UNIDADE II - INTRODUO PROBABILIDADE

1. INTRODUO O clculo das probabilidades pertence ao campo da Matemtica. Sua incluso, neste curso, cujo objetivo essencialmente a Estatstica, encontra explicao no fato de que a maioria dos fenmenos de que trata a Estatstica de natureza aleatria ou nodeterminstica. Consequentemente, o conhecimento dos aspectos mais fundamentais do clculo da probabilidades uma necessidade essencial para o estudo da Estatstica Inferencial ou Indutiva. Vamos examinar, inicialmente, o que se pode adequadamente denominar modelo determinstico. Por essa expresso pretendemos nos referir a um modelo que estipule as condies sob as quais um experimento executado determinem exatamente, ou com um erro que pode ser considerado desprezvel, o seu resultado. Por exemplo, se introduzirmos uma bateria em um circuito simples, o modelo matemtico que descreveria o fluxo de corrente eltrica seria I = E/R, isto , a Lei de Ohm. O modelo determina com exatido o valor de I ao fornecermos os valores de E e R, diferena de potencial e resistncia, respectivamente. Para um grande nmero de situaes, o modelo matemtico determinstico apresentado acima suficiente. Contudo, existem tambm muitos fenmenos que requerem um modelo matemtico diferente para sua investigao. Existem experimentos em que, mesmo considerando todos os fatores que influenciam no resultado, existe algum fator casual que no consegue-se controlar. Tais experimentos so, frequentemente, denominados no-determinsticos ou aleatrios. De fato, estamos falando de um modelo no-determinstico para um experimento. As principais caractersticas de um experimento aleatrio so: a) Pode-se repetir indefinidamente sob as mesmas condies. b) Pode-se descrever todos os possveis resultados do experimento. c) Depois de um grande nmero de repeties do experimento, surge uma configurao definida ou uma regularidade. esta regularidade que torna possvel construir um modelo matemtico preciso, com o qual se analisar o experimento. EXEMPLOS: 1. Jogar um dado e observar o nmero mostrado na face de cima. 2. Jogar uma moeda duas vezes e observar a sequncia de caras e coroas obtidas. 3. Jogar uma moeda duas vezes e observar o nmero de caras obtidas. 4. Peas so produzidas at que 10 peas perfeitas sejam produzidas. O nmero total de peas fabricadas contado. 5. Uma lmpada fabricada e em seguida ensaida quanto durao de vida, pela colocao em um soquete. O tempo decorrido (em horas) at queimar anotado.

O objetivo bsico da teoria das probabilidades criar um modelo terico que represente estes experimentos.
28

2. ESPAO EVENTOS

AMOSTRAL

Definio 2.1: Definiremos espao amostral, para cada experimento aleatrio E, como o conjunto de todos os possveis resultados do experimento, e o denotaremos por . EXEMPLO 2.1: Determine os espaos amostrais associados aos experimentos dos exemplos anteriores. SOLUO:
E1 E2 1 = {1,2,3,4,5,6} 2 = {(Ca,Ca), (Ca,Co), (Co,Ca), (Co,Co)}, onde Ca e Co representam a ocorrncia de

E3 E4 E5

3 = {0,1,2} 4 = {10,11,12,....} 5 = {t R / t =0}

cara e coroa, respectivamente.

A fim de descrever um espao amostral associado a um experimento, devemos ter bastante claro o que estamos mensurando ou observando. Por isso, devemos Um de A (relativo a um particular espao amostral , associado a um Definio 2.2:falareventoum experimento E) de o espao amostral. Veja a diferena de resultados espao amostral e no um conjunto um evento. do experimento, isto , qualquerentre 2 e 3. subconjunto do espao amostral Saliente-se, tambm, que o resultado de um experimento no Diz-se que ocorre o evento A, quando o resultado do experimeno aleatrio for um necessariamente, um elemento de A. nmero. Por conjunto universo, E2,ocada resultado so um sequncia de Caras (Ca) e Em particular, o exemplo, em , e conjunto vazio, f, tambm eventos, onde denominado de evento certo e f evento impossvel. Se A contm apenas um Coroas (Co). elemento, dizemos que A um evento elementar ou simples.
A partir das operaes entre conjuntos (Apndice A) podemos formar novos eventos, tais como: * A B o evento que ocorrer se e somente se A ou B ou ambos ocorrerem. * A n B o evento que ocorrer se e somente se A e B ocorrerem simultaneamente. * A ocorrer se e somente se no ocorrer A.

