prof. Ccero Jos UNIBAN

55

CAPTULO VII - Clculo de Probabilidades


1. Introduo Breve histrico
A resoluo de problemas vinculados a jogos de azar esteve na origem da teoria das probabilidades, que deu seus primeiros passos no sculo XVI. Os jogadores da poca recorriam a matemticos como Tartaglia9 e Cardano10, solicitando-lhes informaes que os favorecessem nos jogos de dados e de baralho. Foi no sculo XVII, porm, que a teoria das probabilidades veio adquirir sua forma atual. Os responsveis por isso foram trs franceses: o Cavaleiro de Mr nobre e jogador inveterado e Blaise Pascal e Pierre de Fermat, dois matemticos, que, embora amadores, deram contribuies muito importantes para a Matemtica. Em 1652, o Cavaleiro de Mr props a Pascal alguns problemas ligados aos jogos de azar, um dos quais era este: num jogo de azar equilibrado, duas pessoas apostaram 32 moedas de ouro cada uma. Combinou-se que ganharia quem primeiro vencesse 3 partidas; no entanto, o jogo precisou ser interrompido quando uma pessoa tinha vencido 2 partidas e a outra, 1 partida. De que forma devem ser repartidas as 64 moedas de ouro? Blaise Pascal refletiu nesse problema durante dois anos e, em 1654, passou-o para o jurista Pierre de Fermat. Seguiu-se ento uma correspondncia entre Pascal e Fermat, que veio constituir-se no ponto de partida da atual teoria das probabilidades. Pascal e Fermat comearam por concordar que, num jogo interrompido, as moedas deveriam divididas de acordo com as perspectivas de vitrias de cada jogador. Pascal resolveu o problema analisando o que poderia ocorrer na 4 partida, para a qual havia 2 possibilidades: vence a 1 pessoa, que assim ganha o jogo e as 64 moedas; vence a 2 pessoa, que desse modo fica em igualdade de condies com a 1. Nesse caso, a deciso ocorreria somente na 5 partida.

Observemos que, se no houver a 5 partida, ou a 1 a vencedora (e ganha as 64 moedas), ou ambas ficam em igualdades de condies (a, justo que cada uma delas fique com 32 moedas). Portanto, ao fim da 4 partida, a 1 pessoa j tem garantido 32 moedas, e as 32 restantes tm a mesma possibilidade de ir para uma ou para outra (que essas 32 moedas sejam ento divididas em partes iguais pelos dois jogadores). Com base nesse raciocnio, Pascal conclui que a 1 pessoa tinha direito a 48 (32 + 16) moedas, e 2 cabiam 16 moedas. Notemos que Pascal resolveu o problema subdividindo-o em casos mais simples, para os quais fossem muito mais bvias as possibilidades de ocorrer um ou outro fato; em seguida agrupou esses casos para chegar resposta desejada.
Fonte: TROTTA, F. Matemtica por assunto 4. s.e. So Paulo: Scipione, 1988

Girolamo Cardano nasceu em Pavia, em 1501 e faleceu em Roma, em 1576, levou uma vida marcada por contrastes e extremos. Excepcional cientista, dedicou-se tambm astrologia. Em um documento por ele mesmo redigido, definiu-se como desbocado, espio, melanclico, traidor, solitrio, obsceno, desonesto, incomparavelmente vicioso e portador de total desprezo pela religio. Apesar desses traos pessoais nada significantes, Cardano levou posterioridade um livro que, poca, era sem dvida o maior compndio algbrico existente: a Ars Magna, publicada em Nuremberg, na Alemanha, em 1545. 10 Nicol Fontana nasceu em Brscia, em 1500. Desde a infncia teve a vida marcada pelo infortnio, pelas lutas, pelas asperezas e por toda a sorte de dificuldades. Foi apelidado como Tartaglia (que em italiano significa gago). Tinha em comum com Cardano apenas talento matemtico e a nacionalidade italiana. Faleceu em 1557.

Prof. Ccero Jos UNIBAN

56

2. Experimentos aleatrios
Chamamos de experimentos aleatrios aqueles que, repetidos em idnticas condies, produzem resultados que no podem ser previstos com certeza. Embora no saibamos qual o resultado que ir ocorrer num experimento, em geral conseguimos descrever o conjunto de todos os resultados possveis que podem ocorrer. As variaes de resultados, de experimento para experimento, so devidas a uma multiplicidade de causas que no podemos controlar, as quais denominamos acaso.
Exemplos: a) Lanar uma moeda e observar a face de cima. b) Lanar um dado e observar o nmero da face de cima. c) De um baralho de 52 cartas, selecionar uma carta e observar seu naipe. d) Numa cidade onde 10% dos habitantes possuem determinada molstia, selecionar 20 pessoas e observar o nmero de portadores da molstia.

3. Espao amostral
Chamamos de espao amostral, e indicamos por , um conjunto formado por todos os resultados possveis de um experimento aleatrio. Exemplos: a) Lanar uma moeda e observar a face de cima. = {Ca, Co} b) Lanar um dado e observar o nmero da face de cima. = {1, 2, 3, 4, 5, 6} c) De uma urna contendo 3 bolas vermelhas (V), 2 bolas brancas (B) e 5 bolas azuis (A), extrair uma bola e observar sua cor. = {V, B, A} d) Lanar uma moeda duas vezes e observar a sequncia11 de caras e coroas. = {(Ca, Ca), (Ca, Co), (Co, Ca), (Co,Co)}

4. Evento
Consideremos um experimento aleatrio, cujo espao amostral . Chamaremos de evento todo subconjunto de . Em geral indicamos um evento por uma letra maiscula do alfabeto: A, B, C, ..., X, Y, Z. Os eventos que possuem um nico elemento sero chamados eventos elementares.
Exemplo: 1o) Um dado lanado e observa-se o nmero da face de cima. = {1, 2, 3, 4, 5, 6} Eis alguns eventos: A: ocorrncia de nmero mpar. A = {1, 3, 5}. B: ocorrncia de nmero primo. B = {2, 3, 5}.
11

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema, sinal colocado sobre a letra u para indicar que ela deve ser pronunciada nos grupos gue, gui, que, qui. Ateno: o trema permanece apenas nas palavras estrangeiras e em suas derivadas. Exemplos: Mller, mlleriano.

Prof. Ccero Jos UNIBAN

57

5. Combinaes de eventos
Sejam A e B dois eventos; ento A B ser tambm um evento que ocorrer se, e somente se, A ou B (ou ambos) ocorrerem. Dizemos que A B a unio entre o evento A e o evento B.

5.1. Unio de dois eventos

5.2. Interseo de dois eventos

Sejam A e B dois eventos; ento A B ser tambm um evento que ocorrer se, e somente se, A e B ocorrerem simultaneamente. Dizemos que A B a interseo entre o evento A e o evento B. Em particular, se A B = , A e B so chamados mutuamente exclusivos.

5.3. Complementar de um evento


Seja A um evento; ento A ser tambm um evento que ocorrer se, e somente se, A no ocorrer.

6. Probabilidade de um evento P(E)


P(E) = n(E) n( ) onde : n(E) = nmero de elementos do evento E n() = nmero de elementos do espao amostral

7. Probabilidade da Unio de dois eventos


A A B B
P (A U B) = P(A) + P(B) P(A B)

Exemplo 1: No lanamento simultneo de dois dados, temos o seguinte espao amostral:

= {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6), (3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6), (4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6), (5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)} Determine a probabilidade dos seguintes eventos: A: ocorrncia de nmeros iguais nos dois dados. B: ocorrncia de nmeros cuja soma seja 12. C: ocorrncia de nmeros cuja soma seja menor ou igual a 12. D: ocorrncia de nmeros cuja soma seja 8. E: ocorrncia de nmeros cuja soma seja diferente de 8. F: ocorrncia de nmeros iguais, com soma igual a 8. G: ocorrncia de nmeros iguais, com soma igual a 7. H: ocorrncia de nmeros iguais nos dois dados, ou de nmeros com soma igual a 8. I: ocorrncia de nmeros mltiplos de 3 nos dois dados.

Prof. Ccero Jos UNIBAN

58

Exemplo 2: Escolhendo-se aleatoriamente um nmero natural de 1 a 20, qual a probabilidade desse nmero ser mltiplo de 2 ou 3?

Exemplo 3: (Fuvest-SP) A probabilidade de que a populao atual de um pas seja de 110 milhes ou mais de 95%. A probabilidade de ser 110 milhes ou menos de 8%. Calcule a probabilidade de ser 110 milhes.

Exemplo 4: Em um grupo de 500 estudantes, 80 estudam Engenharia, 150 estudam Economia e 10 estudam Engenharia e Economia. Se um aluno escolhido ao acaso, qual a probabilidade de que: a) ele estude Economia e Engenharia?

b) ele estude somente Engenharia? c) ele estude somente Economia? d) ele no estude Engenharia nem Economia? e) ele estude Engenharia ou Economia?

Exerccios

125) Lana-se um dado ao acaso. Determine a probabilidade de se obter na face superior: a) o nmero 2 e) um nmero mpar h) um nmero maior ou b) um nmero maior que 4 f) um nmero par igual a 6 c) um mltiplo de 3 g) um nmero primo i) um nmero maior que 6 d) um divisor de 20 126) Um baralho tem 52 cartas, das quais 4 so reis e 4 so valetes. Retira-se uma carta ao acaso. Determine a probabilidade de: a) de ser retirado um rei b) no ser retirado um valete 127) Uma urna contm12 30 bolinhas numeradas de 1 a 30. Retirando-se ao acaso uma bolinha da urna, qual a probabilidade de essa bolinha ter um nmero mltiplo de 4 ou de 3?

De acordo com a nova Reforma Ortogrfica 2009, permanecem os acentos que diferenciam o singular do plural dos verbos ter e vir, assim como de seus derivados (manter, deter, reter, conter, convir, intervir, advir etc.). Exemplo: Ele tem dois carros. / Eles tm dois carros. A urna contm 30 bolinhas. / As urnas contm bolinhas de vrias cores.

12

Prof. Ccero Jos UNIBAN

59

128) (Unesp-SP) Joo lana um dado sem que Antnio veja. Joo diz que o nmero mostrado pelo dado par. A probabilidade de Antnio descobrir esse nmero : 1 1 4 1 3 a) b) c) d) e) 2 6 6 3 36 129) Determine a probabilidade de se obterem os eventos a seguir, no lanamento simultneo de 2 dados, observadas as faces voltadas para cima. a) nmeros iguais e) nmeros cuja soma mpar b) nmeros diferentes f) nmeros cuja soma menor que 12 c) nmeros cuja soma igual a 5 g) nmeros cuja soma maior que 12 d) nmeros cujo produto par h) nmeros primos nos 2 dados 130) Escolhido ao acaso um elemento do conjunto dos divisores de 30, determine a probabilidade de que ele seja primo. 131) A probabilidade de um cavalo vencer trs ou menos corridas de 58%; a probabilidade de ele vencer trs ou mais corridas de 71%. Qual a probabilidade de o cavalo vencer exatamente trs corridas? 132) Num domin (28 peas), qual a probabilidade de, escolhendo uma pea ao acaso, retiramos uma que tenha repetio de nmeros (00, 11, ..., 66)? 133) (FGV-SP) Uma fatia de po com manteiga pode cair no cho de duas maneiras apenas: com a manteiga para cima (evento A); com a manteiga para baixo (evento B). Uma possvel distribuio de probabilidade para esses eventos : 3 5 a) P(A) = P(B) = b) P(A) = 0 e P(B) = c) P(A) = 0,3 e P(B) = 1,3 7 7 6 d) P(A) = 0,4 e P(B) = 0,6 e) P(A) = e P(B) = 0 7

8. Distribuio de probabilidade
Dado um experimento aleatrio, na impossibilidade de prever seu resultado, desejamos fazer afirmaes a respeito das chances de cada um dos possveis resultados. Consideraremos apenas experimentos aleatrios em que o espao amostral finito, digamos, = {a1, a2, a3, ..., an}. Nesse caso, queremos atribuir a cada evento elementar um nmero real que exprima sua chance de ser o resultado do experimento. Teremos, ento, a associao: o evento {a1} ocorre com chance o evento {a2} ocorre com chance o evento {a3} ocorre com chance ......................................................... o evento {an} ocorre com chance p1 p2 p3 pn .

Estes nmeros, p1, p2, ...., pn, podem ser escolhidos de muitas formas. Um modo conveniente de escolh-los obrig-los a satisfazer as seguintes condies: a) cada pi maior ou igual a zero; b) a soma p1 + p2 + p3 + .... + pn deve ser igual a 1.

