Análise Combinatória e Probabilidades

Lede: Conceitos fundamentais para dimensionar experimentos e calcular possíveis resultados — base de qualquer modelo estatístico ou de decisão sob incerteza.

---

Introdução

• Definição: Ramo da matemática que estuda as diferentes combinações possíveis em experimentos aleatórios.
• Importância: Essencial para dimensionar probabilidades, calcular riscos e prever cenários em problemas de negócio.
• Aplicação típica: Probabilidade de ganhar na Mega-Sena, dimensionar amostras em pesquisas, calcular cenários em logística e operações.

---

1. Tópicos Principais

1.1 Análise Combinatória — visão geral

• Combinações: resultados onde a ordem não importa. Exemplo: escolha de 6 números na Mega-Sena.
• Permutações: resultados onde a ordem importa. Exemplo: organizar 5 livros diferentes em uma estante.
• Arranjos: resultados onde a ordem importa e os elementos não se repetem. Exemplo: selecionar e ordenar 3 itens a partir de um conjunto de 10.

1.2 Permutações

Caso prático: organizar 5 livros diferentes em uma estante.

• Fórmula: $P(n) = n!$
• Resultado: $P(5) = 5! = 5 \times 4 \times 3 \times 2 \times 1 = 120$ maneiras possíveis.
• Interpretação: a ordem multiplica o número de cenários rapidamente.

1.3 Combinações

Caso prático: escolher 6 números em uma cartela da Mega-Sena (60 disponíveis).

• Fórmula: $C(n,k) = \binom{n}{k} = \frac{n!}{k!(n-k)!}$
• Resultado: $C(60,6) = \frac{60!}{6!(60-6)!} = 50.063.860$ combinações possíveis.
• Probabilidade de ganhar: $\frac{1}{50.063.860} \approx 0,000002\%$ — chance de ~1 em 50 milhões.

1.4 Arranjos

Caso prático: selecionar e ordenar 3 itens a partir de um conjunto de 10.

• Fórmula: $A(n,k) = \frac{n!}{(n-k)!}$
• Resultado: $A(10,3) = \frac{10!}{7!} = 720$ arranjos possíveis.

1.5 Probabilidades

• Definição: valor numérico entre 0 e 1 que expressa a chance de um evento ocorrer.
• Fórmula geral: $P(A) = \frac{n(A)}{n(S)}$
  • P(A) — probabilidade do evento A
  • n(A) — número de resultados favoráveis
  • n(S) — número total de resultados possíveis no espaço amostral S

Métodos de atribuição

• Método Clássico: Assume que todos os eventos são equiprováveis. Exemplo: lançamento de um dado — cada face tem $\frac{1}{6} \approx 16,7\%$
• Frequência Relativa: Baseado na observação contínua do experimento. Exemplo: contagem em 30 dias da frequência de 2 clientes esperando em um consultório → 26,7%.

---

2. Análise Crítica

• Vantagens:
  • Fornece base sólida para tomada de decisão sob incerteza.
  • Permite estimar chances em problemas com grande número de cenários.
• Limitações:
  • Requer domínio de fatoriais e progressões.
  • Enumeração exaustiva torna-se impraticável em espaços amostrais muito grandes (use simulação Monte Carlo nesses casos).

---

3. Conclusões

• Compreender combinações, arranjos e permutações é pré-requisito para aplicar probabilidade corretamente em problemas reais.
• O método clássico e a frequência relativa resolvem problemas diferentes — escolha com base nos dados disponíveis.
• Quando o espaço amostral cresce exponencialmente, prefira simulação ou inferência estatística em vez de enumeração exaustiva.

---

Referências

• 📚 Khan Academy — Probabilidade e Combinatória
• 📚 USP IME — Lista de Análise Combinatória
• 📚 Brasil Escola — Análise Combinatória