Você está na página 1de 87

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof.

Alexandre Lima

Estatstica Aula 03 Varivel Aleatria


1 Varivel Aleatria .................................................................................................................. 2 1.1 1.2 1.3 1.4 2 2.1 2.2 2.3 3 4 Definio ............................................................................................................................ 2 Funo Discreta de Probabilidade ............................................................................ 3 Funo de Distribuio de Probabilidade ............................................................... 5 Funes de Distribuio e de Densidade para Variveis Contnuas ........... 7 Mdia ................................................................................................................................. 13 Valor Esperado de Uma Funo de Varivel Aleatria ................................... 16 Varincia .......................................................................................................................... 17

Valor Esperado ..................................................................................................................... 13

Desigualdade de Chebyshev ........................................................................................... 19 Distribuies de Probabilidade ....................................................................................... 22 4.1 4.2 Distribuies Discretas ............................................................................................... 22 Distribuies Contnuas .............................................................................................. 36

5 6 8 9

Resumo.................................................................................................................................... 51 Exerccios de Fixao ......................................................................................................... 54 Gabarito .................................................................................................................................. 63 Resoluo dos Exerccios de Fixao ........................................................................... 64

APNDICE ....................................................................................................................................... 86

Prof. Alexandre Lima

www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

1
1.1

Varivel Aleatria
Definio

Uma varivel aleatria uma descrio numrica do resultado de um experimento. Por exemplo, considere o experimento contactar cinco clientes. Seja X a varivel aleatria que representa o nmero de clientes que colocam um pedido de compra. Ento os valores possveis de X so: 0, 1, 2, 3, 4 e 5. Uma varivel aleatria X denominada discreta se assume valores num conjunto contvel ou enumervel (como o conjunto dos nmeros inteiros ou o conjunto dos nmeros naturais ), com certa probabilidade. Formalmente, uma varivel aleatria uma funo, e no uma varivel propriamente dita. A varivel aleatria do exemplo anterior discreta. Tambm so exemplos de variveis aleatrias discretas: Nmero de coroas obtido no lanamento de duas moedas; Nmero de itens defeituosos aleatoriamente, de um lote; em uma amostra retirada,

Nmero de defeitos em um carro que sai de uma linha de produo.

Vejamos um outro exemplo. Considere o lanamento de duas moedas mencionado acima. O espao amostral (isto , o conjunto de todos os resultados possveis do experimento) = {(cara, cara), (cara, coroa), (coroa, cara), (coroa, coroa)}, e os valores que a varivel aleatria X (nmero de coroas) pode assumir so X = {0, 1, 2}. Observe que o valor x = 0 est associado ao resultado (cara, cara), o valor x = 1 est associado aos resultados (cara, coroa) e (coroa, cara) e o valor x = 2 est associado ao resultado (coroa, coroa). Uma varivel aleatria contnua uma funo que associa elementos do espao amostral ao conjunto dos nmeros reais (conjunto no enumervel). Exemplos de variveis aleatrias contnuas: Tempo de resposta de um sistema computacional; Volume de gua perdido por dia, num sistema de abastecimento; Resistncia ao desgaste de um tipo de ao, num teste padro.
www.pontodosconcursos.com.br

Prof. Alexandre Lima

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

1.2

Funo Discreta de Probabilidade

A funo que atribui a cada valor de uma varivel aleatria discreta sua probabilidade chamada de funo discreta de probabilidade ou, simplesmente, funo de probabilidade (1)
P[X = x i ] = f ( x i )

i = 1,2,...

Uma funo de probabilidade satisfaz as seguintes: i) 0 f(xi) 1 (porque no existe probabilidade negativa) e ii) i f(xi) = 1 ( a probabilidade do evento certo). As variveis aleatrias discretas so completamente caracterizadas pela sua funo de probabilidade. Exemplo. Considere o lanamento de um dado no viciado. A probabilidade de se obter um resultado de 1 a 6 igual a 1/6. O espao amostral = {1, 2, 3, 4, 5, 6}. A Fig. abaixo ilustra a funo de probabilidade f(xi) =1/6, i = 1, 2, 3, 4, 5, 6, da varivel aleatria X.

f (x )
1/6 1/6 1/6 1/6 1/6 1/6

J caiu em prova! (Analista do BACEN/rea 3/2005/FCC) O nmero de televisores modelo M vendidos diariamente numa loja uma varivel aleatria discreta (X) com a seguinte distribuio de probabilidades: X P(x) 0 p 1 1,5p 2 1,5p 3 p

O preo unitrio de venda do televisor modelo M de R$ 1.000,00. Se num determinado dia a receita de vendas referente a este modelo for inferior a R$ 3.000,00, a probabilidade dela ser positiva
Prof. Alexandre Lima www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima A) 20% B) 30% C) 50% D) 60% E) 75% Resoluo Muitas vezes, o fato de sabermos que certo evento ocorreu faz com que se modifique a probabilidade que atribumos a outro evento. Denotamos por P(A|B) a probabilidade do evento A, sabendo que B ocorreu, ou probabilidade de A condicionada a B. Temos P(A | B) = P(A B) , P(B)

P( B) > 0.

A questo pede que se calcule a probabilidade de a receita de vendas num dado dia ser positiva sabendo-se que ela inferior a R$ 3.000,00 naquele mesmo dia, ou seja, deve ser calculada a probabilidade condicional P(receita de vendas > 0 | receita de vendas < R$ 3.000,00). Ora, a probabilidade acima igual probabilidade P(X > 0 | X < 3) = P[(X > 0) (X < 3)]/ P(X < 3), em que X a varivel aleatria que denota o nmero de televisores modelo M vendidos diariamente. Precisamos encontrar o valor da incgnita p para resolver a questo. Para tal, usaremos a equao

P(X) = 1
Ento, p + 1,5p + 1,5p + p = 1 p = 1/5 = 0,20 Assim: X P(x) 0 0,20 1 0,30 2 0,30 3 0,20

P[(X > 0) (X < 3)] = P(X = 1) + P(X = 2) = 0,30 + 0,30 = 0,60


Prof. Alexandre Lima www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) = 0,20 + 0,60 = 0,80 Logo, P(X > 0 | X < 3) = P[(X > 0) (X < 3)]/ P(X < 3) = 0,60/0,80 = 3/4 = 75% GABARITO: E 1.3 Funo de Distribuio de Probabilidade

A funo de distribuio de probabilidade (ou funo acumulada de probabilidade) de uma varivel aleatria discreta X definida pela expresso (2)

F( x ) = P[X x ] .

A figura a seguir mostra a funo de distribuio F(x) da varivel aleatria do exemplo do lanamento de um dado no viciado.

F(x)
1 5/6 2/3 1/2 1/3 1/6

Observe que a amplitude do degrau em X = 1 igual a P(X = 1) = 1/6. A amplitude do degrau em X = 2 igual a P(X = 2) = 1/6 (= 1/3 1/6). A amplitude do degrau em X = 3 igual a P(X = 3) = 1/6 (= 1/2 1/3) e assim por diante. Propriedades de F(x) 1. 2. 3. 0 F(x) 1 F(x = -) = limx - F(x) = 0 F(x = +) = limx + F(x) = 1
www.pontodosconcursos.com.br

Prof. Alexandre Lima

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima 4. F(x) descontnua nos pontos X = x0 onde P(X=x0) 0, ou seja, nos pontos X = x0 em que h saltos. 5. 6. 7. 8. 9. F(x) contnua direita dos pontos X = x0 onde P(X=x0) 0. P(a < X b) = F(b) F(a) P(a X b) = F(b) F(a) + P(X = a) P(a < X < b) = F(b) F(a) P(X = b) F(x) uma funo no descrescente monotnica (*).

(*) P(a < X b) = F(b) F(a) 0, temos que F(x) no descrescente. Note que F(x) uma funo no descrescente monotnica porque a curva descrita por F(x) nunca decresce indo da esquerda para a direita (veja o grfico de F(x) para a varivel aleatria do exemplo do lanamento de um dado no viciado). J caiu em prova! (BACEN/rea 3/2010/CESGRANRIO) Se X uma varivel aleatria descrita por uma funo conjunto de probabilidades PX(.), a funo de distribuio de probabilidade de X, F(x) ter, entre outras, as seguintes propriedades: I - F(x) monotnica no decrescente; II - limx- F(x) = 0 e limx F(x) = 0 III- F(x) contnua direita. (So) correta(s) a(s) propriedade(s) (A) II, apenas. (B) I e II, apenas. (C) I e III, apenas. (D) II e III, apenas. (E) I, II e III. Resoluo Anlise das afirmativas: I- F(x) monotnica no decrescente porque a curva descrita por F(x) nunca decresce indo da esquerda para a direita. Afirmativa incorreta. II- Afirmativa incorreta. A afirmativa correta seria: limx- F(x) = 0 e limx F(x) = 1
Prof. Alexandre Lima www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

III- Afirmativa correta, por definio: F(x) contnua direita dos pontos X = x0 onde P(X=x0) 0. GABARITO: C 1.4 Funes de Distribuio e de Densidade para Variveis Contnuas

Diz-se que f(x) uma funo contnua de probabilidade ou funo densidade de probabilidade para uma varivel aleatria contnua X, se satisfaz duas condies: 1. 2. f(x) > 0 para todo x (-,); a rea definida por f(x) igual a 1.

A condio 2 dada pela integral

(3)

f (x )dx = 1 .

A figura a seguir ilustra uma funo densidade que satisfaz (3): f(x) = 1/T, em que T uma constante, para T/2xT/2 e f(x) = 0 para os demais valores, de maneira que a funo tem a forma de um pulso retangular. Observe que f(x) deve ser igual a 1/T para T/2xT/2, pois a rea sob a funo densidade unitria (como a base do pulso T, ento a altura do pulso deve ser 1/T, para que a rea do pulso seja igual a 1).

Para calcular probabilidades, temos que, para a b

Prof. Alexandre Lima

www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima (4)
P[a X b] = f ( x )dx .
a b

A figura abaixo mostra o significado geomtrico de (4): a probabilidade P(aXb) igual a rea sob f(x) no intervalo [a,b].

f(x) 1/T

P(aXb)

-T/2

-T/2

Observe que a probabilidade de ocorrncia de um dado valor isolado k sempre nula, ou seja, P[x = k] = 0. A funo de distribuio de uma varivel aleatria contnua X tambm definida pela expresso (2), que pode ser posta na forma (5)

F( x ) = f ( )d .

As prximas duas figuras ilustram, respectivamente, as funes densidade de probabilidade e de distribuio de uma varivel aleatria normal (a expresso matemtica da densidade normal ser fornecida mais adiante).

Prof. Alexandre Lima

www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima
Densidade normal

0.45 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 -3

f(x)

-2

-1

Funo de distribuio normal


1

0.8

F(x)

0.6

0.4

0.2

0 -3

-2

-1

A funo densidade de probabilidade corresponde derivada da funo distribuio em relao a x, ou seja, f(x) = dF(x)/dx = F(x). J caiu em prova! (BACEN/rea 2/2010/CESGRANRIO) A varivel aleatria contnua x tem a seguinte funo de densidade de probabilidade: x f ( x ) = k se 0 x 3 = 0 , para todos os outros valores de x. 12 Sendo k uma constante, seu valor igual a A) 1 B) 3/4 C) 2/3 D) 5/24
Prof. Alexandre Lima www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima E) 1/12 Resoluo O enunciado est truncado, haja vista a descrio da funo densidade de probabilidade ( f ( x ) = x / 12 k se 0 x 3 = 0 ?). A descrio correta seria:

f (x) =

x k se 0 x 3 e f ( x ) = 0 caso contrrio. 12

Isso j seria motivo suficiente para anular esta questo. No obstante, prosseguiremos com a resoluo. Para determinar o valor de k, basta lembrar que a rea sob a funo densidade de probabilidade igual a 1. Logo,

f (x )dx = 1 .

Gostaramos de apresentar para vocs um bizu de integrao antes de prosseguir com a resoluo da questo. De acordo com a frmula de NewtonLeibniz, temos que

g ( x )dx = F( x ) a = F(b) F(a ),


b

em que F(x) = g(x), quando a x b. A funo F(x) denominada primitiva de g(x). Suponha que g(x) = x3, a=-1 e b=0. Logo, F(x) = x4/4, pois F(x) = 4x(4-1)/4 = x3. Assim,
x4 = = = x 3 x dx 3 x dx 3 x dx 3 1 1 1 4
0 2 0 3 0 3 0

0 4 (1) 4 = 3 4 4

3 = 4

Podemos generalizar a integrao exemplificada acima para integrandos do tipo g(x) = xn, em que n um valor inteiro:

x n +1 b n +1 a n +1 = . g ( x )dx = x dx = a n +1 a n +1 n +1
b n

Vamos retornar para a resoluo? Precisamos substituir a funo f(x) na integral

f (x )dx = 1 . Note que f(x)=0 para x<0 e x>3.


www.pontodosconcursos.com.br

Prof. Alexandre Lima

10

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima
x 0dx + k dx + 0dx = 1 12 0 3
0 3

x 0 + k dx + 0 = 1 12 0
3

1 xdx k 1dx = 1 12 0 0

1 x2 3 kx 0 = 1 12 2 0
1 32 0 2 k (3 0) = 1 12 2 2

9 3k = 1 24 3k = 15 9 1 = 24 24

k=

5 24 5 . 24

A banca anulou a questo, pois no h alternativa com o valor k =

Um alerta: voc precisa estar preparado psicologicamente para enfrentar este tipo de problema quando estiver numa situao real de prova. Resolva as questes esquisitas no final da prova, aps ter solucionado todas as questes que so de seu conhecimento, se houver tempo para isso. Ns podemos errar questes difceis/esquisitas em uma prova de concurso pblico. Porm, errar o que a gente sabe, mortal: leva no aprovao/classificao. GABARITO: ANULADA Exemplo (Analista/SUSEP/2006/ESAF) Se a varivel X pode assumir um conjunto infinito (contnuo) de valores, o polgono de freqncia relativa de uma amostra torna-se uma curva contnua, cuja equao Y = p(X). A rea total limitada por essa curva e pelo eixo dos X igual a 1 e a rea compreendida entre as verticais X = a e X = b, sendo a < b e, ambos, contidos na rea total da curva, a probabilidade de X cair neste intervalo a e b dada por
Prof. Alexandre Lima www.pontodosconcursos.com.br

11

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

A) P(a<X<b), composta pela soma de P(X=a) + P(X=b). B) P(a<X<b), composta pela integral de P(X=a) at P(X=b). C) P(a>X>b), composta pela soma de P(X=a) - P(X=b). D) P(a>X>b), composta pela integral de P(X=a) at P(X=b). E) P(a<X<b), composta pela P(X=b), de forma cumulativa at o ponto b. Resoluo Deve-se descartar as opes A, C e E, pois a probabilidade de X cair no intervalo [a,b] dada pela seguinte integral (observe que o enunciado afirma que (..) o polgono de freqncia relativa de uma amostra torna-se uma curva contnua):
P(a X b) = p( x )dx
a b

A opo D incorreta porque o sinal da desigualdade est trocado (P(a>X>b) no lugar de P(a<X<b)). Logo, B a opo correta. GABARITO: B Exemplo (SUSEP/Aturia/2010/ESAF) Sejam n variveis aleatrias iid, isto , independentes e identicamente distribudas X1, X2,..., Xn com funo densidade de probabilidade f(x) e funo de distribuio F(x), onde - < x < . Considere uma nova varivel aleatria Xmin tal que Xmin > x se e somente se Xi > x para todo i, i = 1, 2, ..., n. Obtenha fmin(x), a funo densidade de probabilidade da varivel aleatria Xmin. A) fmin(x) = n(F(x))n-1f(x). B) fmin(x) = n(1 - F(x))n-1 f(x). C) fmin(x) = 1 - (1 - F(x))n. D) fmin(x) = (F(x))n. E) fmin(x) = exp(-|x|)/2. Resoluo O enunciado diz que Xmin > x se e somente se Xi > x para todo i, i = 1, 2, ..., n. Logo, P(Xmin > x) = P(X1 > x) . P(X2 > x) . P(Xn > x) Mas, P(Xi > x) = 1 - P(Xi x) = 1 - F(x), i = 1, 2, ..., n. Ento, P(Xmin > x) = (1 F(x))n e
Prof. Alexandre Lima www.pontodosconcursos.com.br

12

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

P(Xmin x) = Fmin(x) = 1 - (1 F(x))n. A funo densidade de probabilidade corresponda derivada da funo distribuio em relao a x. Portanto, fmin(x) = (Fmin(x)) = -n(1 F(x))n-1(1 F(x)) = -n(1 F(x))n-1(f(x)) (lembre que F(x) = f(x)) fmin(x) = n(1 F(x))n-1f(x) Nota: regra de derivao de uma funo composta:
f(x) = u[v(x)] f(x) = u[v(x)].v(x).

GABARITO: B

Valor Esperado

J dissemos que uma varivel aleatria completamente caracterizada (ou especificada) pela sua funo de probabilidade. Isto quer dizer que temos toda a informao acerca de X quando sabemos quem fX(x) (isto , quando conhecemos a frmula de fX(x)). Na prtica, bastante comum no conhecermos fX(x). Neste caso, como faramos para caracterizar X? O fato que normalmente temos acesso a diversas observaes de uma varivel aleatria e podemos nos aproveitar deste fato para tentar obter uma descrio, ainda que parcial, da mesma. Uma maneira alternativa de caracterizar uma varivel aleatria envolveria a obteno de estimativas de alguns de seus momentos ou mdias estatsticas. Na prtica, os momentos mais importantes so a mdia (momento de 1 ordem) e a varincia (momento de 2 ordem). A mdia uma medida de posio de fX(x), ao passo que a varincia uma medida de disperso (ou do grau de variabilidade) de fX(x) (aprendemos este conceito na aula 0). 2.1 Mdia

A mdia (tambm conhecida como valor esperado ou esperana) uma medida de posio de uma funo de probabilidade, servindo para localizar a funo sobre o eixo de variao da varivel em questo. Em particular, a mdia caracteriza o centro de uma funo de probabilidade. A mdia uma caracterstica numrica de uma funo de probabilidade. Se X for uma varivel aleatria discreta que pode tomar os valores x1, x2, ..., xn com probabilidades f(x1), f(x2), ..., f(xn), ento a mdia de X definida por

Prof. Alexandre Lima

www.pontodosconcursos.com.br

13

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima (6)

E[X] = x1f ( x1 ) + x 2 f ( x 2) + ... + x n f ( x n ) = x i f ( x i )


i =1

em que E denota o operador esperana matemtica. A mdia de X tambm usualmente representada por X (leia-se X barra) ou pela letra grega (leia-se mi). Exemplo (Administrador(a) Jnior Petrobrs/2007/Cespe-UnB) nmero de pedidos 0 1 2 3 4 5 ou mais probabilidade 0,4 0,2 0,1 0,1 0,1 0,1

O departamento de recursos humanos de uma empresa recebe diariamente uma quantdade aleatria X de pedidos de auxlio- transporte. Considerando a tabela acima, que mostra a distribuio de probabilidade de X, julgue os itens seguintes. 1. O nmero mdio de pedidos superior a 1,5. Resoluo E(X) = X.f(x) = (0 x 0,4) + (1 x 0,2) + (2 x 0,1) + (3 x 0,1) + (4 x 0,1) + (5 x 0,1) = 1,6 > 1,5 GABARITO: CERTO 2. O nmero de pedidos X igual a 1 com probabilidade igual a 0,6. Resoluo A tabela com a distribuio de probabilidades de X mostra que f(X=1) = 0,2. Logo o item est errado. Cabe ressaltar que P(X 1) = f(X = 0) + f(X=1) = 0,4 + 0,2 = 0,6. GABARITO: ERRADO Se a varivel aleatria discreta X puder tomar um nmero infinito de valores, ento (6) pode ser generalizada na forma

Prof. Alexandre Lima

www.pontodosconcursos.com.br

14

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima (7)

E[X] = x1f ( x1 ) + x 2 f ( x 2) + ... + x n f ( x n ) + ... = x i f ( x i ) .


i

O valor esperado de uma varivel aleatria contnua X com densidade de probabilidade fX(x) dado pela integral (8)
E[X ] = xf ( x )dx .

Exemplo (AFRFB/2009/ESAF/adaptada) A funo densidade probabilidade de uma varivel aleatria contnua x dada por:
3x 2 , 1 x 0 f (x) = c.c. 0,

de

Obs.: c.c. denota caso contrrio. Para esta funo, a mdia de x, tambm denominada expectncia de x e denotada por E(x) igual a: A) B)

4 3 3 4 3 4

C) D) E)

3 x 4 4 x 3

Resoluo Primeiramente, devemos descartar as opes D e E, pois a mdia de uma varivel aleatria um nmero. Observe que as opes apontadas so funes de x e no nmeros! O clculo da esperana E[x] da varivel aleatria contnua x feito pela integrao
E[X ] = xf ( x )dx .

Observe que a funo densidade de probabilidade nula para x < -1 e x > 0. Logo o limite inferior da integral -1 e o superior 0. Portanto,
Prof. Alexandre Lima www.pontodosconcursos.com.br

15

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

E[X] = x 3x 2 dx = 3x 3dx =3 x 3dx .


1 1 1

Como a primitiva da integral

x 3dx x 4 / 4 , temos que


0

(1) 4 x4 3 E[X] = 3 = 30 = 4 4 1 4

GABARITO: C 2.2 Valor Esperado de Uma Funo de Varivel Aleatria

Seja X uma varivel aleatria discreta com funo de probabilidade fX(xi) e g(X) uma funo de X. Ento o valor esperado de g(X) (9)

E[g(X)] = g( x i )f X ( x i ) .
i

Caso X seja uma varivel aleatria contnua com densidade de probabilidade fX(x), o valor esperado de g(X) dado por (10) E[g(X)] = g( x )f X ( x )dx .

Se g(X) = g1 (X) + g 2 (X) , em que g1(X) e g2(X) tambm so funes de X, ento vale (11) E[g(X)] = E[g1 (X)] + E[g 2 (X)] . Relacionamos abaixo algumas propriedades importantes da esperana matemtica E(.). Sejam a e c valores constantes e X uma varivel aleatria (tanto faz se contnua ou discreta), ento valem:

E[c] = c a mdia de um nmero qualquer c o prprio nmero c; E[cX] = cE[X] a mdia de uma varivel multiplicada por um nmero igual ao nmero multiplicado pela mdia de X;

E[a + cX] = a + cE[X] a mdia da soma de um nmero qualquer a com a varivel X multiplicada por um nmero qualquer c igual soma do nmero a com a mdia de X multiplicada por c.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

16

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima 2.3 Varincia

Sejam X uma varivel aleatria (discreta ou contnua) e g(X) = [X X ]2 uma funo de X. Define-se a varincia de X (denotada por var(X) ou 2 X ) como o valor esperado E[g(X)] dado por (12) var(X) = E[g(X)] = E[X X ]2 . Note que

E[X X ]2 = E[X 2 2XX + X 2 ] = E[X 2 ] E[2XX ] + E[ X 2 ] E[X X ]2 = E[X 2 ] 2XE[X] + E[ X 2 ]


(colocamos 2 X em evidncia no segundo termo do lado direito da igualdade)

E[X X ]2 = E[X 2 ] 2 X 2 + X 2 = E[X 2 ] X 2 var(X) = E[X 2 ] X 2


varincia de X igual a mdia do quadrado de X subtrada da mdia de X ao quadrado.
Sejam a e c constantes e Z = a + cX. Observe que Z uma transformao linear de X, porque Z = a+cX define a equao de uma reta com declividade c e intercepto a. No difcil demonstrar que vale a propriedade (13) var(a+cX) = c2var(X). A raiz quadrada positiva da varincia chamada de desvio-padro ou erro-padro, sendo denotada pelo smbolo . Exemplo (AFRFB/2009/ESAF) A tabela mostra a distribuio de freqncias relativas populacionais (f) de uma varivel X: X 2 1 2 f' 6a 1a 3a

Sabendo que a um nmero real, ento a mdia e a varincia de X so, respectivamente: A) x = 0,5 e 2 x = 3, 45
Prof. Alexandre Lima www.pontodosconcursos.com.br

17

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima B) x = 0,5 e 2 x = 3,45 C) x = 0 e 2 x =1 D) x = 0,5 e 2 x = 3,7 E) x = 0,5 e 2 x = 3,7 Resoluo Em primeiro lugar, deve-se eliminar a opo B, pois no existe varincia com valor negativo. Assim, esta opo absurda. Soma das Freqncias Relativas = 6a + 1a + 3a = 10a = 1. Logo a = 0,1. X f' 2 6a = 6 x 0,1 = 0,6 1 1a = 1 x 0,1 = 0,1 2 3a = 3 x 0,1 = 0,3 Total 1 X.f ' -1,2 0,1 0,6 -0,5 X2.f ' 2,4 0,1 1,2 3,7

Vimos que a mdia de uma varivel aleatria discreta calculada pela frmula

E[X] = x1f ( x1 ) + x 2 f ( x 2) + ... + x n f ( x n ) = x i f ( x i )


i =1

Para a questo temos

E[X] = x1f ( x1 ) + x 2 f ( x 2) + x 3f ( x n ) = 1,2 + 0,1 + 0,6 = 0,5


podemos eliminar as opes C e E (sobraram A e D).
A varincia dada por
2 2 var(X) = 2 X = E[ X ] [ X ]

sendo que E[X 2 ] = x i f ( x i ) = 2,4 + 0,1 + 1,2 = 3,7 (reparou que a opo D uma
2 i =1

pegadinha?).
2 Logo, 2 X = 3,7 ( 0,5) = 3,7 0,25 = 3,45 .

GABARITO: A
Prof. Alexandre Lima www.pontodosconcursos.com.br

18

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

J caiu em prova! (Analista/rea 3/BACEN/2006/FCC) Um empresrio, investindo em um determinado empreendimento, espera ter os seguintes lucros em funo dos cenrios Bom, Mdio e Ruim: Cenrio Bom Mdio Ruim Lucro (R$) R$ 8 000,00 R$ 5 000,00 R$ 2 000,00 Distribuio de Probabilidades do Cenrio 0,25 0,60 0,15

A expectncia e a varincia do lucro so, em R$ e (R$)2, respectivamente, A) 5 500,00 e 3 160,00 B) 5 300,00 e 3 510,00 C) 5 300,00 e 3 160,00 D) 5 000,00 e 3 510,00 E) 5 000,00 e 3 160,00 Resoluo Expectncia: E(X) Varincia: Var(X) = E(X2) [E(X)]2 E(X) =

X.P(X) = 8 x 0,25 + 5 x 0,60 + 2 x 0,15 = 5,3 mil = 5.300,00


E(X2) = 82 x 0,25 + 52 x 0,60 + 22 x 0,15 = 31,6 mil Var(X) = 31,6 5,32 = 3,51 mil = 3.510,00

GABARITO: B

Desigualdade de Chebyshev

A desigualdade de Chebyshev (ou Tchebysheff) fornece um limitante superior da probabilidade de quanto uma varivel aleatria X pode desviar-se de sua mdia . Seja X uma varivel aleatria arbitrria com mdia e varincia 2. Ento, para qualquer > 0

P[| X | ]
Comentrios:
Prof. Alexandre Lima

2 . 2

www.pontodosconcursos.com.br

19

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

- Observe que o teorema de Chebyshev no requer que a distribuio de probabilidades de X seja conhecida. - Como {| X | } U {| X |< } = (evento certo), segue-se que

P[| X |< ] 1

2 . 2

s vezes, mais conveniente expressar em termos de , de forma que = k, em que k um valor constante. Ento o teorema de Chebyshev pode ser expresso nas formas equivalentes:

P[| X |< k] 1

1 k2 1 P[| X | k] 2 k

0.8 f(x) 0.7 0.6 0.5 Densidade 0.4 0.3 0.2 0.1 0 10 P(X - < -k) P(X - > k)

10.5

11

- k

11.5

12

12.5 13 + k

13.5

14

Note que a soma das reas azul e vermelha na figura acima 1/k2, pois o limite superior da rea azul - k e o limite inferior da rea vermelha + k. Por outro lado, a rea para |x - |> k sempre ser menor que 1/k2. Exemplo (AFPS/2002/ESAF) Sejam X1,...,Xn observaes de um atributo X. Sejam:

X=
Assinale a opo correta.

1 n 1 n X i e S2 = ( X i X ) 2 n i=1 n i=1

Prof. Alexandre Lima

www.pontodosconcursos.com.br

20

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima A) Pelo menos 95% das observaes de X diferem de X em valor absoluto por menos que 2S. B) Pelo menos 99% das observaes de X diferem de X em valor absoluto por menos que 2S. C) Pelo menos 75% das observaes de X diferem de X em valor absoluto por menos que 2S. D) Pelo menos 80% das observaes de X diferem de X em valor absoluto por menos que 2S. E) Pelo menos 90% das observaes de X diferem de X em valor absoluto por menos que 2S. Resoluo Note que todas as opes envolvem a seguinte frase padro: pelo menos Y% das observaes de X diferem de X em valor absoluto por menos que 2S. Vamos equacionar esta frase? Fica da seguinte forma:

P[| X X |< 2S] Y%


A expresso acima sugere que trata-se de uma questo que cobra a aplicao da desigualdade de Chebyshev. Vamos relembrar a definio da desigualdade? Seja X uma varivel aleatria com mdia e varincia 2. Ento, para qualquer > 0 valem as seguintes relaes:

P[| X | ]

2 2 ou P [| X | < ] 1 . 2 2

1 n 1 n X i e S2 = (X i X ) 2 correspondem, n i=1 n i=1 respectivamente, mdia aritmtica e a varincia de um conjunto de dados X1,...,Xn que foram vistas na aula demonstrativa. Suponha que voc tenha sua disposio um nmero n muito grande de observaes da varivel aleatria X. Neste caso, razovel supor que X e S2 2 ( assim que a gente faz na prtica!). Substituindo X , S2 2 e = 2S na desigualdade, obtemos
Observe que as expresses

X=

P[| X X |< 2S] 1

S2 S2 P [| X X | < 2 S ] 1 (2S) 2 4S2 1 3 P[| X X |< 2S] 4 4 21

P[| X X |< 2S] 1

Prof. Alexandre Lima

www.pontodosconcursos.com.br

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

P[| X X |< 2S] 75%


Conclumos que pelo menos 75% das observaes de X diferem de X em valor absoluto por menos que 2S. GABARITO: C

Distribuies de Probabilidade

Daqui para frente, usaremos o termo distribuio como sendo sinnimo de funo de probabilidade, o que usual na literatura da rea. 4.1 Distribuies Discretas

Distribuio de Bernoulli Considere os seguintes experimentos:

uma moeda lanada: o resultado ou cara, ou no (ou seja, coroa); um dado lanado: ou ocorre a face 6 ou no (neste caso, ocorre uma das faces 1, 2, 3, 4 ou 5); uma pessoa escolhida ao acaso dentre 10.000 ou no do sexo feminino; uma pea selecionada ao acaso de um lote contendo 1.000 peas: essa pea defeituosa ou no.

Em todos os casos acima, estamos interessados na ocorrncia de uma determinada caracterstica. Se essa caracterstica observada, ento temos a ocorrncia de sucesso (cara, face 6, pessoa do sexo feminino e pea defeituosa) ou fracasso (coroa, face diferente de 6, pessoa do sexo masculino e pea no defeituosa). Para cada experimento acima, podemos definir uma varivel aleatria X que assume apenas dois valores: 1, se ocorrer sucesso, e 0, se ocorrer fracasso. Indicaremos por p a probabilidade de sucesso, ou seja, P(sucesso) = P(X=1) = p, 0<p<1. A probabilidade de fracasso P(X=0) = 1p = q. Definio: a varivel aleatria X, que assume apenas os valores 0 e 1, com funo de probabilidade f(x) tal que:

f ( x = 0) = P(X = 0) = 1 p = q (14) f ( x = 1) = P(X = 1) = p


chamada varivel aleatria de Bernouilli.
Prof. Alexandre Lima www.pontodosconcursos.com.br

22

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Demonstra-se que:

E(X) = p; Var(X) = p p2 = p(1p) = pq

0, x<0 F( x ) = 1 p, 0 x < 1 1, x 1

Exemplo. Um dado perfeito lanado: ou ocorre a face 6 ou no. Ento teremos P(X=0) = q = 5/6 e P(X=1) = p = 1/6. A mdia E(X) = p = 1/6. A varincia Var(X) = pq = (1/6).(5/6) = 5/36. Nota: experimentos que resultam numa varivel aleatria de Bernoulli so denominados ensaios ou tentativas de Bernoulli. A Tabela a seguir fornece a mdia, a varincia e o desvio padro da Distribuio de Bernoulli. Tabela: Caracterizao da Distribuio de Bernoulli Mdia Varincia Desvio Padro

E ( X) = p Var(X) = pq
(X) = pq

Distribuio Binomial Considere os seguintes experimentos e variveis aleatrias: 1. Jogue uma moeda 50 vezes. Seja X = nmero de caras obtidas.

2. Nos prximos 30 nascimentos em uma maternidade, seja X = nmero de nascimentos de meninos. Cada um desses experimentos pode ser pensado como consistindo em uma srie de tentativas de Bernoulli: 50 arremessos de moedas no experimento (1) e 30 nascimentos de bebs no experimento (2). A varivel aleatria em cada caso uma contagem do nmero de tentativas que satisfazem um determinado critrio. O resultado de cada tentativa satisfaz ou no o critrio que X conta; por conseguinte, cada tentativa pode ser sumarizada como resultando em um sucesso ou um fracasso (falha ou insucesso), respectivamente. Por exemplo, sucesso, no experimento (1), a obteno de
Prof. Alexandre Lima www.pontodosconcursos.com.br

23

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima cara no lanamento da moeda. No experimento (2), o nascimento de uma menina um fracasso. Como j visto, uma tentativa com somente dois resultados possveis denominada ensaio de Bernoulli. Considera-se que as tentativas que constituem o experimento aleatrio sejam independentes. Ou seja, o resultado de uma tentativa no tem efeito sobre o resultado da tentativa seguinte. Alm disso, admitimos que a probabilidade de um sucesso em cada tentativa seja constante. Definio: Um experimento aleatrio, consistindo em n repetidas tentativas, de modo que (1) as tentativas sejam independentes, (2) cada tentativa resulte em somente dois resultados possveis, designados por sucesso e fracasso, (3) a probabilidade de um sucesso em cada tentativa seja p chamado de experimento Binomial. A varivel aleatria X, que conta o nmero de sucessos em n tentativas, tem distribuio binomial com parmetros p e n. A funo de probabilidade de X (distribuio binomial)

n x n x (15) f ( x ) = x p (1 p) ,

x = 0,1,2,..., n

Se fizermos (1-p) = q ( a probabilidade de insucesso em uma tentativa) em (15), obtemos

n x n x (16) f ( x ) = p q , x

x = 0,1,2,..., n .

Alguns autores optam por definir a distribuio binomial (15) como a probabilidade de se ter k sucessos em n tentativas:

n k n k P(X = k ) = k p (1 p) .
A figura a seguir mostra a distribuio da Binomial para n=10 e p=1/2.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

24

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

0.25 Binomial: n=10 e p=1/2 0.2

0.15

0.1

0.05

0 0

10

A distribuio binomial uma extenso direta da Distribuio de Bernoulli, uma vez que o experimento aleatrio que caracteriza a binomial nada mais do que um Experimento de Bernoulli repetido n vezes. A Tabela a seguir fornece a mdia, a varincia e o desvio padro da Distribuio Binomial. Tabela: Caracterizao da Binomial Mdia Varincia Desvio Padro

E(X) = np Var(X) = npq


(X) = npq

Exemplo. A probabilidade de obter exatamente 2 caras em 6 lanamentos de uma moeda no viciada (n=6, p=0,5)

6 2 6 5 4 3 2 1 4 P(X = 2) = f ( x = 2) = 2 0,5 0,5 = (4 3 2 1) (2 1) 0,25 0,625 = 0,2344 .


Exemplo. A probabilidade de obter pelo menos 5 caras em 6 lances de uma moeda no viciada

6 6 6 5 0 P(X=5 ou X=6) = = f (5) + f (6) = 0 , 5 0 , 5 + 6 0,5 0,5 = 0,0938 + 0,0156 = 0,1094. 5


Exemplo (ICMS-RJ/2010/FGV). 40% dos eleitores de uma certa populao votaram, na ltima eleio, num certo candidato A. Se cinco eleitores forem escolhidos ao acaso, com reposio, a probabilidade de que trs tenham votado no candidato A igual a: Prof. Alexandre Lima www.pontodosconcursos.com.br 25

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

A) 12,48%. B) 17,58%. C) 23,04%. D) 25,78%. E) 28,64%. Resoluo A probabilidade de que trs eleitores tenham votado no candidato A (k=3 sucessos) em n=5 tentativas, sendo p=0,4 (probabilidade de sucesso), dada pela distribuio binomial

n k n k P( X = k ) = k p (1 p)
Logo,

5 3 2 P(X = 3) = 0,4 (1 0,4) = 23,04% 3


GABARITO: C Exemplo (Analista/SUSEP/2006/ESAF). Um grupo de 1.000 pessoas tem a seguinte composio etria (em anos): [0 - 20]: 200 pessoas; [21 - 30]: 200 pessoas; [31 - 40]: 200 pessoas; [41 - 50]: 200 pessoas; de 51 anos em diante: 200 pessoas;

Considerando que as probabilidades mdia de morte (qx), segundo uma determinada tbua, de: [0 - 20] at 20 anos: 0,600% o (por mil); [21 - 30]: 0,800% o (por mil); [31 - 40]: 1,500% o (por mil); [41 - 50]: 5,000% o (por mil); de 51 anos em diante: 20,000% o (por mil).

Pode-se afirmar que a possibilidade de ocorrer a morte de exatamente 10 pessoas com idade superior a 51 anos um evento: (A) Certo.
Prof. Alexandre Lima www.pontodosconcursos.com.br

26

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima (B) Impossvel. (C) Provvel. (D) Muito Provvel. (E) Pouco Provvel. Resoluo O problema uma mera aplicao da Lei Binomial. Seja X a varivel aleatria que denota o nmero de mortes de pessoas com idade de 51 anos em diante. Neste caso, temos um sucesso quando algum desta faixa etria morre. A probabilidade de sucesso q x = 20 / 1.000 = 2 / 100 = 0,02 . Lembre que a distribuio binomial dada pela frmula (probabilidade de X = k sucessos)

n k n k P( X = k ) = (q x ) (1 q x ) k
Logo, a possibilidade de ocorrer a morte de exatamente 10 pessoas com idade superior a 51 anos dada por

200 10 190 P(X = 10) = 0,02 0,98 10


Como proibido usar calculadora na prova, deve-se partir para uma anlise qualitativa dos fatores da probabilidade P(X = 10):

200 - 10 representa um nmero muito grande; - 0,0210 representa um nmero absurdamente prximo de zero, ou seja, um infinitesimal; - 0,98100 representa um nmero prximo de zero, pois elevar um nmero menor que 1, ainda que bastante prximo da unidade, centsima potncia, resulta em um valor prximo de zero.
Note que, se 0,0210 um infinitesimal, ento o produto 0,0210 0,98190 tambm um infinitesimal (ainda mais prximo de zero que 0,0210).

200 10 190 deve estar prximo de zero, pois 0,02 0,98 10 corresponde ao produto de um valor muito grande por um infinitesimal. Ou 200 10 190 seja, 0,02 0,98 um valor pouco provvel (opo E). 10
Assim, o nmero Nota: obtivemos P(X = 10) 4,95 10 3 com uma calculadora cientfica.
Prof. Alexandre Lima www.pontodosconcursos.com.br

27

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

GABARITO: E J caiu em prova! (BACEN/rea 3/2010/CESGRANRIO) Sobre variveis aleatrias, considere as afirmaes a seguir. I - Para toda e qualquer varivel aleatria, sua funo de densidade de probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel aleatria considerada, exceto no caso de variveis aleatrias contnuas, para as quais a probabilidade de ocorrncia de um valor especfico zero. II - A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida como um n-avos do somatrio dos valores possveis dessa varivel multiplicados por suas respectivas probabilidades. III- A distribuio binomial uma extenso direta da Distribuio de Bernoulli, uma vez que o experimento aleatrio que caracteriza a binomial nada mais do que um Experimento de Bernoulli repetido n vezes. correto APENAS o que se afirma em (A) II. (B) III. (C) I e II. (D) I e III. (E) II e III. Resoluo Anlise das afirmativas: I- No correto afirmar que Para toda e qualquer varivel aleatria, sua funo de densidade de probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel aleatria considerada (...) A afirmativa correta seria: Para uma varivel aleatria discreta, sua funo de probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel aleatria considerada (...)

Prof. Alexandre Lima

www.pontodosconcursos.com.br

28

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Ou seja, incorreto afirmar que uma varivel aleatria discreta possui uma funo densidade de probabilidade. Este tipo de funo s definida para variveis aleatrias contnuas. Vamos aproveitar a oportunidade para formalizar o conceito de funo de probabilidade. Seja x um valor da varivel aleatria X e f(x) a probabilidade de X tomar o valor x. Ento o conjunto {xi, f(xi), i=1,2,...,n} denominado funo de probabilidade (*) da varivel aleatria X (**). (*) Na literatura, bastante comum o uso da terminologia distribuio de probabilidades no lugar de funo de probabilidade. (**) A definio apresentada rigorosa. Contudo, comum (e no considerado errado!) chamar f(x) de funo de probabilidade. II- Afirmativa incorreta. A afirmativa correta seria: A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida como o somatrio dos valores possveis dessa varivel multiplicados por suas respectivas probabilidades III- Afirmativa correta. Sem maiores comentrios. GABARITO: B Distribuio de Poisson A distribuio de Poisson com parmetro a (a > 0) dada por (17) f ( x ) = e a

ax x!

x = 0,1,2,3... .

A Tabela a seguir fornece a mdia, a varincia e o desvio padro da Distribuio de Poisson. Tabela: Caracterizao da Poisson Mdia Varincia Desvio Padro

E(X) = a Var(X) = a

( X ) = a

Repare que a mdia igual a varincia, e que ambas so iguais ao parmetro a.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

29

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Com a = em (17), em que o nmero mdio de eventos por unidade da grandeza e o tamanho do intervalo (t, t+), a probabilidade de ocorrerem x eventos em (18) f ( x ) = e

() x , x!

0, x = 0,1,2,3... .

A Eq. (18) caracteriza o processo de contagem de Poisson, o qual apropriado para aplicaes que envolvam a contagem do nmero de vezes que um evento aleatrio ocorre em um dado intervalo de tempo, distncia, rea, etc. Algumas aplicaes que envolvem a distribuio de Poisson incluem o nmero de clicks por segundo de um contador Geiger, o nmero de pessoas que entram em uma loja em uma hora e o nmero de falhas por 1.000 metros de fita de vdeo. Neste ponto, estamos prontos para apresentar a definio formal da Lei ou Distribuio de Poisson, o que ser feito a seguir. Seja a contagem do nmero de ocorrncias de eventos no intervalo (t, t+). Se o intervalo puder ser dividido em subintervalos suficientemente pequenos tal que (1) a probabilidade de mais de uma contagem em um subintervalo seja zero, (2) a probabilidade de uma contagem em um subintervalo seja a mesma para todos os subintervalos e proporcional ao comprimento do subintervalo e (3) a contagem subintervalos, em cada subintervalo seja independente de outros

ento esse experimento aleatrio ser designado por processo de Poisson. Se o nmero mdio de contagens no intervalo for a > 0, a varivel aleatria X, que representa o nmero de contagens no intervalo, ter uma distribuio de Poisson, com parmetro a, dada por (17). De forma geral, a grandeza t do intervalo (t, t+) pode representar tempo, volume, distncia, etc. Ou seja, o processo de Poisson no necessariamente um processo de contagem no tempo. Nota: na literatura (e tambm nas provas!), bastante comum encontrarmos a seguinte definio para a Lei (distribuio) de Poisson:

f ( x ) = e

x , x!

x = 0,1,2,3...

Observe que a frmula acima pode ser obtida a partir de (17) fazendo-se a = . Neste caso, subentende-se que o intervalo de contagem unitrio, ou seja, = 1.
Prof. Alexandre Lima www.pontodosconcursos.com.br

30

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

A figura a seguir representa a distribuio de Poisson com = 5 (utilizamos a definio f ( x ) = e x / x! ).

0.18 Poisson, =5 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 0

10

15

Exemplo. Suponha que o nmero de falhas em um fio delgado de cobre siga a distribuio de Poisson, com uma mdia de 2,3 falhas por milmetro. Calcule a probabilidade de existirem exatamente 2 falhas em 1 milmetro de fio. Dados: = 2,3 falhas/mm.

P(X = 2) = f (2) = e 2,3

2,32 = 0,2652. 2!
determine 11,5 a

Exemplo. Considerando os dados do exemplo anterior, probabilidade de ocorrerem 10 falhas em 5 milmetros de fio.

falhas/mm; 11,510 P(X = 10) = e 11,5 = 0,1129. 10! = 2,3

5mm

falhas.

Exemplo (AFRFB/2009/ESAF) O nmero de petroleiros que chegam a uma refinaria ocorre segundo uma distribuio de Poisson, com mdia de dois petroleiros por dia. Desse modo, a probabilidade de a refinaria receber no mximo trs petroleiros em dois dias igual a: A) B)

32 4 e 73 3 4 e 71

Prof. Alexandre Lima

www.pontodosconcursos.com.br

31

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima C) D) E)

71 4 e 3 71 3 e 3 32 2 e 3

Resoluo Aprendemos que a distribuio de Poisson pode ser dada por

f ( x ) = e

() x , x!

0, x = 0,1,2,3... .

em que denota a taxa mdia de ocorrncia dos eventos por unidade de tempo e o tamanho do intervalo (t, t+). Dados da questo: - = dois petroleiros por dia; - = 2 dias. Portanto, = 2 x 2 = 4 petroleiros. A probabilidade de a refinaria receber no mximo trs petroleiros em dois dias, denotada por P(X3), dada por P(X3) = f(0) + f(1) + f(2) + f(3)

P(X 3) = e

1 2 3 40 16 64 71 4 4 4 4 4 4 +e +e +e = e 4 1 + 4 + + = e 4 0! 1! 2! 3! 2 6 3

GABARITO: C Exemplo (ICMS-SP/2009/FCC) O nmero de pessoas que chega ao guich de uma repartio pblica para autuao de processos apresenta uma distribuio de Poisson a uma taxa de duas pessoas por minuto. A probabilidade de que nos prximos 2 minutos chegue pelo menos uma pessoa neste guich A) (e4 - 1).e-4 B) 4e
-4 -4

Observao: e = 2,71828...

C) (e - 4).e

D) 2[(e2 - 1)].e-2 E) (e2 - 2).e-2


Prof. Alexandre Lima www.pontodosconcursos.com.br

32

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Resoluo A distribuio de Poisson com parmetro a (a > 0) dada por

f ( x ) = e a

ax x!

x = 0,1,2,3... .

Com a = , em que o nmero mdio de eventos por unidade da grandeza e o tamanho do intervalo (t, t+), a probabilidade de ocorrerem x eventos em

f ( x ) = e

() x , x!

0, x = 0,1,2,3... .

Dados: = 2 pessoas/minuto, = 2 minutos = 4 pessoas. A probabilidade de que nos prximos 2 minutos chegue pelo menos uma pessoa dada por: P(X 1) = 1 P(X = 0)

P(X = 0) = f (0) = e 4
GABARITO: A

( 2) 0 = e 4 P(X 1) = 1 e 4 = e 4 (e 4 1) . 0!

Exemplo (ICMS-RJ/2009/FGV) O nmero de clientes que buscam, em cada dia, os servios de um renomado cirurgio tem uma distribuio de Poisson com mdia de 2 pacientes por dia. Para cada cirurgia efetuada, o cirurgio recebe R$ 10.000,00. No entanto, ele consegue fazer o mximo de duas cirurgias em um dia; clientes excedentes so perdidos para outros para outros cirurgies. Assinale a alternativa que indique o valor esperado da receita diria do cirurgio. (considere e-2 = 0,14) A) R$ 5.600,00 B) R$ 8.400,00 C) R$ 10.000,00 D) R$ 14.400,00 E) R$ 20.000,00

Prof. Alexandre Lima

www.pontodosconcursos.com.br

33

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Resoluo Seja R a varivel aleatria que representa a receita diria do cirurgio. Essa varivel aleatria s pode assumir trs valores possveis, quais sejam: r1 = R$ 0,00 (zero cirurgia), r2 = R$ 10.000,00 (uma cirurgia) e r3 = R$ 20.000,00 (duas cirurgias). Sabe-se que o valor esperado da receita diria do cirurgio, denotado por E(R), dado pela frmula E(R) = rk f(rk) = r1 f(r1) + r2 f(r2) + r3 f(r3), em que f(r1) + f(r2) + f(r3) = 1. Os valores de r1, r2 e r3 foram dados. Calcularemos E(R) se soubermos qual a distribuio de probabilidades f(rk) da receita diria. Ser que ela uma distribuio de Poisson? A resposta NO e a justificativa simples: a distribuio de R discreta e possui apenas trs probabilidades. A probabilidade do cirurgio no faturar num determinado dia (denotada por P(R=0)) igual probabilidade da varivel aleatria X (que representa o nmero de clientes que buscam, em cada dia, o cirurgio) ser igual a zero. De acordo com o enunciado, X tem distribuio de Poisson. Logo, P(R=0)=P(X=0) dada por:

20 1 P ( R = 0) = f ( x = 0) = e 0,14 = 0,14 . 0! 1
2

A probabilidade de o cirurgio faturar R$ 10.000,00 num determinado dia (P(R=10.000)) igual probabilidade da varivel aleatria X ser igual a um: P ( R = 1) = f ( x = 1) = e 2

21 2 0,14 = 0,28 . 1! 1

O cirurgio consegue fazer o mximo de duas cirurgias em um dia; clientes excedentes so perdidos para outros cirurgies. Sendo assim, o cirurgio faturar R$ 20.000,00 num determinado dia caso seja procurado por 2 ou mais clientes. Portanto, P(R=20.000) = P(X 2) = 1 [P(X = 0) + P(X = 1)] = 1 0,14 0,28 = 0,58. O valor esperado da receita diria do cirurgio ento E(R) = 0x0,14 + 10.000,00x0,28 + 20.000,00x0,58 = R$ 14.400,00 GABARITO: D

Prof. Alexandre Lima

www.pontodosconcursos.com.br

34

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Comportamento Assinttico da Lei Binomial: Lei de Poisson Suponha n>>1 (isto , que n seja grande), p<<1 (probabilidade de sucesso prxima de zero), mas de tal forma que np permanea constante, digamos np = a, na distribuio binomial (probabilidade de obter k sucessos em n tentativas). Neste caso, obtemos
n k ak a n k k p (1 p) k! 1 n
n k

em que foi usada a aproximao n (n 1)...(n k 1) n k . No limite, para n , p 0 (admitindo-se k<<n), obtemos

ak a 1 k! n

n k

a k a e . k!

Este resultado mostra que a distribuio Binomial pode ser aproximada pela Distribuio de Poisson quando n>>1, p<<1, np=a. Exemplo. Dez por cento das peas produzidas por um determinado processo de fabricao so defeituosas. Qual a probabilidade de, em uma amostra de 10 peas escolhidas ao acaso, exatamente duas serem defeituosas? Probabilidade de uma pea ser defeituosa = p = 0,1 Clculo pela Binomial

10 2 8 10! 2 8 P(X = 2) = f (2) = 2 0,1 0,9 = 8!2! 0,1 0,9 = 0,1937.


Clculo por Poisson Dados: n = 10 >> 1; p = 0,1 << 1; np = a = 1 12 1 1 P(X = 2) = f (2) = e 1 = 0,1840. Em geral, a aproximao boa quando p 2! 2e 2,718 0,1 e a = np 5. Exemplo (Analistada SUSEP/Aturia/2010/ESAF). Qual o limite de f(x) = Cn,x px(1-p)n-x, onde x =0,1,2,,n, quando n , p 0, e np . A) f(x) = (2)-1/2 exp(-(x - )2/2). B) f(x) = e-x/x!. C) f(x) = e-x//.
Prof. Alexandre Lima www.pontodosconcursos.com.br

35

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima D) f(x) = e-x. E) f(x) = exp(-) x/x!. Resoluo Esta questo aborda o comportamento assinttico da Lei Binomial (lei de Poisson). Suponha n >> 1 (isto , que n seja grande), p << 1 (probabilidade de sucesso prxima de zero), mas de tal forma que np permanea constante, digamos np = , na distribuio binomial

n x n x f (x ) = x p (1 p) ,
Portanto,

x = 0,1,2,..., n

n x 1 x n x x p (1 p) x! 1 n

nx

em que n (n 1)...(n k + 1) n k . No limite, para n , p 0 (admitindo-se k << n), obtemos

1 x 1 x! n

n x

x e . x!

O resultado acima mostra que a distribuio Binomial pode ser aproximada pela Distribuio de Poisson quando n >> 1, p << 1, np=. GABARITO: B 4.2 Distribuies Contnuas

Distribuio Uniforme Uma varivel aleatria contnua X com uma funo densidade de probabilidade (19) f ( x ) =

1 , ba

axb

tem distribuio uniforme (veja a figura a seguir).

Prof. Alexandre Lima

www.pontodosconcursos.com.br

36

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

f(x)

1/(b-a)

A mdia de uma varivel aleatria uniforme (20) E(X) =


b

0,5x 2 x a+b dx = = . ba 2 b a a

A varincia de X

(b a ) 2 2 1 a + b . (21) var(X) = f X ( x )( x E(X)) dx = = = dx x 12 12 ba 2 a


b 2

em que = (b a). Nota: os limites inferior e superior da integral de (21) so a e b respectivamente, porque a funo densidade de probabilidade nula para x < a e x > b. Observe que

1 1 1 1 a + b a + b a + b x dx = x dx = x ba 3 ba a ba 2 2 2 a
b b

3 b

=
a

(b a ) 2 12

Exemplo. Uma varivel aleatria contnua X representa a corrente medida em um fio delgado de cobre em miliampres. Assuma que a faixa de X seja [0, 40 mA]. Qual a probabilidade da medida da corrente estar entre 10 e 20 mA?

f (x) =
20

1 1 = = 0,025 b a 40
20

P(10 X 20) = 0,025dx = 0,025 [x ]10 =0,025 (20 10) = 0,25.


10

A Tabela a seguir sumariza a mdia, a varincia e o desvio padro da Distribuio Uniforme X para a x b .
Prof. Alexandre Lima www.pontodosconcursos.com.br

37

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Tabela: Caracterizao da Distribuio Uniforme Mdia Varincia Desvio Padro

a+b 2 (b a ) 2 Var(X) = 12 (b a ) ( X ) = 12 E(X) =

Exemplo (AFPS/2002/ESAF). A varivel aleatria X tem distribuio uniforme no intervalo (0, ), onde uma constante maior do que 0,5. Determine o valor de tal que F(0,5) = 0,7, sendo F(x)a funo de distribuio de X. A) 3/4 B) 1/4 C) 1 D) 5/7 E) 1/2 Resoluo O enunciado define a distribuio uniforme ilustrada pela figura abaixo.

Sabemos que F(0,5) = P(X 0,5) = 0,7 rea sob a curva uniforme entre x = 0 e x = 0,5.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

38

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Como > 0,5, a rea remanescente sob a uniforme, ou seja, a rea sob a curva entre x = 0,5 e x = , deve ser igual a 1 0,7 = 0,3, pois F() = P(X ) = 1. Ento,

( 0,5)

1 = 0,3 0,5 = 0,3 0,3 = 0,5 0,2 = 0,5 = 5 / 7

GABARITO: D Distribuio Normal Uma varivel aleatria tem distribuio normal com parmetros e 2 se sua funo densidade dada por
1 (22) f ( x ) = e 2
( x ) 2 2 2

, < x <.

No fique assustado com a frmula acima. Voc no precisar decor-la para a prova, pois os exerccios que envolvam a distribuio normal sero resolvidos com o auxlio de uma tabela de probabilidades, como ser visto mais adiante.
0.45 normal padro 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 -3

-2

-1

Neste curso, usaremos a notao X N(, 2) para indicar que X tem distribuio normal com parmetros e 2. A figura acima mostra a curva normal padro. Repare que o seu formato parecido com o de um sino. A distribuio normal possui as seguintes propriedades:

f(x) simtrica em relao a ;


www.pontodosconcursos.com.br

Prof. Alexandre Lima

39

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

f(x) tende a zero quando x ; o valor mximo de f(x) se d em x = .

Demonstra-se que os parmetros e 2 denotam a mdia e a varincia da distribuio normal, respectivamente. Considere X N(, 2) e seja a nova varivel Z = (X )/. Demonstra-se que Z tem mdia zero e varincia 1. No fcil mostrar que Z tambm tem distribuio normal, ou seja, Z N(0, 1). Isso no ser feito neste curso. Dizse que Z tem distribuio normal padro ou normal reduzida. Esta distribuio muito importante para a prova.

f(x) normal

Da simetria de f(x), resulta que P(X > ) = P(X < ) = 0,5. A figura acima mostra que: - o intervalo (-, +) contm 68,27% dos valores da distribuio normal; - o intervalo (-2, +2) contm 95,45% dos valores da distribuio normal. - o intervalo (-3, +3) contm 99,73% dos valores da distribuio normal. A funo de distribuio acumulada de uma varivel aleatria normal padro usualmente denotada por (z). Ressaltamos que

Prof. Alexandre Lima

www.pontodosconcursos.com.br

40

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

(z) = P(Z z) = 1/2 + P(0 Z z).


O apndice desta aula contm tabelas auxiliares que fornecem os valores das seguintes probabilidades: i) P(Z>Zc) = 1 - (Zc) (Tabela I) ii) P(0 Z Zc) = 1/2 - (Zc) (Tabela II) D uma olhada nas tabelas auxiliares da normal padro; importante que voc esteja familiarizado com o uso das tabelas! Exemplo. Seja a varivel aleatria normal padro Z e as tabelas auxiliares da normal. (1) Calcule P(Z>1,26). A Tabela II do apndice da normal reduzida indica que P(0Z1,26) = 0,3962 = 39,62%. Logo, P(Z>1,26) = 1 - (1,26) = 1 (0,5 + 0,3962) = 1 0,8962 = 0,1038 (veja a figura a seguir). A Tabela I nos d esse resultado de forma direta, pois P(Z>1,26) = 0,1038.

(2) P(Z<-0,86) = 0,5 P(0<Z<0,86) = 0,5 0,3051 = 0,1949. (3) P(-1,25<Z<0,37) = P(0<Z<1,25) + P(0<Z<0,37) = 0,3944 + 0,1443 = 0,5387. Forma alternativa de clculo: P(-1,25<Z<0,37) = (0,37) (-1,25) = (0,5 + 0,1443) (0,5 0,3944) = 0,6443 0,1056 = 0,5387. (4) P(-1,96<Z<1,96) = 2 x P(0<Z<1,96) = 2 x 0,475 = 95%.
Prof. Alexandre Lima www.pontodosconcursos.com.br

41

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Ateno: podemos generalizar o resultado (4) para qualquer varivel aleatria normal X com mdia e desvio padro : P( - 1,96< X < + 1,96) = 95% O resultado obtido acima ser muito utilizado para resolver questes de Estatstica que envolvam a distribuio normal (vide figura a seguir).

Exemplo (APOFP-SP/2010/FCC/Adaptada) Instrues: para resolver s prximas duas questes utilize as informaes abaixo referentes distribuio normal padro Z: z P(0<Z<z) 1,00 0,34 1,25 0,39 1,50 0,43 1,75 0,46 2,00 0,48 2,25 0,49

Os salrios dos empregados de uma determinada categoria profissional apresentam uma distribuio normal com mdia igual a R$ 1.200,00 e desvio padro igual a R$ 160,00. A proporo dos empregados com salrios superiores a R$ 1.000,00 e inferiores a R$ 1.520,00 (A) 98% (B) 96% (C) 92% (D) 89% (E) 87% Resoluo
Prof. Alexandre Lima www.pontodosconcursos.com.br

42

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

De acordo com o enunciado, a distribuio dos salrios dos empregados (varivel X) normal com parmetros = 1.200 (mdia) e = 160 (desvio padro). Pede-se a proporo dos empregados com salrios superiores a R$ 1.000,00 e inferiores a R$ 1.520,00, ou seja, a probabilidade P[1.000<X<1.520]. Seja a nova varivel Z = (X - )/, em que Z a normal padro. Aprendemos que P[1.000<X<1.520] = P[(1.000-1.200)/160<Z<(1.520-1.200)/160], P[1.000<X<1.520] = P[-1,25<Z<2,00] = P[-1,25<Z<0] + P[0<Z<2,00]. A Tabela II da normal padro fornece a seguinte probabilidade: - P[0<Z<1,25] = 0,39. Mas P[0<Z<1,25] = P[-1,25<Z<0], pois a normal padro simtrica em relao origem z =0. - P[0<Z<2,00] = 0,48. Assim, P[1.000<X<1.520] = 0,39 + 0,48 = 0,87 = 87% GABARITO: E A distribuio das medidas dos cabos fabricados por uma indstria considerada normal. Sabe-se que 7% dos cabos medem no mximo 2,4 metros e apenas 2% medem no mnimo 16,4 metros. A mdia das medidas destes cabos igual a (A) 9,4 metros. (B) 8,4 metros. (C) 8,2 metros. (D) 8,0 metros. (E) 7,8 metros. Resoluo Foram dadas as seguintes probabilidades: P(X<2,4) = 0,07 e P(X>16,4) = 0,02. razovel supor que a banca tenha fornecido dois valores extremos da normal (x1=2,4 e x2=16,4) e que a mdia esteja situada em algum valor entre os dois extremos (uma rpida olhada nas opes confirma essa suspeita!). De acordo com a tabela, P(0<Z<1,5) = 0,43 = P(-1,5<Z<0) (lembre que a normal simtrica). Logo, P(Z<-1,5) = 0,5 - P(-1,5<Z<0) = 0,5 0,43 = 0,07, o que nos leva a afirmar (sem medo de errar!) que z=-1,5 o valor
Prof. Alexandre Lima www.pontodosconcursos.com.br

43

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima transformado de x=2,4. Similarmente, P(Z>2,0) = 0,5 - P(0<Z<2,0) = 0,5 0,48 = 0,02, e isto indica que z=2,0 corresponde ao valor reduzido de x=16,4. A mdia das medidas dos cabos ento determinada resolvendo-se o seguinte sistema de equaes: (1) (2) (2,4-)/ = -1,5 (16,4-)/ = 2,0

A soluo do sistema : = 8,4; =4,0. COMENTRIOS ADICIONAIS O fato dos erros associados s medies serem bem modelados pela distribuio normal um dos motivos de sua grande popularidade. Alm disso, a distribuio da soma de um grande nmero de observaes independentes e identicamente distribudas tende para a distribuio normal. Este teorema, denominado Teorema Central do Limite (ou Teorema do Limite Central), ser apresentado de forma mais detalhada em outra aula. GABARITO: B Exemplo (Administrador(a) Jnior Petrobrs/2007/Cespe-UnB) Considere que a vazo V de um oleoduto seja uma varivel aleatria que siga uma distribuio normal com mdia igual a 1.000 m3 por dia e desvio-padro igual a 500 m3 por dia. Nessa situao, julgue os itens subseqentes.

V 1.000 m3 segue uma distribuio normal com mdia zero e 100 desvio-padro igual a 5.
A quantidade Resoluo Sabemos que a quantidade X = seja, N(=0, 2=1) . Ento a quantidade Y = 5X = 5

V 1.000 tem distribuio normal padro, ou 500

V 1.000 V 1.000 = tambm tem distribuio 500 100 normal. Precisamos calcular a mdia e a varincia da nova varivel Y.
Mdia de Y: E(Y) = E(5X) = 5E(X) = 5 x 0 = 0 a mdia de Y igual a mdia de X. Varincia de Y: Var(Y) = Var(5X) = 52.Var(X) = 25.1 = 25. Concluso: Y tem distribuio N( = 0, 2 = 25). Se Var(y) = 25 Y = 5.
Prof. Alexandre Lima www.pontodosconcursos.com.br

44

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

GABARITO: CERTO Propriedade reprodutiva da Distribuio Normal: se X1, X2, ..., Xn forem variveis aleatrias normais e independentes, com E(Xi) = i e Var(Xi) = 2i para i =1, 2, ..., n, ento Y = c1X1 + c2X2 + ... + cnXn em que c1, c2, ..., cn so constantes, ser uma varivel aleatria normal com mdia E(Y) = c11 + c22 + ... + cnn e varincia
2 2 2 2 Var(Y) = c12 21 + c2 2 + ... + cn n.

Faa c1, c2, ..., cn = 1 Y = X1 + X2 + ... + Xn. Ento a mdia da soma de n variveis normais e independentes igual soma das n mdias individuais E(Y) = 1 + 2 + ... + n, e a varincia da soma de n variveis normais e independentes igual soma das varincias individuais Var(Y) = 21 + 22 + ... + 2n. Aproximao da Binomial pela Normal Seja a Distribuio Binomial (15). Vimos que a varivel aleatria binomial X conta o nmero de sucessos em n tentativas. A probabilidade de sucesso em uma tentativa p e a probabilidade de insucesso q = 1 p. Aprendemos que o desvio padro de X igual a (npq)1/2 e a mdia igual np. Se n grande e se p e q no esto muito prximos de zero, ento a distribuio binomial bem aproximada por uma distribuio normal padro em que a varivel transformada dada por
Z= X E (X) X np . = ( X ) npq

Prof. Alexandre Lima

www.pontodosconcursos.com.br

45

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Na prtica, a aproximao muito boa se np e nq forem maiores que 5. No limite, temos que
b 1 X np u 2 / 2 e du . b = lim P a n 2 npq a

A relao acima nos diz que a varivel aleatria padronizada Z = assintoticamente normal.

X np npq

A aproximao da binomial pela normal importante e ser usada nas aulas de inferncia estatstica. Aguarde! Distribuio Qui-quadrado A distribuio qui-quadrado com parmetro n>0 (n um inteiro) de uma varivel aleatria X definida pelo modelo contnuo (23) f ( x ) = K x em que K =
n 2 2

e x/ 2 para x 0 ( f ( x ) = 0 para x < 0)

1 e (.) a funo gama. 2 (n/ 2)


n/ 2

No se assuste com a frmula (23). Voc no precisa decorar essa expresso porque ela no cair na prova! Ns a colocamos nesta aula para que voc saiba que a distribuio qui-quadrado possui uma expresso analtica. Na prova, ser dada uma tabela de valores da qui-quadrado, caso haja alguma questo que envolva o uso dessa distribuio. Entretanto, no faremos uso da tabela da qui-quadrado nesta aula, pois esta distribuio ser bastante explorada em aulas posteriores (veremos que ela tem um papel relevante na Inferncia Estatstica). A Eq. (23) define a famlia das distribuies qui-quadrado com n graus de 2 liberdade , usualmente representada por n . A distribuio qui-quadrado est relacionada distribuio normal. Sejam as observaes X1, X2, ..., Xn provenientes de uma populao normal de mdia e desvio-padro 2. Ento a transformao (24)
n X 2 = i = Z i i=1 i =1 n 2 2 n

tem distribuio qui-quadrado com n graus de liberdade. Note que a varivel Zi em (24) a varivel aleatria normal padro. Logo, a varivel 2 n a soma dos
Prof. Alexandre Lima www.pontodosconcursos.com.br

46

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima quadrados de n variveis aleatrias normais padronizadas. No fique preocupado em entender (24) neste momento, pois a relao entre a quiquadrado e a normal ser vista em detalhe nas aulas de Inferncia Estatstica. A figura a seguir ilustra grficos de densidades qui-quadrado com 1, 3, 6 e 10 graus de liberdade (curvas azul, preta, vermelha e rosa, respectivamente).

0.9 X 1 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 X 3 X 6 X 10

10

15

20

25

A Tabela a seguir fornece a mdia, a varincia e o desvio padro da distribuio qui-quadrado com n graus de liberdade. Tabela: Caracterizao da Distribuio Qui-quadrado Mdia Varincia Desvio Padro

E(X) = n Var(X) = 2n
( X ) = 2 n

Distribuio t de Student A distribuio t de Student com n graus de liberdade dada por

x2 (25) f ( x ) = K st 1 + n
em que K st =

n +1 2

[(n + 1) / 2] . (n/ 2) n
www.pontodosconcursos.com.br

Prof. Alexandre Lima

47

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Na prova, tambm dever ser dada a tabela de valores da distribuio t de Student caso haja alguma questo que envolva o uso dessa distribuio. No trabalharemos com a tabela da t de Student neste momento, pois este tpico ser visto quando estudarmos a Inferncia Estatstica. A figura a seguir mostra os grficos da distribuio t de Student para 1, 10 e 20 graus de liberdade (curvas azul, verde e vermelha, respectivamente). Note que o formato da t de Student se aproxima da normal (curva preta tracejada) conforme aumenta o nmero de graus de liberdade.

0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 -3 normal t1 t10 t20

-2

-1

Veremos posteriormente por que a distribuio t de Student relevante no estudo da Estatstica Indutiva. Mas bom que voc comece a se familiarizar com variveis aleatrias do tipo t de Student desde j. Como elas surgem na Estatstica? Esta pergunta ser respondida de forma sucinta a seguir. Considere um conjunto de n valores retirados de uma populao normal de mdia e desvio-padro . Defina a varivel

t=

X , S/ n

em que X e S denotam a mdia aritmtica e o desvio-padro das n observaes, respectivamente. Veremos que a distribuio de t no normal, apesar da frmula acima ser similar da normal reduzida. De fato, trata-se de uma varivel com distribuio t de Student. Esta distribuio simtrica e tem mdia nula, assim como a normal padro.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

48

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Distribuio F de Snedecor Define-se a varivel F com n1 graus de liberdade no numerador e n2 graus de liberdade no denominador, ou simplesmente, Fn1 ,n 2 , por (26) Fn1,n 2 =

2 n /n 1 1 2 n 2 /n 2

onde 2 designa uma varivel aleatria com distribuio qui-quadrado com ni n i graus de liberdade. A figura abaixo mostra a densidade F3,5.

0.7 F3,5 0.6

0.5

0.4

0.3

0.2

0.1

0 0

10

A distribuio F de Snedecor tem um papel importante na Inferncia Estatstica. Estudaremos essa distribuio com mais detalhes em aulas posteriores. Distribuio Log-Normal A distribuio log-normal est relacionada normal. Se X log-normal com parmetros e 2, ento ln(X) normal com parmetros e 2. A densidade de probabilidade log-normal dada por (27) f ( x ) =
1 x 2
(ln x )2 2 2

x >0.

A distribuio log-normal aplicvel quando a quantidade de interesse positiva, haja vista que ln(X) existe somente quando a varivel X positiva. Os economistas frequentemente utilizam a log-normal para modelar a distribuio de renda.
Prof. Alexandre Lima www.pontodosconcursos.com.br

49

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Suponha que a renda anual das famlias paulistas de 4 pessoas, denotada por X, seja bem ajustada pela distribuio log-normal com = ln(20.000) e 2 = 1. Ento a figura a seguir mostra o plot da densidade da renda.

3.5

x 10

-5

log-normal 3

2.5

1.5

0.5

0 0

$30,000

$60,000

$90,000

$120,000

A Tabela a seguir fornece a mdia e a varincia da distribuio log-normal. Tabela: Caracterizao da Distribuio Log-Normal Mdia Varincia

E(X) = e

Var (X ) = e 1 e 2+
2

2 2

Exemplo (CVM/2000/ESAF) Acredita-se que o logaritmo neperiano da varivel renda (X), medida em milhares de reais, tenha distribuio populacional normal com mdia 2 e varincia unitria. Assinale a opo que corresponde ao valor esperado de X. Em todas as opes a constante e representa a base do sistema de logaritmos neperiano. (A) e2,5 (B) e2,0 (C) loge 2,0 (D) 1+ loge 2,0 (E) e3,0 Resoluo Se X log-normal com parmetros e 2, ento Y=ln(X) normal com parmetros e 2. De acordo com o enunciado, a distribuio da Y tem =2 e
Prof. Alexandre Lima www.pontodosconcursos.com.br

50

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

2=1. Sabemos que E(X) = exp(2 + 1 / 2) = e 2,5 .


GABARITO: A

E(X) = exp + 2 / 2

para

log-normal.

Ento,

Resumo

- Uma funo discreta de probabilidade f(xi) (i=1,2,...,n) satisfaz s seguintes condies: 0 f(xi) 1 e i f(xi) = 1. - A funo de distribuio (ou acumulada) de probabilidade F(x) de uma varivel aleatria X definida por F(x) = P(Xx). - A rea sob a funo densidade de probabilidade de uma varivel aleatria

contnua X igual a 1, ou seja, negativa (f(x) 0).

f (x)dx = 1 .

Alm disso, f(x) no pode ser

- A funo densidade de probabilidade de uma varivel aleatria contnua X igual derivada da funo de distribuio de X em relao a x, ou seja, f(x) = dF(x)/dx = F(x) - P[a X b] = f ( x )dx .
a b

- Se X for uma varivel aleatria discreta que pode tomar os valores x1, x2, ..., xn com probabilidades f(x1), f(x2), ..., f(xn), ento a mdia (ou valor esperado) de X definida por

E[X] = x 1f ( x1 ) + x 2 f ( x 2) + ... + x n f ( x n ) = x i f ( x i ) .
i =1

- A mdia de uma varivel aleatria contnua X com densidade de probabilidade fX(x) dada pela integral
E[X ] = xf ( x )dx .

- Sejam a e c valores constantes e X uma varivel aleatria. Ento a mdia possui as seguintes propriedades:

E[c] = c a mdia de um nmero qualquer c o prprio nmero c; E[cX] = cE[X] a mdia de uma varivel multiplicada por um nmero igual ao nmero multiplicado pela mdia de X;

Prof. Alexandre Lima

www.pontodosconcursos.com.br

51

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

E[a + cX] = a + cE[X] a mdia da soma de um nmero qualquer a com a varivel X multiplicada por um nmero qualquer c igual soma do nmero a com a mdia de X multiplicada por c.

- var(X) = E(X2) 2 a varincia de X igual a mdia do quadrado de X subtrada da mdia de X ao quadrado. - Sejam a e c constantes, X uma varivel aleatria e Z = a + cX (Z uma transformao linear da varivel X). Ento var(a+cX) = c2var(X). - A raiz quadrada positiva da varincia chamada de desvio-padro ou erropadro, sendo denotada pelo smbolo . - Desigualdade de Chebyshev: seja X uma varivel aleatria com mdia e 2 varincia 2. Ento temos, para qualquer > 0: P[| X | ] 2 . f ( x = 0) = P(X = 0) = 1 p = q - Varivel aleatria de Bernoulli: f ( x = 1) = P(X = 1) = p - Tabela: Caracterizao da Bernoulli Mdia Varincia Desvio Padro

=p
2 = pq
= pq

- A Distribuio Binomial nos d a probabilidade de k sucessos em n n k n k tentativas: P(X = k ) = k p (1 p) . - Tabela: Caracterizao da Binomial Mdia Varincia Desvio Padro

= np
2 = npq
= npq

ax , x = 0,1,2,3... . Lembre x! que a = , em que denota o nmero mdio de eventos por unidade de x tempo. Se fizermos = 1, obtemos f ( x ) = e . x!
- Distribuio de Poisson com parmetro a > 0: f ( x ) = e a - Tabela: Caracterizao da Poisson
Prof. Alexandre Lima www.pontodosconcursos.com.br

52

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Mdia Varincia Desvio Padro

=a 2 = a = a

- A Binomial pode ser aproximada pela Poisson se n>>1 (nmero de tentativas grande) e p<<1 (probabilidade de sucesso prxima de zero). Ento o parmetro a da Poisson aproximante dado por np=a. A aproximao boa quando p 0,1 e a = np 5. - X N(, 2) denota uma varivel aleatria X com distribuio normal com mdia e varincia 2. - A normal padro Z N(0, 1) obtida atravs da transformao Z=(X-)/. - A normal simtrica em relao sua mdia, de modo que P(X) = P(X>) = 50% =1/2. - Se X normal, ento P( - 1,96<X< + 1,96) = 95%. - Seja a Distribuio Binomial. Se n grande e se p e q no esto muito prximos de zero, ento a distribuio binomial bem aproximada por uma distribuio normal padro em que a varivel transformada dada por
Z= X np . npq

Na prtica, a aproximao muito boa se np e nq forem maiores que 5.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

53

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Exerccios de Fixao

O enunciado a seguir refere-se s questes de nmeros 1 e 2. Seja X uma varivel aleatria com densidade de probabilidade f X ( x ) = 2 2 x para 0 x 1 e f X ( x ) = 0 para os demais valores. 1. A probabilidade de se obter X maior do que 0 (A) 0 (B) 0,75 (C) 0,25 (D) 0,5 (E) 1 2. A probabilidade de se obter X maior do que 0,5 (A) 0 (B) 0,75 (C) 0,25 (D) 0,5 (E) 1 3. (IBGE - Estatstica/2010/Cesgranrio) Considere uma varivel aleatria X com funo de distribuio dada por F(x) = 0, x<0 = 1-e-2x , x 0. A funo de densidade que representa esta varivel A) f(x) = xe-2x , x 0 B) f(x) = 2e-2x , x 0 C) f(x) = 0,5e-2x , x 0 D) f(x) = xe-x , x 0 E) f(x) = 2e-2x , x 0 4. (IBGE - Estatstica/2010/Cesgranrio) O Instituto Brasileiro de Geografia e Estatstica - IBGE divulga, anualmente, a Tbua Completa de Mortalidade. Na tabela a seguir esto as probabilidades de morte entre as idades exatas X e X+1, Q(X,1) , em mil%; as probabilidades complementares 1 Q(X,1) , em mil% e as probabilidades complementares acumuladas
Prof. Alexandre Lima www.pontodosconcursos.com.br

54

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

(1 Q(X,1))
i =1

para o ano de 2007.

