Escolar Documentos
Profissional Documentos
Cultura Documentos
Unidade III
7 DISTRIBUIÇÕES DE PROBABILIDADES
Definimos anteriormente tabela ou distribuições de frequências como sendo uma relação entre os
valores possíveis dentro de uma amostra com o número de vezes que esse valor ou classe de valores
ocorreu. Por exemplo, em uma prova 20 alunos tiraram nota 10 ou então 27 funcionários da minha
empresa são casados. Perceba o tempo verbal, no passado ou no presente.
159
Unidade III
Como trabalhamos muitas vezes com variáveis discretas e outras tantas com variáveis contínuas,
dividimos as distribuições de probabilidades em dois grandes grupos, cada um deles com modelos
matemáticos específicos:
—― Distribuição binomial.
— Distribuição de Poisson.
— Distribuição hipergeométrica.
— Distribuição normal.
— Distribuição exponencial.
O modelo de distribuição a ser utilizado depende dos aspectos específicos da situação – problema
que está sendo estudado. De modo geral, para os cálculos que envolvam as distribuições discretas,
utilizamos equações estatísticas para calcular as probabilidades. Já para as contínuas nos valemos de
gráficos e de tabelas deles decorrentes.
Saiba mais
160
ESTATÍSTICA
Variáveis discretas são aquelas que podem apresentar apenas determinados valores
preestabelecidos dentro da lógica do experimento. São variáveis contáveis e não mensuráveis,
e, portanto, normalmente números inteiros, como número de filhos numa família; número de
funcionários em determinado setor da empresa; número de chutes na direção do gol de um time em
certa partida.
A distribuição de binomial é uma distribuição para variáveis discretas e, como o nome indica,
é utilizada quando temos a presença de dois eventos complementares. É uma generalização do
binômio de Newton e adapta-se às situações estatísticas que seguem o princípio de Bernoulli, que
são os seguintes:
• Em cada repetição do experimento, nomeado como tentativa, existem dois e apenas dois resultados
possíveis, complementares chamados por conveniência de sucesso e insucesso.
Exemplo 1
Um vendedor sabe que, ao sair para fazer um determinado tipo de venda, tem 20% de probabilidade
de concretizá-la. Num dia qualquer ele sai para atender a três clientes, qual é a probabilidade de fazer
exatamente duas vendas?
O problema pode ser resolvido usando os conceitos aprendidos antes. Mas, veja bem, isso só é
possível porque ele pretende fazer poucas visitas. Caso ele saísse para fazer dez visitas, a resolução seria
demasiadamente trabalhosa.
Vamos começar pelo caso mais fácil. A árvore de decisões apresentada a seguir mostra três caminhos
nos quais o vendedor consegue efetivar exatamente duas vendas.
161
Unidade III
Figura 43
Como vimos anteriormente a probabilidade de o vendedor realizar exatamente duas vendas será a
soma das probabilidades dos três caminhos.
Desse modo, a probabilidade de o vendedor conseguir efetivar exatamente duas vendas é de 9,60%.
Observe alguns dados interessantes sobre esse cálculo que acabamos de fazer:
• Todos os caminhos têm o mesmo cálculo: 0,22 x 0,81 = 0,0320. Note que 0,2 é a probabilidade de
se concretizar a venda e o expoente dele, 2, é o número de vendas que queremos concretizar; 0,8
é a probabilidade de não se concretizar a venda e o expoente dele, 1, é o número de vendas que
não iremos concretizar.
• Observe também que existem três caminhos possíveis. Você deve lembrar que esse valor se refere
às combinações possíveis de três elementos (os clientes visitados) tomados dois a dois (o número
de vendas que queremos efetivar):
n! 3! 31 1 × 2 × 3
Cn,x = → C3,2 = = = =3
x! (n − x )! 2! (3 − 2)! 2!× 1! 1 × 2 × 1
162
ESTATÍSTICA
Dessa forma conseguimos encontrar uma fórmula para calcular qualquer quantidade de eventos,
com muito menos trabalho, como no seguinte exemplo.
Exemplo 2
Um vendedor sabe que, ao sair para fazer um determinado tipo de venda, tem 30% de probabilidade
de concretizá-la. Num dia qualquer ele sai para atender 20 clientes, qual é a probabilidade de fazer
exatamente oito vendas?
Nessa questão os números envolvidos são muito maiores que o exemplo anterior, causando um
trabalho braçal muito grande quando resolvido “na raça” como no exemplo anterior. Mas agora, como
já conhecemos o funcionamento da distribuição, é só usá-lo:
• Probabilidade de não se efetivar uma venda: 70% ou 0,7 (lembre-se: são eventos complementares).
• Número de vendas que não se efetivarão: 12 (lembre-se: se o vendedor vai fazer 20 visitas e
concretiza a venda em oito delas, não concretizará vendas em 12 delas, obviamente).
Aplicando a fórmula:
• Número de caminhos:
n! 20!
Cn,x = → C20,8 = = 125.970
x! (n − x )! 8! (8 − 2)!
Perceba que, apesar de os números envolvidos serem difíceis de trabalhar, ainda é muito mais simples
que o raciocínio da árvore.
Onde:
163
Unidade III
No exemplo a seguir vamos efetuar o cálculo usando diretamente a fórmula da distribuição binomial.
Exemplo 3
Num ano qualquer, 55% das ações negociadas na Bolsa de Valores de São Paulo sofreram alta,
enquanto 45% se mantiveram estáveis ou sofreram baixas. Uma corretora de ações separa dez ações de
sua carteira ao acaso. Qual é a probabilidade de que, dessas dez ações:
Perceba que temos que, para usar a fórmula, determinar o valor de três grandezas: n; p; x.
Nos cálculos dos três itens solicitados, o valor de n e p não se alteram. O que vai alterar de um item
para outro é apenas o valor de x:
n− x 10 −8
P ( X = x ) = Cn,x × px × (1 − p) → P ( X = 8) = C10,8 × 0,558 × (1 − 0,55)
8! 10 −8
P ( X = 8) = × 0,558 × (1 − 0,55) = 45 × 0,558 × 0,452 = 45 × 0,0084 × 0,2025
8! (10 − 8)!
P ( X = 8) = 0,0765 ou7,65%
164
ESTATÍSTICA
n− x 10 −10
P ( X = x ) = Cn,x × px × (1 − p) → P ( X = 10) = C10,10 × 0,5510 × (1 − 0,55)
10! 10 −10
P ( X = 10) = × 0,5510 × (1 − 0,55) = 1 × 0,5510 × 0,450
10! (10 − 10)!
