Escolar Documentos
Profissional Documentos
Cultura Documentos
Prof.R.Dyodi
Sumrio
Captulo 2 - Probabilidade......................................................................................................... 2
2.1. Conceitos ......................................................................................................................... 2
2.2. Propriedades ................................................................................................................... 2
2.3. Probabilidade Condicional ............................................................................................. 6
2.4. Contagem......................................................................................................................... 7
2.5. Variveis Aleatrias - Conceito .................................................................................. 16
2.6. Variveis Aleatrias Discretas Valor Mdio (ou Esperana), Varincia e
Desvio Padro....................................................................................................................... 17
2.7. Distribuies Discretas de Probabilidade ................................................................. 23
2.8. Variveis Aleatrias Contnuas .................................................................................. 39
Pgina 1
Estatstica
Prof.R.Dyodi
Captulo 2 - Probabilidade
O contedo de probabilidade consiste basicamente em quantificar a chance de
determinado evento ocorrer. Esta talvez seja a matria de estatstica mais difcil de todas, pois
o examinador sempre pode inventar algo para te derrubar. Mas, para felicidade geral da nao,
as bancas possuem certa predileo por alguns tipos de exerccios e no costumam inventar
muito. Neste captulo, vamos tentar esmiuar todo o contedo cobrado em probabilidade.
2.1. Conceitos
Antes de comear, preciso que voc conhea algumas definies que sero
utilizadas no somente neste material, mas em todo livro didtico ou at mesmo nas questes
de provas.
Espao Amostral, denotado por , todo o conjunto de resultados possveis de
determinado experimento. Se o experimento fosse o lanamento de um dado, o espao
amostral seria = {1,2,3,4,5,6}. Por outro lado, se o experimento fosse o resultado de uma
partida de futebol, o espao amostral seria = {perder, ganhar, empatar}.
Vamos comear com o modelo bsico, quando todos os resultados possveis possuem
a mesma chance de ocorrer (como exemplo, temos o lanamento de dados, o lanamento de
moedas, etc). Neste caso, a probabilidade de um evento A acontecer igual ao nmero de
resultados associados ao evento A dividido pelo nmero de resultados do espao amostral. Em
termos algbricos:
( )
Vamos supor que o evento A seja obter um nmero par num lanamento de dados, ou
seja, A = {2,4,6}. Ento, P(A) = 3/6 = 1/2. Agora, se o evento B se referir obteno de
nmeros maiores do que 4 num lanamento de dados, B = {5,6} e P(B) = 2/6 = 1/3.
Dois outros conceitos muito cobrados em provas so a unio e a interseco de 2
eventos. A unio de 2 eventos, A e B, denotada por (
), e quer dizer que pelo
menos um deles deve ocorrer. Por outro lado, a interseco de 2 eventos, A e B,
denotada por (
), e quer dizer que os 2 eventos devem ocorrer ao mesmo tempo.
Veremos como calcular a unio e a interseco no prximo tpico.
2.2. Propriedades
1 propriedade: Para qualquer evento A,
( )
Pgina 2
Estatstica
Prof.R.Dyodi
Imagine que A seja um evento relacionado obteno dos nmeros 1,2,3,4,5 ou 6 num
lanamento de dados, ou seja, A = {1,2,3,4,5,6}. Ento, P(A) = 6/6 = 1. Se o evento for certo,
ao realizar o experimento o evento com certeza ir ocorrer.
4 propriedade: A probabilidade do evento complementar de A igual a
( )
B) =
Para fixar: a unio ocorre quando pelo menos um dos eventos ocorrer. No problema
em questo, a unio consiste na ocorrncia do nmero 2, 3, 4 ou 5.
6 propriedade: Sejam 2 eventos A e B, se eles forem mutuamente exclusivos a probabilidade
)
de interseco ser igual a 0 , ou seja, (
Consequentemente, a probabilidade de
)
( )
( )
unio ser igual a (
Pgina 3
Estatstica
Prof.R.Dyodi
( )
( )
( )
( )
( )
( )
( )
( )
( )
( ), pois a
Pgina 4
Estatstica
Prof.R.Dyodi
( )
( )
( )
( ).
A probabilidade de que em um determinado dia tenham sido vendidas mais que uma unidade
do eletrodomstico igual a
(A) 87,5%.
(B) 80,0%.
(C) 75,0%.
(D) 60,0%.
(E) 50,0%.
Letra C
Resoluo:
A soma das probabilidades de um experimento sempre deve ser igual a 1.
( )
)
( )
( )
( )
Pgina 5
Estatstica
Prof.R.Dyodi
)
( )
)
( )
( )
( )
Como um clculo de probabilidade nunca poder ser um nmero negativo ou maior do que 1, a
letra E a alternativa correta.
Exerccio resolvido sobre probabilidade condicional:
(FCC - 2006 - Bacen - Analista - rea 4)
O nmero de automveis modelo K vendidos diariamente em uma concessionria de veculos
uma varivel aleatria discreta (X) com a seguinte distribuio de probabilidades:
O preo unitrio de venda do modelo K de R$ 20.000,00 e somente em 20% dos dias tem-se
vendas superiores a duas unidades. Se num determinado dia a receita de vendas referente a
este modelo for positiva, a probabilidade dela ser inferior a R$ 60.000,00 de
(A) 60%
Pgina 6
Estatstica
Prof.R.Dyodi
(B) 75%
(C) 80%
(D) 87,5%
(E) 90%
Letra B
Resoluo:
Sabemos que a soma de todas as probabilidades tem que ser igual a 1. Ento:
Alm disso, o enunciado fornece a seguinte informao: somente em 20% dos dias tem-se
vendas superiores a duas unidades. Isso quer dizer que a probabilidade de serem vendidos 3
automveis, que igual a m, de 20%, ou seja, m igual a 0,2. Consequentemente, n ser
igual a 0,3.