* A - B ocorrer se e somente se ocorrer A e no ocorrer B.

Definio 2.3: Dois eventos A e B, so ditos mutuamente excludentes (M.E.), se eles no puderem ocorrer simultaneamente, isto , A B f . n=

29

EXEMPLO 2.2: Lanar um dado e observar a face voltada para cima. Considere os seguintes eventos: A: o nmero par. B: o nmero impar. C: o nmero maior que 4. D: o nmero menor ou igual a 2. Determine os eventos: a) , A, B, C e D. b) A B, A n B, A B , A B n c) A , B , A , A B n B SOLUO: a) = {1,2,3,4,5,6}, A = {2,4,6}, B = {1,3,5}, C = {5,6}, D = {1,2} b) A B = {1,2,3,4,5,6} = : o evento certo A n B = f : o evento impossvel A B= f An = B c) A = {1,3,5} B = {2,4,6} A B = {1,2,3,4,5,6} = = A B n An = f = A B B

d) Quais os eventos mutuamente excludentes?

d) A n C = {6} : evento elementar A n D = {2} B n C = {5} B n D = {1} CnD=f Os Note que Obs: eventos A e B,o assim como exemplificae as so mutuamente item c) os eventos C D, leis de De excludentes. (ver Apndice A) Morgan.

30

3. NOES FUNDAMENTAIS PROBABILIDADE

DE

Definio 3.1: Seja E um experimento e um espao amostral associado a E. Probabilidade uma funo P que associa a cada evento A F( ) a um nmero real representada por P(A) e denominada probabilidade do evento A, satisfazendo aos seguintes axiomas:

1. 0 = P(A) = 1. 2. P( ) = 1. 3. Se A e B forem eventos mutuamente excludentes, P(A B) = P(A) + P(B) Se A1, A2, ..., An, ... forem, dois a dois, eventos mutuamente excludentes, P A P A P A P A(P A)+ .. ( ) .. . ( ) ( )= + ( . + = )+ ento,
8 8 i= 1 1 2 i ni i =1

Por enquanto, no sabemos como calcular P(A). Ns apenas arrolamos algumas propriedades gerais que P(A) possui. Vamos, inicialmente, enunciar e demonstrar algumas PROPRIEDADES FUNDAMENTAIS consequncias3.1: Se f for a o P(A) que decorrem das condies acima e Propriedade relacionadas conjunto vazio, ento que no dependem P(f)=0. Demonstrao: Para qualquer ns realmenteque da maneira pela qual evento A, sabemos calculamos P(A).
A= A f e A nf=f Ento, A e f so eventos mutuamente excludentes. De 3. temos P(A) = P A P A( P ( =f(+), logo P(A) = P(A) + P(f) ) ) f

Demonstrao: Para qualquer evento A, sabemos que = AA e f=n

Portanto, P(f) = 0 Propriedade 3.2: Se A for o evento complementar de A, ento P( A ) = 1 - P(A).

AA

Ento, A e A so eventos mutuamente excludentes. De 3. temos P( )=P(A A ) = P(A) + P( A ). De 2. Temos

31

1 = P(A) + P( A ) .

Logo, P( A ) = 1- P(A). Propriedade 3.3:Se A e B forem eventos quaisquer tais que A B ento P(A) = P(B). Demonstrao: Sabemos que
B = A (B n A ) , onde A e (B n A ) so eventos mutuamente excludentes. Consequentemente, P(B) = P(A) + P(B n A ) = P(A), porque P(B n A ) = 0, pelo axioma 1.

Propriedade 3.4: Se A e B so dois eventos quaisquer, ento P(A B) = P(A) Podemos escrever Demonstrao: + P(B) - P(A n B)

A B = A (Bn A ) , onde A e (B n A ) so eventos mutuamente excludentes e B = (A n B) (B n A ), onde (A n B) e (B n A ) so eventos mutuamente excludentes Do axioma 3. temos, P(A B) = P(A) + P(B n A ) e P(B) = P(A n B) + P(B n A ). Assim, P(B n A ) = P(B) P(A n B) 4.PROBABILIDADE EM ESPAOS AMOSTRAIS FINITOS E EQUIPROVVEIS Ento, P(A B) = P(A) + P(B) a um experimento Definio 4.1: Seja um espao amostral associado - P(A n B) aleatrio E com um Como exerccio pode-se facilmente provar a propriedade acima para trs eventos. Se A, B e C so trs eventos quaisquer , ento
32

nmero finito de resultados possveis. Ento, pode ser escrito da seguinte forma: = {a1,a2,...,an} e seja Ai = {ai} i=1,2,...,n todos os eventos elementares de . A cada evento elementar {ai} associaremos um nmero pi, denominado de probabilidade de {ai}, que satisfaa s seguintes condies:

P(A B C) = P(A) + P(B) + P(C) - P(A nB) - P(A nC) - P(B nC) + P(A nBnC)

1. pi = 0, i = 1, 2, ..., n. 2. p1 + p2 + ... + pn =1 Como {ai} um evento, essas condies so coerentes com aquelas postuladas para as probabilidades dos eventos em geral, isto , com os axiomas da definio B={a1,a2,...,ak}, 3.1. onde 1,2,...,k representam qualquer dos k ndices, de 1 at n. Consequentemente, conclui-se Suponha, agora, que um evento B seja constitudo de k resultados, 1= k = n, a do axioma 3 da definio de probabilidade (3.1) que P(B) = p1 + p2 + ... + pk saber,
EXEMPLO 4.1: Trs cavalos, A, B e C, esto numa corrida; A duas vezes mais provvel de ganhar que B e B duas vezes mais do que C. Quais so as probabilidades de vitria de cada um, isto , P(A), P(B) e P(C) ? SOLUO: Seja P(C) = p; como B duas vezes mais provvel de ganhar do que C, P(B)=2p; e como A duas vezes mais provvel do que B, P(A) = 2P(B) = 2(2p) = 4p. Como a soma das probabilidades tem que ser 1; ento

p + 2p + 4p = 1 ou 7p = 1 ou

p = 1/7.

Logo, P(A) = a P(B) = 2/7 e Pergunta: Qual 4/7 ;probabilidade de queP(C) = 1/7 B ou C ganhe ? Por definio, P(B C) = P(B) + P(C) = 2/7 + 1/7 = 3/7
Definio 4.2: Seja um espao amostral = {a1,a2,...,an} associado a um experimento E e

consideremos Ai = {ai} i=1,2,...,n amostral dito equiprovvel se

os eventos elementares de . O espao

P(Ai) = p , i = 1,2, ..., n,

ou seja, se todos os eventos elementares so igualmente provveis. Consequentemente, das condies 1. e 2. da definio 4.1, vem: 1. pi = p = 0, i = 1, 2, ..., n. 2. p1 + p2 + ... + pn = p + p + ... + p = 1 De 2. tem-se que np = 1 e consequentemente, p = 1/n.
33

Logo, se o espao amostral equiprovvel, a probabilidade de cada um dos pontos 1/n.

o. () Disto P(B) = k decorre que, para qualquer evento de casos favoraveis n , ou seja, P(B) = n( ) = n no . de casos possiveis nB

B formado de k resultados, 1= k = n,

tem-se

EXEMPLO 4.2: Selecione aleatoriamente uma carta de um baralho comum de 52 cartas. Sejam A: a carta uma espada e B: a carta uma figura.

Calcule P(A), P(B) e P(A n temos

13 1 52 4

B) SOLUO: equiprovvel,

Como
o

um

espao

P A n de espadas = = =. (). n ode cartas P B n de figuras. = =o= () . n de cartas P A B n de figuras = espadas ( ) . n de

o o

12 3 52 13
3 = 52

n de cartas
o.

5. PROBABILIDADE CONDICIONADA
EXEMPLO 5.1: Um lote formado pelos seguintes artigos: 80 no defeituosos e 20 defeituosos. Dois artigos so retirados do lote. Sejam A={o 1 artigo defeituoso} e B={o 2 artigo defeituoso}. SOLUO: a) Se extrairmos com reposio,( P(A P B ) === )

Calcule P(A) e P(B), a) com reposio; b) sem reposio.

20100 15 , pois cada vez que estivermos

extraindo do lote, existiro 20 peas defeituosas no total de 100. b) Se estivermos extraindo sem reposio, ainda verdade que )P=A . Mas e sobre ( 15

P(B) ? evidente que, a fim de calcularmos P(B) necessrio conhecer a composio do lote no momento de se extrair a segunda pea. Isto , devemos saber se A ocorreu ou nao. EsteSejam A e mostraeventos associados ao experimento E. seguinte conceito. exemplo B dois a necessidade de se introduzir o Denotaremos por P(B/A) a
probabilidade condicionada do evento B, quando A tiver ocorrido.