• Na terceira pergunta, o valor de x é 0; 1 e 2, porque queremos no máximo duas ações com altas,
ou seja, nenhuma ação com alta ou uma ação com alta ou duas ações com alta.
Observação
10 −0
P ( X = 0) = C10,0 × 0,550 × (1 − 0,55) = 0,0003
10 −1
P ( X = 1) = C10,1 × 0,551 × (1 − 0,55) = 0,0042
10 −2
P ( X = 2) = C10,2 × 0,552 × (1 − 0,55) = 0,0229
165
Unidade III
Tabela 69
Observe a tabela anterior e verifique a semelhança com a apresentação feita na parte de estatística
descritiva para as amostras. Lembre-se de que, a partir de informações desse tipo, definíamos as medidas
de posição e as medidas de dispersão para as amostras. De maneira semelhante iremos agora definir
as mesmas medidas para as populações, com a diferença que para amostras são valores reais e para
população valores prováveis, ou esperados.
Como fizemos com as tabelas de frequências, poderíamos apresentar esses mesmos dados na forma
gráfica, com um histograma, por exemplo:
30,00%
25,00%
20,00%
15,00%
10,00%
5,00%
0,00%
0 1 2 3 4 5 6 7 8 9 10
Figura 44
166
ESTATÍSTICA
Por exemplo, a nota média final que você tirou em uma matéria do primeiro semestre é algo real,
definido e exato. É uma média amostral. Já a média que você tirará numa matéria do oitavo semestre
é um valor provável (apesar de poder ser estimada tomando os devidos cuidados). Chamamos esta de
média populacional. O que se reproduz para as demais medidas estatísticas.
Observação
A média de uma população é um valor provável ou, se preferir, esperado, e é calculado de maneira
semelhante ao que foi calculado na amostra, mas utilizando-se os valores de probabilidades ao invés
das frequências.
Utiliza-se como símbolo da média populacional a letra grega µ (mi), ou então o símbolo E(x),
significando a esperança de x ou o valor esperado para x, e é obtida pela fórmula:
n
E ( x ) = p1x1 + p2x2 + p3x 3 + …+ pnxn = ∑pixi
1=1
Usando os dados do exemplo 3, vamos efetuar o cálculo do valor esperado ou média populacional.
Perceba a semelhança com o cálculo da média amostral feita em estatística descritiva.
167
Unidade III
Tabela 70
A B C D=AxC
Probabilidade de Probabilidade de
Número de ações em alta ocorrência em percentual ocorrência em decimal pi × xi
xi pi
0 0,03% 0,0003 0,0000
1 0,42% 0,0042 0,0042
2 2,29% 0,0229 0,0458
3 7,46% 0,0746 0,2238
4 15,96% 0,1596 0,6383
5 23,40% 0,2340 1,1702
6 23,84% 0,2384 1,4302
7 16,65% 0,1665 1,1653
8 7,63% 0,0763 0,6104
9 2,07% 0,0207 0,1865
10 0,25% 0,0025 0,0253
Somatório E (x)= 5,5000
Isso significa que o valor esperado de ações em alta nessa Bolsa é de 5,5 ações, das dez consideradas.
Podemos afirmar que, em cada dez ações acompanhadas, 5,5 devem estar em alta. Perceba que não é
uma certeza, é um valor sujeito à variabilidade.
Observação
A variabilidade a que nos referimos é medida pela variância (ou pela sua raiz quadrada o
desvio padrão), que tem as mesmas definição e características daquela definida para a amostra e é
calculada pela fórmula:
( )
Var ( x ) = E x2 − E ( x )
2
168
ESTATÍSTICA
Tabela 71
( )
Var ( x ) = E x2 − E ( x ) → Var ( x ) = 32,7 − [5,5] = 32,7 − 30,3 = 2,4
2 2
Lembrete
Você se lembra de que o desvio padrão é a raiz quadrada da variância? O símbolo do desvio padrão
populacional é a letra grega σ (sigma), portanto:
σ = Var ( x )
Todas essas informações estatísticas, que acabamos de ver e calcular para o caso do lote de ações
da Bolsa de Valores, podem ser apresentadas na forma gráfica, de modo semelhante ao que fizemos
para as amostras.
169
Unidade III
Observe que, enquanto no eixo horizontal continuamos a colocar os valores envolvidos, no eixo
vertical colocamos agora as probabilidades, e não mais as frequências. De resto são gráficos bastante
semelhantes, com a já sabida e repisada diferença de que um apresenta valores reais (quando trabalhamos
com amostras) e o outro, valores prováveis (para a população).
25%
20%
15%
Probabilidades
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10
µ-σ µ+σ
µ
Número de ações em alta
Figura 45
• A média (µ) ou valor esperado para essa distribuição, representada pela linha tracejada central.
• A variação de um desvio padrão (σ) para mais, representada pela linha traço ponto da direita.
• A variação de um desvio padrão (σ) para menos, representada pela linha traço ponto da esquerda.
• Uma curva que passa pelo topo de todas as colunas, centrada na média e com inflexões nos
desvios padrões para mais e para menos.
Essa curva extremamente importante para a estatística é a normal. Verifique, por ora, que
é evidente o fato de que, quanto maior for o número de colunas, mais definida será a referida
curva, em outras palavras a distribuição binomial tende à distribuição normal quando o número
de elementos envolvidos aumenta. Veremos mais à frente que, quando n ≥ 30, as distribuições
praticamente se confundem.
170
ESTATÍSTICA
Essa distribuição trata de eventos relativamente raros e tem como característica o fato de contar
os sucessos, mas não os fracassos. Perceba que o número de clientes que comparecem à uma agência
bancária é relativamente pequeno em comparação ao total de clientes dessa agência.
Outra característica importante é que nessa distribuição é possível contar os sucessos, mas não
os insucessos ou falhas. Por exemplo, podemos contar o número de clientes que vão à uma agência
bancária, mas não os que não vão.
• Devemos contar o número de vezes que determinado evento ocorre num intervalo de
tempo ou espaço.
Nessas condições, a probabilidade que ocorra exatamente x ocorrências em um intervalo é dada por:
P (x) =
( λt ) e −λt
x
x!