Prof. Ccero Jos UNIBAN

60

9. Teoremas sobre probabilidades em espao amostral finito


Teorema 1 A probabilidade do evento certo 1. Teorema 3 Se A um evento, ento 0 P(A) 1. Teorema 4 Se A e B so eventos, ento P(A B) = P(A) + P(B) P(A B). Obs.: Se A e B so mutuamente exclusivos (A B = ), ento P(A B) = P(A) + P(B) Teorema 5 Se A um evento, ento P( A ) = 1 P(A). Teorema 2 Se A B, ento P(A) P(B).

10. Espaos equiprovveis13


Ao estudarmos um experimento aleatrio com um nmero finito de resultados, ou seja, com um espao amostral finito, frequentemente14 somos levados, pelas caractersticas do experimento, a atribuir iguais probabilidades de ocorrncia a todos os eventos elementares. Um espao amostral finito onde cada evento elementar tem a mesma probabilidade um espao equiprovvel.
Exemplo: Uma urna contm 50 bolas idnticas. Se as bolas forem numeradas de 1 a 50, qual a probabilidade de, em uma extrao ao acaso, a) obtermos a bola de nmero 27? b) obtermos uma bola de nmero par?

c) obtermos uma bola de nmero maior que 20?

d) obtermos uma bola de nmero menor ou igual a 20?

13 14

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema. De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema.

Prof. Ccero Jos UNIBAN

61

11. Espaos no equiprovveis


Considere a roleta indicada na figura abaixo:
1 3 2

Observe que o espao amostral = {1, 2, 3} e que os eventos complementares {1}, {2} e {3} no so equiprovveis, isto , no tm a mesma chance de ocorrncia, pois: a rea do nmero 1 corresponde quarta parte do crculo; a rea do nmero 2 corresponde quarta parte do crculo; a rea do nmero 3 corresponde metade do crculo. Do exposto, temos que: 1 1 2 1 P(1) = , P(2) = e P(3) = = , isto , P(3) = 2 P(1) = 2 P(2) 4 4 4 2 Portanto, esse experimento dito no equiprovvel, pois os eventos elementares do espao amostral no apresentam a mesma probabilidade de ocorrncia.
Exemplo 1: A probabilidade de ocorrer cara no lanamento de uma moeda viciada 0,54. Qual a probabilidade de ocorrer coroa?

Exemplo 2: Numa moeda viciada, a probabilidade de ocorrer cara num lanamento igual a quatro vezes a probabilidade de ocorrer coroa. Calcule a probabilidade de ocorrer cara num lanamento dessa moeda.

Exemplo 3: Trs cavalos c1, c2 e c3 disputam um preo, no qual s se premiar o vencedor. Temos o espao amostral = {c1 , c2 , c3 }. Um conhecedor dos 3 cavalos afirma que as chances de c1 vencer so o dobro das de c2, e que c2 tem o triplo das chances de c3. Qual a probabilidade que cada cavalo tem de vencer?

Prof. Ccero Jos UNIBAN

62

Exemplo 4: Um dado viciado, de modo que a probabilidade de observarmos um nmero na face de cima proporcional a esse nmero. Calcule a probabilidade de: a) ocorrer nmero par; b) ocorrer nmero maior ou igual a 5.

12. Probabilidade Condicional:


Considere o problema seguinte: Uma bola retirada de uma urna que contm 20 bolas numeradas de 1 a 20. A pessoa que a retirou diz o seguinte para os que acompanham o sorteio: - Saiu um nmero mpar! Pergunta-se: Qual a probabilidade de ter sado um nmero primo? H 20 resultados possveis para o experimento retirar uma bola da urna. Isto , S = {1, 2, 3, 4, ..., 19, 20} Dentre estes resultados, vamos destacar os eventos: A: sair nmero mpar A = {1, 3, 5, 7, 9, 11, 13, 15, 17, 19} B: sair nmero primo B = {2, 3, 5, 7, 11, 13, 17, 19} O problema pede a probabilidade de ocorrer B (nmero primo), mas informa que j ocorreu A (nmero mpar). Ento, entre os elementos de A, vamos contar quantos so os casos favorveis ocorrncia de B. Note que isso equivale a determinar A B. A = {1, 3, 5, 7, 9, 11, 13, 15, 17, 19} B = {2, 3, 5, 7, 11, 13, 17, 19} n (A B) = 7 Assim, entre os 10 nmeros mpares possveis de terem ocorrido, h 7 casos favorveis ocorrncia de um nmero primo. Logo, a probabilidade de ocorrer primo, sabendo que ocorreu mpar : P= n(A B) n(A) P= 7 10

Definio: Seja um espao amostral e consideremos dois eventos, A e B. Com o smbolo P(A/B) indicamos a probabilidade do evento A, dado que o evento B ocorreu, isto , P(A/B) a probabilidade condicional do evento A, uma vez que B tenha ocorrido. Quando calculamos P(A/B), tudo se passa como se B fosse o novo espao amostral reduzido dentro do qual queremos calcular a probabilidade de A. Exemplo 1: Seja o lanamento de um dado. Sejam os seguintes eventos: A = sair o nmero 1 D = sair nmero primo B = sair nmero par E = sair nmero maior que 3 C = sair nmero mpar F = sair nmero menor que 3

Prof. Ccero Jos UNIBAN

63

Determine as seguintes probabilidades: a) P(A/C) b) P(B/D)

c) P(D/B)

d) P(E/B)

e) P(F/C)

f) P(C/F)

Exemplo 2: Dos 50 alunos de uma classe, 10 foram reprovados em Fsica, 12 em Matemtica, sendo que 6 foram reprovados em Fsica e Matemtica. Um aluno escolhido ao acaso. a) Sabendo que ele foi reprovado em Matemtica, qual a probabilidade de tambm ter sido reprovado em Fsica?

b) Sabendo que ele foi reprovado em Fsica, qual a probabilidade de tambm ter sido reprovado em Matemtica?

Exemplo 3: Um casal tem dois filhos. Determine a probabilidade de ambos serem rapazes, dado que: a) o primeiro filho rapaz; b) pelo menos um dos filhos rapaz.

Exemplo 4: Uma urna contm 20 bolas numeradas de 1 a 20. Escolhe-se uma delas ao acaso e v-se que o nmero nela marcado maior que 8. Qual a probabilidade de esse nmero ser mltiplo de 5?

Exemplo 5: Um dado lanado e observa-se que o nmero obtido par. Qual a probabilidade de ele ser maior que 3?

Exerccios

134) Numa cidade com 1000 eleitores vai haver uma eleio com dois candidatos, A e B. feita uma prvia em que os 1000 eleitores so consultados, sendo que 510 j se decidiram, definitivamente, por A. Qual a probabilidade de que A ganhe a eleio?

Prof. Ccero Jos UNIBAN

64

135) De um baralho de 52 cartas, uma extrada ao acaso. Qual a probabilidade de cada um dos eventos abaixo? a) ocorrer dama de copas. c) ocorrer carta de naipe de paus. e) ocorrer uma carta que no b) ocorrer dama. d) ocorrer uma figura. um rei. 136) Uma urna contm 3 bolas brancas, 2 vermelhas e 5 azuis. Uma bola escolhida ao acaso na urna. Qual a probabilidade de a bola escolhida ser: a) branca? b) vermelha? c) azul? 137) Jogando 3 dados, qual a probabilidade de se obter soma menor ou igual a 4 ? 138) Seja = {a, b, c, d} o espao amostral de um experimento aleatrio. Consideremos a seguinte 1 1 1 distribuio de probabilidades: P(a) = , P(b) = , P(c) = , P(d) = x. Determine o valor de x. 8 8 4 139) Dos 100 alunos de uma turma, 40 gostam de lgebra, 30 gostam de Geometria, 10 gostam de lgebra e Geometria, e h os que no gostam de lgebra nem de Geometria. Um aluno escolhido ao acaso. Qual a probabilidade de ele gostar de: a) lgebra? c) lgebra e Geometria? b) Geometria? d) lgebra ou Geometria? 140) Dois dados equilibrados so lanados. a) Qual a probabilidade de ocorrerem nmeros iguais nas faces superiores? b) Qual a probabilidade de ocorrerem nmeros diferentes? 141) No jogo 6 de um teste da Loteria Esportiva, a probabilidade de ocorrer coluna 1 de 48%, e a probabilidade de ocorrer do meio de 28%. Nesse mesmo jogo, qual a probabilidade de ocorrer coluna 2? 142) (UFSCar-SP) Uma urna tem15 10 bolas idnticas, numeradas de 1 a 10. Se retirarmos uma bola da urna, determine a probabilidade de no obtermos a bola nmero 7. 143) (FGV-SP) Uma urna contm 50 bolinhas numeradas de 1 a 50. Sorteando-se uma bolinha, determine a probabilidade de que o nmero observado seja mltiplo de 8. 144) (F. Objetivo-SP) Um dado honesto tem suas faces numeradas de 1 a 6. Joga-se este dado duas vezes consecutivas. Determine a probabilidade de obter um nmero par no primeiro lanamento e um nmero maior ou igual a 5 no segundo lanamento. 145) (CESGRANRIO-RJ) Dois dados so lanados sobre uma mesa. Determine a probabilidade de ambos dados mostrarem, na face superior, nmeros mpares. 146) De um grupo de 200 pessoas, 160 tm fator Rh positivo, 100 tm sangue tipo O e 80 tm fator Rh positivo e sangue tipo O. Se uma dessas pessoas for selecionada ao acaso, qual a probabilidade de: a) seu sangue ter fator Rh positivo? b) seu sangue no ser tipo O? c) seu sangue ter fator RH positivo ou ser tipo O?
15

De acordo com a nova Reforma Ortogrfica 2009, permanecem os acentos que diferenciam o singular do plural dos verbos ter e vir, assim como de seus derivados (manter, deter, reter, conter, convir, intervir, advir etc.).

Prof. Ccero Jos UNIBAN

65

147) Uma moeda viciada de tal modo que sair cara duas vezes mais provvel do que sair coroa. Calcule a probabilidade de: a) ocorrer cara no lanamento dessa moeda; b) ocorrer coroa no lanamento dessa moeda. 148) Os jogadores A, B, C e D disputam um torneio onde A e B tm chances iguais, C e D tambm tm chances iguais, mas A tem o dobro das chances de C. Qual a probabilidade de B vencer? Qual a probabilidade de D vencer? 149) (UFR-RJ) Os cavalos X, Y e Z disputam uma prova ao final da qual no poder ocorrer empate. Sabe-se que a probabilidade de X vencer igual ao dobro da probabilidade de Y vencer. Da mesma forma, a probabilidade de Y vencer igual ao dobro da probabilidade de Z vencer. Calcule a probabilidade de: a) X vencer; b) Y vencer; c) Z vencer. 150) (UF-PI) No lanamento de um dado vicioso, as faces diferentes de 5 ocorrem com probabilidade p, enquanto a face 5 ocorre com a probabilidade 3p. Assim sendo, determine o valor de p. 151) No lanamento de uma moeda defeituosa, qual a probabilidade de sair cara, sabendo-se que esta o dobro da probabilidade de sair coroa? 152) Trs carros, A, B e C, participam de uma corrida. A tem duas vezes mais probabilidades de ganhar que B e B tem trs vezes mais probabilidades de ganhar que C. Determine as probabilidades de vitria de cada carro. 153) Lana-se um dado viciado, de forma que cada nmero par sai o triplo de vezes que cada nmero mpar. a) Qual a probabilidade de ocorrer um nmero mpar? E um nmero par? b) Qual a probabilidade de ocorrer um nmero menor que 4? c) Qual a probabilidade de que saia um nmero mltiplo de 2 ou 3? 154) Trs corredores, A, B e C, participam de uma competio. A e B tm a mesma probabilidade de vencer e cada um tem quatro vezes mais probabilidades de vencer do que C. Calcule P(A), P(B) e P(C). 155) Um dado lanado e o nmero da face de cima observado. a) Se o resultado obtido for par, qual a probabilidade de ele ser maior ou igual a 5? b) Se o resultado obtido for maior ou igual a 5, qual a probabilidade de ele ser par? c) Se o resultado obtido for mpar, qual a probabilidade de ele ser menor que 3? d) Se o resultado obtido for menor que 3, qual a probabilidade de ele ser mpar? 156) Um nmero sorteado ao acaso entre os 100 inteiros de 1 a 100. a) Qual a probabilidade de o nmero ser par? b) Qual a probabilidade de o nmero ser par, dado que ele menor que 50? c) Qual a probabilidade de o nmero ser divisvel por 5, dado que par? 157) Dois dados d1 e d2 so lanados. a) Qual a probabilidade de a soma dos pontos ser 6, se a face observada em d1 foi 2? b) Qual a probabilidade de o dado d1 apresentar face 2, se a soma dos pontos foi 6?

Prof. Ccero Jos UNIBAN

66

c) Qual a probabilidade de a soma dos pontos ser menor que 7, sabendo que em ao menos um dado apareceu o resultado 2? d) Qual a probabilidade de a soma dos pontos ser menor ou igual a 6, se a soma dos pontos nos dois dados foi menor ou igual a 4? e) Qual a probabilidade de o mximo dos nmeros observados ser 5, se a soma dos pontos foi menor ou igual a 9? 158) Considere um tetraedro, como um dado, com 4 faces numeradas de 1 a 4. Dois tetraedros t1 e t2 so lanados sobre um plano e observam-se os nmeros das faces nas quais se apiam os tetraedros. Se a soma dos pontos obtidos for maior que 5, qual a probabilidade de que o nmero observado em t1 seja: a) 4? b) 3? 159) Lana-se um par de dados no viciados. Se a soma, nos dois dados, 8, calcule a probabilidade de ocorrer a face 5 em um deles.

13. Teorema da Multiplicao


Uma conseqncia importante da definio formal de probabilidade condicional a seguinte: P(A/B) = P(A B) P(B) P(A B) P(A) P(A B) = P(B) . P(A/B)

P(B/A) =

P(A B) = P(A) . P(B/A)

Isto , a probabilidade da ocorrncia simultnea de dois eventos [P (A B)] o produto da probabilidade de um deles pela probabilidade do outro, dado o primeiro.
Exemplo 1: Uma urna I contm 2 bolas vermelhas e 3 bolas brancas, a urna II contm 4 bolas vermelhas e 5 bolas brancas. Uma urna escolhida ao acaso e dela uma bola extrada ao acaso. Qual a probabilidade de observarmos urna I e bola vermelha?

Exemplo 2: Um lote contm 50 peas boas (B) e 10 defeituosas (D). Uma pea escolhida ao acaso e, sem reposio desta, outra pea escolhida ao acaso. Qual a probabilidade de ambas serem defeituosas?

Prof. Ccero Jos UNIBAN

67

14. Teorema da probabilidade total


P(A) = P(B1 A) + P(B2 A) + ... P(Bn A). Este resultado conhecido como teorema da probabilidade total. Ele utilizado quando P(A) difcil de ser calculada diretamente, porm simples se for usada a relao acima.
Exemplo 3: Uma urna I tem 2 bolas vermelhas (V) e 3 brancas (B); outra urna II tem 3 bolas vermelhas e uma branca e a urna III tem 4 bolas vermelhas e 2 brancas. Uma urna selecionada ao acaso e dela extrada uma bola. Qual a probabilidade de a bola ser vermelha?

Exemplo 4 (Problema da moeda de Bertrand): Existem trs caixas idnticas. A 1a contm duas moedas de ouro, a 2a contm uma moeda de ouro e outra de prata, e a 3a, duas moedas de prata. Uma caixa selecionada ao acaso e da mesma escolhida uma moeda ao acaso. Se a moeda escolhida for de ouro, qual a probabilidade de que a outra moeda da caixa escolhida tambm seja de ouro?

Exerccios

160) Uma urna I tem 3 bolas vermelhas e 4 pretas. Outra urna II tem 6 bolas vermelhas e 2 pretas. Uma urna escolhida ao acaso e dela escolhida uma bola tambm ao acaso. Qual a probabilidade de observarmos: a) urna I e bola vermelha? c) urna II e bola vermelha? b) urna I e bola preta? d) urna II e bola preta? 161) Uma urna tem 8 bolas vermelhas, 3 brancas e 4 pretas. Uma bola escolhida ao acaso e, sem reposio desta, outra escolhida, tambm ao acaso. Qual a probabilidade de: c) a 1a e a 2a serem vermelhas? a) a 1a bola ser vermelha e a 2a branca? a a b) a 1 bola ser branca e a 2 vermelha?

Prof. Ccero Jos UNIBAN

68

162) O ms de outubro tem 31 dias. Numa certa localidade, chove 5 dias no ms de outubro. Qual a probabilidade de no chover nos dias 1 e 2 de outubro? 163) A urna I tem 3 bolas vermelhas e 4 brancas, a urna II tem 2 bolas vermelhas e 6 brancas e a urna III tem 5 bolas vermelhas, 2 brancas e 3 amarelas. Uma urna selecionada ao acaso e dela extrada uma bola, tambm ao acaso. Qual a probabilidade de a bola ser: a) vermelha? b) branca? c) amarela? 164) Em um lote da fbrica A existem 18 peas boas e 2 defeituosas. Em outro lote da fbrica B, existem 24 peas boas e 6 defeituosas, e em outro lote da fbrica C, existem 38 peas boas e 2 defeituosas. Um dos 3 lotes sorteado ao acaso e dele extrada uma pea ao acaso. Qual a probabilidade de a pea ser: a) boa? b) defeituosa? 165) Uma urna I tem 3 bolas vermelhas e 4 brancas, a urna II tem 6 bolas vermelhas e 2 brancas. Uma urna escolhida ao acaso e nela escolhida uma bola, tambm ao acaso. a) Qual a probabilidade de observarmos urna I e bola vermelha? b) Qual a probabilidade de observarmos bola vermelha? c) Se a bola observada foi vermelha, qual a probabilidade que tenha vindo da urna I? 166) Uma caixa contm 3 moedas MI, MII e MIII. A MI honesta, a MII tem duas caras e a MIII 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 moeda MI e cara? b) Qual a probabilidade de observarmos cara? c) Se o resultado final foi cara, qual a probabilidade de que a moeda lanada tenha sido MI. 167) Uma certa molstia A detectada atravs de um exame de sangue. Entre as pessoas que efetivamente possuem a molstia A, 80% delas tm a molstia detectada pelo exame de sangue. Entre as pessoas que no possuem a molstia A, 5% delas tm a molstia detectada (erroneamente) pelo exame de sangue. Numa cidade, 2% das pessoas tm a molstia A. Uma pessoa da cidade foi submetida ao citado exame de sangue que a acusou como portadora da molstia A. Qual a probabilidade de essa pessoa estar efetivamente atacada pela molstia? 168) Em uma populao, o nmero de homens igual ao de mulheres. 5% dos homens so daltnicos e 0,25% das mulheres so daltnicas. Uma pessoa selecionada ao acaso e verifica-se que daltnica. Qual a probabilidade de que ela seja mulher? 169) (UMC-SP) Escolhendo ao acaso uma pessoa numa certa populao, a probabilidade de ela ser surda de 0,004, a probabilidade de ela se cega 0,007 e a probabilidade de ela se surda e cega de 0,0006. A probabilidade de ela ser cega ou surda : a) 0,0116 b) 0,005 c) 0,011 d) 0,0104 e) 0,0011

15. Independncia de dois eventos


Dados dois eventos A e B de um espao amostral , diremos que A independe de B se, P(A/B) = P(A), isto , A independe de B se a ocorrncia de B no afeta a probabilidade de A. Observemos que, se A independe de B, ento B independe de A, pois: P(B/A) = P(A B) P(B) . P(A) = = P(B). P(A) P(A)

Prof. Ccero Jos UNIBAN

69

Dois eventos A e B so chamados independentes se: P(A B) = P(A) . P(B).


Observaes: a) Se A e B no so independentes, eles so chamados dependentes. b) Se A e B so independentes, ento: A e B so independentes. A e B so independentes. A e B so independentes. Exemplo 1: Uma moeda lanada 3 vezes. Sejam os eventos: A: ocorrem pelo menos duas coroas. B: ocorrem resultados iguais nos trs lanamentos.

Temos: = {(Co, Co, Co); (Co, Co, Ca); (Co, Ca, Co); (Co, Ca, Ca); (Ca, Co, Co); (Ca, Co, Ca); Ca, Co); (Ca, Ca, Ca)}. A = {(Co, Co, Co); (Co, Co, Ca); (Co, Ca, Co); (Ca, Co, Co)} B = {(Co, Co, Co); (Ca, Ca, Ca)} A B = {(K, K, K)} P(B) = 1 8 2 1 = 8 4 P(A) = 1 2

(Ca,

P(A B) =

Logo, P(A B) = P(A) . P(B)


1 8 1 2 1 4

Portanto A e B so independentes.
Exemplo 2: Duas pessoas praticam tiro ao alvo. A probabilidade da 1a atingir o alvo P(A) =

probabilidade da 2a atingir o alvo P(B) = a probabilidade de: a) ambas atingirem o alvo? b) ao menos uma atingir o alvo?

2 . Admitindo A e B independentes, se as duas atiram qual 3

1 ea 3

Prof. Ccero Jos UNIBAN

70

16. Independncia de trs ou mais eventos


Consideremos 3 eventos A, B e C do mesmo espao amostral . Diremos que A, B e C so independentes, se: P(A B C) = P(A) . P(B) . P(C). Generalizando: P(A1 A2 ... An) = P(A1) . P(A2) . ... P(An).
Exemplo 3: As probabilidades de que duas pessoas A e B resolvam um problema so: P(A) =

P(B) =

3 . Qual a probabilidade de que: 5 a) ambos resolvam o problema? b) ao menos um resolva o problema? c) nenhum resolva o problema?

1 e 3

d) A resolva o problema, mas B no? e) B resolva o problema, mas A no?

Exemplo 4: Um dado lanado 5 vezes. Qual a probabilidade de que a face 2 aparea pelo menos uma vez nos 5 lanamentos?

Exerccios

170) A probabilidade de certo homem sobreviver mais 10 anos, a partir de certa data, 0,4, e de que sua esposa sobreviva mais 10 anos a partir da mesma data 0,5. Qual a probabilidade de: a) ambos sobreviverem mais 10 anos a partir daquela data? b) ao menos um deles sobreviver mais 10 anos a partir daquela data? 171) A probabilidade de que um aluno A resolva certo problema P(A) = resolva P(B) = 1 , a de que outro aluno B 2

1 1 e a de que um terceiro aluno C o resolva P(C) = . Qual a probabilidade de que: 3 4 a) os trs resolvam o problema? b) ao menos um resolva o problema?

Prof. Ccero Jos UNIBAN

71

172) Renato tem probabilidade

1 de convidar Alice para um passeio num domingo. A probabilidade 4 2 1 de que Csar a convide e a de Olavo . Qual a probabilidade de que: 5 2 a) os trs a convidem para o passeio? b) ao menos um a convide para o passeio? c) nenhum a convide para o passeio?

173) Uma moeda lanada 10 vezes. Qual a probabilidade de observarmos cara nos 10 lanamentos? 174) De um baralho de 52 cartas, uma extrada ao acaso. Sejam os eventos A: a carta de copas, B: a carta um rei e C: a carta um rei ou uma dama. Quais dos pares de eventos so independentes? a) A e B b) A e C c) B e C 175) As probabilidades de que duas pessoas A e B resolvam um problema so: P(A) = Qual a probabilidade de que: a) ambos resolvam o problema? b) ao menos um resolva o problema? c) nenhum resolva o problema? 1 3 e P(B) = . 3 5

d) A resolva o problema, mas B no? e) B resolva o problema, mas A no?

176) Uma moeda lanada 10 vezes. Qual a probabilidade de: a) observarmos 10 caras? b) observarmos 10 coroas? 177) Uma urna contm 20 bolas numeradas de 1 a 20. Seja o experimento retirada de uma bola, e considere os eventos: A = {a bola retirada possui um nmero mltiplo de 2} B = {a bola retirada possui um nmero mltiplo de 5} Determine a probabilidade do evento A U B. 178) Uma urna contm 3 bolas brancas, 2 vermelhas e 5 azuis. Uma bola escolhida ao acaso na urna. Qual a probabilidade de a bola escolhida ser: a) branca? b) vermelha? c) azul? 179) Uma urna contm 6 bolas pretas, 2 bolas brancas e 10 amarelas. Uma bola escolhida ao acaso. Qual a probabilidade de: a) a bola no ser amarela? b) a bola ser branca ou preta? c) a bola no ser branca, nem amarela? 180) Em um circuito eltrico, 3 componentes so ligados em srie e trabalham independentemente um do outro. As probabilidades de falharem o 1, 2 e 3 componentes valem respectivamente p1 = 0,1, p2 = 0,1 e p3 = 0,2. Qual a probabilidade de que no passe corrente pelo circuito?

181) (Vunesp-SP) Para uma partida de futebol, a probabilidade de o jogador R no ser escalado 0,2, e a probabilidade de o jogador S ser escalado 0,7. Sabendo que a escalao de um deles independente da escalao do outro, determine a probabilidade de dois jogadores serem escalados.

