Estatística em exercícios: variáveis aleatórias, probabilidades e distribuições

CURSO ONLINE ESTATSTICA EM EXERCCIOS
AFC STN
PROF. ALEXANDRE LIMA
Prof. Alexandre Lima www.pontodosconcursos.com.br 1

AULA 3

Varivel Aleatria definio, funo discreta de probabilidade, funo de
distribuio de probabilidade, funo densidade de probabilidade. Valor
Esperado: mdia, varincia e valor esperado de funo de varivel aleatria.
Principais distribuies de probabilidade binomial, Poisson, normal etc.!.

"l, tudo bem#

Para facilitar a sua leitura, apresento, $uando necessrio, uma breve reviso
da teoria $ue cobrada pela $uesto. %ssim, voc& poder prosse'uir para o
pr(imo problema, caso prefira no revisar o conte)do. %s solues
apresentadas so concisas e ob*etivas na medida do poss+vel.

Voc& tambm poder estudar a teoria da matria pelo livro $ue escrevi em
parceria com o ,oraes -r. Raciocnio Lgico Incluindo Matemtica,
Matemtica Financeira e Estatstica, publicado pela Editora ,todo em ./0/!,
$ue ser a refer&ncia biblio'rfica das nossas aulas.

Vamos 1 aula de 2o*e#

!. "ATPS#MPO$%ESAF%&'!&( % e(pectncia de uma varivel aleatria 3
i'ual a 4, ou se*a: E3! 5 4. 6abendo7se $ue a E3
.
! 5 ./, ento o coeficiente
de variao de 3 i'ual a:

%! 20 / 1
8! 5 / 1
9! 2 / 1
:! 1
E! 0

Re)*l+,-*

:ados:

E(pectncia ou ,dia ou Valor Esperado de Z = E(z) = 4
Mdia Quadrtica de Z = E(z
2
) = 20

Pede-se o coeficiente de variao de z (CV(z)), definido como

CV".( / DP".(%E".(0

em que DP(z) denota o desvio padro de z, que por sua vez dado por

AFC STN
DP".( / Rai. 1+a2ra2a P*)itiva 2e Var".(0

em que Var(z) denota a varincia de z.

Sabemos que

Var".( / E".
&
( E".(
&
/ M32ia 1+a2rti4a 1+a2ra2* 2a M32ia

Logo,

Var(z) = 20 - 4
2
= 20 - 16 = 4 DP(z) = Raiz Quadrada de Var(z) = 2

CV(z) = DP(z)/E(z) = 2/4 = 1/2 alternativa C

Revi)-* 2e C*5te62* Varivel Aleatria

A N*,-* 2e Varivel Aleatria

Uma Varivel Aleatria (V. A.) uma descrio numrica do resultado de um
experimento.

Por exemplo, considere o experimento "contactar cinco clientes. Seja X a
varivel aleatria que representa o nmero de clientes que colocam um pedido
de compra. Ento os valores possveis de X so: 0, 1, 2, 3, 4 e 5.

Uma varivel aleatria X denominada 2i)4reta se assume valores num
conjunto contvel ou enumervel (como o conjunto dos nmeros inteiros ou
o conjunto dos nmeros naturais ), com certa probabilidade. Formalmente,
uma varivel aleatria 3 +7a 8+5,-*, e no uma "varivel propriamente
dita. A varivel aleatria do exemplo anterior discreta. Tambm so
exemplos de variveis aleatrias discretas:

Nmero de coroas obtido no lanamento de duas moedas;
Nmero de itens defeituosos em uma amostra retirada,
aleatoriamente, de um lote;
Nmero de defeitos em um carro que sai de uma linha de
produo.

Vejamos um outro exemplo. Considere o lanamento de duas moedas
mencionado acima. O espao amostral (isto , o conjunto de todos os
resultados possveis do experimento)

D = {(cara, cara), (cara, coroa), (coroa, cara), (coroa, coroa)},

e os valores que a varivel aleatria X (nmero de coroas) pode assumir so

AFC STN
X = {0, 1, 2}.

Observe que o valor x=0 est associado ao resultado (cara, cara), o valor x=1
est associado aos resultados (cara, coroa) e (coroa, cara) e o valor x=2 est
associado ao resultado (coroa, coroa).

Uma varivel aleatria 4*5t95+a uma funo que associa elementos do
espao amostral ao conjunto dos nmeros reais (conjunto no enumervel).
Exemplos de variveis aleatrias contnuas:

Tempo de resposta de um sistema computacional;
Volume de gua perdido por dia, num sistema de abastecimento;
Resistncia ao desgaste de um tipo de ao, num teste padro.

F+5,-* Di)4reta 2e Pr*:a:ili2a2e

A funo que atribui a cada valor de uma varivel aleatria discreta sua
probabilidade chamada de 8+5,-* 2i)4reta 2e ;r*:a:ili2a2e ou,
simplesmente, 8+5,-* 2e ;r*:a:ili2a2e

(1) ) ( ] [
i i
x f x X P = = ,... 2 , 1 = i

Uma funo de probabilidade satisfaz as seguintes:

i) 0 f(x
i
) 1 (porque no existe probabilidade negativa) e

ii)
i

f(x
i
)

= 1 ( a probabilidade do evento certo).

As variveis aleatrias discretas so completamente caracterizadas pela sua
funo de probabilidade.

E<e7;l*. Considere o lanamento de um dado no viciado. A probabilidade de
se obter um resultado de 1 a 6 igual a 1/6. O espao amostral D = {1, 2,
3, 4, 5, 6}. A figura a seguir ilustra a funo de probabilidade f(x
i
) =1/6, i = 1,
2, 3, 4, 5, 6, da varivel aleatria X.

x 1 2 3 4 5 6 0 7
f(x)
1/6 1/6 1/6 1/6 1/6 1/6

AFC STN

F+5,-* 2e Di)tri:+i,-* 2e Pr*:a:ili2a2e

A 8+5,-* 2e 2i)tri:+i,-* 2e ;r*:a:ili2a2e "*+ 8+5,-* a4+7+la2a 2e
;r*:a:ili2a2e( de uma varivel aleatria discreta X definida pela expresso

(2) ] [ ) ( x X P x F = .

A figura a seguir mostra a funo de distribuio F(x) da varivel aleatria do
exemplo do lanamento de um dado no viciado.

1 2 3 4 5 6
x
1/6
1/3
1/2
2/3
5/6
1
F(x)

Observe que a amplitude do "degrau em X = 1 igual a P(X = 1) = 1/6. A
amplitude do degrau em X = 2 igual a P(X = 2) = 1/6 (= 1/3 - 1/6). A
amplitude do degrau em X = 3 igual a P(X = 3) = 1/6 (= 1/2 - 1/3) e assim
por diante.

Pr*;rie2a2e) 2e F"<(

1. 0 F(x) 1
2. F(x = -) = lim
x -
F(x) = 0
3. F(x = +) = lim
x +
F(x) = 1
4. F(x) descontnua nos pontos X = x
0
onde P(X=x
0
) 0, ou seja, nos
pontos X = x
0
em que h saltos.
5. F(x) contnua direita dos pontos X = x
0
onde P(X=x
0
) 0.
6. P(a < X b) = F(b) - F(a)
7. P(a X b) = F(b) - F(a) + P(X = a)
8. P(a < X < b) = F(b) - F(a) - P(X = b)
9. F(x) uma funo no descrescente monotnica (*).

AFC STN
(*) P(a < X b) = F(b) - F(a) 0, temos que F(x) no descrescente. Note
que F(x) uma funo no descrescente monotnica porque a curva descrita
por F(x) nunca decresce indo da esquerda para a direita (veja o grfico de F(x)
para a varivel aleatria do exemplo do lanamento de um dado no viciado).

F+5,=e) 2e Di)tri:+i,-* e 2e De5)i2a2e ;ara Varivei) C*5t95+a)

Diz-se que f(x) uma funo contnua de probabilidade ou 8+5,-* 2e5)i2a2e
2e ;r*:a:ili2a2e para uma varivel aleatria contnua X, se satisfaz duas
condies:

1. f(x) > 0 para todo x (-,);
2. a rea definida por f(x) igual a 1.

A condio 2 dada pela integral

(3)

=1 ) ( dx x f .

A figura a seguir ilustra uma funo densidade que satisfaz (3): f(x) = 1/T, em
que T uma constante, para -T/2xT/2 e f(x) = 0 para os demais valores,
de maneira que a funo tem a forma de um pulso retangular. Observe que
f(x) deve ser igual a 1/T para -T/2xT/2, pois a rea sob a funo densidade
unitria (como a base do pulso T, ento a altura do pulso deve ser 1/T,
para que a rea do pulso seja igual a 1).

x
f(x)
-T/2
-T/2
1/T
0
P(-T/2>X>T/2) = 1
(rea sob a funo f(x))

Para calcular probabilidades, temos que, para a b

(4)
=
b
a
dx x f b X a P ) ( ] [ .

AFC STN
A figura abaixo mostra o significado geomtrico de (4): a probabilidade
P(aXb) igual a rea sob f(x) no intervalo [a,b].

x
f(x)
b a
-T/2
-T/2
1/T
0
P(a>X>b)

Observe que a probabilidade de ocorrncia de um dado valor isolado "k
sempre nula, ou seja, P[x = k] = 0.

A 8+5,-* 2e 2i)tri:+i,-* de uma varivel aleatria contnua X tambm
definida pela expresso (2), que pode ser posta na forma

(5)

=
x
d f x F ) ( ) ( .

As prximas duas figuras ilustram, respectivamente, as funes densidade de
probabilidade e de distribuio de uma varivel aleatria normal.

-3 -2 -1 0 1 2 3
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
x
f
(
x
)
Densidade normal

AFC STN
-3 -2 -1 0 1 2 3
0
0.2
0.4
0.6
0.8
1
x
F
(
x
)
Funo de distribuio normal

A funo densidade de probabilidade corresponde derivada da funo
distribuio em relao a x, ou seja, f(x) = dF(x)/dx = F(x).

Val*r E);era2*

J dissemos que uma varivel aleatria completamente caracterizada (ou
especificada) pela sua funo de probabilidade. Isto quer dizer que temos toda
a informao acerca de X quando sabemos quem f
X
(x) (isto , quando
conhecemos a frmula de f
X
(x)). Na prtica, bastante comum no
conhecermos f
X
(x). Neste caso, como faramos para caracterizar X?

O fato que normalmente temos acesso a diversas observaes de uma
varivel aleatria e podemos nos aproveitar deste fato para tentar obter uma
descrio, ainda que parcial, da mesma. Uma maneira alternativa de
caracterizar uma varivel aleatria envolveria a obteno de estimativas de
alguns de seus 7*7e5t*) ou ?732ia)@ e)tat9)ti4a). Na prtica, os
momentos mais importantes so a 732ia (7*7e5t* 2e !A *r2e7) e a
variB54ia (7*7e5t* 2e &A *r2e7). A mdia uma medida de posio de
f
X
(x), ao passo que a varincia uma medida de disperso (ou do grau de
variabilidade) de f
X
(x) (aprendemos este conceito na aula 0).

M32ia

A 732ia (tambm conhecida como e<;e4tB54ia ou val*r e);era2* ou
e);era5,a) uma medida de posio de uma funo de probabilidade,
servindo para localizar a funo sobre o eixo de variao da varivel em
questo. Em particular, a 732ia 4ara4teri.a * 4e5tr* 2e +7a 8+5,-* 2e
;r*:a:ili2a2e. A mdia uma 4ara4ter9)ti4a 5+73ri4a de uma funo de
probabilidade.

AFC STN
Se X for uma varivel aleatria 2i)4reta que pode tomar os valores x
1
, x
2
, ...,
x
n
com probabilidades f(x
1
), f(x
2
), ..., f(x
n
), ento a mdia de X definida por

(6)
=
= + + + =
n
i
i i n n
x f x x f x x f x x f x X E
1
2 1 1
) ( ) ( ... ) 2 ( ) ( ] [

em que E denota o *;era2*r e);era5,a 7ate7ti4a. A mdia de X tambm
usualmente representada por X (leia-se "X barra) ou pela letra grega
(leia-se "mi).

Se a varivel aleatria discreta X puder tomar um nmero i58i5it* de valores,
ento (6) pode ser generalizada na forma

(7)
= + + + + =
i
i i n n
x f x x f x x f x x f x X E ) ( ... ) ( ... ) 2 ( ) ( ] [
2 1 1
.

O valor esperado de uma varivel aleatria 4*5t95+a X com densidade de
probabilidade f
X
(x) dado pela integral

(8)

= dx x xf X E ) ( ] [ .

Val*r E);era2* 2e U7a F+5,-* 2e Varivel Aleatria

Seja X uma varivel aleatria 2i)4reta com funo de probabilidade f
X
(x
i
) e
g(X) uma funo de X. Ento o valor esperado de g(X)

(9)
=
i
i X i
x f x g X g E ) ( ) ( )] ( [ .

Caso X seja uma varivel aleatria 4*5t95+a com densidade de probabilidade
f
X
(x), o valor esperado de g(X) dado por

(10)

= dx x f x g X g E
X
) ( ) ( )] ( [ .

Se ) ( ) ( ) (
2 1
X g X g X g + = , em que ) ( g
1
X e ) ( g
2
X tambm so funes de X, ento
vale

(11) )] ( [ )] ( [ )] ( [
2 1
X g E X g E X g E + = .

Relacionamos abaixo algumas propriedades importantes da esperana
matemtica E(.). Sejam "a e "c valores constantes e X uma varivel aleatria
(tanto faz se contnua ou discreta), ento valem:

AFC STN
c c E = ] [ a mdia de um nmero qualquer "c o prprio nmero
"c;
] [ ] [ X cE cX E = a mdia de uma varivel multiplicada por um
nmero igual ao nmero multiplicado pela mdia de X;
] [ ] [ X cE a cX a E + = + a mdia da soma de um nmero qualquer "a
com a varivel X multiplicada por um nmero qualquer c igual
soma do nmero "a com a mdia de X multiplicada por "c.

VariB54ia

Sejam X uma varivel aleatria (discreta ou contnua) e
2
] [ ) ( X X X g = uma
funo de X. Define-se a variB54ia de X (denotada por Var(X) ou
2
X
) como o
valor esperado E[g(X)] dado por

(12)
2
] [ )] ( [ ) ( X X E X g E X Var = = .

Note que

] [ ] 2 [ ] [ ] 2 [ ] [
2 2 2 2 2
X E X X E X E X X X X E X X E + = + =

] [ ] [ 2 ] [ ] [
2 2 2
X E X E X X E X X E + =

(colocamos X 2 em evidncia no segundo termo do lado direito da igualdade)

2 2 2 2 2 2
] [ 2 ] [ ] [ X X E X X X E X X E = + =

2 2
] [ ) ( X X E X Var =

VariB54ia 2e X / 732ia 2* C+a2ra2* 2e X "*+ 732ia C+a2rti4a 2e
X( )+:tra92a 2* C+a2ra2* 2a 732ia 2e X.

Sejam "a e "c constantes e Z = a + cX. Observe que Z uma transformao
linear de X, porque Z = a+cX define a equao de uma reta com declividade
"c e intercepto "a. No difcil demonstrar que vale a propriedade

(13) Var(a+cX) = c
2
.Var(X).

A rai. C+a2ra2a ;*)itiva 2a variB54ia chamada de 2e)vi*#;a2r-* "DP(
ou err*#;a2r-*, sendo denotada pelo smbolo .

GABARITO: C

AFC STN
&. "AFRFD%ESAF%&''E%a2a;ta2a( A funo densidade de probabilidade de
uma varivel aleatria contnua x dada por:

=
. . , 0
0 1 , 3
) (
2
c c
x x
x f

Obs.: c.c. denota "caso contrrio.

Para esta funo, a mdia de x, tambm denominada expectncia de x e
denotada por E(x) igual a:

A)
3
4

B)
4
3

C)
4
3

D) x
4
3

E) x
3
4

Re)*l+,-*

Primeiramente, devemos descartar as opes D e E, pois a mdia de uma
varivel aleatria um nmero. Observe que as opes apontadas so funes
de x e no nmeros!

O clculo da esperana E[x] da varivel aleatria contnua x feito pela
integrao

= dx x xf X E ) ( ] [ .

Observe que a funo densidade de probabilidade nula para x < -1 e x > 0.
Logo o limite inferior da integral -1 e o superior 0. Portanto,

= = =
0
1
3
0
1
3
0
1
2
3 3 3 ] [ dx x dx x dx x x X E .

Como a primitiva da integral
dx x
3
4 /
4
x , temos que

4
3
4
) 1 (
0 3
4
3 ] [
4
0
1
4
=
(
|
|
\
|
=
(
x
X E
AFC STN
Frmula importante para a prova:

GABARITO: C

3. "AFRFD%ESAF%&''E( A tabela mostra a distribuio de freqncias
relativas populacionais (8F) de uma varivel X:

X 8 G
- 2 6a
1 1a
2 3a

Sabendo que "a um nmero real, ento a mdia e a varincia de X so,
respectivamente:

A) 5 , 0 =
x
e 45 , 3
2
=
x

B) 5 , 0 =
x
e 45 , 3
2
=
x

C) 0 =
x
e 1
2
=
x

D) 5 , 0 =
x
e 7 , 3
2
=
x

E) 5 , 0 =
x
e 7 , 3
2
=
x

Re)*l+,-*

Em primeiro lugar, deve-se eliminar a opo B, pois no existe varincia com
valor negativo. Assim, esta opo absurda.

Soma das Freqncias Relativas = 6a + 1a + 3a = 10a = 1.
Logo a = 0,1.

X 8 G X.8 G X
&
.8 G

- 2 6a = 6 x 0,1 = 0,6 -1,2 2,4
1 1a = 1 x 0,1 = 0,1 0,1 0,1
2 3a = 3 x 0,1 = 0,3 0,6 1,2
T*tal 1 -0,5 3,7

MHDIA DE UMA VARIIVEL ALEATJRIA CONTNUA X

= dx x xf X E ) ( ] [
AFC STN

Sabemos que a mdia de uma varivel aleatria discreta calculada pela
frmula

=
= + + + =
n
i
i i n n
1
2 2 1 1
) ( ) ( ... ) ( ) ( ] [

Para a questo, temos que

5 , 0 6 , 0 1 , 0 2 , 1 ) ( ) ( ) ( ] [
3 2 2 1 1
= + + = + + =
n
x f x x f x x f x X E

podemos eliminar as opes C e E (sobraram A e D).

A varincia dada por

2 2 2
] [ ] [ ) ( X X E X Var
X
= =

sendo que
=
= + + = =
n
i
i i
x f x X E
1
2 2
7 , 3 2 , 1 1 , 0 4 , 2 ) ( ] [ (reparou que a opo D uma
"pegadinha?).

Logo, 45 , 3 25 , 0 7 , 3 ) 5 , 0 ( 7 , 3
2 2
= = =
X
.

Frmulas importantes para a prova:

GABARITO: A

K. "AFRFD%ESAF%&'!&( A expectncia de uma varivel aleatria x - mdia
ou esperana matemtica como tambm chamada - igual a 2, ou seja:
E(x) = 2. Sabendo-se que a mdia dos quadrados de x igual a 9, ento os
VARILNCIA DE X

Var(X) = E(X
2
) - E(X)
2

Varincia de X = Mdia Quadrtica de X - Quadrado da Mdia de X.
MHDIA DA VARIIVEL ALEATJRIA DISCRETA X

=
= + + + =
n
i
i i n n
1
2 2 1 1
) ( ) ( ... ) ( ) ( ] [
AFC STN
valores da varincia e do coeficiente de variao de x so, respectivamente,

iguais a

|
A)
|
|
\
|
2
5
; 5
B) 5 ; 5
C)
5
2
; 5
D)
5
2
; 5
E) 5 ;
2
5
|
|
|
\
|

Re)*l+,-*

Dados: E(x) = 2; E(x
2
) = 9

Cl4+l* 2a variB54ia 2e < "Var"<((

Var(x) = E(x
2
) - [E(x)]
2

Var(x) = 9 - 2
2
= 9 - 4 = 5

Cl4+l* 2* 4*e8i4ie5te 2e varia,-* 2e "CV"<((

CV(x) = DP(x)/E(x)

em que DP(x) denota o desvio padro da varivel aleatria x. Ento,

CV(x) =
2
5


COEFICIENTE DE VARIAMNO DE X

CV(X) = DP(X)/E(X)

ou

CV(X) = Desvio Padro de X Mdia de X.
AFC STN
GABARITO: A

O. "AFRFD%ESAF%&'!&( O Sr. Ramoile, professor de Estatstica aposentado,
vem h muito tempo acompanhando os dados sobre custos e faturamento do
restaurante de sua filha Ceclia. O restaurante funciona todos os dias da
semana e o Sr. Ramoile concluiu que: o custo dirio do restaurante segue uma
distribuio normal, com mdia igual a R$ 500,00 e desvio-padro igual a R$
10,00 e que o faturamento dirio, tambm, apresenta uma distribuio
normal, com mdia R$ 800 e desvio-padro R$ 20. Como o Sr. Ramoile
conhece muito bem os princpios bsicos da estatstica, ele sabe que, se uma
varivel Z seguir uma distribuio normal padro, ento Z tem mdia 0 e
varincia 1. Ele tambm sabe que a probabilidade dessa varivel Z assumir
valores no intervalo entre 0 < Z < 2 - ou seja, entre a mdia 0 e 2 desvios-
padro - , aproximadamente, igual a 0,4772. Ceclia, muito preocupada com
o futuro de seu restaurante, perguntou a seu pai se ele poderia verificar a
probabilidade de, em um dia qualquer, o custo ser maior do que R$ 520,00 e o
faturamente ficar no intervalo entre R$ 760,00 e R$ 840,00. Aps alguns
minutos, o Sr. Ramoile disse, acertadamente, que as respectivas
probabilidades so, em termos percentuais, iguais a

A) 2,28;95,44.
B) 52,28;95,44.
C) 2,28;98,69.
D) 98,69;95,44.
E) 98,65;2,28.

Re)*l+,-*

O custo dirio modelado pela distribuio normal com mdia 500 e desvio
padro 10, ou seja, N(
1
= 500,
1
2
= 100).

O faturamento dirio tem distribuio normal com mdia 800 e desvio padro
20, ou seja, N(
2
= 800,
2
2
= 400).

Cl4+l* 2a ;r*:a:ili2a2e 2e * 4+)t* "C( )er 7ai*r 2* C+e RP O&'0''

P{ > 520} = P{!
1
> (520 -
1
)/
1
}

P{!
1
> (520 - 500)/10} = P{!
1
> 2}

P{!
1
> 2} = 0,5 - P{0 < !
1
< 2} = 0,5 - 0,4772 = 0,0228 = &0&QR

Cl4+l* 2e * 8at+ra7e5t* "F( 8i4ar 5* i5terval* e5tre RP ST'0'' e RP
QK'0''

P{760 < F < 840} = P{(760 -
2
)/
2
< !
2
< (840 -
2
)/
2
}
AFC STN

P{(760 - 800)/20 < !
2
< (840 - 800)/20} = P{-2 < !
2
< 2}

P{-2 < !
2
< 2} = 2 x P{0 < !
2
< 2} = 2 x 0,4772 = 0,9544 = EO0KKR

alternativa A


Revi)-* 2e C*5te62* A Di)tri:+i,-* N*r7al

Daqui para frente, usaremos o termo distribuio como sendo sinnimo de
funo de probabilidade, o que usual na literatura da rea.

Uma varivel aleatria tem distribuio normal com parmetros e
2
se sua
funo densidade dada por

(1) ,
2
1
) (
2
2
2
) (
=
x
e x f < < x .

No fique assustado com a frmula acima. Voc no precisar decor-la para a
prova, pois os exerccios que envolvem a distribuio normal sero resolvidos
com o auxlio de uma tabela de probabilidades, como ser visto mais adiante.

X 3 V. A. N*r7al 4*7 732ia e variB54ia
&

X U N" 0
&
(

FJRMULA DA NORMAL PADRNO OU REDUVIDA V

=
X
Z
AFC STN
-3 -2 -1 0 1 2 3
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
normal padro

Neste curso, usaremos a notao X ~ N(,
2
) para indicar que X tem
distribuio normal com parmetros e
2
. A figura acima mostra a curva
normal padro. Repare que o seu formato parecido com o de um sino.

A distribuio normal possui as seguintes propriedades:

f(x) simtrica em relao a ;
f(x) tende a zero quando x ;
o valor mximo de f(x) se d em x = .

Demonstra-se que os parmetros e
&
denotam a 732ia e a variB54ia da
distribuio normal, respectivamente.

Considere X ~ N(,
2
) e seja a nova varivel

V / "X (% .

Demonstra-se que V te7 732ia .er* e variB54ia !. No fcil mostrar que
Z tambm tem distribuio normal, ou seja, Z ~ N(0, 1). Isso no ser feito
neste curso. Diz-se que V te7 2i)tri:+i,-* 5*r7al ;a2r-* ou 5*r7al
re2+.i2a. Esta distribuio muito importante para a prova.

AFC STN
x
f(x)
normal

Da simetria de f(x), resulta que

P"X W ( / P"X X ( / '0O.

A figura acima mostra que:

- o intervalo (-, +) contm 68,27% dos valores da distribuio normal;

- o intervalo (-2, +2) contm 95,45% dos valores da distribuio normal.

- o intervalo (-3, +3) contm 99,73% dos valores da distribuio normal.

A funo de distribuio acumulada de uma varivel aleatria normal padro
usualmente denotada por u(z). Ressaltamos que

u uu".( / P"V > .( / !%& Y P"'> V > .(.

O apndice desta aula contm tabelas auxiliares que fornecem os valores das
seguintes probabilidades:

i) P(Z>Z
c
) = 1 - u(Z
c
) (Tabela I)
ii) P(0 Z Z
c
) = 1/2 - u(Z
c
) (Tabela II)

D uma olhada nas tabelas auxiliares da normal padro; importante que
voc esteja familiarizado com o uso dessas tabelas!

E<e7;l*. Seja a varivel aleatria normal padro Z e as tabelas auxiliares da
normal.

AFC STN
(1) Calcule P(Z>1,26).

A Tabela II do apndice da normal reduzida indica que

P(0Z1,26) = 0,3962 = 39,62%.

Logo,

P(Z>1,26) = 1 - u(1,26) = 1 - (0,5 + 0,3962) = 1 - 0,8962 = 0,1038 (veja a
figura a seguir).

A Tabela I nos d esse resultado de forma direta, pois P(Z>1,26) = 0,1038.

(2) P(Z<-0,86) = 0,5 - P(0<Z<0,86) = 0,5 - 0,3051 = 0,1949.

(3) P(-1,25<Z<0,37) = P(0<Z<1,25) + P(0<Z<0,37) = 0,3944 + 0,1443 =
0,5387. Forma alternativa de clculo: P(-1,25<Z<0,37) = u(0,37) - u(-1,25)
= (0,5 + 0,1443) - (0,5 - 0,3944) = 0,6443 - 0,1056 = 0,5387.

(4) P(-1,96<Z<1,96) = 2 x P(0<Z<1,96) = 2 x 0,475 = 95%.

Ateno: podemos generalizar o resultado (4) para qualquer varivel aleatria
normal X com mdia e desvio padro :

P" !0ET X X X Y !0ET ( / EOR

O resultado obtido acima ser muito utilizado para resolver questes de
Estatstica que envolvam a distribuio normal (vide figura a seguir).

AFC STN

GABARITO: A

T. "AFPS%ESAF%&''&( O atributo X tem distribuio normal com mdia 2 e
varincia 4. Assinale a opo que d o valor do terceiro quartil de X, sabendo-
se que o terceiro quartil da normal padro 0,6745.

A) 3,3490
B) 0,6745
C) 2,6745
D) 2,3373
E) 2,7500

Re)*l+,-*

Dados fornecidos:

Mdia de X= E(X) = = 2
Varincia de X = Var(X) =
2
= 4 = 2
Terceiro Quartil (Q
3
) da Normal Padro = Z(Q
3
) = 0,6745

Sabemos que o valor padronizado dado pela frmula

Z = (X - )/

Aplicando a frmula acima para o terceiro quartil da normal padro, obtemos

0,6745 = (X - 2)/2 X = 1,3490 + 2 = 3,3490

GABARITO: A

AFC STN
S. "APOFP#SP%ESAF%&''E( Seja Z uma varivel aleatria Normal Padro.
Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de
P(-2,58 < Z < 1,96).

z 1,96 2,17 2,33 2,41 2,58
P(Z < z ) 0,975 0,985 0,99 0,992 0,995

A) 0,99
B) 0,97
C) 0,98
D) 0,985
E) 0,95

Re)*l+,-*

Z a varivel aleatria normal padro.

P(-2,58 < Z < 1,96) = u(1,96) - u(-2,58)

Sabemos que: u(-2,58) = 1 - u(2,58) = 1 - 0,995 = 0,005

P(-2,58 < Z < 1,96) = u(1,96) - u(-2,58) = 0,975 - 0,005 = 0,970

GABARITO: B

Q. "AFPS%ESAF%&''&( Tem-se uma varivel aleatria normal X com mdia
e desvio-padro . Assinale a opo que d o intervalo contendo exatamente
95% da massa de probabilidades de X

A) ( - 0,50; + 0,50)
B) ( - 0,67; + 0,67)
C) ( - 1,00; + 1,00)
D) ( - 2,00; + 2,00)
E) ( - 1,96; + 1,96)

Re)*l+,-*

Sabemos que

P" !0ET X X X Y !0ET ( / EOR.

GABARITO: E

AFC STN
E. "MI#CENAD%ESAF%&'!&( Seja X uma Varivel Aleatria Binomial com
parmetros n e p. Sendo C
n,k
o nmero de combinaes de n elementos
tomados k a k, obtenha a expresso de P(X = k).

A) C
n,n-k
p(1-p)
n-k

B) C
n,k
p
n-k
(1-p)
k

C) C
n,k
p
k
(1-p)
n-k

D) C
n,k
p(1-p)
k-1

E) C
n,n-k
p
n-k
(1-p)
k

Re)*l+,-*

A varivel binomial X conta o nmero de sucessos em n tentativas. A
probabilidade de sucesso em uma tentativa p. P(X = k) denota a
probabilidade de se ter k sucessos em n tentativas:

P(X = k) = C
n,k
p
k
(1-p)
n-k
alternativa C

Revi)-* 2e C*5te62* Di)tri:+i,=e) Di)4reta)

A Di)tri:+i,-* 2e Der5*+lli

Considere os seguintes experimentos:

uma moeda lanada: o resultado ou cara, ou no (ou seja, coroa);
um dado lanado: ou ocorre a face 6 ou no (neste caso, ocorre uma
das faces 1, 2, 3, 4 ou 5);
uma pessoa escolhida ao acaso dentre 10.000 ou no do sexo
feminino;
uma pea selecionada ao acaso de um lote contendo 1.000 peas: essa
pea defeituosa ou no.

Em todos os casos acima, estamos interessados na ocorrncia de uma
determinada caracterstica. Se essa caracterstica observada, ento temos a
ocorrncia de sucesso (cara, face 6, pessoa do sexo feminino e pea
defeituosa) ou fracasso (coroa, face diferente de 6, pessoa do sexo masculino
e pea no defeituosa).

Para cada experimento acima, podemos definir uma varivel aleatria X que
assume apenas dois valores: 1, se ocorrer sucesso, e 0, se ocorrer fracasso.
Indicaremos por " a probabilidade de sucesso, ou seja, P(sucesso) = P(X=1) =
", 0<"<1. A probabilidade de fracasso P(X=0) = 1-" = #.

AFC STN
De8i5i,-* a varivel aleatria X, que assume apenas os valores 0 e 1, com
funo de probabilidade f(x) tal que:

(1)
= = = =
= = = = =
p X P x f
q p X P x f
) 1 ( ) 1 (
1 ) 0 ( ) 0 (

chamada varivel aleatria 2e Der5*+illi.

Demonstra-se que:

E(X) = ";
Var(X) = " - "
2
= "(1-") = "#

<
=
1 1
1 0 , 1
0 , 0
) (
x
x p
x
x F

E<e7;l*. Um dado perfeito lanado: ou ocorre a face 6 ou no. Ento
teremos P(X=0) = # = 5/6 e P(X=1) = p = 1/6. A mdia E(X) = p = 1/6. A
varincia Var(X) = "# = (1/6).(5/6) = 5/36.

N*ta experimentos que resultam numa varivel aleatria de Bernoulli so
denominados ensaios ou tentati$as de %ernoulli.

A Tabela a seguir fornece a mdia, a varincia e o desvio padro da
Distribuio de Bernoulli.

Ta:ela Cara4teri.a,-* 2a Di)tri:+i,-* 2e Der5*+lli

M32ia p X E = ) (
VariB54ia pq X Var = ) (
De)vi* Pa2r-*
pq X = ) (

A Di)tri:+i,-* Di5*7ial

Considere os seguintes experimentos e variveis aleatrias:

1. Jogue uma moeda 50 vezes. Seja X = nmero de caras obtidas.
2. Nos prximos 30 nascimentos em uma maternidade, seja X = nmero de
nascimentos de meninos.
AFC STN

Cada um desses experimentos pode ser pensado como consistindo em uma
srie de tentativas de Bernoulli: 50 arremessos de moedas no experimento (1)
e 30 nascimentos de bebs no experimento (2). A varivel aleatria em cada
caso uma contagem do nmero de tentativas que satisfazem um
determinado critrio. O resultado de cada tentativa satisfaz ou no o critrio
que X conta; por conseguinte, cada tentativa pode ser sumarizada como
resultando em um sucesso ou um fracasso (falha ou insucesso),
respectivamente. Por exemplo, sucesso, no experimento (1), a obteno de
cara no lanamento da moeda. No experimento (2), o nascimento de uma
menina um fracasso.

Como j visto, uma tentativa com somente dois resultados possveis
denominada e5)ai* 2e Der5*+lli. Considera-se que as tentativas que
constituem o experimento aleatrio sejam independentes. Ou seja, o resultado
de uma tentativa no tem efeito sobre o resultado da tentativa seguinte. Alm
disso, admitimos que a probabilidade de um sucesso em cada tentativa seja
constante.

De8i5i,-*

Um experimento aleatrio, consistindo em n repetidas tentativas, de modo que

(1) as tentativas sejam independentes,
(2) cada tentativa resulte em somente dois resultados possveis, designados
por "sucesso e "fracasso,
(3) a probabilidade de um sucesso em cada tentativa seja "

chamado de e<;eri7e5t* Di5*7ial. A varivel aleatria X0 C+e 4*5ta *
567er* 2e )+4e))*) e7 5 te5tativa), tem 2i)tri:+i,-* :i5*7ial com
parmetros p e n. A funo de probabilidade de X (distribuio binomial)

(2)
x n x
p p
x
n
x f

|
|
\
|
= ) 1 ( ) ( , n x ,..., 2 , 1 , 0 =

Se fizermos (1-p) = q ( a probabilidade de insucesso em uma tentativa) em
(2), obtemos

(3)
x n x
q p
x
n
x f

|
|
\
|
= ) ( , n x ,..., 2 , 1 , 0 = .

Alguns autores optam por definir a distribuio binomial (2) como a
probabilidade de se ter k sucessos em n tentativas:

AFC STN
n
p p
n
X P

|
|
\
|
= = ) 1 ( ) ( .

A figura a seguir mostra a distribuio da Binomial para n=10 e p=1/2.

0 1 2 3 4 5 6 7 8 9 10
0
0.05
0.1
0.15
0.2
0.25
Binomial: n=10 e p=1/2

A distribuio binomial uma extenso direta da Distribuio de Bernoulli,
uma vez que o experimento aleatrio que caracteriza a binomial nada mais
do que um Experimento de Bernoulli repetido n vezes.

Distribuio Binomial (importante para a prova!).

Ta:ela Cara4teri.a,-* 2a Di5*7ial

M32ia np X E = ) (
VariB54ia npq X Var = ) (
De)vi* Pa2r-*
npq X = ) (

E<e7;l*. A probabilidade de obter exatamente 2 caras em 6 lanamentos de
uma moeda no viciada (n=6, p=0,5)

2344 , 0 625 , 0 25 , 0
) 1 2 ( ) 1 2 3 4 (
1 2 3 4 5 6
5 , 0 5 , 0
2
6
) 2 ( ) 2 (
4 2
=

= |
|
\
|
= = = = x f X P .

AFC STN
E<e7;l*. A probabilidade de obter pelo menos 5 caras em 6 lances de uma
moeda no viciada

&('=5 ou '=6) = . 1094 , 0 0156 , 0 0938 , 0 5 , 0 5 , 0
6
6
5 , 0 5 , 0
5
6
) 6 ( ) 5 (
0 6 5
= + = |
|
\
|
+ |
|
\
|
= + = f f

GABARITO: C

!'. "MI#CENAD%ESAF%&'!&( Sendo F(x) a funo de distribuio da
varivel aleatria definida na questo anterior, calcule F(1), para o caso n=5 e
p=0,5.

A) 0
B) 1/32
C) 5/32
D) 3/16
E) 11/32

Re)*l+,-*

F(X=1) = P(X1) = P(X=0) + P(X=1)

F(X=1) = C
n,0
.p
0
.(1-p)
n
+ C
n,1
.p
1
.(1-p)
n-1

F(X=1) = C
5,0
.(1/2)
0
.(1-1/2)
5
+ C
5,1
.(1/2)
1
.(1-1/2)
5-1

F(X=1) = C
5,0
.1.(1/2)
5
+ C
5,1
.(1/2).(1/2)
4

(fizemos (1/2)
0
= 1)

F(X=1) = 5!/(0!.5!).(1/32) + 5!/(1!.4!).(1/2)
5

Lembre que: 0! = 1! = 1; (1/2).(1/2)
4
= (1/2)
5
= 1
5
/2
5
= 1/32

F(X=1) = 1.(1/32) + (5.4!/4!).1/32 = (1/32) + 5.(1/32) = 6.(1/32) = 6/32

dividindo o numerador e o denominador por 2, obtemos

F(X=1) = 3/16

GABARITO: D

!!. "AFRFD%ESAF%&''E( O nmero de petroleiros que chegam a uma
refinaria ocorre segundo uma distribuio de Poisson, com mdia de dois
petroleiros por dia. Desse modo, a probabilidade de a refinaria receber no
mximo trs petroleiros em dois dias igual a:
AFC STN

A)
4
73
32

e
B)
4
71
3
e
C)
4
3
71

e
D)
3
3
71

e
E)
2
3
32

e

Re)*l+,-*

A distribuio de Poisson dada por

,
!
) (
) (
x
e x f
x
t
t
= , 0 t ... 3 , 2 , 1 , 0 x = .

em que denota a ta<a 732ia 2e *4*rrZ54ia 2*) eve5t*) ;*r +5i2a2e 2e
te7;* e t o tamanho do intervalo (t, t+t).

Dados:

= dois petroleiros por dia;
t = 2 dias.

Portanto, t = 2 x 2 = 4 petroleiros. A probabilidade de a refinaria receber no
mximo trs petroleiros em dois dias, denotada por P(X3), dada por

P(X3) = f(0) + f(1) + f(2) + f(3)

4 4
3
4
2
4
1
4
0
4
3
71
6
64
2
16
4 1
! 3
4
! 2
4
! 1
4
! 0
4
) 3 (

=
|
\
|
+ + + = + + + = e e e e e e X P alternativa C

Revi)-* 2e C*5te62* Di)tri:+i,=e) Di)4reta)

A Di)tri:+i,-* 2e P*i))*5

A distribuio de Poisson com parmetro a (a > 0) dada por

AFC STN
(1)
!
) (
x
a
e x f
x
a
= ... 3 , 2 , 1 , 0 = x .

Distribuio de Poisson.

Ta:ela Cara4teri.a,-* 2a P*i))*5

M32ia a X E = ) (
VariB54ia a X Var = ) (
De)vi* Pa2r-*
a X = ) (

Repare que a 732ia 3 i[+al a variB54ia, e que ambas so iguais ao
parmetro a.

Com t = a em (1), em que o 567er* 732i* 2e eve5t*) ;*r +5i2a2e
2a [ra52e.a t e t o ta7a5\* 2* i5terval* (t, t+t), a probabilidade de
ocorrerem x eventos em t

(2) ,
!
) (
) (
x
e x f
x
t
t
= , 0 t ... 3 , 2 , 1 , 0 = x .

A Eq. (2) caracteriza o ;r*4e))* 2e 4*5ta[e7 2e P*i))*5, o qual
apropriado para aplicaes que envolvam a contagem do nmero de vezes que
um evento aleatrio ocorre em um dado intervalo de tempo, distncia, rea,
etc. Algumas aplicaes que envolvem a distribuio de Poisson incluem o
nmero de clic(s por segundo de um contador Geiger, o nmero de pessoas
que entram em uma loja em uma hora e o nmero de falhas por 1.000 metros
de fita de vdeo.

Neste ponto, estamos prontos para apresentar a definio formal da Lei ou
Distribuio de Poisson, o que ser feito a seguir.

Seja a contagem do nmero de ocorrncias de eventos no intervalo (t, t+t). Se
o intervalo puder ser dividido em subintervalos suficientemente pequenos tal
que

(1) a probabilidade de mais de uma contagem em um subintervalo seja zero,
(2) a probabilidade de uma contagem em um subintervalo seja a mesma para
todos os subintervalos e proporcional ao comprimento do subintervalo e
AFC STN
(3) a contagem em cada subintervalo seja independente de outros
subintervalos,

ento esse experimento aleatrio ser designado por ;r*4e))* 2e P*i))*5.
Se o nmero mdio de contagens no intervalo for a > 0, a varivel aleatria X,
que representa o nmero de contagens no intervalo, ter uma 2i)tri:+i,-* 2e
P*i))*5, com parmetro a, dada por (1).

De forma geral, a grandeza t do intervalo (t, t+t) pode representar tempo,
volume, distncia, etc. Ou seja, o processo de Poisson no necessariamente
um processo de contagem no tempo.

N*ta bastante comum encontrarmos a seguinte definio para a Lei
(distribuio) de Poisson:

!
) (
x
e x f
x

= , ... 3 , 2 , 1 , 0 = x

Observe que a frmula acima pode ser obtida a partir de (1) fazendo-se a=.
Neste caso, subentende-se que o intervalo de contagem unitrio, ou seja, t
= 1. A Tabela a seguir fornece a mdia, a varincia e o desvio padro da
Di)tri:+i,-* 2e P*i))*5 4*7 ;arB7etr* .

M32ia = ) ( X E
VariB54ia = ) ( X Var
De)vi* Pa2r-*
= ) ( X

A figura a seguir representa a distribuio de Poisson com = 5 (utilizamos a
definio ! / ) ( x e x f
x

= ).

0 5 10 15
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
Poisson, =5

AFC STN

E<e7;l*. Suponha que o nmero de falhas em um fio delgado de cobre siga a
distribuio de Poisson, com uma mdia de 2,3 falhas por milmetro. Calcule a
probabilidade de existirem exatamente 2 falhas em 1 milmetro de fio.

Dados: = 2,3 falhas/mm.

. 2652 , 0
! 2
3 , 2
) 2 ( ) 2 (
2
3 , 2
= = = =

e f X P

E<e7;l*. Considerando os dados do exemplo anterior, determine a
probabilidade de ocorrerem 10 falhas em 5 milmetros de fio.

) 2,3 falhas/mm; t = 5mm t = a = 11,5 falhas.

. 1129 , 0
! 10
5 , 11
) 10 (
10
5 , 11
= = =

e X P

GABARITO: C

!&. "MI#CENAD%ESAF%&'!&%a2a;ta2a( Em determinadas situaes uma
varivel aleatria binomial pode ser adequadamente aproximada por uma
varivel aleatria normal. Seja X uma varivel aleatria binomial com
parmetros n=900 e p=1/2. Usando essa aproximao, calcule o valor mais
prximo de P(417,5 X 482,5), considerando os seguintes valores para u(z),
onde u(z) a funo de distribuio de uma varivel aleatria normal padro
Z:

u(1,96) = 0,975, u(2,17) = 0,985, u(2,33) = 0,99 e u(2,58) = 0,995.

A) 0,95
B) 0,96
C) 0,97
D) 0,98
E) 0,99

Re)*l+,-*

A Varivel Aleatria (V.A.) X com distribuio binomial possui

M32ia E(X) = = np = 900 x 1/2 = 450
VariB54ia Var(X) =
2
= npq = np(1-p) = 900 x 1/2 x 1/2 = 225

Por conseguinte, = 225
1/2
= 15 (desvio padro).

AFC STN
A;r*<i7a,-* 2a V.A. :i5*7ial X ;ela V.A. 5*r7al re2+.i2a V

Sabemos que Z = (X - )/. Ento,

P(417,5 X 482,5) = P{ (417,5 - 450)/15 Z (482,5 - 450)/15) }

P(417,5 X 482,5) = P{ -2,17 Z 2,17 }

O enunciado forneceu a probabilidade P(Z 2,17) = u(2,17) = 0,985 =
98,5%.

Logo P(Z > 2,17) = 1 - u(2,17) = 0,015 = 1,5% = P(Z < -2,17), pois a
normal reduzida simtrica em torno da sua mdia, que igual a zero.

Ento P{ -2,17 Z 2,17 } = P(Z 2,17) - P(Z < -2,17) = 98,5% - 1,5% =
97,0% = 0,97 (opo C).

Revi)-* 2e C*5te62*

A;r*<i7a,-* 2a Di5*7ial ;ela N*r7al

Considere a Distribuio Binomial. Vimos que a varivel aleatria binomial X
conta o nmero de sucessos em n tentativas. A probabilidade de sucesso em
uma tentativa " e a probabilidade de insucesso # = 1-". Sabemos que

Var"X( / npq

E"X( / np

Se n grande e se " e # no esto muito prximos de zero, ento a
2i)tri:+i,-* :i5*7ial 3 :e7 a;r*<i7a2a ;*r +7a 2i)tri:+i,-* 5*r7al
;a2r-* em que a varivel transformada dada por

Na prtica, a aproximao muito boa se n" e n# forem maiores que 5.

A a;r*<i7a,-* 2a :i5*7ial ;ela 5*r7al 3 i7;*rta5te e )er 7+it*
+tili.a2a 5a) a+la) 2e i58erZ54ia e)tat9)ti4a.

GABARITO: C
npq
np X
X !P
X E X
Z

=
=
) (
) (

AFC STN

!3. "SUSEP%ESAF%&'!'( Qual o limite de f(x) = C
n,x
p
x
(1-p)
n-x
, onde x
=0,1,2,.,n, quando n m, p 0, e np A.

A) !"#$ = "2%$
-1/2
e#p"-"# - &$
2
/2$.
B) !"#$ = e
-&
&
#
/#'.
C) !"#$ = e
-#/&
/&.
D) !"#$ = &e
-&#
.
E) !"#$ = e#p"-&$ #
&
/#'.

Re)*l+,-*

Suponha n >> 1 (isto , que n seja grande), " << 1 (probabilidade de sucesso
prxima de zero), mas de tal forma que n" permanea constante, digamos
n"=, na distribuio binomial

x n x
p p
x
n
x f

|
|
\
|
= ) 1 ( ) ( , n x ,..., 2 , 1 , 0 =

Portanto,

x n
x x n x
n x
p p
x
n

\
|
~ |
|
\
|
1
!
1
) 1 (

em que
n n n n ~ + ) 1 )...( 1 ( . No limite, para n , 0 p (admitindo-se k <<

n), obtemos

\
|
e
x n x
x
x n
x
!
1
!
1
DISTRIBUIO DE POISSON

GABARITO: B

!K. "SUSEP%ESAF%&''T( Um grupo de 1.000 pessoas tem a seguinte
composio etria (em anos):

- [0 - 20]: 200 pessoas;
- [21 - 30]: 200 pessoas;
- [31 - 40]: 200 pessoas;
- [41 - 50]: 200 pessoas;
- de 51 anos em diante: 200 pessoas;
CONCLUSNO a 2i)tri:+i,-* Di5*7ial ;*2e )er a;r*<i7a2a
;ela 2i)tri:+i,-* 2e P*i))*5 C+a52* 5 WW !0 ; XX !0 5;/ .

AFC STN

Considerando que as probabilidades mdia de morte (q
x
), segundo uma
determinada tbua, de:

- [0 - 20] at 20 anos: 0,600% o (por mil);
- [21 - 30]: 0,800% o (por mil);
- [31 - 40]: 1,500% o (por mil);
- [41 - 50]: 5,000% o (por mil);
- de 51 anos em diante: 20,000% o (por mil).

Pode-se afirmar que a possibilidade de ocorrer a morte de exatamente 10
pessoas com idade superior a 51 anos um evento:

A) Certo.
B) Impossvel.
C) Provvel.
D) Muito Provvel.
E) Pouco Provvel.

Re)*l+,-*

O problema uma mera aplicao da Lei Binomial. Seja ' a varivel aleatria
que denota o nmero de mortes de pessoas com idade de 51 anos em diante.
Neste caso, temos um "sucesso quando algum desta faixa etria morre. A
probabilidade de sucesso 02 , 0 100 / 2 000 . 1 / 20 q
x
= = = . Lembre que a distribuio
binomial dada pela frmula (probabilidade de ' = ( sucessos)

n
x x
q
n
X P

|
|
\
|
= = ) 1 ( ) ( ) (

Logo, a possibilidade de ocorrer a morte de exatamente 10 pessoas com idade
superior a 51 anos dada por

190 10
98 , 0 02 , 0
10
200
) 10 ( |
|
\
|
= = X P

Como proibido usar calculadora na prova, deve-se partir para uma anlise
qualitativa dos fatores da probabilidade P(' = 10):

-
|
|
\
|
10
200
representa um nmero muito grande;
- 0,02
10
representa um nmero "a*surdamente "rximo de +ero, ou seja,
um infinitesimal;
AFC STN
- 0,98
100
representa um nmero prximo de zero, pois elevar um nmero
menor que 1, ainda que bastante prximo da unidade, centsima potncia,
resulta em um valor prximo de zero.

Note que, se 0,02
10
um infinitesimal, ento o produto
190 10
98 , 0 02 , 0 tambm
um infinitesimal (ainda mais prximo de zero que 0,02
10
).

Assim, o nmero
190 10
98 , 0 02 , 0
10
200
|
|
\
|
deve estar prximo de zero, pois
corresponde ao produto de um $alor muito grande por um infinitesimal. Ou
seja,
190 10
98 , 0 02 , 0
10
200
|
|
\
|
um valor "pouco provvel (opo E).

Nota: obtivemos
3
10 95 , 4 ) 10 X ( P

~ = com uma calculadora cientfica.

GABARITO: E

!O. "AFPS%ESAF%&''&( A varivel aleatria X tem distribuio uniforme no
intervalo (0, o), onde o uma constante maior do que 0,5. Determine o valor
de o tal que F(0,5) = 0,7, sendo F(x)a funo de distribuio de X.

A) 3/4
B) 1/4
C) 1
D) 5/7
E) 1/2

Re)*l+,-*

O enunciado define a distribuio uniforme ilustrada pela figura abaixo.

Sabemos que

AFC STN
F(0,5) = P(X 0,5) = 0,7 rea sob a curva uniforme entre x = 0 e x = 0,5.

Como o > 0,5, a rea remanescente sob a uniforme, ou seja, a rea sob a
curva entre x = 0,5 e x = o, deve ser igual a 1 - 0,7 = 0,3, pois F(o) = P(X
o) = 1.

Ento,

3 , 0
1
) 5 , 0 ( = o
o

o o 3 , 0 5 , 0 = 5 , 0 3 , 0 = o o 5 , 0 2 , 0 = o 7 / 5 = o

alternativa D

Revi)-* 2e C*5te62*

Di)tri:+i,-* U5i8*r7e

Uma varivel aleatria contnua X com uma funo densidade de probabilidade

(1)
a b
x f
=
1
) ( , b x a

tem 2i)tri:+i,-* +5i8*r7e (veja a figura a seguir).

A mdia de uma varivel aleatria uniforme

(2)
2
5 , 0
) (
2
b a
a b
x
dx
a b
x
X E
b
a
b
a
+
=
(
.

A varincia de X

AFC STN
(3)
12 12
) (
2
1
)) ( )( ( ) !"(
2 2
2
2
A
=
= |
|
\
|
|
\
| +
= =

a b
dx
b a
x
a b
dx X E x x f X
b
a
X
.

em que A = (b - a).

N*ta os limites inferior e superior da integral de (3) so a e *
respectivamente, porque a funo densidade de probabilidade nula para x <
a e x > *. Observe que

12
) (
2 3
1 1
2
1
2
1
2
3 2 2
a b b a
x
a b
dx
b a
x
a b
dx
b a
x
a b
b
a
b
a
b
a
= |
|
\
|
|
\
| +

| =
|
\
|
|
\
| +
= |
|
\
|
|
\
| +

E<e7;l*. Uma varivel aleatria contnua ' representa a corrente medida em
um fio delgado de cobre em miliampres. Assuma que a faixa de ' seja [0,
40mA]. Qual a probabilidade da medida da corrente estar entre 10 e 20 mA?

025 , 0
40
1 1
) ( = =
=
a b
x f

| | . 25 , 0 ) 10 20 ( 025 , 0 025 , 0 025 , 0 ) 20 10 (
20
10
20
10
= = = =

x dx X P

A Tabela a seguir sumariza a mdia, a varincia e o desvio padro da
Distribuio Uniforme ' para b x a .

Ta:ela Cara4teri.a,-* 2a Di)tri:+i,-* U5i8*r7e

M32ia
2
) (
b a
X E
+
=
VariB54ia
12
) (
) (
2
a b
X Var

=
De)vi* Pa2r-*
12
) (
) (
a b
X

=

GABARITO: D

AFC STN
!T. "MI#CENAD%ESAF%&'!&( Seja X uma varivel aleatria contnua com
funo densidade de probabilidade constante no intervalo [0,2]. Determine sua
varincia.

A) 1/3
B) 1/2
C) 2/3
D) 5/7
E) 5/6

Re)*l+,-*

A funo densidade de probabilidade constante ou uniforme da questo est
definida no intervalo [a,b] = [0,2]. Faa A = b-a = 2. Ento,

Var(X) = (b-a)
2
/12 = A
2
/12 = (2 - 0)
2
/12 = 4/12 = 1/3

GABARITO: A

!S. "ATA#MF%ESAF%&''E( Ao se jogar um dado honesto trs vezes, qual o
valor mais prximo da probabilidade de o nmero 1 sair exatamente uma vez?

A) 35%
B) 17%
C) 7%
D) 42%
E) 58%

Re)*l+,-*

A probabilidade de o nmero 1 sair exatamente uma vez ((=1 sucesso) ao se
jogar um dado honesto trs vezes (n=3) dada pela distribuio binomial:

n
p p
n
X P

|
|
\
|
= = ) 1 ( ) (

A probabilidade de o nmero 1 sair em um lanamento de um dado honesto
p = 1/6 (= probabilidade de sucesso). Logo, a probabilidade de insucesso
dada por 1-1/6 = 5/6 (probabilidade de o nmero 1 no sair em um
lanamento).

# 35 # 72 , 34
216
75
36
25
6
1
! 2 ! 1
! 3
6
5
6
1
1
3
) 1 (
2 1
~ = =
=
|
\
|
\
|
|
|
\
|
= = X P

AFC STN
GABARITO: A

!Q. "AFTM#RN%ESAF%&''Q( Numa distribuio Binomial, temos que:

I. A E[x] = n.p.q, ou seja, o produto dos parmetros n - nmero de
elementos da avaliao, p - probabilidade de ocorrncia do evento e q -
probabilidade contrria (q = 1-p).
II. O desvio-padro dado pela raiz quadrada do produto entre os parmetros
n e p.
III. A varincia dada pelo somatrio dos quadrados dos valores (Xi) menos o
quadrado da mdia.

Apontando os trs itens acima como V - Verdadeiro e F - Falso, a opo
correta :

A) F, V, F
B) V, V, F
C) F, F, F
D) V, F, F
E) V, V, V

Re)*l+,-*

Sabemos que:

Mdia da distribuio binomial = E(X) = np
Varincia da distribuio binomial = Var(X) = np(1-p) = npq

A5li)e 2*) ite5)

I. FALSO porque E(X) = np.

II. FALSO porque DP(X) = [npq]
1/2
.

III. FALSO porque Var(X) = E(X
2
) - E(X)
2
VariB54ia / 732ia
C+a2rti4a 7e5*) * C+a2ra2* 2a 732ia.

GABARITO: C

!E. "SUSEP%ESAF%&''T( Em uma casa de jogos (Bingo S/A, por exemplo) a
premiao ser de R$ 10,00, para quem obtiver uma face de nmero primo ao
jogar um dado honesto e de R$ 20,00, para quem obtiver outra alternativa
(face de nmero no primo). Para N jogadas (sendo N um nmero
AFC STN
suficientemente grande de jogadas), o valor mdio da aposta, ou seja, o valor
esperado, ser de:

A) R$ 10,00
B) R$ 10,33
C) R$ 13,33
D) R$ 15,00
E) R$ 17,33

Re)*l+,-*

S = {1, 2, 3, 4, 5, 6} n(S) = 6

E = nmero primo = {2, 3, 5} um nmero primo quando somente
divisvel por 1 e por ele mesmo n(E) = 3

P(nmero primo) = 3/6 = 1/2 Premiao(primo) = R$ 10,00

E= nmero no primo = {1, 4, 6} n(E) = 3

P(nmero no primo) = 3/6 = 1/2 Premiao(no primo) = R$ 20,00

Valor esperado da varivel aleatria X para um nmero N, suficientemente
grande, de jogadas:

E(X) = P(nmero primo) x premiao(primo) + P(nmero no primo) x
premiao(no primo)

E(X) = (1/2) x 10 + (1/2) x 20 = 30/2 = R$ 15,00

GABARITO: D

&'. "SUSEP%ESAF%&''T( Sendo X uma v. a. d. - varivel aleatria discreta
e sendo Y = aX + b, pode concluir-se que var (aX + b) igual a:

A) = var X.
B) = E(X
2
) - (EX)
2
.
C) = E(X - E(X))
2
.
D) = a
2
var X.
E) = a
2
var X - b.

Re)*l+,-*

var(cX) = c
2
.var(X), sendo c = constante

AFC STN
var(X + a) = var(X), sendo a = constante.

var(aX + b) = a
2
.var(X)

GABARITO: D

&!. "SUSEP%ESAF%&''T( Se a varivel X pode assumir um conjunto infinito
(contnuo) de valores, o polgono de freqncia relativa de uma amostra torna-
se uma curva contnua, cuja equao Y = p(X). A rea total limitada por essa
curva e pelo eixo dos X igual a 1 e a rea compreendida entre as verticais X
= a e X = b, sendo a < b e, ambos, contidos na rea total da curva, a
probabilidade de X cair neste intervalo a e b dada por

A) P(a<X<b), composta pela soma de P(X=a) + P(X=b).
B) P(a<X<b), composta pela integral de P(X=a) at P(X=b).
C) P(a>X>b), composta pela soma de P(X=a) - P(X=b).
D) P(a>X>b), composta pela integral de P(X=a) at P(X=b).
E) P(a<X<b), composta pela P(X=b), de forma cumulativa at o ponto b.

Re)*l+,-*

Deve-se descartar as opes A, C e E, pois a probabilidade de X cair no
intervalo [a,b] dada pela seguinte integral (observe que o enunciado afirma
que "(..) o polgono de freqncia relativa de uma amostra torna-se uma curva
contnua):

=
b
a
dx x p b X a P ) ( ) (

A opo D incorreta porque o sinal da desigualdade est trocado (P(a>X>b)
no lugar de P(a<X<b)). Logo, B a opo correta.

GABARITO: B

Abraos e at a prxima aula,

Bons estudos,

Alexandre Lima
alexandre@pontodosconcursos.com.br
AFC STN

1+e)t=e) C*7e5ta2a) e Re)*lvi2a) Ne)ta A+la

!. "ATPS#MPO$%ESAF%&'!&( A expectncia de uma varivel aleatria z
igual a 4, ou seja: E(z) = 4. Sabendo-se que a E(z
2
) = 20, ento o coeficiente
de variao de z igual a:

A) 20 / 1
B) 5 / 1
C) 2 / 1
D) 1
E) 0

&. "AFRFD%ESAF%&''E%a2a;ta2a( A funo densidade de probabilidade de
uma varivel aleatria contnua x dada por:

=
. . , 0
0 1 , 3
) (
2
c c
x x
x f

Obs.: c.c. denota "caso contrrio.

Para esta funo, a mdia de x, tambm denominada expectncia de x e
denotada por E(x) igual a:

A)
3
4

B)
4
3

C)
4
3

D) x
4
3

E) x
3
4

3. "AFRFD%ESAF%&''E( A tabela mostra a distribuio de freqncias
relativas populacionais (8F) de uma varivel X:

X 8 G
- 2 6a
1 1a
2 3a

AFC STN
Sabendo que "a um nmero real, ento a mdia e a varincia de X so,
respectivamente:

A) 5 , 0 =
x
e 45 , 3
2
=
x

B) 5 , 0 =
x
e 45 , 3
2
=
x

C) 0 =
x
e 1
2
=
x

D) 5 , 0 =
x
e 7 , 3
2
=
x

E) 5 , 0 =
x
e 7 , 3
2
=
x

K. "AFRFD%ESAF%&'!&( A expectncia de uma varivel aleatria x - mdia
ou esperana matemtica como tambm chamada - igual a 2, ou seja:
E(x) = 2. Sabendo-se que a mdia dos quadrados de x igual a 9, ento os
valores da varincia e do coeficiente de variao de x so, respectivamente,
iguais a

|
A)
|
|
\
|
2
5
; 5
B) 5 ; 5
C)
5
2
; 5
D)
5
2
; 5
E) 5 ;
2
5
|
|
\
|

O. "AFRFD%ESAF%&'!&( O Sr. Ramoile, professor de Estatstica aposentado,
vem h muito tempo acompanhando os dados sobre custos e faturamento do
restaurante de sua filha Ceclia. O restaurante funciona todos os dias da
semana e o Sr. Ramoile concluiu que: o custo dirio do restaurante segue uma
distribuio normal, com mdia igual a R$ 500,00 e desvio-padro igual a R$
10,00 e que o faturamento dirio, tambm, apresenta uma distribuio
normal, com mdia R$ 800 e desvio-padro R$ 20. Como o Sr. Ramoile
conhece muito bem os princpios bsicos da estatstica, ele sabe que, se uma
varivel Z seguir uma distribuio normal padro, ento Z tem mdia 0 e
varincia 1. Ele tambm sabe que a probabilidade dessa varivel Z assumir
valores no intervalo entre 0 < Z < 2 - ou seja, entre a mdia 0 e 2 desvios-
padro - , aproximadamente, igual a 0,4772. Ceclia, muito preocupada com
o futuro de seu restaurante, perguntou a seu pai se ele poderia verificar a
probabilidade de, em um dia qualquer, o custo ser maior do que R$ 520,00 e o
faturamente ficar no intervalo entre R$ 760,00 e R$ 840,00. Aps alguns
AFC STN
minutos, o Sr. Ramoile disse, acertadamente, que as respectivas
probabilidades so, em termos percentuais, iguais a

A) 2,28;95,44.
B) 52,28;95,44.
C) 2,28;98,69.
D) 98,69;95,44.
E) 98,65;2,28.

T. "AFPS%ESAF%&''&( O atributo X tem distribuio normal com mdia 2 e
varincia 4. Assinale a opo que d o valor do terceiro quartil de X, sabendo-
se que o terceiro quartil da normal padro 0,6745.

A) 3,3490
B) 0,6745
C) 2,6745
D) 2,3373
E) 2,7500

S. "APOFP#SP%ESAF%&''E( Seja Z uma varivel aleatria Normal Padro.
Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de
P(-2,58 < Z < 1,96).

z 1,96 2,17 2,33 2,41 2,58
P(Z < z ) 0,975 0,985 0,99 0,992 0,995

A) 0,99
B) 0,97
C) 0,98
D) 0,985
E) 0,95

Q. "AFPS%ESAF%&''&( Tem-se uma varivel aleatria normal X com mdia
e desvio-padro . Assinale a opo que d o intervalo contendo exatamente
95% da massa de probabilidades de X

A) ( - 0,50; + 0,50)
B) ( - 0,67; + 0,67)
C) ( - 1,00; + 1,00)
D) ( - 2,00; + 2,00)
E) ( - 1,96; + 1,96)

AFC STN
E. "MI#CENAD%ESAF%&'!&( Seja X uma Varivel Aleatria Binomial com
parmetros n e p. Sendo C
n,k
o nmero de combinaes de n elementos
tomados k a k, obtenha a expresso de P(X = k).

A) C
n,n-k
p(1-p)
n-k

B) C
n,k
p
n-k
(1-p)
k

C) C
n,k
p
k
(1-p)
n-k

D) C
n,k
p(1-p)
k-1

E) C
n,n-k
p
n-k
(1-p)
k

!'. "MI#CENAD%ESAF%&'!&( Sendo F(x) a funo de distribuio da
varivel aleatria definida na questo anterior, calcule F(1), para o caso n=5 e
p=0,5.

A) 0
B) 1/32
C) 5/32
D) 3/16
E) 11/32

!!. "AFRFD%ESAF%&''E( O nmero de petroleiros que chegam a uma
refinaria ocorre segundo uma distribuio de Poisson, com mdia de dois
petroleiros por dia. Desse modo, a probabilidade de a refinaria receber no
mximo trs petroleiros em dois dias igual a:

A)
4
73
32

e
B)
4
71
3
e
C)
4
3
71

e
D)
3
3
71

e
E)
2
3
32

e

!&. "MI#CENAD%ESAF%&'!&%a2a;ta2a( Em determinadas situaes uma
varivel aleatria binomial pode ser adequadamente aproximada por uma
varivel aleatria normal. Seja X uma varivel aleatria binomial com
parmetros n=900 e p=1/2. Usando essa aproximao, calcule o valor mais
prximo de P(417,5 X 482,5), considerando os seguintes valores para u(z),
onde u(z) a funo de distribuio de uma varivel aleatria normal padro
Z:
AFC STN

u(1,96) = 0,975, u(2,17) = 0,985, u(2,33) = 0,99 e u(2,58) = 0,995.

A) 0,95
B) 0,96
C) 0,97
D) 0,98
E) 0,99

!3. "SUSEP%ESAF%&'!'( Qual o limite de f(x) = C
n,x
p
x
(1-p)
n-x
, onde x
=0,1,2,.,n, quando n m, p 0, e np A.

A) !"#$ = "2%$
-1/2
e#p"-"# - &$
2
/2$.
B) !"#$ = e
-&
&
#
/#'.
C) !"#$ = e
-#/&
/&.
D) !"#$ = &e
-&#
.
E) !"#$ = e#p"-&$ #
&
/#'.

!K. "SUSEP%ESAF%&''T( Um grupo de 1.000 pessoas tem a seguinte
composio etria (em anos):

- [0 - 20]: 200 pessoas;
- [21 - 30]: 200 pessoas;
- [31 - 40]: 200 pessoas;
- [41 - 50]: 200 pessoas;
- de 51 anos em diante: 200 pessoas;

Considerando que as probabilidades mdia de morte (q
x
), segundo uma
determinada tbua, de:

- [0 - 20] at 20 anos: 0,600% o (por mil);
- [21 - 30]: 0,800% o (por mil);
- [31 - 40]: 1,500% o (por mil);
- [41 - 50]: 5,000% o (por mil);
- de 51 anos em diante: 20,000% o (por mil).

Pode-se afirmar que a possibilidade de ocorrer a morte de exatamente 10
pessoas com idade superior a 51 anos um evento:

A) Certo.
B) Impossvel.
C) Provvel.
D) Muito Provvel.
E) Pouco Provvel.
AFC STN

!O. "AFPS%ESAF%&''&( A varivel aleatria X tem distribuio uniforme no
intervalo (0, o), onde o uma constante maior do que 0,5. Determine o valor
de o tal que F(0,5) = 0,7, sendo F(x)a funo de distribuio de X.

A) 3/4
B) 1/4
C) 1
D) 5/7
E) 1/2

!T. "MI#CENAD%ESAF%&'!&( Seja X uma varivel aleatria contnua com
funo densidade de probabilidade constante no intervalo [0,2]. Determine sua
varincia.

A) 1/3
B) 1/2
C) 2/3
D) 5/7
E) 5/6

!S. "ATA#MF%ESAF%&''E( Ao se jogar um dado honesto trs vezes, qual o
valor mais prximo da probabilidade de o nmero 1 sair exatamente uma vez?

A) 35%
B) 17%
C) 7%
D) 42%
E) 58%

!Q. "AFTM#RN%ESAF%&''Q( Numa distribuio Binomial, temos que:

I. A E[x] = n.p.q, ou seja, o produto dos parmetros n - nmero de
elementos da avaliao, p - probabilidade de ocorrncia do evento e q -
probabilidade contrria (q = 1-p).
II. O desvio-padro dado pela raiz quadrada do produto entre os parmetros
n e p.
III. A varincia dada pelo somatrio dos quadrados dos valores (Xi) menos o
quadrado da mdia.

Apontando os trs itens acima como V - Verdadeiro e F - Falso, a opo
correta :

AFC STN
A) F, V, F
B) V, V, F
C) F, F, F
D) V, F, F
E) V, V, V

!E. "SUSEP%ESAF%&''T( Em uma casa de jogos (Bingo S/A, por exemplo) a
premiao ser de R$ 10,00, para quem obtiver uma face de nmero primo ao
jogar um dado honesto e de R$ 20,00, para quem obtiver outra alternativa
(face de nmero no primo). Para N jogadas (sendo N um nmero
suficientemente grande de jogadas), o valor mdio da aposta, ou seja, o valor
esperado, ser de:

A) R$ 10,00
B) R$ 10,33
C) R$ 13,33
D) R$ 15,00
E) R$ 17,33

&'. "SUSEP%ESAF%&''T( Sendo X uma v. a. d. - varivel aleatria discreta
e sendo Y = aX + b, pode concluir-se que var (aX + b) igual a:

A) = var X.
B) = E(X
2
) - (EX)
2
.
C) = E(X - E(X))
2
.
D) = a
2
var X.
E) = a
2
var X - b.

&!. "SUSEP%ESAF%&''T( Se a varivel X pode assumir um conjunto infinito
(contnuo) de valores, o polgono de freqncia relativa de uma amostra torna-
se uma curva contnua, cuja equao Y = p(X). A rea total limitada por essa
curva e pelo eixo dos X igual a 1 e a rea compreendida entre as verticais X
= a e X = b, sendo a < b e, ambos, contidos na rea total da curva, a
probabilidade de X cair neste intervalo a e b dada por

A) P(a<X<b), composta pela soma de P(X=a) + P(X=b).
B) P(a<X<b), composta pela integral de P(X=a) at P(X=b).
C) P(a>X>b), composta pela soma de P(X=a) - P(X=b).
D) P(a>X>b), composta pela integral de P(X=a) at P(X=b).
E) P(a<X<b), composta pela P(X=b), de forma cumulativa at o ponto b.

AFC STN

$a:arit*

! C & C 3 A K A O A T A S D Q E
E C !' D !! C !& C !3 D !K E !O D !T A
!S A !Q C !E D &' D &! D

Di:li*[ra8ia

Moraes Junior, Alexandre Lima. Raciocnio Lgico, incluindo Matemtica,
Matemtica Financeira e Estatstica. Editora Mtodo. Rio de Janeiro. 2010.

AFC STN
AP]NDICE

TADELA I
NORMAL rea ^ 2ireita 2e V
4

Parte
inteira e
primeira
decimal
de Z
c

Se[+52a 2e4i7al 2e V
4

Parte
inteira e
primeira
decimal
de Z
c

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,50000 0,49601 0,49202 0,48803 0,48405 0,48006 0,47608 0,47210 0,46812 0,46414 0,0
0,1 0,46017 0,45620 0,45224 0,44828 0,44433 0,44038 0,43644 0,43251 0,42858 0,42465 0,1
0,2 0,42074 0,41683 0,41294 0,40905 0,40517 0,40129 0,39743 0,39358 0,38974 0,38591 0,2
0,3 0,38209 0,37828 0,37448 0,37070 0,36693 0,36317 0,35942 0,35569 0,35197 0,34827 0,3
0,4 0,34458 0,34090 0,33724 0,33360 0,32997 0,32636 0,32276 0,31918 0,31561 0,31207 0,4
0,5 0,30854 0,30503 0,30153 0,29806 0,29460 0,29116 0,28774 0,28434 0,28096 0,27760 0,5
0,6 0,27425 0,27093 0,26763 0,26435 0,26109 0,25785 0,25463 0,25143 0,24825 0,24510 0,6
0,7 0,24196 0,23885 0,23576 0,23270 0,22965 0,22663 0,22363 0,22065 0,21770 0,21476 0,7
0,8 0,21186 0,20897 0,20611 0,20327 0,20045 0,19766 0,19489 0,19215 0,18943 0,18673 0,8
0,9 0,18406 0,18141 0,17879 0,17619 0,17361 0,17106 0,16853 0,16602 0,16354 0,16109 0,9
1,0 0,15866 0,15625 0,15386 0,15151 0,14917 0,14686 0,14457 0,14231 0,14007 0,13786 1,0
1,1 0,13567 0,13350 0,13136 0,12924 0,12714 0,12507 0,12302 0,12100 0,11900 0,11702 1,1
1,2 0,11507 0,11314 0,11123 0,10935 0,10749 0,10565 0,10383 0,10204 0,10027 0,09853 1,2
1,3 0,09680 0,09510 0,09342 0,09176 0,09012 0,08851 0,08691 0,08534 0,08379 0,08226 1,3
1,4 0,08076 0,07927 0,07780 0,07636 0,07493 0,07353 0,07215 0,07078 0,06944 0,06811 1,4
1,5 0,06681 0,06552 0,06426 0,06301 0,06178 0,06057 0,05938 0,05821 0,05705 0,05592 1,5
1,6 0,05480 0,05370 0,05262 0,05155 0,05050 0,04947 0,04846 0,04746 0,04648 0,04551 1,6
1,7 0,04457 0,04363 0,04272 0,04182 0,04093 0,04006 0,03920 0,03836 0,03754 0,03673 1,7
1,8 0,03593 0,03515 0,03438 0,03362 0,03288 0,03216 0,03144 0,03074 0,03005 0,02938 1,8
1,9 0,02872 0,02807 0,02743 0,02680 0,02619 0,02559 0,02500 0,02442 0,02385 0,02330 1,9
2,0 0,02275 0,02222 0,02169 0,02118 0,02068 0,02018 0,01970 0,01923 0,01876 0,01831 2,0
2,1 0,01786 0,01743 0,01700 0,01659 0,01618 0,01578 0,01539 0,01500 0,01463 0,01426 2,1
2,2 0,01390 0,01355 0,01321 0,01287 0,01255 0,01222 0,01191 0,01160 0,01130 0,01101 2,2
2,3 0,01072 0,01044 0,01017 0,00990 0,00964 0,00939 0,00914 0,00889 0,00866 0,00842 2,3
2,4 0,00820 0,00798 0,00776 0,00755 0,00734 0,00714 0,00695 0,00676 0,00657 0,00639 2,4
2,5 0,00621 0,00604 0,00587 0,00570 0,00554 0,00539 0,00523 0,00508 0,00494 0,00480 2,5
2,6 0,00466 0,00453 0,00440 0,00427 0,00415 0,00402 0,00391 0,00379 0,00368 0,00357 2,6
2,7 0,00347 0,00336 0,00326 0,00317 0,00307 0,00298 0,00289 0,00280 0,00272 0,00264 2,7
2,8 0,00256 0,00248 0,00240 0,00233 0,00226 0,00219 0,00212 0,00205 0,00199 0,00193 2,8
2,9 0,00187 0,00181 0,00175 0,00169 0,00164 0,00159 0,00154 0,00149 0,00144 0,00139 2,9
3,0 0,00135 0,00131 0,00126 0,00122 0,00118 0,00114 0,00111 0,00107 0,00104 0,00100 3,0
3,5 0,00023 0,00022 0,00022 0,00021 0,00020 0,00019 0,00019 0,00018 0,00017 0,00017 3,5
4,0 0,00003 0,00003 0,00003 0,00003 0,00003 0,00003 0,00002 0,00002 0,00002 0,00002 4,0
5,0 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 0,00000 5,0

AFC STN

TADELA II
NORMAL rea 2e ' a V
4

Parte
inteira e
primeira
decimal
de Z
c

Se[+52a 2e4i7al 2e V
4

Parte
inteira e
primeira
decimal
de Z
c

0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586 0,0
0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535 0,1
0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409 0,2
0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173 0,3
0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793 0,4
0,5 0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240 0,5
0,6 0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490 0,6
0,7 0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524 0,7
0,8 0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327 0,8
0,9 0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891 0,9
1,0 0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214 1,0
1,1 0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298 1,1
1,2 0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147 1,2
1,3 0,40320 0,40490 0,40658 0,40824 0,40988 0,41149 0,41309 0,41466 0,41621 0,41774 1,3
1,4 0,41924 0,42073 0,42220 0,42364 0,42507 0,42647 0,42785 0,42922 0,43056 0,43189 1,4
1,5 0,43319 0,43448 0,43574 0,43699 0,43822 0,43943 0,44062 0,44179 0,44295 0,44408 1,5
1,6 0,44520 0,44630 0,44738 0,44845 0,44950 0,45053 0,45154 0,45254 0,45352 0,45449 1,6
1,7 0,45543 0,45637 0,45728 0,45818 0,45907 0,45994 0,46080 0,46164 0,46246 0,46327 1,7
1,8 0,46407 0,46485 0,46562 0,46638 0,46712 0,46784 0,46856 0,46926 0,46995 0,47062 1,8
1,9 0,47128 0,47193 0,47257 0,47320 0,47381 0,47441 0,47500 0,47558 0,47615 0,47670 1,9
2,0 0,47725 0,47778 0,47831 0,47882 0,47932 0,47982 0,48030 0,48077 0,48124 0,48169 2,0
2,1 0,48214 0,48257 0,48300 0,48341 0,48382 0,48422 0,48461 0,48500 0,48537 0,48574 2,1
2,2 0,48610 0,48645 0,48679 0,48713 0,48745 0,48778 0,48809 0,48840 0,48870 0,48899 2,2
2,3 0,48928 0,48956 0,48983 0,49010 0,49036 0,49061 0,49086 0,49111 0,49134 0,49158 2,3
2,4 0,49180 0,49202 0,49224 0,49245 0,49266 0,49286 0,49305 0,49324 0,49343 0,49361 2,4
2,5 0,49379 0,49396 0,49413 0,49430 0,49446 0,49461 0,49477 0,49492 0,49506 0,49520 2,5
2,6 0,49534 0,49547 0,49560 0,49573 0,49585 0,49598 0,49609 0,49621 0,49632 0,49643 2,6
2,7 0,49653 0,49664 0,49674 0,49683 0,49693 0,49702 0,49711 0,49720 0,49728 0,49736 2,7
2,8 0,49744 0,49752 0,49760 0,49767 0,49774 0,49781 0,49788 0,49795 0,49801 0,49807 2,8
2,9 0,49813 0,49819 0,49825 0,49831 0,49836 0,49841 0,49846 0,49851 0,49856 0,49861 2,9
3,0 0,49865 0,49869 0,49874 0,49878 0,49882 0,49886 0,49889 0,49893 0,49896 0,49900 3,0
3,5 0,49977 0,49978 0,49978 0,49979 0,49980 0,49981 0,49981 0,49982 0,49983 0,49983 3,5
4,0 0,49997 0,49997 0,49997 0,49997 0,49997 0,49997 0,49998 0,49998 0,49998 0,49998 4,0
5,0 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 0,50000 5,0

Estatística em exercícios: variáveis aleatórias, probabilidades e distribuições

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estatística em exercícios: variáveis aleatórias, probabilidades e distribuições

Uploaded by

Copyright:

Available Formats

CURSO ONLINE ESTATSTICA EM EXERCCIOS

valores da varincia e do coeficiente de variao de x so, respectivamente,

n n n n ~ + ) 1 )...( 1 ( . No limite, para n , 0 p (admitindo-se k <<

You might also like