Aula 04 Estatística

Estatística p/ AFRFB
Teoria e exercícios comentados

Prof. Jeronymo Marcondes - Aula 04
AULA 04 - Distribuições de Probabilidade 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 41
Gabarito 51
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
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 53
ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

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.
-“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:
casos favoráveis casos favoráveis

P(h = 1, 70) = = =0
total de casos possi veis + oo
Pois, se você dividir qualquer número inteiro por infinito (+ oo), 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) N° 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:
100
P(h = 1,70 - 1,80) = — = 50%
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 (f(x)). 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

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
falamos em frequência, mas vamos repassar o conceito com base em nosso
exemplo de alturas:
f(x]
1,7 1,B X
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 /(x ), portanto:
área = base x altura = 0, 1 x 5 = 0, 5
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 (x ,/(x )) 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, com tabelas e propriedades que permitem realizar inferências de
maneira simples, tal como no caso da distribuição normal da aula anterior. Vamos

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
estudar algumas distribuições de probabilidades discretas já definidas. Na próxima
aula estudaremos o caso de variáveis contínuas de forma mais aprofundada.
2. Distribuição Uniforme
CAIU
na prova!
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:
l
P(x = 1; x = 2; x = 3; x = 4; x = 5;x = 6) =
6
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.
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 (X) que vai de X1 a Xn,
sua esperança é dada por:
E {X )= X 1 - f 1 + X 2 - f 2 ...Xn -fn
Sendo f t a frequência relativa de Xt.
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:
E a variância do processo?
Ora, lembrem-se da propriedade ensinada na aula 01:
Variância = média dos quadrados —quadrado da média
Mas, nós já temos a média, que é a esperança do processo (£(x)). Agora fica fácil
ver que:
Variância = Var(x) = E(x2) —[E(x)]2

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
Agora é só aplicar a “fórmula”. Só falta calcular (£(x2)):
6 6 6 6 6 6 6
Portanto:
2 10 5
36
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 (p), que pode ser denominado "sucesso”, e outro com probabilidade
(1 - p), 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 (p = 0,5) chances de "sucesso”
e (1 - p = 0,5) 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 (p) e de erro por (1 - p).
Neste caso, qual a média do processo?

Ora, pode-se provar que:
E(x) = p
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:
£(x) = X1 - f 1 + X 2 - f 2 = l- 0 , 5 + 0-0, 5 = 0, 5
Outra característica importante de uma distribuição é sua variância! Do resultado

acima fica fácil ver que:
V ar(x) = p —p2
Isso porque:
Var(x) = £ (x 2) —[E(x)Y
Se x = l para sucesso e x = 0 para fracasso:
Var(x) = £ (x 2) — [£ (x )]2 = E(x) — [£ (x )]2 = p —p2
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 n 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?

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
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 (ü)?
ü = (cara, cara); (cara, coroa); (coroa, cara); (coroa, coroa)
Assim, as probabilidades são:
1
P( 2 caras) = —
1
P(2 coroas) =
4
Neste caso, podemos perceber que:
P(2 sucessos) = p ■p
P(2 fracassos) = ( 1 —p) ■(1 —p)
P( 1 sucesso e 1 fracasso) = 2 - p ■(1 —p)
O número 2 (dois) que multiplica o último membro se refere ao fato de que há duas
possibilidades de obtermos 1 sucesso e 1 fracasso, (cara, coroa) ou (coroa, cara).
E se você jogar 3 (três) vezes?
ü = (cara, cara, caroa); (cara, coroa, cara); (coroa, cara, cara); (cara, coroa, coroa);
(coroa, cara, coroa); (coroa, coroa, cara); (cara, cara, cara); (coroa, coroa, coroa)
Assim, as probabilidades são:

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
1
P(3 coroas) = ( 1 —p) • ( 1 - p ) - ( 1 —p) =
8
P( 1 cara e 2 coroas) = 3 • p • ( 1 —p) • ( 1 —p) =

8
Bom, daí você percebe que a probabilidade de qualquer resultado pode ser
generalizada da seguinte forma:
P(.) = pk( 1 - p ) n~k
Sendo k o número de sucessos, n o número de experimentos e n - k o número de

fracassos. Isso porque os experimentos são independentes.
atento!
“ “ Essa é uma pressuposição da distribuição binomial e de
Bernoulli: os experimentos devem ser independentes.
O problema é que qualquer sequência com k sucessos e n - k 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: (cara, coroa) e
(coroa, cara)\ Então, nós precisamos rrnultiplicar 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:
P( 1 cara e 1 coroa) = C2,i ' P ' ( 1 —p) = 2 " ^ = ^

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, (cara, coroa) e (coroa, cara) , 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:
P(sucessos = k) = Cnk -p k ■( 1 —p)n~k
-“Beleza professor, já entendi como calcular a probabilidade de ocorrência de

k sucessos em n 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 n experimentos de Bernoulli, pode-se

provar que:
E(x) = n - p
Var(x) = n - (p —p2)
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:
2
E(x) = 2 ---- h 1 • + 0 — = 1 = n ■p
4

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
Calculando a esperança dos quadrados:
A partir daí podemos calcular a variância:
Var(x) = £ (x 2) —[£(x)]2 = 1, 5 —1 = 0, 5 = n (p —p2)
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 n é

muito grande e p 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 de experimentos ser grande, pode-se aproximar a distribuição binomial pela
seguinte forma:
e np ■(n- p)k
PÇsucessos = k) =
Sendo e um número real que vale aproximadamente 2,7.
ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWWMATERIALPARACONCURSOS.COM

Muitas vezes, os livros textos substituem o operador n • p pela letra grega “lambda”
(1). Assim:
e~x ■(X)k
PÇsucessos = k) = ■
-“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
tome nota! 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
telefone toque em um determinado segundo é muito pequena mesma, apesar de
estarmos avaliando 300 segundos!
Assim, como o nosso p é muito pequeno, ( 1 - p ) se aproxima de 1. Portanto,

sabendo que (n-p = À) e que a distribuição de Poisson é uma generalização da
binomial:
E(x) = X
Var(x) = n - (p —p2) = n p ( l —p) = n p = X
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:
P{sucesso n a k —ésim a jo g a d a ) = (1 —p )fc_1 x p
Ora, isso é fácil de deduzir. Imagine que queiramos saber a probabilidade de que a
primeira cara ocorra na 3â jogada. Sem olhar a fórmula, como você faria?
Bom, você calcularia a probabilidade de que ocorressem 2 coroas seguidas, que é

de:
(2 M 2 K
Daí você multiplicaria tal resultado pela probabilidade de uma cara, que é de:
1
2
Assim:
1 1_ 1
4X2~8
Mas, isso é a própria fórmula:

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
3-i x 1 _ 1
PÇsucesso na k —ésima jogada) = ( 1 —p)k 1 x
H i)
Simples, não? Essa distribuição não costuma se muito cobrada em prova, mas
vamos prevenir.
ATENÇÃO
lecore!
' Assim, pode-se provar que, para uma variável (X) 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 possuem, fica claro que a probabilidade de sucesso (p) 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:
CS,k
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:
^ N -s ,n -k
Portanto, a probabilidade (p{k sucessos e n - k fracassos)) de, ao retirarmos uma

amostra de n elementos, sem reposição, “k” serem de sucesso e “n-k’ serem de
fracasso é de:
5 .71—K.
p{k sucessos e n —k fracassos) =
^N,n
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.
Veja que essa distribuição é muito semelhante à binomial, mas

acontece que ela não tem reposição Assim, pode-se provar que, para uma
variável (X) com distribuição hipergeométrica:
E(X) = n p
N —n\
Var{X) = n p ( l - p ) -
Viram que as expressões são bem parecidas? A única diferença é o ‘”fator de
ajuste” da variância (^ 77).

Prof. Jeronymo Marcondes -A ula 04
HORA DE
praticar!
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
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 1° 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 ser defeituosa é de 0,3. Tomando 0,06, 0,17 e 0,24 como valores
aproximados de 0,78, 0,75 e 0,74, respectivamente, julgue as afirmativas.
Exercício 3
Na produção de 400 itens o número esperado de peças defeituosas é de 150.

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
Resolução
Pessoal, nós estamos tratando de uma distribuição binomial, com o evento

"encontrar peça defeituosa” como sucesso, portanto:
E (x) = n- p
Assim:
£(x) = n - p = 400 - 0,3 = 120
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
tanto faz definir quem é sucesso ou fracasso, teste para ver). Assim, vamos utilizar
nossa fórmula para distribuição binomial:
PÇsucessos = k) = Cnk ■pk ■( 1 —p)n k
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:
PÇsucessos = k) = Cnk ■pk ■( 1 —p)n~k
Substituindo os valores:
5!
PÇsucessos = 3) = C53 • 0, 73 • 0, 32 = .„^ „ | • 0,343 • 0,09 = 0,3 087
. , 5!
PÇsucessos = 4) = C54 • 0, 74 • 0, 31 = • 0, 24 • 0, 3 = 0, 36
^1) \ 4!
PÇsucessos = 5) = C55 • 0, 75 • 0, 30 = 0, 17
A probabilidade de existirem, no máximo, duas peças defeituosas é de:
PÇsucessos = 3 U sufiessos = 4 U sucessos = 5)
Como os eventos são independentes, basta somar:
P(sucessos = 3 U sucessos = 4 U sucessos = 5 ) = 0,3 6 + 0, 1 7 + 0, 3 0 87 = 0 ,8 3 8 7
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 %
d) 30 % e 70 %
e) 25 % e 75 %
Resolução
No caso de 3 experimentos a probabilidade de 2 sucessos é de:
PÇsucesso = 2) = C32 • p2 • ( 1 —p)1 = 3 • p2 • (1 —p)
Já a probabilidade de 3 sucessos é de:

PÇsucesso = 3) = C33 • p3 = p3
Do enunciado sabemos que:
PÇsucesso = 2) = 12 ■PÇsucesso = 3)
Agora é só substituir e resolver a equação:
3 • p2 • ( 1 —p) = 12 • p 3
3p2 —3p3 = 12 ■p 3
3p2 —15p3 = 0
Se isolarmos p2, tem-se que:
p2( 3 —15p) = 0
Para que essa expressão seja verdade, ou (p = 0), o que não corresponde à
solução que buscamos, ou ( 3 - 15p = 0). Assim, resolvendo a expressão:
1
3 —15p = 0 ^ p = —= 0,2
Assim, a chance de fracasso é de:
P(fracasso) = 1 —0, 2 = 0,8
Alternativa (d).

Exercício 8
(SEJUS - UNIVERSA/2010) Em certo plano amostrai, 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:
£(x) = n- p = 100 • 0, 5 = 50
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) 4e~3
b) 4e~2
c) 3e~3
d) 1 - 4e~3
e) 1 - 3e~3
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.
Então, em uma amostra de 30 elementos, espera-se que 3 (10%) sejam

defeituosos, portanto:
X = n -p = 30-0, 1 = 3
Agora basta substituirmos:

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
PÇsucesso = k = 0) =
PÇsucesso = k = 1) =
Como os eventos são independentes, a probabilidade conjunta se dará pela

soma de ambos:
PÇsucesso = 1 ou 0) = 3- e 3 + e 3 = 4 - e 3
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) 5 ( 0 , 9 5 ) 5
b) 1 - (0,05)5
c) l - ( 0 , 9 5 ) 5
d) (0,95)5
e) 4,75 • (0,95)5
Resolução
Para facilitar a resolução deste exercício, fica mais fácil avaliar a probabilidade de
ninguém pagar a mensalidade com atraso (P{x = 0)) e fazer:
1 - P ( x = 0 ) = P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4) + P(x = 5)
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%:
p(x = 0) = C50 ■0,9 50 ■0,0 55 = 0,055
Assim, a probabilidade pedida é de:
1 - 0,055
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
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 (1). No caso, o exercício
quer saber a probabilidade de 0 (zero) sucessos.
Vamos usar a fórmula:

e~x -Àk
P{sucesso = k = 0) =
No caso, substituindo os valores:
Veja, este ln trata-se do logaritmo neperiano! Ou seja, ln de um número qualquer é:

o valor a que você deve elevar “e” (chamado de neper e que, como vimos, tem valor
próximo a 2,7) a fim de resultar neste número. Por exemplo:
x = ln (2)
Isso significa que:
ex = 2
Assim, sempre que você vir e elevado a ln, o resultado é o número na frente do ln.
Por exemplo:
eln2 = 2
Entendeu? Agora vamos voltar ao exercício.
PÇsucesso = k = 0) = e~ln10 = = — = 0,1
O gabarito original não tinha a resposta correta, mas neste nosso exemplo
modificado, alternativa (d).