Para a receita ser menor do que R$ 60.000, queremos saber a probabilidade de serem
vendidos menos do que 3 automveis. Alm disso, neste determinado dia, a receita no foi
nula. Assim, precisamos descobrir:
(
)
(
)
(
(
(
)
)
Pgina 7
Estatstica
Prof.R.Dyodi
Agora, suponha que o mesmo dado ser lanado duas vezes. Qual a probabilidade de
voc obter a face 2 no 1 lanamento e a face 4 no 2 lanamento? Se voc respondeu 1/36,
parabns, acertou a questo.
A pergunta que no quer calar: por que fazer (1/6 + 1/6) no 1 caso e por que fazer
(1/6.1/6) no 2 caso?
Acredito que muitos de vocs tenham acertado as duas questes, mas no sabem
responder a pergunta acima. Vamos entender o que aconteceu com estes dois problemas
atravs do princpio da multiplicao e do princpio da adio.
1 tcnica: O princpio da Multiplicao
De quantas maneiras possvel responder a um teste de mltipla escolha com 3
alternativas? A resposta igual a 3 (a,b ou c). E de quantas maneiras possvel responder 2
testes de mltipla escolha com 3 alternativas? A resposta igual a 9. Observe:
1
A
B
C
A
B
C
A
B
C
Resultados possveis: (A,A) (A,B) (A,C) (B,A) (B,B) (B,C) (C,A) (C,B) (C,C)
Agora imagine o trabalho de contar o nmero de resultados possveis do espao
amostral se a questo questionasse sobre 20 testes de mltipla escolha!
O princpio da multiplicao uma tcnica til para resolver este problema e diz que
quando existem x procedimentos, de modo que o procedimento 1 tem
maneiras de ser
executado, o procedimento 2 tem
maneiras de ser executado, ..., e o procedimento x tem
maneiras de ser executado, o nmero de diferentes maneiras que todos os procedimentos
podero ser executados em sequncia igual a
Assim, o princpio da multiplicao s possvel quando os experimentos puderem ser
realizados em sequncia! No incio do captulo, vimos dois exemplos sobre lanamento de
dados. S conseguimos utilizar o princpio da multiplicao quando o dado foi lanado duas
vezes, ou seja, os eventos puderam ser realizados em sequncia. No caso de somente um
lanamento, no podemos utilizar o princpio da multiplicao porque os dois eventos no
podem ser realizados em sequncia, isto , se acontecer um deles, o outro no pode ocorrer e
vice-versa.
Este princpio serve tanto para contar o nmero de resultados possveis, como para
calcular diretamente uma probabilidade (caso do lanamento de dados). Vamos ver outro
exemplo: suponha que a probabilidade de chover igual a 1/10 e que a probabilidade de Joo
ficar bbado igual a 1/5. Qual a probabilidade de que chova E Joo fique bbado?
A pergunta a ser feita : os eventos podem ocorrer em sequncia? Em outras palavras,
um evento exclui o outro? A ocorrncia de um deles no exclui a do outro e,
consequentemente, eles podem ocorrer em sequncia. Utilizando o princpio da multiplicao,
temos que a probabilidade de chover E Joo ficar bbado igual a 1/50.
Pgina 8
Estatstica
Prof.R.Dyodi
Nooooossa! Dyodi, acho que entendi! Isso igual aquela famosa regrinha do e e do
ou? Quando tivermos e a gente multiplica e quando tivermos ou a gente soma?
Basicamente, isso mesmo.
Voltando ao exemplo das questes de mltipla escolha, existem 2 procedimentos e
cada um pode ser executado de 3 maneiras. Ento, o nmero total de maneiras de responder
aos 2 testes igual a 3.3 = 9 maneiras.
Outro exemplo: se uma pessoa possui 5 calas diferentes, 3 camisas diferentes e 4
pares de tnis diferentes, de quantas maneiras diferentes ele poder se vestir? A resposta
igual a 5.3.4 = 60 maneiras diferentes.
Note que o conhecimento deste princpio facilita para que no seja necessrio listar
todos os resultados possveis do espao amostral. Assim, sempre que os procedimentos
puderem ser aplicados em sequncia, o princpio da multiplicao poder ser utilizado.
2 tcnica: O princpio da Adio
Suponha que uma pessoa esteja presa em uma sala, de modo que existam 3 portas a
sua esquerda e 2 portas a sua direita, de modo que cada porta leva a um caminho diferente.
De quantas maneiras diferentes a pessoa pode optar por seguir? A resposta igual a 5.
Existem 2 procedimentos: sair pela esquerda e sair pela direita. Assim, temos 3 maneiras de
sair pela esquerda e 2 maneiras de sair pela direita. Note que os dois procedimentos no
podem ser realizados em sequncia (ou eu saio pela direita ou eu saio pela esquerda!).
O problema acima uma ilustrao do princpio da adio, que diz que quando uma
tarefa pode ser executada por x procedimentos, de modo que o procedimento 1 tem
maneiras de ser executado, o procedimento 2 tem
maneiras de ser executado, ..., e o
procedimento x tem
maneiras de ser executado, mas os procedimentos no podem ser
utilizados em conjunto, isto , ao escolher um deles no h mais possibilidades de escolha,
o nmero de diferentes maneiras de executar a tarefa igual a
Outro exemplo: uma pessoa ir viajar para SC ou RN. Existem 2 caminhos para SC e 6
para RN. O nmero de diferentes maneiras de viajar igual a 2 + 6 = 8 caminhos diferentes.
Observe que ao escolher ir para SC a pessoa no pode ir para RN, e vice-versa.
No exemplo do lanamento de dados, s conseguimos utilizar o princpio da adio
quando o dado foi lanado somente uma vez, de modo que a ocorrncia de um evento
impossibilitaria a do outro. Se possvel somente um lanamento, a ocorrncia da face 2
impossibilita a ocorrncia da face 4 e vice-versa.
Assim como o princpio da multiplicao, este princpio serve tanto para contar o
nmero de eventos, como para calcular diretamente uma probabilidade.
Outro exemplo: suponha um nico lanamento de dados e queremos saber a
probabilidade de sair uma face mpar OU o nmero 4. A probabilidade de sair a face mpar
igual a 3/6 e a probabilidade de sair a face nmero 4 igual a 1/6. Como os dois eventos no
podem ocorrer ao mesmo tempo, a probabilidade pedida igual a 4/6.
3 tcnica: A Permutao
A permutao um desdobramento do princpio da multiplicao, devendo ser aplicado
em casos especficos. Quando devemos realizar x procedimentos em conjunto, mas o modo de
escolha em um procedimento depende dos procedimentos anteriores, podemos utilizar a
tcnica de permutao.
Imagine que existam 4 lugares numa fila de cinema e devemos alocar as pessoas A, B,
C e D. De quantas maneiras diferentes podemos realizar a tarefa?
Pgina 9
Estatstica
1 cadeira
2 cadeira
3 cadeira
Prof.R.Dyodi
4 cadeira
)(
Pgina 10
Estatstica
Prof.R.Dyodi
6 tcnica: A Combinao
A combinao uma tcnica de contagem utilizada quando queremos selecionar r
elementos dentre um grupo de n elementos, mas no queremos orden-los. Assim, na
combinao a ordem no importa.
De um modo geral, o clculo a ser feito igual a:
( )
A
ordem
importa?
Frmula
Permutao
Arranjo
Combinao
Permutao com
repetio
Sim
Sim
No
Sim
Descrio
Ordenar todos os
elementos
Ordenar os r
elementos de um
grupo
de
n
elementos
Selecionar
r
elementos de um
grupo
de
n
elementos
Ordenar todos os
elementos, mas
alguns
so
repetidos
Chance
de
cair na prova
Mdia
Baixa
Alta
Baixa
Pgina 11
Estatstica
Prof.R.Dyodi
Evento B: (
Evento C: (
A banca quer saber qual a probabilidade de exatamente dois deles acontecerem. Temos as
seguintes possibilidades:
OU
OU
Pgina 12
Estatstica
Prof.R.Dyodi
(B) 70%.
(C) 68%.
(D) 64%.
(E) 52%.
Letra C
Resoluo:
Quando voc ler uma questo e perceber algo parecido com o trecho grifado acima, deve
saber que o exerccio envolve probabilidade condicional. Calcular uma probabilidade
sabendo que um evento aconteceu caso de probabilidade condicional.
Vamos esquematizar os dados
95% de chance de superar a inflao
50% em X
5% de chance de no superar a inflao
80% de chance de superar a inflao
Investimento:
30% em Y
20% de chance de no superar a inflao
80% de chance de superar a inflao
20% em Z
20% de chance de no superar a inflao
)
(
)
(
)
(
Ento,
(
Pgina 13
Estatstica
Prof.R.Dyodi
Esquematizando:
Portador da doena: 90%
doente: 10%
No portador: 10%
Doena
Portador da doena: 5%
No doente: 90%
No portador: 95%
(
)
(
)
(
Assim:
(
O nosso evento retirar 3 bolas da mesma cor: 3 azuis, 3 vermelhas ou 3 amarelas. Como os
procedimentos no podem ser feitos em conjunto, utilizaremos a regra da adio:
( )
( )
Pgina 14
Estatstica
Prof.R.Dyodi
____
H
____
M
____
M
____
M
____
M
____
M
Agora, devemos nos lembrar que consideramos Caio e Beto como uma nica pessoa. Mas eles
tambm devem ser permutados. Ento, na realidade, o nmero de maneira de ordenar os
meninos ser igual a
Pgina 15
Estatstica
Prof.R.Dyodi
Agora, devemos permutar cada um dos volumes, pois colocar o Volume 1 na frente do Volume
2 diferente de colocar o Voume 2 na frente do Volume 1.
1 obra: 2!
2 obra: 2!
3 obra: 2!
4 obra: 2!
5 obra: 2!
A probabilidade pedida igual a
Pgina 16
Estatstica
Prof.R.Dyodi
Por definio, uma varivel algo que pode variar de valor. Varivel aleatria uma
funo relacionada a um experimento e que pode assumir diferentes valores numricos
dependendo do resultado do experimento. H?! Dyodi, que po*** essa?! Pra mim essa
linguagem no ficou simples no!. Calma l, calma l, as coisas vo melhorar.
Tome por exemplo o lanamento de uma moeda, que pode resultar em cara ou coroa.
{
} Se definirmos uma funo X como sendo
O espao amostral ser igual a
igual a 1 se o resultado for cara e igual a 2 se o resultado for coroa, X ser uma varivel
aleatria.
A varivel aleatria sempre ir apresentar valores numricos. Ento, cara ou coroa
so resultados do experimento, fazem parte do espao amostral, mas no so valores da
varivel aleatria. A varivel aleatria a funo X definida em termos do espao amostral.
{
}, ganhar, perder ou
Se o espao amostral, for igual a
empatar no podem ser valores da varivel aleatria porque no so nmeros. Agora se
definirmos X como uma funo que assume o valor -1 se o resultado for perder, o valor 0 se o
resultado for empatar ou o valor 1 se o resultado for ganhar, os valores 1,0 e 1 so valores
da varivel aleatria X.
Mas para que serve uma varivel aleatria? Ela muito til na prtica, pois como
assume valores numricos podemos calcular medidas como varincia, desvio padro, etc.
Como calcularamos a mdia ou a varincia de um conjunto de informaes como (ganhar,
perder, perder, empatar)? Este clculo no seria possvel. Agora, se o conjunto de dados for
igual a (1,-1,-1 e 0) possvel calcular essas medidas.
Algumas vezes, o prprio espao amostral do experimento pode se tornar a varivel
aleatria. No lanamento de um dado, o espao amostral pode ser a varivel aleatria com
valores que vo de 1 a 6. No entanto, em casos como o da moeda necessrio definir uma
funo que assuma valores numricos.
Uma varivel aleatria pode ser discreta ou contnua. A varivel aleatria discreta
aquela que assume valores num conjunto enumervel de pontos, isto , os valores que a
varivel pode assumir so finitos (Ex: um dado somente pode assumir os valores 1,2,3,4,5 e 6).
A varivel aleatria contnua aquela que pode assumir infinitos valores dentro de certo
intervalo. Para exemplificar o caso de uma varivel aleatria contnua, imagine que X seja uma
varivel aleatria que representa o resultado do experimento da pesagem de uma barra de
ao. Assim, X pode ser igual a 100 kg, mas tambm pode ser igual a 100,1 kg, ou 100,01 kg,
ou 100,001 kg, etc.
A distino entre variveis aleatrias discretas e contnuas necessria para que
saibamos quando utilizar um ou outro modelo probabilstico, como veremos um pouco mais
adiante. Alm disso, o modo de fazer os clculo de varincia e esperana tambm variam.
Querido aluno, eu sei que essa parte da matria mais densa e abstrata, mas no tem
jeito. Isso cai em prova e com um pouco de esforo possvel aprender. Tenha um pouco mais
de persistncia, pois tudo isso vai valer a pena depois da aprovao. Se precisar descansar
antes de continuar a leitura, faa isso! Mas volte, no desista!
2.6. Variveis Aleatrias Discretas Valor Mdio (ou Esperana), Varincia e Desvio
Padro
Antes de iniciar este tpico, algumas consideraes devem ser feitas. Primeiramente,
devemos saber que para cada valor da varivel aleatria existe uma probabilidade de
ocorrncia. Pense o seguinte: varivel algo que varia de valor; se varia de valor, ento cada
valor tem uma chance, uma probabilidade de acontecer. Em termos algbricos, para cada valor
de X, existe uma probabilidade p:
(
Pgina 17
Estatstica
Prof.R.Dyodi
Vamos fazer o seguinte exerccio: imagine que lanaremos um dado e que eu, Dyodi,
criei a seguinte varivel aleatria X:
Mas Dyodi...no entendi a lgica disso! Por que voc fez isso?. exatamente a que
eu quero chegar. No tem lgica nenhuma em definir X desta forma, mas tambm no existe
nada de errado com essa varivel. Voc no precisa se preocupar em entender qual foi a
lgica utilizada pelo examinador. Geralmente, uma questo de prova no vai cobrar que voc
construa uma varivel aleatria, mas ir dizer como a varivel aleatria foi construda e voc
apenas deve saber como utilizar esta informao.
Continuando com o nosso pequeno exerccio, qual a probabilidade de X assumir o
valor 0? E qual a probabilidade de X assumir o valor 1?
Em 1 lugar, estamos trabalhando com os valores de X, e no com as faces do dado.
) (
).
Ateno naquilo que o exerccio pede! Queremos descobrir: (
O nosso espao amostral possui 6 elementos e X assume o valor zero quando ocorre o
evento A = {1,2,3,4,5}. Ento, P(X=0) = P(A) = 5/6. Por outro lado, X assume o valor igual a 1
quando ocorre o evento B = {6}. Ento, P(X=1) = P(B) = 1/6.
Outra considerao a ser feita a relao entre probabilidade e as frequncias
estudadas em estatstica descritiva. Quando estudamos frequncias relativas no captulo
anterior, uma das coisas que pudemos observar foi que a soma das frequncias relativas
sempre igual a 1. Mas, neste captulo, tambm aprendemos que a soma das probabilidades de
um experimento tambm sempre ser igual a 1. Coincidncia? No! Pode-se dizer que as
frequncias relativas so estimativas da probabilidade.
Entender a afirmao acima importante para que o aluno no fique confuso com as
propriedades utilizadas em estatstica descritiva e com as utilizadas em probabilidades, pois
elas so quase idnticas. Ento, vamos com calma nesta parte.
Quando vamos analisar um lanamento de um dado com faces que vo de 1 a 6,
sabemos que P(face ser 1) = P(face ser 2) = P(face ser 3) = P(face ser 4) = P(face ser 5) =
P(face ser 6) = 1/6. Ok, sei que j repeti isso mil vezes, mas tenham um pouco de pacincia.
Agora, qual a frequncia relativa da face 1? Resposta: no sei. Como no h nenhuma
informao sobre quantas vezes o dado foi jogado, quantas vezes saiu a face de nmero 1,
no posso dizer qual a frequncia relativa da face 1.
Esta a diferena entre frequncias relativas e probabilidade: a probabilidade algo
terico, que podemos calcular de antemo; por outro lado, a frequncia relativa s possvel
obter aps realizamos o experimento e fazermos a contagem, que pode ser um lanamento de
dados, um lanamento de moeda, etc.