Onde:
171
Unidade III
Observação
Exemplo 1
Uma grande agência bancária recebe em seus caixas em média dez clientes por hora. Qual a
probabilidade de que em um intervalo de meia hora receba exatamente quatro clientes?
Temos que:
t = 0,5 (hora)
x=4
P (x) =
( λt )x e−λt → P (10 × 0,5)4 e−(10×0,5) = 54 × e −5
(4 ) = =
x! 4! 1× 2 × 3 × 4
625x0,00674 4,21250
= = = 0,1755 ou 17,55%
24 24
A probabilidade de exatamente quatro clientes comparecerem no intervalo de meia hora nos caixas
dessa agência é de 17,55%.
Exemplo 2
Uma pesquisa do Ibama revelou que em determinada região amazônica existem uma média de
2,6 onças por 100 km2. Qual a probabilidade de serem encontradas exatamente duas onças numa área
florestal com 25 km2?
Temos que:
(
λ = 2,6 onças por 100 km2 )
172
ESTATÍSTICA
( )
t = 25 km2
x=2
Exemplo 3
Uma grande siderúrgica tem uma média de 14 acidentes por ano. Qual a probabilidade que ela passe
um mês sem nenhum acidente?
Temos que:
t = 1 (mês)
x=0
0 1
1 −14 ×12
14 × e
P (x) =
( λt ) e
x −λt
→ P ( 0) =
12
=
1 × e −1,667
=
x! 0! 1
1x0,3114 0,3114
= = = 0,3114 ou 31,14%
2 1
Como na distribuição binomial a média, a variância e o desvio padrão podem ser calculados por
fórmulas previamente demonstradas, são elas:
Média: µ = λ ⋅ t
Variância: σ2 = λ ⋅ t
Desvio padrão : σ = λ ⋅ t
173
Unidade III
Exemplo 4
Uma máquina automática de venda de refrigerantes apresenta em média três falhas por semana.
Calcular para um intervalo de 210 dias de funcionamento.
Temos
3
λ = 3 falhas por semana ou por dia
7
t = 210 dias
3
µ = λ ⋅ t = × 210 = 90 falhas
7
3
σ = λ⋅t = × 210 = 90 = 9,5 falhas
7
Exemplo de aplicação
Uma refinaria de petróleo tem capacidade de receber e abastecer de gasolina no máximo quatro
caminhões por dia. Caso receba mais do que quatro caminhões, o excesso deverá pernoitar num
estacionamento próximo. Sabe-se que em média chegam três caminhões por dia. Qual a probabilidade
de, em dado dia, alguns caminhões terem de pernoitar para abastecer no dia seguinte?
Resolução
A necessidade de pernoite ocorre quando há mais do que quatro caminhões para serem abastecidos,
logo, quando há menos do que isso, a refinaria atende no mesmo dia. Devemos então calcular a
probabilidade da presença de quatro ou de três ou de dois ou de um ou de zero caminhões. Nesses casos,
todos serão atendidos, portanto a probabilidade complementar corresponde aos não atendimentos.
t = 1 (dia)
x = 0; 1; 2; 3; 4
174
ESTATÍSTICA
0 1
1 −14 ×12
14 × e
P (x) =
( λt ) e −λt
x
→ P (4 ) =
12
=
x! 0!
1 × e −1,667 1x0,3114 0,3114
= = = = 0,3114 ou 31,14%
1 2 1
( λt ) e −λt ( 3 × 1) e −(3×1) 1 × e −3
x 0
P (x) = →P ( 0) = = = 0,0498
x! 0! 1
( λt ) e −λt ( 3 × 1) e −(3×1) 3 × e −3
x 1
P (x) = → P (1) = = = 0,1494
x! 1! 1
( λt ) e −λt ( 3 × 1) e −(3×1) 9 × e −3
x 2
P (x) = →P (2 ) = = = 0,2240
x! 2! 2
( λt ) e −λt ( 3 × 1) e −(3×1) 27 × e −3
x 3
P (x) = →P (3) = = = 0,2240
x! 3! 6
( λt ) e −λt ( 3 × 1) e −(3×1) 81 × e −3
x 4
P (x) = →P (4 ) = = = 0,1680
x! 4! 24
175
Unidade III
• centrado na média;
25%
20%
15%
Probabilidades
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10
µ-σ µ+σ
µ
Número de ações em alta
Figura 46
Vamos entender a distribuição normal a partir da próxima tabela. Nela estão relacionados dados
referentes às ações em alta de três diferentes bolsas de valores. Foram acompanhadas 30 diferentes
ações em cada uma das bolsas e calculados os comportamentos estatísticos, através dos conceitos de
valores esperados para a binomial. Cada uma delas com um comportamento diferente expresso pela
média e pelo desvio padrão.
Tabela 72
176
ESTATÍSTICA
Observação
Essas mesmas informações estão mostradas no gráfico a seguir. Perceba que retiramos as colunas
do histograma e mantivemos apenas a curva. Essas curvas são as chamadas distribuições normais.
Quando o número de observações (tentativas) numa distribuição binomial aumenta, ela se aproxima
cada vez mais da distribuição normal, até que ficam indistinguíveis. Chama-se a isso de aproximação da
binomial pela normal.
20%
f (x) Bolsa C (24; 2; 19)
18%
Bolsa A (9; 2; 51)
16%
Bolsa B (15; 2; 74)
14%
12%
10%
8%
6%
4%
2%
0%
0 5 10 15 20 25 30
Número de ações em alta (x)
Figura 47
Lembrete
Percebe-se também que a curva que apresenta o maior desvio padrão é a mais baixa e achatada
(Bolsa B) e a que apresenta menor desvio padrão mais alta e afilada (Bolsa C).
A Bolsa com maior probabilidade de ter ações em alta (Bolsa C) possui o gráfico deslocado para a
direita, enquanto a com menor probabilidade (Bolsa A) está deslocada para a esquerda. A Bolsa B, que
tem 50% de suas ações em alta, está localizada exatamente em torno do valor central e, percebe-se, é
mais regular, menos “deformada” que as outras.
Resumindo, a curva normal é determinada em todos os seus aspectos pela média e pelo
desvio padrão. Conhecendo esses dois parâmetros, conheceremos o comportamento probabilístico
do experimento.
Observe agora a curva referente à Bolsa B. Perceba que ela é absolutamente simétrica em
relação ao eixo vertical. O lado esquerdo dela em relação à média é idêntico ao lado direito.
