Estatistica I 2014 A

ESTATSTICA I - UNIVERSIDADE CANDIDO MENDES N.
FRIBURGO
Prof. Inaba

CONTEDO
1. CONCEITOS BSICOS ............................................................................................................................................................... 3
INTRODUO .............................................................................................................................................................................. 3
MTODO ESTATSTICO ........................................................................................................................................................... 3
A ESTATSTICA ................................................................................................................................................................ ........... 3
ETAPAS DA PESQUISA: FASES DO MTODO ESTATSTICO .................................................................................... 3
DEFINIES BSICAS DA ESTATSTICA ......................................................................................................................... 4
VARIVEL ..................................................................................................................................................................................... 5
EXERCCIO .................................................................................................................................................................................... 6
2. FORMAS DE ORGANIZAO E APRESENTAO DE DADOS ................................................................................... 7
SRIES ESTATSTICAS E GRFICOS ESTATSTICOS .................................................................................................. 7
DISTRIBUIO DE FREQUNCIA ..................................................................................................................................... 12
REPRESENTAO GRFICA DE UMA DISTRIBUIO ............................................................................................ 15
Exerccio ................................................................................................................................................................ ..................... 17
3. MEDIDAS DE TENDNCIA CENTRAL ............................................................................................................................. 18
Introduo ................................................................................................................................................................ ................. 18
MDIA ARITMTICA ( x ) .................................................................................................................................................. 18
Moda ............................................................................................................................................................................................ 19
SEPARATRIZES ................................................................................................................................................................ ........ 19
Mediana ...................................................................................................................................................................................... 20
EXERCCIO ................................................................................................................................................................................. 22
4. MEDIDAS DE DISPERSO E DE ASSIMETRIA ............................................................................................................. 23
Desvio Mdio(DM) ................................................................................................................................................................. 23
VARIANA ................................................................................................................................................................................. 24
DESVIO PADRO ..................................................................................................................................................................... 24
COEFICIENTE DE VARIAO ............................................................................................................................................. 24
COEFICIENTE DE ASSIMETRIA DE PEARSON ............................................................................................................ 24
EXERCCIO ................................................................................................................................................................................. 25
5. PROBABILIDADE ................................................................................................................................................................ .... 26
INTRODUO ................................................................................................................................................................ ........... 26
CLASSIFICAO DE ALGUNS EVENTOS ........................................................................................................................ 26
ENFOQUES DA PROBABILIDADE ..................................................................................................................................... 27
EXERCCIO ................................................................................................................................................................ ................. 31
PROBABILIDADE CONDICIONAL E TEORMA DE BAYES ....................................................................................... 32
1
ESTATSTICA I - UNIVERSIDADE CANDIDO MENDES N. FRIBURGO
Prof. Inaba

INDEPENDNCIA ENTRE EVENTOS ............................................................................................................................... 33
EXERCCIO ................................................................................................................................................................................. 36
6. DISTRIBUIO DE PROBABILIDADES DE VARIVEIS ALEATRIAS ............................................................... 37
NOO DE VARIVEL ALEATRIA ................................................................................................................................. 37
7. DISTRIBUIO DE PROBABILIDADE DISCRETA....................................................................................................... 39
ESPERANA MATEMTICA OU MDIA......................................................................................................................... 39
VARINCIA ................................................................................................................................................................................ 39
DESVIO PADRO ..................................................................................................................................................................... 39
EXERCCIO ................................................................................................................................................................................. 41
DISTRIBUIO BINOMIAL .................................................................................................................................................. 42
DISTRIBUIO DE POISSON .............................................................................................................................................. 45
EXERCCIO ................................................................................................................................................................................. 47
DISTRIBUIO GEOMTRICA ........................................................................................................................................... 49
DISTRIBUIO DE PASCAL (Distribuio binomial negativa) ............................................................................ 50
DISTRIBUIO HIPERGEOMTRICA .............................................................................................................................. 51
DISTRIBUIO MULTINOMIAL ........................................................................................................................................ 54
Exerccio ..................................................................................................................................................................................... 56
8. DISTRIBUIES CONTNUAS ............................................................................................................................................ 57
DISTRIBUIO UNIFORME ................................................................................................................................................ 57
DISTRIBUIO NORMAL ..................................................................................................................................................... 59
EXERCCIO ................................................................................................................................................................ ................. 65
DIDTRIBUIO EXPONENCIAL ........................................................................................................................................ 66
EXERCCIO ................................................................................................................................................................ ................. 68

2
Prof. Inaba

1. CONCEITOS BSICOS
INTRODUO
ESTATSTICA: ramo da matemtica aplicada.
ANTIGUIDADE: os povos j registravam o nmero de habitantes, nascimentos, bitos. Faziam
"estatsticas".
IDADE MDIA: as informaes eram tabuladas com finalidades tributrias e blicas.
SEC. XVI: surgem as primeiras anlises sistemticas, as primeiras tabelas e os nmeros relativos.
SEC. XVIII: a estatstica com feio cientfica batizada por GODOFREDO ACHENWALL. As tabelas ficam
mais completas, surgem s primeiras representaes grficas e os clculos de probabilidades. A
estatstica deixa de ser uma simples tabulao de dados numricos para se tornar "O estudo de como se
chegar concluso sobre uma populao, partindo da observao de partes dessa populao (amostra)".
MTODO ESTATSTICO
MTODO: um meio mais eficaz para atingir determinada meta.
MTODOS CIENTFICOS: destacamos o mtodo experimental e o mtodo estatstico.
MTODO EXPERIMENTAL: consistem em manter constante todas as causas, menos uma, que a que
sofre variao para se observar seus efeitos, caso existam. E: Estudos da Qumica, Fsica, etc.
MTODO ESTATSTICO: diante da impossibilidade de manter as causas constantes (nas cincias sociais),
admitem todas essas causas presentes variando-as, registrando essas variaes e procurando
determinar, no resultado final, que influncias cabem a cada uma delas. Ex: Quais as causas que definem
o preo de uma mercadoria quando a sua oferta diminui?
Seria impossvel, no momento da pesquisa, manter constantes a uniformidade dos salrios, o gosto dos
consumidores, nvel geral de preos de outros produtos, etc.
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, a descrio dos dados, o clculo e a interpretao de coeficientes pertencem
ESTATSTICA DESCRITIVA, enquanto a anlise e a interpretao dos dados, associado a uma margem de
incerteza, ficam a cargo da ESTATSTICA INDUTIVA ou INFERENCIAL, tambm chamada como a medida
da incerteza ou mtodos que se fundamentam na teoria da probabilidade.
ETAPAS DA PESQUISA: FASES DO MTODO ESTATSTICO
1 - DEFINIO DO PROBLEMA: Saber exatamente aquilo que se pretende pesquisar o mesmo que
definir corretamente o problema.
2 - PLANEJAMENTO: Como levantar informaes? Que dados devero ser obtidos? Qual levantamento
a ser utilizado? Censitrio? Por amostragem? E o cronograma de atividades? Os custos envolvidos? etc.
3
Prof. Inaba

3 - COLETA DE DADOS: Fase operacional. o registro sistemtico de dados, com um objetivo
determinado.
Dados primrios: quando so publicados pela prpria pessoa ou organizao que os haja recolhido. Ex:
tabelas do censo demogrfico do IBGE.
Dados secundrios: quando so publicados pro outra organizao. Ex: quando determinado jornal
publica estatsticas referentes ao censo demogrfico extradas do IBGE.
OBS: mais seguro trabalhar com fontes primrias. O uso da fonte secundria traz o grande risco de
erros de transcrio.
Coleta Direta: quando obtida diretamente da fonte. Ex: Empresa que realiza uma pesquisa para saber
a preferncia dos consumidores pela sua marca.
A coleta direta pode ser: contnua (registros de nascimento, bitos, casamentos, etc.),
peridica (recenseamento demogrfico, censo industrial) e ocasional (registro de casos de dengue).
Coleta Indireta: feita por dedues a partir dos elementos conseguidos pela coleta direta, por
analogia, por avaliao, indcios ou proporcionalizao.
4 - APURAO DOS DADOS: Resumo dos dados atravs de sua contagem e agrupamento. a
condensao e tabulao de dados.
5 - APRESENTAO DOS DADOS: H duas formas de apresentao, que no se excluem mutuamente. A
apresentao tabular, ou seja, uma apresentao numrica dos dados em linhas e colunas
distribudas de modo ordenado, segundo regras prticas fixadas pelo Conselho Nacional de Estatstica.
A apresentao grfica dos dados numricos constitui uma apresentao geomtrica permitindo uma
viso rpida e clara do fenmeno.
6 - ANLISE E INTERPRETAO DOS DADOS: A ltima fase do trabalho estatstico a mais importante
e delicada. Est ligada essencialmente ao clculo de medidas e coeficientes, cuja finalidade principal
descrever o fenmeno (estatstica descritiva). Na estatstica indutiva a interpretao dos dados se
fundamenta na teoria da probabilidade.
DEFINIES BSICAS DA ESTATSTICA
FENMENO ESTATSTICO: qualquer evento que se pretenda analisar, cujo estudo seja possvel da
aplicao do mtodo estatstico. So divididos em trs grupos:
Fenmenos de massa ou coletivo: so aqueles que no podem ser definidos por uma simples
observao. A estatstica dedica-se ao estudo desses fenmenos. Ex: A natalidade na Grande Vitria, O
preo mdio da cerveja no Esprito Santo, etc.
Fenmenos individuais: so aqueles que iro compor os fenmenos de massa. Ex: cada nascimento na
Grande Vitria, cada preo de cerveja no Esprito Santo, etc.
Fenmenos de multido: quando a s caractersticas observadas para a massa no se verificam para o
particular.
DADO ESTATSTICO: um dado numrico e considerada a matria-prima sobre a qual iremos aplicar
os mtodos estatsticos.
POPULAO: o conjunto total de elementos portadores de, pelo menos, uma caracterstica comum.
4
Prof. Inaba

AMOSTRA: uma parcela representativa da populao que examinada com o propsito de tirarmos
concluses sobre a essa populao.
PARMETROS: So valores singulares que existem na populao e que servem para caracteriz-la. Para
definirmos um parmetro devemos examinar toda a populao. Ex: Os alunos do 2 ano da FACEV tm
em mdia 1,70 metros de estatura.
ESTIMATIVA: um valor aproximado do parmetro e calculado com o uso da amostra.
ATRIBUTO: quando os dados estatsticos apresentam um carter qualitativo, o levantamento e os
estudos necessrios ao tratamento desses dados so designados genericamente de estatstica de
atributo.
Exemplo de classificao dicotmica do atributo: A classificao dos alunos da UCAM quanto ao sexo.
atributo: sexo..........................classe: alunos da UCAM
dicotomia: duas subclasses (masculino e feminino)
Exemplo de classificao policotmica do atributo: Alunos da UCAM quanto ao estado civil.
atributo: estado civil...............classe: alunos da UCAM
dicotomia: mais de duas subclasses (solteiro, casado, divorciado, vivo, etc.).
VARIVEL
, convencionalmente, o conjunto de resultados possveis de um fenmeno.
VARIVEL QUALITATIVA: Quando seus valores so expressos por atributos: sexo, cor da pele, etc.
VARIVEL QUANTITATIVA: Quando os dados so de carter nitidamente quantitativo, e o conjunto dos
resultados possui uma estrutura numrica, trata-se, portanto da estatstica de varivel e se dividem em:
VARIVEL DISCRETA OU DESCONTNUA: Seus valores so expressos geralmente atravs de nmeros
inteiros no negativos. Resulta normalmente de contagens. Ex: N de alunos presentes s aulas de
introduo estatstica econmica no 1 semestre de 1997: mar = 18, abr = 30, mai = 35 , jun = 36.
VARIVEL CONTNUA: Resulta normalmente de uma mensurao, e a escala numrica de seus possveis
valores corresponde ao conjunto R dos nmeros Reais, ou seja, podem assumir, teoricamente, qualquer
valor entre dois limites. Ex.: Quando voc vai medir a temperatura de seu corpo com um termmetro de
mercrio o que ocorre o seguinte: O filete de mercrio, ao dilatar-se, passar por todas as temperaturas
intermedirias at chegar temperatura atual do seu corpo.

5
Prof. Inaba

EXERCCIO
Classifique as variveis em qualitativas ou quantitativas (contnuas ou discretas):
1. Cor dos olhos das alunas... Resp:qualitativa
2. ndice de liquidez nas indstrias Friburguense... Resp:quantitativa contnua
3. Produo de caf no Brasil... Resp:quantitativa contnua
4. Nmero de defeitos em aparelhos de TV... Resp:quantitativa discreta
5. Comprimento dos pregos produzidos por uma empresa... Resp:quantitativa contnua
6. O ponto obtido em cada jogada de um dado... Resp:quantitativa discreta

6
Prof. Inaba

2. FORMAS DE ORGANIZAO E APRESENTAO DE DADOS
SRIES ESTATSTICAS E GRFICOS ESTATSTICOS
TABELAS
Consiste em dispor os dados em linhas e colunas distribudas de modo ordenado. A elaborao de
tabelas obedece Resoluo no 886, de 26 de outubro de 1966, do Conselho Nacional de Estatstica. As
normas de apresentao so editadas pela Fundao Brasileira de Geografia e Estatstica (IBGE).

Elementos de uma tabela
Ttulo: O ttulo deve responder as seguintes questes:
O que? (Assunto a ser representado (Fato));
Onde? (O lugar onde ocorreu o fenmeno (local));
Quando? (A poca em que se verificou o fenmeno (tempo)).
Cabealho: parte da tabela na qual designada a natureza do contedo de cada coluna.
Corpo: parte da tabela composta por linhas e colunas.

Linhas: parte do corpo que contm uma sequncia horizontal de informaes.
Colunas: parte do corpo que contm uma sequncia vertical de informaes.
Coluna Indicadora: coluna que contm as discriminaes correspondentes aos valores distribudos
pelas colunas numricas.
Casa ou clula: parte da tabela formada pelo cruzamento de uma linha com uma coluna.
7
Prof. Inaba

Rodap: o espao aproveitado em seguida ao fecho da tabela, onde so colocadas as notas de natureza
informativa (fonte, notas e chamadas).
Fonte: refere-se entidade que organizou ou forneceu os dados expostos.
De acordo com a Resoluo 886 do IBGE, nas casas ou clulas da tabela devemos colocar:
um trao horizontal (-) quando o valor zero;
trs pontos (...) quando no temos os dados;
zero (0) quando o valor muito pequeno para ser expresso pela unidade utilizada;
um ponto de interrogao (?) quando temos dvida quanto exatido de determinado valor.
Obs.: O lado direito e esquerdo de uma tabela oficial deve ser aberto.
SRIE ESTATSTICA
qualquer tabela que apresenta a distribuio de um conjunto de dados estatsticos em funo da poca,
do local ou da espcie.
Da pode inferir que numa srie estatstica observamos a existncia de trs elementos ou fatores: o
tempo, o espao e a espcie.
Sries Homgrafas: so aquelas em que a varivel descrita apresenta variao discreta ou descontnua.
Podem ser do tipo temporal, geogrfica ou especfica.
a) Srie Temporal: Identifica-se pelo carter varivel do fator cronolgico. O local e a espcie
(fenmeno) so elementos fixos. Esta srie tambm chamada de histrica ou evolutiva.
Exemplo:
ABC VECLULOS LTDA.
Vendas no 1 bimestre de 2002
PERODO UNIDADES VENDIDAS *
JAN/96 20
FEV/96 10
TOTAL 30
* Em mil unidades
b) Srie Geogrfica: Apresenta como elemento varivel o fator geogrfico. A poca e o fato (espcie) so
elementos fixos. Tambm chamada de espacial, territorial ou de localizao.

8
Prof. Inaba

ABC VECLULOS LTDA.
FILIAIS UNIDADES VENDIDAS *
So Paulo 1 3
Rio de Janeiro 1 7
TOTAL 3 0
* Em mil unidades
c) Srie Especfica: O carter varivel apenas o fato ou espcie. Tambm chamada de srie categrica.
ABC VECLULOS LTDA.
MARCA UNIDADES VENDIDAS *
FIAT 18
GM 12
TOTAL 30
* Em mil unidades
SRIES CONJUGADAS: Tambm chamadas de tabelas de dupla entrada. So apropriadas apresentao
de duas ou mais sries de maneira conjugada, havendo duas ordens de classificao: uma horizontal e
outra vertical.
O exemplo abaixo de uma srie geogrfica-temporal.
ABC VECLULOS LTDA.
FILIAIS Janeiro/96 Fevereiro/96
So Paulo 10 3
Rio de Janeiro 12 5
TOTAL 22 8
* Em mil unidades

9
Prof. Inaba

GRFICOS ESTATSTICOS
So representaes visuais dos dados estatsticos que devem corresponder, mas nunca substituir as
tabelas estatsticas. Tem como caractersticas o uso de escalas, sistema de coordenadas, simplicidade,
clareza e veracidade.
Grficos de informao: So grficos destinados principalmente ao pblico em geral, objetivando
proporcionar uma visualizao rpida e clara. So grficos tipicamente expositivos, dispensando
comentrios explicativos adicionais. As legendas podem ser omitidas, desde que as informaes
desejadas estejam presentes.
Grficos de anlise: So grficos que se prestam melhor ao trabalho estatstico, fornecendo elementos
teis fase de anlise dos dados, sem deixar de ser tambm informativos. Os grficos de anlise
frequentemente vm acompanhados de uma tabela estatstica. Inclui-se, muitas vezes um texto
explicativo, chamando a ateno do leitor para os pontos principais revelados pelo grfico.
O uso indevido de Grficos pode trazer uma ideia falsa dos dados que esto sendo analisados, chegando
mesmo a confundir o leitor. Trata-se, na realidade, de um problema de construo de escalas.
Classificao dos grficos: Diagramas, Estereogramas, Pictogramas e Cartogramas.
1 - Diagramas:
So grficos geomtricos dispostos em duas ou trs dimenses. So os mais usados na representao de
sries estatsticas. Eles podem ser :
Grficos em barras horizontais
Grficos em barras verticais (colunas)
Quando as legendas no so breves usam-se de preferncia os grficos em barras horizontais. Nesses
grficos os retngulos tm a mesma base e as alturas so proporcionais aos respectivos dados. A ordem
a ser observada a cronolgica, se a srie for histrica, e a decrescente, se for geogrfica ou categrica.
Grficos em barras ou colunas superpostas
Eles diferem dos grficos em barras ou colunas convencionais apenas pelo fato de apresentar cada barra
ou coluna segmentada em partes componentes. Servem para representar comparativamente dois ou
mais atributos.
Grficos em linhas ou lineares
So frequentemente usados para representao de sries cronolgicas com um grande nmero de
perodos de tempo. As linhas so mais eficientes do que as colunas, quando existem intensas flutuaes
nas sries ou quando h necessidade de se representarem vrias sries em um mesmo grfico.
Quando representamos, em um mesmo sistema de coordenadas, a variao de dois fenmenos, a parte
interna da figura formada pelos grficos desse fenmeno denominada de rea de excesso.
Grficos em setores
Este grfico construdo com base em um crculo, e empregado sempre que desejamos ressaltar a
participao do dado no total. O total representado pelo crculo, que fica dividido em tantos setores
10
Prof. Inaba

quantas so as partes. Os setores so tais que suas reas so respectivamente proporcionais aos dados
da srie. O grfico em setores s deve ser empregado quando h, no mximo, sete dados.
Obs.: As sries temporais geralmente no so representadas por este tipo de grfico.
Pictogramas:
So construdos a partir de figuras representativas da intensidade do fenmeno. Este tipo de grfico tem
a vantagem de despertar a ateno do pblico leigo, pois sua forma atraente e sugestiva. Os smbolos
devem ser autoexplicativos. A desvantagem dos pictogramas que apenas mostram uma viso geral do
fenmeno, e no de detalhes minuciosos. Veja o exemplo abaixo:
Estereogramas:
So grficos geomtricos dispostos em trs dimenses, pois representam volume. So usados nas
representaes grficas das tabelas de dupla entrada. Em alguns casos este tipo de grfico fica difcil de
ser interpretado dada a pequena preciso que oferecem.
Cartogramas: So ilustraes relativas a cartas geogrficas (mapas). O objetivo desse grfico o de
figurar os dados estatsticos diretamente relacionados com reas geogrficas ou polticas.

11
Prof. Inaba

DISTRIBUIO DE FREQUNCIA
um tipo de tabela que condensa uma coleo de dados conforme as frequncias (repeties de seus
valores).
Tabela primitiva ou dados brutos: uma tabela ou relao de elementos que no foram numericamente
organizados. difcil formarmos uma ideia exata do comportamento do grupo como um todo, a partir
de dados no ordenados.
Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51
ROL: a tabela obtida aps a ordenao dos dados (crescente ou decrescente).
Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60
Diagrama de ramo-e-folhas
Um grfico usado para mostrar a forma da distribuio de um conjunto de dados quantitativos o
diagrama de ramo-e-folhas, desenvolvido pelo estatstico John Tukey. Para a construo desse grfico,
cada observao do conjunto de dados quebrada em duas partes. Uma dessas partes a folha, que
deve ser formada por apenas um algarismo, e os algarismos restantes formam o galho. Como numa
rvore, as folhas so penduradas no galho apropriado.
Para construir o diagrama, traa-se uma linha vertical para separar os galhos das folhas. esquerda
dessa linha escrevem-se os diferentes ramos, um em cada linha horizontal, e escrevem-se as folhas no
respectivo galho.
Ex.
4 1 1 1 2 2 3 4 5 6 6
5 0 0 1 2 4 7 8 8
6 0 0

Distribuio de frequncia sem intervalos de classe: a simples condensao dos dados conforme as
repeties de seus valores. Para um ROL de tamanho razovel esta distribuio de frequncia
inconveniente, j que exige muito espao. Veja exemplo abaixo:
Dados Frequncia
41 3
42 2
43 1
44 1
45 1
46 2
50 2
51 1
52 1
54 1
57 1
58 2
60 2
Total 20

12
Prof. Inaba

Distribuio de frequncia com intervalos de classe: Quando o tamanho da amostra elevado mais
racional efetuar o agrupamento dos valores em vrios intervalos de classe.
Classes Frequncias (fi)
41 45 7
45 49 3
49 53 4
53 57 1
57 61 5

ELEMENTOS DE UMA DISTRIBUIO DE FREQUNCIA (com intervalos de classe):
CLASSE: so os intervalos de variao da varivel e simbolizada por i.
Ex: na tabela anterior, temos 5 classes e 49 53 a 3 classe, onde i=3.
LIMITES DE CLASSE: so os extremos de cada classe. O menor nmero o limite inferior de classe (li) e
o maior nmero, limite superior de classe (Li).
Ex: em 49 53... l3= 49 e L3= 53. O smbolo representa um intervalo fechado esquerda e aberto
direita. O dado 53 do ROL no pertence classe 3 e sim a classe 4 representada por 53 57.
AMPLITUDE DO INTERVALO DE CLASSE: obtida atravs da diferena entre o limite superior e inferior
da classe e simbolizada por hi = Li - li.
Ex: na tabela anterior hi= 53 - 49 = 4.
Obs: Na distribuio de frequncia com classes iguais, o hi ser igual em todas as classes.
AMPLITUDE TOTAL DA DISTRIBUIO: a diferena entre o limite superior da ltima classe e o limite
inferior da primeira classe. AT = L(max) - l(min).
Ex: na tabela anterior AT = 61 - 41= 20.
AMPLITUDE TOTAL DA AMOSTRA (ROL): a diferena entre o valor mximo e o valor mnimo da
amostra (ROL). Onde AA = Xmax - Xmin. Em nosso exemplo AA = 60 - 41 = 19.
Obs.: AT sempre ser maior ou igual que AA.
PONTO MDIO DE CLASSE: o ponto que divide o intervalo de classe em duas partes iguais. Ex: em 49
53 o ponto mdio x3 = (53+49)/2 = 51, ou seja, x3=(l3+L3)/2.
Frequncias simples ou absolutas(fi): so os valores que realmente representam o nmero de dados de
cada classe. A soma das frequncias simples igual ao nmero total dos dados da distribuio.
Frequncias relativas(fri): so os valores das razes entre as frequncias absolutas de cada classe e a
frequncia total da distribuio. A soma das frequncias relativas igual a 1 (100 %).
13
Prof. Inaba

Frequncia simples acumulada de uma classe(Fi): o total das frequncias de todos os valores inferiores
ao limite superior do intervalo de uma determinada classe.
Frequncia relativa acumulada de uma classe(Fri): a frequncia acumulada da classe, dividida pela
frequncia total da distribuio.
Exemplo
Classes fi xi fri Fi Fri
50 54 4 52 0,100 4 0,100
54 58 9 56 0,225 13 0,325
58 62 11 60 0,275 24 0,600
62 66 8 64 0,200 32 0,800
66 70 5 68 0,125 37 0,925
70 74 3 72 0,075 40 1,000
Total 40

Nmero de Classes(i)
Corresponde quantidade de classes, nas quais sero agrupados os elementos do rol. A frmula
oficial para determinar i, a frmula de Sturges, que a seguinte: i = 1 + 3,333...log(n), onde n
corresponde ao nmero de elementos do rol. Para facilitar, pode-se adotar um valor para l, geralmente
entre 5 e 20. Em alguns casos (25 n 200) utiliza-se i = raiz quadrada de n.

14
Prof. Inaba

REPRESENTAO GRFICA DE UMA DISTRIBUIO
Histograma, Polgono de frequncia e Polgono de frequncia acumulada.
Em todos os grficos acima utilizamos o primeiro quadrante do sistema de eixos coordenados
cartesianos ortogonais. Na linha horizontal (eixo das abscissas) colocamos os valores da varivel e na
linha vertical (eixo das ordenadas), as frequncias.
Histograma: formado por um conjunto de retngulos justapostos, cujas bases se localizam sobre o eixo
horizontal, de tal modo que seus pontos mdios coincidam com os pontos mdios dos intervalos de
classe. A rea de um histograma proporcional soma das frequncias simples ou absolutas.
Polgono: um grfico em linha, sendo as frequncias marcadas sobre perpendiculares ao eixo
horizontal, levantado pelos pontos mdios dos intervalos de classe. Para realmente obtermos um
polgono (linha fechada), devemos completar a figura, ligando os extremos da linha obtida aos pontos
mdios da classe anterior a primeira e da posterior ltima, da distribuio.
Exemplo
Dada distribuio, construir o histograma e o polgono.
Classes fi xi
50 54 4 52
54 58 9 56
58 62 11 60
62 66 8 64
66 70 5 68
70 74 3 72
Total 40

15
Prof. Inaba

Histograma de frequencies

Polgono de frequencies

Obs: uma distribuio de frequncia sem intervalos de classe representada graficamente por um
diagrama onde cada valor da varivel representado por um segmento de reta vertical e de
comprimento proporcional respectiva frequncia.

16
Prof. Inaba

EXERCCIO
1. As notas obtidas por 50 alunos de uma classe foram:
1,0 2,0 3,0 4,0 5,0 6,0 6,0 7,0 8,0 7,0
2,0 3,0 3,0 4,0 5,0 6,0 6,0 8,0 8,0 7,0
2,0 3,0 3,0 4,0 5,0 6,0 6,0 8,0 9,0 7,0
2,0 3,0 4,0 5,0 5,0 6,0 6,0 8,0 9,0 7,0
2,0 3,0 4,0 5,0 5,0 6,0 7,0 8,0 9,0 7,0
a) Dispor as notas em um rol
b) Determinar a amplitude amostral
c) Construir uma distribuio de frequncia com 5 classes que tenham a mesma amplitude com
l1 = 0 e L5 = 10.
d) Construir uma distribuio de frequncia, aplicando a regra de Sturges.

17
Prof. Inaba

3. MEDIDAS DE TENDNCIA CENTRAL
INTRODUO
So as estatsticas que representam uma srie de dados orientando-nos quanto posio da distribuio
em relao ao eixo horizontal do grfico da curva de frequncia.
As medidas de posies mais importantes so as medidas de tendncia central ou promdias
(verifica-se uma tendncia dos dados observados a se agruparem em torno dos valores centrais).
As medidas de tendncia centrais mais utilizadas so: mdia aritmtica, moda e mediana. Outros
promdios menos usados so as mdias: geomtrica, harmnica, quadrtica, cbica e biquadrtica.
As outras medidas de posio so as separatrizes, que englobam: a prpria mediana, os decis, os quartis
e os percentis.
MDIA ARITMTICA ( x )
A mdia aritmtica, ou mdia, de um conjunto de n nmeros x1, x2, ... , xn definida por:

Com intervalos de classe.
=
i
i i
f
f x
, xi o ponto mdio da classe.

Sendo a mdia uma medida to sensvel aos dados, preciso ter cuidado com a sua utilizao, pois pode
dar uma imagem distorcida dos dados.
Pode-se mostrar que quando a distribuio dos dados "normal", ento a melhor medida de localizao
do centro, a mdia.
Sendo a Distribuio Normal uma das distribuies mais importantes e que surge com mais frequncia
nas aplicaes, (esse fato justifica a grande utilizao da mdia).
A mdia possui uma particularidade bastante interessante, que consiste no seguinte:
se calcularmos os desvios de todas as observaes relativamente mdia e somarmos esses desvios o
resultado obtido igual zero.
A mdia tem outra caracterstica, que torna a sua utilizao vantajosa em certas aplicaes:
Quando o que se pretende representar a quantidade total expressa pelos dados, utiliza-se a mdia.
Na realidade, ao multiplicar a mdia pelo nmero total de elementos, obtemos a quantidade pretendida.

x=
x
n
i
1
n
x
18
Prof. Inaba

MODA
Define-se moda como sendo: o valor que surge com mais frequncia se os dados so discretos, ou, o
intervalo de classe com maior frequncia se os dados so contnuos.
Assim, da representao grfica dos dados, obtm-se imediatamente o valor que representa a
moda ou a classe modal.
Esta medida especialmente til para reduzir a informao de um conjunto de dados qualitativos,
apresentados sob a forma de nomes ou categorias, para os quais no se pode calcular a mdia e por
vezes a mediana.
Clculo da moda de uma distribuio com intervalos de classe.
CLASSE MODAL: classe que apresenta maior frequncia.
Moda = Mo = l* +
2 1
1
+

. h*
Onde:
l* : limite inferior da classe modal.
h* : amplitude da classe modal.
1 : diferena entre a frequncia da classe modal e a frequncia da classe anterior.
2 : diferena entre a frequncia da classe modal e a frequncia da classe posterior.

SEPARATRIZES
QUARTIS, DECIS E PERCENTIS
Quartis
So os valores de uma srie que a dividem em quatro partes iguais.
Primeiro quartil (Q1) : 25 % dos elementos
Segundo quartil (Q2) = mediana : 50 % dos elementos
Terceiro quartil (Q3) : 75 % dos elementos

19
Prof. Inaba

Decis
So os valores que dividem a srie em 10 partes iguais.
D1 = 10 %, D2 = 20 %,..., D9 = 90 %

Percentis
So os valores que dividem a srie em 100 partes iguais.(Pi )
Ex: P1 = 1 %, P20 = 20 %, P72 = 72 %, etc.
Podemos utilizar a seguinte frmula para determinar os decis, quartis e percentis.
Pi = lp +
P
.
P
P i
h
f
F - f
100
i

CLASSE PERCENTIS : Classe correspondente frequncia acumulada imediatamente superior a
i
f
100
i
.
lp : limite inferior da classe percentis
fP : frequncia da classe percentis
Fp : frequncia acumulada imediatamente anterior da casse percentis.
hp : amplitude do intervalo da classe percentis.
MEDIANA
A mediana, uma medida de localizao do centro da distribuio dos dados, definida do seguinte modo:
Ordenados os elementos da amostra, a mediana o valor (pertencente ou no amostra) que a divide
ao meio, isto , 50% dos elementos da amostra so menores ou iguais mediana e os outros 50% so
maiores ou iguais mediana.
Para a sua determinao utiliza-se a seguinte regra, depois de ordenada a amostra de n elementos:
Se n mpar, a mediana o elemento mdio.
Se n par, a mediana a semissoma dos dois elementos mdios.
Para dados agrupados
Mediana = Med = P50
Como medida de localizao, a mediana mais robusta do que a mdia, pois no to sensvel aos dados.
1- Quando a distribuio simtrica, a mdia e a mediana coincidem.
2- A mediana no to sensvel, como a mdia, s observaes que so muito maiores ou muito menores
do que as restantes. Por outro lado a mdia reflete o valor de todas as observaes.
20
Prof. Inaba

Como j vimos a mdia ao contrrio da mediana, uma medida muito influenciada por valores "muito
grandes" ou "muito pequenos", mesmo que estes valores surjam em pequeno nmero na amostra. Estes
valores so os responsveis pela m utilizao da mdia em muitas situaes em que teria mais
significado utilizar a mediana.
A partir do exposto, deduzimos que se a distribuio dos dados:
1. for aproximadamente simtrica, a mdia aproxima-se da mediana;
2. for enviesada para a direita, a mdia tende a ser maior que a mediana;
3. for enviesada para a esquerda, a mdia tende a ser inferior mediana.

21
Prof. Inaba

EXERCCIO
1) Seja a distribuio:
Idade(anos) fi
10 14 15
14 18 28
18 22 40
22 26 30
26 30 20
30 34 15
34 38 10
38 42 5

Determine:
a) a mdia
b) a medida que deixa 50 % dos elementos
c) a moda
d) o 3
0
decil
e) a medida que deixa 1/4 dos elementos
f) qual porcentagem de pessoas maiores de 21
anos

2) Seja a distribuio de salrios descritos
No de salrios
mnimos
fi
1 2 28
2 3 32
3 4 20
4 5 6
5 6 4
7 8 2
Determine:
a) qual o n
o
de salrios mnimo acima do qual esto situados os 10 % melhores remunerados?
b) qual o no de salrios mnimo abaixo do qual se encontram os 15 % piores remunerados?
c) acima de quantos salrios mnimos esto os 18 operrios mais bem pagos?
d) abaixo de quantos salrios se situam os 36 operrios piores remunerados?

22
Prof. Inaba

4. MEDIDAS DE DISPERSO E DE ASSIMETRIA
Servem para verificarmos a representatividade das medidas de posio, pois muito comum
encontrarmos sries que, apesar de terem a mesma mdia, so compostas de maneira distinta.
Amplitude Total(AT)
AT = x
mx
- x
mn
= L
mx
- l
mn

DESVIO MDIO(DM)
O desvio mdio de um conjunto de n nmeros x
1
, x
2
, x
3
,...,x
n
, definida por:
DM =
|x - x|
n
i

Ex: Determinar o desvio media do conjunto de nmeros 2, 3, 6, 8, 11.

Se x
1
,x
2
,x
3
,...,x
n
ocorrem com as frequncias f
1
,f
2
,f
3
,...,f
n
respectivamente, o desvio mdio poder ser
indicado da seguinte forma:
DM =
f |x - x|
f
i i
i
, x
i
o ponto mdio
Ex: Determinar o desvio mdio da tabela abaixo:
Estaturas(cm) f
i

150 154 4
154 158 9
158 162 11
162 166 8
166 170 5
170 174 3

23
Prof. Inaba

VARIANA
Varincia populacional: VAR(P) =
2
=
(x - x) f
f
=
1
f
x f -
( x f )
f
i
2
i
i i
i
2
i
i i
2
i

Varincia amostral: VAR(A) = s
2
=

i
2
i i
i i
i i
i
2
i
f
) f x (
- f x
1 - f
1
=
1 - f
f ) x - (x 2

DESVIO PADRO
Desvio padro populacional : = ) (P VAR =
2

Desvio padro amostral : s = ) (A VAR =
2
s
COEFICIENTE DE VARIAO
CV =
x x
= CV OU
s

Obs: Para efeitos prticos, costumam-se considerar que CV superior a 50% indica alto grau de disperso
e, consequentemente pequena representatividade da mdia. Para valores inferiores a 50 %, a mdia ser
tanto mais representativa quanto menor for o valor de seu CV.
COEFICIENTE DE ASSIMETRIA DE PEARSON
=
ou =

Se < 0, a distribuio assimtrica a esquerda ou negativa.
Se > 0, a distribuio assimtrica direita ou positiva.
Se = 0 a distribuio simtrica.

24
Prof. Inaba

EXERCCIO
1).Uma amostra de 20 trabalhadores na produo de uma pequena companhia apresentou os seguintes
salrios para um dado ms, estando os valores arredondados para o dlar mais prximo e colocado em
ordem crescente:
140; 140; 140; 140; 140; 140; 140; 140; 155; 155; 165; 165; 180; 180; 190; 200; 205; 225; 230; 240.
Determinar:
a). A amplitude total
b). Desvio mdio.
c). Varincia e desvio Padro.
d). O coeficiente de variao e interpretao.
e). Coeficiente de assimetria e interpretao.

2). Na tabela esto produzidos os dados de acidentes por mil homens/hora.
N
o
mdio de
acidentes
N
o
de
firmas
1,5 1,8 3
1,8 2,1 12
2,1 2,4 14
2,4 2,7 9
2,7 3,0 7
3,0 3,3 5

Determinar:
a). A amplitude dos 90 % centrais.
b). A varincia e o desvio padro.
c). Desvio mdio.
d). Coeficiente de variao.
e). Coeficiente de assimetria e interpretao.

25
Prof. Inaba

5. PROBABILIDADE
INTRODUO
1. EXPERIMENTOS
EXPERIMENTO DETERMINSTICO: Os experimentos determinsticos so governados por leis
conhecidas que do informaes corretas sobre o fenmeno em estudo, ou seja os seus resultados
podem ser determinados antes de sua realizao.
Ex: Abandonar uma moeda acima da superfcie de uma mesa e descrever o seu movimento.

EXPERIMENTO ALEATRIO: O seu resultado no pode ser determinado antes de realiz -lo.
Ex: Abandonar uma moeda acima da superfcie de uma mesa para anotar a face que ficar voltada para
cima.

2. ESPAO AMOSTRAL - EVENTOS

ESPAO AMOSTRAL (): O conjunto formado por todos os resultados possveis de um experimento
aleatrio.
Ex: Se lanamos um dado e observamos a face superior, temos o espao amostral ={1, 2, 3, 4, 5, 6}.

EVENTOS: Um subconjunto qualquer do espao amostral.

CLASSIFICAO DE ALGUNS EVENTOS

EVENTO CERTO: O prprio espao amostral

EVENTO IMPOSSVEL: o subconjunto vazio do espao amostral

EVENTO ELEMENTAR: o subconjunto unitrio do espao amostral

26
Prof. Inaba

COMBINAO DE EVENTOS: forma novos eventos, tais como: EVENTO UNIO, EVENTO INTERSECO
ou EVENTO COMPLEMENTAR.

Se A interseco B um conjunto vazio eles so chamados de MUTUAMENTE EXCLUSIVOS.

ENFOQUES DA PROBABILIDADE
Historicamente, trs diferentes abordagens foram desenvolvidas para definir probabilidade e para
determinar a medida de probabilidade: o enfoque clssico, o da frequncia relativa e o subjetivo.

Enfoque clssico:
Seja A um evento, i.e., A

e
um conjunto finito de resultados equiprovveis. evidente

que podemos atribuir uma medida de probabilidade, da seguinte forma:

P A
n A
n
( )
( )
( )
. = =
nmero de resultados favorveis a A

nmero de resultados possveis

Exemplos:
1. No lanamento de uma moeda (honesta), o espao amostral = {ca, co} equiprovvel, i.e.,
P(ca) =
2
1
e P(co) =
2
1

2. No lanamento de um dado (honesto) e observao do nmero de pontos da face superior, determine:
a) O espao amostral.

b) Os eventos:
A: ocorrncia de nmero par.

B: ocorrncia de nmero mpar.

C: ocorrncia de nmero maior que 6.
27
Prof. Inaba

D: ocorrncia de nmero primo.

c) Determine a probabilidade de cada evento acima.

Enfoque da frequncia relativa (emprico):
Um comportamento de bastante interesse diz respeito frequncia de ocorrncia de um evento
associado a uma experincia. Assuma que se tenha observado um fenmeno N vezes. Destas N vezes,
anota-se o nmero de vezes que um evento A tenha ocorrido. Representa-se n(A) este nmero. A razo
n A
N
( )

denominada frequncia relativa de ocorrncia de A para as N observaes efetuadas.
um fato observado experimentalmente que quando N cresce, a frequncia relativa tende
muitas vezes a estabilizar-se em torno de um determinado valor. Seria ento possvel pensar em definir
a probabilidade associada a um dado evento como
P A
n A
N
N
( ) lim
( )
=

Ainda que P(A) deva modelar a frequncia relativa, matematicamente no seria aceitvel tomar
a expresso acima como definio de P(A). Isto ocorre simplesmente porque para uma dada experincia,
qualquer que seja o nmero N de repeties realizadas, N nunca ser suficientemente grande, para que
possa ser calculada exatamente.
Exemplo:
Antes de incluir a cobertura para certos tipos de problemas dentais em aplices de seguro-sade para
empregados adultos, uma companhia de seguros deseja determinar a probabilidade de ocorrer tais
problemas, para estabelecer, de acordo com ela, a taxa de seguro. Portanto, o estatstico coleta dados
para 10 000 adultos nas faixas apropriadas de idade e observa que 100 pessoas tiveram o problema
dental particular durante o ano passado. Determine a probabilidade de ocorrncia do problema dental
particular.
Enfoque subjetivo:
Existem numerosas situaes em que nem os resultados possveis so equiprovveis, nem
dispomos de dados histricos. Deve-se fazer uma atribuio subjetiva de probabilidade baseadas num
certo grau de crena. Por exemplo, voc se apaixonar na prxima semana? Que nota receber em seu
28
Prof. Inaba

prximo exame? Um enfermo se recuperar completamente? Em tais casos, deve-se decidir qual a
probabilidade do evento em condies dadas.
A probabilidade subjetiva , ento, o resultado de um esforo para quantificar nossa crena a
respeito de algo. Advogados e mdicos utilizam esse processo com razovel xito, embora ele possa
apresentar certas desvantagens. Entre estas podemos mencionar:
1. As estimativas subjetivas so em geral difceis de defender quando postas em dvidas.
2. A tendenciosidade pode ser um fator. No s noes preconcebidas sobre o que deveria ocorrer, como
tambm o desejo de que ocorra determinado evento, podem distorcer a objetividade. E muito difcil
eliminar essa tendenciosidade, porque em geral ela subconsciente. No entanto, o treinamento, a
experincia e a atitude profissional podem auxiliar a elimin-la.
No vamos nos preocupar, doravante, com o problema de como definir probabilidade para cada
experimento. Simplesmente, vamos admitir que existem as probabilidades em certa classe de eventos e
adotar o chamado tratamento axiomtico, da seguinte maneira.
A medida de probabilidade P uma funo definida que deve obedecer a trs axiomas que se
seguem.
i). 1 ) ( 0 A P
ii). 1 ) ( = P
iii). Se ) ( ) ( ) ( , ento B P A P B A P B A + = =
Genericamente teramos:
Se ( )
=
=
= =
1
1
: ento ), ( ,... 2 , 1 , ;
i
i i
i
j i
A P A P j i j i A A
OBS: Esta definio no exclui a utilizao dos enfoques abordados.
Propriedades
1.
( ) ( ) A P A P =1
2. ( ) 0 = P
3. ( ) ( ) ( ) ( ) B A P B P A P B A P + =

29
Prof. Inaba

EXEMPLO
De 300 estudantes de administrao, 100 so matriculados em Contabilidade e 80 em Estatstica. Estes
dados incluem 30 estudantes que esto matriculados em ambas as disciplinas.
a) Elaborar um diagrama para descrever estes eventos.
b) Qual a probabilidade de que um estudante aleatoriamente escolhido esteja matriculado em
Contabilidade e Estatstica?
c) Qual a probabilidade de que um estudante aleatoriamente escolhido esteja matriculado em
Contabilidade ou Estatstica?
d) Qual a probabilidade de que um estudante aleatoriamente escolhido esteja matriculado somente em
Contabilidade ou somente em Estatstica?

30
Prof. Inaba

EXERCCIO
1).De 100 pessoas que solicitaram emprego de programador de computadores, durante o ano passado,
em uma grande empresa, 40 possuam experincia anterior e 30 possuam um certificado profissional.
Vinte dos candidatos possuam tanto experincia anterior como certificado profissional e foram
includos nas contagens dos dois grupos.
a).Elaborar um diagrama de Venn para descrever estes eventos graficamente.
b).Qual a probabilidade de que um candidato aleatoriamente escolhido tenha experincia ou certificado.
c).Qual a probabilidade de que um candidato aleatoriamente escolhido tenha experincia ou certificado,
mas no ambos?
2. De 12 contas de um arquivo, quatro contm um erro na contabilizao do saldo da conta. Se um
auditor seleciona aleatoriamente uma conta, qual a probabilidade de que no contenha erro?
3. Sejam A e B mutuamente excludentes, P(A) = 0,31 e P(B) = 0,29.
a). Determine P(A ou B)
b). Determine P(A e B)
4. Durante uma dada semana, as probabilidades de que uma certa ao ordinria aumente sua cotao,
ou permanea constante, ou diminua, foram estimadas, respectivamente, em 0,3; 0,2 e 0,5. Qual a
probabilidade de que:
a). A cotao desta ao aumente ou permanea constante?
b). A cotao da ao se altere durante a semana?
5. Numa amostra de 40 prisioneiros, 10 acusam presso arterial elevada. Estime a probabilidade de
outro prisioneiro, quando examinado, tambm acusar presso alta. Qual a chance de ele no ter presso
alta.
6. Numa urna esto 10 bolas brancas, 8 verdes e 2 pretas. Se uma bola retirada ao acaso, calcular a
probabilidade de:
a). ser bola verde.
b). ser bola preta.
c). ser bola branca ou preta.
7. Uma loja dispe de 12 geladeiras do mesmo tipo, das quais 4 apresentam defeitos.
a) Se um fregus vai comprar uma geladeira, qual a probabilidade de levar uma defeituosa?
b) Se um fregus vai comprar duas geladeiras, qual a probabilidade de levar duas defeituosas?
8. Calcular a probabilidade de um piloto de automveis vencer uma dada corrida, onde as suas chances,
segundo os entendidos, so de 3 para 2.

31
Prof. Inaba

PROBABILIDADE CONDICIONAL E TEORMA DE BAYES
Dados dois eventos A e B, com P(A) > 0, chama-se probabilidade condicional de B dado A e se
escreve P(B|A) expresso
( )
( )
( ) A P
B A P
A B P

= |
( ) ( ) ( ) B A P A P B A P | =
Representados no diagrama de Venn:

Se A e B so desenhados de modo que as reas de A, B e A B sejam proporcionais s suas
probabilidades, ento P(B|A) a proporo do evento A ocupada pelo evento B.

Exemplo:
1).De 100 pessoas que solicitaram emprego de programador de computadores, durante o ano passado,
em uma grande empresa, 40 possuam experincia anterior e 30 possuam um certificado profissional.
Vinte dos candidatos possuam tanto experincia anterior como certificado profissional e foram
includos nas contagens dos dois grupos.
a). Determinar a probabilidade condicional de que um candidato aleatoriamente escolhido tenha um
certificado, dado que ele tenha alguma experincia anterior.

b). Determinar a probabilidade condicional de que um candidato aleatoriamente escolhido tenha
alguma experincia anterior, dado que ele tenha um certificado.

32
Prof. Inaba

2. Numa urna h 5 bolas brancas, numeradas de 1 a 5, e 8 bolas azuis numeradas de 1 a 8. Uma bola
retirada ao acaso.
a). Sabendo que foi retirada bola azul, dar a probabilidade de ter sido sorteado nmero mpar.

b). Sabendo que foi sorteado o nmero 3, dar a probabilidade de ter sido retirada bola azul.

c). Sabendo que foi sorteado um nmero par, dar a probabilidade de ter sido retirada bola branca.

INDEPENDNCIA ENTRE EVENTOS
Dois eventos A e B so estatisticamente independente quando

( ) P A B P A P B = ( ) ( )

A noo de independncia particularmente importante quando
P A P B ( ) ( ) > > 0 0 e
. Nestas
condies resulta imediatamente da definio de probabilidade condicional que cada uma das condies
seguintes equivalente a

P B A P B ( | ) ( ) =

E

P A B P A ( | ) ( ) =

33
Prof. Inaba

interessante observar primeiramente que se P(A) e P(B) so estritamente positivos e A e B so
mutuamente exclusivos, ento os eventos A e B no so estatisticamente independentes. Com efeito,
sendo
A B =
tem-se
( ) P A B = 0
e portanto,

P B A P B ( | ) ( ) = 0

Por outro lado, se os eventos A e B so independentes e mutuamente exclusivos, ento pelo
menos um dos eventos tem probabilidade nula.
Para ilustrar a distino entre eventos mutuamente exclusivos e independentes considera-se o
seguinte exemplo.
Exemplo:
1. Considere o lanamento de um dado, cujo espao amostral associado
= {, , , , , } 12 3456
e os eventos
A: "ocorrncia de nmero menor que 3".
e
B: "ocorrncia de nmero par".
Assumindo que as 6 faces do dado so equiprovveis, tem-se:
1o A = {1, 2}
3
1
6
2
) ( = = A P

2o B = {2, 4, 6},
2
1
6
3
) ( = = B P

3o AB ={2},
( )
6
1
= B A P

4o
3
1
) (
) (
) | (
2
1
6
1
= =
=
B P
B A P
B A P
resultando que A e B so estatisticamente independentes (P(A|B) = P(A).
2. Uma firma exploradora de petrleo perfura um poo quando acha que h pelo menos 25% de chance
de encontrar petrleo. Ela perfura quatro poos, aos quais atribui as probabilidades 0,3; 0,4; 0,7 e 0,8.
Determine a probabilidade de nenhum dos poos produzirem petrleo, com base nas estimativas da
firma.

3. Dois estudantes tentam resolver um mesmo problema. A probabilidade de A resolver o problema
2/5; a probabilidade de B resolver o problema 1/2. Calcular a probabilidade de A e B resolverem o
problema.
34
Prof. Inaba

4. A probabilidade de que um determinado homem viva mais 10 anos a partir de hoje 1/3; a
probabilidade de que uma determinada mulher viva mais 10 anos a partir de hoje 1/4. Calcular a
probabilidade de os dois estarem vivos daqui a 10 anos.

5. Uma caixa A contm 7 peas das quais 3 so defeituosas e outra caixa B contm 5 peas das quais 2
so defeituosas. Duas peas so retirados uma de cada caixa.
a) qual a probabilidade de serem ambas defeituosas

b) Qual a probabilidade de serem ambas no defeituosas

35
Prof. Inaba

EXERCCIO
1. Dois diferentes departamentos de produo que fazem parte de uma grande empresa so: Produtos
Martimos e Produtos para Oficinas. A probabilidade de que a diviso de Produtos Martimos tenha, no
corrente ano fiscal, uma margem de lucros de no mnimo 10% estimada em 0,30; a probabilidade de
que a diviso de Equipamentos para Oficinas tenha uma margem de lucro de pelo menos 10 % 0,20; e
a probabilidade de que ambas as divises tenham uma margem de lucro de no mnimo 10 % 0,06.
Determinar a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma margem de lucro
no mnimo de 10 % dado que a diviso de Produtos Martimos tenha alcanado tal nvel de lucro.
2. Em geral a probabilidade de que um possvel cliente faa uma compra quando procurado por um
vendedor 0,40. Se um vendedor seleciona do arquivo, aleatoriamente, trs clientes e faz contato com
os mesmos, qual a probabilidade de que os trs faam compras?
3. As falhas de diferentes mquinas so independentes umas das outras. Se h 4 mquinas, e se suas
probabilidades de falha so 1%, 2%, 5% e 10% em determinado dia, calcule as probabilidades:
a). De todas falharem em determinado dia.
b). De nenhuma falhar.

4. A probabilidade de que as vendas de automveis aumentem no prximo ms estimada em 0,40. A
probabilidade de que aumentem as vendas de peas de reposio estimada em 0,50. A probabilidade
de que ambas as vendas aumentem estimada em 0,10. Qual probabilidade de que:
a). Aumente as vendas de automveis durante o ms dado, que foi informado que as vendas de reposio
aumentaram?
b). Aumentem as vendas de reposio, dado que se sabe que aumentaram as vendas de automveis?

5. Durante um perodo particular, tiveram elevadas suas cotaes de mercado 80% das aes emitidas
por uma empresa. Se um investidor escolhe aleatoriamente duas aes, qual a probabilidade de que
ambas as aes tivessem suas cotaes aumentadas durante o perodo.

6. Em 25% das vezes Gonzaga chega em casa tarde para jantar. Por outro lado o jantar atrasa 10% das
vezes. Se no h qualquer relacionamento entre os atrasos de Gonzaga e os atrasos do jantar, qual a
probabilidade de ocorrerem ambos os atrasos?

36
Prof. Inaba

6. DISTRIBUIO DE PROBABILIDADES DE VARIVEIS
ALEATRIAS
NOO DE VARIVEL ALEATRIA
Exemplo- Selecionamos, ao acaso, um aluno do curso de Administrao e medimos a sua altura. Os
alunos do departamento do curso de administrao so o nosso espao amostral e cada aluno um
acontecimento elementar wi, i=1,...,n ao qual associamos um valor numrico, a sua altura.

A correspondncia
wi X( wi)
uma funo de domnio e cujo contradomnio ] 0, +[ e X(wi) a varivel aleatria. Se A for o
acontecimento "alunos de Administrao com altura inferior a 1,70m", ento X(A) = ]0;1,70[ .

Definio: Uma varivel aleatria um valor numrico determinado pelo resultado de um experimento
( uma quantidade resultante de um experimento aleatrio que, por acaso, pode assumir diversos
valores).

Exemplo: Considere um experimento aleatrio no qual uma moeda jogada 3 vezes. Seja X o nmero de
caras. Seja ca o resultado cara e co o resultado coroa.

O espao amostral para este experimento ser:

cococo, cococa, cocaco, cocaca, cacoco, cacoca, cacaco, cacaca.

Assim, os possveis valores de X (nmero de caras) sero:
X = 0, 1, 2, 3.

37
Prof. Inaba

UMA VARIVEL ALEATRIA PODE SE DISCRETA OU CONTNUA.
VARIVEL ALEATRIA DISCRETA
Definio: Uma varivel aleatria discreta uma varivel que pode assumir somente certos valores
claramente separados (em descontinuidade) resultantes, por exemplo, de uma contagem de algum item
de interesse.
Exemplo: Seja X o nmero de caras quando uma moeda jogada 3 vezes. Aqui os valores de X so 0,1,2
ou 3 (so claramente separados, em descontinuidade).

Nota: uma varivel aleatria discreta no precisa necessariamente assumir apenas valores inteiros.
Poderia, por exemplo, ser uma varivel que apresentasse os seguintes valores: 0, 23/7 , 72/25, etc. A
condio que deve ser cumprida seus valores sejam descontnuos.

VARIVEL ALEATRIA CONTNUA
Definio: Uma varivel aleatria contnua uma varivel que pode assumir um nmero infinitamente
grande de valores (com certas limitaes prticas).
Exemplo: (a) Peso de um estudante
(b) comprimento de um carro

38
Prof. Inaba

7. DISTRIBUIO DE PROBABILIDADE DISCRETA
Uma Distribuio de Probabilidade uma lista de todos os resultados de um experimento e suas
probabilidades associadas. De forma mais rigorosa, uma funo matemtica em que o domnio so os
valores possveis de uma varivel aleatria e a imagem so as suas probabilidades associadas.
A distribuio de probabilidade satisfaz as condies:
( ) ( ) 1 e 1 0 = = = <
i i
x X P x X P

Exemplo: Considere o nmero de caras em duas jogadas de uma moeda. Determine a distribuio de
probabilidade.

Exerccio de aprendizagem
Considere o nmero de coroas em trs jogadas de uma moeda. Determine a distribuio de
probabilidade.
ESPERANA MATEMTICA OU MDIA
Se uma varivel aleatria X toma os valores x1, x2, x3, ..., xn, com as probabilidades
correspondentes, P(x1), P(x2), P(x3), ..., P(xn), ento o seu valor esperado, E(X), :

( ) E X x P x
i i
i
n
( ) =
=
1

Observe que, E(X) a mdia ponderada dos possveis valores de X, cada um ponderado por sua
probabilidade. Portanto E(X) ser denotado por x, ou simplesmente por ou E.

VARINCIA
Mede o "espalhamento" ou disperso de X
( )
( ) ( ) ( ) ( )

= = =
=
2 2
1
2
2
2
ou ) (

i i
n
i
i
x P x X E x P
i
X VAR
x

DESVIO PADRO
) (X VAR =

Exemplo.
1. Um investidor julga que tem 0,40 de probabilidade de ganhar $25000 e 0,60 de probabilidade de
perder $15000 num investimento. Determine seu ganho esperado, a varincia e o desvio padro.

39
Prof. Inaba

2. Um empreiteiro faz as seguintes estimativas:

De acordo com essas estimativas, determine o prazo
esperado para execuo da obra, a varincia e o desvio
padro.

Prazo de execuo Probabilidade
15 dias
20 dias
25 dias
0,30
0,20
0,50
40
Prof. Inaba

EXERCCIO
1. Determine a distribuio de probabilidade de meninos e meninas em famlias com 3 filhos, admitindo
iguais as probabilidades de menino e menina. Faa o grfico da distribuio. E determine a esperana.
2. O nmero de caminhes que chegam, por hora, a um depsito segue a distribuio da tabela.
Nmero de caminhes 0 1 2 3 4 5 6
Probabilidade P(x) 0,05 0,10 0,15 0,25 0,30 0,10 0,05
Calcular:
a). O nmero esperado de chegadas por hora.
b). A variana.
3.A tabela fornece a probabilidade de que um sistema de computao fique fora de operao um dado
nmero de perodos por dia durante a fase inicial de instalao do sistema.
Nmero de perodos 4 5 6 7 8 9
Probabilidade P(x) 0,01 0,08 0,29 0,42 0,14 0,06
Calcular:
a). O nmero esperado de vezes que o computador fique fora de operao por dia.
b). Variana desta distribuio de probabilidade.
4. Um proprietrio de carro deseja vender seu carro e est estudando a possibilidade de gastar $50 em
propaganda. Se for de 0,5 a probabilidade de que ele o venda pelo preo estipulado de $750 sem
propaganda e de 0,9 a probabilidade de que ele o venda com propaganda, deve ou no deve fazer
propaganda? Suponha que se no o vender por $750 ele o vender a um amigo por $650.
5. Um indivduo que deseja obter uma concesso para a venda de sorvetes num acontecimento esportivo
pode esperar lucrar R$ 30 000,00 com a venda de sorvetes se o dia for ensolarado, mas s R$ 15 000,00
se o dia estiver encoberto e R$ 5 000,00 se chover. As probabilidades respectivas para esses eventos so
0,6; 0,3 e 0,1.
a). Qual o lucro esperado?
b). Se ele fizer um seguro no valor de R$ 20 000,00 contra a chuva e o custo do seguro for de R$ 4 500,00,
qual ser o lucro esperado?
6. Um empresrio pergunta se valer a pena fazer um seguro contra chuva, por ocasio de determinado
acontecimento esportivo que ele est empresando. Se no chover espera obter R$ 5 000,00 de renda,
por ocasio da festa, mas s R$ 1 000,00 se chover. Uma aplice de seguro de R$ 3 500,00 lhe custar
R$ 1 500,00. Determine a probabilidade p de chuva, de tal modo que sua expectativa seja a mesma, faa
ele seguro ou no.

41
Prof. Inaba

DISTRIBUIO BINOMIAL
Consideremos um experimento no qual cada uma das ocorrncias possveis pode ser classificada
como resultando ou no na ocorrncia de um evento A. Se resultar na ocorrncia de A, ser classificado
como sucesso; caso contrrio, como fracasso. A palavra sucesso usada como modo conveniente de
descrever a ocorrncia de um evento, mas no implica que tal ocorrncia seja necessariamente desejada.
O experimento ser repetido certo nmero de vezes, e este nmero ser simbolizado pela letra n. Ser
introduzida uma varivel aleatria x que representa o nmero de sucessos, i.e., ocorrncias de A, obtidas
nas n repeties do experimento. Uma distribuio com este tipo de varivel aleatria chama-se
distribuio binomial.
A distribuio binomial uma distribuio discreta de probabilidade, aplicvel sempre que o
processo de amostragem do tipo:
1. H n observaes ou provas idnticas.
2. Cada prova tem dois resultados possveis, um chamado "sucesso" e o outro "fracasso".
3. As probabilidades p de sucesso e q de fracasso permanecem constantes em todas as provas
4. As sries de observaes, so constitudas de eventos independentes.
A frmula para se determinar a probabilidade de um certo nmero de sucessos X em uma distribuio
binomial :
() =

Propriedades
1. Mdia
2. Varincia
2
=
3. Desvio Padro
2
=
4. Coeficiente de assimetria =
11

Exemplos:
1. A probabilidade de que um presumvel cliente aleatoriamente escolhido faa uma compra 0,20.Se
um vendedor visita seis presumveis clientes, qual a probabilidade que ele far exatamente 4 vendas?

42
Prof. Inaba

2. Um fabricante de mesa de bilhar suspeita que 2% de seu produto apresenta algum defeito. Se tal
suspeita correta, determine a probabilidade de que, uma amostra de 9 mesas:
a). Haja ao menos uma defeituosa.

b). No haja nenhuma defeituosa.

c). Haja entre 2 e 5 defeituosa.

1. Devido as taxas de juros, uma firma informa que 30% de suas contas a receber de outras firmas
comerciais se encontram vencidas. Se um contador escolhe aleatoriamente uma amostra de 5 contas,
determinar a probabilidade de cada um dos seguintes eventos usando a frmula de probabilidades
binomiais:
a).Nenhuma das contas estar vencidas.

b).Exatamente duas contas esto vencidas.

c).A maioria das contas esto vencidas.

d).Exatamente 20% das contas esto vencidas.

43
Prof. Inaba

2. Estatsticas do trfego revelam que 25% dos veculos interceptados numa auto-estrada no passam
no teste de segurana. De 16 veculos interceptados, determine a probabilidade de:
a). 2 ou mais no passarem.

b). menos de 2 no passarem.

c). 15 ou mais no passarem.

3. Pesquisa mdica indica que 20% das populao em geral sofre de efeitos colaterais negativos com o
uso de uma nova droga.Se um mdico receita o produto a quatro pacientes, qual a probabilidade de:
a). Nenhum sofrer efeito colateral.

b). Todos sofrerem efeitos colaterais.

c). Ao menos um sofrer efeitos colaterais.

44
Prof. Inaba

DISTRIBUIO DE POISSON
A distribuio de Poisson exerce por si mesma um papel extremamente importante, porque ela
representa um modelo probabilstico adequado para um grande nmero de fenmenos observveis.
A distribuio de Poisson til para descrever as probabilidades do nmero de ocorrncia num
campo ou intervalo contnuo (em geral tempo ou espao).
() =

()
!

Propriedades:
1. Mdia = t
2. Varincia
2
=
3. Desvio padro =

3. Coeficiente de assimetria =
1

Ex: defeitos por cm
2
, acidentes por dia, clientes por hora, chamadas telefnicas por minuto, vacas por
acre, etc.
A utilizao da distribuio de Poisson baseia-se nas seguintes hipteses:
1. A probabilidade de ocorrncia a mesma em todo campo de observao.
2. A probabilidade de mais de uma ocorrncia num nico ponto aproximadamente zero.
3. O nmero de ocorrncia em qualquer intervalo independente do nmero de ocorrncia em outros
intervalos.
Se uma varivel aleatria descrita por uma distribuio de Poisson, ento a probabilidade de observar
qualquer nmero dado de ocorrncia por unidade de medida dado por:
Exemplos:
1. As chamadas de emergncia chegam a uma delegacia de polcia razo de 4 por hora no, perodo de
1 s 6 da manh em dias teis, e podem ser aproximadas por uma distribuio de Poisson.
a). Quantas chamadas de emergncia so esperadas num perodo de 30 minutos?

b). Qual a probabilidade de nenhuma chamada num perodo de 30 minutos?

c). Qual a probabilidade de ao menos duas chamadas num perodo de 30 minutos?

45
Prof. Inaba

2. Chegam caminhes a um depsito razo de 2,8 caminhes/hora. Determine:
a). A probabilidade de chegarem 2 ou mais caminhes num perodo de 30 minutos.

b). A probabilidade de chegarem menos de 4 num perodo de 1 hora.

c). A probabilidade de chegarem entre 2 e 6 caminhes num perodo de 2 horas.

1. Os clientes chegam a uma loja razo de 6,5/hora (Poisson). Determine a probabilidade de que
durante qualquer hora:
a). No chegue nenhum cliente.

b). Chegue ao menos 1 cliente.

c). Exatamente 6 clientes.

2. Uma mesa telefnica recebe chamadas razo de 4,6 chamadas/minuto.Determine a probabilidade
de cada uma das ocorrncias abaixo, num intervalo de 1 minuto.
a). Exatamente 2 chamadas.

b). Ao menos duas chamadas.

c). De 2 a 4 chamadas.

3. Cada rolo de lminas de ao de 500 metros contm em mdia, 2 imperfeies.Tal imperfeio
prejudica o uso, no produto final, daquele segmento da lmina. Qual a probabilidade de que um
segmento especfico de 100 metros no contenha nenhuma imperfeio?
46
Prof. Inaba

EXERCCIO
1. O nmero de rdios vendidos por dia por uma firma tem distribuio aproximada de Poisson com
mdia 1,5. Determine a probabilidade de a firma vender ao menos 4 rdios:
a). Num perodo de 2 dias.
b). Num perodo de 3 dias.
c). Num perodo de 4 dias.
2. Os estudantes de um colgio, 41% fumam cigarro. Escolhem-se seis ao acaso para darem sua opinio
sobre o fumo.
a). Determine a probabilidade de nenhum dos seis ser fumante.
b). Determine a probabilidade de todos os seis fumarem.
c). Determine a probabilidade de ao menos a metade dos seis ser fumante.
3. Os defeitos em rolos de filmes coloridos ocorrem razo de 0,1 defeito/rolo,e a distribuio dos
defeitos a de Poisson. Determine a probabilidade de um rolo em particular conter um ou mais defeitos.
4. Os registros de uma pequena companhia indicam que 40% das faturas por ela emitidas so pagas aps
o vencimento. De 14 faturas expedidas, determine a probabilidade de:
a). Nenhuma ser paga com atraso.
b). No mximo duas serem pagas com atraso.
c). Ao menos 3 serem pagas com atraso.
5. Os acidentes numa grande fbrica tem aproximadamente a distribuio de Poisson, com mdia de 3
acidentes/ms. Determine a probabilidade de que, em dado ms, haja:
a). Nenhum acidente.
b). 1 acidente.
c). 3 ou 4 acidentes.
6. Doze por cento dos que reservam lugar num voo sistematicamente faltam ao embarque.O avio
comporta 15 passageiros.
a). Determine a probabilidade de que todos os 15 que reservaram lugar compaream ao embarque.
b). Se houve 16 pedidos de reserva, determine a probabilidade de:
I. De uma pessoa ficar de fora.
II. De nenhuma pessoa ficar de fora.
III. De mais de uma ficar de fora.
7. A demanda de certa pea de reposio foi estimada em ser distribuda de acordo com Poisson com
uma demanda esperada de 3,0 por ms:
47
Prof. Inaba

a). Qual a probabilidade de que no se verifique qualquer demanda num ms.
b). Qual a probabilidade de que se verifique mais de uma demanda por ms.
8. Em mdia, 5 pessoas por hora realizam transaes em um setor de "servios especiais" de um banco
comercial. Supondo que a chegada de tais pessoas esto distribuda de maneira independente e de forma
igual em todo perodo de interesse, qual a probabilidade de que mais de 3 pessoas queiram fazer
transaes no setor de "servios especiais" durante 1 hora?

9. Um fabricante de peas de automveis garante que uma caixa de suas peas conter, no mximo, dois
itens defeituosos. Se a caixa contm 20 peas e a experincia mostra que este processo de fabricao
produz 2% de itens defeituosos, qual a probabilidade de que uma caixa satisfaa a garantia?
10. Em cada dois dias, em mdia, chega uma navio em determinado porto. Qual a probabilidade de que
dois ou mais navios chegaro em um dia escolhido aleatoriamente.
11. Uma companhia de seguros est considerando a incluso da cobertura de uma doena relativamente
rara na rea geral de seguros mdicos. A probabilidade de que um indivduo selecionado aleatoriamente
venha a contrair a doena 0,001, sendo que 3 000 pessoas so includas no grupo segurado.
a). Qual o nmero esperado de pessoas, no grupo, que tero a doena?
b). Qual a probabilidade de que nenhuma das 3 000 pessoas do grupo contraia a doena?
12. Se X tiver uma distribuio de Poisson, e se P(X=0) = 0,2, calcular P(X>2).

48
Prof. Inaba

DISTRIBUIO GEOMTRICA
Suponha-se um experimento, no qual estamos interessados apenas na ocorrncia ou no de um
determinado evento, como, por exemplo, o sexo do filho de uma determinada mulher ser feminino. E,
assim como na distribuio binomial, que esse experimento seja repetido um nmero n de vezes, que
em cada repetio seja independente das demais e que a probabilidade de sucesso p em cada repetio
seja constante. Suponha-se que o experimento seja repetido at que ocorra o primeiro sucesso (o sexo
do filho seja feminino).
Ento a varivel aleatria: X = nmero de tentativas at que se obtenha o primeiro sucesso, seguir uma
distribuio geomtrica, com parmetro p (probabilidade de sucesso) . Simbolicamente X G(p).
Funo de Probabilidade
Como o experimento ser repetido at que se obtenha o primeiro sucesso, e considerando que esse
ocorra na k-sima repetio, devero ocorrer k -1 fracassos antes que o experimento seja encerrado.
Assim, a probabilidade de que a varivel aleatria X = nmero de repeties at se obter o primeiro
sucesso :
() =
1

com
p = probabilidade de sucesso";
q = 1 - p = probabilidade de fracasso"
Parmetros caractersticos
() =
1

() =

2

Ex.
1. Um casal com problemas para engravidar, recorreu a uma tcnica de inseminao artificial no intuito
de conseguir o primeiro filho. A eficincia da referida tcnica de 0,20 e o custo de cada inseminao
U$2000,00.
a) Qual a probabilidade de que o casal obtenha xito na terceira tentativa?

b) Qual o custo esperado deste casal para obter o primeiro filho?

49
Prof. Inaba

2. Bob o jogador de basquete da faculdade. Ele um lanador de arremessos livres 70%. Isto significa
que sua probabilidade de acertar um arremesso livre 0,70. Durante uma partida, qual a probabilidade
que Bob acerte seu primeiro arremesso livre no seu quinto arremesso?

DISTRIBUIO DE PASCAL (DISTRIBUIO BINOMIAL NEGATIVA)
Nas mesmas condies em que foi definida a distribuio geomtrica, e considerando que o experimento
ser repetido at que se obtenha o r-simo sucesso, ento a varivel X nmero de tentativas at se
obter o r-simo sucesso seguir a distribuio binomial negativa.
Um experimento binomial negativo um experimento estatstico que tem as seguintes propriedades:
O experimento consiste de x tentativas repetidas.
Cada tentativa pode resultar em apenas dois resultados possveis. Podemos chamar um destes
resultados de sucesso e o outro de fracasso.
A probabilidade de sucesso, denotada por p, a mesma em cada tentativa.
As tentativas so independentes; isto , o resultado de uma tentativa no afeta o resultado das outras
tentativas.
O experimento continua at que r sucessos sejam observados, onde r especificado antecipadamente.
Considere o seguinte experimento estatstico. Voc lana uma moeda repetidamente e conta o nmero
de vezes que sai cara como resultado. Voc continua lanando a moeda at que tenha sado 5 vezes cara.
Este um experimento binomial negativo porque:
O experimento consiste de tentativas repetidas. Lanamos uma moeda repetidamente at que cara
tenha sado 5 vezes.
Cada tentativa pode resultar em apenas dois resultados possveis cara ou coroa.
A probabilidade de sucesso constante 0,5 em cada tentativa.
As tentativas so independentes; isto , obter cara numa tentativa no afeta se obteremos cara nas
outras tentativas.
O experimento continua at que um nmero fixo de sucessos tenha ocorrido; neste caso,5 caras.
NOTAO
A seguinte notao til, quando falamos a respeito da probabilidade binomial negativa:
K: O nmero de tentativas exigido para se produzir r sucessos num experimento binomial negativo.
r: O nmero de sucessos no experimento binomial negativo.
p: A probabilidade de sucesso numa tentativa individual.
q: A probabilidade de fracasso numa tentativa individual. (Isto igual a 1 p).
50
Prof. Inaba

b*(k;r,p): Probabilidade binomial negativa - a probabilidade que um experimento binomial negativo
de x tentativas resulte em r sucessos na k-sima tentativa, quando a probabilidade de sucesso na
tentativa individual p.

()
()
: O nmero de combinaes de n coisas, tomando r coisas de cada vez.
Para que o r-simo sucesso ocorra na k-sima tentativa necessrio que ocorra um sucesso nesta
tentativa (repetio do experimento) e que tenham ocorridos (r 1) sucessos nas (k 1) repeties
anteriores. Dado que a probabilidade de ocorrncia de sucesso, numa dada repetio do experimento
dada por p e a probabilidade de ocorrerem r 1 sucessos em k - 1 repeties, sendo estes dois eventos
independentes, a probabilidade de que o r-simo sucesso ocorra na k-sima repetio do experimento
dada por:
(; , ) = .
(1)
(1)
(1)(1)
=
(1)
(1)
;
Onde;
p = probabilidade de sucesso; q = 1 - p = probabilidade de fracasso
Parmetros caractersticos:
() =

() =

2

Ex.
Bob o jogador de basquete da faculdade. Ele um lanador de arremessos livres 70%. Isto significa
que sua probabilidade de acertar um arremesso livre 0,70. Durante uma partida, qual a probabilidade
que Bob acerte seu terceiro arremesso livre no seu quinto arremesso?

DISTRIBUIO HIPERGEOMTRICA
Um experimento hipergeomtrico um experimento estatstico que tem as seguintes propriedades:
Uma amostra de tamanho n selecionada aleatoriamente sem reposio de uma populao de N itens.
Na populao, k itens podem ser classificados como sucessos e N k itens podem ser classificados
como fracassos.
Considere o seguinte experimento estatstico. Voc tem uma urna de 10 bolinhas de gude 5 vermelhas
e 5 verdes. Voc seleciona aleatoriamente 2 bolinhas de gude sem reposio e conta o nmero de
bolinhas vermelhas que voc selecionou. Este seria um experimento hipergeomtrico.
51
Prof. Inaba

Note que no ser um experimento binomial. Um experimento binomial exige que a probabilidade de
sucesso seja constante em cada tentativa. Com o experimento acima, a probabilidade de um sucesso
muda em cada tentativa. No incio, a probabilidade de selecionar uma bolinha vermelha 5/10. Se voc
selecionar uma bolinha vermelha na primeira tentativa, a probabilidade de selecionar uma bolinha
vermelha na segunda tentativa 4/9. E se voc selecionar uma bolinha verde na primeira tentativa, a
probabilidade de selecionar uma bolinha vermelha na segunda tentativa 5/9.
Note ainda que se voc selecionou as bolinhas com reposio, a probabilidade de sucesso no mudaria.
Ela seria 5/10 em cada tentativa. Ento, este seria um experimento binomial.
NOTAO
A seguinte notao til, quando falamos a respeito da probabilidade hipergeomtrica e distribuies
hipergeomtricas:
k: O nmero de itens na populao que so classificados como sucessos.
n: O nmero de itens na amostra.
X: O nmero de itens na amostra que so classificados como sucessos.

()
()
: O nmero de combinaes de k coisas, tomando x coisas de cada vez.
h(x;N,n,k): Probabilidade hipergeomtrica - a probabilidade que um experimento hipergeomtrico de
n tentativas resulte em exatamente x sucessos, quando populao consistir de N itens, k dos quais so
classificados como sucessos.
Uma varivel aleatria hipergeomtrica X o nmero de sucessos que resulta de um experimento
hipergeomtrico. A distribuio de probabilidades de uma varivel aleatria hipergeomtrica
chamada funo distribuio hipergeomtrica.
(; , , ) =

()
()

Parmetros caractersticos:
Fazendo
= e
= tem-se
() = .
() = . . .

1

Ex.
1. No fichrio de um hospital, esto arquivados os pronturios dos de 20 pacientes, que deram entrada
no OS apresentando algum problema cardaco. Destes 5 sofreram infarto.
Retirando-se uma amostra ao acaso de 3 destes pronturios, qual a probabilidade de que dois deles
sejam de pacientes que sofreram infarto?

52
Prof. Inaba

Soluo:

2. Suponha que selecionemos aleatoriamente 5 cartas baralho sem reposio de um de um mao
ordinrio de jogo de baralho. Qual a probabilidade de obter exatamente 2 cartas de baralho vermelhas
(isto , copas ou ouros)?

3. Quando feita amostragem de populao finita sem reposio, a distribuio binomial no pode ser
usada porque os eventos no so independentes. Da ento a distribuio hipergeomtrica usada. Esta
dada por
Distribuio hipergeomtrica
Ela mede o nmero de sucessos X numa amostra de tamanho n extrada aleatoriamente e sem reposio
de uma populao de tamanho N, da qual Xt itens tm a caracterstica de denotar sucesso.
a. Usando a frmula, determine a probabilidade de extrair 2 homens numa amostra de 6 selecionada
aleatoriamente sem reposio de um grupo de 10 pessoas, 5 das quais so homens.
Soluo

b. Qual resultado teria sido se tivssemos (incorretamente) usado a distribuio binomial?
Soluo

53
Prof. Inaba

DISTRIBUIO MULTINOMIAL
Um experimento multinomial um experimento estatstico que tem as seguintes propriedades:
O experimento consiste de n tentativas repetidas.
Cada tentativa tem um nmero discreto resultados possveis.
Em qualquer tentativa dada, a probabilidade de que um particular resultado ocorrer constante.
As tentativas so independentes; isto , o resultado de uma tentativa no afeta o resultado das outras
tentativas.
Considere o seguinte experimento estatstico. Voc lana dois dados, trs vezes e registra o resultado de
cada lanamento. Este um experimento multinomial, porque:
O experimento consiste de tentativas repetidas. Lanamos o dado 3 vezes.
Cada tentativa pode resultar num nmero discreto de resultados 2 at 12.
A probabilidade de qualquer resultado constante; ela no muda de um lanamento para o prximo.
As tentativas so independentes; isto , obter um resultado particular numa tentativa no afeta o
resultado das outras tentativas.
Nota: Um experimento binomial um caso especial de um experimento multinomial. Aqui est a
principal diferena. Com um experimento binomial, cada tentativa pode resultar em dois e somente
dois resultados possveis. Com um experimento multinomial, cada tentativa pode ter dois ou mais
resultados possveis.
Uma distribuio multinomial a funo distribuio de probabilidade dos resultados de um
experimento multinomial. A frmula multinomial define a probabilidade de qualquer resultado de um
experimento multinomial.
Suponha um experimento multinomial que consiste de n tentativas, e cada tentativa pode resultar em
quaisquer dos k resultados possveis: E1, E2, ..., Ek. Suponha, alm disso, que cada resultado possvel
possa ocorrer com probabilidades p1, p2, p3, ..., pk. Ento a probabilidade p que E1 ocorra n1 vezes, E2
ocorra n2 vezes, ..., e Ek ocorra nk vezes :
=
!
1
!
2
!
!
.
1
1
.
2

Onde n = n1 + n2 + ... + nk
Os exemplos abaixo ilustram como usar a frmula multinomial para calcular a probabilidade de um
resultado de um experimento multinomial.
Ex.
1. Suponha uma carta de baralho sendo extrada aleatoriamente de um mao de jogo de baralho, e depois
ento devolvida ao mao. Este exerccio repetido 5 vezes. Qual a probabilidade de se extrarem 1
espada, 1 copa, 1 ouros e 2 paus?
54
Prof. Inaba

Soluo:

2. Suponha que temos um vaso com 10 bolinhas de gude 2 bolinhas vermelhas, 3 bolinhas verdes e 5
bolinhas azuis. Selecionamos 4 bolinhas aleatoriamente do vaso, com reposio. Qual a probabilidade
de selecionar 2 bolinhas verdes e 2 bolinhas azuis?

55
Prof. Inaba

EXERCCIO
Geomtrica
1. A probabilidade de que haja alguma falha no lanamento de uma nave espacial 10%. Qual a
probabilidade de que para lanar a nave seja necessrio:
a) 2 tentativas?
b) no mximo 3 tentativas?
c) Calcule o nmero esperado de tentativas de lanamento da nave espacial. Calcule tambm a varincia
e o desvio padro do nmero de tentativas de lanamento.
2. A probabilidade de que uma droga apresente reao positiva 0,4. Qual a probabilidade de que menos
de 5 reaes negativas ocorram antes da primeira positiva?
3. Suponha que a probabilidade de um componente de computador ser defeituoso de 0,2. Numa mesa
de testes, uma batelada posta prova, um a um. Determine a probabilidade do primeiro defeito
encontrado ocorrer no stimo componente testado.
Hipergeomtrica
4. Numa Loteria, um apostador escolhe 6 nmeros de 1 a 54. Qual a probabilidade dele acertar 5
nmeros?
5. Entre os 16 programadores de uma empresa, 12 so do sexo masculino. A empresa decide sortear 5
programadores para fazer um curso avanado de programao. Qual a probabilidade dos 5 sorteados
serem do sexo masculino?
Multinomial
6. Um experimento de gentica envolve 6 gentipos mutuamente excludentes identificados por A, B, C,
D, E e F, todos igualmente provveis. Testados 20 indivduos, determine a probabilidade de obter
exatamente: 5 A; 4 B; 3 C; 2 D; 3 E; 3 F
7. Na inspeo de qualidade de um produto so utilizadas quatro categorias para classificao:
conforme, aproveitvel, reciclvel e refugado. As probabilidades de pertencer a cada um dos grupos so,
respectivamente: p1 = 0,70 , p2 = 0,15 , p3 = 0,10 e p3 = 0,05. Em um lote de 10 unidades, qual a
probabilidade de se encontrar seis unidades conformes, duas aproveitveis, uma reciclvel e uma
refugada?
Pascal
8. Joga-se um dado equilibrado. Qual a probabilidade de serem necessrios 10 lanamentos at a
terceira ocorrncia de um seis?
9. Deseja-se produzir 5 peas boas, em uma mquina que d 20% de peas defeituosas. Qual a
probabilidade de ser necessrio fabricar 8 peas para se conseguir as 5 peas boas?

56
Prof. Inaba

8. DISTRIBUIES CONTNUAS
Varivel aleatria contnua aquela que pode assumir inmeros valores num intervalo de nmeros reais
e medida numa escala contnua. Por exemplo, uma varivel aleatria contnua deve ser definida entre
os nmeros reais 0 e 1, ou nmeros reais no negativos ou, para algumas distribuies, qualquer nmero
real. A temperatura, a presso, a precipitao ou qualquer elemento medido numa escala contnua uma
varivel aleatria contnua.
Existem duas funes associadas a cada varivel contnua X: a funo densidade de probabilidade,
simbolizada por f(X), e a funo cumulativa de probabilidade, ou funo de distribuio de
probabilidade representada por F(X). A funo f(X) aquela cuja integral de X = a at X = b (b a) d a
probabilidade de que X assuma valores compreendidos no intervalo (a, b), ou seja,
( ) = ()

A funo cumulativa de probabilidade F(b) tal que:
() = ( ) = ()

Qualquer funo definida no campo real s pode ser considerada como uma funo densidade de
probabilidade se forem satisfeitas as seguintes condies:
() 0
Para todo X e
() = () = 1

A probabilidade de que a varivel X assuma valores no intervalo (a, b) dada por:
( ) = () = () ()

e a probabilidade de que a varivel contnua X assuma um valor em particular, b, por exemplo, :
( ) = () = () () = 0

H muitas distribuies tericas contnuas. Algumas das mais usadas aqui so: distribuio normal,
distribuio gamma, distribuio de valores extremos e distribuio exponencial. Neste material vamos
tratar dos modelos probabilsticos citados, que tm importncia prtica na investigao cientfica,
abordando as formas das funes densidade de probabilidade, bem como a esperana e a varincia.
DISTRIBUIO UNIFORME
Uma distribuio de varivel aleatria contnua a distribuio uniforme cuja funo densidade de
probabilidade constante dentro de um intervalo de valores da varivel aleatria X.
57
Prof. Inaba

A varivel aleatria X tem distribuio uniforme de probabilidades no intervalo (a, b) se a funo
densidade f(x) for:
() =
1
, com as seguintes condies b a e a x b.

A representao grfica da distribuio uniforme um retngulo com base definida pelos valores a e b
que estabelecem os limites de valores possveis da varivel aleatria X,

Da definio da distribuio uniforme deduzimos:
A rea do retngulo igual a 1, pois a base (b a) e a altura 1/(b a).
A probabilidade da varivel aleatria X ser igual ou maior que a e, ao mesmo tempo, menor ou igual a
b igual a 1 ou 100%
A mdia e a varincia da varivel aleatria X com distribuio uniforme de probabilidades no intervalo
(a, b) so:
Mdia:
=
+
2

Varincia:
2
=
()
2
12

Ex.
1. A varivel aleatria X tem distribuio uniforme no intervalo (50, 200). Calcular a mdia e o desvio
padro.
Soluo

2. Continuando o Exemplo 1, qual a probabilidade de um valor da varivel X se encontrar entre 110 e
150?

58
Prof. Inaba

DISTRIBUIO NORMAL
Uma varivel aleatria contnua inclui, em seus resultados, valores tanto inteiros como no
inteiros, no pode ser adequadamente por uma distribuio discreta.
As distribuies normais ocupam posio importantssima tanto na estatstica terica como na
aplicada, por vrias razes. Uma delas que, com bastante frequncia, elas representam, com boa
aproximao, as distribuies de frequncia observadas de muitos fenmenos naturais e fsicos. Outra
razo que as normais servem como aproximao de probabilidades binomiais, quando n grande.
Todavia, o motivo mais importante da proeminncia da distribuio normal que as distribuies tanto
das mdias como das propores em grandes amostras tendem a ser distribudas normalmente, o que
tem relevante implicao na amostragem.

Definio. A varivel aleatria X, que tome todos os valores reais , tem uma distribuio
normal (ou Gaussiana) se sua funo distribuio de probabilidade for da forma
< < =

x e x f
x
,
2
1
) (
2
2
1

.
Os parmetros
devem satisfazer s condies , .

Caractersticas da distribuio normal:
i).
=
+
-
1 ) ( e 0 ) ( dx x f x f
ii). No aspecto grfico ) (x f representa a bem conhecida curva forma de sino, mostrada na figura. Visto
que f depende de x somente atravs da expresso ( )
2
x , torna-se evidente que o grfico de f ser
simtrico em relao a .
< < x
< < x
> 0
59
Prof. Inaba

O parmetro tambm pode ser interpretado geometricamente. Observa-se que para = x , o grfico
descendente, de concavidade para baixo. Quando x , 0 ) ( x f , assintoticamente. Visto que
0 ) ( x f
para todo x, isto significa que, para valores grandes de x (positivos ou negativos), o grfico tem
concavidade para cima. O ponto no qual a concavidade muda de denominado ponto de inflexo e que
ser localizado pela resoluo da equao f"(x) = 0. Ao fazer isso verificamos que os pontos de inflexo
ocorrem para = x . Isto , unidades para direita e para esquerda de
o grfico muda de
concavidade. Por isso, se for relativamente grande, o grfico tende a ser achatado, enquanto se
for pequeno, o grfico tende a ser bastante pontiagudo.
iii). A rea sob a curva normal entre dois pontos a probabilidade de uma varivel normalmente
distribuda tomar um valor entre esses pontos. Isto ,
dx e b X a P
b
a
x
=
2
2
1
2
1
) (

Esta integral no pode ser calculada pelos caminhos comuns. No entanto, mtodos de integrao
numrica podem ser empregados para calcularem integrais da forma acima, verdadeiramente estes
valores tm sido tabelados.
OBS: essencial reconhecer que uma distribuio normal uma distribuio terica. Para mensuraes
fsicas grupadas numa distribuio de frequncia, uma distribuio ideal; nenhum conjunto de valores
efetivos se adaptar exatamente a ela. Assim que, por exemplo, os valores reais no variam entre
. No obstante, tais deficincias so amplamente contrabalanadas pela facilidade de
utilizao da distribuio normal na obteno de probabilidades, e pelo fato de que a referida
distribuio ainda constitui uma boa aproximao de dados reais. Assim, quando se diz que uma varivel
aleatria (fsica) distribuda normalmente, a afirmao deve ser interpretada como uma implicao de
que a distribuio de frequncia de seus resultados possveis pode ser satisfatoriamente bem
aproximada pela distribuio normal de probabilidades. Portanto, a curva normal um modelo.
Distribuio Normal Padronizada
A distribuio normal constitui, na realidade, uma famlia infinitamente grande de distribuies
- uma para cada combinao possvel de mdia e desvio padro. Conseqentemente, seria intil
procurar elaborar tabelas que atendessem a todas as necessidades. O problema de lidar com uma famlia
x
f(x)
= x
+ e
60
Prof. Inaba

infinita de distribuies normais pode ser completamente evitado desde que se trabalhe com valores
relativos, ao invs de valores reais. Isto equivale a tomar a mdia como ponto de referncia (origem) e
o desvio padro como medida de afastamento a contar daquele ponto (unidade de medida). Esta nova
escala comumente conhecida como escala z, i.e., z varivel padronizada correspondente a X.
Algebricamente, pode-se escrever

z nmero de desvios padres a contar da mdia
X valor arbitrrio
a mdia da distribuio normal
o desvio padro
O clculo da probabilidade em um intervalo
b z a
:
dz e b z a P
b
a
z

=
2
2
1
2
1
) (

que a rea sob a curva normal padronizada de a at b.
Felizmente dz e A b z P
b z
b

= =
0
2
2
1
0
2
1
) 0 (

esto tabelados.
Exemplos:
1). Se a expresso "rea" se refere rea sob a curva normal padronizada, determine o valor ou os
valores de z tais que:(para cada caso faa a interpretao grfica)
a) rea entre 0 e z igual a 0,3770

z
X
=

61
Prof. Inaba

b) rea esquerda de z igual a 0,8621

c) rea entre 1,5 e z igual a 0,0217

2).Dado que uma populao com mdia 25 e desvio padro 2 tem distribuio normal, determine o valor
de z para o valor da populao igual a 23.
3).Uma distribuio normal tem mdia 50 e desvio padro 5.Que percentagem da populao est em
cada um dos seguintes intervalos:
a) de 56 a 60

b) de 40 a 65

c) de 45 a 65

1). Uma populao normal tem mdia 50 e desvio padro 3.Determine os valores correspondentes aos
seguintes valores de z:
a) 0,10

62
Prof. Inaba

b) -2,53

2). Um fornecedor de ferro alega que seu produto apresenta resistncia tenso aproximadamente
normal com mdia de 50 000 psi e varincia de 8100. Supondo verdadeira a hiptese, que resultado da
mensurao dar resultado:
a) superior a 50 000 psi

b) inferior a 49 550 psi

c) entre 13 500 psi e 50 000 psi

3. Suponhamos que a altura dos estudantes do sexo masculino de certa universidade seja uma varivel
normal, com 1,69m de mdia e desvio padro 0,03. Determine:
a). A porcentagem de alunos de altura superior a 1,72m

b). A probabilidade de que um aluno escolhido aleatoriamente tenha altura entre 1,66m e 1,72m.

63
Prof. Inaba

c). A probabilidade de que um aluno escolhido aleatoriamente tenha altura inferior a 1,63m.

64
Prof. Inaba

EXERCCIO
1. Dado que uma populao com mdia 25 e desvio padro 2 tem distribuio normal, determine os
valores de z para os seguintes valores da populao:
a) 23,5 b) 24,0 c) 25,2 d) 25,5
2. Uma populao normal tem mdia 50 e desvio padro 3. Determine os valores correspondentes aos
seguintes valores de z:
a) 2,00 b) 0,75 c) -3,00 d) -3,20
3. Uma distribuio normal tem mdia 50 e desvio padro 5. Que percentagem da populao est em
cada um dos seguintes intervalos:
a) de 40 a 50 b) de 49 a 50 c) de 40 a 45
4. Suponha que a renda mdia de uma grande comunidade possa se razoavelmente aproximada por uma
distribuio normal com mdia $1500 e desvio padro de $300.
a) Que percentagem da populao ter renda superior a $1860?
b) Numa amostra de 50 assalariados, quantos podemos esperar que tenham menos de $1050 de renda?
5. O processo de empacotamento em uma companhia de cereais foi ajustado de maneira que uma mdia
de 13,0Kg de cereal colocado em cada saco. claro que nem todos os sacos tm precisamente 13,0Kg
devido a fontes aleatrias de variabilidade. O desvio padro do peso lquido 0,1Kg, e sabe-se que a
distribuio dos pesos segue uma distribuio normal. Determinar a probabilidade de que um saco
escolhido aleatoriamente contenha entre 13,0 e 13,2Kg de cereal. Ilustrar a proporo da rea sob a
curva normal que est associada com o valor da probabilidade.
6. Para a situao descrita no problema 5 faa o que se pede:
a).Calcular a probabilidade de que o peso exceda 13,25Kg e ilustrar a proporo da rea sob a curva
normal.
b).Calcular a probabilidade de que o peso de cereal esteja entre 12,8 e 13,1Kg e ilustrar a proporo da
rea sob a curva normal que relevante neste caso
7. O tempo necessrio, em uma oficina, para o conserto da transmisso de um tipo de automvel
normalmente distribudo com mdia igual a 45min. e desvio padro 8,0min. O mecnico planeja
comear o conserto do carro de um cliente 10 min. aps o carro ter sido deixado na oficina, comunicando
o cliente que o carro estar pronto em um tempo total de 1hora.
a).Qual a probabilidade de que o mecnico esteja enganado?
b).Qual a previso de tempo de trabalho para que haja 90% de probabilidade de que o conserto da
transmisso se efetue dentro do prazo previsto?
65
Prof. Inaba

DIDTRIBUIO EXPONENCIAL
A distribuio exponencial geralmente aplicada dados com forte assimetria3 como aqueles cujo
histograma tem a forma da figura abaixo, ou seja, de J invertido. Quando os servios prestados por uma
empresa para clientes externos ou internos so de durao varivel esta distribuio a indicada para
analisar esses experimentos, por exemplo, a durao do atendimento do caixa de um banco ou de
postos de sade, o tempo de operao sem interrupo de um equipamento, etc.
Esta uma distribuio que se caracteriza por ter uma funo de taxa de falha constante. A distribuio
exponencial a nica com esta propriedade. Ela considerada uma das mais simples em termos
matemticos. Esta distribuio tem sido usada extensivamente como um modelo para o tempo de vida
de certos produtos e materiais. Ela descreve adequadamente o tempo de vida de leos isolantes e
dieltricos, entre outros.
A varivel aleatria X tem distribuio Exponencial com parmetro , >0, se tiver funo densidade de
probabilidade dada por:
() =
0
0 < 0

Em que o parmetro >0 o tempo mdio de vida e t um tempo de falha.
O parmetro deve ter a mesma unidade do tempo da falha t. Isto , se x medido em horas, tambm
ser medido em horas.
A funo distribuio F(t) dada por () = ()
0
=
1
0
0 < 0

Para o clculo das probabilidades podemos usar as seguintes frmulas
( >
) =
0
e (
) = 1
0

Parmetros caractersticos
Mdia: =
1

Varincia:
2
=
1
2

66
Prof. Inaba

Ex.
1. O tempo at a falha do ventilador de motores a diesel tem uma distribuio Exponencial com
parmetro =
1
28700
horas. Qual a probabilidade de um destes ventiladores falhar nas primeiras 24000
horas de funcionamento?
Soluo:

2. Suponha que em determinado perodo do dia, o tempo mdio de atendimento em um caixa de banco
seja de 5 minutos. Admitindo que o tempo para atendimento tenha distribuio exponencial, determine
a probabilidade de um cliente:
a) esperar mais do que 5 minutos.
b) esperar menos do que 5 minutos.

67
Prof. Inaba

EXERCCIO
1. Uma lmpada tem a durao de acordo com a densidade de probabilidade a seguir
() =
0, < 0
1
1000

1000
, 0

Determine:
a) a probabilidade de que uma lmpada qualquer queime antes de 1.000 horas;
b) a probabilidade de que uma lmpada qualquer queime depois de sua durao mdia;
c) o desvio padro da distribuio.
2. O tempo de atendimento numa oficina aproximadamente exponencial com mdia de quatro minutos.
Qual a probabilidade de:
a) espera superior a quatro minutos?
b) espera inferior a cinco minutos?
c) espera de exatamente quatro minutos?
3. Sabemos que o intervalo entre ocorrncias sucessivas de uma doena contagiosa uma varivel
aleatria que tem distribuio exponencial com mdia de 100 dias. Qual a probabilidade de no se ter
registro de incidncia da doena por pelo menos 200 dias a partir da data em que o ltimo caso for
registrado?
4. Se ocorrem 3 chuvas catastrficas com durao de 1 hora a cada 10 anos, qual a probabilidade de que
leve menos de 1 ano at a prxima ocorrncia?
5. Dados histricos de terremotos em San Francisco, Ca, mostram que no perodo de 1836 1916,
ocorreram 16 terremotos de grande intensidade. Se a ocorrncia de terremotos desta intensidade segue
uma distribuio de Poisson, qual a probabilidade de ocorrerem terremotos nos prximos dois anos?

68
Prof. Inaba


Prof. Inaba

TABELA: REAS NA CAUDA DIREITA SOB A DISTRIBUIO NORMAL PADRONIZADA
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000

69

Estatistica I 2014 A

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Estatistica I 2014 A

Diunggah oleh

Hak Cipta:

Format Tersedia

ESTATSTICA I - UNIVERSIDADE CANDIDO MENDES N.

, xi o ponto mdio da classe.

um conjunto finito de resultados equiprovveis. evidente

nmero de resultados favorveis a A

, com as seguintes condies b a e a x b.

devem satisfazer s condies , .

Anda mungkin juga menyukai