Hoje na aula de Estatística, mergulhamos nos fundamentos da análise combinatória e da probabilidade. Esses conceitos são a base para entender como medir incertezas e contar possibilidades, habilidades essenciais em ciência da computação. Exploramos desde o princípio fundamental da contagem até as distribuições de probabilidade, com exemplos práticos e implementações em Python.

Princípio Fundamental da Contagem

O princípio fundamental da contagem (PFC) afirma que se um evento pode ocorrer de m maneiras e outro de n maneiras, então o número total de maneiras de ambos ocorrerem é o produto m × n. Por exemplo, se temos 3 camisas e 2 calças, podemos formar 6 combinações de vestuário. Esse princípio se estende para múltiplas etapas: para escolher uma entrada, um prato principal e uma sobremesa em um menu com 4 entradas, 5 principais e 3 sobremesas, o total de refeições é 4 × 5 × 3 = 60.

Também vimos o princípio da adição: se dois eventos são mutuamente exclusivos, o número total de maneiras de ocorrer um ou outro é a soma das maneiras.

Permutações

Permutação é o arranjo de elementos em uma ordem específica. A permutação de n elementos distintos é n! (produto de todos os inteiros de 1 a n). Por exemplo, 5! = 120. Se queremos permutar apenas k elementos dentre n, usamos:

P(n,k) = n! / (n−k)!

Exemplo: De quantas maneiras podemos escolher 3 pessoas de um grupo de 10 para ocupar os cargos de presidente, vice e tesoureiro? Como a ordem importa (cada cargo é diferente), a resposta é P(10,3) = 10 × 9 × 8 = 720.

Combinações

Combinação é a seleção de elementos sem considerar a ordem. A fórmula é:

C(n,k) = n! / (k!(n−k)!)

Exemplo: Escolher 3 representantes de uma turma de 10 para formar uma comissão (sem cargos distintos): C(10,3) = 120. Mostramos a relação C(n,k) = P(n,k) / k!. Além disso, a simetria C(n,k) = C(n, n−k) é útil para simplificar cálculos.

Probabilidade

Probabilidade é a medida da chance de um evento ocorrer. Para espaços amostrais finitos equiprováveis:

P(A) = |A| / |Ω|

Exemplos: Probabilidade de obter cara ao lançar uma moeda: 1/2. Probabilidade de tirar um ás de um baralho: 4/52 = 1/13.

Abordamos as propriedades fundamentais:

  • P(Ac) = 1 − P(A)
  • P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
  • Probabilidade condicional: P(A|B) = P(A ∩ B) / P(B) (se P(B) > 0)
  • Independência: A e B são independentes se P(A ∩ B) = P(A) P(B)

Exercício: Em uma turma, 60% gostam de matemática, 30% gostam de física e 20% gostam de ambas. Qual a probabilidade de um aluno gostar de matemática ou física? P(M ∪ F) = 0.6 + 0.3 − 0.2 = 0.7.

Distribuição Binomial

A distribuição binomial modela experimentos com dois resultados (sucesso/fracasso) realizados n vezes independentemente, com probabilidade de sucesso p. A probabilidade de exatamente k sucessos é:

P(X = k) = C(n,k) pk (1−p)n−k

Exemplo: Um dado é lançado 5 vezes. Qual a probabilidade de obter exatamente dois 6? p = 1/6, n = 5, k = 2: P = C(5,2) (1/6)2 (5/6)3 ≈ 0.1608.

Valor esperado: E[X] = np = 5 × 1/6 ≈ 0.8333. Variância: Var(X) = np(1−p) = 5 × 1/6 × 5/6 ≈ 0.6944.

Implementação em Python

Escrevemos funções para calcular combinações e probabilidades, e simulamos experimentos para comparar frequência relativa com a probabilidade teórica:

import math

def prob_binomial(n, k, p):
    return math.comb(n, k) * (p ** k) * ((1 - p) ** (n - k))

print(prob_binomial(5, 2, 1/6))  # ~0.1608

# Simulação de lançamento de moeda
import random
def simular_moeda(n):
    caras = sum(random.choice([0,1]) for _ in range(n))
    return caras / n

print(simular_moeda(1000))  # aproximadamente 0.5

Pontos-chave

  • O PFC é a ferramenta básica para problemas de contagem.
  • Permutação: ordem relevante; Combinação: ordem irrelevante.
  • Probabilidade é sempre um número entre 0 e 1.
  • A distribuição binomial é útil para ensaios de Bernoulli repetidos.
  • Simulações computacionais ajudam a verificar resultados teóricos.

FAQ

P: O que é o princípio fundamental da contagem?
R: É a regra que multiplica as possibilidades de etapas independentes.

P: Quando usar permutação ou combinação?
R: Use permutação quando a ordem dos elementos for importante; use combinação quando a ordem for irrelevante.

P: Como calcular a probabilidade da união de dois eventos?
R: P(A ∪ B) = P(A) + P(B) − P(A ∩ B). Se os eventos forem mutuamente exclusivos, P(A ∩ B) = 0.

Estes conceitos de contagem e probabilidade são fundamentais para a computação moderna, aparecendo em áreas como criptografia, análise de algoritmos, inteligência artificial e ciência de dados. A prática com exercícios e implementações fortalece a intuição necessária para aplicar essas ferramentas em problemas reais.