Em outras palavras, metade da área sob essa curva está do lado esquerdo da média e metade
está do lado direito; a probabilidade de se ter 15 ações ou mais em alta nessa bolsa é de 50%,
assim como a probabilidade de se ter 15 ações ou menos. Essa é uma importante decorrência das
distribuições contínuas, entre elas a normal: as probabilidades são proporcionais às áreas definidas
pelos valores envolvidos.
Exemplo 1
Uma empresa de pneumáticos acompanhou a vida útil de uma quantidade considerável de pneus
de um determinado tipo e chegou à conclusão que essa vida útil é normalmente distribuída e tem uma
média de 42.000 km com desvio padrão de 5.800 km. Um cliente adquire um desses pneus e o instala
no seu automóvel. Qual é a probabilidade que ele dure mais do que 50.000 km?
178
ESTATÍSTICA
Vida útil
42 em milhares de km
0 5 20 35 50 65
Figura 48
Na área sob a curva estão representados todos os possíveis pneus desse tipo, desde o que menos
rodou ou rodará até o que mais rodou ou rodará, ou seja, está representada a população dos pneus desse
tipo. Perceba que o pneu que menos roda faz isso por aproximadamente 25.000 km e o mais resistente
roda cerca de 65.000 km.
Se todos os pneus estão representados pela área total (At) e os pneus que duram 50.000
ou mais quilômetros, na área vermelha (Ap = área pedida), então é lógico deduzir a partir
do que já sabemos:
Ap
P (pneurodar
P(pneu rodar 50.000
50.000 km ou mais)) =
oumais
At
Nessas circunstâncias, calcular a probabilidade significa calcular duas áreas. Não é uma tarefa fácil,
matematicamente, mas foram desenvolvidos procedimentos que facilitam esses cálculos.
Logo a seguir mostraremos como são esses procedimentos. Por ora, você acreditará quando digo que
a área dada desse exercício corresponde a 8,38% da área total, portanto:
179
Unidade III
Saiba mais
Como notamos na resolução da questão anterior, o cálculo de uma probabilidade que segue
a distribuição normal é relativamente fácil e pouco trabalhoso; o grande problema é calcular as
áreas envolvidas.
Esse tipo de cálculo é matematicamente muito trabalhoso e teria que ser refeito a cada problema a
se resolver, visto que, como cada curva normal é caracterizada pela média e pelo desvio padrão, qualquer
alteração nesses parâmetros provocaria uma mudança na curva e consequentemente o recálculo das
áreas envolvidas.
Para facilitar esses cálculos que são repetidos centenas de milhares de vezes, foi estabelecida uma
curva padrão, chamada de curva normal reduzida, a partir da qual, por analogia, determinam-se as
áreas de situações práticas.
180
ESTATÍSTICA
P (z)
Z
-4 -3 -2 -1 0 1 2 3 4
68,2%*
95,4%*
99,7%*
100,0%*
Figura 49
Essa curva tem várias características interessantes que facilitarão nossos cálculos:
• Utiliza-se a variável reduzida (padrão) z para diferenciar da variável real, aquela que envolve os problemas
práticos que continuaremos a chamar de x (por exemplo, vida útil do pneu do nosso exemplo).
• É construída para uma média igual a zero e um desvio padrão igual a 1 (µ=0; σ=1).
• A curva varia, no eixo z, desde -4 até mais 4, ou seja, de menos quatro desvios padrões da média
até mais quatro desvios padrões da média.
• A relação entre a curva normal reduzida e a curva normal real é feita pela fórmula:
x−µ
z=
σ
Onde:
z é a variável reduzida
x é a variável real
181
Unidade III
µ é a média real
Como veremos logo a seguir, os cálculos de probabilidades através da distribuição normal são feitos
por analogia entre uma situação real, caracterizada por valores específicos de µ e σ, e uma situação
padrão caracterizada por uma média igual a zero e um desvio padrão igual a 1.
Perceba que, entre um desvio padrão para menos, em relação à média, e um desvio padrão para mais,
a área é de 68,2% do total. Entre dois desvios padrões para menos e dois desvios padrões para mais, a
área é de 95,4% do total e assim por diante. Perceba que não existe área antes de quatro vezes o desvio
padrão para menos e depois de quatro vezes o desvio padrão para mais, ou seja, é estatisticamente
impossível ocorrer algo que se distancie mais do que quatro vezes o desvio padrão da média.
O critério básico da tabela é que as áreas tabeladas começam sempre da extrema esquerda da curva
e terminam no valor de z que se está trabalhando. Como exemplo, vamos calcular a área tabelada para
z = -1,65, ou seja, o valor da área que começa na extremidade esquerda da curva e termina no valor -1,65.
P (z)
At
Z
-4 -3 -2 -1 0 1 2 3 4
z = -1,65
Figura 50
A área marcada começa na extrema esquerda e termina em z1 = -1,65, portanto é uma área tabelada
e o valor dela é obtido na tabela da seguinte forma:
182
ESTATÍSTICA
Tabela 73
Z 0 1 2 3 4 5 6 7 8 9
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
Perceba que a tabela tem duas páginas. Uma para valores de z positivos e outra para valores de z
negativos. No exemplo anterior usamos a tabela para valores de z negativos, obviamente. Na coluna
da esquerda localizamos os dois primeiros algarismos do z dado, ou seja, 1,6. Na linha de cabeçalho
localizamos o valor do último algarismo de z, o algarismo 5. A área tabelada é obtida pelo cruzamento
das duas informações. A área tabelada, mostrada no gráfico é, portanto, 0,0495.
Como já vimos, os valores de z serão obtidos por analogia com o problema que efetivamente
estivermos trabalhando. A questão a seguir mostrará todos os cálculos possíveis e imagináveis que
podem ser feitos nessa situação.
Exemplo 2
A produção mensal de um produto químico é normalmente distribuída com uma média de 12.500 toneladas
e desvio padrão de 1.200 toneladas. Calcular as probabilidades para se ter:
Nessa questão usaremos, inicialmente, a imagem das duas curvas. Uma supõe a situação real
(a produção do produto químico), a outra é a normal reduzida. Com isso conseguiremos mostrar a
analogia a ser feita.
A área que desejamos calcular está localizada à esquerda do valor 11.000 toneladas, ou seja, nos
meses em que produção está abaixo de 11.000 toneladas. Veja o gráfico:
183
Unidade III
Ap
Ap = At
Z
-4 -3 -2 -1 0 1 2 3 4
z = -1,25
Figura 51
O valor 11.000 toneladas, na situação real, corresponde ao valor -1,25 na situação reduzida, como
mostra a fórmula de conversão:
x − µ 11.000 − 12.500
z= = = −1,25
σ 1.200
Note que a média 12.500 corresponde à média zero na curva reduzida; o desvio padrão 1.200 ao
desvio padrão reduzido 1; o valor 11.000 ao valor reduzido -1,25, então podemos dizer que as duas áreas
sombreadas nos gráficos também são correspondentes. Sabendo o valor percentual de uma, sabemos o
valor percentual da outra.
Observe que as áreas tabeladas são sempre as que estão entre a extrema esquerda e o valor de z.
Exatamente o que ocorre nesse caso. Basta, portanto, obter o valor da área na tabela da curva normal reduzida.
Tabela 74
Z 0 1 2 3 4 5 6 7 8 9
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
184
ESTATÍSTICA
A probabilidade de que num mês qualquer se produza menos de 11.000 toneladas de produto químico
é de 10,56%.
A área que desejamos calcular está localizada à direita do valor 13.800 toneladas, ou seja, nos meses
em que a produção é superior a 13.800 toneladas.
Ap
Produção mensal
12.500 13.000
P (z)
Ap = 1 - At
Z
-4 -3 -2 -1 0 1 2 3 4
z1 = -1,08
Figura 52
O valor 13.800 toneladas na situação real corresponde ao valor 1,08 na situação reduzida:
x − µ 13.800 − 12.500
z= = = 1,08
σ 1.200
Portanto, se a média 12.500 corresponde à média zero na curva reduzida; o desvio padrão 1.200 ao
desvio padrão reduzido 1; o valor 13.800 ao valor reduzido 1,08, então podemos dizer que as duas áreas
185
Unidade III
sombreadas nos gráficos anteriores também são correspondentes. Sabendo o valor percentual de uma,
podemos calcular o valor percentual da outra.
Observe, no entanto, que as áreas tabeladas são sempre as que estão entre a extrema esquerda
e o valor de z, o que não ocorre nesse caso. Temos então que estabelecer uma relação entre as
áreas envolvidas.
Note que a área total sob a curva normal reduzida é igual a 1. A área que permanece em branco no
gráfico é tabelada, portanto, a área que desejamos é igual a um menos a área tabelada:
Tabela 75
Z 0 1 2 3 4 5 6 7 8 9
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
Assim a probabilidade de que num mês qualquer se produza acima de 13.800 toneladas é de 14,01%.
A área que desejamos calcular está localizada entre os valores 12.000 e 13.500 toneladas,
ou seja, corresponde aos meses em que se produz mais de 12.000 toneladas e menos de
13.500 toneladas.
186
ESTATÍSTICA
P (z)
Ap
At1
Z
-4 -3 -2 -1 0 1 2 3 4
z1 = -0,42 z1 = 0,83
Ap = At1 - At2
At2
Z Z
-4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4
z1 = -0,42 z1 = 0,83 z1 = -0,42 z1 = 0,83
Figura 53
O valor 12.000 toneladas na situação real corresponde ao valor -0,42 na situação reduzida e o valor
13.500 a 0,83. Veja os cálculos a seguir:
x − µ 12.000 − 12.500
z1 = = = −0,42
σ 1.200
x − µ 13.500 − 12.500
z2 = = = 0,83
σ 1.200
Observe que as áreas tabeladas são sempre as que estão entre a extrema esquerda e o valor de z, o
que não ocorre nesse caso. Assim sendo, temos que efetuar um raciocínio que permita o cálculo.
187
Unidade III
Note que, se entrarmos na tabela com o valor de z igual a – 0,42 iremos obter a área 0,3372. Essa
área é a localizada à esquerda de z1 = - 0,42. No gráfico é a área tabelada 1 (At1).
Para o valor z2 igual a 0,83, a área obtida é 0,7967. Essa área está à esquerda de z2. No gráfico é a
área tabelada 2 (At2).
Tabela 76
Z 0 1 2 3 4 5 6 7 8 9
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,8 0,7881 0,7910 0,7939 0,7987 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
Perceba que a área de 0,7987 nada mais é do que a área 0,3372 mais a área cujo valor estamos
procurando, logo, o valor da área procurada é a diferença das áreas que lemos na tabela, ou seja:
Portanto a probabilidade de que num mês qualquer se produza entre 12.000 e 13.500 é de 46,15%.
As questões a seguir serão resolvidas sem mostrarmos os gráficos e tabela, já que são repetitivos em
relação aos três anteriores.
Como desejamos calcular uma probabilidade e, consequentemente, uma área entre dois valores,
devemos calcular a área à esquerda de cada um deles e depois subtrair a menor da maior:
x − µ 13.000 − 12.500
z1 = = = 0,42 → tabela → A t1 = 0,6628
σ 1.200
x − µ 15.000 − 12.500
z= = = 2,08 → tabela → A t2 = 0,9812
σ 1.200
A probabilidade de num determinado mês serem produzidas entre 13.000 e 15.000 toneladas de
produto químico será de 31,84%.
Como desejamos calcular a probabilidade de a produção ser inferior a 14.200 toneladas, basta
calcular a área à esquerda do valor de z correspondente:
188
ESTATÍSTICA
x − µ 14.200 − 12.500
z= = = 1,42 → tabela → A t = 0,9222
σ 1.200
Ap = A t = 0,9222 ou 92,22%
A probabilidade de num determinado mês serem produzidos menos de 14.200 toneladas de produto
químico é de 92,22%.
Como desejamos a probabilidade de a produção ser superior a 10.000 toneladas, devemos calcular a
área à esquerda do valor de z correspondente e tirá-la de 1:
x − µ 10.000 − 12.500
z= = = −2,08 → tabela → A t = 0,0188
σ 1.200
Portanto, a probabilidade de num determinado mês serem produzidas mais de 10.000 toneladas de
produto químico é de 98,12%.
Exemplo 1
Uma oficina automotiva efetua seus consertos no tempo médio de 45 minutos com desvio padrão
de oito minutos, normalmente distribuído. Nessas circunstâncias pergunta-se:
• Qual é a previsão de tempo de trabalho que a oficina deve passar ao cliente para que tenha 90%
de probabilidades de efetuar o trabalho dentro do prazo?
• Qual é a previsão de tempo de trabalho que a oficina deve passar ao cliente para que tenha no
máximo 30% risco de efetuar o trabalho dentro do prazo?
189
Unidade III
Observe a figura a seguir. A área sombreada corresponde a 90% da área total e é limitada pelo valor z,
que desejamos achar. O problema se resolve obtendo na tabela o valor de z correspondente a uma área
de 90% ou aproximada. Note, portanto, que utilizamos a tabela no sentido oposto que fizemos nos
exercícios anteriores.
P (z)
Ad = At = 90% ou 0,9000
Z
-4 -3 -2 -1 0 1 2 3 4
z=?
Figura 54
Z 0 1 2 3 4 5 6 7 8 9
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
Portanto, para que a área sombreada tenha o valor de 90%, é necessário que z seja igual a 1,28,
correspondente à área de 0,8997 (valor da tabela mais próximo de 0,9000 ou 90%).
x−µ
z= ∴ x = µ + zσ → x = 45 + (1,28) × 8 → x = 55,24
σ
Dessa maneira, se a oficina estimar em 55,24 minutos o tempo de conserto, ela terá uma probabilidade
de 90% de não ultrapassar o tempo.
O cálculo é semelhante ao item anterior, com a diferença de que a área dada está à direita do gráfico,
como mostra a figura.
190
ESTATÍSTICA
P (z)
At = 1 - Ad = 1 - 0,3000 = 0,7000
Ad = 30% ou 0,3000
Z
-4 -3 -2 -1 0 1 2 3 4
z=?
Figura 55
Por causa disso, devemos entrar na tabela com a área de 70%. Lembre-se de que todas as áreas
tabeladas começam na extremidade esquerda da curva. Para uma área de 70%, o valor de z deverá
ser 0,52, portanto:
x−µ
z= ∴ x = µ + zσ → x = 45 + ( 052) × 8 → x = 49,16
σ
Dessa maneira, se a oficina estimar em 49,16 minutos o tempo de conserto, ela terá uma probabilidade
de 70% de não ultrapassar o tempo, ou seja, um risco de 30% de não cumprir ao prometido.
Exemplo de aplicação
A empresa Doces Venenos S.A. produz e comercializa o produto químico environmental detonation,
conhecido pela sigla ED. As vendas mensais do ED são normalmente distribuídas com média de 1.000
caixas e desvio padrão de 200 caixas. As quantidades mensais produzidas também se distribuem
normalmente com média de 1.200 caixas e desvio padrão de 300 caixas. Nessas condições apresentadas
deseja-se saber:
• Qual é o valor máximo de vendas ocorrido em 15% dos piores meses (naqueles em que
menos se vende)?
• Qual a produção mínima ocorrida em 25% dos melhores meses (naqueles em que mais se produz)?
• Em determinado mês as vendas foram limitadas pela empresa a 700 caixas. Qual a probabilidade
de faltar produto para ser entregue aos clientes?
191
Unidade III
• Em determinado mês, a produção foi orientada a produzir exatamente 1.200 caixas. Qual a
probabilidade de faltar produto?
• Considerando que não sejam feitas limitações externas de qualquer tipo, qual a probabilidade de
se gerar estoques em algum mês em particular?
Resolução
A probabilidade de se venderem mais do que 1.500 caixas é dada por uma área da curva normal à
direita da desse valor. Portanto, devemos localizar na tabela a área à esquerda do valor de z e tirar de 1
(ou 100%). Assim temos:
x − µ 1.500 − 1.000
z= = = 2,50 → A t = 0,9938
σ 200
A probabilidade de se produzirem menos que 850 caixas num mês é dada por uma área à esquerda
do valor, portanto, basta calcular a área tabelada.
x − µ 850 − 1.200
z= = = −1,17 → A t = 0,1210
σ 300
Ap = A t = 0,1210 ou 12,10%
Existe uma probabilidade de 12,10% que em um determinado mês sejam produzidas menos do que
850 caixas de produto.
Os piores meses de vendas estão localizados do lado esquerdo da curva normal das vendas. Os 15%
piores meses correspondem a uma área de 0,1500 à esquerda cujo valor da variável reduzida limitante
é z = -1,04 (valor mais aproximado correspondente na verdade a uma área de 0,1492). Com esses dados
podemos calcular o valor máximo de vendas que ocorre nesses piores meses.
Nos 15% piores meses de vendas a empresa vende 792 caixas ou menos.
192
ESTATÍSTICA
Os melhores meses de produção estão localizados do lado direito da curva normal de produção,
e 25% dos melhores meses de produção correspondem a uma área de 0,2500 à direita. Essa área não é
tabelada, mas, se tirarmos ela de 1 (ou 100%), encontraremos a área tabelada.
Em 25% dos melhores meses de produção a empresa produz no mínimo 1.401 caixas de produto.
A empresa limitou as vendas em determinado mês a 700 caixas. Isso significa que ela terá de produzir
700 caixas ou mais para que nenhum cliente fique sem ser atendido. A probabilidade de que a empresa
produza menos do que 700 caixas é de:
x − µ 700 − 1.200
z= = = −1,67 → A t = 0,0475
σ 300
Ap = A t = 0,0475 ou 4,75%
Existe uma probabilidade de 4,75% de que a empresa, mesmo tendo vendido pouco, não consiga
atender a todos os clientes porque sua produção foi excepcionalmente ruim.
A produção está limitada a exatamente 1.200 caixas, logo não pode ser vendida mais do que essa
quantidade, sob o risco de não se atender a todos os pedidos. A probabilidade de que isso ocorra é:
x − µ 1.200 − 1.000
z= = = 1,00 → A t = 0,8413
σ 200
Nessas condições, existe uma probabilidade de 15,87% de que se venda mais do que a produção
fixada e nem todos os clientes sejam atendidos.
Estoque, nesse contexto, é definido como a diferença entre produção e vendas. Numa situação
que não houvesse variações, o estoque seria calculado simplesmente subtraindo o volume vendido do
valor produzido, ou seja, o estoque gerado mensalmente seria de 200 caixas (1.200 produzidas menos
1.000 vendidas).
Ocorre, no entanto, que existem variações, caracterizadas pelos desvios padrões e elas têm de ser
consideradas. Em um mês pode-se vender muito mais e produzir muito menos e aí o estoque seria
menor ou inexistente ou, ao contrário, produzir muito mais e vender menos, gerando estoques maiores.
193
Unidade III
Essa análise é feita através da distribuição normal, como mostra a figura a seguir:
Produção Vendas Estoque
# P>V(gera estoque)
P<V(falta produto)
#
0
µP = 1.200 µV = 1.000 µE = µV - µV = 1.200 - 1.000 = 200
Figura 56
O comportamento estatístico tanto das vendas como da produção são distribuições normais e
consequentemente o comportamento dos estoques também o será. O cálculo da média esperada de
estoques é intuitivo. É a diferença entre o que é produzido e o que é vendido:
Os efeitos dos desvios padrões se somam, e não se subtraem. Um desvio padrão é a expressão das
variações ocorridas num processo qualquer (no caso produção e vendas). Essas variações evidentemente
se somam e não se subtraem. Uma subtração imaginaria a compensação dos problemas de um
processo pelos do outro.
O desvio padrão toma os desvios ao quadrado, então a soma deles deve ser considerada com
o mesmo critério.
Assim temos:
A partir daí seguimos os cálculos já feitos anteriormente. Como desejamos calcular a probabilidade
de gerar estoques devemos calcular a área acima de 0 (zero seria a situação em que não sobraria nem
faltaria produto). A área sombreada, portanto, corresponde à probabilidade de gerar estoque e segue os
cálculos conhecidos.
x − µ 0 − 200
z= = = −0,55 → tabela → A t = 0,2912
σ 361
194
ESTATÍSTICA
Observação
Resumo
195
Unidade III
Exercícios
Questão 1. Um dado honesto é lançado três vezes. A probabilidade de que, nesses três lançamentos,
obtenhamos a face 1 duas vezes é aproximadamente igual a:
A) 0,50.
B) 0,25.
C) 0,18.
D) 0,07.
E) 0,03.
Análise da questão
196
ESTATÍSTICA
Queremos conhecer o número total de sucessos, que corresponde ao número de vezes em que temos
a face 1 em três lançamentos de um dado honesto. Para isso, construímos a árvore de probabilidades
mostrada na figura a seguir.
p S
p S q F
S p S
p q
F q F
p S
q p S q F
F p S
q
F q F
Pela análise da árvore de probabilidades, podemos construir a tabela a seguir, em que X representa o
número de sucessos. Nela, indicamos a probabilidade procurada em negrito, que equivale a p (X=2) = 0,0694.
Ou seja, a probabilidade solicitada pelo enunciado é aproximadamente igual a 0,07.
n! k n−k
P(X = k) = pq
k! (n − k )!
197
Unidade III
2 1
3! 1 5
P(X = 2) =
2! (3 − 2)! 6 6
3! 1 5 3.2! 1 5 5
P(X = 2) = = = = 0,0692 ≅ 0,07
2!1! 36 6 2! 36 6 72
Questão 2. (Enade 2014) Suponha que a distância percorrida por um ciclista que pedala regularmente
pode ser inferida pela variável aleatória x, com densidade de probabilidade normal, tal que:
−
( x −µ )2
1 2σ2
f(x : µ, σ2 ) = e
2πσ2
Na expressão, temos μ=25 km e σ2=25 km2. A duração média do seu treino é de 1h15min.
V – A velocidade média de cada treino, em um desvio padrão, está entre 16 km/h e 24 km/h.
A) I.
B) I e IV.
C) II e III.
D) III e V.
E) II, IV e V.
198
ESTATÍSTICA
Antes de fazermos a análise das afirmativas, precisamos lembrar que a distribuição normal de
probabilidades é uma curva em formato de sino dada por:
−
( x −µ )2
1 2σ2
f(x : µ, σ2 ) = e
2πσ2
O valor médio está associado ao pico da distribuição normal e é o valor mais frequente. O desvio
padrão está relacionado à largura da curva da distribuição de probabilidades e, consequentemente, ao
“espalhamento” dos dados em torno da média.
0,13% 0,13%
2,14% 13,60% 34,13% 34,13% 13,60% 2,14%
-3 -2 -1 0 1 2 3
Desvios padrões
199
Unidade III
I – Afirmativa incorreta.
Justificativa: a velocidade média é a razão entre o espaço percorrido e o tempo gasto nesse trajeto.
Logo, no caso em estudo, a velocidade média é a razão entre a distância média de 25 km e o tempo de
1h15min (1,25 h) gasto no percurso, conforme segue.
µ 25
v= = = 20km / h
∆t 1,25
II – Afirmativa correta.
Justificativa: a média da distribuição de probabilidades é μ=25 km. Logo, a distância média percorrida
em cada treino é igual a esse valor.
Justificativa: o problema não faz referência alguma à área, já que a quantidade σ2=25 km2 representa
a variância, ou seja, o quadrado do desvio padrão dos dados.
IV – Afirmativa correta.
V – Afirmativa correta.
µ ± σ 25 ± 5
v= = = 20 ± 4km / h
∆t 1,25
200
FIGURAS E ILUSTRAÇÕES
Figura 5
IBGE. Índice Nacional de Preço ao Consumidor – IPCA. [s.d.]. Disponível em: https://www.ibge.gov.br/
estatisticas/economicas/precos-e-custos/9256-indice-nacional-de-precos-ao-consumidor-amplo.
html?=&t=series-historicas. Acesso em: 29 out. 2020. Adaptada.
REFERÊNCIAS
Audiovisuais
MONEYBALL. Direção: Bennett Miller. Estados Unidos: Columbia Pictures, 2011. 133 min.
QUEBRANDO a banca. Direção: Robert Luketic. Estados Unidos: Relativity Media, 2008. 123 min.
Textuais
AGRESTI, A.; FINLAY, B. Métodos estatísticos para ciências sociais. 4. ed. Porto Alegre: Penso, 2012.
ALBIERI, S. Pesquisas por amostragens: política de divulgação de estimativas com baixa precisão
amostral. In: V CONFERÊNCIA NACIONAL DE ESTATÍSTICA (Confest), 5., 2006, Rio de Janeiro. Rio de
Janeiro: IBGE, 2006. Disponível em: https://www.ibge.gov.br/confest_e_confege/pesquisa_trabalhos/
CD/mesas_redondas/294-3.pdf. Acesso em: 27 out. 2020.
APRENDENDO GESTÃO. Árvores de decisão: exemplo completo. [s.d.]. Disponível em: https://
aprendendogestao.com.br/2019/09/21/arvores-de-decisao-exemplo-completo. Acesso em: 3 nov. 2021.
