NDICE 2.TEORIA DAS PROBABILIDADES........................................................................................30 2.1. DEFINIES .............................................................................................................................

30
2.1.1. Experincia aleatria ...................................................................................................................................30 2.1.2. Espao de resultados ....................................................................................................................................31 2.1.3. Acontecimento...............................................................................................................................................32 2..2. LGEBRA DOS ACONTECIMENTOS..........................................................................................34 2.2.1. Unio de acontecimentos.............................................................................................................................34 2.2.2. Interseco de acontecimentos....................................................................................................................34 2.2.3. Acontecimento contrrio .............................................................................................................................35 2.2.4. Acontecimento diferena..............................................................................................................................35 2.2.5. Propriedades da Unio e da Interseco de acontecimentos..................................................................36 2.2.6. Acontecimentos incompatveis ou mutuamente exclusivos ...................................................................36 2.3. DEFINIES DE PROBABILIDADE .............................................................................................37 2.3.1. Definio clssica de probabilidade ou definio a priori .....................................................................37 2.3.2. Definio frequencista de probabilidade ou definio a posterori........................................................39 2.4. AXIOMTICA DAS PROBABILIDADES (KOLMOGOROV) ...........................................................40 2.5. CONDICIONADA E INDEPENDNCIA .......................................................................................41 2.5.1. Acontecimentos condicionados ..................................................................................................................41 2.5.2. Acontecimentos independentes ...................................................................................................................41 2.5.3. Teorema das probabilidades totais............................................................................................................44 2.5.4. Teorema de Bayes..........................................................................................................................................44 2.6. REVISES SOBRE TCNICAS DE CONTAGEM .............................................................................45

T E O R I A

D A S

P R O B A B I L I D A D E S

Captulo

2
2.Teoria das Probabilidades
2.1. Definies
2.1.1. Experincia aleatria Entende-se por experincia aleatria qualquer aco que possa ser repetida nas mesmas condies, ou em condies semelhantes, que tenha mais do que um resultado possvel e que no se possa prever qual o resultado. Exemplos 2.1: 2.1.1 2.1.2 2.1.3 2.1.4 2.1.5 2.1.6 2.1.7 2.1.8 Lanamento de uma moeda. Lanamento de duas moedas. Lanamento de uma moeda at sair face. Lanamento de um dado. Escolha aleatria de uma pessoa num grupo de 5 pessoas. Fabricar peas at que duas peas perfeitas sejam produzidas e contar o nmero total de peas produzidas. Fabricar uma lmpada. Coloc-la num suporte, acend-la e registar o tempo de funcionamento at fundir. Um termgrafo regista a temperatura continuamente durante um perodo de 24 horas numa determinada localidade. As temperaturas, mnima e mxima so registadas.

30

T E O R I A

D A S

P R O B A B I L I D A D E S

2.1.2. Espao de resultados O espao de resultados de uma experincia aleatria uma representao de todos os resultados possveis dessa experincia aleatria. Em termos de notao vamos representar o espao de resultados pela letra S . Exemplos 2.2: 2.1.1 Lanamento de uma moeda:

S = {cara, coroa}={F, C}
2.1.2 Lanamento de duas moedas:

S ={(F, F), (F, C), (C, F), (C, C)}

2.1.3 Lanamento de uma moeda at sair face:

S ={F, CF, CCF, CCCF, }

2.1.4 Lanamento de um dado:
S = {1, 2, 3, 4, 5, 6}

2.1.5

Escolha aleatria de uma pessoa num grupo de 5 pessoas:

S = {Joo, Sara, Pedro, Lusa, Paulo}

2.1.6 Fabricar peas at que duas peas perfeitas sejam produzidas e contar o nmero total de peas produzidas:

S = {2, 3, 4, 5, ...}
2.1.7 Fabricar um lmpada. Coloc-la num suporte, acend-la e registar o tempo de funcionamento at fundir:

S = {t : t 0}
2.1.8 Um termgrafo regista a temperatura continuamente durante um perodo de 24 horas numa determinada localidade. As temperaturas, mnima e mxima so registadas:

S = {(x, y) : x y}
Se se admitir que a temperatura mnima nessa localidade no poder descer abaixo de um certo valor (m) e a temperatura mxima no poder subir acima de um certo valor (M):

