ESTATSTICA APOSTILA 1

CURSO DE ENGENHARIA CIVIL

Prof. Jorge Santana
Montes Claros
Agosto/2009
I OS MTODOS ESTATSTICOS: finalidade e aplicaes; conceitos bsicos de Estatstica.
1 - O que Estatstica?
Todas as cincias tm suas razes na histria do homem.
A Matemtica, que considerada a cincia que une clareza do raciocnio a sntese da
linguagem, originou-se do convvio social, das trocas, da contagem, com carter prtico, utilitrio,
emprico.
A Estatstica, ramo da Matemtica Aplicada, teve origem semelhante.
Desde a antiguidade, vrios povos j registravam o nmero de habitantes, de nascimentos, de
bitos, faziam estimativas das riquezas individuais e sociais, distribuam equitativamente terras ao povo,
cobravam impostos e realizavam inquritos quantitativos por processos que, hoje, chamaramos de
estatsticas.
Na Idade Mdia colhiam-se informaes, geralmente com finalidades tributrias ou blicas.
A partir do sculo XVI comearam a surgir s primeiras anlises sistemticas de fatos sociais,
como batizados, casamentos, funerais, originando as primeiras tbuas e tabelas e os primeiros nmeros
relativos.
No sculo XVIII o estudo de tais fatos foi adquirindo, aos poucos, feio verdadeiramente
cientfica. Godofredo Achenwal batizou a nova cincia (ou mtodo) com o nome de Estatstica,
determinando o seu objetivo e suas relaes com as cincias.
As tabelas tornaram-se mais completas, surgiram s representaes grficas e o clculo das
probabilidades, e a Estatstica deixou de ser simples catalogao de dados numricos coletivos para se
tornar o estudo de como chegar a concluses sobre o todo (populao), partindo da observao de partes
desse todo (amostras).
Atualmente, o pblico leigo (leitor de jornais e revistas) posiciona-se em dois extremos
divergentes e igualmente errneos quanto validade das concluses estatsticas: ou cr em sua
infalibilidade ou afirma que elas nada provam. Os que assim pensam ignoram os objetivos, o campo e o
rigor do mtodo estatstico; ignoram a Estatstica, quer terica quer prtica, ou a conhecem muito
superficialmente.
Na era da energia nuclear, os estudos estatsticos tm avanado rapidamente e, com seus processos
e tcnicas, tm contribudo para a organizao dos negcios e recursos do mundo moderno.
(...) Exprimindo por meio de nmeros as observaes que se fazem de elementos com pelo menos
uma caracterstica comum (por exemplo: os alunos do sexo masculino de uma comunidade), obtemos os
chamados dados referentes a esses elementos.
Podemos dizer, ento, que:
A Estatstica uma parte da Matemtica Aplicada que fornece mtodos para coleta, organizao,
descrio, anlise e interpretao de dados e para a utilizao dos mesmos na tomada de decises.
A coleta, a organizao e a descrio dos dados esto a cargo da Estatstica Descritiva, enquanto a
anlise e a interpretao desses dados ficam a cargo da Estatstica Indutiva ou Inferencial.
Em geral, as pessoas quando se referem ao termo estatstica, o fazem no sentido da organizao e
descrio dos dados (estatstica do Ministrio da Educao, estatstica dos acidentes de trfego, etc.),
desconhecendo que o aspecto essencial da Estatstica o de proporcionar mtodos inferenciais que
permitam concluses que transcendam os dados obtidos inicialmente.
Assim, a anlise e a interpretao dos dados estatsticos tornam possvel o diagnstico de uma
empresa (por exemplo, de uma escola), o conhecimento de seus problemas (condies de funcionamento,
produtividade), a formulao de solues apropriadas e um planejamento objetivo da ao. (CRESPO
1997).
2
2 Conceitos bsicos de Estatstica
2.1 Populao
uma coleo completa de todos os elementos (valores, pessoas, medidas, etc.) a serem estudados.
2.2 Censo
uma coleo de dados relativos a todos os elementos da populao.
2.3 Amostra
um subconjunto da populao.
2.4 Um parmetro
uma medida numrica que descreve uma caracterstica da populao.
2.5 Uma estatstica
uma medida numrica que descreve uma caracterstica de uma amostra.
2.6 Estudo observacional
Tipo de estudo em que se verificam e se medem caractersticas especficas, mas no se manipulam nem se
modificam os elementos a serem estudados.
2.7 Experimento
Tipo de estudo em que se aplica determinado tratamento e observa-se seu efeito sobre os elementos a
serem pesquisados.
3 VARIVEIS: qualitativa (ou categrica) e quantitativa; nveis de mensurao de variveis.
3.1 Varivel qualitativa (ou categrica)
expressa por atributos e pode ser separada em diferentes categorias, como por exemplo: sexo
(masculino feminino); cor da pele (branca, preta, amarela, parda); religio (catlica, evanglica,
esprita...); etc.
3.2 Varivel quantitativa
expressa por nmeros que representam contagens ou medidas, como por exemplo: salrios, altura, peso,
idade, etc.
3.2.1 Varivel quantitativa discreta
Resulta de um conjunto finito de valores possveis, ou de um conjunto enumervel desses valores. (Ou
seja, o nmero de valores possveis 0, ou 1, ou 2, etc.)
3.2.2 Varivel quantitativa contnua
Resulta de um nmero infinito de valores possveis que podem ser associados a pontos em uma escala
contnua de tal maneira que no haja lacunas ou interrupes.
3
Exemplos: o nmero de operrios de uma grande construo uma varivel quantitativa discreta porque
representa uma contagem; j o peso desses operrios uma varivel quantitativa contnua porque
representa mensuraes que podem tomar qualquer valor em um intervalo contnuo.
3.3 Nveis de mensurao de variveis
uma forma adicional de se classificarem os dados. H quatro nveis de mensurao de variveis:
nominal, ordinal, intervalar e razo.
3.3.1 Nvel nominal
Caracterizado por dados que consistem apenas de nomes, rtulos ou categorias. Os dados no podem ser
dispostos segundo um esquema ordenado (como de baixo para cima).
Exemplos:
Respostas do tipo sim, no ou indeciso.
O sexo dos estudantes em uma turma de matemtica.
3.3.2 Nvel ordinal
Envolve dados que podem ser dispostos em alguma ordem, mas as diferenas entre os valores desses
dados no podem ser determinadas, ou no tem sentido.
Exemplos:
Um editor classifica alguns originais como excelentes, alguns como bons e alguns como maus.
(No podemos determinar uma diferena quantitativa entre bom e mau, por exemplo).
Nas olimpadas de matemtica, Joo foi classificado em 3; Carlos em 7 e Joana em 10 lugar.
(Podemos determinar a diferena entre os 3 e 7 lugares, mas a diferena de 4 no tem qualquer
significado).
3.3.3 Nvel intervalar
anlogo ao nvel ordinal, com a propriedade adicional de que podemos determinar diferenas
significativas entre os dados. Todavia, no existe um ponto de partida zero inerente, ou natural (onde no
haja qualquer quantidade presente). As temperaturas 98,2F e 98,6F so exemplos de dados nesse nvel
intervalar de mensurao. Os valores se apresentam ordenados, e podemos determinar diferenas entre
eles (em geral chamadas distancias entre os dois valores). Entretanto, no h ponto de partida natural. O
valor 0F pode parecer um ponto de partida, mas inteiramente arbitrrio, e no representa ausncia de
calor. um erro dizer que 50F duas vezes mais quente que 25F.
Exemplos:
Os anos 1000, 2000, 1776 e 1944. (O tempo no comeou no ano zero e, assim, o 0 arbitrrio, e no
um ponto de partida zero natural).
As temperaturas anuais mdias (em graus Celsius) das capitais brasileiras.
3.3.4 Nvel razo
o nvel de intervalo modificado de modo a incluir o ponto de partida zero inerente (onde o zero
significa nenhuma quantidade presente). Para valores nesse nvel, tantos as diferenas como as razes tm
significado.
Exemplos:
Pesos dos artigos de material plstico descartado pelas residncias (0 kg indica que nenhum plstico
foi descartado, e 10 kg representa duas vezes 5 kg).
Durao (em minutos) de filmes.
4
Distncias (em km) percorridas por carros em um teste de consumo de consumo de combustvel.
4 AMOSTRAGEM
So as tcnicas utilizadas para se extrair a amostra da populao. A amostragem pode ser probabilstica
ou no probabilstica. Na amostragem probabilstica so realizados sorteios para alocao dos elementos
da amostra, j na amostragem no probabilstica no se procede ao sorteio. O tamanho da populao ,
geralmente, designado por N e o tamanho da amostra por n.
4.1 Amostragem probabilstica
Este tipo de amostragem garante o acaso na escolha. Assim, cada elemento da populao tem a mesma
chance ser selecionado. Isto garante a representatividade da amostra e a validade das inferncias que
sero feitas a partir dela. Sero discutidos aqui, sucintamente, quatro tipos de amostragem probabilstica.
4.1.1 Amostragem casual ou aleatria simples
Equivale a um sorteio dos indivduos que faro parte da amostra
Procedimento:
Enumera-se a populao de 1 a N
Sorteiam-se os indivduos.
Antigamente, os sorteios eram feitos por meio de tabelas de nmeros aleatrios. Hoje em dia, utiliza-
se uma calculadora cientfica ou, o que mais comum, um software estatstico.
Exemplo
Uma populao composta de 200 indivduos. Retire uma amostra de tamanho 10, utilizando sua
calculadora cientfica.
Amostra: ____ ____ ____ ____ ____ ____ ____ ____ ____ ____
4.1.2 Amostragem casual estratificada proporcional
Utilizada quando a populao se subdivide em estratos (subpopulaes).
Procedimento:
Calcula-se a frao de amostragem dada por:
N
n
f
Calcula-se o tamanho da amostra em cada estrato, fazendo-se: i i
N f n
Sorteiam-se os indivduos em cada estrato.
Exemplo
Uma populao composta por 7820 indivduos distribudos em trs estratos que apresentam as seguintes
quantidades de elementos: N
1
= 3270; N
2
= 2680 e N
3
= 1870. Se se deve retirar uma amostra de tamanho
n = 1564, qual deve ser a quantidade de indivduos a ser sorteada em cada estrato?
20 , 0
7820
1564

N
n
f
654 3270 20 , 0
1 1
N f n
536 2680 20 , 0
2 2
N f n
374 1870 20 , 0
3 3
N f n
Sorteiam-se, em cada estrato, as quantidades de indivduos calculadas acima.
5
4.1.3 Amostragem sistemtica
Utilizada preferencialmente quando a populao j se encontra ordenada, como por exemplo: as casas de
uma rua, pronturios mdicos, nmero de registros de matrcula, etc.
Procedimento:
Calcula-se o fator de sistematizao ou intervalo de seleo, dado por:
n
N
F
Sorteia-se um indivduo no intervalo [1 ; F], que ser o primeiro elemento da amostra.
Os demais elementos so obtidos somando-se sucessivamente o valor do intervalo de seleo
Exemplo
Retirar uma amostra de tamanho n = 10 de uma populao ordenada composta de 80 elementos.
8
10
80

n
N
F
1 elemento = n. aleatrio multiplicado por 8.
Amostra: ____ ____ ____ ____ ____ ____ ____ ____ ____ ____
4.1.4 Amostragem por conglomerado em 1 estgio
semelhante amostragem aleatria simples, porm, cada unidade de amostragem equivale a um grupo
ou conglomerado de elementos. Este tipo de amostragem utilizado quando se encontram dificuldades
para obter uma lista dos indivduos da populao.
Procedimento:
Especifica-se o sistema de referncia (conglomerados)
Sorteiam-se alguns conglomerados
Pesquisam-se todos os indivduos dos conglomerados sorteados.
Exemplo
Estimar o nmero mdio de domiclios com aquecedor solar em uma grande cidade.
Como a amostragem aleatria simples, neste caso, necessita de uma listagem de todas as casas, ela se
torna invivel. A amostragem estratificada tambm invivel, pois necessitaria da listagem dos
domiclios. A melhor escolha a amostragem por conglomerado que pode ser realizada do seguinte
modo:
Sistema de referncia (conglomerado): os quarteires da cidade.
Extrai-se a amostra de conglomerados (quarteires)
Pesquisa-se a existncia de aquecedor solar em todos os domiclios dos conglomerados (quarteires)
sorteados.
5 ESTATSTICA DESCRITIVA E ANLISE EXPLORATRIA DE DADOS
5.1 -Tratamento estatstico de variveis quantitativas
6
A fim de descrever uma amostra (ou uma populao), conveniente o clculo de algumas medidas que a
caracterizam. Estas medidas quando bem interpretadas fornecem informaes valiosas sobre o conjunto
de dados.
A rigor, tais medidas so calculadas com o objetivo de produzir uma sntese numrica que represente o
conjunto de dados. Por exemplo, quando dizemos que a nota mdia de uma turma, em uma prova, foi 70
pontos; esta mdia, se consistente, equivale ao valor que sintetiza satisfatoriamente a nota da turma como
um todo.
Essas medidas se classificam em dois grandes grupos: as medidas de tendncia central (mdia, mediana e
moda) e as medidas de disperso ou variabilidade (varincia, desvio padro, coeficiente de variao).
Alm destas, h o escore padronizado que uma medida que tenta captar a posio relativa de um
indivduo dentro de um grupo.
Cada uma dessas medidas ser discutida aqui com mais detalhes.
5.2 Medidas de tendncia central
5.2.1 Mdia aritmtica simples ( x )
Para calcular a mdia aritmtica simples ( x ) l-se: xis barra de um conjunto de dados, basta somar
todos os valores e dividir pela quantidade deles, assim:
n
x
x
i

Exemplo: amostra de pesos (kg) de 7 alunos de uma turma.
Pesos: 90 94 80 70 92 70 72
81
7
568
7
72 70 92 70 80 94 90

+ + + + + +


n
x
x
i
kg
5.2.2 Mediana (Md)
A mediana o valor que ocupa a posio central da amostra. Para calcular a mediana, os dados devem
estar ordenados (geralmente do menor para o maior valor). Para realizar o clculo da mediana,
necessrio verificar se o tamanho da amostra (n) par ou mpar.
1 caso: n mpar
Neste caso, a mediana o valor que ocupa exatamente a posio central. Em linguagem matemtica, este
valor pode ser designado por
2
1 + n
x
. Ou seja, a medida do indivduo que ocupa a posio

,
_

+
2
1 n
. Para
o exemplo anterior, como n = 7, tem-se:
Pesos: 70 70 72 80 90 92 94 (Observe que os dados esto ordenados) n = 7
Termo central:
4
2
1 7
2
1
x x x
n

+ +
Portanto, o valor da mediana a medida do indivduo que est
exatamente na quarta posio. Assim, a mediana : Md = 80 kg.
7
Interpretao da mediana
Como a mediana ocupa a posio central, podemos no presente exemplo dizer que 50% dos alunos
tiveram pesos menores ou iguais a 80 kg e os outros 50% pesos maiores ou iguais a 80 kg.
2 caso: n par
Neste caso, preciso identificar os dois termos centrais e calcular a mdia entre eles. O valor obtido
considerado a mediana. Matematicamente, as ordens (posies) dos dois termos centrais so dadas por: o
primeiro
2
n
x
e o segundo por
1
2
+
n
x
.
Exemplo: amostra de pesos em kg de 6 alunos de uma turma.
Pesos: 70 72 80 90 92 94 (Observe que os dados esto ordenados) n = 6
Primeiro termo central:
3
2
6
2
x x x
n

que equivale ao valor 80
Segundo termo central:
4
1
2
6
1
2
x x x
n

+ +
que equivale ao valor 90
Portando: Md =

+
2
90 80
Md = 85 kg
5.2.3 Moda (Mo)
A moda o valor que ocorre com maior freqncia no conjunto de dados. Retomando o exemplo da
amostra dos pesos de 7 alunos, tem-se:
Pesos: 70 70 72 80 90 92 94
Como o peso que mais se repete 70, pode-se dizer que: Mo = 70 kg
Caso existissem dois valores distintos com maior freqncia (por exemplo: 70, 70 e 90, 90), dir-se-ia que
a srie bimodal com modas 70 e 90.
Quando cada valor da amostra ocorre com a mesma freqncia, dizemos que no h moda (a srie
amodal).
Breve comentrio sobre as medidas de tendncia central
Tabela resumo sobre as medidas de tendncia central do exemplo
Pesos: 90 94 80 70 92 70 72
Medidas de tendncia central da amostra do exemplo
Medida Valor
Mdia ( x ) 81 kg
Mediana (Md) 80 kg
Moda (Mo) 70 kg
A questo que se coloca aqui a seguinte: qual das trs medidas de tendncia central deve ser utilizada
para sintetizar o conjunto de dados?
A medida mais utilizada a mdia aritmtica simples, principalmente porque o seu clculo envolve todos
os valores do conjunto de dados; enquanto a mediana envolve um, no mximo dois, valores da amostra.
Assim, se no houver nenhuma assimetria acentuada nos dados, utiliza-se a mdia. Quando a assimetria
8
muito forte, significa dizer que h alguns poucos indivduos na amostra cujos valores so muito altos (ou
muito baixos) e a mdia tende a ficar superestimada (ou subestimada) e, portanto, no sintetizando ou
representando bem a amostra. Neste caso, recomendvel utilizar a mediana. J a moda uma medida
que capta um valor tpico dos dados.
No exemplo em questo, h uma ligeira assimetria nos dados, pois, a moda menor que a mediana que,
por sua vez, menor que a mdia. Entretanto, como mdia e mediana so relativamente prximas (81 e
80, respectivamente), a princpio, pode-se optar por sintetizar a amostra de pesos dos alunos com a mdia
aritmtica simples.
O tpico seguinte (medidas de disperso) avalia melhor a representatividade da mdia.
5.3 Medidas de disperso ou variabilidade
As medidas de disperso ou variabilidade servem para avaliar a concentrao dos valores da amostra em
torno da mdia. Neste sentido, elas auxiliam no estudo sobre a representatividade da mdia aritmtica
simples em um conjunto de dados, na medida em que quanto menor for a disperso aqui entendida
como o afastamento das medidas dos indivduos tomando como referncia a mdia , maior a
representatividade desta. Em outras palavras: se a medida de variabilidade for pequena, ento realmente
a maioria dos valores da amostra se concentra em torno da mdia, fazendo com que esta represente ou
sintetize bem o conjunto de dados.
5.3.1 - varincia amostral (s
2
)
uma mdia das distncias calculada a partir dos quadrados dos desvios em relao mdia aritmtica
simples. Ou seja, calculamos a diferena entre cada indivduo da amostra e a mdia aritmtica simples e
elevamos ao quadrado. Em seguida, somamos todos os valores obtidos e dividimos pelo tamanho da
amostra menos uma unidade. A frmula matemtica da varincia :
( )
1
2
2

n
x x
s
i
A rigor, o denominador desta expresso deveria ser n. Entretanto, por razes relacionadas inferncia
estatstica, pode-se mostrar que conveniente dividir a soma dos quadrados das diferenas por n 1.
Retomando o exemplo da amostra dos pesos de 7 alunos, e lembrando que
, 81 x
a varincia :
Pesos: 90 94 80 70 92 70 72
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
1 7
81 72 81 70 81 92 81 70 81 80 81 94 81 90
1
2 2 2 2 2 2 2
2
2

+ + + + + +

n
x x
s
i
( ) ( ) ( ) ( ) ( ) ( ) ( )
116
6
695
6
81 121 121 121 1 169 81
6
9 11 11 11 1 13 9
2 2 2 2 2 2 2
2

+ + + + + +

+ + + + + +
s kg
2
5.3.2 Desvio padro amostral (s)
a raiz quadrada da varincia. O desvio padro possui a mesma unidade de medida dos dados e a
medida que, efetivamente, utilizada como sntese da disperso ou variabilidade. ela que mede a
concentrao dos valores dos indivduos da amostra em relao mdia aritmtica simples. Em outros
termos, pode-se dizer que quanto menor for o desvio padro, mais representativa a mdia aritmtica
simples; pois, neste caso, a baixa disperso indica que a maioria das medidas dos indivduos da amostra
9
esto razoavelmente prximas da mdia e, portanto, esta representa bem o conjunto de dados. A frmula
do desvio padro :
( )
1
2

n
x x
s
i
Para o exemplo anterior, como a expresso sob o radical j foi calculada, o desvio padro :
8 , 10 116
2
kg s kg
Concluso: a amostra revelou uma mdia foi de 81 kg com um desvio padro de 10,8 kg.
5.3.3 Coeficiente de variao (CV)
Coeficiente de variao (CV): ... conveniente exprimir a variabilidade em termos relativos, isto porque,
por exemplo, um desvio padro de 10 pode ser insignificante se a observao tpica 10.000, mas
altamente significativo para uma observao tpica 100. Toma-se ento uma medida relativa da
variabilidade, comparando o desvio padro com a mdia. Esta medida o coeficiente de variao. J
vimos que o desvio padro tem a mesma unidade de medida que os dados, de modo que o coeficiente de
variao adimensional. A grande utilidade do coeficiente de variao permitir a comparao das
variabilidades de diferentes conjuntos de dados. (SOARES, 1991).
O coeficiente de variao dado por:
x
s
CV
. Esta expresso pode ser multiplicada por 100 de modo
que o CV possa ser expresso em percentagem.
Exemplo 1: As turmas A e B do 1 perodo de Engenharia Civil apresentaram as estatsticas abaixo em
uma prova de Clculo I (dados na tabela abaixo). Qual das duas turmas se mostrou mais homognea na
prova?
Estatsticas das notas de uma prova de clculo I
Turmas
Estatsticas
x
s CV
A 78 8 ?
B 92 15 ?
Chamando de CV
A
e CV
B
os coeficientes de variao das turmas A e B, tem-se:
10 , 0
78
8

A
CV 16 , 0
92
15

B
CV
.
Estes valores, se multiplicados por 100, correspondem a 10% e 16%.
Concluso: como o coeficiente de variao da turma A menor que o da turma B, conclui-se que os
alunos da turma A mostraram notas mais homogneas. Assim, embora a turma B possua uma mdia
maior, as notas dos alunos so mais heterogneas. Isto pode ter ocorrido, por exemplo, devido a presena
de algumas notas altas que tendem a aumentar a mdia.
Comentrio: o valor do coeficiente de variao, em termos de identificar alta ou baixa homogeneidade,
vai depender muito das caractersticas do estudo que est sendo desenvolvido. Entretanto, na maioria dos
casos, pode-se avaliar a disperso do seguinte modo:
10
10 , 0 CV
: Baixa disperso
20 , 0 10 , 0 <CV
: Disperso moderada
30 , 0 20 , 0 <CV
: Disperso alta
30 , 0 > CV
: Disperso muito alta
5.4 Estudo do escore padronizado (Z
i
)
No contexto de um nico conjunto de dados, o desvio padro pode ser interpretado intuitivamente como
unidade natural de disperso dos dados. Essa interpretao utilizada na construo de escores
padronizados, de larga aplicao em medidas educacionais. O problema o seguinte: em uma escala de
0 a 10, a nota 6 em uma prova em que a nota mxima foi 6 muito mais do que a mesma nota 6 em uma
prova em que a nota mxima foi 9. Uma forma de captar essa diferena considerar a nota do aluno como
a sua posio relativa no grupo. (SOARES, 1991)
Deste modo, enquanto o coeficiente de variao compara grupos, o escore padronizado capta a posio da
medida de um indivduo dentro do grupo. O escore padronizado dado por:
s
x x
Z
i
i

. Onde
i
x
a medida do i-esimo indivduo.
Retomando o exemplo das notas da prova de Clculo I das turmas A e B do 1 perodo de Engenharia
Civil, suponha que o Joo aluno da turma A e tirou 85 pontos na prova; j a Maria aluna da turma B e
tirou 90 pontos no teste. A questo : em termos relativos, qual dos dois alunos, Joo ou Maria, obteve
melhor desempenho?
Estatsticas das notas de um teste de lngua portuguesa
Turmas
Estatsticas
x
s
A 78 8
B 92 15
Chamando de Z
J
o escore do Joo e Z
M
o escore da Maria, tem-se:
875 , 0
8
78 85

J
Z 133 , 0
15
92 90

M
Z
Concluso: embora Maria tenha uma nota superior do Joo, em termos relativos a pontuao obtida por
Joo melhor do que a de Maria, pois (0,875 > 0,133).
5.5 Distribuio de freqncia (variveis quantitativas)
As distribuies de freqncias so tabelas que descrevem os dados estatsticos a fim de facilitar sua
compreenso. Hoje em dia, com a expanso dos softwares, essas tabelas so obtidas com muita facilidade
e, portanto, no so construdas manualmente.
5.5.1 Distribuio de freqncia sem intervalos de classe
Notao:
i: so as classes
11
x
i
: valores assumidos pela varivel
f
i
: freqncia simples ou absoluta
fr
i
: freqncia relativa simples
F
i
: freqncia acumulada
n: equivale ao f
i
Exemplo: amostra das idades (em anos) de uma amostra de alunos.
TABELA 1
Distribuio de freqncia das idades em anos de uma amostra de alunos
i x
i
f
i
fr
i
F
i
1 19 8 0,121 8
2 20 12 0,182 20
3 22 17 0,258 37
4 25 13 0,197 50
5 27 12 0,182 62
6 30 4 0,060 66
66 1,000
5.5.2 Distribuio de freqncia com intervalos de classe
Alm da notao anterior, usa-se o smbolo |para designar o intervalo fechado esquerda e aberto
direita. Alm disso, o x
i
o ponto mdio da classe.
Para determinar o nmero de classes, i, e a amplitude do intervalo no h um critrio fixo. Entretanto,
comum, para determinar o nmero de classes, usar-se a frmula: i = 1 + 3,3(logn). E para determinar a
amplitude do intervalo, h, pode se utilizar:
i
AA
h
, onde AA a amplitude amostral e corresponde
diferena entre o maior e o menor valor do rol (o rol so os dados ordenados).
Exemplo: Rol das estaturas (em cm) de 40 alunos do colgio A. (Retirado do livro Estatstica Fcil)
150 154 155 157 160 161 162 164 166 169
151 155 156 158 160 161 162 164 167 170
152 155 156 158 160 161 163 164 168 172
153 155 156 160 160 161 163 165 168 173
Determinao do nmero de classes e da amplitude do intervalo:
Classes: i = 1 + 3,3(logn) = 1 + 3,3log40 = 1 + 3,3(log40) = 1 + 3,3(1,602059991) = 6,286797971 = 6
Amplitude amostral: AA = 173 150 = 23
Amplitude do intervalo:
4 3 8333 , 3
6
23

i
AA
h
A tabela de distribuio de freqncia ser:
TABELA 2
Distribuio de freqncia das estaturas (em cm) de uma amostra de 40 alunos
i Intervalo x
i
f
i
fr
i
F
i
1 150 |154 152 4 0,100 4
2 154 |158 156 9 0,225 13
12
3 158 |162 160 11 0,275 24
4 162 |166 164 8 0,200 32
5 166 |170 168 5 0,125 37
6 170 |174 172 3 0,075 40
40 1,000
5.6 Estudo dos percentis (P
k
)
Os percentis dividem o rol em 100 partes iguais. Os percentis so medidas de posio.
|__________|__________|____________________|____________________|__________|____________|
Min
P
1
P
2
P
50
P
98
P
99

Max
Para calcular um percentil qualquer, devemos encontrar a odem do percentil do seguinte modo:

100
1
]
1

n k
Exemplo - Altura (cm) de uma amostra de 40 estudantes.
150,2 154,2 155,9 157,4 160,2 161,0 162,1 164,2 166,8 169,5
151,3 154,6 156,1 158,5 160,5 161,2 162,9 164,4 167,9 170,7
152,4 155,3 156,5 158,9 160,7 161,5 163,3 164,9 168,1 172,4
153,5 155,7 156,8 160,1 160,9 161,9 163,8 165,0 168,8 173,5
Calcular:
a) P
10
b) P
25
c) P
67
d) P
97
13
Resoluo
a) 4
100
40 10
100

1
]
1

1
]
1

n k
termo. Portanto: P
10
= 153,5
b) 10
100
40 25
100

1
]
1

1
]
1

n k
termo. Portanto: P
25
= 156,1
c) 8 , 26
100
40 67
100

1
]
1

1
]
1

n k
. Portanto, o P
67
ser a mdia entre o 26 e 27 termos. Logo;
1 , 163
2
2 , 326
2
3 , 163 9 , 162
67

+
P
d) 8 , 38
100
40 97
100

1
]
1

1
]
1

n k
. Portanto, o P
97
ser a mdia entre o 38 e 39 termos. Logo;
55 , 171
2
1 , 343
2
4 , 172 7 , 170
97

+
P
5.6.1 Percentis especiais: Quartis (Q
k
)
Os quartis dividem a srie estatstica em 4 partes iguais. So eles: primeiro quartil (Q
1
), segundo quartil
(Q
2
) e terceiro quartil (Q
3
). O primeiro quartil corresponde ao percentil 25; o segundo quartil o percentil
50 (que coincide com a mediana) e o terceiro quartil o percentil 75.
|__________|__________|__________|__________|
Min Q
1
Q
2
Q
3
Max
Para o exemplo Q
1
= 156,1 (que corresponde ao P
25
) e Q
3
= 164,4 (que equivale ao P
75
confira!).
5.7 Mdia ponderada p x
A media pondera utilizada quando se atribuem pesos distintos para os valores da varivel. dada por:

i
i i
p
p
p x
x

Onde x
i
so os valores da varivel e p
i
so os pesos. A mdia aritmtica simples uma mdia ponderada
onde os pesos so iguais.
EXERCCIOS LISTA 1
1) Para cada uma das descries abaixo, indique o seu significado escolhendo um dos seguintes
conceitos: populao, um parmetro, censo, variveis quantitativas, variveis qualitativas, variveis
discretas, experimento, uma estatstica, estudo observacional.
a) Coleo completa de todos os elementos, com pelo menos uma caracterstica comum, a serem
estudados.
b) Consistem em nmeros que representam contagens ou medidas.
c) Medida numrica que descreve uma caracterstica numrica de uma populao.
d) Resultam de um conjunto finito de valores possveis, ou de um conjunto enumervel desses valores.
e) Coleo de dados relativos a todos os elementos de uma populao.
f) Medida que descreve uma caracterstica numrica de uma amostra.
g) Dados que podem ser separados em diferentes categorias que se distinguem por alguma caracterstica
no numrica.
h) Situao em que verificamos e medimos caractersticas especficas, mas no modificamos os
elementos a serem estudados.
i) Situao em que modificamos as caractersticas de elementos a fim de verificar o efeito desta
modificao.
2) D um exemplo para cada um dos seguintes nveis de mensurao de variveis: nominal, ordinal e
razo.
3) Nos itens a, b, c, d abaixo, indique se a descrio dada corresponde a um estudo observacional ou a
um experimento.
a) Uma pesquisa tenta captar a opinio da populao sobre sua preferncia em morar em casa ou
apartamento. _______________________________________
b) Em uma turma de educao fsica, estuda-se o efeito dos exerccios fsicos sobre a presso sangunea,
determinando-se que metade dos estudantes ande mil metros cada dia, enquanto a outra metade corra
mil metros diariamente. ______________________________________________________________
c) Em determinada cidade, faz-se um levantamento do nmero de pessoas contaminadas com o vrus
HIV, de acordo com o sexo. ___________________________________________________________
d) A fim de aumentar a produtividade de tomate de sua plantao, um produtor faz um rgido controle
sobre a irrigao (quantidade de gua diria) e a luminosidade (incidncia de raios solares) nos
tomateiros de sua produo. ___________________________________________________________
4) Deve-se extrair uma amostra de tamanho n=600 de uma populao de tamanho N=5.000, que consiste
de quatro estratos com as seguintes quantidades de elementos: N
1
=3.000, N
2
=1.000, N
3
=800 e
N
4
=200. Se a alocao deve ser proporcional, qual o tamanho da amostra em cada estrato?
5) Retire uma amostra de tamanho n=10 de uma populao ordenada composta de 200 elementos,
utilizando o processo de amostragem sistemtica. Explique todo o procedimento adotado.
6) Explique o que amostragem por conglomerados e exemplifique.
7) Construir uma tabela de distribuio de freqncia com intervalos de classe para os dados abaixo que
representam uma amostra de pesos (kg) do curso de Engenharia (veja exemplo da tabela 2 acima).
Utilizar as frmulas vistas no contedo para definir o nmero de classes (i) e a amplitude do intervalo
(h).
42,1 43,7 45,1 46,2 47,1 47,8 49,3 50,2 50,4 51,3
52,1 52,7 53,0 53,8 54,0 54,7 55,8 55,9 56,7 56,9
15
57,1 58,3 59,7 60,1 60,1 60,1 61,0 62,1 62,9 63,0
63,7 63,9 65,8 66,9 67,0 67,9 68,0 70,2 72,1 74,5
75,0 75,2 75,8 76,0 78,2 79,3 80,2 82,7 84,1 90,1
8) Nos itens de a at f abaixo, calcule a mdia, a mediana, a moda, o desvio-padro e o coeficiente de
variao.
a) Medidas do dimetro (em mm) interno de anis forjados de pisto de um motor de automvel. Os
dados so: 1; 3; 15; 0; 5; 2; 5 e 4.
b) Tempo de esgotamento de um fluido isolante entre eletrodos a 34 kV. Os tempos em minutos so:
0,19; 0,78; 0,96; 1,31; 2,78; 3,16; 4,15; 4,67; 4,85; 6,50; 7,35; 8,01; 8,27; 12,06; 31,75; 32,52; 33,91;
36,71 e 72,89.
c) Medida da espessura de xido em pastilhas que so estudas para verificar a qualidade em um processo
de fabricao de semicondutores. Os dados, em angstroms, so: 1264; 1280; 1301; 1300; 1292; 1307
e 1275.
d) Experimento para testar a resistncia resultante em tubos circulares com calotas soldadas nas
extremidades. Os resultados em kN so: 96; 96; 102; 102; 102; 104; 104; 108; 126; 126; 128; 128;
140; 156; 160; 160; 164 e 170.
e) Dados sobre acomodao visual (uma funo do movimento do olho), quando reconhecendo um
padro de mancha em um vdeo CRT de alta resoluo. Os dados so: 36,45; 67,90; 38,77; 42,18;
26,72; 50,77; 39,30 e 49,71.
f) Dados referentes a medidas de intensidade solar direta (watts/m
2
), em dias diferentes, no sul da
Espanha: 562; 869; 708; 775; 704; 809; 856; 655; 806; 878; 909; 918; 558; 768; 870; 918; 940; 946;
661; 820; 898; 935; 952; 957; 693; 835; 905; 939; 955; 960; 498; 653; 730 e 753.
9) Abaixo se encontra uma amostra dos pesos (kg) de uma turma de matemtica, ao final do 2 semestre
de 2006 e ao final do 1 semestre de 2007.
Nmero do aluno 01 02 03 04 05 06 07 08 09 10
Peso ao final do 2 semestre/2006 66 70 68 71 69 67 70 69 71 70
Peso ao final do 1 semestre/2007 64 66 68 63 66 67 62 64 63 68
Escore padronizado do 2 semestre
Escore padronizado do 1 semestre
a) Calcule os coeficientes de variao e diga em qual momento os pesos so mais homogneos.
b) Complete a tabela com os escores padronizados de todos os alunos, nos dois momentos.
c) A partir dos escores padronizados, em que momento os alunos de nmeros 01 e 08 apresentam maior
excesso relativo de peso?
10) Mostrar que se todos os valores de um conjunto de dados forem aumentados de b, a mdia e a
mediana tambm ficaro aumentadas de b. E o desvio padro tambm ficar aumentado de b?
11) A contagem de bactrias numa cultura aumentou de 2.500 para 9.200 em trs dias. Qual o acrscimo
percentual dirio mdio?
12) Tibrcio prestou recentemente um concurso e obteve as notas nas disciplinas listadas na tabela abaixo.
Disciplinas Nota do Tibrcio Peso
Portugus 72 3,6
16
Matemtica 91 1,1
Tcnicas Bancrias 85 2,1
Informtica 70 2,5
Ingls 84 1,8
Contabilidade 92 1,6
a) Calcule a mdia aritmtica simples ( ) x do Tibrcio.
b) Calcule a mdia ponderada ( ) p x do Tibrcio.
c) Considerando que a nota mnima para ser aprovado 82 pontos, e que o concurso utiliza a mdia
ponderada para efeito de classificao, o Tibrcio foi aprovado?
13) Os dados abaixo mostram a resistncia compresso de 80 corpos de prova da liga alumnio-ltio,
medidas em psi (medida de presso ou libra por polegada quadrada).
76 123 145 154 163 172 181 200
87 131 146 156 163 174 183 201
97 133 148 157 165 174 184 207
101 133 149 158 167 175 186 208
105 134 149 158 167 176 190 218
110 135 150 158 168 176 193 221
115 135 150 158 169 178 194 228
118 141 151 160 170 180 196 229
120 142 153 160 171 180 199 237
121 143 154 160 171 181 199 245
II PROBABILIDADE
1 ESTUDO DAS PROBABILIDADES
1.1 Experimento determinstico
So experimentos cuja repetio sob as mesmas condies conduz sempre ao mesmo resultado, podendo-
se determin-lo antecipadamente.
Ex. em um corpo em queda livre possvel determinar antecipadamente, por exemplo, o tempo da queda,
a posio do corpo em um instante t
0
, a velocidade, etc..
1.2 Experimento aleatrio
So experimentos cuja repetio no conduz aos mesmos resultados. No se pode determinar priori um
resultado, mas pode-se calcular a probabilidade de ocorrncia de um evento qualquer.
Ex. em um lanamento de um dado (cubo) com seis faces, no possvel dizer qual face estar voltada
para cima. Entretanto, possvel calcular a probabilidade de uma face em particular cair para cima.
1.3 Probabilidade: conceitos bsicos
Quando se fala em probabilidade est-se referindo classe dos experimentos aleatrios. Tais
experimentos sero designados por: E.
- Espao amostral (S): o conjunto de todos os resultados possveis do experimento.
- Evento: qualquer subconjunto do espao amostral. Designam-se os eventos por: A, B, C, D, etc.
17
Exemplo
E: lanamento de um dado (cubo)
S = {1, 2, 3, 4, 5, 6}
Eventos:
A: Sair n par A = {2, 4, 6}
B: Sair n mpar B = {1, 3, 5}
C: Sair n maior que 2 C = {3, 4, 5, 6}
D: Sair n maior que 6 D =

Evento impossvel
E: Sair n de 1 a 6 E = {1, 2, 3, 4, 5, 6} Evento certo
1.4 Definio de probabilidade
1.4.1 Definio clssica
Seja A um evento de um espao amostral S. Define-se a probabilidade de ocorrncia deste evento como:
( )
( )
( ) S n
A n
A P
Onde: n(A) o nmero de casos favorveis ao evento A e n(S) o nmero total de casos.
Exemplo: no lanamento de um dado (cubo), calcular a probabilidade de sair n par.
S = {1, 2, 3, 4, 5, 6} A = {2, 4, 6}
( ) 5 , 0
2
1
6
3
A P
ou 50%
1.4.2 Definio frequencial
Considere que um experimento repetido um grande nmero de vezes. A probabilidade de ocorrncia do
evento A a freqncia relativa dada por:
P(A) =
_ N de vezes que A ocorreu______
N total de repeties do experimento
Exemplo: lanou-se uma moeda 1.000 vezes e obteve-se 499 caras. Estimar a probabilidade de ocorrncia
da face cara.
n(S) = 1.000 n(A) = 499
( ) 499 , 0
1000
499
A P
ou 49,9%
1.5 Tipos de eventos
Sejam A e B dois eventos de um espao amostral S.
a) Evento Interseo: equivale ocorrncia de A e B ao mesmo tempo.
b) Evento Excluso (mutuamente excludentes): a ocorrncia de A impossibilita a ocorrncia B.
c) Evento Unio: equivale ocorrncia de A, ou de B, ou de ambos.
d) Evento Negao: o complementar de outro evento. O complementa de A denota-se por A.
1.6 Regras bsicas e axiomas de probabilidade
18
Considere A e B dois eventos de um espao amostral S.
i) 0 P(A) 1
ii) P(S) = 1
iii)
( ) ( ) ( ) ( ) B A P B P A P B A P +
iv)
( ) ( ) ( ) B P A P B A P +
, quando A e B so mutuamente excludentes.
v) ( ) ( ) A P A P 1
1.7 Probabilidade condicional
Dados dois eventos A e B de um espao amostral S, entende-se como probabilidade condicional a
probabilidade de ocorrncia de um evento uma vez que outro j ocorreu. Assim, a ocorrncia do segundo
evento fica restrita a um novo espao amostral que corresponde ao evento j ocorrido. Denota-se a
probabilidade condicional por:
( )
( )
( ) B P
B A P
B A P

|
Onde P(A|B) se l como: probabilidade condicional de A, dado B. Ou seja, uma vez que ocorreu o
evento B, qual a probabilidade de ocorrncia tambm de A?
Exemplo clculo de probabilidade e probabilidade condicional
Uma pesquisadora est estudando os rendimentos de pessoas que trabalham formal e informalmente. A
tabela abaixo corresponde a uma amostra de 634 pessoas.
Tabela 1 N de pessoas de acordo com a renda e tipo de trabalho Montes Claros- ano 2007
Trabalho
Renda
Total
Baixa Mdia Alta
Formal 36 128 225 389
Informal 94 89 62 245
Total 130 217 287 634
Fonte: dados fictcios
Especificao dos eventos:
F: trabalho formal I: trabalho informal B: renda baixa M: renda mdia A: renda alta
Calcular a probabilidade de um indivduo sorteado se encontrar:
a) Com trabalho formal. R: 0,614 ou 61,4%
b) Com renda alta. R: 0,453 ou 45,3%
c) Com trabalho informal. R: 0,386 ou 38,6%
d) Com renda mdia e trabalho formal. R: 0,202 ou 20,2%
e) Com renda alta e trabalho formal. R: 0,355 ou 35,5%
f) Com renda alta e trabalho informal. R: 0,098 ou 9,8%
19
Probabilidade condicional
g) Com renda alta, sabendo que do trabalho formal. R: 0,578 ou 57,8%
h) Com renda alta, sabendo que do trabalho informal. R: 0,253 ou 25,3%
i) Desenvolver trabalho formal, sabendo que possui renda baixa. R: 0,277 ou 27,7%
j) Desenvolver trabalho informal, sabendo que possui renda alta. R: 0,216 ou 21,6%
k) Dado que possui renda mdia, desenvolver trabalho informal. R: 0,410 ou 41,0%
l) Dado que informal, possuir renda mdia. R: 0,363 ou 36,3%
1.8 Independncia de eventos
Definio: dois eventos A e B so independentes quando a ocorrncia de um deles no modifica a
probabilidade de ocorrncia do outro. Ou seja:
P(B|A) = P(B) e P(A|B) = P(A)
( )
( )
( )
( ) ) ( ) | ( | B P B A P B A P
B P
B A P
B A P

, mas se A e B so independentes, ento: P(A|B) = P(A)

Logo:
) ( ) ( ) ( B P A P B A P
20
Exemplo
Considere o lanamento de um dado (cubo), a observao da face superior e os eventos A e B abaixo.
S = {1, 2, 3, 4, 5, 6} A = {2, 3, 4, 5,} B = {1, 3, 4,}
a) Supondo que ocorreu o evento A, qual a probabilidade condicional de ocorrer B?
6
4
) ( A P
e
6
3
) ( B P
4
2
) (
) (
) | (

A P
B A P
A B P
P(B|A) = P(B), ou seja, a ocorrncia de A no alterou a probabilidade de ocorrncia de B.
b) Agora suponha que tenha ocorrido B. Qual a probabilidade condicional de ocorrncia de A?
3
2
6
4
) ( A P
e veja tambm que:
3
2
) (
) (
) | (

B P
B A P
B A P
P(A|B) = P(A), ou seja, a ocorrncia de B no alterou a probabilidade de ocorrncia A.

Assim, dizemos A e B so eventos independentes.
1.9 Partio de um espao amostral teorema da probabilidade total
Suponha que o espao amostral S de um experimento seja dividido em trs eventos R
1
, R
2
e R
3
de modo
que:
S
R
1
R
2
B
R
3

2 1
R R

3 2
R R

3 1
R R
S R R R
3 2 1
e considere um evento B qualquer. O evento B pode ser escrito como:
S B B .
Como
3 2 1
R R R S
, ento
) (
3 2 1
R R R B B
ou
) ( ) ( ) (
3 2 1
R B R B R B B
Pelo fato de
) ( ), ( ), (
3 2 1
R B R B R B
serem eventos mutuamente excludentes, pode-se escrever;
) ( ) ( ) ( ) (
3 2 1
R B P R B P R B P B P + +
As intersees do segundo membro so do tipo:
( ) ) ( ) | ( B P B A P B A P
. Assim:
) ( ) | ( ) ( ) | ( ) ( ) | ( ) (
3 3 2 2 1 1
R P R B P R P R B P R P R B P B P + +
Este resultado conhecido como teorema da probabilidade total e pode ser escrito na forma geral:
) ( ) | ( ... ) ( ) | ( ) ( ) | ( ) (
2 2 1 1 n n
R P R B P R P R B P R P R B P B P + + +
Exemplo de aplicao 1
Uma fbrica tem trs mquinas A, B e C que respondem, respectivamente, por 40%, 35% e 25% de
sua produo. A proporo de peas defeituosas produzidas pela mquina A 2%; da mquina B 1% e
da mquina C 3%. O responsvel pelo controle de qualidade que inspeciona a produo retira uma pea
ao acaso. Qual a probabilidade da pea ser defeituosa?
Especificao dos eventos:
A: produo da mquina A
B: produo da mquina B
C: produo da mquina C
D: peas defeituosas
Especificao das probabilidades:
P(A) = 0,40 P(B) = 0,35 P(C) = 0,25
P(D|A) = 0,02 P(D|B) = 0,01 P(D|C) = 0,03
) ( ) ( ) ( ) ( C D P B D P A D P D P + +
essa expresso pode ser escrita:
) ( ) | ( ) ( ) | ( ) ( ) | ( ) ( C P C D P B P B D P A P A D P D P + +
019 , 0 25 , 0 03 , 0 35 , 0 01 , 0 40 , 0 02 , 0 ) ( + + D P
Portanto, a probabilidade de que a pea seja defeituosa 0,019 ou 1,9%
1.10 Teorema de Bayes
Considerando o mesmo contexto explicitado no teorema da probabilidade total, o teorema de Bayes
equivale a:
22
) ( ) | ( ... ) ( ) | ( ) ( ) | (
) ( ) | (
) | (
2 2 1 1 n n
i i
i
R P R B P R P R B P R P R B P
R P R B P
B R P
+ + +

Exemplo de aplicao 2
Considerando o exemplo de aplicao 1, suponha que o responsvel pelo controle de qualidade retira a
pea e verifica que ela defeituosa. Qual a probabilidade de ter sido produzida pela mquina B?
) ( ) | ( ) ( ) | ( ) ( ) | (
) ( ) | (
) (
) ( ) | (
) | (
C P C D P B P B D P A P A D P
B P B D P
D P
B P B D P
D B P
+ +

184 , 0 184210526 , 0
019 , 0
0035 , 0
25 , 0 03 , 0 35 , 0 01 , 0 40 , 0 02 , 0
35 , 0 01 , 0
) | (
+ +

D B P
Portanto, a pea defeituosa retirada para inspeo tem uma probabilidade de aproximadamente 0,184 ou
18,4%de ter sido produzida pela mquina B.
2 VARIVEL ALEATRIA DISCRETA
Muitos experimentos produzem resultados no-numricos. Antes de analis-los, conveniente
transformar seus resultados em nmeros, o que feito atravs da varivel aleatria, que uma regra de
associao de um valor numrico a cada ponto do espao amostral. (...) O passo fundamental para
entendermos uma varivel aleatria associar a cada valor a sua probabilidade, obtendo o que se chama
uma distribuio de probabilidades, que fica caracterizada pelos valores da varivel aleatria X e pela
regra, ou funo, que associa a cada valor uma probabilidade. Esta funo chamada funo de
probabilidade, representada por f(x). Para estudar e tomar decises em situaes onde est presente a
incerteza, temos basicamente de identificar a varivel aleatria de interesse e obter sua distribuio de
probabilidade, e a partir da obter os elementos necessrios para a tomada de deciso. (SOARES, 1991).
2.1 Distribuio de probabilidade
Exemplo 1
No lanamento de duas moedas (C=cara e K=coroa), defina a varivel aleatria X como sendo o nmero
de caras e construa a distribuio de probabilidade.
S = {CC, CK, KC, KK}
Evento CC CK KC KK
X (N caras) 2 1 1 0
A distribuio de probabilidades ser:
x
i
: 0 1 2
P(x
i
):
4
1
4
2
4
1
23
Exemplo 2
No lanamento de trs moedas, defina a varivel aleatria X como sendo o nmero de caras e construa a
distribuio de probabilidade.
S = {CCC, CCK, CKC, CKK, KCC, KCK, KKC, KKK}
A distribuio de probabilidades ser:
x
i
: 0 1 2 3
P(x
i
):
8
1
8
3
8
3
8
1
ATENO! Para que tenhamos uma distribuio de probabilidade, duas condies precisam ser
satisfeitas. So elas:
i)
1 ) ( 0
i
x P
ii)
1 ) (
i
x P
2.2 Valor esperado ou mdia de uma varivel aleatria discreta
Quando estudamos as distribuies de freqncias, em Estatstica Descritiva, procuramos caracterizar as
principais medidas das amostras como: mdia, varincia, desvio padro, etc.
Agora, a varivel aleatria ser utilizada para estabelecer modelos tericos de probabilidade com a
finalidade de descrever populaes. A mdia (), a varincia (
2
) e o desvio padro (), representaro
parmetros destas populaes.
Notao
E(X): l-se valor esperado ou esperana da varivel aleatria X e equivale mdia .
O valor esperado ou esperana de X dado por:
) ( ) (
i i
x P x X E
2.3 Varincia (
2
) e desvio padro () de uma varivel aleatria discreta
A varincia [VAR(X)] ou
2
dada por:
) ( ) (
2 2
i i
x P x
O desvio padro raiz quadrada da varincia:

) ( ) (
2
i i
x P x
Exemplo 1
No lanamento de dois dados, a varivel aleatria X anota a soma dos pontos da face superior. Determine
a mdia, a varincia e o desvio padro da varivel aleatria X.
O espao amostral S dado por:
S =
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
24
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
A distribuio de probabilidade :
i
x ) (
i
x P ) (
i i
x P x ) ( ) (
2
i i
x P x
2 1/36 2/36 25/36
3 2/36 6/36 32/36
4 3/36 12/36 27/36
5 4/36 20/36 16/36
6 5/36 30/36 5/36
7 6/36 42/36 0
8 5/36 40/36 5/36
9 4/36 36/36 16/36
10 3/36 30/36 27/36
11 2/36 22/36 32/36
12 1/36 12/36 25/36
1 252/36 210/36
A mdia ser:
7
36
252
) ( ) (
i i
x P x X E
A varincia ser:
83 , 5
36
210
) ( ) (
2 2

i i
x P x
O desvio padro ser:
41 , 2 83 , 5 ) ( ) (
2

i i
x P x
Exemplo 2
Um jogo consiste no lanamento de 3 moedas (no viciadas). Se der tudo cara ou tudo coroa, o ganho
de R$ 5,00, mas dando uma ou duas caras, a perda de R$ 3,00. Qual o resultado esperado para o jogo?
Lembrando que o espao amostral no lanamento de trs moedas :
S = {CCC, CCK, CKC, CKK, KCC, KCK, KKC, KKK}
i
x ) (
i
x P ) (
i i
x P x
R$ 5 2/8 10/8
R$ 3 6/8 18/8
1 1
Logo, o resultado esperado do jogo a mdia ou valor esperado da varivel aleatria, no caso:
1
8
8
8
18
8
10
) ( ) (
,
_

+
i i
x P x X E
Ou seja: a longo prazo pode esperar, em mdia, uma perda de aproximadamente R$ 1,00.
25
Exemplo 3
Uma mquina produz um equipamento eletrnico que pode apresentar nenhum, um, dois, trs ou quatro
defeitos, com probabilidades 90%, 4%, 3%, 2% e 1%, respectivamente. O preo de venda de um
equipamento perfeito de R$ 20,00 e, medida que apresente defeitos, o preo cai 50% para cada defeito
apresentado. Qual a esperana do preo mdio de venda desse equipamento?
A distribuio :
Defeito
i
x ) (
i
x P ) (
i i
x P x
0 20,00 0,90 18
1 10,00 0,04 0,4
2 5,00 0,03 0,15
3 2,50 0,02 0,05
4 1,25 0,01 0,0125
1 18,6125
Logo o preo mdio de venda ser:
61 , 18 $ 6125 , 18 0125 , 0 05 , 0 15 , 0 4 , 0 18 ) ( ) ( R x P x X E
i i
+ + + +

2.4 Comentrio sobre o valor esperado e a varincia

A diferena fundamental entre x e que x , por depender das freqncias, s pode ser calculada aps
a ocorrncia de todos os valores da srie estatstica. uma mdia calculada a posteriori. J a mdia , por
estar baseada no conceito de probabilidade, pode ser estabelecida antes da ocorrncia dos valores da
varivel aleatria. uma mdia calculada a priori. Neste sentido, uma expectativa de mdia e
tambm chamada de esperana matemtica da varivel aleatria X. A mesma analogia existe entre a
varincia e o desvio padro de uma distribuio de freqncia e a varincia e o desvio padro de uma
varivel aleatria X.
2.5 Propriedades do valor esperado e da varincia
Seja X uma varivel aleatria e a e b duas constantes quaisquer:
Propriedades do valor esperado:
P1) E(a) = a
P2) E(bX) = bE(X)
P3) E(X + a) = E(X) + a
P4) E(a + bX) = a + bE(X)
Propriedades da varincia VAR(X):
P5)
0 ) ( X VAR
26
P6) VAR(X + a) = VAR(X)
P7) VAR(bX) = b
2
VAR(X)
P8) VAR(a + bX) = b
2
VAR(X)
Exemplo
O consumo agregado dado pela equao C = 1,5 + 0,8Y, onde a renda disponvel, Y, uma varivel
aleatria com valor esperado 100 e varincia 10. O valor esperado e a varincia do consumo, C, seriam,
respectivamente:
a) 81,5 e 9,5
b) 85,1 e 6,4
c) 81,5 e 8,0
d) 81,5 e 7,9
e) 81,5 e 6,4
Resoluo:
Clculo do valor esperado:
E(C) = E(1,5 + 0,8Y) pela propriedade P4 temos:
E(C) = 1,5 + 0,8E(Y) como E(Y) dado: E(Y) = 100, o valor esperado do consumo :
E(C) = 1,5 + 0,8(100)
E(C) = 81,5
Clculo da varincia:
VAR(C) = VAR(1,5 + 0,8Y) pela propriedade P8 temos:
) ( ) 8 , 0 ( ) (
2
Y VAR C VAR como a VAR(Y) dada: VAR(Y) = 10, a varincia do consumo :
4 , 6 10 ) 8 , 0 ( ) (
2
C VAR
Portanto: E(C) = 81,5 e VAR(C) = 6,4 Resposta correta: letra e.
EXERCCIOS LISTA 2
Parte I Probabilidades
01) Duas bolas so retiradas, sem reposio, de uma urna que contm duas bolas brancas, trs bolas pretas
e cinco bolas vermelhas. Determine a probabilidade de que:
a) ambas sejam pretas;
b) ambas sejam vermelhas;
c) ambas sejam da mesma cor;
d) ambas sejam de cores diferentes.
02) Resolva o problema anterior considerando as retiradas com reposio.
03) Se P(AUB) = 0,8; P(A) = 0,6 e P(B) = 0,5; os eventos A e B so independentes? Por qu?
04) No primeiro ano de uma faculdade, 25% dos estudantes so reprovados em Matemtica, 15% so
reprovados em Estatstica e 10% so reprovados em ambas. Um estudante selecionado ao acaso nesta
faculdade. Calcule a probabilidade de que:
27
a) Ele seja reprovado em Matemtica, sabendo-se que foi reprovado em Estatstica.
b) Ele no seja reprovado em Estatstica, sabendo-se que foi reprovado em Matemtica.
05) Lana-se um par de dados no-viciados. Ache a probabilidade da soma ser igual ou maior que 10, se:
a) ocorrer 5 no primeiro dado;
b) ocorrer 5 em pelo menos um dos dados.
06) Trs mquinas, A, B e C, produzem 50%, 30% e 20%, respectivamente, do total de peas de uma
fbrica. As percentagens de produo defeituosa destas mquinas so de 3%, 4% e 5%, respectivamente.
Se uma pea selecionada aleatoriamente, ache a probabilidade de ela ser defeituosa.
07) Considerando a fbrica do exerccio anterior, suponha que uma pea, selecionada aleatoriamente, seja
considerada defeituosa. Encontre a probabilidade de ela ter sido produzida pela mquina A.
08) Uma junta apuradora de votos recebe 50 urnas. Sabe-se que 5 urnas so de bairros habitados por
indivduos da classe A, 15 urnas so de bairros habitados por indivduos da classe B e 30 urnas so de
bairros habitados por indivduos da classe C. A ltima pesquisa realizada mostrou o quadro de intenes
de votos:
Candidato
Inteno de votos por bairro (%)
Bairro A Bairro B Bairro C
H.C
LALU
VENTAROLA
40
20
10
30
25
5
25
25
5
Calcule a probabilidade de que:
a) Um voto qualquer anunciado seja do Ventarola; b) Um voto qualquer anunciado no seja do
H.C..
09) A tabela a seguir apresenta dados dos 1000 ingressantes de uma universidade, com informaes sobre
rea de estudo e classe scio-econmica:
rea
Classe Socioeconmica
Total
Alta Mdia Baixa
Exatas 120 156 68
Humanas 72 85 112
Biolgicas 169 145 73
Total
Se um aluno ingressante escolhido ao acaso, determine a probabilidade de:
a) Ser da classe econmica mais alta c) Estudar na rea de humanas, sendo da classe mdia;
b) Estudar na rea de exatas d) Ser da classe baixa, dado que estuda na rea de biolgicas.
10) Suponha que um fabricante de sorvetes recebe 20% de todo o leite que utiliza de uma fazenda A, 30%
de outra fazenda B e 50% de uma fazenda C. Um rgo de fiscalizao inspecionou as fazendas de
surpresa e observou que 20% do leite produzido por A estava adulterado por adio de gua, enquanto
que para B e C, essa proporo era de 5% e 2%, respectivamente. Na indstria de sorvetes os gales de
leite so armazenados em um refrigerador sem identificao das fazendas. Um galo escolhido ao acaso
e verifica-se que o leite est adulterado. Qual a probabilidade de que tenha sido produzido pela fazenda
A?
11) A preferncia de consumo da populao de mil indivduos indicada no quadro abaixo.
28
Homem Mulher Total do Produto
Produto A 200 270 470
Produto B 300 100 400
Produto C 60 70 130
Total por Sexo 560 440 1000
Assim, a probabilidade de escolher-se uma consumidora do produto B e a probabilidade de uma mulher
selecionada aleatoriamente ser consumidora do produto B so, respectivamente:
a) 0,10 e 0,227 b) 0,10 e 0,614 c) 0,27 e 0,102 d) 0,30 e 0,227
12) Estudantes de trs universidades diferentes, X, Y e Z, fazem um exame onde os resultados so
medidos pelos conceitos A, B e C. A tabela abaixo mostra as distribuies de freqncias relativas das
combinaes de universidades e conceitos.
Universidades
Conceitos
A B C
X 0.20 0.10 0.00
Y 0.25 0.10 0.05
Z 0.15 0.10 0.05
Tal tabela mostra, por exemplo, que 20% do total dos alunos que fizeram o exame eram da universidade
X e tiveram conceito A; 5% eram da universidade Y e tiveram conceito C, e assim por diante. Sabendo-se
que um estudante qualquer teve conceito A, a probabilidade de que ele tenha estudado na universidade X
:
a) 1/3 b) 1/4 c) 1/5 d) 2/3 e) 2/5
13) Para selecionar seus funcionrios, uma empresa oferece aos candidatos um curso de treinamento
durante uma semana. Ao final, eles so submetidos a uma prova e 25% so classificados como bons (B),
50% como mdios (M) e os restantes 25% como fracos (F). Como medida de economia, o departamento
de seleo pretende substituir o treinamento por um teste contendo perguntas envolvendo conhecimentos
gerais e especficos. Mas, para isso, gostaria de conhecer qual a probabilidade de que um individuo
aprovado no teste fosse considerado fraco, caso fizesse o curso. Assim, nesse ano, antes do incio do
curso, os candidatos foram submetidos ao teste e, de acordo com os resultados receberam o conceito
aprovado (A) ou reprovado (R). Ao final do curso, obtiveram as seguintes probabilidades condicionais:
P(A|B) = 0,80; P(A|M) = 0,50 e P(A|F) = 0,20. Ajude a empresa a decidir sobre a substituio do
treinamento pelo teste, calculando a probabilidade de que um indivduo aprovado no teste seja
considerado fraco.
Parte II Varivel Aleatria Discreta e Valor Esperado
01) Calcule a mdia ou E(X), a varincia (
2
) e o desvio padro ( ) das distribuies de
probabilidades das variveis aleatrias abaixo:
a) X: 2 4 7 9
P(X): 0,1 0,6 0,2 0,1
b) Y: -1 0 1 3
P(Y): 2/5 1/5 1/5 1/5
29
02) Um jogador lana trs moedas no-viciadas. Ganha R$6,00 se aparecerem somente caras; perde
R$2,00 se aparecerem somente coroas; ganha R$2,00 se aparecerem duas caras e perde R$3,00 se
aparecerem duas coroas. Qual a esperana matemtica do jogo?
03) Um jogador lana 2 moedas no-viciadas. Ele ganha R$5,00 se ocorrerem duas caras; R$2,00 se
ocorrer uma cara e R$1,00 se no ocorre cara.
a) Ache seu ganho esperado.
b) Qual o valor mximo deve pagar para jogar de modo que ele no tenha prejuzo?
04) Uma indstria fabrica rodas de carro que podem apresentar nenhum, um, dois, trs ou quatro defeitos,
com probabilidades de 86%, 6%, 3%, 3% e 2%, respectivamente. O preo de venda de uma roda perfeita
R$50,00 e, medida que apresente defeitos, o preo cai 40% para cada defeito apresentado. Qual a
esperana do preo mdio de venda dessas rodas?
05) O tempo T, em minutos, necessrio para um operrio processar certa pea uma varivel aleatria
com a seguinte distribuio de probabilidade:
T: 2 3 4 5 6 7
P(T): 0,1 0,1 0,3 0,2 0,2 0,1
a) Calcule o tempo mdio de processamento.
b) Para cada pea processada, o operrio ganha um fixo de R$2,00. Mas, se ele processa a pea em
menos de 6 minutos, ganha R$0,50 por cada minuto poupado. Encontre a distribuio e a mdia da
varivel aleatria G: quantia em R$ ganha por pea.
06) O consumo agregado dado pela equao W = 1,7 + 0,6X, onde a renda disponvel, X, uma
varivel aleatria com valor esperado de 80 e varincia de 6. O valor esperado e a varincia do consumo,
W, seriam respectivamente: (Faa os clculos apropriados)
a) 49,7 e 2,16 b) 49,7 e 2,30 c) 49,7 e 3,86 d) 49,7 e 5,30 e) 49,7 e 17,18
07) Os pais de uma estudante prometeram-lhe uma recompensa de US$100 se ela obtiver conceito A em
Estatstica, US$50 se obtiver B, mas nenhuma recompensa nos demais casos. Qual a sua esperana
matemtica se as probabilidades de ela obter A ou B so, respectivamente, 0,32 e 0,40?
08) As probabilidades das pessoas que entram em um supermercado para comprarem 0, 1, 2, 3, 4 ou 5
produtos so: 0,24; 0,31; 0,22; 0,15; 0,06 e 0,02, respectivamente. Qual a esperana matemtica do
nmero de produtos comprados?
09) Uma mquina fabrica placas de ao que podem apresentar nenhum, um, dois, trs ou quatro defeitos,
com probabilidades de 85%, 5%, 4%, 3% e 3%, respectivamente. O preo de venda de uma placa perfeita
de R$20,00 e, medida que apresenta defeitos, o preo cai 50% para cada defeito apresentado. Qual a
esperana do preo mdio de venda dessas placas?
10) Desenham-se crculos concntricos de 1 e 3 centmetros de raio num alvo circular de 5 centmetros de
raio. Um homem ganha 10, 5 ou 3 pontos (veja a figura abaixo) conforme atinja o alvo no crculo menor,
no do meio ou no de fora, respectivamente. Suponha que atinja o alvo com probabilidade . Ache o
nmero esperado de pontos que esse homem obtm.
30



3 5 10

11) Uma amostra de 3 objetos escolhida aleatoriamente de uma caixa contendo 12 objetos, dos quais 3
so defeituosos. Ache o nmero esperado de objetos defeituosos.
3 MODELO DE DISTRIBUIO DISCRETA DE PROBABILIDADE: DISTRIBUIO
BINOMIAL
3.1 Caractersticas do modelo
N. fixo de ensaios ou prova
Provas ou ensaios independentes
Dicotomia: Sucesso (S) e Fracasso ou Falha (F). P(S) = p e P(F) = 1 p = q. De modo que: p + q = 1.
Probabilidade de sucesso (p) e falha (q) constantes.
3.2 Funo de distribuio de probabilidade
x n x
q p
x
n
x X P x f

,
_

) ( ) (
Onde: x = 0, 1, 2, 3, ... , n e
) ! ( !
!
x n x
n
x
n

,
_

e onde n e p so os parmetros da distribuio

comum a notao:
) ; ( ~ p n b X
que quer dizer: X possui distribuio binomial com parmetros n e p.
31
3.3 Mdia, varincia e desvio padro de uma distribuio binomial
p n
q p n
2

q p n
Exemplos
1) Uma prova tem 12 questes do tipo mltipla escolha com 5 alternativas de resposta das quais apenas
uma correta. Um aluno responde ao acaso as questes (chuta). Determine a probabilidade de que
acerte:
a) No mximo duas questes.
b) Exatamente sete questes.
c) Pelo menos uma questo.
2) Os artigos produzidos por uma fbrica so defeituosos com probabilidade 0,05. a fbrica os vende em
pacotes de 10 e garante que um pacote contm, no mximo, um artigo defeituoso, caso contrrio ela
troca o pacote vendido. Qual a probabilidade de que ela troque um determinado pacote.
EXERCCIOS LISTA 3 Distribuio Binomial
01) Uma amostra de 15 peas extrada de um lote que contm 10% de peas defeituosas. Calcule a
probabilidade de que:
a) O lote no contenha pea defeituosa
b) O lote contenha exatamente trs peas defeituosas
c) O lote contenha pelo menos uma pea defeituosa
d) O lote contenha de trs a seis peas defeituosas.
02) Calcule o valor esperado e o desvio padro para o nmero de peas defeituosas na amostra do
problema anterior.
03) Em determinada cidade, as despesas mdicas so consideradas como responsveis por 60% de todas
as falncias pessoais. Qual a probabilidade de as despesas mdicas serem apontadas como responsveis
por quatro das prximas seis falncias pessoais naquela cidade?
04) Uma pessoa que subscreve certo tipo de aplice de seguro de vida tem 0,30 de probabilidade de
deix-la caducar dentro de cinco anos. De oito pessoas que subscrevem esse tipo de aplice, qual a
probabilidade de trs delas deixarem-na caducar dentro de cinco anos?
05) Se verdade que 80% de todos os acidentes industriais podem ser evitados dando-se estrita ateno s
normas de segurana, ache a probabilidade de que quatro entre sete acidentes industriais possam ser
evitados.
06) Prepara-se um exame para admisso no servio pblico, de forma que 80% de todos que tenham um
diploma de curso secundrio tenham chances de serem aprovados. Achar as probabilidades de que, dentre
14 pessoas com diploma de curso secundrio:
a) no mximo 10 sejam aprovados c) exatamente 12 sejam aprovados
b) pelo menos 9 sejam aprovados d) sejam aprovadas de 8 a 12 pessoas
07) Um estudo mostra que 50% das famlias residentes em uma grande rea metropolitana tem ao menos
dois carros. Determine as probabilidades de que, dentre 16 famlias selecionadas aleatoriamente naquela
rea,
a) exatamente 9 tenham ao menos dois carros;
32
b) no mximo 6 tenham ao menos dois carros;
c) de 8 a 12 tenham ao menos dois carros.
08) Uma cooperativa agrcola afirma que 95% das melancias vendidas por ela esto maduras e prontas
para consumo. Determine as probabilidades de que, dentre 18 melancias despachadas,
a) todas as 18 estejam maduras e prontas para consumo;
b) ao menos 16 estejam maduras e prontas para consumo;
c) no mximo 14 estejam maduras e prontas para consumo.
09) Sabe-se que 20% das pessoas que tomam determinado remdio ficam sonolentas em 2 minutos.
Determine as probabilidades de que, dentre 14 pessoas que tomam o remdio,
a) no mximo duas fiquem sonolentas dentro de 2 minutos;
b) ao menos cinco fiquem sonolentas dentro de 2 minutos.
10) Admite-se que dois quintos dos adultos de certa regio sejam alfabetizados. Nestas condies, qual
a probabilidade de que, entre cinco adultos escolhidos ao acaso,
a) dois sejam alfabetizados b) mais de dois sejam alfabetizados?
11) Uma companhia de seguros vendeu aplices a cinco pessoas, todas da mesma idade e de boa sade.
De acordo com as tbuas atuariais, a probabilidade de que uma pessoa da idade desses assegurados esteja
viva da a 30 anos 2/3. Calcular a probabilidade de que passados 30 anos:
a) todas as cinco estejam vivas b) pelo menos 3 pessoas estejam vivas.
12) Seja X uma varivel aleatria com distribuio binominal com E(X) = = 1,2 e VAR(X) =
2
=
0,96. Encontre a distribuio de probabilidade de X..
4 VARIVEL ALEATRIA CONTNUA
Uma varivel aleatria contnua em R se existir uma funo f(x), tal que:
1. f(x) 0 (no negativa)
2.

1 ) ( dx x f
A funo f(x) chamada funo densidade de probabilidade.
Definies:
a)

dx x xf X E ) ( ) (
b) { }

dx x f X E x X VAR ) ( ) ( ) (
2
ou, equivalentemente: } {
2 2
) ( ) ( ) ( X E X E X VAR
33
onde:

dx x f x X E ) ( ) (
2 2
5 MODELO DE DISTRIBUIO CONTNUA DE PROBABILIDADE: DISTRIBUIO
NORMAL
5.1 Caractersticas do modelo:
- A mdia (l-se: mi) e o desvio padro (l-se: sigma) so os parmetros da distribuio.
- A curva SIMTRICA.
- A rea total sob a curva igual a UM.
5.2 Ilustraes da curva normal:
Figura l
+ +3
+2
-
-2
-3
X
X -

0 1 2 3 -1 -2 -3
Z
Figura 2
a b
P(a<X<b)
5.3 Funo densidade de probabilidade
2
2
1
2
1
) (

,
_

x
e x f
, para - < x < +
Para calcular a probabilidade da figura 2, ou seja, a rea entre a e b, devemos fazer:
( )
( )

b
a
x
dx e b X a P
2
2
2
2
1

, que apresenta um grau relativo de dificuldade.
34
5.4 Varivel normal padro ou reduzida (Z)
Refere-se varivel aleatria X em uma nova escala. Ou seja, padroniza-se a varivel X da seguinte
forma:
Onde a mdia populacional e o desvio padro populacional.
Esta nova varivel tem mdia 0 (zero) e desvio padro 1 (um).
5.5 Clculo de probabilidade utilizando a tabela de distribuio normal
a) P(Z < 2,17) =
b) P(Z < - 1,96) =
c) P(Z > 1,63) =
d) P(Z > - 2,37) =
e) P(- 1,27 < z < 1,37) =
f) P(0,53 < Z < 1,56) =
g) P(Z < - 3, 47) =
h) P(Z > 3,89) =
5.6 Exemplos sobre distribuio normal
1) Um teste padronizado de escolaridade tem distribuio normal com mdia 100 e desvio padro 10.
Determine a probabilidade de um indivduo submetido ao teste ter nota:
a) menor que 70 b) Maior que 120 c) entre 85 e 115
2) A durao de um certo componente eletrnico tem mdia de 850 dias e desvio padro 40 dias.
Supondo a distribuio normal, calcule a probabilidade de esse componente durar:
a) entre 700 e 1000 dias b) mais de 800 dias c) menos de 750 dias
3) Uma distribuio normal tem mdia =62,4. Determinar se 0,33 da rea sob a curva esto
direita de 79,2.
4) Em um exame de estatstica a nota mdia foi 70, com desvio padro 4,5. Todos os alunos com notas
75 a 89 receberam conceito B. Se as notas possuem distribuio normal e se 10 alunos obtiveram
conceito B, quantos fizeram o exame?
5) Um exame apresenta distribuio normal. Sabe-se que as notas 70 e 82 correspondem aos valores
padronizados de 0,85 e 2,58, respectivamente. Caracterize essa distribuio, isto , encontre e .

X
Z
35
EXERCCIOS LISTA 4 Distribuio Normal
01) O levantamento do custo unitrio de produo de um item de uma empresa revelou que sua
distribuio normal com mdia R$ 50,00 e desvio padro R$ 4,00. Se o preo de venda unitrio desse
produto de R$ 60,00, qual a probabilidade de uma unidade desse item, escolhida ao acaso, ocasionar
prejuzo empresa?
02) Uma empresa produz um equipamento cuja vida til admite distribuio normal com mdia 300 horas
e desvio padro 20 horas. Se a empresa garantiu uma vida til de pelo menos 280 horas para uma das
unidades vendidas, qual a probabilidade de ela ter que repor essa unidade?
03) Uma varivel aleatria distribui-se normalmente com mdia 80 e varincia 9. Calcule o intervalo
central que contm:
a) 50% dos valores b) 95% dos valores c) 68% dos valores
04) Os balancetes semanais realizados em uma empresa mostraram que o lucro realizado distribui-se
normalmente com mdia R$ 48.000,00 e desvio padro R$ 8.000,00. Qual a probabilidade de que:
a) Na prxima semana o lucro seja maior que R$ 50.000,00?
b) Na prxima semana o lucro esteja entre R$ 40.000,00 e R$ 45.000,00?
c) Na prxima semana haja prejuzo?
05) O departamento de Marketing de uma empresa resolve premiar 5% dos seus vendedores mais
eficientes. Um levantamento das vendas individuais por semana mostrou que elas se distribuam
normalmente com mdia R$ 240.000,00 e desvio padro R$ 30.000,00. Qual o volume mnimo de vendas
que um vendedor deve realizar para ser premiado?
06) Um fabricante sabe que a resistncia dos resistores que produz tem distribuio normal com mdia
igual a 100 ohms e desvio padro 2 ohms. Que percentagem de resistores ter resistncia:
a) entre 98 e 102 ohms? b) maior do que 95 ohms?
07) O peso mdio de 500 estudantes do sexo masculino 75 kg. Admite-se que esta varivel tem
distribuio normal e desvio padro igual a 6 kg. Determine o nmero esperado de estudantes no grupo:
a) com mais de 81 kg b) cujo peso esteja entre 69 e 81 kg.
08) Uma mquina de ensacar determinado produto apresenta variaes de peso com desvio padro de 3
kg. Admite-se a distribuio normal nesta situao.
a) Se a mquina for regulada para um peso mdio de 60 kg, qual a probabilidade de obter sacos com
menos de 55 kg?
b) Em quanto deve ser regulado o peso mdio do saco para que apenas 10% tenham menos de 60 kg?
09) Uma mquina de ensacar determinado produto apresenta variaes de peso com desvio padro de 2
kg (admitir distribuio normal). Em quanto deve ser regulado o peso mdio do saco para que apenas 5%
tenham menos de 60 kg?
10) Suponha que as notas de um exame so normalmente distribudas com a mdia 76 e desvio padro 15.
Sabe-se que 15% dos estudantes mais adiantados recebem a nota A e 10% dos mais atrasados recebem a
nota F. Encontre:
a) o grau mnimo para receber um A
b) o grau mnimo para passar (no receber um F).
11) Um exame apresenta distribuio normal. Sabe-se que as notas 75 e 88 correspondem aos valores
padronizados de -0,4 e 1,3, respectivamente. Caracterize essa distribuio. Isto , determine a mdia ( )
e o desvio padro ( ).