Prof. Ccero Jos UNIBAN

72

182) (EU-RJ)

Suponha haver uma probabilidade de 20% para uma caixa de Microvlar ser falsificada. Em duas caixas, a probabilidade de pelo menos uma delas ser falsa : a) 4% b) 16% c) 20% d) 36% 183) (U. F. So Carlos-SP) Gustavo e sua irm Caroline viajaram de frias para cidades distintas. Os pais recomendam que ambos telefonem quando chegarem ao destino. A experincia em frias anteriores mostra que nem sempre Gustavo e Caroline cumprem esse desejo dos pais. A probabilidade de Gustavo telefonar 0,6 e a probabilidade de Caroline telefonar 0,8. A probabilidade de pelo menos um dos filhos contatar os pais : a) 0,20 b) 0,48 c) 0,64 d) 0,86 e) 0,92 184) (Cesgranrio-RJ) As probabilidades de trs jogadores marcarem um gol cobrando um pnalti so, 1 2 5 e . Se cada um bater um nico pnalti, determine a probabilidade de todos respectivamente, , 2 5 6 errarem. 185) A probabilidade de um animal contrair determinada doena, no decorrer de cada ms, 30%. Qual a probabilidade de ele contrair a doena no 3 ms? 186) A probabilidade de um animal contrair determinada doena, no decorrer de cada ms, a probabilidade de ele contrair a doena no 4 ms? 1 . Qual 4

187) Considere a equao linear, na varivel x: (a 2) . x = 4. Se o coeficiente a for escolhido ao acaso entre os elementos de {0, 1, ...., 9}, qual a probabilidade de que essa equao venha a ter: a) uma nica soluo? b) nenhuma soluo? 188) Considere uma urna em que h trs bolas amarelas, numeradas de 1 a 3, e seis bolas vermelhas numeradas de 1 a 6. Uma bola extrada ao acaso. a) Se a bola extrada amarela, qual a probabilidade de ter sado um nmero mpar? b) Se for sorteado um nmero mpar, qual a probabilidade de ter sado uma bola amarela? c) Se for sorteado o nmero 5, qual a probabilidade de ter sado uma bola amarela? E bola vermelha? d) Qual a probabilidade de ter sado o nmero 6 sabendo que foi sorteada bola amarela? E bola vermelha?

Respostas dos exerccios


Captulo I 1. a) 23,4 b) 234,8

Prof. Ccero Jos UNIBAN Prof. Carlos Modesto

73

c) 45,1 u) 39,5

d) 48,9

e) 78,8

f) 12,4

g) 120,4

h) 130,0 q) 50,0

i) 200,0 r) 67,6

j) 46,73 s) 68,2

k) 123,84 l) 253,65 t) 128,5

m) 299,95 n) 28,26 o) 37,48 p) 23,6

v) 43,324 w) 59,570 x) 446,444 cc) 302,790 dd) 2 995,124

y) 265,312 z) 265,008

aa) 389,547 bb) 295,899

Captulo II 2. a) qualitativa b) quantitativa c) quantitativa d) qualitativa e) qualitativa 3. a) discreta b) discreta 4. AMOSTRA Masc. Fem. 11 12 14 15 15 12 18 29 21 16 41 36 120 120 5. 30 6. Montadora de automveis A B C D E F TOTAL 7. alternativa c 9. a) X: 2, 4, 7, 8, 12, 15, 20, 21. b) Y: 3, 5, 5, 8, 12, 12, 13, 14, 18. c) Z: 12,2; 12,2; 13,9; 14,7; 14,7; 21,8. d) W: 7, 7, 7, 8, 8, 8, 9. Quantidade de veculos produzidos 7200 3400 5100 4300 6900 2600 29500 8. alternativa a Amostra Estratificada Proporcional 504 238 357 301 483 182 2065

c) contnua d) discreta e) contnua

Captulo III 10. Notas 30 | 40 40 | 50 50 | 60 60 | 70 70 | 80 80 | 90 90 | 100 11. Faces 1 2 3 4 5 6 12. Idade (anos) xi 17 18 19 20 21 fi 9 12 23 17 20 19 100 fri 0,09 0,12 0,23 0,17 0,20 0,19 1,00 fi 4 6 9 11 9 7 4 50

Prof. Ccero Jos UNIBAN

74

a) fri 0,08 0,12 0,18 0,22 0,18 0,14 0,08 1,00

b) Fac 4 10 19 30 39 46 50 -

c) Far 0,08 0,20 0,38 0,60 0,78 0,92 1,00 -

d) 4 classe (60 | 70) e) li = l70 f) AT = 100 30 = 70

Fac 9 21 44 61 81 100 -

Far 0,09 0,21 0,44 0,61 0,81 1,00 -

N de alunos (fi) 3 18 17 8 4 50

fri 0,06 0,36 0,34 0,16 0,08 1,00

Fac 3 21 38 46 50 -

Fac 0,06 0,42 0,76 0,92 1,00 -

13. construo de grficos 14. a) AT = 900

b) L5 = 800 c) 46

c) l8 = 1000 l) 19%

d) x 8 = 950

e) AT2 = 100 f) 76

g) 0,155

h) 262
16.

i) 194 j) 138

k) 29,5%

m) 78% n) 500 | 600 o) 700 | 800 (5 classe)

15. a) 20 b) 15

d) 29% e) 66%
N de dias (fi) 30 5 3 1 1 40 fri 0,75 0,125 0,075 0,025 0,025 1,00 Fac 30 35 38 39 40 Far 0,75 0,875 0,95 0,975 1,000 -

N de acidentes (xi)

0 1 2 3 4

Prof. Ccero Jos UNIBAN

75

17. Classe 1 2 3 4 5 18. fi 1 3 4 5 3 2 1 1 19.


Classe

Int. classe 6 | 10 10 | 14 14 | 18 18 | 22 22 | 26

fi 1 5 8 4 2 20

fri 0,05 0,25 0,40 0,20 0,10 1,00

Fac 1 6 14 18 20

Far 0,05 0,30 0,70 0,90 1,00

fri 0,05 0,15 0,20 0,25 0,15 0,10 0,05 0,05

Fac 1 4 8 13 16 18 19 20

1 2 3 4 5 6 7 8 9

Faixa salarial (SM)

0 | 2 2 | 4 4 | 6 6 | 8 8 | 10 10 | 12 12 | 14 14 | 16 16 | 18

N de funcionrios

b) 15 g) 70%

c) 0,04 h) 54%

d) 132
21. a) 36

30 36 21 18 15 12 9 6 3 150

e) 120 j) 54%

0,20 0,24 0,14 0,12 0,10 0,08 0,06 0,04 0,02 1,00

fri

30 66 87 105 120 132 141 147 150 f) 18

Fac

0,20 0,44 0,58 0,70 0,80 0,88 0,94 0,98 1,00 -

Far

i) 2 intervalo (2 | 4) b) 36 alunos e 72

k) construo de grficos
22. a) 31,25%

20. alternativa b Captulo IV 23. 0,50 segundos 29. Sim. x = 4,25 31. a) x = 5,1

b) R$ 940,00

24. 8,2

25. 7,9

26. R$ 2,26

27. R$ 3,32

28. R$ 19,70

30. a) x = 13 anos

b) Md = 11

Md = 5 Md = 9

Mo = 5 Mo = 7

c) x = 49,8 d) x = 15,1
33. a) x = 7,9

Md = 49,5 Mo = no h Md = 15 b) Md = 7,8 Mo = no h c) Mo = 7,2

b) x = 11
32. a) x = 57,6

b) Md = 38

Prof. Ccero Jos UNIBAN

76

34. Md = 45,5 kg Mo = 44 kg 37. A mdia 39. Abaixo da mdia 41. alternativa c 45. x = 0,45 47. x = 335,00 50. Mo = 180 52. a) 10%

35. Sim. x = 4,25 38. a) Mo = 12,27

36. x = 2,18

Md = 2

Mo = 3 d) 45%

b) x = 14,53
40. x = 6,1 43. alternativa b 46. x = 572,50 48. x = 87,08 51. 4,29

c) Md = 13,85

42. alternativa c

44. alternativa a

Md = 0

Mo = 0

Md = 553,33 Mo = 530,00 Md = 80,36 Mo = 76,47

Md = 315,38 Mo = 295,65

49. Mo = 3,30 e Mo = 6,64. As notas mais frequentes nesta prova foram 3,30 e 6,64.

c) 20% d) 20% b) 20% b) 80% b) 108 c) 25% c) 40% c) 45 b) 18 b) 61,07

e) 60% f) 75% d) 60% d) 35% d) 162 e) 80% e) 50% e) 126 c) 19 c) 110,42

g) 80% h) 50% f) 50% f) 40% f) 90 d) 99,64 g) 75% g) 15% g) 9

i) 80% j) 70% h) 98% h) 4 d) 21 e) 246

b) 25%
53. a) 60% 54. a) 50% 55. a) 144 56. a) 18 57. a) 56,25 Captulo V 58.

2 | 6 6 | 10 10 | 14 14 | 18 18 | 22 Mdia 748 x = = 12,5 60

5 12 21 15 7 60

4 8 12 16 20 -

20 8,5 96 4,5 252 0,5 240 3,5 140 7,5 748 Varincia 1187 2= = 19,8 60

72,25 20,25 0,25 12,25 56,25 -

361,25 243,00 5,25 186,75 393,75 1187,00 Desvio Padro = 19,8 = 4,

59. Matemtica: CV = 0,1026 = 10,26% Resposta: Estatstica teve maior disperso

Estatstica: CV = 0,1041 = 10,41%

60. estatura: CV = 0,05 = 5% massa: CV = 0,04 = 4% Resposta: Apresenta maior variabilidade em estatura 61. 85 moas: CV = 0,0372 = 3,72% 125 moas: CV = 0,0371 = 3,71% Resposta: O grupo mais homogneo o de 125 moas. 62. 5,41 65. 63. 51,72 64. =

0,96 = 0,98 mm

classes

fi

xi

xi . f i

xi x

P .fi

Prof. Ccero Jos UNIBAN


77

0 | 10 10 | 20 20 | 30 30 | 40 40 | 50 Mdia 4800 x = = 24 200


66.

25 48 66 44 17 200

5 15 25 35 45 -

125 19 720 9 1650 1 1540 11 765 21 4800 Varincia 25800 2= = 129,65 200

361 81 1 121 441 -

9025 3888 66 5324 7497 25800 Desvio Padro = 129,65 = 11,4

66 48 44 25 17

AT do histograma: fi . h = 200 . 10 = 2000 rea entre x e x + = (20 12,6).48 + 10 . 66 + (35,4 30).44 = = 355,2 + 660 + 237,6 = 1252,8 2000 100% 1252,8 x 2000 x = 125 280 x = 62,64%

10

20 12,6

30

40

50

x
66 48

x +
35,4

T do histograma: fi . h = 200 . 10 = 2000 rea entre x 2 e x + 2 = (10 1,2).25 + 158 . 10 + (46,8 40).17 = = 220 + 1580 + 115,6 = 1915,6
44

25 17

2000 100% 1915,6 x 2000 x = 191 560 x = 95,78%

0 1,2

10

20

30

40

50

x 2

x + 2
46,8

67.

0 40 98 39 177

1,5 0,5 0,5 1,5 -

2,25 0,25 0,25 2,25 -

40,50 10,00 12,25 29,25 92,00

n de caras (xi) 0 1 2 3

n de experimentos (fi) 18 40 49 13 120

xi . f i

xi x

P .fi

classes

fi

xi

xi . f i

xi x

P .fi

68. {4, 6, 8, 10, 12} {1, 3, 5, 7, 9} 40 25 x = =8 x = =5 5 5 s2 = s2 = (4 8) 2 +(6 8) 2 +(8 8)2 +(10 8) 2 +(12 8) 2 (1 5)2 +(3 5) 2 +(5 5)2 +(7 5) 2 +(9 5)2 5 5 16 + 4 + 0 + 4 + 16 40 16 + 4 + 0 + 4 + 16 40 s2 = = =8 s2 = = =8 5 5 5 5 s= 2,8 s = 8 2,8 Concluso: A mdia ser acrescida de 3 unidades, enquanto que o valor da varincia e do desvio padro permanece inalterado. 69. estatura (cm) n de crianas (fi) 1 4 6 12 8 3 0 1 35 xi xi . f i

Prof. Ccero Jos UNIBAN

78

45 | 46 46 | 47 47 | 48 48 | 49 49 | 50 50 | 51 51 | 52 52 | 53

45,5 46,5 47,5 48,5 49,5 50,5 51,5 52,5 -

45,5 186,0 285,0 582,0 396,0 151,5 0 52,5 1698,5

9 16 6 0 8 12 0 16 67

b) De acordo com a propriedade vista no exerccio 70, podemos garantir que: a mdia ser 52,53 cm (uma vez suposto que cada criana nasceu 4 cm) e, o desvio padro ser 1,4 cm.
70. a) A amplitude do intervalo da zona de normalidade de 350g at 750 g. Isto significa que 68% dos clientes do restaurante consomem entre 350 g e 750 g.

b) A amplitude dos 95% centrais de 150 g at 900 g. Esta amplitude indica que 95% dos clientes consomem entre 150 g e 900 g.
71. alternativa b 74. a) 3,99 Captulo VI 76. a) 1 72. alternativa c 75. a) 2,59 73. alternativa a

b) 5,81

c) 720 d) 5040 b) 210 1 30

e) 8 f) 25 c) c) n + 1 d) 3

b) 1
77. a)

1 9

78. a) n

b) x (x 1)

d) (2x + 2) (2x + 1) c) x = 6

79. a) x = 0 ou x = 1 80. a) n = 3

b) x = 4 c) n = 2

d) x = 1 ou x = 2
82. n = 12 83. alternativa b

b) n = 5

81. alternativa a

P .fi

a) x = s2 =

1698, 5 = 48,53 35 67 = 1,97 34

s = 1,97 1

b) 5,59

g) 4 h) 2 e) 7 3 f)

i) 12 j) 120 f) 1 n 1 1 12

e) x (x + 2)

Prof. Ccero Jos UNIBAN

79

84. m = 4 85. 15 92. a)

86. 40 87. 60

88. 120 89. 24

90. 630 91. 175 760 000 95. a) {6}

17 40

b)

17 60

93. a) 102 97. {7} 101. a) 720

b) 2196

94. 1 98. 120

b) {10}

c) {4} b) 720
103. 210 107. 20

96. a) {5} 100. 504

b) {5} b) 720 b) 2880 b) 120 b) 5040

99. a) 24

b) 120
110. 210

102. a) 72 105. 56 114. a) 72

b) 8

c) 136
106. 40 320

104. a) 5040 108. 4536 113. a) 2160 115. a) 12 119. a) 3360 121. a)60

c) 15 120
109. 126

d) 25 200

111. 200

112. 336

b) 24 b) 720

c) 120
118. 10

c) 60

d) 2520 d) 360

e) 2520 e) 420

116. 4 120. a) 120

117. 180 122. (C15,5)4 . C15,4

b) 1260

c) 60

c) 151 200

d) 180

123. 33 800 000 Captulo VII 1 1 125. a) b) 6 3 126. a) 129. a) 130.

124. 676 000

c)

1 3

d)

2 3 1 2

e)

1 2

f)

1 2

g)

1 2

h)

1 6

i) 0

1 13 1 6

b) b)

12 13 5 6 c) 1 9

127.

128. alternativa d

d)

3 4 1 4

e)

1 2

f)

35 36

g) 0

h)

1 4
134. 1 ou 100%

3 8 1 52 b)

131. 29%

132.

133. alternativa d 136. a)

135. a) 137.

1 13

c) 1 2

1 4

d)

3 13

e)

12 13

3 10

b)

1 5

c)

1 2

1 54 1 6 4 5 1 4

138. x =

139. a) 141. 24%

40 30 10 60 = 40% b) = 30% c) = 10% d) = 60% 100 100 100 100


142. 147. a)

140. a) 146. a) 149. a)

b) b)

5 6 1 2 b) c) 1 2

9 10 b) 1 3

143.

3 25

144. 148. B =

1 6

145.

1 4

9 10 c) 1 4

2 3

1 1 eC= 3 6
151.

150. p = 153. a) 1, 3 e 5

1 8 1 12 1 3 b) 2, 4 e 6 1 2 c)

1 3 b) d) 1 2 5 12 c) 5 6

152. P(A) = 154. P(A) =

3 3 1 , P(B) = e P(C) = 5 10 10 4 4 1 , P(B) = e P(C) = 9 9 9

1 4 1 3

155. a)

Prof. Ccero Jos UNIBAN

80

156. a) 159.

1 2

b)

24 49

c) 3 14

1 5 b) c) 1 10 2 7

157. a)

1 6 d)

b) 1 8

1 5

c)

7 11

d) 1 4 35

e) b)

4 15 4 35 c) 3 14

158. a)

1 2

b)

1 3

2 5 11 28 1 6

160. a)

c)

3 8

161. a)

4 15 b) 33 56

162.

65 93

163. a) 166. a)

b) b)

71 140 13 18

164. a)

53 60

b)

7 60

165. a) 168. 4,8%

c)

4 11

c)

3 13
171. a)

167. 25,19%

169. alternativa d

170. a) 0,20

b) 0,70

1 24

b)

1 2

172. a)

1 20

b)

31 40

c)

9 40

173.

1 1024

174. a) A e B so independentes 175. a) 177.

b) A e C so independentes 2 15 e) 1 5 2 5 1 2
176. a) 179. a)

c) B e C so dependentes b) 4 9 1 1024 c) 1 3 c) 105 512


180. 0,532 186.

1 5

b)

11 15

c)

4 15 3 10

d)

1 1024 4 9 b) 1 20

3 5

178. a)

b)

c)

181. 0,56 187. a)

182. alternativa d

183. alternativa e 188. a)

184.

185. 0,147

27 256

9 1 = 90% b) = 10% 10 10

2 3

b)

3 5

c) 0% e 100%

d) 0% e

1 16

Bibliografia Bsica
CRESPO, Antonio Arnot. Estatstica fcil. So Paulo: Saraiva, 2005. HAZZAN, Samuel. Fundamentos da Matemtica Elementar. So Paulo: Atual, 2007 SILVA, Ermes Medeiros. Estatstica para os cursos de: Economia, Administrao e Cincias Contbeis Volume 1. 3. ed. So Paulo: Atlas, 2006 SPIEGEL, Murray R.. Estatstica. So Paulo: Pearson Education, 2005. TRIOLA, Mario F. Introduo Estatstica. Rio de Janeiro: LTC, 2005.

Bibliografia Complementar
DOWNING, Douglas. Estatstica aplicada. So Paulo: Saraiva, 2005. MARTINS, Gilberto de Andrade. Princpios de Estatstica: 900 exerccios resolvidos e propostos. So Paulo: Atlas, 2006. MORETTIN, Pedro A.. Estatstica bsica. So Paulo: Saraiva, 2006. TOLEDO, Geraldo Luciano. Estatstica bsica. So Paulo: Atlas, 1995 TROTTA, Fernando. Matemtica por assunto 4. So Paulo: Scipione, 1988

Prof. Ccero Jos UNIBAN

81

Formulrio de Estatstica
Nomenclaturas

h = intervalo de classe k = nmero de classes li = limite inferior da classe i Li = limite superior da classe i xi = ponto mdio da classe i AA = amplitude amostral AT = amplitude total fi = frequncia simples da classe i fri = frequncia relativa da classe i fri% = frequncia relativa percentual da classe i Fac = frequncia acumulada da classe i Far = frequncia acumulada relativa da classe i Far% = frequncia acumulada relativa percentual da classe i x = mdia Md = Mediana Mo = Moda

2 = varincia

= desvio padro
Frmulas nmero de classes: i 1 + 3,3 . log n Amplitude amostral: AA = xmax xmin Amplitude total: AT = Lmax lmin Intervalo de classe: h =

AT i li + L i 2 x i fi n (com intervalos de classe)

Ponto mdio do intervalo de classe: x i = Mdia: x =

xi n

(sem intervalos de classe) e x =

Nmero de elementos da pesquisa: n =

fi

Prof. Ccero Jos UNIBAN

82

Mediana

n Determinao da classe mediana: ou 2


Moda

fi 2

n Facant 2 Md = lmd + f md

Determinao da classe modal: maior frequncia simples Mo = lmo + D1 h mo , onde D1 = fmo fant D1 + D 2 e D2 = fmo fpost

Varincia Dados no agrupados

2=
s2 =

(x x)
i

(populao)

(x x)
i

n 1

(amostra) populao

se no for mencionado
Dados agrupados

2=
s2 =

(x x) .f
2 i

(populao)

1 2= n

x i 2fi

(
x i 2fi

x ifi ) n

(populao) x ifi ) n
2

(x x) .f
2 i

n 1

(amostra)

1 s2 = n 1

(amostra)

Desvio padro: = 2 Intervalos dos:

68% centrais

95% centrais

x 2

98% centrais

x 3

Coeficiente de variao: CV =

Prof. Ccero Jos UNIBAN

83

Anexo I Frequncia relativa


Vamos considerar um experimento que consiste no lanamento de uma moeda no viciada vrias vezes sucessivamente. O que se pode esperar em relao ao nmero de vezes que ocorre cara? Imagine que, em um certo dia, a moeda tenha sido lanada vezes, sendo obtidos doze resultados cara. Dizemos que a frequncia relativa f1 correspondente ocorrncia de cara f1 = 12 = 0,60. 20

No dia seguinte, a mesma moeda foi lanada cinquenta vezes e em 28 lanamentos apareceu a face cara. A frequncia relativa f2 dada por f2 = 28 = 0,56. 50

No terceiro dia, a moeda foi lanada 150 vezes sucessivamente e foram obtidas oitenta caras. A frequncia relativa f3 dada por f3 = 80 = 0,53333... 150

medida que o nmero de lanamento aumenta, espera-se que, sendo a moeda no viciada, a frequncia relativa correspondente ocorrncia de cara se estabilize em torno do valor 0,50 (ou 50%). Esse valor, como sabemos, a probabilidade de ocorrncia da face cara no lanamento de uma moeda no viciada. Nesse sentido, o conceito de frequncia relativa aplicado em uma situao em que o nmero de repeties arbitrariamente grande equivale definio de probabilidade de ocorrncia de um evento em um espao amostral equiprovvel. Muitas vezes atravs da frequncia relativa que se calculam certas probabilidades como, por exemplo, a chance de ocorrer: um acidente areo com uma aeronave da Boeing; uma pea defeituosa em um lote; um assalto em uma determinada farmcia aberta 24 horas; uma reao alrgica em um paciente ao ingerir certo medicamento; uma troca do nmero da camiseta em uma loja de moda jovem.

Fonte: IEZZI, G. e DOLCE, O. Matemtica Volume nico 4 ed. So Paulo

Prof.Ccero Jos UNIBAN Prof. Carlos Modesto

84

Anexo II Os censos demogrficos


A Estatstica tambm utilizada para levantar informaes sobre uma populao inteira como ocorre, por exemplo, nos censos demogrficos. At 1872 no eram feitos levantamentos especficos de contagem do nmero de habitantes no Brasil. Havia apenas relatrios preparados com outras finalidades, como os de temtica religiosa feitos pela Igreja, os relatrios dos funcionrios da Colnia enviados s autoridades de Portugal, ou ainda, os levantamentos militares realizados pela Coroa Portuguesa visando defesa do territrio. O primeiro censo demogrfico nacional, realizado em 1872, foi intitulado Recenseamento da Populao do Imprio do Brasil. Outros trs ocorreram em 1890, 1900 e 1920. Em 1935 foi criado o Instituto Brasileiro de Geografia e Estatstica (IBGE), que implantou a periodicidade decenal e ampliou a abrangncia temtica dos questionrios, introduzindo questes de cunho socioeconmico, como emprego, mo-de-obra, rendimentos, fecundidade, etc. Os censos produzem informaes indispensveis para a definio de polticas pblicas estaduais e municipais e para a tomada de decises de investimentos, tanto no mbito pblico como no privado. Entre os principais usos dos resultados censitrios, podemos citar: acompanhar o crescimento, a distribuio geogrfica e a evoluo de caractersticas da populao; identificar reas que requerem investimentos prioritrios em sade, habitao, energia, educacao, transporte, assistncia ao idoso, etc.; identificar reas carentes em projetos sociais; fornecer informaes precisas Unio para o repasse de verbas para Estados e municpios; analisar o perfil da mo-de-obra nos municpios e transmitir essas informaes s organizaes sindicais e profissionais, favorecendo decises acertadas de investimentos do setor privado. A sociedade brasileira cada vez mais necessita de informaes detalhadas e geograficamente especficas. Assim, importante que, no prximo censo, cada cidado receba bem os entrevistadores do IBGE e responda corretamente aos questionrios. Para saber mais sobre este assunto, acesse www.ibge.gov.br
Fonte: IEZZI, G. e DOLCE, O. Matemtica Volume nico 4 ed. So Paulo: Atual Editora, 2007 pp. 613

Prof. Ccero Jos UNIBAN

85

Anexo III Probabilidades no jogo de pquer


O pquer um jogo de baralho que se desenvolveu nos Estados Unidos, no sculo XVIII. No Brasil, o pquer , em geral, jogado com 32 cartas: 7, 8, 9, 10, valete, dama, rei e s dos quatro naipes: paus, espadas, copas e ouro. Cada jogador recebe 5 cartas e forma um jogo. Os jogos, em ordem decrescente de valor, so os seguintes:
a) Royal straight flush, formado por 5 cartas do mesmo naipe, em sequncia16 mxima: 10, valete, dama, rei e s. o jogo mais alto do pquer.

b) Straight flush, formado por 5 cartas do mesmo naipe, em sequncia no-mxima. Por exemplo: s, 7, 8, 9 e 10 nas seqncias, o s pode ser tanto a maior como a menor carta do baralho); 7, 8, 9, 10 e valete; 8, 9, 10, valete e dama; 9, 10, valete, dama e rei. Evidentemente as cartas no precisam chegar em ordem mo do jogador.

c) Quadra, formada por 4 cartas do mesmo valor e 1 carta de valor diferente:

16

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema.

Prof. Ccero Jos UNIBAN

86

d) Flush, formado por 5 cartas do mesmo naipe que no constituam sequncia:

e) Full hand, formado por 3 cartas do mesmo valor 2 cartas tambm do mesmo valor:

f) Sequncia, formada por 5 cartas em sequncia, sem serem todas do mesmo naipe:

g) Trinca, formada por apenas 3 cartas do mesmo valor e 2 cartas de valores diferentes entre si:

Prof. Ccero Jos UNIBAN

87

h) Dois pares, formado por 2 pares de cartas do mesmo valor e 1 carta de valor diferente das anteriores:

i) Um par, formado por apenas 2 cartas do mesmo valor e 3 de valores diferentes entre si:

j) Sem par, formado por 5 cartas de valores diferentes, sem serem todas do mesmo naipe e sem estarem em sequncia: o jogo mais baixo do pquer.

A determinao da probabilidade de ocorrerem os diferentes do pquer bastante interessante e ser objeto dos exerccios a seguir.
Questo 1: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer um royal straight flush? Soluo: Chamemos de E o evento ocorrer um royal straight flush. H 4 possibilidades favorveis (1 para cada naipe), num total de C32, 5 possibilidades. Aplicando a definio de probabilidades, temos: 4 4 P(E) = = C32, 5 201 376 Questo 2: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer um straight flush?

Prof. Ccero Jos UNIBAN

88

Questo 3: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer uma quadra? Questo 4: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer um flush? Questo 5: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer um full hand? Soluo: Chamemos de E o evento ocorrer um full hand. Na formao deste jogo, h 8 valores diferentes que podem ser usados na trinca (7, 8, 9, 10, valete, dama, rei ou s); as possibilidades de formar trinca com um desses valores so C4, 3;uma vez escolhido 1 valor para ser usado na trinca, h 7 valores que podem ser usados no par; e as possibilidades de formar par com um desses valores so C4, 2. Logo, h 8 C4, 3 7 C4, 2 possibilidades favorveis, num total de C32, 5 possibilidades. Aplicando 8 C4, 3 7 C 4, 2 1 344 ento a definio de probabilidades, temos: P(E) = = . C32, 5 201 376 Questo 6: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer uma seqncia? Questo 7: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer uma trinca? Questo 8: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrerem dois pares? Questo 9: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer um par? Soluo: Chamemos de E o evento ocorrer um par. Na formao deste jogo h 8 valores diferentes que podem ser usados no par; as possibilidades de formar par com um desses valores so C4, 2; uma vez escolhido 1 valor para ser usado no par, h C7, 3 maneiras de escolher os 3 valores restantes, e para cada um desses valores h 4 possibilidades, variando-se os naipes. Logo, h 8 C4, 2 C7, 3 4 4 4 possibilidades favorveis, num total de C32, 5 possibilidades. Aplicando ento a definio de probabilidades, temos: 8 C4, 2 C7, 3 4 4 4 107 520 P(E) = = C32, 5 201 376 Questo 10: Retiradas 5 cartas ao acaso de um baralho de 32 cartas, qual a probabilidade de ocorrer um jogo sem par? Gabarito 16 2) 201 376

3)

224 201 376

4)

204 201 376

6)

5 100 201 376

7)

10 752 201 376

8)

24 192 201 376

10)

52 020 201 376

Fonte: TROTTA, F. Matemtica por assunto Volume 4: s.ed. So Paulo: Editora Scipione, 1988 pp. 8994.

Prof. Ccero Jos UNIBAN

89

Anexo IV Gentica e probabilidade


Gentica um dos ramos da Biologia que mais se tm se desenvolvido na atualidade. Seu surgimento se deve ao monge austraco Gregor Mendel, estudioso de Matemtica e Cincias. Entre 1856 e 1865 ele realizou experimentos com ervilhas-de-jardim com o objetivo de entender como determinadas caractersticas so transmitidas de gerao em gerao. Mendel observou, dentre outras coisas, que as ervilhas podiam ter sementes amarelas ou verdes. Do cruzamento de ervilhas com sementes amarelas e ervilhas com sementes verdes nasciam, na primeira gerao, ervilhas com sementes amarelas, mas na segunda gerao tanto podiam nascer ervilhas com sementes amarelas como ervilhas com sementes verdes. Mendel conclui em seus estudos que cada um dessas caractersticas determinada por fatores hereditrios dominantes e recessivos. O trao gentico que desaparecia nos descendentes aps o cruzamento foi denominado recessivo, enquanto o que se manifestava foi chamado de dominante. Convencionou-se representar os fatores dominantes com letras maisculas e os recessivos com letras minsculas. No caso de ervilhas, as amarelas, por serem dominantes, so representadas por A, e as verdes, que so recessivas, representam-se por v. Os fatores hereditrios so denominados genes. As diferentes formas sob as quais os genes podem se apresentar denominam-se alelos. Assim, as ervilhas verdes (puras) possuem dois alelos recessivos verdes (vv) e as ervilhas amarelas contam com dois alelos dominantes amarelos (ervilhas amarelas puras: AA) ou um alelo amarelo e um verde (ervilhas amarelas hbridas: Av). Vale lembrar que os alelos para cada caracterstica herdada so sempre dois, um proveniente de cada gerador. O esquema abaixo mostra o cruzamento de ervilhas puras de sementes amarelas com ervilhas puras de sementes verdes.
amarela (AA) verde (vv)

amarela (Av) amarela (AA) amarela (Av)

amarela (Av)

1 gerao

amarela (Av)

verde (vv)

2 gerao

Observe, na tabela ao lado, um possvel amarela hbrida x amarela hbrida cruzamento da segunda gerao. Veja que, nesse cruzamento, a probabilidade de nascerem ervilhas X A v 1 AA (amarela) Av (amarela) A com sementes verdes de (25%) e a de Av (amarela) vv (verde) v 4 3 nascerem com sementes amarelas de (75%). 4 Outro exemplo da aplicao da probabilidade na Gentica o encontro de dois tipos de gametas com determinados genes. Um indivduo heterozigoto para determinada caracterstica (Aa) forma dois tipos de espermatozoides17, A e a. Se uma mulher tambm for heterozigota, poder formar vulos A e a.
17

De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o acento dos ditongos abertos i e i das palavras paroxtonas (palavras que tm acento tnico na penltima slaba). Exemplos: androide, colmeia, Coreia, epopeia, estreia, jiboia, joia, odisseia, paranoia, paranoico, plateia. Mas heri conserva seu acento, pois uma palavra oxtona.

Prof. Ccero Jos UNIBAN

90

Depende apenas do acaso o fato de ser o espermatozoide A ou a o responsvel pela fecundao, assim como tambm depende apenas do acaso o fato de ser a clula feminina A ou a a fecundada. Assim, recordamos o seguinte esquema:
pais gametas (50% A e 50% a) gerao F1 A Aa a x Aa A a

AA
1 4

Aa
1 4

Aa
1 4

aa
1 4

e o quadro de possibilidades com suas respectivas probabilidades:


A A a

1 2 1 2

1 2 1 AA 4 1 Aa 4

1 2 1 Aa 4 1 aa 4

Exerccios resolvidos Questo 1: Um casal heterozigoto com pigmentao normal teve como primeiro descendente uma criana albina. Responda: a) Qual a probabilidade de que seus prximos dois filhos sejam albinos? b) Qual a probabilidade de que seus prximos dois filhos tenham pigmentao normal? c) Qual a probabilidade de, pelo menos, um dos seus prximos dois filhos ser albino e menino? Resoluo: a) O fato de a primeira criana ser albina no influenciar, nesse aspecto, a hereditariedade das futuras crianas. So, pois, eventos independentes. Lembramos que o albinismo determinado por um gene recessivo a.
pais gametas (50% A e 50% a) gerao F1 A Aa a x Aa A a

AA
1 AA 4

Aa
1 Aa 2

Aa

aa
1 aa (albino) 4

Assim, a probabilidade de cada criana ser albina em qualquer nascimento

1 ou 25%. Portanto: 4 1 1 p (segunda criana ser albina) = p (terceira criana ser albina) = 4 4 1 1 1 p (segunda e terceira criana serem albinas) = = ou 6,2% 4 4 16

Prof. Ccero Jos UNIBAN

91

b) A probabilidade de que cada um, separadamente, dos seus prximos filhos tenha pigmentao 3 1 1 1 1 3 normal ou 75%, pois: AA + Aa, ou seja, + = 4 4 2 4 2 4 Logo: 3 3 9 p (segunda e terceira crianas terem pigmentao normal) = = ou 56% 4 4 16 c) A probabilidade de pelo menos um dos prximos dois filhos ser albino : 9 7 1 = ou 43% 16 16 1 Como a probabilidade de ser menino , ento a probabilidade de pelo menos uma criana ser 2 menino e albina : 1 7 7 = ou 21% 2 16 32
Questo 2: Num cruzamento Aa x Aa, sabemos que as combinaes AA, Aa, aA e aa so igualmente 1 provveis, cada uma com probabilidade . Sabemos tambm que Aa e aA no podem ser distinguidas 4 biologicamente. Qual a probabilidade de ocorrer Aa ou aA? Resoluo: 1 1 P(aA) = P(Aa) = 4 4 Aa e aA so mutuamente exclusivos P(Aa aA) = 0. Logo: 1 1 2 1 P(Aa ou aA) = + 0 = = 4 4 4 2 Questo 3: Numa populao humana a probabilidade de ser mudo estimada em 0,005, a probabilidade de ser cego 0,0085 e a probabilidade de ser mudo e cego 0,0006. Qual a probabilidade de que um indivduo, tomado ao acaso, seja mudo ou cego? Resoluo: Neste caso, ser mudo no exclui a possibilidade de ser cego, portanto os eventos no so mutuamente exclusivos. Logo: P(ser mudo ou ser cego) = P(A ou B) = P(A) + P(B) P(A e B) = = 0,0050 + 0,0085 0,0006 = 0,0129 = 1,29% Questo 4: Joo e sua esposa Maria tm uma pigmentao normal. Joo filho de um homem normal e mulher albina; Maria filha de uma mulher normal e pai albino. Qual a probabilidade de Joo e Maria terem uma criana albina do sexo masculino? Resoluo: Logo: Joo Maria 1 1 Aa x Aa P(criana albina) = e P(sexo masculino) = 4 2 Como os eventos ser criana albina e ser do sexo masculino aa (albino) Aa Aa AA so independentes, temos: 1 1 1 1 1 1 4 4 2 P(ser criana albina do sexo masculino) = = ou 12,5% 2 4 8

Prof. Ccero Jos UNIBAN

92

Questo 5: A queratose (anomalia da pele) devida a um gene dominante Q. Uma mulher com queratose, cujo pai era normal, casa-se com um homem com queratose, cuja me era normal. Se esse casal tiver 2 filhos, qual a probabilidade de dos dois apresentarem queratose? Resoluo:
mulher Qq homem x Qq

QQ
Q dominante

Qq Qq

qq
1 4

3 (queratose) 4

3 . Como o evento primeira criana ter queratose 4 independente do evento segunda criana ter queratose, temos: 3 3 9 P(as duas crianas terem queratose) = = ou 56% 4 4 16 Assim, P(cada criana ter queratose) =
Questo 6: No homem, o albinismo determinado por um gene recessivo a, enquanto a pele normal determinada pelo alelo dominante A Um casal normal tem um filho albino. a) Qual a probabilidade de aparecer na descendncia uma filha normal? b) Se o casal tiver 4 filhos, qual a probabilidade de 3 serem normais e 1 albino?
Situao gentica: Pai Aa
1 AA 4
x

Me Aa 1 aa 4
albino

2 Aa 4

Aa = p =

3 = normais 4

3 normais 4

Aa = q =

1 = albinos 4

Resoluo: a) Filha normal

Probabilidade de ser do sexo feminino = Probabilidade combinada = 3 1 3 = 4 2 8 4 3

1 2

Probabilidade de ser normal =

3 4

b) 4 filhos: 3 normais e 1 albino

3 4

1 4

=4

27 1 27 = 64 4 64

Fonte: BIANCHINI, E. e PACCOLA, H. Matemtica 2 EM: 1 ed. So Paulo: Editora Moderna, 2004 pp. 157 DANTE, L. R. Matemtica: Contextos e Aplicaes - 2 EM: s. ed. So Paulo: Editora tica, 2000 pp. 460-464

Prof. Ccero Jos UNIBAN

93

Anexo V A Estatstica o melhor calmante


inevitvel. Depois de um ano sombrio para a aviao comercial, como foi o de 1996, at o passageiro mais viajado sente medo. Diante de tantos desastres areos nas manchetes dos jornais, no h quem o convena de que as quedas so raras, de que o normal tudo dar certo. Mas exatamente isso que dizem as estatsticas. A chance de algum bater o carro e morrer a caminho do aeroporto 500 vezes maior do que a de o avio cair. Segundo a Administrao Federal de Aviao, americana, de cada 1 000 mortes, 228 acontecem em acidentes rodovirios e 0,45 em aerovirios. At nadar mais perigoso. A cada 1 000 fatalidades, 26 so por afogamento. Seria preciso viajar todos os dias, durante 712 anos, para que algum se envolvesse com certeza em um acidente areo, disse SUPER Stuart Matthews, da FSF (sigla para Fundao de Segurana no Voo18, em ingls). O que aconteceu no dia 31 de outubro em So Paulo, quando um Fokker 100 despencou sobre vrias casas segundos depois de decolar, foi uma tremenda falta de sorte, levando-se em conta as estatsticas. Pesquisas mostram que desde o final da dcada de 50 o nmero de desastres caiu bastante, embora eles tenham matado mais de 20 000 pessoas. H 37 anos, eram sessenta casos para cada milho de decolagens. Hoje so trs. E o Brasil segue a tendncia. Em 1987, quando o pas tinha 7 890 avies, houve 226 acidentes. Hoje, com uma frota quase 20% maior, o nmero baixou para menos da metade. Mas a matemtica nem sempre tranquiliza19. A lei da gravidade parece ser mais cruel na Amrica Latina. Aqui, a cada milho de pousos e decolagens 32,4 no do muito certo. Na Amrica do Norte a frequncia oito vezes menor. E o maior problema a tripulao, diz Stuart Matthews. Ou seja, em geral a culpa no da tecnologia. Os nmeros animadores tambm no valem para avies pequenos. No Brasil, entre 1992 e 1994, os desastres com jatinhos aumentaram em 55%. Alguns viraram notcia. Na noite de 2 de maro de 1996, um Learjet chegou no Aeroporto de Guarulhos com velocidade superior indicada para pouso. O piloto subiu e virou esquerda. Chocou-se com uma montanha. Morreram nove pessoas. Eram os Mamonas Assassinas e a tripulao. Concluso do inqurito policial: erros do piloto, do copiloto20 e da torre.
18

De acordo a nova Reforma Ortogrfica 2009, no se usa mais o acento das palavras terminadas em em e o(s). Exemplos: abenoo, creem (verbo crer), deem (verbo dar), doo (verbo doar), enjoo, leem (verbo ler), magoo (verbo magoar), perdoo (verbo perdoar), povoo (verbo povoar), veem (verbo ver), zoo. De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema. De acordo com a nova Reforma Ortogrfica 2009, no se usa o hfen quando o prefixo termina em vogal e o segundo elemento comea por consoante diferente de r ou s. Exemplos: anteprojeto, antipedaggico, microcomputador, semicrculo. Ateno: com o prefixo vice, usa-se sempre o hfen. Exemplos: vice-rei, vice-almirante etc.

19 20

Prof. Ccero Jos UNIBAN

94

O que derruba uma aeronave

15,7% Falha mecnica


O atrito com o ar e os processos de compresso e descompresso provocam trincas na fuselagem, que o corpo do avio. Quando no so percebidas e reparadas a tempo, parte da carcaa se solta em pleno vo.

3,4% Manuteno
Antes do voo, todo o aparelho deve ser avaliado. Peas desgastadas que j derrubaram muitos avies poderiam ter sido trocadas nessa fase.

69,2% Falhas humanas


Piloto e copiloto causam nada menos que 64,4% das quedas. Por inexperincia ou cansao, confundem-se com aparelhos e orientaes da torre e cometem deslizes. Pela lei, podem ficar no comando at 9 horas e 30 minutos por dia. Mas o Sindicato Nacional dos Aeronautas garante que a norma no respeitada. A torre de controle orienta o trfego no aeroporto e crucial no pouso e na decolagem. Falhas na comunicao e orientaes erradas causam 4,8% dos acidentes.

Informaes sobre voo chegam ao painel por fios conectados a aparelhos espalhados pelo avio. Interferncias eletromagnticas alteram os dados, confundem os pilotos e podem acionar equipamentos em hora errada. O desgaste na ligao entre as turbinas e a asa pode fazer com que uma delas se solte parcialmente e deixe de funcionar. As turbinas empurram a aeronave, mantendo-a no ar, e ajudam na freagem, com o mecanismo chamado reverso. So partes delicadas do aparelho, que j causaram muitos acidentes. Cadeiras mal fixadas esmagam os passageiros. Alem disso, sob elas que se colocam as bombas. O terrorismo no entra nas estatsticas, mas um dado importante.

4,8% Clima Nevoeiros diminuem a visibilidade e correntes de vento podem desestabilizar. O relmpago uma fatalidade que no se pode evitar.

Fagulhas surgidas em possveis atritos entre partes do avio podem chegar ao tanque do combustvel e provocar exploses.

7,1% Outras causas Testes e voos militares

O trem de pouso controlado por um sistema hidrulico. s vezes ele no funciona e o avio tem de pousar de barriga.

Fonte: Revista Superinteressante, Abril, ano 10, n. 12, pp. 26-27.

Prof. Ccero Jos UNIBAN

95

Anexo VI As chances na Mega Sena


Ganhar uma fortuna e mudar de vida. Esse o sonho de milhes de brasileiros que diariamente procuram as casas lotricas e apostam nas loterias da Caixa (Caixa Econmica Federal). J parte da rotina desses milhes de brasileiros acompanhar os nmeros sorteados. Algumas loterias mantidas pela Caixa so a Mega Sena, a Lotomania, a Loteca e a Lotogol. A mais popular a Mega Sena. Sorteios acumulados j chegaram a pagar mais de R$ 50 milhes ao felizardo vencedor. O volante da Mega Sena contm 60 nmeros, de 1 a 60. Para concorrer, a aposta mnima em seis nmeros e a aposta mxima em quinze. A cada rodada, so sorteados seis nmeros entre os 60. H prmios em dinheiro para quem acertar quatro nmeros (quadra), cinco nmeros (quina) e os seis nmeros (sena). Mas, afinal, se algum fizer a aposta mnima, que custa R$ 1,50, que chance tem de ganhar? O resultado de um sorteio pode ocorrer de C60, 6 = 50 063 860 modos distintos, pois so escolhidos, sem importar a ordem, seis entre os sessenta nmeros. O sortudo acertar a sena se os seis nmeros apostados coincidirem com os seis nmeros sorteados, havendo assim um nico caso favorvel. 1 Logo, a probabilidade pedida 0,000002%. 50 063 860 E quais so as chances que tenho de fazer uma quadra com a aposta mnima? Em sua aposta devero constar exatamente quatro entre os seis nmeros sorteados e dois entre os cinqenta e quatro no sorteados. O nmero de maneiras de acertar uma quadra : C6, 4 C54, 2 Portanto, a probabilidade pedida : C C54, 2 21 465 = 0,043% p = 6, 4 C60, 6 50 063 860 Por raciocnio lgico, conclui-se tambm que a probabilidade de fazer uma quina com a aposta mnima : C6, 5 54 = 0,00065% C60, 6 H porm, outros nmeros que premiam todo o Brasil a cada concurso: os repasses sociais das Loterias da Caixa. Em 2004, por exemplo, dos 4,2 bilhes de reais arrecadados, mais de 2 bilhes de reais foram destinados ao desenvolvimento social. Veja alguns setores beneficiados: Seguridade Social (sade, previdncia e assistncia social) Programas de Financiamento Estudantil a universitrios Esportes: Comits Olmpico e Paraolmpico Brasileiros Fundo Nacional de Cultura

Fonte: IEZZI, G, DOLCE, O., Matemtica Volume nico. 4.ed. So Paulo: Atual Editora, 2007 pp. 399

Prof. Ccero Jos UNIBAN

96

Anexo VII Frequncia relativa


Vamos considerar um experimento que consiste no lanamento de uma moeda no viciada vrias vezes sucessivamente. O que se pode esperar em relao ao nmero de vezes que ocorre cara? Imagine que, em um certo dia, a moeda tenha sido lanada vinte vezes, sendo obtidos doze resultados cara. Dizemos que a frequncia relativa f1 correspondente ocorrncia de cara f1 = = 0,60. No dia seguinte, a mesma moeda foi lanada cinquenta vezes e em 28 lanamentos apareceu a face cara. A frequncia relativa f2 dada por f2 = 28 = 0,56. 50 12 20

No terceiro dia, a moeda foi lanada 150 vezes sucessivamente e foram obtidas oitenta caras. A frequncia relativa f3 e dada por f3 = 80 = 0,5333... 150

medida que o nmero de lanamentos aumenta, espera-se que, sendo a moeda no viciada, a frequncia relativa correspondente ocorrncia de cara se estabilize em torno do valor 0,50 (ou 50%). Esse valor, como sabemos, a probabilidade de ocorrncia da face cara no lanamento de uma moeda no viciada. Nesse sentindo, o conceito de frequncia relativa aplicado em uma situao em que o nmero de repeties arbitrariamente grande equivale definio de probabilidade de ocorrncia de um evento em um espao amostral equiprovvel. Muitas vezes atravs da frequncia relativa que se calculam certas possibilidades como, por exemplo, a chance de ocorrer:

um acidente areo com uma aeronave da Boeing; uma pea defeituosa em um lote; um assalto em uma determinada farmcia aberta 24 horas; uma reao alrgica em um paciente ao ingerir certo medicamento; uma troca do nmero da camiseta em uma loja de moda jovem.

Fonte: IEZZI, G, DOLCE, O., Matemtica Volume nico. 4.ed. So Paulo: Atual Editora, 2007 pp. 606

Prof. Carlos UNIBAN Prof. Ccero JosModesto

97

Anexo VIII Matemtica, futebol e loteria


Uma das loterias mais populares entre os brasileiros, principalmente homens, a Loteca (antiga loteria esportiva). Ela rene duas paixes nacionais: futebol e apostas. A Loteca lista 14 partidas de futebol. O apostador arrisca um palpite para o resultado de cada partida: vitria de um dos times (coluna 1 ou coluna 2) ou empate (coluna do meio). A aposta mnima um duplo, isto , em um nico jogo assinalam-se duas opes: coluna 1 e coluna 2, coluna 1 e coluna do meio ou coluna 2 e coluna do meio. O preo dessa aposta R$ 1,00. H tambm apostas em um triplo (custo de R$ 1,50), isto , em um nico jogo assinalam-se as trs opes, garantindo, obviamente, o acerto do resultado daquele jogo. H vrias opes de aposta. Entre muitas possibilidades, podemos citar: 2 duplos (R$ 2,00), 1 triplo e 1 duplo (R$ 3,00), 6 triplos (R$ 364,50), 3 triplos e 5 duplos (aposta mxima, que custa 432,00). Ganha quem acertar os resultados de 13 ou 14 partidas. Mas, afinal, quais as chances de se ganhar nessa loteria? A teoria de probabilidades nos ajuda a calcular tais chances, a partir da hiptese de que os resultados das 14 partidas constituem um espao amostral equiprovvel, isto , cada resultado (coluna 1, coluna do meio e coluna 2) tem probabilidade 1 de ocorrer. 3

Observe, tambm, que o resultado de um jogo no interfere no resultado dos demais jogos, garantindo, desse modo, independncia entre os eventos (cada jogo est associado a um evento). Imagine que voc ir preencher um volante dos 14 jogos, concorrendo com a aposta mnima, isto , voc assinala um duplo em um jogo, digamos o primeiro, e nos demais jogos (2 ao 14) um palpite simples (uma coluna por jogo). A probabilidade de acertar os 14 jogos pode ser expressa por: p(acertar o 1 jogo e acertar o 2 jogo

e acertar o 3 jogo

e ... e acertar o 14 jogo)

Usando o teorema da multiplicao e lembrando da independncia dos eventos, vem: p = p ( acertar o 1o jogo )
duplo

p ( acertar o 2o jogo )
simples

...

p ( acertar o 14o jogo )


simples

p=

2 3

1 3

1 3

...
13 jogos

1 2 = 14 0,000042% 3 3

Prof. Carlos Modesto Prof. Ccero Jos UNIBAN

98

A probabilidade de acertar exatamente 13 jogos exige um raciocnio mais elaborado. H dois casos possveis: I. Voc erra o 1 (duplo) e acerta os demais, do jogo 2 ao jogo 14, com palpites simples. p = p ( errar o duplo ) p= 1 3 p ( acertar o simples ) 1 3 ... ... p ( acertar o simples ) 1 1 = 14 3 3

II. Voc acerta o 1 (duplo) e entre os 13 jogos restantes acerta 12 e erra 1.

2 . 3 Do 2 ao 14 jogos possvel caracterizar um experimento binomial, pois a probabilidade de 1 acerto em cada jogo constante . A chance de ocorrerem 12 acertos e 1 erro : 3 A probabilidade de acertar o 1 jogo P13(12) 1 3
12

2 13! = 3 12!