S = {(x, y) : m x y M}

31

T E O R I A

D A S

P R O B A B I L I D A D E S

O nmero de elementos de um espao de resultados (cardinal # de S) pode ser finito Exemplos 1.2.1, 1.2.2, 1.2.4 e 1.2.5, ou infinito, sendo que neste caso pode ainda ser infinito numervel (pode estabelecer-se uma correspondncia biunvoca com o conjunto dos nmeros naturais, i. e, pode enumerar-se) Exemplos 1.2.3 e 1.2.6, ou infinito no numervel Exemplos 1.2.7 e 1.2.8. Quando o nmero de elementos de um espao de resultados finito ou infinito numervel o espao de resultados diz-se discreto. Se o nmero de elementos de um espao de resultados infinito no numervel o espao de resultados diz-se contnuo. 2.1.3. Acontecimento Entende-se por acontecimento, como algo que define uma condio ou propriedade particular, que pode ou no, ser satisfeita pelos resultados possveis da experincia aleatria. A definio do acontecimento est sempre associada a uma experincia aleatria em particular. Em termos de notao os acontecimentos so representados, geralmente, por letras maisculas. Ao acontecimento que constitudo por apenas um resultado chama-se acontecimento elementar. Exemplos 2.3: 2.3.1 Experincia: lanamento de uma moeda Exemplos de acontecimentos:

A = sair cara B = sair coroa C = no sair nem cara nem coroa

2.3.2 Experincia: lanamento de um dado Exemplos de acontecimentos:

A = sair o nmero 2 B = sair o nmero 1 ou o nmero 5 C = sair um nmero par

D = sair um nmero superior a 7
2.3.3 Experincia: escolha aleatria de uma pessoa num grupo de 5. Exemplos de acontecimentos:

32

T E O R I A

D A S

P R O B A B I L I D A D E S

A = escolher uma pessoa loira B = escolher o Joo C = escolher um pessoa com mais de 1.80 m de altura
2.3.4 Experincia: lanamento de uma moeda at sair face. Exemplos de acontecimentos:

A = serem necessrios trs lanamentos B = serem necessrios no mximo trs lanamentos C = serem necessrios pelo menos trs lanamentos

Fala-se na ocorrncia de um acontecimento (ou diz-se que um acontecimento ocorreu) se o resultado da experincia pertence a esse acontecimento. Fala-se na no ocorrncia de um acontecimento (ou diz-se que o acontecimento no ocorreu) se o resultado da experincia no pertence a esse acontecimento. Exemplo 2.4: Se ao realizarmos a experincia do Exemplo 1.3.2 o resultado for a sada da face 2 pode dizer-se que ocorreu o acontecimento A, no ocorreu o acontecimento B, ocorreu acontecimento C e no ocorreu o acontecimento D.

muito importante notar que a mesma definio de acontecimento pode representar acontecimentos diferentes se estivermos a falar de experincias aleatrias diferentes. Exemplo 2.5: O acontecimento A =sair nmero par tem um significado diferente se estivermos a falar da experincia lanamento de um dado ou se estivermos a falar da experincia que consiste em escolher de forma aleatria uma carta de um baralho completo.

33

T E O R I A

D A S

P R O B A B I L I D A D E S

2..2. lgebra dos acontecimentos

2.2.1. Unio de acontecimentos o acontecimento que ocorre se e s se pelo menos um dos acontecimentos ocorrer:

Unio de A com B A B = {x : x A x B}

AB
2.2.2. Interseco de acontecimentos

AB

o acontecimento que ocorre se e s se todos os acontecimentos ocorrerem:

Intersec o de A com B A B = {x : x A x B}

AB

AB =

34

T E O R I A

D A S

P R O B A B I L I D A D E S

2.2.3. Acontecimento contrrio Dado o acontecimento A define-se como acontecimento contrrio de A , o acontecimento A que ocorre se e s se A no ocorrer:

Contrrio de A A = {x : x S x A}

A
2.2.4. Acontecimento diferena Dados dois acontecimentos A e B , define-se o acontecimento diferena A B , como sendo o acontecimento que ocorrer se A ocorrer e B no ocorrer.

