Probabilidades Módulo A7

08/04/2014 11:41 ESTATSTICA APLICADA I - Teoria das Probabilidades
Estatstica Aplicada I
Prof. Dr. Jorge Tefilo de Barros Lopes

Universidade Federal do Par
Instituto de Tecnologia
Campus de Tucuru CTUC
Curso de Engenharia Mecnica
Captulo II
Universidade Federal do Par
Instituto de Tecnologia
Teoria das Probabilidades
Campus de Tucuru CTUC
Curso de Engenharia Mecnica
Introduo
Aleatoriedade
Experimento aleatrio
Espao amostral
Evento
Eventos mutuamente exclusivos
Probabilidade
Teoria das Probabilidades - Sumrio
Teoremas fundamentais
Probabilidades finitas dos espaos amostrais finitos
Espaos amostrais finitos equiprovveis
Probabilidade condicional
Teorema do produto
Independncia estatstica
Teorema de Bayes
Introduo
Aleatoriedade
Espao amostral
Evento
Probabilidade
2.1 Introduo
A estatstica tem por objetivo obter, organizar e analisar dados
estatsticos, a fim de descrev-los e explic-los, alm de
determinar possveis correlaes e nexos causais.

A estatstica se utiliza das teorias probabilsticas para explicar a
freqncia da ocorrncia de eventos, tanto em estudos
observacionais quanto experimentais.

Em outras palavras, a estatstica procura modelar a aleatoriedade
e a incerteza de forma a estimar ou possibilitar a previso de
fenmenos futuros, conforme o caso.
2.1 Introduo
Estudo dos fenmenos de observao: deve-se distinguir
o prprio fenmeno e o modelo matemtico que melhor o
explique, se determinstico ou probabilstico.

Modelo determinstico:
Adotado para explicar fenmenos submissos s leis
sistemticas.

Baseia-se, portanto, num encadeamento em que a
relao causa-efeito pressupe nexos definidos em
forma unvoca e imutvel.
2.1 Introduo
Modelo probabilstico:

Adotado para explicar os fenmenos aleatrios, que
so aqueles cujos resultados, mesmo em condies
normais de experimentao, variam de uma
observao para outra, dificultando dessa maneira a
previso de um resultado futuro.

Portanto, esses fenmenos so insubmissos s leis
sistemticas, pois so regidos ou influenciados pelo
acaso.
2.1 Introduo
A estatstica estuda os fenmenos aleatrios e o modelo
matemtico ser o clculo das probabilidades.

Diante de um acontecimento aleatrio possvel, s
vezes, atribuir-lhe uma lei ou distribuio de
probabilidade.
Introduo
Aleatoriedade
Espao amostral
Evento
Probabilidade
2.2 Aleatoriedade
Aleatoriedade ou acontecimento aleatrio pode ser explicado
considerando-se as seguintes afirmaes:
a- Se x + 8 = 3x 4, ento x = 6;
b- A prxima carta retirada de um baralho ser um s.
A afirmao a pode ser confirmada ou negada de forma
conclusiva, utilizando-se elementos da matemtica;
uma afirmao categrica (verdadeira ou falsa).
Na afirmativa b, entretanto, somente pode ser afirmado
que o fato possvel, mas que possvel, tambm, a
sada de qualquer uma das 52 cartas do baralho.
2.2 Aleatoriedade
No segundo caso somente a realizao do experimento
permitir estabelecer se a afirmao falsa ou verdadeira;
trata-se de um acontecimento aleatrio
Em geral, os acontecimentos aleatrios se caracterizam por
admitirem dois ou mais resultados possveis, e no se tem
elementos de juzo suficientes para predizer qual deles
ocorrer em um determinado experimento.
Introduo
Aleatoriedade
Espaos amostral
Evento
Probabilidade
2.3 Experimento Aleatrio
Caractersticas:
Para que um experimento seja considerado aleatrio
necessrio que apresente as seguintes caractersticas:
1. Cada experimento poder ser repetido indefinidamente
sob as mesmas condies;

2. No se conhece, a priori, um particular valor do
experimento; entretanto, pode-se descrever todos os
possveis resultados (as possibilidades);
Caractersticas:
3. Quando o experimento for repetido um grande nmero
de vezes, surgir uma regularidade na apresentao dos
resultados, ou seja, ocorrer uma estabilizao da
frao freqncia relativa:
n
r
f =
onde: n o nmero de repeties, e
r o nmero de sucessos de um particular
resultado estabelecido antes da realizao do
experimento.
Exemplos:
Jogar um dado e observar o nmero mostrado na face
superior.

Jogar uma moeda um certo nmero de vezes e observar o
nmero de coroas obtidas.

Contar o nmero de peas defeituosas da produo diria
da mquina A.
Introduo
Aleatoriedade
Espao amostral
Evento
Probabilidade
2.4 Espao Amostral
Definio:
Para cada experimento aleatrio E, define-se espao
amostral S como o conjunto de todos os possveis
resultados desse experimento (Fonseca e Martins, 1996).
- Exemplos:
a) E: jogar um dado e observar o nmero na face superior.
S ={1, 2, 3, 4, 5, 6}
b) E: lanar duas moedas e observar o resultado.
S ={(c, c), (c, k), (k, c), (k, k)}, onde c- cara e k- coroa.
2.4 Espao Amostral
- Exemplos:
c) E: Fabricar um lmpada, coloc-la em um suporte,
acend-la e registrar o tempo de funcionamento at
fundir o filamento:
S ={t : t 0}

d) E: Registrar a temperatura continuamente durante um
perodo de 24 horas em uma determinada localidade;
as temperaturas mnima e mxima so registradas:
S ={(x, y) : x y}, onde x a temperatura mnima e y a
mxima
2.4 Espao Amostral
- Exemplos:
e) E: Admitir que a temperatura mnima nessa localidade
no poder ser menor que um certo valor (m) e a
temperatura mxima no poder ser superior a um
certo valor (M).
S ={(x, y) : m x y M}
Introduo
Aleatoriedade
Espao amostral
Evento
Probabilidade
2.5 Evento
Definio:
um conjunto de resultados do experimento.

Em analogia com os conjuntos, um subconjunto de S.
Observao:
- Em particular, o espao amostral, S, e o conjunto vazio,
, so eventos.
- S dito o evento certo e o evento impossvel.
2.5 Evento
- Exemplo 1:
E: lanar o dado e observar o nmero da face superior.
S ={1, 2, 3, 4, 5, 6}

Eventos:
A: ocorrer nmero par: A ={2, 4, 6}
B: ocorrer nmero impar: B ={1, 3, 5}
C: ocorrer nmero mltiplo de 2 e 3: C ={6}.
2.5 Evento
- Exemplo 2:
E: jogar trs moedas e observar o resultado.
S ={(c, c, c), (c, c, k), (k, c, c), (c, k, c),
(k, k, k), (k, k, c), (c, k, k), (k, c, k)}

Eventos:
A: ocorrer pelo menos duas caras:
A ={(c, c, k), (k, c, c), (c, k, c), (c, c, c)}
B: ocorrer somente coroa: B ={(k, k, k)}.
2.5 Evento
Observaes:

- Sendo S um espao amostral finito com n elementos, pode-
se verificar que o nmero total de eventos extrados de S
dado por 2
n
;

- No exemplo 1 (lanamento do dado), o nmero total de
eventos 2
6
=64.
2.5 Evento
Observaes:

- A partir do uso das operaes com conjuntos, novos
eventos podem ser formados:

a) o evento que ocorre se A ocorre ou B ocorre ou
ambos ocorrem;

b) o evento que ocorre se A e B ocorrem
simultaneamente;

c) o evento que ocorre se A no ocorre.
B A
B A
A
2.5 Evento
- Exemplo:

E: lanar um dado e observar o resultado.

S ={1, 2, 3, 4, 5, 6}
A = ocorrer nmero mltiplo de 2: A ={2, 4, 6}
B = ocorrer nmero mltiplo de 3: B ={3, 6}
={2, 3, 4, 6}
={6}
={1, 3, 5}

={1, 2, 3, 4, 5}

B A
B A
A
B A
Introduo
Aleatoriedade
Espao amostral
Evento
Probabilidade
2.6 Eventos Mutuamente exclusivos
Dois eventos A e B so denominados mutuamente
exclusivos se os mesmos no puderem ocorrer
simultaneamente, ou seja, | = B A
Exemplo: E: lanar um dado e observar o resultado.
S ={1, 2, 3, 4, 5, 6}
A = ocorre nmero par A ={2, 4, 6}
B = ocorrer nmero mpar B ={1, 3, 5}
;
logo, A e B so mutuamente exclusivos, pois a
ocorrncia de um nmero que seja par e mpar no
pode ser verificada como decorrncia do mesmo evento.
| = B A
Introduo
Aleatoriedade
Espao amostral
Evento
Probabilidade
2.7 Probabilidade
Definio:

- Dado um experimento aleatrio E, sendo S o seu espao
amostral, a probabilidade de um evento A ocorrer, P(A),
uma funo definida em S que associa a cada evento um
nmero real, satisfazendo os seguintes axiomas:

(i) 0 P(A) 1;
(ii) P(S) =1;
(iii) Se A e B forem eventos mutuamente exclusivos
, ento ) B ( P ) A ( P ) B A ( P + =
| = B A
Teorema do produto
Teorema de Bayes
2.8 Teoremas Fundamentais
T1: Se o conjunto vazio, ento .

Demonstrao:

- Seja A um evento qualquer, A e so disjuntos, pois
;

- De (iii), temos que ;

- Como , ento ou

- Logo .
| | = A
) ( P ) A ( P ) A ( P | | + =
A A = | ) ( P ) A ( P ) A ( P | + =
0 ) ( P = |
0 ) ( P = |
|
|
) A ( P ) A ( P ) ( P = |
T2: Se o complemento do evento A, ento P() = 1 P(A).

Demonstrao:

- Do diagrama, pode-se escrever .

- Como (so mutuamente exclusivos),
,

;

- De (ii) 1 =P(A) +P(),

- Logo P() = 1 P(A).

A A S =
) A ( P ) A ( P ) A A ( P + =
) A ( P ) A ( P ) S ( P + =
A

S
| = A A
T3: Se , ento P(A) P(B).

Demonstrao:

- Do diagrama, pode-se escrever que .

- Como (so mutuamente exclusivos),
,
e

P(B) P(A) 0, (de i), tem-se que

P(A) P(B).
) B A ( A B =
) B A ( P ) A ( P ) B ( P + =
) A ( P ) B ( P ) B A ( P =
S
A
B
| = ) B A ( A
B Ac
T4: (Teorema da soma) Se A e B so dois eventos quaisquer,
ento .

Demonstrao:
a) Se A e B so mutuamente exclusivos , recai-se no
axioma (iii);
) B A ( | =
) B A ( P ) B ( P ) A ( P ) B A ( P + =
A
B
B A
S
Demonstrao:

b) Se A e B no so mutuamente exclusivos , tem-se:

- Os eventos A e so mutuamente exclusivos;
logo, pelo axioma (iii)

- Mas , B a unio dos eventos mutuamente exclusivos
e ;

- Logo,
) B A ( | =
) B A (
) B A ( P ) A ( P ) B A ( P )] B A ( A [ P + = =
) A B (
) A B (
). B A ( P ) B A ( P ) B ( P + =
A
B
B A
S
Demonstrao:

- Substituindo o valor de
na expresso anterior, tem-se:

- Analogamente, para trs eventos tem-se:
) B A ( P ) B ( P ) A ( P ) B A ( P + =
) B A ( P ) B ( P ) B A ( P =
) C B A ( P
) C B ( P ) C A ( P ) B A ( P
) C ( P ) B ( P ) A ( P ) C B A ( P
+
+
+ + =
Teoremas Fundamentais
Teorema do produto
Teorema de Bayes
Seja S um espao amostral finito S ={a
1
, a
2
, ..., a
n
}.

Considere-se o evento formado por um resultado simples
A ={a
i
}.
A cada evento simples {a
i
}associa-se um nmero p
i

denominado probabilidade de {a
i
}, que satisfaz as condies:
a) p
i
0, i = 1, 2, ..., n
b) p
1
+p
2
+...+p
n
=1
A probabilidade de cada evento composto (mais de um
elemento) definida, ento, pela soma das probabilidades dos
pontos de A.
2.9 Probabilidades Finitas dos S Finitos
Exemplo: Trs cavalos A, B e C esto em uma corrida. Se A
tem duas vezes mais probabilidades de ganhar de B, e B tem
duas vezes mais probabilidade de ganhar de C, quais so as
probabilidades de cada um dos cavalos ganhar? Qual seria a
probabilidade de B ou C ganhar?

Soluo:
P(C) =p ; P(B) =2.P(C) =2p ; P(A) =2.P(B) =4p
Como P(A) +P(B) +P(C) =1, ento
4p +2p +p =1, de onde se obtm p =1/7.

Logo: P(A) =4/7; P(B) =2/7 e P(C) =1/7.
Soluo (continuao):

- Qual a probabilidade de B ou C ganhar?

Do axioma (iii):

=2/7 +1/7 =3/7.
) C ( P ) B ( P ) C B ( P + =
Teorema do produto
Teorema de Bayes
O espao amostral chama-se equiprovvel quando cada ponto
amostral desse espao est associada a mesma probabilidade.

Portanto, se S contm n pontos, ento a probabilidade de cada
ponto ser igual a 1/n.

Se um evento A contm r pontos, ento:
2.10 Espaos Amostrais Finitos Equiprovveis
|
.
|
\
|
=
n
1
. r ) A ( P
Freqentemente, este mtodo de avaliar a probabilidade
enunciado da seguinte forma:
) casos de total n ( NTC
) favorveis casos de n ( NCF
) A ( P
ou
ocorre S amostral espao o que em vezes de n
ocorrer pode A evento o que em vezes de n
) A ( P
=
=
Exemplo 1: Numa escolha aleatria de uma carta de baralho
com 52 cartas, qual a probabilidade de sair um rei? e uma carta
de copas?

Soluo: Seja A ={a carta um rei}e B ={A carta de copas}
4
1
52
13
cartas de total n
copas de cartas de n
) B ( P
13
1
52
4
cartas de total n
reis de n
) A ( P
= = =
= = =
Na maioria dos casos, utiliza-se os conhecimentos de anlise
combinatria (Teoria de Contagem) para se obter o nmero
de casos favorveis e o nmero total de casos.

Exemplo 2: De um lote de doze peas onde quatro so
defeituosas, retira-se duas peas. Calcular a probabilidade:
a) de ambas serem defeituosas;
b) de ambas no serem defeituosas;
c) de pelo menos uma ser defeituosa.
Solues:

a) A = {ambas so defeituosas}
11
1
66
6
NTC
NCF
) A ( P , Logo
vezes 66
! 10 . 1 . 2
! 10 . 11 . 12
)! 2 12 ( ! 2
! 12
C ocorrer pode S
vezes 6
! 2 . 1 . 2
! 2 . 3 . 4
)! 2 4 ( ! 2
! 4
C ocorrer pode A
2 , 12
2 , 4
= = =
= =
=
= =
=
Solues:

b) B = {ambas no so defeituosas}
33
14
66
28
NTC
NCF
) B ( P , Logo
vezes 66
! 10 . 1 . 2
! 10 . 11 . 12
)! 2 12 ( ! 2
! 12
C ocorrer pode S
vezes 28
! 6 . 1 . 2
! 6 . 7 . 8
)! 2 8 ( ! 2
! 8
C ocorrer pode B
2 , 12
2 , 8
= = =
= =
=
= =
=
Solues:

c) C = {pelo menos uma defeituosa}
33
19
33
14
1 ) B ( P 1 ) C ( P
B C ou B de o complement o C
= = =
=
Teorema do produto
Teorema de Bayes
Considere o experimento aleatrio E: lanar um dado e
observar o resultado, e o evento A ={sair o n 3}. Ento
P(A) =1/6.

Considere agora o evento B ={sair um n mpar}={1, 3,5},
ento P(B) =1/2.

A probabilidade de ocorrer o evento A condicionada
ocorrncia do evento B, representada por P(A/B), ser
P(A/B) =1/3.
2.11 Probabilidade Condicional
Com a informao da ocorrncia do novo evento, reduz-se o
espao amostral. No exemplo dado, S ={1, 2, 3, 4, 5, 6}foi
reduzido para S* ={1, 3, 5}, e neste espao reduzido que a
probabilidade do novo evento avaliada.

Definio: Se A e B so dois eventos, a probabilidade do
evento A ocorrer quando o evento B tiver ocorrido
denominada probabilidade condicionada, P(A/B), dada por:
. ocorreu j pois , 0 ) B ( P ,
) B ( P
) B A ( P
) B / A ( P =
=
Para o exemplo apresentado, tem-se:
3
1
2
1
6
1
) B ( P
) B A ( P
) B / A ( P = =
=
No caso de aplicaes mais complexas, mais prtico se
utilizar a seguinte frmula:
) B ( NCF
) B A ( NCF
NTC
) B ( NCF
NTC
) B A ( NCF
) B ( P
) B A ( P
) B / A ( P

=
=
Exemplo: No experimento do lanamento de dois dados,
considere os eventos: A ={(x
1
,x
2
)|(x
1
+x
2
) =10}e
B ={(x
1
,x
2
)| x
1
>x
2
}, onde x
1
o resultado do dado 1 e x
2
o
resultado do dado 2. Avalie P(A), P(B) e P(B/A).
Solues:
S ={(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), A ={(6,4), (5,5), (4,6)}
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), B ={(2,1), (3,1), (4,1), (5,1),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (6,1), (3,2), (4,2), (5,2),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (6,2), (4,3), (5,3), (6,3),
(5,1), (5,2), (5,3). (5,4), (5,5), (5,6), (5,4), (6,4), (6,5)}
(6,1). (6,2), (6,3), (6,4), (6,5), (6,6)} A B = {(6,4)}
Solues:
.
3
1
) A ( NCF
) B A ( NCF
) A / B ( P
;
15
1
) B ( NCF
) B A ( NCF
) B / A ( P
;
12
5
36
15
NTC
) B ( NCF
) B ( P
;
12
1
36
3
NTC
) A ( NCF
) A ( P
=
=
=
=
= = =
= = =
Teorema do produto
Teorema de Bayes
O Teorema do Produto pode ser enunciado a partir da
definio de probabilidade condicional, como:

A probabilidade da ocorrncia simultnea de dois eventos,
A e B, do mesmo espao amostral, igual ao produto da
probabilidade de um deles ocorrer pela probabilidade
condicional do outro em relao ao primeiro.

Assim:
2.12 Teorema do Produto
) A / B ( P ). A ( P ) B A ( P
) A ( P
) B A ( P
) A / B ( P
) B / A ( P ). B ( P ) B A ( P
) B ( P
) B A ( P
) B / A ( P
=
=
=
=
Exemplo: Em um lote de peas contendo doze unidades
onde quatro so defeituosas, duas so retiradas, uma aps a
outra, sem reposio. Qual a probabilidade de que ambas
no sejam defeituosas?

Soluo: A ={a primeira pea retirada boa}
B = {a segunda pea retirada boa}
33
14
11
7
12
8
) B / A ( P ). B ( P ) B A ( P = = =
2.12 Teorema do Produto
Teorema do produto
Teorema de Bayes
Definio: Um evento A considerado independente de um
outro evento, B, se a probabilidade de A igual a probabilidade
de A condicionada a B, ou
2.13 Independncia Estatstica
) B / A ( P ) A ( P =
) A / B ( P ) B ( P =
Se A independente de B, ento B independente de A;
logo:
- Do teorema do produto, pode-se afirmar que, se A e B so
independentes, ento:
) B ( P ). A ( P ) B A ( P =
- Dados n eventos A
1
, A
2
, ..., A
n
, diz-se que eles so
independentes se o forem 2 a 2; 3 a 3, ..., n a n, isto :
) A ( P ). A ( P ... ). A ( P ). A ( P ). A ( P ) A ... A A ( P
) A ( P ). A ( P ). A ( P ) A A A ( P
...; ); A ( P ). A ( P ). A ( P ) A A A ( P
) A ( P ). A ( P ) A A ( P ...; ); A ( P ). A ( P ) A A ( P
n 1 n 3 2 1 n 2 1
n 1 n 2 n n 1 n 2 n
3 2 1 3 2 1
n 1 n n 1 n 2 1 2 1

=
=
=
= =
Exemplo 1: Uma caixa contm doze peas, sendo quatro
defeituosas; retira-se duas peas, uma aps a outra, com
reposio. Calcular a probabilidade de ambas no possurem
defeitos?
Soluo: A ={a primeira pea no possui defeito}
B ={a segunda pea no possui defeito}
- Como a primeira pea foi reposta, B no condicionado por
A, ou seja, A e B so independentes; logo:
9
4
12
8
12
8
) B ( P ). A ( P ) B A ( P = = =
Exemplo 2: Sendo S ={1, 2, 3, 4}um espao amostral
equiprovvel, e A = {1, 2}, B = {1, 3} e C = {1, 4} eventos de
S, verificar se estes eventos so independentes.
Soluo: S ={1, 2, 3, 4};
A ={1, 2}; B ={1, 3}; C ={1, 4};
} 1 { C B A
}; 1 { C B }; 1 { C A }; 1 { B A
=
= = =
Soluo (continuao):
4
1
) C ( P ). A ( P ) C A ( P
: o log ;
4
1
) C A ( P ;
2
1
4
2
) C ( P ;
2
1
) A ( P : C e A Para
4
1
) B ( P ). A ( P ) B A ( P
: o log ;
4
1
) B A ( P ;
2
1
4
2
) B ( P ;
2
1
4
2
) A ( P : B e A Para
= =
= = = =
= =
= = = = =
Soluo (continuao):
8
1
) C ( P ). B ( P ). A ( P
4
1
) C B A ( P
: o log
;
4
1
) C B A ( P ;
2
1
) C ( P ;
2
1
) B ( P ;
2
1
) A ( P : C e B , A Para
4
1
) C ( P ). B ( P ) C B ( P
: o log ;
4
1
) C B ( P ;
2
1
) C ( P ;
2
1
) B ( P : C e B Para
= = =
= = = =
= =
= = =
- Portanto, os eventos A, B e C no so independentes.
Teorema do produto
Teorema de Bayes
Sejam A
1
, A
2
, A
3
, ..., A
n
, n eventos mutuamente exclusivos,
tais que .
Sejam P(A
i
) as probabilidades conhecidas dos vrios eventos,
e B um evento qualquer de S, tal que so conhecidas todas as
probabilidades condicionais P(B/A
i
).
Ento, para cada i, tem-se:

que o Teorema de Bayes.
S A ... A A A
n 3 2 1
=
) A / B ( P ). A ( P ... ) A / B ( P ). A ( P ) A / B ( P ). A ( P
) A / B ( P ). A ( P
) B / A ( P
n n 2 2 1 1
i i
i
+ + +
=
2.14 Teorema de Bayes
Exemplo: Tem-se trs urnas (u
1
, u
2
, u
3
), cada uma contendo
bolas pretas, brancas e vermelhas, nas quantidades mostradas
no quadro abaixo. De uma urna escolhida ao acaso retira-se
uma bola tambm ao acaso, verificando-se que a mesma
branca. Qual a probabilidade da bola escolhida ter vindo da
urna 2? e da urna 3?

Cores / Urnas u
1
u
2
u
3

P (preta)
B (branca)
V (vermelha)
3
1
5
4
3
2
2
3
3
Soluo:

;
8
3
) u / B ( P ;
3
1
9
3
) u / B ( P ;
9
1
) u / B ( P
;
3
1
) u ( P ;
3
1
) u ( P ;
3
1
) u ( P
3 2 1
3 2 1
= = = =
= = =
Cores / Urnas u
1
u
2
u
3

P (preta)
B (branca)
V (vermelha)
3
1
5
4
3
2
2
3
3
Soluo (continuao):

59
8
) B / u ( P 1 ) B / u ( P ) B / u ( P ) B / u ( P
59
27
) B / u ( P
59
24
8
3
3
1
3
1
3
1
9
1
3
1
3
1
3
1
) u / B ( P ). u ( P ) u / B ( P ). u ( P ) u / B ( P ). u ( P
) u / B ( P ). u ( P
) B / u ( P
1 3 2 1
3
3 3 2 2 1 1
2 2
2
= = + +
=
=
+ +
=
=
+ +
=
Teoria das Probabilidades
FIM

Probabilidades Módulo A7

Enviado por

Direitos autorais:

Formatos disponíveis

Probabilidades Módulo A7

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Probabilidades Módulo A7

Enviado por

Direitos autorais:

Formatos disponíveis

08/04/2014 11:41 ESTATSTICA APLICADA I - Teoria das Probabilidades

Você também pode gostar