BARROW, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 2007.
BUSSAB, W. O.; MORETIN, P. A. Estatística básica. 5. ed. São Paulo: Saraiva, 2004.
CASELLA, G.; BERGER, R. L. Inferência estatística. São Paulo: Cengage Learning, 2010.
201
CHIARETTI, M. Uma questão de inteligência: livro A curva normal não é científico. SuperInteressante,
31 jan. 1995. Disponível em: https://super.abril.com.br/ciencia/uma-questao-de-inteligencia-livro-a-
curva-normal-nao-e-cientifico/. Acesso em: 28 out. 2020.
COSTA, G. G. O. Curso de estatística básica: teoria e prática. São Paulo: Atlas, 2011.
COSTA, G. G. O. Curso de estatística inferencial e probabilidades: teoria e prática. São Paulo: Atlas, 2012.
COSTA NETO, P. L. O.; CYMBALISTA, M. Probabilidades. São Paulo: Edgard Blücher, 1974.
DOWNING, D.; CLARK, J. Estatística aplicada. 2. ed. São Paulo: Saraiva 2003.
FERREIRA, A. B. H. Novo Aurélio século XXI: o dicionário da língua portuguesa. Rio de Janeiro, Nova
Fronteira, 1999.
FONSECA, J. S.; MARTINS, G. A.; TOLETO, G. L. Estatística aplicada. São Paulo: Atlas, 1995.
GUERRA, M.; GUERRA, M. J.; DONAIRE, D. Estatística aplicada. São Paulo: Ciência e Tecnologia, 1991.
IBGE. Índice Nacional de Preço ao Consumidor – IPCA. [s.d.]. Disponível em: https://www.ibge.gov.br/
estatisticas/economicas/precos-e-custos/9256-indice-nacional-de-precos-ao-consumidor-amplo.
html?=&t=series-historicas. Acesso em: 29 out. 2020.
KAZMIER, L. J. Estatística aplicada à economia e administração. São Paulo: Makron Books, 1982.
KUNE, H. Métodos estatísticos para a melhoria da qualidade. São Paulo: Gente, 1993.
LARSON, R.; FARBER, B. Estatística aplicada. 2. ed. São Paulo: Prentice Hall, 2004.
LEVINE, D. M.; BERENSON. M. L.; STEPHAN, D. Estatística: teoria e aplicações. Rio de Janeiro:
LTC, 2000.
202
LEWIS, M. Moneyball: o homem que mudou o jogo. Rio de Janeiro: Intrínseca, 2015.
MARTINS, G. A.; DONAIRE, D. Princípios de estatística. 4. ed. São Paulo: Atlas, 1990.
MARTINS, G. A.; DOMINGUES, O. Estatística geral e aplicada. 5. ed. São Paulo: Atlas, 2014.
MATOS, O. C. Econometria básica: teoria e aplicações. 2. ed. São Paulo: Atlas, 1997.
MAXIMIANO, A. C. A. Introdução à administração. 2. ed. c. rev. e at. São Paulo: Atlas, 2011.
MEDEIROS, E. et al. Estatística para os cursos de economia, administração e ciências contábeis. 4. ed.
São Paulo: Atlas, 2010. (v. 1 e 2)
MOORE, D. et al. A prática da estatística empresarial: como usar dados para tomar decisões.
Rio de Janeiro: LTC, 2006.
NEUFELD, J. L. Estatística aplicada à administração usando Excel. São Paulo: Pretince Hall, 2003.
NOVAES, D. V.; COUTINHO, C. Q. S. Estatística para educação profissional. São Paulo: Atlas, 2009.
OLIVEIRA, E. Enigma da vitória-régia vira exemplo em vídeo que explica o que é o crescimento
exponencial da pandemia. G1., 10 abr. 2020. Disponível em: https://g1.globo.com/bemestar/
coronavirus/noticia/2020/04/10/enigma-da-vitoria-regia-vira-exemplo-em-video-que-explica-o-que-
e-o-crescimento-exponencial-da-pandemia.ghtml. Acesso em: 3 nov. 2020.
PORTAL DO GOVERNO. Conheça Atibaia, a cidade que tem o 2º melhor clima do mundo. 31 dez. 2009.
Disponível em: https://www.saopaulo.sp.gov.br/ultimas-noticias/conheca-atibaia-a-cidade-que-
tem-o-2-melhor-clima-do-mundo/#:~:text=O%20munic%C3%ADpio%20do%20Atibaia%2C%20
distante,e%20a%20Cultura%20(Unesco). Acesso em: 27 out. 2020.
ROCHA, S. Estatística geral e aplicada para os cursos de engenharia. São Paulo: Atlas, 2014.
203
SARTORIS, A. Estatística e introdução à econometria. São Paulo: Saraiva, 2003.
SMAILES, J.; MCGRANE, A. Estatística aplicada à administração com Excel. São Paulo: Atlas, 2002.
TRIOLA, M. F. Introdução à estatística: atualização da tecnologia. 11. ed. Rio de Janeiro: LTC, 2015.
Sites
http://datafolha.folha.uol.com.br/ (Datafolha)
http://ibge.gov.br (IBGE)
https://www.ipea.gov.br/portal/ (Ipea)
http://www.periodicos.capes.gov.br/ (Capes)
https://www.scielo.br/ (SciElo)
Exercícios
204
Unidade III – Questão 2: INSTITUTO NACIONAL DE ESTUDOS E PESQUISAS EDUCACIONAIS ANÍSIO
TEIXEIRA (INEP). Exame Nacional de Desempenho dos Estudantes (Enade) 2014: Engenharia de
Produção. Questão 9. Disponível em: http://download.inep.gov.br/educacao_superior/enade/
provas/2014/16_engenharia_producao.pdf. Acesso em: 29 out. 2020.
205
ANEXO – ÁREAS SOB A CURVA NORMAL REDUZIDA
Z 0 1 2 3 4 5 6 7 8 9
-3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
-3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
206
Z 0 1 2 3 4 5 6 7 8 9
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
207
ANEXO – ÁREAS SOB A CURVA NORMAL REDUZIDA
Z 0 1 2 3 4 5 6 7 8 9
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
208
Z 0 1 2 3 4 5 6 7 8 9
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
209
210
211
212
Informações:
www.sepi.unip.br ou 0800 010 9000