Documente Academic
Documente Profesional
Documente Cultură
Step-by-Step
Probabilidades
Volume I
ndice
Prefcio.......................................................................................................................................................................3
1 Introduo. Definies: Experincia Aleatria e Acontecimentos Aleatrios.........................................................4
2 Clculo de Probabilidades em espaos de resultados igualmente provveis: Lei de Laplace .................6
3 Noo de probabilidade: axiomas e teoremas. ................................................................................................7
Axiomtica das Probabilidades...............................................................................................................................7
4 Probabilidade Condicionada..............................................................................................................................9
Axiomtica das Probabilidades Condicionadas....................................................................................................10
5 Teorema da Multiplicao de Probabilidades................................................................................................10
6 Teorema da Probabilidade Total......................................................................................................................11
7 Teorema de Bayes..............................................................................................................................................11
8 Acontecimentos Independentes.......................................................................................................................12
9 Exerccios Resolvidos.......................................................................................................................................15
10 Exerccios Propostos........................................................................................................................................20
11 Exerccios de Auto-Avaliao.........................................................................................................................22
I Escolha Mltipla................................................................................................................................................22
II Verdadeiro/Falso...............................................................................................................................................23
12 Referncias Bibliogrficas..............................................................................................................................24
Anexo 1 Reviso sobre o Clculo Combinatrio.............................................................................................25
Introduo.............................................................................................................................................................25
Estratgicas bsicas de Contagem: Regras Bsicas..............................................................................................25
Arranjos com e sem repetio...............................................................................................................................26
Permutaes..........................................................................................................................................................27
Factorial de um nmero inteiro no negativo.......................................................................................................27
Combinaes.........................................................................................................................................................28
Propriedades das Combinaes.............................................................................................................................29
O Tringulo de Pascal...........................................................................................................................................29
Binmio de Newton..............................................................................................................................................30
Exerccios Resolvidos sobre o Binmio de Newton.............................................................................................31
Exerccios Propostos sobre o Binmio de Newton...............................................................................................32
Exerccios Propostos sobre Clculo Combinatrio...............................................................................................32
Anexo 2 Reviso da Teoria dos Conjuntos: Operaces entre conjuntos. .....................................................34
Exerccios Propostos sobre Teoria dos Conjuntos................................................................................................36
Anexo 3 Linguagem usada em Medicina..........................................................................................................37
Solues dos Exerccios Propostos.......................................................................................................................39
Solues da Escolha Mltipla...................................................................................................................................42
Solues do Verdadeiro/Falso...................................................................................................................................42
Solues dos Exerccios Propostos sobre o Binmio de Newton.............................................................................42
Solues dos Exerccios Propostos sobre Clculo Combinatrio.............................................................................43
Solues dos Exerccios Propostos sobre Teoria dos Conjuntos..............................................................................43
2
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Prefcio
O leitor est a ler uma verso parcial e preliminar de um texto em elaborao, mais precisamente a
verso de 17 de Abril de 2000. O autor agradece todas e quaisquer indicaes de gralhas e/ou erros,
sugestes, crticas,... para jguerreiro@portugalmail.pt Se desejar ser notificado sempre que se verifiquem
alteraes de fundo neste texto pea por e-mail um formulrio para o efeito.
Este texto tem vrios objectivos cuja fronteira no est muito bem definida. certo que h vrios anos
que existem manuais sobre este tema, em vrias lnguas, nomeadamente na nossa. Ento o que tem de
novo? Bem qualquer coisa que s saber se confiar e comear agora mesmo a verificar, lendo como se
tivesse um exame amanh, sobre este tema. Desde j demonstro a minha disponibilidade para dvidas, no
sentido usual das mesmas, pelo e-mail indicado. Em troca espero que colabore para que este texto fique
sem gralhas e mais acessvel a qualquer leitor. A sua colaborao essencial. A sua opinio necessria.
Este um aspecto verdadeiramente inovador, um texto escrito em colaborao com algum que sente as
dificuldades. Esta a minha verdadeira aposta.
Actualmente apenas se trata do tema Clculo de Probabilidades de Acontecimentos, com a promessa
de que os restantes temas da Teoria das Probabilidades sero tratados em outros volumes. E quem sabe
outros tpicos...
Os pr-requisitos existem. Quase que pode dizer-se que um conhecimento slido do secundrio
suficiente, no entanto noes bsicas de Clculo Diferencial e Integral so tambm necessrias em pontos
muito reduzidos da matria. Por isso este tema em geral estudado no 2ano das vrias licenciaturas e
bacharelatos. Se o seu conhecimento a montante no muito satisfatrio, lembre-se que tudo apenas
depende da sua fora de vontade.
Os agradecimentos por enquanto so poucos, esperamos que o seu nome possa aparecer aqui. Por
enquanto agradeo ao Eng. Jorge Gomes e ao Daniel Dias da Costa.
Bom trabalho!
O autor,
J.G.
3
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Definio 1:
Uma experincia, E, diz-se aleatria se:
i) for um procedimento que se pode repetir um grande nmero de vezes mas mesmas condies ou pelo
menos em condies semelhantes;
ii) todos os resultados possveis so conhecidos priori;
iii) o resultado exacto no conhecido antes da realizao da experincia, i.e. 1 imprevisvel.
Exemplos de Experincias Aleatrias:
E1: lanamento de um dado e registo do nmero de pontos que sai;
E2: lanamento de duas moedas2;
E3: lanamento de um dado e de uma moeda;
E4: lanamento de uma moeda at aparecer face;
E5: uma lmpada fabricada e ensaiada quanto sua durao;
E6: registada a idade de uma pessoa3;
E7: extraco de 2 peas (com ou sem reposio) de um lote de 100 peas das quais 20 so defeituosas.
Em oposio aos fenmenos aleatrios, alvo do nosso estudo, existem os fenmenos determinsticos,
que so aqueles cujos resultados so previsveis, ou seja, temos certeza dos resultados a serem obtidos.
Definio 2:
Designa-se por Espao Amostral e representa-se por , o conjunto de todos os resultados possveis
associados a uma experincia aleatria.
