DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE

Tamanho: px
Começar a partir da página:

Download "DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE"

Transcrição

1 UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA PROBABILIDADE Aa Maria Lima de Farias Luiz da Costa Laurecel Setembro de 2007

2 . ii

3 Coteúdo 1 Probabilidade - Coceitos Básicos Itrodução Experimetoaleatório,espaçoamostraleeveto Experimeto aleatório Espaço amostral Evetos aleatórios Exemplos Operaçõescomevetosaleatórios Iterseção Exclusão Uião Complemetar Difereça Partiçãodeumespaçoamostral Propriedadesdasoperações Exemplos Exercícios Complemetares Probabilidade - Defiição Clássica Defiiçãoclássicadeprobabilidade Propriedades da defiição clássica de probabilidade Resumodaspropriedades Exemplos Exercícios Revisão de aálise combiatória Pricípiofudametaldaadição Pricípiofudametaldamultiplicação Exercícios Permutações Exercícios Permutações de k objetos detre Exercícios Combiações simples Exercícios TriâgulodePascaleBiômiodeNewto iii

4 CONTEÚDO iv Aplicações Exercícios Complemetares Axiomas, Probabilidade Codicioal e Idepedêcia Defiição axiomática de probabilidade Exemplos Exercícios Probabilidade codicioal Exemplos Exercícios Probabilidade codicioal como lei de probabilidade Regra da multiplicação Exemplos Regra geral da multiplicação Exercícios Idepedêcia de evetos Exemplos Exercícios Exercícios Complemetares Teorema da Probabilidade Total e Teorema de Bayes TeoremadaprobabilidadetotaleteoremadeBayes Exercícios Complemetares Solução dos Exercícios Capítulo Capítulo Capítulo Capítulo

5 Capítulo 1 Probabilidade - Coceitos Básicos 1.1 Itrodução No osso cotidiao, lidamos sempre com situações ode está presete a icerteza do resultado, embora, muitas vezes, os resultados possíveis sejam cohecidos. Por exemplo: o sexo de um embrião pode ser masculio ou femiio, mas só saberemos o resultado quado o experimeto se cocretizar, ou seja, quado o bebê ascer. Se estamos iteressados a face voltada para cima quado jogamos um dado, os resultados possíveis são 1, 2, 3, 4, 5, 6, mas só saberemos o resultado quado o experimeto se completar, ou seja, quado o dado atigir a superfície sobre a qual foi laçado. É coveiete, etão, dispormos de uma medida que exprima a icerteza presete em cada um destes acotecimetos. Tal medida é a probabilidade. No estudo das distribuições de freqüêcias, vimos como essas são importates para etedermos a variabilidade de um feômeo aleatório. Por exemplo, se sorteamos uma amostra de empresas e aalisamos a distribuição do úmero de empregados, sabemos que uma outra amostra foreceria resultados diferetes. No etato, se sorteamos um grade úmero de amostras, esperamos que surja um determiado padrão que reflita a verdadeira distribuição da população de todas as empresas. Através de um modelo teórico, costruído com base em suposições adequadas, podemos reproduzir a distribuição de freqüêcias quado o feômeo é observado diretamete. Esses modelos são chamados modelos probabilísticos e eles serão estudados a seguda parte do curso de Estatística. A probabilidade é a ferrameta básica a costrução de tais modelos e será estudada esta primeira parte. 1.2 Experimeto aleatório, espaço amostral e eveto Cosideremos o laçameto de um dado. Queremos estudar a proporção de ocorrêcias das faces desse dado. O primeiro fato a observar é que existem apeas 6 resultados possíveis, as faces 1, 2, 3, 4, 5, 6. O segudo fato é uma suposição sobre o dado: em geral, é razoável supor que este seja equilibrado. Assim, cada face deve ocorrer o mesmo úmero de vezes e, portato, essa proporção deve ser 1. Nessas codições, osso modelo probabilístico para o laçameto de um dado pode ser 6 expresso da seguite forma: Face Total Freqüêcia teórica

6 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 2 Supohamos que uma mulher esteja grávida de trigêmeos. Sabemos que cada bebê pode ser do sexo masculio (M) ou femiio (F). Etão, as possibilidades para o sexo das três criaças são: MMM, MMF, MFM, FMM, FFM, FMF, MFF, FFF. Uma suposição razoável é que todos esses resultadossejamigualmeteprováveis,oqueequivaledizerquecadabebêtemigualchacedeser do sexo masculio ou femiio. Etão cada resultado tem uma chace de 1 de acotecer e o modelo 8 probabilístico para esse experimeto seria Sexo MMM MMF MFM FMM FFM FMF MFF FFF Total Freq. teórica Por outro lado, se só estamos iteressados o úmero de meias, esse mesmo experimeto leva ao seguite modelo probabilístico: Meias Total Freq. teórica Nesses exemplos, vemos que a especificação de um modelo probabilístico para um feômeo casual depede da especificação dos resultados possíveis e das respectivas probabilidades. Vamos, etão, estabelecer algumas defiições ates de passarmos à defiição propriamete dita de probabilidade Experimeto aleatório Um experimeto aleatório é um processo que acusa variabilidade em seus resultados, isto é, repetidose o experimeto sob as mesmas codições, os resultados serão diferetes. Cotrapodo aos experimetos aleatórios, temos os experimetos determiísticos, que são experimetos que, repetidos sob as mesmas codições, coduzem a resultados idêticos. Neste curso, estaremos iteressados apeas os experimetos aleatórios Espaço amostral O espaço amostral de um experimeto aleatório é o cojuto de todos os resultados possíveis desse experimeto. Vamos deotar tal cojuto pela letra grega ômega maiúscula, Ω. Quado o espaço amostral é fiito ou ifiito eumerável, é chamado espaço amostral discreto. Caso cotrário, isto é, quado Ω é ão eumerável, vamos chamá-lo de espaço amostral cotíuo Evetos aleatórios Os subcojutos de Ω são chamados evetos aleatórios; já os elemetos de Ω são chamados evetos elemetares. A classe dos evetos aleatórios de um espaço amostral Ω, que deotaremos por F (Ω), é o cojuto de todos os evetos (isto é, de todos os subcojutos) do espaço amostral. A título de ilustração, cosideremos um espaço amostral com três elemetos: Ω {ω 1,ω 2,ω 3 }. A classe dos evetos aleatórios é F (Ω) {, {ω 1 }, {ω 2 }, {ω 2 }, {ω 1,ω 2 }, {ω 1,ω 2 }, {ω 2,ω 3 }, {ω 1,ω 2,ω 3 }} Os evetos, sedo cojutos, serão represetados por letras maiúsculas do osso alfabeto, equato os elemetos de um eveto serão represetados por letras miúsculas.

7 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Exemplos Exemplo 1.1 O laçameto de uma moeda é um experimeto aleatório, uma vez que, em cada laçameto, matidas as mesmas codições, ão podemos prever qual das duas faces (cara ou coroa) cairá para cima. Por outro lado, se colocarmos uma paela com água para ferver e aotarmos a temperaturadeebuliçãodaágua,oresultadoserásempre100 o C. Logo, este é um experimeto determiístico. Exemplo 1.2 Cosideremos o experimeto aleatório laçameto de um dado. O espaço amostral é Ω {1, 2, 3, 4, 5, 6}, sedo, portato, um espaço discreto. Os evetos elemetares são {1}, {2}, {3}, {4}, {5}, {6}. Outros evetos são: face par {2, 4, 6}, face ímpar {1, 3, 5}, face ímpar meor que 5 {1, 3}, etc. Exemplo 1.3 Cosideremosolaçametosimultâeodeduasmoedas.VamosrepresetarporK aocorrêciadecaraeporc aocorrêciadecoroa. Umespaçoamostralparaesseexperimeto é Ω {KK,KC,CK,CC}, que também é um espaço discreto. Os evetos simples são {KK}, {KC}, {CK}, {CC} e um outro eveto é cara o primeiro laçameto {KC,KK}. Para esse mesmo experimeto, se estamos iteressados apeas o úmero de caras, o espaço amostral pode ser defiido como Ω {0, 1, 2}. Exemplo 1.4 Seja o experimeto que cosiste em medir, em decibéis, diariamete, durate um mês, o ível de ruído a vizihaça da obra de costrução do metrô em Ipaema. O espaço amostral associado a este experimeto é formado pelos úmeros reais positivos, sedo, portato, um espaço amostral cotíuo. Um eveto: observar íveis superiores a 80 decibéis, represetado pelo itervalo (80, ), que correspode a situações de muito barulho. Exemplo 1.5 Umauracotém4bolas,dasquais2sãobracas(umeradasde1a2)e2são pretas (umeradas de 3 a 4). Duas bolas são retiradas dessa ura, sem reposição. Defia um espaço amostral apropriado para esse experimeto e os seguites evetos: A : aprimeirabolaébraca; B : asegudabolaébraca; C : ambas as bolas são bracas. Solução: Cosiderado a umeração das bolas, o espaço amostral pode ser defiido como: Ω {(i, j) :i 1, 2, 3, 4; j 1, 2, 3, 4; i 6 j}

8 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 4 Mais especificamete: Os evetos são: ou mais especificamete ou ou Ω ½ (1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4), (3, 1), (3, 2), (3, 4), (4, 1), (4, 2), (4, 3) A {(i, j) :i 1, 2, ; j 1, 2, 3, 4; i 6 j} A {(1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (2, 4)} B {(i, j) :i 1, 2, 3, 4; j 1, 2; i 6 j} B {(2, 1), (3, 1), (4, 1), (1, 2), (3, 2), (4, 2)} C {(i, j) :i 1, 2; j 1, 2; i 6 j} C {(1, 2), (2, 1)} ¾ Exemplo 1.6 Três cartas são retiradas, sem reposição, de um baralho que tem três cartas de cada uma das cores azul, vermelha, preta e braca. Dê um espaço amostral para esse experimeto e liste os evetos: A : todas as cartas selecioadas são vermelhas. B : uma carta vermelha, uma carta azul e uma carta preta são selecioadas. C : três diferetes cores ocorrem. D : todasas4coresocorrem. Solução: Vamos deotar por A, V, P e B as cores azul, vermelha, preta e braca, respectivamete. Etão Ou S {(x 1,x 2,x 3 ):x i A, V, P, B; i 1, 2, 3} A {(V,V,V )} B {(V,A,P), (V,P,A), (A, V, P ), (A, P, V ), (P, A, V ), (P, V, A)} C {(x 1,x 2,x 3 ):x i A, V, P, B; i 1, 2, 3; x 1 6 x 2 6 x 3 } C (V,A,P), (V,P,A), (A, V, P ), (A, P, V ), (P, A, V ), (P, V, A), (V,P,B), (V,B,P), (P, V, B), (P, B, V ), (B,V,P), (B,P,V ), (V,A,B), (V,B,A), (A, B, V ), (A, V, B), (B,A,V ), (B,V,A), (P, A, B), (P, B, A), (A, P, B), (A, B, P ), (B,A,P), (B,P,A) Como temos 4 cores diferetes e apeas 3 extrações, ão é possível obter todas as cores; logo, D

9 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Operações com evetos aleatórios Iterseção Oevetoiterseção de dois evetos A e B é o eveto que equivale à ocorrêcia simultâea de A e B (ver Figura 1.1). Seguido a otação da teoria de cojutos, a iterseção de dois evetos será represetada por A B. Figura 1.1: Iterseção de dois evetos: A B Note que x A B x A e x B (1.1) Exemplo 1.7 Cosideremos o experimeto laçameto de dois dados e os evetos A soma das faces é um úmero par e B soma das faces é um úmero maior que 9. Calcule A B. Solução: O espaço amostral desse experimeto, que tem 36 elemetos, é Ω {(1, 1), (1, 2),...,(1, 6), (2, 1),...,(2, 6),...,(6, 6)} Para que um elemeto perteça à iterseção A B, ele tem que pertecer simultaeamete ao eveto A eaoevetob. O eveto B é B {(4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6)} Dosseuselemetos,osúicosquepertecemaoevetoA, istoé,quetêmsomadasfacespar,são os evetos (4, 6), (5, 5), (6, 4) e (6, 6). Logo, A B {(4, 6), (5, 5), (6, 4), (6, 6)}. Note que ão precisamos listar o eveto A! Ele tem 18 elemetos!

10 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Exclusão Dois evetos A e B são mutuamete exclusivos quado eles ão podem ocorrer simultaeamete, isto é, quado a ocorrêcia de um impossibilita a ocorrêcia do outro. Isto sigifica dizer que os evetos A e B ão têm elemetos em comum. Etão, dois evetos A e B são mutuamete exclusivos quado sua iterseção é o cojuto vazio, isto é, A B (ver Figura 1.2). Figura 1.2: Evetos mutuamete exclusivos: A B Exemplo 1.8 Cosideremos ovamete o experimeto laçameto de dois dados e sejam os evetos A soma das faces é ímpar e B duas faces iguais. Etão, A e B são mutuamete exclusivos porque a soma de dois úmeros iguais é sempre um úmero par! Uião A uião de dois evetos A e B é o eveto que correspode à ocorrêcia de pelo meos um deles. Note que isso sigifica que pode ocorrer apeas A, ouapeasb ou A e B simultaeamete. Esse eveto será represetado por A B (ver Figura 1.3).

11 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 7 Figura 1.3: Uião de dois evetos: A B Note que x A B x A ou x B (1.2) Exemplo 1.9 Cosideremos o experimeto do laçameto de duas moedas, ode o espaço amostral é Ω {KK,KC,CK,CC}. Sejam os evetos A ocorrêcia de exatamete 1 cara e B duas faces iguais. Etão A {KC,CK} e B {CC,KK} ; logo, A B Ω e A B. Seja C o eveto pelo meos uma cara ; etão C {KC,CK,KK} e B C Ω e B C Complemetar O complemetar de um eveto A, deotado por A ou A c, éaegaçãodea. Etão, o complemetar de A éformadopeloselemetosqueão pertecem a A (ver Figura 1.4). Figura 1.4: Complemetar de um eveto A : A

12 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 8 Note que etambémque x A x/ A (1.3) A A Ω (1.4) Exemplo 1.10 Cosideremos o laçameto de um dado e seja A face par. Etão, A éo eveto face ímpar. Note que A {2, 4, 6} e A {1, 3, 5} e Ω A A Difereça A difereça etre dois evetos A e B, represetada por A B, ou equivaletemete, por A B, é o eveto formado pelos potos do espaço amostral que pertecem a A mas ão pertecem a B (ver Figura 1.5). Figura 1.5: Difereça de dois cojutos: A B A B Note que x A B x A e x/ B (1.5) etambém A (A B) (A B) (1.6) Além disso, A B 6 B A, coforme ilustrado a Figura 1.6.

13 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 9 Figura 1.6: Difereça de dois cojutos: B A B A Exemplo 1.11 Cosideremos ovamete o laçameto de dois dados e os evetos A soma das faces é par e B soma das faces é maior que 9. Vamos cosiderar as duas difereças, A B e B A. Temos que ½ ¾ (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), A (4, 2), (4, 4), (4, 6), (5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6) e Logo, A B B {(4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6)} ½ (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (5, 1), (5, 3), (6, 2) B A {(5, 6), (6, 5)} ¾ Partição de um espaço amostral UmacoleçãodeevetosA 1,A 2,...A forma uma partição do espaço amostral Ω se 1. os evetos A i são disjutos dois a dois, isto é, se A i A j i 6 j; 2. a uião dos evetos A i é o espaço amostral Ω, isto é, Na Figura 1.7 ilustra-se esse coceito. S A i Ω. i1

14 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 10 Figura 1.7: Partição do espaço amostral Ω Exemplo 1.12 No experimeto laçameto de um dado, os evetos A face par e B face ímpar formam uma partição do espaço amostral. Temos também que, qualquer que seja Ω, um eveto A qualquer e seu complemetar A formam uma partição, isto é, A A e A A Ω Propriedades das operações Sejam A, B, C evetos de um espaço amostral Ω. Etão valem as seguites propriedades. 1. Idetidade A A A A Ω A A Ω Ω (1.7) (Note que Ω é o equivalete do cojuto uiversal da teoria de cojutos.) 2. Complemetar Ω Ω A A A A Ω (1.8)

15 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Idempotete 4. Comutativa 5. Associativa 6. Distributiva A A A A A A (1.9) A B B A A B B A (1.10) (A B) C A (B C) (A B) C A (B C) (1.11) A (B C) (A B) (A C) A (B C) (A B) (A C) (1.12) AilustraçãodaprimeirapropriedadeestáaFigura 1.8. Na liha superior, ilustramos o lado esquerdo da igualdade A (B C) :odiagramaàesquerdatemosoevetoa eo diagrama do cetro temos o eveto B C. Para sombrear a iterseção desses dois evetos, basta sombrear as partes que estão sombreadas em ambos os diagramas, o que resulta o diagrama à direita, ode temos o eveto A (B C). Na liha iferior, ilustramos o lado direitodaigualdade(a B) (A C) :o diagrama à esquerda temos o eveto A B e o diagrama do cetro, o eveto A C. Para sombrear a uião desses dois evetos, basta sombreartodasaspartesqueestãosombreadasemalgumdosdiagramas,oqueresultao diagrama à direita, ode temos o eveto (A B) (A C). Aalisado os diagramas à direita as duas lihas da figura, vemos que A (B C) (A B) (A C). A ilustração da seguda propriedade está a Figura 1.9. Na liha superior, ilustramos o lado esquerdo da igualdade A (B C) :odiagramaàesquerdatemosoevetoa eodiagrama do cetro temos o eveto B C. Para sombrear a uião desses dois evetos, basta sombrear todas as partes que estão sombreadas em algum dos diagramas, o que resulta o diagrama àdireita,odetemosoevetoa (B C). Na liha iferior, ilustramos o lado direito da igualdade (A B) (A C) :o diagrama à esquerda temos o eveto A B eodiagrama do cetro, o eveto A C. Para sombrear a iterseção desses dois evetos, basta sombrear todas as partes que estão sombreadas em ambos os diagramas e isso resulta o diagrama à direita, ode temos o eveto (A B) (A C). Aalisado os diagramas à direita as duas lihas da figura, vemos que A (B C) (A B) (A C). 7. Absorção A (A B) A A (A B) A (1.13)

16 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS 12 Figura 1.8: Ilustração da propriedade distributiva A (B C) (A B) (A C) Figura 1.9: Ilustração da propriedade distributiva A (B C) (A B) (A C)

17 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Leis de De Morga A B A B A B A B (1.14) Na primeira liha da Figura 1.10 ilustra-se a primeira propriedade A B A B : o diagrama à esquerda temos A B; os dois diagramas cetrais, temos, respectivamete, A e B; o diagrama à direita, temos A B, que é igual ao diagrama à esquerda, ou seja, A B A B. Na seguda liha da Figura 1.10 ilustra-se a seguda propriedade A B A B : o diagrama à esquerda temos A B; os dois diagramas cetrais, temos, respectivamete, A e B; o diagrama à direita, temos A B, que é igual ao diagrama à esquerda, ou seja, A B A B. Figura 1.10: Ilustração das propriedades de De Morga 1.5 Exemplos Exemplo 1.13 Sejam A, B, C três evetos de um espaço amostral. Exprima os evetos abaixo usado as operações uião, iterseção e complemetação: 1. somete A ocorre; 2. A, B e C ocorrem; 3. pelo meos um ocorre; 4. exatamete dois ocorrem. Solução: 1. O eveto Somete A ocorre sigifica que A ocorreu e B ão ocorreu e C ão ocorreu; em liguagem de cojuto: Somete A ocorre A B C

18 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS O eveto A, B e C ocorrem sigifica que os três evetos ocorreram; em liguagem de cojuto, A, B e C ocorrem A B C 3. O eveto pelo meos um ocorre sigifica que pode ter ocorrido apeas um, ou dois ou três; essa é a própria defiição de uião, ou seja, em liguagem de cojuto, temos que pelo meos um ocorre A B C 4. Os dois que ocorrem podem ser A e B ou A e C ou B e C. Ocorredo dois desses, o terceiro ão pode ocorrer. Logo, em liguagem de cojuto temos que: exatamete dois ocorrem A B C A B C A B C Exemplo 1.14 Cosidere o laçameto de dois dados e defia os seguites evetos: A soma par B soma 9 C máximo das faces é 6 Calcule A B, A B, A B, B A, B C, B C. Solução: ½ ¾ (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), A (4, 2), (4, 4), (4, 6), (5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6) B {(3, 6), (4, 5), (4, 6), (5, 4), (5, 5), (5, 6), (6, 3), (6, 4), (6, 5), (6, 6)} ½ ¾ (1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (6, 6), C (6, 1), (6, 2), (6, 3), (6, 4), (6, 5) A B A B A B A B {(4, 6), (5, 5), (6, 4), (6, 6)} (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (4, 6), (5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6), (3, 6), (4, 5), (5, 4), (5, 6), (6, 3), (6, 5) ½ (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (5, 1), (5, 3), (6, 2) B A {(3, 6), (4, 5), (5, 4), (5, 6), (6, 3), (6, 5)} B C {(3, 6), (4, 6), (5, 6), (6, 3), (6, 4), (6, 5), (6, 6)} B C {(4, 5), (5, 4), (5, 5)} Note que, de acordo com as propriedades já vistas, (B C) (B C) (B C) B C [(B C) B] (B C) C [B] C (B C) B C B C C B C B (Ω) B C B B C (B B) B C B B ¾

19 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Exercícios Complemetares 1.1 Laçam-se três moedas. Eumerar o espaço amostral e os evetos A faces iguais ; B caraaprimeiramoeda ; C coroa a seguda e terceira moedas. 1.2 Cosidere os diagramas a Figura No diagrama (1), assiale a área correspodete a A B 2. No diagrama (2), assiale a área correspodete a A B 3. No diagrama (3), assiale a área correspodete a (A C) B 4. No diagrama (4), assiale a área correspodete a (A B) C Figura 1.11: Exercício Na Figura 1.12, obteha a expressão matemática para os evetos defiidos por cada uma das áreas umeradas. Figura 1.12: Exercício 1.3

20 CAPÍTULO 1. PROBABILIDADE - CONCEITOS BÁSICOS Defia um espaço amostral para cada um dos seguites experimetos aleatórios: 1. Em uma pesquisa de mercado, cota-se o úmero de clietes do sexo masculio que etram em um supermercado o horário de 8 às 12 horas. 2. Em um estudo de viabilidade de abertura de uma creche própria de uma grade empresa, fez-se um levatameto, por fucioário, do sexo dos filhos com meos de 5 aos de idade. Oúmeromáximodefilhos por fucioário é 4 e a iformação relevate é o sexo dos filhos de cada fucioário. 3. Em um teste de cotrole de qualidade da produção, mede-se a duração de lâmpadas, deixadoas acesas até que queimem. 4. Um fichário com 10 omes cotém 3 omes de mulheres. Selecioa-se ficha após ficha até o último ome de mulher ser selecioado e aota-se o úmero de fichas selecioadas. 5. Laça-se uma moeda até aparecer cara pela primeira vez e aota-se o úmero de laçametos. 6.Emumaurahá5bolasidetificadas pelas letras {A, B, C, D, E}. Sorteiam-se duas bolas, uma após a outra com reposição,e aota-se a cofiguração formada. 7. Mesmo euciado aterior, mas as duas boas são selecioados simultaeamete. 1.5 Sejam A, B, C três evetos de um espaço amostral. Exprimir os evetos abaixo usado as operações uião, iterseção e complemetação: 1. exatamete um ocorre; 2. ehum ocorre; 3. pelo meos dois ocorrem; 4. o máximo dois ocorrem.

21 Capítulo 2 Probabilidade - Defiição Clássica 2.1 Defiição clássica de probabilidade No capítulo aterior, vimos que o espaço amostral para o experimeto aleatório do laçameto de um dado é Ω {1, 2, 3, 4, 5, 6}. Vimos também que é usual supor que o dado seja equilibrado, o que equivale dizer que todos os resultados são igualmete prováveis. Etão, se jogarmos o dado várias vezes, aproximadamete um sexto das ocorrêcias resultará a face 3, bem como metade das repetições resultará em um úmero par. Estamos aalisado a chace de ocorrêcia dos evetos A face 3 e B face par. O eveto A é um eveto elemetar, equato o eveto B éumsub- cojuto com 3 elemetos, o que represetaremos por #A 1e #B 3. Essa é uma termiologia usual para represetar o úmero de elemetos de um cojuto, que lemos como cardialidade de A ou B. É ituitivo dizer que A ocorrerá 1 das vezes, equato B ocorrerá 1 3 das vezes Defie-se, assim, a probabilidade de um eveto A como a razão etre o úmero de elemetos de A e o úmero de elemetos de Ω. Vamos os referir aos elemetos de A o eveto de iteresse como sedo os casos favoráveis, equato os elemetos de Ω são os casos possíveis, o que os leva à seguite defiição. Defiição 2.1 Defiição clássica de probabilidade Seja A um eveto de um espaço amostral Ω fiito, cujos elemetos são igualmete prováveis. Defie-se a probabilidade do eveto A como Pr(A) úmero de casos favoráveis úmero de casos possíveis #A #Ω Naturalmete, esta defiição estamos supodo que #Ω > 0, ou seja, que Ω teha algum elemeto pois, se ão tivesse, ão teríamos o que estudar! Esta foi a primeira defiição formal de probabilidade, tedo sido explicitada por Girolamo Cardao ( ). Vamos os referir a ela como a defiição clássica de probabilidade. Note que ela se baseia em duas hipóteses: 1. Há um úmero fiito de evetos elemetares, isto é, Ω éumcojutofiito. 2. Os evetos elemetares são igualmete prováveis. Embora essas hipóteses restrijam o campo de aplicação da defiição, veremos que ela é muito importate e vários exercícios serão resolvidos baseados ela. 17 (2.1)

22 CAPÍTULO 2. PROBABILIDADE - DEFINIÇÃO CLÁSSICA Propriedades da defiição clássica de probabilidade A defiição clássica de probabiliade satisfaz as seguites propriedades básicas: 1. Pr(A) 0 para todo eveto A Ω Demostração: Como #A 0 e #Ω > 0, Pr(A) é a razão de dois úmeros ão egativos, etão, Pr(A) Pr(Ω) 1. Demostração: Por defiição, Pr (Ω) #Ω #Ω Se A e B são evetos mutuamete exclusivos, etão Pr(A B) Pr(A)+Pr(B). Demostração: Se A e B são mutuamete exclusivos, resulta que A B. Neste caso, #(A B) #A +#B (veja a Figura 2.1). Logo, Pr(A B) #(A B) #Ω #A +#B #Ω #A #Ω + #B #Ω Pr(A)+Pr(B) Figura 2.1: Cardialidade da uião de evetos mutuamete exclusivos 4. Pr( ) 0 Demostração: Como # 0, resulta que Pr( ) # #Ω 0 #Ω 0 Essa propriedade pode ser obtida também utilizado-se apeas as 3 primeiras. Para isso, ote que podemos escrever Ω Ω

23 CAPÍTULO 2. PROBABILIDADE - DEFINIÇÃO CLÁSSICA 19 Como Ω e são mutuamete exclusivos, podemos aplicar a Propriedade 3 para obter Pr(Ω) Pr(Ω ) Pr(Ω)+Pr( ) Mas Pr(Ω) Pr(Ω)+Pr( ) Pr( ) Pr(Ω) Pr(Ω) 0 5. Pr(A) 1 Pr(A) Demostração: Vimos o capítulo aterior que Ω A A Como A e A são mutuamete exclusivos, podemos aplicar a Propriedade 3 para obter que Pr(Ω) Pr(A)+Pr(A) Mas, pela Propriedade 2, Pr(Ω) 1. Logo, 1Pr(A)+Pr(A) Pr(A) 1 Pr(A) 6. Pr(A B) Pr(A) Pr(A B) Demostração: Veja a Figura 2.2 para visualizar melhor esse resultado. Figura 2.2: Difereça de dois evetos A B Temos que A (A B) (A B)

24 CAPÍTULO 2. PROBABILIDADE - DEFINIÇÃO CLÁSSICA 20 O primeiro termo é a parte sombreada mais escura e o segudo termo é a parte sombreada mais clara. Podemos ver que essas duas partes ão têm iterseção. Logo, pela Propriedade 3, podemos escrever: Pr(A) Pr(A B)+Pr(A B) Pr(A B) Pr(A) Pr(A B) Volte à Figura 2.2 para ver que o eveto B A correspode à parte ão sombreada da figura eque Pr(B A) Pr(B) Pr(A B) 7. Para dois evetos A e B quaisquer, Pr(A B) Pr(A)+Pr(B) Pr(A B) Demostração: Note que esse resultado geeraliza a Propriedade 3 para dois evetos quaisquer, ou seja, ão estamos exigido que A e B sejam mutuamete exclusivos. Veja a Figura 2.3. Figura 2.3: Uião de dois evetos quaisquer Toda a parte sombreada represeta a uião dos dois evetos, que pode ser decomposta as duas partes com diferetes sobreametos. A parte mais escura é A B eapartemaisclara é B, ouseja: A B (A B) B Como essas duas partes ão têm itereseção, pela Propriedade 3, podemos escrever Pr(A B) Pr(A B)+Pr(B) Mas a Propriedade 6, vimos que Pr(A B) Pr(A) Pr(A B). Substituido, obtemos que Pr(A B) Pr(A B)+Pr(B) Pr(A) Pr(A B)+Pr(B)

25 CAPÍTULO 2. PROBABILIDADE - DEFINIÇÃO CLÁSSICA Se A B etão Pr(A) Pr(B). Demostração: Veja a Figura 2.4. SeA B etão A B A - essa é a parte sombreada da figura. Nesse caso, usado a Propriedade 6, temos que Pr(B A) Pr(B) Pr(A B) Pr(B) Pr(A) mas, pela Propriedade 1, a probabilidade de qualquer eveto é ão egativa. Logo, Pr(B) Pr(A) 0 Pr(A) Pr(B) Figura 2.4: Ilustração da propriedade 8: A B 9. Pr(A) 1 para qualquer eveto A Ω. Demostração: Usado as Propriedades 9 e 2, temos que A Ω Pr(A) Pr(Ω) 1 Pr(A) 1

26 CAPÍTULO 2. PROBABILIDADE - DEFINIÇÃO CLÁSSICA Resumo das propriedades Vamos apresetar os resultados vistos ateriormete para facilitar o seu estudo. Propriedades da probabilidade 0 Pr(A) 1 Pr(Ω) 1 A B Pr(A B) Pr(A)+Pr(B) Pr( ) 0 Pr(A) 1 Pr(A) Pr(A B) Pr(A) Pr(A B) Pr(B A) Pr(B) Pr(A B) Pr(A B) Pr(A)+Pr(B) Pr(A B) A B Pr(A) Pr(B) Exemplos Exemplo 2.1 No laçameto de um dado, qual é a probabilidade de se obter face maior que 4? Solução: Sabemos que #Ω 6e também que o eveto de iteresse é A {5, 6). Logo, Pr(A) Exemplo 2.2 Cosidere um baralho usual composto de 52 cartas divididas em 4 aipes: ouros, copas, paus e espadas, cada aipe com 13 cartas. As cartas dos 2 primeiros aipes são vermelhas e as dos dois últimos aipes, pretas. Em cada aipe, as cartas podem ser Ás, 2, 3, 4, 5, 6, 7, 8, 9, 10, Valete, Dama e Rei. Essas três últimas são figuras que represetam a realeza. Retirado-se ao acaso uma carta desse baralho, qual é a probabilidade de que seja uma figura? Uma carta preta? Solução: Como há 52 cartas ao todo, #Ω 52. Vamos deotar por F oeveto cartaretiradaéuma figura e por P o eveto carta retirada é preta. Em cada um dos 4 aipes há três figuras. Logo, o úmero total de figuras é 4 3, ouseja,#f 12. Logo, a probabilidade de retirarmos uma figura é Pr(F ) Metade das cartas é de cor preta; logo, a probabilidade de que a carta seja 13 preta é Pr(P )

27 CAPÍTULO 2. PROBABILIDADE - DEFINIÇÃO CLÁSSICA 23 Exemplo 2.3 Um úmero é escolhido etre os 20 primeiros iteiros, 1 a 20. Qual é a probabilidade de que o úmero escolhido seja (i) par? (ii) primo? (iii) quadrado perfeito? Solução: Vamos deotar por P oeveto úmeropar,porr o eveto úmero primo e por Q o eveto quadrado perfeito. Etão, A {2, 4, 6, 8, 10, 12, 14, 16, 18, 20}; P {1, 3, 5, 7, 11, 13, 17, 19}; Q {1, 4, 9, 16}. Logo, Pr(P ) ;Pr(R) ;Pr(Q) Exemplo 2.4 Uma ura cotém 6 bolas pretas, 2 bolas bracas e 8 bolas verdes. Uma bola é escolhida ao acaso desta ura. Qual é a probabilidade de que (i) a bola ão seja verde? (ii) a bola seja braca? (iii) a bola ão seja em braca em verde? Solução: Temos um total de bolas. Logo, #Ω 16. Vamos deotar por P, B, V os evetos bola preta, braca e verde, respectivamete. (i) Queremos a probabilidade de V, ou seja, do complemetar de V. Vimos que Pr(V ) 1 Pr(V ) (ii) Pr(B) #B #Ω (iii) Se a bola ão é braca em verde, ela tem que ser preta. Note que estamos pedido Pr(B V ). Pela lei de De Morga e pelas Propriedades 3 e 4, temos que Pr(B V ) Pr(B V )1 Pr(B V ) 1 [Pr(B)+Pr(V )] Pr(P ) Exemplo 2.5 Cosideremos ovamete o laçameto de dois dados. Vamos defiir os seguites evetos: A soma das faces par, B soma das faces maior que 9, C soma das faces ímpar meor que 9. Vamos calcular a probabilidade de tais evetos. Solução: Avisualizaçãodoespaçoamostraldesseexperimetopodeservistaatabelaaseguir,ode, para cada par possível de resultados, apresetamos também a soma das faces: Dado (1, 1) 2 (1, 2) 3 (1, 3) 4 (1, 4) 5 (1, 5) 6 (1, 6) 7 2 (2, 1) 3 (2, 2) 4 (2, 3) 5 (2, 4) 6 (2, 5) 7 (2, 6) 8 Dado 3 (3, 1) 4 (3, 2) 5 (3, 3) 6 (3, 4) 7 (3, 5) 8 (3, 6) (4, 1) 5 (4, 2) 6 (4, 3) 7 (4, 4) 8 (4, 5) 9 (4, 6) 10 5 (5, 1) 6 (5, 2) 7 (5, 3) 8 (5, 4) 9 (5, 5) 10 (5, 6) 11 6 (6, 1) 7 (6, 2) 8 (6, 3) 9 (6, 4) 10 (6, 5) 11 (6, 6) 12

Lista 2 - Introdução à Probabilidade e Estatística

Lista 2 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

Séries de Potências AULA LIVRO

Séries de Potências AULA LIVRO LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.

Leia mais

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização

Curso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado

Leia mais

Lista 9 - Introdução à Probabilidade e Estatística

Lista 9 - Introdução à Probabilidade e Estatística UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemática Ficha de Trabalho Probabilidades 12º ao FT4 Arrajos completos (arrajos com repetição) Na liguagem dos computadores usa-se o código biário que é caracterizado pela utilização de apeas dois algarismos,

Leia mais

INTRODUÇÃO A TEORIA DE CONJUNTOS

INTRODUÇÃO A TEORIA DE CONJUNTOS INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome

Leia mais

Os juros compostos são conhecidos, popularmente, como juros sobre juros.

Os juros compostos são conhecidos, popularmente, como juros sobre juros. Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são

Leia mais

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br

A seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan

Aula 2 - POT - Teoria dos Números - Fabio E. Brochero Martinez Carlos Gustavo T. de A. Moreira Nicolau C. Saldanha Eduardo Tengan Aula - POT - Teoria dos Números - Nível III - Pricípios Fabio E. Brochero Martiez Carlos Gustavo T. de A. Moreira Nicolau C. Saldaha Eduardo Tega de Julho de 01 Pricípios Nesta aula apresetaremos algus

Leia mais

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que LISTA INCRÍVEL DE MATEMÁTICA DISCRETA II DANIEL SMANIA 1 Amostras, seleções, permutações e combiações Exercício 1 Quatos bytes (8 bits) existem de modo que ele coteha exatamete quatro 1 s? Exercício 2

Leia mais

Módulo VIII. Probabilidade: Espaço Amostral e Evento

Módulo VIII. Probabilidade: Espaço Amostral e Evento 1 Módulo VIII Probabilidade: Espaço Amostral e Evento Suponha que em uma urna existam cinco bolas vermelhas e uma branca. Extraindo-se, ao acaso, uma das bolas, é mais provável que esta seja vermelha.

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais

O erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,

Leia mais

Capitulo 6 Resolução de Exercícios

Capitulo 6 Resolução de Exercícios FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial

Leia mais

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA

5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA 5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()

Leia mais

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa

A TORRE DE HANÓI Carlos Yuzo Shine - Colégio Etapa A TORRE DE HANÓI Carlos Yuzo Shie - Colégio Etapa Artigo baseado em aula miistrada a IV Semaa Olímpica, Salvador - BA Nível Iiciate. A Torre de Haói é um dos quebra-cabeças matemáticos mais populares.

Leia mais

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica

Leia mais

Probabilidade e Estatística. Probabilidade e Estatística

Probabilidade e Estatística. Probabilidade e Estatística Probabilidade e Estatística i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo

Leia mais

Teoria das Probabilidades I. Ana Maria Lima de Farias Universidade Federal Fluminense

Teoria das Probabilidades I. Ana Maria Lima de Farias Universidade Federal Fluminense Teoria das Probabilidades I Ana Maria Lima de Farias Universidade Federal Fluminense Conteúdo 1 Probabilidade - Conceitos Básicos 1 1.1 Introdução....................................... 1 1.2 Experimento

Leia mais

Capitulo 9 Resolução de Exercícios

Capitulo 9 Resolução de Exercícios FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;

Leia mais

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...

INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário

Leia mais

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.

a taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo. UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2

Faculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2 Faculdade Campo Limpo Paulista Mestrado em Ciêcia da Computação Complexidade de Algoritmos Avaliação 2. (2,0): Resolva a seguite relação de recorrêcia. T() = T( ) + 3 T() = 3 Pelo método iterativo progressivo.

Leia mais

somente um valor da variável y para cada valor de variável x.

somente um valor da variável y para cada valor de variável x. Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor

Leia mais

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas.

onde d, u, v são inteiros não nulos, com u v, mdc(u, v) = 1 e u e v de paridades distintas. !"$# &%$" ')( * +-,$. /-0 3$4 5 6$7 8:9)$;$< =8:< > Deomiaremos equação diofatia (em homeagem ao matemático grego Diofato de Aleadria) uma equação em úmeros iteiros. Nosso objetivo será estudar dois tipos

Leia mais

MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos

Leia mais

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS

CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 60 Sumário CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 5.1. Itrodução... 62 5.2. Tabelas de trasição dos flip-flops... 63 5.2.1. Tabela de trasição do flip-flop JK... 63 5.2.2. Tabela de

Leia mais

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li

O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)

Leia mais

CAPÍTULO 8 - Noções de técnicas de amostragem

CAPÍTULO 8 - Noções de técnicas de amostragem INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos

Leia mais

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum

Otimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com

Leia mais

Jackknife, Bootstrap e outros métodos de reamostragem

Jackknife, Bootstrap e outros métodos de reamostragem Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia

Leia mais

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa

Conceito 31/10/2015. Módulo VI Séries ou Fluxos de Caixas Uniformes. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Módulo VI Séries ou Fluxos de Caixas Uiformes Daillo Touriho S. da Silva, M.Sc. SÉRIES OU FLUXOS DE CAIXAS UNIFORMES Fluxo de Caixa Coceito A resolução de problemas de matemática fiaceira tora-se muito

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2007 Duração: 2 horas Prova com cosulta Questão 1 (Costrução de modelo ER - Peso 3) Deseja-se costruir um sistema WEB que armazee

Leia mais

7. ANÁLISE COMBINATÓRIA Professor Fernando Vargas. n 1 Cuidado

7. ANÁLISE COMBINATÓRIA Professor Fernando Vargas. n 1 Cuidado 7. ANÁLISE COMBINATÓRIA Professor Ferado Vargas É a área da Matemática que trata dos problemas de cotagem. Estuda problemas que evolvem o cálculo do úmero de agrupametos que podem ser feitos com os elemetos

Leia mais

VII Equações Diferenciais Ordinárias de Primeira Ordem

VII Equações Diferenciais Ordinárias de Primeira Ordem VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,

Leia mais

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b

JUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a

Leia mais

Matemática. Resolução das atividades complementares. M5 Análise combinatória

Matemática. Resolução das atividades complementares. M5 Análise combinatória Resolução das atividades complemetares Matemática M Aálise combiatória p. 6 Ao laçarmos um dado duas vezes, quatas e quais são as possibilidades de ocorrêcia dos úmeros? Ao laçarmos um dado duas vezes,

Leia mais

MATEMÁTICA FINANCEIRA

MATEMÁTICA FINANCEIRA MATEMÁTICA FINANCEIRA VALOR DO DINHEIRO NO TEMPO Notas de aulas Gereciameto do Empreedimeto de Egeharia Egeharia Ecoômica e Aálise de Empreedimetos Prof. Márcio Belluomii Moraes, MsC CONCEITOS BÁSICOS

Leia mais

UFRGS 2007 - MATEMÁTICA

UFRGS 2007 - MATEMÁTICA - MATEMÁTICA 01) Em 2006, segudo otícias veiculadas a impresa, a dívida itera brasileira superou um trilhão de reais. Em otas de R$ 50, um trilhão de reais tem massa de 20.000 toeladas. Com base essas

Leia mais

1.4- Técnicas de Amostragem

1.4- Técnicas de Amostragem 1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto

Leia mais

Módulo 4 Matemática Financeira

Módulo 4 Matemática Financeira Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo

Leia mais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais

Testes de Hipóteses para a Diferença Entre Duas Médias Populacionais Estatística II Atoio Roque Aula Testes de Hipóteses para a Difereça Etre Duas Médias Populacioais Vamos cosiderar o seguite problema: Um pesquisador está estudado o efeito da deficiêcia de vitamia E sobre

Leia mais

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo?

AMOSTRAGEM. metodologia de estudar as populações por meio de amostras. Amostragem ou Censo? AMOSTRAGEM metodologia de estudar as populações por meio de amostras Amostragem ou Ceso? Por que fazer amostragem? população ifiita dimiuir custo aumetar velocidade a caracterização aumetar a represetatividade

Leia mais

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões

5. A nota final será a soma dos pontos (negativos e positivos) de todas as questões DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 2013/2014 Istruções: 1. Cada questão respodida corretamete vale 1 (um) poto. 2. Cada questão respodida

Leia mais

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA

APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos

Leia mais

PROBABILIDADE PROFESSOR: ANDRÉ LUIS

PROBABILIDADE PROFESSOR: ANDRÉ LUIS PROBABILIDADE PROFESSOR: ANDRÉ LUIS 1. Experimentos Experimento determinístico: são aqueles em que o resultados são os mesmos, qualquer que seja o número de ocorrência dos mesmos. Exemplo: Um determinado

Leia mais

37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO

37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 (Ensino Médio) GABARITO 37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 3 Esio Médio) GABARITO GABARITO NÍVEL 3 ) B ) A ) B ) D ) C ) B 7) C ) C 7) B ) C 3) D 8) E 3) A 8) E 3) A ) C 9) B ) B 9) B ) C ) E 0) D ) A

Leia mais

Até que tamanho podemos brincar de esconde-esconde?

Até que tamanho podemos brincar de esconde-esconde? Até que tamaho podemos bricar de escode-escode? Carlos Shie Sejam K e L dois subcojutos covexos e compactos de R. Supoha que K sempre cosiga se escoder atrás de L. Em termos mais precisos, para todo vetor

Leia mais

Probabilidades. José Viegas

Probabilidades. José Viegas Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia

Leia mais

Notas de Aula do Curso PGE950: Probabilidade

Notas de Aula do Curso PGE950: Probabilidade Notas de Aula do Curso PGE950: Probabilidade Leadro Chaves Rêgo, Ph.D. 2013.1 Prefácio Estas otas de aula foram feitas para compilar o coteúdo de várias referêcias bibliográficas tedo em vista o coteúdo

Leia mais

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil

Carteiras de Mínimo VAR ( Value at Risk ) no Brasil Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica

Leia mais

Exercícios de Matemática Polinômios

Exercícios de Matemática Polinômios Exercícios de Matemática Poliômios ) (ITA-977) Se P(x) é um poliômio do 5º grau que satisfaz as codições = P() = P() = P(3) = P(4) = P(5) e P(6) = 0, etão temos: a) P(0) = 4 b) P(0) = 3 c) P(0) = 9 d)

Leia mais

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente;

2.1 Dê exemplo de uma seqüência fa n g ; não constante, para ilustrar cada situação abaixo: (a) limitada e estritamente crescente; 2.1 Dê exemplo de uma seqüêcia fa g ; ão costate, para ilustrar cada situação abaixo: (a) limitada e estritamete crescete; (b) limitada e estritamete decrescete; (c) limitada e ão moótoa; (d) ão limitada

Leia mais

O oscilador harmônico

O oscilador harmônico O oscilador harmôico A U L A 5 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial de um oscilador harmôico simples, V( x) kx. objetivos obter a solução da equação de Schrödiger para um oscilador

Leia mais

C Curso destinado à preparação para Concursos Públicos e Aprimoramento Profissional via INTERNET www.concursosecursos.com.br RACIOCÍNIO LÓGICO AULA 7

C Curso destinado à preparação para Concursos Públicos e Aprimoramento Profissional via INTERNET www.concursosecursos.com.br RACIOCÍNIO LÓGICO AULA 7 RACIOCÍNIO LÓGICO AULA 7 TEORIA DAS PROBABILIDADES Vamos considerar os seguintes experimentos: Um corpo de massa m, definida sendo arrastado horizontalmente por uma força qualquer, em um espaço definido.

Leia mais

O conceito de probabilidade

O conceito de probabilidade A UA UL LA O conceito de probabilidade Introdução Nesta aula daremos início ao estudo da probabilidades. Quando usamos probabilidades? Ouvimos falar desse assunto em situações como: a probabilidade de

Leia mais

Aulas Particulares on-line

Aulas Particulares on-line Esse material é parte itegrate do Aulas Particulares o-lie do IESDE BRASIL S/A, mais iformações www.aulasparticularesiesde.com.br MATEMÁTICA PRÉ-VESTIBULAR LIVRO DO PROFESSOR 2006-2009 IESDE Brasil S.A.

Leia mais

PG Progressão Geométrica

PG Progressão Geométrica PG Progressão Geométrica 1. (Uel 014) Amalio Shchams é o ome cietífico de uma espécie rara de plata, típica do oroeste do cotiete africao. O caule dessa plata é composto por colmos, cujas características

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N

EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N EQUAÇÕES DIFERENCIAIS LINEARES DE ORDEM N Estudaremos este capítulo as equações diereciais lieares de ordem, que são de suma importâcia como suporte matemático para vários ramos da egeharia e das ciêcias.

Leia mais

COLÉGIO ANCHIETA-BA. ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. RESOLUÇÃO: PROFA, MARIA ANTÔNIA C. GOUVEIA

COLÉGIO ANCHIETA-BA. ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. RESOLUÇÃO: PROFA, MARIA ANTÔNIA C. GOUVEIA Questão 0. (UDESC) A AVALIAÇÃO DE MATEMÁTICA DA UNIDADE I-0 COLÉGIO ANCHIETA-BA ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. PROFA, MARIA ANTÔNIA C. GOUVEIA Um professor de matemática, após corrigir

Leia mais

Prova 3 Matemática ... GABARITO 1 NOME DO CANDIDATO:

Prova 3 Matemática ... GABARITO 1 NOME DO CANDIDATO: Prova 3 QUESTÕES OBJETIIVAS N ọ DE ORDEM: NOME DO CANDIDATO: N ọ DE INSCRIÇÃO: IINSTRUÇÕES PARA A REALIIZAÇÃO DA PROVA. Cofira os campos N ọ DE ORDEM, N ọ DE INSCRIÇÃO e NOME, que costam da etiqueta fixada

Leia mais

PRESTAÇÃO = JUROS + AMORTIZAÇÃO

PRESTAÇÃO = JUROS + AMORTIZAÇÃO AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas

Leia mais

Estatística stica para Metrologia

Estatística stica para Metrologia Estatística stica para Metrologia Aula Môica Barros, D.Sc. Juho de 28 Muitos problemas práticos exigem que a gete decida aceitar ou rejeitar alguma afirmação a respeito de um parâmetro de iteresse. Esta

Leia mais

alguns belos problemas de matemática discreta

alguns belos problemas de matemática discreta V Bieal da SBM Sociedade Brasileira de Matemática UFPB - Uiversidade Federal da Paraíba 18 a 22 de outubro de 2010 algus belos problemas de matemática discreta rogério ricardo steffeo Neste miicurso serão

Leia mais

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço

Matemática Alexander dos Santos Dutra Ingrid Regina Pellini Valenço 4 Matemática Alexader dos Satos Dutra Igrid Regia Pellii Valeço Professor SUMÁRIO Reprodução proibida. Art. 84 do Código Peal e Lei 9.60 de 9 de fevereiro de 998. Módulo 0 Progressão aritmérica.................................

Leia mais

Professor Mauricio Lutz PROBABILIDADE

Professor Mauricio Lutz PROBABILIDADE PROBABILIDADE Todas as vezes que se estudam fenômenos de observação, cumpre-se distinguir o próprio fenômeno e o modelo matemático (determinístico ou probabilístico) que melhor o explique. Os fenômenos

Leia mais

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013

ANDRÉ REIS MATEMÁTICA. 1ª Edição NOV 2013 ANDRÉ REIS MATEMÁTICA TEORIA 6 QUESTÕES DE PROVAS DE CONCURSOS GABARITADAS EXERCÍCIOS RESOLVIDOS Teoria e Seleção das Questões: Prof. Adré Reis Orgaização e Diagramação: Mariae dos Reis ª Edição NOV 0

Leia mais

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TRANSPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMENTO DE ENGENHARIA CIVIL ECV DISCIPLINA: TGT410026 FUNDAMENTOS DE ESTATÍSTICA 8ª AULA: ESTIMAÇÃO POR INTERVALO

Leia mais

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é:

Matemática. Resolução das atividades complementares. M10 Progressões. 1 (UFBA) A soma dos 3 o e 4 o termos da seqüência abaixo é: Resolução das atividades complemetares Matemática M0 Progressões p. 46 (UFBA) A soma dos o e 4 o termos da seqüêcia abaio é: a 8 * a 8 ( )? a, IN a) 6 c) 0 e) 6 b) 8 d) 8 a 8 * a 8 ( )? a, IN a 8 ()? a

Leia mais

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA

O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA O TESTE DOS POSTOS ORDENADOS DE GALTON: UMA ABORDAGEM GEOMÉTRICA Paulo César de Resede ANDRADE Lucas Moteiro CHAVES 2 Devail Jaques de SOUZA 2 RESUMO: Este trabalho apreseta a teoria do teste de Galto

Leia mais

COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL

COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL COMPOSIÇÕES DE FUNÇÕES GERATRIZES E A FÓRMULA EXPONENCIAL Grade parte do poder de fuções geratrizes vêm de composição delas! Observação. Sejam F (x) = 0 G(x) = 0 f x g x duas séries formais. A composição

Leia mais

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades:

CURTOSE. Teremos, portanto, no tocante às situações de Curtose de um conjunto, as seguintes possibilidades: CURTOSE O que sigifica aalisar um cojuto quato à Curtose? Sigifica apeas verificar o grau de achatameto da curva. Ou seja, saber se a Curva de Freqüêcia que represeta o cojuto é mais afilada ou mais achatada

Leia mais

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos

Anexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular

Leia mais

Análise Combinatória (Regras de Contagem) 2 Princípio Fundamental da Multiplicação

Análise Combinatória (Regras de Contagem) 2 Princípio Fundamental da Multiplicação Uiversidade Federal Flumiese INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA Estatística Básica para Egeharia Prof. Mariaa Albi Material de Apoio Assuto: Aálise Combiatória Aálise Combiatória

Leia mais

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com

Analise de Investimentos e Custos Prof. Adilson C. Bassan email: adilsonbassan@adilsonbassan.com Aalise de Ivestimetos e Custos Prof. Adilso C. Bassa email: adilsobassa@adilsobassa.com JUROS SIMPLES 1 Juro e Cosumo Existe juro porque os recursos são escassos. As pessoas têm preferêcia temporal: preferem

Leia mais

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE

MÓDULO 6 INTRODUÇÃO À PROBABILIDADE MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para

Leia mais

INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1

INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1 INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1. Origem histórica É possível quantificar o acaso? Para iniciar,

Leia mais

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA

DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO Ferado Mori DISTRIBUIÇÃO AMOSTRAL DA MÉDIA E PROPORÇÃO ESTATISTICA AVANÇADA Resumo [Atraia o leitor com um resumo evolvete, em geral, uma rápida visão geral do

Leia mais

A soma dos perímetros dos triângulos dessa sequência infinita é a) 9 b) 12 c) 15 d) 18 e) 21

A soma dos perímetros dos triângulos dessa sequência infinita é a) 9 b) 12 c) 15 d) 18 e) 21 Nome: ºANO / CURSO TURMA: DATA: 0 / 0 / 05 Professor: Paulo. (Pucrj 0) Vamos empilhar 5 caixas em ordem crescete de altura. A primeira caixa tem m de altura, cada caixa seguite tem o triplo da altura da

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Julho de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER - Peso 2 Deseja-se costruir um sistema WEB que armazee a comuicação

Leia mais

Tabela Price - verdades que incomodam Por Edson Rovina

Tabela Price - verdades que incomodam Por Edson Rovina Tabela Price - verdades que icomodam Por Edso Rovia matemático Mestrado em programação matemática pela UFPR (métodos uméricos de egeharia) Este texto aborda os seguites aspectos: A capitalização dos juros

Leia mais

ATRIBUTO REPRESENTAÇÃO

ATRIBUTO REPRESENTAÇÃO ATRIBUTO Dado que é associado a cada ocorrêcia de uma etidade ou de um relacioameto (característica, qualidade). REPRESENTAÇÃO EMPREGADO ATUAÇÃO fução tipo data código ome ENTIDADE RELACIONAMENTO Tipos:

Leia mais

Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes

Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes Para ampliar sua compreensão sobre probabilidade total e Teorema de Bayes, estude este conjunto de exercícios resolvidos sobre o tema.

Leia mais

Contagem I. Figura 1: Abrindo uma Porta.

Contagem I. Figura 1: Abrindo uma Porta. Polos Olímpicos de Treinamento Curso de Combinatória - Nível 2 Prof. Bruno Holanda Aula 4 Contagem I De quantos modos podemos nos vestir? Quantos números menores que 1000 possuem todos os algarismos pares?

Leia mais

Resposta: L π 4 L π 8

Resposta: L π 4 L π 8 . A figura a seguir ilustra as três primeiras etapas da divisão de um quadrado de lado L em quadrados meores, com um círculo iscrito em cada um deles. Sabedo-se que o úmero de círculos em cada etapa cresce

Leia mais

O poço de potencial infinito

O poço de potencial infinito O poço de potecial ifiito A U L A 14 Meta da aula Aplicar o formalismo quâtico ao caso de um potecial V(x) que tem a forma de um poço ifiito: o potecial é ifiito para x < a/ e para x > a/, e tem o valor

Leia mais

Fundamentos de Bancos de Dados 3 a Prova

Fundamentos de Bancos de Dados 3 a Prova Fudametos de Bacos de Dados 3 a Prova Prof. Carlos A. Heuser Dezembro de 2008 Duração: 2 horas Prova com cosulta Questão (Costrução de modelo ER) Deseja-se projetar uma base de dados que dará suporte a

Leia mais

Questão 11. Questão 13. Questão 12. Questão 14. alternativa B. alternativa E. alternativa A

Questão 11. Questão 13. Questão 12. Questão 14. alternativa B. alternativa E. alternativa A Questão Em uma pesquisa, foram cosultados 00 cosumidores sobre sua satisfação em relação a uma certa marca de sabão em pó. Cada cosumidor deu uma ota de 0 a 0 para o produto, e a média fial das otas foi

Leia mais

MATEMÁTICA APLICADA À GESTÃO I

MATEMÁTICA APLICADA À GESTÃO I 00 MATEMÁTICA APLICADA À GESTÃO I TEXTO DE APOIO MARIA ALICE FILIPE ÍNDICE NOTAS PRÉVIAS ALGUNS CONCEITOS SOBRE SÉRIES6 NOTAS PRÉVIAS As otas seguites referem-se ao maual adoptado: Cálculo, Vol I James

Leia mais

Lista 2 - Probabilidade. Probabilidade. 1. Uma letra é escolhida entre as letras da palavra PROBABILIDADE

Lista 2 - Probabilidade. Probabilidade. 1. Uma letra é escolhida entre as letras da palavra PROBABILIDADE Estatística 2 a LISTA DE EXERCÍCIOS Prof. Ânderson Vieira Probabilidade Espaço Amostral Em cada um dos exercícios a 0. Determine o espaço amostral.. Uma letra é escolhida entre as letras da palavra PROBABILIDADE

Leia mais

Problema de Fluxo de Custo Mínimo

Problema de Fluxo de Custo Mínimo Problema de Fluo de Custo Míimo The Miimum Cost Flow Problem Ferado Nogueira Fluo de Custo Míimo O Problema de Fluo de Custo Míimo (The Miimum Cost Flow Problem) Este problema possui papel pricipal etre

Leia mais

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.)

Testes χ 2 (cont.) Testes χ 2 para k categorias (cont.) Testes χ 2 de ajustameto, homogeeidade e idepedêcia Testes χ 2 (cot.) Os testes χ 2 cosiderados este último poto do programa surgem associados a dados de cotagem. Mais cocretamete, dados que cotam o úmero

Leia mais

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física

Universidade Federal do Maranhão Centro de Ciências Exatas e Tecnologia Coordenação do Programa de Pós-Graduação em Física Uiversidade Federal do Marahão Cetro de Ciêcias Exatas e Tecologia Coordeação do Programa de Pós-Graduação em Física Exame de Seleção para Igresso o 1º. Semestre de 2011 Disciplia: Mecâica Clássica 1.

Leia mais

Dois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ

Dois eventos são disjuntos ou mutuamente exclusivos quando não tem elementos em comum. Isto é, A B = Φ Probabilidade Vimos anteriormente como caracterizar uma massa de dados, como o objetivo de organizar e resumir informações. Agora, apresentamos a teoria matemática que dá base teórica para o desenvolvimento

Leia mais