A B = A B {x : x A x B}

AB = AB

35

T E O R I A

D A S

P R O B A B I L I D A D E S

2.2.5. Propriedades da Unio e da Interseco de acontecimentos

Propriedade Comutativa Associativa Distributiva Idempotncia Complemento Leis de De Morgan Existncia de elemento neutro Existncia de elemento absorvente

Unio
AB=B A A ( B C ) = ( A B) C A ( B C ) =( A B) ( A C ) AA=A AA =S
________

Interseco
AB = B A A ( B C ) = ( A B) C A ( B C ) =( A B) ( A C ) AA = A AA =
________

AB = A B

AB = A B

A = A

AS = A

AS = S

A=

2.2.6. Acontecimentos incompatveis ou mutuamente exclusivos Dois acontecimentos A e B so incompatveis (ou mutuamente exclusivos) se A B = , ou seja, se A ocorre ento B no ocorre; se B ocorre ento A no ocorre o smbolo , representa o acontecimento impossvel, isto , o acontecimento que no satisfeito por nenhum dos resultados possveis da experincia. Aos acontecimentos que so satisfeitos por qualquer resultado do espao de resultados, damos o nome de acontecimento certo e representamos por S .

36

T E O R I A

D A S

P R O B A B I L I D A D E S

2.3. Definies de probabilidade

2.3.1. Definio clssica de probabilidade ou definio a priori A probabilidade de um certo acontecimento ocorrer, quando o nmero de elementos do espao de resultados finito, igual ao quociente entre o nmero de resultados que satisfazem o acontecimento e o nmero de resultados possveis da experincia.
P( A) = n de resultados favorveis a A n de resultados possveis

(1)

Exemplo 2.6: Considere a experincia aleatria lanamento de uma dado e os acontecimentos referidos no Exemplo 1.3.1:

S = {1, 2, 3, 4 , 5, 6} # S = 6 A ="sair o nmero 2"= {2} # A = 1 P( A ) = #A 1 = #S 6

B ="sair o nmero 1 ou o nmero 5"= {1, 5} # B = 2

P( B ) = #B 2 = #S 6

C =" sair um nmero par"= {2, 4, 6} # C = 3 P( C ) = #C 3 = #S 6

D ="sair um nmero superior a 7"= # D = 0 P( D ) = #D 0 = =0 #S 6

37

T E O R I A

D A S

P R O B A B I L I D A D E S

Se o nmero de elementos do espao de resultados for infinito no numervel, mas puder ser associada uma medida geomtrica m(S) comprimento, rea ou volume, ento a probabilidade de ocorrncia do acontecimento A ser:
P( A) = comprimento de A rea de A volume de A ou P( A) = ou P( A) = comprimento de S rea de S volume de S

Exemplo 2.7: Considere a seguinte experincia aleatria: dois pontos x e y so seleccionados ao acaso na recta real tais que 3 x 0 e 0 y 2. Calcule a probabilidade de que a distncia entre x e y seja inferior a 2. Resoluo:

O espao de resultados (S) so todos os pontos (x, y) do rectngulo O acontecimento (A) so todos os pontos (x, y) tais que d = y x < 2, ou seja, todos os pontos pertencentes ao tringulo y=0 2 2 rea de A 2 P( A) = = 2 = rea de S 3 2 6 limitado pelas rectas y x = 2, x = 0 e

38

T E O R I A

D A S

P R O B A B I L I D A D E S

2.3.2. Definio frequencista de probabilidade ou definio a posterori A definio clssica de probabilidade tem a vantagem de nos proporcionar uma anlise terica consistente sobre as probabilidades (ver seces seguintes). No entanto, a sua aplicao directa um pouco limitativa visto exigir o conhecimento prvio de todos os resultados possveis da experincia aleatria bem como que estes sejam equiprovveis. Numa situao em que tal no possvel utilizamos o conceito de probabilidade frequencista. A probabilidade frequencista obtida atravs do seguinte processo: 1 - Repete-se a experincia n vezes (suficientemente grande). 2 - Dos n resultados obtidos contam-se acontecimento A ( n A resultados) quantos satisfazem o

A probabilidade de A ocorrer numa futura repetio da experincia dada por:

P( A ) =
Exemplo 2.8:

nA = fA n

(2)

Considere a experincia aleatria lanamento de uma dado e os acontecimentos referidos no Exemplo 2.3.1, e que temos motivos para crer que o dado viciado, i. e, que as a sada de cada uma das faces no equiprovvel. Neste caso, para podermos calcular a probabilidade de cada um dos acontecimentos teremos que realizar a experincia um nmero suficiente grande de vezes. Admita-se que se lanou o dado 600 vezes e que se obteve os seguintes resultados:
F ace N m ero de vezes 1 110 2 80 3 90 4 105 5 115 6 100

Como n=600 teremos

A ="sair o nmero 2"= {2} n A = 80

P( A ) = n A 80 = 0,13 n 600

B ="sair o nmero 1 ou o nmero 5"= {1, 5} nB = 110 + 115 = 225

P( B ) =

nB 225 = 0,38 n 600

C =" sair um nmero par"= {2, 4, 6} nC = 80 + 105 + 100 = 285

39

T E O R I A

D A S

P R O B A B I L I D A D E S

P( C ) =

nC 285 = 0,48 n 600

D ="sair um nmero superior a 7" n D = 0 P( D ) = nD 0 = =0 n 600

2.4. Axiomtica das probabilidades (Kolmogorov)

Os axiomas so um conjunto de propriedades que se aceitam como verdadeiras (no necessitam de demonstrao). Axioma 1: P ( A ) 0 , qualquer que seja o acontecimento A . Axioma 2: P( S ) = 1 Axioma 3: Se A , B S e A B = ento P ( A B ) = P ( A ) + P ( B ) Uma consequncia importante da axiomtica que:

0 P( A) 1
Os teoremas que a seguir se apresentam j so propriedades que so susceptveis de demonstrao: Teorema 1: P ( ) = 0 Teorema 2: P ( A ) = 1 P ( A ) Teorema 3: P( A B ) = P( A B ) = P( A ) P ( A B ) Teorema 4: P ( A B ) = P ( A ) + P( B ) P( A B ) Pode tambm demonstrar-se, com base no Teorema 4, que para trs acontecimentos A, B e C:
P( A B C ) = = P( A) + P( B) + P(C ) P( A B) P( A C ) P( B C ) + P( A B C )

Teorema 5: A B P ( A) P ( B )

40

T E O R I A

D A S

P R O B A B I L I D A D E S

De notar que um acontecimento impossvel tem probabilidade zero de ocorrer (Teorema 1), mas, no entanto, existem acontecimentos que tm probabilidade zero de ocorrer e no so acontecimentos impossveis, so os chamados acontecimento raros. De igual forma, os acontecimentos certos tm probabilidade 1 (Axioma 2), mas existem acontecimentos a que atribui probabilidade 1 sem, no entanto, serem acontecimentos certos, so os acontecimentos quase certos.

2.5. Condicionada e independncia

2.5.1. Acontecimentos condicionados Dados dois acontecimentos A e B tais que P ( B ) > 0 , a probabilidade de A ocorrer sabendo que o acontecimento B se realizou calculada por :

P( A B ) =

P( A B ) P( B )

(3)

Da mesma forma no caso de P( A ) > 0 , a probabilidade de B ocorrer sabendo que o acontecimento A se realizou calculada por :

P( B A ) =

P( A B ) P( A )

(4)

2.5.2. Acontecimentos independentes Dois acontecimentos so independentes se:

P ( A B ) = P( A ) ou P( B A ) = P ( B )

(5)

ou ainda, atravs de (35) e de (36) podemos concluir que se A e B so dois acontecimentos independentes ento:

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

(6)

Se A e B so acontecimentos independentes ento podemos afirmar que tambm so acontecimentos independentes: 1. 2. 3.

AeB A eB A eB

41

T E O R I A

D A S

P R O B A B I L I D A D E S

Exemplo 2.9: Considere-se a experincia aleatria que consiste em retirar, ao acaso, uma pea de um conjunto de 10.000 peas das quais uma defeituosa. Definam-se os acontecimentos:

A =a pea tirada defeituosa B =a pea tirada no defeituosa

Ento

P( A ) = P( B ) =

1 0 A um acontecime nto raro 10000

9999 1 B um acontecime nto quase certo 10000

Exemplo 2.10: O Fernando desloca-se para o trabalho utilizando como meio de transporte o comboio. Ao longo dos anos o Fernando reparou que quando apanha o comboio usual, o das 7:55, 10% das vezes chega atrasado. A linha a que o Fernando pertence (a linha da Azambuja) uma linha com alguns problemas e os comboios avariam com alguma frequncia. Estima-se que a probabilidade de um certo comboio avariar de 1% . Temos ento dois acontecimentos: A = O Fernando chegar atrasado quando apanha o comboio das 7:55

B = O comboio do Fernando avariar

Com as seguintes probabilidades:

P ( A ) = 0.1 e P ( B ) = 0.01 .
Suponhamos que o Fernando se encontra dentro do comboio das 7:55 e este avariou a meio do trajecto. Que consequncias para a probabilidade do acontecimento A ? Resposta: Nesta situao temos uma informao adicional que o facto de sabermos que o acontecimento B ocorreu. Portanto temos um acontecimento novo que :

42

T E O R I A

D A S

P R O B A B I L I D A D E S

A B = O Fernando chegar atrasado quando apanha o comboio das 7:55 sabendo

que este avariou Como lgico a probabilidade de A B com certeza superior probabilidade de A. Podemos ento concluir que o acontecimento B influencia o acontecimento A pelo que estes no so acontecimentos independentes.

Exemplo 2.11: Neste exemplo vamos verificar a lgica da frmula (35) que permite calcular probabilidades de acontecimentos condicionados: Consideremos a experincia aleatria que consiste no lanamento de um dado equilibrado. Definamos os seguintes acontecimentos: A = sair nmero maior que 3={4, 5, 6}

P( A ) = 1 2

1 2

B = sair nmero par={2, 4, 6}

P( B ) =

Suponhamos que o dado lanado e algum v o resultado, mas no o revela. Apenas nos informa que o resultado um nmero par. Qual agora a probabilidade de ocorrer o acontecimento A ? Resposta: Neste momento temos a informao adicional de que o acontecimento B ocorreu. Queremos calcular a probabilidade de A ocorrer sabendo que B ocorreu, ou seja P ( A B ) . Como sabemos que B ocorreu os resultados possveis passaram a ser {2,4 ,6} . Como queremos saber a probabilidade de A os resultados favorveis so {4,6} . Logo, P ( A B ) =

2 . 3

Se utilizarmos a frmula (4) obtemos, necessariamente o mesmo resultado:

P( A B ) 2 6 2 P( A B ) = = = . 3 P( B ) 3 6
Desenvolvendo a equao (35) e a equao (36) obtemos a seguinte frmula que nos permite calcular a probabilidade de interseco de dois acontecimentos:

P( A B ) = P( A B ) P( B ) = P( B A ) P( A )
43

(7)

T E O R I A

D A S

P R O B A B I L I D A D E S

2.5.3. Teorema das probabilidades totais Consideremos o seguinte conjunto de acontecimentos, A1 , A 2 ,..., An num espao de resultados. Este conjunto define uma partio do espao de resultados se:

A1 A 2 ... An = S Ai A j = , i , j com i j P ( Ai ) > 0 , i

A1 A2 S

....

An

Seja B um outro acontecimento definido no mesmo espao de resultados. Se soubermos a probabilidade de B ocorrer dado que ocorreu cada um dos A i , podemos calcular a probabilidade total de B ocorrer:

P ( B ) = P ( Ai B ) = P ( Ai ) P ( B A i )
i =1 i =1

(8)

2.5.4. Teorema de Bayes Se A1 , A 2 ,..., An , uma partio de S com P ( Ai ) > 0, i = 1,2,..., n , ento:

P( A j B ) =

P( A j ) P ( B A j )
i =1

P( Ai ) P( B Ai )

com j = 1, 2, ...., n

(9)

44

T E O R I A

D A S

P R O B A B I L I D A D E S

2.6. Revises sobre tcnicas de contagem

Admitindo a equiprobabilidade dos acontecimentos elementares o clculo da probabilidade de um acontecimento A, resume-se contagem do nmero de casos possveis associados experincia aleatria e do nmero de casos favorveis ocorrncia desse acontecimento A. Existem duas regras bsicas de contagem: Regra da adio: se um acontecimento A puder ocorrer de m maneiras distintas e um acontecimento B puder ocorrer de n maneiras distintas, e os acontecimentos A e B no puderem ocorrer simultaneamente, ento o acontecimento A ou B pode ocorrer de m+n maneiras. se um acontecimento A puder ocorrer de m maneiras distintas e um acontecimento B puder ocorrer de n maneiras distintas, ento o acontecimento A e B pode ocorrer de m n maneiras.

Regra da multiplicao:

Relativamente amostragem, importa definir dois conceitos bsicos: ordenao e reposio/repetio: Uma amostra diz-se ordenada se se considera relevante a ordem pela qual os elementos esto dispostos. Caso contrrio, diz-se no ordenada. Uma amostra retirada sem reposio quando cada elemento do conjunto apenas puder fazer parte da amostra somente uma vez. Se no h limite ao nmero de vezes que cada elemento pode entrar na amostra, a amostra diz-se com reposio. Em sntese:
REPOSIO/REP. ORDEM Ordenados ARRANJOS No ordenados COMBINAES Sem reposio/repetio Simples Com reposio/repetio Completos

Arn =

n! ( n r )!

n = n r r rn = n + r 1 r
produto dos

n! n C rn = r = r !( n r )!

Relembre-se que n ! (l-se n factorial) n ! = n ( n 1 ) ... 2 1 primeiros n inteiros) e que 0! = 1 Exemplo 2.12:

45

T E O R I A

D A S

P R O B A B I L I D A D E S

Consideremos o conjunto {a,b,c,d}. Quantas amostras de dimenso 1 (com 1 elemento) se podem fazer ? Resposta: Pretende-se saber quantas amostras de dimenso 1 (r=1) podem existir a partir de um conjunto que tem 4 elementos (n=4) e que so necessariamente 4: {{a}, {b}, {c}, {d}} Recorrendo anlise combinatria teremos com n=4 e r=1:

4 4 4 A1 = 1 = 1 = 14 = 4
Podendo concluir-se que no caso da amostra ter apenas um elemento irrelevante falar em ordenao e reposio.

Exemplo 2.13: Consideremos o mesmo conjunto {a, b, c, d}. Quantas amostras de dimenso 2 se podem fazer ? Resposta: Neste caso como a amostra tem dimenso 2 (r=2) j relevante saber se ordenada ou no e se existe ou no reposio. Temos, assim, quatro situaes: 1. Ordenadas e sem reposio arranjos simples:
4 A2 =

4! = 4 3 = 12 2!

{(a,b),(b,a),(a,c),(c,a),(a,d),(d,a),(b,c),(c,b),(b,d),(d,b),(c,d),(d,c)} 2. Ordenadas e sem reposio arranjos completos:

4 = 4 2 = 4 4 = 16 2
{(a,b),(b,a),(a,c),(c,a),(a,d),(d,a),(b,c),(c,b),(b,d),(d,b),(c,d),(d,c), (a,a),(b,b),(c,c),(d,d)} 3. No ordenadas e com reposio combinaes simples:

4 = 4! = 4 3 = 6 2 2! 2! 2
{(a,b),(a,c),(a,d),(b,c),(b,d),(c,d)}

4. No ordenadas e com sem reposio combinaes completas:

46

T E O R I A

D A S

P R O B A B I L I D A D E S

4 2 =

4 + 2 1 5 = 2 = 10 2

{(a,b),(a,c),(a,d),(b,c),(b,d),(c,d),(a,a),(b,b),(c,c),(d,d)}

Algumas vezes, estamos apenas interessados em saber de quantas maneiras podemos ordenar um conjunto que tem n elementos diferentes. Tal situao o que se costuma designar por permutaes de n elementos:

Pn = n!
Note-se que as permutaes se podem considerar como um caso particular dos arranjos simples quando r = n :
n An =

n! n! = = n! ( n n )! 0!

Exemplo 2.14: De quantas maneiras podemos ordenar os elementos do conjunto {a, b, c} ? Resposta: Como n = 3, e os elementos so todos diferentes, termos P3 = 3! = 6 {(a b c),(a c b),(b a c),(b c a),(c a b),(c b a)}

Se os n elementos no forem todos diferentes, o nmero de ordenaes obviamente inferior a n! so as chamadas permutaes com repetio. Assim, se nos n elementos temos n1 iguais entre si, n2 iguais entre si e diferentes dos n1, ..., nr iguais entre si e diferentes dos n1, n2, ..., nr-1 e n1+n2+...+nr =n, o nmero de ordenaes possveis :

n! n Pn ; n 1 , n 2 , ...., n r = n , n , ..., n = r n1 ! n 2 ! ... n r ! 1 2

47

T E O R I A

D A S

P R O B A B I L I D A D E S

Exemplo 2.15: De quantas maneiras podemos ordenar os elementos do conjunto {a, a, b} ? Resposta: Como n = 3 e os elementos no so todos diferentes pois temos n1 = 2 (existem 2 3! a) e n2 = 1 (existe apenas 1 b) teremos P3;2,1 = =3 2! 1! {(a a b),(a b a),(b a a)}

48