Estatística p / AFRFB
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
Veja a palavrinha chave: "sem reposição”. Trata-se de uma variável com distribuição
hipergeométrica.
Qual a esperança de uma variável com distribuição hipergeométrica?
20
E{X) = n - p = 20 ■ =8
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:
135
PÇsucesso = 2) = C5j2 ■
16 '6 4 512
A questão foi anulada, pois não há alternativa certa.

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
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

nos deu o valor da média do processo, assim:
E(X) = 3
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?
P{X = 2 e X < 3 )
P(X = 2\X < 3 ) =
P(X < 3)
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:
P(X = l ) = p = 3
P(.X = 2) = p x ( i - v) = l x^2 = ^
P(X = 3 ) = p x ( l - p ) 2 = 3 x ^ = 2^
Agora, substitua na fórmula da probabilidade condicional:
P(X = 2 e X < 3 ) (g) (§) 6

P(X = 2\X < 3 ) =
P(X<3) ( l + 2+ ± \ n£\ 19
V3 + 9 + 27) V27)
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
"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:

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
0,5 x 600 = 300
Portanto, até acertar, você gastará, na média:
1100 + 300 = 1400
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
Tranquilo, não? Basta lembrar-se da nossa distribuição binomial.
Veja, vamos supor que nosso "sucesso” seja encontrar alguém que fala alemão.
Assim:
Alternativa (c).

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
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
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.
Ou seja, há trinta e seis combinações possíveis.
Quantas combinações têm soma menor do que 5?
Quantas somam dez?

(Soma = 10) = {( 4; 6); ( 5; 5); ( 6; 4)}
Portanto:
9 1
P(soma < 5 ou soma = 10) = = = 25%
36 4
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
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.

Estratégia
C O N C U R S O S ^
Estatística p / AFRFB
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:
1 ■3 ■2 = 6 possibilidades
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:
12
P(< 500 e par) = = 10%
Alternativa (b).

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:
3 4
b) e*
' 71
. 71 _4
c) e *
d) T e' 2
e) f e" 2
Resolução
Olha a distribuição de Poisson aí gente!
e np ■(n- p ) k
P(sucessos = k) = ■
k\
O que nós queremos saber é qual a probabilidade de que a refinaria receba zero,
um, 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 k = 0; 1; 2; 3?
e~4 ■(4)0
PÇsucessos = 0) = o = e 4

e“ 4 • (4) 1
PÇsucessos = 1) = = 4 ■e- 4
e“ 4 •( 4) 2
PÇsucessos = 2) = = 8 -e - 4
e -4 . (4)3 64 32
P(sucessos = 3) = - = -■ e- 4
T
Agora some!
3 e~4 + 12 e~4 + 2 4e~4 + 3 2 e “4

P(sucesso < 3 ) = e 4 + 4e 4 + 8 e 4 + ~ e 4 =
3
Alternativa (c).

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: e~2 = 0,14; e-4 = 0,018
Resolução
Vamos lembrar da fórmula de novo:
e~x ■(A)fc
P{sucessos = k) = ------ ■
A média (n-p) 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.
-“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:
12
A= t =4

A probabilidade de realizar, pelo menos, 3 atendimentos em uma hora é igual à:
P{pelo menos 3) = 1 —P(0) —P( 1) —P( 2)
Agora basta encontrar estes valores:
e~4 • (4)0 e~4 -1

P(sucessos = 0) = 0 =— = e~i
e~4 ' (4)1 e_4 ■4

P(sucessos = 1) = = = 4e 4
1! 1
e - 4 . (4) 2 e - 4 ■16
PÇsucessos = 2) = 2 = 2 =8e4
Portanto:
PÇpelo menos 3) = 1 —P( 0) —P( 1) —P( 2) = 1 —(e_4 + 4e_4 + 8e_4)

1 - 13e_4 = 1 - 13( 0, 0 18) = 0, 766
Alternativa (c).

