Estatísticapara Escrivãoe Agenteda Polícia Federal Pósedital Aula 8

Estatística para Escrivão e Agente da Polícia Federal Prof. Arthur Lima, Prof.
Hugo Lima
Aula 05
Aula 05
Estatística para Escrivão e Agente da Polícia
Federal
Prof. Arthur Lima, Prof. Hugo Lima
1 de 83| www.direcaoconcursos.com.br
KELVIA ROCHA - 01626178283
Estatística para Escrivão e Agente da Polícia Federal Prof. Arthur Lima, Prof. Hugo Lima
Aula 05
Sumário
SUMÁRIO...........................................................................................................................................................2
DISTRIBUIÇÕES DE PROBABILIDADE .................................................................................................................3
INTRODUÇÃO .................................................................................................................................................... 3
DISTRIBUIÇÕES DE PROBABILIDADE DE VARIÁVEIS DISCRETAS ..................................................................... 4
Distribuição Bernoulli ....................................................................................................................................... 4
Distribuição Binomial ....................................................................................................................................... 7
Distribuição de Poisson .................................................................................................................................. 12
Distribuição Geométrica ................................................................................................................................. 17
Distribuição Hipergeométrica ......................................................................................................................... 18
QUESTÕES COMENTADAS PELO PROFESSOR ................................................................................................. 20
LISTA DE QUESTÕES DA AULA ........................................................................................................................64
GABARITO .......................................................................................................................................................82
RESUMO DIRECIONADO .................................................................................................................................. 83
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADE DISCRETAS........................................................................ 83

FUNÇÃO DE PROBABILIDADE BINOMIAL ..................................................................................................... 83
FUNÇÃO DE PROBABILIDADE POISSON ....................................................................................................... 83
FUNÇÃO DE PROBABILIDADE GEOMÉTRICA ................................................................................................ 83
Aula 05
Distribuições de probabilidade
Olá, tudo bem? Aqui é o professor Arthur Lima.
É com muita alegria que inicio mais essa aula.
Vamos tratar sobre os seguintes tópicos do seu edital neste encontro:
Distribuição de probabilidades (discretas).
Aproveito para lembrá-lo de seguir as minhas redes sociais e acompanhar de perto o trabalho que desenvolvo:
INTRODUÇÃO
Sabemos que uma variável aleatória pode assumir diversos valores. Por exemplo, sendo X a variável
aleatória “idade dos moradores de São Paulo”, expressa em anos. Cada observação Xi terá um valor que pode
ir de 0 a 150 anos (assumindo que é impossível alguém viver mais de 150 anos). Sabemos que é bem mais fácil
encontrar um indivíduo entre 30 e 40 anos do que encontrar um indivíduo entre 110 e 120 anos. Isto é, a
probabilidade da variável X assumir o valor x = 32 anos é maior do que a probabilidade da variável X assumir o
valor x = 117 anos. Podemos criar uma função P(X = x) que descreve a probabilidade de a variável X assumir cada
valor x entre 0 e 150 anos. Tendo esta função, se quisermos calcular a probabilidade de encontrar um indivíduo
com x = 32 anos, basta calcular P(X=32).
É importante lembrar que existem variáveis aleatórias discretas (que podem assumir apenas
determinadas quantias no intervalo de valores) e contínuas (que podem assumir qualquer quantia no intervalo
de valores).
Para variáveis aleatórias discretas, chamamos de função de probabilidade a função que nos dá, para cada
valor x possível para a variável X, a sua probabilidade. Esta função pode ser representada por P(x), ou por P(X=x).
Sobre ela, podemos dizer que:
a) Para todo x, P( x)  0 . Isto denota que esta função só assume valores positivos ou iguais a zero, afinal
não existe probabilidade negativa.
Aula 05
n
b)  P( x ) = 1, ou seja, a soma das probabilidades de ocorrência de todos os valores possíveis da variável
i =1
i
X é igual a 100%, ou 1.
Já para variáveis aleatórias contínuas, chamamos de função de DENSIDADE de probabilidade a função

f(x), que representa a distribuição de probabilidade da variável aleatória X. Assim, podemos dizer que:
a) Para todo x, f ( x)  0 . Isto é, esta função só pode assumir valores positivos ou iguais a zero, afinal não
existe probabilidade negativa.
b) A soma dos valores de f(x) para todos os valores possíveis de x é igual a 1, ou seja, 100%. Formalmente,
usamos o símbolo da Integral (mas não se preocupe com isso) para simbolizar que o somatório de f(x) para x
variando de “menos infinito” a “mais infinito” é igual a 1:


−
f ( x)dx = 1
Vamos estudar agora as principais Distribuições de Probabilidade de variáveis discretas.
DISTRIBUIÇÕES DE PROBABILIDADE DE VARIÁVEIS DISCRETAS

Ao estudar cada distribuição de probabilidade, como faremos a seguir, o mais importante é você entender
a utilidade de cada distribuição, isto é, a situação na qual cabe empregá-la. Também é importante saber calcular
seus principais parâmetros, que são: média e variância. A grande maioria das questões de prova deve cobrar
apenas isto de você, ok? Vamos começar!
Distribuição Bernoulli
Imagine que estamos fazendo uma pesquisa sobre o sexo dos moradores do nosso bairro. Para facilitar o
trabalho, decidimos anotar “0” em nossa tabela toda vez que um morador for do sexo masculino, e “1” toda vez
que for do sexo feminino.
Ao fazer isso, repare que estamos diante de uma distribuição de zeros e uns. Esta é uma variável Bernoulli,
ou melhor, uma variável que terá distribuição de Bernoulli. Guarde isto:
A distribuição de Bernoulli descreve os casos de variáveis aleatórias que só podem assumir 2 valores distintos (0 ou 1).
Imagine que, ao analisar a nossa tabela, reparamos que 30% dos valores anotados são iguais a zero. Logo,
os outros 70% devem ser iguais a 1, concorda? Diante deste cenário, podemos dizer que a probabilidade de
encontrar o valor 1 é p = 70% = 0,70, e a probabilidade de encontrar o valor zero é 1 – p = 30% = 0,30.
Aula 05
De forma mais genérica, dizemos que a probabilidade de a variável Bernoulli assumir o valor 1 é igual a p,
e de assumir o valor igual a 0 é o restante, ou seja, 1 - p. Isto é,
P(X = 1) = p
P(X = 0) = 1-p
Qual é a média desta distribuição com 70% de valores 1 e 30% de valores zero? Simples! Na distribuição
de Bernoulli, a média ou esperança é obtida assim:
E(X) = p
Ou seja, como temos p = 0,70, podemos dizer que:
E(X) = 0,70
Além disso, a variância é dada por:
Var(X) = p x (1 – p)
Em nosso exemplo, a variância pode ser calculada assim:
Var(X) = 0,70 x (1 – 0,70)

Var(X) = 0,70 x 0,30
Var(X) = 0,21
Antes de avançarmos, guarde os principais aspectos da distribuição Bernoulli:
Distribuição Bernoulli
- distribuição discreta (assume apenas dois valores);
- representa situações em que a variável pode assumir apenas e exatamente 2 valores, que serão representados por 0 ou
1;
- a probabilidade de 0bter o valor 1 é chamada de p;
- média: E(X) = p;
- variância: Var(X) = p x (1 – p).
Veja comigo essas questões:
ESAF – AUDITOR ISS/NATAL – 2008 Adaptada) 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 Geométrica.
Aula 05
RESOLUÇÃO:
Sabemos que uma variável aleatória que pode assumir somente 2 valores possui distribuição de Bernoulli. O
item está claramente incorreto.
Resposta: Errado
CESPE – TCE/PA – 2016) Se as variáveis aleatórias X e Y seguem distribuições de Bernoulli, tais que
P[X = 1] = P[Y = 0] = 0,9, então:
( ) As variâncias de X e Y são iguais.
( ) A média de Y é superior a 0,5
RESOLUÇÃO:

Para a distribuição de X, vemos que P(1) = 0,9. Este é o valor de “p” na distribuição de Bernoulli. A variância
de X é dada por:
Var(X) = p x (1 – p)
Var(X) = 0,9 x (1 – 0,9)

Var(X) = 0,9 x 0,1
Var(X) = 0,09
Para a distribuição de Y, vemos que P(0) = 0,9. Logo, a probabilidade de Y assumir o valor 1 será o restante,
ou seja, 1 – 0,9 = 0,1. Este é o valor de p para a distribuição Y. A variância é dada por:
Var(Y) = p x (1 – p)
Var(Y) = 0,1 x (1 – 0,1)
Var(Y) = 0,1 x 0,9
Var(Y) = 0,09
De fato as duas variâncias são iguais. Item CERTO.
( ) A média de Y é superior a 0,5.
A média, ou valor esperado, é dada por:

E(Y) = p
Como p = 0,1 (probabilidade de Y assumir o valor 1), temos:
E(Y) = 0,1
Item ERRADO.
Resposta: C E
Aula 05
Distribuição Binomial
Para alguns fenômenos da natureza temos apenas 2 resultados possíveis: sucesso ou fracasso. Por
exemplo, digamos que vamos lançar um dado e o nosso objetivo é obter o número 5. Ao lançar esse dado, só
podemos ter 2 tipos de resultado: sucesso (conseguirmos obter o número 5) ou fracasso (qualquer outro
número).
A distribuição binomial de probabilidades cuida de fenômenos como este, onde:
- só temos 2 resultados possíveis (sucesso ou fracasso);
- temos um número fixo de tentativas (ex.: 3 lançamentos do dado);
- cada tentativa é independente das demais (o resultado obtido com um lançamento do dado em nada
afeta o lançamento seguinte).
A fórmula abaixo nos dá a probabilidade de termos exatamente k casos de sucesso, ao efetuar n

tentativas, sendo que a probabilidade de sucesso de uma tentativa é de p:
n
P(k , n, p ) =    p k  (1 − p ) n −k
k 
n
onde   é a combinação de n, k a k
k 
Para você entender melhor, voltemos ao exemplo do dado. A probabilidade de ter sucesso em um
lançamento é de 1 em 6 resultados possíveis, isto é, 1/6, e a de fracasso é de 5/6. Portanto, p = 1/6 e (1 - p) = 5/6.
Como faremos 3 lançamentos, então n = 3 tentativas. Com isso, podemos calcular a probabilidade de obter o
número 6 em apenas 2 dos 3 lançamentos, isto é, ter k = 2 sucessos. Substituindo na fórmula:
n
P(k , n, p ) =    p k  (1 − p ) n −k
k 
2 3− 2
1 1 5
P(2,3, ) = C (3, 2)      
6 6 6
1 3 2  1   5  5
P(2,3, ) =    =
6 2  1  36   6  72
Numa distribuição binomial, o valor esperado será:
Aula 05
E(X) = n x p
Em nosso exemplo do dado, n = 3 e p = 1/6, portanto E(X) = 3 x (1/6) = ½ = 0,5. Isto é, ao lançar o dado 3
vezes, é esperado que se obtenha sucesso em apenas 0,5 lançamento (menos de 1 lançamento!). Isto é, em
média, ao lançar o dado 3 vezes, obteremos o número 6 apenas 0,5 vez.
Já a variância é dada por:
Var(X) = n x p x (1-p)
Em nosso exemplo, a variância seria:
Var(X) = 3 x (1/6) x (5/6)
Var(X) = 3 x 5/36
Var(X) = 1 x 5/12
Var(X) = 5/12
Antes de avançarmos, guarde os principais aspectos da distribuição Binomial:
Distribuição Binomial
- distribuição discreta (assume apenas dois valores: sucesso ou fracasso);
- parâmetros: número fixo de tentativas(n), número desejado de sucessos(k), probabilidade de sucesso em cada
tentativa(p);
- probabilidade de se obter exatamente k sucessos em n tentativas:
n
P(k , n, p ) =    p k  (1 − p ) n −k
k 
- média: E(X) = n x p;
- variância: Var(X) = n x p x (1 – p).
Pratique os conceitos da distribuição binomial, uma das mais cobradas nas provas, resolvendo os
exercícios abaixo:
CESGRANRIO – IBGE – 2014) Um atleta de arco e flecha tem probabilidade de 90% de acertar um específico
alvo. Se esse atleta executa 40 lançamentos independentes, quais são, respectivamente, o número de erros
esperado e a variância de erros?
(A) 3,6 ; 3,6
Aula 05
(B) 3,6 ; 36
(C) 4 ; 3,6
(D) 4 ; 36
(E) 36 ; 3,6
RESOLUÇÃO:
Estamos diante de uma distribuição binomial onde temos n = 40 tentativas, sendo que cada tentativa tem
p = 90% de chance de sucesso. O número esperado de acertos é:
E(X) = n.p = 40 x 90% = 36
Logo, o número esperado de erros é 40 - 36 = 4. A variância dos erros pode ser calculada considerando
que a chance de erro é p = 10%:
Var(Erro) = n x p x (1 - p)
Var(Erro) = 40 x 10% x 90% = 3,6

RESPOSTA: C
FGV – MPE/BA – 2017) Suponha que 8 pessoas foram identificadas pelo Ministério Público como possíveis
integrantes de uma ORCRIM. De acordo com a experiência dos procuradores, a probabilidade de que qualquer
um deles esteja envolvido é de 0,75. Assim sendo, é correto afirmar que:
a) a probabilidade de que haja no grupo 7 ou mais envolvidos é de 2,75. (0,75)7;

b) ˑo número esperado de envolvidos é igual a 2;
c) o número esperado de não envolvidos é igual a 6;
d) a probabilidade de que a maioria dos identificados seja de envolvidos é de 7,25. (0,25)7;
e) a probabilidade de envolvidos e não envolvidos em mesmo número é de 35. (0,75)4.(0,25)4.
RESOLUÇÃO:
O número de envolvidos segue uma distribuição binomial, com tamanho do grupo n = 8, probabilidade
de estar envolvido (sucesso) = 0,75 e probabilidade de não estar envolvido 0,25. Chamando de X o número de
envolvidos, temos que a probabilidade que haja 7 ou mais envolvidos no grupo é dada por:
P(X ≥ 7) = P(X = 7) + P(X = 8)

8 8
P(X ≥ 7) = ( ) ∙ 0,757 ∙ 0,251 + ( ) ∙ 0,758 ∙ 0,250
7 8
P(X ≥ 7) = 8 ∙ 0,757 ∙ 0,25 + 0,758
P(X ≥ 7) = 2 ∙ 0,757 + 0,758
P(X ≥ 7) = (2 + 0,75) ∙ 0,757 = 2,75 ∙ 0,757
Aula 05
Portanto, a alternativa A está correta e é o gabarito da questão.
Resposta: A
CESPE – POLÍCIA FEDERAL – 2018) Determinado órgão governamental estimou que a probabilidade p de um
ex-condenado voltar a ser condenado por algum crime no prazo de 5 anos, contados a partir da data da
libertação, seja igual a 0,25. Essa estimativa foi obtida com base em um levantamento por amostragem
aleatória simples de 1.875 processos judiciais, aplicando-se o método da máxima verossimilhança a partir da
distribuição de Bernoulli. Sabendo que P(Z < 2) = 0,975, em que Z representa a distribuição normal padrão,
julgue os itens que se seguem, em relação a essa situação hipotética.
( ) Em um grupo formado aleatoriamente por 4 ex-condenados libertos no mesmo dia, estima-se que a
probabilidade de que apenas um deles volte a ser condenado por algum crime no prazo de 5 anos, contados a
partir do dia em que eles foram libertados, seja superior a 0,4.
( ) Se X seguir uma distribuição binomial com parâmetros n = 1.000 e probabilidade de sucesso p, a estimativa
de máxima verossimilhança da média de X será superior a 300.
RESOLUÇÃO:
( ) Em um grupo formado aleatoriamente por 4 ex-condenados libertos no mesmo dia, estima-se que a probabilidade
de que apenas um deles volte a ser condenado por algum crime no prazo de 5 anos, contados a partir do dia em que
eles foram libertados, seja superior a 0,4.
Chamando de “sucesso” a situação em que o ex-condenado volta a ser condenado, veja que estamos diante de
uma distribuição binomial com n = 4 tentativas, probabilidade de sucesso p = 0,25, e número desejado de
sucessos k = 1. Colocando na função de probabilidade Binomial:
Item CERTO.
( ) Se X seguir uma distribuição binomial com parâmetros n = 1.000 e probabilidade de sucesso p, a estimativa de
máxima verossimilhança da média de X será superior a 300.
Aula 05
Temos n = 1000 e p = 0,25 como parâmetros da nossa binomial. A sua média é dada por:
E(X) = n.p = 1000.0,25 = 250

Item ERRADO.
Resposta: C E
CEPERJ – OFICIAL SEFAZ/RJ – 2011) Suponha que a variável aleatória X tenha distribuição binomial com
média 3,5 e variância 1,75. Nesse caso, a probabilidade P( X  2) será igual a:
A) 1/2
B) 15/16
C) 8/128
D) 21/128
E) 29/128
RESOLUÇÃO:
A média da binomial é dada por E(X) = nxp. Portanto:
E(X) = nxp = 3,5
Já a variância é dada por Var(X) = nxpx(1-p). Como nxp = 3,5, então:
Var(X) = 3,5 (1-p)

1,75 = 3,5 (1-p)
p = 0,5
Sendo nxp = 3,5; e p = 0,5; então n = 7.
Portanto, sabemos que nessa binomial temos 7 tentativas (n = 7) com 0,5 chance de sucesso em cada uma
( p = 0,5). O exercício quer a probabilidade de 2 ou mais sucessos. Isso é igual à 100% menos a probabilidade de
0 ou 1 sucessos apenas. Isto é:
P( X  2) = 100% − P( X = 1) − P( X = 0)
Sabemos que a probabilidade de X sucessos em uma distribuição binomial é dada pela fórmula:
n
P( x, n, p ) =    p x  (1 − p ) n − x
 x
Vamos calcular então P(X = 0) e P(X = 1):
7 7
7 1 1

P(0;7;0,5) =    0,50  (1 − 0,5)7−0 = 1  1    =  
0 2 2
Aula 05
7
7
1
P(1;7;0,5) =    0,51  (1 − 0,5) 7−1 = 7  0,5  0,56 = 7   
1  2
Portanto,
P( X  2) = 100% − P( X = 1) − P( X = 0)
7 7
1 1 1
P( X  2) = 1 − 7    −   = 1 − 8  7
2 2 2
1 1 1 15
P( X  2) = 1 − 23  7 = 1 − 4 = 1 − =
2 2 16 16
Resposta: B.
Distribuição de Poisson
Imagine que, em uma fila de banco, costuma chegar 1 pessoa a cada 4 minutos. Ora, se chega em média
1 pessoa a cada 4 minutos, é esperado que em 8 minutos cheguem 2 pessoas, concorda? E, em 10 minutos, a
quantidade esperada de pessoas é:
4 minutos ------------------ 1 pessoa
10 minutos ---------------- N pessoas
4.N = 10.1
N = 10/4
N = 2,5 pessoas
Embora sejam esperadas 2,5 pessoas a cada 10 minutos, pode ser que em um determinado intervalo de
10 minutos cheguem um pouco mais, e em outro intervalo cheguem um pouco menos, de modo a manter essa
média de 2,5.
Aqui a nossa variável aleatória é o número de pessoas que chegam em 10 minutos. Repare que esta é uma
variável discreta, pois em um intervalo de 10 minutos podem chegar 2 ou 3 pessoas, mas nunca 2,5 pessoas
(cuidado: o fato de a média ser 2,5 pessoas não significa que vão chegar exatamente 2,5 pessoas em 10 minutos,
isto é impossível). Nós damos o nome de 𝜆 para a quantidade esperada de chegadas no intervalo de tempo
considerado (10 minutos), ou seja,
𝜆 = 2,5
Veja ainda que a ocorrência de um evento (chegada de uma pessoa) independe da ocorrência de outro.
Cada pessoa chega na fila do banco por motivos próprios, sem depender da chegada das demais, concorda?
Aula 05
Se quisermos calcular a probabilidade de chegarem exatamente “k” pessoas na fila em um intervalo de

10 minutos, podemos usar a função de probabilidade da Distribuição Binomial:
e−   k
f (k;  ) =
k!
Esta função descreve a probabilidade da ocorrência de exatamente k eventos. Nesta equação, “e” é o
número de Euler (e = 2,71828...), e k! é o fatorial de k.
Se quisermos calcular a probabilidade de, em 10 minutos, chegarem exatamente 2 pessoas, temos k = 2.

Já vimos que 𝜆 = 2,5 , pois a cada 10 minutos chegam em média 2,5 pessoas. Assim,
𝑒 −𝜆 . 𝜆𝑘
𝑓(𝑘, 𝜆) =
𝑘!
𝑒 −2,5 . 2,52
𝑓(2; 2,5) =
2!
𝑒 −2,5 . 6,25
𝑓(2; 2,5) =
2𝑥1
𝑓(2; 2,5) = 3,125. 𝑒 −2,5
Não é esperado que você calcule o valor de e-2,5 ! Normalmente este valor será fornecido pelo examinador.
Neste caso, sabendo que e-2,5 é aproximadamente 0,082, ficamos com:
𝑓(2; 2,5) = 3,125.0,082
𝑓(2; 2,5) = 0,256
𝑓(2; 2,5) = 25,6%
Ou seja, há 25,6% de chance de que, em um período de 10 minutos, cheguem exatamente 2 pessoas na

fila. Podemos fazer este mesmo cálculo para obter a probabilidade de chegarem exatamente k = 0, 1, 2, 3, 4, 5,
6 ou mais pessoas em 10 minutos. Com isso, teríamos a seguinte distribuição de probabilidades:
Aula 05
30%
25%
20%
P(X)
15%
10%
5%
0%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X (número de pessoas chegando em 10 minutos)
Veja neste gráfico que temos uma concentração de probabilidades em torno da média (2,5) e uma
redução de probabilidade à medida que caminhamos para a direita, ou seja, aumentamos o número de pessoas
chegando em 10 minutos.
Na distribuição de Poisson, a média é:
E(X) = 
E a variância é:
Var(X) = 
Ou seja, em nosso exemplo, tanto a média quanto a variância seriam iguais a 2,5! Esta é fácil de decorar,
não?
Guarde as principais informações da distribuição de Poisson com o quadro abaixo:
Distribuição de Poisson
- distribuição discreta (assume apenas valores inteiros);
- útil em fenômenos que ocorrem ao longo do tempo com uma regularidade conhecida;
- cada observação é independente das demais;
- parâmetro 𝜆: representa o número de observações esperadas dentro do prazo de análise;
- probabilidade de se obter exatamente k observações no prazo de análise:
𝑓(𝑘, 𝜆) =
𝑘!
- média: E(X) = 𝝀;
- variância: Var(X) = 𝝀.
Aula 05
Certifique-se que entendeu a teoria de distribuição Poisson, outra distribuição muito cobrada, com estas
questões:
ESAF – AFRFB – 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:
RESOLUÇÃO:
Se chegam em média 2 petroleiros por dia, podemos esperar que em dois dias cheguem, em média, 4
petroleiros. Veja que este é o número esperado de ocorrências por unidade de tempo (neste exercício, a
unidade de tempo é 2 dias). Portanto,  =4.

e−   k
A distribuição de Poisson tem a seguinte distribuição de probabilidades: f ( k ;  ) =
k!
Se queremos no máximo 3 petroleiros, devemos somar as probabilidades de chegarem 0, 1, 2 ou 3
petroleiros, isto é:
Probab( x  3) = f (0) + f (1) + f (2) + f (3)
Aplicando a fórmula de Poisson, temos:
Aula 05
e −4  40 e −4  41 e −4  42 e −4  43
Probab( x  3) = + + +
0! 1! 2! 3!
 40 41 42 43 
−4
Probab( x  3) = e   + + + 
 0! 1! 2! 3! 
 1 4 16 64   71 
Probab( x  3) = e −4   + + +  = e −4   
1 1 2 6  3
Resposta: C
FEPESE – ISS/Criciúma – 2017) Considere as seguintes descrições de distribuições de probabilidade de

variáveis aleatórias:
Distribuição 1: expressa a probabilidade de que uma dada quantidade de eventos ocorra em um dado intervalo
de tempo, se conhecemos a taxa média de ocorrência desses eventos nesse intervalo de tempo, e se a
ocorrência de um evento é independente do momento da ocorrência do evento anterior.
Distribuição 2: expressa o número de sucessos numa sequência de n experimentos feitos de forma que: cada
experimento tem exclusivamente como resultado duas possibilidades, sucesso ou fracasso; cada experimento
é independente dos demais; e a probabilidade de sucesso em cada evento é sempre a mesma.
As distribuição descritas acima são, respectivamente:
a. ( ) 1: normal • 2: qui-quadrado
b. ( ) 1: de Poisson • 2: normal
c. ( ) 1: de Poisson • 2: binomial
d. ( ) 1: qui-quadrado • 2: normal
e. ( ) 1: qui-quadrado • 2: binomial
RESOLUÇÃO:
A distribuição de Poisson é aquela que trata sobre eventos que ocorrem com uma regularidade conhecida (taxa
média de ocorrência) e nos permite calcular a probabilidade de que uma determinada quantidade de eventos
ocorra no intervalo de tempo do nosso interesse. Esta é a distribuição 1.
A distribuição binomial é aquela em que temos um número fixo de tentativas (n experimentos), em cada
tentativa só podemos ter 2 resultados possíveis (sucesso ou fracasso), e a probabilidade de sucesso em cada
tentativa é sempre a mesma. Esta é a distribuição 2.
Resposta: C
Aula 05
CESPE – EBSERH – 2018) Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado
no que se refere à prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y
= 0) ou como “não emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto
sigam uma distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de
pacientes emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue os

itens subsequentes.
( ) A variância do número diário de pacientes que chegam a esse posto hospitalar é igual a 20 pacientes2.
RESOLUÇÃO:
O número diário de pacientes (X) é uma distribuição Poisson com média 𝜆 = 20. Sabemos que a variância
de uma distribuição Poisson também é igual a 𝜆, ou seja, também é igual a 20 (apenas a unidade muda de
pacientes para pacientes2).
Item CERTO.
Resposta: C
Distribuição Geométrica
Imagine que vamos lançar um dado e o nosso objetivo é obter o valor 4. Qual a probabilidade de serem
necessários 3 lançamentos até obter o valor 4?
Ora, a chance de não obter o 4 no primeiro lançamento é de 5 em 6, ou seja, 5/6. Da mesma forma, a
chance de não obter o 4 no segundo lançamento é de 5/6. E a probabilidade de obter o 4 no terceiro lançamento
é de 1/6. Portanto, a probabilidade de serem necessários 3 lançamentos até o primeiro sucesso (obter o 4) é:
2
5 1
P ( X = 3) =   
6 6
Assim, sendo p a probabilidade de ter sucesso em uma tentativa, então a probabilidade de só vir a obter
o primeiro sucesso na tentativa n é dada por:
P ( X = n ) = (1 − p )
n −1
p
Essa distribuição é denominada geométrica pois a probabilidade de serem necessárias mais tentativas
seguem uma progressão geométrica de razão igual a (1 - p).
A média dessa distribuição é:
E(X) = 1/p
A variância é:
(1 − p )
Var ( X ) =
p2
Aula 05
Muita atenção a um detalhe: se o exercício pedisse qual a probabilidade de serem necessários 2 fracassos
até obter o primeiro sucesso, você deveria considerar n = 3 (dois fracassos e mais um sucesso), e não n = 2, ok?
Um outro ponto é que a fórmula da distribuição geométrica pode ser escrita de uma outra forma. Repare
que na fórmula dada anteriormente, temos “n – 1” como expoente da probabilidade de fracasso “1 – p” → nesse
caso queremos calcular a probabilidade de se obter o primeiro sucesso na n-ésima tentativa e a esperança
(média) da variável é dada por 1/p .
A outra forma de calcular é por meio da seguinte fórmula:
𝑃(𝑋 = 𝑛) = (1 − 𝑝)𝑛 ∙ 𝑝
Nesse caso, estamos interessados na probabilidade de o primeiro sucesso ser obtido após n fracassos.
Nesse caso, a esperança da variável é dada por:
1 − 𝑝
𝐸(𝑋) =
𝑝
Algumas questões vêm sob essa segunda forma, como no caso abaixo:
CESPE – TCE/PA – 2020)

Considere que Y seja uma variável aleatória geométrica que representa o número de erros cometidos por um
atendente no preenchimento de formulários e que a função de probabilidade de Y seja definida por P(Y = k) =
0,9 × (0,1)k , em que k = 0, 1, 2, ... A partir dessas informações, julgue o item que se segue.
( ) A média de Y é inferior a 1.
RESOLUÇÃO:
Repare que aqui NÃO temos “k – 1” como expoente da probabilidade de fracasso, temos k. O que queremos é
a probabilidade de obter k fracassos antes do primeiro sucesso. Quando a distribuição geométrica é escrita sob
essa forma, a esperança (média) da variável é dada por:
1 − 𝑝
𝐸(𝑋) =
𝑝
Pela função de probabilidade de Y, percebe-se que a probabilidade do sucesso é 0,9. Assim, p = 0,9. O valor
esperado é dado por:
1 − 0,9 0,1 1
𝐸(𝑋) = = =
0,9 0,9 9
Como 1/9 é inferior a 1, o item é correto.
RESPOSTA: C
Distribuição Hipergeométrica
Suponha que temos uma urna com 5 bolas azuis e 10 bolas de outras cores (ou seja, não-azuis). Ao retirar
5 bolas desta urna, sem reposição, a probabilidade de que exatamente 3 sejam azuis é dada por
Aula 05
C(5,3)  C(10,2)
P=
C(15,5)
Onde C(5,3) é o número de maneiras de se escolher 3 das 5 bolas azuis; C(10,2) é o número de maneiras
de se selecionar 2 das outras 10 bolas (para totalizar 5 bolas retiradas), e C(15,5) é o total de maneiras de se
selecionar 5 bolas na urna.
De forma genérica, a probabilidade de ter exatamente x elementos de um tipo ao selecionar, sem

reposição, n elementos de um total de N elementos (dos quais K são do tipo pretendido, e N-K são de outros
tipos), é dada por:
C ( K , x )  C (N − K , n − x )
P ( x; n, N, K ) =
C ( N, n )
Chamamos essa distribuição de hipergeométrica. A sua média é:
K 
E( X ) = n   
N 
A variância é:
K   K  N −n
Var ( X ) = n      1 −    
 N   N   N −1 
Chega de teoria! Vamos praticar tudo o que vimos até aqui?
Aula 05
Questões comentadas pelo professor

1. FCC – ISS/SÃO LUIS – 2018)
Em uma população formada por indivíduos que se encontram empregados, observa-se que 40% deles têm um
salário superior a 10 salários mínimos. Para desenvolver um estudo, é extraída uma amostra aleatória de 3
indivíduos desta população com reposição. A probabilidade de que mais que 1 indivíduo desta amostra não
tenha um salário superior a 10 salários mínimos é de
(A) 56,8%
(B) 64,8%
(C) 71,2%
(D) 78,4%
(E) 72,0%
RESOLUÇÃO:
Queremos que mais que 1 indivíduo tenha salário igual ou inferior a 10 salários mínimos. A probabilidade de um
indivíduo ter salário igual ou inferior a 10 salários mínimos é de 100% - 40% = 60%.
Estamos diante de uma distribuição binomial onde podemos chamar de “sucesso” o indivíduo ganhar igual ou
menos do que 10 salários mínimos, e de “fracasso” o indivíduo ganhar mais do que 10 salários mínimos. A
probabilidade de sucesso é p = 60%, e de fracasso é q = 1-p = 40%. Vamos escolher n = 3 indivíduos, ou seja,
este é o nosso número de tentativas. Queremos ter k = 2 sucessos ou k = 3 sucessos. Ou seja, estamos buscando
P(k=2) + P(k=3). Na distribuição binomial, sabemos que:
P(k) = C(n,k) x pk x qn-k

Podemos então calcular:
P(k=2) = C(3,2) x 0,602 x 0,403-2 = 3 x 0,36 x 0,4 = 0,432 = 43,2%
P(k=3) = C(3,3) x 0,603 x 0,403-3 = 1 x 0,216 x 1 = 21,6%
Portanto, temos 43,2% + 21,6% = 64,8%.
Resposta: B
2. FCC – TRT/SP – 2018)
O número de pessoas que não têm suas reclamações atendidas por mês em um posto de atendimento de uma
empresa em uma cidade tem distribuição de Poisson com média λ e desvio padrão populacional igual a 2.
Deseja-se saber qual é a probabilidade (P) de o número de pessoas que não têm suas reclamações atendidas
neste posto ser mais que 1 pessoa em um determinado mês. Se e é a base do logaritmo neperiano (ln) tal que
ln(e) = 1, então P é igual a
Aula 05
a) [e−2(e2 − 3)]
b) [1 − e−2(e2 − 3)]
c) [1 − e−4(e4 − 5)]
d) [e−0,5(e0,5 − 1)]
e) [e−4(e4 − 5)]
RESOLUÇÃO:
Em uma distribuição Poisson a média e a variância são iguais, portanto se a média é λ conforme informa o
enunciado, então a variância também é igual a λ e consequentemente o desvio padrão é igual a √λ. O enunciado
nos informa que o desvio padrão da variável é igual a 2, logo temos que:
√λ = 2
λ = 2² = 4
Sendo X a variável número de pessoas que não têm suas reclamações atendidas por mês em um posto de
atendimento, que sabemos ter distribuição Poisson de média λ = 4, temos que:
𝑒 −λ ∙ λ𝑥 𝑒 −4 ∙ 4𝑥
𝑃(𝑋 = 𝑥) = =
𝑥! 𝑥!
Queremos saber o valor de P(X > 1). Reparem que:
𝑃(𝑋 > 1) = 1 − 𝑃(𝑋 ≤ 1)

Temos que 𝑃(𝑋 ≤ 1) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)
𝑒 −4 ∙ 40 𝑒 −4 ∙ 1
𝑃(𝑋 = 0) = = = 𝑒 −4
0! 1
𝑒 −4 ∙ 41 𝑒 −4 ∙ 4
𝑃(𝑋 = 1) = = = 4 ∙ 𝑒 −4
1! 1
Logo:
𝑃(𝑋 ≤ 1) = 𝑒 −4 + 4 ∙ 𝑒 −4 = 5 ∙ 𝑒 −4
Assim, temos que:
𝑃(𝑋 > 1) = 1 − 5 ∙ 𝑒 −4
Reparem que 𝑒 −4 ∙ 𝑒 4 = 𝑒 −4+4 = 𝑒 0 = 1. Portanto, a probabilidade acima pode ser escrita da seguinte forma:
𝑃(𝑋 > 1) = (𝑒 −4 ∙ 𝑒 4 ) − 5 ∙ 𝑒 −4
Assim, como 𝑒 −4 multiplica os 2 termos na subtração acima, colocando-o em evidência chegamos a:
𝑃(𝑋 > 1) = 𝑒 −4 ∙ (𝑒 4 − 5)
Logo, concluímos que a alternativa E é o gabarito da questão.
Resposta: E
Aula 05
3. FCC – TRT/11 – 2017)
Suponha que:
I. A variável X, que representa o número mensal de suicídios no país A, tem distribuição de Poisson com média
mensal 2.
II. A variável Y, que representa o número mensal de suicídios no país B, tem distribuição de Poisson com média
mensal 4.
III. As variáveis X e Y são independentes.
Nessas condições, a probabilidade de em determinado mês ocorrerem menos de 2 suicídios no país A e

exatamente 2 no país B é igual a
Dados:
e−1 = 0,37
e−2 = 0,135
e−4 = 0,018
a) 4,122%
b) 5,548%
c) 5,832%
d) 3,565%
e) 4,468%
RESOLUÇÃO:
O que o enunciado nos pede é:
P(X < 2, Y = 2)
Como X e Y são eventos independentes, temos que:
P(X < 2, Y = 2) = P(X < 2) ∙ P(Y = 2)

P(X < 2) = P(X = 0) + P(X = 1)
X tem distribuição de Poisson com média mensal 2, portanto:
𝑒 −2 ∙ 20
P(X = 0) = = 𝑒 −2 = 0,135
0!
𝑒 −2 ∙ 21
P(X = 1) = = 2 ∙ 𝑒 −2 = 2 ∙ 0,135 = 0,270
1!
Logo:
P(X < 2) = 0,135 + 0,270 = 0,405

Y tem distribuição de Poisson com média mensal 4, portanto:
Aula 05
𝑒 −4 ∙ 42 𝑒 −4 ∙ 16
P(Y = 2) = = = 8 ∙ 𝑒 −4 = 8 ∙ 0,018 = 0,144
2! 2
Por fim, temos que:
P(X < 2, Y = 2) = 0,405 ∙ 0,144 = 0,05832 = 5,832%

Portanto, a alternativa C é o gabarito da questão.
Resposta: C
4. VUNESP – 2015)
Em um bairro da cidade, foi feita uma enquete para verificar a preferência da comunidade em relação a dois
projetos: construção de uma árvore de natal ou um espetáculo com um cantor popular. Os entrevistados
deveriam optar por apenas uma dessas duas opções. Supondo que a chance de escolha de cada uma das opções
é de 50%, a probabilidade de se conseguir 4 votos para o espetáculo e 2 votos para a construção da árvore, em
um total de 6 votos, é, aproximadamente, igual a
a) 24,5%.
b) 44,9%.
c) 33,3%.
d) 23,4%.
e) 28,1%.
RESOLUÇÃO:
Como só há 2 opções a serem votadas (espetáculo ou construção da árvore), são eventos complementares, e
podemos chamar de probabilidade de p a probabilidade de se votar para o espetáculo, por exemplo, e,
portanto, de 1 – p a probabilidade de se votar na construção da árvore. O enunciado nos diz que p = 1 – p = 50%
= 0,5.
Repare que o número de votos segue uma distribuição binomial, com probabilidade de sucesso p
(probabilidade de se votar no espetáculo) e número de votos n = 6. É importante ressaltar que consideramos
que a probabilidade de sucesso é a probabilidade de se votar no espetáculo, mas poderia ser o inverso também,
poderíamos considerar que a probabilidade de sucesso é a probabilidade de se votar na construção da árvore,
chegaríamos ao mesmo resultado.
O que a questão pede é a probabilidade de em 6 votos, exatamente 4 serem no espetáculo (4 sucessos), e

consequentemente 2 serem na construção da árvore. Assim, lembrando que se trata da distribuição binomial,
sendo X o número de sucessos e P(X = k) a probabilidade de X ser igual a k sucessos em n votos, temos que:
n
P(X = k) = ( ) ∙ pk ∙ (1 − p)n−k
k
6
P(X = 4) = ( ) ∙ 0,54 ∙ (1 − 0,5)6−4
4
Aula 05
6!
P(X = 4) = ∙ 0,54 ∙ 0,52
4! ∙ 2!
P(X = 4) = 15 ∙ 0,56
P(X = 4) = 15 ∙ 0,015625
P(X = 4) = 0,234375 ≅ 23,4%
Portanto, a alternativa D é o gabarito da questão.
Resposta: D
5. VUNESP – TJ/SP – 2014)
A função de probabilidade pode ser aplicada a qualquer experimento binomial, se for

conhecido o número n de ensaios e a probabilidade p de um sucesso em qualquer dos ensaios. Nesse caso, o
valor de f(x) dá a probabilidade de se obter x sucessos em n ensaios.
Considerando-se, então, um experimento com 4 ensaios, cuja probabilidade de sucesso em cada um é de 0,2,
e calculando o valor de f(x) para x = 1 o resultado será:
a) f(x) = 0,84 .
b) f(x) = 0,83 .
c) f(x) = 0,82 .
d) f(x) = 0,81 .
e) f(x) = 0,80 .
RESOLUÇÃO:
O enunciado já nos fornece a fórmula da f(x) da distribuição binomial e nos diz que n = 4, p = 0,2 e x = 1. Assim,
para obter o valor de f(x) basta substituirmos os valores na fórmula:
n
f(x) = ( ) ∙ px ∙ (1 − p)n−x
x
4
f(1) = ( ) ∙ 0,21 ∙ (1 − 0,2)4−1
1
4!
f(1) = ∙ 0,2 ∙ 0,83
3! 1!
f(1) = 4 ∙ 0,2 ∙ 0,83
f(1) = 0,8 ∙ 0,83 = 0,84
Portanto, a alternativa A é o gabarito da questão.
Resposta: A
Aula 05

valor de f(x) dá a probabilidade de se obter x sucessos em n ensaios. Para o mesmo caso, o número de
resultados que fornece exatamente 2 sucessos em 5 ensaios é:
a) 2.
b) 4.
c) 6.
d) 8.
e) 10.
RESOLUÇÃO:
O número de resultados que fornece exatamente 2 sucessos em 5 ensaios é dado pelo número de
combinações 2 a 2 que podemos formar com esses 5 elementos, ou seja:
5 5! 5 ∙ 4 ∙ 3! 20
( )= = = = 10
2 (5 − 2)! ∙ 2! 3! ∙ 2 2
Portanto, a alternativa E é o gabarito da questão.
Resposta: E
7. FUNRIO – Ministério da Justiça – 2009)

Sabe-se que o número de pessoas com suspeita de gripe suína que chegam a um pronto socorro em certo
intervalo de tempo, segue uma distribuição de probabilidade com valor esperado e variância igual a 30. Sendo
assim, podemos assumir que a distribuição de probabilidade que descreve esse processo é
A) Exponencial com parâmetro lambda igual a 1/30.
B) Poisson com parâmetro lambda igual a 30.
C) Normal com média e variância igual a 30.
D) Binomial com p=30.
E) Poisson com parâmetro lambda igual a 1/30.

RESOLUÇÃO:
Repare que o valor esperado e a variância são iguais a 30, ou seja, E(x) = var(x) = 30. Isto ocorre exatamente na
distribuição Poisson, uma vez que a probabilidade de exatamente k ocorrências de um evento que se repete
com freqüência uma conhecida, além disso,  é o número esperado de ocorrências por unidade de tempo ou
quantidade, ou seja, sendo E(x) = var(x) = 30 e E(x) = var(x) = , então  = 30.
Resposta: B
Aula 05
8. FGV – MPE/BA – 2017)
Suponha que 8 pessoas foram identificadas pelo Ministério Público como possíveis integrantes de uma
ORCRIM. De acordo com a experiência dos procuradores, a probabilidade de que qualquer um deles esteja
envolvido é de 0,75.
Assim sendo, é correto afirmar que:

RESOLUÇÃO:
O número de envolvidos segue uma distribuição binomial, com tamanho do grupo n = 8, probabilidade de estar
envolvido (sucesso) = 0,75 e probabilidade de não estar envolvido 0,25. Chamando de X o número de
envolvidos, temos que a probabilidade que haja 7 ou mais envolvidos no grupo é dada por:
P(X ≥ 7) = P(X = 7) + P(X = 8)

8 8
P(X ≥ 7) = ( ) ∙ 0,757 ∙ 0,251 + ( ) ∙ 0,758 ∙ 0,250
7 8
P(X ≥ 7) = 8 ∙ 0,757 ∙ 0,25 + 0,758
P(X ≥ 7) = 2 ∙ 0,757 + 0,758
P(X ≥ 7) = (2 + 0,75) ∙ 0,757 = 2,75 ∙ 0,757
Portanto, a alternativa A está correta e é o gabarito da questão.
Resposta: A
9. CESPE – POLÍCIA FEDERAL – 2018)

Determinado órgão governamental estimou que a probabilidade p de um ex-condenado voltar a ser condenado
por algum crime no prazo de 5 anos, contados a partir da data da libertação, seja igual a 0,25. Essa estimativa
foi obtida com base em um levantamento por amostragem aleatória simples de 1.875 processos judiciais,
aplicando-se o método da máxima verossimilhança a partir da distribuição de Bernoulli. Sabendo que P(Z < 2)
= 0,975, em que Z representa a distribuição normal padrão, julgue os itens que se seguem, em relação a essa
situação hipotética.
Aula 05
RESOLUÇÃO:
( ) Em um grupo formado aleatoriamente por 4 ex-condenados libertos no mesmo dia, estima-se que a probabilidade
de que apenas um deles volte a ser condenado por algum crime no prazo de 5 anos, contados a partir do dia em que
eles foram libertados, seja superior a 0,4.
Chamando de “sucesso” a situação em que o ex-condenado volta a ser condenado, veja que estamos diante de
uma distribuição binomial com n = 4 tentativas, probabilidade de sucesso p = 0,25, e número desejado de
sucessos k = 1. Colocando na função de probabilidade Binomial:
Item CERTO.
( ) Se X seguir uma distribuição binomial com parâmetros n = 1.000 e probabilidade de sucesso p, a estimativa de
máxima verossimilhança da média de X será superior a 300.
Temos n = 1000 e p = 0,25 como parâmetros da nossa binomial. A sua média é

dada por:
E(X) = n.p = 1000.0,25 = 250

Item ERRADO.
Resposta: C E
10.CESPE – EBSERH – 2018)

Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado no que se refere à
prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não
emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma
Aula 05
distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de pacientes
emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue os itens

subsequentes.
( ) A variável Y segue uma distribuição de Bernoulli, cuja probabilidade de sucesso é igual a 0,9.
( ) O total diário W de pacientes emergentes segue uma distribuição de Poisson com média superior a 3.
( ) Se, em determinado dia, 10 pacientes forem atendidos nesse posto hospitalar, então a probabilidade de se
registrar, entre esses pacientes, exatamente um paciente emergente será igual a 0,1.
RESOLUÇÃO:
A variável Y realmente segue uma distribuição de Bernoulli, pois ela se caracteriza por assumir apenas dois
valores (0 para emergente e 1 para não emergente).
Note que W segue uma distribuição binomial, na qual w representa o número de sucessos (pacientes
emergentes), x-w representa o número de fracassos (não emergentes) e x representa o número de tentativas.
Na binomial, temos:
P(w sucessos em x tentativas) = C(x,w).pw.(1-p)x-w
Nesta fórmula, p representa a probabilidade de sucesso, ou seja, a probabilidade de um paciente ser
emergente. Comparando esta fórmula com aquela do enunciado, vemos que p = 0,1. Logo, a probabilidade de
um paciente ser emergente é 0,1, e a probabilidade de ser não emergente é 0,9.
Muita atenção agora: ao definir a distribuição Y, a questão falou que 1 (que nesta distribuição representa o
sucesso) corresponde aos pacientes NÃO emergentes. Como sabemos que a probabilidade de chegada de um
paciente não emergente é 0,9, podemos dizer que a probabilidade de sucesso da Bernoulli é igual a 0,9. Item
CERTO.
ERRADO. Vimos que W segue uma distribuição binomial. A média da binomial é n.p, ou seja, 20.0,1 = 2
pacientes emergentes.
ATENÇÃO: na binomial o examinador definiu que sucesso é chegar um paciente emergente, já na bernoulli ele
definiu como sucesso a chegada de um não emergente (o valor 1 está relacionado ao sucesso). Isto pode gerar
alguma confusão na interpretação deste exercício.
Queremos encontrar a probabilidade de w = 1 paciente emergente em x = 10 atendimentos. Na fórmula

fornecida, temos:
Aula 05
P(W = 1 | X = 10) = C(10,1).0,11.0,910-1
P(W = 1 | X = 10) = 10.0,1.0,99

P(W = 1 | X = 10) = 0,99
Veja que esta probabilidade NÃO é igual a 0,1. Item ERRADO.
( ) A variância do número diário de pacientes que chegam a esse posto hospitalar é igual a 20 pacientes 2.
O número diário de pacientes (X) é uma distribuição Poisson com média 𝜆 = 20. Sabemos que a variância de
uma distribuição Poisson também é igual a 𝜆, ou seja, também é igual a 20 (apenas a unidade muda de
pacientes para pacientes2). Item CERTO.
Resposta: C E E C
11.CESPE – TCE/PA – 2016)

Considere um processo de amostragem de uma população finita cuja variável de interesse seja binária e assuma
valor 0 ou 1, sendo a proporção de indivíduos com valor 1 igual a p = 0,3. Considere, ainda, que a probabilidade
de cada indivíduo ser sorteado seja a mesma para todos os indivíduos da amostragem e que, após cada sorteio,
haja reposição do indivíduo selecionado na amostragem.
A partir dessas informações, julgue o item subsequente.

( ) Se for coletada uma amostra de tamanho n = 20, o número total de observações sorteadas com valor 1 terá
distribuição binomial com parâmetros n e p.
RESOLUÇÃO:
Observe que faremos 20 observações. Cada uma pode ter apenas dois resultados: sucesso (1) ou fracasso (0).
Estamos diante de uma distribuição binomial na qual temos n = 20 tentativas e p = 0,3 como sendo a
probabilidade de sucesso a cada tentativa. Item CORRETO.
Resposta: C
12.CESGRANRIO – IBGE – 2014)

Um atleta de arco e flecha tem probabilidade de 90% de acertar um específico alvo. Se esse atleta executa 40
lançamentos independentes, quais são, respectivamente, o número de erros esperado e a variância de erros?
(A) 3,6 ; 3,6

(B) 3,6 ; 36
(C) 4 ; 3,6
(D) 4 ; 36
(E) 36 ; 3,6
Aula 05
RESOLUÇÃO:
Estamos diante de uma distribuição binomial onde temos n = 40 tentativas, sendo que cada tentativa tem p =
90% de chance de sucesso. O número esperado de acertos é:
E(X) = n.p = 40 x 90% = 36
Logo, o número esperado de erros é 40 - 36 = 4. A variância dos erros pode ser calculada considerando que a
chance de erro é p = 10%:
Var(Erro) = n x p x (1 - p)
Var(Erro) = 40 x 10% x 90% = 3,6
Resposta: C
13.FCC – SEFAZ/PI – 2015)

Um estudo mostra que 20% de todos os candidatos que estão prestando determinado concurso público
possuem doutorado em determinada área do conhecimento. Selecionando-se ao acaso e com reposição 4
desses candidatos, a probabilidade de que exatamente 2 possuam doutorado é igual a
(A) 13,24%
(B) 10,24%
(C) 5,72%
(D) 8,46%
(E) 15,36%
RESOLUÇÃO:
Temos uma distribuição binomial onde a chance de sucesso (ter doutorado) é p = 20%, de fracasso é q = 100%
- 20% = 80%, e o número de tentativas é n = 4, das quais queremos 2 sucessos. Ou seja,
Probabilidade = C(4,2) x (20%)2x(80%)2
Probabilidade = 6x0,04x0,64
Probabilidade = 0,1536 = 15,36%
Resposta: E
14.FCC - ISS/Teresina - 2016)

Suponha que o número de processos que um auditor fiscal analisa no período de uma semana tem distribuição
de Poisson com média de λ processos por semana. Sabe-se que λ satisfaz à equação P(X = λ) = 3/64 onde X é
uma variável aleatória com distribuição binomial com média 1 e variância 3/4. Nessas condições, a
probabilidade do auditor analisar exatamente 2 processos em uma semana é igual a
Aula 05
Dados:
e-2 = 0,14
e-3 = 0,05
(A) 0,350.
(B) 0,375.
(C) 0,325.
(D) 0,225.
(E) 0,250.
RESOLUÇÃO:
Na distribuição binomial, temos:
Média = n.p
1 = n.p
Variância = n.p.(1-p)
¾ = n.p.(1-p)
¾ = 1.(1-p)
p=¼
n.p = 1
n.1/4 = 1
n=4
A fórmula que nos dá a probabilidade de λ sucessos é:
P(λ) = C(n, λ) . pλ.(1-p)n-λ

3/64 = C(4, λ).(1/4)λ.(1-1/4)4-λ
Precisamos achar um valor de λ que atenda a equação acima. Testando λ = 1, temos:

3/64 = C(4, 1).(1/4)1.(3/4)4-1
3/64 = 4.(1/4)1.(3/4)3
3/64 = 1.27/64
Aula 05
Veja que λ = 1 não nos atende. Testando λ = 3 (pulei o 2 propositalmente, mas você pode testá-lo também),
temos:
3/64 = C(4, 3).(1/4)3.(3/4)4-3
3/64 = 4.(1/64).(3/4)1
3/64 = (1/64).3
3/64 = 3/64
Portanto, devemos usar λ = 3. Na distribuição Poisson, para k = 2 processos, temos:
e−  . k
f (k ) =
k!
e−3 .32
f (2) =
2!
0, 05.9
f (2) = = 0, 225
2
Resposta: D
15.CEPERJ – OFICIAL SEFAZ/RJ – 2011)

Suponha que a variável aleatória X tenha distribuição binomial com média 3,5 e variância 1,75. Nesse caso, a
probabilidade P( X  2) será igual a:
A) 1/2
B) 15/16
C) 8/128
D) 21/128
E) 29/128
RESOLUÇÃO:
A média da binomial é dada por E(X) = nxp. Portanto:
E(X) = nxp = 3,5

Já a variância é dada por Var(X) = nxpx(1-p). Como nxp = 3,5, então:
Var(X) = 3,5 (1-p)

1,75 = 3,5 (1-p)
p = 0,5
Aula 05
Sendo nxp = 3,5; e p = 0,5; então n = 7.
Portanto, sabemos que nessa binomial temos 7 tentativas (n = 7) com 0,5 chance de sucesso em cada uma ( p =
0,5). O exercício quer a probabilidade de 2 ou mais sucessos. Isso é igual à 100% menos a probabilidade de 0 ou
1 sucessos apenas. Isto é:
P( X  2) = 100% − P( X = 1) − P( X = 0)
Sabemos que a probabilidade de X sucessos em uma distribuição binomial é dada pela fórmula:
n
P( x, n, p ) =    p x  (1 − p ) n − x
 x
Vamos calcular então P(X = 0) e P(X = 1):
7 7
7 1 1

P(0;7;0,5) =    0,50  (1 − 0,5)7−0 = 1  1    =  
0 2 2
7
7
1
P(1;7;0,5) =    0,51  (1 − 0,5) 7−1 = 7  0,5  0,56 = 7   
1  2
Portanto,
P( X  2) = 100% − P( X = 1) − P( X = 0)
7 7
1 1 1
P( X  2) = 1 − 7    −   = 1 − 8  7
2 2 2
1 1 1 15
P( X  2) = 1 − 23  7 = 1 − 4 = 1 − =
2 2 16 16
Resposta: B
16.ESAF – AFRFB – 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 %
RESOLUÇÃO:
Aula 05
Veja que o número de tentativas é n = 3. Foi dito que a probabilidade de k = 2 sucessos é doze vezes a
probabilidade de k = 3 sucessos.
n
P(k , n, p ) =    p k  (1 − p ) n −k
Lembrando que, na binomial, k  , podemos dizer que:
P(2; 3; p) = 12 x P(3;3;p)
Assim:
3 2 3− 2  3 3 3− 3
   p  (1 − p ) = 12     p  (1 − p )
 2  3
3  p 2  (1 − p )1 = 12 1 p 3  (1 − p )0
3  p 2  (1 − p ) = 12 1 p 3 1
(1 − p ) = 4  p
1= 5p
p = 0, 20
Logo, a probabilidade de sucesso é p = 20%. A probabilidade de fracasso é 1 – p = 80%.
Resposta: D
17.ESAF – Auditor/NATAL – 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
Aula 05
RESOLUÇÃO:
Na binomial, sabemos que:

- a média é E(X) = n x p; o que torna o item I falso.
- a variância é Var(X) = n x p x (1-p); o que torna o item II falso, pois o desvio padrão será a raiz da variância dada
por esta fórmula.
- a variância é definida como sendo o somatório dos quadrados das diferenças entre cada valor Xi e a média,
dividido pelo número de observações, como vimos na aula passada:
 2
=
( X i − X )2
n , tornando o item III falso.
Resposta: C
18.FGV – SEAD/AP – 2010)

Uma urna contém 50 bolinhas idênticas numeradas de 1 a 50. Se quatro bolinhas são aleatoriamente sorteadas
com reposição, a probabilidade de que, dos quatro números sorteados, dois sejam pares e dois sejam impares
é igual a:
(A) 12,5%.
(B) 25,0%.
(C) 37,5%.
(D) 50,0%.
(E) 62,5%.
RESOLUÇÃO:
Veja que temos reposição, ou seja, a probabilidade de tirar uma bolinha par ou ímpar não muda a cada
tentativa. Definindo como “sucesso” a retirada de um número par, o nosso objetivo é conseguir k = 2 sucessos
em n = 4 tentativas, sabendo que a probabilidade de sucesso em cada tentativa é p = 50% (afinal metade das
bolas são pares). Estamos diante de uma distribuição binomial, cuja probabilidade é dada por:
n
P (k , n, p ) =    p k  (1 − p ) n − k
k 
 4
P (2; 4;0,50) =    0,502  (1 − 0,50) 4− 2
 2
P (2; 4;0,50) = 6  0, 25  0, 25 = 0,375 = 37,5%
Resposta: C
Aula 05
19.CESPE – TCU – 2008)

Considerando que em 2008 sejam ofertados 2.500 imóveis, dos quais sejam vendidos Y imóveis nesse mesmo
ano, nesse caso, se a probabilidade de um imóvel ofertado em 2008 ser vendido no mesmo ano for igual a 0,4,
e se Y seguir uma distribuição binomial, então a probabilidade de se observar o evento Y  1.000 imóveis será
inferior a 0,41.
RESOLUÇÃO:
Podemos considerar que a venda de cada um dos n = 2500 imóveis é um evento (ou tentativa), sendo que Y é o
número de sucessos (vendas efetivadas) e 2500-Y é o número de fracassos (vendas não efetivadas). A chance
de sucesso em cada tentativa é p = 0,4. Assim,
E(Y) = n x p = 2500 x 0,4 = 1000
Assim, em média serão vendidos 1000 imóveis no ano. Como essa distribuição é praticamente simétrica,
podemos dizer que cerca de 50% dos resultados possíveis é superior a esta média, e cerca de 50% é inferior.
Isto é,
P(Y  1.000)  0,50
Este valor é superior a 0,41, portanto o item está ERRADO.

Resposta: E
20.CESPE – TJ-ES – 2011)

Com o propósito de estimar o valor do número  um estudante efetuará o seguinte experimento
computacional:
1. gerará uma amostra aleatória simples de n coordenadas, (Xi, Yi), i = 1, …, n, em que Xi e Yi são independentes
e têm distribuição uniforme contínua no intervalo (0, L), L > 0;
2. contará o número D  n desses pontos que estão no interior da circunferência de raio r = L/2 e centro no
ponto (L/2, L/2).
Em relação ao experimento descrito, julgue os itens subsequentes.

( ) O número D segue uma distribuição binomial.
RESOLUÇÃO:
Apesar da redação aparentemente complicada, o experimento do estudante consiste em marcar em um gráfico

n pontos do tipo (Xi, Yi) de modo que os valores possíveis de Xi estão entre 0 e L, e os valores possíveis de Yi
também estão entre 0 e L. Deste modo, os pontos poderão ir de (0, 0) até (L, L). Seria algo assim:
Aula 05
Após isso, o estudante desenhará a circunferência com raio L/2 e com centro no ponto (L/2, L/2), tendo o
seguinte desenho:
O número D é a quantidade de pontos que caem dentro do círculo. Assim, é possível calcular a probabilidade p
de um ponto colocado aleatoriamente dentro do quadrado (de lado L) estar também dentro do círculo. Esta
probabilidade é dada pela razão entre as áreas do círculo e do quadrado.
Mas o que é pedido é simplesmente que você identifique que este é um evento binomial. Isto porque temos “n”
tentativas (os n pontos marcados aleatoriamente), para as quais só há dois resultados possíveis: sucesso (estar
dentro do círculo) ou fracasso (estar fora do círculo). E existe uma probabilidade p para este sucesso ocorrer.
Deste modo, podemos dizer que o número de pontos que caem dentro do círculo (D) é , sim, uma distribuição
binomial.
Resposta: C
21.CESPE – ABIN – 2010)

Considere a seguinte situação hipotética.
De uma urna que contém 15 bolas brancas e 1 bola vermelha serão retiradas aleatoriamente 12 bolas. Em cada
retirada, será observada a cor da bola selecionada. Se branca, a bola não será devolvida à urna; se vermelha, a
bola será devolvida à urna. Ao final do processo, será registrado o número X de vezes que a bola vermelha foi
observada nessas doze retiradas.
Em face dessa situação, é correto afirmar que X é uma variável aleatória com distribuição binomial com n = 12.
RESOLUÇÃO:
Aula 05
Para uma distribuição ser considerada binomial, a chance de sucesso em cada tentativa (no caso, em cada
retirada de bola) deve ser a mesma, que simbolizamos por “p”. No início, existem 15 brancas e 1 vermelha, de
modo que a chance de retirar a vermelha é de 1 em 16. Entretanto, ao retirar uma bola branca e não repô-la, a
chance de pegar uma bola vermelha passa a ser de 1 em 15. E assim sucessivamente. Isto é, a probabilidade de
sucesso vai sendo alterada à medida que as bolas brancas são retiradas. Assim, NÃO temos uma distribuição
binomial. Item ERRADO.
Resposta: E
22.CESPE – TRT-17ª – 2009)

Considere que Y seja uma variável aleatória de Bernoulli com parâmetro p, em que p é a probabilidade de uma
ação judicial trabalhista ser julgada improcedente. De uma amostra aleatória simples de 1.600 ações judiciais
trabalhistas, uma seguradora observou que, em média, 20% dessas ações foram julgadas improcedentes. Com
base nessa situação hipotética, julgue os próximos itens.
( ) A distribuição amostral do número de ações judiciais trabalhistas julgadas improcedentes segue uma
distribuição binomial.
RESOLUÇÃO:
Veja que temos n = 1600 tentativas. Aqui o “sucesso” é a ação ser julgada improcedente, afinal é essa a
distribuição que o enunciado propôs. Temos que a probabilidade de sucesso é p = 20%. Portanto, temos uma
distribuição binomial com parâmetros n = 1600 e p = 20%. Item CORRETO.
Resposta: C
23.ESAF – MI – 2012)
Seja X uma Variável Aleatória Binomial com parâmetros n e p. Sendo Cn,k o número de combinações de n
elementos tomados k a k, obtenha a expressão de P(X = k).
a) Cn,n-k p(1-p)n-k
b) Cn,k pn-k(1-p)k
c) Cn,k pk(1-p)n-k
d) Cn,k p(1-p)k-1
e) Cn,n-k pn-k(1-p)k
RESOLUÇÃO:
Para obter sucesso em cada tentativa, a probabilidade é p. E para obter fracasso, a probabilidade é 1 – p. Assim,
para ter sucesso exatamente nas “k” primeiras tentativas, a probabilidade é pk, e para obter insucesso nas
demais (n – k) tentativas, a probabilidade é (1 – p)n – k.
Aula 05
Até aqui, temos que a probabilidade de sucesso nas “k” primeiras tentativas e de insucesso nas demais é dado
por:
pk x (1 – p)n – k
Sabemos, entretanto, que não é preciso que exatamente as “k” primeiras tentativas sejam os sucessos. Basta
que uma combinação de k, dentre as n tentativas, seja de sucesso. Assim, podemos multiplicar o resultado
anterior pela combinação de n tentativas, k a k, chegando à expressão:
Cn,k x pk x (1 – p)n – k
Temos esta expressão na alternativa C. Veja que esta é exatamente a fórmula que vimos ao estudar a binomial:
n
P(k , n, p ) =    p k  (1 − p ) n −k
k 
Resposta: C
24.FEPESE – SEF/SC – 2010)

Uma variável aleatória X segue uma distribuição binomial com os seguintes parâmetros: número de ensaios =
100; probabilidade de sucesso em cada ensaio = 0,2. E acordo com essas informações, qual é o valor esperado
de X?
a) 0,2
b) 0,8
c) 20
d) 80
e) 100
RESOLUÇÃO:
Na distribuição binomial, sabemos que o valor esperado é dado por:
E(X) = n . p
E(X) = 100 . 0,2

E(X) = 20
Resposta: C
Aula 05
25.FCC – ICMS/RJ – 2014)

Sabe-se que:
I. X é uma variável aleatória com distribuição binomial com média 2p e variância (2p-2p2).
II. Y é uma variável aleatória com distribuição binomial com média 5p e variância (5p-5p2).
III. A probabilidade de X ser inferior a 2 é igual a 15/16.
Nessas condições, a probabilidade de Y ser superior a 3 é igual a
7
(A) 512
3
(B) 1.024
1
(C) 64
5
(D) 512
15
(E) 1.024
RESOLUÇÃO:
Para a distribuição X, temos:
E(X) = n.p
Var(X) = n.p.(1-p) = np – np2
Foi dado que E(X) = 2p, e Var(X) = 2p – 2p2. Comparando as fórmulas, vemos que n = 2. Foi dito que a
probabilidade de X ser inferior a 2 é de 15/16. Logo, a probabilidade de X ser maior ou igual a 2 é 1 – 15/16 = 1/16.
Esta é justamente a probabilidade de X = 2, afinal como n = 2 tentativas, só podemos ter resultados de 0 a 2.
Isto é,
P(X = 2) = C(2,2) x p2 x (1 – p)0
1/16 = 1 x p2
1/4 = p
Foi dito que E(Y) = 5p e Var(Y) = 5p – 5p2. De maneira análoga, podemos concluir que n = 5. A probabilidade de
Y ser superior à 3 é a soma das probabilidades de Y = 4 e Y = 5, ou seja,
P(Y > 3) = P(Y = 4) + P(Y = 5)

P(Y > 3) = C(5,4) x p4 x (1 – p)1 + C(5,5) x p5 x (1 – p)0
Aula 05
P(Y > 3) = 5 x p4 x (1 – p) + 1 x p5
P(Y > 3) = 5 x (1/4)4 x (1 – 1/4) + 1 x (1/4)5

P(Y > 3) = 5 x (1/4)4 x (3/4) + 1 x (1/4)5
P(Y > 3) = 5 x 1 x 3 /45 + 1/45
P(Y > 3) = 15 /45 + 1/45
P(Y > 3) = 16 /45
P(Y > 3) = 16 /1024
P(Y > 3) = 1 / 64
Resposta: C
26.FCC – ICMS/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
RESOLUÇÃO:
A probabilidade de que exatamente “k” dos 4 domicílios tenham isenção é dada por uma distribuição binomial
onde a probabilidade de sucesso (ter isenção) é p = 20% e a probabilidade de insucesso (não ter isenção) é q =
1 – p = 80%. Assim, a probabilidade de que 2 ou mais domicílios sejam isentos é dada pela soma das
probabilidades de que 2, 3 ou 4 domicílios sejam isentos, isto é:
P(2 ou mais) = P(2) + P(3) + P(4) = 1 – P(0) – P(1)
É mais fácil obtermos P(0) e P(1):
 4
P(0) =   0, 200  0,804−0
0
 
P(0) = 11 0,84 = 0,4096
Aula 05
 4
P(1) =   0, 201  0,804−1
1 
 
P(0) = 4  0,2  0,83 = 0,4096
Assim,
P(2 ou mais) = 1 – P(0) – P(1) = 1 – 0,4096 – 0,4096
P(2 ou mais) = 0,1808 = 18,08%
Resposta: C
27.VUNESP – 2015)
Uma pesquisa revela que, em um centro de televendas, as chamadas telefônicas ocorrem, de modo aleatório e
independente, à taxa de 12 chamadas a cada 20 minutos. Considera-se que a probabilidade de uma chamada é
igual em quaisquer dois períodos de tempo de igual duração e, portanto, utiliza-se a função de probabilidade
de Poisson que, para o caso, é p(x) = (λx ∙ e-λ)/x! em que x é o número de chamadas em qualquer período de 20
minutos, e λ é a média de ocorrências. De acordo com esses dados e aproximando e–3 para 0,05, a probabilidade
de que, em 5 minutos, seja recebida exatamente uma chamada é, aproximadamente, de
a) 15%
b) 25%
c) 30%
d) 35%
e) 40%
RESOLUÇÃO:
Aqui estamos diante da distribuição de Poisson e queremos calcular P(x=1), que é a probabilidade de ser
recebida exatamente 1 chamada em 5 minutos. Precisamos calcular o valor de λ em 5 minutos. Sabemos que λ
= 12 chamadas em 20 minutos, portanto em 5 minutos λ = 12/4 = 3 chamadas a cada 5 minutos. Logo, temos
que:
λ𝑥 ∙ 𝑒 −λ 31 ∙ 𝑒 −3
P(X = 1) = =
x! 1!
O enunciado nos fornece que 𝑒 −3 = 0,05, portanto:
P(X = 1) = 3 ∙ 0,05 = 0,15 = 15%

Logo, a alternativa A é o gabarito da questão.
Resposta: A
Aula 05

O total diário - X - de pessoas recebidas em uma unidade de pronto atendimento (UPA) para atendimento
ambulatorial, e o total diário - Y - de pessoas recebidas nessa mesma UPA para atendimento de urgência segue
processos de Poisson homogêneos, com médias, respectivamente, iguais a 20 pacientes/dia e 10 pacientes/dia,
e as variáveis aleatórias X e Y são independentes. Sabe-se que, em média, a necessidade de cuidados
hospitalares atinge 10% dos pacientes do atendimento ambulatorial e 90% dos pacientes do atendimento de
urgência.
A partir dessa situação hipotética, julgue o próximo item, considerando que o registro da necessidade de
cuidados hospitalares seja feito no momento em que o paciente chegue à UPA e que H seja a quantidade diária
registrada de pacientes com necessidades de cuidados hospitalares.
( ) A quantidade diária H segue uma distribuição de Poisson.
( ) A soma X + Y segue uma distribuição de Poisson com média e variância respectivamente iguais a 30 e 900.
( ) A média da variável aleatória H é igual a 11 pacientes/dia.
RESOLUÇÃO:
Observe que H é a quantidade diária de pacientes, seja para atendimento ambulatorial ou para atendimento
de urgência. Como se trata da junção de duas distribuições Poisson independentes, teremos uma nova
distribuição Poisson. A cada dia vamos ter uma quantidade média de pacientes que precisam de cuidados
hospitalares. Portanto, existe uma regularidade conhecida. Outra característica é que se tratam de casos
independentes entre si. Essas são características que definem a distribuição de Poisson. Item CERTO.
Numa distribuição de Poisson, tanto a média quanto a variância são iguais a lambda. Portanto, não é possível
que X + Y seja uma distribuição de Poisson e possua média e variância diferentes. Item errado.

X e Y têm médias, respectivamente, iguais a 20 pacientes/dia e 10 pacientes/dia. A necessidade de cuidados
urgência. Logo, a necessidade de cuidados hospitalares é dada por 20 x 10% + 10 x 90% = 2 + 9 = 11
pacientes/dia. Item correto.
Resposta: CEC

Se as variáveis aleatórias X e Y seguem distribuições de Bernoulli,
Aula 05
tais que P[X = 1] = P[Y = 0] = 0,9, então:
( ) A distribuição de X2 é Bernoulli com média igual a 0,81

RESOLUÇÃO:
Como X só assume os valores 0 ou 1, podemos dizer que X2 também só assumirá os valores 02 = 0 e 12 = 1. Trata-
se de uma variável Bernoulli. A média é dada pela multiplicação de cada valor que a variável pode assumir (1 ou
0) pelas respectivas probabilidades (0,9 e 0,1):
E(X) = 1.0,9 + 0.0,1 = 0,9
Item ERRADO.

A variância de uma variável Bernoulli é dada por p.(1-p), onde p é a probabilidade de sucesso. Note que, no caso
de X, p = 0,9 (pois esta é a probabilidade de X ser igual a 1). E, no caso da variável Y, p = 0,1, de modo que 1-p =
0,9 é a probabilidade de fracasso, ou seja, de Y = 0.
Assim:
Var(X) = 0,9.(1-0,9) = 0,09
Var(Y) = 0,1.(1-0,1) = 0,09

Item CORRETO.
Y só assume os valores 0 e 1, com as probabilidades de 0,9 e 0,1, respectivamente. Deste modo, a sua média é:
E(Y) = 0.0,9 + 1.0,1 = 0,1

Item ERRADO.
Resposta: E C E
30.CESGRANRIO – PETROBRAS – 2014)

O caixa de um banco, nos horários de pico, recebe, em média, 3 clientes a cada minuto. A chegada dos clientes,
nesses horários, obedece a uma distribuição de Poisson. Assim, a probabilidade para
Dado: e-3 = 0,049

(A) não receber clientes é menor do que 1%.
Aula 05
(B) receber um cliente é maior do que 18%.
(C) receber dois clientes é menor do que 20%.

(D) receber até dois clientes (inclusive) é menor do que 60%.
(E) receber até três clientes (inclusive) é maior do que 90%.
RESOLUÇÃO:
O número de clientes esperados em 1 minuto é igual a 3, portanto  = 3. Na fórmula da distribuição Poisson:

e−   k
f (k;  ) =
k!
e −3  3k
f (k ;3) =
k!
Assim, a probabilidade de k = 0 cliente é:
e −3  30 e −3  1
f (0;3) = = = e −3 = 0,049 = 4,9%
0! 1
A probabilidade de k = 1 cliente é:
e −3  31 e −3  3
f (1;3) = = = 3.0,049 = 0,147 = 14,7%
1! 1
A probabilidade de k = 2 clientes é:
e −3  32 0,049  9
f (2;3) = = = 0,2205 = 22,05%
2! 2
A probabilidade de k = 3 clientes é:
e −3  33 0,049  27
f (3;3) = = = 0,2205 = 22,05%
3! 6
Analisando as alternativas:
ERRADO, pois para k = 0 temos 4,9% de probabilidade.
ERRADO, pois para k = 1 temos 14,7%.
Aula 05
ERRADO, pois para k = 2 temos 22,05%.

CORRETO, pois até dois clientes temos 4,9% + 14,7% + 22,05% = 41,65%.
ERRADO, pois até 3 clientes temos: 4,9% + 14,7% + 22,05% + 22,05% = 63,7%.
Resposta: D
31.FGV – ICMS/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
e-2 = 0,14)
(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.
RESOLUÇÃO:
Aqui temos  = 2 , pois é esperado que 2 pacientes compareçam por dia. Como o cirurgião pode fazer no
máximo 2 cirurgias por dia, devemos calcular a probabilidade de comparecimento de k = 1 paciente e a
probabilidade do comparecimento de 2 ou mais pacientes em um dia. Fazemos isso com a fórmula:
e−   k
f (k;  ) =
k!
Para k = 1 paciente:
e −2  21
f (1;2) = = 2e −2 = 2  0.14 = 0.28 = 28%
1!
Aula 05
Para encontrar a probabilidade de k = 2 ou mais pacientes, podemos começar calculando a probabilidade de k

= 0 pacientes:
e −2  20
f (0;2) = = e −2 = 0,14 = 14%
0!
Assim, a probabilidade de 2 ou mais pacientes é:
f(2 ou mais) = 100% – f(1 paciente) – f(0 pacientes)
f(2 ou mais) = 100% – 14% – 28% = 58%
Portanto, temos 28% de probabilidade de chegar 1 paciente (e o médico ganhar 10.000 reais), e 58% de
probabilidade de chegarem 2 ou mais pacientes (e o médico ganhar 20.000 reais, pois ele atende no máximo
2). Ao todo, o faturamento esperado é:
E(X) = 28% x 10.000 + 58% x 20.000 = 14400 reais
Resposta: D

O número de falhas mensais de um computador é uma variável que tem distribuição de Poisson com média λ.
Sabe-se que λ é igual à média de uma distribuição uniforme no intervalo [2, 4]. Nessas condições, a
probabilidade de o computador apresentar exatamente duas falhas no período de 15 dias é igual a
(A) 24,75%
(B) 22,50%
(C) 12,50%
(D) 24,15%
(E) 15,25%
RESOLUÇÃO:
A média de uma distribuição uniforme no intervalo [2, 4] é simplesmente (2+4)/2 = 3. Assim, em média temos
3 falhas por mês, de modo que em 15 dias (1/2 mês) é esperada a ocorrência de 1,5 falha. Portanto, temos
 = 1,5 . Para termos k = 2 falhas, a probabilidade da distribuição Poisson é:
e−  . k
f (k ) =
k!
Aula 05
e−1,5 .1,52 0, 22.2, 25

f (2) = = = 0, 2475 = 24,75%
2! 2
Resposta: A

Um relatório, redigido por um auditor de um órgão público, tem 2 capítulos com 40 páginas cada. Esse relatório
apresenta uma média de 1 erro ortográfico a cada 10 páginas. Considere que:
I. a variável X que representa o número de erros por página tem distribuição de Poisson com média 0,1;
II. existe independência entre os eventos número de erros ortográficos do capítulo 1 e número de erros
ortográficos do capítulo 2.
Nessas condições, a probabilidade de que pelo menos um dos capítulos possua no máximo um erro ortográfico
é igual a
Dados: e-0,1 = 0,905

e-2 = 0,135
e-4 = 0,018
(A) 0,1800
(B) 0,1815
(C) 0,0180
(D) 0,1719
(E) 0.0164
RESOLUÇÃO:
Como temos uma média de 1 erro a cada 10 páginas, em 40 páginas é esperado obter 4 erros, ou seja,  = 4 .
Na distribuição Poisson,
e−  . k
f (k ) =
k!
Assim, as probabilidades de obter 0 erros ou 1 erro em um capítulo são:
e−4 .40
f (0) = = e−4 = 0, 018
0!
e−4 .41
f (1) = = 4e−4 = 4  0,018 = 0,072
1!
Aula 05
Para que "pelo menos um dos capítulos possua no máximo um erro ortográfico", basta que um dos capítulos
possua 0 erro ou 1 erro, ainda que o outro tenha mais erros. Assim podemos somar as probabilidades de
encontrar um ou nenhum erro em cada capítulo, mas devemos subtrair aqueles casos onde temos nenhum
erro nos dois capítulos ou apenas um erro nos dois capítulos:
Probabilidade = P(0 erro no cap. 1) + P(1 erro no cap. 1) + P(0 erro no cap. 2) + P(1 erro no cap. 2) - P(0 erro nos
dois cap.) - P(1 erro nos dois cap.) - P(0 erro no primeiro e 1 erro no segundo) - P(1 erro no primeiro e 0 erro no
segundo)
Probabilidade = 0,018 + 0,072 + 0,018 + 0,072 - 0,072x0,072 - 0,018x0,018 - 0,018x0,072 - 0,072x0,018

Probabilidade = 0,1719
Resposta: D
34.ESAF – AFRFB – 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:
RESOLUÇÃO:
Se chegam em média 2 petroleiros por dia, podemos esperar que em dois dias cheguem, em média, 4
petroleiros. Veja que este é o número esperado de ocorrências por unidade de tempo (neste exercício, a
unidade de tempo é 2 dias). Portanto,  =4.

e−   k
f (k;  ) =
A distribuição de Poisson tem a seguinte distribuição de probabilidades: k!
Aula 05
Se queremos no máximo 3 petroleiros, devemos somar as probabilidades de chegarem 0, 1, 2 ou 3 petroleiros,

isto é:
Probab( x  3) = f (0) + f (1) + f (2) + f (3)
Aplicando a fórmula de Poisson, temos:
e −4  40 e −4  41 e −4  42 e −4  43
Probab( x  3) = + + +
0! 1! 2! 3!
 40 41 42 43 
−4
Probab( x  3) = e   + + + 
 0! 1! 2! 3! 
 1 4 16 64   71 
Probab( x  3) = e −4   + + +  = e −4   
1 1 2 6  3
Resposta: C
35.FCC – SEFAZ/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
RESOLUÇÃO:
Estamos diante de uma distribuição de Poisson, pois a chegada de pessoas ao guichê é um evento que se repete
no tempo com frequência conhecida.
Observe que, em média, chegam 2 pessoas por minuto, de modo que é esperado que em 2 minutos cheguem
4 pessoas. Assim,  =4.

A probabilidade de chegar pelo menos 1 pessoa é igual a 100% menos a probabilidade de não chegar nenhuma
pessoa:
P ( X  1) = 1 − P (0)
Podemos calcular P(0) com auxílio da fórmula de distribuição de probabilidade de Poisson:
Aula 05
e−   k
f (k;  ) =
k!
e −4  40
f (0;4) = = e −4
0!
Portanto,
P ( X  1) = 1 − P (0)
P ( X  1) = 1 − e −4 = e −4  (e 4 − 1)
Resposta: A
Obs.: note que foi dito que e = 2,71828... apenas para você ter certeza de que “e” é o número de Euler da equação
de Poisson.
36.FCC – INFRAERO – 2011)

Para resolver essa questão, dentre as informações dadas abaixo, utilize aquela que julgar apropriada:
e-1 = 0,368e-2 = 0,135e-2,5 = 0,082

O número de passageiros que chegam a um posto de atendimento de uma empresa de aviação para fazer o
check-in às quartas-feiras pela manhã tem distribuição de Poisson com taxa média de 5 passageiros por minuto.
A probabilidade de chegar a esse mesmo posto, numa quarta-feira pela manhã, pelo menos 2 passageiros em
30 segundos, é de:
a) 0,575
b) 0,682
c) 0,713
d) 0,754
e) 0,814
RESOLUÇÃO:
Se chegam em média 5 passageiros por minuto, podemos dizer que chegam em média 2,5 passageiros a cada
30 segundos. Assim,  = 2,5 .
A probabilidade de chegarem pelo menos 2 passageiros é igual a 100% menos a probabilidade de chegarem 0
ou 1 passageiros:
P ( X  2) = 1 − P (0) − P(1)
Vamos calcular P(k = 0) e P(k = 1) com a fórmula da distribuição de Poisson:
Aula 05
e−   k
f (k;  ) =
k!
e −2,5  2,50
f (0;2,5) = = e −2,5
0!
e −2,5  2,51
f (1;2,5) = = e −2,5  2,5
1!
Portanto,
P( X  2) = 1− P(0) − P(1) = 1− e−2,5 − e−2,5  2,5
Como foi dito que e-2,5 = 0,082, então
P( X  2) = 1 − P(0) − P(1) = 0,713 = 71,3%

Resposta: C
37.FCC – TRE/SP – 2012)

Suponha que o número de eleitores que chegam a uma seção de uma Zona Eleitoral no dia de uma determinada
eleição, siga a uma distribuição de Poisson com uma média de chegada de 30 eleitores por meia hora. A
probabilidade de que cheguem menos de 3 eleitores em 5 minutos é
(A) 12,5 e−5
(B) 12,5 e−6
(C) 18,5 e−5
(D) 17,5 e−5

(E) 17,5 e−6
RESOLUÇÃO:
Em média chegam 30 eleitores a cada 30 minutos (meia hora), ou seja, 1 eleitor a cada minuto. Assim, nos 5
minutos sob análise é esperado que o número de ocorrências (chegadas) seja  = 5 eleitores. A função de
probabilidade é dada pela fórmula:
e−   k
f (k;  ) =
k!
Aula 05
e −5  5k
f (k ;5) =
k!
A probabilidade de chegada de menos de 3 eleitores é dada pela soma das probabilidades de chegada de 0, 1 e
2 eleitores (k = 0, k = 1 e k = 2). Isto é:
P(k < 3) = f(0; 5) + f(1; 5) + f(2; 5)
e −5  50 e −5  51 e −5  52
P (k  3) = + +
0! 1! 2!
25e −5
P (k  3) = e −5 + 5e −5 +
2
P(k  3) = 6e−5 + 12,5e−5
P(k  3) = 18,5e−5
Resposta: C
38.FCC – ICMS/RJ – 2014)

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: e-2 = 0,14; e-4 = 0,018
(A) 0,750
(B) 0,594
(C) 0,910
(D) 0,766
(E) 0,628
RESOLUÇÃO:
Temos uma média de 12 atendimentos por hora, de modo que em 20 minutos (1/3 de hora) é esperado 12 x 1/3
= 4 atendimentos. Logo,  = 4.
Para saber a probabilidade dessa CAF realizar MENOS DE 3 atendimentos, podemos somar as probabilidades
de k = 0, k = 1 e k = 2 atendimentos:
Aula 05
e−   k
f (k;  ) =
k!
e −4  40
f (0;4) = = e −4
0!
e −4  41
f (1;4) = = 4e −4
1!
e −4  42
f (2;4) = = 8e −4
2!
Logo,
f(0) + f(1) + f(2) = 13e-4
f(0) + f(1) + f(2) = 13x0,018

f(0) + f(1) + f(2) = 0,234
Assim, a probabilidade de realizar PELO MENOS 3 atendimentos é:

P = 1 – 0,234 = 0,766 = 76,6%
Resposta: D
39.FGV – ICMS/RJ – 2011)

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
Aula 05
RESOLUÇÃO:
A função de densidade de probabilidade deve nos dar, para cada valor de n, o valor de sua probabilidade.
Sabemos que, na distribuição de Bernoulli,
P(n = 1) = p
e
P(n = 0) = (1 – p)
Veja que a equação da alternativa A nos dá exatamente esses dois resultados:
P(n) = pn x (1 – p)1-n
Para n = 0 temos:
P(0) = p0 x (1 – p)1-0
P(0) = 1 x (1 – p)1
P(0) = 1 – p
E para n = 1 temos:
P(1) = p1 x (1 – p)1-1
P(1) = p x (1 – p)0
P(1) = p
Resposta: A
40.CESGRANRIO - PETROBRÁS - 2018)
Aula 05
Um experimento consiste na realização de pesquisas por telefone, e o entrevistador obtém sucesso quando
realiza a primeira entrevista completa. Esse experimento consiste em uma sequência de provas de Bernoulli -
provas independentes e probabilidade de sucesso em cada prova constante igual a 0,2. O sucesso do
experimento gera um lucro de 100 reais, e o fracasso, um custo de 20 reais. O experimento é repetido até haver
sucesso, ou seja, até a obtenção de uma primeira entrevista completa. A variância do lucro, em reais^2, é de
(A) 320
(B) 400
(C) 480
(D) 8.000
(E) 8.120
RESOLUÇÃO:
Estamos diante de uma distribuição geométrica de probabilidades, uma vez que o experimento é repetido até
o primeiro sucesso. Nesta distribuição temos probabilidade de sucesso p = 0,2 em cada tentativa, de modo que
sua variância é:
Var(X) = (1-p)/p2 = (1 – 0,2) / 0,22 = 0,8/0,04 = 80/4 = 20

Como X é a variável aleatória que nos dá o número de tentativas até o primeiro sucesso, podemos dizer que
temos (X – 1) fracassos e 1 sucesso. Assim, o lucro será de:
Lucro = 1.100 – (X-1).20
Lucro = 100 -20X + 20
Lucro = -20X + 120
Como X tem variância igual a 20, a variância do lucro será multiplicada por (-20)2, isto é,
Var(Lucro) = (-20)2 x 20 = 8000
Resposta: D
41.IBFC – EBSERH – 2017)

De um baralho de 52 cartas, são retiradas 8 cartas ao acaso, sem reposição. Considerando que um baralho
comum tem 12 figuras, a probabilidade de que quatro das cartas retiradas sejam figuras é de,
aproximadamente:
a) 50%
b) 25%
c) 20%
d) 8%
Aula 05
e) 6%
RESOLUÇÃO:
Como as cartas são retiradas sem reposição, concluímos que se trata de uma distribuição hipergeométrica. A
probabilidade pk de uma distribuição geométrica é dada pela fórmula abaixo:
(kr ) ∙ (N−r
n−k
)
pk =
(Nn)
Onde:
r: número total de cartas do baralho com figuras = 12

k: número de cartas retiradas do baralho com figuras = 4
N: número total de cartas do baralho = 52
n: número total de cartas retiradas ao acaso do baralho = 8
pk: probabilidade de se retirar k cartas com figuras em uma amostra de n cartas.
Logo, temos que:
(12
4
) ∙ (52−12
8−4
) (12
4
) ∙ (40
4
)
p4 = =
(52
8
) (52
8
)
495 ∙ 91390 45238050
p4 = = ≅ 0,06 = 6%
752538150 752538150
Portanto, concluímos que a alternativa E é o gabarito da questão.
Resposta: E
42.FCC – TRT/11 – 2017)

Um pesquisador está realizando um experimento que consiste em tentativas independentes que podem
resultar em sucesso ou fracasso e em que a probabilidade de sucesso é sempre constante. Na tabela de
distribuição de frequências a seguir, está registrado o número de tentativas até a obtenção do primeiro sucesso
para uma amostra de 100 repetições do experimento:
Seja X a variável aleatória que representa o número de tentativas até a obtenção do primeiro sucesso. Baseado
nessa amostra, o valor observado da estatística qui-quadrado apropriado para testar se X se comporta com
uma distribuição geométrica de média igual a 5 é dado por
a) 8,25
b) 7,05
Aula 05
c) 9,10
d) 6,15
e) 8,75
RESOLUÇÃO:
Precisamos calcular a frequência esperada para cada número de tentativas até obtenção de primeiro sucesso
quando supomos que X tem distribuição geométrica de média 5. Se a média é 5, significa que a probabilidade
de sucesso p é igual a 1/5 = 0,2 e a probabilidade de fracasso (1 – p) é igual a 1 – 0,2 = 0,8. Agora vamos calcular
os valores esperados para P(X = 1), P(X = 2) e P(X > 2), supondo que X tem distribuição geométrica com
probabilidade de sucesso p = 0,2:
P(X = 1) = 0,2
P(X = 2) = 0,2 ∙ 0,8 = 0,16
P(X > 2) = 1 − P(X = 1) − P(X = 2)
P(X > 2) = 1 − 0,2 − 0,16 = 0,64
Portanto, em uma amostra de tamanho 100, as frequências esperadas são 20 (para X = 1), 16 (para X = 2) e 64
(para X > 2)
Sintetizando, temos a seguinte tabela:
Nº de tentativas até 1º sucesso 1 2 Mais que 2
Frequência observada 24 24 52
Frequência esperada 20 16 64
De posse das frequências observadas e esperadas podemos calcular a estatística qui-quadrado X², sendo 𝑂𝑖 as
frequências observadas e 𝐸𝑖 as frequências esperadas:
3
(𝑂𝑖 − 𝐸𝑖 )2
X² = ∑
𝐸𝑖
𝑖=1
(24 − 20)2 (24 − 16)2 (52 − 64)2

X² = + +
20 16 64
42 82 (−12)2
X² = + +
20 16 64
16 64 144
X² = + +
20 16 64
4 9
X² = + 4 + = 0,8 + 4 + 2,25 = 7,05
5 4
Portanto, a alternativa B é o gabarito da questão.
Aula 05
Resposta: B
43.FCC – TRT/11 – 2017)

Num lote de 20 peças, as proporções de peças boas, com pequenos defeitos e com grandes defeitos são, 0,7, p
e q, respectivamente. Sabe-se que p > q.
Uma amostra aleatória, sem reposição, de 3 peças é selecionada. A probabilidade da amostra conter
exatamente duas peças defeituosas é igual a
a) 3/19
b) 5/39
c) 7/38
d) 3/17
e) 1/19
RESOLUÇÃO:
A proporção de peças defeituosas é dada pela soma da proporção de peças com pequenos defeitos com a
proporção de peças com grandes defeitos, ou seja, proporção de peças defeituosas = p + q = 1 – 0,7 = 0,3
Como as peças são retiradas sem reposição, concluímos que se trata de uma distribuição hipergeométrica. A
probabilidade pk de uma distribuição geométrica é dada pela fórmula abaixo:
(kr ) ∙ (N−r
n−k
)
pk =
(N
n)
Onde:
r: número total de peças com defeitos = 0,3 x 20 = 6
k: número de peças retiradas com defeito na amostra = 2
N: número total de peças no lote = 20
n: número total de peças da amostra = 3
pk: probabilidade de se retirar k peças com defeito em uma amostra de 3 peças.

Logo, temos que:
(62) ∙ (20−6
3−2
) (62) ∙ (14
1
)
p2 = =
(20
3
) (20
3
)
15 ∙ 14 210 7
p2 = = =
1140 1140 38
Portanto, concluímos que a alternativa C é o gabarito da questão.
Aula 05
Resposta: C
44.CESGRANRIO – PETROBRÁS – 2012)

Ensaios em laboratório, tendo probabilidade θ (desconhecida) de sucesso em cada tentativa, são realizados
sucessiva e independentemente até a ocorrência do primeiro sucesso. Para cada realização experimental, seja
X a variável aleatória que representa o número de ensaios realizados até a ocorrência do primeiro sucesso. Se
quatro realizações são feitas em laboratório, obtendo-se a amostra {3, 3, 4, 5}, o estimador de máxima
verossimilhança para θ, à luz dessa amostra, é dado por
a) 1/3
b) 1/5
c) 1/15
d) 4/15
e) 47/60
RESOLUÇÃO:
Estamos diante de uma distribuição geométrica. A distribuição de probabilidades geométrica é aquela que
mede a probabilidade de se obter o PRIMEIRO sucesso em um experimento após “n” tentativas. Veja que, em
média, o número de tentativas necessárias para se obter o primeiro sucesso foi:
3 + 3 + 4 + 5 15
𝐸(𝑋) = = = 3,75
4 4
Sabemos que a média da distribuição geométrica é dada por:
E(X) = 1/ p
Nesta fórmula, p é a probabilidade de sucesso em cada tentativa. Ou seja, considerando os dados do enunciado,
p = θ. Portanto,
E(X) = 3,75 = 1/ θ
Θ = 1 / 3,75
Θ = 2/7,5
Θ = 4/15
Aproveitando o exercício, vale lembrar que, na distribuição geométrica, a variância é:

1−𝑝
𝑉𝑎𝑟(𝑋) =
𝑝2
Aula 05
Resposta: D
45.CESPE – DETRAN/DF – 2009)

Um estudo acerca do sucateamento de veículos automotores forneceu o modelo abaixo para a probabilidade
condicional de certo tipo de veículo estar em condição de uso em função do seu tempo de uso X (em anos).
P(Y = 1|X = t) = exp( )

Nesse modelo, exp(.) representa a função exponencial; Y é uma variável aleatória binária que assume valor 1,
se o veículo estiver em condição de uso, ou 0, se o veículo não estiver em condição de uso; t ≥ 0 representa um
instante (em anos) em particular; e a variável aleatória contínua X, é definida pela seguinte expressão.
P(X t) = 1 exp( )
Com base nessas informações, julgue os itens que se seguem.
( ) A variável aleatória Y segue uma distribuição de Bernoulli.
RESOLUÇÃO:
Para que a variável seja de Bernoulli, ela deve admitir apenas dois resultados possíveis, sucesso e fracasso. Além
disso, apenas uma tentativa deve ser realizada. Perceba que no modelo mencionado queremos obter a
probabilidade de o veículo estar em condição de uso ou não. A variável aleatória Y é binária, ou seja, assume
somente dois valores possíveis: 1 se o veículo estiver bom para uso, e 0, caso não esteja. Assim, podemos
afirmar que Y segue uma distribuição de Bernoulli.
RESPOSTA: C
46.CESPE – TRT 17 – 2013)

No que se refere a distribuições discretas, julgue os seguintes itens.
( ) Em toda distribuição binomial, a média será menor que a variância.
RESOLUÇÃO:
Na distribuição binomial, a média é dada por E(X) = n . p. Já a variância é dada por Var(X) = n . p.(1 - p). A
depender do valor de p, podemos ter a média maior que a variância. Imagine, por exemplo, que n = 10 e p = 0,7.
Assim, a média é 10 x 0,7 = 7. Já a variância é 10 x 0,7 x 0,3 = 2,1. Item errado.
RESPOSTA: E
47.CESPE – PF – 2018)
Aula 05
Em determinado município, o número diário X de registros de novos armamentos segue uma distribuição de
Poisson, cuja função de probabilidade é expressa por em que k = 0, 1, 2, ..., e M é um

parâmetro.
Considerando que a tabela precedente mostra as realizações da variável aleatória X em uma amostra aleatória
simples constituída por cinco dias, julgue o item que segue.
( ) Com base no critério de mínimos quadrados ordinários, estima-se que o parâmetro M seja igual a 4 registros
por dia.
( ) Como a tabela não contempla uma realização do evento X = 7, é correto afirmar que P(X = 7) = 0.
( ) A estimativa de máxima verossimilhança do desvio padrão da distribuição da variável X é igual a 2 registros

por dia.
RESOLUÇÃO:
M é o parâmetro da distribuição de Poisson nesse caso, ou seja, ele corresponde ao lambda.
( ) Com base no critério de mínimos quadrados ordinários, estima-se que o parâmetro M seja igual a 4 registros por
dia.
Para estimar o parâmetro M basta obter o número médio de realizações da variável X. Assim, basta fazer (6 +
8 + 0 + 4 + 2 )/5 = 20/5 = 4. Como a média é igual a lambda, podemos dizer eu o parâmetro M é igual a 4 registros
por dia. Item correto.
Item errado. O fato de não ter uma realização do evento X = 7 não quer dizer que sua probabilidade seja zero.
Pode ser que em algum dia existam 7 registros de novos armamentos. Outra forma de verificar que a
probabilidade é diferente de zero é utilizar a função de probabilidade dada no enunciado, fazendo k = 7 e M =
4.
( ) A estimativa de máxima verossimilhança do desvio padrão da distribuição da variável X é igual a 2 registros por
dia.
A variância na distribuição de Poisson é dada por Var(X) =  = 4. Já o desvio padrão é igual à raiz quadrada da
variância, ou seja, ele vale 2. Item correto.
RESPOSTA: CEC
Aula 05
Fim de aula. Até o próximo encontro!

Saudações,
Prof. Arthur Lima
Aula 05
Lista de questões da aula

1. FCC – ISS/SÃO LUIS – 2018)
Em uma população formada por indivíduos que se encontram empregados, observa-se que 40% deles têm um
salário superior a 10 salários mínimos. Para desenvolver um estudo, é extraída uma amostra aleatória de 3
indivíduos desta população com reposição. A probabilidade de que mais que 1 indivíduo desta amostra não
tenha um salário superior a 10 salários mínimos é de
(A) 56,8%
(B) 64,8%
(C) 71,2%
(D) 78,4%
(E) 72,0%
2. FCC – TRT/SP – 2018)

O número de pessoas que não têm suas reclamações atendidas por mês em um posto de atendimento de uma
empresa em uma cidade tem distribuição de Poisson com média λ e desvio padrão populacional igual a 2.
Deseja-se saber qual é a probabilidade (P) de o número de pessoas que não têm suas reclamações atendidas
neste posto ser mais que 1 pessoa em um determinado mês. Se e é a base do logaritmo neperiano (ln) tal que
ln(e) = 1, então P é igual a
a) [e−2(e2 − 3)]
b) [1 − e−2(e2 − 3)]
c) [1 − e−4(e4 − 5)]
d) [e−0,5(e0,5 − 1)]
e) [e−4(e4 − 5)]
3. FCC – TRT/11 – 2017)
Suponha que:
I. A variável X, que representa o número mensal de suicídios no país A, tem distribuição de Poisson com média
mensal 2.
II. A variável Y, que representa o número mensal de suicídios no país B, tem distribuição de Poisson com média
mensal 4.
III. As variáveis X e Y são independentes.
Aula 05
Nessas condições, a probabilidade de em determinado mês ocorrerem menos de 2 suicídios no país A e

exatamente 2 no país B é igual a
Dados:
e−1 = 0,37
e−2 = 0,135
e−4 = 0,018
a) 4,122%
b) 5,548%
c) 5,832%
d) 3,565%
e) 4,468%
4. VUNESP – 2015)
Em um bairro da cidade, foi feita uma enquete para verificar a preferência da comunidade em relação a dois
projetos: construção de uma árvore de natal ou um espetáculo com um cantor popular. Os entrevistados
deveriam optar por apenas uma dessas duas opções. Supondo que a chance de escolha de cada uma das opções
é de 50%, a probabilidade de se conseguir 4 votos para o espetáculo e 2 votos para a construção da árvore, em
um total de 6 votos, é, aproximadamente, igual a
a) 24,5%.
b) 44,9%.
c) 33,3%.
d) 23,4%.
e) 28,1%.

valor de f(x) dá a probabilidade de se obter x sucessos em n ensaios.
Considerando-se, então, um experimento com 4 ensaios, cuja probabilidade de sucesso em cada um é de 0,2,
e calculando o valor de f(x) para x = 1 o resultado será:
a) f(x) = 0,84 .
b) f(x) = 0,83 .
Aula 05
c) f(x) = 0,82 .
d) f(x) = 0,81 .
e) f(x) = 0,80 .

valor de f(x) dá a probabilidade de se obter x sucessos em n ensaios. Para o mesmo caso, o número de
resultados que fornece exatamente 2 sucessos em 5 ensaios é:
a) 2.
b) 4.
c) 6.
d) 8.
e) 10.
7. FUNRIO – Ministério da Justiça – 2009)
Sabe-se que o número de pessoas com suspeita de gripe suína que chegam a um pronto socorro em certo
intervalo de tempo, segue uma distribuição de probabilidade com valor esperado e variância igual a 30. Sendo
assim, podemos assumir que a distribuição de probabilidade que descreve esse processo é
A) Exponencial com parâmetro lambda igual a 1/30.
B) Poisson com parâmetro lambda igual a 30.
C) Normal com média e variância igual a 30.
D) Binomial com p=30.
E) Poisson com parâmetro lambda igual a 1/30.
8. FGV – MPE/BA – 2017)
Suponha que 8 pessoas foram identificadas pelo Ministério Público como possíveis integrantes de uma
ORCRIM. De acordo com a experiência dos procuradores, a probabilidade de que qualquer um deles esteja
envolvido é de 0,75.
Assim sendo, é correto afirmar que:

Aula 05

9. CESPE – POLÍCIA FEDERAL – 2018)
Determinado órgão governamental estimou que a probabilidade p de um ex-condenado voltar a ser condenado
por algum crime no prazo de 5 anos, contados a partir da data da libertação, seja igual a 0,25. Essa estimativa
foi obtida com base em um levantamento por amostragem aleatória simples de 1.875 processos judiciais,
aplicando-se o método da máxima verossimilhança a partir da distribuição de Bernoulli. Sabendo que P(Z < 2)
= 0,975, em que Z representa a distribuição normal padrão, julgue os itens que se seguem, em relação a essa
situação hipotética.

Todo paciente que chega a determinado posto hospitalar é imediatamente avaliado no que se refere à
prioridade de atendimento. Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não
emergente” (Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma
distribuição de Poisson com média igual a 20. Considerando que W represente o total diário de pacientes
emergentes, de tal sorte que , em que 0 ≤ w ≤ x e x ≥ 0, julgue os itens

subsequentes.
Aula 05
Considere um processo de amostragem de uma população finita cuja variável de interesse seja binária e assuma
valor 0 ou 1, sendo a proporção de indivíduos com valor 1 igual a p = 0,3. Considere, ainda, que a probabilidade
de cada indivíduo ser sorteado seja a mesma para todos os indivíduos da amostragem e que, após cada sorteio,
haja reposição do indivíduo selecionado na amostragem.
A partir dessas informações, julgue o item subsequente.
( ) Se for coletada uma amostra de tamanho n = 20, o número total de observações sorteadas com valor 1 terá
distribuição binomial com parâmetros n e p.
12.CESGRANRIO – IBGE – 2014)

Um atleta de arco e flecha tem probabilidade de 90% de acertar um específico alvo. Se esse atleta executa 40
lançamentos independentes, quais são, respectivamente, o número de erros esperado e a variância de erros?
(A) 3,6 ; 3,6
(B) 3,6 ; 36
(C) 4 ; 3,6
(D) 4 ; 36
(E) 36 ; 3,6

Um estudo mostra que 20% de todos os candidatos que estão prestando determinado concurso público
possuem doutorado em determinada área do conhecimento. Selecionando-se ao acaso e com reposição 4
desses candidatos, a probabilidade de que exatamente 2 possuam doutorado é igual a
(A) 13,24%
(B) 10,24%
(C) 5,72%
(D) 8,46%
(E) 15,36%
14.FCC - ISS/Teresina - 2016)

Suponha que o número de processos que um auditor fiscal analisa no período de uma semana tem distribuição
de Poisson com média de λ processos por semana. Sabe-se que λ satisfaz à equação P(X = λ) = 3/64 onde X é
uma variável aleatória com distribuição binomial com média 1 e variância 3/4. Nessas condições, a
probabilidade do auditor analisar exatamente 2 processos em uma semana é igual a
Dados:
Aula 05
e-2 = 0,14
e-3 = 0,05
(A) 0,350.
(B) 0,375.
(C) 0,325.
(D) 0,225.
(E) 0,250.
15.CEPERJ – OFICIAL SEFAZ/RJ – 2011)

Suponha que a variável aleatória X tenha distribuição binomial com média 3,5 e variância 1,75. Nesse caso, a
probabilidade P( X  2) será igual a:
A) 1/2
B) 15/16
C) 8/128
D) 21/128
E) 29/128
16.ESAF – AFRFB – 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 %
17.ESAF – Auditor/NATAL – 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).
Aula 05
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
18.FGV – SEAD/AP – 2010)

Uma urna contém 50 bolinhas idênticas numeradas de 1 a 50. Se quatro bolinhas são aleatoriamente sorteadas
com reposição, a probabilidade de que, dos quatro números sorteados, dois sejam pares e dois sejam impares
é igual a:
(A) 12,5%.
(B) 25,0%.
(C) 37,5%.
(D) 50,0%.
(E) 62,5%.
19.CESPE – TCU – 2008)

Considerando que em 2008 sejam ofertados 2.500 imóveis, dos quais sejam vendidos Y imóveis nesse mesmo
ano, nesse caso, se a probabilidade de um imóvel ofertado em 2008 ser vendido no mesmo ano for igual a 0,4,
e se Y seguir uma distribuição binomial, então a probabilidade de se observar o evento Y  1.000 imóveis será
inferior a 0,41.
20.CESPE – TJ-ES – 2011)

Com o propósito de estimar o valor do número  um estudante efetuará o seguinte experimento
computacional:
1. gerará uma amostra aleatória simples de n coordenadas, (Xi, Yi), i = 1, …, n, em que Xi e Yi são independentes
e têm distribuição uniforme contínua no intervalo (0, L), L > 0;
2. contará o número D  n desses pontos que estão no interior da circunferência de raio r = L/2 e centro no
ponto (L/2, L/2).
Aula 05
Em relação ao experimento descrito, julgue os itens subsequentes.
( ) O número D segue uma distribuição binomial.
21.CESPE – ABIN – 2010)

Considere a seguinte situação hipotética.
De uma urna que contém 15 bolas brancas e 1 bola vermelha serão retiradas aleatoriamente 12 bolas. Em cada
retirada, será observada a cor da bola selecionada. Se branca, a bola não será devolvida à urna; se vermelha, a
bola será devolvida à urna. Ao final do processo, será registrado o número X de vezes que a bola vermelha foi
observada nessas doze retiradas.
Em face dessa situação, é correto afirmar que X é uma variável aleatória com distribuição binomial com n = 12.
22.CESPE – TRT-17ª – 2009)

Considere que Y seja uma variável aleatória de Bernoulli com parâmetro p, em que p é a probabilidade de uma
ação judicial trabalhista ser julgada improcedente. De uma amostra aleatória simples de 1.600 ações judiciais
trabalhistas, uma seguradora observou que, em média, 20% dessas ações foram julgadas improcedentes. Com
base nessa situação hipotética, julgue os próximos itens.
( ) A distribuição amostral do número de ações judiciais trabalhistas julgadas improcedentes segue uma
distribuição binomial.
23.ESAF – MI – 2012)
Seja X uma Variável Aleatória Binomial com parâmetros n e p. Sendo Cn,k o número de combinações de n
elementos tomados k a k, obtenha a expressão de P(X = k).
a) Cn,n-k p(1-p)n-k
b) Cn,k pn-k(1-p)k
c) Cn,k pk(1-p)n-k
d) Cn,k p(1-p)k-1
e) Cn,n-k pn-k(1-p)k
24.FEPESE – SEF/SC – 2010)

Uma variável aleatória X segue uma distribuição binomial com os seguintes parâmetros: número de ensaios =
100; probabilidade de sucesso em cada ensaio = 0,2. E acordo com essas informações, qual é o valor esperado
de X?
Aula 05
a) 0,2
b) 0,8
c) 20
d) 80
e) 100
25.FCC – ICMS/RJ – 2014)

Sabe-se que:
I. X é uma variável aleatória com distribuição binomial com média 2p e variância (2p-2p2).
II. Y é uma variável aleatória com distribuição binomial com média 5p e variância (5p-5p2).
III. A probabilidade de X ser inferior a 2 é igual a 15/16.
Nessas condições, a probabilidade de Y ser superior a 3 é igual a
7
(A) 512
3
(B) 1.024
1
(C) 64
5
(D) 512
15
(E) 1.024
26.FCC – ICMS/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
Aula 05
27.VUNESP – 2015)
Uma pesquisa revela que, em um centro de televendas, as chamadas telefônicas ocorrem, de modo aleatório e
independente, à taxa de 12 chamadas a cada 20 minutos. Considera-se que a probabilidade de uma chamada é
igual em quaisquer dois períodos de tempo de igual duração e, portanto, utiliza-se a função de probabilidade
de Poisson que, para o caso, é p(x) = (λx ∙ e-λ)/x! em que x é o número de chamadas em qualquer período de 20
minutos, e λ é a média de ocorrências. De acordo com esses dados e aproximando e–3 para 0,05, a probabilidade
de que, em 5 minutos, seja recebida exatamente uma chamada é, aproximadamente, de
a) 15%
b) 25%
c) 30%
d) 35%
e) 40%

O total diário - X - de pessoas recebidas em uma unidade de pronto atendimento (UPA) para atendimento
ambulatorial, e o total diário - Y - de pessoas recebidas nessa mesma UPA para atendimento de urgência segue
processos de Poisson homogêneos, com médias, respectivamente, iguais a 20 pacientes/dia e 10 pacientes/dia,
e as variáveis aleatórias X e Y são independentes. Sabe-se que, em média, a necessidade de cuidados
urgência.
A partir dessa situação hipotética, julgue o próximo item, considerando que o registro da necessidade de
cuidados hospitalares seja feito no momento em que o paciente chegue à UPA e que H seja a quantidade diária
registrada de pacientes com necessidades de cuidados hospitalares.


Se as variáveis aleatórias X e Y seguem distribuições de Bernoulli,
tais que P[X = 1] = P[Y = 0] = 0,9, então:

Aula 05
30.CESGRANRIO – PETROBRAS – 2014)

O caixa de um banco, nos horários de pico, recebe, em média, 3 clientes a cada minuto. A chegada dos clientes,
nesses horários, obedece a uma distribuição de Poisson. Assim, a probabilidade para
Dado: e-3 = 0,049

31.FGV – ICMS/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
e-2 = 0,14)
(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.

O número de falhas mensais de um computador é uma variável que tem distribuição de Poisson com média λ.
Sabe-se que λ é igual à média de uma distribuição uniforme no intervalo [2, 4]. Nessas condições, a
probabilidade de o computador apresentar exatamente duas falhas no período de 15 dias é igual a
(A) 24,75%
Aula 05
(B) 22,50%
(C) 12,50%
(D) 24,15%
(E) 15,25%

Um relatório, redigido por um auditor de um órgão público, tem 2 capítulos com 40 páginas cada. Esse relatório
apresenta uma média de 1 erro ortográfico a cada 10 páginas. Considere que:
I. a variável X que representa o número de erros por página tem distribuição de Poisson com média 0,1;
II. existe independência entre os eventos número de erros ortográficos do capítulo 1 e número de erros
ortográficos do capítulo 2.
Nessas condições, a probabilidade de que pelo menos um dos capítulos possua no máximo um erro ortográfico
é igual a
Dados: e-0,1 = 0,905
e-2 = 0,135
e-4 = 0,018
(A) 0,1800
(B) 0,1815
(C) 0,0180
(D) 0,1719
(E) 0.0164
34.ESAF – AFRFB – 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:
Aula 05
35.FCC – SEFAZ/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
36.FCC – INFRAERO – 2011)

Para resolver essa questão, dentre as informações dadas abaixo, utilize aquela que julgar apropriada:
e-1 = 0,368e-2 = 0,135e-2,5 = 0,082
O número de passageiros que chegam a um posto de atendimento de uma empresa de aviação para fazer o
check-in às quartas-feiras pela manhã tem distribuição de Poisson com taxa média de 5 passageiros por minuto.
A probabilidade de chegar a esse mesmo posto, numa quarta-feira pela manhã, pelo menos 2 passageiros em
30 segundos, é de:
a) 0,575
b) 0,682
c) 0,713
Aula 05
d) 0,754
e) 0,814
37.FCC – TRE/SP – 2012)

Suponha que o número de eleitores que chegam a uma seção de uma Zona Eleitoral no dia de uma determinada
eleição, siga a uma distribuição de Poisson com uma média de chegada de 30 eleitores por meia hora. A
probabilidade de que cheguem menos de 3 eleitores em 5 minutos é
(A) 12,5 e−5

(B) 12,5 e−6
(C) 18,5 e−5
(D) 17,5 e−5
(E) 17,5 e−6
38.FCC – ICMS/RJ – 2014)

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: e-2 = 0,14; e-4 = 0,018

(A) 0,750
(B) 0,594
(C) 0,910
(D) 0,766
(E) 0,628
39.FGV – ICMS/RJ – 2011)

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
Aula 05
40.CESGRANRIO - PETROBRÁS - 2018)

Um experimento consiste na realização de pesquisas por telefone, e o entrevistador obtém sucesso quando
realiza a primeira entrevista completa. Esse experimento consiste em uma sequência de provas de Bernoulli -
provas independentes e probabilidade de sucesso em cada prova constante igual a 0,2. O sucesso do
experimento gera um lucro de 100 reais, e o fracasso, um custo de 20 reais. O experimento é repetido até haver
sucesso, ou seja, até a obtenção de uma primeira entrevista completa. A variância do lucro, em reais^2, é de
(A) 320
(B) 400
(C) 480
(D) 8.000
(E) 8.120
41.IBFC – EBSERH – 2017)

De um baralho de 52 cartas, são retiradas 8 cartas ao acaso, sem reposição. Considerando que um baralho
comum tem 12 figuras, a probabilidade de que quatro das cartas retiradas sejam figuras é de,
aproximadamente:
a) 50%
b) 25%
c) 20%
d) 8%
e) 6%
Aula 05
42.FCC – TRT/11 – 2017)

Um pesquisador está realizando um experimento que consiste em tentativas independentes que podem
resultar em sucesso ou fracasso e em que a probabilidade de sucesso é sempre constante. Na tabela de
distribuição de frequências a seguir, está registrado o número de tentativas até a obtenção do primeiro sucesso
para uma amostra de 100 repetições do experimento:
Seja X a variável aleatória que representa o número de tentativas até a obtenção do primeiro sucesso. Baseado
nessa amostra, o valor observado da estatística qui-quadrado apropriado para testar se X se comporta com
uma distribuição geométrica de média igual a 5 é dado por
a) 8,25
b) 7,05
c) 9,10
d) 6,15
e) 8,75
43.FCC – TRT/11 – 2017)

Num lote de 20 peças, as proporções de peças boas, com pequenos defeitos e com grandes defeitos são, 0,7, p
e q, respectivamente. Sabe-se que p > q.
Uma amostra aleatória, sem reposição, de 3 peças é selecionada. A probabilidade da amostra conter
exatamente duas peças defeituosas é igual a
a) 3/19
b) 5/39
c) 7/38
d) 3/17
e) 1/19
44.CESGRANRIO – PETROBRÁS – 2012)

Ensaios em laboratório, tendo probabilidade θ (desconhecida) de sucesso em cada tentativa, são realizados
sucessiva e independentemente até a ocorrência do primeiro sucesso. Para cada realização experimental, seja
X a variável aleatória que representa o número de ensaios realizados até a ocorrência do primeiro sucesso. Se
quatro realizações são feitas em laboratório, obtendo-se a amostra {3, 3, 4, 5}, o estimador de máxima
verossimilhança para θ, à luz dessa amostra, é dado por
Aula 05
a) 1/3
b) 1/5
c) 1/15
d) 4/15
e) 47/60
45.CESPE – DETRAN/DF – 2009)

Um estudo acerca do sucateamento de veículos automotores forneceu o modelo abaixo para a probabilidade
condicional de certo tipo de veículo estar em condição de uso em função do seu tempo de uso X (em anos).
P(Y = 1|X = t) = exp( )
Nesse modelo, exp(.) representa a função exponencial; Y é uma variável aleatória binária que assume valor 1,
se o veículo estiver em condição de uso, ou 0, se o veículo não estiver em condição de uso; t ≥ 0 representa um
instante (em anos) em particular; e a variável aleatória contínua X, é definida pela seguinte expressão.
P(X t) = 1 exp( )
Com base nessas informações, julgue os itens que se seguem.

( ) A variável aleatória Y segue uma distribuição de Bernoulli.
46.CESPE – TRT 17 – 2013)

No que se refere a distribuições discretas, julgue os seguintes itens.
( ) Em toda distribuição binomial, a média será menor que a variância.
47.CESPE – PF – 2018)
Em determinado município, o número diário X de registros de novos armamentos segue uma distribuição de
Poisson, cuja função de probabilidade é expressa por em que k = 0, 1, 2, ..., e M é um

parâmetro.
Aula 05
Considerando que a tabela precedente mostra as realizações da variável aleatória X em uma amostra aleatória
simples constituída por cinco dias, julgue o item que segue.
( ) Com base no critério de mínimos quadrados ordinários, estima-se que o parâmetro M seja igual a 4 registros
por dia.
( ) A estimativa de máxima verossimilhança do desvio padrão da distribuição da variável X é igual a 2 registros

por dia.
Aula 05
Gabarito
1. B 13. E 25. C 37. C
2. E 14. D 26. C 38. D
3. C 15. B 27. A 39. A
4. D 16. D 28. CEC 40. D
5. A 17. C 29. ECE 41. E
6. E 18. C 30. D 42. B
7. B 19. E 31. D 43. C
8. A 20. C 32. A 44. D
9. CE 21. E 33. D 45. C
10. CEEC 22. C 34. C 46. E
11. C 23. C 35. A 47. CEC
12. C 24. C 36. C
Aula 05
Resumo direcionado
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÃO COMO IDENTIFICAR VALOR ESPERADO VARIÂNCIA
(MÉDIA)
Bernoulli 1 tentativa 𝐸(𝑋) = 𝑝 𝑉𝑎𝑟(𝑋) = 𝑝. (1 − 𝑝)
2 resultados possíveis
Binomial “n” tentativas independentes 𝐸(𝑋) = 𝑛. 𝑝 𝑉𝑎𝑟(𝑋) = 𝑛. 𝑝. (1 − 𝑝)
2 resultados possíveis
Probabilidade de sucesso constante
Poisson Fenômeno que se estende no 𝐸(𝑋) = 𝜆 𝑉𝑎𝑟(𝑋) = 𝜆

tempo ou espaço com
independência e regularidade
conhecida
Geométrica Probabilidade de “n” tentativas até E(X) = 1/p Var(X) = (1-p)/p2

o primeiro sucesso
FUNÇÃO DE PROBABILIDADE BINOMIAL

𝑃(𝑘, 𝑛, 𝑝) = 𝐶(𝑛, 𝑘). 𝑝𝑘 . (1 − 𝑝)𝑛−𝑘
(probabilidade de k sucessos em n tentativas com probabilidade p de sucesso a cada tentativa)
FUNÇÃO DE PROBABILIDADE POISSON

𝑓(𝑘, 𝜆) =
𝑘!
(probabilidade de k repetições do evento durante o período observado)
FUNÇÃO DE PROBABILIDADE GEOMÉTRICA

P(X = n) = p.(1 – p)n-1

Estatísticapara Escrivãoe Agenteda Polícia Federal Pósedital Aula 8

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatísticapara Escrivãoe Agenteda Polícia Federal Pósedital Aula 8

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística para Escrivão e Agente da Polícia Federal Prof. Arthur Lima, Prof.

DISTRIBUIÇÕES DE PROBABILIDADE .................................................................................................................3

QUESTÕES COMENTADAS PELO PROFESSOR ................................................................................................. 20

LISTA DE QUESTÕES DA AULA ........................................................................................................................64

RESUMO DIRECIONADO .................................................................................................................................. 83

PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADE DISCRETAS........................................................................ 83

Olá, tudo bem? Aqui é o professor Arthur Lima.

É com muita alegria que inicio mais essa aula.

Vamos tratar sobre os seguintes tópicos do seu edital neste encontro:

Distribuição de probabilidades (discretas).

Já para variáveis aleatórias contínuas, chamamos de função de DENSIDADE de probabilidade a função

Vamos estudar agora as principais Distribuições de Probabilidade de variáveis discretas.

DISTRIBUIÇÕES DE PROBABILIDADE DE VARIÁVEIS DISCRETAS

Ou seja, como temos p = 0,70, podemos dizer que:

Var(X) = 0,70 x (1 – 0,70)

Antes de avançarmos, guarde os principais aspectos da distribuição Bernoulli:

- distribuição discreta (assume apenas dois valores);

- a probabilidade de 0bter o valor 1 é chamada de p;

- variância: Var(X) = p x (1 – p).

Veja comigo essas questões:

( ) As variâncias de X e Y são iguais.

( ) A média de Y é superior a 0,5

( ) As variâncias de X e Y são iguais.

Var(X) = 0,9 x (1 – 0,9)

Var(Y) = 0,1 x (1 – 0,1)

Var(Y) = 0,1 x 0,9

De fato as duas variâncias são iguais. Item CERTO.

( ) A média de Y é superior a 0,5.

A média, ou valor esperado, é dada por:

Como p = 0,1 (probabilidade de Y assumir o valor 1), temos:

- só temos 2 resultados possíveis (sucesso ou fracasso);

- temos um número fixo de tentativas (ex.: 3 lançamentos do dado);

A fórmula abaixo nos dá a probabilidade de termos exatamente k casos de sucesso, ao efetuar n

Numa distribuição binomial, o valor esperado será:

Já a variância é dada por:

Em nosso exemplo, a variância seria:

Var(X) = 3 x (1/6) x (5/6)

Antes de avançarmos, guarde os principais aspectos da distribuição Binomial:

- distribuição discreta (assume apenas dois valores: sucesso ou fracasso);

- probabilidade de se obter exatamente k sucessos em n tentativas:

- variância: Var(X) = n x p x (1 – p).

(A) 3,6 ; 3,6

E(X) = n.p = 40 x 90% = 36

Var(Erro) = 40 x 10% x 90% = 3,6

a) a probabilidade de que haja no grupo 7 ou mais envolvidos é de 2,75. (0,75)7;

c) o número esperado de não envolvidos é igual a 6;

d) a probabilidade de que a maioria dos identificados seja de envolvidos é de 7,25. (0,25)7;

e) a probabilidade de envolvidos e não envolvidos em mesmo número é de 35. (0,75)4.(0,25)4.

P(X ≥ 7) = P(X = 7) + P(X = 8)

Portanto, a alternativa A está correta e é o gabarito da questão.

E(X) = n.p = 1000.0,25 = 250

A média da binomial é dada por E(X) = nxp. Portanto:

E(X) = nxp = 3,5

Já a variância é dada por Var(X) = nxpx(1-p). Como nxp = 3,5, então:

Var(X) = 3,5 (1-p)

7 1 1

10 minutos ---------------- N pessoas

Se quisermos calcular a probabilidade de chegarem exatamente “k” pessoas na fila em um intervalo de

Se quisermos calcular a probabilidade de, em 10 minutos, chegarem exatamente 2 pessoas, temos k = 2.

𝑓(2; 2,5) = 3,125. 𝑒 −2,5

𝑓(2; 2,5) = 3,125.0,082

𝑓(2; 2,5) = 0,256

𝑓(2; 2,5) = 25,6%