Baixe o app para aproveitar ainda mais
Prévia do material em texto
17 1 Probabilidade Sumário 17.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . 2 17.2 Conceitos Básicos . . . . . . . . . . . . . . . . . . . 2 Unidade 17 Introdução 17.1 Introdução Iniciamos, nesta unidade, o estudo de Probabilidade, cuja parte mais ele- mentar é uma das aplicações da Combinatória. A Teoria de Probabilidade, como diz o nome, é o estudo de fenômenos que envolvem a incerteza e se originou como instrumento para modelar jogos de azar, como cartas e dados. Probabilidade é a base para a Estatística, ciência utilizada nas mais diversas ati- vidades humanas, sendo fundamental em várias áreas, como Ciências Humanas, Ciências da Saúde, Economia e Finanças, Ecologia e Teoria dos Jogos, entre muitos outros. Do ponto de vista teórico, atualmente, a Teoria de Probabili- dade é utilizada como ferramenta em algumas áreas da Física e, cada vez mais, em áreas da própria Matemática. Por esse motivo, o ensino de Probabilidade no Ensino Médio é importante e atual. Esse assunto é muito vasto, mas aqui só trataremos de alguns conceitos básicos e suas aplicações. Definem-se o conjunto espaço amostral e a noção de proba- bilidade como sendo uma função numérica com domínio no conjunto das partes desse espaço. Os subconjuntos do espaço amostral são os chamados eventos. As propriedades básicas da função probabilidade são dadas no Teorema 3, que bastarão para resolver os problemas dessa unidade. 17.2 Conceitos Básicos Experiências que repetidas sob as mesmas condições produzem geralmente resultados diferentes são chamadas de aleatórias. Por exemplo, retira-se uma carta de um baralho e verifica-se se ela é ou não um curinga; compra-se uma lâmpada e verifica-se se ela queima ou não antes de 100h de uso; joga-se um dado até se obter um seis e conta-se o número de lançamentos. Definição 1 Espaço Amostral Chamaremos de espaço amostral o conjunto de todos os resultados possíveis de uma experiência aleatória. Representaremos o espaço amostral por S e só vamos considerar aqui o caso de S ser finito ou infinito enumerável. Os subconjuntos de S serão chamados de eventos. Diremos que um evento ocorre quando o resultado da experiência pertence ao evento. 2 Unidade 17Probabilidade Exemplo 1 Lança-se uma moeda e observa-se a face que cai voltada para cima. O espaço amostral é S = {cara, coroa} e há 4 eventos: ∅, A = {cara}, B = {coroa} e S. ∅ é um evento que não ocorre nunca e é chamado de evento impossível. O evento A ocorre se e somente se o lançamento resulta em cara. S ocorre sempre e é chamado de evento certo. Exemplo 2 Lança-se um dado e observa-se a face que cai voltada para cima. O espaço amostral é S = {1, 2, 3, 4, 5, 6} e há 64 eventos. Alguns desses eventos são: ∅, que não ocorre nunca; S, que ocorre sempre; A = {2, 4, 6}, que ocorre se e somente se o resultado do lançamento for par. Se o resultado do lançamento for seis, ocorrem os eventos {6}, {5, 6}, {2, 4, 6}, etc. Exemplo 3 Se A e B são eventos em um mesmo espaço amostral S, A∪B é o evento que ocorre se e somente se ocorre o evento A ou ocorre o evento B, isto é, ocorre pelo menos um dos eventos A e B; A ∩ B é o evento que ocorre se e somente se ocorrem ambos os eventos A e B; A \ B é o evento que ocorre se e somente se ocorre o evento A mas não ocorre o evento B; A, chamado de evento oposto a A, é o evento que ocorre se e somente se o evento A não ocorre. Associaremos a cada evento um número, que chamaremos de probabilidade do evento e que traduzirá nossa confiança na capacidade do evento ocorrer. Definição 2 Probabilidade Uma probabilidade é uma função que associa a cada evento A um número P (A) de forma que: i) Para todo evento A, 0 6 P (A) 6 1. ii) P (S) = 1 iii) Se A e B são eventos mutuamente excludentes, isto é, eventos que não podem ocorrer simultaneamente (isto é, A ∩B = ∅) então P (A ∪B) = P (A) + P (B). 3 Unidade 17 Conceitos Básicos Exemplo 4 Lança-se uma moeda e observa-se a face que cai voltada para cima. O espaço amostral é S = {cara, coroa} e há 4 eventos: ∅ , A = {cara}, B = {coroa}, S. Uma probabilidade que pode ser definida é P1(∅) = 0, P1(A) = P1{cara} = 0, 5, P1(B) = P1{coroa} = 0, 5 P1(S) = 1. Verifique que as três condições da definição de probabilidade são satisfeitas. Outra probabilidade que pode ser definida é P2(∅) = 0, P2(A) = P2{cara} = 0, 3, P2(B) = P2{coroa} = 0, 7 P2(S) = 1. Verifique que as três condições da definição de probabilidade são satisfeitas. É claro que se desejamos que a probabilidade traduza nossa confiança na capacidade do evento ocorrer, P1 constitui um modelo adequado quando acre- ditamos ser o resultado cara tão provável quanto o resultado coroa. P2, por sua vez seria mais adequado se tivéssemos lançado a moeda um número grande de vezes e obtido o resultado cara em 30% dos lançamentos. Encerrando o exemplo, um breve comentário a respeito de notação. Deve- ríamos ter escrito P ({cara}) e não P{cara}. Entretanto, quando não houver risco de confusão daremos preferência à notação mais simples. Os modelos probabilísticos que usamos mais frequentemente são exatamente os apresentados no exemplo anterior. Um é o modelo equiprobabilístico. Se temos n elementos no espaço amostral e queremos que todos os eventos unitários tenham a mesma probabilidade, devemos atribuir a cada evento unitário a probabilidade 1 n . Não poderia ser de outra forma pois se S = {x1, x2, . . . , xn} e P (x1) = P (x2) = · · · = P (xn) = k, temos, por iii), 1 = P (S) = P{x1, x2, . . . , xn} = P ({x1} ∪ {x2} ∪ · · · ∪ {xn}) = P ({x1}) + P ({x2}) + · · ·+ P ({xn}) = k + k + · · ·+ k = nk e k = 1 n . Analogamente, é fácil ver que, nesse modelo, se um evento X é formado por j elementos então P (X) = j n . Ou seja, a probabilidade de um evento é a razão entre o número de casos favoráveis ao evento e o número total de casos 4 Unidade 17Probabilidade possíveis. Foi esse o modelo adotado por vários matemáticos como Cardano 1 , Pascal e Laplace 2 entre outros, no estudo dos jogos de azar. Outro é o modelo frequencial. Se repetimos a experiência n vezes e o evento A ocorreu em j dessas experiências, adotamos para P (A) a frequência relativa do evento A, isto é, o número de vezes que o evento A ocorreu dividido pelo número total de repetições da experiência, ou seja, P (A) = j n . O teorema a seguir contém as propriedades das probabilidades. Teorema 3 Propriedades da probabilidade Se A e B são eventos, então: i) P (A) = 1− P (A). ii) P (∅) = 0. iii) P (A \B) = P (A)− P (A ∩B). iv) P (A ∪B) = P (A) + P (B)− P (A ∩B). v) Se A ⊃ B então P (A) > P (B). Demonstração i) 1 = P (S) = P (A ∪ A) = P (A) + P (A). Daí, P (A) = 1− P (A). ii) P (S) = P (S∪∅) = P (S)+P (∅), pois S e ∅ são mutuamente excludentes. Daí, P (∅) = 0. iii) P (A) = P [(A \B)∪ (A∩B)] = P (A \B)+P (A∩B) pois A \B e A∩B são mutuamente excludentes. Daí, P (A \B) = P (A)− P (A ∩B). iv) P (A ∪ B) = P [(A \ B) ∪ B] = P (A \ B) + P (B) pois A \ B e B são mutuamente excludentes. Como P (A \ B) = P (A) − P (A ∩ B), resulta P (A ∪B) = P (A) + P (B)− P (A ∩B). v) Como P (A \ B) = P (A) − P (A ∩ B), se A ⊂ B resulta P (A \ B) = P (A)− P (B). Como P (A \B) > 0, temos P (A) > P (B). Exemplo 5 Em um grupo de r pessoas, qual é a probabilidade de haver pelo menos duas pessoas que façam aniversário no mesmo dia? Solução. Vamos determinar a probabilidade disso não acontecer. O número de 1 Cardano, Jerônimo (1501-1576), matemático italiano. 2 Laplace, Pierre Simon (1749-1827), matemático francês. 5 Unidade 17 Conceitos Básicos casos possíveis para os aniversários das r pessoas é 365r. O número de casos favoráveis a que todas aniversariem em dias diferentes é 365 × 364 × · · ·× (366 − r), havendo r fatores nesse produto. Portanto, a probabilidade de não haver pelo menos duas pessoas que façam aniversário no mesmo dia é de 365× 364× · · · × (366− r) 365r e a de haver pelo menos duas pessoas que tenham o mesmo dia de aniversário é de 1− 365× 364× · · · × (366− r) 365r . A tabela abaixo dá, para alguns valores de r, a probabilidade de haver coincidência de aniversários. r Probabilidade 5 0, 03 10 0, 12 15 0, 25 20 0, 41 23 0, 51 25 0, 57 30 0, 71 40 0, 89 45 0, 94 50 0, 97 O resultado é surpreendente. Em um grupo de 23 pessoas, é mais provável haver duas pessoas com o mesmo aniversário do que todas aniversariarem em dias diferentes. Exemplo 6 Em uma loteria de N números há um só prêmio. Salvador compra n (1 < n < N) bilhetes para uma só extração e Sílvio compra n bilhetes, um para cada uma de n extrações. Qual dos dois jogadores tem mais chance de ganhar algum prêmio? Solução. A probabilidade de Salvador ganhar algum prêmio é n N . 6 Unidade 17Probabilidade A probabilidade de Sílvio não ganhar nenhum prêmio é (N − 1)n Nn . Logo, a probabilidade de Sílvio ganhar algum prêmio é 1− (N − 1) n Nn . Afirmamos que Salvador tem mais chance de ser premiado, isto é, afirmamos que n N > 1− (N − 1) n Nn , ou, equivalentemente, afirmamos que (N − 1)n Nn > 1− n N . A prova dessa afirmação faz-se por indução. Para n = 2 temos (N − 1)n Nn = (N − 1)2 N2 = 1− 2 N + 1 N2 > 1− 2 N = 1− n N . Se (N − 1)n Nn > 1− n N multiplicando por N − 1 N obtemos (N − 1)n+1 Nn+1 > 1− n N − 1 N + n N2 > 1− n+ 1 N . 7 Unidade 17 Conceitos Básicos Exercícios Recomendados 1. Lançam-se dois dados não-tendenciosos. Qual a probabilidade da soma dos pontos ser igual a 7 ? 2. 24 times são divididos em dois grupos de 12 times cada. Qual é a proba- bilidade de dois desses times ficarem no mesmo grupo? 3. Mostre que P (A ∪B ∪ C) = P (A) + P (B) + P (C)− P (A ∩B)− P (A ∩ C)− P (B ∩ C) + P (A ∩B ∩ C). 4. Se P (A) = 2 3 e P (B) = 4 9 , mostre que: a) P (A ∪B) > 2 3 ; b) 2 9 6 P (A ∩B) 6 5 9 ; c) 1 9 6 P (A ∩B) 6 4 9 . 5. Cinco dados são jogados simultaneamente. Determine a probabilidade de se obter: a) um par; b) dois pares; c) uma trinca; d) uma quadra; e) uma quina; f) uma sequência; g) um �full hand�, isto é, uma trinca e um par. 6. Um polígono regular de 2n+1 lados está inscrito em um círculo. Escolhem- se três dos seus vértices, formando um triângulo. Determine a probabili- dade do centro do círculo ser interior ao triângulo. 8 Unidade 17Probabilidade 7. Doze pessoas são divididas em três grupos de 4. Qual é a probabilidade de duas determinadas dessas pessoas ficarem no mesmo grupo? 8. Em um grupo de 4 pessoas, qual é a probabilidade de haver alguma coincidência de signos zodiacais? 9. Em um armário há 5 pares de sapatos. Escolhem-se 4 pés de sapatos. Qual é a probabilidade de se formar exatamente um par de sapatos? 9 Probabilidade Introdução Conceitos Básicos
Compartilhar