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:
PÇsucessos = k) = Cnk ■pk ■( 1 —p)n~k
Bom, nós sabemos que a probabilidade de "sucesso” é de 20% (0,2). Assim, a

probabilidade de 2 sucessos em 4 "jogadas” é de:
4!
PÇsucessos = 2) = C42 • 0, 22 • ( 0, 8 )2 = 3 - 3 x 0,04 x 0,64 = 0, 15 36
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:
4!
PÇsucessos = 3) = C43 • 0, 23 • ( 0, 8 )1 = 1 - 3 x 0,008 x 0,8 = 0,02 56
4!
PÇsucessos = 4) = C44 ■0, 24 • (0,8 )0 = —— x 0,00 16 x 1 = 0,00 16
1 0! 4!

Assim:
P(ao menos 2 sucessos) = 0, 153 6 + 0,02 56 + 0,00 16 = 0, 1808
Alternativa (c).

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
(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 1° 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 0,78, 0,75 e 0,74, 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%.

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 amostrai, 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
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) 4e_3
b) 4e_2
c) 3e_3
d) 1 - 4e_3
e) 1 - 3e_3

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) 5 ( 0 , 9 5 ) 5
b) 1 - (0,05)5
c) 1 - (0,95)5
d) (0,95)5
e) 4,75 • (0,95)5
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
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
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.
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%

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
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%
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:

Estratégia
Cr nONNr iCi U
R «R; Sr >O<S;
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
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

Gabarito
1- d
2- d
3- F
4- F
5- V
6- a
7- d
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
Muito bom pessoal! Foco na Receita, pois logo vocês realizarão seu sonho!
Um abraço e bons estudos.
jeronymo@estrategiaconcursos.com.br

Aula 04 Estatística

Enviado por

Dados do documento

Descrição 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

Aula 04 Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística p/ AFRFB

Teoria e exercícios comentados

AULA 04 - Distribuições de Probabilidade Discretas

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

Essa é para o pessoal que está estudando por livros para

Prof. Jeronymo Marcondes WWW.estrategiaconcursoS.COm.br 1 de 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

Distribuição de probabilidade associa uma

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 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

casos favoráveis casos favoráveis

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

Altura (m) N° de pessoas

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

Prof. Jeronymo Marcondes WWW.estrategiaconcursoS.COm.br 3 de 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

área = base x altura = 0, 1 x 5 = 0, 5

Que é exatamente a probabilidade que calculamos. Perceba que a

No caso, as coleções de pares ordenados formados por (x ,/(x )) nos dá a

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

Porque existem distribuições de probabilidades que são bem definidas e já

Prof. Jeronymo Marcondes WWW.estrategiaconcursoS.COm.br 4 de 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

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

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 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

Esperança matemática é um conceito intimamente relacionado com a média

Percebeu? A aplicação do operador "esperança” a uma série de dados nos

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

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

Variância = média dos quadrados —quadrado da média

Variância = Var(x) = E(x2) —[E(x)]2

Prof. Jeronymo Marcondes WWW.estrategiaconcursoS.COm.br 6 de 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

Agora é só aplicar a “fórmula”. Só falta calcular (£(x2)):

3. Distribuição Binomial e de Bernoulli

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

-“Como assim, professor”?

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

Neste caso, qual a média do processo?

Prof. Jeronymo Marcondes WWW.estrategiaconcursoS.COm.br 7 de 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

Ora, pode-se provar que:

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

Não acredita? Vamos provar calculando a média do processo tirando sua

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

Se x = l para sucesso e x = 0 para fracasso:

Var(x) = £ (x 2) — [£ (x )]2 = E(x) — [£ (x )]2 = p —p2

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

Quer um exemplo? E se nós jogássemos a moeda duas vezes, qual a

Prof. Jeronymo Marcondes WWW.estrategiaconcursoS.COm.br 8 de 53

ATENÇÃO! ESSE MATERIAL PERTENCE AO SITE: WWW.MATERIALPARACONCURSOS.COM

ü = (cara, cara); (cara, coroa); (coroa, cara); (coroa, coroa)

Assim, as probabilidades são:

Neste caso, podemos perceber que:

E se você jogar 3 (três) vezes?

Assim, as probabilidades são: