3 Distribuicao de Probabilidad

Curso: Estatística – Regular Área Fiscal
Teoria e Questões comentadas

Prof. Fábio Amorim - Aula 03
Aula 03
Professor: Fábio Amorim
Prof. Fábio Amorim 1 de 128

www.exponencialconcursos.com.br
Olá pessoal, tudo bem? Como vão os estudos? Estamos na metade da

nossa preparação e espero que vocês estejam se dedicando bastante!
Para chegar lá, saibam que existe um caminho a percorrer, o qual se
inicia quando cada um de vocês se propoem a estudar, adquirem materiais de
qualidade e montam um planejamento de estudos. Por isso, vocês já largaram
na frente! No entanto, existem obstáculos no caminho, como a incerteza em
torno da aprovação, a prova do concurso, a concorrência, e vários outros que
fazem parte da vida dos concurseiros.
Um dos obstáculos que pode surgir nessa fase da preparação é o
pensamento negativo em torno da incerteza da aprovação. Quando ouço esse
tipo de queixa dos alunos, meu conselho é o seguinte. Vocês têm dois
caminhos a seguir, um deles é o caminho escolhido pelos futuros aprovados,
que mantêm o ritmo dos estudos e renovam o entusiasmo a cada momento. O
outro, é o caminho percorrido pelos candidatos que não colocam os estudos
entre as prioridades do dia a dia, permitindo-se desleixar de vez em quando e,
consequentemente, com chances irrizórias de aprovação. Qual desses
caminhos vocês querem seguir?
Nessa fase, 10% dos candidatos percorrem o primeiro caminho e 90% o
segundo. Se optaram pelo primeiro, parabéns, você estará entre aqueles que
irá concorrer às vagas do concurso.
Por ora, gostaria de deixar essa mensagem de incentivo a vocês, de que
renovem seu entusiasmo dia a dia, com a conciência de que a caminhada é
feita passo a passo e vocês estão no caminho certo.
"Seja você quem for, seja qual for a posição social que você tenha na vida, a
mais alta ou a mais baixa, tenha sempre como meta muita força, muita
determinação e sempre faça tudo com muito amor e com muita fé em Deus,
que um dia você chega lá. De alguma maneira você chega lá."
Ayrton Senna
Portanto, foco nos estudos e fé na missão! Grande abraço!

Aula 03 – Distribuição de Probabilidades
Assunto Página
1- Introdução 03
2- Variável Aleatória 04
3- Distribuições de Probabilidades 19
4- Questões Comentadas 37
6- Resumo final 107
8- Lista de exercícios 109
9- Gabarito 128
1- Introdução
Na aula 1, estudamos os principais tópicos sobre a teoria das

probabilidades, onde abordamos diversos conceitos como experimento
aleatório, espaço amostral, eventos, etc.
Vamos relembrar esses conceitos mais importantes?
 Experimento - observação ou realização de certa atividade, com o
objetivo de alcançar um determinado resultado.
 Experimento Aleatório – aqueles experimentos cujos resultados são
imprevisíveis.
 Espaço Amostral – todos os possíveis resultados do experimento.
 Evento – subconjunto do espaço amostral, contendo possíveis resultados
de um experimento.
 Probabilidade – quantificação da possibilidade de ocorrência de um
evento no experimento aleatório.
Na presente aula iremos aproveitar boa parte desses conceitos,
estudando mais a fundo determinados eventos e suas probabilidades. Em
suma, iremos trabalhar com funções matemáticas que têm a capacidade de
determinar a probabilidade da ocorrência de um evento. Preparados? Então
vamos lá!

2- Variável Aleatória
Como vimos na aula 1, as probabilidades são sempre associadas a

experimentos aleatórios, ou seja, experimentos cujos resultados são
imprevisíveis.
Apesar de imprevisíveis, aprendemos a quantificar a possibilidade de
ocorrência de determinado evento pertencente ao espaço amostral de um
experimento. Em outras palavras, aprendemos a calcular as probabilidades
dos eventos.
Por exemplo, no lançamento de um dado, podemos ter 6 resultados
diferentes (espaço amostral). Sendo assim, a partir desse conjunto
aprendemos a calcular a probabilidade de qualquer evento associado a esse
experimento. No caso do evento {4}, a probabilidade seria de 1/6. No caso do
evento {número par}, a probabilidade seria de 1/2, e assim por diante.
Para efetuar esses cálculos, utilizamos conceitos de análise
combinatória, teoremas de probabilidade, etc.
Nesta aula, iremos aprender que existem outras ferramentas capazes
de ser utilizadas para calcular as probabilidades. Essas ferramentas tornam-se
essenciais em experimentos mais complexos. A primeira delas é a chamada
variável aleatória.
Por meio dessa ferramenta, conseguimos associar o evento à sua
probabilidade, por meio de uma fórmula matemática.
S
Variável P
aleatória
Evento
Espaço Amostral Probabilidade
Assim, estatisticamente, a variável aleatória representa um elo entre o

evento e a respectiva probabilidade. Ou seja, dado um evento do nosso
experimento, utilizamos uma variável aleatória para encontrar a sua
probabilidade.

Em termos matemáticos, a variável aleatória consiste em uma função
f(x), onde x são os eventos do espaço amostral, e P(x), as respectivas
probabilidades.
Estatisticamente Matematicamente
Evento x
Variável
f(x)
Aleatória
Probabilidade P(x)
 Exemplo 1: Suponha-se um experimento que consiste no

lançamento de um dado de seis faces. Deseja-se estudar a
probabilidades dos resultados desse experimento.
Nesse experimento, temos o seguinte espaço amostral: {1}, {2}, {3},
{4}, {5}, {6}.
Para estudarmos as probabilidades desses eventos, precisamos de um
elo entre os eventos e as probabilidades. Esse elo é a variável aleatória. No
presente exemplo, a variável aleatória, ou, a característica do experimento
que se deseja estudar é o “número do dado no lançamento”, esse é o nosso
elo.
Matematicamente, a variável aleatória é representada pela função que
relaciona os elementos do espaço amostral {1}, {2}, {3}, {4}, {5}, {6} a
suas respectivas probabilidades.
S
P
Variável
{1} {2} aleatória 1/6 1/6
1/6
{4} {5}
1/6
{3} {6} 1/6
1/6
Espaço Amostral
Probabilidade

Em outras palavras, desejamos saber qual a fórmula matemática que
relaciona todos os elementos do espaço amostral à probabilidade.
Como a probabilidade P(X) é igual a 1/6 para todo o espaço amostral,
podemos dizer a variável aleatória é representada pela função matemática
f(x)=1/6.
Esse é o conceito de variável aleatória!
Por sua vez, ao relacionarmos os diversos valores de x e P(x), obtemos
a chamada distribuição de probabilidades.
Essa relação pode ser apresentada em forma de tabela:
x 1 2 3 4 5 6
P(x) 1/6 1/6 1/6 1/6 1/6 1/6
Ou, graficamente:
1
5/6
2/3
P(x) 1/2
1/3
1/6
0
0 1 2 3 4 5 6
x
 Exemplo 2: Suponha-se um experimento em que sejam lançadas

três vezes sucessivamente uma moeda. E deseja-se estudar a
probabilidade de aparecer resultados “cara” nesse experimento.
O espaço amostral desse experimento é:
{coroa, coroa, coroa}, {cara, coroa, coroa}, {coroa, cara, coroa},

{coroa, coroa, cara}, {cara, cara, coroa}, {cara, coroa, cara},
{coroa, cara, cara}, {cara, cara, cara}
Para calcularmos a probabilidade de surgir resultados “cara” nesse

experimento, nossa variável aleatória deve ser o “número de caras obtidas”.
Matematicamente, a variável aleatória é a função f(x), que associa os
valores de X do espaço amostral à respectiva probabilidade. Nesses termos:

Evento Variável Aleatória Probabilidade
X=0 1/8
X=1 3/8
X=2 3/8
X=3 1/8
Neste caso, a função matemática que determina a probabilidade do

evento x é representada por:
Nesta aula, aprenderemos a obter essas fórmulas!

Conhecida a variável aleatória, podemos construir sua distribuição de
probabilidades em forma de tabela:
x 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
Ou, graficamente:
1
7/8
3/4
5/8
P(x) 1/2
3/8
1/4
1/8
0
0 1 2 3 4
x
Veremos mais adiante, que a distribuições de probabilidade bem como a

variável aleatória dependem, essencialmente, das características do
experimento que se quer estudar.

Por agora, é importante fixar bem o conceito da variável aleatória e sua
função principal, que é associar o evento à probabilidade.
Vamos conhecer em seguida, os tipos de variável aleatória:
 Variável Discreta
 Variável Contínua
2.1– Variável Aleatória Discreta

As variáveis aleatórias são chamadas de discretas quando o número de
elementos do espaço amostral é finito, ou então, infinito e enumerável. Em
síntese, como vimos na aula anterior, as variáveis são discretas quando seus
elementos são contáveis.
Nas variáveis aleatórias discretas, a distribuição de probabilidade
relaciona um elemento do espaço amostral à sua probabilidade. Ou seja, para
cada valor de x existe uma probabilidade P(x) associada.
0,30
“x” associado
0,25
a P(x)
0,20
P(x) 0,15
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8
x
Nos dois exemplos que trouxemos anteriormente, as distribuições de

probabilidades possuíam essa característica, ou seja, para cada valor de x
existia um valor de P(x) associado. Sendo assim, podemos considerar suas
variáveis aleatórias como discretas.
Podemos destacar, ademais, que a soma das probabilidades de todos os
elementos do seu espaço amostral é sempre igual a um, ou seja:
No experimento de lançamento de três moedas, vimos que a

distribuição de probabilidades é igual a:

x 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
A partir desse exemplo, podemos constatar que:
Essa propriedade tem como origem o Axioma 2 da teoria das

probabilidades, visto na aula 1 deste curso.
o Esperança Matemática da Variável Aleatória Discreta

Define-se esperança matemática de uma variável aleatória discreta X
como o somatório da multiplicação dos diversos valores de X por
suas respectivas probabilidades.
A esperança matemática também pode ser chamada de valor esperado

ou expectância, e representa o valor de x que deverá ser encontrado, em
média, se o experimento for realizado por inúmeras vezes, portanto:
Como exemplo, podemos calcular a esperança matemática do problema

anterior:
x 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
o Medidas de dispersão da Variável Aleatória Discreta

Para as variáveis aleatórias discretas, é importante conhecermos suas
medidas de dispersão, sendo as principais: variância e desvio padrão.

A variância de uma variável aleatória discreta é obtida pela seguinte
expressão:
Por definição, o desvio padrão é a raiz quadrada desse valor.

Tomado o exemplo anterior, vamos calcular a sua variância e desvio
padrão:
Portanto, .
Isso implica que o desvio padrão é igual a
o Função de Repartição
Para as variáveis aleatórias discretas, outra ferramenta para se calcular
a probabilidade é a chamada função de repartição.
Podemos definir essa função como uma função matemática que
relaciona um evento qualquer “x” à probabilidade de que os elementos do
espaço amostral assumam um valor menor ou igual a “x”.
Função P
S Repartição
F(x)
[P(1)+P(2)+P(3)+P(4)]
1, 2, 3, 4, 5, 6
Espaço Amostral Probabilidade
Matematicamente, essa relação se expressa da seguinte forma:
Dada a distribuição de probabilidade acima mencionada, os valores da

função de repartição são:

Essa função de repartição pode se expressar graficamente como:
1
7/8
3/4
5/8
F(x)
1/2
3/8
1/4
1/8
0
0 1 2 3 4
x
Algumas propriedades são importantes de anotar sobre a função de

repartição, as quais serão estudadas mais detalhadamente na fase de
exercícios:
 (Quando x tende a –∞, F(x) tende a ser igual a

zero)
 (Quando x tende a +∞, F(x) tende a ser igual a
um)



2.2– Variável Aleatória Contínua

As variáveis aleatórias são contínuas quando o número de elementos do
espaço amostral é infinito, podendo assumir quaisquer valores dentro de um
intervalo finito ou infinito. Em síntese, são as variáveis cujo espaço amostral
possui infinitos elementos e, assim, não podem ser contados.

Vamos entender visualmente a diferença da variável contínua em
comparação à variável discreta:
Variável Discreta
S
Elementos
Contáveis
Espaço
Amostral
Variável Contínua
Infinitos Elementos no
Intervalo
Espaço
Amostral
Como possui infinitos elementos, não faz sentido calcularmos a
probabilidade de ocorrência de um elemento “x” pertencente ao espaço
amostral, haja vista que a probabilidade de encontrarmos “x” entre os demais
tende a ser igual a zero.
Por exemplo, selecionada uma pessoa dentre todas as existentes no
planeta, qual a probabilidade de ela pesar 68,4575643 kg? Muito pequena não
é mesmo?
Agora, se quisermos saber a probabilidade de essa mesma pessoa pesar
entre 80 e 85 kg? Teremos uma probabilidade mais significativa, concordam?
Sendo assim, nas variáveis aleatórias contínuas, as probabilidades
sempre são calculadas em intervalos entre elementos do espaço
amostral.
Por exemplo, dado o experimento em que se deseja saber o tempo em
que cada empregado leva para sair de sua casa até o local de trabalho. Nessa
situação, o tempo de deslocamento pode assumir qualquer valor positivo,

ainda mais se considerarmos o tempo em segundos ou até milésimos de
segundo.
Então, não faz sentido estudarmos a probabilidade de o tempo de
deslocamento ser igual a 1h 01 min 43 s, porque esta probabilidade é muito
pequena, em razão do tamanho do espaço amostral ser infinito.
Sendo assim, para variáveis contínuas, faz sentido estudarmos a
probabilidade de o deslocamento ser, por exemplo, maior que 1 hora, ou
então, entre 30 min. e 50 min.
Por fim, vale ressaltar que as variáveis aleatórias contínuas são
normalmente resultantes de experimentos relacionados à medida de tempo,
distância, peso, volume, velocidade, etc.
o Função Densidade de Probabilidade

Para o cálculo de probabilidades em variáveis contínuas, trabalha-se
com uma ferramenta denominada função densidade de probabilidade.
A partir dessa função, a probabilidade é obtida pelo cálculo da área do
seu gráfico em relação ao eixo horizontal, entre os intervalos que se quer
determinar.
Vamos trazer um exemplo para ilustrar bem essa situação.
 Seja X uma variável aleatória contínua, cuja função densidade de
probabilidade é representada pela expressão:
Essa função densidade pode ser representada graficamente da seguinte

forma:
1,5
f(x)
1
0,5
0
0 1
x

A partir desse gráfico, calculamos a probabilidade de que a variável
aleatória assuma um valor entre 0 e “a”, por meio da área do gráfico de f(x),
entre os pontos 0 e “a”.
1,5
f(a) Área = Probabilidade

1
f(x)
0,5
0
0 1
a
x
Portanto:
Nesse sentido, se quisermos calcular a probabilidade de que X seja

inferior a 0,4:
f(0,4)=0,8
0,8
f(0)=0
0 0,4 0,
4
Portanto, a probabilidade de que X seja inferior a 0,4 é igual a 16%.

Ampliando o raciocínio, se quisermos calcular a probabilidade entre dois
pontos “a” e “b”, basta, apenas, calcularmos a área do gráfico entre o ponto
“a” e “b”.
1,5
Área = Probabilidade
f(x) 1
0,5
0
0 a b 1
x
Algumas propriedades sobre a função densidade de probabilidade são

importantes de anotar:
 para todos os valores de x (haja vista que a

probabilidade é sempre maior que zero);
 A área do gráfico de f(x), no intervalo entre é
sempre igual a 1.
o Esperança Matemática da Variável Aleatória Contínua

Vimos que a expectância matemática de uma variável aleatória
discreta é igual a:
Para variáveis aleatórias contínuas, existem infinitos termos e,

portanto, existem infinitos termos para serem somados. Assim, temos:
Matematicamente, para calcular de infinitos termos, devemos

utilizar a função integral, de modo que:

Imagino que nem todos vocês conheçam as funções integrais. No meu
ponto de vista, esse tipo de conhecimento não deveria ser exigido nas provas,
porém, isso aconteceu no concurso de 2009.
Em síntese, posso dizer a vocês que, a função integral F(x) serve para
calcularmos a área do gráfico de f(x) entre dois valores e .
Área = F(x) no
f(x) intervalo [a,b]
a b x
Eis alguns resumos das funções integrais mais comuns f(x):

Função f(x) Função Integral F(x)
Feitas essas observações, vamos avaliar um exemplo para compreender

melhor como calcular a média de f(x), utilizando as funções integrais.
Calcule o valor esperado de X.