Dado um indivduo com 50 anos, a probabilidade de morrer antes de completar 55 anos de, aproximadamente, (A) 3,8% (B) 4,7% (C) 8,8% (D) 95,3% (E) 96,2% 5. (DECEA - Estatstica/2009/Cesgranrio) As notas obtidas pelos candidatos em um determinado concurso apresentaram distribuio normal, com mdia 6 e desvio padro 1. A nota correspondente ao 1o quartil dessa distribuio , aproximadamente, (A) 5,0 (B) 5,3 (C) 5,8 (D) 6,3 (E) 6,7 6. (AFPS/2002/ESAF) A mdia e o desvio-padro obtidos num lote de produo de 100 peas mecnicas so, respectivamente, 16kg e 40g. Uma pea particular do lote pesa 18kg. Assinale a opo que d o valor padronizado do peso da bola. A) -50 B) 0,05 C) 50 D) -0,05
Prof. Alexandre Lima www.pontodosconcursos.com.br

55

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima E) 0,02 7. (AFPS/2002/ESAF) O atributo X tem distribuio normal com mdia 2 e varincia 4. Assinale a opo que d o valor do terceiro quartil de X, sabendose que o terceiro quartil da normal padro 0,6745. A) 3,3490 B) 0,6745 C) 2,6745 D) 2,3373 E) 2,7500 8. (ICMS-RJ/2007/FGV) Um candidato se submete a uma prova contendo trs questes de mltipla escolha precisando acertar pelo menos duas para ser aprovado. Cada questo apresenta cinco alternativas, mas apenas uma correta. Se o candidato no se preparou e decide responder a cada questo ao acaso, a probabilidade de ser aprovado no concurso igual a: A) 0,200. B) 0,040. C) 0,096. D) 0,008. E) 0,104. 9. (Assistente Tcnico-Administrativo do MF/2009/ESAF) Ao se jogar um dado honesto trs vezes, qual o valor mais prximo da probabilidade de o nmero 1 sair exatamente uma vez? A) 35% B) 17% C) 7% D) 42% E) 58% 10. (APOFP-SP/2009/ESAF) Seja Z uma varivel aleatria Normal Padro. Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de P(-2,58 < Z < 1,96). z P(Z < z ) A) 0,99 B) 0,97 C) 0,98
Prof. Alexandre Lima www.pontodosconcursos.com.br

1,96 0,975

2,17 0,985

2,33 0,99

2,41 0,992

2,58 0,995

56

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima D) 0,985 E) 0,95 11. (AFTM-RN/2008/ESAF) Numa distribuio Binomial, temos que: I. A E[x] = n p q, ou seja, o produto dos parmetros n nmero de elementos da avaliao, p probabilidade de ocorrncia do evento e q probabilidade contrria (q = 1 - p). II. O desvio-padro dado pela raiz quadrada do produto entre os parmetros n e p. III. A varincia dada pelo somatrio dos quadrados dos valores (Xi) menos o quadrado da mdia. Apontando os trs itens acima como V Verdadeiro e F Falso, a opo correta : A) F, V, F B) V, V, F C) F, F, F D) V, F, F E) V, V, V 12. (Analista Tcnico da SUSEP/2006/ESAF) Em uma casa de jogos (Bingo S/A, por exemplo) a premiao ser de R$ 10,00, para quem obtiver uma face de nmero primo ao jogar um dado honesto e de R$ 20,00, para quem obtiver outra alternativa (face de nmero no primo). Para N jogadas (sendo N um nmero suficientemente grande de jogadas), o valor mdio da aposta, ou seja, o valor esperado, ser de: A) R$ 10,00 B) R$ 10,33 C) R$ 13,33 D) R$ 15,00 E) R$ 17,33 13. (Analista Tcnico da SUSEP/2006/ESAF) Sendo X uma v. a. d. varivel aleatria discreta e sendo Y = aX + b, pode concluir-se que var (aX + b) igual a: A) = var X. B) = E(X2) (EX)2. C) = E(X E(X))2. D) = a2 var X.
Prof. Alexandre Lima www.pontodosconcursos.com.br

57

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima E) = a2 var X b. O enunciado abaixo refere-se s questes de nmeros 14 a 17. Aps vrios anos de magistrio no ensino superior, um professor de Estatstica constatou que, em sua aula na graduao, a funo de probabilidade de X, varivel aleatria que representa o nmero de alunos ausentes s sextasfeiras, a seguinte X f(x) 0 0,010 1 0,020 2 0,310 3 0,320 4 0,240 5 0,080 6 0,019 7 0,001

14. Ento a probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 alunos estaro ausentes (A) 0,63 (B) 0,13 (C) 0,87 (D) 0,56 (E) 1 15. O valor esperado da varivel aleatria X (A) 3,08 (B) 3,26 (C) 2,12 (D) 0,32 (E) 0,96 16. O valor esperado de Y = 5X + 4 (A) 4 (B) 3,1 (C) 15,4 (D) 19,4 (E) 81 17. A varincia de X (A) 9,49 (B) 1,22 (C) 10,71
Prof. Alexandre Lima www.pontodosconcursos.com.br

58

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima (D) 20,305 (E) 85,525 18. (AFPS/2002/ESAF) Tem-se uma varivel aleatria normal X com mdia e desvio-padro . Assinale a opo que d o intervalo contendo exatamente 95% da massa de probabilidades de X A) ( - 0,50; + 0,50) B) ( - 0,67; + 0,67) C) ( - 1,00; + 1,00) D) ( - 2,00; + 2,00) E) ( - 1,96; + 1,96) 19. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4, respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - | 12 ], obtido pela desigualdade de Tchebysheff, dado por A) 0,40 B) 0,25 C) 0,20 D) 0,12 E) 0,10 (AFTM-SP/2007/FCC/Adaptada) Instrues: para responder prxima questo, utilize, dentre as informaes abaixo, as que julgar adequadas. Se tem distribuio normal padro, ento: P(0< < 1) = 0,341, P(0< < 1,6) = 0,445, P(0< < 2) = 0,477 20. Os depsitos efetuados no Banco B, num determinado ms, tm distribuio normal com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um depsito selecionado ao acaso dentre todos os referentes ao ms em questo. A probabilidade de que o depsito exceda R$ 6.000,00 de A) 97,7% B) 94,5% C) 68,2% D) 47,7% E) 34,1% 21. (AFTE-RS/2009/Fundatec) Seja Z uma varivel aleatria contnua normalmente distribuda com mdia zero e desvio padro um. Seja Prof. Alexandre Lima www.pontodosconcursos.com.br 59

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

P( Z < 1) = 0,1587 e P( Z > 2) = 0,0228 . Seja X uma varivel aleatria contnua normalmente distribuda com mdia 200 e desvio padro 20, ento P(180<X<240), :
A) 0,9772 B) 0,8413 C) 0,3413 D) 0,8185 E) 0,4772 22. (AFTE-RS/2009/Fundatec) Seja X uma varivel aleatria contnua, com funo densidade de probabilidade dada por f(x) = 1 + cx, se -1 x 0, f(x) = 1 cx, se 0 x 1, f(x) = 0 se x < -1 ou se x > 1. O valor da mdia de X A) 0,5 B) 0 C) 2/3 D) 1 E) 1/3 23. (ICMS-RJ/2011/FGV/Adaptada) Assuma que uma distribuio de Bernoulli tenha dois possveis resultados n=0 e n=1, no qual n=1 (sucesso) ocorre com probabilidade p, e n=0 (falha) ocorre com probabilidade q 1p. Sendo 0<p<1, a funo densidade de probabilidade (A) P(n ) = p n (1 p)1n

q, n = 1 (B) P(n ) = p, n = 0
(C) P(n ) = p nq (1 p) (1n ) q (D) P(n ) = e npq

p =1 0, (E) P(n ) = 1, (1 p) = q = 1
24. (AFTE-RS/2009/Fundatec) Uma pesquisa indica que a distribuio do tempo que os candidatos de um concurso levam para entregar uma prova aproximadamente normal, com tempo mdio de 1,5 horas e desvio padro de 15 minutos. Sabendo que P(<X<+2)=0,4772 e P(-<X<+)=0,6827, o nmero esperado de candidatos que levam entre 1 e 2 horas para entregar a prova, de um total de 10.000 candidatos, : A) 5.228
Prof. Alexandre Lima www.pontodosconcursos.com.br

60

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima B) 9.972 C) 9.544 D) 6.827 E) 3.173 25. (Analista Tcnico/SUSEP/2002/ESAF) Seja X uma varivel aleatria com valor esperado e desvio padro >0. Pode-se afirmar que A) pelo menos 75% das realizaes de X pertencero ao intervalo [-2;+2] B) pelo menos 80% das realizaes de X pertencero ao intervalo [ -2;+2] C) pelo menos 90% das realizaes de X pertencero ao intervalo [-2;+2] D) pelo menos 95% das realizaes de X pertencero ao intervalo [-2;+2] E) apenas com o conhecimento de e no possvel fazer afirmao sobre o percentual de realizaes de X que cairo no intervalo [-2;+2]. 26. (AFTE-RO/FCC/2010) Os valores dos salrios dos empregados de determinado ramo de atividade apresentam uma distribuio normal com mdia R$ 2.000,00 e varincia igual a 62.500 (R$)2. Considere os valores das probabilidades P(0 Z z) para a distribuio normal padro: Z P(0 Z z) 0,25 0,10 0,52 0,20 0,84 0,30 1,28 0,40

Ento, a porcentagem dos empregados que ganham salrios inferiores a R$ 1.790,00 ou salrios superiores a R$ 2.320,00 igual a A) 30% B) 40% C) 50% D) 60% E) 70% 27. (MI-CENAD/ESAF/2012) Seja X uma varivel aleatria contnua com funo densidade de probabilidade constante no intervalo [0,2]. Determine sua varincia. A) 1/3 B) 1/2 C) 2/3 D) 5/7 E) 5/6

Prof. Alexandre Lima

www.pontodosconcursos.com.br

61

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima 28. (MI-CENAD/ESAF/2012) Seja X uma Varivel Aleatria Binomial com parmetros n e p. Sendo Cn,k o nmero de combinaes de n elementos tomados k a k, obtenha a expresso de P(X = k). A) Cn,n-k p(1-p)n-k B) Cn,k pn-k(1-p)k C) Cn,k pk(1-p)n-k D) Cn,k p(1-p)k-1 E) Cn,n-k pn-k(1-p)k 29. (MI-CENAD/ESAF/2012) Sendo F(x) a funo de distribuio da varivel aleatria definida na questo anterior, calcule F(1), para o caso n=5 e p=0,5. A) 0 B) 1/32 C) 5/32 D) 3/16 E) 11/32 30. (MI-CENAD/ESAF/2012) Se A e B so eventos independentes, ento: A) P(AB) = P(A) P(B). B) P(A|B) = P(A)/P(B), se P(B) > 0. C) P(A|B) = P(A). D) P(A|B) = P(AB)/P(A), se P(A) > 0. E) P(AB) = P(A) + P(B).

Prof. Alexandre Lima

www.pontodosconcursos.com.br

62

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Gabarito

1E 2C 3E 4A 5B 6C 7A 8E 9A 10 B 11 C 12 D 13 D 14 C 15 A 16 D 17 B 18 E 19 B 20 A 21 D 22 B 23 A 24 C 25 A 26 A 27 A 28 C 29 D 30 C

Prof. Alexandre Lima

www.pontodosconcursos.com.br

63

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Resoluo dos Exerccios de Fixao

O enunciado a seguir refere-se s questes de nmeros 1 e 2. Seja X uma varivel aleatria com densidade de probabilidade f X ( x ) = 2 2 x para 0 x 1 e f X ( x ) = 0 para os demais valores. 1. A probabilidade de se obter X maior do que 0 (A) 0 (B) 0,75 (C) 0,25 (D) 0,5 (E) 1 Resoluo O grfico da funo densidade de probabilidade f X ( x ) = 2 2 x est representado abaixo. A probabilidade de se obter X maior do que 0 , por definio, igual rea sob f(x), a qual unitria, pois representa a probabilidade do evento certo. Conferindo:

P[X > 0] =

base altura 1 2 = = 1. 2 2

f(x) 2

0,5

Prof. Alexandre Lima

www.pontodosconcursos.com.br

64

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima GABARITO: E 2. A probabilidade de se obter X maior do que 0,5 (A) 0 (B) 0,75 (C) 0,25 (D) 0,5 (E) 1 Resoluo A probabilidade de se obter X maior do que 0,5 igual rea sob f(x) no intervalo 0,5 < x 1 . Ou seja

P[ X > 0,5] =
GABARITO: C

0,5 1 = 0,25 . 2

3. (IBGE - Estatstica/2010/Cesgranrio) Considere uma varivel aleatria X com funo de distribuio dada por F(x) = 0, x<0 = 1-e-2x , x 0. A funo de densidade que representa esta varivel A) f(x) = xe-2x , x 0 B) f(x) = 2e-2x , x 0 C) f(x) = 0,5e-2x , x 0 D) f(x) = xe-x , x 0 E) f(x) = 2e-2x , x 0 Resoluo Quando a funo de distribuio acumulada F(x) contnua, a funo densidade de probabilidade f(x) corresponde derivada de F(x):

f (x) =

dF( x ) d(1 e 2 x ) = = 0 + (1) (2)e 2 x = 2e 2 x , x 0 dx dx

Nota: lembre que a derivada de e-2x dada por: (-2x)'.e-2x = -2.e-2x.

Prof. Alexandre Lima

www.pontodosconcursos.com.br

65

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Questo tranquila. GABARITO: E 4. (IBGE - Estatstica/2010/Cesgranrio) O Instituto Brasileiro de Geografia e Estatstica - IBGE divulga, anualmente, a Tbua Completa de Mortalidade. Na tabela a seguir esto as probabilidades de morte entre as idades exatas X e X+1, Q(X,1) , em mil%; as probabilidades complementares 1 Q(X,1) , em mil% e as probabilidades complementares acumuladas

(1 Q(X,1))
i =1

para o ano de 2007.

Dado um indivduo com 50 anos, a probabilidade de morrer antes de completar 55 anos de, aproximadamente, (A) 3,8% (B) 4,7% (C) 8,8% (D) 95,3% (E) 96,2% Resoluo A probabilidade de morrer antes de completar 55 anos dada por

P = 1 (1 Q(54,1)) = 1 0.96234 = 0,03766 = 3,766% 3,8% (aproximao)


i =1

GABARITO: A 5. (DECEA - Estatstica/2009/Cesgranrio) As notas obtidas pelos candidatos em um determinado concurso apresentaram distribuio normal, com mdia 6 e desvio padro 1. A nota correspondente ao 1o quartil dessa distribuio , aproximadamente,
Prof. Alexandre Lima www.pontodosconcursos.com.br

66

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

(A) 5,0 (B) 5,3 (C) 5,8 (D) 6,3 (E) 6,7 Resoluo Varivel aleatria X com distribuio N(6, 1), ou seja, normal com =6 e 2 = 1) 1o quartil (Q1) de X: P{X<Q1} = 0,25. 1o quartil da normal padro (-Zc): P{Z<-Zc} = 0,25 = P{-Zc<Z<0} = P{0<Z<Zc} = 0,25 (pois a normal padro simtrica em relao sua mdia, que zero). Da Tabela II: Zc 0,675 (obtido por interpolao linear dos dados da tabela). Como -Zc = (Q1 - )/ (transformao para a normal padro), segue-se que Q1 = -Zc. + = -0,675.1 + 6 5,3 (valor aproximado) GABARITO: B 6. (AFPS/2002/ESAF) A mdia e o desvio-padro obtidos num lote de produo de 100 peas mecnicas so, respectivamente, 16kg e 40g. Uma pea particular do lote pesa 18kg. Assinale a opo que d o valor padronizado do peso da bola. A) -50 B) 0,05 C) 50 D) -0,05 E) 0,02 Resoluo Dados fornecidos: - = 16kg = 16 x 1.000g = 16.000g - = 40g - peso de uma pea = 18kg = 18 x 1.000g = 18.000g
Prof. Alexandre Lima www.pontodosconcursos.com.br

67

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Valor padronizado: z = (x - )/ = (18.000 16.000)/40 = 2.000/40 = 50 GABARITO: C 7. (AFPS/2002/ESAF) O atributo X tem distribuio normal com mdia 2 e varincia 4. Assinale a opo que d o valor do terceiro quartil de X, sabendose que o terceiro quartil da normal padro 0,6745. A) 3,3490 B) 0,6745 C) 2,6745 D) 2,3373 E) 2,7500 Resoluo Dados fornecidos: -=2 - 2 = 4 = 2 - Q3 = 0,6745 para a normal padro Sabemos que o valor padronizado dado pela frmula z = (x - )/ Aplicando a frmula acima para o terceiro quartil da normal padro, obtemos 0,6745 = (x - 2)/2 x = 1,3490 + 2 = 3,3490 GABARITO: A 8. (ICMS-RJ/2007/FGV) Um candidato se submete a uma prova contendo trs questes de mltipla escolha precisando acertar pelo menos duas para ser aprovado. Cada questo apresenta cinco alternativas, mas apenas uma correta. Se o candidato no se preparou e decide responder a cada questo ao acaso, a probabilidade de ser aprovado no concurso igual a: A) 0,200. B) 0,040. C) 0,096. D) 0,008. E) 0,104.
Prof. Alexandre Lima www.pontodosconcursos.com.br

68

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima Resoluo Trata-se de aplicao da distribuio Binomial. O chute a ser dado em cada questo da prova uma tentativa de Bernoulli (n = 3 tentativas), em que p = 1/5 e (1-p)=4/5. Seja X a varivel aleatria que denota o nmero de questes certas. Ento a probabilidade de acertar pelo menos 2 questes (numa prova de 3 questes de mltipla escolha) dada por

n 2 n 3 1 0 P(X=2) + P(X=3) = 2 p (1 p ) + 3 p (1 p ) = 2 1 3 0 3 1 4 3 1 4 12 1 = 2 5 5 + 3 5 5 = 125 + 125 = 0,104.


GABARITO: E 9. (Assistente Tcnico-Administrativo do MF/2009/ESAF) Ao se jogar um dado honesto trs vezes, qual o valor mais prximo da probabilidade de o nmero 1 sair exatamente uma vez? A) 35% B) 17% C) 7% D) 42% E) 58% Resoluo I Utilizando a Distribuio Binomial:

n x n x P(n , x ) = f ( x ) = x p (1 p)
P(n,x) = probabilidade de ocorrer exatamente x vezes o evento A, aps n repeties. S = {1, 2, 3, 4, 5, 6} => n(S) = 6 A = {1} => n(A) = 1 Evento A = sair um nmero igual a 1 => P(A) = n(A)/n(S) = 1/6 Complementar de A = A= no sair um nmero igual a 1 A= {2, 3, 4, 5, 6} => n(A) = 5 P(A) = n(A)/n(S) = 5/6 n= 3 vezes
Prof. Alexandre Lima www.pontodosconcursos.com.br

69

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima x = 1 (1 sair exatamente uma vez)
3 1 5 3! 1 25 75 P (3,1) = f (1) = 1 6 6 = 1!2! 6 36 = 216 = 34,72% 35%
1 2

GABARITO: A 10. (APOFP-SP/2009/ESAF) Seja Z uma varivel aleatria Normal Padro. Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de P(-2,58 < Z < 1,96). z P(Z < z ) A) 0,99 B) 0,97 C) 0,98 D) 0,985 E) 0,95 Resoluo Z => varivel aleatria normal padro P(-2,58 < Z < 1,96) = Sabemos que: 1,96 0,975 2,17 0,985 2,33 0,99 2,41 0,992 2,58 0,995

(1,96) - (-2,58)

(-2,58) = 1 - (2,58) = 1 0,995 = 0,005 (1,96) - (-2,58) = 0,975 0,005 = 0,97

P(-2,58 < Z < 1,96) = GABARITO: B

11. (AFTM-RN/2008/ESAF) Numa distribuio Binomial, temos que: I. A E[x] = n p q, ou seja, o produto dos parmetros n nmero de elementos da avaliao, p probabilidade de ocorrncia do evento e q probabilidade contrria (q = 1 - p). II. O desvio-padro dado pela raiz quadrada do produto entre os parmetros n e p. III. A varincia dada pelo somatrio dos quadrados dos valores (Xi) menos o quadrado da mdia. Apontando os trs itens acima como V Verdadeiro e F Falso, a opo correta :
Prof. Alexandre Lima www.pontodosconcursos.com.br

70

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima A) F, V, F B) V, V, F C) F, F, F D) V, F, F E) V, V, V Resoluo Esperana da distribuio binomial: E(X) = np Varincia da distribuio binomial: Var(X) = np(1-p) Vamos analisar as alternativas: I. A E[x] = n p q, ou seja, o produto dos parmetros n nmero de elementos da avaliao, p probabilidade de ocorrncia do evento e q probabilidade contrria (q = 1 - p). Esperana da distribuio binomial: E(X) = np. O item FALSO. II. O desvio-padro dado pela raiz quadrada do produto entre os parmetros n e p. Varincia da distribuio binomial: Var(X) = np(1-p) Desvio-Padro = [np(1-p)]1/2 => dado pela raiz quadrada do produto entre n, p e (1-p). O item FALSO. III. A varincia dada pelo somatrio dos quadrados dos valores (Xi) menos o quadrado da mdia. A frmula geral da varincia : Var(X) = E(X2) [E(X)]2 => ou seja, a mdia dos quadrados do valores menos o quadrado da mdia. O item FALSO. Lembre que a varincia da distribuio binomial np(1-p). GABARITO: C 12. (Analista Tcnico da SUSEP/2006/ESAF) Em uma casa de jogos (Bingo S/A, por exemplo) a premiao ser de R$ 10,00, para quem obtiver uma face de nmero primo ao jogar um dado honesto e de R$ 20,00, para quem obtiver outra alternativa (face de nmero no primo). Para N jogadas (sendo N um nmero suficientemente grande de jogadas), o valor mdio da aposta, ou seja, o valor esperado, ser de: A) R$ 10,00 B) R$ 10,33 C) R$ 13,33
Prof. Alexandre Lima www.pontodosconcursos.com.br

71

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima D) R$ 15,00 E) R$ 17,33 Resoluo S = {1, 2, 3, 4, 5, 6} => n(S) = 6 E = nmero primo = {2, 3, 5} => um nmero primo quando somente divisvel por 1 e por ele mesmo => n(E) = 3 P(nmero primo) = 3/6 = 1/2 => Premiao (primo) = R$ 10,00 E= nmero no primo = {1, 4, 6} => n(E) = 3 P(nmero no primo) = 3/6 = 1/2 => Premiao (no primo) = R$ 20,00 Valor esperado da varivel aleatria X para um nmero N, suficientemente grande, de jogadas: E(X) = P(nmero primo) x premiao(primo) + P(nmero no primo) x premiao(no primo) E(X) = (1/2) x 10 + (1/2) x 20 = 30/2 = R$ 15,00 GABARITO: D 13. (Analista Tcnico da SUSEP/2006/ESAF) Sendo X uma v. a. d. varivel aleatria discreta e sendo Y = aX + b, pode concluir-se que var (aX + b) igual a: A) = var X. B) = E(X2) (EX)2. C) = E(X E(X))2. D) = a2 var X. E) = a2 var X b. Resoluo Var(cX) = c2 Var(X), sendo c = constante Var(X + a) = Var (X), sendo a = constante. Var(aX + b) = a2 Var(X) GABARITO: D O enunciado abaixo refere-se s questes de nmeros 14 a 17. Aps vrios anos de magistrio no ensino superior, um professor de Estatstica constatou que, em sua aula na graduao, a funo de probabilidade de X, Prof. Alexandre Lima www.pontodosconcursos.com.br 72

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima varivel aleatria que representa o nmero de alunos ausentes s sextasfeiras, a seguinte X f(x) 0 0,010 1 0,020 2 0,310 3 0,320 4 0,240 5 0,080 6 0,019 7 0,001

14. Ento a probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 alunos estaro ausentes (A) 0,63 (B) 0,13 (C) 0,87 (D) 0,56 (E) 1 Resoluo A probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 estaro ausentes dada por

f (x ) = 0,310 + 0,320 + 0,240 = 0,87


x =2

GABARITO: C 15. O valor esperado da varivel aleatria X (A) 3,08 (B) 3,26 (C) 2,12 (D) 0,32 (E) 0,96 Resoluo

E[X] = xf ( x )
x =0

Logo, E[X]

= 0 0,01 + 1 0,02 + 2 0,31 + 3 0,32 + 4 0,24 + 5 0,08 + 6 0,019 + 7 0,001 = 3,081 3,08
GABARITO: A
Prof. Alexandre Lima www.pontodosconcursos.com.br

73

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima 16. O valor esperado de Y = 5X + 4 (A) 4 (B) 3,1 (C) 15,4 (D) 19,4 (E) 81 Resoluo

E[Y] = E[5X + 4] = 5E[X] + 4 = 5 3,081 + 4 = 15,405 + 4 = 19,405 19,4 .


GABARITO: D 17. A varincia de X (A) 9,49 (B) 1,22 (C) 10,71 (D) 20,305 (E) 85,525 Resoluo

var(X) = E[X 2 ] X 2 = x 2 f ( x ) X 2 .
x =0

x f ( x ) =0
2 x =0

0,01 + 12 0,02 + 2 2 0,31 + 32 0,32 + 4 2 0,24 + 52 0,08 + + 6 2 0,019 + 7 2 0,001 = 10,713

Ento,

var(X) = E[X 2 ] X 2 = 10,713 3,0812 = 10,713 9,493 = 1,22 .


GABARITO: B 18. (AFPS/2002/ESAF) Tem-se uma varivel aleatria normal X com mdia e desvio-padro . Assinale a opo que d o intervalo contendo exatamente 95% da massa de probabilidades de X A) ( - 0,50; + 0,50) B) ( - 0,67; + 0,67)
Prof. Alexandre Lima www.pontodosconcursos.com.br

74

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima C) ( - 1,00; + 1,00) D) ( - 2,00; + 2,00) E) ( - 1,96; + 1,96) Resoluo A questo imediata P( - 1,96< X < + 1,96) = 95%. GABARITO: E 19. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4, respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - | 12 ], obtido pela desigualdade de Tchebysheff, dado por A) 0,40 B) 0,25 C) 0,20 D) 0,12 E) 0,10 Resoluo A Desigualdade de Tchebysheff pode ser dada pela expresso

P[| X | k]

1 . k2

Dados: i) k = 12 , ii) distribuio de probabilidades de X (logo possvel calcular a mdia e o desvio padro de X).

1 3 = E(X) = x i f ( x i ) = 2 + 2 = 1 4 4 i 1 3 2 = E(X 2 ) 2 = x i2 f ( x i ) 2 = (2) 2 + 2 2 12 = 3 4 4 i


Ento

k 12 k = 2. = 3

Prof. Alexandre Lima

www.pontodosconcursos.com.br

75

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

1 P[| X 1 | 2 3 ] 0,25 limite superior da probabilidade de 22 que X difira da mdia populacional por 2 3 0,25. P[| X 1 | 2 3 ]
GABARITO: B (AFTM-SP/2007/FCC/Adaptada) Instrues: para responder prxima questo, utilize, dentre as informaes abaixo, as que julgar adequadas. Se tem distribuio normal padro, ento: P(0< < 1) = 0,341, P(0< < 1,6) = 0,445, P(0< < 2) = 0,477 20. Os depsitos efetuados no Banco B, num determinado ms, tm distribuio normal com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um depsito selecionado ao acaso dentre todos os referentes ao ms em questo. A probabilidade de que o depsito exceda R$ 6.000,00 de A) 97,7% B) 94,5% C) 68,2% D) 47,7% E) 34,1% Resoluo Dados: X uma varivel aleatria normal com = 9.000 e = 1.500. Normal padro: Z = (X )/ = (6.000 9.000)/1.500 = -2,0 P(Z > -2,0) = P(Z < 2,0) = 0,5 + P(0,0 < Z < 2,0) = 0,5 + 0,477 = 0,977 = 97,7% GABARITO: A 21. (AFTE-RS/2009/Fundatec) Seja normalmente distribuda com mdia P ( Z < 1) = 0,1587 e P ( Z > 2) = 0,0228 . Seja normalmente distribuda com mdia P(180<X<240), : A) 0,9772 B) 0,8413 C) 0,3413 D) 0,8185
Prof. Alexandre Lima www.pontodosconcursos.com.br

Z uma zero e X uma 200 e

varivel aleatria contnua desvio padro um. Seja varivel aleatria contnua desvio padro 20, ento

76

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima E) 0,4772 Resoluo Dados: X1 = 180, X2 = 240, P( Z < 1) = 0,1587 e P( Z > 2) = 0,0228 . Z1 = (180 200)/20 = -1 Z2 = (240 200)/20 = 2 Pede-se P(180<X<240) = P(-1<Z<2). P(-1<Z<2) = P(-1<Z<0) + P(0<Z<2) Mas P(-1<Z<0) = 0,5 P(Z<-1) e P(0<Z<2) = 0,5 P(Z>2). Logo, P(-1<Z<2) = 0,5 P(Z<-1) + 0,5 P(Z>2) = 0,5 0,1587 + 0,5 0,0228 = 0,8185 (opo D). GABARITO: D 22. (AFTE-RS/2009/Fundatec) Seja X uma varivel aleatria contnua, com funo densidade de probabilidade dada por f(x) = 1 + cx, se -1 x 0, f(x) = 1 cx, se 0 x 1, f(x) = 0 se x < -1 ou se x > 1. O valor da mdia de X A) 0,5 B) 0 C) 2/3 D) 1 E) 1/3 Resoluo

Prof. Alexandre Lima

www.pontodosconcursos.com.br

77

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima O grfico da figura acima ilustra a forma da funo densidade de probabilidade de X, denotada por f(x). Como f(x) simtrica em relao a zero, temos que a mdia de X zero (opo B). Repare que resolvi a questo sem fazer nenhuma conta! Bastou saber esboar o grfico de f(x). Por completeza, calcularei o valor da constante c. Sabemos que a rea sob f(x) unitria. Ento, 2 x (rea do tringulo retngulo delimitado por 0<x<1/c) = 1 2 x (base x altura)/2 = 1 base x altura = 1 (1/c) x 1 = 1 c = 1. A figura a seguir mostra o grfico de f(x).

GABARITO: B 23. (ICMS-RJ/2011/FGV/Adaptada) Assuma que uma distribuio de Bernoulli tenha dois possveis resultados n=0 e n=1, no qual n=1 (sucesso) ocorre com probabilidade p, e n=0 (falha) ocorre com probabilidade q 1p. Sendo 0<p<1, a funo densidade de probabilidade (A) P(n ) = p n (1 p)1n

q, n = 1 (B) P(n ) = p, n = 0
(C) P(n ) = p nq (1 p) (1n ) q (D) P(n ) = e npq

p =1 0, (E) P(n ) = 1, (1 p) = q = 1
Resoluo
Prof. Alexandre Lima www.pontodosconcursos.com.br

78

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima A distribuio Binomial (ou de Bernouilli) nos d a probabilidade de k sucessos em n tentativas:

n k n k P(X = k ) = k p (1 p) , k = 0,1,2,..., n
De acordo com o enunciado, a distribuio possui somente dois possveis resultados: X=0 (zero sucesso) e X=1 (um sucesso). Logo, est implcito que h somente uma tentativa (n=1 na frmula acima). Ento, a probabilidade de 0 sucesso em uma tentativa

1 0 1! 0 10 1 0 1 P(X = 0) = 0 p (1 p) = 0!1! p (1 p) = p (1 p)
e a probabilidade de um sucesso em uma tentativa

1 1 1! 1 11 0 1 0 P(X = 1) = 1 p (1 p) = 1!0! p (1 p) = p (1 p)
Agora preciso compatibilizar a nossa notao com aquela que foi usada pela banca no enunciado. Substitua a varivel aleatria X por n nas probabilidades acima: P(n = 0) = p 0 (1 p)1 e P(n = 1) = p1 (1 p) 0 . Observe que as frmulas das probabilidades P(n = 0) e P(n = 1) podem ser generalizadas pela expresso

P(n ) = p n (1 p)1n .
Questozinha boa, no mesmo? A banca brincou com a notao e cobrou o significado da distribuio binomial. GABARITO: A 24. (AFTE-RS/2009/Fundatec) Uma pesquisa indica que a distribuio do tempo que os candidatos de um concurso levam para entregar uma prova aproximadamente normal, com tempo mdio de 1,5 horas e desvio padro de 15 minutos. Sabendo que P(<X<+2)=0,4772 e P(-<X<+)=0,6827, o nmero esperado de candidatos que levam entre 1 e 2 horas para entregar a prova, de um total de 10.000 candidatos, : A) 5.228 B) 9.972 C) 9.544 D) 6.827
Prof. Alexandre Lima www.pontodosconcursos.com.br

79

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima E) 3.173 Resoluo As trs figuras abaixo ilustram, respectivamente, as probabilidades i) P(<X<+2) = 0,4772, ii) P(-<X<+) = 0,6827 e iii) P(-2<X<+2) = 2x0,4772 = 0,9544, em que = 90 minutos e = 15 minutos.
0.03 normal P(<X <+) = 47,72% 0.025

0.02 densidade

0.015

0.01

0.005

0 40

50

60

70

80

90 normal

100

110

120

130

140

0.03

normal <+) = 68,27% P(-<X

0.025

0.02 densidade

0.015

0.01

0.005

0 40

50

60

70

80

90 normal

100

110

120

130

140

Prof. Alexandre Lima

www.pontodosconcursos.com.br

80

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

0.03

normal P(-2<x<+2)=95,44%

0.025

0.02 densidade

0.015

0.01

0.005

0 40

50

60

70

80

90 normal

100

110

120

130

140

O nmero esperado de candidatos que levam entre 60 (=-2) e 120 (=+2) minutos para entregar a prova, de um total de 10.000 candidatos, dado por 10.000 x P(60<X<120) = 10.000 x 0,9544 = 9.544. GABARITO: C 25. (Analista Tcnico/SUSEP/2002/ESAF) Seja X uma varivel aleatria com valor esperado e desvio padro >0. Pode-se afirmar que A) pelo menos 75% das realizaes de X pertencero ao intervalo [-2;+2] B) pelo menos 80% das realizaes de X pertencero ao intervalo [ -2;+2] C) pelo menos 90% das realizaes de X pertencero ao intervalo [-2;+2] D) pelo menos 95% das realizaes de X pertencero ao intervalo [-2;+2] E) apenas com o conhecimento de e no possvel fazer afirmao sobre o percentual de realizaes de X que cairo no intervalo [-2;+2]. Resoluo Uma rpida leitura das alternativas indica que a questo aborda o teorema (desigualdade) de Chebyshev:

Seja X uma varivel aleatria arbitrria com mdia e varincia 2. Ento, para qualquer k > 0 , vale P[ + k < X < + k] 1 1 . k2

Prof. Alexandre Lima

www.pontodosconcursos.com.br

81

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Anlise das alternativas: (A) P[ 2 < X < + 2] 0,75 CORRETA. O teorema de Chebyshev afirma 1 1 2 . que P[ 2 < X < + 2] , no mnimo, igual a Logo, 2 P[ 2 < X < + 2] 0,75 . (B) a (D) esto INCORRETAS conforme demonstrado acima. (E) Esta alternativa nega o teorema de Chebyshev ao dizer que no possvel, apenas com o conhecimento de e , fazer afirmao sobre o percentual de realizaes de X que cairo no intervalo [-2;+2] INCORRETA. GABARITO: A 26. (AFTE-RO/FCC/2010) Os valores dos salrios dos empregados de determinado ramo de atividade apresentam uma distribuio normal com mdia R$ 2.000,00 e varincia igual a 62.500 (R$)2. Considere os valores das probabilidades P(0 Z z) para a distribuio normal padro: Z P(0 Z z) 0,25 0,10 0,52 0,20 0,84 0,30 1,28 0,40

Ento, a porcentagem dos empregados que ganham salrios inferiores a R$ 1.790,00 ou salrios superiores a R$ 2.320,00 igual a A) 30% B) 40% C) 50% D) 60% E) 70% Resoluo Varivel aleatria normal padro:
Prof. Alexandre Lima www.pontodosconcursos.com.br

82

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

Z=
Dados:


Pede-se:

= 2.000 = (62.500)1/2 = 250

- a porcentagem dos empregados que ganham salrios inferiores a R$ 1.790,00 ou salrios superiores a R$ 2.320,00, ou seja, P(X < 1.790) + P(X > 2.320) Mas

1.790 2000 P(X < 1.790) = P Z < = P(Z < 0,84 ) = P(Z > 0,84 ) = 0,5 P(0 Z < 0,84 ) = 0,20 250 2.320 2000 P(X > 2.320) = P Z > = P(Z > 1,28) = 0,5 P(0 Z < 1,28) = 0.10 250
Finalmente, P(X < 1.790) + P(X > 2.320) = 0,20 + 0,10 = 0,30 = 30% GABARITO: A 27. (MI-CENAD/ESAF/2012) Seja X uma varivel aleatria contnua com funo densidade de probabilidade constante no intervalo [0,2]. Determine sua varincia. A) 1/3 B) 1/2 C) 2/3 D) 5/7 E) 5/6 Resoluo A funo densidade de probabilidade constante ou uniforme da questo est definida no intervalo [a,b] = [0,2]. Portanto, Var(X) = 2/12 = (b a)2/12 = (2 0)2/12 = 4/12 = 1/3
Prof. Alexandre Lima www.pontodosconcursos.com.br

83

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

GABARITO: A 28. (MI-CENAD/ESAF/2012) Seja X uma Varivel Aleatria Binomial com parmetros n e p. Sendo Cn,k o nmero de combinaes de n elementos tomados k a k, obtenha a expresso de P(X = k). A) Cn,n-k p(1-p)n-k B) Cn,k pn-k(1-p)k C) Cn,k pk(1-p)n-k D) Cn,k p(1-p)k-1 E) Cn,n-k pn-k(1-p)k Resoluo A varivel binomial X conta o nmero de sucessos em n tentativas. A probabilidade de sucesso em uma tentativa p. P(X = k) denota a probabilidade de se ter k sucessos em n tentativas: P(X = k) = Cn,k pk(1-p)n-k GABARITO: C 29. (MI-CENAD/ESAF/2012) Sendo F(x) a funo de distribuio da varivel aleatria definida na questo anterior, calcule F(1), para o caso n=5 e p=0,5. A) 0 B) 1/32 C) 5/32 D) 3/16 E) 11/32 Resoluo F(X=1) = P(X1) = P(X=0) + P(X=1) F(X=1) = Cn,0.p0.(1p)n + Cn,1.p1.(1p)n1 F(X=1) = C5,0.(1/2)0.(11/2)5 + C5,1.(1/2)1.(11/2)51 F(X=1) = C5,0.1.(1/2)5 + C5,1.(1/2).(1/2)4
Prof. Alexandre Lima www.pontodosconcursos.com.br

84

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

(fizemos (1/2)0 = 1) F(X=1) = 5!/(0!.5!).(1/32) + 5!/(1!.4!).(1/2)5 Lembre que: 0! = 1! = 1; (1/2).(1/2)4 = (1/2)5 = 15/25 = 1/32 F(X=1) = 1.(1/32) + (5.4!/4!).1/32 = (1/32) + 5.(1/32) = 6.(1/32) = 6/32 dividindo o numerador e o denominador por 2, obtemos F(X=1) = 3/16 GABARITO: D 30. (MI-CENAD/ESAF/2012) Se A e B so eventos independentes, ento: A) P(AB) = P(A) P(B). B) P(A|B) = P(A)/P(B), se P(B) > 0. C) P(A|B) = P(A). D) P(A|B) = P(AB)/P(A), se P(A) > 0. E) P(AB) = P(A) + P(B). Resoluo Se A e B so eventos independentes, ento P(A|B) = P(A) (alternativa C) e P(B|A) = P(B), por definio. GABARITO: C Abraos e at a prxima aula. Bons estudos! Alexandre Lima. alexandre@pontodosconcursos.com.br

Prof. Alexandre Lima

www.pontodosconcursos.com.br

85

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

APNDICE
TABELA I NORMAL: rea direita de Zc
Parte inteira e primeira decimal de Zc 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,5 4,0 5,0

Segunda decimal de Zc
0,00 0,50000 0,46017 0,42074 0,38209 0,34458 0,30854 0,27425 0,24196 0,21186 0,18406 0,15866 0,13567 0,11507 0,09680 0,08076 0,06681 0,05480 0,04457 0,03593 0,02872 0,02275 0,01786 0,01390 0,01072 0,00820 0,00621 0,00466 0,00347 0,00256 0,00187 0,00135 0,00023 0,00003 0,00000 0,01 0,49601 0,45620 0,41683 0,37828 0,34090 0,30503 0,27093 0,23885 0,20897 0,18141 0,15625 0,13350 0,11314 0,09510 0,07927 0,06552 0,05370 0,04363 0,03515 0,02807 0,02222 0,01743 0,01355 0,01044 0,00798 0,00604 0,00453 0,00336 0,00248 0,00181 0,00131 0,00022 0,00003 0,00000 0,02 0,49202 0,45224 0,41294 0,37448 0,33724 0,30153 0,26763 0,23576 0,20611 0,17879 0,15386 0,13136 0,11123 0,09342 0,07780 0,06426 0,05262 0,04272 0,03438 0,02743 0,02169 0,01700 0,01321 0,01017 0,00776 0,00587 0,00440 0,00326 0,00240 0,00175 0,00126 0,00022 0,00003 0,00000 0,03 0,48803 0,44828 0,40905 0,37070 0,33360 0,29806 0,26435 0,23270 0,20327 0,17619 0,15151 0,12924 0,10935 0,09176 0,07636 0,06301 0,05155 0,04182 0,03362 0,02680 0,02118 0,01659 0,01287 0,00990 0,00755 0,00570 0,00427 0,00317 0,00233 0,00169 0,00122 0,00021 0,00003 0,00000 0,04 0,48405 0,44433 0,40517 0,36693 0,32997 0,29460 0,26109 0,22965 0,20045 0,17361 0,14917 0,12714 0,10749 0,09012 0,07493 0,06178 0,05050 0,04093 0,03288 0,02619 0,02068 0,01618 0,01255 0,00964 0,00734 0,00554 0,00415 0,00307 0,00226 0,00164 0,00118 0,00020 0,00003 0,00000 0,05 0,48006 0,44038 0,40129 0,36317 0,32636 0,29116 0,25785 0,22663 0,19766 0,17106 0,14686 0,12507 0,10565 0,08851 0,07353 0,06057 0,04947 0,04006 0,03216 0,02559 0,02018 0,01578 0,01222 0,00939 0,00714 0,00539 0,00402 0,00298 0,00219 0,00159 0,00114 0,00019 0,00003 0,00000 0,06 0,47608 0,43644 0,39743 0,35942 0,32276 0,28774 0,25463 0,22363 0,19489 0,16853 0,14457 0,12302 0,10383 0,08691 0,07215 0,05938 0,04846 0,03920 0,03144 0,02500 0,01970 0,01539 0,01191 0,00914 0,00695 0,00523 0,00391 0,00289 0,00212 0,00154 0,00111 0,00019 0,00002 0,00000 0,07 0,47210 0,43251 0,39358 0,35569 0,31918 0,28434 0,25143 0,22065 0,19215 0,16602 0,14231 0,12100 0,10204 0,08534 0,07078 0,05821 0,04746 0,03836 0,03074 0,02442 0,01923 0,01500 0,01160 0,00889 0,00676 0,00508 0,00379 0,00280 0,00205 0,00149 0,00107 0,00018 0,00002 0,00000 0,08 0,46812 0,42858 0,38974 0,35197 0,31561 0,28096 0,24825 0,21770 0,18943 0,16354 0,14007 0,11900 0,10027 0,08379 0,06944 0,05705 0,04648 0,03754 0,03005 0,02385 0,01876 0,01463 0,01130 0,00866 0,00657 0,00494 0,00368 0,00272 0,00199 0,00144 0,00104 0,00017 0,00002 0,00000 0,09 0,46414 0,42465 0,38591 0,34827 0,31207 0,27760 0,24510 0,21476 0,18673 0,16109 0,13786 0,11702 0,09853 0,08226 0,06811 0,05592 0,04551 0,03673 0,02938 0,02330 0,01831 0,01426 0,01101 0,00842 0,00639 0,00480 0,00357 0,00264 0,00193 0,00139 0,00100 0,00017 0,00002 0,00000

Parte inteira e primeira decimal de Zc 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,5 4,0 5,0

Prof. Alexandre Lima

www.pontodosconcursos.com.br

86

Pacote de Teoria e Exerccios para Analista do BACEN rea 2 Estatstica Prof. Alexandre Lima

TABELA II NORMAL: rea de 0 a Zc


Parte inteira e primeira decimal de Zc 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,5 4,0 5,0

Segunda decimal de Zc
0,00 0,00000 0,03983 0,07926 0,11791 0,15542 0,19146 0,22575 0,25804 0,28814 0,31594 0,34134 0,36433 0,38493 0,40320 0,41924 0,43319 0,44520 0,45543 0,46407 0,47128 0,47725 0,48214 0,48610 0,48928 0,49180 0,49379 0,49534 0,49653 0,49744 0,49813 0,49865 0,49977 0,49997 0,50000 0,01 0,00399 0,04380 0,08317 0,12172 0,15910 0,19497 0,22907 0,26115 0,29103 0,31859 0,34375 0,36650 0,38686 0,40490 0,42073 0,43448 0,44630 0,45637 0,46485 0,47193 0,47778 0,48257 0,48645 0,48956 0,49202 0,49396 0,49547 0,49664 0,49752 0,49819 0,49869 0,49978 0,49997 0,50000 0,02 0,00798 0,04776 0,08706 0,12552 0,16276 0,19847 0,23237 0,26424 0,29389 0,32121 0,34614 0,36864 0,38877 0,40658 0,42220 0,43574 0,44738 0,45728 0,46562 0,47257 0,47831 0,48300 0,48679 0,48983 0,49224 0,49413 0,49560 0,49674 0,49760 0,49825 0,49874 0,49978 0,49997 0,50000 0,03 0,01197 0,05172 0,09095 0,12930 0,16640 0,20194 0,23565 0,26730 0,29673 0,32381 0,34849 0,37076 0,39065 0,40824 0,42364 0,43699 0,44845 0,45818 0,46638 0,47320 0,47882 0,48341 0,48713 0,49010 0,49245 0,49430 0,49573 0,49683 0,49767 0,49831 0,49878 0,49979 0,49997 0,50000 0,04 0,01595 0,05567 0,09483 0,13307 0,17003 0,20540 0,23891 0,27035 0,29955 0,32639 0,35083 0,37286 0,39251 0,40988 0,42507 0,43822 0,44950 0,45907 0,46712 0,47381 0,47932 0,48382 0,48745 0,49036 0,49266 0,49446 0,49585 0,49693 0,49774 0,49836 0,49882 0,49980 0,49997 0,50000 0,05 0,01994 0,05962 0,09871 0,13683 0,17364 0,20884 0,24215 0,27337 0,30234 0,32894 0,35314 0,37493 0,39435 0,41149 0,42647 0,43943 0,45053 0,45994 0,46784 0,47441 0,47982 0,48422 0,48778 0,49061 0,49286 0,49461 0,49598 0,49702 0,49781 0,49841 0,49886 0,49981 0,49997 0,50000 0,06 0,02392 0,06356 0,10257 0,14058 0,17724 0,21226 0,24537 0,27637 0,30511 0,33147 0,35543 0,37698 0,39617 0,41309 0,42785 0,44062 0,45154 0,46080 0,46856 0,47500 0,48030 0,48461 0,48809 0,49086 0,49305 0,49477 0,49609 0,49711 0,49788 0,49846 0,49889 0,49981 0,49998 0,50000 0,07 0,02790 0,06749 0,10642 0,14431 0,18082 0,21566 0,24857 0,27935 0,30785 0,33398 0,35769 0,37900 0,39796 0,41466 0,42922 0,44179 0,45254 0,46164 0,46926 0,47558 0,48077 0,48500 0,48840 0,49111 0,49324 0,49492 0,49621 0,49720 0,49795 0,49851 0,49893 0,49982 0,49998 0,50000 0,08 0,03188 0,07142 0,11026 0,14803 0,18439 0,21904 0,25175 0,28230 0,31057 0,33646 0,35993 0,38100 0,39973 0,41621 0,43056 0,44295 0,45352 0,46246 0,46995 0,47615 0,48124 0,48537 0,48870 0,49134 0,49343 0,49506 0,49632 0,49728 0,49801 0,49856 0,49896 0,49983 0,49998 0,50000 0,09 0,03586 0,07535 0,11409 0,15173 0,18793 0,22240 0,25490 0,28524 0,31327 0,33891 0,36214 0,38298 0,40147 0,41774 0,43189 0,44408 0,45449 0,46327 0,47062 0,47670 0,48169 0,48574 0,48899 0,49158 0,49361 0,49520 0,49643 0,49736 0,49807 0,49861 0,49900 0,49983 0,49998 0,50000

Parte inteira e primeira decimal de Zc 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,5 4,0 5,0

Prof. Alexandre Lima

www.pontodosconcursos.com.br

87