Material de Apoio CEQ Parte I

UNIVERSIDADE DO VALE DO RIO DOS SINOS
Ciências Exatas e Tecnológicas

CEQ – Profª Karla Faccio
Material de apoio – Controle Estatístico da Qualidade

Parte I
Profa. Karla Faccio
1. INTRODUÇÃO
Estuda-se a estatística para aplicar seus conceitos como auxílio na tomada de decisão
diante de incertezas, justificando cientificamente as decisões. A estatística é uma parte
da matemática aplicada que fornece métodos para a coleta, organização, descrição,
análise e interpretação de dados e para a utilização dos mesmos na tomada de decisões.
A Estatística é a ciência que estuda os fenômenos multicausais, coletivos ou de massa e

procura inferir as leis que os mesmos obedecem.
Método estatístico é um processo para se obter, apresentar e analisar características ou

valores numéricos para uma melhor tomada de decisão em situações de incerteza.
Os passos da metodologia estatística são os seguintes:
• Definição do problema;
• Formulação de um planejamento para a coleta das unidades de observação. É
nessa fase que será escolhido o tipo de levantamento a ser utilizado. Podem
existir dois tipos de levantamentos: o censitário, quando a contagem for
completa, abrangendo todo o universo (população) e o levantamento por
amostragem, quando a contagem for parcial;
• Coleta, resumo e apresentação das unidades de observação ou de seus valores
numéricos;
• Análise dos resultados;
• Divulgação de um relatório com as conclusões, de tal modo que estas sejam
facilmente entendidas por quem as for usar na tomada de decisões.
Como as informações provêm de um conjunto menor do que a população, erros são

cometidos ao se fazer uma inferência. Esses erros podem ser quantificados por um valor
numérico, denominado de probabilidade. O conhecimento das probabilidades
associadas a uma situação fornece a base para o desenvolvimento de técnicas para a
tomada de decisão.
1
A estatística descritiva e a probabilidade são ferramentas para a inferência estatística, a
qual interpreta de duas maneiras os resultados obtidos a partir das amostras: ou fazendo
uma estimação a respeito de uma característica da população cujo valor se desconhece
ou realizando um teste sobre essa característica, da qual se afirma ter um determinado
valor.
Em geral, a estatística divide-se em dois grupos: estatística descritiva e indutiva.
Descritiva: corresponde aos procedimentos relacionados com a coleta, elaboração,

tabulação, análise, interpretação e apresentação dos dados, ou seja, inclui técnicas que
dizem respeito à sintetização e à descrição de dados numéricos. Tais métodos podem ser
gráficos e envolvem a utilização de recursos computacionais.
Indutiva (ou inferencial): parte de uma ou mais amostras (subconjuntos da população)

e conclui sobre a população. Utiliza técnicas como a teoria das probabilidades,
inferência estatística, amostragem.
Frequentemente utiliza-se o estudo da amostra do que da população, uma vez que na

maioria das vezes não se dispõe de todos os elementos da população, além das
informações serem menos dispendiosas e consumirem menos tempo no processamento
dos dados.
2
Definições e conceitos úteis para o estudo da Estatística:
- População: Conjunto de elementos com pelo menos uma característica em comum, ou

seja, conjunto de todas as unidades elementares de interesse. Se a população é finita
dizemos quem tem tamanho N.
- Amostra: Uma amostra é um subconjunto de tamanho n da população em estudo

usado para obter informação acerca do todo. Obtemos uma amostra para fazer
inferências de uma população. Nossas inferências são válidas somente se a amostra é
representativa da população.
Por que tomamos uma amostra e não utilizamos a população toda?

- Custo alto para obter informação da população toda.
- Tempo muito longo para obter informação da população toda.
- Algumas vezes impossível, por exemplo, estudo de poluição atmosférica.
- Algumas vezes é logicamente impossível, por exemplo, em ensaios destrutivos
(controle de qualidade de fósforos).
- Parâmetro: É uma constante que caracteriza uma população, isto é, é uma medida que
descreve uma característica de uma população (Exemplo: média (µ), desvio-padrão (σ),
variância (σ2), proporção (π), etc).
- Estimador: É uma constante que caracteriza uma amostra, isto é, é uma medida que
__
descreve uma característica da amostra (Exemplo: média amostral ( X ) , desvio-padrão
amostral (s), variância amostral (s2), proporção amostral (p), etc).
Exemplos de parâmetros e seus respectivos estimadores:

Parâmetros Estimadores
Média populacional Média amostral
µ X
Desvio-padrão populacional Desvio-padrão amostral
σ s
Proporção populacional Proporção amostral
π p
- Experimento: Tudo aquilo que pode ser repetido sob idênticas condições. Tipos de
experimento:
- Determinístico: o resultado vai ser sempre o mesmo.
- Aleatório: em cada repetição feita não tem como garantir o mesmo resultado.
- Variáveis: Uma variável é uma característica de uma população que difere de um

indivíduo para outro e da qual temos interesse em estudar. Desta forma, é a
característica de interesse dos elementos da população. Cada unidade (membro) da
3
população que é escolhido como parte de uma amostra fornece uma medida de uma ou
mais variáveis, chamadas observações. As variáveis podem ser classificadas em
Qualitativas ou Quantitativas.
Variáveis Qualitativas (ou Categóricas): são as características que não possuem

valores quantitativos, mas, ao contrário, são definidas por várias categorias, ou seja,
representam uma classificação dos indivíduos. Podem ser nominais ou ordinais.
Variável Qualitativa Nominal: Consiste em nomes, rótulos ou categorias apenas. Os

dados não podem ser ordenados.
Exemplos: Tipo de defeito (Arranhão, Trinca, Quebrado, Amassado); Time preferido

(Grêmio, Internacional, Flamengo); Religião (Católica, Protestante, Evangélica); Estado
Civil (Casado, Solteiro, Viúvo, Divorciado); Nacionalidade; Sexo; etc.
Variável Qualitativa Ordinal: As variáveis podem ser arranjadas em alguma ordem,

mas diferenças entre os valores dos dados não podem ser determinadas.
Exemplos: Classe Social (A, B, C, D, E); Grau de Satisfação (Satisfeito, Indiferente,

Insatisfeito); Imagem da marca (Ótima, Boa, Regular, Ruim, Péssima); Classificação do
Índice de Massa Corporal - IMC (baixo peso, normal, obesidade leve, obesidade severa,
obesidade mórbida); Grau de importância (nenhuma, pouca, razoável, muito);
Escolaridade; etc.
Variáveis Quantitativas: são as características que podem ser medidas em uma escala
quantitativa, ou seja, apresentam valores numéricos/quantidades. Podem ser contínuas
ou discretas.
Variável Quantitativa Discreta: Número de valores finitos ou uma quantidade

enumerável e não assumem valores fracionários. São variáveis expressas por números
inteiros (0, 1, 2, 3, 4,...).
Exemplos: Número de peças não-conformes; Número de acidentes em uma rodovia;
Número de filhos; Número de produtos defeituosos; Número de assassinatos; Número
de mensagens enviadas por minutos; etc.
Variável Quantitativa Contínua: Infinitos valores possíveis que correspondem a alguma

escala contínua que cobre um intervalo de valores sem vazios, interrupções ou saltos.
Desta forma, seus resultados podem assumir qualquer valor ao longo de uma escala. São
variáveis expressas por números reais.
Exemplos: Diâmetro de uma peças (mm); Gasto diário de água (l); Peso (Kg); Altura
(m); Temperatura (Grau Celsius); Tempo (min); etc.
4
2. ESTATÍSTICA DESCRITIVA
A Estatística Descritiva pode ser estudada considerando os conjuntos de valores

analisados como sendo amostras ou populações. Como o caso mais comum é a obtenção
de amostras a notação apresentada será feita considerando os valores como resultados
de amostragens. A diferença, considerada do ponto de vista da descrição dos dados, é
apenas notacional. Assim o tamanho de uma população (quando finita) é representado,
normalmente por N, enquanto que o tamanho de amostra é representado por n. Afora
algumas exceções os valores calculados na amostra são representados por letras latinas
enquanto que os correspondentes na população o são pelas mesmas letras só que gregas.
Para facilitar o estudo da Estatística Descritiva os conjuntos de valores serão

considerados como pequenos e grandes. Assim se um conjunto tiver 30 ou menos
valores a análise será feita sem o agrupamento. Caso o conjunto tenha mais do que 30
valores então primeiramente será feito o agrupamento de acordo com o tipo de variável
considerada. O valor 30 é apenas um ponto de referência escolhido arbitrariamente e
dependendo da situação pode-se considerar o agrupamento com mais ou menos valores
envolvidos.
2.1 Medidas de Tendência Central ou de Posição
As medidas de tendência central são usadas para indicar um valor que tende a
representar melhor um conjunto de números. As três medidas mais usadas são a média,
a mediana e a moda.
Um conjunto de valores (amostra) será representada por: x1, x2, ..., xn, onde n é o
número de elementos do conjunto, isto é, o tamanho da amostra.
2.1.1 A MÉDIA
(a) MÉDIA ARTIMÉTICA SIMPLES AMOSTRAL ( X )

A média aritmética é o resultado da divisão da soma de todos os valores da amostra pela
quantidade total de valores. A média aritmética simples amostral do conjunto x1, x2, ...,
xn é representada por X e calculada por:
n
___ ∑x
i =1
i
(x1 + x2 + ... + xn )
X = =
n n
__ n
OBS: X lê-se x barra e significa Média. ∑x
i =1
i lê-se somatório de xi, com i variando de
1 a n.
Na Estatística, é comum utilizar as letras gregas para representar parâmetros

populacionais e as letras latinas para representar estimadores amostrais. A média de
uma população é representada pela letra grega µ, enquanto que na amostra é
representada por X .
5
Algumas propriedades da média:
• A média é afetada por todos os valores do conjunto, assim, se um número se modifica,

a média também se modifica.
• Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma
constante, a média do conjunto fica multiplicada (ou dividida) por essa constante.
• Somando-se uma constante a cada valor do conjunto, a média ficará aumentada do
valor constante. Analogamente, extraindo-se um valor constante de cada valor do
conjunto, a média também ficará diminuída desse valor.
• A soma dos desvios dos números de um conjunto a contar da média é zero.
Exemplo: 20 25 22 24 70 25
__ X 1 + X 2 + X 3 + X 4 + X 5 + X 6 (20 + 25 + 22 + 24 + 70 + 25) 186

X = = = = 31
6 6 6
Exemplos:
Calcular as médias dos seguintes conjuntos de dados:
(a) 1 9 (b) 4 6 7 (c) 0,5 0,8 1,5 1,75
Para o conjunto em (a) tem-se:

__ X + X 2 (1 + 9)
X = 1 = =5
2 2
Para o conjunto em (b) tem-se:
__ X + X 2 + X 3 ( 4 + 6 + 7)
X = 1 = = 5,7
3 3
Para o conjunto em (c) tem-se:
__ X + X 2 + X 3 + X 4 (0,5 + 0,8 + 1,5 + 1,75)
X = 1 = = 1,14
4 4
Exercício: Considere os seguintes gastos (em reais) que 6 pessoas tiveram com
compras de supermercado no último mês.
R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00
a) Qual é o gasto médio?
Resolvendo no RStudio:
#sintaxe:
mean(dados)
#Exemplo:
gastos <- c(612.50, 608, 640, 624.80, 920, 631)
mean(gastos)
[1] 672.7167
6
(b) MÉDIA ARIMÉTICA PONDERADA (map):
A fórmula para calcular a média aritmética supõe que cada observação tenha a mesma
importância. A média ponderada considera que as informações não têm a mesma
importância, ou seja, deve ser levado em conta o peso (w) das informações.
A média aritmética ponderada do conjunto x1, x2, ..., xn, com pesos w1, w2, ..., wn, é
representada por map e calculada por:
n
∑w x
i =1
i i
(w1 x1 + w2 x2 + ... + wn xn )
ma p = =
n
(w1 + w2 + ... + wn )
∑w
i =1
i
Onde wi é o peso da observação de ordem i.
Exemplo:
Consideremos que um professor informe a classe de que haverá dois exames parciais,
valendo cada um 30% da nota e um exame final valendo 40%. Um aluno obtém
desempenho 70 na primeira avaliação, 65 na segunda e 80 no exame final. Qual é a
média de desempenho deste aluno?
n
∑w x
i =1
i i
(70 × 0,30 + 65 × 0,30 + 80 × 0,40) = 72,50
ma p = =
n
(0,30 + 0,30 + 0,40)
∑w
i =1
i
Exercício: Considere uma mesma pesquisa de satisfação de uma determinada empresa

prestadora de serviços que foi aplicada durante cinco anos consecutivos. A variável
avaliada foi a nota (de 0 a 10) atribuída à Qualidade de um serviço por clientes do
mesmo. As avaliações médias de cada ano estão descritas abaixo:
ANO AVALIAÇÃO MÉDIA N° de respondentes

2014 8,4 100
2015 7,2 200
2016 8,0 150
2017 8,2 100
2018 8,5 100
Qual é a avaliação média dos 5 anos?
7
#sintaxe:
weight.mean(variável,peso)
#Exemplo:
nota<-c(8.4,7.2,8.0,8.2,8.5)
peso<-c(100,200,150,100,100)
weighted.mean(nota,peso)
[1] 7.923077
2.1.2 MEDIANA (me)
A principal característica da mediana é dividir o conjunto de números ordenados em

dois grupos iguais: a metade terá valores inferiores ou iguais à mediana e a metade terá
valores superiores ou iguais à mediana. Assim, a mediana de um conjunto ordenado de
valores, denotada por me, é definida como sendo o valor que separa o conjunto em dois
subconjuntos do mesmo tamanho.
Para calcular a mediana inicia-se ordenando os valores em ordem crescente.
Para número ímpar de valores a mediana é o valor do meio. Para amostras com número
par de unidades, a mediana é a média dos dois valores centrais.
Como calcular a Mediana?
- Se o n (tamanho da amostra) é ÍMPAR a mediana é o valor central do conjunto de

dados ordenado. Tem-se:
me = x(n +1) / 2 => Representa a posição da mediana no conjunto ordenado
- Se o n (tamanho da amostra) é PAR a mediana é a média dos dois elementos centrais

do conjunto de dados ordenado. Tem-se:
(x( n / 2) + x(n / 2 )+1 )

me = => Representa a posição da mediana no conjunto ordenado
2
Exemplo1:
Para o conjunto: 15 18 21 32 45 46 49
A mediana é:
me = x(7 +1) / 2 = x4 = 32
Ou seja, a mediana é o quarto valor (quarta posição) na sequência ordenada de
elementos.
Se o conjunto acima fosse: 15 18 21 32 45 46

Então a mediana seria:
(x(n / 2) + x(n / 2 )+1 ) (x(6 / 2 ) + x(6 / 2)+1 ) (x3 + x4 ) (21 + 32)
me = = = = = 26,50
2 2 2 2
Exemplo2:
8
Amostra Num. de elementos Dados ordenados Mediana
_______________________________________________________________________________
344536256 9 elementos -> ÍMPAR 233445566 4
24319934 8 elementos -> PAR 12334499 3,5
45342643
7842613621
_______________________________________________________________________________
R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00
b) Qual é o gasto mediano?
#sintaxe:
median(dados)
#Exemplo:
gastos <- c(612.50, 608, 640, 624.80, 920, 631)
median(gastos)
[1] 627.90
2.1.3 MODA (mo)
A moda de um conjunto de valores é definida como sendo “o valor (ou os valores) do

conjunto que mais se repete”, ou seja, é o ponto máximo de uma distribuição. Convém
lembrar que a moda, ao contrário da mediana e da média, pode não ser única, isto é,
um conjunto pode ser bimodal, trimodal, etc. ou mesmo amodal (sem moda). Se a moda
existir será representada por mo.
Exemplo1:
Seja o conjunto de dados: 1 3 3 6 7 3 8 8 7 4
A moda deste conjunto de dados é mo = 3. Pois este valor se repete três vezes e qualquer
outro valor se repete duas vezes ou menos.
Exemplo2:
Seja o conjunto de dados: 1 2 3 4 5 6
Este conjunto de dados é amodal, ou seja, não tem moda.
9
Exemplo3:
Seja o conjunto de dados: 0 0 0 0 0 200
A moda deste conjunto de dados é mo = 0. Pois este valor se repete cinco vezes.
Exemplo4:
Seja o conjunto de dados: 2 3 0 0 1 4 4
Este conjunto de dados é BIMODAL, ou seja, possui a mo = 0 e mo = 4.
Exercício: Considere os seguintes dados referente ao número de disciplinas que os

alunos de CEQ estão matriculados no semestre 2019/1. Identifique a moda do conjunto
de dados.
5 4 3 5 2 7 6 5 4 4 3
7 4 2 5 4 5 4 3 7 5 4
2 3 4 6 6 8 2 5 4 4 4
OBS: No R existem duas formas que podemos utilizar para encontrarmos a moda de
uma série de dados. São elas:
• table(): este comando ordena em ordem crescente os dados e indica o número de vezes
em que o elemento se repete na série de dados apresentada. É utilizado para encontrar a
moda em pequenas amostras.
• subset(): em oposição ao item anterior esta função é utilizada quando o tamanho da