Dizemos que a frequncia relativa uma estimativa da probabilidade porque, quando
realizamos o experimento vrias vezes, as frequncias relativas respectivas vo se
aproximando do valor da probabilidade. Por exemplo, se jogarmos um dado 6000 vezes e
contarmos os resultados, as frequncias relativas de cada face ficaro muito prximas da
probabilidade daquela face sair (por exemplo, a frequncia relativa da face 1 ser um valor
prximo de 1000).
Dito isto, podemos estudar a esperana, a varincia e o desvio padro das variveis
aleatrias.
Pgina 18
Estatstica
Prof.R.Dyodi
J ouvi muitas pessoas falando o seguinte: Meu Deus, voc viu aquela prova de
estatstica da Receita Federal?! Caiu um negcio de expectncia, que coisa essa?! Aquela
prova estava impossvel!.
Pessoal, esperana e expectncia so a mesma coisa. Mas o que esperana ou
expectncia? Esperana sinnimo de mdia!!!! No tinha nada de impossvel naquela prova,
era s calcular a mdia.
Dyodi, mas porque chamam de esperana? No mais fcil perguntar qual o valor da
mdia? Pra que complicar?. Acontece que usamos o termo mdia quando trabalhamos com
frequncias e o termo esperana quando trabalhamos com probabilidades. No entanto, isso
no necessariamente seguido, uma vez que a bancas trocam as bolas de vez em quando.
Portanto, para fins de concurso, esperana a mesma coisa que expectncia, que a mesma
coisa que mdia!
Em relao varincia e ao desvio padro de variveis aleatrias, nada mudou. O
clculo realizado da mesma forma. A diferena que trabalhamos com a esperana ao invs
da mdia. No entanto, como esperana e mdia so a mesma coisa para a nossa prova, ento
no h nenhum comentrio adicional a se fazer.
Como o raciocnio o mesmo e apenas houve mudana de notao, as propriedades
da mdia, varincia e desvio padro do captulo anterior podem ser trazidas para este captulo.
Vamos resumir o principal num quadro:
Estatstica Descritiva
Mdia
Somar a todos os Subtrair de todos Multiplicar por todos Dividir por todos
elementos
os elementos
os elementos
os elementos
Dividir por
Somar
Subtrair
Multiplicar por
Varincia
Nada fazer
Nada fazer
Multiplicar por
Dividir por
Desvio
padro
Nada fazer
Nada fazer
Multiplicar por
Dividir por
Probabilidade
Somar varivel
aleatria
Esperana
Somar
Subtrair da
varivel aleatria
Multiplicar a varivel
aleatria por
Dividir a varivel
aleatria por
Subtrair
Multiplicar por
Dividir por
Varincia
Nada fazer
Nada fazer
Multiplicar por
Dividir por
Desvio
Padro
Nada fazer
Nada fazer
Multiplicar por
Dividir por
)
)
Pgina 19
Estatstica
Prof.R.Dyodi
(A) 4 e 12
(B) 4 e 9
(C) 4 e 18
(D) 4,5 e 6
(E) 4,5 e 9
Letra B
Resoluo:
Mdia de X = ?
Varincia de X = ?
Sabemos que a seguinte relao verdadeira:
(
)
(
)
Ento:
(
)
(
Pgina 20
Estatstica
Prof.R.Dyodi
.
.
X=9
.
X=0
.
_______
1 disco
_______
2 disco
Tringulo
Tringulo
Tringulo
X = 15
Retngulo
Ou
Retngulo
Tringulo
Retngulo
Retngulo
reais
No entanto, para acionar a mquina ele deve pagar R$10. Ento, o lucro esperado igual a:
b) 5; .
c) ;
d) ;
Pgina 21
Estatstica
e)
Prof.R.Dyodi
; 5.
Resoluo:
O que esperana mesmo?
Esperana igual mdia!
O enunciado est dizendo que a mdia da varivel aleatria igual a 2, ou seja:
( )
Desenvolvendo a equao:
( )
Assim,
) , igual a
(A) 12.900.
(B) 16.810.
(C) 18.100.
(D) 17.900.
Pgina 22
Estatstica
Prof.R.Dyodi
(E) 16.500.
Letra A
Resoluo:
Como a questo cobra o clculo da varincia e no h informaes sobre somatrios, vamos
utilizar a 1 frmula da varincia.
Em 1 lugar, devemos calcular o valor da esperana:
( )
Utilizando a 1 frmula da varincia:
(
Pgina 23
Estatstica
Prof.R.Dyodi
(E) 18.
Letra E
Resoluo:
Pela 2 frmula da varincia:
( )
( )
( )
( )
)
( )
Perceberam como esta distribuio muito simples? Por este motivo, a distribuio de
Bernoulli no costuma ser objeto de questes de prova. Por outro lado, dela derivam outras
distribuies que costumam ser cobradas.
3 distribuio: Distribuio Binomial
Trata-se de uma distribuio que representa vrios ensaios de Bernoulli
independentes. Vimos que na distribuio de Bernoulli, s realizado um nico experimento.
A distribuio binomial, por sua vez, agrupa vrios ensaios de Bernoulli. Todos os ensaios
devem ser independentes, ou seja, idnticos. Ento, no caso de experimentos com
extrao, deve haver reposio.
Pgina 24
Estatstica
Prof.R.Dyodi
Por exemplo, iremos lanar um dado quatro vezes e teremos sucesso somente quando
sair a face 6. Qual a probabilidade de obtermos somente um sucesso? Este um exemplo
clssico da distribuio binomial e eu quero utilizar o conhecimento prvio de vocs para
ensinar como resolver. A distribuio binomial uma das preferidas pelas bancas!
Creio que a maioria resolveria da seguinte forma:
1/6
5/6
5/6
5/6
= 125/1296
______ ______ ______ ______
Esta resoluo no est totalmente certa e nem totalmente errada. O raciocnio este
mesmo. Mas perceba o seguinte: resolvendo desta maneira, estamos pressupondo que o
sucesso ocorreu necessariamente no 1 lanamento. Foi isso que a questo pediu? No, a
questo pediu a probabilidade de obtermos um sucesso, mas no disse que necessariamente
tinha que ser no 1 lanamento. Teramos tambm os seguintes casos:
5/6
1/6
5/6
5/6
= 125/1296
______ ______ ______ ______
5/6
5/6
1/6
5/6
______ ______ ______ ______ = 125/1296
5/6
5/6
5/6
1/6
______ ______ ______ ______ = 125/1296
Assim, a probabilidade pedida pelo enunciado igual a :
P(1 sucesso) =
Puxa Dyodi, mas isso muito trabalhoso! Voc disse que estatstica era rpida....
Resolver desse jeito trabalhoso mesmo, mas no assim que vamos resolver na prova. Voc
percebeu que todos os casos deram o mesmo resultado? Pois ento, basta sabermos quantas
vezes isso pode se repetir! O nmero de repeties ser igual a:
(
No nosso exemplo:
( )
( )
( )
Pgina 25
Estatstica
Prof.R.Dyodi
Pgina 26
Estatstica
Prof.R.Dyodi
( )
Assim, a probabilidade pedida igual a:
(
A questo pediu a probabilidade de pelo menos dois sucessos, ou seja, temos que calcular a
probabilidade de dois sucessos, de trs sucessos e de quatro sucessos.
Podemos utilizar a propriedade do evento complementar para diminuir o nmero de contas, de
forma que s calcularemos a probabilidade de nenhum sucesso e de um sucesso.
Probabilidade de nenhum sucesso:
0,8
0,8
0,8
0,8
______ ______ ______ ______ = 0,4096
De quantas maneiras isso pode ocorrer?
( )
Ento,
(
Probabilidade de 1 sucesso:
0,2
0,8
0,8
0,8
______ ______ ______ ______ = 0,1024
Pgina 27
Estatstica
Prof.R.Dyodi
Probabilidade de 3 sucessos:
0,8
0,8
0,8
0,2 = 0,1024
______ ______ ______ ______
O nmero de maneiras que isso poder ocorrer ser igual a:
( )
Ento:
(
Pgina 28
Estatstica
Prof.R.Dyodi
Probabilidade de 4 sucessos:
0,8
0,8
0,8
0,8 = 0,4096
______ ______ ______ ______
O nmero de maneiras que isso poder ocorrer ser igual a:
( )
Ento:
(
Concluso:
(
Desenvolvendo a igualdade:
( )
(
(
)
)
( )
Pgina 29
Estatstica
Prof.R.Dyodi
F, V, F
V, V, F
F, F, F
V, F, F
V, V, V
Letra C
Resoluo:
Item I O produto n.p.(1-p) corresponde ao valor da varincia, e no da esperana. Item
incorreto.
Item II O desvio padro a raiz quadrada de n.p.(1-p). Item incorreto.
Item III A varincia dada pela razo entre o somatrio dos quadrados dos valores menos o
somatrio dos valores ao quadrado dividido por n e n (2 frmula geral da varincia). Item
incorreto.
Exerccio resolvido sobre distribuio binomial:
(ESAF - 2008 - Prefeitura de Natal Auditor)
Apontando por V Verdadeiro e F Falso, indique a opo correta para as seguintes
sentenas:
I. Uma v. a. varivel aleatria que pode assumir somente dois valores, diz-se possuir
distribuio de Bernoulli e sua integral, no intervalo [a; b], possui distribuio Binomial.
II. Uma v. a. com distribuio de Bernoulli, se acumulados os resultados sem reposio, geram
uma distribuio hipergeomtrica e se for com reposio geram uma distribuio Binomial.
III. (suprimido)
Assinale o respectivo conjunto:
a)
b)
c)
d)
e)
F, V, V
V, F, V
F, V, F
F, F, F
V, V, F
Letra A
Resoluo:
Item I A 1 parte do exerccio est correta: quando a varivel pode assumir apenas 2 valores
estamos trabalhando com a distribuio de Bernoulli. No entanto, a distribuio Binomial
representa vrias repeties independentes dos ensaios de Bernoulli, e no sua integral. Item
incorreto. Integral uma matria estudada nas faculdades que aprendem clculo e no deveria
ser cobrada em uma prova de concurso sem especificao de formao, na minha opinio.
Item II Se os experimentos forem realizados com reposio, todos eles sero idnticos e
geraro uma distribuio binomial. Se forem realizados sem reposio, deixam de ser
independentes e geraro uma distribuio hipergeomtrica, que ser o nosso prximo objeto
de estudo. Item correto.
4 distribuio: Distribuio Hipergeomtrica
Trata-se de uma distribuio na qual realizamos n extraes sem reposio de uma
populao com N elementos, de modo que a populao seja dividida em 2 caractersticas. Para
Pgina 30
Estatstica
Prof.R.Dyodi
( )(
( )
Veja que a frmula parece ser mais complicada do que realmente . Na verdade,
coloquei a frmula s para fins de registro. Eu no utilizo frmula nenhuma e recomendo que
vocs no tentem decor-la. muito mais simples entender a lgica da coisa, que no difcil.
Exerccio resolvido sobre distribuio hipergeomtrica:
(ESAF - 2010 - Susep - Analista Tecnico Atuaria)
Considere um grupo de 15 pessoas dos quais 5 so estrangeiros. Ao se escolher ao acaso 3
pessoas do grupo, sem reposio, qual a probabilidade de exatamente uma das trs pessoas
escolhidas ser um estrangeiro?
a) 45/91.
b) 1/3.
c) 4/9.
d) 2/9.
e) 42/81.
Letra A
Resoluo:
Pgina 31
Estatstica
Prof.R.Dyodi
( )( )
( )
Pgina 32
Estatstica
Prof.R.Dyodi
( )( )
( )( )
( )
( )
Pgina 33
Estatstica
Prof.R.Dyodi
( )( )
( )
( )( )
( )
Assim:
(
( )
( )
Dyodi, que monte de letra estranha! Acho que vou pular este tpico, pode ser? Tente
mais um pouco, distribuio de Poisson uma das mais fceis. A letra feia e a frmula
assusta, mas basta entender o mecanismo que as questes so puramente mecnicas!
A letra a mdia, a taxa que normalmente o enunciado vai fornecer. No tem muita
teoria sobre esta distribuio, ento vamos ver como as questes trabalham com o tema.
Pgina 34
Estatstica
Prof.R.Dyodi
)
)
)
) ].
Letra A
Resoluo:
Observe que o exerccio menciona a distribuio de Poisson. Mas, mesmo que isso no fosse
mencionado, devemos saber que a distribuio a ser utilizada, pois fala sobre intervalo de
tempo.
O 1 passo encontrar o valor de , que a mdia de eventos no intervalo considerado.
O prprio enunciado nos fornece o valor de , que igual a 2 pessoas/minuto.
Ateno!!
Como as questes so mecnicas (como veremos daqui a pouco), a banca tentar utilizar
artimanhas baratas para ludibri-lo. Mas como dizem por a: mil cairo sua esquerda, dez mil
sua direta, mas voc no ser atingido! Rsrs
A mdia de duas pessoas por minuto, certo? Mas estamos analisando um intervalo de um
minuto? No, estamos analisando um intervalo de 2 minutos, ento temos que trabalhar com
outro valor para , diferente daquele que o enunciado forneceu.
Dica: imagine que faltam 2 minutos para entregar o gabarito no dia da prova e voc precisa
chutar essa questo. No precisa chutar cegamente, basta observar que, como devemos
utilizar o valor 4 para , podemos descartar de cara as alternativas D e E. J melhora bastante
a chance de acerto, no?
Ento,
(
Como no h alternativa com este valor, devemos desenvolver item por item para ver qual letra
se encaixa na resposta.
)
Letra A (
Alternativa correta
Exerccio resolvido sobre distribuio de Poisson:
(FCC - 2010 - TRT 8a - Analista Estatstico)
Um setor de um rgo pblico recebe em mdia 96 mensagens de fax em 8 horas de
funcionamento. Suponha que a varivel aleatria X= nmero de mensagens recebidas por esse
Pgina 35
Estatstica
Prof.R.Dyodi
.
.
.
Letra B
Resoluo:
Olha a casca de banana a de novo. O enunciado nos diz que a mdia de 96 mensagens em
8 horas. Estamos analisando um perodo de 8 horas? No, ento vamos descobrir qual o valor
de a ser utilizado.
96 mensagens ---------- 480 minutos (8 horas)
X mensagens ---------- 10 minutos
X = 2 mensagens
Este ser o valor a ser utilizado para o nosso parmetro. Veja que j podemos eliminar as
alterativas C, D e E.
Agora, o enunciado pede a probabilidade de o setor receber pelo menos uma chamada.
O setor poderia receber uma chamada, duas, trs, quatro, cinco e assim por diante. Isso no
tem fim, mas podemos calcular utilizando a propriedade do evento complementar.
(
Pgina 36
Estatstica
Prof.R.Dyodi
)
(
Assim:
(
( )
( )
Pgina 37
Estatstica
Prof.R.Dyodi
(C) 5/16
(D) 3/4
(E) 9/64
Letra E
Resoluo:
Quando o enunciado menciona primeiro sucesso ocorrer, a nossa mente deve estar
preparada para ligar a resoluo distribuio geomtrica.
Se a esperana da varivel igual a 4, ento a probabilidade de sucesso s pode ser 1/4.
( )
Ento,
(
)
)
)
(
)
)
Pgina 38
Estatstica
Prof.R.Dyodi
Agora, s nos resta calcular a probabilidade da interseco. Novamente, sem decoreba, quero
que voc pense um pouco...Como possvel X ser igual a dois e menor do que trs ao mesmo
tempo? S temos uma resposta: isso ocorre quando X igual a 2!
Assim:
)
(
Bernoulli
Binomial
Hipergeomtrica
Poisson
Geomtrica
Baixa
Alta
Mdia Alta (somente a frmula
da probabilidade; a esperana e a
varincia no precisam ser
decoradas)
Mdia - Alta
Baixa - Mdia
Pgina 39
Estatstica
(a)
Prof.R.Dyodi
(b)
Pgina 40
Estatstica
Prof.R.Dyodi
( )
( )
(A) 0,63.
(B) 0,69.
(C) 0,70.
(D) 0,75.
(E) 0,86.
Letra E
Resoluo:
Vamos resolver apenas a parte que nos interessa no momento.
O item II diz que Y possui distribuio uniforme contnua no intervalo [-a;a] e que P(Y>1) = 7/18
Escrevendo de outra forma, temos que:
Pgina 41
Estatstica
Prof.R.Dyodi
O item III diz que igual varincia de Y. Como descobrimos o valor de a, podemos calcular
a varincia da distribuio.
(
( )
Quando uma varivel aleatria X possui distribuio normal, a notao a ser utilizada
X~N(
Pgina 42
Estatstica
Prof.R.Dyodi
) normal padro
Ento toda varivel com distribuio normal deve ser convertida para a normal padro,
pois assim pode-se utilizar a tabela. Como converter uma varivel X tal que
X~N (
)?
Para converter a varivel X, devemos utilizar a frmula:
Vamos entender como devemos ler a tabela normal que costuma aparecer em provas
da ESAF. Suponha que uma varivel aleatria X apresente uma distribuio normal com mdia
2 e varincia 9. Suponha que queremos descobrir a probabilidade de X ser maior do que 5.
(
(
)
)
Como sempre devemos trabalhar com a normal padro, necessrio que faamos a
converso:
Por falta de ateno, muitos candidatos esquecem que, para fazer a converso de X
em Z, devemos utilizar no denominador o valor do desvio padro, e no da varincia.
Cuidado...
Isso quer dizer que convertendo o valor 5 da distribuio de X para a normal padro,
devemos procurar na tabela o valor igual a 1, ou seja,
(
Pgina 43
Estatstica
Prof.R.Dyodi
Pgina 44
Estatstica
Prof.R.Dyodi
Seja X a varivel aleatria que representa o comprimento de uma pea. Sabe-se que X tem
distribuio normal com mdia 10 cm e desvio padro de 2 cm. As peas so classificadas pelo
tamanho de acordo com a tabela abaixo:
(A) 0,512.
(B) 0,488.
(C) 0,474.
(D) 0,456.
(E) 0,412.
Letra B
Resoluo:
Eu sempre costumo escrever a distribuio de X da maneira abaixo, para no ter que ficar
voltando no enunciado. Como a mdia de X 10 e o desvio padro 2, ento
(
O exerccio quer saber a probabilidade de pelo menos uma das trs peas selecionadas ser
pequena. Ento, o 1 passo encontrar a probabilidade de uma pea ser pequena.
(
Como sempre devemos trabalhar com a normal padro, necessrio fazer a converso:
A probabilidade de X ser menor que 8,32 igual a probabilidade de Z ser menor do que -0,84.
Para encontrar a probabilidade pedida, devemos nos lembrar das propriedades do evento
complementar:
(
( )
Pgina 45
Estatstica
Prof.R.Dyodi
Ento, a probabilidade de pelo menos uma das trs peas selecionadas ser pequena igual a
(A) 97,7%
(B) 94,5%
(C) 68,2%
(D) 47,7%
(E) 34,1%
Letra A
Resoluo:
Vamos chamar de X os depsitos efetuados no banco.
Novamente, o 1 passo escrever a distribuio de X. Como X tem mdia 9000 e desvio
padro 1500, ento
(
)
O enunciado pede a probabilidade
(
)
Sempre devemos trabalhar com a normal padro, ento precisamos fazer a converso
Pgina 46
Estatstica
Prof.R.Dyodi
Pgina 47
Estatstica
Prof.R.Dyodi
)
Sabemos que (
Neste caso, ocorreu o inverso daquilo que havamos treinado. A questo j fornece o valor da
probabilidade e nos pede para encontrar o valor de A.
Quando isso ocorrer, devemos procurar o valor de Z (atravs da tabela ou dos dados do
enunciado) tal que a probabilidade de Z ser menor do que este valor igual a 0,2.
Esquematizando:
(
(
)
)
Assim, o 1 passo encontrar na tabela o valor que substitui o sinal de interrogao acima.
Como a probabilidade de Z ser menor do que algum valor igual a 20%, j sabemos de
antemo que este valor de Z precisa ser negativo.
Dyodi, mas a tabela s tem nmeros positivos....
Isso no muda em nada, porque sabemos que a distribuio simtrica! Encontramos o
nmero positivo na tabela e depois utilizamos o negativo deste nmero. Observe graficamente:
De acordo com a tabela, o valor mais prximo de 20% encontrado quando Z igual a 0,84.
(
)
)
Como a probabilidade de Z ser maior do que algum valor 10%, j sabemos de antemo que Z
precisa ser um nmero positivo.
Analisando a tabela, vemos que o valor mais prximo de 10% ocorre quando Z igual a 1,28.
Pgina 48
Estatstica
Prof.R.Dyodi
Sabemos que no conseguimos trabalhar dessa maneira, pois precisamos sempre trabalhar
com a normal padro Z. Basta converter os valores de X em valores de Z e analisar os dados
do enunciado.
Converso do valor 1000:
Converso do valor 1520:
Assim:
(
Pgina 49
Estatstica
Prof.R.Dyodi
Agora, j temos o valor da probabilidade! Se fssemos trabalhar com a normal padro, que
valor de Z seria esse? Temos uma informao de 43% nos dados e, observando o grfico,
percebemos que o valor igual a -1,5.
Pgina 50
Estatstica
Prof.R.Dyodi
Encontramos um sistema com duas equaes e duas incgnitas, ento o exerccio est
praticamente feito!
Pgina 51
Estatstica
Prof.R.Dyodi
(A) 0,63.
(B) 0,69.
(C) 0,70.
(D) 0,75.
(E) 0,86.
Letra E
Resoluo:
Quando estudamos a distribuio uniforme contnua, resolvemos parte deste exerccio. O
resultado encontrado foi que a mdia igual a 6,75.
Utilizando a frmula acima, temos que:
(
(A) 134,40.
(B) 132,50.
(C) 130,45.
(D) 128,36.
(E) 128,12.
Letra A
Resoluo:
Se a mdia igual a 1000 horas, ento a probabilidades de o aparelho durar menos do que
2000 horas igual a:
(
Pgina 52
Estatstica
Prof.R.Dyodi
Pgina 53