34

Sempre que calcularmos P(B/A), estaremos essencialmente calculando P(B) em relao ao espao amostral reduzido A, em lugar de (x1,x2), EXEMPLO 5.2: Dois dados honestos so lanados, registrando-se o resultado como faz-lo em relao ao onde espao original xi. o resultado do i-simo dado, i=1,2. Considere os seguintes
eventos: A={(x1,x2)/ x1 + x2 = 10} e B={(x1,x2)/ x1 > x2}.

Determine: P(A), P(B), P(A n B), P(B/A) e P(A/B). SOLUO: O espao amostral pode ser representado pela seguinte lista de 36 resultados igualmente provveis.

( ,1),( , ), ,L( , ), 1 1216 (2 ),(2, 2 2 6 ), , 1 ), ,(L , MLLLLLLM (6 ), 6 ,2), ,( , ) ,1( 6L 6

, n( )=36,

A={(5,5),(4,6),(6,4)}, n(A) = 3 Portanto, P A ()=3 36 , P (B/ A = 1 )

B={(2,1),(3,1),(3,2),...,(6,5)} n(A n B) = 1 () n=1 PAB 36 ,

A n B={(6,4)}

n(B) = 15 ( ) = 15 P B 36 ,

3 , uma vez que o espao amostral , agora, formado por A. 15 .

De modo equivalente, temos P A) B 1 (/ =

Se fizermos um exame cuidadoso dos vrios nmeros calculados, concluiremos que PBAPAB (/)() =n e PABPAB P(A ) (/)()=n

P (B )

Essas relaes no surgiram apenas neste caso particular. Ao contrrio, so bastante Definio e nos doAcaminhoeventos definir ade um mesmo espao amostral . gerais, 5.1: Sejam e B dois para quaisquer probabilidade condicionada.
Chamamos probabilidade do evento A, dado que o evento B ocorreu, ao seguinte quociente: P(A ) ( P A n , se P(B) > 0 /B)=B P(B ) Observaes: 1. Se P(B) = 0, nada podemos afirmar a respeito da probabilidade condicional.

35

f 0. 2. Se A e B forem mutuamente excludentes, ento P / ) B)P= = (A( P (B) n(A ( )n )B n 3. No espao amostral finito equiprovvel, P /A B = ( ) n(B ( ) )n n(A B ) =n n(B )

EXEMPLO 5.3: Um laboratrio de pesquisa possui 10 terminais de computadores. Algumas dessas mquinas so micro-computadores (M) e outras so estaes de trabalho (E); algumas so novas (N) enquanto outras so muito usadas (U), de acordo com a tabela abaixo. Uma pessoa entra no laboratrio, pega uma mquina ao acaso, e descobre que nova. Qual a probabilidade de que seja um micro-computador ? Mquinas Tempo de uso M E Total N 4 3 7 U 2 1 3 Total 6 4 10 SOLUO: Considerando-se somente o espao amostral reduzido N (isto , as 7 mquinas novas), temos P(M / N) = 4 / 7. Empregando a definio de probabilidade condicional, temos PMNPMN (/)() =n== P (N )

/ 4 10 7/ 10

4 7

A mais importante consequncia da definio de probabilidade condicional acima, o seguinte teorema.

Teorema 5.1 (Teorema da Multiplicao de Probabilidades): Sejam A e B dois eventos quaisquer de um mesmo espao amostral , P A (n)= * ) P A B ( ) B P /B ( ou P A B P A P B A( ) ( )= * ) n (/ ento: Observao: O teorema da multiplicao de probabilidades pode ser generalizado para mais de dois eventos. SejamA2A1, An) = P(A1)*P(A2/A1)*...*P(An/A1quaisquer de um mesmo espao P(A1 n n...n A2,..., An eventos n A2 n...n An-1) amostral , a probabilidade da ocorrncia simultnea de A1, A2,..., An dada por:
36

EXEMPLO 5.4: Uma caixa contm 4 lmpadas boas e 2 queimadas. Retira-se ao acaso 3 lmpadas, sem reposio. Calcule a probabilidade dessas 3 lmpadas serem boas.

SOLUO: Seja Ai: a i-sima lmpada boa, ento 3 2 1 P(A1 n A2 n A3) = P(A1)*P(A2/A1)*P(A3/A1 n A2) = 4 * * = . 6 5 4 5 At aqui, empregamos o conceito de probabilidade condicional a fim de avaliar a probabilidade de ocorrncia conjunta de dois ou mais eventos. Veremos, no prximo (Teorema da Probabilidade Total):Sejam A um evento Teorema 5.2 teorema, do espao qualquer como aplicar esse conceito para calcular, de outra maneira, a probabilidade deB2,..., Bk uma partio do mesmo) espao amostral , ento: amostral e B1, um k(/)( P(A) = P(A/ B1)P(B1) + P(A/ B2)P(B2) + ... + P(A/ Bk)P(Bk) = P A B P B evento qualquer A.
ii i =1

Demonstrao: Como A = (A n B1) (A n B2) ... (A n Bk ) e (A n B1), (A n B2), ..., (A n Bk ) so eventos mutuamente excludentes, temos P(A) = P(A n B1) + P(A n B2) + ... + P(A n Bk ).

Pelo teorema da multiplicao de probabilidades, temos

P(A) = P(A/ B1)P(B1) + P(A/ B2)P(B2) + ... + P(A/ Bk)P(Bk)

EXEMPLO 5.5: Voltando ao exemplo 5.1, calcule a P(B) se as retiradas dos artigos so feitas sem reposio. SOLUO: Como j vimos P)A 1 ( = ()=4 5 . Logo, pela propriedade 3.2 , temos que P A 5 . Agora, P B A ( / ) = 19

99 , porque se A tiver ocorrido, ento na segunda extrao restaro somente 99 peas, das quais 19 delas sero defeituosas. De modo similar, temos que P B A ( / ) = 20 99 . Pelo teorema da probabilidade total, temos P B (P B(A P /+) * )B A P A ( ) = ) = * A P= / + )( (

19 99

1 5

20 99

4 5

1 5.

37

EXEMPLO 5.6: Uma determinada pea manufatura por trs fbricas, digamos A, B e C. Sabe-se que A produz o dobro de peas que B, e que B e C produzem o mesmo nmero de peas. Sabe-se tambm que 2% de peas produzidas por A assim como por B so defeituosas, enquanto que 4% daquelas produzidas por C so defeituosas. Todas as peas so colocadas em um depsito, e depois uma pea extrada ao acaso. Qual a probabilidade de que essa pea seja defeituosa ? SOLUO: Seja os eventos A={a pea provm da fbrica A}, B={a pea provm da fbrica B}, C={a pea provm da fbrica C} e D={a pea defeituosa}. Temos que P(A)=2P(B), e P(B)=P(C). Substituindo essas relaes em P(A)+P(B)+P(C)=1, temos que 2P(B)+P(B)+P(B) = 1, logo, P(B)=P(C)= 1/4, enquanto que P(A) = 1/2. Como queremos determinar P(D) e os eventos A, B e C formam uma partio do espao amostral, podemos aplicar o teorema da probabilidade total, o qual escreveremos como P(D) = P(D/A)P(A) + P(D/B)P(B) + P(D/C)P(C). Pelo enunciado do problema, temos que P(D/A) = P(D/B) = 0,02, enquanto P(D/C) = 0,04. Levando-se esses valores expresso acima, encontraremos P D, =,0 02*1+ * = () , *+ , 2 0 02 1 4 0 04 1 4 0 025

6. TEOREMA DE BAYES Poderemos empregar o Exemplo 5.6 para sugerir outro importante resultado. Suponha-se que uma pea seja retirada do depsito e se verifique ser ela defeituosa. Qual a Teorema 6.1 (Teorema de Bayes): Sejam B1, B2,..., Bk uma probabilidadeespaotenha sido produzida na fbrica A ? partio do de que amostral e

A um evento qualquerprobabilidade pelo seguinte teorema. associado a , ento: Poderemos calcular esta
ii P B)A P)A ) P B ( /i ( / = B ( P (A B(Pj B /) ) 1j j

, i=k1, 2 ... , ,

38

Demonstrao: P B)A ) B n = i,i i i k ( /i ( P = A P (A)

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

= 1, 2 ... , ,

(A ) Pelo teorema da probabilidade total (, )P=/ )P( A B P B j j

j =1 ii P B)A P)A B P B ( /i ( / = ) ( k /) 1 j = P (A B (Pj)jB

. Logo,

, i=k1, 2 .. , ,.

P A)D , )= / ) (/ ( ( (0, 02(1/ 2 0 02*(=/ ) ( , ) 4 0 40 ) * + * , ) 1 4 0 04 1 )(+ (/), EXEMPLO 6.2: Numa certa turma, 1% dos homens e 4% das mulheres tm menos que 1,60m. de altura. Alm disso, 60% dos estudantes so homens. Ora, se um estudante selecionado aleatoriamente e tem menos que 1,60m. de altura, qual a probabilidade do estudante ser um homem ?

EXEMPLO 6.1:Voltando ao problema proposto acima, e agora aplicando o teorema 6.1, obtemos 0 02 1*2

SOLUO: Sejam A={estudantes de menos de 1,60m. de altura} M={estudantes do sexo feminino} e H={estudantes do sexo masculino}.
P (H ) (P )= H P H / A A( + = * ) P (A H(P H/ P Bayes, /) ) ) Pelo /teorema (de(A) M P M ( ,01( 0 ) 0 ) , 60 (0 ) ( ,0)+ * 0 ( , )0 40 , 01 * 60, )=04 ( 3 11 .

7. EVENTOS INDEPENDENTES Consideremos dois eventos A e B quaisquer de um mesmo espao amostral . Dizemos que A e B so dois eventos independentes se a probabilidade de ocorrncia do = P(A) * P(B) P(A n B) = P(A) * P(B/A) evento A no altera a probabilidade de ocorrncia do evento B, isto , Podemos, ento, P(B) = P(B/A). formalizar a seguinte definio. Pelo Teorema de Multiplicao de Probabilidades, temos:
39

Definio 7.1: Dois eventos A e B so independentes se e somente se P(A B )P * P B ) ( =( A n )

Consequentemente, P(A/B) = P(A) e P(B/A) = P(B), se P(A) e P(B) so nonulos. EXEMPLO 7.1: Suponha que um dado equilibrado seja jogado duas vezes. Definamos os
eventos A e B, da seguinte forma:

A={o primeiro dado mostra um nmero par}, B={o segundo dado mostra um 5 ou um 6}. Determine P(A), P(B), P(A n B),espao amostral, SOLUO: Temos o seguinte P(A/B) e P(B/A).
= ( ,1),1(2 ), L( , ), 1 ,16 , (2 ), 2 ,2), ,6 , ), ,1( 2 L ( MLLLLLLM (6 ), 6 ,2), ,6 , ) ,1( 6 L ( , ( ,1 2( 2 ), , ( , ) 2 ), , 2 6L ,1( 4 (, A= (4 ), 4 ,2), ,6L) (6 ), 6 ,2), ,6 , ) ,1( 6 ( L ,

152565 L B= ( , ), ( , ), ( , ) 1 6 2 6 6 6 ( , ), ( , ), , L , ) (

e A{n = ( , ), 2 ,5),2(6, 4 5 , ), (6, 5 6 6 . B ( ), ( 4 6 ), ( ,

) 1 6.

18 Ento, P A ()==

12 1 1 6 ()== ()n== 36 2 , P B 36 3 , enquanto P A B 36

Consequentemente,
1/ 1 6 P (A/ B (P A B = = = ) )=n ( P (B) P A 1/3 ) 2 , e
(B P B A P A / ) ( ) = n = = )= B 1/2 ) 3 ( P (A P

16 /

Podemos estender este conceito para n eventos.

Definio 7.2: Sejam A1, A2,..., An, n eventos de um mesmo espao amostral . Dizemos que A1, A2,..., An so eventos independentes, se:

( * i P ( ) iA)P A P A j n A ( nj = ), ji P(A iAkniAnP (A P A Pi Ak n ) ( ) j(k )= * * , ) j j M PAAAPA ( )i (ni n n =L ) jn

n

= 1 2, , ,L =12 ,,, K

i =1

Observao: No caso de n eventos teramos 2n - n -1 relaes a serem verificadas.

40

EXEMPLO 7.2: Suponha que um par de moedas no viciadas seja jogada. Definamos os eventos:

A={cara na primeira moeda}, B={cara na segunda moeda} e C={cara em exatamente uma moeda}.

Determine P(A), P(B), espao amostral, SOLUO: Temos o seguinte P(C), P(A n B),=P(A n C), P(B n C) e P(A n {(Ca,Ca),(Ca,Co),(Co,Ca),(Co,Co)}, onde Ca cara e Co coroa, ento
A={(Ca,Ca),(Ca,Co)}, Logo, P A P B P C ( ) ( = ( )= = )= B={(Ca,Ca),(Co,Ca)} e C={(Ca,Co),(Co,Ca)}

B n C).