amostra é grande. O comando para a obtenção da moda é dado abaixo:
#sintaxe:
subset(table(), table() == max(table()))
#Exemplo:
y<-
c(5,4,3,5,2,7,6,5,4,4,3,7,4,2,5,4,5,4,3,7,5,4,2,3,4,6,6,8,2,5,4,4,4)
table(y)
y
2 3 4 5 6 7 8
4 4 11 7 3 3 1
y
[1] 5 4 3 5 2 7 6 5 4 4 3 7 4 2 5 4 5 4 3 7 5 4 2 3 4 6 6 8 2 5 4 4 4
subset(table(y),table(y)==max(table(y)))
4
11
10
No exemplo o valor que mais se repete é o 4, com 11 ocorrências. Logo 4 disciplinas é
a moda, ou seja, o elemento que mais se repete.
2.2 Medidas de Dispersão ou de Variabilidade
2.2.1 AMPLITUDE (r)
A mais simples das medidas de dispersão é a amplitude, denotada por r, e definida

como sendo a diferença entre os valores extremos do conjunto:
r = Xmax - Xmin
Exemplo 1:
A amplitude do conjunto -5 4 0 3 8 10, vale: r = Xmax - Xmin = 10 – (-5) = 15.
Exemplo 2:
A amplitude do conjunto 4 8 9 2 8 5 6 3, vale: r = Xmax - Xmin = 9 – (2) = 7.
R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00
d) Qual é a amplitude desses gastos?
#Sintaxe:
max(dados) - min(dados) ou range(dados)
#Exemplo:
gastos <- c(612.50, 608, 640, 624.80, 920, 631)
max(gastos) - min(gastos)
[1] 312
range(gastos)
[1] 608 920
diff(range(gastos))
[1] 312
11
2
2.2.2 VARIÂNCIA AMOSTRAL (s )
A medida de dispersão usual é a variância e principalmente sua raiz quadrada que é

denominada de desvio-padrão. A variância amostral é denotada por s2 e definida como
sendo a média dos quadrados dos desvios em relação à média aritmética.
∑ (X ) (X
2
−X
2
s = i =1
i
= 1 −X ) + (X
2
2 ) 2
− X + ... + X n − X ( )2
n −1 n −1
OBS: Quando se deseja a variância populacional (σ2), deve-se substituir n-1 por N na
fórmula. Usualmente iremos utilizar a variância amostral.
Exemplo:
Calcule a variância para os seguintes dados:
2 4 6 8 10
Solução:
Primeiro temos que calcular a média: X =
__
(2 + 4 + 6 + 8 + 10) = 6
5
Agora vamos aplicar a fórmula da variância:
n __
∑ ( X i − X )2 (2 − 6) 2 + (4 − 6) 2 + (6 − 6) 2 + (8 − 6) 2 + (10 − 6) 2 40
s X2 = i =1
= = = 10
n −1 5 −1 5 −1
2.2.3 DESVIO PADRÃO AMOSTRAL (s)
O desvio padrão é simplesmente a raiz quadrada da variância.

2
n
 __

∑  Xi − X 
i =1   = (X 1 −X ) + (X
2
2 )2
(
− X + ... + X n − X )
2
sX =
n −1 n −1
Como anteriormente, a substituição de n-1 por N produz a fórmula para o desvio padrão
populacional (σ).
Exemplo:
Calcule o desvio padrão para os seguintes dados:
-7 4 0 3 8 10
Primeiro temos que calcular a média: X =

__
(− 7 + 4 + 0 + 3 + 8 + 10) = 3
6
Agora vamos aplicar a fórmula do desvio padrão:
12
2
n
 __

∑  X
i =1
i − X 
 = ( −7 − 3) 2 + ( 4 − 3) 2 + (0 − 3) 2 + (3 − 3) 2 + (8 − 3) 2 + (10 − 3) 2 184
sX = = = 6,07
n −1 6 −1 6 −1
R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00
e) Qual é desvio padrão dos gastos?
#Sintaxe:
sd(dados)
#Exemplo:
gastos<- c(612.50, 608, 640, 624.80, 920, 631)
sd(gastos)
[1] 121.7128
2.2.4 COEFICIENTE DE VARIAÇÃO (CV)
O coeficiente de variação é uma medida de variação útil para comparar conjuntos de

dados diferentes. Ele é usualmente expresso em percentual.
O coeficiente de variação é dado pelo quociente entre o desvio padrão e a média dos
dados.
DesvioPadrão s
CV = = __
Média
X
13
OBSERVAÇÃO: O conjunto de dados que tiver o maior CV dentre os demais é dito o
conjunto mais heterogêneo, ou seja, o grupo com maior variabilidade. E, por sua vez, o
conjunto de dados que tiver o menor CV dentre os demais conjuntos é dito o conjunto
mais homogêneo.
Exemplo:
Entre os conjuntos de dados a seguir apresentados, qual apresenta maior variabilidade?
Conjunto A Conjunto B
12 3
25 4
16 5
23 2
Solução:
Conjunto A:
X + X 2 + X 3 + X 4 12 + 25 + 16 + 23
XA = 1 = = 19
4 4
n __
∑ ( X i − X )2
i =1
__ __ __ __
( X1 − X )2 + ( X 2 − X )2 + ( X 3 − X )2 + (X 4 − X )2
sA = = =
n −1 4 −1
(12 − 19) 2 + (25 − 19) 2 + (16 − 19) 2 + (23 − 19) 2 (49 + 36 + 9 + 16)
= = =
3 3
110
= = 6,06
3
s 6,06
CV A = A = = 0,3187
XA 19
Conjunto B:
X + X2 + X3 + X4 3+ 4 + 5+ 2
XB = 1 = = 3,5
4 4
n __
∑(X
i =1
i − X )2 __ __ __ __
( X1 − X )2 + ( X 2 − X )2 + ( X 3 − X )2 + ( X 4 − X )2
sB = = =
n −1 4 −1
(3 − 3,5) 2 + (4 − 3,5) 2 + (5 − 3,5) 2 + (2 − 3,5) 2 (0,25 + 0,25 + 2,25 + 2,25)
= = =
3 3
5
= = 1,67 = 1,29
3
14
sB 1,29
CV B = = = 0,3687
XB 3,5
#Sintaxe:
100*sd(dados)/mean(dados) #dado em porcentagem
#Exemplo:
A<-c(12,25,16,23)
B<-c(3,4,5,2)
CV1 = 100*sd(A)/mean(A)
CV1 = 100*sd(B)/mean(B)
CV1
CV2
CV1
[1] 31.87
CV2
[1] 36.88556
Conclusão: O conjunto que possui maior variabilidade, ou seja, o conjunto mais

heterogêneo é o B, pois é o conjunto com o maior CV = 36,87%.
Exercício:
Uma certa empresa que fabrica duas linhas de produtos (A e B) necessita reestruturar sua
produção. Foi realizado um estudo para tal finalidade e uma das variáveis consideradas foi a
venda (quantidade mensal) de cada tipo de produto (A e B). Para este estudo foi tomado
como referência o primeiro semestre de determinado ano, onde foram verificadas as
seguintes quantidades de vendas:
Produto A 15 31 32 25 24 25
Produto B 25 20 30 28 27 14
a) Calcule a média das vendas do produto A e do produto B.

b) Calcule a mediana das vendas do produto A e do produto B.
c) Calcule o desvio padrão das vendas do produto A e do produto B e interprete cada desvio
padrão.
d) Qual dos produtos (A ou B) apresentou maior estabilidade nas vendas mensais?
Justifique apresentando cálculo.
15
16
2.3 TABELAS OU DISTRIBUIÇÕES DE FREQUÊNCIAS

Ao se trabalhar com grandes conjuntos de dados, em geral é útil organizá-los e resumi-
los em uma tabela, chamada de distribuição de frequência.
Uma distribuição de frequência (ou tabela de freqüência) lista os valores dos dados
(individualmente ou por grupos de intervalos), juntamente com suas freqüências
correspondentes (ou contagens). Assim, uma distribuição de freqüência nos ajuda a
entender a natureza da distribuição do conjunto de dados.
A variável (ou conjunto) discreta (valores que são resultados de contagem) e a variável
(ou conjunto) contínua (valores que são resultados de uma medida). Em geral variáveis
discretas são agrupadas em distribuições por ponto ou valores e variáveis contínuas
em distribuições por classes ou intervalos. A separação não é rígida e depende
basicamente dos dados considerados. Poderá ser necessário usar uma distribuição por
classes ou intervalos mesmo quando a variável é discreta.
Tipos de frequências: Símbolo

Frequência Simples Absoluta fi
Frequência Simples Relativa fri
Frequência Acumulada Absoluta Fi
Frequência Acumulada Relativa Fri
Elementos de uma distribuição de frequências:

a) Frequência simples relativa ou percentual (fri): é definida como o quociente entre
a frequência simples absoluta (fi) e o total de dados n.
fri = fi / n
b) Frequência acumulada absoluta (Fi): a frequência acumulada absoluta da linha i é

definida como sendo a soma das freqüências absolutas até a linha i.
Fi = f1 + f2 + ... + fi
c) Frequência acumulada relativa ou percentual (Fri): a frequência acumulada

relativa da linha i é definida como sendo a soma das freqüências relativas até a linha i.
Fri = fr1 + fr2 + ... + fri
Ou, então, como sendo o quociente da frequência acumulada absoluta pelo total de
dados.
Fri = Fi / n
Comandos no RStudio:
#Frequencia Absoluta Simples

tab <- table(dados$variável)
#Frequencia Relativa Simples

relFreq <- prop.table(tab)
#Frequencia Absoluta Acumulada

cumsum(tab)
#Frequencia Relativa Acumulada

cumsum(relFreq)
17
Exemplo de construção de uma Tabela de Frequências genérica:
I X: Variável fi fri (%) Fi Fri (%)

 f1  ⋅ 100  f1  ⋅ 100
1 X1 f1  n f1  n
   
 f 2  ⋅ 100  f1    f 2  
2 X2 f2  n f1 + f2
   n  ⋅ 100 +  n  ⋅ 100 
 f 3  ⋅ 100  f 1    f 2  ⋅100 +  f 3  ⋅100
3 X3 f3  n
 
f1+ f2+ f3  n  ⋅100 +  n 
   n 
 
... ... ... ... ... ...
 f k  ⋅ 100
k Xk fk  n n 100%
 
Total ( ∑ ) n 100% - -
2.3.1 DISTRIBUIÇÃO POR CLASSES OU INTERVALOS
2.3.1.1 Construção de distribuição de frequência para dados contínuos e para

dados discretos com muitas categorias
As principais etapas compreendem:

1. Determinar a amplitude dos dados:
amplitude (r) = maior valor (Xmax) – menor valor (Xmin).
2. Estabelecer a quantidade de classes (k) ou intervalos de agrupamento dos dados. O

número de classes deve variar entre 5 e 15. O número de classes pode variar em função
de arbitrariedade, mas existe uma regra conhecida como Regra de Sturges,
k = 1 + 3,3 × log n , onde k é o número de classes e n é o número de observações. No R
essa opção é o padrão do software. Mas também aconselha-se utilizar k = n , onde n é
o número de observações.
3. Determinar a amplitude “r” de cada classe “i”. Sempre que possível é recomendável
manter as amplitudes iguais. Aconselha-se dividir a amplitude dos dados (r) pelo
número de classes (k), ou seja, ri = r / k.
4. Definir a primeira classe (linha) e, consequentemente, as demais, enquadrar os dados

nas classes mediante contagem e apresentar os resultados em uma tabela ou gráfico. Em
geral, utiliza-se a simbologia (|---), neste caso, está indicando um intervalo fechado à
esquerda e aberto à direita. Também poderia ser utilizado o intervalo aberto à esquerda
e fechado à direita (---|).
Exemplo:
O conjunto de dados abaixo representa o tempo (em minutos) que 45 operadores

demoraram para realizar uma determinada tarefa. Agrupe os dados em uma distribuição
de frequências.
18
6,5 4,0 7,1 8,3 5,4 7,6 9,0 15,7 16,7
6,4 5,0 8,5 5,7 7,7 7,2 12,4 7,1 5,5
9,7 4,4 7,0 6,3 8,3 6,9 5,7 7,6 7,9
7,9 6,0 8,2 10,4 9,9 3,9 9,8 8,2 5,6
7,9 6,4 7,4 7,0 13,0 8,7 6,4 6,7 7,4
1. Amplitude dos dados: r = Xmax – Xmin = 16,7 – 3,9 = 12,8
2. Estabelecer o número de classes →

k = 1 + 3,3 × log n = 1 + 3,3 × log(45) = 6,5 ≅ 7 classes.
3. Determinar a amplitude h de cada classe i → a amplitude de cada classe i é ri = r / k

=12,8 / 7 = 1,83 ≅ 2.
4. Escrever as classes e contar os valores.
Freq. Freq. Freq.

Freq.
Simples Acumulada Acumulada
Classe Tempo (min.) Simples
Relativa Absoluta Relativa
Absoluta (fi)
(fri) (Fi) (Fri)
1 3 ---| 5 4 8,9% 4 8,90%
2 5 ---| 7 15 33,3% 19 42,2%
3 7 ---| 9 18 40,0% 37 82,2%
4 9 ---| 11 4 8,9% 41 91,1%
5 11 ---| 13 2 4,4% 43 95,5%
6 13 ---| 15 0 0,0% 43 95,5%
7 15 ---| 17 2 4,4% 45 100,0%
TOTAL 45 100,0% - -
n = 45
por exemplo,
a fr3:
fr3 = f3 / n = 18 / 45 = 0,40 * 100 = 40,0%
Verifica-se que 40,0% dos operadores executaram uma determinada tarefa depois de 7
minutos e até 9 minutos.
a F5:
F5 = f1 + f2 + f3 + f4 + f5 = 4 + 15 + 18 + 4 + 2 = 43
Verifica-se que 43 operadores executaram uma determinada tarefa em até 13 minutos.
a Fr4:
Fr4 = fr1 + fr2 + fr3 + fr4 = 8,9 + 33,3 + 40,0 + 8,9 = 91,1%
Verifica-se que 91,1% dos operadores executaram uma determinada tarefa em até 11
minutos.
19
Gráfico da Distribuição de frequência por classes ou intervalos (HISTOGRAMA)
Uma distribuição de frequências por classes ou intervalos é apresentada graficamente

através de um diagrama denominado de histograma de frequências.
Um histograma é um gráfico de retângulos justapostos onde a base de cada retângulo é a

amplitude de cada classe e a altura é proporcional a frequência (simples ou relativa) de
modo que a área de cada retângulo seja igual a frequência considerada.
O gráfico abaixo ilustra o exemplo do tempo (em minutos) que 45 operadores

demoraram para realizar uma determinada tarefa. Pelo histograma abaixo pode-se
concluir que 33 operários, ou seja, 73,3% dos operários, executaram uma determinada
tarefa entre 5 minutos a 9 minutos.
Tempo de execução de uma tarefa

50,0%
40,0%
40,0%
33,3%
30,0%
20,0%
8,9% 8,9%
10,0%
4,4% 4,4%
0,0%
0,0%
3 ---| 5 5 ---| 7 7 ---| 9 9 ---| 11 11 ---| 13 13 ---| 15 15 ---| 17
Também pode ser construído um histograma utilizando-se as frequências acumuladas.

Neste caso o diagrama resultante é denominado de ogiva. As figuras abaixo são
exemplos de histogramas de frequências relativas acumuladas.
20
tempos<-
c(6.5,4.0,7.1,8.3,5.4,7.6,9.0,15.7,16.7,6.4,5.0,8.5,5.7,7.7,7.2,12.4,7
.1,5.5,9.7,4.4,7.0,6.3,8.3,6.9,5.7,7.6,7.9,7.9,6.0,8.2,10.4,9.9,3.9,9.
8,8.2,5.6,7.9,6.4,7.4,7.0,13.0,8.7,6.4,6.7,7.4)
Um summary() indica que o menor valor é o 3,9 e o maior valor é o 16,7:
summary(tempos)
Min. 1st Qu. Median Mean 3rd Qu. Max.
3.900 6.400 7.400 7.787 8.300 16.700
Assim, pode-se escolher (arbitrariamente), que a primeira classe inicie em 3 e a última

classe termine em 17, logo a Amplitude dos dados é 14. Ainda, pode-se definir a
amplitude das classes. Nesse caso definiu-se como 2 (dividindo-se a Amplitude dos
dados (14) pelo número de classes k (7), o qual foi definido pela Regra de Sturges).
Com o uso da função seq() pode-se gerar os intervalos de classe:
brk<-seq(3,17,2);brk
[1] 3 5 7 9 11 13 15 17
Nomes das classes:

classes<-c("3-|5","5-|7","7-|9","9-|11","11-|13","13-|15","15-|17"
No R, uma tabela de frequência absoluta simples pode ser construída com o comando
table():
table(cut(tempos,breaks=brk,right=TRUE,labels=classes))
ou
table(cut(tempos, breaks=c(3,5,7,9,11,13,15,17), labels=c("3-|5","5-
|7","7-|9","9-|11","11-|13","13-|15","15-|17"),right=T))
3-|5 5-|7 7-|9 9-|11 11-|13 13-|15 15-|17

4 15 18 4 2 0 2

(relFreq <- prop.table(table(cut(tempos,breaks=brk,labels=classes))))
3-|5 5-|7 7-|9 9-|11 11-|13 13-|15 15-|17

0.0889 0.333 0.400 0.0889 0.044 0.000 0.0444

cumsum(table(cut(tempos,breaks=brk,labels=classes)))
3-|5 5-|7 7-|9 9-|11 11-|13 13-|15 15-|17
4 19 37 41 43 43 45

cumsum(relFreq)
3-|5 5-|7 7-|9 9-|11 11-|13 13-|15 15-|17
0.0889 0.4222 0.8222 0.9111 0.9556 0.9556 1.00
21
plot(table(cut(tempos,breaks=brk,right=TRUE,labels=classes)),ylab="Fre
q.")
hist(tempos,breaks=brk,freq=TRUE,right=T,labels=classes,main="")
22
Exercício: O conjunto de dados amostrais a seguir lista o tempo (em minutos) que 50
usuários de Internet gastaram na rede durante sua mais recente sessão.
7 7 11 17 17 18 19 20 21 22 23 28 29 29 30 30 31
31 33 34 36 37 39 39 39 40 41 41 42 44 44 46 50 51
53 54 54 56 56 56 59 62 67 69 72 73 77 78 80 83
a) Construa uma tabela de frequência por Classes para estes dados.

fi fri Fi Fri
Total
b) Construa o Histograma para estes dados e conclua.
c) Identifique e interprete as seguintes frequências: f6, fr4, F4, Fr3.
23
tempo<-
c(7,7,11,17,17,18,19,20,21,22,23,28,29,29,30,30,31,31,33,34,36,37,39,3
9,39,40,41,41,42,44,44,46,50,51,53,54,54,56,56,56,59,62,67,69,72,73,77
,78,80,83)
Um summary() indica que o menor valor é o 7 e o maior valor é o 83.
summary(tempo)
Min. 1st Qu. Median Mean 3rd Qu. Max.

7.0 29.0 39.5 41.9 55.5 83.0
Assim, pode-se escolher (arbitrariamente), que a primeira classe inicie em 7 e a última

classe termine em 84, logo a Amplitude dos dados é 77. Ainda, pode-se definir a
amplitude das classes. Nesse caso definiu-se como 11 (dividindo-se a Amplitude dos
dados (77) pelo número de classes k (7), o qual foi definido pela Regra de Sturges).
Com o uso da função seq() pode-se gerar os intervalos de classe.

brk<-seq(7,84,11);brk
[1] 7 18 29 40 51 62 73 84
Nomes das classes:

classes<-c("7|-18","18|-29","29|-40","40|-51","51|-62","62|-73","73|-
84")
No R, uma tabela de frequência absoluta simples pode ser construída com o comando
table().
table(cut(tempo,breaks=brk,right=FALSE,labels=classes))
ou
table(cut(tempo, breaks=c(7,18,29,40,51,62,73,84), labels=c("7|-
18","18|-29","29|-40","40|-51","51|-62","62|-73","73|-84"),right=F))
7|-18 18|-29 29|-40 40|-51 51|-62 62|-73 73|-84

5 7 13 8 8 4 5

(relFreq<-prop.table(table(cut(tempo,breaks=brk,right=FALSE,labels=classes))))
7|-18 18|-29 29|-40 40|-51 51|-62 62|-73 73|-84

0.10 0.14 0.26 0.16 0.16 0.08 0.10

cumsum(table(cut(tempo,breaks=brk,right=FALSE,labels=classes)))
7|-18 18|-29 29|-40 40|-51 51|-62 62|-73 73|-84
5 12 25 33 41 45 50
cumsum(relFreq)
7|-18 18|-29 29|-40 40|-51 51|-62 62|-73 73|-84
0.10 0.24 0.50 0.66 0.82 0.90 1.00
24
plot(table(cut(tempo,breaks=brk,right=FALSE,labels=classes)),ylab="Fre
q.")
hist(tempo,breaks=brk,freq=FALSE,right=F,labels=classes,main="")
25
2.3.2 DISTRIBUIÇÃO POR PONTOS OU VALORES
2.3.2.1 Construção de distribuição de frequência para dados discretos
Na construção de uma distribuição de freqüência utilizando dados contínuos perde-se

certa quantidade de informação porque os valores individuais perdem sua identidade
quando são agrupados em classes. Isso pode ou não ocorrer com dados discretos,
dependendo da natureza dos dados e os objetivos do analista.
Considere um conjunto de valores resultados de uma contagem. Poderia ser, por

exemplo, o número de irmãos dos alunos da disciplina de Controle Estatístico da
Qualidade (CEQ).
Número de irmãos dos alunos da disciplina de CEQ:
0 1 1 6 3 1 3 1 1 0
4 5 1 1 1 0 2 2 4 1
3 1 2 1 1 1 1 5 5 6
4 1 1 0 2 1 4 3 2 2
1 0 2 1 1 2 3 0 1 0
Esta coleção de valores não constitui informação, mas pode ser transformada em
informação mediante sua representação em uma distribuição de freqüências por pontos
ou valores. Para tal, coloca-se o conjunto em uma tabela em que a coluna da esquerda é
representada pelos diferentes números ordenados (os pontos ou valores) e a coluna da
direita pelo número de vezes que cada valor se repetiu (as freqüências simples ou
absolutas). Para o exemplo, tem-se:
Número de Frequência
irmãos de alunos
0 7
1 21
2 8
3 5
4 4
5 3
6 2
TOTAL 50
Na tabela abaixo, estão ilustrados os cálculos das frequências relativas e acumuladas.

Número de
Classe fi fri Fi Fri
irmãos
1 0 7 14,0% 7 14,0%
2 1 21 42,0% 28 56,0%
3 2 8 16,0% 36 72,0%
4 3 5 10,0% 41 82,0%
5 4 4 8,0% 45 90,0%
6 5 3 6,0% 48 96,0%
7 6 2 4,0% 50 100,0%
TOTAL 50 100,0% - -
26
n = 50
por exemplo,
a fr3:
fr3 = f3 / n = 8 / 50 = 0,16 * 100 = 16,0%
Verifica-se que 16,0% dos alunos da disciplina de CEQ possuem 2 irmãos.
a F5:
F5 = f1 + f2 + f3 + f4 + f5 = 7 + 21 + 8 + 5 + 4 = 45
Verifica-se que 45 alunos da disciplina de CEQ possuem no máximo 4 irmãos.
a Fr4:
Fr4 = fr1 + fr2 + fr3 + fr4 = 14,0 + 42,0 + 16,0 + 10,0 = 82,0%
Verifica-se que 82,0% dos alunos da disciplina de CEQ possuem no máximo 3 irmãos.
Gráfico da Distribuição de frequência por pontos ou por valores
Uma distribuição de frequências por pontos ou valores é apresentada graficamente

através de um diagrama de colunas, onde a variável Xi é representada no eixo das
abcissas (horizontal) e as frequências no eixo das ordenadas (vertical). Abaixo veja o
diagrama de colunas simples da variável número de irmãos dos alunos da disciplina de
CEQ.
Pelo gráfico de colunas abaixo pode-se concluir que 36 alunos, ou seja, 72,0% dos
alunos, possuem até 2 irmãos. Sendo que destes, 42,0% possuem 1 irmão, 14,0%
nenhum irmão e os restantes (16,0%) possuem 2 irmãos.
Número de irmãos
50,0%
42,0%
40,0%
30,0%
20,0%
16,0%
14,0%
10,0%
10,0% 8,0%
6,0%
4,0%
0,0%
0 1 2 3 4 5 6
27
Realizando no RStudio:
irmaos<-
c(0,1,1,6,3,1,3,1,1,0,4,5,1,1,1,0,2,2,4,1,3,1,2,1,1,1,1,5,5,6,4,1,1,0,
2,1,4,3,2,2,1,0,2,1,1,2,3,0,1,0)
irmãos
[1] 0 1 1 6 3 1 3 1 1 0 4 5 1 1 1 0 2 2 4 1 3 1 2 1 1 1 1 5 5 6 4 1 1
0 2 1 4 3 2 2 1 0 2 1 1 2 3 0
[49] 1 0

(tab <- table(irmaos))
irmaos
0 1 2 3 4 5 6
7 21 8 5 4 3 2
names(tab)
[1] "0" "1" "2" "3" "4" "5" "6"
barplot(tab, main="N° de irmaõs")

(relFreq <- prop.table(tab))
irmaos
0 1 2 3 4 5 6
0.14 0.42 0.16 0.10 0.08 0.06 0.04

cumsum(tab)
0 1 2 3 4 5 6
7 28 36 41 45 48 50

cumsum(relFreq)
0 1 2 3 4 5 6
0.14 0.56 0.72 0.82 0.90 0.96 1.00
28
3.2.3 Medidas de posição ou tendência central de uma distribuição de frequências
3.2.3.1 Média Aritmética para uma distribuição de freqüência

A média aritmética de uma distribuição de frequências por pontos ou valores (dados
discretos) ou por classes ou intervalos (dados contínuos) é dada por:
n
__ ∑f
i =1
i ⋅ xi
( f1 ⋅ x1 + f 2 ⋅ x 2 + ... + f n ⋅ x n )
X = =
n n
Exemplo1:
Cálculo da média do número de irmãos dos alunos da disciplina de CEQ.
Número de
Classe fi fixi
irmãos (xi)
1 0 7 0
2 1 21 21
3 2 8 16
4 3 5 15
5 4 4 16
6 5 3 15
7 6 2 12
TOTAL 50 95
n
__ ∑f
i =1
i ⋅ xi
95
X = = 1,90 irmãos
=
n 50
Ou seja, o número médio de irmãos dos alunos da disciplina de CEQ é 1,90.
Exemplo2:
Cálculo da média de tempo que os operadores executam uma determinada tarefa.
Ponto médio da
Classe Tempo (min.) fi fixi
classe (xi)
1 3 ---| 5 4 4 16
2 5 ---| 7 15 6 90
3 7 ---| 9 18 8 144
4 9 ---| 11 4 10 40
5 11 ---| 13 2 12 24
6 13 ---| 15 0 14 0
7 15 ---| 17 2 16 32
TOTAL 45 346
n
__ ∑f
i =1
i ⋅ xi
346
X = = 7,7 minutos
=
n 45
Ou seja, o tempo médio que os operadores executam uma determinada tarefa é 7,7
minutos.
3.2.4 Medidas de variabilidade ou dispersão de uma distribuição de frequências
3.2.4.1 Variância
29
n
2
∑f
i =1
i ⋅ xi2 __ 2
s = −X
n −1
3.2.4.2 Desvio padrão

O desvio padrão é determinado extraindo-se a raiz quadrada da variância.
∑f
i =1
i ⋅ xi2 __ 2
s= −X
n −1
Exemplo1:
Para o exemplo do número de irmãos dos alunos da disciplina de CEQ.
Número de
Classe xi2 fixi2
irmãos (xi)
1 0 0 0
2 1 1 21
3 2 4 32
4 3 9 45
5 4 16 64
6 5 25 75
7 6 36 72
TOTAL 309
∑f i ⋅ xi2 __ 2
309
s= i =1
−X = − 1,90 2 = 1,64
n −1 50 − 1
Exemplo2:
No caso do tempo de execução de uma determinada tarefa pelos operadores.
Ponto médio da
Classe Tempo (min.) fi xi2 fixi2
classe (xi)
1 3 ---| 5 4 4 16 64
2 5 ---| 7 15 6 36 540
3 7 ---| 9 18 8 64 1152
4 9 ---| 11 4 10 100 400
5 11 ---| 13 2 12 144 288
6 13 ---| 15 0 14 196 0
7 15 ---| 17 2 16 256 512
TOTAL 45 2956
∑f i ⋅ xi2 __ 2
2956
s= i =1
−X = − 7,7 2 = 2,81
n −1 45 − 1
30
EXERCÍCIOS (ESTATÍSTICA DESCRITIVA):
1. (2015/2) Os tempos de espera (em minutos) de clientes do Banco A (onde os clientes

esperam em fila única) e do Banco B (onde os clientes esperam em filas individuais
para três caixas diferentes) estão listados abaixo.
Tempo de espera (em minutos) por Banco

Banco A 6,1 6,4 6,4 7,3 7,6 6,4
Banco B 5,2 5,2 6,5 5,5 6,4 5,4
a) Calcule o tempo de espera médio para os clientes do Banco A e do Banco B.

b) Calcule o desvio padrão do tempo de espera para os clientes do Banco A e do Banco
B.
c) Calcule o tempo de espera mediano para os clientes do Banco A e do Banco B.
d) Qual banco apresenta o tempo de espera com maior variabilidade? Justifique com
cálculo.
2. Um concurso realizado simultaneamente nos locais A, B e C, apresentou as médias:

70, 65 e 45, obtidos por 30, 40 e 30 candidatos, nessa ordem. Qual foi a média geral do
concurso?
3. Uma pesquisa levantou os dados sobre o mercado imobiliário de determinado centro

urbano, do ano 1990 a 1997, e os valores obtidos sobre o número de lançamentos (em
mil unidades) e o total em vendas (em milhões de Reais) estão dispostos abaixo:
Ano 1990 1991 1992 1993 1994 1995 1996 1997

Lançamentos 14,6 12,8 10,2 21,7 24,9 26,6 31,0 38,8
Vendas 5,1 4,0 4,5 10,1 12,6 9,7 10,2 11,7
a) Quem são as variáveis desse estudo? Quem é a amostra estudada?

b) Calcule e interprete a média a mediana e a moda.
4. Os dados abaixo representam o número de crianças nascidas vivas, no 1º semestre do

ano de 1994, segundo os dados colhidos pelo IBGE:
Mês/1994 Jan Fev Mar Abr Mai Jun

Nº de Nascidos Vivos 222779 210667 249204 234322 242449 224171
Fonte: IBGE
a) Calcule o valor da média e interprete.

b) Calcule o valor da mediana e da moda e interprete.
5. Uma coleta de dados realizada com 15 empresas do setor têxtil foi realizada com o
objetivo de verificar o número de funcionários existentes em cada uma delas, resultando
nos seguintes dados:
1000 3600 110 820 232 850 320 200 120 2500 130 156 210 1500 112
31
a) Calcule e interprete a média, mediana e moda para estes dados.
b) Neste caso o valor da média é uma boa medida para representar este conjunto de
informações? Por quê?
6. Uma pesquisa foi realizada com 12 empresas do ramo alimentício, com o objetivo de
verificar o número de funcionários que estas possuem, os dados obtidos estão abaixo:
32 35 45 50 30 22 15 25 10 15 30 21
Calcule e interprete a média, mediana e moda.
7. Duas turmas de Estatística apresentam as seguintes estatísticas para as notas na prova

G1:
Turma A: média = 7,8 pontos e desvio-padrão = 1,4 pontos
Turma B: média = 8,2 pontos e desvio-padrão = 2,5 pontos.
Qual das duas turmas teve um desempenho mais homogêneo na prova G1? Justifique.
8. Os dados abaixo se referem o número de compras realizadas via Internet de uma

amostra de 7 indivíduos do sexo feminino:
10 15 22 10 16 10 25
Calcule e interprete:
a) Média b) Desvio-padrão c) Coeficiente de Variação
9. Um grupo de 100 estudantes tem uma estatura média de 163,8 cm e um coeficiente de

variação de 3,3%. Qual o desvio – padrão para as estaturas desse grupo?
10. Abaixo, estão as rendas mensais (em Reais) de 10 empresários do setor calçadista
do RS:
7500 3600 3300 5000 4100 5500 4000 3500 5600 10400
Calcule e interprete a renda média mensal e o desvio-padrão da renda mensal desses

empresários.
11. João deseja calcular a média das notas que tirou em cada uma das quatro matérias a
seguir. Calcule a média ponderada de suas notas, sendo que as duas primeiras provas
valem 2 pontos e as outras duas valem 3 pontos:
Inglês
1ª prova 6,5
2ª prova 7,8
3ª prova 8,0
4ª prova 7,1
32
Português
1ª prova 7,5
2ª prova 6,9
3ª prova 7,0
4ª prova 8,2
História
1ª prova 5,4
2ª prova 8,3
3ª prova 7,9
4ª prova 7,0
Matemática
1ª prova 8,5
2ª prova 9,2
3ª prova 9,6
4ª prova 10,0
12. Determinar a moda dos seguintes conjuntos:

a) 6, 5, 5, 7, 5, 6, 5, 6, 3, 4 e 5
b) 23, 28, 35, 17, 28, 35, 18, 18, 17, 18, 18, 18, 28, 28 e 18
13. Calcule a média e o desvio padrão para as vendas diárias.

R$ 8100 R$ 9000 R$ 4580 R$ 5600 R$ 7680 R$ 4800 R$ 10640
14. Os dados abaixo são referentes às taxas de desemprego de 16 países separados em

dois grupos:
Grupo 1: Países da América do Sul e América do Norte:
Brasil Uruguai Chile Argentina México Canadá EUA Venezuela

11.4 12.1 5.6 7.3 21.0 4.8 5.3 7.3
Grupo 2: Países da Europa:
Espanha Portugal Itália Alemanha Suécia Inglaterra Holanda França

4.8 5.2 4.3 3.8 2.5 5.8 4.6 3.6
COMPARAÇÃO DAS TAXAS DE DESEMPREGO

Taxa Média de Desvio-padrão do Coeficiente
Grupo
desemprego desemprego de Variação
Grupo1: América do Sul e do Norte
Grupo2: Europa
33
Qual dos dois grupos possui maior variabilidade, ou seja, qual é o grupo mais
heterogêneo em relação à taxa de desemprego? Que medida você utilizou para chegar
nesta conclusão?
15. (2015/2) Um feirante possuía 50 Kg de maçã para vender numa manhã. Começou a
vender as frutas por R$ 2,50 ao quilo e, com o passar das horas, reduziu o preço em
duas ocasiões para não haver sobrar. A tabela seguinte informar a quantidade de maçãs
vendidas em cada período, bem como os diferentes preços cobrados pelo feirante.
Número de Kg
Período Preço por Kg
de maçã vendido
Até as 10hs 2,50 32
Das 10hs às 11hs 2,00 13
Das 11hs às 12hs 1,40 5
Naquela manhã, por quanto foi vendido, em média, o quilo da maçã?
16. (2015/1) Para comparar dois métodos de ensino, J e K, um professor tomou um

conjunto de alunos, dividiu-os ao acaso em dois grupos e utilizou o método de ensino J
para um grupo, e utilizou o método de ensino K para o outro grupo. Terminado o
período de aula, o professor submeteu os dois grupos de alunos à mesma prova. Os
alunos obtiveram, nessa prova, as notas apresentadas na tabela a seguir.
Notas dos alunos segundo os dois métodos de ensino

J 6 7,3 4 4,5 5 4 4 6
K 7,2 8 5 7 6,2 7,5 9 6,1
Nessas condições, julgue os itens a seguir (os itens devem ser comprovados
matematicamente):
a) As médias das notas dos métodos J e K são, respectivamente, 5,1 e 7,0.
b) Na amostra observada, as notas dos alunos que foram ensinados pelo método de
ensino J são mais homogêneas do que as notas dos alunos que foram ensinados pelo
método de ensino K.
Calcule os seguintes itens:

c) A nota mediana dos alunos que foram ensinados pelo método J e pelo método K.
d) A moda das notas dos alunos que foram ensinados pelo método J e pelo método K.
17. (2015/2) Em um estudo sobre consumo de combustível de automóveis do mesmo

ano e modelo tiveram seu consumo observado.
Quilômetros por litro 8 9 10 11 12
Quantidade de automóveis 19 21 5 3 2
Nessas condições, um automóvel desse ano e modelo faz quantos quilômetros a cada
litro de combustível?
34
18. Uma pessoa comprou 4 lâmpadas diferentes e observou que, na média, o preço de
uma lâmpada saía por R$ 8,00. Antes de efetuar o pagamento, aproveitou uma oferta e
comprou mais duas lâmpadas, ambas de mesmo preço. Considerando-se as 6 lâmpadas
compradas, o preço médio de cada uma ficou em R$ 7,50. Portanto, o valor de uma
lâmpada da oferta era de quanto?
19. (2016/2) A nota final para uma disciplina de uma instituição de ensino superior é a
média ponderada das notas A, B, e C, cujos pesos são 3, 1, e 2, respectivamente. Paulo
obteve A = 6,0 e B = 3,0. Quanto ele deve obter em C para que sua nota final seja 6,0?
20. (2018/2) Um levantamento estatístico de uma empresa constatou que 65% dos
funcionários eram homens e o restante mulheres. Ainda de acordo com esse levantamento, a
média salarial mensal dos funcionários homens era de R$ 3.800,00 e a média salarial
mensal das funcionárias mulheres era de R$ 4.400,00. Considerando todos os funcionários
dessa empresa, qual é a média salarial mensal?
21. O tempo que uma máquina leva, em segundos, para executar certa operação em cada
unidade produzida é sujeito a variações. Para verificar se as condições de
funcionamento estão dentro das normas, registrou-se 12 vezes o referido tempo. Os
resultados, em segundos, foram os seguintes:
29, 33, 36, 35, 36, 35, 40, 32, 37, 31, 30, 36
Calcule e interprete:
a) Média b) Mediana c) Moda d) Desvio padrão
22. (2015/2) A seguir, lista-se uma amostra das notas de seis alunos nas disciplinas de
Química e Biologia de uma determinada escola.
Química: 6,6 5 5 7 6 4
Biologia: 7 8 6 7 5,6 9
Complete a seguinte tabela com as informações para cada disciplina:
Disciplinas Moda Mediana Média Desvio-padrão Coeficiente de Variação (CV)

Química
Biologia
Indique qual disciplina (Química ou Biologia) apresenta notas mais heterogêneas.

Justifique matematicamente.
23. (2017/2) No quadro a seguir está representado o consumo diário de gasolina, em

litros, dos carros de dois taxistas, em um período de quatro dias.
Taxistas Segunda Terça Quarta Quinta
I 25 10 30 17
II 10 12 23 9
35
a) Calcule o consumo médio de gasolina e o consumo mediano de gasolina para cada
taxista.
b) Calcule o desvio padrão para o consumo de gasolina de cada taxista e interprete cada
desvio padrão.
c) Qual taxista teve o consumo de gasolina com maior dispersão? Justifique
adequadamente e com cálculo.
24. (2018/2) Na tabela abaixo encontra-se a estrutura do produto interno bruto (PIB) do
Brasil, em bilhões de reais, segundo os setores.
Período Agropecuária Indústria
2002 6,6 27,1
2003 7,4 27,8
2004 6,9 30,1
2005 5,7 29,3
2006 5,5 28,8
2007 5,6 27,8
a) Calcule o PIB Mediano de cada setor (Agropecuária e Indústria) e interprete cada

mediana.
b) Calcule o PIB Médio de cada setor (Agropecuária e Indústria).
c) Calcule o desvio padrão do PIB de cada setor (Agropecuária e Indústria).
d) Em qual dos setores (Agropecuária ou Indústria) ocorre menor variabilidade no PIB?
Justifique apresentando um cálculo.
25. (2018/2) Os dados referentes ao número de transações de uma operadora de cartão

de crédito indicam que por hora, o número médio é de 230 transações, a mediana é 200
transações e o desvio padrão é de 92 transações. Considere as afirmações abaixo e
marque X na alternativa que contempla as afirmações corretas:
I. Dentre as “horas” analisadas pela operadora, metade delas tiveram 200 ou mais
transações cada.
II. Em nenhuma das horas analisadas pela operadora ocorreu menos de 230 transações.
III. É certo que a quantidade de transações por hora mais frequente no conjunto de
“horas” analisadas pela operadora é 92.
a) Somente I é verdadeira.
b) Somente II é verdadeira.
c) Somente III é verdadeira.
d) Somente I e III são verdadeiras.
e) Somente II e III são verdadeiras.
26. Uma coleta de dados realizada com 15 empresas do setor calçadista de Novo
Hamburgo foi realizada com o objetivo de verificar o número de funcionários existentes
em cada uma delas, resultando nos seguintes dados:
1500 3600 110 820 232 850 320 200 120 2500 130 156 210 1500 112
a) Calcule a média, mediana e moda para estes dados.

b) Neste caso o valor da média é uma boa medida para representar este conjunto de
informações? Qual seria a medida mais adequada e Por quê?
36
27. Abaixo estão relacionados os saldos médios de 48 contas de clientes do BB Novo
S/A (em reais):
450 500 150 1000 250 275 550 500 225 475 150 450
800 275 600 750 375 650 150 500 1150 700 475 900
600 750 375 650 150 500 225 150 150 360 230 250
375 470 600 1150 270 250 300 275 350 950 800 500
a) Quem é a variável de estudo? Classifique-a.
b) Construa uma tabela para estes dados considerando 5 faixas de valores.
28. (2015/2) O histograma abaixo ilustra o teor de nicotina (em miligramas) em 40

cigarros de certa marca:
Teor de nicotina (mg) em cigarros
20
18
15
10
8
5 5
5
2 2
0
0,7 -| 1,0 1,0 -| 1,3 1,3 -| 1,6 1,6 -| 1,9 1,9 -| 2,2 2,2 -| 2,5
Construa a distribuição de frequências para o histograma acima e conclua.

fi fri Fi Fri
TOTAL
37
29. (2016/1) Foi feito um levantamento dos salários dos funcionários de uma empresa
e, em seguida, foi elaborada uma tabela de frequências com os valores da variável
salário (R$) em classes. Complete a tabela de frequências abaixo.
Salário (R$) fi fri Fi Fri

|- 10,0%
|- 20
|- 40 50,0%
|- 8
3350 |- 3950
3950 |- 4550 2,5%
TOTAL - -
30. (2015/2) O histograma abaixo descreve as notas de 60 alunos no exame final de um

curso elementar de estatística:
Notas em uma disciplina de Estatística

30%
28,3%
25%
21,7%
20%
16,7%
15%
10%
8,3% 8,3%
6,7%
5,0% 5,0%
5%
0%
1,0 |- 2,1 2,1 |- 3,2 3,2 |- 4,3 4,3 |- 5,4 5,4 |- 6,5 6,5 |- 7,6 7,6 |- 8,7 8,7 |- 9,8
Construa a distribuição de frequências para o histograma acima e conclua.

fi fri Fi Fri
TOTAL
38
31. (2018/2) Num determinado processo de fabricação foram realizadas 50 observações de

uma característica de qualidade (CQ), resultando nas seguintes medidas de espessura (em
milímetros). A especificação para este processo é de 90 ± 20 mm, ou seja [70 ; 110].
60 60 61 66 66 73 74 74 77 78
78 80 81 81 81 84 85 87 87 90
91 92 93 93 93 93 93 94 94 95
95 99 100 101 101 102 102 103 107 108
109 109 110 112 113 114 115 115 122 124
a) Construa uma distribuição de frequências por classes iniciando pelo 60 (intervalo

fechado) e adotando uma amplitude de classe igual a 10. Preencha todas as colunas e linhas
da tabela abaixo.
Espessura (mm) fi fri Fi Fri

60 |- 70
TOTAL
b) Plote o histograma para o processo e conclua.
39
RESPOSTAS:
1. a) Banco A = 6,7 Banco B = 5,7

b) Banco A = 0,60 Banco B = 0,5933
c) Banco A = 6,4 Banco B = 5,45
d) CVA = 8,96% e CVB = 10,41%
Logo, o banco que apresenta tempo de espera com maior variabilidade é o Banco B,
pois CVB > CVA.
2. 60,5
3. a) Variáveis: Lançamentos e Total em vendas Amostra: 8 anos
b) Lançamentos: Em média foram lançadas 22,6 mil unidades neste período por ano.
Metade do período foi lançada menos que 23,3 mil unidades e metade
mais que 23,3 mil unidades
Não tem moda.
Total em vendas: Em média foram vendidos 8,5 milhões de reais neste período por ano.
Metade do período foi vendido menos que 9,9 milhões de reais e metade
mais que 9,9 milhões de reais
Não tem moda.
4. a) O nº médio de crianças nascidas vivas por ano é de 230.598,7 crianças.

b) Metade do período nasceu menos que 229.246,5 crianças vivas e metade mais que 229.246,5
crianças vivas. Não tem moda.
5. a) Em média estas empresas possuem 790,7 funcionários

Metade das empresas possui menos que 232 funcionários e metade mais que 232
funcionários.
Não tem moda
b) “A média não é uma boa medida, pois é muito influenciada por valores extremos, a
mediana seria uma medida mais representativa para este caso”.
6. Em média estas empresas possuem 27,5 funcionários

Metade das empresas possui menos que 27,5 funcionários e metade mais que 27,5
funcionários.
Os números de funcionários que ocorrem com maior frequência são 15 e 30
funcionários
7. CVA = 17,9% CVB = 30,5% CVA < CVB

A turma A teve um desempenho mais homogêneo na prova G1, comparada com a turma
B.
8. a) X = 15,4
O Número médio de compras realizadas via Internet é de 15,4 compras.
b) s = 6,1
40
O Número médio de compras realizadas via Internet é de 15,4 compras com uma
variação de 6,1 em torno da média.
c) CV = 39,6¨%
Existe uma variação de 39,6% ao redor do Número médio de compras realizadas via
Internet.
9. s = 5,4 cm.
10. a) X = R$ 5250,00
A renda média doe empresários do setor calçadista do RS é de R$ 5250,00.
b) s = R$ 2218,7
A renda média doe empresários do setor calçadista do RS é de R$ 5250,00 com uma
variabilidade em torno da média de R$ 2218,70.
11. Média nota inglês = 7,4

Média nota português = 7,4
Média nota história = 7,2
Média nota matemática = 9,4
12. a) 5 b) 18
13. Média = R$7200,00 e Desvio Padrão = R$ 2283,94
14. COMPARAÇÃO DAS TAXAS DE DESEMPREGO

Taxa Média de Desvio-padrão do Coeficiente de
Grupo
desemprego desemprego Variação
Grupo1: América do Sul e do Norte 9,35 5,44 58,2%
Grupo2: Europa 4,33 1,03 23,7%
O grupo mais heterogêneo é o grupo 1, pois possui o maior CV (coeficiente de variação).
E a medida utilizada foi o CV.
15. R$ 2,26 ao quilo.

16. a) Correto, pois X J = 5,1 e X K = 7,0
b) Errado, pois CVJ = 24,0% e CVK = 17,7%, logo as notas dos alunos que foram
ensinados pelo método de ensino K são mais homogêneas, pois CVK < CVJ.
c) meJ = 4,75 e meK = 7,1
d) moJ = 4,0 e moK = Amodal
17. 8,96 Km/l.
18. R$ 6,50.
19. 7,5
20. R$4.010,00
21. a) O tempo médio que a máquina leva, em segundos, para executar a operação é de
34,2 segundos.
41
b) Metade das máquinas levou para executar a operação menos de 35 segundos e
metade mais de 35 segundos
c) O tempo de execução da operação que ocorreu com maior freqüência foi de 36
segundos.
d) Existe uma variação em torno da média de 3,2 segundos
22.
Disciplinas Moda Mediana Média Desvio-padrão CV
Química 5,0 5,5 5,6 1,1314 20,2%
Biologia 7,0 7,0 7,1 1,257 17,7%
A disciplina que apresenta notas mais heterogêneas é Química, pois CVQ > CVB.
23.
a) X I = 20,5 litros e X II = 13,5 litros me I = 21 litros e me II = 11 litros
b) s I = 8,81 litros => O consumo médio de gasolina do Táxi I foi 20,5 litros com uma variação
de 8,81 litros para mais ou para menos, e s II = 6,455 litros => O consumo médio de gasolina
do Táxi II foi de 13,5 litros com uma variação de 6,455 litros para mais ou para menos.
c) CVI = 43,0% e CVII = 47,8%, logo o taxista que teve o consumo de gasolina com
maior dispersão foi o II, pois CVII > CVI.
24. a) meAgro = 6,15 -> Metade do PIB do setor Agropecuário está abaixo de 6,15
bilhões de reais e metade está acima deste valor.
meInd = 28,3 -> Metade do PIB do setor da Indústria está abaixo de 28,3 bilhões de reais
e metade está acima deste valor.
b) X Agro = 6,28 litros e X Ind = 28,48 litros
c) s Agro = 0,794 litros e s Ind = 1,116 litros
d) CVAgro = 12,6% e CVInd = 3,9%, logo o setor que ocorre maior variabilidade no PIB é
o Agropecuário, pois CVAgro > CVInd.
25. letra (a)

26.
a) Média: 824 Mediana: 232 Moda: 1500
b) Devido a grande variação dos dados a melhor medida seria a Mediana, pois esta
não é influenciada por valores extremos.
27.
a) Saldos médios das contas do cliente – Quantitativa contínua
b)
Saldos Médios Nº Contas %
150 ├ 350 17 35,4
350 ├ 550 15 31,3
550 ├ 750 7 14,6
750 ├ 950 5 10,4
950 ├| 1150 4 8,3
Total 48 100
42
28.
Teor de Nicotina fi fri Fi Fri
0,7 ├ 1,0 2 5,0% 2 5,0%
1,0 ├ 1,3 2 5,0% 4 10,0%
1,3 ├ 1,6 5 12,5% 9 22,5%
1,6 ├ 1,9 18 45,0% 27 67,5%
1,9 ├ 2,2 8 20,0% 35 87,5%
2,2 ├ 2,5 5 12,5% 40 100,0%
TOTAL 40 100,0% - -
Conclusão: Verifica-se que 65,0% dos cigarros possuem entre 1,6 mg a 2,2 mg de
nicotina. Apenas 10,0% possuem menos de 1,3 mg de nicotina.
29.
Salário (R$) fi fri Fi Fri
950 |- 1550 8 10,0% 8 10,0%
1550 |- 2150 20 25,0% 28 35,0%
2150 |- 2750 40 50,0% 68 85,0%
2750 |- 3350 8 10,0% 76 95,0%
3350 |- 3950 2 2,5% 78 97,5%
3950 |- 4550 2 2,5% 80 100,0%
TOTAL 80 100,0% - -
30.
Notas fi fri Fi Fri
1,0 ├ 2,1 3 5,0% 3 5,0%
2,1 ├ 3,2 3 5,0% 6 10,0%
3,2 ├ 4,3 5 8,3% 11 18,3%
4,3 ├ 5,4 4 6,7% 15 25,0%
5,4 ├ 6,5 10 16,7% 25 41,7%
6,5 ├ 7,6 13 21,7% 38 63,4%
7,6 ├ 8,7 17 28,3% 55 91,7%
8,7 ├ 9,8 5 8,3% 60 100,0%
TOTAL 60 100,0% - -
Conclusão: Verifica-se que 66,7% dos alunos tiraran com notas entre 5,4 até 8,7.
Apenas 8,3% dos alunos tiraram notas acima de 8,7. E nota-se que 10,0% dos alunos
tiraram notas entre 1,0 e menos de 3,2.
43
31.
a)
Espessura (mm) fi fri Fi Fri
60 |- 70 5 10,0% 5 10,0%
70 |- 80 6 12,0% 11 22,0%
80 |- 90 8 16,0% 19 38,0%
90 |- 100 13 26,0% 32 64,0%
100 |- 110 10 20,0% 42 84,0%
110 |- 120 6 12,0% 48 96,0%
120 |- 130 2 4,0% 50 100,0%
TOTAL 50 100,0% - -
44
3. PROBABILIDADE
O cálculo das probabilidades pertence ao campo da Matemática. Sua inclusão nesse
estudo, cujo objetivo é essencialmente a Estatística, encontra explicação no fato de que
a maioria dos fenômenos de que trata a Estatística é de natureza aleatória ou
probabilística. Consequentemente, o conhecimento dos aspectos mais fundamentais do
cálculo de probabilidades é uma necessidade essencial para o estudo da Estatística.
3.1 Experimento Aleatório (E)

Experimentos aleatórios são aqueles que, mesmo repetidos várias vezes sob condições
semelhantes, apresentam resultados imprevisíveis.
Características dos experimentos aleatórios:

1. Podem ser repetidos indefinidamente sob as mesmas condições.
2. Não se pode adiantar um resultado particular, mas pode-se descrever todos os
resultados possíveis.
3. Se repetidos muitas vezes apresentarão uma regularidade em termos de
frequência de resultados.
Exemplos: lançamento de uma moeda, lançamento de um dado, aposta na loteria,

disputa de par ou ímpar etc.
Exemplos: Ao descrever um experimento aleatório deve-se especificar não somente que

operação ou procedimento deva ser realizado, mas também o que deverá ser observado.
(Note a diferença entre o E2 e o E3).
E1: Joga-se um dado e observa-se o número obtido na face superior.
E2: Joga-se uma moeda 4 vezes e o observa-se o número de caras obtido.
E3: Joga-se uma moeda 4 vezes e observa-se a seqüência de caras e coroas.
E4: Um lote de 10 peças contém 3 defeituosas. As peças são retiradas uma a uma (sem
reposição) até que a última defeituosa seja encontrada. Conta-se o número de peças
retiradas.
E5: Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar.
E6: Lança-se uma moeda até que ocorra uma cara e conta-se então o número de
lançamentos necessários.
E7: Lançam-se dois dados e anota-se o total de pontos obtidos.
E8: Lançam-se dois dados e anota-se o par obtido.
3.2 Espaço amostral (S)

É o conjunto de todos os resultados possíveis de um experimento aleatório. Anota-se
por S ou Ω.
n(S) é o número de elementos do conjunto S, ou o número de resultados possíveis.
Exemplo1: Seja o experimento: Efetivar 3 lançamentos de uma moeda (cara: c ou

coroa: k) e observar a face resultante. Qual o espaço amostral?
Espaço amostral: S = {ccc,cck,ckc,kcc,ckk,kck,kkc,kkk} e n(S) = 8.
45
Exemplo2: Determinar o espaço amostral dos experimentos anteriores.
S1 = {1, 2, 3, 4, 5, 6}
S2 = {0, 1, 2, 3, 4}
S3 = {cccc, ccck, cckc, ckcc, kccc, cckk, kkcc, ckck, kckc, kcck, ckkc, ckkk, kckk, kkck,
kkkc, kkkk}
S4 = {3, 4, 5, 6, 7, 8, 9 , 10}
S5 = { t ∈ ℜ / t ≥ 0 }
S6 = {1, 2, 3, 4, 5, ...}
S7 = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
S8 = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6)
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6)
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6)
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
Exemplo3: No lançamento de um dado, o espaço amostral é S = {1,2,3,4,5,6} e o

número de elementos de S é n(S) = 6.
Exemplo4: Na jogada de uma moeda, o espaço amostral é S = {Ca, Co} e o número de

elementos de S é: n(S) = 2.
Exemplo5: Um experimento é o lançamento de uma moeda. Os possíveis resultados são

cara ou coroa, então, S={cara, coroa}.
Em dois lançamentos de uma moeda, sendo interessante observar a ordem dos
resultados, os possíveis resultados são: 1) cara e cara, 2) cara e coroa, 3) coroa e cara e
4) coroa e coroa. O espaço amostral é S={(c,c), (c,k), (k,c) e (k,k)} e n(S)=4.
3.3 Eventos
Chama-se de evento qualquer subconjunto do espaço amostral S de um experimento
aleatório, ou seja, qualquer resultado do espaço amostral.
n(A) é o número de resultados associados ao evento A.
Seja A um evento. A probabilidade deste evento ocorrer é dada por P(A), que é um
número entre 0 e 1. Quanto mais próxima a probabilidade estiver de 1, maior será sua
chance de ocorrência. A um evento impossível atribui-se probabilidade 0, enquanto que
um evento certo tem probabilidade 1.
Exemplo1: no lançamento de uma moeda S = {cara, coroa}. Um evento de interesse A

pode ser “obter cara no lançamento de uma moeda” e n(A)=1.
No lançamento de um dado, o evento de interesse (A) pode ser obter face par e n(A)=3.
Exemplo2: No lançamento de um dado, onde S = {1,2,3,4,5,6}, temos, por exemplo:

- Evento A: Apareçam números pares, ou seja, A = {2,4,6} e n(A) = 3;
- Evento B: Apareçam números ímpares, ou seja, B = {1,3,5} e n(B) = 3;
- Evento C: Apareçam números maiores que 6, ou seja, C = ∅ e n(C) = 0;
- Evento D: Apareça o número 4. ou seja, D = {4} e n(D) = 1.
46
3.4 Conceitos de Probabilidade
Existem três formas de se definir probabilidade. A definição clássica, a frequencial e a

axiomática.
3.4.1 Definição Clássica

Seja S um espaço amostral formado por n(S) resultados igualmente prováveis. Seja A
⊆ S (A está contido em S) um evento com n(A) elementos. A probabilidade de A,
denotada por P(A), é definida como sendo:
n( A)
P( A) = , 0 ≤ P(A) ≤ 1
n( S )
Isto é, a probabilidade do evento A é o quociente entre o número de casos favoráveis e o

número de casos possíveis.
Exemplo:
Calcular a probabilidade de no lançamento de um dado equilibrado obter-se:
S = {1,2,3,4,5,6}
n(S) = 6
a) Um resultado igual a 4.
A = {4} n(A) = 1 então P(A) = n(A) / n(S) = 1 / 6 = 16,67%
b) Um resultado ímpar.
S = {1, 2, 3, 4, 5, 6} e n(S) = 6
B = {1, 3, 5} n(B) = 3 então P(B) = n(B) / n(S) = 3 / 6 = 50%
3.4.2 Definição Frequencial

Seja E um experimento e A um evento de um espaço amostral S. Suponha-se que E seja
repetido n vezes e seja fA o número de vezes que A ocorre nas n repetições de E.
Então a freqüência relativa do evento A, anotada por frA, é o quociente:
frA = fA / n = (número de vezes que A ocorre) / (número de vezes que E é repetido)
Exemplo1: Uma moeda foi lançada 200 vezes e forneceu 102 caras. Então a frequência
relativa de “caras” é:
frA = 102 / 200 = 0,51 = 51%
Exemplo2: Um dado foi lançado 100 vezes e a face 6 apareceu 18 vezes. Então a
frequência relativa do evento A = {face 6} é:
frA = 18 / 100 = 0,18 = 18%
47
3.4.3 Definição Axiomática

Seja E um experimento aleatório com um espaço amostra associado S. A cada evento
A ⊆ S associa-se um número real, representado por P(A) e denominado “probabilidade
de A”, que satisfaz as seguintes propriedades (axiomas):
(i) 0 ≤ P(A) ≤ 1;
(ii) P(S) = 1;
(iii) P(AUB) = P(A) + P(B) se A e B forem eventos mutuamente excludentes*.
* Eventos Mutuamente Excludentes (ou Disjuntos ou Exclusivos): Dois eventos A e B

são denominados mutuamente exclusivos ou excludentes ou disjuntos, se eles não
puderem ocorrer juntos, isto é, se A ∩ B = ∅ .
Como A ∩ B = ∅ , então, substituindo na fórmula da adição, que será apresentada na

sequencia, temos:
∅
P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
Então,
P(A ∪ B) = P(A) + P(B) quando os eventos forem disjuntos ou mutuamente
excludentes.
3.5 Operação com Eventos
Pode-se realizar operações entre eventos da mesma forma que elas são realizadas entre
conjuntos. Para apresentar os eventos utilizam-se os Diagramas de Venn, que
representam os espaços amostrais e os eventos como círculos, quadrados, ou outra
figura geométrica conveniente.
Seja E um experimento com um espaço amostral associado S. Seja A um evento de S. É

dito que o evento A ocorre se realizada a experiência, isto é, se executado E, o resultado
for um elemento de A.
Sejam A e B dois eventos de um mesmo espaço amostral S. Diz-se que ocorre o evento:
1. A união B ou A soma B, anotado por A ∪ B, se e somente se A ocorre ou B ocorre.
2. A produto B ou A interseção B, anotado por A ∩ B ou AB, se e somente A ocorre e B

ocorre.
48
3. A menos B ou A diferença B, anota-se A - B, se e somente se A ocorre e B não ocorre.
4. Probabilidade Complementar:
__
O complementar de A, anotado por A , AC ou ainda A’ se e somente se A não ocorre. Ou
seja, a probabilidade complementar de A é o evento formado por todos os resultados do
espaço amostral que não pertencem à A. A probabilidade de não ocorrência de A é
__
descrita como P( A ) e é expressa da forma:
__
P( A ) = 1 – P(A)
5. Eventos Independentes:
Sejam A e B dois eventos de um espaço amostral S. A e B são ditos independentes se a
probabilidade de um deles ocorrer não afetar a probabilidade do outro ocorrer, isto é, se:
P(A/B) = P(A) ou
P(B/A) = P(B) ou ainda se
P(A ∩ B) = P(A) . P(B)
Qualquer uma das três relações acima pode ser usada como definição de independência.
3.6 TEOREMAS
3.6.1 Teorema da adição
O teorema da adição leva em conta a ocorrência do evento A ou do evento B ou de

ambos os eventos e é denotada por P(A ∪ B) e dada por:
P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
49
Quando os eventos são mutuamente excludentes (não tem elementos em comum), então
a probabilidade de ambos é nula e o termo P(A ∩ B) será zero.
Se A e B são mutuamente excludentes → P(A ∪ B) = P(A) + P(B)
A extensão para três eventos será:
O teorema da adição leva em conta a ocorrência do evento A ou do evento B ou do

evento C ou de todos os três eventos e é denotada por P(A ∪ B ∪ C) e dada por:
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C)
Se A e B e C são mutuamente excludentes → P(A ∪ B ∪ C) = P(A) + P(B) + P(C)
Exemplo 1: Ao retirar uma carta do baralho considere os eventos: A – retirar um Ás e B

– retirar uma carta do naipe Espadas. Qual a probabilidade de selecionar aleatoriamente
uma carta deste baralho e ela ser um Ás ou uma carta do naipe de espadas?
P(A ou B) = P(A) + P(B) – P(A e B)

P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
4/52 + 13/52 – 1/52 =
16/52 = 0,3077
50
Exemplo 2: Ao retirar uma carta do baralho considere os eventos: A – retirar um Ás e B
– retirar um Rei. Qual a probabilidade de selecionar aleatoriamente uma carta deste
baralho e ela ser um Ás ou um Rei?
Como A e B são mutuamente excludentes:

P(A ∪ B) = P(A) + P(B) = 4/52 + 4/52 = 8/52 = 0,1538
Exercício 1: Numa urna existem 10 bolas numeradas de 1 a 10. Uma bola é retirada ao
acaso. Determine a probabilidade:
a) De um número ser par ou maior do que 4.
b) De um número ser primo ou maior do que 8.
51
Exercício 2: De 100 pessoas que solicitaram emprego de programador de computador,
durante o ano passado, 65 possuíam experiência anterior, 30 pessoas possuíam um
certificado profissional. Vinte candidatos possuíam tanto experiência anterior como
certificado profissional. Qual a probabilidade de um candidato selecionado ao acaso
deste grupo tenha experiência anterior ou certificado profissional?
3.6.2 Teorema da multiplicação:

Considerando-se dois eventos A e B de um mesmo espaço amostral, a probabilidade de
A e B ocorrerem P(A ∩ B) é dada por:
Se A e B são dois eventos dependentes então:
P(A ∩ B) = P(A) . P(B/A)
Onde a probabilidade condicional P(B/A) lê-se a probabilidade de B ocorrer dado que A
já ocorreu.
E quando A e B forem independentes → P(A ∩ B) = P(A) . P(B)
A extensão para três eventos será:
Se A e B e C são três eventos dependentes então:

P(A ∩ B ∩ C) = P(A) . P(B/A) . P(C/ A ∩ B)
E quando A e B e C forem independentes → P(A ∩ B ∩ C) = P(A) . P(B) . P(C)
OBS: Dois eventos são independentes quando a ocorrência ou não de um evento não
tem efeito algum na probabilidade de ocorrência do outro evento. Dois eventos são
dependentes quando a ocorrência ou não-ocorrência de um evento afeta a
probabilidade de ocorrência do outro.
Exemplo 1: Em uma linha de produção a probabilidade de uma peça fabricada estar

fora das especificações em relação a sua largura é 2%, em relação ao seu comprimento
é 5%. Considere que a ocorrência de defeito na largura ou comprimento acontece de
forma independente. Uma peça foi aleatoriamente selecionada desta linha de produção e
seu comprimento e largura verificados pelo controle de qualidade, qual a probabilidade
desta peça:
Vamos considerar:
A: defeito na largura A : largura perfeita
B: defeito no comprimento B : comprimento perfeito
52
P(A) = 0,02 P( A ) = 0,98

P(B) = 0,05 P( B ) = 0,95
a) Apresentar defeito na largura e no comprimento.

P(A ∩ B) = P(A) . P(B) = 0,02 x 0,05 = 0,001
b) Apresentar defeito apenas na largura.

P(A ∩ B ) = P(A) . P( B ) = 0,02 x 0,95 = 0,019
c) A peça ser perfeita na largura e no comprimento.

P( A ∩ B ) = P( A ) . P( B ) = 0,98 x 0,95 = 0,931
d) A peça apresentar pelo menos um destes defeitos.

P(A ∩ B ) ou P( A ∩ B) ou P(A ∩ B) =
(0,02 x 0,95) + (0,98 x 0,05) + (0,02 x 0,05) =
0,019 + 0,049 + 0,001 = 0,069
ou
P(A ∪ B) = P(A) + P(B) – P(A ∩ B) = 0,02 + 0,05 – (0,02x0,05) = 0,069
Exemplo 2: Um lote de 10 peças produzidas por uma fábrica contém 8 peças boas e 2
defeituosas. Duas peças são retiradas aleatoriamente, sem reposição, pelo comprador do
lote. Qual é a probabilidade de:
a) As duas peças serem boas.

P(B1 ∩ B2) = P(B1) . P(B2/B1) = 8/10 x 7/9 = 56/90 = 0,6222
b) A primeira peça ser boa e a segunda defeituosa.

P(B1 ∩ D2) = P(B1) . P(D2/B1) = 8/10 x 2/9 = 16/90 = 0,1777
c) As duas peças serem defeituosas.

P(D1 ∩ D2) = P(D1) . P(D2/D1) = 2/10 x 1/9 = 2/90 = 0, 0222
Exemplo 3: Uma urna contém 10 bolas, sendo 7 amarelas e 3 verdes. Se uma amostra
de 2 bolas for selecionada ao acaso, sem reposição, qual é a probabilidade de que:
a) Ambas sejam verdes.
P(V1 e V2) = P(V1 ∩ V2) = P(V1 ∩ V2) = P(V1) . P(V2/V1) = 3/10 . 2/9 = 6/90
b) Ocorra uma de cada cor.
P[(V1 ∩ A2) ∪ (A1 ∩ V2)] = P(V1) . P(A2/V1) + P(A1) . P(V2/A1) =

= 3/10 . 7/9 + 7/10 . 3/9 = 42/90
53
OBS:
Um baralho de 52 cartas é formado por 4 naipes, sendo 2 naipes vermelhos (Copas e

Ouros) e 2 naipes pretos (Espadas e Paus). Cada naipe possui 13 cartas, sendo as
cartas com numerações 11, 12, e 13 chamadas, respectivamente, de Valete (J), Dama
(Q) e Rei (K), e as mesmas são chamadas também de figuras do baralho.
Configuração de um baralho de 52 cartas:
54
Exercício 1: Considere uma urna que contem 15 bolas, das quais 9 são azuis e 6 são
verdes.
a) Duas bolas são retiradas, sem reposição, qual a probabilidade de retirar a primeira
bola azul e a segunda verde.
b) Duas bolas são retiradas, com reposição, qual a probabilidade de retirar a primeira
bola azul e a segunda verde.
c) Três bolas são retiradas, sem reposição, qual a probabilidade de retirar as duas
primeiras bolas verdes e a terceira ser azul.
d) Duas bolas são retiradas, sem reposição, qual a probabilidade de ocorrer uma bola de
cada cor.
Exercício 2: João tem dois velhos automóveis. Nas manhãs frias, há 20% de
probabilidade de um deles não pegar, e 30% de outro não pegar. Em uma manhã fria,
qual a probabilidade de:
a) Nenhum dos automóveis pegar.
b) Os dois automóveis pegarem.
55
c) Apenas um automóvel pegar.
d) Ao menos um dos automóveis pegar.
Exercício 3: As falhas de diferentes equipamentos são independentes uma das outras.

Se há três equipamentos e suas respectivas falhas são: 2,5%, 3% e 4%. Em um
determinado dia, calcule a probabilidade de:
a) Todos falharem. (R: 0,00003)
b) Nenhum falhar. (R: 0,90762)
c) Apenas um falhar. (R: 0,08919)
56
3.7 Probabilidade Condicional
Sejam A e B dois eventos de um espaço amostral S, associado a um experimento E,

onde P(A) > 0. A probabilidade de B ocorrer condicionada a A ter ocorrido, será
representada por P(B/A), e lida como: “probabilidade de B dado A” ou “probabilidade
de B condicionada a A” ou “probabilidade de ocorrer o evento B, dado que tenha
ocorrido o evento A”, e calculada por:
P( A ∩ B)
P( B / A) = ou
P( A)
P(A ∩ B) = P(A) . P(B/A)
Exemplo: A probabilidade de um voo regular partir no horário é 0,83; a probabilidade

deste voo chegar no horário é 0,82, e a probabilidade de que parta e chegue no horário é
0,78. Calcule:
a) A probabilidade de o voo chegar no horário tendo partido no horário.
b) A probabilidade de o voo ter partido o no horário dado que chegou no horário.
Resolução:
A: Voo partir no horário P(A) = 0,83
B: Voo chegar no horário P(B) = 0,82
A e B: Ambos (partir e chegar no horário) P(A ∩ B) = 0,78
P( A ∩ B) 0,78
a) P( B / A) = = = 0,94
P( A) 0,83
P( A ∩ B) 0,78
a) P( A / B) = = = 0,95
P( B) 0,82
Exercício. De 100 pessoas que solicitaram emprego de programador de computador,

durante o ano passado, 65 possuíam experiência anterior, 30 pessoas possuíam um
certificado profissional. Vinte candidatos possuíam tanto experiência anterior como
certificado profissional. Calcule a probabilidade de um candidato que possui certificado
profissional, selecionado aleatoriamente deste grupo, possuir também experiência
anterior?
57
3.8 Teoremas da Probabilidade Total e de Bayes
O conceito de probabilidade condicional pode ser utilizado para calcular a probabilidade

de um evento simples A ao invés da probabilidade da interseção de dois eventos A e B.
Para tanto é necessário o conceito de partição de um espaço amostral.
Definição: Dizemos que os eventos B1, B2, ... , Bk formam uma partição do espaço
amostral S se e somente se:
i) Bi ∩ Bj = ∅ , para todo i ≠ j;
ii) B1 ∪ B2 ∪ ... ∪ Bk = S;
iii) P (Bi) > 0, para todo i.
OBS: Na figura abaixo verifica-se que o B9 não traz informação para o evento A, logo
B9 não é uma partição de A.
Exemplo:
Considere o espaço amostra obtido pelos números das faces no lançamento de um dado
equilibrado e sejam os eventos:
B1 = {1, 2, 3}, B2 = {4, 5} e B3 = {6}
Então, pode-se verificar facilmente que os eventos acima formam uma partição do
espaço amostral S = {1, 2, 3, 4, 5, 6}.
58
3.8.1 Teorema da Probabilidade Total
Seja S um espaço amostral e B1, B2, ... , Bk uma partição de S e A um evento qualquer.
Então, A = (B1 ∩ A ) ∪ (B2 ∩ A) ∪ ... ∪ (Bk ∩ A)
Alguns destes conjuntos (Bi ∩ A) poderão ser vazios, mas isto não representa nenhum
problema na decomposição de A. O importante é que todos os conjuntos (B1 ∩ A),
(B2 ∩ A), .... , (Bk ∩ A) são dois a dois mutuamente excludentes ou disjuntos. Por isto,
pode-se aplicar a propriedade da adição de eventos mutuamente excludentes ou
disjuntos e escrever:
P(A) = P [(B1 ∩ A) ∪ (B2 ∩ A) ∪ ... ∪ (Bk ∩ A)] =
= P(B1 ∩ A) + P(B2 ∩ A) + ... + P(Bk ∩ A) =
Mas cada um dos termos P(Bi ∩ A) pode ser escrito na forma:
P(Bi ∩ A) = P(Bi) . P(A/Bi), pela definição de probabilidade condicional, obtém-se então

o denominado teorema da probabilidade total:
P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) + ... + P(Bk) . P(A/Bk)
P(B1 ∩ A) P(B2 ∩ A) P(Bk ∩ A)
k
Logo, P(A) = ∑ P( Bi) ⋅ P( A / Bi)
i =1
Exemplo: Uma urna contém 3 bolas brancas e 2 amarelas. Uma segunda urna contém 4
bolas brancas e 2 amarelas. Escolhe-se ao acaso uma urna e dela retira-se também ao
acaso, uma bola. Qual é a probabilidade de que seja branca?
Solução:
Evento A = Bola Branca
Evento B1 = Urna 1
Evento B2 = Urna 2
P(A) = P(B1) . P(A/B1) + P(B2) . P(A/B2) =

1/2 . 3/5 + 1/2 . 4/6 = 19/30
59
Exercício: Uma determinada peça é manufaturada por 3 fábricas: A, B e C. Sabe-se que
A produz o dobro de peças que B e que B e C produzem o mesmo número de peças.
Sabe-se ainda que 2% das peças produzidas por A e por B são defeituosas, enquanto
que 4% das produzidas por C são defeituosas. Todas as peças produzidas são misturadas
e colocadas em um depósito. Se do depósito for retirada uma peça ao acaso, qual a
probabilidade de que a mesma seja defeituosa?
Então, queremos descobrir quanto vale P(A) = ?
Solução:
Evento de interesse A: a peça é defeituosa
Partição B1: a peça provém da fábrica A
Partição B2: a peça provém da fábrica B
Partição B3: a peça provém da fábrica C
60
3.8.2 Teorema de Bayes
A regra de Bayes é um método de revisão de probabilidades existentes (a priori) com

base em informação amostral. Seja S um espaço amostral, B1, B2, ... , Bk uma partição de
S e A um evento qualquer, para i = 1,2, ... ,k.
P( Bi ∩ A)
Sabemos que P( Bi / A) = (Probabilidade Condicional)
P( A)
P ( Bi ).P ( A / Bi )
P ( Bi / A) = k
(pelo Teorema da Probabilidade Total)
∑ P( B ).P( A / Bi)
i =1
i
P( Bi ).P( A / Bi )
P( Bi / A) =
[ P( B1 ).P( A / B1 ) + P( B2 ).P( A / B2 ) + ... + P( Bk ).P( A / Bk )
Logo, a fórmula do Teorema de Bayes pode ser escrita da seguinte forma:
P ( Bi ).P ( A / Bi )
P ( Bi / A) = k
∑ P( B ).P( A / Bi)
i =1
i
Exemplo: Os arquivos da polícia revelam que, das vítimas de acidentes

automobilísticos que utilizam cinto de segurança, apenas 10% sofrem ferimentos
graves, enquanto que essa incidência é de 50% entre as vítimas que não utilizam o cinto
de segurança. Estima-se que 60% dos motoristas usam o cinto. A polícia acaba de ser
chamada para investigar um acidente em que houve um indivíduo gravemente ferido.
Calcule a probabilidade de ele estar usando o cinto no momento do acidente.
Solução:
Evento de interesse A: ocorrer ferimentos graves
Partição B1: utilizam cinto de segurança
Partição B2: não utilizam cinto de segurança
P(B1) = 60% = 0,60

P(B2) = 40% = 0,40
P(A/B1) = 10% = 0,10

P(A/B2) = 50% = 0,50
P(B1 ) . P(A/B1 ) 0,6.0,1

P(B1/A) = = = 0,23
P(B1 ) . P(A/B1 ) + P(B2 ) . P(A/B2 ) [0,6.0,1] + [0,4.0,5]
61
Exercício 1: Uma determinada peça é manufaturada por 3 fábricas: A, B e C. Sabe-se
que A produz o dobro de peças que B e que B e C produzem o mesmo número de peças.
Sabe-se ainda que 2% das peças produzidas por A e por B são defeituosas, enquanto
que 4% das produzidas por C são defeituosas. Todas as peças produzidas são misturadas
e colocadas em um depósito. Suponha que uma peça seja retirada do depósito e
constata-se que é defeituosa. Qual a probabilidade de que a peça tenha sido produzida
pela fábrica A?
Então, queremos descobrir quanto vale P(B1/A) = ?
Solução:
Evento de interesse A: a peça é defeituosa
Partição B1: a peça provém da fábrica A
Partição B2: a peça provém da fábrica B
Partição B3: a peça provém da fábrica C
Exercício 2: Uma urna contém 5 bolas brancas e 2 verdes. Uma segunda urna contém 3
bolas brancas e 4 verdes. Escolhe-se ao acaso uma urna e dela retira-se também ao
acaso uma bola.
a) Qual é a probabilidade de que a bola seja verde?
b) Sabe-se que a bola retirada é verde, qual é a probabilidade de que essa bola seja
proveniente da segunda urna?
62
Exercício 3: Numa determinada cidade onde os automóveis devem ser testados quanto
à emissão de poluentes, 25% de todos os carros emitem quantidade excessivas de
poluentes. Ao serem testados, 99% de todos os carros que emitem excesso de poluentes
são reprovados, mas 17% dos que não acusam emissão excessiva de poluentes também
são reprovados. Qual é a probabilidade de um carro reprovado no teste ter efetivamente
excesso de emissão de poluentes?
RESUMO - Regras de probabilidade:
P(A ∪ B), Para eventos não mutuamente excludentes:

P(A ∪ B) = P(A) + P(B) – P(A ∩ B)
Para eventos mutuamente excludentes:

P(A ∪ B) = P(A) + P(B)
P(A ∩ B), Para eventos independentes:

P(A ∩ B) = P(A) . P(B)
Para eventos dependentes:

P(A ∩ B) = P(B) . P(A/B) ou P(A) . P(B/A)
Independência implica em:

P(A/B) = P(A)
P(B/A) = P(B)
63
EXERCÍCIOS:
1. Considere uma caixa contendo 10 brindes: 4 livros, 2 celulares, 1 rádio e 3 perfumes.

Você tem direito a um destes brindes que serão sorteados. Qual a probabilidade de você:
a) Ganhar um livro R: 0,40

b) Ganhar um celular R: 0,20
c) Ganhar um rádio ou um celular R: 0,30
d) Não ganhar perfume R: 0,70
2. Encontre n(S), n(A) e P(A) para os seguintes eventos no lançamento de dois dados.
a) A: apareçam faces iguais. R: 0,167
b) A: a segunda face é o dobro da primeira. R: 0,0833
c) A: o produto das faces é um número inferior a 37. R: 1,0
d) A: a soma das faces é igual a 7. R: 0,167
e) A: a segunda face é o quadrado da primeira. R: 0,055
f) A: apareçam faces iguais ou a segunda face é o quadrado da primeira. R: 0,1944
3. Extrai-se uma só carta de um baralho de 52 cartas. Determine a probabilidade de se

obter:
a) Um valete. R: 0,077
b) Um dez de copas. R: 0,019
c) Um 9 vermelho ou um 8 preto. R: 0,077
d) Uma figura. R: 0,2308
4. Joga-se um dado equilibrado. Determine a probabilidade de se obter:
a) Um seis. R: 0,1667
b) Cinco, seis ou sete. R: 0,333
c) Um número par. R: 0,50
d) Um número menor do que 4. R: 0,50
5. Há 50 bolas numa urna distribuídas como segue:

COR azul vermelho laranja verde
NÚMERO 20 15 10 5
Misturam-se as bolas e escolhe-se uma. Determine a probabilidade da bola escolhida

ser:
a) Verde. R: 0,10
b) Azul. R: 0,40
c) Azul ou verde. R: 0,50
d) Não-vermelha. R: 0,70
e) Vermelha ou verde. R: 0,40
f) Amarela. R: 0,0
6. Adultos são aleatoriamente selecionados para uma pesquisa do IBOPE, e pergunta-se

a eles se são a favor da pena de morte para uma pessoa acusada de assassinato. Os
resultados da pesquisa realizada com 519 pessoas concluem que 338 destas são a favor
64
da pena de morte. Com base nestes resultados, estime a probabilidade de uma pessoa,
escolhida aleatoriamente ser:
a) a favor da pena de morte para uma pessoa acusada de assassinato R: 0,65
b) contra a pena de morte para uma pessoa acusada de assassinato R: 0,35
7. De 300 estudantes do curso de Ciências da Computação, 100 são matriculados em

Geometria Analítica e 80 em Estatística. Estes dados incluem 30 estudantes que estão
matriculados em ambas as disciplinas. Qual a probabilidade de um estudante de
Ciências da Computação selecionado ao acaso esteja matriculado em Geometria
Analítica ou Estatística? R: 0,50
8. De 100 pessoas que solicitaram emprego de programador de computador, durante o

ano passado, 65 possuíam experiência anterior e 30 possuíam um certificado
profissional. Vinte dos candidatos possuíam tanto experiência anterior como certificado
profissional. Qual a probabilidade de um candidato selecionado ao acaso deste grupo
tenha experiência anterior ou certificado profissional? R: 0,75
9 (2015/1). Suponha que 60% das pessoas de um bairro assinem o jornal W, 40%
assinem o jornal Y, e 30% assinem ambos. Uma pessoa deste bairro é selecionada
aleatoriamente:
a) Qual a probabilidade de que esta pessoa assine pelo menos um dos jornais. R: 0,70
b) Dado que esta pessoa assina o jornal Y, qual é a probabilidade de que assine também
o jornal W? R: 0,75
c) Qual a probabilidade de que esta pessoa não assine nenhum destes jornais. R: 0,30
d) Qual a probabilidade de que esta pessoa assine o jornal W, mas não assine o jornal Y.
R: 0,30
10 (2015/2). Em uma indústria de móveis, 8,5% das unidades apresentam risco na

pintura, 6,5% apresentam dobradiças soltas e 3% apresentam os dois defeitos. Uma
unidade é escolhida aleatoriamente.
a) Qual a probabilidade de não apresentar nenhum desses defeitos? R: 0,88
b) Qual a probabilidade de apresentar apenas o defeito risco na pintura? R: 0,055
11 (2015/2). Em uma classe de estudantes de um determinado curso, 44% dos alunos

estudaram Cálculo, 35% estudaram Álgebra, e 23% estudaram ambas. Se um estudante
dessa classe for selecionado aleatoriamente, determine a probabilidade de que:
a) O estudante não tenha estudado nenhuma dessas disciplinas. R: 0,44
b) O estudante tenha estudado pelo menos uma dessas disciplinas. R: 0,56
12 (2015/2). Da população de uma cidade, 28% fumam cigarro, 7% fumam charuto e

5% fumam ambos. Calcule a probabilidade de que um morador, selecionado
aleatoriamente:
a) Não fume nem cigarro nem charuto. R: 0,70
b) Fume pelo menos um tipo (cigarro ou charuto). R: 0,30
c) Fume cigarro, mas não fume charuto. R: 0,23
13. Qual a probabilidade de sair o ás de ouros quando retiramos uma carta de um

baralho de 52 cartas? R: 0,019
65
14. Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho de 52
cartas? R: 0,077
15. Em um lote de 12 peças, 4 são defeituosas. Sendo retirada uma peça, calcule:
a) A probabilidade dessa peça ser defeituosa. R: 0,33
b) A probabilidade dessa peça não ser defeituosa. R: 0,67
16. De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do primeiro

baralho e uma carta do segundo. Qual a probabilidade da carta do primeiro ser um rei e
a do segundo ser o 5 de paus? R: 0,00148
17. De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposição. Qual é
a probabilidade da primeira carta ser o ás de paus e a segunda ser o rei de paus? R:
0,0004
18. No lançamento de um dado, qual a probabilidade de se obter um número não

inferior a 5? R: 0,33
19. Dois dados são lançados simultaneamente. Determine a probabilidade de:

a) A soma ser menor do que 4. R: 0,083
b) A soma ser 9. R: 0,1111
c) O primeiro resultado ser maior do que o segundo. R: 0,417
d) A soma ser menor ou igual a 5. R: 0,278
20. Duas cartas são retiradas ao acaso, sem reposição, de um baralho de 52 cartas.
Calcule a probabilidade de se obterem:
a) Dois valetes. R: 0,005
b) Um valete e uma dama. R: 0,006
21. Um lote é formado por 10 peças boas, 4 com defeitos e 2 com defeitos graves. Uma
peça é escolhida ao acaso. Calcule a probabilidade de que:
a) Ela não tenha defeitos graves. R: 0,875
b) Ela não tenha defeitos. R: 0,625
c) Ela seja boa ou tenha defeitos graves. R: 0,750
22. Uma moeda é lançada 3 vezes. Calcule a probabilidade de obtermos:

a) Três caras. R: 0,125
b) Duas caras e uma coroa. R: 0,375
c) Uma cara somente. R: 0,375
d) Nenhuma cara. R: 0,125
e) Pelo menos uma cara. R: 0,875
f) No máximo uma cara. R: 0,50
23. Um dado é lançado 3 vezes. Qual a probabilidade de ocorrer 6 em todos os

lançamentos? R: 0,00463
24. A probabilidade de um certo homem viver mais de 25 anos é 3/7 e de sua mulher é
4/5. Calcule a probabilidade de, daqui a 25 anos, somente o homem estar vivo. R: 0,086
66
25. Um terço dos eleitores de certa comunidade é constituído por homens e 10% dos
eleitores votaram em branco na última eleição. Supondo que estes eventos sejam
independentes, determine a probabilidade de escolher aleatoriamente um homem e este
ter votado em branco na última eleição. R: 0,033
26. As falhas de diferentes máquinas são independentes umas das outras. Se há 4

máquinas e suas respectivas falhas são: 1%, 2%, 5% e 10% em determinado dia, calcule
a probabilidade de:
a) Todas falharem. R: 0,000001
b) Nenhum falhar. R: 0,82952
27. Marcelo tem dois velhos automóveis. Nas manhãs frias, há 20% de probabilidade de
um deles não pegar e 30% do outro não pegar. Em uma manhã fria qual a probabilidade
de:
a) Nenhum pegar. R: 0,06
b) Apenas 1 pegar. R: 0,38
28. Considere uma caixa contendo 15 bolas: 6 verdes, 5 azuis, 1 laranja e 3 vermelhas.
Você retira uma bola aleatoriamente. Qual a probabilidade de você:
a) Retirar uma bola verde. R: 0,40
b) Retirar uma bola azul. R: 0,333
c) Retirar uma bola laranja ou uma vermelha. R: 0,267
d) Não retirar uma bola vermelha. R: 0,80
e) Retirar uma bola preta. R: 0,0
29. O serviço meteorológico informa que, para o final de semana, a probabilidade de

chover é de 60%, a de fazer frio é de 70% ,e a de chover e fazer frio é de 50%. Calcular
a probabilidade de que, no final de semana chova ou faça frio. R: 0,80
30. Uma loja dispõe de 15 computadores do mesmo tipo, das quais 4 apresentam
defeitos.
a) Se um freguês vai comprar um computador, qual a probabilidade de levar um
defeituoso? R: 0,267
b) Se um freguês vai comprar três computadores, qual a probabilidade de levar os três
defeituosos? R: 0,0088
31. Um atirador A tem probabilidade de 1/4 de acertar um alvo. Já um atirador B tem

probabilidade de 2/5 de acertar o mesmo alvo. Se ambos atirarem simultaneamente e
independentemente, qual a probabilidade de que:
a) Ambos acertem o alvo. R: 0,10
b) Ao menos um deles acerte o alvo. R: 0,55
32. Sejam A e B dois eventos mutuamente excludentes (disjuntos). A probabilidade de

ocorrência de ao menos um destes eventos é 0,52, e a probabilidade de A não ocorrer é
0,60. Calcule a probabilidade de B ocorrer? R: 0,12
33. Em uma classe de 100 formandos do ensino médio, 54 estudaram matemática, 69

estudaram história e 35 estudaram ambas as matérias. Se um desses estudantes for
selecionado aleatoriamente, determine a probabilidade de que:
a) O estudante tenha estudado matemática ou história. R: 0,88
67
b) O estudante não tenha estudado nenhuma dessas matérias. R: 0,12
34. (2014/2) As probabilidades de três motoristas serem capazes de dirigir até em casa
com segurança, depois de beber, são: 1/3, 1/5 e 1/6. Se decidirem (erradamente) dirigir
até em casa, depois de beberem numa festa, qual a probabilidade:
a) De todos os três motoristas sofrerem acidentes? R: 0,44
b) De que ao menos um chegue em casa salvo? R: 0,56
35. (2014/2) Um dado é lançado e, independentemente, uma carta é extraída de um

baralho completo (52 cartas). Qual será a probabilidade de que:
a) O dado mostre um número maior do que 4 e a carta seja de um naipe preto. R: 0,1667
b) O dado mostre um número par ou a carta seja uma figura vermelha. R: 0,6154
36. (2014/2) Em uma escola, 60% dos estudantes não usam anel e nem colar; 20% usam
anel, e 30% usam colar. Se um aluno é escolhido aleatoriamente, qual a probabilidade
de que esteja usando:
a) Pelo menos uma das joias. R: 0,40
b) Ambas as joias. R: 0,10
c) Um anel, mas não um colar. R: 0,10
37. (2014/2) Da população de uma cidade, 28% fumam cigarro, 7% fumam charuto e
5% ambos. Calcule a probabilidade de que um morador, selecionado aleatoriamente,
não fume nem cigarro nem charuto. R: 0,70
38. (2015/2) Em um banco a probabilidade de uma carteira de ações (A) foi estimada
em 0,65. A probabilidade de que o número de correntistas do banco aumente dentro dos
limites previstos (C) é de 0,51. Admitindo que ambos os eventos A e C sejam
independentes, determine a probabilidade de que:
a) Ambos objetivos sejam atingidos. R: 0,3315
b) Pelo menos um dos objetivos seja atingido. R: 0,8285
c) Somente A seja atingido. R: 0,3185
39. (2015/2) Dois estudantes, Pedro e Paulo, estão matriculados em uma turma de
Estatística. Paulo comparece a 85% das aulas, já Pedro comparece a 70% das aulas, e
suas presenças são independentes. Qual a probabilidade de que, em um determinado dia:
a) Ambos estudantes não compareçam à aula? R: 0,045
b) Pelo menos um dos estudantes não compareça à aula? R: 0,405
c) Somente o estudante Pedro compareça à aula? R: 0,105
40. (2015/1) Dois aparelhos de alarme funcionam de forma independente, detectando

problemas com probabilidades de 0,975 e 0,89. Determinar a probabilidade de que dado
um problema:
a) Este não seja detectado por ambos os aparelhos de alarme. R: 0,00275
b) Este seja detectado por somente um aparelho de alarme. R: 0,1295
41. (2014/1) Um livro é lido por três revisores, de modo independente. As

probabilidades de que eles detectem um erro específico são 0,92, 0,85 e 0,95,
respectivamente. Calcule a probabilidade de que o erro seja percebido por exatamente
dois revisores. R: 0,2348
68
42. (2015/2) Em uma amostra de 1000 pessoas, 120 são canhotas. Duas pessoas são
selecionadas aleatoriamente sem reposição.
a) Encontre a probabilidade de que nenhuma seja canhota. R: 0,7742943
b) Encontre a probabilidade de que ambas sejam canhotas. R: 0,0142943
c) Encontre a probabilidade de que pelo menos uma das duas pessoas seja canhota. R:
0,225705706
43. (2015/2) Doze lâmpadas são testadas para verificar se duram pelo menos o tempo
afirmado pelo fabricante. Três lâmpadas falharam no teste. Duas lâmpadas são
selecionadas aleatoriamente, com reposição. Encontre a probabilidade de que:
a) Ambas as lâmpadas tenham passado no teste. R: 0,5625
b) Ambas as lâmpadas tenham falhado no teste. R: 0,0625
c) Pelo menos uma lâmpada falhe no teste. R: 0,4375
44. (2016/2) Em um lote de 14 peças, 5 são defeituosas e 2 peças são retiradas uma após
a outra sem reposição.
a) Qual a probabilidade de que ambas as peças sejam boas? R: 0,3956044
b) Qual a probabilidade de que ambas as peças sejam defeituosas? R: 0,1098901
c) Qual a probabilidade de que apenas uma peça seja boa? R: 0,494505494
45. (2016/2) Em certo colégio, 25% dos estudantes foram reprovados em matemática,
15% em química, e 10% em matemática e química ao mesmo tempo. Um estudante é
selecionado aleatoriamente.
a) Se ele foi reprovado em química, qual é a probabilidade dele ter sido reprovado em
matemática? R: 0,6667
b) Qual é a probabilidade dele ter sido reprovado em matemática ou em química? R:
0,30
c) Qual é a probabilidade dele não ter sido reprovado nem em matemática nem em
química? R: 0,70
46. (2017/1) A fundação de um alto edifício pode ceder devido a falhas do tipo
“Bearing” ou do tipo “Settlement”. Sejam as falhas independentes, e os respectivos
modos de falha são 0,25% e 0,9%. Calcule a probabilidade de ocorrer pelo menos uma
das falhas. (R: 0,0114775)
47. (2017/1) Uma pesquisa é realizada com 10.000 consumidores sobre a preferência de
marca de um determinado produto. Verificou-se que 4500 usam a marca X, 5500 usam
a marca Y, e 1500 usam as duas marcas. Foi sorteada uma pessoa entre as 10.000 e
verificou-se que a mesma usa a marca X. Qual a probabilidade dessa pessoa também ser
usuária da marca Y? (R: 0,333333)
48. (2017/1) Uma urna contém bolas numeradas de 1 a 25. Sorteamos uma bola
aleatoriamente. Qual a probabilidade de sair um número múltiplo de 2 ou múltiplo de 3?
(R: 0,64)
49. (2017/2) De acordo com certa tábua de mortalidade, a probabilidade de José estar
vivo daqui a 20 anos é 0,60, e a mesma probabilidade para João é 0,85. Determine a
probabilidade de apenas um estar morto daqui a 20 anos. (R: 0,43)
69
50. (2017/2) Solicita-se a dois estudantes, Maria e Pedro, que resolvam determinado
problema. Eles trabalham na solução do mesmo independentemente, e têm,
respectivamente, probabilidade 0,75 e 0,80 de resolvê-lo.
a) Qual é a probabilidade de que nenhum deles resolva o problema? (R: 0,05)
b) Qual é a probabilidade do problema ser resolvido? (R: 0,95)
c) Dado que o problema foi resolvido, qual é a probabilidade de que tenha sido
resolvido apenas por Maria? (R: 0,1579)
51. (2017/2) A probabilidade de que um pedido de um consumidor não seja despachado

no tempo especificado é de 4,6%. Um consumidor faz três pedidos, em longos
intervalos de tempo, de modo que os eventos podem ser considerados independentes.
Qual é a probabilidade de que todos os pedidos deste cliente sejam despachados no
tempo especificado? (R: 0,868251)
52. (2018/2) Duas bolas são retiradas, sem reposição, de uma urna que contém 4 bolas
brancas, 5 vermelhas e 6 amarelas. Qual a probabilidade de que ambas bolas:
a) Sejam amarelas? (R: 0,14286)
b) Sejam da mesma cor? (R: 0,29524)
EXERCÍCIOS – Teorema de Bayes e Teorema da Probabilidade Total:
53. (2014/2) A eficácia de um teste de laboratório para checar certa doença nas pessoas
que comprovadamente têm essa doença é de 90%. Esse mesmo teste, porém, produz um
falso-positivo (acusa positivo em quem não tem comprovadamente a doença) da ordem
de 1%. Em um grupo populacional em que a incidência dessa doença é de 0,6%,
seleciona-se uma pessoa ao acaso para fazer o teste. Qual a probabilidade de que o
resultado desse teste venha a ser positivo? R: 0,01534
54. Durante o mês de novembro a probabilidade de chuva é de 0,3. O São Paulo ganha
um jogo em um dia com chuva com probabilidade de 0,4; e em um dia sem chuva com
probabilidade 0,6. Se ganhou um jogo em novembro, qual é a probabilidade de que
choveu nesse dia? R: 0,22
55. (2014/2) Um técnico em aparelhos elétricos faz consertos em domicílio e deve

consertar um ferro elétrico na casa de um cliente. Ele avalia que o defeito deve estar na
tomada de força da área de serviço, no cabo de força de alimentação ou na resistência
do ferro. Pensando em termos de ferramentas e peças de reposição do estoque que ele
carrega, ele imagina que se o defeito for no cabo de força a probabilidade de conserto é
de 74%, se for na tomada de força é de 95%, e se for na resistência do ferro é de 26%.
Por experiência, ele sabe que a probabilidade do defeito estar na tomada de força é de
27%, na resistência do ferro é de 21%, e no cabo de força é de 52%. O técnico chama o
cliente e apresenta o ferro consertado. Perguntado do defeito, ele diz que teve que trocar
a resistência (conserto mais caro). Qual a probabilidade de ele estar sendo sincero? R:
0,0785
56. Três empresas fornecem microprocessadores para um fabricante de equipamentos de

telemetria. Todos são supostamente feitos segundo as mesmas especificações. No
entanto, o fabricante testou por vários anos os microprocessadores e os registros
forneceram as informações:
70
Fornecedor Fração defeituosa Fração Fornecida

1 0,02 0,15
2 0,01 0,80
3 0,03 0,05
Considerando estes dados, qual é a probabilidade de ser produzido pelo fornecedor 3
dado que o item é defeituoso? R: 0,12
57. Em uma fábrica de parafusos, as máquinas B1, B2, e B3 produzem 25%, 35% e 40%
do total produzido. Da produção de cada máquina, 5%, 4% e 2%, respectivamente, são
defeituosos. Escolhe-se ao acaso um parafuso e verifica-se se é defeituoso. Qual a
probabilidade de que seja da máquina B1, da máquina B2 e da máquina B3? R:
B1=0,362; B2=0,406, B3=0,232
58. Uma empresa que fabrica câmeras de vídeo produz um modelo básico e um modelo
luxo. No ano passado, 40% das câmeras vendidas foram do modelo básico. Dos clientes
que compraram o modelo básico, 30% compraram com garantia estendida, enquanto
que 50% dos compradores do modelo luxo optaram pela garantia estendida. Considere
um cliente que adquiriu uma câmera de vídeo selecionado aleatoriamente possua uma
garantia estendida, qual é a probabilidade de ele ter o modelo básico? R: 0,286
59. Uma cadeia de lojas de microcomputadores vende três marcas diferentes de

notebooks. Dessas vendas, 50% são da marca 1 (a mais barata), 30% são da marca 2 e
20% são da marca 3. Cada fabricante oferece um ano de garantia para peças e mão-de-
obra. Sabe-se que 25% dos notebooks da marca 1 necessitam de reparos de garantiam
enquanto que os percentuais correspondentes para as marcas 2 e 3 são 20% e 10%
respectivamente. Se um cliente voltar a loja com um notebook que precise de reparos
em garantia, qual é a probabilidade de ele ser da marca 2? R: 0,293
60. Em um determinado posto de gasolina 40% dos clientes usam gasolina comum, 35%
usam gasolina aditivada e 25% usam gasolina Premium. Dos clientes que usam gasolina
comum, apenas 30% enchem o tanque, dos que usam gasolina aditivada 60% enchem o
tanque, e dos que usam gasolina Premium 70% enchem o tanque. Se o próximo cliente
encher o tanque, qual é a probabilidade de pedir gasolina comum? R: 0,238
61. Na medida em que os artigos saem da etapa final de uma linha de produção um
inspetor escolhe alguns artigos para serem submetidos a uma inspeção completa. Sabe-
se que 10% de todos os artigos produzidos são defeituosos, 60% de todos os artigos
defeituosos são submetidos a uma inspeção completa e 20% de todos os artigos bons
são submetidos a uma inspeção completa. Um artigo é escolhido ao acaso.
a) Qual a probabilidade dele ser inspecionado por completo? R: 0,24
b) Se o artigo for inspecionado por completo, qual a probabilidade dele ser defeituoso?
R: 0,25
62. Três sistemas são utilizados em paralelo para manter o funcionamento de um

equipamento. O sistema A tem probabilidade de falha 0,02, e os sistemas B e C têm
respectivamente probabilidades de falha de 0,03 e 0,05. Se um dos três sistemas estiver
com falha, o equipamento acenderá uma luz avisando sobre o problema (considere que
as falhas dos sistemas não ocorrem simultaneamente).
Responda:
71
a) Sabendo que o equipamento está acusando problema, qual a probabilidade de que o
sistema A esteja apresentando falha. R:0,20
b) Sabendo que o equipamento está acusando problema, qual a probabilidade de que o
sistema B esteja apresentando falha. R:0,30
c) Sabendo que o equipamento está acusando problema, qual a probabilidade de que o
sistema C esteja apresentando falha. R:0,50
63. Consideremos dois dados: um deles equilibrado e outro viciado com P(1) = ½, P(2)
= P(3) = P(4) = P(5) = P(6) = 1/10. Escolhe-se um dos dados ao acaso e se efetuam dois
lançamentos, obtendo-se dois uns. Qual a probabilidade condicional de que o dado
escolhido tenha sido o viciado? R: 0,90
64. O suporte de um sistema de informática específico observou que numa empresa que
adquiriu o sistema há dois meses há 3 usuários: A, B e C. Dentre as solicitações de
suporte desta empresa, 45% são feitas pelo usuário A, 20% pelo usuário B e o restante
pelo usuário C. Para cada solicitação de suporte é verificado se há um problema ou
dúvida em relação ao sistema, ou se ocorreu um problema ou dúvida decorrente da falta
de conhecimentos básicos em informática dos usuários. Pelos registros, o usuário A tem
60% de suas solicitações devidas a falta de conhecimentos básicos em informática; o
usuário B tem 10% pelo mesmo motivo; e, o usuário C tem 35 %. Sabendo que uma
nova solicitação correu devido a falta de conhecimentos básicos em informática, qual a
probabilidade condicional de que tenha sido do usuário B? R: 0,048
65. Uma companhia produz circuitos integrados em três fábricas, I, II e III. A fábrica I
produz 40% dos circuitos, enquanto a II e a III produzem 30% cada uma. As
probabilidades de que um circuito integrado produzido por estas fábricas não funcione
são 0,01, 0,04 e 0,03 respectivamente. Escolhido um circuito da produção conjunta das
três fábricas ao acaso, verificou-se que ele não funciona. Qual a probabilidade
condicional dele ter sido produzido pela fábrica A? R: 0,16
66. Para selecionar seus funcionários, uma empresa oferece aos candidatos um curso de
treinamento durante uma semana. Ao final, eles são submetidos a uma prova e 25% são
classificados como bons (B), 50% como médios (M) e os restantes 25% como fracos
(F). Como medida de economia, o departamento de seleção pretende substituir o
treinamento por um teste de conhecimentos gerais e específicos. Mas, para isto, gostaria
de conhecer qual a probabilidade de um indivíduo no teste ser considerado fraco, caso
fizesse o curso. Assim, neste ano, antes do início do curso, os candidatos foram
submetidos ao teste, e de acordo com os resultados foram classificados em aprovados
(A) ou reprovados (R). Ao final do curso obtiveram as seguintes probabilidades
condicionais:
P(A/B) = 0,8
P(A/M) = 0,5
P(A/F) = 0,2
Pergunta-se:
a) Qual a probabilidade do aluno ser classificado como fraco, dado que foi aprovado? R:
0,10
b) Qual a probabilidade do aluno ser classificado como médio, dado que foi aprovado?
R: 0,50
c) Qual a probabilidade do aluno ser classificado como bom, dado que foi aprovado?
R:0,40
72
67. Uma determinada peça é manufaturada por 3 fábricas: A, B e C. Sabe-se que A

produz o dobro de peças que B e que B e C produzem o mesmo número de peças. Sabe-
se ainda que 2% das peças produzidas por A e por B são defeituosas, enquanto que 4%
das produzidas por C são defeituosas. Todas as peças produzidas são misturadas e
colocadas em um depósito.
a) Se do depósito for retirada uma peça ao acaso, qual a probabilidade de que ela seja
defeituosa? R: 0,025
b) Suponha que uma peça é retirada do depósito e se verifica que é defeituosa. Qual a
probabilidade de que tenha sido produzida pela fábrica A? R: 0,40
68. Dados históricos indicam que, em certo estabelecimento, 60% das pessoas efetuam
pagamento em cheque e o restante com cartão. Sabe-se que dos que pagam com cheque,
70% pagam à vista e os restante à prazo (cheque pré-datado). Entre os que pagam com
cartão, 80% pagam à vista (no débito) e o restante à prazo (no crédito). Se um
comprador qualquer for observado, encontre a probabilidade de que:
a) Tenha comprado à vista. R: 0,74
b) Tenha usado cheque, dado que pagou à vista. R: 0,57
69. Uma cadeia de lojas de produtos para pintura produz e vende tinta látex e tinta
semibrilho. Com base nas vendas de longo prazo, a probabilidade de que o cliente
compre a tinta látex é de 0,75. Daqueles que compram tinta látex, 60% compram rolos.
Mas somente 30% dos que compram tinha semibrilho compram rolos. Um comprador
selecionado aleatoriamente compra um rolo e uma lata de tinta. Qual é a probabilidade
de que a tinta seja látex? R: 0,857
70. (2015/2) Cada objeto manufaturado é examinado com probabilidade 0,55 por um
fiscal e com probabilidade 0,45 por outro fiscal. A probabilidade de um objeto ser
aceito, ou seja, passar no teste de acordo com cada fiscal é de 90% e de 97%,
respectivamente.
a) Qual a probabilidade de um objeto não ser aceito? R: 0,0685
b) Qual a probabilidade de um objeto aceito tenha sido examinado pelo segundo fiscal?
R: 0,4686
71. (2014/2) Em um curso secundário, 1/3 dos estudantes são do sexo masculino e 2/3
dos estudantes são do sexo feminino. A proporção de rapazes que estudam ciências é de
20% e apenas 10% das moças dedicam-se às ciências. Obtenha as probabilidades de
que:
a) Um estudante, escolhido ao acaso, estude ciências. R: 0,1333
b) Um estudante de ciências, selecionado ao acaso, seja do sexo feminino. R: 0,50
72. (2014/2) Um pesquisador desenvolve sementes de quatro tipos de plantas: P1, P2,
P3 e P4. Plantados canteiros-pilotos destas sementes, a probabilidade de todas as
sementes germinarem é de 40% para P1, 30% para P2, 25% para P3 e 50% para P4.
a) Escolhido um canteiro ao acaso, verificou-se que todas as sementes germinaram.
Calcule a probabilidade de que o canteiro escolhido seja o de sementes de P3. R: 0,1724
b) Escolhido um canteiro ao acaso, verificou-se que nem todas as sementes germinaram.
Calcule a probabilidade de que o canteiro escolhido seja o de sementes de P2. R: 0,2745
73
73. (2015/1) Um vendedor de produtos eletrônicos estima que 2% dos seus clientes são
da classe A, 15% da classe B, 63% da classe C e o restante da classe D e E. Ele está
divulgando uma promoção para a venda de computadores portáteis e acredita que tem
90% de probabilidade de vendê-los para indivíduos da classe A, 70% de probabilidade
de vendê-los para a classe B, para a classe C, 40%, e para as classes D e E, 10%. Um
cliente entra na loja e não se interessa pela promoção, qual a probabilidade de que seja
da classe B? R: 0,0744
74. (2015/1) Em uma escola, 70% dos alunos são do sexo masculino. Sabe-se que 20%
dos rapazes usam óculos, o mesmo ocorrendo com 30% das moças. Se um nome é
escolhido ao acaso e verifica-se que usa óculos. Qual a probabilidade de ser uma moça?
R: 0,3913
75. (2015/1) Um piloto de fórmula 1 tem 40% de chance de vencer determinada corrida,
quando esta se realiza sob chuva. Caso não chova durante a corrida, sua probabilidade
de vitória é de 25%. Se o serviço de meteorologia estimar em 28% a probabilidade de
que chova durante a corrida, qual é a probabilidade deste piloto ganhar a corrida? R:
0,292
76. (2015/1) A caixa I contém 4 bolas brancas e 2 pretas, a caixa II contém 3 bolas
brancas e 1 preta, e a caixa III contém uma bola branca e 2 pretas. Sabe-se que a caixa
III tem o dobro de chance de ser escolhida do que a caixa I, e que a caixa I e a caixa II
possuem a mesma chance de serem escolhidas.
a) Seleciona-se ao acaso uma caixa de retira-se também ao acaso uma bola. Determine a
probabilidade de que a bola extraída seja branca. R: 0,52083
b) Escolhe-se ao acaso uma caixa e retira-se também ao acaso uma bola. Sabe-se que a
bola retirada é preta, qual é a probabilidade de que essa bola seja proveniente da
segunda caixa? R: 0,130434
77. (2015/2) Em um restaurante, três cozinheiros, João, Pedro e Luis preparam um tipo
especial de bolo, e com probabilidades, respectivamente, 0,025, 0,04 e 0,015 a massa do
bolo não cresce. Sabe-se que João prepara 60% dos bolos, Pedro prepara 15% dos bolos
e Luis prepara o restante dos bolos.
a) Calcule a probabilidade da massa do bolo não crescer. R: 0,02475
b) Se uma massa do bolo cresceu, qual a probabilidade de que tenha sido preparada pelo
cozinheiro Luis? R: 0,25249936
78. (2015/2) Todo domingo, um pescador vai a um dos três lugares perto de sua casa: ao
mar com probabilidade ½, a um rio com probabilidade ¼ ou a um lago com
probabilidade ¼. No mar, ele consegue fisgar um peixe com probabilidade 75%; no rio
e no lago essa probabilidade vale 40% e 60%, respectivamente.
a) Calcule a probabilidade de em um domingo o pescador voltar para casa sem peixe
algum? R: 0,375
b) Se em um domingo o pescador volta para casa com um peixe, qual é a probabilidade
de que ele tenha ido pescar no lago? R: 0,24
79. (2016/1) Em uma turma de Administração, 65% dos alunos são homens. Sabe-se
que 30% dos alunos homens tem carro, enquanto essa proporção entre as alunas se
reduz para 18%. Sorteia-se ao acaso um estudante dessa turma usando o seu número de
74
matrícula e constata-se que o mesmo possui um carro. Qual é a probabilidade de que o
estudante sorteado seja mulher? R: 0,2442
80. (2016/2) Determinado veículo pode ter problemas mecânicos ou elétricos. Se o

veículo tiver problemas mecânicos não pára, mas se tiver problemas elétricos tem de
parar imediatamente. A chance de esse veículo ter problemas mecânicos é de 0,30, já
chance do mesmo veículo ter problemas elétricos (ou seja, o veículo tem que parar) é de
0,20 se não houve problema mecânico precedente, e de 0,25 de ter problemas elétricos
se houve problema mecânico precedente. Agora calcule:
a) Qual é a probabilidade de o veículo parar em determinado dia? R: 0,215
b) Se o veículo parou em certo dia, qual a chance de que tenha havido problema
mecânico precedente? R: 0,34884
81. (2016/2) Um frigorífico abate frangos e é abastecido por 3 granjas. A Granja 1

contribui com 35% da produção para o abate, enquanto que a Granja 2 com 45%, e a
Granja 3 o restante. Dados históricos dos arquivos do frigorífico revelam que 4% dos
animais da Granja 1 chegam com peso abaixo do normal, enquanto que a Granja 2 essa
porcentagem é de 5%, e da Granja 3 é de 2%.
a) Escolhendo-se ao acaso um animal para abate, qual a probabilidade de que ele
apresente peso normal? R: 0,9595
b) Um animal escolhido ao acaso está com peso abaixo do normal. Qual a probabilidade
de que ele seja da Granja 2? R: 0,0405
82. (2016/2) Numa população adulta 40% são homens e o restante são mulheres. Sabe-
se ainda, que 45% dos homens são fumantes, enquanto 30% das mulheres são fumantes.
Determine:
a) A probabilidade de que uma pessoa escolhida ao acaso nesta população seja fumante.
R: 0,36
b) A probabilidade de uma pessoa escolhida ao acaso seja mulher, sabendo que não é
fumante. R: 0,64
83. (2017/1) Uma companhia compra circuitos integrados de três fábricas: I, II, III. As
probabilidades de que um circuito integrado produzido por estas fábricas funcione são
97,5%, 98% e 97%, respectivamente. A fábrica I produz 35% dos circuitos, enquanto a
fábrica II produz 50%, e fábrica III produz o restante. Escolhido aleatoriamente um
circuito constatou-se que o mesmo não funciona, qual a probabilidade de o mesmo ter
sido produzido pela fábrica II? (R: 0,43011)
84. (2017/1) Em uma universidade, 5% dos homens tem mais de 1,80 m de altura e
dentre as mulheres esse percentual é de 2%. O total de homens é de 55% dos estudantes.
Se um estudante é escolhido ao acaso e tem menos que 1,80 m de altura, qual é a
probabilidade de que seja mulher? (R: 0,45771)
85. (2017/2) Consumidores são utilizados para fazerem avaliações de amostras

preliminares de produtos. Em um levantamento estatístico destas avaliações, 95% dos
produtos altamente bem sucedidos receberam boas avaliações, 60% dos produtos
moderadamente bem sucedidos receberam boas avaliações, enquanto 10% dos produtos
mal sucedidos receberam boas avaliações. Além disso, 40% dos produtos foram
altamente bem sucedidos, 35% foram moderadamente bem sucedidos e 25% foram mal
75
sucedidos. Pergunta-se: Se um produto obtém uma boa avaliação, qual a probabilidade
de que o mesmo venha a ser um produto mal sucedido? (R: 0,04065)
86. (2018/2) Uma caixa contém três moedas. A moeda 1 é honesta, a moeda 2 tem duas
coroas e a moeda 3 é viciada de tal modo que cara é duas vezes mais provável que
coroa. Uma moeda é escolhida ao acaso e lançada.
a) Qual é a probabilidade de observarmos cara e moeda 1? (R: 0,166667)
b) Qual é a probabilidade de observarmos coroa? (R: 0,611111)
c) Se o resultado foi cara, qual a probabilidade de que a moeda lançada tenha sido a
moeda 3? (R: 0,57143)
76

Material de Apoio CEQ Parte I

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Material de Apoio CEQ Parte I

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DO VALE DO RIO DOS SINOS

Ciências Exatas e Tecnológicas

Material de apoio – Controle Estatístico da Qualidade

Profa. Karla Faccio

A Estatística é a ciência que estuda os fenômenos multicausais, coletivos ou de massa e

Método estatístico é um processo para se obter, apresentar e analisar características ou

Como as informações provêm de um conjunto menor do que a população, erros são

Em geral, a estatística divide-se em dois grupos: estatística descritiva e indutiva.

Descritiva: corresponde aos procedimentos relacionados com a coleta, elaboração,

Indutiva (ou inferencial): parte de uma ou mais amostras (subconjuntos da população)

Frequentemente utiliza-se o estudo da amostra do que da população, uma vez que na

- População: Conjunto de elementos com pelo menos uma característica em comum, ou

- Amostra: Uma amostra é um subconjunto de tamanho n da população em estudo

Por que tomamos uma amostra e não utilizamos a população toda?

Exemplos de parâmetros e seus respectivos estimadores:

- Variáveis: Uma variável é uma característica de uma população que difere de um

Variáveis Qualitativas (ou Categóricas): são as características que não possuem

Variável Qualitativa Nominal: Consiste em nomes, rótulos ou categorias apenas. Os

Exemplos: Tipo de defeito (Arranhão, Trinca, Quebrado, Amassado); Time preferido

Variável Qualitativa Ordinal: As variáveis podem ser arranjadas em alguma ordem,

Exemplos: Classe Social (A, B, C, D, E); Grau de Satisfação (Satisfeito, Indiferente,

Variável Quantitativa Discreta: Número de valores finitos ou uma quantidade

Variável Quantitativa Contínua: Infinitos valores possíveis que correspondem a alguma

A Estatística Descritiva pode ser estudada considerando os conjuntos de valores

Para facilitar o estudo da Estatística Descritiva os conjuntos de valores serão

2.1 Medidas de Tendência Central ou de Posição

(a) MÉDIA ARTIMÉTICA SIMPLES AMOSTRAL ( X )

Na Estatística, é comum utilizar as letras gregas para representar parâmetros

• A média é afetada por todos os valores do conjunto, assim, se um número se modifica,

__ X 1 + X 2 + X 3 + X 4 + X 5 + X 6 (20 + 25 + 22 + 24 + 70 + 25) 186

Para o conjunto em (a) tem-se:

R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00

a) Qual é o gasto médio?

(b) MÉDIA ARIMÉTICA PONDERADA (map):

Onde wi é o peso da observação de ordem i.

Exercício: Considere uma mesma pesquisa de satisfação de uma determinada empresa

ANO AVALIAÇÃO MÉDIA N° de respondentes

Qual é a avaliação média dos 5 anos?

2.1.2 MEDIANA (me)

A principal característica da mediana é dividir o conjunto de números ordenados em

Como calcular a Mediana?

- Se o n (tamanho da amostra) é ÍMPAR a mediana é o valor central do conjunto de

me = x(n +1) / 2 => Representa a posição da mediana no conjunto ordenado

- Se o n (tamanho da amostra) é PAR a mediana é a média dos dois elementos centrais

(x( n / 2) + x(n / 2 )+1 )

Se o conjunto acima fosse: 15 18 21 32 45 46

24319934 8 elementos -> PAR 12334499 3,5

b) Qual é o gasto mediano?

2.1.3 MODA (mo)

A moda de um conjunto de valores é definida como sendo “o valor (ou os valores) do

Exercício: Considere os seguintes dados referente ao número de disciplinas que os

• subset(): em oposição ao item anterior esta função é utilizada quando o tamanho da

2.2 Medidas de Dispersão ou de Variabilidade

2.2.1 AMPLITUDE (r)

A mais simples das medidas de dispersão é a amplitude, denotada por r, e definida

R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00

d) Qual é a amplitude desses gastos?

A medida de dispersão usual é a variância e principalmente sua raiz quadrada que é

2.2.3 DESVIO PADRÃO AMOSTRAL (s)

O desvio padrão é simplesmente a raiz quadrada da variância.

Primeiro temos que calcular a média: X =

Agora vamos aplicar a fórmula do desvio padrão:

R$612,50 R$608,00 R$640,00 R$624,80 R$920,00 R$631,00