Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
.1.
SEBASTIAo
E SILVA
2.° tomo
1.° volume Capítulo VII
Curso Complementar do Ensino Secundário
Edicão G EP o
LI SBO A
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
CAPITULO
INTRODUçAO
A
VII
ESTATrSTICA
E AO CALCULO DAS PROBABILIDADES
1.
L6gica de atributos e 16gica de conjuntos.
que toda a propriedade (ou atributo) num dado universo
Já vimos
U define
um conjunto, que é o conjunto de todos os indivlduos que têm essa
propriedade. Por exemplo, seja U o conjunto dos portugueses existentes numa dada época e sejam e, c, s, r, a, m, p, b, respectivamente, os atributos estudante, casado, solteiro, ruivo, algarvio, menor de 25 anos, poeta, com bigode. Cada um destes atributos define, no universo U, um conjunto; designemos, respectivamente, por E, C, S, R, A, M, P, B os conjuntos assim definidos. Deste modo, E é o conjunto
dos estudantes portugueses, C o conjunto dos portugueses casados, etc. na referida época ('). Também vimos como as operações lógicas de conjunção, dis-
junção e negação sobre atributos se traduzem, respectivamente, nas
( ') Alguns destes conjuntos, como por exemplo ·R, não estão na realidade definidos. Tratando-se dum inquérito estatfstico, relativo a indivlduos ruivos, haverá casol de dúvida, em que o autor do inquérito pode incluir um dado individuo no conjunto R ou no leu complementar, de modo mais ou mtlnos arbitrário.
197
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
operações lógicas de intersecção, reunião e complementação sobre conjuntos. Trata-se, apenas, de duas linguagens ou pontos de vista equivalentes: o ponto de vista da compreensão (relativo a atributos) e o ponto de vista da extensão (relativo a conjuntos). Assim, tornando ao exemplo anterior, sabemos que os referidos atributos se podem associar entre si de diferentes modos por meio das operações lógicas fundamentais, dando lugar a novos atributos. Por exemplo os atributos
e/\c , eVm
,
,."s, e/\,."s , e/\a/\m , pVb , ,."p/\,."b,
que, em linguagem comum, se traduzem pelas expressões 'estudante casado', 'estudante ou menor de 25 anos', 'não solteiro', 'estudante não solteiro', 'estudante algarvio, menor de 25 anos', 'poeta ou com bigode', 'não poeta e sem bigode', definem respectivamente os conjuntos
EnC , EuM ,
C5 , EnC5
, EnAnM , PuB , Cpn
CB
que o aluno facilmente pode identificar (convém recorrer a diagramas de Venn). Também vimos que a implicação entre atributos se traduz na inclusão entre conjuntos. Por exemplo, no universo considerado, o atributo c implica o atributo ,."s (não lhe sendo, contudo, equivalente); por isso, o conjunto C está contido no conjunto C5. Assim, a implicação c ~ ,."s traduz-se na inclusão C c: C5. Por sua vez, a equivalência entre atributos traduz-se na identidade entre conjuntos. Por exemplo:
'",,(pV b)
198
<:>
-p /\,.., b' traduz-se por 'C(PUB) - CpnCB'
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPENDIO DE MATEMÁTIOA
Finalmente, vimos que, deste modo, a um atributo universal corresponde o universo e a um atributo imposslvel corresponde o
conjunto vazio; e que dois atributos incompatlveis definem dois conjuntos disjuntos. Por exemplo, o atributo s V -s é universal (portanto suCS=U), o atributo c /\ sé impossrvel (ou seja Cf') S = 0), os atributos c, s são incompatíveis (ou seja, os conjuntos C e S são disjuntos), etc.
2. Terminologia e notações. Daqui por diante será c6modo chamar 'produto lógico' quer à conjunção (de atributos) quer à intersecção (de conjuntos), 'soma lógica' quer à disjunção (de atributos) quer à reunião (de conjuntos) e 'contrário' quer à negação (de atributos) quer ao complementar (de conjuntos). Ao mesmo tempo, dados dois atributos rx, rx~,
~
ou dois conjuntos A, B, designaremos por
AB, rx +~, A + B, IX, Ã ( ')
respectivamente, os produtos lógicos de rx por
~
e de A por B, as somas
lógicas de rx com ~ e de A com B, e os contrários de rx e de A (o símbolo IX pode ler-se 'não rx' e a expressão rx + ler-se' rx ou
~
pode continuar a
W).
Tornando ao exemplo do número anterior será fácil, agora, reconhecer os significados das expressões ec,
EC,
e + m,
5, e 5,
E + M, S, ES,
P fi E A M, P + B, PB e a m,
p + b,
Se convencionarmos considerar como idênticos dois atributos quando são equivalentes, é manifesto que o conjunto dos atributos
(') O autor representa. aqui.
CA por à -
(N. do E.).
199
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
-J. SEBASTIAO E SILVA
definidos num dado universoU é uma álgebra de Boble isomorfa
à álgebra dos subconjuntos dê U. Designaremos, neste caso, por 1 o atributo universal e por (O o atributo impossível. .
3. Frequência absoluta de um atributo numa população. Em vez de 'universo' usa-se, muitas vezes, em estatística o termo 'população', com significado idêntico. Assim, um conjunto de pessoas, um conjunto de árvores, um conjunto de livros, um conjunto de lâmpadas eléctricas, etc., etc. podem ser tomados como populações (ou universos) em diversas situações.
Chama-se frequênciaabsoluta dum atributo ex numa população finita U o número de indivlduos que possuem o atributo ex (ou seja o número de elementos do conjunto A definido por ex em U). DEFINiÇÃO.
Assim, frequência absoluta do atributo éo mesmo que cardinal
do conjunto A correspondente - número que convencionámos representar pela notação A. Representaremos pela notação ~(ex) a fre-
*
quência absoluta de ex.
J:
claro que se tem:
O ~ ~ (ex) ~
*
U
Tornando ao exemplo do n.O 1 vemos que
~(e) .
é a frequência
absoluta do atributo estudante na população dos portugueses da referida época, isto é, · o número total de estudantes portugueses
existentes nessa época. Atendendo às considerações dos dois números anteriores, bem como ao que foi estabelecido no Capo111, n.O 2, (pág. 137, 1.° tomo), vemos que
200
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP~NDIO
Se dois atributos
DE MATEMÁTICA
~
são incompatlveis, a frequência absoluta do atribulo IX+~ é igual à soma das frequências absolutas dos atributos IX, ~ na população considerada; isto é, em fórmula
C»{IX
+
~) =
IX,
c» (IX) +
Com efeito, se
c»(~),
IX, ~,
se
IX, ~
são incompatlveis
são incompatíveis, os conjuntos A, B
correspondentes são disjuntos e, então, a frequência absoluta de IX +
~
(ou seja o número de elementos de A + B) é a soma
das frequências absolutas de
IX
e de
~
(ou seja a soma dos car-
dinais de A e B). ~ claro que a propriedade anterior se estende a um número qual-
quer (finito) de atributos, incompatíveis entre si dois a dois. Se os atributos IX, [3, não são necessariamente incompatíveis, tem-se a seguinte propriedade que resulta do estabelecido no Capo 111, n.O 12 (pág. 157, 1.° tomo):
c» ( IX +
~) = c» ( IX) + c»(~) -
c» (
IX~)
I
Assim, tornando ao exemplo do número I, vê-se que ~(e
+ s)
= c»(e)
+ c»(s) - c»(e s)
isto é: a frequência absoluta do atributo estudante ou solteiro, no universo dos portugueses, é a soma das frequências absolutas do atributo estudante e do atributo solteiro, menos a frequência do atributo estudante solteiro, no referido universo. No caso geral, de n atributos quaisquer a 1, ... ,an, num universo U, tem-se um novo aspecto da FORMULA DE DANIEL DA SILVA (pég. 159,1.° tomo), com atributos no lugar de conjuntos.
201
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. BEBABTIAO E BILVA
EXERCrCIO. Sendo ex um atributo qualquer numa população finita U, indique condições equivalentes às seguintes: 1) <P( ex) =0, 2) <p(ex)
= ""
U.
4. Frequência relativa. Chama-se trequência relativa dum atributo ex numa população finita U ao quociente da frequência absoluta de ex pelo número de elementos de U. Designaremos por fr( ex) a frequência relativa de ex. Então, se for v = <p( ex) e n = "" U, será, por definição: fr(ex)
=-
v
n
Por exemplo, sabe-se que, numa cidade com 23 528 habitantes, 9253 desses pertencem ao sexo masculino e os restantes 14275 ao sexo feminino. Os dois últimos números são, pois, as frequências absolutas do sexo masculino e do sexo feminino na referida população. As frequências relativas dos mesmos atributos serão, com apro-
ximação até às centésimas: 9253 23528
~
0,39 ,
14275 23 528
~ 0,61
Também podemos dizer, neste caso, que a frequência relativa do primeiro atributo é de 39 % e a do segundo é de 61 %. Dum modo geral, se for
v
a frequência absoluta dum atributo num
universo finito U e n o cardinal de U, a trequência relativa de ex em
percentagem, neste universo, será: fr( ex)
100v
= - -n- %
Vejamos um outro exemplo. Num dado pais, com 8438250 habitantes, 82 % dos habitantes têm cabelos castanhos ou pretos, 14 %
202
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMPeNDIO DE MATEMÁTICA
têm os cabelos louros e 4 % têm os cabelos ruivos. Serão, pois, 0,82, 0,14 e 0,04 as frequências relativas dos referidos atributos, até às centésimas. As respectivas frequências absolutas serão: 0,82 x 8432 250
~
6900000 (castanhos ou pretos)
0,14 x 8432 250
~
1 200000 (louros)
0,04 x 8432 250
~
300000
(ruivos)
Assim, da definição resulta que é sempre:
tendo-se fr(lX)
= O sse
IX
é impossivel e fr(lX)
=1
sse
IX
é universal.
Do estabelecido no número anterior resulta o seguinte: Se IX+~
IX
e
~
são atributos incompatlveis, a frequência relativa de
é igual à soma das frequências relativas de
IX
e
~:
isto é, em
fórmula:
fr( IX +
~)
= fr( IX) + fr(~),
Com efeito, pondo
se
IX, ~
são incompativeis.
* U = n, vem (justifique):
Se IX, ~ não são necessariamente incompativeis, tem-se a fórmula mais geral (justifique):
203
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
No caso geral de 'n atributos quàisquer num universo finito, tem-se um novo aspecto da FÚRMULA DE DANIEL DA SILVA Da propriedade anterior deduz-se o ·seguinte corolário: A frequência relativa do atributo contrário de ex é1 - fr (ex).
Em fórmula: fr(ii)
=1 -
fr(ex)
Vamos ilustrar as considerações anteriores com um exemplo usual. Suponhamos que num dado exame se apresentaram 189 alunos e que os resultados foram os que constam da seguinte tabela: Tabela 1 Classificações
N.o de alunos
O
O
1 2 3 4 5 6 7 8 9 10
O O O 2 1 5 11 7
O
Classificações
N.o de alunos
11 12 13 14 15 16 17 18 19 20
45 28 17 9 12 7 5 2 1 O
37
Assim, nesta prova, a frequência absoluta da classificação 3 foi O; a frequência absoluta da classificação 10 foi 37, etc. As frequências
204
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP/tNDIO DE MATEMATICA
relativas das classificações, em percentagens, são as que constam da seguinte tabela: Tabela 2 Classificações
Percentagem
Classificações
Percentagem
O 1 2 3 4 5 6 7 8 9
0,0 0,0 0,0 0,0 1,1 0,5 2,6 5,8 3,7 0,0
10 11 12 13 14 15 16 17 18 19 20
19,6 23,8 14,8 9,0 4.8 6,3 3,8 2,6 1,1 0,5 0,0
Designemos por m, M, S, b, B, A, R, respectivamente, os atributos medlocre, mau, suficiente, bom, muito bom, aprovado, reprovado. Como habitualmente, chama-se 'suficiente' à soma lógica dos atributos correspondentes às classificações 10, 11, 12, 13, 'bom' à soma lógica dos atributos correspondentes a 14, 15, 16, 17, etc Por outro lado: R=M
+ m, A = S + b + B
Visto que as diferentes classificações são incompatfveis entre si, tem-se: fr(S) fr(b)
= 0,196 + 0,238 + 0,148 + 0,090 = 0,672 = 0,048 + 0,063 + 0,038 + 0,026 = 0,175
fr(B) = 0,011 + 0,005 = 0,016
205
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTlÁO E SILVA
Por sua vez, como os atributos S, b, B também são incompatíveis entre si, vem: fr(A) = 0,672 + 0,175 + 0,016 = 0,863 Finalmente, como R é o atributo contrário de A, vem: fr(R) = 1 - 0,863 = 0,137
5. Frequência relativa do produto lógico. Primeiro exemplo de probabilidade. Quando se pretende averiguar em que medida dois atributos ou dois fenómenos estão ligados entre si, numa dada população ou num dado tipo de experiências, o que há a fazer é um inquérito estatístico, de que vamos indicar os passos prelimi nares. Suponhamos, por exemplo, que se trata de saber se, entre pessoas, a miopia está de qualquer modo associada com o facto de ter olhos azuis. O que desde logo ocorre é indagar, numa população tão numerosa e variada quanto posslvel, quais as percentagens de míopes:
1.o entre os indivlduos com olhos azuis:
2. o na população total. Se estas duas percentagens são sensivelmente iguais, há razões para pensar que os atributos 'míope' e 'com olhos azuis' são independentes; se as duas percentagens se afastam consideravelmente uma da outra, seremos inclinados a admitir que os dois atributos estão associados ou correlacionados: em sentido positivo, se a primeira percentagem é maior que a segunda, em sentido negativo no caso oposto. Analogamente se procederia para averiguar, por exemplo, se o fumar está ou não ligado com o ter cancro dos pulmões, se um
206
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPENDIO DE MATEMÁTICA
insecticida é ou não eficaz no tratamento de certas plantas, etc. Nestes exemplos, começa a desenhar-se a hipótese duma relação causa-efeito entre os fenómenos considerados. As considerações precedentes podem ser teorizadas do seguinte modo: sejam rx, ~, dois atributos num universo finito U constituído por n indivíduos. Para indicar as frequências dos atributos rx~, rx~, etc. podemos fazer uso duma tabela de duas entradas do seguinte tipo (chamada tabela de contingência):
~
~
Total
rx
<lI(rx ~)
<lI(rx ~)
<lI(rx)
I:J.
-
<lI(.i ~)
<lI(.i ~)
<li (.i)
Total
<lI(~)
<lI(~)
n
Por exemplo, se rx e ~ são, respectivamente, os atributos 'míope' e 'com olhos azuis', então rx~ é o atributo 'míope com olhos azuis', <lI{rx~) é o número de indivíduos míopes com olhos não azuis (no universo U), etc. Neste caso, a frequência relativa do atributo 'míope' entre indivíduos com olhos azuis será: <lI(rx~)
<lI(~)'
supondo <lI(~) =P O
207
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Chamar-Ihe-emos frequência relativa de ex. se
~
(isto é, fre-
quência relativa de ex. na hipótese de ~ se verificar) e representá-Ia-emos por
fr(ex. I ~),
quaisquer que sejam os atributos ex. e
~.
Será,
pois. por definição: (1 )
Por sua vez, a frequência relativa do atributo 'ex. (no universo considerado) será: fr (ex.)
= ~(ex.) n
Ora, segundo as considerações precedentes, os atributos ex. e ~ serão chamados independentes (em U), sse
(2) ou, o que é equivalente, sse
o que pode escrever-se de maneira mais simétrica:
(3)
Assim, qualquer das fórmulas (2) e (3) exprime que os atributos ex. e ~ são independentes. Dividindo ambos os membros de (3) por n vem:
- -- . - n
208
n
/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMP~NDIO
DE MATEMÁTICA
ou seja: fr(IX~) =
fr(lX) . fr(~),
o que é uma nova forma de exprimir a independência dos atributos ot e ~. Assim, teremos:
fr(IX~) =
(4)
fr(lX) • fr(~), sse IX e (3 são independentes
isto é: a frequência relativa do produto lógico ot~ é o produto dtJs frequ6ncias relativas de IX e de ~, sse estes atributos são independentes (pela própria definição de 'atributos independentes'). Notemos, agora, que a fórmula (1) se pode escrever ~(IX~) = ~(~) • fr(otl~)
ou seja, dividindo ambos os membros por n: fr(IX~) = fr(~)
• fr(IXI(3)
t: claro que podemos trocar os papéis de IX e de
(5)
~:
fr(ot(3) = fr(lX) • fr(~lot)
isto é: quaisquer que sejam os atributos IX e ~, a frequência relativa de IX ~ é o produto de frequOncia relativa de IX pela frequêncilJ relativa de (3 se ot (por definição de 'frequência relativa de ~ se IX'). A fórmula (4) 6, evidentemente, um caso particular de (5), pois que fr(~IIX) = fr(~), 88e IX e ~ são independentes.
209 eM 0-14
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
t:
claro que, na prática, só por coincidência se tem exactamente
fr(~lcx) = fr(~)
ou, o que é equivalente: ~(ex~) =
o
~(cx)
• ~(~) --n
segundo membro desta igualdade representa-se por
~o(a~):
e chama-se valor de independência ou valor esperado de ~(ex~) (isto é, valor esperado na hip6tese de ex e ~ serem independentes). Quase sempre o valor esperado é diferente do valor observado (ou valor real), ~(ex~), e a diferença
é chamada desvio ou discrepância (entre o valor observado e o valor esperado). Se o desv io 8 é relativamente pequeno (ou insignificante), podemos atribui-lo ao acaso e dizer que os atributos ex e ~ são independentes, do ponto de vista da estatlstica. Se o desvio é relativamente grande (ou significante), já não é atribuivel ao acaso e diremos que os atributos ex e ~ estão associados (na população U). Quanto ao significado das expressões 'relativamente pequeno', 'relativamente grande', 'acaso', etc., só mais tarde e progressivamente poderão ir sendo esclarecidos. Note-se que, em particular, se pode ter fr(exl~)
=1
ou seja
~(cx~)
= ~(~)
Por exemplo, se ot e ~ são os atributos 'míope' e 'com olhos azuis' isto quereria dizer que o número de individuos mlopes com olhos azuis é igual ao número de indivlduos com olhos azuis e que, por/
210
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP~NDIO
DE MATEMÁTICA
tanto, todos os indivlduos com olhos azuis são mlopes (isto é, que o atributo ~ implica o atributo ot). Dum modo geral tem-se, quaisquer que sejam os atributos ot e ~:
Ifr(otl~)
= 1
sse [3=> ot
(Demonstre, considerando conjuntos em vez de atributos e atendendo à propriedade característica dos conjuntos finitos considerada no Capo 111). Diz-se que ot e ~ estão completamente associados sse ot => [3 ou [3 => ot, isto é sse fr{[3lot) = 1 V fr(otl[3) = 1 . • Um outro caso particular é aquele em que fr(otl~) =
O ou seja
~(ot~) =
O [supomos ~(~) =F O]
Isto significa manifestamente, que ot e [3 são incompatíveis ou, o que é equivalente, que ot => ~ ou ainda que [3 => ~ (no exemplo concreto considerado: 'nenhum indivíduo míope tem olhos azuis' ou 'nenhum indivíduo com olhos azuis é míope'). Diz-se que ot e [3 estão completamente dissociados sse são incompatíveis os atributos ot e [3 ou os atributos ~ e ~, isto é, sse ~(ot (3) = O V~(~ ~) = O. Facilmente se reconhece que:
Os atributos ot e ~ estão completamente dissociados, sse os atributos ot e ~ estão completamente associados. É claro que neste enunciado os papéis de ot e [3 podem ser
trocados. EXEMPLO. Imaginemos uma experiência destinada a avaliar em que medida a inoculação de certa vacina imuniza contra a cólera. Suponhamos que os resultados obtidos são os que constam da tabela 3.
211
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIAO E SILVA
Tabela 3 Não atacados
Atacados
Total
Inoculados Não inoculados
276
3
279
473
66
539
Total
749
69
818
Sejam ex e (3, respectivamente, os atributos 'inoculado' e 'não atacado'. Então:
(fr) «(3la)
=
fr «(3) =
<II{a (3) <II(a) -
<II~)
=
276 279
~ 0,99
~~: ~
0,88
Neste caso, há uma diferença apreciável entre as duas frequências calculadas, indicativa de uma associação positiva entre os referidos atributos; e, como fr«(3lex) se aproxima bastante de 1, ao contrário de fr(exl(3) (~ 0,34), vemos que a referida associação se dá no sentido ex => (3. São, também, elucidativas as seguintes indicações: 1)
Percentagem de inoculados que foram atacados: 1 %
2)
Percentagem de não inoculados que foram atacados: 12 %
Parece, pois, concluir-se daqui que, embora a referida vacina não imunize em absoluto, confere no entanto uma imunidade relativa bastante apreciável, contra a cólera. Se várias outras experiências, em condições análogas, conduzirem a um resultado sensivelmente igual a este quanto a fr(exl(3), seremos /
212
/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMPENDIO DE MATEMATIOA
levados a dizer, por indução, que a vacina imuniza em 99 % dos casos. Exprimiremos também este facto dizendo que a probabilidade de ficar imunizado é 99 % (ou 0,99) e que, portanto, a problJbilidade de não ficar imunizado é 1 % (ou 0,01).
NOTA IMPORTANTE.
A implicação
IX
=> [3 deduzida de vários inquéritos
estatlsticos. com uma certa probabilidade. nem sempre pode ser interpretada como relação de causa-efeito. Suponhamos. por exemplo. que a frequência relativa de indivlduos calvos nas duas primeiras filas dos teatros se aproxima de 1 mais do que nas restantes filas. !: óbvio que tal observação nunca poderia ser interpretada deste modo:
o
facto de uma pessoa se sentar numa das duas primeiras filas dtl um teatro pode produzir-lhe s cslvlcie. Um dos problemas da estatlstica será, pois. o de estabelecer critérios que permitam distinguir entre implicações de causalidade e outras que o não são.
5. Coeficiente de associação·. Sejam ainda IX e ~ dois atributos definidos num universo finito U. Já vimos que se chama desvio (ou discrepância) à diferença 8 = cl>{IX~) _ cl>(IX) • cl>(~)
n entre o valor observado e o valor de independência de cl>(1X ~). Mais tarde estudaremos um teste estatfstico que nos habilita em certos casos a decidir, com maior ou menor segurança, se tal desvio não é devido ao acaso (1).
( ') Aqui, 'segurança' significa 'probabilidade de não errar'. Por enquanto. tamos de nos contentar com o significado intuitivo de tais expressões, que irá sendo progressivamente esclarecido.
213
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
a
Vamos, agora, substituir o desvio por um desvio relativo, que nos dá melhor ideia do grau de associação dos atributos oc, ~. Tal é, por exemplo, o número Q dado pela fórmula:
(1 )
ou seja:
(2)
e
~.
Este é chamado, precisamente, o coeficiente de associação de oc Notemos que se tem (justifique):
Visto que as quatro parcelas são atributos incompatíveis entre si, daqui se deduz: (3) Por outro lado: (Porquê?)
Donde:
(4)
cr>(oc) = cr>(oc~) + cr> (oc ~),
c]) (~) = c])(oc~) + cr>(êt~)
(') Lembremos que se designa por 1 o atributo universal e por (O o atributo imposslvel (ver n.O 2).
214
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
aOMPI$NDIO DE MATEMATIOA
Finalmente, substituindo em (2) as expressões de n, ~«(X) e Cll(~) dadas por (3) e (4), e simplificando, vem: Cll( (X ~) Cll(éi ~) - Cll( (X ~) Cll (éi ~)
(5)
Q
= Cll( ~) Cll(éi ~) + Cll( (X.~).Cll (éi ~) (X
É fácil ver que se tem sempre:
-1
~ Q~
1
Posto isto, há a distinguir três casos notáveis:
1.° Tem-se
Q
= O, sse
(X
e
~
são independentes. Para o reco-
nhecer, basta atender a (1) e lembrar que IX e por definição, sse ~ = O.
2.° Tem-se Q = - 1, sse IX e
~
~
são independentes,
estão completamente dissociados.
Com efeito, se IX e ~ estão completamente dissociados, tem-se por definição Cll(IX~) = O V
4l (ii~) = O
o que implica Q = - 1. Reciprocamente, é fácil ver que, se Q será necessariamente Cll(IX~) 4l (ii~) Cll(IX~) = O V Cll(éi~)
x-v
- =x+y 3.° Tem-se
Q
= O.
1 <=> x
= 1, sse
=O
=-
1,
e, portanto:
Basta lembrar que em IR:
= O,
se x + y =f. O
IX e ~ estão completamente associados.
Este caso reduz-se ao anterior, lembrando que IX e ~ estão completamente associados, sse IX e ~ estão completamente dissociados.
215
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. BI!JBABTIAO I!J BILVA
Finalmente demonstraremos o seguinte TEOREMA: Se (Ot, ~) é um par de atributos independentes, também (ex, ~) (Ot, ~) e (ex~) são pares de atributos independentes. Com efeito, como vimos, se Ot e f3 são independentes, tem-se Q"" O. EntEio, por exemplo, o coeficiente de associação de ex e ~ será:
~ (iX ~) ~ (Ot ~) - ~(iX~) ~ (Ot ~) Q = ~ (ex ~) ~ (Ot~) + ~(ii~) ~ (Ot~) ,
e, portanto, ii e restantes casos.
~
=-
Q
=O
são independentes. Analogamente se procede nos
6. Extensio dos conceitos do n.O 4 a mais de dois atributos. Consideremos três atributos Ot, ~, Y num universo finito U. Por exemplo, Ot, ~, Y podem ser, respectivamente, os atributos 'fumador', 'alcoólico', 'com úlcera gástrica ou duodenal', num conjunto de pessoas. Visto que
tem-se, aplicando a fórmula (5) do n.O 4: fr(Ot ~ y) = fr(Ot ~) • fr(yIOt~) e, como
fr(Ot~)
= fr(Ot) • fr(~ I Ot), vem, finalmente:
t: claro que nesta fórmula
as letras Ot, ~, Y podem ser permutadas de todos os modos posslveis, visto que Ot, ~, Y são atributos
quaisquer. 216
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1!1NDlO DE MATEMATlOA
Em particular, se for fr(~loc)
(1 )
= fr(~)
e fr(yloc~)
= fr(y),
virá:
(2)
fr(oc
~y)
= fr(oc). fr(~). fr(y)
Diz-se que três atributos oc, ~, y são independentes (no universo U), sse verificam não s6 as condições (1), mas ainda as que se deduzem dessas, substituindo um ou mais dos atributos oc, ~, y pelos seus contrários, como por exemplo ( 1) " DEFINiÇÃO.
fr(yloc~) = fr(y),
fr(yloc~) = fr(y), etc.
Desde logo se vê que esta definição equivale à seguinte proposição:
Os atributos oc, ~, y, são independentes, sse, além da condição (2), verificam as condições tais como fr(oc~y) = fr(oc) • fr(~) • fr(y), fr(oc~y) =
frei) • fr(~) • fr(y), etc.
que se deduzem de (2) substituindo um ou mais dos atributos oc, pelos respectivos contrários.
~,
y
Isto mostra imediatamente que a relação ternária assim definida
entre atributos é simétrica.
Parte das condições assim obtidas são consequência das restantes. Por exemplo, a equaçllo fr(~loc) = fr(~) equivale a fr(~loc) = fr(~), etc. (Ver teorema do mlmero anterior). (1)
217
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Mas, notem-se os dois seguintes pontos importantes: 1) (isto é,
Os atributos Ot
Ot,
~,
Y podem ser independentes dois a dois
independente de ~,
Ot
independente de y, e ~ independente
de y), sem serem os três independentes. 2)
Ao contrário do que sucede no caso de dois atributos (ver
teorema do número anterior), a fórmula (2) pode ser verificada sem que os atributos
Ot, ~,
Y sejam independentes.
t
preciso também não confundir 'atributos independentes' com 'atributos incompatlveis'.
J:
claro que estas considerações se podem generalizar imediatamente ao caso de um número finito n qualquer de atributos.
7. A lógica em termos de acontecimentos. Recordemos Que, em alguns dos exemplos anteriores, os atributos considerados também se podem interpretar como acontecimentos. Assim, no exemplo final do número 4, os atributos 'inoculado' e atacado' correspondem, respectivamente, aos acontecimentos 'ser inoculado (com vacina)' e 'ser atacado (de cólera)'. Não pretendemos aqui definir 'acontecimento', assim como não tentámos definir 'atributo' nem 'conjunto': trata-se de conceitos psicologicamente primitivos, gerados por indução ou intuição no nosso espírito. O que será posslvel e conveniente é esclarecer progressivamente a terminologia que lhes diz respeito. Comecemos por notar que, em vez de 'acontecimento', se usam como significado semelhante os termos 'facto', 'fenómeno', 'eventualidade', etc. Imaginemos uma prova ou experiência que se possa repetir várias vezes em condições idênticas, conduzindo, de cada vez, a um ou mais resultados, entre vários que são de prever.
J:
a cada
um desses resultados da prova que, em cálculo das probabilidades, se costuma dar o nome de 'acontecimento'.
218
/
/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMPSNDlO DE MATEMÁTICA
São inúmeros os exemplos que neste sentido se podem apresentar: desastre ou ausência de desastre numa viagem aérea, resultados dum exame ou duma prova desportiva, etc. Mas convém registar o que há pouco foi observado: que muitas vezes os acontecimentos se traduzem por atributos (e vice-versa). Tal é, por exemplo, o caso dos resultados dum exame ou o caso análogo duma competição desportiva; assim, o acontecimento 'ficar reprovado' traduz-se pelo atributo 'reprovado'; o acontecimento 'vitória' traduz-se pelo atributo 'vencedor', relativamente a um dado clube; etc., etc. Ainda aqui há portanto, de certo modo, uma questão de ponto de vista psicológico, semelhante à que se põe na distinção entre atributos e conjuntos. É, assim, de prever que a lógica de atributos se traduza numa lógica de acontecimentos. Com efeito, sejam dois acontecimentos relativos a uma dada prova
senta-se por tânea de 2) por
IX
IX
IX~,
e ~
q):
Chama-se conjunção (ou produto lógico) de
1)
IX
IX
e
~,
e repre-
o acontecimento que consiste na realização simul-
e de ~.
Chama-se disjunção (ou soma lógica) de IX e ~ e representa-se +~,
o acontecimento que consiste em se realizar um, pelo
menos, dos acontecimentos
IX
e
~.
3) Chama-se contrário de IX, e representa-se por OC, o acontecimento que consiste em não se realizar IX. 4)
Diz-se que
IX
implica
todas as vezes que se realiza 5) IX
Dois acontecimentos
=> ~, sse
6)
IX
=> ~ e ~ =>
~,
e escreve-se
IX
=> ~, sse ~ se realiza
IX.
IX,
~
dizem-se equivalentes e escreve-se
IX.
Um acontecimento diz-se certo, sse sabemos, com certeza
absoluta, que se realizará na prova
qJ,
todas as vezes que esta for
efectuada. Um acontecimento diz-se impossível, sse o seu contrário é certo.
219
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
7)
Dois acontecimentos dizem-se incompatíveis, sse a sua
conjunção é acontecimento impossível. Por exemplo, no exame dum aluno é certo o acontecimento aprovação ou reprovação ou desistência, é impossível o acontecimento aprovado com 21 valores (em escolas portuguesas) e são incompatlveis os dois acontecimentos aprovação e desistência.
8. Expressões proposlclonais de acontecimentos; con .. celto de varl6vel casual; passagem a conjuntos.
Tal como
sucede com os atributos, os acontecimentos habitualmente considerados em estatística e em cálculo das probabilidades podem ser indicados por meio de expressões proposicionais com variáveis. Vejamos dois exemplos: a)
Imaginemos um saco que contenha várias bolas, umas bran-
cas e outras pretas. Designando por U o universo das bolas contidas no saco, por B o conjunto das bolas brancas e por P o conjunto das bolas pretas, teremos duas expressões proposicionais: XE
B
,
XE
p,
definidas em U. Os valores possíveis da variável x serão, pois, as bolas do conjunto U. Ora, o valor de x pode ser determinado extraindo ao acaso uma bola de U (no final discutiremos o significado da palavra 'acaso'). Nesta prova - extracção de uma bolarealiza-se então necessariamente um dos seguintes acontecimentos contrários: x E B (isto é: sair bola branca), x E P (isto é: sair bola preta). V6-se, pois, como as referidas expressões proposicionais passam a indicar acontecimentos. b)
Seja x a classificação dum aluno numa prova
rp
a realizar.
Os resultados 'mau', 'medfocre', 'suficiente', 'bom', e 'muito bom'
220
/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1!JNDlO DE MATEMATIOA
são agora indicados, respectivamente, pelas expressões proposicionais seguintes: O~x<6,
6~x<10,
10~x<14, 14~x<18,
18::E;;x<20
o resultado 'aprovado', soma lógica de 'suficiente', 'bom' e 'muito
>
bom', é indicado pela expressão x 10. Assim, em casos como estes, cada um dos acontecimentos a que pode dar lugar a prova considerada aparece sob a forma de uma expressão proposicional com uma variável x, num determinadg universo U. O valor da variável x (elemento de U) é, entAo, determinado em cada realização da prova por um processo em que intervém mais ou menos o acaso e que, por isso, não permite prever qual será exactamente esse valor. Exprime-se este facto dizendo que x é uma variável casual (ou uma variável aleatória). J: claro que a conjunção de dois acontecimentos IX e ~ será indicada pela conjunção das expressões proposicionais que indicam IX e ~, e analogamente para a disjunção, para a negação, etc. Deste modo, a cada acontecimento IX fica a corresponder um determinado conjunto A em U: o conjunto dos elementos que verificam a expressão indicativa de IX. Aos dois acontecimentos IX e ~ corresponde então um mesmo conjunto, sse ot<=>~. Reciprocamente, a cada conjunto A em U corresponde o acontecimento indicado pela expressão x E A. Vemos assim que, tal como sucede com os atributos:
rp
rp
A lógica de acontecimentos é traduzida, segundo a referidll correspondência, na lógica de conjuntos.
Notemos ainda que, tal como para atributos: Se convencionarmos considerar como idênticos dois acontecimentos ot e ~ quando são equivalentes, escrevendo então IX:IO ~ em vez de IX<=>~, o conjunto dos acontecimentos relativos a uma dada prova constitui uma álgebra de Boole isomorfa a uma álgebra
1J
221
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
de conjuntos. Designaremos, então, por 1 o acontecimento certo e por (O o acontecimento imposslvel. Por exemplo, consideremos as seguintes eventualidades relativas a um desafio de futebol entre duas equipas A e B:
v = vitória de A,
E = empate,
Então V· E = V • D = E • D = desafio normal, tem-se:
(O.
D = derrota de A
Por outro lado, tratando-se dum
V+E+D=lI
Além destas, há ainda a considerar as seguintes eventualidades: V + E, V + D, E + D. Temos, assim, ao todo 8 hipóteses (que se podem considerar, por exemplo, em cada uma das provas indicadas num bilhete de TOTOBOLA). É evidente que o conjunto dessas oito hipóteses, com as operações de soma lógica e produto lógico, é uma álgebra de Boole, representada no seguinte esquema, em que usamos setas simples como slmbolos de implicação:
É também fácil reconhecer que esta álgebra de acontecimentos 8 isomorfa à álgebra dos subconjuntos do conjunto {V, E, D}.
122
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPSNDIO DE MATEMATIOA
NOTA SOBRE O CONCEITO DE 'ACASO'. Numa primeira aproximação, poderíamos dizer que o termo 'acaso' significa 'ausência de causa' ou, pelo menos, 'ausência de causa conhecida', o que torna impossível a previsão de certos acontecimentos. Por exemplo, quando lançamos ao acaso uma moeda de um escudo ao ar ou quando tiramos à sorte uma bola de loto de um saco, somos incapazes de prever se sairá escudo ou face, ou qual o número da bola que vai aparecer. Diz-se, então, que se trata de acontecimentos casuais (fortuitos, aleató-
rios ou eventuais), isto é, de acontecimentos que não estão determinados a prior;' e que, portanto, se podem verificar umas vezes e outras não. Para certos autores, o acaso consistiria na acumulação de um grande número de pequenas causas desconhecidas, que actuam em diversos sentidos, tornando praticamente impossfvel a previsão do efeito global. Mas esta interpretação filia-se ainda no ponto de vista do determinismo mecanicista, que se admitiu no século passado e que é sintetizado pelas seguintes palavras de LAPLACE no seu
Essai philosophique sur les probabilités: 'Um intelecto de tal modo vasto que conhecesse o estado e as posições relativas de todos os entes da natureza num dado instante, assim como todas as forças que os solicitam; intelecto que fosse, além disso, bastante poderoso para submeter todos esses dados à análise matemática - uma tal inteligência poderia abranger numa só fórmula o movimento dos maiores corpos e das mais ínfimas partículas do universo: então, nada ficaria incerto e tanto o passado como o futuro se tornariam presentes aos seus olhos' ('). Ora, a ciência do século XX veio mostrar que esta posição é ilusória sob vários aspectos. ~-se levado hoje a admitir que, na evolução do mundo físico, subsiste sempre algo de essencialmente imprevisível, isto é, um certo grau de incerteza radical, que não resulta apenas da nossa ignorância.
( 1) O germe do determinismo mecanicista encontra-se já em DESCARTES, que dizia: 'Ds/-me o espsço e o movimento, eu vos dsrei o mundo'.
223
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO B1 SILVA
9. Frequlncia dum acontecimento numa sequincia de provas. Comecemos por dois exemplos: Numa série de 30000 viagens efectuadas por uma dada companhia de aviação, houve desastres apenas em duas viagens. Diremos, então, que a frequência absoluta do acontecimento desasúe nesta sequência de viagens foi 2 e que a frequência relativa do mesmo acontecimento nessa mesma sequência foi: a)
2
30 000 ~ 0,000067 ~ 7/100 000
Numa série de competições, um dado clube desportivo teve 9 vitórias, 4 derrotas e 1 empate. Nesta sequência de provas as frequências relativas dos acontecimentos vitória, derrota e empate foram, respectivamente: b)
9
14
~
0,64
4
= 64%, 14
~
0,29
= 29 %,
1
14 ~
0,07
= 7%
Dum modo geral: DEFINIÇÃO 1.
Chama-se frequência absoluta dum aconteci-
rp " rp rpn, rp,
mento ot numa sequência de n provas 2' . ", consideradas como realizações de uma mesma prova-tipo o número v de vezes que ot se verifica nessas provas. Chama-se frequência relativa de
ot na mesma sequência de provas o quociente v/n da frequência absoluta pelo número total de provas da sequência. Designaremos por t>{ot) a frequência absoluta de ot e por fr(ot) a frequência relativa de ot na referida sequência. Será, pois, por definição:
(1 )
124
fr(ot) =
Cll(ot)
n
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPSNDlO DE MATEMÁTICA
Desta definição resultam imediatamente as propriedades: I.
Tem-se sempre O ~ fr{ot)
~
1 (Porque?)
11. Se ot é certo, então fr{ot) = 1
(Porquê?)
Se ot é imposslvel, então fr{ot) = O
111.
Como no caso dos atributos, também se demonstra: IV. Se ot e ~ são acontecimentos relativos à prova
rp, então
fr(ot+~) = fr(ot) + fr(~) - fr(ot~)
Por sua vez de IV e 111 deduz-se (justifique): . V.
Se ot e
~
são incompatlveis, então fr(ot+~) =
fr(ot) + fr(~)
Assim, no exemplo b) anterior, os acontecimentos vitória rota são incompativeis e, portanto: fr(V + D) = fr(V) + fr(D)
9
4
13
= 14 + 14 = 14
e der-
~ 93 %
Finalmente de 11 e V deduz-se: fr(ii) = 1 - fr(ot)
VI.
Com efeito tem-se, por definição, ot + ii = 1 e ot ii = (O, donde, aplicando li, fr(ot + ii) = 1 a, aplicando V, fr(ot) + fr(iX)>= 1
e portanto fr(ii) = 1 - fr(ot)
Tornando ao exemplo 2) anterior, temos V + D = ~ e, portanto:
..
.
1 13 = ~ 93 % . 14 14
fr(V + D) = fr(~) = 1 - fr(E) = 1 - -
225 C MO-I'
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SE1JAS'1'IAOE 81LV A
Passemos, agora, ao caso do produto lógico: DEFINiÇÃO 2.
Se rx e ~ são acontecimentos relativos a uma
rp, chama-se 'frequêncla relativa de x se [1', numa sequêncla realizações de rp, e representa-se por fr(rx (3), o quociente (J./v
prova de
do numero fl de vezes que se realiza se realiza
7.~
pelo número v de vezes qu e
~ Será, pOIS:
. . <I>(Ot~) fr(OtI~) = <I>(~) Dividindo ambos os termos desta fracção pelo número e atendendo a (1), obtém-se: realizações de
n de
1J
fr(Otf) fr(oclf) = fr{~) ou seja: de oc e f):
fr{oc~)
= fr(f)
• fr{ocl~), ou ainda. invertendo os papéis
Os acontecimentos Ot, ~ dizem-se independentes da ·. referida sequência de provas, sse fr(ocl~) = fr(oc), ou, o que é equivalente, fr(~loc) = fr(f), ou ainda
Suponhamos, por exemplo, que a prova 1) é desafio de futebol dum clube A com um outro clube qualquer, sendo Ot o acontecimento vitória de A e f) o acontecimento presença do jogador X na equipa (concretize com casos do seu conhecimento). Neste exemplo, fr(OtIf) é a frequência relativa de vitórias do clube A nos desafios em
226
/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPSNDlO DE MATEMATICA
que entra X. Se fr(exl~) = fr(ex), diremos que, na sequência de jogos considerados, o acontecimento vitória de A foi independente do acon~ teCi menta presença do jogador X. Um outro exemplo: suponhamos que 1) designa viagem de áutomóvel, sendo IX o acontecimento desastre e ~ o acontecimento chuva. t: então fácil interpretar o significado dosfmbolo fr(exl~) . Estes exemplos começam a sugerir a ideia de causalidade. Tal ideia está intimamente ligada ao processo de indução, a que já nos referimos no Capo I, n. o 17, págs. 49-50, 1. 0 tomo, e ao conceito de probabilidade, de que trataremos seguidamente.
1O. Lógica indutiva; certeza absoluta e certeza prática .. Como vimos no número anterior, ' se um acontecimento ex é certo numa prova ções de
qJ,
então fr(ex) = 1 em qualquer sequência de realiza-
rp.
Mas será a recíproca verdadeira, isto é: se fr(lX) = 1 numa sequência de provas, podemos daí concluir que ex é acontecimento certo? Claro que não. Consideremos um exemplo. Imaginemos um saco que contém 60 bolas, todas brancas, numeradas de 1 a 50 e seja qJa seguinte prova: tirar ao acaso uma bola do saco, tornando a colocá-Ia depois no saco. Então o acontecimento saída de bola branca é. certo (ao contrário dos acontecimentos salda do n. O 5, saída de número par, etc.) e, por isso, numa sequência qualquer de realizações ' de qJ, a' frequência relativa de salda de bola .branca é necessariamente 1. Mas imaginemos, agora, a situação inversa: o saco contém bolas cuja. cor ignoramos e alguém efectua aprova 1) um grande número de vezes. Suponhamos que a frequência relativa do acontecimento salda de bola branca é então 1 (isto é, que sai bola branca em todas as extracções, com reposição) . Podemos nós daí concluir que tal acontecimento é certo, isto é, que se verificará sempre, em: qualquer prova futura? Claro que não: só podemos ter a certeza absoluta; tirando todas 8S bolas do saco e examinando-as uma a uma.
227
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Porém, se a frequência relativa desse acontecimento for 1 num grande número de provas, por exemplo 1000, começamos a convencer-nos de que o acontecimento é certo, e essa convicção aumentará com o número de provas, se a frequência relativa continuar a ser 1. Em vez de uma certeza autêntica (ou certeza absoluta) passamos a ter uma certeza prática (ou certeza relativa). A maior parte das certezas em que nos baseamos no decorrer da nossa vida são certezas práticas e não certezas absolutas. Por exemplo, temos a certeza dos seguintes factos: 'O Sol nasce amanhã', 'Se largarmos um copo sem apoio, o copo cai', 'A água quando
gela aumenta de volume', 'O gelo flutua na água liquida', etc. Mas trata-se aqui apenas de certezas práticas, resultantes de um enorme número de provas, em que a frequência relativa de tais acontecimentos tem sido sempre 1. Aliás, tais factos só são certos em determinadas condições: por exemplo, o Sol não nasce amanhã em certos pontos da Terra, um copo não cai se for largado no interior de uma nave espacial a grande altitude, etc. Em contraste com as certezas práticas das ciências experimentais, encontramos certezas absolutas na matemática, tais como:
.'O quadrado dum número ímpar é sempre um número Impar' 'Não existe nenhum número racional cujo quadrado seja 3' 'Uma equação algébrica de grau n não pode ter mais de n raIzes num corpo' e muitas outras mais. .Dum modo geral, sempre que a frequência relativa dum acontecimento é 1 numa sequência de provas muito numerosa, é-se levado a admitir que o acontecimento é praticamente certo, isto é, que se realizará em qualquer outra prova futura, efectuada em condições idênticas. Nisto consiste, essencialmente, a indução ou racioclnio indutivo, que se encontra na base de toda a ciência experimental. Porém, à luz da lógica dedutiva, não se trata propriamente dum raciocínio (como os das demonstrações matemáticas), mas antes de um paralogismo, visto que se está a concluir ilicitamente do particular
228
/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1f1NDIO DE MATEMÁTICA
para o geral. Na verdade, as leis das ciências experimentais, em particular as leis flsicas, têm todas carácter contingente: não se pode garantir que sejam infaliveis (ver Capo I, n. ° 17). Vejamos mais alguns exemplos: Suponhamos que, na Lotaria da Santa Casa da Misericórdia de Lisboa, nunca saiu a sorte grande no número 21212 (não vamos averiguar se isto é verdade ou não; interessa-nos apenas a hipótese, que não é inverosímil). Podemos nós daqui concluir que o acontecimento IX
=
não sair a sorte grande no n.O 21212
é certo, ou (o que é equivalente) que o acontecimento
ex
=
sair a sorte grande no n.O 21212
é impossível?
Claro que não. Se o sistema de lotaria é correcto (e não deve haver dúvidas a esse respeito), há tanta razão para sair a sorte grande nesse número, como em qualquer dos outros em que tem saído. Por outras palavras: se o sistema é correcto, todos os números têm a mesma probabilidade de sair. Portanto, o acontecimento ex, em rigor, é possível, embora possamos dizer que é praticamente imposslvel numa extracção isolada; no mesmo sentido em que podemos dizer: 'É praticamente impossível que, no próximo ano, o Tamisa suba
até ao ponto de inundar a Abadia de Westminster'. Recordemos, a propósito, a máxima popular:
A sorte grande sai sempre aos outros.
o significado disto é que a sorte grande
sai sempre num número
diferente do nosso: trata-se afinal de uma lei baseada na indução, exactamente como sucede com as leis da física. No entanto, há pessoas felizes que têm razão para não acreditar nesta lei ...
229
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Note-se que o grau de certeza prática pode, por vezes, equiparar-se ao da certeza matemática. Tal é, por exemplo, o que se observa com a proposição que tem servido de premissa a exemplos clássicos de silogismo:
. Todos os homens são mortais' . Trata-se aqui de uma lei biológica qualitativa. Mas se tentarmos precisá-Ia quantitativamente; afirmando por exemplo:
'Todos os homens morrem antes dos 1000 anos de idade' já não sentiremos o mesmo grau de segurança. Conhecemos nós suficientemente o passado da espécie humana 7 E que sabemos nós sobre o seu futuro, quanto às possibilidades que vêm abrir os progressos da ciência. por exemplo as viagens espaciais 7 O que pode dizer-se é que, nas condições actuais. é extremamente
improvável, praticamente imposslvel, que um ser humano atinja a !
.
'
.
idade de 1000 anos. Um outro exemplo análogo é o que se refere a alturas de pessoas:
é praticamente impossível que um ser humano cresça até atingir a altura de 5 metros. Porém. se formos baixando estes limites sucessivamente para 200 anos, 150 anos, etc. (no primeiro caso) ou para 3m, 2,50 m, etc. (no segundo caso), o grau de incerteza irá aumentando - e entraremos abertamente no campo das probabilidades (ver no fim do volume a Tabela de Mortalidade). É de salientar que o Cálculo das Probabilidades e a Estatística Matemática se, têm desenvolvido principalmente no sector das ciências biológicas e das ciências sociais. Mas certo é também que, por um movimento de retrocesso, acabaram por invadir o campo das ciências físicas. principalmente no que se refere ao estudo do átomo; A flsica deixou de ser determinista para se 'tornar pro-
babilista. /
230
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP8NDIO DE MATEMÁTICA
11 . Conceito quantitativo de probabilidade.
As conside-
rações precedentes mostram como os atributos 'verdadeiro' e 'falso' aplicados a proposições se tornam insuficientes ( 1) quando, do rigor abstracto das teorias matemáticas, se passa à imprecisão inevitável dos conhecimentos emplricos, relativos ao mundo em que vivemos, e que são, por isso mesmo, indispensáveis na vida prática. Os conceitos de 'verdade' e 'falsidade' cedem, então, lugar ao conceito de 'probabilidade', complementar do de 'incerteza' (ou 'contingência'); um facto dir-se-á tanto mais provável quanto menos incerto (ou contingente) for. O conceito de probabilidade, como todas as noções primitivas de fonte empírica, não é susceptrvel de definição lógica: gera-se no nosso espírito por um processo indutivo. Mais até: é inseparável do próprio raciocfnio indutivo, como veremos. Em muitos casos, a probabilidade dum acontecimento é algo que se pode medir, algo que se pode exprimir por um número, como se fosse uma grandeza mensurável - comprimento, velocidade, energia eléctrica ou qualquer outra. São esses, é claro, os casos que interessam no Cálculo das Probabilidades. Vejamos um exemplo. Suponhamos que os alunos de uma turma foram, encarregados da seguinte experiência: cada aluno lança 100 vezes uma moeda de um escudo ao ar e verifica quantas vezes sai
escudo (em vez de cara). Suponhamos que todos acharam um número compreendido entre 35 e 65. Assim, se designarmos por IX o acontecimento sair escudo, temos, em todas as referidas sequências: 0,35 < fr(IX)
(1 )
< 0,65
Suponhamos que se chega à mesma conclusão em várias outras experiências efectuadas em idênticas condições. Então, pelo racioclnio
(')
Releia o n.O 9 do Capo I (p6gl. 20-22, 1.° tomo).
231
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
indutivo, somos levados a prever que, em qualquer sequência futura de 100 lançamentos, a frequência relativa de IX verifica a condição (1).
Pois bem, exprimiremos este facto dizendo que a probabilidade de ex é um número compreendido entre 0,35 e 0,65, ou ainda que a probabilidade de ex é aproximadamente 0,5 com erro inferior a 0,15 (ou 50 % com erro inferior a 15 %). Suponhamos agora que, em vez de 100 lançamentos se fazem sequências de 1000 lançamentos e que se obtém sempre o resultado 0,45 < fr(a)
<
0,55
Então, com significado análogo ao anterior, diremos que a probabilidade de a é um número compreendido entre 0,45 e 0,55, e escreveremos: 0,45 < P(a)
< 0,55
em que 'P(a)' é uma abreviatura de 'probabilidade de a'. Também diremos, neste caso, que a probabilidade de a é aproximadamente 0,5 com erro inferior a 0,05 (ou 50 % a menos de 5 %) . Passando a sequências de 10 000 lançamentos, é de esperar que se obtenha o resultado 0,485 < fr(a)
<
0,515
0,485 < P(a)
<
0,515
Então, escreveremos:
e diremos que a probabilidade de a é aproximadamente 0,5 a menos de 0,015 (ou 50% a menos de 1,5%). Assim, à medida que o número de lançamentos aumenta, a fr9quência relativa parece aproximar-se cada vez mais do número 0,5
/
232
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES COMP~NDlO
DE MATEMÁTICA
que assumiremos como valor aproximado da probabilidade de ~. Mas não tem sentido falar de valor exacto da probabilidade de oc, do mesmo modo que não tem sentido falar de medida exacta duma grandeza física. Por exemplo, quando se diz que o comprimento de uma mesa é 1,65 m está-se a indicar um valor aproximado do comprimento da mesa, amenos de 1 em; pode-se levar a aproximação até ao meio centímetro, até ao milímetro, etc., mas, abaixo de certo limite, já não tem interesse ou mesmo não tem sentido o grau de aproximação considerado.
1.0 0.9 0.8 0,7
0.6 0.5 0.4
0,3 0.2 O.1 0.0 1
2
5
10
20
50
100
400
Frequência relativa do acontecimento 'escudo' ao longo duma sequência de 400 lançamentos duma moeda ao ar. As frequências vão indicadas em escala logarltmica (isto á. as abcissas são logaritmos das frequências). (Exemplo dado por CRAMER em Msthemsticsl Methods Df Statistics.)
Em vez do lançamento de uma moeda ao ar, podiamos considerar outro tipo 1)
rp de provas, por exemplo:
Lançar uma punsise (ou 8tt8che) ao ar e tomar nota da fre-
233
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIÃO E SILVA ·
quência relativa do acontecimento 'cair de bico', que é contrário do acontecimento 'cair de cabeça'. Ambas estas eventualidades vêm indicadas na figura seguinte:
2}
Lançar um dado ao acaso, como é costume fazer-se, e tomar
nota da frequência relativa de acontecimentos tais como 'sair o número 6', 'sair número par', 'sair número primo', etc . . Qualquer destas provas pode ser efectuada um grande número de vezes por uma equipa de alunos, utilizando punaises ou dados sensivelmente iguais em forma, dimensões e substância. Em qualquer dos casos se deve verificar a chamada REGULARIDADE ESTATISTICA, isto é:
. A medida que o número
n aumenta, a frequência relativa de
cada acontecimento r:t., numa sequência de n provas, tende a ficar situada em intervalos
cada vez mais pequenos, cada um deles contendo um seguinte. Nestas condições, os pontos médios . ·· P
,=
f,+ f', 2
,p 2
=
f i +f'2 2
,. .. , . Pn
f +f'
= "2
n , ...
podem ser chamados 'valores aproximados da probabilidade do acontecimento r:t.' (com erro inferior a metade do comprimento do intervalo considerado). No exemplo da moeda, a probabilidade de sair escudo é aproximadamente 1/2, com erro bastante pequeno.
234
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1!JNDlO DE MATEMATIOA
No exemplo da attache, a probabilidade do acontecimento · ex:
=
cair de bico
será sensivelmente diferente da probabilidade de
ão
= cair
de cabeça
Essas probabilidades poderão ser determinadas com suficienteaproximação, por uma equipa de alunos, mas desde já é evidente que deverá ser:
P(ex:)
=
1 - peão) e, portanto, P(ex:) #
.
~ 2
(Porquê?)
Quanto ao exemplo do dado, se designarmos por ex: l' ex: 2' ... ,ex: 6 os acontecimentos 'sair o n.o1', 'sair o n.O 2', .. ., 'sair o n.o6', é de esperar que se tenha aproximadamente: (1 ) Mas, mesmo que o dado seja muito bem construido, aproximando-se bastante de um cubo homogéneo, nunca faz sentido ·afirmar em absoluto que as igualdades (1 ) são verdadeiras, dortlesmo modo que não faz sentido afirmar em absoluto que duas réguas têm o mesmo comprimento. Convenciona-se chamar dado perfeito a um dado que verifique a condição (1). Mas desde já vemos que se trata deúmà noção abstracta: não existem dados perfeitos, do mesmo modo que não existem gases perfeitos, água pura, pontos, rectas, cubos, esferas, etc. Tais conceitos são apenas esquemas, isto é, modelos simplificados de entes concretos, idealizações que o nosso espírito elabora, tentando guiar-nos com maior ou menor êxito no mundo em que vivemos. Um desses esquemas é precisamente o conceito de probabilidade. O que importa é saber aplicá-lo; de acordo com um ·conjunto
235
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
adequado de regras (axiomas), que nos permita raciocinar logicamente sobre tal conceito. (No final do capítulo trataremos do conceito qualitativo de probabilidade.)
12. Axiomatização do conceito de probabilidade. Das considerações precedentes podemos tirar, como súmula, a seguinte norma prática: . Dizer que a probabilidade de um acontecimento rx, relativo a uma prova 1), é um determinado número p, significa que, dado um número positivo
f:,
tão pequeno quanto se queira, existe sempre um número
n bastante grande tal que, numa sequência de n ou mais realizações de
f'{J, é praticamente certo que a frequência relativa de rx estará
compreendida entre p -
f:
e p + f:.
Não se trata aqui propriamente duma definição. É preciso notar que, no conceito de 'certeza prática' já está implícito o de 'probabilidade': um acontecimento diz-se praticamente certo, quando a sua probabilidade é aproximadamente 1, com erro desprezível (1). No entanto, a regra anterior elucida bastante sobre o uso prático do termo 'probabilidade'. Uma vez que as probabilidades são frequências
relativas previstas, é natural atribuir-lhes as mesmas propriedades formais que se aplicam a frequências relativas (ver n. O 9). Somos, assim, levados a admitir, como axiomas, as seguintes propriedades, sendo rx e ~ dois acontecimentos relativos a uma prova
1J:
AXIOMA 1. A probabilidade de rx - que se designa abreviadamente por P(rx) - é sempre um número real não negativo, isto é: P(rx) ~ O.
( 1) Analogamente, um acontecimento diz-se praticamente imposslvel, quando a sua probabilidade é aproximadamente 0, com erro desprez[vel. Por exemplo, é praticamente imposs[vel que um macaco escreva à máquina a Eneida (exef'plo do macaco dsctil6grsfo, de Emllio Borel).
236
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPPJNDIO DE MATEMÁTICA
AXIOMA 2. A probabilidade do aqontecimento certo P(rl) = 1 se
rl
=
AXIOMA 3.
~
1, isto é:
1. Se
rl
e
~
são acontecimentos incompatlveis, tem-se:
P(rl +
~) =
P(rl) +
P(~)
Destes axiomas (como premissas) deduzem-se, logicamente, vários teoremas (como conclusões), entre os quais os seguintes:
rl
TEOREMA 1. A probabilidade do acontecimento contrário de é 1 - P(rl), isto é: P(oc) = 1 - P(oc) Com efeito, como
rl
a = (O
P(oc + a) Por outro lado, como
(porquê 1) tem-se:
= P(rl) IX
+ (pa)
+ oc = 1
P(rl) + p(a)
=1
(Porquê?)
(porquê?) tem-se: (porquê?)
e, portanto, p(a) = 1 - P(oc). COROLÁRIO 1. Se
rl
P(rl) COROLÁRIO 2.
~ acontecimento imposslvel, tem-se: =
O (demonstre)
Qualquer que seja oc, tem-se:
P(rl)
~
1
(demonstre)
Portanto: P(oc) é sempre um número real do intervalo [0.1].
237
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Seoc"oc2' ... , OCn são n acontecimentos incompatlveis dois a dois (relativos à mesma orova 1)) a probabilidade de que se realize um, pelo menos, dos acontecimentos oc" OC2' ... , OCn é a soma das probabilidades destes acontecimentos, isto é: TEOREMA 2.
P
(~ oc.) = ~ i=1 i=1 I
P(oc.), se oc· OCk = (O para i =P k I
I
Para demonstrar este teorema, basta aplicar, repetidamente, o axioma 2, observando que
e que, se oc" OC2, ... , OCn são incompatíveis dois a dois, também OC3 é incompatível com oc, + OC2 (prove), OC4 com oc, + OC2 + OC3, etc.
Quaisquer que sejam os acontecimentos oc, relativos à prova rp, tem-se: TEOREMA 3.
P(OC +
~) =
P(oc) +
P(~)
-
~
P(oc~)
Com efeito, tem-se (prove): (1 )
(2)
De (1) vem: (3)
P(oc) = P(oc~) +
P(oc~)
,
P(~)
= P(iX~) + P(oc~)
(Porquê?)
Por sua vez de (2) vem: P(OC + ~) /138
= P(oc~) + P(iX~) + P(oc~)
(Porqul?)
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1J:NDIO DE MATEMÁTICA
Donde, atendendo a (3): P{ot+~) =
P{ot) +
P{~)
- P{ot
~)
Este teorema pode generalizar-se ao caso de n acontecimentos, obtendo-se a FÚRMULA DE DANIEL DA SILVA em termos de probabilidade.
13. Exemplos de aplicação. Vamos ver como as regras anteriores (axiomas e teoremas) podem ser aplicadas na prática. Os exemplos que vão seguir-se referem-se quase todos a jogos de sorte, também chamados jogos de azar (atribuindo aqui à palavra 'azar' o significado de 'acaso'). Na verdade, foram as reflexões de alguns matemáticos sobre jogos de azar que deram origem ao cálculo das probabilidades. Mais adiante trataremos de exemplos mais importantes. EXEM PLO 1. Consideremos o caso do lançamento de um dado ao acaso e sejam ot 1, ot 2, ... , ot 6 os acontecimentos 'sair o n. o l' 'sair o n. O 2', ... , 'sair o número 6'. Se o dado é imperfeito, isto é, se não se aproxima bastante de um cubo ou se é sensivelmente não homogéneo (por exemplo, mais denso nuns pontos que noutros), as probabilidades
não são sensivelmente iguais, mas poderão ser determinadas empiricamente com maior ou menor aproximação. (Como 1) Seja porém como for, o acontecimento 'sair número primo menor que 6' é, neste caso, 01:2 + 01:3 e, portanto, a sua probabilidade será: (Porqu6?)
2J9
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIAO E SILVA
Por sua vez, o acontecimento 'sair número par' é Ot2+0t4+OtS e portanto, a sua probabilidade será:
e analogamente em outros casos.
Suponhamos, agora, que o dado é perfeito. Então será por defi nição:
isto é, os casos possíveis OC"Ot2,''''OtS são todos igualmente prováveis. Designemos por p o valor comum destas probabilidades. Visto que os acontecimentos Ot"OC2,""OCs são incompatrveis dois a dois e a sua soma lógica é '11 (porquê?), virá: P(OC,} + P(Ot2) + P(OC3) + P(Ot4) + P(Ots) + P(ocs)
=6
p
=1
e, portanto:
p= -
1
6
isto é, a probabilidade de sair um determinado número, qualquer
que ele seja, é 1/6. Posto isto, a probabilidade de 'sair número primo menor que 5' será:
a probabilidade de sair número par será:
240.
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMP"IlNDIO DE MATEMATICA
Estes exemplos conduzem-nos à seguinte regra prática, que durante muito tempo foi tomada como definição da probabilidade('):
REGRA.
Quando os casos possíveis numa dada prova
rp
são
todos igualmente prováveis, a probabilidade de um acontecimento rx relativo a
P
é igual ao quociente v/n do número v de casos favo-
ráveis a rx pelo número n de casos possíveis. Chama-se aqui 'casos possíveis' àqueles acontecimentos possíveis, de que todos os outros são somas lógicas, e 'casos favoráveis a um acontecimento rx', precisamente, aos casos de que rx é soma lógica. Pressupõe-se, além disso, que os casos posslveis são em número finito. EXEMPLO 2.
Imaginemos uma esfera de lotaria que contenha
20 bolas, numeradas de 1 a 20, das quais 8 são brancas, 7 vermelhas e 5 amarelas (2). Consideremos a prova
rp
que consiste em
extrair uma bola da esfera ao acaso e designemos por rx" rx 2' ... , rx 2 o os acontecimentos 'sair o n.O 1', 'sair o n.O 2', ... , 'sair o n.O 20'. Serão estes, portanto, os casos posslveis da prova
rp.
Serão eles equipro-
váveis? Se as bolas são sensivelmente iguais em forma, dimensões e substância, e se além disso a casualização é bem feita (isto é, se as bolas são bem agitadas na esfera e se a extracção é feita automaticamente, sem escolha humana deliberada), é de admitir que sim, isto é, mostra a experiência que
P(cx.,)
= P(rx2) = ...
=
P(cx. 2 0) (com grande aproximação).
(1) Tal definição era inaceitável por conter um círculo vícíoso: não se pode definir um conceito, utilizando esse mesmo conceito. (2) Em vez de uma esfera da lotaria, podemos também considerar uma caixa com pequena abertura ou um saco, como os que se usam no jogo do loto. Dum modo geral, chama-se urna, em cálculo das probabilidades, um recipiente destinado a conter bolai, ou outros objectos, para fazer sorteios.
241 eM 0-16
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
Nestas condições, podemos aplicar a regra prática anterior ao cálculo de probabilidades de vários acontecimentos: a)
Probabilidade de que saia o n.O 10. Número de casos possí-
veis: 20. Número de casos favoráveis: 1. Probabilidade pedida: 1/20. b) Probabilidade de que saia bola branca. Como agora o número de casos favoráveis é 8, a probabilidade pedida será:
8
20 = 0,4 = c)
40%
Probabilidade de que saia bola vermelha. Obtém-se de modo
análogo:
7
20 = 0,35 = 35 %. 5
d)
Probabilidade de sair bola amarela: 20
e)
Probabilidade de sair bola amarela ou vermelha. Este aconte-
= 0,25.
cimento é soma lógica dos acontecimentos 'sair bola amarela' e 'sair bola vermelha', que são incompatíveis entre si. Logo, a probabilidade pedida é a soma das duas anteriores:
7
5
12
20 + 20 = 20 = 0,6 = 60 % O mesmo resultado se podia obter, notando que o acontecimento considerado é o contrário de 'sair bola branca'. Assim, a probabilidade pedida é:
f)
Probabilidade de sair bola preta: O
g)
Probabilídade de sair número inferior a cem: 1 (Porquê?)
(Porquê?)
Se designarmos por B, V e A, respectivamente, os acontecimentos
242
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPENDIO DE MATEMÁTICA
'sair bola branca', 'sair bola vermelha' e 'sair bola amarela', relativos à prova 1), teremos em resumo: P(B) P(A + V)
= 0,4, P(V) = 0,35, P(A) = 0,25 = 0,6, P(B + V) = 0,75, P(A + B + V) = 1
Muitas vezes, usa-se em cálculo das probabilidades o mesmo slmbolo para designar um acontecimento e o conjunto correspondente. Por exemplo, o sfmbolo B pode designar indistintamente o acontecimento 'sair bola branca' ou o conjunto das bolas brancas (existentes na esfera).
EXEMPLO 3.
Consideremos, agora, duas esferas de lotaria, E, e
E2 • Suponhamos que E, contém 20 bolas, nas condições do exemplo anterior, e que E 2 contém 10 bolas, numeradas de 1 a 10, sendo 7 brancas e 3 vermelhas (sensivelmente iguais em forma, volume e substância). Seja agora
rp
a prova que consiste em extrair ao acaso
uma bola de cada uma das esferas. É claro que os casos possíveis podem ser esquematicamente indicados pelos etementos do produto
cartesiano, { 1,2, ... ,20 } x { 1,2, .. .,1
°}
Por exemplo, o par ordenado (14,5) indica o caso que consiste em sair a bola 14 da esfera E, e a bola 5 da esfera E 2. Ora, o número de tais pares ordenados é 20 x 10 = 200. Será, pois, 200 o
número de casos posslveis. Serão estes casos equiprováveis 7 É de admitir que sim, uma vez que as bolas sejam sensivelmente iguais, como se disse, e que a casualização seja bem feita; em particular a s esferas E 1 e E 2 devem se r independentes, isto é, a bola que saír de uma das esferas nio depender de modo algum da bola que
sair da outra esfera.
243
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Aceites estas premissas, podemos efectuar os seguintes cálculos: a)
Probabilidade de que saia bola branca das duas esferas.
Já sabemos que o número de casos possíveis é 20 x 10. O número de casos favoráveis será, manifestamente, o cardinal do produto cartesiano do conjunto das bolas brancas de E1 (em número de 8) pelo conjunto das bolas brancas de E 2 (em número de 7). Será, pois, 8 x 7 o número de casos favoráveis e, assim, a probabilidade pedida é:
8x7 28 ---=0,28 20 x 10 100 b)
Probabilidade de que saia bola branca de E 1 e bola vermelha
de E2' Obtém-se de modo análogo:
8 x 3 20 x 10 c)
-
12 = 0,20 100
---:-c-
Probabilidade de sair bola amarela das duas esferas.
d) Probabilidade de sair de E 1 número duplo do que sair de E2. Resposta: 6 %. e)
Probabilidade de não sair bola branca de nenhuma das esferas.
f)
Probabilidade de sair bola branca de uma, pelo menos, das
esferas. (Sugestão: acontecimento contrário do anterior.) g) Probabilidade de sair bola branca de uma e uma só esfera. (Sugestão: este acontecimento é soma lógica dos acontecimentos incompatíveis 'sair bola branca de E1 e não sair bola branca de E2" 'sair bola branca de E2 e não sair bola branca de E 1 '.)
EXEMPLO 4.
Consideremos, novamente, uma esfera com a
composição do exemplo 2 (20 bolas equiprováveis, sendo 8 brancas, 7 vermelhas e 5 amarelas). Designemos por rp' a prova que consiste em duas extracções sucessivas, repondo na esfera a bola que sai na
244
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
aOMP1!JNDIO DE MATEMATIOA
1 a extracção; e por
1)" a prova que consiste em duas extracções
sucessivas, sem reposição. Calculemos, então: a)
Probabilidade de sair duas vezes bola branca na prova
rp'.
Número de casos possíveis (equiprováveis): 20 x 20. Número de casos favoráveis: 8 x 8. Probabil idade pedida:·
8 x 8 20 x 20 = 0,4 x 0,4 = 0,16 b)
Probabilidade de sair duas vezes bola branca na prova
1)".
Número de casos possíveis (equiprováveis): 20 x 19. Número de casos favoráveis: 8 x 7. Probabilidade pedida:
8 x 7 20 x 19 c)
28 190 ~ 0,19
Probabilidade de sair pfJmeiro bola branca e depois boI.
vermelha na prova
1)'
qJ"
d)
Idem na prova
e)
Probabilidade de sa" uma vez bola branca e ouúa vez
bola vermelha, mdependentemente de ordem (prova
P' e prova ?p")
(Sugestão soma lógica dos acontecimentos 'sair primeiro bola branca e depois bola evermelha branca'.) f)
sair primeiro bola vermelha e depois bola
Probabilidade de não sa" vez nenhuma bola branca (prova
e prova rp") (Sugestão acontecfmento eqUivalente a 'sair duas vezes bola vermelha ou amarela' )
'fJ'
g) fi
prova h)
V'
1)")
rp'
(AconteCimento contrário do anterior.)
Probabilidade de sairem duas bolas da mesma cor (prova
e prova i)
rp'
Probabilidade de salf alguma vez bola branca (prova
P") ·
Probabilidade de sairem duas bolas de cor diferente (prova
e prova
rp"). 245
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIÃO E SILVA
EXEM PLO 5.
Tornemos ao caso de um dado perfeito. ~ agora
fácil calcular as seguintes probabilidades:
a) Probabilidade de que, em dois lances sucessivos, se obtenha uma vez um número par e outra vez um múltiplo de 3. b) Probabilidade de que, em 3 lances sucessivos, não saiam os números 1 e 6. c) Probabilidade de que, em 2 lances sucessivos, a soma dos números saldos seja menor que 5. EXEMPLO 6.
Um cofre tem um segredo de 3 discos, com 24
letras cada um (ver pág. 163, 1. 0 tomo). Calcular a probabilidade
que um ladrão teria de descobrir o segredo, fazendo no máximo 100 tentativas. Resposta: aproximadamente 0,007 ou seja 7 %0. Calcular a probabilidade de, jogando uma vez no totobola com o equivalente a 9 600 apostas simples ( 1), se acertar nos 13 resultados, supondo que as apostas são feitas inteiramente ao acaso. Resposta: aproximadamente 0,006, probabilidade ainda EXEMPLO 7.
extremamente pequena (compare com o resultado anterior).
14. Probabilidade do produto lógico. Da axiomática do conceito de probabilidade (n. o 12), nada se pode deduzir quanto à probabilidade do produto lógico. Mas, por analogia com o que se fez para o conceito de frequência relativa, é natural introduzir a seguinte definição:
Sendo Ot e ~ dois acontecimentos relativos a uma dada prova, chama-se probabilidade de Ot se ~, e representa-se por P(OtI~), o quociente de P(Ot~) por P(~), isto é: DEFINiÇÃO 1.
(1 )
P( Ot ~) P(OtI~) = P(~
( ') O que importa em 14400$00 - (Valor calculado ao preço de cada aposta, ao tempo - N. do E.). I
246
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMPeNDIO DE MATEMÁTICA
Por exemplo, seja ex. o acontecimento 'haver acidente numa viagem de automóvel em 100 km de estrada' e
~
o acontecimento 'ter
chovido'. Então, supondo que podemos atribuir probabilidades aos acontecimentos ex., ~, ex.~, o sfmbolo P(ex.I~) designa a probabilidade de haver um tal acidente, após ter chovido.
Diz-se que dois acontecimentos ex., ~ são independentes, sse P(ex.I~) = P(ex.). Caso contrário, ex. e ~ dizem-se dependentes ou associados. DEFINiÇÃO 2.
Notemos, agora, que (1) se pode escrever: (Pex.~)
= P(~)
• P(ex.I~)
ou ainda, trocando os papéis de ex. e de
(2)
P( ex.
~) =
~:
P( IX) •
P(~IIX)
É evidente que esta fórmula apenas exprime a definição 1, sob
uma forma diferente. Por outro lado, tem-se, atendendo à definição 2:
P(IX~) =
(3)
P(IX) P(~), sse IX e ~ são independentes
NOTA IMPORTANTE.
O conceito de 'acontecimentos inde-
pendentes' desempenha, em relação ao produto lógico, um papel análogo ao de 'acontecimentos incompatíveis', em relação à soma lógica. Não confunda estes dois conceitos / Tratando-se de três acontecimentos IX,
1) é
~,
Y relativos a uma prova
fácil reconhecer qual o significado de símbolos tais como
rp(lX l ~y), P(yllX~), etc. e ver que (cf. n.O 6, pág. 216):
(4)
P(IX~y) =
P(ex.). P(~IIX). P(yllX~)
247
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Em particular, pode ter-se: P(ex ~ r) = P(ex) •
(5)
P(~)
• P(r)
DEFINiÇÃO 3. Diz-se que três acontecimentos ex, ~,r são inde-
pendentes, sse verificam as condições P(~) = P(~lex), P(r) = P(rlex~) e todas as que se deduzem destas, substituindo um ou mais dos acontecimentos ex, ~, r pelos respectivos contrários. Em termos intuitivos poderfamos dizer: 'Três acontecimentos são independentes, sse a probabilidade de cada um deles é a mesma, quer se verifique ou não um só ou os dois outros acontecimentos'. É evidente que a anterior definição equivale à seguinte pro-
posição:
Três acontecimentos ex, ~, r, são independentes sse, além da condição (5), verificam todas as que desta se deduzem, substituindo um ou mais dos acontecimentos ex, ~, r, pelos seus contrários. Isto mostra que a relação ternária definida é simétrica. É porém de notar que, tal como no caso das frequências relativas:
1) Três acontecimentos ex, ~, r podem ser independentes entre si dois a dois sem serem os três independentes (segundo a definição anterior) . . 2) ex,
~,
Pode verificar-se a fórmula (5), sem que os acontecimentos
r sejam independentes.
15. Probabilidade do produto cartesiano. Sistemas de lotaria. Para melhor compreensão do que vai seguir-se, convém recordar algumas situações que surgem, em geometria aplicada, a propósito de produtos cartesianos. Viu-se que, por exemplo, no
248
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1i1NDlO DE MATEMÁTICA
universo IR, a condição
X;> 2, com uma só variável, pode ser identi-
ficada à condição com duas variáveis
que é verificada por todos os pares ordenados (x, y) de números reais tais que: x ;> 2 e y é qualquer. Deste modo, a condição x ;> 2, que na recta representa geometricamente uma semi-recta, no plano passa a representar um semiplano. Analogamente, a condição y ;> 1, que na recta (ou mais precisamente no eixo dos y) representa uma semi-recta, pode ser identificada com a condição
xelR 1\ y ;> 1, e assim, no plano, passa a representar um semiplano. Por sua vez, a condição
representa no plano um ângulo recto, que é a intersecção (ou produto lógico) dos semiplanos x;> 2 e y;> 1. Este produto lógico resulta
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
assim identificado ao produto cartesiano das semi-rectas representadas pelas condições x ~ 2 e y ~ 1, respectivamente no eixo dos x e no eixo dos y. Consideremos, agora, duas esferas de lotaria, E, e E 2, nas condi-
rp, a prova que consiste em extrair ao acaso uma bola de E" por rp 2 a prova análoga para E e por rp- a prova que consiste em efectuar rp, e
ções indicadas no exemplo 3 do n. o 13. Designemos por 2
tp 2.
Diremos, então, que
1)' é
o produto cartesiano de
1),
e
1) 2
e escreveremos'
Sejam B" V, e A" respectivamente, os acontecimentos sair bola branca, sair bola vermelha e sair bola amarela, na prova
rp,.
Sejam ainda B 2 e V 2 os acontecimentos sair bola branca e sair bola vermelha, na prova 1)2' Então, designaremos por B, x V 2 (pro-
duto cartesiano de B 1 por V 2) o acontecimento sair bola branca de E, e bola vermelha de E 2. Análogos significados terão as expressões:
rp, se pode x rp2: o acon-
Notemos, agora, que o acontecimento B, relativo a Identificar aum acontecimento B; relativo a
1),
tecimento Sair bola branca de E1 e bola qualquer de E2
De modo análogo, V" A 1, B 2' V 2 podem ser identificados a acontecimentos, respectivamente, V; _ A;, B ~ e V;, relativos a
rp
1 X
rp
2'
Assim, podemos reduzir os produtos cartesianos a produtos lógicos: B, x V; = B; V;
, V, x B 2 = V; B; . , etc.
Posto isto, recordemos que, segundo as condições indicadas no exemplo 3 do n. O 13, os acontecimentos B, e V; são independentes (o mesmo podendo dizer-se agora dos acontecimentos B 1 e V 2)'
250
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMPeNDIO DE MATEMÁTICA
Será assim:
E, como P(B,)
= 4/10,
P(V 2 )
= 3/10,
virá:
4
3
P(B,),P(V 2 )=W'W
=
12 100
tal como tínhamos achado. Analogamente: P(B, x B 2 ) = P(B,), P(B 2 ) = P(V 1
X
B 2)
= 0,7
x 0,7
OA x 0,7
= 0,49,
= 0.28
etc.
Dum modo geral, se IX e 13 são acontecimentos relativos a duas
f'{J2' representa-se por 1.), x 1.)2 a prova que consiste em efectuar 1) 1 e 1) 2, e por IX x 13 (produto cartesiano de :x por (3) o acontecimento que consiste em realizar-se IX em 1), e ~ provas distintas
em
('j)2'
1),
e
Os acontecimentos IX e 13 podem ser identificados a acon-
tecimentos, respectivamente IX· e
13*,
relativos a
r!J1 x 112' tal como
foi indicado no exemplo anterior, permitindo reduzir o produto cartesiano a produto lógico IX
X
13 = IX· 13*
Os acontecimentos IX e 13 dizem-se independentes, sse IX· e (3* o forem. Assim, virá:
(1)
P(lXxI3) = P(IX) • P(f3), sse IX e
As provas
são independentes
1J, e rp 2 dizem-se independentes, sse todo o
tecimento relativo a relativo a
13
11 1
I acon-
é independente de todo o acontecimento
rp 2' 25/
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
A regra (1) permite resolver mais simplesmente vários dos problemas que foram resolvidos no n. O 13 por contagem de casos possíveis e casos favoráveis (veja quais são esses problemas e resolva-os pelo novo processo). Estas considerações podem estender-se de maneira óbvia ao caso de três provas, quatro provas, etc., tendo em conta o que foi estabelecido no número anterior. Por exemplo, um dos modernos sistemas de lotaria mais em uso consiste em utilizar, por exemplo, 6 esferas em que se introduzem bolas cuja numeração pode ir de O a 9; uma das esferas é destinada a dar o algarismo das unidades, outra a dar o número das centenas, etc.
Centenas de milhar
Dezenas de milhar
Milhares
Centenas
Dezenas
Unidades
Em princípio, as extracções das diferentes esferas devem ser provas independentes, isto é, a probabilidade de saída de uma dada sequência de algarismos deve ser exactamente igual ao produto das probabilidades de saída de um algarismo de cada esfera. Além disso, os algarismos de cada esfera devem ter todos a mesma probabilidade de saída. Assim, por exemplo, num jogo com 300000 bilhetes, a probabilidade de ser premiado um determinado número na primeira extracção deverá ser exactamente igual a
_
1 1 1_ _ o _ _ o 1 _ _ •1 __ 1 • _ _ 1 • __ = __ 3 1O 1O 10 10 10 300 000
Já sabemos que não é possível, nem sequer faz sentido, falar de exactidão absoluta. O que se requer na prática é que seja impossível
252
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMP2NDlO DE MATEMÁTICA
detectar estatisticamente alguns números com maior probabilidade de saída, visto que esse facto poderia ser explorado ilicitamente por uma casa de jogo. Assim, quando uma casa de jogo anuncia comercialmente que é contemplada com maior número de prémios, isso apenas deve significar que a referida casa vende um maior número de bilhetes, o que, evidentemente, aumenta a probabilidade de prémio. Oualquer outra interpretação equivaleria a admitir que essa casa está a usar ilicitamente o conhecimento de algum vício do sistema.
16.
mial.
Problema das provas repetidas; distribuição binoConsideremos, por exemplo, o seguinte problema:
Determinar a probabilidade de que, em três lançamentos sucessivos dum dado perfeito, saia duas vezes (e só duas) o número 6. Os três lançamentos sucessivos são três provas
fi}
.~
l'
fi}
'~2'
fi}
.~
que constituem realizações distintas de uma mesma prova-tipo (lançamento do dado) por sua vez, a prova
3'
1J
A sequência dessas três provas constitui
Designemos por s l' S 2' S 3' respectivamente, os acontecimentos 'sair o nO 6 em 1)1', 'sair o nO 6 em 'sair o no 5 em1J3'
1J2"
Então o acontecimento 'sair o n
° 6 duas vezes (e duas só) em
1J, x 1J 2 x 1J 3' pode realizar-se de três maneiras distintas e incompadveis: (1 )
s, x S 2 x S 3'
-
s, x S 2 x S 3'
-
s, x S 2 x S 3
Ora, P(s,) = P(s 2) = P(s 3) = 1/6 e, portanto, P(s,) = P(S2) = P(S3) = 1 - 1/6.
253
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Por outro lado, é fácil reconhecer que os três acontecimentos
S1' S2' S3 são independentes (discutiremos este ponto mais adiante, no caso geral). Logo, os acontecimentos (1) têm todos probabilidade igual a
Mas o acontecimento cuja probabilidade se pede é a soma lógica dos referidos acontecimentos incompatíveis:
A probabilidade pedida será, pois, a soma de 3 números iguais a 5/216, ou seja:
5 3· 216
5 72
::::: 7%
Consideremos, ainda, o problema análogo:
De uma urna que contém 10 bolas, das quais 3 são brancas e 7 pretas, tiram-se 4 bolas à sorte, sucessivamente, com reposição. Determinar a probabilidade de que seja 2 o número de bolas brancas saldas nas 4 extracções. Designando por B" B 2, B 3, B 4 o acontecimento salda de bola branca nas sucessivas extracções, o acontecimento cuja probabilidade se pede será a soma lógica das seguintes hipóteses incompatíveis duas a duas:
B,xB 2 xB 3 xB 4, B,x82xB3x84, B1x82xB3xB4 81xB2xB3xB4, 8,xB2x83xB4, 8,xB 2 xB 3 xB 4 Como interpretar o número destas hipóteses em cálculo combinatório 7 Pense por si uns momentos, antes de ver a resposta que vem a seguir.
2$4
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPENDIO DE MATEMÁTICA
É fácil reconhecer que estas hipóteses estão em correspondência
biunívoca com as combinações
dos acontecimentos B 1, B 2, B 3, B 4 tomados 2 a 2. O seu número é, pois:
Por outro lado, os acontecimentos B 1, B 2, B 3, B 4 têm todos a probabilidade 3/10 e, portanto, os seus contrários têm a probabilidade 7/10. E, como se trata de acontecimentos independentes (1), segue-se que todas as referidas hipóteses têm a mesma probabilidade:
Por conseguinte, a probabilidade pedida será a soma de 6 parcelas iguais a este número, ou seja:
Estes dois exemplos ajudam-nos a resolver o seguinte problema geral, muito importante: PROBLEMA DAS PROVAS REPETIDAS. Sendo ot um acontecimento de probabilidade p, relativo a uma prova determinar a seja x o número de probabilidade de que, em n realizações de vezes que ot se verifica.
p,
11,
Como se vê, o que se pede afinal é a probabilidade de que em n realizações de a preferência absoluta de ot seja um dado número inteiro x (O ~ x ~ n).
11,
( ')
Este ponto seré esclarecido a seguir, no caso geral.
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVÁ
Designemos por 1}" 1} 2,
, 1}n as n realizdções de
rp
e,
dum modo geral, por exk o acontecimento que consiste em verificar-se IX
na prova 1}k (k= 1, 2, .. ., n) Então, o acontecimento x ex
= verificação
de (X em x das n provas consideradas
é a soma lógica de todos os acontecimentos que resultam de
deixando ficar x factores como estão e substituindo os n-x restantes pelos acontecimentos contrários. Um deles será o acontecimento
que consiste em verificar-se ex precisamente ,nas primeiras x provas da sequência. Qual é o número de hipóteses assim obtidas? Pensando um momento, vê-se que é igual ao número de combinações dos acontecimentos
(x"
(X 2,
•• •,
P(exk) = p,
(Xn tomados x a x, ou seja (~). Ora
P(ock) = 1 - p,
para k=1 i 2, .. ., n
Além disso, os acontecimentos ex 1, ex 2, . .. , exn são independentes. Com efeito, do próprio conceito de probabilidade (n. os 11 e 12) decorre naturalmente que a probabilidade de ex se verificar em cada
rp"
1) 2 , . . . , 1)n (n realizações sucessivas de 1), em uma das provas condições idênticas) é sempre a mesma, qualquer que seja o resultado das restantes provas (cf. n. OS 14 e 15). Logo, as hipóteses consideradas têm todas a probabilidade P(ex, x .. · x exxx ocx+ 1 x .. · xocn) = pX(1_p)n-x
256
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP"AlNDlO DE MATEMÁTICA
Ora, estas hipóteses são incompatíveis entre si duas a duas e o seu número é, como vimos (~). Logo, a probabilidade pedida será:
Assim o problema está resolvido. Costuma simplificar-se a fórmula anterior escrevendo P(x) em vez de P(XOt) e pondo 1-p=q:
P(x) = (~) pXqn-x
(1 )
Como se vê, x é uma variável casual (ver n.O 8), cujos valores possíveis são 0,1,,, .,n, e, a cada um destes valores, a fórmula (1) faz corresponder uma determinada probabilidade P(x). Exprime-se este facto dizendo que a fórmula (1) define a distribuição de probabilidade da variável casual x considerada (frequência absoluta de Ot em n realizações de P). Como, além disso, o segundo membro de (1) é precisamente o termo em pX do desenvolvimento de (p+q)X segundo a fórmula do binómio, diz-se que a distribuição de probabilidade definida por (1) é a DISTRIBUIÇÃO BINOMIAL (também chamada 'distribuição de BERNOULLI'). Apresentam-se, na prática, muitas outras distribuições de probabilidade (1). Por exemplo, o número que sai no lançamento dum dado é uma variável casual x, cujos valores possíveis são 1, 2, 3, 4, 5, 6 e tal que P(x) =
1
6'
sse o dado é perfeito.
Se o dado é imperfeito a distribuição será outra.
(') A par do conceito de 'distribuição de probabilidade' apresenta-se naturalmente o conceito de 'dlstrlbu;ç'o ds frsqulnc;s'.
2$7
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. BEBABTIAO E BILVA NOTA. A fórmula (1) pode ser demonstrada de maneira mais breve e mais rigorosa pelo método de indução matemática, que estudaremos mais tarde .
.
1 7. Aplicações de distribuição binomial; exemplo da genética. Diz-se que uma moeda é equilibrada, sse a probabilidade de aparecer escudo num lançamento da moeda ao ar é 1/2. Determinemos a probabilidade de que, em 10 lançamentos de uma moeda equilibrada, apareça x vezes escudo. Neste caso, basta aplicar a distribuição binomial com p = 1/2 e q = 1 - 1/2 = 1/2, o que dá:
)X
)10-X
(1 P(x) -_ (10) (1 -x 2 2 Por exemplo, se x = 3, vem:
Os valores de P(x) para x = 0, 1, ... ,10, são dados pela tabela seguinte, com erro inferior a 0,001 Tabela x
P(x)
x
P(x)
°1
0,001 0,010 0,044 0,177 0,205 0,246
6 7 8 9 10
0,205 0,177 0,044 0,010 0,001
2 3 4 5
Para ter uma imagem desta distribuição convém recorrer a um grAfico de colunas (ou histograma), que consiste neste caso em cons-
258
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPeNDIO DE MATEMÁTICA
truir, para cada um dos valores de x considerados, um rectângulo de altura P(x) e de base 1, assente no eixo das abcissas, tendo esse valor de x por ponto médio. Convém, neste caso, adoptar uma unidade de comprimento bastante maior para as ordenadas do que para as abcissas.
o
1 2 3 4 5 6 7 8 9 10
Note-se que este histograma é simétrico (a distribuição é simétrica) e que P(x) atinge um valor máximo (= 0,246) para x = 5. 1:, portanto, 5 o valor mais provável da variável casual considerada, o que aliás era de esperar, visto que, sendo 1/2 a probabilidade de aparecer escudo, a frequência relativa mais provável deverá ser 50 % e, como o número de lançamentos é 10, a frequência absoluta mais provável é 0,5 x 10 = 5. Mas, note-se o seguinte facto curioso, aparentemente paradoxal:
t
mais provável não se verificar o valor mais provável
do que verificar-se este valor.
Com efeito, a probabilidade do valor mais provável é 0,246, enquanto a do acontecimento contrário é 1 - 0,246 = 0,754. A explicação do aparente paradoxo é simples: o acontecimento contrário é a soma lógica dos acontecimentos que correspondem a todos os outros valores posslveis; embora menos prováveis, a soma das probabilidades destes é 0,754 ~ 75 %. Chama-se moda de uma distribuição de probabilidade de uma variável x (com um número finito de valores) todo o valor de x com
259
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
probabilidade máxima. A distribuição anterior tem uma única moda: o valor 5 (distribuição unimoda/). Mas, se em vez de n = 10 tivéssemos tomado n = 11 (com p = 1/2), já encontraríamos duas modas: os valores 5 e 6 (distribuição bimoda/). Há ainda distribuições trimodais, etc. A distribuição binomial só pode ser unimodal ou bimodal. Tornando ao caso anterior (p = 1/2, n = 10), calculemos a probabilidade de que x satisfaça, por exemplo, à condição 3 ~ x ~ 7, equivalente à soma lógica das condições x = 3, x = 4, x = 5, x = 6, x = 7. Será, pois:
P(3~ x~ 7) = ~
f (1kO) (~)k (_1)k 2 2
k=3
2 x 0,117 + 2 x O, 205 + 0,246
~
0,89
Podemos também dizer que é 89 % a probabilidade duma frequência relativa f do acontecimento 'aparecer escudo' tal que 0,3 ~ f ~ 0,7, numa sequência de 10 provas. Passando a uma sequência de 100 provas, as frequências • absolutas correspondentes às frequências relativas 0,3 e 0,7 são 0,3 x 100 = 30 e 0,7 x 100 = 70. Será, então:
P(30~ x~
70) =
~
k=30
(100) (_1)k(_1 )k k 2 2
Porém, os cálculos exigidos por esta fórmula são demasiado laboriosos, mesmo que se recorra ao triângulo aritmético. Por métodos que se estudam em matemática superior, é possível achar o valor aproximado 0,9994 para esta probabilidade, efectuando cálculos muito simples e utilizando uma tabela numérica (tabela da distribuição
normal ou distribuição de Gauss) ( 1). Podemos, portanto, garantir com
(1) Em vez de 'distribuição binomial', 'distribuição normal', etc. também 88 diz 'lei binomial', 'lei normal', etc.
260
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPISNDIO DE MATEMÁTICA
grande segurança (isto é, com pequeníssima probabilidade de errar) que, numa sequência de 100 provas, a frequência relativa do acontecimento considerado estará no intervalo fechado de extremos 0,3 e 0,7 (cf. considerações do n.O 9, pág. 224).
Assim, a distribuição binomial vem lançar nova luz sobre as relações entre o conceito de probabilidade e o conceito de frequência relativa. Suponhamos. agora, p = 1/4 e n binomial será, concretamente:
P(x) =
(1 )
= 10.
Neste caso, a distribuição
)X(
10) ( 1 3 )10-X ( x 4 4
Na figura que a seguir se apresenta é dado o histograma desta distribuição, que já não é simétrica. Temos ainda aqui uma distribuição unimodal, sendo a moda o valor x = 2. 0,3 0.2 01
o
1 2 3 4 5 6 7 8 9 10
x
A distribuição binomial encontra importantes aplicações nos mais diversos domlnios: na biologia, na psicologia, etE:. Vamos apresentar um exemplo relativo à genética, ramo da biologia que estuda cientificamente os fenómenos da hereditariedade. Segundo as experiências de M EN D EL ( 1), relativas ao cruzamento de certas plantas de flor genuinamente vermelha com outras
(I)
Monge Bustr/aco (Sílésia), fundador da Genética (1822-1884).
261
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIÃO E SILVA
de flor genuinamente branca, verifica-se que, na primeira geração, todas as plantas dão flor vermelha (carácter dominante), ao passo que, na segunda geração (resultante dos cruzamentos entre híbridos da primeira geração), há a probabilidade 3/4 de aparecer uma planta de flor vermelha e a probabilidade 1/4 de aparecer uma planta de flor branca (' carácter recessivo') (1), Assim, a probabilidade de, em 10 indivíduos da 2,a geração, aparecerem x plantas de cor branca é dada pela fórmula (1). Se, em vez de 10, consideramos 500 indivíduos, o valor esperado do número de indivíduos de flor branca (na 2,a geração), será: .
1 4
x 500 - 125
Mas o valor observado será geralmente diferente do valor esperado, sendo a diferença entre o primeiro e o segundo (desvio ou discrepância) devido ao acaso, Por exemplo, a probabilidade de que, no conjunto dos referidos 500 indivíduos, o número de plantas de flor branca esteja compreendido entre 100 e 150, é dada pela expressão:
P (100 < x < 150) =
1~9 x=101
(500) (_1 ) x (~) x X 4 4
Todavia, tal como num dos exemplos anteriores, os cálculos exigidos por esta fórmula são impraticáveis, Utilizando o processo a que fizemos alusão (com o emprego duma tabela da distribuição normal, que não podemos aqui estudar), consegue-se facilmente obter o valor aproximado 0,003 para aquela probabilidade, t portanto, quase certo que, no referido conjunto de 500 indivíduos, a frequência
(') Recordemos que, em biologia, se usa o termo 'carácter' (plural 'caracres'), como sinónimo de 'atributo',
262
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
aOMP'SNDIO DE MATEMÁTICA
relativa do atributo considerado esteja no intervalo aberto de extremos 0,2 e 0,3 ou mesmo numa vizinhança mais pequena de O,25( I). Para interpretar estes e outros resultados análogos de Mendel, o biologista americano T. H. MORGAN (1866-1945, Prémio Nobel 1933), introduziu a hipótese da existência de partículas materiais, chamadas 'genes', como factores de hereditariedade localizados nos cromossomas, conseguindo mesmo identificar a posição de alguns deles. Cada gene representa um carácter elementar: p. ex. 'flor vermelha' ou 'flor branca'. Todas as células de um indivíduo biológico (em particular, de cada um de nós, seres humanos) têm a mesma composição genética, sendo os genes de cada célula comparáveis às bolas de uma esfera de lotaria. Na verdade, como bolas de lotaria se comportam, em certa medida, essas minúsculas porções de matéria, no cruzamento de dois indivíduos, dando por vezes resultados imprevistos, ao entrarem na composição genética do novo ser: por exemplo, de pais com olhos castanhos pode nascer uma criança com olhos azuis, que recebe de um antepassado mais ou menos próximo o gene desse carácter, segregado na resultante genética dos progenitores.
18. Casos extremos da distribuição binomial. Como vimos, a distribuição binomial dá-nos a probabilidade de que, em n realizações duma prova um acontecimento a. de probabilidade p
rp,
se verifique x vezes, sendo x um dado número inteiro tal que O ~ x ~ n. Os dois casos extremos são, pois: 1)
x = n (o acontecimento a. verifica-se nas n provas)
2)
x = O (o acontecimento oc verifica-se nas n provas)
(') Chama-se vizinhança dum número real a qualquer intervalo com centro em 11.
263
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
A probabilidade do primeiro caso é, evidentemente: P(n)
=
pn
A probabilidade do segundo caso é: P(O)
= qn
(com q
= 1-p)
Note-se, porém, que o contrário do acontecimento x = O não é o acontecimento x = n, mas sim o acontecimento que consiste em
ex se verificar, pelo menos, uma vez nas n provas. A probabilidade desse acontecimento será, pois: P(x =fi O)
=1 -
qn
=1-
(1 - p)n
n
~
=
(- 1) x-1
(~) px
x=1
EXEMPLO 1. Calcular a probabilidade de que, em 6 lances
dum dado perfeito saia, pelo menos, uma vez o número 1. Neste caso p
= 1/6, n = 6 e,
P(x =fi O)
portanto:
5)6
=1 - ( 6
31031
= 46656
~ 66 %
Calcular a probabilidade de que, comprando ao todo mil bilhetes em mil lotarias sucessivas de 100 000 números, se tenha ao menos uma vez a sorte grande. Agora é p = 10- 5, n = 1000 e, portanto: EXEMPLO 2.
P(x=fiO)
=1 = 0,01
264
1 ) 1000 1000 (1000) 1 1 105 = 100000 2 100000 2 + ... ( - 0,000 0495 + ...
~
0,00995
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPSNDIO DE MATEMATIOA
A probabilidade pedida é, pois, praticamente igual a 1 % (os
termos omitidos no desenvolvimento são desprezíveis).
19. Valor médio, esperança matemática. Jogos equitativos. Tornemos ao exemplo da tabela n.O 1 da pág. 204. Suponhamos que se trata de achar a média das classificações dadas no exame em questão. Como se procede? É bem conhecido o processo: Multiplica-se cada classificação pelo número de alunos que a obtiveram e divide-se o resultado pelo número total de alunos. Dum modo geral, consideremos uma variável casual x que toma m valores reais X"
x 2' ... , Xm
respectivamente, com as frequências absolutas
e seja n = \/l+ v 2+ ... +\/m. Chama-se valor médio da variável x (com esta distribuição de frequência) o número V
lX1 +'.1 2x2+ ... +vmxm n
t:
que se representa por M {x}.
f
1
'.1 1 n
= -
f
claro que, se pusermos '.1 2
2
= -
n
'.Im
... ,fm = n
(frequências relativas de Xl' x 2' ... , x m), virá: m
M{x}=f,x,+f2x2+· .. +fmxm= ~ fkXk
(Porquê?)
k=1
265
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Em rigor, não deverlamos dizer 'valor médio da variável casual x', mas sim 'valor médio da sua distribuição de frequência (absoluta ou relativa)'. Todavia, na prática, quando se fala de uma variável casual x, subentende-se geralmente que é dada uma distribuição de frequência ou de probabilidade dessa variável. Como vimos, as probabilidades são frequências relativas esperadas no futuro. Haverá, portanto, um conceito correspondente ao de valor
médio, quando passarmos de frequências a probabilidades. DEFINiÇÃO. Seja x uma variável casual que só pode tomar um número finito r de valores reais x 1" '.,Xr, com probabilidades respectivamente p 1, ... ,Pr. Chama-se esperança matemática (ou valor esperado) da variável x, e representa-se por E {x}, o número: r
E{ x }
= P 1 X1 + P 2 X2 + ... + Prxr =
~ PkXk
k=1
(1)
Como exemplo, calculemos a esperança matemática duma variável x com distribuição binomial (ou, mais precisamente, a esperança matemática da distribuição binomial). Por definição, é:
E{x} -
com P(x)
= (~)
pXqn-x e q
E{ x }
=
n ~
x=o
=1 -
n
2: x.
x=o
P(x). x,
p. Será, pois:
nl - - - pXqn-x X I (n-x) I
(') Também se define 'esperança matemática' de uma variável casual com uma infinidade de valores posslveis, mas isso ultrapassa o carácter elementar desta introdução.
266
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
aOMP2NDIO DE MATEMATICA
Visto o primeiro termo ser nulo (x=O), pode escrever-se: n
E {x} = pn. .!
(n-1)!
x=o (x-1) !(n-x)!
pX-1qn-X
= pn(p+q)n- 1
e, portanto: E {x}
= np
Por exemplo, sendo p = 1/2 e n = 10, a esperança matemática (ou valor esperado) da distribuição binomial é 5: exactamente igual à moda da distribuição (ver n.O 17). Mas, sendo p=1/2 e n=11, a distribuição binomial tem, como vimos, duas modas (5 e 6) e a sua esperança matemática é agora 5,5. Muitas vezes, em vez de 'esperança matemática' ou 'valor esperado', também se diz 'valor médio', mesmo quando se trata de distribuições de probabilidade. Posto isto, chama-se esperança matemática dum jogador à soma P1x,+ ... +Pnxn dos produtos PkXk das quantias Xk que ele pode ganhar num dado jogo, pelas respectivas probabilidades Pk de as ganhar. Um jogo diz-se equitativo, quando a entrada de cada jogador (isto é, a quantia com que entra no jogo) é igual à sua esperança matemática. São habitualmente equitativos os jogos puramente de sorte (como, por exemplo, o loto) entre pessoas que se reúnem para jogar a dinheiro. Não é equitativo, em geral, por exemplo, o bridge a dinheiro, precisamente porque não é um jogo de sorte, mas antes de per/cia. Mas há, também, jogos de sorte que não podem ser equitativos: por exemplo a roleta, a lotaria, etc. No caso da roleta ou da lotaria, a entrada do jogador tem de ser superior à sua esperança matemática: o excesso destina-se a contribuir para as despesas e receitas da banca ou instituição emissora. Simplesmente a entrada deve ser proporcional
267
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
à esperança matemática, isto é, deve existir um número k > 1, igual
para todos os jogadores (constante de proporcionalidade), tal que, sendo E' a entrada de cada jogador e E a sua esperança matemática, se tenha sempre: E'
=
kE.
Podemos exprimir este facto, dizendo que o jogo é equitativo entre o público, o que equivale afinal a dizer, no caso da lotaria, que a probabilidade de saída dos diferentes prémios é a mesma para
todos os números da emissão. Por exemplo, na Santa Casa da Misericórdia de Lisboa, 60 % dos preços dos bilhetes de lotaria são destinados a prémios e os restantes 40 % a despesas e receitas da Instituição. Tem-se pois, neste caso: 0,6 x E'
=E
ou seja
E'
=~ E 3
Surge agora, naturalmente, a pergunta: É
o totobola um jogo equitativo para o público?
Claro que não. O totobola não é um jogo puramente de sorte, mas sim um
jogo de sorte e de perícia. Na verdade, o facto de um jogador de totobola estar bem infor-
mado acerca das equipas que se defrontam aumenta a sua probabilidade de acertar, probabilidade que será muito maior, ainda, se o concorrente juntar a essa condição as seguintes: 1) ter uma apreciável intuição para prever os resultados dos desafios, intuição essa baseada na experiência; 2) dispor de bastante dinheiro, para poder, com uma aposta múltipla, cobrir uma zona de grande probabilidade ( 1).
(') Esta última condição por si só é demasiado fraca e pode constituir uma tentação perigosa para pessoas ingénuas que desejam. à viva força. ser milionárias (ver pág. 246. ex. 7).
268
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMPttNDIO DE MATEMATICA
Os exemplos de pessoas que são únicas a acertar nos 13 resultados, com uma aposta dupla feita ao acaso, nada provam contra o anterior argumento; não só porque, em estatística, os casos individuais não contam, mas ainda por uma razão, aparentemente paradoxal, semelhante à que já foi indicada a propósito da distribuição binomial (cf. n.O 17):
Como o número dos peritos em totobola é extremamente reduzido em comparação com a massa total dos concorrentes, pode acabar por ser mais provável que acerte um concorrente não perito, principalmente se tivermos em conta a possibilidade de resultados que estejam fora de todas as previsões admissíveis. Também não se pode inferir daqui que, quando os resultados estão ou parecem estar inteiramente fora das previsões admissíveis, só um não perito pode ser totalista. Entre os indivíduos a que podemos chamar 'peritos em totobola', há naturalmente uma grande diversidade de graus de perícia e serão, portanto, os peritos-mores (chamemos-lhes assim) os concorrentes com mais probabilidade de se tornarem milio-
nários do totobola. Como argumento final decisivo, a experiência parece confirmar as considerações de carácter apriorístico que acabamos de expor.
20. Aplicação da teoria das probabilidades nos seguros. Como vimos, foram os jogos de azar que deram origem ao cálculo das probabilidades, mas este acabou por ter numerosas aplicações importantes nos mais diversos domínios. Uma das mais antigas aplicações importantes do cálculo das probabilidades encontra-se na teoria matemática dos seguros. Esta é denominada 'cálculo actuariaf' e os especialistas neste ramo são chamados 'actuários'. O sistema dos seguros assemelha-se, em vários aspectos, ao das lotarias. Comecemos por um exemplo simples: Um chefe de familia vai fazer uma viagem de avião e, prevendo
269
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
a possibilidade de um acidente fatal, procura proteger a família, fazendo um seguro de 2000 contos. Para 24 horas de viagem esta importa em cerca de 160 escudos (prémio do seguro). É claro que neste caso, o acidente (ou sinistro) desempenha o papel da sorte na lotaria e que, portanto, o prémio do seguro deve ser superior à respectiva esperança matemática, isto é, ao produto do capital segurado pela probabilidade p do referido acidente, a fim de contribuir para as despesas e lucros da companhia seguradora. No exemplo concreto considerado deverá ter-se, pois: p x 2 000 000$00 < 160$00 Donde: 160 1 P<2000000 - 12500 Aliás, a probabilidade p, cujo valor só grosseiramente poderá ser avaliado, deve ser muito inferior a este limite, talvez inferior a 1/100000, o que deve tranquilizar as pessoas que viajam de avião ... Assim, este ramo de seguros funciona como um jogo equitativo
entre os segurados: tudo se passa como se, em caso de acidente, todos os segurados contribuissem para o pagamento do capital devido à famflia do sinistrado, sendo essa contribuição equitativa, isto é, proporcional à importância que cada segurado estipula para emergência análoga. Um exemplo semelhante, embora mais complexo"é o dos seguros
de vida. O cálculo destes seguros é baseado em tabelas de mortalidade, construídas por métodos de estatística matemática a partir de dados empíricos respeitantes a populações muito numerosas, distribufdas por vastas regiões e por longos períodos. Essas tabelas fornecem 'requências relativas ajustadas (isto é, submetidas a certas correcções teóricas), que podem ser assumidas como probabilidades,
270
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP-eNDIO DE MATEMÁTICA
num futuro não muito distante da época em que foram elaboradas tabelas. As companhias portuguesas de seguros adoptam ainda, por lei, as tábuas francesas AF (abreviatura de 'assurés français') e RF (abreviatura de 'rentiers français'), que foram elaboradas no século passado. No fim do volume apresenta-se um extracto da tábua AF. A tábua refere-se à evolução de uma população humana hipotética, que começa com um milhão de indivíduos, sem distinção de sexos. Na primeira coluna, indica-se o número x de anos de idade e, na segunda coluna, em correspondência por linhas, o número de vivos
com a idade x, número este que vamos designar por V x (os actuários usam, neste caso, o símbolo tx, abreviatura do inglês 'number living at age x'). Por exemplo, consultando a tábua AF para x = 20, x = 50 e x = 102, encontra-se: V20
= 824159
,
V60
= 628727
,
V1 02
=
3
Quer isto dizer, segundo a referida tábua, que, entre um milhão de individuos que nascem, 824159 atingem os 20 anos, 628727 atingem os 50, e s6 3 atingem os 102 anos; por outras palavras, as probabilidades de atingir essas idades são, respectivamente:
- 0,824159,
V50
vo
- 0,628727,
Vo
- 0,000003
A última é, como se vê, extremamente pequena, em todo o caso
superior à probabilidade de acertar nos 13 resultados do totobola, com uma aposta dupla puramente casual. Segundo a mesma tábua, nenhum dos individuos da população inicial de um milhão atinge os 104 anos. Não quer isto dizer que seja imposslvel atingir essa idade ou ainda outras superiores (citam-se casos, naturalmente rarlssimos, de macr6bios com 120 anos e mais).
271
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Aúnica conclusão a tirar daí é esta: a probabilidade que tem um recém-nascido de ultrapassar os 103 anos é inferior a um milionésimo (segundo a referida tábua). I: fácil reconhecer, agora, o seguinte:
A probabilidade que um indivIduo de idade x tem de chegar a uma idade y > x é Vy/vx. Por exemplo, a probabilidade que um indivíduo de 20 anos tem de sobreviver até aos 50 (pelo menos) é: V 50
628727
V 20
824159
~
0,76
portanto, superior ã probabilidade que tem um recém-nascido de chegar aos 50 (~ 0,63). Como exercício, calcule a probabilidade de que duas pessoas com idades x e x' atinjam ambas as idades y e y' respectivamente
>
>
x e y' x'). (com y Um conceito intimamente relacionado com este assunto é o de vida média duma pessoa (após uma idade x). A questão pode pôr-se intuitivamente nestes termos:
Calcular o número médio de anos de vida que têm ainda à sua frente as pessoas de idade x. Para obter este valor médio em primeira aproximação, admite-se uma hipótese simplificadora que, evidentemente, não é verificada na prática: todas as pessoas vivem um número inteiro de anos, falecendo imediatamente ap6s o último aniversário. Nesta hipótese, o número de pessoas de idade x que sobrevivem só 1 ano é vx+1-Vx+2; o número de pessoas de idade x que sobrevivem só 2 anos é Vx+2-Vx+3, e assim por diante. Nestas condições, a vida média após a idade x obtém-se dividindo por Vx (número total de indivlduos que atingiram a idade x) a soma dos produtos dos anos de sobrevivência pelos respectivos números de indivlduos. Assim,
272
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPtJ:NDIO DE MATEMÁTICA
se designarmos por c.> o número máximo de anos de vida (103 na tabela AF) e por ex a vida média após a idade x, teremos:
(1 )
=
= -
Vx
Vx
c.>-x ~ vx+n n=1
Para obter aproximações cada vez melhores da vida média após a idade x, deveríamos dispor de tábuas de mortalidade sucessivamente mais minuciosas, por exemplo por trimestres, por meses, por semanas, etc., que nos permitissem substituir a hipótese inicial por hipóteses cada vez mais próximas da realidade. Todavia, na prática, tem-se revelado suficiente uma segunda aproximação, que consiste em adicionar meio ano ao valor médio anterior. Esta segunda aproximação costuma ser designada pelo símbolo ex. Tem-se, pois, por definição:
o
ex
=
1 2
Em vez de 'vida média após a idade x', também se diz 'espe-
rança de vida na idade x' (donde a escolha da letra e nas anteriores notações). Porém, a primeira expressão é mais de origem estatlstica, referindo-se ao passado, e só enquanto se aplica ao futuro pode, com propriedade, ser substitulda pela segunda, de carácter probabilista. Sob este aspecto, trata-se, na realidade, de uma esperança matemática, como vamos ver, relativamente a ex. Com efeito, de (1) resulta imediatamente que
ex = 1 •
Vx+2- Vx+3 vx+1- v x+2 + 2· + Vx Vx
000
v c.> + (c.>-x) - Vx
273
eM 11-18
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
Ora {Vx+1-Vx+2)/vx é a probabilidade que tem um indivíduo de idade x de viver s6 mais 1 ano, {Vx+2-Vx+3)/vx a probabilidade que tem um indivíduo de idade x de viver só mais 2 anos, e assim sucessivamente. Logo, a expressão anterior dá, efectivamente, segundo a definição do n.O 19, a esperança matemática da variável casual
n = número de anos de vida ap6s a idade x, adoptando a hipótese simplificadora inicial. Posto isto, suponhamos que uma pessoa de idade x pretende fazer um seguro de vida na importância de C escudos, que deverá ser entregue à pessoa ou às pessoas designadas pela primeira, após a sua morte. Suponhamos que esta decide pagar para esse fim um prémio anual de c escudos, enquanto viva. Se o sistema fosse equitativo e se os prémios não rendessem juro, o produto de c pela parte inteira da vida média dessa pessoa após a idade x deveria ser igual a C, isto é: mc -
C,
sendo m a parte inteira (ou característica) de
ex.
Mas, já sabemos que o sistema só pode ser equitativo em relação ao público entre si, visto que o prémio deve contribuir não só para a constituição do capital C, mas também para as despesas, riscos e receitas da companhia seguradora. Por outro lado, os prémios devem ficar a render juro's compostos, a favor do segurado, durante a vida deste, com determinada taxa r anual (geralmente 4 %). Estas e outras circunstâncias vêm complicar o cálculo dos seguros de vida inteira (bem como de outras modalidades afins), com pormenores técnicos que ultrapassam o âmbito desta iniciação elementar.
274
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPttNDIO DE MATEMÁTICA
21. As variações da probabilidade no cálculo de seguros. Como vimos nos n.OS 11 e 12, a atribuição de uma probabilidade p a um acontecimento
IX
assenta no método de indução e está,
portanto, sujeita a todas as limitações próprias deste método, nomeadamente no espaço e no tempo: não podemos extrapolar os resul-
tados da experiência para além de certos limites. Isto verifica-se com a própria física e até com a geometria. Por exemplo, o teorema segundo o qual a soma dos ângulos dum triângulo é igual a 180° é válida até às aproximações exigidas na prática, numa região do espaço que não exceda muito as dimensões da Terra; porém, a TEORIA DA RELATIVIDADE veio mostrar que, em domínios astronómicos mais extensos, a soma dos ângulos dum triângulo pode ser sensivelmente superior a 1800 ( 1). Isto revela que os postulados da geometria euclidiana, e em especial o próprio POSTULADO DE EUCLIDES (2), deixam de dar resultados com aproximação razoável em tais domínios.
!:,
portanto, natural que a probabilidade dum acontecimento (ou
melhor, de um tipo de acontecimentos) esteja sujeita a variações mais ou menos imprevisíveis. Por vezes, essas variações são tão rápidas, que nem sequer faz sentido falar de probabilidade, por ausência de
regularidade estatística, mesmo em zonas ou períodos bastante limitados. Outras vezes as variações de probabilidade são bastante lentas, para que os números atribuídos como probabilidades aos acontecimentos possam ser aceites com relativa confiança; é o que sucede. por exemplo, com as probabilidades indicadas por tábuas de mortalidade não muito antigas, abstraindo, é claro, de períodos excepcionais de guerras, grandes epidemias, etc. e de regiões do Globo a que essas tábuas não se apliquem.
(1) Neste caso chamam-se segmentos de recta as trajectórias dos fotões no vazio. (2) 'Dados um ponto e uma recta, existe sempre uma recta e uma só que passa pelo ponto dado e é paralela à recta dada'. Na geometria que melhor 18 adapta a domlniol astronómicos, nlo existem rectas paralelas.
275
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
Já atrás foi mencionado que as companhias portuguesas de seguros ainda usam, por lei, as tábuas francesas AF e RF, elaboradas no século passado. Essas tábuas fornecem probabilidades diferentes. Como se explica esta discordância em tábuas do mesmo pais e da mesma época? As razões são as seguintes: A tábua AF ('assurés français') destina-se essencialmente a seguros de vida e a tábua RF ('rentiers français') a rendas vital/cias.
E natural
que tenham maior tendência para a segunda modalidade
pessoas saudáveis que esperam ter uma longa vida e que se decidem a confiar capitais a companhias de seguros ou ao Estado, a fim de serem convertidos, com os respectivos juros, em rendas vital/cias, de carácter periódico (mensais, trimestrais, etc.) conforme o estipulado. Pelo contrário, é natural que tenham maior tendência para seguros de vida pessoas com preocupações de saúde. Ora, as tábuas foram organizadas não só utilizando os resultados de censos populacionais, mas também com base na experiência das próprias companhias - e essa experiência parece confirmar as previsões anteriores, apesar de as companhias tomarem a precaução de sujeitar a inspecção médica as pessoas que pretendem fazer seguros de vida. Assim se explica,
portanto, que as tábuas RF dêem probabilidades de vida um pouco superiores às correspondentes da tábua AF. Deve acrescentar-se, no entanto, que estão actualmente em estudo entre nós tábuas de mortalidade recentes, também de origem francesa, uma para cada sexo: tábua PM ('population masculine') e tábua PF ('population féminine'). Verifica-se que as pessoas do sexo feminino têm, para cada idade x, vida média geralmente superior às do sexo masculino para a mesma idade, o que está de 'acordo com certos factos que chamam a atenção: por exemplo, parece ser mais frequente a viuvez no sexo feminino do que no masculino. No final do volume é apresentado um extracto da tábua PM. Comparando-a com a tábua AF observa-se um considerável acréscimo das vidas médias (ou esperanças de vida) para cada idade: assim, para a idade O, a tábua AF dá como vida média 52,0187
276
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMP~NDJO
DE MATEMATICA
anos enquanto a tábua PM dá 66,9551, cerca de 15 anos mais; para a idade 50, a tábua AF dá como vida média 19,6593 anos, enquanto a tábua PM dá 22,5495, cerca de 3 anos mais, etc. Estes acréscimos, que podem ser explicados pelos progressos da medicina e pelas condições mais higiénicas da vida moderna, são confirmados, ao que parece, pela própria experiência das companhias que continuam a adoptar as tábuas AF e RF: o ramo dos seguros de vida tem-se tornado mais lucrativo (aumentando a vida média, aumenta o número de prémios pagos pelos segurados na modalidade vida
inteira); ao passo que as rendas vitallcias se tornam menos vantajosas (vivendo mais tempo, as pessoas recebem maior número de rendas). Observa-se, no entanto, um facto estranho ao comparar as duas tábuas: no primeiro ano de vida a tábua PM dá um número de mortes (68620) quase duplo do que é dado pela tábua AF (36015). Este facto contradiz a afirmação corrente de que os progressos da medicina e da higiene, associados ao progresso social, têm diminuído enormemente a mortalidade infantil. Deve notar-se, porém, que a tábua AF não merece grande confiança relativamente às primeiras idades, quer pela insuficiência de dados estatlsticos, quer pelos métodos de ajustamento utilizados. Convém assinalar entretanto que, logo na idade 1, a tábua PM apresenta um número de mortes (6706), que é cerca de 30 % do valor correspondente dado pela tábua AF e esta forte diminuição da mortalidade mantém-se em todos os anos de infância e da adolescência. Finalmente deve dizer-se que foi elaborada, há poucos anos, uma tábua de mortalidade portuguesa.
22. Interpretaçio estatística duma tábua de contingência. Teste do qui-quadrado com um grau de liberdade. Imaginemos uma experiência destinada a averiguar da eficácia de um certo tratamento em determinada doença. Suponhamos que o expe-
277
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
.T. SEBASTIAO E SILVA
rimentador dispõe de 300 animais atacados dessa doença e que decide submeter 100 destes ao referido tratamento, reservando os outros 200 para contrôle (ou testemunho). Suponhamos, além disso, que se obtiveram os resultados indicados na seguinte tabela (1):
TABELA DOS VALORES OBSERVADOS
Sobreviventes
Mortos
Total
152
48
200
88
12
100
240
60
300
Não tratados Tratados TOTAL
Para averiguar em que medida estes resultados autorizam a admitir uma real influência do tratamento na doença (no sentido da cura ou no sentido do agravamento), adapta-se uma atitude mental semelhante ao método de demonstração por redução ao absurdo usado em matemática pura. Consiste essa atitude em admitir uma hipótese,
chamada
hipótese nula (ou hipótese de
indepen-
dência), que é exactamente a negação daquilo que se pretende estabelecer.
O tratamento adoptado não influi na mortalidade da doença, nem num sentido nem no outro. HIPÓTESE NULA.
Admitida esta hipótese, seria de esperar que os resultados obti-
C')
Exemplo dado por FINNEY na sua obra 'An introduction to statistical 8cience on agriculture'.
278
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP~NDIO
DE MATEMÁTICA
dos fossem aqueles a que, no n.O 5, chamámos valores de independência (ou valores esperados) e que são os indicados na seguinte tabela: TABELA DOS VALORES ESPERADOS (1)
Sobreviventes
Mortos
Total
160
40
200
80
20
100
240
60
300
Não tratados Tratados TOTAL
Estes valores foram obtidos segundo a f6rmula definidora de (l>0(0(.~) (ver pág. 210), que se aplica igualmente a cI>0(;X ~), cI>0(~ ~), etc. Assim, tem-se:
160 = 40
=
240 x 200 300
80
60 x 200 300
160 ,
= 200 -
=
240 x 100 300 20
=
= 240 -
60 x 100 300
160,
= 100 -
80.
Quer dizer: segundo a hip6tese nula, o número de sobreviventes não tratados deveria ser 160, a dos sobreviventes tratados 40, etc. Com efeito, s6 deste modo a percentagem dos sobreviventes entre os tratados seria igual à dos sobreviventes entre os não tratados, ou seja: 80 100
160 200
- 80%,
( ') Aqui 'valores esperados' é abreviatura de 'valores esperados na hipótese da Independlncla'.
279
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
e, analogamente, a percentagem dos mortos entre os tratados seria igual à dos mortos entre os não tratados, ou seja:
20
= 100
40 200
= 20%
Porém, os valores observados não coincidem com os correspondentes valores esperados. As diferenças entre os primeiros e os segundos, chamados desvios (OU discrepâncias) são indicados na seguinte tabela: TABELA DOS DESVIOS [
Sobreviventes
Total
Mortos
-8
8
O
Tratados
8
-8
O
TOTAL
O
O
O
Não tratados
É claro que, em tabelas de contingência deste tipo, basta conhe-
cer um dos desvios para que os restantes fiquem determinados, uma vez que as somas dos desvios, tanto por linhas como por colunas, têm de ser zero. Exprime-se este facto dizendo que as tabelas deste tipo têm um s6 grau de liberdade. Surge, agora, a pergunta:
Estão estes desvios em contradição com a
hip6t~se
nula?
Em rigor, isto é, em matemática pura baseada na lógica bivalente do 'sim ou não', a resposta só pode ser 'sim'. Não esqueçamos, porém, que não se trata agora de proposições matemáticas, mas de factos emplricos, necessariamente contingentes. Por outras palavras: O facto de o tratamento não influir na doença não obriga, de
280
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
COMP1§NDIO DE MATEMÃTICA
modo nenhum, a uma rigida confirmação dos valores de independência, pois pode haver desvios não nulos devidos ao acaso; só se os desvios excederem, em valor absoluto, um certo limite é que haverá razão para rejeitar a hipótese nula. Tudo está, portanto, em avaliar aproximadamente esse limite, para além do qual deixará de ser admissivel a hipótese nula. *
*
*
A situação anterior é análoga à que se levanta a propósito de lançamentos sucessivos duma moeda ao ar. Supondo que a moeda
é equilibrada, é de esperar que, por exemplo, numa sequência de 100 lançamentos, se apresente escudo 50 vezes, isto é, que a frequência relativa deste acontecimento seja 1/2. Mas, é possivel (e até, como vimos, muito mais provável), que a frequência absoluta desse acontecimento em 100 provas seja diferente de 50; simplesmente, a frequência absoluta será tanto menos provável quanto mais se afastar do valor esperado (ou esperança matemática), que é, como vimos, 50. Aliás, a distribuição binomial (n.os 17 e 18) habilita-nos a calcular, neste caso, a probabilidade de que o desvio (diferença entre o valor esperado e o valor observado) tenha módulo inferior a um certo limite. Todavia, como vimos, os cálculos exigidos pela distribuição binomial para 100 provas são demasiado laboriosos, o que o obriga a um cálculo aproximado (tanto mais aproximado quanto maior é o número de provas), recorrendo à distribuição normal, que ainda não estamos em condições de estudar. Tornando à experiência do exemplo inicial, podemos imaginar um tipo de provas semelhantes ao que consiste em atirar uma moeda ao ar, para ver em que medida os desvios verificados são atribuíveis unicamente ao acaso. Tomem-se 300 bocados de cartão, sensivelmente iguais em forma, dimensões e substância, e distingam-se 100 desses cartões com a cor vermelha (representativos dos 100 animais tratados) e os 200 restantes com a cor branca (representativos dos animais não tratados).
281
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIAO E SILVA
Executa-se, depois, um grande número de vezes seguidas a prova 1) que consiste nas seguintes operações:
1.° Fechar todos os cartões numa caixa bastante espaçosa. 2. ° Agitar fortemente a caixa várias vezes.
3.° Tirar da caixa, ao acaso, 60 cartões (representativos dos animais mortos). 4.° Registar o número de cartões vermelhos existentes nessa amostra de 60 cartões.
e c/aro que a prova rp implica a reposição dos cartões retirados
na prova anterior. O número x de cartões vermelhos em cada amostra indica o número de animais tratados mortos, numa experiência hipotética, em que o desvio x - 20 entre x e o valor esperado 20 seja atribufvel exclusivamente ao acaso (segundo a HIPÚTESE NULA). Uma vez conhecido este desvio, imediatamente se determinam os restantes, visto que as somas por linhas e por colunas são nulas, como vimos. Ora, no caso em estudo, o módulo dos desvios verificados é 8. Portanto, o que está indicado é determinar a frequência relativa com
que, nas referidas provas casuais, se apresentam desvios cujo m6dulo é igualou superior a 8. Quem tiver a paciência de efectuar um número muito grande de tais provas (pelo menos 1000) verificará que s6 em cerca de 2 % das provas se apresentam desvios com m6dulo igual a 8. Somos, assim, levados a concluir, por indução, que:
A probabilidade de desvios puramente casuais, com m6dulo igualou superior a 8, é aproximadamente 2%; ou ainda, o que é equivalente:
A probabilidade de desvios puramente casuais, com m6dulo inferior a 8, é cerca de 98 %. Como esta probabilidade é muito próxima de 1, podemos tomar como quase certo que os desvios puramente casuais têm módulo inferior a 8. Mas isto é contrário à hip6tese nula. Somos, portanto, 282
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1fJNDIO DE MATEMÁTICA
levados a rejeitar 8 hipótese nula, isto é, a concluir, com uma boa margem de segurança, que:
O tratamento influi realmente na evolução da doença, sendo o
efeito benéfico, visto ser positivo o desvio correspondente a 'animais tratados sobreviventes'.
• • • Releia, com muita atenção, todas as considerações anteriores acerca da experiência em estudo. Analise-as com esplrito crítico. A argumentação usada é de tipo muito diferente do das demonstrações matemáticas, apesar da analogia com as demonstrações por redução ao absurdo. Para quem se habituou ao chamado 'rigor lógico da matemática', deixam uma certa insatisfação no espírito, não é verdade 7 Mas é tempo de se ir habituando também à ideia de que o rigor matemático se refere a um ideal platónico de perfeição absoluta, que jamais se encontra realizado neste mundo em que vivemos - muito
embora nos seja indispensável para interpretar, com êxito cada vez maior, esta mesma realidade, sempre mutável e imperfeita. Já vimos que todas as leis experimentais sofrem do mesmo carácter contingente, que resulta do método indutivo. Mas são essas leis que marcam o progresso real do homem no conhecimento do mundo empírico. Um dos inconvenientes do método anterior é o de obrigar a um enorme número de provas fastidiosas. Todavia esse inconveniente pode ser evitado, recorrendo precisamente ao método dedutivo da matemática, segundo os princípios do cálculo das probabilidades. Com efeito, não é difícil reconhecer que a probabilidade de, numa amostra casual de 60 cartões, aparecerem x cartões vermelhos é (1): P(x) = ( 1
~o
) (
6~~X) (d,'st",'bu,'ça-o
( 36~O )
,.
hipergeométrica)
(') A dedução desta fórmula pode ficar como exercicio para os alunos mais interessados, !: fácil determinar o número de casos possiveis e o número de casos favoráveis.
283
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILVA
Esta fórmula permite, pelo menos teoricamente, calcular a probabilidade de um desvio x-20 com módulo igualou superior a 8. Essa probabilidade, até à ordem das centésimas, é precisamente: P(lx-201>8) =0,0210 ~ 2% Simplesmente, tal como no caso da distribuição binomial, os cálculos exigidos pela utilização da fórmula (1) são impraticáveis. Mas, também como no caso da distribuição binomial, podemos rodear a dificuldade recorrendo a um cálculo aproximado que se baseia numa outra distribuição. Com efeito: A probabilidade de que os desvios casuais não excedam, em valor absoluto, um certo limite pode ser calculada aproximadamente, recorrendo a uma lei de probabilidade chamada DISTRIBUiÇÃO DE PEARSONo Embora não estejamos ainda em condições de fazer o estudo teórico desta lei de probabilidade, podemos, desde já, indicar como
pode ser usada na prática, recorrendo a tabelas numéricas dessa distribuição. Para isso, começa-se por calcular um indice estatístico da tabela de contingência, que se designa pelo símbolo X 2 (lê-se 'qui-quadrado', visto 'X' ser a letra grega chamada 'qui') e que é assim definida:
O X 2 duma tabela de contingência é a soma dos números que se obtêm dividindo o quadrado de cada desvio pelo valor esperado correspondente. Assim, no exemplo anterior, o valor de X 2 é: (-8) 2 8 2 82 (-8) 2 X 2 = 160 + 80 + 40 + 20 = 6 Ora bem, demonstra-se em Estatística Matemática a seguinte proposição, cujo significado irá sendo compreendido posteriormente com exemplos práticos( 1):
( ') Como estamos a seguir uma exposição de tipo prático, renunciamos a precisar o sentido exacto desta proposição.
284
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP111NDIO DE MATEMATIOA
o
X 2 duma tabela de contingência inteiramente casual segue
aproximadamente a lei de Pearson, sendo a aproximação tanto maior quanto maior for o máximo valor esperado. Por este facto, a lei de Pearson também é chamada •distribuição do qui-quadrado'. No final do volume encontra-se uma tábua desta
distribuição, apresentada do seguinte modo: A tábua tem duas entradas, uma para o número de graus de liberdade (n) e a outra para a probabilidade (P). Suponhamos, por exemplo, n = 1 (o caso que nos interessa por agora) e P = 0,02 ou P = 0,01. No cruzamento da linha 1 com as colunas 0,02 e 0,01 encontramos, respectivamente, os valores 5,41 e 6,64 do X 2. Quer isto dizeroseguinte: A probabilidade de um X2 igualou superior a 5,41 é 0,02; a probabilidade de um X 2 igualou superior a 6,64 é 0,01 (supondo que os desvios se devem exclusivamente ao acaso). Simbolicamente:
P(X2
> 5,41) = 2 %,
P(X2
> 6,64) = 1 %
Analogamente se procede em qualquer outro caso. No exemplo anterior, o valor obtido do X2 é 6, portanto compreendido entre 5,41 e 6,64. Nestas condições, a probabilidade de um X 2 igualou superior a 6 estará entre 1 % e 2 %. Mas é preciso não esquecer que o uso da distribuição de Pearson em casos como este envolve aproximações que só são aceitáveis quando os valores esperados são relativamente grandes. Uma regra que costuma ser recomendada na prática é a de não utilizar a distribuição de Pearson quando algum dos valores esperados é inferior a 5. Contudo, a aproximação pode ser melhorada consideravelmente,
em qualquer caso, por um simples artifício chamado 'correcção de YATES', que consiste em diminuir 0,5 ao módulo de cada desvio. Assim, no caso em estudo, temos o valor corrigido (1):
(-7,5) 2 7,5 2 7,5 2 (-7,5) 2 X2 = + + + 20 = 5,27 160 40 80 ( ')
Por comodidade continuamos a designar por X 2 o valor corrigido.
285
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J . SEBASTIÃ.O E SILVA
Ora, este valor aproxima-se muito mais do valor 5,41 correspondente a P = 0,02, que do valor 3,84 correspondente a P = 0,05. Assim se confirma o que já tinha sido indicado atrás como resultado de métodos muito mais laboriosos: A probabilidade de, na referida experiência, haver desvios puramente casuais com módulo igualou superior a 8, é aproximadamente 0,02.
• • • Esta conclusão levou-nos a rejeitar a hipótese nula, mas aí está um outro motivo de insatisfação que nos deixa o método estatfstico usado. Nós concluímos que é quase imposslvel haver desvios casuais com módulo igualou superior a 8 (ou, o que é equivalente, que é quase certo os desvios casuais terem módulo inferior a 8). Mas o que
se entende por 'quase certo' e por 'quase impossível'? Em matemática pura todo o conceito não primitivo é definido com rigor absoluto e de modo inteiramente objectivo, isto é, com um critério independente das pessoas e das circunstâncias. Agora, pelo contrário, é necessário usar critérios subjectivos, que dependem da intuição e do bom senso do experimentador, assim como da natureza da própria experiência e das circunstâncias que a rodeiam. Em certas investigações biológicas é usual considerar já como muito pequena a probabilidade de 1 por 20 (0,05), embora muitas
vezes se prefira considerar como muito pequena a de
1
por 50
(0,02) ou a de 1 por 100. Cada uma destas probabilidades é chamada 'nlvel de significância', no método estatístico descrito, o qual por sua vez é denominado 'teste de significância do X. mente 'teste do X. 2'.
2: ou simples-
Convenciona-se chamar 'significante' o nfvel de 5 % e 'altamente significante' o nível de 1 %. Mas convém salientar que se trata aqui
apenas de convenções cómodas de linguagem, adoptadas por estatlsticos e experimentadores.
286
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPtbNDIO DE MATEMÁTICA
Aliás, não são estes os únicos níveis de significância adoptados na prática. Casos há em que o nível de 1 por 10 é já considerado como significante (especialmente em investigaçãos médicas em que o tratamento consiste numa ligeira alteração de regime, pouco dispendiosa e sem risco para o doente); e casos há em que, pelo contrário, se requer um nível de 1 por 1000 (quando se trate de alterações profundas ou muito dispendiosas). Além disso, o teste do X 2 não é senão um exemplo, entre muitos, dos testes de significância oferecidos pela estatística matemática. Nas suas linhas gerais, um teste de significância compreende os seguintes passos:
Formular a hip6tese nula, que nega o facto experimental a estabelecer. 1)
2) Escolher o nível de significância que pareça mais adequado à natureza da experiência e ao tipo de decisão a tomar. 3) Calcular a probabilidade de que os valores absolutos dos desvios puramente casuais sejam iguais ou superiores àqueles observados. 4) Se a probabilidade obtida em 3) é inferior ao nível de significância adoptado em 2), rejeitar a hip6tese nula; caso contrário, deixar a conclusão em suspenso. *
*
*
Note-se que o papel da estatística matemática não se limita, de modo nenhum, à interpretação de resultados experimentais: os métodos estatísticos devem ser usados, primeiro que tudo, no pla-
neamento das experiências. Não podemos aqui estudar este assunto de alto interesse. Limitar-nos-emos, por isso, a breves indicações sobre a natureza do problema, no caso particular do tratamento hipotético atrás considerado.
J: claro que, quanto maior for o número total de casos individuais estudados, melhor informação fornecem os resultados obtidos; mas,
287
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIAO E SILVA
esse número é forçosamente limitado, especialmente por razões de ordem económica, e, por isso, mais necessário se torna tirar o maior
rendimento posslvel do material de que se dispõe. Suponhamos, por exemplo, que se tinham escolhido apenas 2 ou 3 animais para serem tratados entre os 300, reservando os restantes para contrôle (ou vice-versa); é manifesto mesmo a prior! que os resultados não autorizariam um juizo seguro. Deve, portanto, haver uma proporção óptima para revelar a eficácia do tratamento, caso este tenha de facto efeito. Porém, essa proporção não é, como poderia parecer à primeira vista, a de 50 % para os dois grupos. Na tabela seguinte estão indicados os valores do "1. 2 para diferentes proporções de animais tratados, entre os 300, na hipótese de a percentagem de mortos entre animais tratados ser a mesma que se observou na experiência imaginada (12 %).
N.Ode animais tratados
para 12 % de mortalidade
25 50 100 125 150 175 200 250 275
1,2 2,8 5,3 6,1 6,5 6,6 6,3 4,0 2,0
Vê-se que o máximo valor do X 2 é atingido na proporção de 175 tratados para 125 não tratados. Deve ser, portanto, essa a proporção ideal para a experiência. Há, ainda, outros pormenores relativos à realização da experiência que precisam de ser observados, para que o teste de signifidlncia não resulte ilusório. É óbvio que, se os animais tratados tiverem uma
288
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
(JOMPSNDio ])111 MATidufIOA proveniência diferente da dos animais não tratados, as diferenças registadas podem não ser devidas ao tratamento nem ao acaso. Para atenuar o mais possível os factores estranhos ao tratamento, o que há a fazer é destacar os 300 animais duma população tão homogénea quanto possível, e entre esses escolher, completamente ao acaso, os 100 animais a serem tratados, dando a todos os 300 igual probabilidade de serem escolhidos. Esta operação, chamada amostragem casual, tem de ser efectuada por um processo objectivo, em que não intervenha qualquer facto r pessoal de escolha. Um tal processo pode consistir no seguinte: numerar os animais de 1 a 300, deitar numa caixa 300 cartões iguais, numerados de 1 a 300, e tirar 100 à sorte: os números saldos serão os dos animais a tratar. Nunca é de mais encarecer a importância da amostragem casual, neste e noutros tipos de experiências, como base duma investigação estatística bem orientada. Não podemos, contudo, indicar aqui os pormenores de técnica, a que tem por vezes de obedecer uma tal operação, que é hoje objecto de estudos desenvolvidos em estatlstica matemática. NOTA SOBRE A TERMINOLOGIA.
Entre as palavras 'teste', 'significância'
e 'significante', atrás usadas, as duas primeiras são anglicismos. Por isso, alguns autores portugueses preferem a essas, respectivamente, as palavras 'prova', 'significação' e 'significativo'. A conveniência em adoptar as primeiras está em que, quando se trata de termos técnicos (como é aqui o caso), importa evitar qualquer confusão com acepções da linguagem comum.
23. Teste do qui-quadrado com mais de um grau de liberdade. Limitar-nos-emos a um exemplo ('). Trata-se de colheitas de cevada em 260 campos, feitas em 1942. No Inverno e na Primavera antecedentes, tinha-se avaliado em cada campo a frequência
(')
Extraldo da obra de FINNEY, já citada.
189 eM D-19
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. BEBABTIAO E SILVA
da larva dum coleóptero designado em inglês por 'wireworm' (variedade de insecto chamado em português 'alfinete'). Segundo determinado critério, classificou-se a infestação dos diferentes campos em 'baixa', 'moderada', 'alta', e 'muito alta'. Por sua vez, a qualidade das colheitas foi classificada em 'satisfatória' e 'não satisfatória'. Os resultados são os que constam da seguinte tabela: Resultados das colheitas
Infestação Baixa
Total
Moderada
Alta
Muito alta
Satisfatórios
94
62
31
15
202
Não satisfatórios
15
15
17
11
58
109
77
48
26
260
Total
Daqui se deduziu uma tabela dos valores esperados e uma outra dos desvios (tabelas que não reproduzimos). O valor do X 2 será ainda, neste caso, a soma dos números que se obtêm, dividindo o quadrado de cada desvio, pelo respectivo valor esperado. Acha-se, então:
9,3 2 2,2 2 X2 = 84,7 + 59,9 +
(~6,3) 2
37,3
(-5,2) 2 (-9,3)2 + 20,2 + 24,3 +
(-2,2) 2 6,3 2 5,2 2 + 17,2 + 10,9 + 5,8 = 15,7 A hipótese nula formula-se, agora, do seguinte modo: HIPÚTESE NULA. A infestação não influi em nada na qualidade da colheita. Adaptemos o nível 1 % (altamente significante). Para utilizar o teste do X 2 há que notar, agora, os seguintes factos: 1)
290
A distribuição de Pearson não depende do número de casos
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP1JJND10 DE MA1'IiJMA1'IÓA
considerados, mas depende do número de graus de liberdade da tabela de contingência. Neste caso, trata-se de uma tabela 2 x 4 (isto é, com 2 linhas e 4 colunas). Como, na correspondente tabela de desvios, são nulas as somas dos desvios quer por linhas quer por colunas, é necessário e suficiente conhecer os desvios numa linha e em três colunas (portanto, ao todo, 3), para que os restantes desvios fiquem determinados. Exprime-se este facto dizendo que a tabela tem 3 graus de liberdade. Dum modo geral, uma tabela com m linhas e n colunas tem (m-1) (n-1) graus de liberdade. 2) O teste do X. 2 não deve aplicar-se quando algum dos valores esperados for demasiado pequeno. 3) A correcção de Vates é somente aplicável nas tábuas 2 x 2 (com 1 grau de liberdade). Portanto, como nenhum dos valores esperados é demasiado pequeno e a tabela tem 3 graus de liberdade, podemos utilizar o anterior valor do X. 2 atrás obtido (15,7). Procurando na tábua da distribuição de Pearson o valor do X. 2 correspondente ao nivel de probabilidade 0,01 e a 3 graus de liberdade, achamos 11,34. Ora, o X. 2 obtido é muito superior a este e aproxima-se até do que corresponde ao nlvel 0,001 (que é 16,27).
Podemos, pois, rejeitar a hipótese nula com nlvel altamente significante.
24. Conceitos qualitativo e quantitativo de probabilidade. Consideremos frases tais como: 'i: provável que, já antes de Cristóvão Colombo, navegadores portugueses tenham chegado à América'. 'i: provável que existam seres vivos em Marte', etc. O primeiro juizo refere-se ao passado e o segundo ao presente; nenhum deles se baseia em frequências relativas observadas em sequências estatisticas. Trata-se, em ambos os casos, de um conceito
291
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
i. BEiu8TIÀO E SILVA. quslitstivo de probabilidade - muito diverso do conceito quantitativo atrás considerado. O conceito quantitativo de probabilidade é objectivo, isto é, depende só do objecto (facto considerado) e não do sujeito (pessoa que pensa e emite o juízo), visto que se baseia em dados estatísticos. Pelo contrário, o conceito qualitativo de probabilidade é subjectivo, isto é, depende do sujeito que o aplica: constitui uma opinião, que pode variar de pessoa para pessoa e de época para época. Em vez da expressão 'é provável' também se usam, neste caso, com significado idêntico expressões tais como' é veros/mi!', 'é de crer', 'é crive!', 'é admisslve!', 'é natura!' e ainda 'é posslve!' (agora com significado diferente do que temos atribuído a esta última palavra). Por vezes diz-se mesmo, falando na primeira pessoa gramatical: 'não me repugna admitir', 'não excluo a hipótese', etc., o que põe mais em evidência o carácter subjectivo do conceito em questão. Podemos chamar credibilidade à probabilidade no sentido qualitativo. Embora se trate de um conceito que parece estar fora da alçada da ciência, há cientistas que pensam diversamente. Mas trata-se, ainda aqui, de uma opinião pessoal discutível... Porém, a delimitação entre os conceitos qualitativo e quantitativo de probabilidade não é tão nítida como possa parecer à primeira vista. Consideremos a seguinte afirmação: 'Com os progressos da técnica, a probabilidade de acidente numa viagem aérea tem diminuído nos últimos 30 anos, r.elativamente a percursos iguais. t portanto, provável que essa probabilidade continue a diminuir'. Neste caso, a palavra 'provável' sublinhada poderia substituir-se por 'admissível'. Refere-se a um conceito de probabilidade situado entre o qualitativo e o quantitativo, porém mais próximo do segundo, visto que a conclusão se baseia em dados estatísticos objectivos, de acordo com o método de indução. Mediante uma análise estatística aprofundada, essa probabilidade talvez pudesse mesmo vir a ser definida quantitativa mente.
192
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP2NDlO DE MATEMÁTIOA
Muitas vezes, a avaliação de uma probabilidade começa por uma suspeita ou intuição, de carácter mais ou menos subjectivo. Por exemplo, alguns cientistas começaram a ter a suspeita de que o fumar contribui para se ter cancro nos pulmões. Depois disso, numerosas investigações têm sido efectuadas sobre o assunto, com a aplicação de testes tais como o do X 2 (que implicam já, eles próprios, o conceito de probabilidade). Há pouco tempo, uma revista americana de divulgação indicava o seguinte resultado: 'A probabilidade que tem um grande fumador de contrair cancro nas vias respiratórias é cerca de 1 /8'. Considera-se aqui como 'grande fumador', ao que parece, um indivíduo que fume pelo menos 40 cigarros por dia. Estas investigações têm sido fortemente dificultadas pelo facto de haver enormes interesses económicos em causa. No entanto, a ser válida a conclusão anterior, o comércio de tabacos deveria ser equiparado ao negócio de estupefacientes, para efeitos legais ... Atitude análoga se deveria, aliás, adoptar em relação a muitas das drogas que inundam os mercados e que só têm servido para fazer grandes fortunas à custa da bolsa e da saúde, física ou mental, das pessoas incautas. A propaganda comercial não conhece limites morais para fazer vingar os seus fins e, assim, todos os sofismas lhe podem servir. Sabe-se, por exemplo, que Puccini, fumador excessivo, morreu com um cancro na garganta. Pois não faltará quem justifique este caso, alegando que, se Puccini não tivesse fumado tanto, talvez não tivesse produzido a Boheme, a Madame Butterf/y, etc. - além de que já tinha 66 anos quando faleceu ... Quanto àqueles que argumentam com o facto de haver muitos casos de não fumadores que contraem o cancro, esses apenas revelam ausência de espírito cientifico, semelhante ao das pessoas ingénuas que concluem, a partir de exemplos, que tem maior probabilidade de ganhar no totobola quem não conhecer nada de futebol.
293
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
~.
SEBASTIAO E SILVA
Um facto é certo: os métodos estatrsticos têm sido uma arma poderosa na luta contra o cancro e outras doenças que afligem a humanidade, assim como no combate à superstição e ao charlatanismo. Estes e outros exemplos não vêm senão confirmar um principio que deve estar presente no espirito de todo o cientista:
Embora partindo de intuições de carácter mais ou menos subjectivo, a investigação cientifica, para conduzir a resultados seguros, tem de ser sempre submetida a critérios de lógica dedutiva ou indutiva, tanto quanto posslvel objectivos, desinteressados, alheios a toda a paixão humana. FIM DO 1.° VOLUME
294
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
aOMPSNDIO DE MATEMATICA
TABUAS DE MORTALIDADE
TÁBUA AF
N.o de vivos Vx
Esperança de vida: ex
Idade
O 1 2 3 4
1000000 963985 937488 917939 903486
52,0187 52,9434 53,4257 53,5528 53,4015
26 27 28 29 30
791780 786713 781578 776368 771075
37,4315 36,6693 35,9070 35,1446 34,3824
5 6 7 8 9
892765 884754 878676 873932 870056
53,0368 52,5125 51,8723 51 ,1 511 50,3768
31 32 33 34 35
765690 760203 754606 748887 746036
33,6207 32,8597 32,0997 31,3411 30,5839
10 11 12 13 14
866684 863529 860371 857043 853426
49.8708 48,7501 47,9272 47,1114 46,3090
36 37 38 39 40
737038 730884 724556 718042 711324
29,8287 29,0757 28,3253 26,5777 26,8334
15 16 17 18 19
849446 845069 840298 835173 829762
45,5236 44,7568 44,0081 43,2750 42,5540
41 42 43 44 45
704386 697210 689777 682067 674058
26,0928 25,3562 24,6241 23,8967 23,1748
20 21 22 23 24 26
824159 818171 812809 807271 801926 796786
41,8399 41,1272 40,4102 39,6840 38,9451 38,1932
46 47 48 49 50 61
665729 657056 648015 638581 628727 618429
22,4584 21,7483 21 ,0477 20,3483 19,6593 18,9784
Idade
x
x
I
N.o de vivos Vx
Esperança de • VI'd a: ex
295
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
I. BEBABTIAO E BILVÁ TÁBUAS
DE MORTALIDADE TÁBUA AF
(Continuaçlo)
Idade x
Vx
Esperança de vida: ex
Idade x
N.o de vivos Vx
Esperança de • VI'd a: ex
52 53 54 55 56
607659 596389 584594 572246 559322
18,3059 17,6424 16,9882 16,3440 15,7101
78 79 80 81 82
143530 124896 107354 91047 76094
5,1134 4,8016 4,5046 4,2218 3,9531
67 58 59 60 61
545797 531 649 516861 501417 485307
15,0870 14,4752 13,8751 13,2870 12,7115
83 84 85 86 87
62588 50588 40118 31159 23658
36983 3,4570 3,2287 3,0132 2,81012
62 63 64 65 66
468525 451075 432964 414214 394851
12,1489 11,5995 11,0638 10,5420 10,0345
88 89 90 91 92
17523 12632 8841 5992 3920
2,61893 2,43936 2,27095 2,11316 1,96566
67 68 69 70 71
374918 354468 333567 312299 290736
9,5414 9,0630 8,5995 8,1511 7,7179
93 94 95 96 97
2468 1490 859 471 245
1,82804 1,69984 1,58062 1,47000 1,36754
72 73 74 76 76
269062 247333 225714 204359 183430 163096
7,3000 6,8974 6,5101 6.1382 5,7815 5,4399
98 99 100 101 102 103
120 55 23 9 3 1
1.27286 1,18555 1,10410 1,03130 0,96307 0.89864
77
296
N.o de vivos
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMPlbNDlO DE MATEMATIOA
TABUAS
DE MORTALIDADE TÁBUA
PM
Idade
N.o de vivos
Esperança de
Idade
N.o de vivos
Esperança de
x
Vx
vida: ex
x
Vx
vida: ex
1 2 3 4
1000000 931 380 924674 922002 920268
66,9551 65,4829 64,9541 64,1409 63,2608
30 31 32 33 34
879672 877 007 874244 871377 868388
39,4565 38,5748 37,6952 36,8176 35,9426
5 6 7 8 9
918851 917638 .916574 915630 914787
62,3576 61,4394 60,5101 59,5720 58,6264
35 36 37 38 39
865262 862000 858578 854980 851201
35,0706 34,2014 33,3357 32,4739 31,6159
10 11 12 13 14
914010 913260 912502 911 699 910815
57,6758 56,7228 55,7695 54,8182 53,8709
40 41 42 43 44
847218 843007 838556 833843 828840
30,7622 29,9133 29,0695 28,2309 27,3983
15 16 17 18 19
909813 908667 907349 905861 904194
52,9297 51,9958 51,0706 50,1537 49,2452
45 46 47 48 49
823527 817870 811842 805412 798550
26,5719 25,7522 24,9397 24,1348 23,3379
20 21 22 23 24
902359 900383 898294 896165 893996
48,3443 47,4493 46,5585 45,6680 44,7775
50 51 52 53 54
791219 783386 775012 766053 756462
22,5495 21,7700 20,9998 20,2395 19,4898
25 26 27 28 29
891770 889487 887139 884726 882240
43,8881 42,9994 42,1119 41,2254 40,3402
55 56 57 58 59
746197 735213 723464 710905 697483
18,7510 18,0237 17,3083 16,6052 15,8152
o
I
J97
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. BEBABTIAO E BILVA
TABUAS
DE MORTALIDADE TÁBUA PM
(Continuaçlo) Idade
N.o de vivos
x
Vx
298
Esperança de o VI'd a: ex
Idade x
N.o de vivos Vx
Esperança de o VI'd a: ex
60 61 62 63 64
683156 667881 651 611 634311 615948
15,2384 14,5755 13,9270 13,2932 12,6746
85 86 87 88 89
89057 71598 56353 43331 32476
3,5776 3,3280 3,0931 2,8723 2,6653
65 66 67 68 69
596502 575953 554297 531 549 507730
12,0715 11,4843 10,9135 10,3591 9,8216
90 91 92 93 94
23665 16720 11420 7514 4746
2,4715 2,2904 2,1213 1,9641 1,8180
70 71 72 73 74
482882 457076 430397 402963 374909
9,3013 8,7982 8,3126 7,8445 7,3941
95 96 97 98 99
2866 1648 897 460 221
1,6825 1,5564 1,4409 1,3348 1,2376
75 76 77 78 79
346409 317657 288874 260310 232225
6,9613 6,5461 6,1485 5,7683 5,4055
100 101 102 103 104
99 41 16 5 2
1,1465 1,0610 0,9375 0,9000 0,5000
80 81 82 83 84
204897 178609 153637 130241 108651
5,0597 4,7308 4,4185 4,1224 3,8422
105
O
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
TABUA DE DISTRIBUIÇAo DO ):2 DE PEARSON PROBABILIDADE
(P)
n
0.90
0.80
0.70
0.50
0.30
0.20
0.10
0.05
0.02
1 2 3 4 5 6 7 8 9 10 12 14 16 18 20 22 24 26 28 30
0.016 0.21 0.58 1.06 1,61 2.20 2,83 3.49 4.17 4,87 6.30 7.79 9.31 10.87 12.44 14.04 15.66 17.29 18.94 20.60
0.064 0.45 1.01 1.65 2.34 3.07 3,82 4.59 5.38 6.18 7.81 9.47 11.15 12.86 14.58 16.31 18.06 19.82 21,59 23.36
0.15 0.71 1.42 2.20 3.00 '3.83 4.67 5.53 6.39 7.27 9.03 10.82 12.62 14.44 16.27 18.10 19.94 21.79 23.65 25.51
0.46 1.39 2.37 3.36 4,35 5.35 6.35 7.34 8.34 9.34 11.34 13.34 15.34 17.34 19.34 21.34 23.34 25.34 27.34 29.34
1.07 2.41 3.67 4.88 6,06 7,23 8,38 9.52 10.66 11.78 14,01 16,22 18.42 20.60 22.78 24.94 27.10 29.25 31.39 33.53
1.64 3.22 4.64 5.99 7,29 8.56 9,80 11,03 12.24 13.44 15.81 18.15 20.47 22.76 25.04 27.30 29.55 31 .80 34.03 36.25
2.71 4.61 6.25 7,78 9,24 10.65 12.02 13.36 14.68 15,99 18.55 21,06 23.54 25.99 28.41 30.81 33.20 35.56 37.92 40.26
3.84 5.99 7.82 9.49 11 .07 12,59 14,07 15.51 16.92 18.31 21.03 23.69 26.30 28,87 31.41 33.92 36.42 38.89 41.34 43.77
5.41 7.82 9.84 11.77 13.39 15,03 16,62 18.17 19.68 21 ,16 24.05 26.87 29.63 32.35 35.02 37.66 40.27 42.86 45.42 47.96
0.01 0.001 6.64 9.21 11.34 13,28 15.09 16.81 18.48 20.09 21 .67 23.21 26.22 29.14 32,00 34.81 37.57 40.29 42,98 45.64 48,28 50.89
10.83 13.82 16.27 18.47 20.52 22.46 24,32 26.13 27,88 29,59 32.91 36.12 39.25 42,31 45,32 48.27 51.18 54.05 56.89 59,70
299
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
índice Caprtulo V. 1. 2.
OPERAÇOES BINÁRIAS. GRUPOIDES
Plgs.
Expressões designatórias e operações..................... Os conceitos de restrição e extensão para funções de mais "de uma variável. . . . .. .. .. . . . .. .. . . .. . . . . .. .. . . .. .. .. .. .. .. . . . .. .. . . .. Operações binárias de domfnio finito.. . • . . . . . • • • • . . • . • • . . Grupoides........................................... Conceito de subgrupoide............................... Grupoides comutativos e grupoides associativos ou (semigrupos) Linguagem' aditiva e linguagem multiplicativa.............. Operações iteradas. Propriedades comutativa e associativa generalizadas. . • • . . . . . . . • • . . . . • . . . . . . • . • . . . . . . . . . . . . . . . • . Múltiplos e potências.................................. Isomorfismos entre grupoides . . . . . • . • • • • • • • • • • . • . • • . • • . • Teoremas sobre isomorfismos • • • • • . . . . • • • • . . . . • • • • • . • . . . Grupoides isomorfos ..•..•••.•......•................. Elemento neutro dum grupoide........... . . . . . . . . . . . . . . . Elementos opostos num grupoide com elemento neutro. . • . . • Divisão em semigrupos multiplicativos. . • . . • . . . . . . • • • • • • . . Potências de expoente nulo ou negativo.................. Radiciação em semigrupos multiplicativos................. Potências de expoente fraccionário....... . . . . . . . . • • . . . . . . Conceito de grupo; grupos de aplicações......... . . . . . . • . Quase-grupos; quadrados latinos .•....•.•••..•..•••...••
17 20 22 31 34 37 39 42 46 48 49 51 54
21. Módulos........................................................................................
58
3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 22.
10 11 12 13 14 16
Potências de expoente irracional dum número positivo (estudo IntuitivO) .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
23. 24.
7
Função exponencial de base 8 Função logarrtmica na base 8
.....•....•..••.•....•••• •.........•.•...••••••••••
60 63 65
Capftulo VI. ANr;IS E CORPOS. NÚMEROS COMPLEXOS. ÀLGEBRAS DE BOOLE
1. Conceito de anel .. . . . . .. .. . .. .. .. . .. . .. .. . .. . .. .. .. . . .. .. .. .. .. . .. .. .. .. .. .. ..
71
2. Ilomorfllmol entre anei...............................................................
78
301
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
J. SEBASTIÃO E SILV.A. psgs.
3. Cálculo algébrico num anel comutativo; operações sobre polin6mios. . .. . . .. .. .. .. . . . . . . .. . . . . . . . . . . . . . . .. • . . • . . • . . . . . . . .
80
Anéis de polinómios.......................... . .. . ..... Divisão por polinómios do tipo x -IX; raizes dum polinómio Elementos regulares e divisores de zero num anel .......... Conceito de cqrpo...................................... Generalidades sobre equações relativas a corpos .......... Equações lineares com uma incógnita.......... . ......... Equações do 2.° grau com uma incógnita................ Resolução e discussão das equações quadráticas...... . .... Caracterlstica dum corpo............................... Equações quadráticas no corpo IR.. . ...... . ... .. ........ Estudo das funções quadráticas em IR . . . . . . . . . . . . . . . . . . . Sistemas de equações . . . . . . • . . . . . . . . . . . . . . . . . . . . . . . . . . Sistemas de equações lineares.......................... Determinantes de 2.& ordem e sua aplicação.............. Interpretação geométrica dos resultados anteriores em IR2; paralelismo e coincidência de rectas......... . ... . ..... .. .. 19. Equações paramétricas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20. Resolução e discussão de problemas concretos por meio de
85 87 91 93 96 99 101 105 109 110 113 118 122 129
equaçoes . . . . . .. . . . . .. . .. . . .. .. . . .. .. . .. .. . .. .. .. .. .. .. . .. .. . .. .. . .. .. . .. ..
135 136
4. 5. 6. 7. 8. 9. 10. 11 . 12. 13. 14. 15. 16. 17. 18.
21.
Equações do 3. 0 grau . . . .. . . . .. .. . .. .. .. . .. .. .. .. . .. . .. .. .. . .. .. .. .. .. .. .. ..
132 132
Criação do corpo complexo............. . ............... Representação geométrica dos números complexos...... . . . . Equações quadráticas e equações cúbicas no corpo complexo Imaginários de Galois........ . ......................... Produtos de factores lineares; fórmula do binómio . . . . . . . . . . . Decomposição dum polinómio em factores lineares; relações entre as raizes e os coeficientes do polinómio............. 28. Principios das identidades; tactorização dum polinómio num corpo qualquer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29. Resolubilidade algébrica e resolução numérica de equações
142 152 154 159 163
algébricas . . . .. .. . . .. . . .. . .. .. . . . .. .. . . . . . . . .. .. .. .. .. .. .. .. . . . .. .. .. . .
172
30. Exemplo dum anel não comutativo (a álgebra dos quaterniões) 31. Corpos de funções racionais .. .. . ............. . ..... . ...
174 176
32. 33.
182 184
22. 23. 24. 25. 26. 27.
Funções homográficas . .. .. . .. .. . .. .. .. .. .. .. . .. .. .. . .. .. .. . .. .. .. .. .. . .. .. .. . .. Álgebras de BaoJe .......................... ,. .................... ,. ................... "
166 169
Capitulo VII. INTRODUÇÃO À ESTATlsTICA E AO CÁLCULO DAS PROBABILIDADES 1. Lógica de atributos e lógica de conjuntos................ 2. Terminologia e notações............................... 3. Frequência absoluta de um atributo numa populaçllo . . • • • . •
302
197 199
200
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
OOMP:SNDIO DE MATEMÁTIOA
Paga. 4. Frequência relativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Frequência relativa do produto lógico. Primeiro exemplo de probabilidade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Coeficiente de associação.............................. 6. Extensão dos conceitos do n.O 4 a mais de 2 atributos. . . . . 7. A lógica em termos de acontecimentos......... .......... 8. Expressões proposicionais de acontecimentos; conceito de variável casual; passagem a conjuntos.................... 9. Frequência dum acontecimento numa sequência de provas... 10. Lógica indutiva; certeza absoluta e certeza prática.......... 11. Conceito quantitativo de probabilidade.................... 12. Axiomatização do conceito de probabilidade............... 13. Exemplos de aplicação................................. 14. Probabilidade do produto lógico......................... 15. Probabilidade de produto cartesiano. Sistemas de lotaria..... 16. Problema das provas repetidas; distribuição binomial........ 17. Aplicações de distribuição binomial; exemplo da genética... 18. Casos extremos da distribuição binomial................. 19. Valor médio, esperança matemática. Jogos equitativos....... 20 Aplicação da teoria das probabilidades nos seguros......... 21. As variações da probabilidade no cálculo de seguros ........ 22. Interpretação estatrstica duma tábua de contingência - Teste do qui-quadrado com um grau de liberdade................. 23. Teste do qui-quadrado com mais de um grau de liberdade.. 24. Conceitos qualitativo e quantitativo de probabilidade........
202 206 213 216 218 220 224 227 231 236 239 246 248 253 258 263 265 269 275 277 289 291
TÁBUAS DE MORTALIDADE Tábua AF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
295
Tábua PM...............................................
297
TÁBUA DA DISTRIBUiÇÃO DO X 2 DE PEARSON...............
299
303
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
Composto e Impresso na Tipo grafw. Guerra -
V ..""
e concluiu-se em Março de 1975
Compêndio de Matemática, 1º Volume, 2º Tomo, Capítulo VII - INTRODUÇÃO À ESTATÍSTICA E AO CÁLCULO DAS PROBABILIDADES
GABINETE DE ESTUDOS E PLANEAMENTO DO MINISTÉRIO DA EDUCAÇÃO E CULTURA