Definio 3:
Designa-se por Espao de Acontecimentos e representa-se por IP(), o conjunto de todas as partes ou
subconjuntos de .
i.e., id est, que significa isto , uma expresso que usaremos muito.
Designaremos face por F e coroa por C, naturalmente.
3
Em anos como habitualmente.
2
4
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
e.g. exempli gratia, que significa por exemplo, expresso que tambm usaremos muito.
Ver anexo 2.
6
Ver nota anterior.
5
5
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Definio 6:
Dois acontecimentos aleatrios, A e B, dizem-se contrrios se A B e A B , e representa-se
o conjunto contrrio de A por A .
Sabemos que a cada experincia aleatria podemos associar acontecimentos aleatrios. Para
distinguirmos os vrios acontecimentos, torna-se necessrio associar a cada acontecimento aleatrio A,
um nmero que de alguma maneira medir o quanto verosmil que o acontecimento A venha a ocorrer.
Este nmero necessrio a probabilidade do acontecimento A, P(A).
Consideremos uma urna que contem 49 bolas azuis e 1 bola branca. Se efectuarmos uma inspeco,
teremos duas possibilidades: bola azul ou bola branca. Percebemos entretanto que ser muito mais
frequente obtermos numa inspeco, uma bola azul, resultando da, podermos afirmar que o
acontecimento "sair bola azul" tem maior Probabilidade de ocorrer do que o acontecimento "sair bola
branca".
2 Clculo de Probabilidades em espaos de resultados igualmente provveis: Lei de Laplace
A primeira definio de probabilidade conhecida deve-se a Laplace no incio do sc. XIX, para a
hiptese de casos igualmente provveis ou o chamado princpio da simetria.
Definio 6:
Seja A um acontecimento aleatrio de , a probabilidade de A, i.e.,
P ( A)
n de casos favorveis
.
n de casos possveis
O que a definio de Laplace nos diz que se todos os k resultados 7, forem igualmente verosmeis, a
probabilidade de cada resultado, i.e., a probabilidade de cada acontecimento elementar Ai, ser:
1
P ( Ai ) , i=1,,k.
k
Exemplos:
6
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
P( in1 Ai ) in1 P( Ai ) .
7
Com estes trs axiomas mesmo sem sabermos 8 ainda calcular P(A) sabemos j as suas caractersticas,
com as quais se demonstram todas as propriedades seguintes. Note que pode-se recorrer, apenas para
melhor visualizao, a Diagramas de Venn.
Propriedades:
P1: Se for o conjunto vazio ento P ( ) 0 .
P2: Se A o acontecimento complementar de A ento P ( A) 1 P ( A) .
P3:Se A um acontecimento qualquer ento P ( A) 1 .
P4:Se A e B forem acontecimentos quaisquer ento P ( A B ) P ( A) P ( B ) P ( A B ) .
P5:Se A, B e C forem acontecimentos quaisquer ento
P ( A B C ) P ( A) P ( B ) P (C ) P ( A B ) P ( A C ) P( B C ) P ( A B C ) .
P6: Se A B P ( A) P ( B ) .
Estas propriedades so portanto consequncias imediatas dos axiomas referidos.
Exemplo:
Em uma certa comunidade existem apenas dois jornais disponveis, o Jornal de Notcias e o Pblico.
Sabe-se que 5000 pessoas so assinantes do Jornal de Notcias, 4000 so assinantes do Pblico, 1200 so
assinantes de ambos e 800 no lem jornal. Qual a probabilidade de que uma pessoa escolhida ao acaso
seja assinante de ambos os jornais?
Sabemos que no necessrio mas dado que uma boa ferramenta pois permite a visualizao,
representemos os conjuntos num Diagrama de Venn.
A resoluo destes problemas, correcta e metdica, comea com a definio dos acontecimentos
necessrios a uma adequada resoluo do problema.
Definio dos acontecimentos:
- J " Ler o jornal Jornal de Noticias"
- P " Ler o jornal Pblico"
Note que no sabemos qual o nmero total de pessoas do nosso espao amostral, , que designaremos
por n(). Teremos:
n n(J P) n( J P )
Em que:
n( J P )
8
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Estas probabilidades so facilmente calculveis a partir dos dados do problema, basta escrever em funo
de n .
Dados do problema:
n(J) 5000 ; n(P) 4000 ; n(J P) 1200 e
1
n( J P ) 800
n(J) n(P) - n(J P) n( J P ) n( ) n(J) n(P) - n(J P) n( J P ) 5000 4000 - 1200 800 860
n( )
Pelo que a comunidade em estudo tem 8600 pessoas. Agora simples responder ao pedido:
P(J P)
n(J P) 1200
0.1395 13.95%
n
8600
Exemplo:
9
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
De um baralho de 52 cartas retirou-se ao acaso uma carta, sabendo que de Copas, qual a
probabilidade de ser um s?
Note que o facto de se explicitar que a escolha foi feita ao acaso significa que cada uma das cartas ter
igual probabilidade de ser retirada.
i) definir os acontecimentos necessrios resoluo:
A "52 Cartas" , B " Carta de Copas" e C " Carta ser um s" ;
ii) calcular P (C | B )
1 processo: pela definio temos P (C | B )
P (C B )
1 52
1 / 13
P( B)
13 52
# (C B )
1 / 13 .
#B
P( in1 Ai | B ) in1 P( Ai | B ) .
Alm dos axiomas a probabilidade condicionada verifica todas as propriedades referidas para a
probabilidade simples, e.g.:
Se A o acontecimento complementar de A ento P ( A | B ) 1 P ( A | B ) .
Exerccio: Mostre que P ( A | B ) 1 P ( A | B ) .
10
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
P ( A B ) P ( B ). P ( A | B )
pelo que uma generalizao natural conduz a:
P ( A1 A2 ... An ) P ( A1 ).P ( A2 | A1 A2 ).... P ( An | A1 ... An 1 ) .
Definio 8:
Dizemos que os acontecimentos A1, A2, ,An representam uma partio de se:
i) Ai A j , se i j , i.e. os conjuntos so disjuntos dois a dois;
ii) in1 Ai ;
iii) P ( Ai ) 0, i 1,...,n .
Exerccio: Construa um Diagrama de Venn onde represente todos os conjuntos referidos.
6 Teorema da Probabilidade Total
Teorema:
Seja B um acontecimento qualquer de e A1, A2, ,An representam uma partio de IP(), ento
P( B ) in1 P( Ai ). P( B | Ai ) .
Exerccio: Contrua um Diagrama de Venn onde represente todos os conjuntos referidos e demonstre o
resultado indicado. D especial ateno para os casos n=2 e n=3, mais frequentes nos exerccios e nas
avaliaes.
Este teorema permite calcular a probabilidade de um acontecimento qualquer a partir do conhecimento
da probabilidade de cada acontecimento que forma a partio e da respectiva probabilidade condicionada.
7 Teorema de Bayes11
Thomas Bayes (1702-1761)
Teorema:
11
Alguns autores designam por frmula de Bayes e outros, por Teorema das Causas, pois um mtodo de calcular a probabilidade da causa, este
mesmo resultado.
11
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Seja B um acontecimento qualquer de e A1, A2, ,An representam uma partio de , onde
P ( Ai ) 0 e P ( B ) 0 ento para j=1,...,n tem-se
P( A j | B )
P( A j ).P ( B | A j )
in1 P ( Ai ). P( B
| Ai )
12
8 Acontecimentos Independentes
Definio 9:
Diz-se que dois acontecimentos aleatrios quaisquer so independentes se: P ( A B ) P ( A). P ( B ) .
Exerccio: Mostre que todos os acontecimentos so independentes de e de .
Exerccio: Mostre que se dois acontecimentos so independentes eles no pode ser mutuamente
exclusivos. importante que o aluno no confunda estes dois conceitos bem diferentes!
Exemplo:
Qual a probabilidade de em dois lanamentos de um dado, se obter nmero par no primeiro lanamento e
nmero mpar no segundo lanamento? Ora, os acontecimentos so obviamente independentes, pois a
ocorrncia de um no influncia a ocorrncia do outro. Logo, teremos: P(A B)=P(A).P(B) = 3/6 . 3/6 =
1/2.1/2 = 1/4 = 0,25 = 25%.
Exemplo:
Uma urna possui cinco bolas vermelhas e duas bolas brancas. Calcule as probabilidades de:
a. em duas extraces, sem reposio da primeira bola extrada, sair uma bola vermelha e depois uma bola
branca.
b. em duas extraces, com reposio da primeira bola extrada, sair uma bola vermelha e depois uma bola
branca.
a. P(V B)=P(V).P(B|V). P(V) = 5/7 (5 bolas vermelhas de um total de 7). Supondo que saiu bola
vermelha na primeira extraco, ficaram 6 bolas na urna. Logo: P(B|V)=2/6=1/3. Da lei das
probabilidades compostas, vem finalmente que: P(V B) = 5/7.1/3 =5/21 = 0,2380 = 23,8%
b. Com a reposio da primeira bola extrada, os acontecimentos ficam independentes. Neste caso, a
probabilidade pedida poder ser calculada como: P(V B) = P(V).P(B) =5/7.2/7=10/49=0,2041 =
20.41% < 23.8% !
Observe atentamente a diferena entre as solues das alneas a. e b. acima, para um entendimento
perfeito daquilo que procuramos transmitir. Lembre-se que foi exactamente esta a motivao da
introduo da noo de probabilidade condicionada.
Definio 10:
Os acontecimentos aleatrios A, B e C so independentes se:
P ( A B C ) P ( A). P ( B ). P (C ) ,
P ( A B ) P ( A). P ( B ) , P ( A C ) P ( A). P (C ) , e P ( B C ) P ( B ). P (C ) .
12
12
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Teorema:
Se A e B so acontecimentos independentes ento tambm so independentes os acontecimentos:
i) A e B , ii) A e B , e iii) A e B .
Lei
Dem.: P ( A B )
Morgan
Por hiptese
A e B so independentes
P ( A B ) 1 P ( A B ) 1 P ( A) P ( B ) P ( A B )
Teo .
Teo .
Q.E.D.
13
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
9 Exerccios Resolvidos
1. Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com
reposio, calcule a probabilidade se sair bola:
a. azul; b. vermelha; c. amarela.
Resoluo:
a. sair bola azul P(A)=6/20=3/10=0,30=30%
b. sair bola vermelha P(A)=10/20=1/2=0,50= 50%
c. sair bola amarela P(A) = 4/20=1/5 =0,2 =20%
Observamos neste exerccio que as probabilidades podem ser expressas como percentagem. Esta forma
conveniente, pois permite a estimativa do nmero de ocorrncias para um nmero elevado de
experincias aleatrias. Por exemplo, se a e.a. acima for repetida diversas vezes, podemos afirmar que em
aproximadamente 30% dos casos, sair bola azul, 50% dos casos sair bola vermelha e 20% dos casos
sair bola amarela. Quanto maior a quantidade das experincias aleatrias., tanto mais a distribuio do
nmero de ocorrncias se aproximar das percentagens indicadas.
2. Suponha que uma caixa possui duas bolas pretas e quatro verdes, e, outra caixa possui uma bola preta e
trs bolas verdes. Passa-se uma bola da primeira caixa para a segunda, e retira-se uma bola da segunda
caixa. Qual a probabilidade de que a bola extrada da segunda caixa seja verde?
Resoluo:
14
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
Este problema envolve dois acontecimentos mutuamente exclusivos: ou a bola transferida verde ou a
bola transferida preta. Teremos:
1 Possibilidade: a bola transferida verde :
Probabilidade de que a bola transferida seja verde = P(V)=4/6=2/3 (4 bolas verdes em 6). Portanto, a
probabilidade que saia BOLA VERDE na 2 caixa, supondo-se que a bola transferida de cor VERDE,
ser igual a: P(V|V) = 4/5 (a segunda caixa possui agora, 3 bolas verdes + 1 bola verde transferida + 1
bola preta, portanto, 4 bolas verdes em 5). Pela regra da probabilidade condicionada, vem: P(V
V)=P(V).P(V|V) =2/3.4/5=8/15.
2 Possibilidade: a bola transferida preta :
Probabilidade de que a bola transferida seja preta =P(P)=2/6=1/3 (2 bolas pretas e 4 verdes, num total de
6). Portanto, a probabilidade que saia BOLA VERDE, supondo-se que a bola transferida de cor PRETA,
ser igual a: P(V|P)=3/5 (observe que a segunda caixa possui agora, 1 bola preta + 3 bolas verdes + 1 bola
preta transferida= 5 bolas). Da, vem: P(V P)=P(P).P(V|P)=1/3.3/5=1/5.
Finalmente vem: P[(V V) (V P)]=P(V V)+P(V P)= 8/15 + 1/5 = 8/15 + 3/15 = 11/15, que
a resposta do problem a. Mas 11/15 = 0,7333 = 73,33%. Portanto, a probabilidade de que saia uma bola
verde de 73,33%. Uma interpretao vlida para o problema acima que se a e.a. descrita for repetida
100 vezes, em aproximadamente 73 vezes ser obtido bola verde. Se a e.a. for repetida 1000 vezes, em
aproximadamente 733 vezes ser obtido bola verde.
3. Considere uma experincia aleatria e um 13 espao de resultados associado a esta, . Sejam A, B e C
acontecimentos tais que :
. A e C so independentes; A B = ; P(A)=0.6 ; P(B)=0.7 ; P(C)=0.2
a. Calcule P(A B).
b. Calcule P(A|B).
c. Calcule P(A C).
d. Os acontecimentos A, B e C so independentes ?
Resoluo:
Comecemos por explicitar as hipteses do problema:
H1: A e C independentes P ( A C ) P ( A). P (C ) ;
H2: A B P ( A B ) 1 ;
H3: P(A)=0.6 ; H4: P(B)=0.7 ; H5: P(C)=0.2.
a. P( A B ) ?
Teo .
H 2, 3, 4
um dos infinitos espaos de resultados que possvel associar a esta experincia aleatria, como a qualquer outra experincia aleatria.
15
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
P ( A B ) a . 0.3
3 / 7 0.43
P ( B ) H 4 0.7
H1
H 3,5
Logo
os
acontecimentos
no
so
independentes.
4. Se A, B e C so acontecimentos globalmente independentes 14, mostre que:
a. A e B C so independentes.
b. A e B C so independentes.
c. Que pode concluir a partir de a..
Resoluo:
Comecemos por explicitar as hipteses do problema:
H1:
H2:
H3:
H4:
P ( A B ) P ( A). P ( B ) ;
P ( A C ) P ( A). P (C ) ;
P ( B C ) P ( B ). P (C ) ;
P ( A B C ) P ( A). P ( B ). P (C ) .
a. Tese15: P A ( B C ) P ( A). P ( B C )
Vamos fazer a demonstrao "pegando" no primeiro membro da tese e atravs de manipulaes
simblicas adequadamente justificadas "chegar" ao segundo membro da mesma tese. Assim:
Dem.: P A ( B C )
Pr opriedade
Associativa
P( A B C ) P ( A). P( B ). P (C ) P ( A).P ( B C )
H4
H3
c.q.m.
b. Tese: P A ( B C ) P ( A). P ( B C )
Dem.: P A ( B C )
Pr opriedade
Distributiva
P ( A B ) ( A C ) P ( A B ) P ( A C )) P ( A B C )
Teo .
H 1, 2 , 3
P( A) P( B ) P(C ) P ( B C ) P ( A).P( B C )
H3
14
15
c.q.m.
16
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
50 / 56 0.893
1 P (G )
1 P (G )
1 454 / 510
P (G )
19
O leitor deve perceber porque no P( N | G ) a probabilidade pedida. Lembre-se que o que conhecido sempre o condicionante que
neste exerccio no germinar.
17
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
G
V
P (G ) P (G N ) P ( G V )
definio
prob . cond .
G
V
18
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
P (G ) P (G V ) P (G V )
definio
prob . cond .
b. Pretendemos saber: P (V | G ) ?
def .
P (V G ) P (G | V ).P (V ) 0.30 0.40
0.235 23.5%
P (G )
P (G )
0.51
Na realidade a probabilidade pedida imediatamente dada pela Frmula de Bayes, na qual no
denominador aparece a expresso da probabilidade total.
10 Exerccios Propostos
1. Uma urna possui trs bolas pretas e cinco bolas brancas. Quantas bolas azuis devem ser colocadas
nessa urna, de modo que retirando-se uma bola ao acaso, a probabilidade dela ser azul seja igual a 2/3?
2. Considere uma urna que contm uma bola preta, quatro bolas brancas e x bolas azuis. Uma bola
extrada ao acaso dessa urna, a sua cor observada e a bola devolvida urna. Em seguida, retira-se
novamente, ao acaso, uma bola dessa urna. Para que valores de x a probabilidade de que as bolas sejam
da mesma cor vale 1/2?
3. Uma mquina produziu 60 parafusos dos quais 5 eram defeituosos. Escolhendo-se ao acaso dois
parafusos dessa
amostra, qual a probabilidade de que os dois sejam perfeitos?
4. Uma mquina produziu 50 parafusos dos quais 5 eram defeituosos. Retirando-se ao acaso, 3 parafusos
dessa amostra, determine a probabilidade de que os 3 parafusos sejam defeituosos.
5. Em relao questo anterior, determine a probabilidade de numa amostra de 3 parafusos ao acaso,
termos pelo menos dois parafusos defeituosos.
6. Uma urna contm 10 bolas pretas e 8 bolas vermelhas. Retiramos 3 bolas sem reposio.
probabilidade de as duas primeiras serem pretas e a terceira vermelha?
Qual a
19
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
7. Uma urna contm 5 bolas vermelhas e 4 pretas; dela so extradas duas bolas, uma aps a outra, sem
reposio; a primeira bola extrada de cor preta. Qual a probabilidade de que a segunda bola extrada
seja vermelha?
8. Sejam A e B acontecimentos tais que P(A)+P(B) = x e P(A B)= y.
Determine em funo de x e y a probabilidade de 20:
a. no se realizar nenhum dos dois acontecimentos.
b. que se realize pelo menos um dos dois acontecimentos.
c. que se realize quanto muito um nico acontecimento.
d. que se realize um e um s dos dois acontecimentos.
9. Considere uma experincia aleatria e dois acontecimentos A e B :
a. Mostre que a probabilidade de se realizar apenas um dos acontecimentos : P(A)+P(B)-2 P(A B).
b. Mostre que se P(A)=0.7 e P(B)=0.4 ento P(A B) 0.1. Nestas condies a probabilidade destes
dois acontecimentos serem independentes nula?
10. Sejam trs acontecimentos tais que P(A)=P(B)=0.9 e P(C)=0 .
a. prove que P(A B) 0.8 e que P( A B ) 0.1.
b. diga, justificando, se A e B podero ser mutuamente exclusivos.
c. poder-se- afirmar que A e C so independentes ? Justifique.
11. A probabilidade de ocorrncia de infeco pelo HIV em uma dada comunidade de 0,5%. A
probabilidade de que esta mesma comunidade tenha alto consumo de sal (acima de 6 g/dia) de 30%.
Qual a probabilidade de que um indivduo tomado ao acaso desta comunidade tenha alto consumo de sal e
seja HIV positivo?
12. Em uma populao de 1.000.000 de habitantes, 40.000 tm doena hipertensiva, 10.000 tm diabetes,
1.000 tm tuberculose activa e 500 tm infeco pelo HIV. Calcule as prevalncias 21 de cada uma destas
infeces.
13. Na tabela abaixo:
Com anticorpos
1960
40
ELISA positivos
ELISA negativos
Calcule:
a prevalncia do HIV;
a prevalncia dos ELISA positivos;
a prevalncia dos ELISA negativos;
a sensibilidade do ELISA;
a especificidade do ELISA;
o valor preditivo positivo do ELISA;
20
Neste tipo de exerccio, envolvendo acontecimentos, deve recorrer-se sistematicamente representao por diagramas de Venn, apenas para
ajudar a visualizar, antes de equacionar, pois a justificao analtica sempre necessria .
21
veja o anexo 3, em que so esclarecidas estas noes de medicina.
20
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
14. Num centro comercial est instalado um sistema de dez mquinas para utilizao de carto
multibanco. Diz-se que o sistema est em funcionamento se pelo menos uma das mquinas funciona.
Suponha que cada mquina funciona independentemente das outras e a probabilidade de funcionamento
de cada mquina 0.85. Calcule a probabilidade do sistema estar em funcionamento.
15. Um sistema electrnico constitudo por duas componentes A e B de forma que a avaria de qualquer
delas inviabiliza o funcionamento do sistema. Sabe-se que a fiabilidade 22 do sistema de 0.10 e que a
probabilidade de falhar apenas uma componente de 0.15 para A e 0.30 para B.
a. diga se as componentes funcionam independentemente uma da outra.
b. com a montagem em paralelo das componentes 23, a substituio de B por uma nova componente mais
fivel (funcionando independentemente de A) levou obteno de uma fiabilidade de 90% . Qual a
fiabilidade da nova componente?
16. A produo de uma dada empresa resultado da laborao de trs mquinas A, B e C. As mquinas A
e B produzem 90% e 4% , respectivamente, dos produtos que satisfazem os critrios de qualidade. Dos
restantes produtos, que tero de ser reciclados, 88% vm da mquina B e 9% da mquina C. Os produtos
de boa qualidade constituem 70% da produo global. Calcule a percentagem:
a. De produtos produzidos por A.
b. De produtos a reciclar que sejam produzidos por A.
c. De produo de C que de boa qualidade.
11 Exerccios de Auto-Avaliao
I Escolha Mltipla
1. Quantos nmeros de quatro algarismos podem ser formados com os dez algarismos usuais, sem haver
repeties?
a. 34 ; b. 210 ; c. 4536 ; d. 5040 ; e. outro valor.
2. De quantas maneiras dez pessoas podem sentar-se num banco que tem apenas quatro lugares?
a. 24 ; b. 210 ; c. 4536 ; d. 5040 ; e. outro valor.
3. Uma estante contem seis livros de matemtica e quatro de fsica. Determine aproximadamente 24 a
probabilidade de trs livros de matemtica, em particular, estarem juntos.
a. 0.002 ; b. 0.011 ; c. 0.067 ; d. 0.3 ; e. outro valor.
4. Uma caixa contm trs bolas vermelhas e cinco bolas brancas e outra possui duas bolas vermelhas e
trs bolas brancas. Considerando-se que uma bola transferida da primeira caixa para a segunda, e que
uma bola extrada da segunda caixa, podemos afirmar que a probabilidade de que a bola extrada seja da
cor branca :
22
21
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
22
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
23
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
25
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
de arranjos com repetio que possvel formar com p elementos escolhidos entre os dados. Ap l-se
arranjos com repetio de n, p a p. Atendendo regra fundamental, tem-se:
Apn n p .
Exemplo:
Pretende-se formar palavras-chave, com ou sem sentido, com as habituais 23 letras. Quantas palavraschave distintas poder-se-iam construir?
Trata-se de um exemplo clssico de arranjos com repetio pois podem existir palavras-chave com as trs
letras iguais. Assim temos arranjos com repetio de 23 letras, 3 a 3, A323 23 3 12167 .
Arranjos (sem repetio)
Definio:
Designaremos por arranjo sem repetio ou simplesmente arranjo a uma qualquer sequncia formada
por elementos, todos diferentes, de um dado conjunto. Se o conjunto tiver n elementos, designaremos por
An
p o nmero total de arranjos sem repetio que possvel formar com p elementos escolhidos entre os
n dados. Ap l-se arranjos de n, p a p. evidente que p n. A deduo de uma frmula para esta
situo menos evidente do que no caso anterior, no entanto recorre-se novamente regra fundamental.
Seja ( x1 , x 2 ,..., x p ) um dos arranjos de p elementos, todos distintos, escolhidos de entre n elementos
de um dado conjunto. Existem ento n maneiras de escolher x 1, que depois de este escolhido, existem n-1
maneiras de escolher x2, e assim sucessivamente at xp.
Logo temos:
A pn n ( n 1)( n 2) ... ( n p 1) .
Portanto um produto de p factores. Note-se que durante este captulo apresentar-se- uma outra frmula
para os arranjos.
n
Exemplo:
Na final de uma dada prova olmpica temos 8 atletas. De quantas maneiras diferentes pode vir a ser feita
a distribuio das trs medalhas (ouro, prata e bronze)?
Uma vez que um dado atleta no pode ocupar duas posies distintas do pdio, estamos na presena de
um exemplo de arranjos sem repetio. Existem assim 8 possibilidades para o 1 lugar 25, 7 para o 2 lugar
e 6 para o 3 lugar. Formalizando a resposta temos A38 8 7 6 336 possibilidades.
Permutaes
Exemplo:
Imaginemos uma situo baseada no exemplo anterior em que existiam apenas trs atletas. De quantas
maneiras diferentes pode vir a ser feita a distribuio das trs medalhas?
Existem assim 3 possibilidades para o 1 lugar, 2 para o 2 lugar e 1 para o 3 lugar. Formalizando a
resposta temos A33 3 2 1 6 possibilidades. A situao e ento um caso muito particular de
25
26
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
arranjos, pois todos os elementos do conjunto em causa figuram em cada um dos arranjos considerados.,
n
i.e., trata-se de calcular Ap na situao de ser p=n, o que nos conduz expresso
Ann n ( n 1)( n 2) ... 1 . No entanto esta situao embora seja um caso particular da definio
anterior, tem no contexto do clculo combinatrio, um tratamento especial, que motiva a prxima
definio.
Permutaes
Definio:
Chama-se permutao de elementos de um conjunto a um qualquer arranjo em que todos os elementos
desse conjunto figurem. Designaremos por Pn o nmero total de permutaes de n elementos, lendo-se
permutaes de n.
Pn n ( n 1)( n 2) ... 2 1 .
Pelo que no exemplo anterior a soluo dada por P3 .
Factorial de um nmero inteiro no negativo
Uma possvel apresentao mais sinttica para as duas expresses e por consequncia mais simples,
badeada na prxima definio.
Factorial de um nmero inteiro no negativo
Definio:
Sendo n IN 0 , d-se o nome de factorial de n ou n-factorial, e representa-se simbolicamente por n! ,
ao produto dos n nmeros naturais que so menores ou iguais a n, i.e.:
n ( n 1) ... 2 1
1
n!
se
n1
.
se n 0 n 1
Os factoriais de 0 e de 1 so obtidos por definio e sero necessrios no ponto seguinte. Esta definio
pode ainda aparecer numa forma recursiva:
n 1
n ( n 1)! se
n!
1
se n 0 n 1
Com esta nova definio podemos ento reescrever as frmulas anteriores 26:
Permutaes: Pn n! Arranjos:
A np
n!
( n p )!
Exemplos:
a. 6! = 6.5.4.3.2.1 = 720
b. 4! = 4.3.2.1 = 24
c. observe que 6! = 6.5.4!
d. 10! = 10.9.8.7.6.5.4.3.2.1
26
em que a expresso para os arranjos foi obtida multiplicando o numerador e o denominador por (n-p)!.
27
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
e. 10! = 10.9.8.7.6.5!
f. 10! = 10.9.8!
Combinaes
Em termos de definies do Clculo Combinatrio falta apenas uma definio que possibilite fazer
arranjos mas em que a ordem no seja relevante. Este aspecto esta na base da prxima definio.
Definio:
Chamamos combinao a um qualquer subconjunto formado por elementos escolhidos de entre os de
um dado conjunto. Se o conjunto tem n elementos, designaremos por combinaes de n elementos, p a p,
n
n
e representaremos simbolicamente por C p ou . Atendendo definio anterior:
p
n
n!
.
p! ( n p )!
p
Evidentemente, n e p so, como habitualmente, nmeros naturais. Alm disso, deve ser p n. Note que
n
o nmero de subconjuntos com p elementos de um conjunto de cardinal n.
p
Exemplo:
Oito jogadores disputam um torneio de xadrez, pelo que cada um deles deve jogar com todos os outros,
mas apenas uma vez. Quantos jogos haver neste torneio?
Este exemplo ilustra a definio anterior porque cada dois jogadores s se encontram uma nica vez.
8
8!
8 7 6! 8 7
28 jogos.
2! ( 8 2)!
2!6!
2
2
P1:
p
n p
n 1
P2:
p 1 p
Trata-se de um tringulo aritmtico que pode ser aumentado indefinidamente e que apresenta a seguinte
disposio:
1
11
121
1331
14641
1 5 10 10 5 1
...
Este tringulo conhecido pelo nome de tringulo de Pascal ou tringulo de Tartaglia, em virtude de
terem sido dois dos matemticos que mais o utilizaram e estudaram no incio do Clculo Combinatrio.
fcil verificar que os nmeros do tringulo podem facilmente ser escritos custa de combinaes,
nomeadamente atendendo s duas observaes do ponto anterior, na forma:
0
0
1
0
2
0
3
0
1
1
2
1
3
1
2
2
3
2
3
3
A observao e estudo deste importante tringulo sugerem-nos diversas propriedades das combinaes,
entre as quais destacaremos as seguintes:
n
, propriedade das
i) em cada linha, os nmeros equidistantes dos extremos so iguais, i.e.,
p
n p
combinaes j referida;
ii) a soma de dois nmeros adjacentes numa linha igual ao nmero que, na linha seguinte, figura entre
eles. Esta propriedade (conhecida por regra de Stiefel) j tinha sido referida na forma
n n n 1
;
p 1 p p
iii) a soma de todos os elementos da n-sima linha igual a 2 n . Esta propriedade muito importante
n
Binmio de Newton
Denomina-se binmio de Newton27 , a todo binmio da forma (a + b)n , sendo n um nmero natural,
e.g., (3x - 2y)4 . ( onde a = 3x, b = -2y e n = 428). Exemplos de desenvolvimento de binmios de Newton:
27
Isaac Newton - fsico e matemtico ingls(1642 - 1727). Suas contribuies Matemtica, esto reunidas na monumental obra Principia
Mathematica, escrita em 1687.
28
grau do binmio.
29
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
a. (a + b)2 = a2 + 2ab + b2
b. (a + b)3 = a3 + 3 a2b + 3ab2 + b3
c. (a + b)4 = a4 + 4 a3b + 6 a2b2 + 4ab3 + b4
d. (a + b)5 = a5 + 5 a4b + 10 a3b2 + 10 a2b3 + 5ab4 + b5
O que se pretende agora verificar que no necessrio decorar as frmulas acima, j que elas
possuem uma lei de formao bem definida. Vamos tomar por exemplo, a alnea d. acima; observe que o
expoente do primeiro e ltimos termos so iguais ao expoente do binmio, ou seja : 5. A partir do segundo
termo, os coeficientes podem ser obtidos a partir da seguinte regra prtica de fcil memorizao:
Multiplicamos o coeficiente de a pelo seu expoente e dividimos o resultado pela ordem do termo. O
resultado ser o coeficiente do prximo termo.
Assim por exemplo, para obter o coeficiente do terceiro termo da alnea d. acima teramos: 5.4 = 20;
agora dividimos 20 pela ordem do termo anterior (2 por se tratar do segundo termo) 20:2 = 10 que o
coeficiente do terceiro termo procurado.
Observe que os expoentes da varivel a decrescem de n at 0 e os expoentes de b crescem de 0 at n.
Assim o terceiro termo 10 a 3b2 (observe que o expoente de a decresceu de 4 para 3 e o de b cresceu de 1
para 2).
Usando a regra prtica acima, o desenvolvimento do binmio de Newton (a + b) 7 ser:
(a + b)7 = a7 + 7 a6b + 21 a5b2 + 35 a4b3 + 35 a3b4 + 21 a2b5 + 7 ab6 + b7
Como obtivemos, por exemplo, o coeficiente do 6 termo (21 a 2b5) ? Pela regra: coeficiente do termo
anterior = 35, multiplicamos 35 pelo expoente de a que igual a 3 e dividimos o resultado pela ordem do
termo que 5. Ento, 35 . 3 = 105 e dividindo por 5(ordem do termo anterior) vem 105:5 = 21, que o
coeficiente do sexto termo, conforme se v acima.
Observaes:
i) o desenvolvimento do binmio (a + b)n um polinmio;
ii) o desenvolvimento de (a + b)n possui n + 1 termos;
iii) os coeficientes dos termos equidistantes29 dos extremos, no desenvolvimento de (a + b)n so iguais;
iv) a soma dos coeficientes de (a + b)n igual a 2n .
Em termos formais, a frmula do Binmio de Newton30 pode apresentar-se na forma:
n n p p
a
b
p
( a b) n np 0
Observaces:
i) os coeficientes do desenvolvimento so exactamente os nmeros da linha n do tringulo de Pascal;
ii) a soma dos expoentes da parte literal de cada um dos termos do desenvolvimento sempre n.
Exerccios Resolvidos sobre o Binmio de Newton
1. Determine o 7 termo do binmio (2x + 1)9 , desenvolvido segundo as potncias decrescentes de x .
29
30
mesma distncia.
Ou frmula binomial.
30
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
14. Em uma cidade, as placas dos automveis so formadas por duas das 26 letras do alfabeto, seguidas
de 4 algarismos. Placas com letras iguais so proibidas, mas no h qualquer restrio quanto aos
algarismos. Quantas placas diferentes so possveis?
15. Um salo tem 6 portas. De quantos modos distintos esse salo pode estar aberto?
Propriedades imediatas:
i) A A=A;
ii) A = A;
iii) A B=B A31;
iv) A = , onde o conjunto universo.
2. Interseco
Dados os conjuntos A e B , define-se o conjunto interseco A B ={x; x A e x B}.
Exemplo: {0,2,4,5} {4,6,7}={4}. Percebe-se facilmente que o conjunto interseco contempla os
elementos que so comuns aos conjuntos A e B.
Propriedades imediatas:
i) A A=A;
ii) A = ;
iii) A B=B A32;
iv) A =A onde o conjunto universo.
31
32
34
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
seja , |B , indicado pelo smbolo B . Observe que o conjunto B formado por todos os elementos
que no pertencem ao conjunto B, ou seja: B = {x; x B}. bvio, ento, que :
i) B B = ;
ii) B B = ;
iii) = ;
iv) = .
5. Nmero de elementos da Reunio de dois conjuntos.
Sejam A e B dois conjuntos, tais que o nmero de elementos de A ( cardinal de A) seja n(A) e o nmero
de elementos de B (cardinal de B) seja n(B). Representando o nmero de elementos da interseco A B
por n(A B) e o nmero de elementos da reunio A B por n(A B) , podemos escrever a seguinte
frmula: n(A B) = n(A) + n(B) - n(A B)
Resumo das Propriedades mais importantes referidas:
i) Leis Comutativas: A B B A e A B B A
ii)Leis Associativas: A ( B C ) ( A B ) C e A ( B C ) ( A B ) C
iii)Leis Distributivas: A ( B C ) ( A B ) ( A C ) e A ( B C ) ( A B ) ( A C )
iv) Elemento neutro33: A A
v) Elemento absorvente: A
vi) Leis de Morgan:a) A B A B ; b) A B A B ; c) A A
vii)
A\ B A B
Existe ainda uma importante operao entre os conjuntos que tem interesse considerar num
contexto de acontecimenmtos aleatrios.
Definio:
Sejam A1, , An n conjuntos. Denominaremos produto cartesiano de A1, , An ,denotando-o por
A1 A2 ... An , o conjunto ( a1 , a 2 ,..., a n ), a i Ai , i 1,..., n .
Note que em geral o produto cartesiano no comutativo pois os elementos do novo conjunto so
vectores tais que a componente j desse vector um elemento do conjunto j no produto cartesiano, e no
de outro qualquer.
Exerccios Propostos sobre Teoria dos Conjuntos.
1. Numa universidade so lidos apenas dois jornais, X e Y. 80% dos alunos da mesma lem o jornal X e
60%, o jornal Y. Sabendo-se que todo aluno leitor de pelo menos um dos jornais, assinale a alternativa
que corresponde ao percentual de alunos que lem ambos:
a. 80% ; b.14% ; c. 40% ; d. 60% ; e. 48%.
2. Se um conjunto A possui 1024 subconjuntos, ento o cardinal de A igual a:
Observe a analogia entre o , conjunto vazio, e o 0, nmero real, em relao s operaes de
respectivamente.
33
e , e as operaes aritmticas x e +,
35
a. 5 ; b. 6 ; c.7 ; d. 9 ; e. 10.
3. Aps um jantar, foram servidas as sobremesas X e Y. Sabe-se que das 10 pessoas presentes, 5 comeram
a sobremesa X, 7 comeram a sobremesa Y e 3 comeram as duas. Quantas no comeram nenhuma das
sobremesas?
a. 1 ; b. 2 ; c. 3 ; d. 4 ; e. 0 .
4. Dados os conjuntos A, B e C, tais que: n(B C) = 20 ; n(A B) = 5 , n(A C) = 4 , n(A B C) = 1
e n(A B C) = 22. Nestas condies, o nmero de elementos de A|( B C) igual a:
a. 0 ; b. 1 ; c. 4 ; d. 9 ; e. 12.
5. Se A = e B = { }, ento :
a. A B ; b. A B = ; c. A = B ; d. A B = B ; e. B A.
6. Sejam A, B e C conjuntos finitos. O nmero de elementos de A B 30, o nmero de elementos de A
C 20 e o nmero de elementos de A B C 15. Ento o nmero de elementos de A (B C)
igual a:
a. 35 ; b. 15 ; c. 50 ; d. 45 ; e. 20.
- Valor Preditivo Negativo - VPN Probabilidade de o indivduo no ser portador da doena dado que
o teste negativo.
- Razo de Verosimilhana Positiva - RVP Probabilidade de que dado resultado de teste fosse
esperado em um paciente portador da doena, comparado com a probabilidade de que o mesmo resultado
fosse esperado em um paciente sem a doena.
36
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
RVP
sensibilidade
1 especificidade
- Razo de Verosimilhana Negativa- RVN Probabilidade de que dado resultado de teste fosse
esperado em um paciente no portador da doena, comparado com a probabilidade de que o mesmo
resultado fosse esperado em um paciente com a doena.
RVN
1 sensibilidade
especificidade
Vejamos um exemplo em que aplicamos estas definies e os conhecimentos aprendidos at este ponto.
Exemplo:
Sabendo-se que a prevalncia do HIV na populao geral de 0,5% (0,005) e que a sua prevalncia em
consumidores de droga de 60% (0,6), e que a sensibilidade do ELISA de 0,995 e a especificidade de
0,98, calcule a probabilidade de um indivduo em cada populao, sendo positivo ao ELISA, ser e no ser
portador de HIV.
Definem-se os acontecimentos: D " Ser doente " , S " Exame Ser Positivo "
So dados:
- A Prevalncia (probabilidade de ser doente): P (D )
- A Sensibilidade (probabilidade de ter exame positivo, dado que doente): P ( S | D )
- A Especificidade (probabilidade de ter exame negativo, dado que no doente): P ( S | D )
- O Valor Preditivo Positivo (probabilidade de ser doente, dado que o exame positivo) dado por:
1
P ( D ). P ( S | D )
1
P ( D ). P ( S | D )
- Valor Preditivo Negativo (probabilidade de no ser doente, dado que o exame negativo) dado por:
VPP P ( D | S )
VPN P ( D | S )
P ( D ). P ( S | D ) Teo .
P ( D ). P ( S | D )
Pr ob.Cond .
Pr
ob
.
Total
P( S )
P ( D ). P ( S | D ) P ( D ). P ( S | D )
def .
def .
P ( D ). P ( S | D ) Teo .
P ( D ). P ( S | D )
Pr ob.Cond .
Pr ob.Total P ( D ). P ( S | D )) P ( D ). P ( S | D )
P( S )
1
P ( D ). P ( S | D )
1
P ( D ). P ( S | D
Como:
- a probabilidade de ser positivo, dado que no doente (falso positivo) o complemento da
especificidade: P ( S | D ) 1 P ( S | D )
- a probabilidade de ser negativo, dado que doente (falso negativo) o complemento da sensibilidade:
P( S | D ) 1 P( S | D )
Para consumidores
de droga
0,6
0,4
37
VPP=
VPN=
0,995
0,98
0,005
0,02
0,2
0,999974
0,995
0,98
0,005
0,02
0,986777
0,992405
38
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
b. x-y
c. 1-y
39
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
d. x-2y.
9. a.
10. a.
11. Consumo e positividade para o HIV so, por definio, acontecimentos independentes. A
probabilidade de ocorrncia simultnea , ento, o produto das probabilidades dadas: 0,005x0,3=0,0015
12. Prevalncia de uma doena a proporo de portadores desta em relao populao total, e coincide
numericamente com a probabilidade de ocorrncia da doena. Neste exerccio:
prevalncias:
populao
HAS
Diabetes
Tbc
HIV+
1.000.000
40.000
10.000
1.000
500
0,04
0,01
0,001
0,0005
13.
Gold standard
c/Ab
s/Ab
Genericamente:
c/Ab
s/Ab
40
E+
E-
1960
40
2000
7984
9944
E+
990016 990056 E998000 1000000
P(HIV+)
P(HIV-)
P(E+)
P(E-)
a
c
a+c
b
d
b+d
a+b
c+d
a+b+c+d
0,002
0,998
0,009944
0,990056
b. 83%.
16.
Q
C
b.
41
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica
10. a.
11. c.
12. b.
Solues do Verdadeiro/Falso
1. a. F; b. F; c. V; d. F
2. a. F; b. F; c. F; d. V
43
Estatstica, Probabilidades ou Matemtica 11/12: telemvel: 96 545 94 13
www.explicacoes.com\estatistica