24

Captulo 3 PROBABILIDADE 3.1 - Introduo Ao estudar um fenmeno coletivo, verifica-se a necessidade de descrev-lo por um modelo matemtico que permita explic-lo da melhor forma possvel. A teoria das probabilidades permite construir modelos matemticos que expliquem um grande nmero de fenmenos coletivos e forneam estratgias para tomada de decises. Ou ainda, estuda-se probabilidade ao determinar maneiras especficas de avaliar a chance de ocorrncia de vrios eventos. Entende-se por fenmeno qualquer acontecimento natural, sendo que sua relao com o possvel resultado pode ser de dois tipos: - Fenmenos Determinsticos: so aqueles que repetidos sob mesmas condies iniciais conduzem sempre a um s resultado; - Fenmenos Aleatrios: so aqueles que repetidos sob as mesmas condies podem conduzir a mais de um resultado. Fenmenos aleatrios que possuem repetitividade e regularidade so chamados de experimentos. Repetitividade a caracterstica de um fenmeno poder ser repetido quantas vezes se queira e regularidade a caracterstica que diz respeito possibilidade das ocorrncias dos resultados do fenmeno. A avaliao numrica da possibilidade destes resultados dar origem s probabilidades. 3.2 - Conjunto, Espao Amostral e Eventos Um conjunto uma coleo bem definida de objetos ou itens que possuem caractersticas comuns. Por exemplo, um lote de peas produzido durante um dia em uma indstria, os habitantes de Santa Catarina. No estudo de probabilidade importante saber definir o conjunto que se tem interesse. Existem, basicamente, duas formas de se estabelecer as caractersticas de um conjunto. Na primeira, pode-se relacionar todos os elementos do conjunto, ou um nmero suficiente deles, de modo a deixar claro quais so os elementos do conjunto. Por exemplo: A = { 1; 2; 3; 4; 5; 6; 7; 8; 9; 10} ou B = {segunda; tera; ... ; sbado e domingo}. Um outra forma indicar uma regra ou caracterstica que defina o conjunto. Por exemplo: C = {nmeros inteiros menores que 25} ou D = {cartas em um baralho comum}. Um conjunto especial, que fundamental no estudo de probabilidades, chama-se Espao Amostral (S). Este pode ser definido como o conjunto de todos os possveis resultados de um experimento. O experimento sugere a incerteza do resultado antes de serem feitas as observaes. Os possveis resultados de um experimento chamado de evento. Exemplos: Determine os espaos amostrais: a) Lanamento de uma moeda: Espao Amostral (S) = {Cara; Coroa} b) Lanamento de um dado: Espao Amostral (S) = {1; 2; 3; 4; 5; 6} c) Naipe de uma carta retirada de um baralho comum de 52 cartas: Espao Amostral (S) = {Espada; Ouro; Copas; Paus} d) Retirada de uma carta de um baralho de 52 cartas: Espao Amostral (S) = {s (C); 2 (C); 3 (C); ... ; Dez (C); Valete (C); Dama (C); Rei(C) s (O); 2 (O); 3 (O); ... ; Dez (O); Valete (O); Dama (O); Rei(O) s (E); 2 (E); 3 (E); ... ; Dez (E); Valete (E); Dama (E); Rei(E) s (P); 2 (P); 3 (P); ... ; Dez (P); Valete (P); Dama (P); Rei(P)} e) Nmero de acidentes que podem ocorrer em uma fbrica: Espao Amostral (S) = {0; 1; 2; 3; ... ; } Os exemplos "a", "b", "c", "d" representam espaos amostrais finitos enquanto que o exemplo "e" representa um espao amostral infinito.

25

As vezes, a relao de todos os resultados possveis que compem um espao amostral no to simples de ser visualizado ou relacionado. Para evitar erros, existe uma tcnica que est baseada no princpio fundamental da contagem que estabelece que: se um procedimento A pode ser realizado de "n" maneiras diferentes e um procedimento B de "m" maneiras diferentes, ento a combinao dos procedimentos A e B apresentam "m n" possibilidades. O diagrama de rvore obedece este enunciado. Exemplos: f) Combinando-se os conjuntos A e B abaixo, quantos elementos apresentar o espao amostral combinado? A = {lanamento de uma moeda} n=2 S = {cara; coroa} B = {lanamento de um dado} m=6 S = {1; 2; 3; 4; 5; 6} Scombinado = {cara e 1; cara e 2; cara e 3; cara e 4; cara e 5; cara e 6; coroa e 1; coroa e 2; coroa e 3; coroa e 4; coroa e 5; coroa e 6} Scombinado possui 12 elementos, ou seja, 2 x 6 (m n) g) Qual a quantidade de elementos do espao amostral quando ocorre o lanamento de um dado por duas vezes? a mesma coisa que fazer a combinao do conjunto B com o prprio conjunto B do exemplo " f ". B = {lanamento de um dado} m=6 S = {1; 2; 3; 4; 5; 6} B = {lanamento de um dado} m=6 S = {1; 2; 3; 4; 5; 6} Scombinado = {1 e 1; 1 e 2; 1 e 3; 1 e 4; 1 e 5; 1 e 6; 2 e 1; 2 e 2; 2 e 3; 2 e 4; 2 e 5; 2 e 6; 3 e 1; 3 e 2; 3 e 3; 3 e 4; 3 e 5; 3 e 6; 4 e 1; 4 e 2; 4 e 3; 4e 4; 4 e 5; 4 e 6; 5 e 1; 5 e 2; 5 e 3; 5 e 4; 5 e 5; 5 e 6; 6 e 1; 6 e 2; 6 e 3; 6e 4; 6 e 5; 6 e 6} Scombinado possui 36 elementos, ou seja, 6 x 6 (m m) 3.3 - rvore de Deciso O conhecimento do nmero total de eventos possveis em um experimento fundamental para o estudo de probabilidade. Uma tcnica de listagem muito utilizada a rvore de deciso, que proporciona uma base racional para elaborar uma lista de resultados. Mas quando o nmero de resultados grande, essa listagem se torna muito trabalhosa; necessrio ento recorrer a frmulas matemticas para determinar o nmero total de resultados possveis. Para ilustrar esse conceito, suponha o experimento de jogar uma moeda trs vezes. Quantas possibilidades de combinaes existem neste esse problema?

Utilizando a rvore de deciso determina-se que o nmero possvel de eventos 8. Esse diagrama mostra que cada questo sucessiva dobra o nmero total de resultados possveis, pois cada nova questo acrescenta mais duas escolhas. A implicao que, quando h certo nmero de decises seqenciais a tomar, o nmero total de resultados possveis ser igual ao produto dos diversos modos de responder cada questo. Assim:

26

Nmero de Jogadas 1 2 3 4 5

Total de Resultados 2=2 2x2=4 2x2x2=8 2 x 2 x 2 x 2 = 16 2 x 2 x 2 x 2 x 2 = 32

Por exemplo: um teste de mltipla escolha com 3 questes sendo cada questo com 5 alternativas cada. Existe, nesse caso, 5 x 5 x 5 = 125 resultados possveis. Em outro teste a primeira questo apresenta 5 alternativas, a segunda 3 e a terceira 4. Existem 5 x 3 x 4 = 60 resultados possveis. 3.4 - Eventos Conforme descrito anteriormente, os resultados de um experimento chamam-se eventos. Pode-se dizer que um evento um subconjunto do espao amostral do experimento, ou seja, cada evento um possvel resultado do experimento. Por exemplo, no experimento extrair uma carta de um baralho comum de 52 cartas existem 52 possibilidades. Cada uma dessas possibilidades um evento elementar ou simples. Alm desses eventos, existem tambm algumas combinaes que podem ser feitas. No mesmo exemplo, o evento sair uma carta de copas uma combinao de vrios eventos simples, que no caso pode ser definido como evento composto. Na anlise de eventos, existem algumas definies importantes: Complemento de um Evento: consiste em todos os outros resultados no espao amostral que no fazem parte do evento. Por exemplo: No evento retirar um s de copas, o complemento ser todas as cartas do baralho menos o s de copas. Eventos mutuamente excludentes: so eventos que no apresentam elementos em comum, ou eventos que no podem ocorrer simultaneamente. Por exemplo: A = {tirar uma carta de copas} e B = {tirar uma carta paus}. Os eventos A e B so mutuamente excludentes. Eventos coletivamente exaustivos: os eventos so considerados coletivamente exaustivos se ao menos um tiver que ocorrer durante um dado experimento. Por exemplo: Resultados na jogada de um dado: A = {1; 2}, B = {3; 4} e C = {5; 6}. Os eventos A, B e C so coletivamente exaustivos. Exemplos: h) No lanamento de um dado o evento: 1) sair face menor que 3: Evento = {1; 2} 2) sair face par: Evento = {2; 4; 6} 3) sair face 8: Evento = impossvel i) No lanamento de dois dados, enumerar os eventos: 1) sada de faces iguais: Evento = {1 e 1; 2 e 2; 3 e 3; 4 e 4; 5 e 5; 6 e 6} 2) sada de faces cuja soma seja 10: Evento = {4 e 6; 5 e 5; 6 e 4} 3) sada de faces cuja soma seja menor que 2: Evento = impossvel 4) sada de faces cuja soma seja menor ou igual a 12: Evento = {1 e 1; 1 e 2; 1 e 3; 1 e 4; 1 e 5; 1 e 6; 2 e 1; 2 e 2; 2 e 3; 2 e 4; 2 e 5; 2 e 6} {3 e 1; 3 e 2; 3 e 3; 3 e 4; 3 e 5; 3 e 6; 4 e 1; 4 e 2; 4 e 3; 4 e 4; 4 e 5; 4 e 6} {5 e 1; 5 e 2; 5 e 3; 5 e 4; 5 e 5; 5 e 6; 6 e 1; 6 e 2; 6 e 3; 6 e 4; 6 e 5; 6 e 6} 5) sada de faces onde uma face o dobro da outra: Evento = {1 e 2; 2 e 1; 2 e 4; 3 e 6; 4 e 2; 6 e 3}

27

3.5 - Operaes com Eventos Os eventos podem ser considerados sub-conjuntos do espao amostral, conforme descrito. Sendo assim, eles tambm seguem as propriedades utilizadas para as operaes com conjuntos. Dentre elas, tem-se: 1) A B = {x R / x A ou x B} Exemplo: Seja A = {1; 2; 3; 4; 5; 6} e B = {8; 9; 10}

A B = {1; 2; 3; 4; 5; 6; 8; 9; 10}

2) A B = {x R / x A e x B} Se A B = 0 , ento A e B so mutuamente excludentes Exemplo: Seja A = {1; 2; 3; 4; 5; 6} e B = {4; 5; 6; 8; 9; 10}

A B = {4; 5; 6}

em que S o espao amostral. 3) A = {x S / x A} A o conjunto complementar de A ou A o complemento de A Exemplo: Seja S = {1; 2; 3; 4; 5; 6; 7; 8; 9; 10} e A = {8; 9; 10}

A = {1; 2; 3; 4; 5; 6; 7}

4) A - B = {x R / x A e x B} Exemplo: Seja A = {1; 2; 3; 4; 5; 6} e B = {2; 3; 4; 8; 9; 10}

A - B = {1; 5; 6;}

5) Lei da Dualidade:

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

3.6 - Funo de Probabilidade Uma vez identificado o espao amostral S = {a1, a2, ..., an } de um experimento, pode-se associar a cada elemento a1 , a2 ,.., an sua possibilidade de ocorrncia. Do ponto de vista matemtico esta associao chamada Funo de Probabilidade. Portanto, Funo de Probabilidade uma funo definida no espao amostral S do experimento, assumindo valores reais com as seguintes propriedades: 1) A probabilidade de qualquer evento ocorrer representada por um nmero entre 0 e 1,00.