2 26 = 13 13 3 3 2 3 26 52 = 14 . 13 3 3

Assim, a probabilidade de II

Reunindo os dois casos (I e II), encontramos: p= 1 52 53 + 14 = 14 0,0011% 14 3 3 3

No desanime vendo esses nmeros! Lembre que esse modelo terico. Na prtica, em alguns jogos, o apostador tem conhecimento prvio sobre os times e acompanha o desempenho das equipes no campeonato. Isso pode aumentar a chance de acerto do resultado de um jogo. Mas no se esquea: favoritismos parte, no futebol so 11 contra 11 e tudo pode acontecer...

Fonte: IEZZI, G, DOLCE, O., Matemtica Volume nico. 4.ed. So Paulo: Atual Editora, 2007 pp. 407 e 408

Prof. Carlos Modesto Prof. Ccero Jos UNIBAN

99

Anexo IX Coincidncia de aniversrios


Voc sabia que em uma classe de 40 alunos muito provvel que dois deles faam aniversrio no mesmo dia? To provvel que voc poder apostar na coincidncia de, pelo menos, dois aniversrios. Vejamos como explicar matematicamente tal fenmeno. Sejam os eventos complementares: A: dois ou mais alunos da classe aniversariam no mesmo dia. A : todos os alunos da classe aniversariam em dias distintos. Para construir o espao amostral , vamos considerar o ano com 365 dias, ignorando o dia 29 de

fevereiro. Qualquer elemento desse espao uma sequncia de 40 datas como, por exemplo (20/6, 7/2, 20/6, ..., 17/12, 21/3). Para cada aluno h 365 possibilidades da data de aniversrio, logo, h 36540 sequncias de 40 datas, isto , n( ) = 36540. Para obter o nmero de elementos de A (datas distintas) contamos 365 possibilidades para o 1 aluno, 364 para o 2 aluno, ..., 365 40 + 1 para o 40 aluno. Logo:

n( A ) = 365 . 364 . 363 . ... . (365 40 + 1) 365 . 364 . 363 . ... . (365 40 + 1) 36540

P(A) = 1 P( A ) = 1

0,89

Podemos calcular a probabilidade da coincidncia de dois aniversrios para um grupo de n pessoas. Basta substituir, na expresso anterior, 40 por n. Veja alguns casos:

n P(A)

10 0,12

20 0,41

22 0,48

23 0,51

30 0,71

40 0,89

50 0,97

60 0,99

Fonte: Joel Faria de Abreu, Revista do Professor de Matemtica. n 11, pp. 50-51, SBM, 1987 (adaptado)

Prof. Carlos UNIBAN Prof. Ccero JosModesto

100

Anexo X Binmio de Newton


1. Introduo Seja n um nmero natural. J conhecemos o desenvolvimento de (a + b)n para alguns valores de n:

n=0 n=1 n=2 n=3

(a + b)0 = 1 (a + b)1 = a + b (a + b)2 = a2 + 2ab + b2 (a + b)3 = a3 + 3a2b + 3ab2 + b3

O desenvolvimento de (a + b)n para n > 3 pode ser obtido com a aplicao dos desenvolvimentos acima e das propriedades das potncias. Vejamos: (a + b)4 = (a + b) . (a + b)3 = (a + b) . (a3 + 3a2b + 3ab2 + b3) = (a + b)4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4 (a + b)5 = (a + b) . (a + b)4 = etc., em geral, (a + b)n = (a + b) . (a + b)n 1. Essa tcnica, porm, pode conduzir a clculos muito trabalhosos. Mas existem alguns conceitos e algumas ferramentas que facilita fazer o desenvolvimento de (a + b)n com menos trabalho.

2. Coeficientes binomiais 2.1. Definio Dados dois nmeros naturais, n e p, com n p, definimos o coeficiente binomial n sobre p, e n n n! indicamos por o nmero = = Cn, p. p p p!( n p ) !
O nmero n dito numerador e o nmero p chamado denominador de Desse modo, temos, por exemplo: a) b) 5 3 10 7 = n p .

5! 5! 5 . 4 . 3! = = = 10 3!( 5 3) ! 3! 2! 3! 2
10! 10 . 9 . 8 . 7! = = 120 7! 3! 7! 3 . 2 . 1

Casos particulares 1) Quando p = 0, temos

n 0

n! = 1, n N. 0! n!

Prof.Ccero Jos UNIBAN Prof. Carlos Modesto


Assim, por exemplo, 4 0 n =1e = 20 0 = 1.

101

2) Quando p = 1, temos

n! n (n 1)! = = n, n N. 1 1! (n 1)! (n 1)! 5 9 Assim, por exemplo, =5e = 9. 1 1 n =

3) Quando p = n, temos

n! = 1, n N. n n! 0! 6 14 Assim, por exemplo, =1e = 1. 6 14

Os coeficientes binomiais tm aplicao no estudo do desenvolvimento de (a + b)n, como veremos adiante.

2.2. Binomiais complementares Dizemos que dois coeficientes binomiais de mesmo numerador so complementares quando a soma de seus denominadores igual ao numerador, isto :
n p e n q so complementares se p + q = n 8 2 8 6 9 4 9 5 11 4 11 7

So binomiais complementares, por exemplo,

Propriedade
Dois coeficientes binomiais so complementares quando p + q = n, ento A justificativa dessa propriedade : n n n n! n! = = = = p np q (n q)! [n (n q)]! q! (n q)!

n p

n q

Propriedade n
p

n p

(p = q ou p + q = n), sendo n, p e q nmeros naturais, tais que n

pen

q.

3. Definio Os coeficientes binomiais podem ser dispostos em uma tabela chamada tringulo de Pascal ou de Tartaglia. Nela, coeficientes de mesmo numerador agrupam-se em uma mesma linha e coeficientes de mesmo denominador agrupam-se em uma mesma coluna.

Prof. Ccero Jos UNIBAN

102

linha zero linha 1 linha 2 linha 3 linha 4

0 0 1 0 2 0 3 0 4 1 1 2 1 3 1 4 2 2 3 2 4 3 3 4 4

0 1 2 3 4 ..................................................................................... k k k k k k linha k ... 0 1 2 3 4 k

Notemos que o termo linha k significa a linha de numerador k. Calculando os valores dos coeficientes, obtemos outra representao para o tringulo: 1 1 1 1 1 1 1 2 3 4 5

1 3 6 10

1 4 10

1 5

Propriedades 1) Toda linha comea e termina por 1.


De fato, o 1 elemento de uma linha qualquer linha k k = 1, k N.

k 0

= 1, k

N, e o ltimo elemento dessa

2) Em uma mesma linha, os coeficientes binomiais equidistantes21 dos extremos so iguais. Vejamos, por exemplo: 5 5 5 5 5 5 linha 5: 0 1 2 3 4 5
1 5 10 10 iguais iguais 5 1

linha 7:

7 0
1

7 1
7

7 2
21

7 3

7 4

7 5

7 6

7 7
1

7 35 35 21 iguais iguais 21 De acordo com a nova Reforma Ortogrfica 2009, no se usa mais o trema.

Prof. Ccero Jos UNIBAN

103

A justificativa dessa propriedade est no fato de que esses coeficientes binomiais so complementares, e, portanto, iguais.

3) A partir da linha 2, notamos que cada elemento X (com exceo do primeiro e do ltimo) igual soma de dois elementos da linha anterior, a saber: o elemento imediatamente acima de X e o anterior a este. Vejamos:
1 1 1 1 1 1

1
2 3 4 5

1 3 6 10

4
10

1
5 1

Essa propriedade conhecida como relao de Stifel e pode ser generalizada por: n n 1 n 1 = + ,n p p p p 1

Demonstrao: Desenvolvendo o 2 membro.

n 1 p

n 1

(n 1)! (n 1)! + = p 1 p! (n 1 p)! (p 1)! (n 1 p + 1)! (n 1)! (n 1)! = + = p! (n p 1)! (p 1)! (n p)! (n 1)! (n 1)! = + p(p 1)! (n p 1)! (p 1)! (n p) (n p 1)! = = (n 1)! 1 1 (n 1)! n + = . = (p 1)! (n p 1)! p np (p 1)! (n p 1)! p(n p)
n!

n 1 p

n 1 p 1

n n(n 1)! n! = = , p p(p 1)! (n p)(n p 1)! p!(n p)!


p! (n p)!

que o primeiro membro da igualdade.


4) A soma dos elementos da linha de numerador k igual a 2k. Temos:
Soma dos elementos da linha:

linha zero: 1 1 linha 1: 1 1 1+1 1+2+1 linha 2: 1 2 1 linha 3: 1 3 3 1 1+3+3+1 ..........................................................................................

= 20 = 21 = 22 = 23

Prof. Ccero Jos UNIBAN

104

= 2k 0 1 k 0 1 k 4. Desenvolvimento de (a + b)n Observemos os desenvolvimentos de (a + b)n para alguns valores de n, apresentados no incio deste anexo: linha k: ... + + ... + (a + b)2 = a2 + 2ab + b2 3 termos, os expoentes de a decrescem de 2 at zero e os expoentes de b aumentam desde zero at 2; (a + b)3 = a3 + 3a2b + 3ab2 + b3 4 termos, os expoentes de a decrescem de 3 at zero e os expoentes de b aumentam desde zero at 3; (a + b)4 = a4 + 4a3b + 6a2b2 + 4ab3 + b4 5 termos, os expoentes de a decrescem de 4 at zero e os expoentes de b aumentam desdm zero at 4.

Essas observaes sugerem que, para a parte literal do desenvolvimento de (a + b)n, n N, temos: I. a n b0 ; a n 1b1 ; a n 2 b 2 ; ............; a1b n 1 ; a 0bn
1o termo 2o termo 3o termo n-simo termo
(n + 1)-simo termo

II. os coeficientes que aparecem nos desenvolvimentos anteriores correspondem, ordenadamente, s linhas do tringulo de Pascal: (a + b)1 = 1a + 1b; linha 1: 1 1 2 2 2 (a + b) = 1a + 2ab + 1b ; linha 2: 1 2 1 3 3 2 2 3 linha 3: 1 3 3 1 (a + b) = 1a + 3a b + 3ab + 1b ; Dessa maneira, para determinar os coeficientes do desenvolvimento de (a + b)n, basta considerar a linha n (linha de numerador n) do tringulo de Pascal. n n n n .......... 0 1 n 1 n
coeficiente do o 1 termo coeficiente do o 2 termo

coeficiente do n-simo termo

coeficiente do (n + 1)-simo termo

4.1. Teorema de Newton Com os coeficientes obtidos em II e a parte literal obtida em I, podemos enunciar: n n 0 n n 1 1 n n 2 2 n n 0 n (a + b)n = a b + a b + a b + .... + a1b n 1 + a b 0 1 2 n 1 n

em que a e b so reais e n natural. Usando o smbolo de somatrio, podemos escrever


n k=0

k O resultado acima conhecido como teorema binomial, frequentemente atribudo a Newton, embora j fosse conhecido havia muito tempo na Europa e no Oriente.
Observao: O teorema binomial continua vlido se quisermos o desenvolvimento de (a b)n. Basta fazer (a b)n = [a + (b)]n. Assim, os sinais dos termos do desenvolvimento se alternam, a partir do 1 termo, que positivo. Fonte: IEZZI, G, DOLCE, O., Matemtica Cincias e Aplicaes - Volume 2. 2.ed. So Paulo: Atual Editora, 2004 pp. 386-387, 389-392, 396-397.

a nk bk .