2 4
4,

1 2

()n==1 ({ , }) P A B P Ca Ca

4,

P (A) C P }) 1 Co ({= = n , Ca P (A) B )n( = (P) A )P B fP C ( C P = (* * 0 n )

()n==1 ({ , }) P B C P Co Ca

Este exemplo mostra que os eventos so dois a dois independentes, mas os trs eventos no so independentes. 8. REFERNCIAS BIBLIOGRFICAS
1. Meyer, P.L. (1984). Probabilidade: aplicaes estatstica. Livros Tcnicos Cientficos Editora S.A.

2. Lipschutz, S. (1972). Probabilidade. Editora McGraw Hill do Brasil Ltda.

41

APNDICE A - ALGUMAS NOES DA TEORIA DOS CONJUNTOS

Este apndice apresenta alguns conceitos elementares da Teoria dos Conjuntos que so fundamentais Teoria das Probabilidades. Um conjunto uma coleo de objetos. Geralmente os conjuntos so representados por letras maiscula: A, B, .... Os objetos que formam o conjunto A so denominados

elementos de A. Quando a for um elemento de A denotaremos a A e quando a no for um elemento de A escrevemos a A. Definiremos o conjunto vazio como sendo o conjunto que no contenha qualquer elemento e o conjunto universal como aquele que formado por todos os objetos que estejam em estudo. A partir do conjunto vazio (f) e do conjunto universal (U), podemos enumerar as duas seguintes propriedades: 1. f A, para qualquer A. 2. A U, desde que j se tenha definido o conjunto universal. Consideremos, agora, a importncia de combinar conjuntos a fim de formar novos conjuntos. No que segue, consideramos A e B dois conjuntos arbitrrios. 1. Unio: A B ={x: x A ou x B}.

o conjunto dos elementos que pertencem a A ou a B ou a ambos.

2. Interseo: A n B = {x: x A e x B} B o A conjunto dos elementos que pertencem simultaneamente a A e a B.

42

3. Complementao: Sejam A e B dois conjuntos tais que A B, A = {x: x A e x B}.

A
A

EXEMPLO: Seja U = { 1,2,3,4,5,6}, A = { 1,2,3}, B = { 2,3,4}. Ento, A = {4,5,6}, A B = {1,2,3,4} e A n B = {2,3} Enunciaremos abaixo algumas propriedades importantes: Sejam A, B e C trs conjuntos quaisquer. 1. Idempotncia: A A = A ; A n A = A. 2. Comutativa: A B = B A ; A n B = B n A. 3. Associativa: A n (B n C) = (A n B) n C ; A (B C) = (A B) C. 4. Distributiva: A (B n C) = (A B) n (A C) ; A n (B C) = (A n B) (A n C). 5. Absoro: A (A n B) = A ; A n (A B) = A.
6. Identidade: A n U = A; A n f = f ; A U = U; A f = A. 7. Complementar: U = f ; f=U; AA n=f; AAU =. 8. Leis da dualidade ou Leis de De Morgan: A)n(= B ; ( BA ) ()() A B=A B n.

A partir dessas identidades podemos enunciar as seguintes definies.

Definio A.1: D-se o nome de conjunto das classes de A, e denota-se por F(A), classe de todos os possveis subconjuntos de A.

Para efeito de exemplo, considere A = {a,b,c}, ento F(A) ={f , {a}, {b}, {c}, {a,b}, {a,c}, {b,c}, {a,b,c}=A}
Definio A.2: Uma partio de um conjunto A uma subdiviso de A em subconjuntos Ai,

Em geral, se A finito e tem n elementos, ento F(A) tem 2n elementos.

i=1,2,...n, tal que:
= i n 1, 2 , ,L

1. Ai f ,

2. Ai jA = f , n

ij

43

3. A Ai U
i= 1

n=

EXEMPLO: Seja A = {a,b,c}, ento A1 = {a} e A2 = {b,c} representam uma partio, enquanto que A1 = {a}, A2 = {a,b} B - TCNICAS no representaria. APNDICE e A3 = {b} DE CONTAGEM

Nem sempre possvel enumerar de forma simples o espao amostral e o evento. Por esta razo, so necessrios alguns procedimentos de contagem que so estudados pela anlise combinatria. Existem vrias maneiras de dispor os objetos de uma coleo em grupos. Esses grupos denominam-se agrupamentos e os objetos que os constituem chama-se de elementos. Em qualquer das maneiras de disposio dos elementos, existem dois casos: 1. Em cada agrupamento todos os elementos so distintos - agrupamento simples. 2. Em cada agrupamento pode haver repeties dos elementos - agrupamento com repetio.

Arranjos, Permutaes e Combinaes. Os agrupamentos simples diferem pela ordem ou pela natureza de seus elementos. Diferem pela natureza quando pelo menos, um dos elementos de um dos Definio B.1: Sendo n um inteiro positivo, definimos n! = (n)(n-1)(n-2)....1 e o agrupamentos no de fatorial de n. Tambm definimos 0! = 1. denominamos for elemento do outro. 1. PERMUTAES A. PERMUTAES SIMPLES DE OBJETOS DISTINTOS So os agrupamentos simples de n elementos que podemos formar com eles. Pn = n ! Diferem um do outro pela ordem dos elementos. O nmero de permutaes EXEMPLO B.1: Com as primeiras quatro letras do alfabeto, quantos agrupamentos de 4
elementos podemos formar ?

Os agrupamentos, quanto ao modo de formao, podem ser classificados em :

SOLUO: P4 = 4! = 4.3.2.1 = 24. A saber, temos, o seguinte conjunto, {abcd, abdc, acbd, acdb, adbc,adcb, bacd, badc, bcad, bcda, bdac, bdca, cabd, cadb, cbad, cbda, cdab, cdba, dabc, dacb, dbac, dbca, dcab, dcba}
44

SOLUO: Teremos A( , )

B. PERMUTAES 16 = 4 COM OBJETOS REPETIDOS = agrupamentos, a saber, teremos,

* 42 2

{aa, ab, ac, que podemos formar com n da, db, dc, So as permutaes ad, ba, bb, bc, bd, ca, cb, cc, cd, elementos, dos quais dd}so iguais, 3. n1COMBINAES ! P LL n2 COMBINAES nr n so =iguais. OBJETOSpela ordem. O nmero de so iguais, ..., SIMPLESn DE Diferem DISTINTOS n !!! n A. permutaes EXEMPLO B.2:Quantos anagramas podemos formar com as letras da So os agrupamentos simples de elementos com palavra CARCARA?2 letras C, 3 rletras A e 2 que podemos formar de 7 SOLUO: Temos letras R, num total n elementos ! letras. Ento, teremos,C!C=n= - pela natureza dos elementos. O nmero de (0<r<n). Diferem um do outror!( )! 7 nr = = anagramas diferentes. 2 !3!2 210 ! agrupamentos 2. ARRANJOS EXEMPLO B.5: Com as quatro primeiras letras do alfabeto, quantas combinaes de dois
n ,n,1n2,n1 2 ,
r

n ,r n

P7 2 3 2 ,,,

A. ARRANJOS SIMPLES DE OBJETOS DISTINTOS

SOLUO: Teremos C4

elementos podemos formar ?

24 =

! n !n P 1. Annn= - = = = n EXEMPLO B.3: 0! ! as quatro primeiras letras do alfabeto, quantos agrupamentos de 2 Com (n n )! elementos podemos formar ? ! 2. Anrn= - = * - = ! rn (n ! ! ! )rrn rn )rC 24 SOLUO:Podemos formar !( r ! !* = =! agrupamentos diferentes, a saber, temos A4 2 12 ! nr 3. Cnrn= - = n (n r!r C )! {ab, ac, ad, ba, bc,)! bd, ca,r(n) n r )( 1 ! da, db, (n)!( n r cb, ncd, ( )! 1 (n 1 !11) ( r) r -C + =r 1 n B.CARRANJOS dc}.1 n - 1 (r) n -1)! -COM REPOSIO DO -!OBJETO SELECIONADO n - r+ !( r !( r - - = -1 - n )! + r !( r = - + n) r !( r n )! 4. n! r =-= n r !( ) ! n r os agrupamentos C So de r elementos que podemos formar

So os agrupamentos de r elementos dentre n elementos distintos. Diferem um ac, ad, bc, bd, cd} {ab, agrupamento do outro, pela natureza ou pela ordem de seus elementos. ! OBSERVAES: AAn == (n r )! O nmero de arranjos
r (n, r n )

! = 2 ! !6 agrupamentos, a saber, teremos, 2

com n

elementos (0<r<n). Diferem um do outro pela A*ordem, pela natureza ou pela repetio de r = n elementos dentro do EXEMPLO B.4: Com as quatro nmero letras do alfabeto, quantos agrupamentos de 2 mesmo agrupamento. O primeiras de agrupamentos :
r ( n )r ,

elementos podemos formar se a escolha for feita sucessivamente e com reposio do elemento escolhido ?

45

46