0 P(a i ) 1,00 ou 100% com i = 1, 2, 3, ..., n

2) A probabilidade de ocorrer algum dos eventos do espao amostral igual a 100%:

P(ocorrer um evento do espao amostral) = 1,00 ou 100%

3) A probabilidade de um certo evento do espao amostral no ocorrer 1,00 menos a probabilidade deste evento ocorrer:

P(um certo evento a 2 no ocorrer) = 1,00 - P(evento a 2 ocorrer)

4) O somatrio das probabilidades de todos os eventos possveis de um espao amostral igual n a 1,00:
i =1

P(a i ) = 1,00

28

O mtodo clssico para determinar probabilidades est limitado s situaes em que os resultados so igualmente provveis. Para chegar-se a uma expresso que defina probabilidade de ocorrncia vale lembrar do estudo das freqncias relativas, em que as freqncias absolutas de dados estatsticos observados eram divididas pelo somatrio das freqncias. Por exemplo, suponha que um experimento tenha "n" eventos simples, cada um dos quais com a mesma chance de ocorrer, ou seja, os resultado so equiprovveis. Se o evento A pode ocorrer de "a" maneiras dentre as "n" possibilidades, ento a probabilidade de A ocorrer ser:

P(A) =

nmero de maneiras de A ocorrer a = nmero total de possibilidades n

A probabilidade de ocorrncia de um evento A, indicada por P(A), a soma das probabilidades dos elementos que pertencem a A. Exemplos: j) O experimento consiste no lanamento de um dado e na observao da face superior. Determine o espao amostral do experimento e a funo de probabilidade. S = {1; 2; 3; 4; 5; 6} P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = 1/6

k) O experimento consiste no lanamento de duas moedas e na observao do nmero de caras obtidas neste lanamento. Determine o espao amostral do experimento e a funo de probabilidade. S = {Cara - Cara; Cara - Coroa; Coroa - Cara; Coroa - Coroa} P(nenhuma cara) = 1/4 P(uma cara) = 2/4 = 1/2 P(duas caras) = 1/4 l) O experimento consiste no lanamento de dois dados e na observao da soma dos pontos das faces superiores. Determine o espao amostral do experimento e a funo de probabilidade. S = {1 e 1; 1 e 2; 1 e 3; 1 e 4; 1 e 5; 1 e 6; 2 e 1; 2 e 2; 2 e 3; 2 e 4; 2 e 5; 2 e 6} {3 e 1; 3 e 2; 3 e 3; 3 e 4; 3 e 5; 3 e 6; 4 e 1; 4 e 2; 4 e 3; 4 e 4; 4 e 5; 4 e 6} {5 e 1; 5 e 2; 5 e 3; 5 e 4; 5 e 5; 5 e 6; 6 e 1; 6 e 2; 6 e 3; 6 e 4; 6 e 5; 6 e 6} P(soma ser 2) = 1/36; P(soma ser 5) = 4/36; P(soma ser 8) = 5/36; P(soma ser 11) = 2/36; P(soma ser 3) = 2/36 P(soma ser 6) = 5/36; P(soma ser 9) = 4/36; P(soma ser 12) = 1/36; P(soma ser 4) = 3/36 P(soma ser 7) = 6/36; P(soma ser 10) = 3/36;

m) No lanamento de dois dados e na observao da soma dos pontos das faces superiores, determine a probabilidade de cada um dos seguintes eventos: 1) a soma ser par: Fazendo a contagem utilizando o espao amostral do exemplo "l", tem-se que:

P(soma ser par) = P(soma ser 2) + P(soma ser 4) + P(soma ser 6) + P(soma ser 8) + P(soma ser 10) + P(soma ser 12) = 1 3 5 5 3 1 18 1 + + + + + = = 36 36 36 36 36 36 36 2
2) a soma ser mpar: Da mesma forma, tem-se que:

P(soma ser mpar) = P(soma ser 3) + P(soma ser 5) + P(soma ser 7) + P(soma ser 9) + P(soma ser 11) = 2 4 6 4 2 18 1 + + + + = = 36 36 36 36 36 36 2

29

3) a soma ser mltiplo de 3:

P(soma ser mltiplo de 3) = P(soma ser 3) + P(soma ser 6) + 2 5 4 1 1 P(soma ser 9) + P(soma ser 12) = + + + = 36 36 36 36 3
4) a soma ser maior ou igual a 7:

P(soma ser 7) = P(soma ser 7) + P(soma ser 8) + P(soma ser 9) + P(soma ser 10) + P(soma ser 11) + P(soma ser 12) = 6 5 4 3 2 1 21 7 + + + + + = = 36 36 36 36 36 36 36 12
5) a soma ser maior que 12:

P(soma ser > 12) = 0

3.7 - Teoremas Fundamentais

1) P{ } = 0 Evento Impossvel 2) P{S} = 1 Evento Certo 3) P(A B) = P(A) + P(B) - P(A B) 4) P(A B) = P(A) + P(B) Se A e B forem mutuamente excludentes 5) P(A B C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A B C) 6) P(A) = 1,00 - P(A)
Exerccios: I) Sendo P(A) = a; P(B) = b e P(A B) = c. Calcular:

1) P(A B) = 2) P(A B) = 3) P(A B) = 4) P(A B) =

II) Dez fichas so numeradas de 0 a 9 e colocadas numa urna. Escolhida uma aleatoriamente, determine a probabilidade de sair: 1) 2) 3) 4) o nmero 5; um nmero mpar; um nmero menor que 6; o nmero 10.
Resposta: 10,00% Resposta: 50,00% Resposta: 60,00% Resposta: 0,00%

III) Em uma sala esto presentes: 7 rapazes com mais de 21 anos, 11 rapazes com menos de 21 anos, 8 moas com mais de 21 anos e 5 moas com menos de 21 anos. Uma pessoa escolhida ao acaso. Os seguintes eventos so definidos: A - a pessoa tem mais de 21 anos; Calcular: B - a pessoa tem menos de 21 anos; C - a pessoa um rapaz; 1) P(B D) = 2) P(A C ) = Resposta: 1) 77,42% Resposta: 2) 16,13% D - a pessoa uma moa;

30

3.8 - Probabilidade Condicional No estudo de fenmenos aleatrios, na maioria das vezes, no se sabe o que pode ocorrer. Em alguns casos, no entanto, pode-se obter alguma informao sobre a ocorrncia de um evento aleatrio ser mais, ou menos, vivel. Por exemplo, na jogada de dois dados, qual a probabilidade de se obter o total de oito na soma das faces superiores? Conforme visto anteriormente, o resultado igual a 5/36. Entretanto, jogando um dos dados primeiro, teremos uma idia melhor da possibilidade de se obter a soma 8. Se, por exemplo, na primeira jogada sair o nmero 5, na segunda jogada ser necessrio tirar um 3, e a probabilidade desse resultado 1/6. Portanto, se no primeiro dado saiu o nmero 5, a chance de se obter o total de 8 subiu de 5/36 (13,89%) para 1/6 (16,67%). Do exemplo acima, percebe-se que a probabilidade condicional se refere probabilidade de ocorrncia de determinado evento, se j tem-se conhecimento que outro evento especfico ocorreu. Nesse caso, a simbologia utilizada : P(A /B), ou seja, qual a probabilidade de A ocorrer se B ocorreu. A expresso para o clculo da probabilidade condicional ser:

P(A/B) =
Exemplos:

P(A B) com P(B) 0 P(B)

n) Considere o lanamento de um dado e a observao da face superior. O espao amostral do experimento S = {1, 2, 3, 4, 5, 6} e a funo de probabilidade : 1 P(1) = 1/6 4 P(4) = 1/6 2 P(2) = 1/6 5 P(5) = 1/6 3 P(3) = 1/6 6 P(6) = 1/6 Se A = {2, 3, 5, 6} e B = {1, 2}, ento P(A) = 4/6 e P(B) = 2/6. Estas probabilidades so chamadas probabilidades simples da ocorrncia de A e B. Suponha que o dado tenha sido lanado e que tenha ocorrido o evento A. Consequentemente, a face superior no lanamento do dado s pode ter apresentado um dos valores 2, 3, 5 ou 6. Os valores 1 e 4 no podem ter acontecido. Diante disso, deve-se reformular a funo de probabilidade. Uma vez que os valores 2, 3, 5 e 6 tem a mesma chance de ocorrer a nova funo de probabilidade : 2 - P(2) = 1/4 3 - P(3) = 1/4 5 - P(5) = 1/4 6 - P(6) = 1/4

A probabilidade do evento B ocorrer depois da ocorrncia de A igual a probabilidade de ocorrncia de 2. Portanto: P(B / A) = 1/4 3.9 - Eventos Independentes Muitas vezes, o conhecimento da ocorrncia de um evento ajuda na avaliao da viabilidade de outro evento. Existe, entretanto, alguns casos em que o conhecimento da ocorrncia de um evento nada nos diz sobre a possibilidade da ocorrncia de outro. Por exemplo, uma famlia acaba de ter um menino. Qual a probabilidade do segundo filho ser tambm menino? Neste caso, o conhecimento do sexo do primeiro filho nada diz a respeito do prximo filho. Assim sendo, diz-se que estes eventos so independentes. Quando os eventos so independentes, a frmula do clculo da probabilidade de ocorrncia da interseo dos conjuntos ser:

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

31

Exemplo: o) Suponha agora, que os eventos sejam A = {2, 3, 4, 5} e B = {1, 3, 4}. A probabilidade de A P(A)= 4/6 e a de B P(B) = 3/6. Se A ocorrer, porque a face superior no lanamento do dado apresenta: ou 2, ou 3, ou 4, ou 5. Assim sendo, a nova funo de probabilidade ser: 2 - P(2) = 1/4 3 - P(3) = 1/4 5 - P(5) = 1/4 6 - P(6) = 1/4

A probabilidade condicional de B em relao a A ser:

2 1 P(A B) P(B/A) = = 6= 4 2 P(A) 6

Nesta situao, a ocorrncia anterior de A no modifica a probabilidade de ocorrncia de B. Ento, a resposta poderia ser obtida aplicando a expresso de eventos independentes. Portanto:

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

3 1 = 6 2

Exerccios: 1) Os estudantes de um colgio, presentes em uma reunio, foram classificados por sexo e por opo da rea de formao segundo o quadro abaixo: Masculino Feminino Administrao 17 16 Engenharia de Produo 13 13 Economia 15 11 Calcular as probabilidades de que: Resposta: 40,00% i) As alunas optem por administrao; ii) A pessoa opte por economia; Resposta: 30,59% iii) Seja aluno sabendo-se que optou por engenharia de produo;Resposta: 50,00% iv) Os alunos optem por engenharia de produo. Resposta: 28,89% 2) Duas bolas so retiradas, sem reposio, de uma urna que contm 5 bolas brancas, 7 bolas pretas e 8 bolas vermelhas. Determine a probabilidade de que: i) Ambas sejam pretas; Resposta: 11,05% ii) Ambas sejam vermelhas; Resposta: 14,74% Resposta: 31,05% iii) Ambas sejam da mesma cor; iv) Ambas sejam de cores diferentes. Resposta: 68,95% 3) Uma rifa composta por 35 nmeros ir definir o ganhador de dois prmios sorteados, um de cada vez. Sabendo que um apostador adquiriu sete nmeros, qual a probabilidade dele ganhar os dois prmios? Resposta: 3,53% 3.10 - Teorema da Probabilidade Total Suponha que o espao amostral "S" de um experimento seja dividido em trs subconjuntos A1, A2 e A3 de modo que:

A1 A 2 = { } A1 A3 = { }

A 2 A3 = { } A1 A 2 A 3 = S

32

Considere um evento B qualquer da seguinte forma:

B = BS
Como: A1 A 2 A 3 = S , ento: B = B (A1 A 2 A 3 ) ou B = (B A1 ) (B A 2 ) (B A 3 ) e

P(B) = P[(B A1 ) (B A 2 ) (B A3 )]
Pelo fato de (B A1 ), (B A 2 ) e (B A 3 ) serem eventos mutuamente excludentes, ento:

P(B) = P(B A1 ) + P(B A 2 ) + P(B A3 )

Aplicando a frmula de probabilidade condicional tem-se que:

P(B A1 ) = P(B/A1 ) P(A1 ) P(B A 2 ) = P(B/A 2 ) P(A 2 ) P(B A1 ) = P(B/A3 ) P(A 3 )

Assim sendo:

P(B) = P(B/A1 ) P(A1 ) + P(B/A2 ) P(A 2 ) + P(B/A3 ) P(A3 )

Se o espao amostral for dividido em "n" regies, o teorema da probabilidade total pode ser escrito como:

P(B) = P(B/A1 ) P(A1 ) + P(B/A 2 ) P(A 2 ) + .... + P(B/A n ) P(A n )

Exerccios: 1) Um piloto de frmula 1 tem 50% de probabilidade de vencer determinada corrida quando esta se realiza sob a chuva. Caso no chova durante a corrida, sua probabilidade de vitria de 25%. Se o servio de meteorologia estimar em 30% a probabilidade de que chova durante a corrida, qual a probabilidade deste piloto ganhar a corrida. 2) A experincia com testes psicotcnicos para habilitao de motoristas indica que 90% dos candidatos com habilitao aprovados no primeiro teste tornam-se excelentes motorista. 70% dos candidatos reprovados no primeiro teste tornam-se pssimos motoristas. Admitindo-se a classificao dos motoristas apenas excelentes ou pssimos, responda: i) Um candidato acaba de ser reprovado em seu primeiro teste psicotcnico. Qual a probabilidade de que ele se torne um excelente motorista? ii) Um candidato acaba de ser aprovado em seu primeiro teste psicotcnico. Qual a probabilidade de que se torne um pssimo motorista? iii) Um indivduo acaba de fazer um teste psicotcnico. Se 80% dos candidatos so aprovados neste teste. Qual a probabilidade de que se torne um excelente motorista? 3) As mquinas A e B so responsveis por 70% e 30%, respectivamente, da produo de uma empresa. A mquina A produz 2% de peas defeituosas e a mquina B produz 8% de peas defeituosas. Calcule o porcentagem de peas defeituosas na produo desta empresa.

33

3.11 - Teorema de Bayes No caso da determinao da probabilidade de P(B) atravs da utilizao do teorema da probabilidade total:

P(B) = P(B/A1 ) P(A1 ) + P(B/A 2 ) P(A 2 ) + ... + P(B/A n ) P(A n )

necessrio o conhecimento das probabilidades condicionais P(B / A i). Para o clculo da probabilidade condicional do tipo P(A1 / B), utiliza-se a equao:

P(A i /B) =

P(A i B) P(B)
P( B / Ai ) = P ( An B ) , tem-se: P( Ai )

Uma vez que:

P(A i /B) =

P(B/A i ) P(A i ) P(B/A1 ) P(A1 ) + P(B/A 2 ) P(A 2 ) + ... + P(B/A n ) P(A n )

Esta expresso conhecida como Teorema de Bayes. Exemplo: As mquinas A e B so responsveis por 60% e 40%, respectivamente, da produo de uma indstria. Os ndices de peas defeituosas na produo destas mquinas valem 3% e 7%, respectivamente. Se uma pea defeituosa foi selecionada durante a fabricao, qual a probabilidade de que tenha sido produzida pela mquina B? A = {evento em que a pea defeituosa} B = {evento em que a pea foi produzida na mquina B} C = {evento em que a pea foi produzida na mquina A} Portanto, o enunciado pede P(B / A).

P(B/A) =

P(A/B) P(B) 0,07 0,40 = = 0,6087 ou 60,87% P(A/B) P(B) + P(A/C) P(C) (0,07 0,40) + (0,03 0,60)

3.12 - Permutaes, Arranjos e Combinaes Quando a ordem em que os elementos se dispem importante, o nmero total de resultados possveis conhecido como arranjo ou permutao. Por exemplo, no caso de respostas a um teste de mltipla escolha, a ordem tem significado especial. Quando a ordem no interessa, o nmero total de resultados possveis chamado de combinao. Por exemplo, a banca de avaliao foi composta por Carlos, Renato e Cnthia. Neste caso, a banca ser a mesma se for dita que composta por Renato, Cnthia e Carlos. Da mesma forma, tanto na soma como no produto de dois nmeros, indiferente qual seja o primeiro e qual o segundo. Consideremos primeiro as permutaes. Suponha que haja quatro pilotos numa corrida. De quantas maneiras pode apresentar-se o resultado final? Imagine as quatro posies a preencher: vencedor, segundo, terceiro e quarto. No caso do vencedor existe 4 possibilidades. Tirando um dos quatro como vencedor, existir trs posies para 3 pilotos. Escolhendo o segundo colocado de um dos trs restantes, sobrar 2 pilotos para duas posies. Escolhendo o terceiro colocado entre os 2 pilotos restantes restar uma posio e um piloto. O nmero total de resultados ser:

34

4 x 3 x 2 x 1 = 24 (1) (2) (3) (4) Se houvesse 8 pilotos, o nmero total de resultados possveis seria: 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = 40.320 (1) (2) (3) (4) (5) (6) (7) (8) Quando trabalha-se com permutaes, cada deciso envolve uma escolha a menos que a anterior. Uma forma abreviada de escrever o produto acima utilizando o smbolo fatorial "!". Por exemplo, 5 X 4 X 3 X 2 X 1 pode escrever-se como 5!. Neste caso, l-se "cinco fatorial". O fatorial de zero igual a um: 0! = 1. Agora, nossa ateno ficar voltada para os arranjos. Para isso, ser considerado o seguinte exemplo. Se existem 6 pilotos em corrida, quantos arranjos h considerando as seguintes posies: 1, 2 e 3 ? Aplicando o princpio da multiplicao, v-se que h 6 X 5 X 4 = 120 resultados possveis. Utilizando arranjos, a pergunta seria: Com seis itens (pilotos, no caso), quantos so os arranjos possveis de trs itens? Em geral, o nmero de arranjos de "n" objetos tomados y de cada vez igual a n!/(n - y)!. Mais formalmente,

A n,y =

n! (n y) !

No exemplo da corrida, um arranjo de 3 posies com 6 pilotos ser:

A6 , 3 =

6! 6 5 4 3! = = 6 5 4 = 120 (6 3)! 3!

At o momento, a ordem dos fatores foi importante. No caso do estudo das combinaes a ordem em que os fatores aparecem no tem influncia. Por exemplo, trs deputados devem ser escolhidas para formar uma CPI. Sabendo que o nmero de deputados disponveis para realizar este trabalho 10, de quantas maneiras diferentes pode ser montada a comisso? Nesse exemplo, a comisso formada por Joo, Pedro e Augusto a mesma que formada por Augusto, Pedro e Joo. Para fazer o clculo do nmero de comisses possveis utiliza-se a frmula da combinao.

n n! Cn , y = y = y! (n y)!
Aplicando a expresso no exemplo anterior, tem-se que:

10 10! 10 9 8 7! 720 C10 , 3 = 3 = 3! (10 3)! = 3 2 1 7! = 6 = 120

ou seja, existe a possibilidade de formar 120 comisses. Exerccio: Quantas placas diferentes de automvel voc pode fazer considerando que uma placa consiste em: (Obs.: considerar alfabeto com 26 letras) Resposta: 456976 1) quatro letras, que podem ser repetidas? 2) quatro letras, que no podem ser repetidas? Resposta: 358800 Exerccio: Determine o nmero de maneiras de formar cdigos de segurana com cinco dgitos, sem que os dgitos sejam repetidos. Resposta: 30240