A esperança E(x) é calculada pela fórmula:
Considerando o intervalo da função [0,1]:
Como a função integral de é igual a , o valor de E(X) será

obtido pelo valor da função integral quando , subtraído do valor da função
integral quando .
Graficamente:
Área=E(X) = 3/4

o Medidas de Dispersão da Variável Aleatória Contínua
Vimos que a variância de uma variável aleatória discreta é igual a:
Nas variáveis contínuas, a variância é igual a:

Calcule a variância X.
Assim, o valor da variância será obtido pelo valor da função integral

quando , subtraído do valor da função integral quando , que são os
valores de x que delimitam a área do gráfico que se quer obter:

3- Distribuições de Probabilidades
Pessoal, apresentados esses conceitos iniciais, vamos aprofundar um

pouco mais os estudos, abordando alguns tipos comuns de distribuições de
probabilidades, geralmente contempladas no nos editais para os concursos da
área fiscal. Tradicionalmente, algumas bancas indicam expressamente as
distribuições de probabilidade no conteúdo programático. Não é o caso da
ESAF, que cita como conteúdo as “principais distribuições de probabilidade”.
Sendo assim, vamos explicar o essencial sobre as principais
distribuições de probabilidade discretas e contínuas. Iniciamos pelas
distribuições discretas.
3.1– Distribuição de Bernoulli

A distribuição de Bernoulli é a mais simples das distribuições discretas.
Acontece para aqueles experimentos em que se deseja conhecer sua
probabilidade de sucesso.
Nesse tipo de experimento, existem apenas dois resultados possíveis no
espaço amostral: sucesso ou fracasso. Para o sucesso, a probabilidade é “ ”,
e para o fracasso, “ ”.
Além disso, uma característica marcante é de que a probabilidade
calculada refere-se a uma tentativa do experimento.
Por exemplo, nos casos em que desejamos calcular a probabilidade de
uma bola de basquete cair na cesta após um arremesso, temos uma
distribuição de Bernoulli, porque encontramos duas características marcantes:
 Existem apenas dois resultados possíveis, ou a bola cai na cesta
(sucesso) ou não entra (fracasso);
 O arremesso (experimento) é feito uma única vez.
Além disso, para se caracterizar uma distribuição de Bernoulli, é
necessário que a variável aleatória (X) seja o número de sucessos em uma
única tentativa do experimento.
Como o experimento consiste em realizar uma tentativa, o número de
sucessos pode assumir apenas dois valores:
 X=1 caso tenha sucesso;
 X=0 caso não tenha sucesso (fracasso).
Assim, a variável aleatória na distribuição de Bernoulli pode ser
representada por X=0 ou, X=1.

Resumindo, estatisticamente:
Variável
S aleatória P
X=1
{sucesso}
Variável
aleatória
{fracasso} X=0
Espaço Amostral
Probabilidade
Matematicamente, a probabilidade da distribuição de Bernoulli é obtida

pela fórmula:
OU
Para identificar uma distribuição de Bernoulli, portanto, devemos ter as

seguintes características no experimento:
 o experimento possui apenas uma tentativa;
 o experimento possui apenas dois resultados possíveis (sucesso ou
fracasso);
 a variável aleatória representa o número de sucessos em uma única
tentativa.
 Exemplo: Suponham que a probabilidade de uma bola de basquete

entrar na cesta após um arremesso é igual a 40%. Dado um
experimento onde a bola é arremessada uma única vez, determine
a probabilidade de a bola não entrar na cesta.
Resolução: A partir dessas características, identificamos que essa é uma
distribuição de Bernoulli:
 o experimento possui apenas uma tentativa “arremessar a bola uma
única vez”;

 o resultado pode ser apenas dois: sucesso (acertar na cesta) ou
fracasso (não acertar na cesta).
Portanto, devemos utilizar a variável aleatória X, onde X representa o
número de acertos (sucesso) em uma única tentativa do experimento.
Assim, dado que a probabilidade de a bola acertar a cesta (sucesso) é
igual a p=40%, temos a seguinte distribuição de probabilidade de Bernoulli:
Portanto, a probabilidade de não acertar na cesta é igual a:
o Medidas de Posição e Dispersão

A esperança matemática E(X), ou média, dessa distribuição de
probabilidade é calculada pela expressão:
A variância da distribuição de Bernoulli é calculada como:
3.2– Distribuição Binomial

A distribuição binomial é uma extensão da distribuição de Bernoulli,
também de variável discreta, cujo experimento se caracteriza pela ocorrência
de vários testes consecutivos e independentes, onde o resultado pode ser
sucesso ou fracasso, apenas, em cada um deles.
Admite-se que para cada teste a probabilidade “ ” de sucesso e “ ”
de fracasso.
Nesse tipo de experimento, deseja-se saber a probabilidade de
ocorrer “x” sucessos em “n” tentativas do experimento.
Para tal, define-se a variável aleatória de X como o número de
sucessos ocorridos em “n” tentativas do experimento.
Assim, uma variável aleatória binomial por assumir valores entre X=0
(nenhum sucesso em “n” tentativas) até (“n” sucessos em “n”
tentativas).
A probabilidade quando em “n” tentativas é igual a:

Essa é a expressão geral da distribuição Binomial.
Para identificar uma distribuição Binomial, em resumo, devemos ter as
seguintes características no experimento:
 Os experimentos devem ser independentes;
 Cada experimento pode resultar apenas em sucesso ou fracasso;
 A probabilidade de sucesso é a mesma a cada repetição do
experimento;
 A variável é o número “x” de sucessos em “n” tentativas.
Vamos ver como esse tipo de distribuição é cobrado em prova!
(FGV-SEFAZ/RJ-2010) 40% dos eleitores de uma certa

população votaram, na última eleição, num certo candidato A. Se cinco
eleitores forem escolhidos ao acaso, com reposição, a probabilidade de que
três tenham votado no candidato A é igual a:
(A) 12,48%. (B) 17,58%. (C) 23,04%. (D) 25,78%. (E) 28,64%.
R. Esse experimento possui as características de uma distribuição binomial,
vejamos:
 Os experimentos devem ser independentes (eleitores escolhidos ao
acaso e com reposição);
 Cada experimento pode resultar apenas em sucesso (votaram no
candidato A) ou fracasso (não votaram no candidato A);
 A probabilidade de sucesso é a mesma a cada repetição do experimento
(40%);
Assim, para calcular a probabilidade, devemos assumir a variável
aleatória X da distribuição Binomial, representando, o número “x” de sucessos
(três votações favoráveis) em “n=5” tentativas:
Portanto, se cinco eleitores forem escolhidos ao acaso, com reposição, a

probabilidade de que três tenham votado no candidato A é igual a 23,04%.
Resposta, letra C.
 Exemplo: Se o problema anterior solicitasse a probabilidade de que

pelo menos três eleitores tivessem votado no candidato A?

R. Nesse caso, teríamos que calcular :
Portanto, a probabilidade de que pelo menos três eleitores tivessem

votado no candidato A é igual a 31,74%.
o Medidas de Posição e Dispersão

Para a distribuição Binomial, a média, ou esperança matemática, é
calculada pela expressão:
Já a variância:
3.3– Distribuição de Poisson

A distribuição de Poisson é outra distribuição de variável discreta, que
tem como característica avaliar a probabilidade de ocorrência de “x” sucessos
em um intervalo de medida “t”.
Para isso, adota como parâmetro, ou coeficiente de proporcionalidade, a
letra grega . Esse parâmetro indica o número médio de ocorrências por
unidade de tempo, (minutos, horas, dias, etc.) unidade de área (m², cm²,
etc.), unidade de comprimento (km, m, cm, etc.), entre outros.
Para que uma distribuição se caracterize como de Poisson, o
experimento deve possui, ainda, algumas características:
 A probabilidade de mais de uma ocorrência em um subintervalo mínimo
(t) é igual a zero;
 A probabilidade de uma contagem em um subintervalo seja a mesma
para todos os subintervalos e;
 A contagem em cada subintervalo mínimo seja independente de outros
subintervalos.
Matematicamente, a probabilidade de ocorrer “x” sucessos em um
intervalo de medida “t” é calculado pela fórmula:

 Exemplo: Suponhamos que um telefone receba 2 chamadas por
hora. Qual a probabilidade de o mesmo telefone receber 3
chamadas em 2 horas? (Dado e-4=0,018)
R. Se o telefone recebe 2 chamadas por hora, seu coeficiente de
proporcionalidade é igual a .
A probabilidade de receber 3 chamadas ( ) no intervalo de 2 horas
( ) é:
Portanto, a probabilidade de o telefone receber 3 chamadas em duas

horas é igual a 19,2%.
 Desejamos, agora, calcular a probabilidade de receber, no máximo,

duas chamadas em duas horas? (Dado e-4=0,018)
A probabilidade de receber duas chamadas, no máximo, em duas horas
é igual à soma das probabilidades de o telefone receber duas, uma ou
nenhuma chamada no intervalo de 2 horas (t):
Portanto, a probabilidade de o telefone receber no máximo 2 chamadas

em duas horas é igual a 23,4%.
o Medidas de posição e dispersão

A média, ou valor esperado, da distribuição de Poisson é igual ao
coeficiente de proporcionalidade:

A variância é igual a:
3.4– Distribuição Hipergeométrica

A distribuição hipergeométrica é outra distribuição de variável discreta.
Essa distribuição é utilizada em experimentos feitos sem reposição, com
algumas características peculiares.
Os elementos do espaço amostral dessa distribuição são divididos em
dois atributos. Por exemplo, A e B.
Nesse sentido, supondo uma população com N elementos:
Atributo A Atributo B
“ ” “ ”
elementos elementos
Pela distribuição hipergeométrica, um grupo de “n” elementos é retirado

sem reposição.
A probabilidade de que o grupo contenha “k” elementos com o
atributo A é igual a:
o Medidas de posição e dispersão

O valor esperado, ou média, da distribuição hipergeométrica é igual a:
A variância é igual a:
3.5– Distribuição Uniforme

A distribuição Uniforme é a distribuição contínua mais simples, haja
vista que a sua função densidade de probabilidade é sempre contínua:

f(x)
Em linhas gerais, dado uma função contínua entre “a” e “b”, a função de
f(x) será igual a:
Como se trata de uma função densidade de probabilidade contínua, a

probabilidade de ocorrência de um evento contido em determinado intervalo é
calculado a partir do gráfico:
f(x)
Para calcular a probabilidade de um evento ocorrer entre “c” e “d”,

basta calcularmos a área do gráfico formado por f(x) no intervalo entre “c” e
“d”.

Medidas de Posição e Dispersão:
Dada uma distribuição de probabilidade contínua, , a

média dessa função é igual a:
A variância dessa mesma função é calculada pela seguinte fórmula:
3.6– Distribuição Normal

A distribuição normal é a mais importante distribuição de probabilidade,
sendo aplicada amplamente na estatística e, consequentemente, nas provas
de concurso.
É uma distribuição contínua, também conhecida como distribuição de
Gauss, Laplace ou Laplace-Gauss.
A função densidade de probabilidade da distribuição normal é
representada pela expressão:
Onde:




O gráfico da distribuição normal é igual a:

Vamos começar os estudos pelo gráfico, que é uma ferramenta
essencial para compreendermos as propriedades desse tipo de distribuição.
Propriedade 1:
 f(x) é uma função simétrica em relação à média :
50% 50%
%
Propriedade 2:
 O valor máximo da função normal f(x) é obtido quando .
Valor máximo f(x)
Propriedade 3:
 Quando o x tende a ou , o valor de f(x) tende a ser igual a zero.
Valor tende a f(x)=0 Valor tende a f(x)=0
Propriedade 4:
 A área total do gráfico, entre e é igual a 1.

Área = 1
o Cálculo de Probabilidades da Distribuição Normal

Tratando-se de uma variável aleatória contínua, a probabilidade de que
é calculada pela área do gráfico de f(x) entre e “a”.
No entanto, o cálculo da área do gráfico, mediante o uso de cálculos

avançados, torna-se bastante dificultoso em razão da complexidade da
fórmula de f(x), e, assim, como o objetivo de facilitar os cálculos, criou-se
uma distribuição normal padronizada.
Para essa nova distribuição, a expressão é substituída por uma

nova variável “z”, de média igual a 0 e desvio padrão igual a 1:
Substituindo-se z na fórmula da densidade de probabilidade, temos:
Graficamente:

Normalmente, as questões de concursos informam ao candidato a área

do gráfico da distribuição padronizada, ou seja, o valor da probabilidade pela
função padronizada. Assim, a resolução se resume a calcular a probabilidade
da distribuição normal, a partir da probabilidade da distribuição normal
padronizada:
Informado pelo enunciado A Calcular
(SEFAZ/RJ – FCC 2013) Se Z tem distribuição normal

padrão, então:
P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z < 1,4) = 0,92;
P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977
O tempo necessário para o atendimento de uma pessoa em um guichê
de uma repartição pública tem distribuição normal com média = 140
segundos e desvio padrão = 50 segundos. A probabilidade de que um
indivíduo, aleatoriamente selecionado, espere entre 3 e 4 minutos para ser
atendido é
(A) 0,765
(B) 0,632
(C) 0,235
(D) 0,189
(E) 0,678

R. Inicialmente, vamos destacar que o problema fala em uma distribuição
normal, com média igual a 140 segundos e desvio padrão igual a 50
segundos.
Assim, temos o seguinte gráfico da função densidade de probabilidade:
O problema quer saber a probabilidade de o atendimento ocorrer entre

3 e 4 minutos, ou seja, entre 180 e 240 segundos. Portanto, precisamos
calcular a área do gráfico entre esses dois valores:
Para conseguir essa área, o enunciado nos deu algumas informações

sobre as probabilidades da distribuição padronizada Z:
P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z < 1,4) = 0,92;
P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977
Para obter a área entre e , precisamos encontrar os

valores de e da função padronizada que correspondem a e .
Sendo assim:

Obtemos, portanto, o seguinte gráfico padronizado:
,8
Gráfico Padronizado Z
Agora, vamos aproveitar as informações do enunciado. Particularmente,

utilizaremos duas: .
Essas informações, graficamente, significam que:
Área = Probabilidade=0,788
Área = Probabilidade=0,977
Portanto, para encontrarmos :

Assim, a probabilidade de que o atendimento ocorra entre 3 e 4 minutos

será igual a 18,9%.
Resposta, letra D.
o Propriedades da função densidade de probabilidade normal

padronizada
Observem que a parte final da questão anterior consistiu em
aproveitarmos algumas informações do enunciado:
para calcularmos , e, consequentemente,
.
Sendo assim, o enunciado não dá gratuitamente a informação que
precisamos, nós precisamos obtê-la por meio das propriedades da função
densidade de probabilidade da distribuição normal padronizada.
São elas:

P(Z<0)=0,5
o Cálculo da Probabilidade com o auxílio de tabela.

Não é costume das provas da ESAF a apresentação das tabelas de
distribuição normal padronizada para auxiliar o candidato a resolver os
problemas que envolvam a distribuição normal, no entanto, é importante
vocês anotarem mais esse mecanismo de resolução de questões.
É possível que a prova contenha, em vez de informações a respeito de
P(z), como as seguintes: P(Z < 0,8) = 0,788; P(Z < 1,25) = 0,894; P(Z <
1,4) = 0,92; P(Z < 1,64) = 0,95; P(Z < 1,96) = 0,975; P(Z < 2) = 0,977,
etc., contenha tabelas auxiliares, como a seguir:

Essa tabela, por exemplo, informa o valor de P(Z>z). Assim, se

desejarmos saber, por exemplo, o valor de p(Z>2,05), deve-se separar o
número até a primeira casa decimal e a segunda casa decimal do número:
2,05 2,0 0,05
1ª Coluna 1ª Linha
Deve encontrar, na 1ª coluna, o número correspondente até a 1ª casa

decimal (2,0). Depois, deve-se encontrar na 1ª linha a segunda casa decimal
do número (0,05). O resultado para P(Z>2,05)=0,0202=2,02%.

