Aula 1 Variveis aleatrias contnuas

Objetivos:
Nesta aula iremos estudar as variveis aleatrias contnuas e voc aprender os seguintes conceitos:
funo de densidade de probabilidade; funo de distribuio acumulada de variveis aleatrias contnuas;
esperana e varincia de variveis aleatrias contnuas; a distribuio uniforme contnua.
Noes bsicas
No estudo das distribuies de frequncia para variveis quantitativas contnuas, vimos que, para resumir os
dados, era necessrio agrupar os valores em classes. O histograma e o polgono de frequncias eram os grficos
apropriados para representar tal distribuio. Para apresentar os conceitos bsicos relativos s variveis aleatrias
contnuas, vamos considerar os histogramas e respectivos polgonos de frequncia apresentados na Figura 1.1. Esses
grficos representam as distribuies de frequncias de um mesmo conjunto de dados, cada uma com um nmero
de classes diferente no histograma superior, h menos classes do que no histograma inferior. Suponhamos,
tambm, que as reas de cada retngulo sejam iguais s frequncias relativas das respectivas classes (essa a
definio mais precisa de um histograma). Pelos resultados vistos anteriormente, sabemos que a soma das reas
dos retngulos 1 (as frequncias relativas devem somar 1 ou 100%) e que cada frequncia relativa uma
aproximao para a probabilidade de um elemento pertencer a determinada classe.
Analisando atentamente os dois grficos, podemos ver o seguinte: medida que aumentamos o nmero de
classes, diminui a diferena entre a rea total dos retngulos e a rea abaixo do polgono de frequncia.
A diviso em classes se fez pelo simples motivo de que uma varivel contnua pode assumir infinitos (noenumerveis) valores. Faz sentido, ento, pensarmos em reduzir, cada vez mais, o comprimento de classe , at a
situao limite em que 0. Nessa situao limite, o polgono de frequncias se transforma em uma curva na
parte positiva (ou no-negativa) do eixo vertical, tal que a rea sob ela igual a 1. Essa curva ser chamada curva de
densidade de probabilidade.

Figura 1.1: Histogramas e respectivos polgonos de frequncia.

Considere, agora, a Figura 1.2, em que apresentado o histograma superior da figura anterior, mas agora
ilustramos um fato visto anteriormente: para estimar a frequncia de valores da distribuio entre os pontos a e b,
podemos usar a rea dos retngulos sombreados de cinza-claro.

Figura 1.2: Clculo da frequncia entre dois pontos a e b.

Pgina 1 de 17

Conforme ilustrado na Figura 1.3, a diferena entre essa rea e a rea sob o polgono de frequncias tende a
diminuir medida que se aumenta o nmero de classes. Essa diferena a parte sombreada de cinza mais escuro.
Isso nos permite concluir o seguinte: no limite, quando 0, podemos estimar a probabilidade de a varivel de
interesse estar entre dois valores A e B pela rea sob a curva de densidade de probabilidade, delimitada pelos
pontos A e B.

Figura 1.3: Diferena entre as reas dos retngulos e a rea sob o polgono de frequncia.
Varivel aleatria contnua
Embora j visto anteriormente, voltamos a apresentar o conceito de varivel aleatria, por ser esse um dos
conceitos mais importantes deste curso.
Definio
Uma varivel aleatria uma funo real (isto , que assume valores em R) definida no espao amostral
de um experimento aleatrio. Dito de outra forma, uma varivel aleatria uma funo que associa a cada evento
de um nmero real.
J estudamos tambm as variveis aleatrias discretas e agora vamos introduzir as variveis aleatrias
contnuas e para isso apresentamos novamente esses conceitos.
Definio
Uma varivel aleatria discreta se sua imagem (ou conjunto de valores que ela assume) for um conjunto
finito ou enumervel. Se a imagem for um conjunto no-enumervel, dizemos que a varivel aleatria contnua.
Funo de densidade de probabilidade
Os valores de uma v.a. contnua so definidos a partir do espao amostral de um experimento aleatrio.
Sendo assim, natural o interesse na probabilidade de obteno de diferentes valores dessa varivel. O
comportamento probabilstico de uma varivel aleatria contnua ser descrito pela sua funo de densidade de
probabilidade.
Definio
Uma funo de densidade de probabilidade uma funo f(x) que satisfaz as seguintes propriedades:
1. f(x) 0
2. A rea total sob o grfico de f(x) tem de ser igual a 1.
Dada uma funo f(x) satisfazendo as propriedades acima, ento f(x) representa alguma varivel aleatria
contnua X, de modo que P(a X b) a rea sob a curva limitada pelos pontos a e b (veja a Figura 1.4).

Figura 1.4: Probabilidade como rea.

Pgina 2 de 17

A definio anterior usa argumentos geomtricos; no entanto, uma definio mais precisa envolve o conceito de
integral de uma funo de uma varivel. Apresentamos a seguir essa definio, mas neste curso usaremos
basicamente a interpretao geomtrica da integral, que est associada rea sob uma curva.
Definio
Uma funo de densidade de probabilidade uma funo f(x) que satisfaz as seguintes propriedades:
1. f(x) 0
2.
Dada uma funo f(x) satisfazendo as propriedades acima, ento f(x) representa alguma varivel aleatria
contnua X, de modo que

Para deixar clara a relao entre a funo de densidade de probabilidade e a respectiva v.a. X, usaremos a notao
fX(x). Por questo de simplicidade, tambm abreviaremos a expresso funo de densidade de probabilidade por
fdp, devendo ficar claro no contexto se funo de distribuio de probabilidade v.a. discreta ou funo de
densidade de probabilidade v.a. contnua.
Uma primeira observao importante que resulta da interpretao geomtrica de probabilidade como rea
sob a curva de densidade de probabilidade a seguinte: se X uma v.a. contnua, ento a probabilidade do evento X
= a zero, ou seja, a probabilidade de X ser exatamente igual a um valor especfico nula. Isso pode ser visto na
Figura 1.4: o evento X = a corresponde a um segmento de reta, e tal segmento tem rea nula.
Como consequncia, temos as seguintes igualdades: Pr(a X b) = Pr(a X < b) = Pr(a < X b) = Pr(a < X < b)
Funo de distribuio acumulada
Da mesma forma que a funo de distribuio de probabilidade de uma varivel aleatria discreta, a funo
de densidade de probabilidade nos d toda a informao sobre a v.a. X, ou seja, a partir da fdp, podemos calcular
qualquer probabilidade associada v.a. X. Tambm como no caso discreto, podemos calcular probabilidades
associadas a uma v.a. contnua X a partir da funo de distribuio acumulada.
Definio
Dada uma varivel aleatria (discreta) X, a funo de distribuio acumulada de X definida por
FX(x) = Pr (X x) x R
A definio a mesma vista para o caso discreto; a diferena que, para variveis contnuas, a funo de
distribuio acumulada uma funo contnua, sem saltos. Veja a Figura 1.5 para um exemplo.

Figura 1.5: Exemplo de funo de distribuio acumulada de uma v.a. contnua.

Como no caso discreto, valem as seguintes propriedades para a funo de distribuio acumulada (fda) de uma v.a.
contnua:
0 FX (x) 1;
;
a < b FX (a) FX (b)

Pgina 3 de 17

Da interpretao de probabilidade como rea, resulta que FX(x) a rea esquerda de x sob a curva de densidade
fX. Veja a Figura 1.6:

Figura 1.6: Funo de distribuio acumulada - clculo a partir da rea sob a curva de densidade.
Existe uma relao entre a funo de densidade de probabilidade e a funo de distribuio acumulada, que
resultante do Teorema Fundamental do Clculo.
Por definio, temos o seguinte resultado:

e do Teorema Fundamental do Clculo resulta que

isto , a funo de densidade de probabilidade a derivada da funo de distribuio acumulada.

Esperana e varincia de variveis aleatrias contnuas
Nas distribuies de frequncias agrupadas em classes de variveis quantitativas contnuas, vimos que a
mdia e a varincia da distribuio, medidas de centro e de disperso, respectivamente, podiam ser calculadas como
e
onde fi era a frequncia relativa da classe i e xi era o ponto mdio da classe i. Continuando com a idia inicial da aula
de tomar classes de comprimento cada vez menor, isto , fazendo 0, chegamos s seguintes definies de
esperana e varincia de uma varivel aleatria contnua.
Definies
Seja X uma varivel aleatria contnua com funo de densidade de probabilidade fX. A esperana (ou mdia
ou valor esperado) de X definida como

e a varincia de X definida como

O desvio padro definido como

No entraremos em detalhes de clculo dessas frmulas; nosso enfoque ser na interpretao da mdia e da
varincia como medidas de centro e de disperso. Para algumas distribuies especficas, apresentaremos os valores
de E(X) e V ar(X), mostrando a sua influncia sobre a distribuio.
As mesmas propriedades vistas para variveis aleatrias discretas continuam valendo no caso contnuo:
Pgina 4 de 17

Se interpretamos a funo de densidade de probabilidade de X como uma distribuio de massa na reta real, ento
E(X) o centro de massa desta distribuio. Essa interpretao nos permite concluir, por exemplo, que se fX
simtrica, ento E(X) o valor central, que define o eixo de simetria.
Exemplo 1.1 Distribuio uniforme
Considere a funo fX apresentada na Figura 1.7:

Figura 1.7: Funo de densidade de probabilidade para o Exemplo 13.1.

1. Encontre o valor de k para que fX seja uma funo de densidade de probabilidade de uma v.a. X.
2. Determine a equao que define fX.
3. Calcule Pr(2 X 3).
4. Encontre E(X).
5. Determine o valor de k tal que Pr(X k) = 0, 6.
6. Encontre a funo de distribuio acumulada de X.
Soluo
1. Como a rea tem que ser 1, temos de ter 1 = (5 1) k k =1/4
Temos que

3. A probabilidade pedida a rea sombreada na Figura 1.8. Logo, Pr(2 X 3) = (3 2) 1/4=1/4

Figura 1.8: Clculo de Pr(2 X 3) para o Exemplo 13.1.

4. Por argumentos de simetria, a esperana o ponto mdio, ou seja, E(X) = 3.
Pgina 5 de 17

5. O primeiro ponto a observar o seguinte: o ponto x = 3 divide a rea ao meio, ou seja, x = 3 a mediana da
distribuio. Como temos que Pr(X k) = 0, 6, resulta que k tem de ser maior que 3, uma vez que abaixo de 3 temos
rea igual a 0,5. Veja a Figura 1.9:

Figura 1.9: Clculo de k tal que Pr(X k) = 0, 6 para o Exemplo 13.1.

Temos de ter
0, 1 = (k 3) 1/4 k = 3, 4
6. Para x < 1, temos que FX(x) = 0 e para x > 5, temos que FX(x) = 1. Para 1 x 5, FX(x) a rea de um retngulo de
base (x 1) e altura 1/4 (veja a Figura 1.10). Logo, FX(x) =(x 1)/4

Figura 1.10: Clculo de FX para o Exemplo 13.1.

e a expresso completa de FX

cujo grfico est ilustrado na Figura 1.11.

Figura 1.11: Funo de distribuio acumulada para o Exemplo 13.1.

Exemplo 1.2
Considere a funo fX apresentada na Figura 1.12:

Pgina 6 de 17

0,1

Figura 1.12: Funo de densidade de probabilidade para o Exemplo 13.2.

1. Encontre o valor de k para que fX seja uma funo de densidade de probabilidade de uma v.a. X.
2. Determine a equao que define fX.
3. Calcule Pr(2 X 3).
4. Encontre a funo de distribuio acumulada de X.
5. Determine o valor de k tal que Pr(X k) = 0, 6.
Soluo
1. Podemos decompor a rea sob a reta como a rea de um tringulo e a rea de um retngulo (na verdade, o
resultado a rea de um trapzio - veja a Figura 1.13). Ento, temos de ter
1 = (6 1) 0, 1 +(1/2).(6 1) (k 0, 1) 0, 5 =(5/2)(k 0, 1) k = 0, 3

0,1

Figura 1.13: Clculo de k para o Exemplo 13.2.

2. fX uma funo linear e a reta passa pelos pontos (1; 0, 1) e (6; 0, 3), o que nos d o seguinte sistema de
equaes:

Subtraindo a primeira equao da segunda, obtemos 0, 3 0, 1 = 5b b = 0, 04

Substituindo este valor na primeira equao, obtemos que a = 0, 1 0, 04 = 0, 06. Logo,

3. Veja a Figura 1.14, em que a rea sombreada corresponde probabilidade pedida. Vemos que essa rea a rea
de um trapzio de altura 3 2 = 1, base maior igual a fX(3) = 0, 06 + 0, 04 3 = 0, 18 e base menor igual a f(2) = 0,
06 + 0, 04 2 = 0, 14. Logo, Pr(2 X 3) = (0, 18 + 0, 14)/2 1 = 0, 16

Pgina 7 de 17

Figura 1.14: Clculo de Pr(2 X 3) para o Exemplo 13.2.

4. Veja a Figura 1.15; nela podemos ver que, para x [1, 6], FX(k) a rea de um trapzio de altura k 1; base maior
igual a fX(k) e base menor igual a fX(1). Logo,
FX(k) =[(0, 06 + 0, 04k) + 0, 1]/2 (k 1) = (0, 08 + 0, 02k)(k 1), ou seja,

Figura 1.15: Funo de distribuio acumulada para o Exemplo 13.2.

5. Queremos determinar k tal que FX(k) = 0, 6. Logo,
0, 6 = 0, 02k2 + 0, 06k 0, 08 0, 02k2 + 0, 06k 0, 68 = 0 k2 + 3k 34 = 0

A raiz que fornece resultado dentro do domnio de variao de X

Exemplo 1.3 - Distribuio triangular

Considere a funo fX apresentada na Figura 1.16:
1. Encontre o valor de h para que fX seja uma funo de densidade de probabilidade de uma v.a. X (note que o
tringulo issceles).

Figura 1.16: Funo de densidade de probabilidade para o Exemplo 13.3.

2. Determine a equao que define fX.
Pgina 8 de 17

3. Calcule Pr(1 X 3).

4. Encontre E(X).
5. Determine o valor de k tal que Pr(X k) = 0, 6.
6. Encontre a funo de distribuio acumulada de X.
Soluo
1. Como a rea tem de ser 1, temos de ter 1 =1/2 (4 0) h h =1/2
2. A funo fX dada por 2 equaes de reta. A primeira uma reta de inclinao positiva que passa pelos pontos (0,
0) e (2, ). A segunda uma reta de inclinao negativa, que passa pelos pontos (2, ) e (4, 0). Para achar a equao
de cada uma das retas, basta substituir as coordenadas dos dois pontos e resolver o sistema. Para a primeira reta,
temos o seguinte sistema:
0=a+b0
=a+b2
Da primeira equao resulta que a = 0 ( o ponto onde a reta cruza o eixo y) e substituindo esse valor de a na
segunda equao, resulta que b = 1/4.
Para a segunda reta, temos o seguinte sistema:
0=a+b4
=a+b2
Subtraindo a segunda equao da primeira, resulta:
0 1/2 = (a a) + (4b 2b) b =
Substituindo na primeira equao, encontramos que a = 1.
Combinando essas duas equaes, obtemos a seguinte expresso para fX:

3. A probabilidade pedida a rea sombreada em cinza-escuro na Figura 1.17. Os dois tringulos sombreados de
cinza-claro tm a mesma rea, por causa da simetria. Assim, podemos calcular a probabilidade usando a regra do
complementar, uma vez que a rea total 1. A altura dos dois tringulos 1/4 ; basta substituir o valor de x = 1 na
primeira equao e o valor de x = 3 na segunda equao. Logo, a rea de cada um dos tringulos 1 =
1/8 e, portanto,
Pr(1 X 3) = 1 2 1/8 =6/8=3/4

Figura 1.17: Clculo de Pr(1 X 3).

4. Como a funo simtrica, resulta que E(X) = 2.
5. O primeiro ponto a observar o seguinte: o ponto x = 2 divide a rea ao meio, ou seja, x = 2 a mediana da
distribuio. Como temos que Pr(X k) = 0, 6, resulta que k tem de ser maior que 2. Veja a Figura 1.18:

Pgina 9 de 17

Figura 1.18: Clculo de k tal que Pr(X k) = 0, 6.

Novamente, vamos usar a regra do complementar: como a rea (probabilidade) abaixo de k tem de ser 0,6, resulta
que a rea (probabilidade) acima de k tem de ser 0,4; ento, a rea do tringulo superior tem de ser 0, 4. A altura
desse tringulo obtida substituindo-se o valor x = k na equao da segunda reta, o que nos d h = 1 k/4.
Substituindo na frmula que d a rea de um tringulo, resulta:

A raiz
est fora do domnio de definio da funo; logo, essa soluo no serve. A soluo para o
problema, ento, :

6. Assim como a fdp, a fda ser definida por 2 equaes: uma para os valores de x no intervalo [0, 2) e outra para
valores de x no intervalo [2, 4]. Para x [0, 2), temos que FX(x) a rea do retngulo sombreado na Figura 1.19.
Logo,
FX(x) =(1/2)(x 0) x/4 x [0, 2)

Figura 1.19: Clculo de FX(x) para 0 x 2.

Para x [2, 4], Fx(x) a rea sombreada na Figura 1.20, que pode ser calculada subtraindo-se de 1 (rea total) a rea
do tringulo superior. Logo,
FX(x) = 1 (1/2)(4 x)(1 x/4).

Pgina 10 de 17

Figura 1.20: Clculo de FX(x) para 2 x 4.

Combinando os resultados obtidos, resulta a seguinte expresso para FX :

Veja a Figura 1.21; para 0 x < 2, o grfico de FX uma parbola cncava para cima; para 2 x 4, o grfico de FX
uma parbola cncava para baixo.

Figura 1.21: Funo de distribuio acumulada do Exemplo 13.3.

Distribuio uniforme
Uma v.a. contnua X tem distribuio uniforme no intervalo [a, b] (finito) se sua funo de densidade
constante nesse intervalo, ou seja, temos de ter f(x) = k x [a, b]
Ento, o grfico da fdp. de X como o ilustrado na Figura 1.22. Para que tal funo seja uma fdp, temos de
ter k > 0 e a rea do retngulo tem de ser 1, ou seja, (b a) k = 1 k =1/(b a)

Figura 1.22: Densidade da distribuio uniforme no intervalo [a, b].

Pgina 11 de 17

Logo, a funo de densidade de uma v.a. uniforme no intervalo [a, b] dada por

Os valores a e b so chamados parmetros da distribuio uniforme; note que ambos tm de ser finitos para
que a integral seja igual a 1. Quando a = 0 e b = 1 temos a uniforme padro, denotada por U(0, 1).
Funo de distribuio acumulada
Por definio, temos que FX (x) = Pr (X x) e essa probabilidade dada pela rea sob a curva de densidade
esquerda de x, conforme ilustrado na Figura 1.23

Figura 1.23: Clculo da fda da densidade uniforme.

Essa rea a rea de um retngulo com base (x a) e altura 1/(b a).
Logo,

O grfico dessa fda dado na Figura 1.24.

Figura 1.24: Funo de distribuio acumulada da distribuio uniforme no intervalo [a, b].
Esperana e varincia
Das propriedades da esperana e das caractersticas da densidade uniforme, sabemos que E(X) o ponto
mdio do intervalo [a, b] .
E (X) = (a + b)/2
O clculo da varincia requer clculo integral, e pode-se mostrar que
Var (X) =(b a)2/12
Pgina 12 de 17

Resumo da Aula
Nesta aula voc iniciou o estudo sobre variveis aleatrias contnuas, aprendendo os seguintes conceitos:
Funo de densidade de probabilidade uma funo f(x) que satisfaz as seguintes propriedades:
f(x) 0
A rea total sob o grfico de f(x) tem que ser igual a 1.
Dada uma funo de densidade f(x) referente a uma v.a. X, ento P(a X b) a rea sob a curva limitada
pelos pontos a e b.
A funo de distribuio acumulada definida como F(x) = Pr(X x) x R
A densidade uniforme no intervalo (a, b)

E (X) = (a + b)/2
Var (X) =(b a)2/12

Exerccios
1. Considere a seguinte funo:

(a) Esboce o grfico de g(x).

(b) Encontre o valor de K para que g(x) seja uma funo de densidade de probabilidade.
(c) Encontre a funo de distribuio acumulada.
(d) Calcule os quartis da distribuio.
2. A demanda diria de arroz num supermercado, em centenas de quilos, uma v.a. com f.d.p.

(a) Qual a probabilidade de se vender mais de 150 kg num dia escolhido ao acaso?
(b) Qual a quantidade de arroz que deve ser deixada disposio dos clientes diariamente para que no falte arroz
em 95% dos dias?
3. Seja X uma v.a. com funo de densidade de probabilidade dada por

Calcule Pr(X 1/2 |1/3 X 2/3).

4. A quantidade de lquido (x) utilizada em latas de coca-cola tem distribuio uniforme no intervalo 345 ml a 355
ml, ou seja, X U[345, 355]. So rejeitadas pelo processo de controle de qualidade as latas que possuam menos de
346 ml ou mais de 354 ml.
(a) calcule Pr(X > 353); (b) calcule Pr(X < 346); (c) qual a proporo de latas rejeitadas ?
Soluo dos Exerccios
1. (a) Veja a Figura 1.25. Note que g(0) = 2K e g(1) = K e g(x) uma funo linear.
Pgina 13 de 17

(b) A rea total, que deve ser igual a 1, a rea de um trapzio com altura h = 1, base maior igual a 2K e base menor
igual a K. Logo,1 =(K + 2K)/2 1 K =2/3

Figura 1.25: Soluo do Exerccio 13.1 - grfico de g(x).

(c) Para cada x [0, 1], FX(x) a rea de um trapzio de altura x, base menor igual a fX(x) = (2/3)(2 x) e base maior
igual a 4/3 . Veja a Figura 1.26. Logo,

Figura 1.26: Clculo da fda para o Exerccio 13.1.

Resulta que

(d) Sejam Q1,Q2 e Q3 os trs quartis:

A raiz que fornece soluo no domnio de X :

A raiz que fornece soluo no domnio de X :

Pgina 14 de 17

A raiz que fornece soluo no domnio de X :

2. Seja X a v.a. que representa a demanda diria de arroz, em centenas de quilos.

(a) Na Figura 1.27, temos o grfico da fdp de X, onde a rea do tringulo sombreado representa Pr(X 1, 5). Nesse
tringulo, a base 3 1, 5 = 1, 5, e a altura f(1, 5) = 1,5/3 + 1. Logo, Pr(X 1, 5) =1/2 1, 5 0, 5 = 1/2 3/2
=3/8

Figura 1.27: Soluo do Exerccio 13.2.

(b) Seja k o valor a estocar. Para que a demanda seja atendida, necessrio que a quantidade demandada seja
menor que a quantidade em estoque. Logo, queremos encontrar o valor de k tal que Pr(X k) = 0, 95. Como Pr(X 1)
= 1/3 , k tem de ser maior que 1, ou seja, k est no tringulo superior (veja a Figura 1.28). Mas Pr(X k) = 0, 95
equivalente a Pr(X > k) = 0, 05. Logo,

A raiz que d a soluo dentro do domnio de X :

Pgina 15 de 17

Figura 1.28: Soluo do Exerccio 13.2 - Clculo do tamanho do estoque.

3. Sabemos que Pr(A|B) =Pr(A B)/Pr(B). Assim,

Veja a Figura 1.29. Ambos os termos referem-se a reas de trapzios. O numerador refere-se rea do
trapzio sombreado de cinza-escuro e o denominador refere-se ao trapzio correspondente a toda a rea
sombreada (cinza-claro e cinza-escuro). O trapzio cinza-escuro tem altura 1/2 1/3=1/6, base maior igual a f(1/2)=
21/2= 1 e base menor igual a f(1/3)= 21/3=2/3. O trapzio sombreado completo tem altura 2/3 1/3=1/3, base
maior igual a f(2/3)= 2 2/3=4/3 e base menor igual a f(1/3)= 2 1/3=2/3. Logo,

Figura 1.29: Soluo do Exerccio 13.3.

4. Seja X = contedo da lata de coca-cola. Ento, X U[345, 355]
(a) Pede-se Pr(X > 353) = 1 Pr(X 353) = 1 FX(353) = 1 (353 345)/(355 345) = 0, 2
(b) Pede-se Pr(X < 346) = Pr(X 346) = FX(346) = (346 345)/(355 345)= 0, 1
(c) Pede-se Pr(350 4 < X < 350 + 4) = Pr(346 < X < 354) = Pr(346 < X 354) = Pr(X 354) Pr(X 346) = (354
345)/(355 345) (346 345)/(355 345) = 0, 8
Logo, a proporo de latas rejeitadas 10, 8 = 0, 2, ou seja, 20% das latas so rejeitadas pelo processo de
controle de qualidade. uma proporo bastante alta.

Pgina 16 de 17

Bibliografia
[1] ANDERSON, David R.; SWEENEY, Dennis J.; WILLIAMS, Thomas A. Estatstica Aplicada Administrao e
Economia. So Paulo: Pioneira Thomson Learning, 2002
[2] MOORE, David S.; McCabe, George P.; DUCKWORTH, William M.; SCLOVE, Stanley L. A Prtica da Estatstica
Empresarial Como Usar Dados para Tomar Decises. Rio de Janeiro: LTC Editora, 2006
[3] MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira. Estatstica Bsica, 5a Edio. So Paulo: Saraiva, 2006
[4] TRIOLA, Mario F. Introduo Estatstica, 9a. Edio. Rio de Janeiro: LTC Editora, 2005
[5] FARIAS, Ana M.; Mtodos Estatsticos I. Rio de Janeiro. Fundao CECIERJ, 2009.

Pgina 17 de 17