1 4954047907520053481 PDF

Aula 04
Estatística p/ AFRFB - 2016 (com videoaulas)

Professor: Jeronymo Marcondes
05949764803 - NECILDA LOURENCO PAULA

Estatística p/ AFRFB 2016
Teoria e exercícios comentados
Prof. Jeronymo Marcondes Aula 04
AULA 04 – Variáveis Aleatórias Discretas
SUMÁRIO PÁGINA
Distribuição de Probabilidade 2
Distribuição Uniforme 5
Distribuição Binomial e de Bernoulli 7
Distribuição de Poisson 12
Distribuição Geométrica 14
Distribuição Hipergeométrica 15
Lista de Exercícios resolvidos em aula 64
Gabarito 85
Você quer mesmo passar em concurso? Não é nada fácil, portanto, força na peruca
e vamos a mais essa aula.
Assim, iremos abordar, de maneira bem rápida, as principais distribuições de

probabilidade discretas cobradas em concurso. Então, vamos à nossa aula!
DICAS DE UM CONCURSEIRO
Essa é para o pessoal que está estudando por livros para

o concurso! Entenda uma coisa, você não está estudando
para redigir sua tese de doutorado, ok? Foco no edital!
Muitas pessoas vão te indicar livros mirabolantes de 1500
páginas para estudo. Esse não é o objetivo! Tentem
maximizar o tempo de estudo. Utilizem bibliografias que
05949764803
abordam o conteúdo de forma completa, mas simples!

Lembrem-se, há uma dezena de matérias que caem, não
é só uma! Objetividade galera!
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 85

1. Distribuição de Probabilidade
Nós já discutimos isso, mas vamos tentar formalizar um pouco mais este conceito:
Distribuição de probabilidade associa uma probabilidade

a cada valor possível de uma variável.
Nós já estudamos isso, veja o caso do lançamento de um dado, por exemplo:
Face Probabilidade
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
Viu? O que este gráfico está te mostrando é: qual a probabilidade associada a cada
resultado possível deste experimento. Essa é a distribuição de probabilidade deste
experimento.
Nós já estudamos como chegar a tais probabilidades, o que não deve ser um
problema para você.
05949764803
-“E se for uma variável contínua, professor”?
Boa pergunta! Vamos ao exemplo de nossa aula 00, a altura dos indivíduos de uma
região com uma população muito grande. Nós já sabemos que este é um caso de
uma variável contínua, pois a mesma deriva de uma mensuração. Assim, eu
pergunto: qual a probabilidade de que uma pessoa tenha exatamente 1,70m,
sabendo que a altura dos indivíduos vai de 1,60m a 1,80m?

Bom, você pode pensar que isso seria fácil, pois bastaria contar a quantidade de
pessoas com 1,70m e dividir pelo total da população. Mas aí é que está o problema:
há infinitas alturas possíveis. Tem uma pessoa que mede 1,701, outra que mede
1,70001, e por aí vai. Neste caso, a probabilidade de encontrar alguém com,
exatamente, 1,70 é de:
á á
í
Pois, se você dividir qualquer número inteiro por infinito ( ), o resultado será zero.
Para qualquer valor pontual, a probabilidade será igual à zero.
Assim, você teria de calcular uma probabilidade intervalar. Ou seja, qual a

probabilidade de que algum determinado intervalo ocorra. Por exemplo, você poderia
calcular qual a probabilidade de que alguém com altura entre 1,70m e 1,80m seja
selecionado. Suponha que a população se divida da seguinte forma:
Altura (m) Nº de pessoas

1,60-1,70 100
1,70-1,80 100
Neste caso, a probabilidade de encontrar alguém com altura entre 1,70m e 1,80m é
de:
05949764803
Perceberam? No caso de variáveis contínuas, a probabilidade estará associada a um

intervalo, pois a probabilidade de ocorrência de um determinado ponto é igual à zero.
Essa probabilidade de ocorrência em variáveis contínuas pode ser representada por
meio da função densidade de probabilidade ( ). Por meio do gráfico definido
por esta função, podemos calcular a probabilidade de ocorrência de um intervalo. Na

verdade nós já “meio” que estudamos isso na aula 00 quando falamos em frequência,
mas vamos repassar o conceito com base em nosso exemplo de alturas:
Veja, a área do retângulo referente às alturas que ficam entre 1,70m e 1,80m deve
equivaler à probabilidade de sua ocorrência. No caso, a base do retângulo é de 0,1
(1,8 – 1,7) e sua altura é de 5, sendo este o valor de , portanto:
Que é exatamente a probabilidade que calculamos. Perceba que a probabilidade

de ocorrência de uma altura entre 1,60m e 1,80m é igual à 1 (100%)!
No caso, as coleções de pares ordenados formados por nos dá a distribuição

05949764803
de probabilidade da variável contínua.
-“Por que você está falando tudo isso, professor”?
Porque existem distribuições de probabilidades que são bem definidas e já estudadas,

com tabelas e propriedades que permitem realizar inferências de maneira simples, tal
como no caso da distribuição normal da aula anterior. Vamos estudar algumas
distribuições de probabilidades discretas já definidas. Na próxima aula estudaremos
o caso de variáveis contínuas de forma mais aprofundada.

2. Distribuição Uniforme
Distribuição uniforme é aquela em que todos os valores

possíveis para a variável aleatória ocorrem com a mesma probabilidade.
Vocês já viram um exemplo nesta aula: o lançamento de um dado. Vocês viram lá em

cima que a probabilidade de ocorrência de qualquer face é sempre a mesma. No
caso:
Nós também vimos um caso de distribuição uniforme contínua, com um gráfico

representativo de que ambos os intervalos têm a mesma chance de ocorrer: o
exemplo das alturas.
05949764803
Essa distribuição é fácil de entender e tem propriedades muito simples. No caso do

lançamento do dado, qual a média do processo?
Para isso, lembrem-se da aula anterior:

Esperança matemática é um conceito intimamente relacionado com a média

aritmética. No caso, para um dado conjunto de valores ( ) que vai de a ,
sua esperança é dada por:
Sendo a frequência relativa de .
Percebeu? A aplicação do operador “esperança” a uma série de dados nos diz,

em termos bem simples, a média do que pode acontecer com esta variável.
No lugar de frequência relativa, coloque “probabilidade de ocorrência”. Lembre-se de

que ambos os conceitos são estritamente ligados, sendo que a frequência liga-se ao
que “já ocorreu”, enquanto a probabilidade nos diz o que “pode ocorrer”. Daí tire a
esperança do processo, que não é nada além de sua média:
05949764803
E a variância do processo?
Ora, lembrem-se da propriedade ensinada na aula 01:
â é é
Mas, nós já temos a média, que é a esperança do processo ( ). Agora fica fácil
ver que:

Agora é só aplicar a “fórmula”. Só falta calcular ( ):
Portanto:
Simples, não? Essa é a distribuição mais fácil. Basta ver quando a probabilidade de
todos os elementos do espaço amostral é igual.
3. Distribuição Binomial e de Bernoulli
A distribuição de Bernoulli se caracteriza pela existência de dois eventos, mutuamente

exclusivos: sucesso ou fracasso.
-“Como assim, professor”?
Simples, o nosso experimento pode ter 2 resultados: um resultado que ocorre com
probabilidade ( ), que pode ser denominado “sucesso”, e outro com probabilidade
05949764803
( ), que pode ser chamado de fracasso.
Um exemplo clássico seria o lançamento de uma moeda. Se apostarmos que este

lançamento terá “cara” como resultado, então temos ( ) chances de “sucesso”
e( ) chances de “fracasso”.
Ou seja, a distribuição de Bernoulli é aquela em que “ou é um ou é outro”, no sentido

que ou acertamos ou erramos, não há meio termo, sendo que nossa chance de acerto
é dada por ( ) e de erro por ( ).

Neste caso, qual a média do processo?
Ora, pode-se provar que:
Com efeito, a esperança do processo é igual à probabilidade de ocorrência de

sucesso.
Não acredita? Vamos provar calculando a média do processo tirando sua esperança!
No nosso exemplo, se atribuirmos o valor 1 para o caso de sucesso e o valor 0 para
o fracasso, temos que:
Outra característica importante de uma distribuição é sua variância! Do resultado

acima fica fácil ver que:
Isso porque:
05949764803
Se para sucesso e para fracasso:
Beleza? Mas, o caso da distribuição de Bernoulli é um caso particular de outra

distribuição, chamada distribuição binomial. Pois, se repetíssemos um experimento
de Bernoulli vezes, como se dariam as probabilidades de ocorrência?

Quer um exemplo? E se nós jogássemos a moeda duas vezes, qual a probabilidade
de obtermos duas caras?
Veja que esse não é mais um experimento de Bernoulli, pois o estamos realizando
mais de uma vez! Para respondermos esta questão, vamos listar como seria o espaço
amostral deste experimento ( )?
Assim, as probabilidades são:
Neste caso, podemos perceber que:
O número 2 (dois) que multiplica o último membro se refere ao fato de que há duas
05949764803
possibilidades de obtermos 1 sucesso e 1 fracasso, ou .
E se você jogar 3 (três) vezes?
Assim, as probabilidades são:

Bom, daí você percebe que a probabilidade de qualquer resultado pode ser
generalizada da seguinte forma:
Sendo o número de sucessos, o número de experimentos e o número de

fracassos. Isso porque os experimentos são independentes.
Essa é uma pressuposição da distribuição binomial e de

Bernoulli: os experimentos devem ser independentes.
O problema é que qualquer sequência com 05949764803
sucessos e fracassos terá a

mesma probabilidade acima descrita, tal como no exemplo de dois lançamentos da
moeda, no qual há dois eventos em que há 1 sucesso: e !
Então, nós precisamos multiplicar esta probabilidade encontrada pela quantidade de
combinações em que há a quantidade de sucessos desejada (lembrar de análise
combinatória). No exemplo de 1 sucesso em dois lançamentos, podemos fazer:

Ou seja, nós queremos multiplicar a probabilidade de ocorrência de um determinado

tipo de sucesso pela quantidade de vezes que este ocorre de diferentes formas, no
exemplo, e , o que corresponde a 1 sucesso. Assim, para
este caso, multiplicaríamos a probabilidade de ocorrência pela quantidade de
combinações possíveis de 1 sucesso em 2 experimentos.
Portanto, podemos generalizar:
-“Beleza professor, já entendi como calcular a probabilidade de ocorrência de

sucessos em experimentos”.
Ótimo! Mas, ainda falta definir quais são as expressões que definem a média e a
variância em um processo deste tipo.
Como a distribuição binomial corresponde à experimentos de Bernoulli, pode-se

provar que:
05949764803
Muito parecido com os resultados para a distribuição de Bernoulli, decore isso. Não
está acreditando? Vamos calcular a média do processo para o caso de dois
lançamentos, se atribuirmos o valor 1 para 1 sucesso e 2 para 2 sucessos:

Calculando a esperança dos quadrados:
A partir daí podemos calcular a variância:
Entendeu? Vamos estudar mais um tipo de distribuição, mas antes dê uma paradinha!
Lembre-se que sempre é bom dar uma parada após algum tempo de estudo seguido,
caso contrário, você perderá muita concentração.
4. Distribuição de Poisson
A distribuição de Poisson é uma generalização da distribuição binomial quando é

muito grande e é pequeno.
Não entendeu? Veja, qual a probabilidade de o telefone da sua casa tocar nos
próximos 300 segundos? Esse é um exemplo em que podemos utilizar a distribuição
de Poisson! Trata-se da análise de um evento em que podemos ter sucesso (tocar o
telefone) ou não, porém, devido ao fato de a probabilidade ser muito baixa e o número
05949764803
de experimentos ser grande, pode-se aproximar a distribuição binomial pela seguinte

forma:
Sendo um número real que vale aproximadamente 2,7.

Muitas vezes, os livros textos substituem o operador pela letra grega “lambda”
( ). Assim:
-“Mas, quando eu decido se uso distribuição binomial ou de Poisson em uma

prova”?
Normalmente, a banca vai te falar. Nós iremos realizar alguns exercícios que vão
facilitar sua vida e você vai pegar o jeito, mas a minha dica é a seguinte:
Em geral, utilize a distribuição binomial. Mas,

quando o exercício quiser saber a
probabilidade de ocorrência ou de encontrar
algo em uma área ou espaço de tempo, use
distribuição de Poisson.
Porque isso? O negócio é o seguinte, quando você avalia a probabilidade de

ocorrência de um evento em um intervalo de tempo, por exemplo, é como se você
dividisse o tempo em intervalos bem pequenos, o que tornaria a probabilidade de
ocorrência muito pequena. No exemplo do telefone tocar, a probabilidade de que o
05949764803
telefone toque em um determinado segundo é muito pequena mesma, apesar de

estarmos avaliando 300 segundos!
Assim, como o nosso é muito pequeno, ( ) se aproxima de 1. Portanto, sabendo

que ( ) e que a distribuição de Poisson é uma generalização da binomial:

Portanto, a distribuição de Poisson tem a característica de que sua média e sua
variância são iguais!
5. Distribuição Geométrica
A distribuição geométrica é facilmente entendida com base em nossos conhecimentos

prévios da distribuição binomial.
Suponha que realizemos um experimento de Bernoulli “X” vezes até obtermos

“sucesso”. Neste caso, “X” é uma variável com distribuição geométrica. Por exemplo,
“X” pode indicar o número de vezes em que temos de lançar uma moeda até obtermos
a primeira cara.
Neste exemplo, a chance de obtermos a primeira cara na k-ésima jogada é de:
Ora, isso é fácil de deduzir. Imagine que queiramos saber a probabilidade de que a
primeira cara ocorra na 3ª jogada. Sem olhar a fórmula, como você faria?
Bom, você calcularia a probabilidade de que ocorressem 2 coroas seguidas, que é

de:
05949764803
Daí você multiplicaria tal resultado pela probabilidade de uma cara, que é de:
Assim:

Mas, isso é a própria fórmula:
Simples, não? Essa distribuição não costuma se muito cobrada em prova, mas vamos
prevenir.
Assim, pode-se provar que, para uma variável ( ) com

distribuição geométrica:
6. Distribuição Hipergeométrica
A distribuição hipergeométrica refere-se à probabilidade de que, ao retirarmos, sem

reposição, “n” elementos de um conjunto de “N”, saiam “k” elementos com o atributo
sucesso. Sabendo-se “s” elementos possuem o atributo sucesso e que “N – s” não o
05949764803
possuem, fica claro que a probabilidade de sucesso ( ) é:
Assim, ao retirarmos uma amostra de n elementos, qual a probabilidade de que “k”

sejam “sucesso” e “n – k” sejam “fracasso”?
Bom, o total de possibilidades é uma combinação de “N” elementos em grupos de “n”.

Assim:

O total de possibilidades de obtermos “k” sucessos do total de “s” elementos é:
Por outro lado, o total de possibilidades de obtermos “n-k” sucessos de um total de

“N-s” elementos com característica de fracasso é de:
Portanto, a probabilidade ( ) de, ao retirarmos uma

amostra de n elementos, sem reposição, “k” serem de sucesso e “n-k” serem de
fracasso é de:
Esse é outro tópico que não é muito cobrado em concurso, mas que é importante
conhecer. Na seção de exercícios, vamos fazer um exercício que vai fazer com que
vocês entendam direitinho.
05949764803
Veja que essa distribuição é muito semelhante à binomial, mas

acontece que ela não tem reposição. Assim, pode-se provar que, para uma
variável ( ) com distribuição hipergeométrica:

Viram que as expressões são bem parecidas? A única diferença é o ‘”fator de ajuste”
da variância .
Exercício 1
(FINEP – CESGRANRIO/2011)
Considere a distribuição de probabilidade sobre os números 1, 2, 3 e 4 acima.

Essa distribuição é:
a) Continua
b) Assimétrica
c) Normal
05949764803
d) Uniforme
e) Multivariada
Resolução
Pessoal, o que vocês estão vendo é a função distribuição de probabilidade de uma

variável discreta, pois os pontos não estão ligados por uma linha reta.
Mas, que distribuição é essa? Uma distribuição uniforme, pois todos os pontos têm a
mesma probabilidade de ocorrência. Alternativa (d).

Exercício 2
(TJ\RO – CESGRANRIO/2008) Uma urna contem 10 bolas, cada uma gravada

com um número diferente de 1 a 10. Uma bola é retirada aleatoriamente e um
“X” é marcado na mesma. X é uma variável aleatória:
a) Com desvio padrão de 10
b) Com 1º quartil de 0,25
c) Com média de 5
d) Com distribuição de probabilidade uniforme
e) Com distribuição de probabilidade assimétrica
Resolução
Veja, todas as possíveis realizações decorrentes da extração de uma bola têm a

mesma probabilidade. O que é isso? Distribuição uniforme. Viu como a
CESGRANRIO gosta disso?
Alternativa (d).
(FINEP – CESPE/2009) Uma empresa produz determinado tipo de peça. A

probabilidade de cada peça ser perfeita é de 0,7, e a probabilidade de cada peça
05949764803
ser defeituosa é de 0,3. Tomando 0,06, 0,17 e 0,24 como valores aproximados
de , e , respectivamente, julgue as afirmativas.
Exercício 3
Na produção de 400 itens o número esperado de peças defeituosas é de 150.

Resolução
Pessoal, nós estamos tratando de uma distribuição binomial, com o evento “encontrar
peça defeituosa” como sucesso, portanto:
Assim:
Alternativa falsa.
Exercício 4
A probabilidade de que uma amostra aleatória de 10 peças contenha

exatamente 8 peças perfeitas é menor que 10%.
Resolução
Veja que agora, nosso “sucesso” é encontrar uma peça sem defeito (perceba que
05949764803
tanto faz definir quem é sucesso ou fracasso, teste para ver). Assim, vamos utilizar
nossa fórmula para distribuição binomial:
Substituindo os valores:

Portanto, alternativa falsa.
Exercício 5
A probabilidade de que uma amostra aleatória de 5 peças contenha, (no

máximo), 2 peças defeituosas é maior que 70%.
Resolução
Vamos refazer o cálculo anterior com as mudanças requisitadas, só que agora

estamos procurando 2 “sucessos” em uma amostra de 5 peças:
Substituindo os valores:
05949764803
A probabilidade de existirem, no máximo, duas peças defeituosas é de:
Como os eventos são mutuamente excludentes, basta somar:
Alternativa verdadeira.

Exercício 6
(CGU – ESAF/2008) Seja X a soma de n variáveis aleatórias independentes de

Bernoulli, isto é, que assumem apenas os valores 1 e 0 com probabilidades p e
1-p, respectivamente. Assim, a distribuição de X é:
a) Binomial com parâmetros n e p.
b) Gama com parâmetros n e p.
c) Qui quadrado com n graus de liberdade.
d) Laplace.
e) “t” de Student com n-1 graus de liberdade.
Resolução
Essa é bem fácil! Por definição, letra (a).
Exercício 7
(AFRFB – ESAF/2009) Em um experimento binomial com três provas, a

probabilidade de ocorrerem dois sucessos é doze vezes a probabilidade de
ocorrerem três sucessos. Desse modo, as probabilidades de sucesso e
fracasso são, em percentuais, respectivamente, iguais a:
a) 20 % e 80 %
b) 80 % e 20 %
c) 60 % e 40 %
05949764803
d) 30 % e 70 %
e) 25 % e 75 %
Resolução
No caso de 3 experimentos a probabilidade de 2 sucessos é de:

Já a probabilidade de 3 sucessos é de:
Do enunciado sabemos que:
Agora é só substituir e resolver a equação:
Se isolarmos p², tem-se que:
Para que essa expressão seja verdade, ou , o que não corresponde à solução
que buscamos, ou . Assim, resolvendo a expressão:
05949764803
Assim, a chance de fracasso é de:
Alternativa (d).

Exercício 8
(SEJUS – UNIVERSA/2010) Em certo plano amostral, em uma população de 100

elementos, optou-se pelo seguinte critério: joga-se uma moeda (honesta) e, se
der cara, o elemento entra na amostra; se der coroa, ele não entra na amostra.
Qual o tamanho esperado dessa amostra?
a)10
b)20
c)30
d)40
e)50
Resolução
Outra questão mais tranquila para relaxar. O que o exercício está te pedindo é a
esperança da quantidade de caras! Isso é fácil, basta:
05949764803
Alternativa (e).
Pessoal, o próximo exercício também entra no caso que vocês devem

acompanhar e depois tentar responder sozinhos.

Exercício 9
(TRF – FCC/2001) A probabilidade de que um item produzido por uma máquina

seja defeituoso é 10%. Uma amostra de 30 itens produzidos por esta máquina é
selecionada ao acaso. Usando-se a aproximação pela distribuição de Poisson
para determinar a probabilidade de que não mais que um item defeituoso seja
encontrado na amostra, obtemos
a)
b)
c)
d)
e)
Resolução
Veja que nós podemos resolver o problema com a distribuição binomial (precisaria de
calculadora), mas como nós já fizemos exercício deste conteúdo, vamos treinar a
aplicação da fórmula da distribuição de Poisson.
O que é pedida é a probabilidade de que não haja mais do que uma peça defeituosa,
ou seja, no máximo uma. Assim, nosso “sucesso” é encontrar uma peça defeituosa.
Vamos encontrar as probabilidades referentes a “0” e “1” peças defeituosas.
05949764803
Então, em uma amostra de 30 elementos, espera-se que 3 (10%) sejam defeituosos,

portanto:
Agora basta substituirmos:

Como os eventos são independentes, a probabilidade conjunta se dará pela

soma de ambos:
Alternativa (a).
Exercício 10
(BACEN – FCC/2005) A probabilidade de um associado de um clube de pagar

sua mensalidade com atraso é de 5%. Entre 5 associados escolhidos
aleatoriamente, a probabilidade de pelo menos um pagar sua mensalidade sem
atraso é:
a)
b)
c)
d)
e)
05949764803
Resolução
Para facilitar a resolução deste exercício, fica mais fácil avaliar a probabilidade de
ninguém pagar a mensalidade sem atraso ( ) e fazer:

Ou seja, o cálculo fica bem mais fácil, pois só calculamos a probabilidade de que
ninguém pague com atraso.
Assim, sabendo que a chance de sucesso é de 95% (100% – 5%) e a de fracasso é

de 5%:
Assim, a probabilidade pedida é de:
Alternativa (b).
Exercício 11
(SEFAZ-ES – CESPE/2013) O número de reclamações diárias registradas por

uma central de atendimento ao cidadão for uma variável aleatória que segue a
distribuição de Poisson com média igual a ln10, então a probabilidade P(N= 0)
será igual a
a) 0,09
05949764803
b) 0,14
c) 0,18
d) 0,1
e) 0,05

Resolução
Em primeiro lugar, nós sabemos que se trata de uma distribuição de Poisson,

portanto, a média do processo é equivalente à variável ( ). No caso, o exercício quer
saber a probabilidade de 0 (zero) sucessos.
Vamos usar a fórmula:
No caso, substituindo os valores:
Veja, este trata-se do logaritmo neperiano! Ou seja, de um número qualquer é:

o valor a que você deve elevar “ ” (chamado de neper e que, como vimos, tem valor
próximo a 2,7) a fim de resultar neste número. Por exemplo:
Isso significa que:
05949764803
Assim, sempre que você vir elevado a , o resultado é o número na frente do .

Por exemplo:
Entendeu? Agora vamos voltar ao exercício.

O gabarito original não tinha a resposta correta, mas neste nosso exemplo
modificado, alternativa (d).
Pessoal, o próximo exercício é sobre distribuição hipergeométrica.

Acompanhem comigo!
Exercício 12
(MDIC – ESAF\2013) Em uma população de 50 empresas de uma região, 20 são

empresas exportadoras. Qual o valor mais próximo do número esperado de
empresas exportadoras em uma amostra aleatória de tamanho 20 retirada sem
reposição da amostra.
a) 10
b) 8
c) 7,5
d) 6
e) 4
Resolução 05949764803
Veja a palavrinha chave: “sem reposição”. Trata-se de uma variável com distribuição
hipergeométrica.
Qual a esperança de uma variável com distribuição hipergeométrica?

Alternativa (b).
Exercício 13
(SUSEP – ESAF/2010) Um estudo indica que, nas comunidades que vivem em

clima muito frio e com uma dieta de baixa ingestão de gordura animal, a
probabilidade de os casais terem filhos do sexo masculino é igual a 1/4. Desse
modo, a probabilidade de um casal ter dois meninos e três meninas é igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
Resolução
Queremos saber a probabilidade de 2 sucessos (filhos homens) em 5 experimentos

(5 filhos). Assim:
A questão foi anulada, pois não há alternativa certa.
05949764803

Exercício 14
(ISS-SP – FCC\2012) Suponha que ao realizar um experimento ocorra o evento

A com probabilidade p e não ocorra com probabilidade (1-p). Repetimos o
experimento de forma independente até que A ocorra pela primeira vez. Seja: X
= número de repetições do experimento até que A ocorra pela primeira vez.
Sabendo que a média de X é 3, a probabilidade condicional expressa por P (X =
2 | X ≤ 3) é igual a
a) 5/27
b) 4/27
c) 2/9
d) 1/3
e) 6/19
Resolução
Bom, em primeiro lugar temos de encontrar a probabilidade de sucesso. O exercício

05949764803
nos deu o valor da média do processo, assim:
Como esta é uma variável com distribuição geométrica (leia o enunciado e veja se
entendeu):

Agora, atenção! O exercício está te pedindo uma probabilidade condicional:
P (X = 2 | X ≤ 3)
Como se encontra isso?
Bom, o numerador é a própria probabilidade de que X seja igual à 2. O denominador

será o somatório da probabilidade de que X seja igual à “1”, “2” e “3”.
Assim:
Agora, substitua na fórmula da probabilidade condicional:
05949764803
Letra (e).

Exercício 15
(TER-ES – FCC/2011) O custo para a realização de um experimento é de 500

reais. Se o experimento falhar haverá um custo adicional de 100 reais para a
realização de uma nova tentativa. Sabendo-se que a probabilidade de sucesso
em qualquer tentativa é 0,4 e que todas são independentes, o custo esperado
de todo o procedimento até que o primeiro sucesso seja alcançado é
a)1.500.
b)1.400.
c)1.300.
d)1.200.
e) 1.000.
Resolução
Em primeiro lugar, precisamos encontrar quantas vezes o experimento terá de ser

realizado, na média, até termos sucesso. Perceba que trata-se de um caso de
distribuição geométrica, assim:
Isso quer dizer que o experimento será realizado, na média, duas vezes e meia taé
05949764803
“acertarmos”.
Bom, agora pense! Na primeira vez, você terá que desembolsar 500 reais para
realizar o experimento, mas você vai errar. Assim, você terá que desembolsar mais
600 reais (100 reais adicionais mais os 500 necessários para realizar o experimento
de novo) para tentar uma segunda vez. Até aí você já gastou 1100 reais para jogar
duas vezes.
Mas, ainda falta 0,5 vezes para você acertar. Assim, na média, você irá gastar mais:

Portanto, até acertar, você gastará, na média:
Alternativa (b).
Exercício 16
(AFRFB – ESAF/2013\modificada) Em uma cidade de colonização alemã, a

probabilidade de uma pessoa falar alemão é de 60%. Selecionando-se ao acaso
4 pessoas desta cidade, a probabilidade de, exatamente, 3 delas não falarem
alemão é, em valores percentuais, igual a
a) 6,4.
b) 12,26.
c) 15,36.
d) 3,84.
e) 24,5.
Resolução
05949764803
Tranquilo, não? Basta lembrar-se da nossa distribuição binomial.
Veja, vamos supor que nosso “sucesso” seja encontrar alguém que fala alemão.
Assim:
Alternativa (c).

A questão original foi anulada por não possuir a palavra “exatamente”, tal como
coloquei no enunciado. Se essa palavra não constasse, o sucesso seria obtido se 3
ou 4 pessoas falassem alemão, pois, neste caso, pelo menos, três pessoas não
estariam falando alemão!
Exercício 17
(DNIT – ESAF/2013) Dois dados de seis faces são lançados simultaneamente, e

os números das faces voltadas para cima são somados. A probabilidade da
soma obtida ser menor do que cinco ou igual a dez é igual a:
a) 35%
b) 20%
c) 30%
d) 15%
e) 25%
Resolução
Vamos pensar no nosso espaço amostral.
05949764803
Ou seja, há trinta e seis combinações possíveis.
Quantas combinações têm soma menor do que 5?

Quantas somam dez?
Portanto:
Alternativa (e).
Exercício 18
(MTUR – ESAF/2013) Com os dígitos 3, 4, 5, 7, 8 e 9 serão formadas centenas

com dígitos distintos. Se uma centena for selecionada ao acaso, a probabilidade
de ser menor do que 500 e par é
a) 15%
b) 10%
c) 25%
d) 30%
e) 20%
Resolução 05949764803
Vamos pensar quantos números pares e menores do que 500 podem ser formados.
Bom, o primeiro digito deve ser 3 ou 4, pois o número deverá ser menor do que 500.
Vamos começar com 3, neste caso temos 5 possibilidades para o algarismo da

dezena. Entretanto, como é exigido que o número seja par, só temos 2 opções para
o algarismo da unidade: 4 e 8.

Neste caso, se a dezena não for composta nem por 4 ou 8, temos 3 possibilidades
para a mesma e 2 para a unidade, o que nos leva à:
Mas, caso a dezena seja composta por um destes números:
E no caso de 4? Bom, o número 8 não pode estar na dezena, pois, caso contrário,
não sobraria um número par para a unidade.
Portanto, temos um total de 12 possibilidades com a nossa característica desejada.

O total de possibilidades será dada pela permutação dos 6 elementos, de forma que:
Portanto, a probabilidade desejada é de:
Alternativa (b). 05949764803

Exercício 19
(AFRFB – ESAF/2009) O número de petroleiros que chegam a uma refinaria

ocorre segundo uma distribuição de Poisson, com média de dois petroleiros
por dia. Desse modo, a probabilidade de a refinaria receber no máximo três
petroleiros em dois dias é igual a:
a)
b)
c)
d)
e)
Resolução
Olha a distribuição de Poisson aí gente!
O que nós queremos saber é qual a probabilidade de que a refinaria receba zero, um,
05949764803
dois ou três petroleiros em dois dias. Portanto, sabemos que nossa média é de 2
petroleiros por dia e a quantidade de vezes que o experimento é realizado é igual à
2, pois são dois dias. Qual a chance de ?

Agora some!
Alternativa (c).
05949764803

Exercício 20
(ICMS-RJ – 2014/FCC) O número de atendimentos, via internet, realizados pela

Central de Atendimento Fazendário (CAF) segue uma distribuição de Poisson
com média de 12 atendimentos por hora. A probabilidade dessa CAF realizar
pelo menos 3 atendimentos em um período de 20 minutos é
a) 0,594
b) 0,910
c) 0,766
d) 0,628
e) 0,750
Dados:
Resolução
Vamos lembrar da fórmula de novo:
A média ( ) é igual à 12 atendimentos por hora, a quantidade de sucesso que

queremos é igual à 3 e o tempo desejado é 1/3 de hora.
05949764803
-“1/3 de hora, professor”?
Exatamente! Você tem que usar a mesma unidade de medida para todas as
informações.
Assim, se em uma hora são realizados 12 atendimentos, em 1/3 de hora:

A probabilidade de realizar, pelo menos, 3 atendimentos em uma hora é igual à:
Agora basta encontrar estes valores:
Portanto:
Alternativa (c).
05949764803

Exercício 21
(ICMS-SP – FCC/2013) Sabe-se que em determinado município, no ano de 2012,

20% dos domicílios tiveram isenção de determinado imposto. Escolhidos, ao
acaso e com reposição, quatro domicílios deste município a probabilidade de
que pelo menos dois tenham tido a referida isenção é igual a a) 0,4096
b) 0,4368
c) 0,1808
d) 0,3632
e) 0,2120
Resolução
Vamos nos utilizar da velha e boa fórmula:
Bom, nós sabemos que a probabilidade de “sucesso” é de 20% (0,2). Assim, a

probabilidade de 2 sucessos em 4 “jogadas” é de:
05949764803
Porém, como sempre, o exercício pede a probabilidade de que ao menos 2 jogadas

tenham sucesso. Assim, precisamos das probabilidades de 3 e 4 sucessos:

Assim:
Alternativa (c).
Exercício 22
(Prefeitura de Cuiabá – FUNCAB\2013\alterada) Uma variável aleatória X tem

distribuição de Poisson com valor esperado igual a 5, qual a probabilidade de 0
(zero) ocorrências desta variável?
a)
b)
c)
d)
Resolução
Bom, vamos usar a fórmula da distribuição de Poisson:
O valor esperado é e o exercício pergunta a chance de .

05949764803
Assim:
Alternativa (a).

Exercício 23
(SUDECO – FUNCAB\2013/alterada) Em um concurso público, um candidato

conhece bem 20 dos 25 temas indicados no programa da disciplina. Se forem
propostas três questões, qual a probabilidade aproximada de que ele consiga
responder bem as três?
A) Mais que 0,6.
B) 0,512
C) 0,5381
D) 0,4957
E) 0,4669
Resolução
Veja, trata-se de uma distribuição binomial, pois o indivíduo pode ou não ter sucesso
ao responder a questão. A probabilidade de “sucesso” ao responder a questão é de:
Assim, com base na distribuição binomial, buscamos a probabilidade de 3 sucessos

em 3 jogadas:
05949764803
Alternativa (b).

Exercício 24
(SEMAD – FUNCAB\2013) A probabilidade de você efetuar uma compra via

Internet e não receber a mercadoria no tempo combinado é igual a 0,04. Você
efetua duas compras que são enviadas em tempos espaçados o suficiente para
considerá-las como eventos independentes. Qual a probabilidade de uma ou
mais compras não serem recebidas no tempo exato?
A) 0,0768
B) 0,0016
C) 0,0384
D) 0,0784
Resolução
Veja, trata-se de uma distribuição binomial, pois o indivíduo pode ou não receber a
mercadoria. Neste caso, vamos chamar de “sucesso” a não entrega da mercadoria.
Assim, queremos saber de uma ou duas mercadorias não serem entregues no prazo.
Isso é equivalente à 100% menos a probabilidade de ambas serem recebidas no
prazo, ou seja, 2 fracassos.
Assim, o que procuramos é:

05949764803
Alternativa (d).

Exercício 25
(SEMAD – FUNCAB\2013) Os pesos de 27 indivíduos foram coletados e

resultaram no seguinte ramo-e-folhas:
A mediana desses pesos, em quilogramas, é igual a:

A) 71
B) 72
C) 83
D) 87
Resolução
Essa é boa para vocês verem: Diagrama de Ramos e Folhas ainda é cobrado pela
FUNCAB. Vamos ordenar os dados: 05949764803
Portanto, são 27 observações, o que faz com que a mediana seja o elemento:
Essa é a observação de valor 83, ou seja, alternativa (c).

Exercício 26
Analisando o histograma abaixo, o que se pode inferir sobre a simetria da

distribuição?
A) Assimétrica negativa.
B) Assimétrica positiva.
C) Simétrica.
D) Malcomportada.
05949764803
Resolução
Essa é o tipo de questão que você resolve bem fácil por exclusão! A mesma não tem
assimetria nem positiva nem negativa.

A alternativa (d), fala de “malcomportada”, o que não tem nada a ver. Assim, é a
alternativa (c). Se você conhece o formato da distribuição simétrica, também fica fácil:
Alternativa (c).
05949764803

Exercício 27
(TJ RO – CESPE\2012)
Resolução
Pessoal, nós estudamos isso na aula 02. Se você fizer a soma de todos os desvios
05949764803
das observações com relação a sua média, o resultado será igual à zero. No caso:
Este é o motivo pelo qual elevamos esta expressão ao quadrado quando calculamos
a variância.
Neste caso, a expressão acima não pode ser uma medida de dispersão, pois ela
sempre será igual à zero!
Alternativa (e).

(TJ RO – CESPE\2013\alterada) Um perito investiga se determinada empresa

manipulou os resultados fiscais com o objetivo de sonegar impostos.
Considere que M e L representam, respectivamente, os eventos “manipula os
resultados fiscais” e “obteve lucro no ultimo trimestre”, e que Mc e Lc denotam
os eventos complementares correspondentes. Com base em investigações
anteriores, e conhecida a proporção de empresas que manipulam os resultados
fiscais, ou seja, P(M). Conhece-se também a probabilidade condicional P(M|L).
O perito determinou a proporção de empresas que tiveram lucro no ultimo
trimestre, P(L), com base em dados fornecidos pela junta comercial. Com base
nessas informações, julgue as afirmativas:
Exercício 28
P(M) = P(M|Lc) × P(Lc) + P(M|L) × P(L).
Resolução
Pense no Teorema de Bayes e no denominador da fórmula aplicada ao caso .

Ora, o denominador desta fórmula é exatamente ! Qual a relação de M com Lc
e L?
Isso porque, de acordo com o enunciado do exercício, o evento “manipular resultados

05949764803
fiscais” só pode ocorrer sob duas situações, ter lucro ou não. Substituindo a fórmula
acima com o que já sabemos de probabilidade condicional:
Alternativa correta.

Exercício 29
P(M|Lc) = 1 - P(M|L).
Resolução
A questão implica que:
Não há como fazer essa afirmação com base nos dados da questão. A única coisa
que sabemos é:
Alternativa errada.
(Polícia Federal – CESPE\2012) Dez policiais federais — dois delegados, dois

peritos, dois escrivães e quatro agentes — foram designados para cumprir
mandado de busca e apreensão em duas localidades próximas à
superintendência regional. O grupo será dividido em duas equipes. Para tanto,
exige-se que cada uma seja composta, necessariamente, por um delegado, um
perito, um escrivão e dois agentes. Considerando essa situação hipotética,
05949764803
julgue os itens que se seguem.
Exercício 30
Se todos os policiais em questão estiverem habilitados a dirigir, então,

formadas as equipes, a quantidade de maneiras distintas de se organizar uma
equipe dentro de um veículo com cinco lugares — motorista e mais quatro
passageiros — será superior a 100.

Resolução
Pesosal, perceba que o exercício trata de uma única equipe no carro, então, cuidado,
pois você pode acabar querendo fazer combinação com todos os policiais! Se você
pode dispor uma equipe de 5 pessoas, para uma equipe, as formas diferentes de
organizá-la dentro do carro é uma permutação de 5 elementos. Assim:
Exercício 31
Há mais de 50 maneiras diferentes de compor as referidas equipes.
Resolução
Neste caso, fica fácil resolver o exercício pelo princípio fundamental da contagem! No
caso:
05949764803
Cada bolinha é uma representação das combinações possíveis para cada

carreira. Assim, a bolinha “agente”, por exemplo, é a quantidade de
combinações que podem ser realizadas com agentes.
Facilitando, para escrivão, perito e delegado só existem 2 combinações para cada,

afinal, só há duas pessoas com essas patentes no total! Mas, para agente, a
quantidade de combinações de duplas possíveis é:

Portanto, é possível fazer 6 duplas diferentes com os 4 agentes. Assim, com

base no nosso diagrama de bolinhas:
Alternativa errada.
Exercício 32
Se cinco dos citados policiais forem escolhidos, aleatoriamente e

independentemente dos cargos, então a probabilidade de que esses escolhidos
constituam uma equipe com a exigência inicial será superior a 20%.
Resolução
Com base no exercício anterior nós já sabemos que há 48 formas diferentes de

compormos equipes no formato desejado, ou seja, 1 perito, 1 escrivão, 1 delegado e
2 agentes. Se nós já sabemos o total de combinações que desejamos, precisamos
saber o total de combinações possíveis, pois, assim, poderemos calcular a
probabilidade de ocorrência das combinações desejadas.
05949764803
O total de combinações possíveis é uma combinação de 10 elementos em grupos de

5:
Assim:

Alternativa errada.
(PETROBRAS – CESGRANRIO/2014) Use o texto abaixo para responder as

questões 33 e 34.
Um analista observou que a média das remunerações recebidas pelos 100

empregados que responderam a uma determinada pesquisa estava muito baixa:
R$ 2.380,00. Após investigar, verificou que 15% das respostas estavam com
valor nulo e todas elas eram referentes às respostas dos empregados que se
recusaram a responder a esse quesito, embora recebessem remuneração.
Exercício 33
Retirando essas observações nulas, a média dos salários dos respondentes é,

em reais,
(A) 2.380
(B) 2.487
(C) 2.650
(D) 2.737
(E) 2.800
Resolução
05949764803
A média original era tal que:
Portanto:

Se 15% de 100 (15 0bservações) eram nulas e nós a retiramos:
Alternativa (e).
Exercício 34
Inicialmente, o analista registrou variância dos salários, em reais2, igual a

2.835.600,00. Retirando as observações nulas, a média dos quadrados dos
salários dos respondentes é, em reais², aproximadamente,
(A) 10.000.000,00
(B) 8.500.000,00
(C) 6.300.000,00
(D) 4.400.000,00
(E) 2.800.000,00
Resolução
Nós temos sempre de lembrar que: 05949764803
â é é
Então, antes de retirarmos as observações nulas:
â é
é
é

Veja, a média dos quadrados é:
Antes de retirarmos as 15 observações:
Este valor não muda, mesmo quando tiramos as observações nulas, pois o quadrado
de zero é zero! Então, a nova média dos quadrados é:
Alternativa (a).
05949764803

Exercício 35
(LIQUIGAS – CESGRANRIO/2012)
Resolução
As formas que podem gerar a vitória de M são dadas por:
05949764803
Assim, a probabilidade de M ganhar é:
Alternativa (d).

Exercício 36
(CELESC – FEPESE/2013) Uma empresa tem 8 funcionários à disposição para

os cargos de presidente, primeiro secretário e segundo secretário. De quantas
maneiras diferentes esses cargos podem ser preenchidos?
a. ( ) 24
b. ( ) 56
c. ( ) 336
d. ( ) 1680
e. ( ) 40320
Resolução
Simples, basta fazer uma permutação com os três lugares que você tem para
preencher:
Assim, temos 8 pessoas:
Alternativa (c).
05949764803

Exercício 37
(CELESC – FEPESE/2013) Uma distribuição de probabilidade que se caracteriza

pela existência de apenas dois eventos, mutuamente exclusivos, num
experimento que é realizado uma única vez, define a seguinte distribuição:
a. ( ) Distribuição binomial.
b. ( ) Distribuição de Poisson.
c. ( ) Distribuição geométrica.
d. ( ) Distribuição de Bernouilli.
e. ( ) Distribuição uniforme discreta.
Resolução
Pessoal, qual é a distribuição de probabilidade que se caracteriza por possuir dois

resultados possíveis: um “sucesso” ou “fracasso”
Você tem de responder:
-“Depende, professor”.
Pois, se você realizar o experimento uma única vez, trata-se de Bernouilli, casso
contrário, será uma binomial. O enunciado fala de uma única “jogada”.
Alternativa (d).
05949764803

Exercício 38
(CELESC – FEPESE/2013) Em uma festa são servidos 4 tipos de carne, 5 tipos

de salada e 6 tipos de sobremesa. Se uma pessoa pretende se servir de 2 tipos
de carne, 2 tipos de salada e 3 tipos de sobremesa, quantas opções tem esta
pessoa?
a. ( ) 800
b. ( ) 1200
c. ( ) 1600
d. ( ) 2400
e. ( ) 3600
Resolução
Pessoal, a ideia aqui é a seguinte, encontrar a quantidade de combinações possíveis

para cada um dos alimentos e multiplica-las! Veja, no caso da carne, temos 4 tipos
de carne, mas só podemos escolher 2, portanto, o total de combinações é:
Portanto, há 6 formas de combinar os 4 tipos de carne. Vamos fazer isso para a

salada:
05949764803
Agora, para a sobremesa:
Portanto, para encontrarmos o total de combinações, basta multiplicarmos o total de

combinações de cada um dos alimentos pelos demais:

ç�
Alternativa (b).
(SUSAM – FGV/2014 - alterada) Suponha que A e B sejam dois eventos

independentes, com probabilidades positivas. Com base nestas informações,
julgue as afirmativas.
Exercício 39
A e B não podem ser mutuamente exclusivos.
Resolução
Perfeito! Veja, independência implica que a probabilidade de ocorrência de um evento

não é afetada pela ocorrência de outro. Se A e B fossem mutuamente exclusivos, isso
significaria que a ocorrência de A implica na não ocorrência de B. Ora, mas isso não
é independência!
Exercício 40
05949764803
P[A|B] = P[A].
Resolução
Essa é a própria definição de independência, ou seja, a probabilidade de ocorrência

de A, dado B, é igual à probabilidade incondicional de A – a probabilidade de
ocorrência de A não é afetada por B.

Exercício 41
(SUSAM – FGV/2013) Uma variável aleatória discreta X tem distribuição

uniforme, x = 1, 2, ..., 100. A probabilidade condicional de que X seja um número
ímpar dado que 23 ≤ x ≤ 30 é igual a
(A) 4/7.
(B) 1/2.
(C) 3/7.
(D) 5/7.
(E) 3/4.
Resolução
O fato de a distribuição ser uniforme só afeta no fato de que cada intervalo entre
dois números tem a mesma probabilidade!
O que nós estamos procurando é:
Nós sabemos, pela fórmula de probabilidade condicional que:
í
í 05949764803
Veja, qual a probabilidade de obter um número que fica entre 23 e 30? Tratam-se de
8 números em um universo de 100! Assim:
E a probabilidade de intersecção?

Esta intersecção é dada pela multiplicação da probabilidade de o número ser ímpar

(50 de 100) pela probabilidade de estar no intervalo em questão (8 de 100).
Substituindo na fórmula:
í
í
Alternativa (b).
Exercício 42
(SUSAM – FGV/2014)
05949764803

Resolução
O melhor jeito de resolver esta questão é tratando aquelas probabilidades como

números! Assim, vamos olhar somente a linha dos “masculinos”, afinal o exercício
pergunta a probabilidade condicional de ser contra, dado que é do sexo masculino.
à favor contra indiferente Soma

Masculino 20 12 28 60
O total de homens, neste caso, são 60! A probabilidade de ser contra, dado que é
homem, é de:
Alternativa (a).
05949764803

Lista de exercícios resolvidos
Exercício 1
(FINEP – CESGRANRIO/2011)
Considere a distribuição de probabilidade sobre os números 1, 2, 3 e 4 acima.

Essa distribuição é:
a) Continua
b) Assimétrica
c) Normal
d) Uniforme
e) Multivariada
Exercício 2 05949764803
(TJ\RO – CESGRANRIO/2008) Uma urna contem 10 bolas, cada uma gravada

com um número diferente de 1 a 10. Uma bola é retirada aleatoriamente e um
“X” é marcado na mesma. X é uma variável aleatória:
a) Com desvio padrão de 10
b) Com 1º quartil de 0,25
c) Com média de 5
d) Com distribuição de probabilidade uniforme
e) Com distribuição de probabilidade assimétrica

(FINEP – CESPE/2009) Uma empresa produz determinado tipo de peça. A

probabilidade de cada peça ser perfeita é de 0,7, e a probabilidade de cada peça
ser defeituosa é de 0,3. Tomando 0,06, 0,17 e 0,24 como valores aproximados
de , e , respectivamente, julgue as afirmativas.
Exercício 3
Na produção de 400 itens o número esperado de peças defeituosas é de 150.
Exercício 4
A probabilidade de que uma amostra aleatória de 10 peças contenha

exatamente 8 peças perfeitas é menor que 10%.
Exercício 5
A probabilidade de que uma amostra aleatória de 5 peças contenha, (no

máximo), 2 peças defeituosas é maior que 70%.
05949764803
Exercício 6
(CGU – ESAF/2008) Seja X a soma de n variáveis aleatórias independentes de

Bernoulli, isto é, que assumem apenas os valores 1 e 0 com probabilidades p e
1-p, respectivamente. Assim, a distribuição de X é:
a) Binomial com parâmetros n e p.
b) Gama com parâmetros n e p.
c) Qui quadrado com n graus de liberdade.
d) Laplace.
e) “t” de Student com n-1 graus de liberdade.

Exercício 7
(AFRFB – ESAF/2009) Em um experimento binomial com três provas, a

probabilidade de ocorrerem dois sucessos é doze vezes a probabilidade de
ocorrerem três sucessos. Desse modo, as probabilidades de sucesso e
fracasso são, em percentuais, respectivamente, iguais a:
a) 20 % e 80 %
b) 80 % e 20 %
c) 60 % e 40 %
d) 30 % e 70 %
e) 25 % e 75 %
Exercício 8
(SEJUS – UNIVERSA/2010) Em certo plano amostral, em uma população de 100

elementos, optou-se pelo seguinte critério: joga-se uma moeda (honesta) e, se
der cara, o elemento entra na amostra; se der coroa, ele não entra na amostra.
Qual o tamanho esperado dessa amostra?
a)10
b)20
05949764803
c)30
d)40
e)50

Exercício 9
(TRF – FCC/2001) A probabilidade de que um item produzido por uma máquina

seja defeituoso é 10%. Uma amostra de 30 itens produzidos por esta máquina é
selecionada ao acaso. Usando-se a aproximação pela distribuição de Poisson
para determinar a probabilidade de que não mais que um item defeituoso seja
encontrado na amostra, obtemos
a)
b)
c)
d)
e)
Exercício 10
(BACEN – FCC/2005) A probabilidade de um associado de um clube de pagar

sua mensalidade com atraso é de 5%. Entre 5 associados escolhidos
aleatoriamente, a probabilidade de pelo menos um pagar sua mensalidade sem
atraso é:
a)
b) 05949764803
c)
d)
e)

Exercício 11
(SEFAZ-ES – CESPE/2013) O número de reclamações diárias registradas por

uma central de atendimento ao cidadão for uma variável aleatória que segue a
distribuição de Poisson com média igual a ln10, então a probabilidade P(N= 0)
será igual a
a) 0,09
b) 0,14
c) 0,18
d) 0,1
e) 0,05
Exercício 12
(MDIC – ESAF\2013) Em uma população de 50 empresas de uma região, 20 são

empresas exportadoras. Qual o valor mais próximo do número esperado de
empresas exportadoras em uma amostra aleatória de tamanho 20 retirada sem
reposição da amostra.
a) 10
b) 8
05949764803
c) 7,5
d) 6
e) 4

Exercício 13
(SUSEP – ESAF/2010) Um estudo indica que, nas comunidades que vivem em

clima muito frio e com uma dieta de baixa ingestão de gordura animal, a
probabilidade de os casais terem filhos do sexo masculino é igual a 1/4. Desse
modo, a probabilidade de um casal ter dois meninos e três meninas é igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
Exercício 14
(ISS-SP – FCC\2012) Suponha que ao realizar um experimento ocorra o evento

A com probabilidade p e não ocorra com probabilidade (1-p). Repetimos o
experimento de forma independente até que A ocorra pela primeira vez. Seja: X
= número de repetições do experimento até que A ocorra pela primeira vez.
Sabendo que a média de X é 3, a probabilidade condicional expressa por P (X =
2 | X ≤ 3) é igual a
a) 5/27
05949764803
b) 4/27
c) 2/9
d) 1/3
e) 6/19

Exercício 15
(TER-ES – FCC/2011) O custo para a realização de um experimento é de 500

reais. Se o experimento falhar haverá um custo adicional de 100 reais para a
realização de uma nova tentativa. Sabendo-se que a probabilidade de sucesso
em qualquer tentativa é 0,4 e que todas são independentes, o custo esperado
de todo o procedimento até que o primeiro sucesso seja alcançado é
a)1.500.
b)1.400.
c)1.300.
d)1.200.
e) 1.000.
Exercício 16
(AFRFB – ESAF/2013\modificada) Em uma cidade de colonização alemã, a

probabilidade de uma pessoa falar alemão é de 60%. Selecionando-se ao acaso
4 pessoas desta cidade, a probabilidade de, exatamente, 3 delas não falarem
alemão é, em valores percentuais, igual a
a) 6,4.
b) 12,26.
c) 15,36.
d) 3,84.
e) 24,5.
05949764803

Exercício 17
(DNIT – ESAF/2013) Dois dados de seis faces são lançados simultaneamente, e

os números das faces voltadas para cima são somados. A probabilidade da
soma obtida ser menor do que cinco ou igual a dez é igual a:
a) 35%
b) 20%
c) 30%
d) 15%
e) 25%
Exercício 18
(MTUR – ESAF/2013) Com os dígitos 3, 4, 5, 7, 8 e 9 serão formadas centenas

com dígitos distintos. Se uma centena for selecionada ao acaso, a probabilidade
de ser menor do que 500 e par é
a) 15%
b) 10%
c) 25%
d) 30%
e) 20%
05949764803

Exercício 19
(AFRFB – ESAF/2009) O número de petroleiros que chegam a uma refinaria

ocorre segundo uma distribuição de Poisson, com média de dois petroleiros
por dia. Desse modo, a probabilidade de a refinaria receber no máximo três
petroleiros em dois dias é igual a:
a)
b)
c)
d)
e)
Exercício 20
(ICMS-RJ – 2014/FCC) O número de atendimentos, via internet, realizados pela

Central de Atendimento Fazendário (CAF) segue uma distribuição de Poisson
com média de 12 atendimentos por hora. A probabilidade dessa CAF realizar
pelo menos 3 atendimentos em um período de 20 minutos é
05949764803
a) 0,594
b) 0,910
c) 0,766
d) 0,628
e) 0,750

Exercício 21
(ICMS-SP – FCC/2013) Sabe-se que em determinado município, no ano de 2012,

20% dos domicílios tiveram isenção de determinado imposto. Escolhidos, ao
acaso e com reposição, quatro domicílios deste município a probabilidade de
que pelo menos dois tenham tido a referida isenção é igual a a) 0,4096
b) 0,4368
c) 0,1808
d) 0,3632
e) 0,2120
Exercício 22
(Prefeitura de Cuiabá – FUNCAB\2013\alterada) Uma variável aleatória X tem

distribuição de Poisson com valor esperado igual a 5, qual a probabilidade de 0
(zero) ocorrências desta variável?
a)
b)
c)
d)
05949764803

Exercício 23
(SUDECO – FUNCAB\2013/alterada) Em um concurso público, um candidato

conhece bem 20 dos 25 temas indicados no programa da disciplina. Se forem
propostas três questões, qual a probabilidade aproximada de que ele consiga
responder bem as três?
A) Mais que 0,6.
B) 0,512
C) 0,5381
D) 0,4957
E) 0,4669
Exercício 24
(SEMAD – FUNCAB\2013) A probabilidade de você efetuar uma compra via

Internet e não receber a mercadoria no tempo combinado é igual a 0,04. Você
efetua duas compras que são enviadas em tempos espaçados o suficiente para
considerá-las como eventos independentes. Qual a probabilidade de uma ou
mais compras não serem recebidas no tempo exato?
A) 0,0768
B) 0,0016
C) 0,0384
D) 0,0784
05949764803

Exercício 25
(SEMAD – FUNCAB\2013) Os pesos de 27 indivíduos foram coletados e

resultaram no seguinte ramo-e-folhas:
A mediana desses pesos, em quilogramas, é igual a:

A) 71
B) 72
C) 83
D) 87
05949764803

Exercício 26
Analisando o histograma abaixo, o que se pode inferir sobre a simetria da

distribuição?
A) Assimétrica negativa.
B) Assimétrica positiva.
C) Simétrica.
D) Malcomportada.
05949764803

Exercício 27
(TJ RO – CESPE\2012)
05949764803

(TJ RO – CESPE\2013\alterada) Um perito investiga se determinada empresa
manipulou os resultados fiscais com o objetivo de sonegar impostos.
Considere que M e L representam, respectivamente, os eventos “manipula os
resultados fiscais” e “obteve lucro no ultimo trimestre”, e que Mc e Lc denotam
os eventos complementares correspondentes. Com base em investigações
anteriores, e conhecida a proporção de empresas que manipulam os resultados
fiscais, ou seja, P(M). Conhece-se também a probabilidade condicional P(M|L).
O perito determinou a proporção de empresas que tiveram lucro no ultimo
trimestre, P(L), com base em dados fornecidos pela junta comercial. Com base
nessas informações, julgue as afirmativas:
Exercício 28
P(M) = P(M|Lc) × P(Lc) + P(M|L) × P(L).
Exercício 29
P(M|Lc) = 1 - P(M|L).
(Polícia Federal – CESPE\2012) Dez policiais federais — dois delegados, dois

peritos, dois escrivães e quatro agentes — foram designados para cumprir
mandado de busca e apreensão em duas localidades próximas à
superintendência regional. O grupo será dividido em duas equipes. Para tanto,
05949764803
exige-se que cada uma seja composta, necessariamente, por um delegado, um

perito, um escrivão e dois agentes. Considerando essa situação hipotética,
julgue os itens que se seguem.

Exercício 30
Se todos os policiais em questão estiverem habilitados a dirigir, então,

formadas as equipes, a quantidade de maneiras distintas de se organizar uma
equipe dentro de um veículo com cinco lugares — motorista e mais quatro
passageiros — será superior a 100.
Exercício 31
Há mais de 50 maneiras diferentes de compor as referidas equipes.
Exercício 32
Se cinco dos citados policiais forem escolhidos, aleatoriamente e

independentemente dos cargos, então a probabilidade de que esses escolhidos
constituam uma equipe com a exigência inicial será superior a 20%.
(PETROBRAS – CESGRANRIO/2014) Use o texto abaixo para responder as

questões 33 e 34.
Um analista observou que a média das remunerações recebidas pelos 100

05949764803
empregados que responderam a uma determinada pesquisa estava muito baixa:

R$ 2.380,00. Após investigar, verificou que 15% das respostas estavam com
valor nulo e todas elas eram referentes às respostas dos empregados que se
recusaram a responder a esse quesito, embora recebessem remuneração.

Exercício 33
Retirando essas observações nulas, a média dos salários dos respondentes é,

em reais,
(A) 2.380
(B) 2.487
(C) 2.650
(D) 2.737
(E) 2.800
Exercício 34
Inicialmente, o analista registrou variância dos salários, em reais2, igual a

2.835.600,00. Retirando as observações nulas, a média dos quadrados dos
salários dos respondentes é, em reais², aproximadamente,
(A) 10.000.000,00
(B) 8.500.000,00
(C) 6.300.000,00
(D) 4.400.000,00
(E) 2.800.000,00
05949764803

Exercício 35
(LIQUIGAS – CESGRANRIO/2012)
Exercício 36
(CELESC – FEPESE/2013) Uma empresa tem 8 funcionários à disposição para

os cargos de presidente, primeiro secretário e segundo secretário. De quantas
maneiras diferentes esses cargos podem ser preenchidos?
a. ( ) 24
05949764803
b. ( ) 56
c. ( ) 336
d. ( ) 1680
e. ( ) 40320

Exercício 37
(CELESC – FEPESE/2013) Uma distribuição de probabilidade que se caracteriza

pela existência de apenas dois eventos, mutuamente exclusivos, num
experimento que é realizado uma única vez, define a seguinte distribuição:
a. ( ) Distribuição binomial.
b. ( ) Distribuição de Poisson.
c. ( ) Distribuição geométrica.
d. ( ) Distribuição de Bernouilli.
e. ( ) Distribuição uniforme discreta.
Exercício 38
(CELESC – FEPESE/2013) Em uma festa são servidos 4 tipos de carne, 5 tipos

de salada e 6 tipos de sobremesa. Se uma pessoa pretende se servir de 2 tipos
de carne, 2 tipos de salada e 3 tipos de sobremesa, quantas opções tem esta
pessoa?
a. ( ) 800
b. ( ) 1200
c. ( ) 1600
05949764803
d. ( ) 2400
e. ( ) 3600
(SUSAM – FGV/2014 - alterada) Suponha que A e B sejam dois eventos

independentes, com probabilidades positivas. Com base nestas informações,
julgue as afirmativas.

Exercício 39
A e B não podem ser mutuamente exclusivos.
Exercício 40
P[A|B] = P[A].
Exercício 41
(SUSAM – FGV/2013) Uma variável aleatória discreta X tem distribuição

uniforme, x = 1, 2, ..., 100. A probabilidade condicional de que X seja um número
ímpar dado que 23 ≤ x ≤ 30 é igual a
(A) 4/7.
(B) 1/2.
(C) 3/7.
(D) 5/7.
(E) 3/4.
05949764803

Exercício 42
(SUSAM – FGV/2014)
05949764803

1-d 36-c
2-d 37-d
3-F 38-b
4-F 39-V
5-V 40-V
6-a 41-b
7-d 42-a
8-e
9-a
10-b
11-d
12-b
13-anulada
14-e
15-b
16-c
17-e
18-b
19-c
20-c
21-c
22-a
23-b
24-d
25-d
26-c
27-e
28-V
29-F
30-V
31-F
05949764803
32-F
33-e
34-a
35-d
Muito bom pessoal! Foco na Receita, pois logo vocês realizarão seu sonho!
Um abraço e bons estudos.

1 4954047907520053481 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

1 4954047907520053481 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 04

Estatística p/ AFRFB - 2016 (com videoaulas)

05949764803 - NECILDA LOURENCO PAULA

AULA 04 – Variáveis Aleatórias Discretas

Assim, iremos abordar, de maneira bem rápida, as principais distribuições de

Essa é para o pessoal que está estudando por livros para

abordam o conteúdo de forma completa, mas simples!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 1 de 85

05949764803 - NECILDA LOURENCO PAULA

Distribuição de probabilidade associa uma probabilidade

Nós já estudamos isso, veja o caso do lançamento de um dado, por exemplo:

-“E se for uma variável contínua, professor”?

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 85

05949764803 - NECILDA LOURENCO PAULA

Assim, você teria de calcular uma probabilidade intervalar. Ou seja, qual a

Altura (m) Nº de pessoas

Perceberam? No caso de variáveis contínuas, a probabilidade estará associada a um

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 85

05949764803 - NECILDA LOURENCO PAULA

Que é exatamente a probabilidade que calculamos. Perceba que a probabilidade

No caso, as coleções de pares ordenados formados por nos dá a distribuição

de probabilidade da variável contínua.

-“Por que você está falando tudo isso, professor”?

Porque existem distribuições de probabilidades que são bem definidas e já estudadas,

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 85

05949764803 - NECILDA LOURENCO PAULA

Distribuição uniforme é aquela em que todos os valores

Vocês já viram um exemplo nesta aula: o lançamento de um dado. Vocês viram lá em

Nós também vimos um caso de distribuição uniforme contínua, com um gráfico

Essa distribuição é fácil de entender e tem propriedades muito simples. No caso do

Para isso, lembrem-se da aula anterior:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 85

05949764803 - NECILDA LOURENCO PAULA

Esperança matemática é um conceito intimamente relacionado com a média

Sendo a frequência relativa de .

Percebeu? A aplicação do operador “esperança” a uma série de dados nos diz,

No lugar de frequência relativa, coloque “probabilidade de ocorrência”. Lembre-se de

Ora, lembrem-se da propriedade ensinada na aula 01:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 85

05949764803 - NECILDA LOURENCO PAULA

Agora é só aplicar a “fórmula”. Só falta calcular ( ):

3. Distribuição Binomial e de Bernoulli

A distribuição de Bernoulli se caracteriza pela existência de dois eventos, mutuamente

-“Como assim, professor”?

( ), que pode ser chamado de fracasso.

Um exemplo clássico seria o lançamento de uma moeda. Se apostarmos que este

Ou seja, a distribuição de Bernoulli é aquela em que “ou é um ou é outro”, no sentido

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 85

05949764803 - NECILDA LOURENCO PAULA

Neste caso, qual a média do processo?

Ora, pode-se provar que:

Com efeito, a esperança do processo é igual à probabilidade de ocorrência de

Outra característica importante de uma distribuição é sua variância! Do resultado

Se para sucesso e para fracasso:

Beleza? Mas, o caso da distribuição de Bernoulli é um caso particular de outra

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 85

05949764803 - NECILDA LOURENCO PAULA

Assim, as probabilidades são:

Neste caso, podemos perceber que:

possibilidades de obtermos 1 sucesso e 1 fracasso, ou .

E se você jogar 3 (três) vezes?

Assim, as probabilidades são:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 9 de 85