Mas, se precisarmos obter valores como P(Z<1)? Nesses casos,

precisamos utilizar as propriedades da distribuição padronizada:
o Combinação de Distribuições Normais

Por fim, destacamos mais algumas propriedades das distribuições
normais que costumam aparecer nas provas.
Dadas duas variáveis aleatórias X e Y de distribuição normal de
probabilidade, cujas características são:
Variável X: Variável Y:

A variável aleatória, resultante da combinação dessas variáveis também
terá uma distribuição normal, com as seguintes medidas:
Variável X+Y: Variável X-Y:
Caso tenhamos uma variável aleatória , onde “ ” é uma constante:
Variável :
3.7– Distribuição Qui-quadrado, Distribuição t de Student e F

As distribuições Qui-quadrado e t de Student são distribuições de
probabilidade contínuas, bastante utilizadas em inferência estatística.
A inferência é um ramo da Estatística que tem como objetivo avaliar as
características de uma população a partir das características de uma amostra
dessa população.
Por fins didáticos, essas três distribuições serão detalhadas nas duas
próximas aulas, quando estudaremos a inferência estatística.
Agora, vamos aos exercícios!
4- Questões Comentadas
1. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2012) A

expectância de uma variável aleatória x ─ média ou esperança matemática
como também é chamada ─ é igual a 2, ou seja: E(x) = 2. Sabendo-se que a
média dos quadrados de x é igual a 9, então os valores da variância e do
coeficiente de variação de x são, respectivamente, iguais a
(A)
(B)
(C)
(D)
(E)
R.
Segundo o enunciado:


Vimos que a variância de uma distribuição pode ser obtida pela fórmula:
Desenvolvendo matematicamente essa expressão, temos que:
Ou seja, a variância é igual à média do quadrado de X, subtraído do

quadrado da média de X.
Percebam que o enunciado já nos forneceu o valor de . Resta :
Calculando a variância, temos:
O coeficiente de variação é a razão entre o desvio padrão e a média, dado pela

fórmula:
Portanto, os valores da variância e do coeficiente de variação de x são,

respectivamente, iguais a 5 e .
Resposta, letra A.

2. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2012) O Sr.
Ramoile, professor de Estatística aposentado, vem há muito tempo
acompanhando os dados sobre custos e faturamento do restaurante de sua
filha Cecília. O restaurante funciona todos os dias da semana e o Sr. Ramoile
concluiu que: o custo diário do restaurante segue uma distribuição normal,
com média igual a R$ 500,00 e desvio- padrão igual a R$ 10,00 e que o
faturamento diário, também, apresenta uma distribuição normal, com média
R$ 800 e desvio-padrão R$ 20. Como o Sr. Ramoile conhece muito bem os
princípios básicos da estatística, ele sabe que, se uma variável Z seguir uma
distribuição normal padrão, então Z tem média 0 e variância 1. Ele também
sabe que a probabilidade dessa variável Z assumir valores no intervalo entre 0
< Z < 2 ─ ou seja, entre a média 0 e 2 desvios-padrão ─ é,
aproximadamente, igual a 0,4772. Cecília, muito preocupada com o futuro de
seu restaurante, perguntou a seu pai se ele poderia verificar a probabilidade
de, em um dia qualquer, o custo ser maior do que R$ 520,00 e o faturamento
ficar no intervalo entre R$ 760,00 e R$ 840,00. Após alguns minutos, o Sr.
Ramoile disse, acertadamente, que as respectivas probabilidades são, em
termos percentuais, iguais a
(A) 2,28; 95,44.
(B) 52,28; 95,44.
(C) 2,28; 98,69.
(D) 98,69; 95,44.
(E) 98,65; 2,28
R.
Vamos calcular a resposta em duas etapas:
O custo ser maior do que R$ 520,00
O custo diário é uma distribuição Normal, de média igual a R$ 500,00 e
desvio-padrão igual a R$ 10,00:
A probabilidade de o custo ser maior do que 520 é igual à área do gráfico de

f(x), para x>520:

Área=Probabilidade
Como precisamos calcular a área maior que , devemos encontrar

o valor de correspondente. Sendo assim:
Portanto, para calcular a probabilidade de ,devemos calcular a

probabilidade da distribuição padronizada Z, tal que , lembrando que essa
distribuição possui média igual a zero e desvio-padrão igual a 1:
Área=Probabilidade
O enunciado nos informou que , então:

Portanto, a probabilidade de o custo ser maior do que R$ 520,00 é igual a

2,28%.
O faturamento ficar no intervalo entre R$ 760,00 e R$ 840,00
O faturamento é uma distribuição Normal, de média igual a R$ 800,00 e
desvio-padrão igual a R$ 20,00:
A probabilidade de o faturamento estar entre R$ 760,00 e R$ 840,00 é igual à

área do gráfico de f(x), para 760<x<840:
Área=Probabilidade
Como precisamos calcular a área maior de X entre 760 e 840, devemos

encontrar o valor de da função padronizada que corresponde a
informado. Sendo assim:

Portanto, para calcular a probabilidade de , devemos

calcular a probabilidade da distribuição padronizada Z, tal que ,
lembrando que essa distribuição possui média igual a zero e desvio-padrão
igual a 1:
Área=Probabilidade
Calculamos no item anterior:
Então:
Portanto, a probabilidade de o faturamento estar entre R$ 760,00 e R$ 840,00

é igual a 95,44%.
Resposta, letra A.
3. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2009) O número

de petroleiros que chegam a uma refinaria ocorre segundo uma distribuição de
Poisson, com média de dois petroleiros por dia. Desse modo, a probabilidade
de a refinaria receber no máximo três petroleiros em dois dias é igual a:

(A)
(B)
(C)
(D)
(E)
R.
Dados do problema:



A probabilidade de uma distribuição de Poisson é dada pela fórmula:
A probabilidade de a refinaria receber no máximo três petroleiros em dois dias

é igual a:
Portanto:
Resposta, letra C.
4. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2009) Em um

experimento binomial com três provas, a probabilidade de ocorrerem dois
sucessos é doze vezes a probabilidade de ocorrerem três sucessos. Desse
modo, as probabilidades de sucesso e fracasso são, em percentuais,
respectivamente, iguais a:

(A) 80% e 20%
(B) 30% e 70%
(C) 60% e 40%
(D) 20% e 80%
(E) 25% e 75%
R.
Dados do problema:
 n=3
 A probabilidade de ocorrerem dois sucessos é doze vezes a
probabilidade de ocorrerem três sucessos:
A probabilidade de ocorrerem “x” sucessos em uma distribuição binomial é

igual a:
Segundo o enunciado:
Assim, a probabilidade p de sucesso é igual a 20% e, a probabilidade de

fracasso (1 - p) é igual a 80%.
Resposta, letra D.
5. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2009) A função

densidade de probabilidade de uma variável aleatória contínua x é dada por:

Para esta função, a média de x, também denominada expectância de x e

denotada por E(x) é igual a:
(A) (B) (C) (D) (E)
R.
O gráfico de f(x), de acordo com as informações do enunciado é igual a:
f(x)
3
-1
Vimos que a expectância matemática de uma variável aleatória discreta é

igual a:
Para variáveis aleatórias contínuas, existem infinitos termos e, portanto,

existem infinitos termos para serem somados. Assim, temos:
Matematicamente, para calcular E(X) de infinitos termos, devemos utilizar a

equação integral, de modo que:
Para o problema em questão, teríamos:
Resposta, letra C.

6. (ESAF - Prefeitura de Natal - Auditor do Tesouro Municipal –
2008) Numa distribuição Binomial, temos que:
I. A E[x] = n p q, ou seja, é o produto dos parâmetros n – número de
elementos da avaliação, p – probabilidade de ocorrência do evento e q –
probabilidade contrária (q = 1 - p).
II. O desvio-padrão é dado pela raiz quadrada do produto entre os
parâmetros n e p.
III. A variância é dada pelo somatório dos quadrados dos valores (Xi)
menos o quadrado da média.
Apontando os três itens acima como V – Verdadeiro e F – Falso, a opção
correta é:
(A) F, V, F
(B) V, V, F
(C) F, F, F
(D) V, F, F
(E) V, V, V
R.
Na distribuição binomial, vimos nesta aula que:
Média:
Variância:
Desvio Padrão:
Feita essa lembrança, vamos avaliar as assertivas:

I. E[x] = n.p.q (falso!), E[x] = n.p
II. (falso!),
III. (Falso!) O enunciado se refere a uma maneira mais fácil de calcular

o valor da variância em alguns casos:
Ou seja, a variância é igual à média do quadrado de X, subtraído do quadrado

da média de X.
Resposta, letra C.
7. (ESAF – Prefeitura de Natal - Auditor do Tesouro Municipal –

2008) Se x é uma v. a. – variável aleatória com função densidade de
probabilidade f(x), caracterizada pelo modelo normal, podemos afirmar que:
(A) o desvio-padrão é igual a 1 (um).
(B) a média tem valor 0 (zero).
(C) a função de distribuição acumulada f(x) é igual a 1, para todos os valores
acima de b.

(D) os parâmetros média, moda e mediana são iguais.
(E) a variância tem o valor do quadrado da média.
R.
A curva de distribuição Normal, ou curva de Gauss é a mais importante das
distribuições de probabilidade. Sua aplicação é vasta em diversas áreas do
conhecimento. Seu gráfico pode ser representado pela figura abaixo
Assertiva (A): falso! O desvio padrão será igual a 1 apenas na curva de

distribuição Normal padronizada.
Assertiva (B): falso! A média será igual a 0 apenas na curva de distribuição
Normal padronizada.
Assertiva (C): falso! A distribuição acumulada da função Normal possui o
seguinte gráfico:
Assertiva (D): correto! A curva Normal retratada uma distribuição simétrica,

onde Moda=Mediana=Média.
Assertiva (E): falso! A variância não possui uma relação direta com a média.
Resposta, letra D.

2008) Apontando por V – Verdadeiro e F – Falso, indique a opção correta para
as seguintes sentenças:
I. Uma v. a. – variável aleatória que pode assumir somente dois valores, diz-
se possuir distribuição de Bernoulli e sua integral, no intervalo [a; b],
possui distribuição Binomial.
II. Uma v. a. com distribuição de Bernoulli, se acumulados os resultados sem
reposição, geram uma distribuição hipergeométrica e se for com reposição
geram uma distribuição Binomial.

III. A distribuição de Poisson é um modelo de probabilidade cuja série, a partir
do segundo membro, é convergente.
Assinale o respectivo conjunto:
(A) F, V, V.
(B) V, F, V.
(C) F, V, F.
(D) F, F, F.
(E) V, V, F.
R.
Assertiva I. Falso! Para aplicar o cálculo integral de uma função f(x),
pressupõe-se que essa função da variável aleatória seja contínua no domínio
x. As distribuições de Bernoulli e binomial são distribuições discretas.
Assertiva II. Verdadeiro! A distribuição hipergeométrica é uma distribuição de
variável discreta, e ocorre quando fazemos extrações casuais feitas sem
reposição, de uma população que possui dois atributos diferentes.
Nessa distribuição, dada uma população de N objetos, onde r objetos possuem
um atributo A e N–r possuem um atributo B. Esses atributos podem ser o
sucesso ou o fracasso da distribuição de Bernoulli.
Já a distribuição Binomial, como vimos nesta aula, é uma extensão da
distribuição de Bernoulli, com vários testes consecutivos e independentes
(com reposição).
Assertiva III. Verdadeiro! Na distribuição de Poisson, vimos que a
probabilidade de ocorrer “x” sucessos em um intervalo de medida “t” é
calculado pela fórmula:
Imaginando uma distribuição onde t=1, temos os seguintes valores de P(x):
Uma série é chamada de convergente quando os seus termos dirigem-se a um

determinado valor (e não para o infinito) quando x tende ao infinito. É o caso
da distribuição de Poisson, conforme o gráfico a seguir:

Ou seja, o valor da probabilidade tenderá a um valor único (igual a zero na

distribuição de Poisson), quando x tende ao infinito.
Por isso, a série é convergente.
Resposta, letra A.
9. (ESAF - STN – Analista de Finanças e Controle – 2013) Seja X

uma variável aleatória contínua com função densidade
Desse modo, a probabilidade de x estar no intervalo (0 < x < 1) é igual a:

(A) 1/3
(B) 1/12
(C) 2/5
(D) 1/6
(E) 1/4
R.
f(x)
k+1/2
3 x
Para que a função acima seja uma função densidade, é imprescindível que:
 para todos os valores de x (haja vista que a probabilidade é
sempre maior que zero);

 A área do gráfico de f(x), no intervalo entre seja sempre igual
a 1.
Para atender a primeira condição, temos que o valor de k deve ser maior que
zero.
Para atender a segunda condição, precisamos calcular o valor da área do
gráfico de f(x):
k+1/2
k
3
Encontrado o valor de k para que f(x) seja uma função densidade de

probabilidade, resta calcular a probabilidade de x estar no intervalo (0 < x <
1).
Essa probabilidade é igual a área do gráfico dentro desse intervalo:
f(x)
k+1/2
k+1/6
k
1 3

A probabilidade, portanto, é igual a:
Resposta, letra D.
10. (ESAF – Ministério do Turismo – Estatístico – 2013) A variável

aleatória X é uma variável aleatória definida pela função densidade dada por:
f(x) = 0 para x < 0
f(x) = p para 0 ≤ x < 1
f(x) = p (2 - x) para 1 ≤ x < 2
f(x) = 0 para x ≥ 2
Desse modo, o valor da constante p é igual a:
(A) 2/3
(B) 1/3
(C) -2/3
(D) 1/2
(E) -1/2
R.
f(x)
1 2
Para que a função acima seja uma função densidade, é imprescindível que:
 para todos os valores de x (haja vista que a probabilidade é
sempre maior que zero);

 A área do gráfico de f(x), no intervalo entre seja sempre igual
a 1.
Para atender a segunda condição, precisamos calcular o valor da área do
gráfico de f(x):
Resposta, letra A.
11. (ESAF – Ministério do Turismo – Estatístico – 2013) Uma variável

aleatória contínua x possui função densidade dada por: f(x) = 0 para x < 0;
f(x) = 3 x² para 0 ≤ x ≤ 1; f(x) = 0 para x > 1. Desse modo, a expectância de
x é igual a:
(A) 1/3
(B) 3/4
(C) 1/4
(D) 1/2
(E) 1/5
R.
Reparem como a questão é muito semelhante a de número 5 aplicada na
prova da RFB em 2009.
f(x)
3
1 x
Por simetria, o resultado é igual ao da questão referida, só que com o sinal

trocado.

Resposta, letra B.

aleatória x qualquer possui média igual a 4 metros. Sabendo-se que a média
do quadrado dos valores de x é igual a 36 m², então a variância relativa de x
é igual a:
(A) 1,25 m²
(B) 1,25 m
(C) 1,25
(D) 5 m²
(E) 5
R.
Aprendemos que a variância, também chamada de variância absoluta, pode
ser calculada pela fórmula:
Ou seja, a variância é igual à média do quadrado de X, subtraído do quadrado

da média de X.
A variância relativa, outra medida de dispersão, que é calculada a partir do
quociente entre a variância absoluta e o quadrado da média.
Assim:
Os dados do problema indicam que:
Portanto:
Onde a variância relativa é um número adimensional.

Resposta, letra C.
13. (ESAF – Ministério do Turismo – Estatístico – 2013) Uma máquina

de produzir garrafas apresenta 2% das garrafas com algum tipo de defeito.
Reinaldo, que é engenheiro de produção, está realizando um trabalho para
diminuir o percentual de garrafas defeituosas. Para dar continuidade ao

trabalho, ele precisa conhecer a probabilidade de se obter 3 garrafas
defeituosas. Para tanto, Reinaldo retirou, aleatoriamente, uma amostra de 100
garrafas. Sabendo-se que Reinaldo utilizou a Distribuição de Poisson para
calcular de modo aproximado essa probabilidade, então o resultado obtido por
Reinaldo é igual a:
(A)
(B)
(C)
(D)
(E)
R.
Na distribuição de Poisson, a probabilidade de ocorrer “x” sucessos em um
intervalo de medida “t” é calculado pela fórmula:
Dados do problema:
Resposta, letra A.

aleatória X possui função de densidade uniforme com parâmetros  e , sendo
 < . Sendo a expectância de x, a variância de x e a função distribuição de x
denotados, respectivamente, por E(X), Var (x) e F(x). Desse modo, pode-se
afirmar que
(A) E(x) =
(B) F(x) = 0 para x < ; para  ≤ x < ;
F(x) = 1 para x ≥ 
–
(C) Var (x) =
(D) E(x) =

(E) Var (x) =
R.
O gráfico de f(x), segundo as informações do enunciado, é:
f(x)
 
Para que a função acima seja uma função b densidade, é imprescindível que a
área do gráfico de f(x), no intervalo entre , seja sempre igual a 1.
Assim:
Dessa forma, , para .
A média dessa distribuição pode ser facilmente visualizada pois se trata do

ponto médio entre e :
A variância de uma variável aleatória contínua pode ser calculada pela

expressão:
Assim, podemos calcular :

Resposta, letra C.
15. (ESAF – Ministério do Turismo – Estatístico – 2013) Matias é

arquiteto e está desenvolvendo o projeto para um grande condomínio
horizontal. Os condôminos sempre estão em contato com Matias perguntando
quando o projeto ficará pronto. Sabendo-se que Matias recebe desses
condôminos, em média, 2 mensagens por dia em seu celular, então a
probabilidade de Matias receber 2 mensagens em 4 dias é igual a:
(A)
(B)
(C)
(D)
(E)
R.
Trata-se de uma variável aleatória de Poisson, cuja probabilidade é:
Os dados do problema são:




Resposta, letra B.
16. (ESAF – Ministério da Integração Nacional – Estatístico – 2012)

Seja X uma Variável Aleatória Binomial com parâmetros n e p. Sendo o
número de combinações de n elementos tomados k a k, obtenha a expressão
de P(X = k).
(A)
(B)

(C)
(D)
(E)
R.
Vimos nesta aula que, na distribuição binomial, deseja-se saber a
probabilidade de ocorrer “x” sucessos em “n” tentativas do experimento.
Para tal, define-se a variável aleatória de X como o número de sucessos
ocorridos em “n” tentativas do experimento. Assim, uma variável aleatória
binomial por assumir valores entre X=0 (nenhum sucesso em “n” tentativas)
até (“n” sucessos em “n” tentativas).
A probabilidade quando em “n” tentativas é igual a:
O enunciado substituiu x por k:
Resposta, letra C.

Sendo F(x) a função de distribuição da variável aleatória definida na questão
anterior, calcule F(1), para o caso n=5 e p=0,5.
(A) 0
(B) 1/32
(C) 5/32
(D) 3/16
(E) 11/32
R.
Sendo F(x) a função de distribuição de probabilidade, F(1) indica a
probabilidade de que se tenha 1 sucesso ou menos, ou seja:
Portanto:

Resposta, letra D.

Em determinadas situações uma variável aleatória binomial pode ser
adequadamente aproximada por uma variável aleatória normal. Seja X uma
variável aleatória binomial com parâmetros n=900 e p=1/2. Usando essa
aproximação, calcule o valor mais próximo de P(868 ≤ X ≤ 932), considerando
os seguintes valores para , onde (z) é a função de distribuição de uma
variável aleatória normal padrão Z:
(1,96) = 0,975, (2,17) = 0,985 (2,33) = 0,99 e (2,58) = 0,995
(A) 0,95
(B) 0,96
(C) 0,97
(D) 0,98
(E) 0,99
R.
A probabilidade numa distribuição binominal pode ser calculada, de
forma aproximada, a partir da fórmula da distribuição Normal.
Nessa aproximação, iremos calcular os parâmetros média e desvio
padrão da distribuição Binomial e aplicarmos na fórmula da distribuição
Normal.
A média da variável binomial é:
O desvio padrão da variável binomial é:
O enunciado pede para calcularmos P(868 ≤ X ≤ 932). Para isso, devemos

transformar esses parâmetros para a distribuição normal padronizada Z, onde:
Resolvendo essa questão, percebe-se que a ESAF pisou na bola, pois esse
valor de z é muito grande! Percebe-se isso ao analisarmos a distribuição
Normal:

Ou seja, os parâmetros de 868 e 932 estão quase no fim do gráfico, cujo valor
de f(x) é quase igual a zero.
Para que seja possível obter a resposta da questão, a média da distribuição

deveria ser igual a 900.
Neste caso:
P(868 ≤ X ≤ 932)= P(-2,13 ≤ Z ≤ 2,13)
Utilizando a informação de que: (2,17) = 0,985, aproximadamente, temos:
Posteriormente aos recursos, a ESAF NÃO anulou a questão!

Questão sem resposta
Gabarito, letra C.

Seja X uma variável aleatória contínua com função densidade de probabilidade
constante no intervalo [0,2]. Determine sua variância.
(A) 1/3
(B) 1/2
(C) 2/3
(D) 5/7
(E) 5/6

R.
O gráfico de f(x), segundo as informações do enunciado, é:
f(x)
 
Para que a função acima seja uma função b densidade, é imprescindível que a
área do gráfico de f(x), no intervalo entre , seja sempre igual a 1.
Assim:
Dessa forma, , para .
A média dessa distribuição pode ser facilmente visualizada, pois se trata do

ponto médio entre 0 e 2:
Esse valor também pode ser calculado:
A variância de uma variável aleatória contínua pode ser calculada pela

expressão:

Utilizando a expressão genérica que vimos nesta aula, onde β=2 e =0:
(vale a pena decorar essa fórmula para a prova!)
Resposta, letra A.
20. (FCC-TRT 5ª-2013) Suponha que o tempo, em horas, para a

realização de uma tarefa, por funcionários de um órgão público, seja uma
variável aleatória X com função densidade de probabilidade dada por
, onde K é uma constante real positiva apropriada
para garantir que f(x) seja uma função densidade de probabilidade. Seleciona-
se aleatoriamente um funcionário, dentre os funcionários que realizam a tarefa
no órgão público. A probabilidade dele realizar a tarefa em menos do que duas
horas é
(A) 5/8. (B) 2/3. (C) 7/8. (D) 4/5. (E) 3/5.
R.
Para sabermos o valor de K que garante f(x) como uma função densidade de
probabilidade, podemos desenhar o gráfico de f(x) para compreendê-lo
melhor:
 f(0)=K
 f(1)=K
 f(2)=K/2
 f(3)=0
f(x)
K/2
1 2 3 x
Para que f(x) seja uma função densidade de probabilidade, a sua área
total deverá ser igual a 1.

O enunciado solicita informar o valor de
Resposta, letra C.
21. (FCC-TRT 5ª-2013) Seleciona-se ao acaso e com reposição três

funcionários, dentre os funcionários que realizam a tarefa no órgão público. A
probabilidade de que, exatamente, dois funcionários levem mais do que 40
minutos para realizar a tarefa é de
(A) 1/2. (B) 1/3. (C) 4/9. (D) 5/9. (E) 2/3.
R.
A probabilidade para que um funcionário leve mais do que 40 minutos (2/3 h)
para realizar a tarefa é obtida por :
f(x)
K Área= :
K/2
2/3 2 3 x
1
Como K=0,5
A probabilidade de dois funcionários levarem mais do que 40 minutos é

igual a

1/27, 2/27, 4/27, 8/27
Resposta, letra C.
22. (FCC-TRT 5ª-2013) Sabe-se que X é uma variável aleatória com
distribuição uniforme contínua, com função densidade de probabilidade dada
por
, onde a é um número real qualquer, b é um
número real positivo e K, uma constante real apropriada para garantir que f(x)
seja uma função densidade de probabilidade. Sabe-se que P(X<10)=0,25 e
que P(X>19)=0,3. Nessas condições, o valor da variância de X é
(A) 100/3. (B) 25/12. (C) 75/4. (D) 20/3. (E) 50/12.
R.
Como f(x) é uma constante entre :
f(x)
Para que f(x) seja uma função densidade de probabilidade, sua área em
relação ao eixo x deve ser igual a 1:
 Dado que :
10 x

(a)
 Dado que :
(b)
Combinando as expressões (a) e (b):
=
Como :
Portanto:
 Dado que f(x) é contínua, a média é igual ao ponto:
 A variância de uma função constante pode ser calculada pela

fórmula:

Resposta, letra A.
23. (FCC-BACEN-2001) Uma variável aleatória X tem função de

distribuição de probabilidades dada por:
Assinale a opção que dá o valor da probabilidade de X=2.

(A) 7/12. (B) 11/12. (C) 1/3. (D) 3/4. (E) 10/12.
R.
Dadas as informações sobre F(X):
Resposta, letra C.
24. (FGV-SEFAZ/RJ-2009) Assuma que uma distribuição de Bernoulli

tenha dois possíveis resultados n=0 e n=1, no qual n=1 (sucesso) ocorre com
probabilidade p, e n=0 (falha) ocorre com probabilidade q≡1–p. Sendo
0<p<1, a função densidade de probabilidade é

(A)
(B)
(C)
(D)
(E)
R.
Aprendemos nesta aula que, na distribuição de Bernoulli, a probabilidade é
igual a p, para o sucesso, e 1-p para o fracasso, cuja fórmula geral pode ser
representada por:
ou
De forma direta, a alternativa que se enquadra em uma dessas fórmulas é a

primeira.
Resposta, letra A.
25. (FCC-TRT 23ª-2011) Um procedimento de controle de qualidade foi

planejado para garantir uma proporção máxima (p) de 10% de itens
defeituosos na produção. A cada uma hora sorteia-se uma amostra de 4 peças
da produção e havendo mais do que 1 peça defeituosa nesta amostra a
produção é parada para verificação. A probabilidade de se parar a produção
desnecessariamente, quando p = 0,10, está dentro do intervalo
(A) [0,03; 0,04)
(B) [0,04; 0,05)
(C) [0,05; 0,06)
(D) [0,06; 0,07)
(E) [0,07; 0,08)
R.
O problema descrito possui as características de uma distribuição Binomial:
 Os experimentos são independentes (sorteio de peças);
 Cada experimento pode resultar apenas em sucesso ou fracasso
(defeituoso ou não defeituoso);

 A probabilidade de sucesso é a mesma a cada repetição do experimento
(p=0,10);
 A variável é o número “x” de sucessos em “n” tentativas (número de
peças defeituosas em uma amostra de 4).
Precisamos calcular a probabilidade de mais de uma peça apresentar

defeito, entre 4 peças:
Mas,
Utilizando-se a fórmula geral da distribuição Binomial:
Como e :
Resposta, letra C.
26. (FCC-SEFAZ/SP-2013) Sabe-se que em determinado município, no

ano de 2012, 20% dos domicílios tiveram isenção de determinado imposto.
Escolhidos, ao acaso e com reposição, quatro domicílios deste município a
probabilidade de que pelo menos dois tenham tido a referida isenção é igual a
(A) 0,4096 (B) 0,4368 (C) 0,1808 (D) 0,3632 (E) 0,2120
R.

Seleção ao acaso e com reposição, e eventos de sucesso e insucesso são
características da distribuição binomial.
O enunciado solicita o cálculo de , com e .
Resposta, letra C.
27. (FCC-TRT 5ª-2013) Uma variável aleatória X tem distribuição Binomial

com parâmetros n = 200 e p = 0,01. Fazendo uso da aproximação de Poisson
à binomial, a probabilidade de X ser maior do que zero é igual a 0,865. Nessas
condições, a probabilidade de X ser igual a 5, calculada pela aproximação de
Poisson à binomial, é
(A) 0,231. (B) 0,106. (C) 0,036. (D) 0,064. (E) 0,087.
R.
A aproximação da probabilidade de uma distribuição Binomial pela fórmula de
Poisson, consiste em calcularmos a probabilidade da distribuição Binomial
aplicando a fórmula de Poisson, para t=1.
Dada a distribuição Binomial X, a média de X é calculada como:
Aplicando na fórmula da distribuição de Poisson, :
 Dado que

O enunciado pede o valor de :
Resposta, letra C.
28. (FCC-TRF 1ª-2001) A probabilidade de que um item produzido por

uma máquina seja defeituoso é de 10%. Uma amostra de 30 itens produzidos
por esta máquina e selecionada ao acaso. Use a aproximação pela distribuição
de Poisson para determinar a probabilidade de que não mais do que um item
defeituoso seja encontrado nesta amostra.
(A)
(B)
(C)
(D)
(E)
R.
Dada a distribuição binomial onde p=10% e n=30:
Fazendo a aproximação de Poisson,

Portanto, a probabilidade de não mais do que um item defeituoso seja
encontrado na amostra é igual a
.
Pela aproximação de Poisson:
Assim,
Resposta, letra A.

29. (FCC-TRT 6ª-2012) A variável aleatória X tem distribuição binomial

com média 10 e variância 9. A variável aleatória Y tem distribuição binomial
com variância igual a 16 e cuja probabilidade de sucesso é o dobro da
probabilidade de sucesso da variável aleatória X. Fazendo uso da aproximação
à distribuição normal, sem fazer a correção de continuidade, a probabilidade
de Y ser superior a 27 é:
Considere as informações a seguir:
Se Z tem distribuição normal padrão, então: P(Z<0,75)=0,773;
P(Z<1,25)=0,894; P(Z<1,4)=0,919; P(Z<1,75)=0,96; P(Z<2,05)=0,98;
P(Z<2,4)=0,992.
(A) 6%. (B) 5%. (C) 4%. (D) 3,5%. (E) 3%.
R.
A distribuição binominal pode ser calculada, de forma aproximada, a partir da
fórmula da distribuição normal. No entanto, esse cálculo só deve ser feito
quanto o enunciado solicitar!
Nessa aproximação, iremos calcular os parâmetros média e desvio
padrão da distribuição Binomial e aplicarmos na fórmula da distribuição
Normal.
Para calcularmos a probabilidade da variável Y, resta obtermos a sua
média, pois nós já conhecemos o valor da variância: .
Média e Variância da Binomial X:
 ;
 ;
Como :

Média e Variância da Binomial Y:
 ;
 .
Como :
Como :
Conhecidos e , podemos calcular o valor da média de Y:
Agora, para calcular o valor da probabilidade de que Y seja maior que 27

, vamos nos utilizar da distribuição padronizada:
Portanto:
Resposta, letra C.
30. (FCC-TRT 23ª-2011) O número de falhas num certo tipo de placa de

fórmica tem distribuição de Poisson com taxa média de 0,1 defeitos por metro
quadrado. Tais placas cobrirão uma superfície plana de 2 m × 2,5 m. Se a
placa não contém nenhum defeito ela é vendida por R$ 500,00 e se ela tem
um defeito ou mais é vendida por R$ 200,00. O preço médio de venda desse
tipo de placa é, em reais, igual a (Dado: ):
(A) 375. (B) 383. (C) 387. (D) 390. (E) 394.
R.
Sendo uma distribuição de Poisson, com , Desejamos saber
a probabilidade de defeitos em uma placa de dimensões 2 m x 2,5 m, ou seja,
de área igual a 5 m² ( ).
Se a placa não possui nenhum defeito:

Se a placa não possui um defeito ou mais:
Portanto, 61% das placas serão vendidas a R$ 500,00 e, 39% das

placas a R$ 200,00.
Calculando a média ponderada, o preço médio das placas será:
Assim, o preço médio das placas será igual a R$ 383,00.

Resposta, letra B.
31. (FCC-ICMS/SP-2009) O número de pessoas que chega ao guichê de

uma repartição pública para autuação de processos apresenta uma
distribuição de Poisson a uma taxa de duas pessoas por minuto. A
probabilidade de que nos próximos 2 minutos chegue pelo menos uma pessoa
neste guichê é (Observação: e = 2,71828...)
(A)
(B)
(C)
(D)
(E)
R.
A probabilidade de chegar pelo menos uma pessoa no guichê nos próximos
dois minutos ( ) é igual a

 Dado que
Como:
Dentre as alternativas apresentadas:
.
Resposta, letra A.
32. (FGV-SEFAZ/RJ-2009) O número de clientes que buscam, em cada

dia, os serviços de um renomado cirurgião tem uma distribuição de Poisson
com média de 2 pacientes por dia. Para cada cirurgia efetuada, o cirurgião
recebe R$ 10.000,00. No entanto, ele consegue fazer o máximo de duas
cirurgias em um dia; clientes excedentes são perdidos para outros cirurgiões.
Assinale a alternativa que indique o valor esperado da receita diária do
cirurgião. (considere )
(A) R$ 5.600,00.
(B) R$ 8.400,00.
(C) R$ 10.000,00.
(D) R$ 14.400,00.
(E) R$ 20.000,00.
R.
O valor esperado da receita diária será obtido a partir das probabilidades de o
médico realizar cirurgias.
 Se o médico realizar uma cirurgia por dia , ele receberá
R$ 10.000,00.
 Se o médico realizar duas ou mais cirurgias por dia , ele
receberá R$ 20.000,00.
Precisamos avaliar a probabilidade desses dois casos: e

Dado que , a probabilidade de efetuar uma cirurgia
em um dia é igual a:
A probabilidade de efetuar duas ou mais cirurgias em um dia é igual a

:
Portanto, o valor esperado, ou média, será obtido a partir da média

ponderada das probabilidades calculadas. Como o cirurgião recebe R$
10.000,00 por cada cirurgia:
Resposta, letra D.
33. (FCC-MPU-2007) O número de pacientes atendidos por um clínico

geral segue uma distribuição de Poisson com taxa média de 4 pacientes por
hora. A probabilidade de que pelo menos um paciente consulte o clínico geral
em um período de 15 minutos é
(A)
(B)
(C)
(D)

(E)
R.
Dada uma distribuição de Poisson, com , a probabilidade
de o clínico geral atender pelo menos um paciente num período de 15 minutos
(0,25 h) é igual a :
Resposta, letra A.
34. (FCC-MPE/PE-2006) O número de falhas de certo tipo de placa

térmica tem distribuição de Poisson, com taxa média de 0,1 defeitos por m².
Na confecção da superfície de um armário, é necessário cobrir uma superfície
de 2m por 2m com essa placa. A probabilidade de que haja pelo menos uma
falha nessa superfície e de:
(A)
(B)
(C)
(D)
(E)
R.
Dado que , o enunciado deseja saber a probabilidade de
haver pelo menos uma falha numa superfície de 4m². Ou seja, precisamos
calcular :

Resposta, letra C.
35. (FCC-TRT 2ª-2007) Sabe-se que a variável aleatória X é bi-modal

para x = 1 e x = 2 e que tem distribuição de Poisson. Sabendo que X é
diferente de zero, a probabilidade de X assumir um valor menor do que 3 é
dada por
(A) (B) (C) (D) (E)
R.
Como a variável possui duas modas, uma em x=1 e outra em x=2, esses
valores de x assumem o maior valor de P(x), sendo, portanto, iguais:
Se X é uma distribuição de Poisson:
Assim:
O enunciado pede para calcularmos dado que , ou seja,

é uma probabilidade condicionada. Estudamos esse assunto na aula 1!

Primeiro, vamos calcular :
Agora, :
Agora, :
Agora, vamos para a probabilidade condicionada:
Resposta, letra B.

36. (FCC-TJ/PA-2009) O numero de falhas de certo tipo de placa plástica
tem distribuição de Poisson, com taxa média de 0,05 defeitos por m². Na
construção de um barco, e necessário cobrir uma superfície de 8 m² com essa
placa. A probabilidade de que não haja falhas nessa superfície é:
(A) (B) (C) (D) (E)
R.
Dado uma distribuição de Poisson onde , deseja-se saber a
probabilidade :
Resposta, letra D.

tem distribuição de Poisson, com taxa media de 0,05 defeitos por m². Na
construção de 2 barcos, que serão cobertos com uma superfície de 8 m² cada
com essa placa, a probabilidade de que pelo menos 1 não apresente defeito na
superfície é
(A)
(B)
(C)
(D) —
(E)
R. Para calcularmos a probabilidade de pelo menos 1 não apresentar defeito,
precisamos avaliar as situações que se enquadram nessa condição.
Se construídos os barcos A e B, a probabilidade de A ou B não serem
defeituosos é igual a não serem defeituosos. Lembrando-se da nossa
aula 1:
A probabilidade de A não ser defeituoso nós já calculamos no item

anterior, ou seja: . A probabilidade de B não ser defeituosos é
a mesma.
Portanto, a probabilidade de pelo menos 1 não apresentar defeito é
igual a:

Resposta, letra C.
38. (FCC-TRE/SP-2012) O volume líquido de frascos de xampu é uma

variável aleatória com distribuição aproximadamente normal com média e
desvio padrão 0,5 mL. O valor de , em mL, para que no máximo 0,2% dos
frascos tenham menos do que 200 mL é
Atenção: Para resolver as questões, use, dentre as informações dadas a
seguir, as que julgar apropriadas.
Se Z tem distribuição normal padrão, então: P(Z<1)=0,84; P (Z<1,28)= 0,90;
P(Z<2)=0,977; P(Z<2,88)=0,998.
(A) 182,12. (B) 188,46. (C) 195,24. (D) 198,56. (E) 198,98.
R.
Para no máximo 0,2% dos frascos terem menos do que 200 mL é o mesmo
que afirmar: . Utilizaremos essa informação para calcular :
 Dado que :
 A partir da fórmula da variável padronizada, calculamos
Percebam que a questão não possui resposta. De fato, para que no

mínimo 0,2% dos frascos tenham menos do que 200 ml, a tendência natural é
que a média seja superior a 200 ml.
Questão sem resposta.
Gabarito Oficial, letra D.
39. (FCC-TRF 2ª-2012) O tempo de vida, X, de um aparelho elétrico tem

distribuição normal com média , desvio padrão de 500 dias e primeiro quartil

igual a 1500 dias. Se o aparelho tem garantia de 365 dias, a porcentagem das
vendas que exigirá substituição é igual a
Instruções: Dentre as informações dadas abaixo, aquelas que julgar
apropriadas.
Se Z tem distribuição normal padrão, então: P(Z<0,67)=0,75; P (Z<0,84)=
0,80; P(Z<1,5)=0,933; P(Z<2)=0,977; P(Z<2,5)=0,994; P(Z<2,94)=0,998.
(A) 2%. (B) 1%. (C) 0,5%. (D) 0,3%. (E) 0,2%.
R.
Para encontrar , ou seja, a probabilidade de o tempo de vida ser
inferior a 365 dias, vamos precisar calcular a média dessa distribuição.
 1º quartil: :
 Como :
Portanto:
Agora, podemos calcular o valor da média, a partir da variável Z:
=1835 dias
Por fim, :
 O enunciado nos forneceu :
(Simetria de Z)

Resposta, letra E.
40. (FCC-TRT 1ª-2011) Nos pacotes de certa marca de cereal está escrito
que o valor do peso bruto, X, do produto em questão é 300 gramas. Sabendo-
se que X tem distribuição aproximadamente normal com desvio padrão de 10
gramas, o valor da média de X para que não mais do que 1 pacote em 40
tenha peso inferior a 300 gramas é, em gramas, igual a
Se Z tem distribuição normal padrão, então: P (Z<0,28)=0,61;
P(Z<1,28)=0,9; P(Z<1,5)=0,933; P(Z<1,96)=0,975; P(Z<2)=0,977.
(A) 323,3. (B) 319,6. (C) 316,4. (D) 314,5. (E) 312,8.
R.
Para que não mais do que 1 pacote em 40 tenha peso inferior a 300 gramas:
, ou seja, .
 Dado que :
A partir da fórmula da variável padronizada, calculamos
Resposta, letra B.
41. (FCC-INFRAERO-2011) Sabe-se que o tempo para a ocorrência de

defeito em uma peça tem distribuição normal com média de 1200 dias e
desvio padrão de 100 dias. O fabricante de tais peças oferece aos seus
clientes uma garantia de g dias (ele substitui toda peça que durar g dias ou
menos). O valor de g para que apenas 0,5% das peças sejam substituídas é,
em dias, igual a

Atenção: Para resolver, dentre informações dadas abaixo, utilize aquelas que
julgar apropriadas. Se Z tem distribuição normal padrão, então: P(Z<0,5) =
0,691; P(Z < 1) = 0,841; P(Z<1,5) = 0,933; P(Z<2) = 0,977; P(Z<2,58) =
0,995.
(A) 742. (B) 768. (C) 856. (D) 942. (E) 967.
R. O problema quer saber
 Dado que :
 A partir da fórmula da variável padronizada, calculamos :
Resposta, letra D.
42. (FCC-TRT 6ª-2012) O peso de um saco de batatas é uma variável

aleatória, X, que tem distribuição normal com média 30 kg e desvio padrão 2
kg. Um caminhão é carregado com 100 sacos. Considerando que o peso
desses sacos é uma amostra aleatória simples da distribuição de X, a
probabilidade da carga do caminhão pesar pelo menos 2985 kg é
P(Z<1,25)=0,894; P(Z<1,4)=0,919; P(Z<1,75)=0,96; P(Z<2,05)=0,98;
P(Z<2,4)=0,992.
(A) 0,227. (B) 0,273. (C) 0,523. (D) 0,627. (E) 0,773.
R.
Distribuição Normal com média igual a 30 e desvio padrão igual a 2: N:(30,2).
Como o caminhão é carregado com 100 sacos, ou seja, vamos somar 100
variáveis independentes, utilizaremos a seguinte propriedade:
Variável X+Y:

Média dos 100 sacos:
Variância de 100 sacos:
Desvio padrão de 100 sacos:
Para obtermos a probabilidade da carga do caminhão pesar pelo menos

2985 kg, precisamos calcular , correto? Utilizando-se a distribuição
padronizada:
 Dado que :
Resposta, letra E.
43. (FCC-TRT 6ª-2012) O tempo total de montagem de uma peça

mecânica tem distribuição normal e é dado pela soma dos tempos das 3
etapas necessárias para a sua conclusão. Sejam Xi , i = 1, 2, 3, as variáveis
aleatórias que representam os tempos de montagem das etapas 1, 2 e 3,
respectivamente. Sabe-se que essas variáveis são independentes e que têm
distribuição normal com parâmetros dados na tabela abaixo:
A probabilidade de a peça levar entre 374 e 384 minutos para ser montada é
igual a

P(Z<1,25)=0,894; P(Z<1,4)=0,919; P(Z<1,75)=0,96; P(Z<2,05)=0,98;
P(Z<2,4)=0,992.
(A) 0,073. (B) 0,124. (C) 0,218. (D) 0,245. (E) 0,286.
R.
Como tais custos são independentes, calculamos a média e desvio padrão, em
minutos:
Obtendo esses parâmetros, para calcular devemos

transformar a variável X em Z:
Mas
Resposta, letra A.
44. (FCC-TRF 2ª-2012) O diâmetro, X, de uma peça tem distribuição

normal e deve estar entre 96 mm e 105 mm para passar no controle de
qualidade. Sabe-se que 0,6% dos diâmetros das peças ultrapassam o limite
superior (105 mm) e que 2,3% são inferiores ao limite inferior (96 mm). A
probabilidade de uma peça, selecionada ao acaso, passar no controle de
qualidade quando os limites inferior e superior forem alterados para 97 mm e
104 mm, respectivamente, é de
apropriadas.
0,80; P(Z<1,5)=0,933; P(Z<2)=0,977; P(Z<2,5)=0,994; P(Z<2,94)=0,998.
(A) 0,873. (B) 0,910. (C) 0,897. (D) 0,918. (E) 0,915.
R.
Sabendo-se que apenas 0,6% das peças ultrapassam o limite superior, então
.

Para descobrirmos o valor de X que satisfaça ,
precisamos descobrir um valor de z, tal que , também.
 Como , podemos estabelecer que:
Descobrimos o valor de z)
Vamos utilizar a relação entre X e Z para calcularmos a relação entre
e
(a)
Agora, vamos analisar o limite inferior. Sabendo-se que apenas 2,3%

das peças ultrapassam o limite inferior, então . Precisamos
saber o valor de z tal que .
 Como , podemos estabelecer que:
Agora, vamos utilizar a relação entre X e Z para calcularmos outra

relação entre e
(b)
Relacionando (a) e (b):
Pelas subtração de (b) em (a), temos que:

Estabelecidos os parâmetros da média e desvio padrão, agora, podemos

calcular a probabilidade :
Assim:
Resposta, letra B.
45. (FCC-TRE/SP-2012) Considere as variáveis aleatórias Xi: N(10,4),

i=1, 2, 3, 4, independentes. Seja . Nessas condições, o valor a tal
que é igual a
P(Z<2)=0,977; P(Z<2,88)=0,998.
(A) 7,16. (B) 7,44. (C) 7,56. (D) 7,85. (E) 8,72.
R.
O problema nos informou a respeito de quatro variáveis aleatórias
independentes, onde, em cada uma delas, a média é igual a 10, e o desvio
padrão igual a 4.
A partir dessas informações, precisamos saber as características de
, da seguinte maneira, utilizando as propriedades de combinação de
distribuições normais independentes:
Variável X+Y: Variável :
Média:

Variância:
Desvio Padrão:
Portanto, é também uma distribuição normal, de média igual a 10 e

desvio padrão igual a 1.
Agora, vamos calcular
 Dado que :
 A partir da fórmula da variável padronizada, calculamos a:
Resposta, letra E.
46. (FCC-Metrô/SP-2012) Seja X a variável aleatória que representa o

tempo de espera em uma determinada estação de determinada linha do Metrô
de São Paulo. Suponha que X tem distribuição normal, com média de 100
segundos e desvio padrão de 10 segundos. O Metrô está testando uma nova
tecnologia com a finalidade de reduzir em 10% a média de X e em 20% o seu
desvio padrão. Supondo que esta nova tecnologia surta efeito, a probabilidade
de que o tempo na espera na determinada estação supere 106 segundos é
igual a:
Use, dentre as informações dadas abaixo, as que julgar apropriadas. Se Z tem
distribuição normal padrão, então: P(Z < 0,70) = 0,758, P(Z < 1) =
0,841, P(Z < 2) = 0,977, P(Z < 2,5) = 0,994
(A) 0,074. (B) 0,068. (C) 0,051. (D) 0,047. (E) 0,023.
R.
Supondo que a nova tecnologia Y surta efeito:
Média: Redução de 10%

Desvio padrão: Redução de 20%
A probabilidade de que o tempo de espera supere 106 segundos é igual

a :
 Dado que :
Portanto,
Resposta, letra E.
47. (FCC-TRT 7ª-2009) Os salários dos analistas de um tribunal é uma

variável aleatória X, com distribuição normal com média e desvio padrão R$
500,00. Sabendo que P(X < 5.000 reais) = 0,02, o valor do primeiro quartil de
X, em reais, é
Atenção: Para resolver às questões, dentre as informações dadas a seguir, as
que julgar apropriadas.
Se Z tem distribuição normal padrão, então: P(Z>1,64) = 0,05; P(Z >2) =
0,02; P(0<Z<1,5) = 0,43; P(0<Z<0,67) = 0,25.
(A) 5.755. (B) 5.665. (C) 5.605. (D) 5.500. (E) 5.410.
R. Vamos aproveitar a informação de que para
calcular o valor da média.
 Dado que :
 A partir da fórmula da variável padronizada, calculamos o valor de :

Agora, podemos calcular o valor do 1º quartil:

 Dado que
Portanto, o 1º quartil é igual a 5665.

Resposta, letra B.
48. (FCC-TRT 7ª-2009) Um elevador tem seu funcionamento bloqueado

se sua carga for superior a 310 kg. Seja: Xi, é a variável aleatória que
representa o peso do usuário i desse elevador, i = 1,2,...,n.
Sabendo-se que todas as Xi (i = 1,2,...,n.) têm distribuição normal com média
70 kg e desvio padrão 10 kg e são independentes, a probabilidade de ocorrer
bloqueio numa tentativa de se transportar 4 passageiros é
Atenção: Para resolver à questão, dentre as informações dadas a seguir, use
as que julgar apropriadas.
0,02; P(0<Z<1,5) = 0,43; P(0<Z<0,67) = 0,25.
(A) 0,02. (B) 0,05. (C) 0,07. (D) 0,10. (E) 0,12.
R.

Para ocorrer o bloqueio, a carga deve ser superior a 310 kg. Assim,
precisamos calcular , onde .
Inicialmente, vamos definir os parâmetros de X.
Média:
Variância:
Desvio Padrão:
 Agora, vamos calcular , por meio da variável padronizada:
 Dado que
Portanto, a probabilidade é igual a 0,07.

Resposta, letra C.
49. (FCC-TRT 3ª-2009) A duração de vida de um aparelho elétrico tem

distribuição normal com média 1.500 dias e terceiro quartil de 1.840 dias. Se
esse tipo de aparelho tiver garantia de 300 dias, a porcentagem das vendas
originais do aparelho que exigirá substituição é
Instruções: Para responder à questão, utilize as informações a seguir.
0,02; P(0<Z<2,4) = 0,49; P(0<Z<0,68) = 0,25.
(A) 8%. (B) 5%. (C) 4%. (D) 3%. (E) 1%.
R.

Para o aparelho ser substituído pela garantia, sua duração deverá ser inferior
a 300 dias, ou seja, precisamos calcular . Como não temos o desvio
padrão, vamos utilizar a informação de que o terceiro quartil é igual a 1840
dias.
 Dado que :
 Conhecidos os parâmetros de X, podemos calcular , a partir

da variável padronizada:
 Dado que
 Como :
Resposta, letra E.
50. (FCC-TRE/PI-2009) Sabe-se que, num município, impostos sobre

imóveis, X, pagos por contribuintes, têm distribuição Normal com média e

desvio padrão . Sabe-se que 30% dos impostos pagos são inferiores a
R$ 1.200,00 e que 10% são superiores a R$ 3.000,00. O valor de e o valor
do terceiro quartil da variável X, são dados, em reais, respectivamente, por
Instruções: Para resolver à questão, dentre as informações dadas a seguir, as
que julgar necessárias.
Se Z tem distribuição normal padrão, então: P(Z>1,28) = 0,10; P(Z >0,67) =
0,25; P(0<Z<1,5) = 0,43; P(0<Z<0,52) = 0,20.
(A) 1.670 e 2.300.
(B) 1.680 e 2.390.
(C) 1.700 e 2.420.
(D) 1.720 e 2.400.
(E) 1.720 e 2.390.
R.
Como desconhecemos os parâmetros da média e desvio padrão, vamos utilizar
as informações fornecidas pelo enunciado para calculá-los:
30% dos impostos pagos são inferiores a R$ 1.200,00:
Precisamos calcular o valor de z tal que :
 Dado que
10% são superiores a R$ 3.000,00

 Dado que :
Utilizando essas duas informações, podemos calcular e , por

meio da relação de X com a variável padronizada Z:
Fazendo :

Por fim, vamos calcular o valor do 3º quartil:

 Dado que
A partir da fórmula da variável padronizada, calculamos o valor de :
Resposta, letra E.
51. (FCC-TRE/PI-2009) O custo de um produto é uma variável aleatória X

com distribuição normal e sabe-se que este custo é a soma de três outros
seguintes custos:
− custos fixos, que têm distribuição normal com média R$ 100,00 e desvio
padrão R$ 20,00;
− custo da mão de obra, que tem distribuição normal com média R$ 500,00 e
desvio padrão R$ 10,00;
− custo da matéria-prima, que é o dobro do custo da mão de obra.
Supondo que esses três custos sejam independentes, a probabilidade de X ser
inferior a R$ 1.645,00 é
0,25; P(0<Z<1,5) = 0,43; P(0<Z<0,52) = 0,20.
(A) 0,93. (B) 0,87. (C) 0,85. (D) 0,72. (E) 0,64.
R.
Como tais custos são independentes:

Obtendo esses parâmetros, para calcular P(X<1645) devemos

transformar a variável X em Z:
Resposta, letra A.
52. (FCC-Câmara dos Deputados-2007) Os preços de um equipamento

no mercado têm uma distribuição normal com um valor médio igual a R$
1.500,00. Verificou-se que 20% dos preços deste equipamento são inferiores a
R$ 1.290,00. Utilizando os valores das probabilidades P(Z ≤ z) para a
distribuição normal padrão:
tem-se que o valor do equipamento em que apenas 10% são superiores a ele
é igual a
(A) R$ 1.825,00.
(B) R$ 1.805,00.
(C) R$ 1.710,00.
(D) R$ 1.695,00.
(E) R$ 1.650,00.
R.
Para o cálculo da probabilidade, em se tratando de uma distribuição normal,
precisamos dos parâmetros: média e desvio padrão. Não sabemos ainda o
valor deste. Vamos utilizar a informação “20% dos preços deste equipamento
são inferiores a R$ 1.290,00” para obtê-lo.
Precisamos calcular o valor de z tal que .
 Dado que

Agora, precisamos calcular x, tal que . Para isso, vamos

obter z tal que .
 Dado que
Portanto, o valor do equipamento em que apenas 10% são superiores a

ele é igual a R$ 1.825,00.
Resposta, letra A.
53. (FCC-TCE/MG-2007) Os valores nominais de um determinado título

no mercado apresentam uma distribuição normal. Verificou-se que 40%
destes títulos apresentam valores nominais inferiores a R$ 500,00 e que
apenas 10% apresentam valores nominais superiores a R$ 2.980,00.
Utilizando os valores das probabilidades P (Z ≤ z) para a distribuição normal
padrão:

tem-se que o valor médio dos valores nominais destes títulos é

(A) R$ 900,00.
(B) R$ 1.000,00.
(C) R$ 1.500,00.
(D) R$ 1.600,00.
(E) R$ 1.740,00.
R.
40% destes títulos apresentam valores nominais inferiores a R$ 500,00
Precisamos do valor de z tal que

 Dado que :
 A partir da fórmula da variável padronizada, podemos estabelecer uma

relação entre a média e o desvio padrão:
(a)
10% apresentam valores nominais superiores a R$ 2.980,00
Precisamos do valor de z tal que

 Dado que :

A partir da fórmula da variável padronizada, podemos estabelecer outra

relação entre a média e o desvio padrão:
(b)
Precisamos resolver o seguinte sistema linear:
Subtraindo (b) de (a):
Vamos utilizar a expressão (a) para encontrar :
Resposta, letra A.
54. (FCC-ISS/SP-2012) Se Z tem uma distribuição normal padrão, então:

P(Z<0,84)=0,80
P(Z<1,5)=0,933
P(Z<1,96)=0,975
P(Z<2,5)=0,994
Seja X uma variável aleatória que representa o comprimento de uma peça.
Sabe-se que X tem distribuição normal com média de 10cm e desvio padrão
de 2cm. As peças são classificadas pelo tamanho de acordo com a tabela
abaixo:

Três peças são selecionadas aleatoriamente e com reposição da distribuição de

X. A probabilidade de ao menos uma ser pequena é:
(A) 0,512 (B)0,488 (C) 0,474 (D) 0,456 (E) 0,412
R.
Inicialmente, precisamos calcular a probabilidade de uma peça ser pequena:
.
Transformando X numa variável padronizada:
Portanto
 Dado que :
Assim, a probabilidade de uma peça ser pequena é igual a 0,2.

Extraindo-se amostras com reposição, podemos aplicar a fórmula da
distribuição binomial para calcular a probabilidade de pelo menos uma ser
pequena
Como e
Resposta, letra B.

55. (FCC-TRT 8ª-2010) Um setor de um órgão público recebe em média
96 mensagens de fax em 8 horas de funcionamento. Suponha que a variável
aleatória X=número de mensagens recebidas por esse setor, por fax, tenha
distribuição Poisson. A probabilidade de que, em um período de 10 minutos, o
setor receba pelo menos uma chamada é:
(A) (B) (C) (D) (E)
R. Dada a distribuição de Poisson:
A probabilidade de em um período de 10 minutos ( ), o setor receber

pelo menos uma chamada é igual a é igual a:
Resposta, letra B.
56. (FCC-ISS/SP-2006) Os depósitos efetuados no Banco B, num

determinado mês, têm distribuição normal com média R$ 9.000,00 e desvio
padrão R$ 1.500,00. Um depósito é selecionado ao acaso dentre todos os
referentes ao mês em questão. A probabilidade de que o depósito exceda R$
6.000,00 é de:
Instruções: Para responder a questão utilize, dentre as informações abaixo, as
que julgar adequadas. Se Ζ tem distribuição normal padrão, então: P(0< Ζ <
1) = 0,341 , P(0< Ζ < 1,6) = 0,445 , P(0< Ζ < 2) = 0,477
(A) 97,7% (B) 94,5% (C) 68,2% (D) 47,7% (E) 34,1%
R.
Dada uma distribuição normal, pretende-se encontrar o valor de .
Para isso, vamos transformar a variável X em variável Z:
Portanto,
Para calcularmos , vamos utilizar a informação de que
:

Mas, sabemos que:
Resposta, letra A.
57. (FCC-TRT 2ª-2008) Para responder às próximas duas questões,

considere a tabela abaixo, que fornece os valores das probabilidades
para a distribuição normal padrão.
O número de processos analisados em uma repartição pública por semana

apresenta uma distribuição normal, com média igual a 50 processos e desvio-
padrão igual a 10 processos. A probabilidade de, em uma determinada
semana, ser analisado um número de processos menor ou igual a 40 é igual a:
(A) 40% (B) 31% (C) 23% (D) 16% (E) 11%
R.
Dada uma distribuição normal, pretende-se encontrar o valor de .
Para isso, vamos transformar a variável X em variável Z:
Calculando
Portanto,
Resposta, letra D.
58. (FCC-TRT 2ª-2008) As alturas dos estudantes em uma escola

apresentam uma distribuição considerada normal. Sabendo-se que apenas
16% dos estudantes apresentam altura igual ou superior a 170 cm e que 40%

são iguais ou inferiores a 145 cm, tem-se que a média das alturas dos
estudantes é igual a:
(A) 150,0 cm (B) 152,5 cm (C) 157,5 cm (D) 160,0 cm (E) 162,5 cm
R.
Dado que e , numa distribuição normal de
probabilidade, temos que encontrar os valores da variável Z, a partir de X.
a) Conforme as informações da tabela:
Ou seja, se , :
b) Conforme as informações da tabela:
Ou seja:
Substituindo (i) em (ii):
Resposta, letra A.
59. (FCC-SEFAZ/SP-2013) Suponha que a variável X represente o valor

de determinado tributo que é cobrado mensalmente aos comerciantes, em um
determinado município. Sabe-se que X é uma variável aleatória com
distribuição normal com média e desvio padrão dados, respectivamente, por
800 reais e 200 reais. Os comerciantes foram divididos em 3 categorias: baixo
faturamento, médio faturamento e alto faturamento. Os valores limites das

classes de tributo dependem da categoria de comerciante, são estabelecidos
por probabilidades da variável X e estão apresentados na tabela abaixo:
Os valores de A e B, em reais, são dados, respectivamente, por

(A) 632 e 1056
(B) 520 e 1100
(C) 632 e 1156
(D) 412 e 1050
(E) 696 e 1056
R.
Inicialmente, vamos encontrar o valor de z tal que:
Segundo informações da tabela,
Portanto,
Agora, vamos encontrar o valor de z tal que:
Segundo informações da tabela,

Portanto,

Resposta, letra A.
60. (FGV-SEFAZ/RJ-2008) Dentre as distribuições de probabilidades a

seguir, aquela em que é:
(A) de densidade
(B) de densidade
(C)
(D)
(E)
R. O problema quer saber a distribuição de probabilidade cuja média é

igual à variância .

Letra A: é uma distribuição normal padronizada, de média igual a 0 e desvio
padrão igual a 1. Portanto .
Letra B: é uma distribuição constante, cuja média é igual a:
A variância é calculada pela fórmula:
Portanto .
Letra C: é uma distribuição Binomial, cuja média é igual a:
A variância da distribuição Binomial é calculada a partir da fórmula:
Portanto .
Letra D: é uma distribuição de Poisson, com t=1, cuja média é igual a:
A variância dessa distribuição é igual a:
Portanto, .
Letra E: é uma distribuição discreta hipergeométrica, que não costuma estar
contemplada nos editais de concurso.
Resposta, letra D.
61. (FGV-SEFAZ/RJ-2009) As variáveis aleatórias são

independentes e todas têm distribuição normal com média e variância . Se
representa , onde Z tem distribuição normal padrão, o valor de
é:
(A)
(B)
(C)
(D)
(E)

R.
Ou seja, precisamos calcular a probabilidade da variável ser

menor do que zero. Para isso, vamos, inicialmente, conhecer os parâmetros
dessa variável:
Dadas duas variáveis X e Y independentes:
Variável X+Y: Variável X-Y:
Média:
Variância:
Desvio Padrão:
A variável z da distribuição padronizada é igual a:
Assim, .
Resposta, letra A.
62. (FCC-SEFAZ/RJ-2013) O número de atendimentos, via internet,

realizados pela Central de Atendimento Fazendário (CAF) segue uma
distribuição de Poisson com média de 12 atendimentos por hora. A
probabilidade dessa CAF realizar pelo menos 3 atendimentos em um período
de 20 minutos é
Dados:
;
(A) 0,594 (B) 0,910 (C) 0,766 (D) 0,628 (E) 0,750
R.
Dada uma distribuição de Poisson, com , a
de 20 minutos é (1/3 h) é igual a .

Resposta, letra C.

6- Resumo Final
DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

Conhecer a probabilidade de sucesso em uma
tentativa do experimento.
Bernoulli
Conhecer a probabilidade de “x” sucessos em “n”

tentativas
Binomial
Conhecer a probabilidade de “x” sucessos em um

intervalo de medida “t”
Poisson
Conhecer a probabilidade de que, em uma

amostra de tamanho “n”, “k” elementos possuam o
atributo A, em uma população de tamanho N, onde “r”
elementos possuem esse atributo.
Hipergeométrica

DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE

Conhecer a probabilidade de uma função f(x), onde
f(x)=1/b-a, no intervalo a<x<b
Uniforme
DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Normal
Normal Padronizada



Propriedades de duas variáveis de distribuição Normal
Variável X+Y: Variável X-Y: Variável :
7- Lista de Exercícios
1. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2012) A

expectância de uma variável aleatória x ─ média ou esperança matemática
como também é chamada ─ é igual a 2, ou seja: E(x) = 2. Sabendo-se que a
média dos quadrados de x é igual a 9, então os valores da variância e do
coeficiente de variação de x são, respectivamente, iguais a
(A)
(B)
(C)
(D)
(E)
2. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2012) O Sr.

Ramoile, professor de Estatística aposentado, vem há muito tempo
acompanhando os dados sobre custos e faturamento do restaurante de sua
filha Cecília. O restaurante funciona todos os dias da semana e o Sr. Ramoile
concluiu que: o custo diário do restaurante segue uma distribuição normal,
com média igual a R$ 500,00 e desvio- padrão igual a R$ 10,00 e que o
faturamento diário, também, apresenta uma distribuição normal, com média
R$ 800 e desvio-padrão R$ 20. Como o Sr. Ramoile conhece muito bem os
princípios básicos da estatística, ele sabe que, se uma variável Z seguir uma
distribuição normal padrão, então Z tem média 0 e variância 1. Ele também
sabe que a probabilidade dessa variável Z assumir valores no intervalo entre 0
< Z < 2 ─ ou seja, entre a média 0 e 2 desvios-padrão ─ é,
aproximadamente, igual a 0,4772. Cecília, muito preocupada com o futuro de
seu restaurante, perguntou a seu pai se ele poderia verificar a probabilidade
de, em um dia qualquer, o custo ser maior do que R$ 520,00 e o faturamento
ficar no intervalo entre R$ 760,00 e R$ 840,00. Após alguns minutos, o Sr.
Ramoile disse, acertadamente, que as respectivas probabilidades são, em
termos percentuais, iguais a
(A) 2,28; 95,44.
(B) 52,28; 95,44.
(C) 2,28; 98,69.
(D) 98,69; 95,44.
(E) 98,65; 2,28

3. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2009) O número
de petroleiros que chegam a uma refinaria ocorre segundo uma distribuição de
Poisson, com média de dois petroleiros por dia. Desse modo, a probabilidade
de a refinaria receber no máximo três petroleiros em dois dias é igual a:
(A)
(B)
(C)
(D)
(E)
4. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2009) Em um

experimento binomial com três provas, a probabilidade de ocorrerem dois
sucessos é doze vezes a probabilidade de ocorrerem três sucessos. Desse
modo, as probabilidades de sucesso e fracasso são, em percentuais,
respectivamente, iguais a:
(A) 80% e 20%
(B) 30% e 70%
(C) 60% e 40%
(D) 20% e 80%
(E) 25% e 75%
5. (ESAF - RFB - Auditor Fiscal da Receita Federal – 2009) A função

densidade de probabilidade de uma variável aleatória contínua x é dada por:
Para esta função, a média de x, também denominada expectância de x e

denotada por E(x) é igual a:
(A) (B) (C) (D) (E)

2008) Numa distribuição Binomial, temos que:
I. A E[x] = n p q, ou seja, é o produto dos parâmetros n – número de
elementos da avaliação, p – probabilidade de ocorrência do evento e q –
probabilidade contrária (q = 1 - p).
II. O desvio-padrão é dado pela raiz quadrada do produto entre os
parâmetros n e p.

III. A variância é dada pelo somatório dos quadrados dos valores (Xi)
menos o quadrado da média.
Apontando os três itens acima como V – Verdadeiro e F – Falso, a opção
correta é:
(A) F, V, F
(B) V, V, F
(C) F, F, F
(D) V, F, F
(E) V, V, V
7. (ESAF – Prefeitura de Natal - Auditor do Tesouro Municipal –

2008) Se x é uma v. a. – variável aleatória com função densidade de
probabilidade f(x), caracterizada pelo modelo normal, podemos afirmar que:
(A) o desvio-padrão é igual a 1 (um).
(B) a média tem valor 0 (zero).
(C) a função de distribuição acumulada f(x) é igual a 1, para todos os valores
acima de b.
(D) os parâmetros média, moda e mediana são iguais.
(E) a variância tem o valor do quadrado da média.

2008) Apontando por V – Verdadeiro e F – Falso, indique a opção correta para
as seguintes sentenças:
I. Uma v. a. – variável aleatória que pode assumir somente dois valores, diz-
se possuir distribuição de Bernoulli e sua integral, no intervalo [a; b],
possui distribuição Binomial.
II. Uma v. a. com distribuição de Bernoulli, se acumulados os resultados sem
reposição, geram uma distribuição hipergeométrica e se for com reposição
geram uma distribuição Binomial.
III. A distribuição de Poisson é um modelo de probabilidade cuja série, a partir
do segundo membro, é convergente.
Assinale o respectivo conjunto:
(A) F, V, V.
(B) V, F, V.
(C) F, V, F.
(D) F, F, F.
(E) V, V, F.
9. (ESAF - STN – Analista de Finanças e Controle – 2013) Seja X

uma variável aleatória contínua com função densidade
Desse modo, a probabilidade de x estar no intervalo (0 < x < 1) é igual a:

(A) 1/3

(B) 1/12
(C) 2/5
(D) 1/6
(E) 1/4
10. (ESAF – Ministério do Turismo – Estatístico – 2013) A variável

aleatória X é uma variável aleatória definida pela função densidade dada por:
f(x) = 0 para x < 0
f(x) = p para 0 ≤ x < 1
f(x) = p (2 - x) para 1 ≤ x < 2
f(x) = 0 para x ≥ 2
Desse modo, o valor da constante p é igual a:
(A) 2/3
(B) 1/3
(C) -2/3
(D) 1/2
(E) -1/2

aleatória contínua x possui função densidade dada por: f(x) = 0 para x < 0;
f(x) = 3 x² para 0 ≤ x ≤ 1; f(x) = 0 para x > 1. Desse modo, a expectância de
x é igual a:
(A) 1/3
(B) 3/4
(C) 1/4
(D) 1/2
(E) 1/5

aleatória x qualquer possui média igual a 4 metros. Sabendo-se que a média
do quadrado dos valores de x é igual a 36 m², então a variância relativa de x
é igual a:
(A) 1,25 m²
(B) 1,25 m
(C) 1,25
(D) 5 m²
(E) 5
13. (ESAF – Ministério do Turismo – Estatístico – 2013) Uma máquina

de produzir garrafas apresenta 2% das garrafas com algum tipo de defeito.
Reinaldo, que é engenheiro de produção, está realizando um trabalho para
diminuir o percentual de garrafas defeituosas. Para dar continuidade ao
trabalho, ele precisa conhecer a probabilidade de se obter 3 garrafas
defeituosas. Para tanto, Reinaldo retirou, aleatoriamente, uma amostra de 100
garrafas. Sabendo-se que Reinaldo utilizou a Distribuição de Poisson para

calcular de modo aproximado essa probabilidade, então o resultado obtido por
Reinaldo é igual a:
(A)
(B)
(C)
(D)
(E)

aleatória X possui função de densidade uniforme com parâmetros  e , sendo
 < . Sendo a expectância de x, a variância de x e a função distribuição de x
denotados, respectivamente, por E(X), Var (x) e F(x). Desse modo, pode-se
afirmar que
(A) E(x) =
(B) F(x) = 0 para x < ; para  ≤ x < ;
F(x) = 1 para x ≥ 
–
(C) Var (x) =
(D) E(x) =
(E) Var (x) =
15. (ESAF – Ministério do Turismo – Estatístico – 2013) Matias é

arquiteto e está desenvolvendo o projeto para um grande condomínio
horizontal. Os condôminos sempre estão em contato com Matias perguntando
quando o projeto ficará pronto. Sabendo-se que Matias recebe desses
condôminos, em média, 2 mensagens por dia em seu celular, então a
probabilidade de Matias receber 2 mensagens em 4 dias é igual a:
(A)
(B)
(C)
(D)
(E)

Seja X uma Variável Aleatória Binomial com parâmetros n e p. Sendo o
número de combinações de n elementos tomados k a k, obtenha a expressão
de P(X = k).
(A)
(B)

(C)
(D)
(E)

Sendo F(x) a função de distribuição da variável aleatória definida na questão
anterior, calcule F(1), para o caso n=5 e p=0,5.
(A) 0
(B) 1/32
(C) 5/32
(D) 3/16
(E) 11/32

Em determinadas situações uma variável aleatória binomial pode ser
adequadamente aproximada por uma variável aleatória normal. Seja X uma
variável aleatória binomial com parâmetros n=900 e p=1/2. Usando essa
aproximação, calcule o valor mais próximo de P(868 ≤ X ≤ 932), considerando
os seguintes valores para , onde (z) é a função de distribuição de uma
variável aleatória normal padrão Z:
(1,96) = 0,975, (2,17) = 0,985 (2,33) = 0,99 e (2,58) = 0,995
(A) 0,95
(B) 0,96
(C) 0,97
(D) 0,98
(E) 0,99

Seja X uma variável aleatória contínua com função densidade de probabilidade
constante no intervalo [0,2]. Determine sua variância.
(A) 1/3
(B) 1/2
(C) 2/3
(D) 5/7
(E) 5/6
20. (FCC-TRT 5ª-2013) Suponha que o tempo, em horas, para a

realização de uma tarefa, por funcionários de um órgão público, seja uma
variável aleatória X com função densidade de probabilidade dada por
, onde K é uma constante real positiva apropriada
para garantir que f(x) seja uma função densidade de probabilidade. Seleciona-
se aleatoriamente um funcionário, dentre os funcionários que realizam a tarefa

no órgão público. A probabilidade dele realizar a tarefa em menos do que duas
horas é
(A) 5/8. (B) 2/3. (C) 7/8. (D) 4/5. (E) 3/5.
21. (FCC-TRT 5ª-2013) Seleciona-se ao acaso e com reposição três

funcionários, dentre os funcionários que realizam a tarefa no órgão público. A
probabilidade de que, exatamente, dois funcionários levem mais do que 40
minutos para realizar a tarefa é de
(A) 1/2. (B) 1/3. (C) 4/9. (D) 5/9. (E) 2/3.
22. (FCC-TRT 5ª-2013) Sabe-se que X é uma variável aleatória com

distribuição uniforme contínua, com função densidade de probabilidade dada
por
, onde a é um número real qualquer, b é um
número real positivo e K, uma constante real apropriada para garantir que f(x)
seja uma função densidade de probabilidade. Sabe-se que P(X<10)=0,25 e
que P(X>19)=0,3. Nessas condições, o valor da variância de X é
(A) 100/3. (B) 25/12. (C) 75/4. (D) 20/3. (E) 50/12.
23. (FCC-BACEN-2001) Uma variável aleatória X tem função de

distribuição de probabilidades dada por:
Assinale a opção que dá o valor da probabilidade de X=2.

(A) 7/12. (B) 11/12. (C) 1/3. (D) 3/4. (E) 10/12.
24. (FGV-SEFAZ/RJ-2009) Assuma que uma distribuição de Bernoulli

tenha dois possíveis resultados n=0 e n=1, no qual n=1 (sucesso) ocorre com
probabilidade p, e n=0 (falha) ocorre com probabilidade q≡1–p. Sendo
0<p<1, a função densidade de probabilidade é
(A)
(B)

(C)
(D)
(E)
25. (FCC-TRT 23ª-2011) Um procedimento de controle de qualidade foi

planejado para garantir uma proporção máxima (p) de 10% de itens
defeituosos na produção. A cada uma hora sorteia-se uma amostra de 4 peças
da produção e havendo mais do que 1 peça defeituosa nesta amostra a
produção é parada para verificação. A probabilidade de se parar a produção
desnecessariamente, quando p = 0,10, está dentro do intervalo
(A) [0,03; 0,04)
(B) [0,04; 0,05)
(C) [0,05; 0,06)
(D) [0,06; 0,07)
(E) [0,07; 0,08)
26. (FCC-SEFAZ/SP-2013) Sabe-se que em determinado município, no

ano de 2012, 20% dos domicílios tiveram isenção de determinado imposto.
Escolhidos, ao acaso e com reposição, quatro domicílios deste município a
probabilidade de que pelo menos dois tenham tido a referida isenção é igual a
(A) 0,4096 (B) 0,4368 (C) 0,1808 (D) 0,3632 (E) 0,2120
27. (FCC-TRT 5ª-2013) Uma variável aleatória X tem distribuição Binomial

com parâmetros n = 200 e p = 0,01. Fazendo uso da aproximação de Poisson
à binomial, a probabilidade de X ser maior do que zero é igual a 0,865. Nessas
condições, a probabilidade de X ser igual a 5, calculada pela aproximação de
Poisson à binomial, é
(A) 0,231. (B) 0,106. (C) 0,036. (D) 0,064. (E) 0,087.
28. (FCC-TRF 1ª-2001) A probabilidade de que um item produzido por

uma máquina seja defeituoso é de 10%. Uma amostra de 30 itens produzidos
por esta máquina e selecionada ao acaso. Use a aproximação pela distribuição
de Poisson para determinar a probabilidade de que não mais do que um item
defeituoso seja encontrado nesta amostra.
(A)
(B)
(C)
(D)

(E)
29. (FCC-TRT 6ª-2012) A variável aleatória X tem distribuição binomial

com média 10 e variância 9. A variável aleatória Y tem distribuição binomial
com variância igual a 16 e cuja probabilidade de sucesso é o dobro da
probabilidade de sucesso da variável aleatória X. Fazendo uso da aproximação
à distribuição normal, sem fazer a correção de continuidade, a probabilidade
de Y ser superior a 27 é:
P(Z<1,25)=0,894; P(Z<1,4)=0,919; P(Z<1,75)=0,96; P(Z<2,05)=0,98;
P(Z<2,4)=0,992.
(A) 6%. (B) 5%. (C) 4%. (D) 3,5%. (E) 3%.
30. (FCC-TRT 23ª-2011) O número de falhas num certo tipo de placa de

fórmica tem distribuição de Poisson com taxa média de 0,1 defeitos por metro
quadrado. Tais placas cobrirão uma superfície plana de 2 m × 2,5 m. Se a
placa não contém nenhum defeito ela é vendida por R$ 500,00 e se ela tem
um defeito ou mais é vendida por R$ 200,00. O preço médio de venda desse
tipo de placa é, em reais, igual a (Dado: ):
(A) 375. (B) 383. (C) 387. (D) 390. (E) 394.
31. (FCC-ICMS/SP-2009) O número de pessoas que chega ao guichê de

uma repartição pública para autuação de processos apresenta uma
distribuição de Poisson a uma taxa de duas pessoas por minuto. A
probabilidade de que nos próximos 2 minutos chegue pelo menos uma pessoa
neste guichê é (Observação: e = 2,71828...)
(A)
(B)
(C)
(D)
(E)
32. (FGV-SEFAZ/RJ-2009) O número de clientes que buscam, em cada

dia, os serviços de um renomado cirurgião tem uma distribuição de Poisson
com média de 2 pacientes por dia. Para cada cirurgia efetuada, o cirurgião
recebe R$ 10.000,00. No entanto, ele consegue fazer o máximo de duas
cirurgias em um dia; clientes excedentes são perdidos para outros cirurgiões.
Assinale a alternativa que indique o valor esperado da receita diária do
cirurgião. (considere )
(A) R$ 5.600,00.

(B) R$ 8.400,00.
(C) R$ 10.000,00.
(D) R$ 14.400,00.
(E) R$ 20.000,00.
33. (FCC-MPU-2007) O número de pacientes atendidos por um clínico

geral segue uma distribuição de Poisson com taxa média de 4 pacientes por
hora. A probabilidade de que pelo menos um paciente consulte o clínico geral
em um período de 15 minutos é
(A)
(B)
(C)
(D)
(E)
34. (FCC-MPE/PE-2006) O número de falhas de certo tipo de placa

térmica tem distribuição de Poisson, com taxa média de 0,1 defeitos por m².
Na confecção da superfície de um armário, é necessário cobrir uma superfície
de 2m por 2m com essa placa. A probabilidade de que haja pelo menos uma
falha nessa superfície e de:
(A)
(B)
(C)
(D)
(E)
35. (FCC-TRT 2ª-2007) Sabe-se que a variável aleatória X é bi-modal

para x = 1 e x = 2 e que tem distribuição de Poisson. Sabendo que X é
diferente de zero, a probabilidade de X assumir um valor menor do que 3 é
dada por
(A) (B) (C) (D) (E)

tem distribuição de Poisson, com taxa média de 0,05 defeitos por m². Na
construção de um barco, e necessário cobrir uma superfície de 8 m² com essa
placa. A probabilidade de que não haja falhas nessa superfície é:
(A) (B) (C) (D) (E)

tem distribuição de Poisson, com taxa media de 0,05 defeitos por m². Na
construção de 2 barcos, que serão cobertos com uma superfície de 8 m² cada
com essa placa, a probabilidade de que pelo menos 1 não apresente defeito na
superfície é
(A)
(B)
(C)
(D) —
(E)
38. (FCC-TRE/SP-2012) O volume líquido de frascos de xampu é uma

variável aleatória com distribuição aproximadamente normal com média e
desvio padrão 0,5 mL. O valor de , em mL, para que no máximo 0,2% dos
frascos tenham menos do que 200 mL é
P(Z<2)=0,977; P(Z<2,88)=0,998.
(A) 182,12. (B) 188,46. (C) 195,24. (D) 198,56. (E) 198,98.
39. (FCC-TRF 2ª-2012) O tempo de vida, X, de um aparelho elétrico tem

distribuição normal com média , desvio padrão de 500 dias e primeiro quartil
igual a 1500 dias. Se o aparelho tem garantia de 365 dias, a porcentagem das
vendas que exigirá substituição é igual a
apropriadas.
0,80; P(Z<1,5)=0,933; P(Z<2)=0,977; P(Z<2,5)=0,994; P(Z<2,94)=0,998.
(A) 2%. (B) 1%. (C) 0,5%. (D) 0,3%. (E) 0,2%.
40. (FCC-TRT 1ª-2011) Nos pacotes de certa marca de cereal está escrito
que o valor do peso bruto, X, do produto em questão é 300 gramas. Sabendo-
se que X tem distribuição aproximadamente normal com desvio padrão de 10
gramas, o valor da média de X para que não mais do que 1 pacote em 40
tenha peso inferior a 300 gramas é, em gramas, igual a
Se Z tem distribuição normal padrão, então: P (Z<0,28)=0,61;
P(Z<1,28)=0,9; P(Z<1,5)=0,933; P(Z<1,96)=0,975; P(Z<2)=0,977.
(A) 323,3. (B) 319,6. (C) 316,4. (D) 314,5. (E) 312,8.

41. (FCC-INFRAERO-2011) Sabe-se que o tempo para a ocorrência de

defeito em uma peça tem distribuição normal com média de 1200 dias e
desvio padrão de 100 dias. O fabricante de tais peças oferece aos seus
clientes uma garantia de g dias (ele substitui toda peça que durar g dias ou
menos). O valor de g para que apenas 0,5% das peças sejam substituídas é,
em dias, igual a
Atenção: Para resolver, dentre informações dadas abaixo, utilize aquelas que
julgar apropriadas. Se Z tem distribuição normal padrão, então: P(Z<0,5) =
0,691; P(Z < 1) = 0,841; P(Z<1,5) = 0,933; P(Z<2) = 0,977; P(Z<2,58) =
0,995.
(A) 742. (B) 768. (C) 856. (D) 942. (E) 967.
42. (FCC-TRT 6ª-2012) O peso de um saco de batatas é uma variável

aleatória, X, que tem distribuição normal com média 30 kg e desvio padrão 2
kg. Um caminhão é carregado com 100 sacos. Considerando que o peso
desses sacos é uma amostra aleatória simples da distribuição de X, a
probabilidade da carga do caminhão pesar pelo menos 2985 kg é
P(Z<1,25)=0,894; P(Z<1,4)=0,919; P(Z<1,75)=0,96; P(Z<2,05)=0,98;
P(Z<2,4)=0,992.
(A) 0,227. (B) 0,273. (C) 0,523. (D) 0,627. (E) 0,773.
43. (FCC-TRT 6ª-2012) O tempo total de montagem de uma peça

mecânica tem distribuição normal e é dado pela soma dos tempos das 3
etapas necessárias para a sua conclusão. Sejam Xi , i = 1, 2, 3, as variáveis
aleatórias que representam os tempos de montagem das etapas 1, 2 e 3,
respectivamente. Sabe-se que essas variáveis são independentes e que têm
distribuição normal com parâmetros dados na tabela abaixo:
A probabilidade de a peça levar entre 374 e 384 minutos para ser montada é
igual a
P(Z<1,25)=0,894; P(Z<1,4)=0,919; P(Z<1,75)=0,96; P(Z<2,05)=0,98;
P(Z<2,4)=0,992.

(A) 0,073. (B) 0,124. (C) 0,218. (D) 0,245. (E) 0,286.
44. (FCC-TRF 2ª-2012) O diâmetro, X, de uma peça tem distribuição

normal e deve estar entre 96 mm e 105 mm para passar no controle de
qualidade. Sabe-se que 0,6% dos diâmetros das peças ultrapassam o limite
superior (105 mm) e que 2,3% são inferiores ao limite inferior (96 mm). A
probabilidade de uma peça, selecionada ao acaso, passar no controle de
qualidade quando os limites inferior e superior forem alterados para 97 mm e
104 mm, respectivamente, é de
apropriadas.
0,80; P(Z<1,5)=0,933; P(Z<2)=0,977; P(Z<2,5)=0,994; P(Z<2,94)=0,998.
(A) 0,873. (B) 0,910. (C) 0,897. (D) 0,918. (E) 0,915.
45. (FCC-TRE/SP-2012) Considere as variáveis aleatórias Xi: N(10,4),

i=1, 2, 3, 4, independentes. Seja . Nessas condições, o valor a tal
que é igual a
P(Z<2)=0,977; P(Z<2,88)=0,998.
(A) 7,16. (B) 7,44. (C) 7,56. (D) 7,85. (E) 8,72.
46. (FCC-Metrô/SP-2012) Seja X a variável aleatória que representa o

tempo de espera em uma determinada estação de determinada linha do Metrô
de São Paulo. Suponha que X tem distribuição normal, com média de 100
segundos e desvio padrão de 10 segundos. O Metrô está testando uma nova
tecnologia com a finalidade de reduzir em 10% a média de X e em 20% o seu
desvio padrão. Supondo que esta nova tecnologia surta efeito, a probabilidade
de que o tempo na espera na determinada estação supere 106 segundos é
igual a:
Use, dentre as informações dadas abaixo, as que julgar apropriadas. Se Z tem
distribuição normal padrão, então: P(Z < 0,70) = 0,758, P(Z < 1) =
0,841, P(Z < 2) = 0,977, P(Z < 2,5) = 0,994
(A) 0,074. (B) 0,068. (C) 0,051. (D) 0,047. (E) 0,023.
47. (FCC-TRT 7ª-2009) Os salários dos analistas de um tribunal é uma

variável aleatória X, com distribuição normal com média e desvio padrão R$
500,00. Sabendo que P(X < 5.000 reais) = 0,02, o valor do primeiro quartil de
X, em reais, é

Atenção: Para resolver às questões, dentre as informações dadas a seguir, as
que julgar apropriadas.
0,02; P(0<Z<1,5) = 0,43; P(0<Z<0,67) = 0,25.
(A) 5.755. (B) 5.665. (C) 5.605. (D) 5.500. (E) 5.410.
48. (FCC-TRT 7ª-2009) Um elevador tem seu funcionamento bloqueado

se sua carga for superior a 310 kg. Seja: Xi, é a variável aleatória que
representa o peso do usuário i desse elevador, i = 1,2,...,n.
Sabendo-se que todas as Xi (i = 1,2,...,n.) têm distribuição normal com média
70 kg e desvio padrão 10 kg e são independentes, a probabilidade de ocorrer
bloqueio numa tentativa de se transportar 4 passageiros é
Atenção: Para resolver à questão, dentre as informações dadas a seguir, use
as que julgar apropriadas.
0,02; P(0<Z<1,5) = 0,43; P(0<Z<0,67) = 0,25.
(A) 0,02. (B) 0,05. (C) 0,07. (D) 0,10. (E) 0,12.
49. (FCC-TRT 3ª-2009) A duração de vida de um aparelho elétrico tem

distribuição normal com média 1.500 dias e terceiro quartil de 1.840 dias. Se
esse tipo de aparelho tiver garantia de 300 dias, a porcentagem das vendas
originais do aparelho que exigirá substituição é
Instruções: Para responder à questão, utilize as informações a seguir.
0,02; P(0<Z<2,4) = 0,49; P(0<Z<0,68) = 0,25.
(A) 8%. (B) 5%. (C) 4%. (D) 3%. (E) 1%.
50. (FCC-TRE/PI-2009) Sabe-se que, num município, impostos sobre

imóveis, X, pagos por contribuintes, têm distribuição Normal com média e
desvio padrão . Sabe-se que 30% dos impostos pagos são inferiores a
R$ 1.200,00 e que 10% são superiores a R$ 3.000,00. O valor de e o valor
do terceiro quartil da variável X, são dados, em reais, respectivamente, por
0,25; P(0<Z<1,5) = 0,43; P(0<Z<0,52) = 0,20.
(A) 1.670 e 2.300.
(B) 1.680 e 2.390.
(C) 1.700 e 2.420.

(D) 1.720 e 2.400.
(E) 1.720 e 2.390.
51. (FCC-TRE/PI-2009) O custo de um produto é uma variável aleatória X

com distribuição normal e sabe-se que este custo é a soma de três outros
seguintes custos:
− custos fixos, que têm distribuição normal com média R$ 100,00 e desvio
padrão R$ 20,00;
− custo da mão de obra, que tem distribuição normal com média R$ 500,00 e
desvio padrão R$ 10,00;
− custo da matéria-prima, que é o dobro do custo da mão de obra.
Supondo que esses três custos sejam independentes, a probabilidade de X ser
inferior a R$ 1.645,00 é
0,25; P(0<Z<1,5) = 0,43; P(0<Z<0,52) = 0,20.
(B) 0,93. (B) 0,87. (C) 0,85. (D) 0,72. (E) 0,64.
52. (FCC-Câmara dos Deputados-2007) Os preços de um equipamento

no mercado têm uma distribuição normal com um valor médio igual a R$
1.500,00. Verificou-se que 20% dos preços deste equipamento são inferiores a
R$ 1.290,00. Utilizando os valores das probabilidades P(Z ≤ z) para a
distribuição normal padrão:
tem-se que o valor do equipamento em que apenas 10% são superiores a ele
é igual a
(A) R$ 1.825,00.
(B) R$ 1.805,00.
(C) R$ 1.710,00.
(D) R$ 1.695,00.
(E) R$ 1.650,00.

53. (FCC-TCE/MG-2007) Os valores nominais de um determinado título

no mercado apresentam uma distribuição normal. Verificou-se que 40%
destes títulos apresentam valores nominais inferiores a R$ 500,00 e que
apenas 10% apresentam valores nominais superiores a R$ 2.980,00.
Utilizando os valores das probabilidades P (Z ≤ z) para a distribuição normal
padrão:
tem-se que o valor médio dos valores nominais destes títulos é

(A) R$ 900,00.
(B) R$ 1.000,00.
(C) R$ 1.500,00.
(D) R$ 1.600,00.
(E) R$ 1.740,00.
54. (FCC-ISS/SP-2012) Se Z tem uma distribuição normal padrão, então:

P(Z<0,84)=0,80
P(Z<1,5)=0,933
P(Z<1,96)=0,975
P(Z<2,5)=0,994
Seja X uma variável aleatória que representa o comprimento de uma peça.
Sabe-se que X tem distribuição normal com média de 10cm e desvio padrão
de 2cm. As peças são classificadas pelo tamanho de acordo com a tabela
abaixo:
Três peças são selecionadas aleatoriamente e com reposição da distribuição de

X. A probabilidade de ao menos uma ser pequena é:
(A) 0,512 (B)0,488 (C) 0,474 (D) 0,456 (E) 0,412
55. (FCC-TRT 8ª-2010) Um setor de um órgão público recebe em média

96 mensagens de fax em 8 horas de funcionamento. Suponha que a variável
aleatória X=número de mensagens recebidas por esse setor, por fax, tenha

distribuição Poisson. A probabilidade de que, em um período de 10 minutos, o
setor receba pelo menos uma chamada é:
(A) (B) (C) (D) (E)
56. (FCC-ISS/SP-2006) Os depósitos efetuados no Banco B, num

determinado mês, têm distribuição normal com média R$ 9.000,00 e desvio
padrão R$ 1.500,00. Um depósito é selecionado ao acaso dentre todos os
referentes ao mês em questão. A probabilidade de que o depósito exceda R$
6.000,00 é de:
Instruções: Para responder a questão utilize, dentre as informações abaixo, as
que julgar adequadas. Se Ζ tem distribuição normal padrão, então: P(0< Ζ <
1) = 0,341 , P(0< Ζ < 1,6) = 0,445 , P(0< Ζ < 2) = 0,477
(A) 97,7% (B) 94,5% (C) 68,2% (D) 47,7% (E) 34,1%
57. (FCC-TRT 2ª-2008) Para responder às próximas duas questões,

considere a tabela abaixo, que fornece os valores das probabilidades
para a distribuição normal padrão.
O número de processos analisados em uma repartição pública por semana

apresenta uma distribuição normal, com média igual a 50 processos e desvio-
padrão igual a 10 processos. A probabilidade de, em uma determinada
semana, ser analisado um número de processos menor ou igual a 40 é igual a:
(A) 40% (B) 31% (C) 23% (D) 16% (E) 11%
58. (FCC-TRT 2ª-2008) As alturas dos estudantes em uma escola

apresentam uma distribuição considerada normal. Sabendo-se que apenas
16% dos estudantes apresentam altura igual ou superior a 170 cm e que 40%
são iguais ou inferiores a 145 cm, tem-se que a média das alturas dos
estudantes é igual a:
(A) 150,0 cm (B) 152,5 cm (C) 157,5 cm (D) 160,0 cm (E) 162,5 cm
59. (FCC-SEFAZ/SP-2013) Suponha que a variável X represente o valor

de determinado tributo que é cobrado mensalmente aos comerciantes, em um
determinado município. Sabe-se que X é uma variável aleatória com
distribuição normal com média e desvio padrão dados, respectivamente, por

800 reais e 200 reais. Os comerciantes foram divididos em 3 categorias: baixo
faturamento, médio faturamento e alto faturamento. Os valores limites das
classes de tributo dependem da categoria de comerciante, são estabelecidos
por probabilidades da variável X e estão apresentados na tabela abaixo:
Os valores de A e B, em reais, são dados, respectivamente, por

(A) 632 e 1056
(B) 520 e 1100
(C) 632 e 1156
(D) 412 e 1050
(E) 696 e 1056

60. (FGV-SEFAZ/RJ-2008) Dentre as distribuições de probabilidades a

seguir, aquela em que é:
(A) de densidade
(B) de densidade
(C)
(D)
(E)
61. (FGV-SEFAZ/RJ-2009) As variáveis aleatórias são

independentes e todas têm distribuição normal com média e variância . Se
representa , onde Z tem distribuição normal padrão, o valor de
é:

(A)
(B)
(C)
(D)
(E)
62. (FCC-SEFAZ/RJ-2013) O número de atendimentos, via internet,

realizados pela Central de Atendimento Fazendário (CAF) segue uma
distribuição de Poisson com média de 12 atendimentos por hora. A
de 20 minutos é
Dados:
;
(A) 0,594 (B) 0,910 (C) 0,766 (D) 0,628 (E) 0,750
8- Gabarito
1 A 22 A 43 A
2 A 23 C 44 B
3 C 24 A 45 E
4 D 25 C 46 E
5 C 26 C 47 B
6 C 27 C 48 C
7 D 28 A 49 E
8 A 29 C 50 E
9 D 30 B 51 A
10 A 31 A 52 A
11 B 32 D 53 A
12 C 33 A 54 B
13 A 34 C 55 B
14 C 35 B 56 A
15 B 36 D 57 D
16 C 37 C 58 A
17 D 38 D 59 A
18 C 39 E 60 D
19 A 40 B 61 A
20 C 41 D 62 C
21 C 42 E


3 Distribuicao de Probabilidad

Enviado por

Dados do documento

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

3 Distribuicao de Probabilidad

Enviado por

Direitos autorais:

Formatos disponíveis

Curso: Estatística – Regular Área Fiscal

Teoria e Questões comentadas

Prof. Fábio Amorim 1 de 128

Olá pessoal, tudo bem? Como vão os estudos? Estamos na metade da

Portanto, foco nos estudos e fé na missão! Grande abraço!

Prof. Fábio Amorim 2 de 128

Aula 03 – Distribuição de Probabilidades

Na aula 1, estudamos os principais tópicos sobre a teoria das

Prof. Fábio Amorim 3 de 128

Como vimos na aula 1, as probabilidades são sempre associadas a

Espaço Amostral Probabilidade

Assim, estatisticamente, a variável aleatória representa um elo entre o

Prof. Fábio Amorim 4 de 128

 Exemplo 1: Suponha-se um experimento que consiste no

Prof. Fábio Amorim 5 de 128

 Exemplo 2: Suponha-se um experimento em que sejam lançadas

{coroa, coroa, coroa}, {cara, coroa, coroa}, {coroa, cara, coroa},

Para calcularmos a probabilidade de surgir resultados “cara” nesse

Prof. Fábio Amorim 6 de 128

Neste caso, a função matemática que determina a probabilidade do

Nesta aula, aprenderemos a obter essas fórmulas!

Veremos mais adiante, que a distribuições de probabilidade bem como a

Prof. Fábio Amorim 7 de 128

2.1– Variável Aleatória Discreta

Nos dois exemplos que trouxemos anteriormente, as distribuições de

No experimento de lançamento de três moedas, vimos que a

Prof. Fábio Amorim 8 de 128

A partir desse exemplo, podemos constatar que:

Essa propriedade tem como origem o Axioma 2 da teoria das

o Esperança Matemática da Variável Aleatória Discreta

A esperança matemática também pode ser chamada de valor esperado

Como exemplo, podemos calcular a esperança matemática do problema

o Medidas de dispersão da Variável Aleatória Discreta

Prof. Fábio Amorim 9 de 128

Por definição, o desvio padrão é a raiz quadrada desse valor.

Isso implica que o desvio padrão é igual a

Espaço Amostral Probabilidade

Matematicamente, essa relação se expressa da seguinte forma:

Dada a distribuição de probabilidade acima mencionada, os valores da

Prof. Fábio Amorim 10 de 128

Essa função de repartição pode se expressar graficamente como:

Algumas propriedades são importantes de anotar sobre a função de

 (Quando x tende a –∞, F(x) tende a ser igual a

2.2– Variável Aleatória Contínua

Prof. Fábio Amorim 11 de 128

Prof. Fábio Amorim 12 de 128

o Função Densidade de Probabilidade

Essa função densidade pode ser representada graficamente da seguinte

Prof. Fábio Amorim 13 de 128

f(a) Área = Probabilidade

Nesse sentido, se quisermos calcular a probabilidade de que X seja

Portanto, a probabilidade de que X seja inferior a 0,4 é igual a 16%.

Prof. Fábio Amorim 14 de 128

Algumas propriedades sobre a função densidade de probabilidade são

 para todos os valores de x (haja vista que a

o Esperança Matemática da Variável Aleatória Contínua

Para variáveis aleatórias contínuas, existem infinitos termos e,

Matematicamente, para calcular de infinitos termos, devemos

Prof. Fábio Amorim 15 de 128

Eis alguns resumos das funções integrais mais comuns f(x):

Feitas essas observações, vamos avaliar um exemplo para compreender

Calcule o valor esperado de X.

Prof. Fábio Amorim 16 de 128

Considerando o intervalo da função [0,1]: