Aula 16

N u b i a A l v e s d e O l i v e i r a , C P F : 7 1 3 5 9 2 2 2 2 0 0
Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados

Profs. Alexandre Lima e Moraes Junior
Profs. Alexandre Lima e Moraes Junior 1

Raciocnio Lgico-Quantitativo para Traumatizados
Aula 16
Varivel Aleatria, Valor Esperado, Anlise Combinatria e
Principais Distribuies de Probabilidade

16. Varivel Aleatria, Valor Esperado, Anlise Combinatria e Principais
Distribuies de Probabilidade ............................................................................................... 13
16.1 Variveis Aleatrias .................................................................................................. 13
16.1.1 Definio de Varivel Aleatria .................................................................................. 13
16.1.2 Funo Discreta de Probabilidade ............................................................................... 13
16.1.3 Funo de Distribuio de Probabilidade .................................................................... 16
16.1.4 Funes de Distribuio e de Densidade para Variveis Contnuas ............................ 16
16.2 Valor Esperado ........................................................................................................... 22
16.2.1 Mdia ........................................................................................................................... 23
16.2.2 Valor Esperado de Uma Funo de Varivel Aleatria ............................................... 25
16.2.3 Varincia ...................................................................................................................... 25
16.3 Desigualdade de Chebyshev ................................................................................. 28
16.4 Anlise Combinatria ............................................................................................... 30
16.4.1 Conceitos Iniciais ......................................................................................................... 30
16.4.2 Arranjos Simples .......................................................................................................... 32
16.4.3 Permutaes Simples ................................................................................................... 34
16.4.4 Combinaes Simples .................................................................................................. 36
16.5 Distribuies de Probabilidade ............................................................................. 51
16.5.1 Distribuies Discretas ................................................................................................ 51
16.5.2 Distribuies Contnuas ............................................................................................... 67
16.6 Memorize para a prova ........................................................................................... 84
16.7 Exerccios de Fixao ............................................................................................... 86
16.8 Gabarito ........................................................................................................................ 95
16.9 Resoluo dos Exerccios de Fixao ................................................................. 95
APNDICE ..................................................................................................................................... 119

2

E a pessoal, tudo bem com vocs aps uma semana de estudos? Conseguiram
digerir a matria ensinada at este ponto? Tomara que sim! Continuaremos a
aprender conceitos importantes para a prova de raciocnio lgico e no
podemos nos esquecer dos conceitos j vistos no curso. O estudo do raciocnio
lgico-quantitativo cumulativo! Se for necessrio, faa uma reviso da
matria j dada.

Alguns alunos nos perguntaram quais so as aulas deste curso que cobrem o
programa de Raciocnio Lgico da ABIN:

RACIOCNIO LGICO: 1 Lgica sentencial e de primeira ordem. 2
Contagem: princpio aditivo e multiplicativo. 3 Arranjo. 4 Permutao. 5
Combinao simples e com repetio.

O item 1 foi ensinado nas aulas 10, 11 e 12. O item 2, que foi visto na aula
passada (Regras de Adio e de Multiplicao das probabilidades), ser
reforado nesta aula. Os itens 3, 4 e 5 sero vistos nesta aula. Ressaltamos
que colocamos muitos exerccios de anlise combinatria nesta aula. Enjoy!

Chegamos aula 16, que, na verdade, a 17 aula, se considerarmos a aula
0. Esperamos que vocs estejam aproveitando bastante o curso. Estamos
procurando explicar tudo detalhadamente, para no deixar dvidas. Se elas
ocorrerem, no hesite: coloque-as no forum. Interaja com os seus professores!

Comearemos a nossa aula de hoje com a resoluo de algumas questes
solicitadas no forum. Tambm comentaremos algumas questes que cobram a
matria da aula passada. Aps, abordaremos os conceitos de variveis
aleatrias, valor esperado (ou expectncia ou esperana), distribuies de
probabilidade (discretas e contnuas) e anlise combinatria.

Pessoal, a aula de hoje est densa, porm longa. Ela muito importante
para as questes de estatstica e anlise combinatria da prova. Procure ler
todo o contedo, pois esta a hora certa de construir a base em raciocnio
lgico ... no adianta tentar estudar na correria, sem ter base, aps a
publicao do edital. No fique preocupado se voc no conseguir assimilar
toda a matria desta aula at a prxima semana. Temos tempo at a prova.
Bons estudos!

Resoluo de Questes Solicitadas no Forum

(Agente Tcnico Legislativo - Assemblia Legislativa SP/2010/FCC)
Os nove primeiros nmeros mpares positivos devero ser distribudos pelas
nove clulas do quadrado abaixo, de forma que a soma dos nmeros de
qualquer linha, qualquer coluna e qualquer diagonal seja sempre S (em cada
clula dever ser colocado um nmero diferente).

3

Nessas condies, o nmero que ser colocado na clula escura e o valor de S
so, respectivamente,

(A) 5 e 15
(B) 9 e 15
(C) 5 e 27
(D) 9 e 27
(E) 15 e 33

Resoluo

Primeiramente, temos que identificar os nove primeiros nmeros mpares
positivos. Eles so os seguintes: 1, 3, 5, 7, 9, 11, 13, 15 e 17.

Agora, temos que coloc-los dentro do quadrado acima, de modo que a soma
das linhas, das colunas e de qualquer diagonal seja igual, sem repetio dos
nmeros. o famoso jogo de Sudoku (risos). A diferena que, no Sudoku,
utilizamos nmeros de 1 a 9 e nesta questo a banca determinou que sero os
nove primeiros nmeros mpares.

Como resolver este tipo de questo? Repare o seguinte: A sequncia de
nmeros mpares uma progresso aritmtica de passo 2. Portanto, temos a
seguinte propriedade (veja na aula de progresso aritmtica):

1 + 17 = 3 + 15 = 5 + 13 = 7 + 11 = 18

Perceba, ento que, se colocarmos o nmero 9 (que o termo central da
progresso aritmtica) no centro do quadrado, nossos problemas acabaram,
pois teramos todas as somas com o seguinte resultado:

1 + 17 + 9 = 3 + 15 + 9 = 5 + 13 + 9 = 7 + 11 + 9 = 27

4

Portanto, j sabemos que o nmero do centro 9 e a soma 27, fato
que j responde a questo (alternativa d).

Quanto os nmeros no quadrado, uma possibilidade seria:

7 5 15
17 9 1
3 13 11

GABARITO: D

(Tcnico Judicirio-Administrativa-TRT-15R-2009-FCC) Trs Tcnicos
Judicirios Alberico, Benivaldo e Corifeu devem arquivar 340 processos e,
para executar esta tarefa, decidiram dividir o total entre si, em partes
diretamente proporcionais s suas respectivas idades. Sabe-se que:

Alberico tem 36 anos;
Benivaldo o mais velho dos trs e sua idade excede a de Corifeu, o mais
jovem, em 12 anos;
caber a Corifeu arquivar 90 processos.

Nessas condies, correto afirmar que

(A) as idades dos trs somam 105 anos.
(B) Benivaldo dever arquivar 110 processos.
(C) Corifeu tem 28 anos.
(D) Alberico dever arquivar 120 processos.
(E) Benivaldo tem 35 anos.

Resoluo

Total de processos = 340
Diviso ser proporcional s idades.

Idades:
Alberico = A = 36 anos
Benivaldo = B = C + 12 anos ( o mais velho) = C + 12
Corifeu = C

Total das Idades = A + B + C = 36 + C + 12 + C = 2C + 48

Propores:
Alberico: 36/(2C + 48)
Benivaldo: (C + 12)/(2C + 48)
Corifeu = C/(2C + 48)

5

Sabemos que Corifeu analisa 90 processos:

Proporo =
48 2 34
9
340
90
+
= =
C
C

Multiplicando em cruz:

9 x (2C + 48) = 34 x C 18C + 9 x 48 = 34C 34C 18C = 9 x 48
16C = 9 x 48 C = (9 x 48)/16 = 9 x 3 = 27 anos

Com isso, conseguimos descobrir a idade de Benivaldo:

B = C + 12 = 27 + 12 = 39 anos

Total das Idades = 2 x C + 48 = 2 x 27 + 48 = 102 anos

As outras propores ficariam:

Alberico: 36/(2C + 48) = 36/(2 x 27 + 48) = 36/102 = 18/51 = 6/17

Benivaldo: (C + 12)/(2C + 48) = (27 + 12)/(2 x 27 + 48) = 39/102 = 13/34

Portanto, o nmero de processos analisados por Alberico e Benivaldo seria:

Alberico:
Proporo =
17
6
340
=
A
P


P
A
x 17 = 6 x 340 P
A
= (6 x 340)/17 = 6 x 20 = 120 processos

Benivaldo:
Proporo =
34
13
340
=
B
P

1
13
10
=
B
P


P
B
x 1 = 10 x 13 P
B
= 130 processos

GABARITO: D

Questes Extras Comentadas sobre a Aula 15

(Fiscal de Rendas do Municpio do RJ/2010/ESAF) Em um amostra de
100 empresas, 52 esto situadas no Rio de Janeiro, 38 so exportadoras e 35
so sociedades annimas. Das empresas situadas no Rio de Janeiro, 12 so
6

exportadoras e 15 so sociedades annimas e das empresas exportadoras 18
so sociedades annimas. No esto situadas no Rio de Janeiro nem so
sociedades annimas e nem exportadoras 12 empresas. Quantas empresas
que esto no Rio de Janeiro so sociedades annimas e exportadoras ao
mesmo tempo?

A) 18
B) 15
C) 8
D) 0
E) 20

Resoluo

Temos um espao amostal com n = 100 empresas. Seja o conjunto das
empresas situados no Rio de Janeiro denotado por RJ, o das exportadoras
por EXP e o das sociedades annimas por SA. Do total de empresas, temos
que:

52 esto situadas no Rio de Janeiro: n(RJ) = 52;
38 so exportadoras: n(EXP) = 38;
35 so sociedades annimas: n(SA) = 35;
das empresas situadas no Rio de Janeiro, 12 so exportadoras:
n(RJEXP) = 12;
das empresas situadas no Rio de Janeiro, 15 so sociedades annimas:
n(RJSA) = 15;
das empresas exportadoras, 18 so sociedades annimas: n(EXPSA) =
18; e
12 no esto no Rio nem so sociedades annimas e nem exportadoras:
n[(RJ SA EXP)
c
] = n = 12. Lembre que (RJ SA EXP)
c
representa
o complementar do conjunto (RJ SA EXP) e que (RJ SA EXP)
c

(RJ SA EXP) = .

Pede-se o nmero de empresas que esto no Rio de Janeiro, so sociedades
annimas e exportadoras ao mesmo tempo, ou seja, qual o valor de
n(RJEXPSA)?

O nmero de empresas que esto situadas no Rio ou so exportadoras ou so
sociedades annimas dado por

n(RJ SA EXP) = n n = 100 12 = 88.

O diagrama de Venn a seguir ilustra os dados da questo.

7

Aprendemos no item 15.6 da aula passada a regra de adio das
probabilidades, dada pela frmula (memorize para a prova!)

P(RJ EXP SA) = P(RJ) + P(EXP) + P(SA) P(RJEXP) P(RJSA)
P(EXPSA) + P(RJEXPSA).

Essa regra ser aplicada na resoluo da questo, mas antes preciso
manipul-la, pois o problema cobra a contagem n(RJEXPSA) e no a
probabilidade P(RJEXPSA).

Como o nmero de elementos do espao amostral finito, temos que

P(RJEXPSA) = n(RJEXPSA)/n, P(RJ EXP SA) = n(RJ EXP SA)/n,
P(RJ) = n(RJ)/n e assim por diante.

Ento a regra de adio pode ser reescrita na forma de contagem

n(RJ EXP SA) = n(RJ) + n(EXP) + n(SA) n(RJEXP) n(RJSA)
n(EXPSA) + n(RJEXPSA),

desde que multipliquemos os lados esquerdo e direito da equao da regra de
adio das probabilidades por n, o que far com que todos os denominadores
n sejam eliminados da relao

n(RJ EXP SA)/n = n(RJ)/n + n(EXP)/n + n(SA)/n n(RJEXP)/n
n(RJSA)/n n(EXPSA)/n + n(RJEXPSA)/n.

Agora ficou fcil! Passando n(RJEXPSA) para o lado esquerdo e n(RJ EXP
SA) para o lado direito e depois multiplicando tudo por -1, obtemos
8

n(RJEXPSA) = n(RJ EXP SA) n(RJ) n(EXP) n(SA) + n(RJEXP) +
n(RJSA) + n(EXPSA)

n(RJEXPSA) = 88 52 38 35 + 12 + 15 + 18 = 8.

A prxima figura mostra que, das 52 empresas situadas no Rio, 33 (= 52 4
8 7) no so SA e nem exportadoras. O mesmo raciocnio vale para as 16
empresas que somente so exportadoras e para as 10 empresas que somente
so sociedades annimas.

GABARITO: C

(Fiscal de Rendas do Municpio do RJ/2010/ESAF) Em cada um de um
certo nmero par de cofres so colocadas uma moeda de ouro, uma de prata e
uma de bronze. Em uma segunda etapa, em cada um de metade dos cofres,
escolhidos ao acaso, colocada uma moeda de ouro, e em cada um dos cofres
restantes, uma moeda de prata. Por fim, em cada um de metade dos cofres,
escolhidos ao acaso, coloca-se uma moeda de ouro, e em cada um dos cofres
restantes, uma moeda de bronze. Desse modo, cada cofre ficou com cinco
moedas. Ao se escolher um cofre ao acaso, qual a probabilidade de ele
conter trs moedas de ouro?

A) 0,15
B) 0,20
C) 0,5
D) 0,25
E) 0,7
9

Resoluo

Sejam os eventos:

E
1
: conter 1 moeda de ouro na 1
a
etapa;
E
2
: conter 1 moeda de ouro na 2
a
etapa; e
E
3
conter 1 moeda de ouro na 3
a
etapa.

A probabilidade P de um cofre escolhido ao acaso conter trs moedas de ouro
dada por

P{E
1
E
2
E
3
} = P{E
1
} x P{E
2
} x P{E
3
}, pois os eventos so independentes. O
enunciado especificou que

P{E
1
} = 1, pois foi dito que Em cada um de um certo nmero par de cofres
so colocadas uma moeda de ouro, uma de prata e uma de bronze,

P{E
2
} = 0,5, porque Em uma segunda etapa, em cada um de metade dos
cofres, escolhidos ao acaso, colocada uma moeda de ouro, e em cada
um dos cofres restantes, uma moeda de prata, ou seja, a probabilidade de
um cofre receber uma moeda de ouro nesta etapa 50% e

P{E
3
} = 0,5, haja vista que Por fim, em cada um de metade dos cofres,
escolhidos ao acaso, coloca-se uma moeda de ouro, e em cada um dos
cofres restantes, uma moeda de bronze, isto , a probabilidade de um cofre
receber uma moeda de ouro nesta etapa 50%.

Logo, P{E
1
E
2
E
3
} = P{E
1
} x P{E
2
} x P{E
3
} = 1 x 0,5 x 0,5 = 0,25.

GABARITO: D

(APO/2010/ESAF) Um viajante, a caminho de determinada cidade, deparou-
se com uma bifurcao onde esto trs meninos e no sabe que caminho
tomar. Admita que estes trs meninos, ao se lhes perguntar algo, um
responde sempre falando a verdade, um sempre mente e o outro mente em
50% das vezes e consequentemente fala a verdade nas outras 50% das vezes.
O viajante perguntou a um dos trs meninos escolhido ao acaso qual era o
caminho para a cidade e ele respondeu que era o da direita. Se ele fizer a
mesma pergunta a um outro menino escolhido ao acaso entre os dois
restantes, qual a probabilidade de ele tambm responder que o caminho da
direita?

A) 1.
B) 2/3.
C) 1/2.
10

D) 1/3.
E) 1/4.

Resoluo

Vamos analisar as seguintes hipteses:

Hiptese 1: O primeiro menino escolhido pelo viajante sempre fala a verdade
(respondeu que a cidade era para direita). A probabilidade de escolher este
menino 1/3. H duas possibilidades para a escolha do segundo menino
(escolher um menino entre dois):

menino que sempre mente: responder que a cidade para a esquerda;
menino que fala verdade em 50% das vezes: h 50% de chance de dizer
que a cidade para direita.

Ento a probabilidade de que o segundo menino responda que a cidade para
direita dada por:
P(escolher o menino que fala a verdade em 50% das vezes) x 50% (chance de
dizer que a cidade para direita) = 50% x 50% = 25%

A probabilidade associada hiptese 1 P
1
= 1/3 x 25%.

Hiptese 2: O primeiro menino escolhido pelo viajante sempre mente
(respondeu que a cidade era para direita). A probabilidade de escolher este
menino 1/3. H duas possibilidades para a escolha do segundo menino:

menino que sempre fala a verdade: responder que a cidade para a
esquerda;
menino que fala verdade em 50% das vezes: h 50% de chance de dizer
que a cidade para direita.

Portanto, a probabilidade de que o segundo menino responda que a cidade
para direita igual a:
P(escolher menino que fala a verdade 50% das vezes) x 50% (chance de dizer
que a cidade para direita) = 50% x 50% = 25%

2
= 1/3 x 25%.

Hiptese 3: O primeiro menino escolhido pelo viajante diz a verdade em 50%
das vezes (respondeu que a cidade era para direita). A probabilidade de
escolher este menino 1/3.

Escolha do segundo menino:
11
menino que sempre fala a verdade: responder que a cidade para a
direita (se o primeiro menino disse a verdade) ou responder que a
cidade para a esquerda (se o primeiro menino mentiu);
menino que sempre mente: responder que a cidade para a direita (se
o primeiro menino mentiu) ou responder que a cidade para a
esquerda (se o primeiro menino disse a verdade).

Portanto, a probabilidade de que o segundo menino responda que a cidade
para direita :
P(primeiro menino ter dito a verdade) x P(escolher o menino que sempre fala
a verdade) = 50% x 50% = 25% ou

P(primeiro menino ter mentido) x P(escolher o menino que sempre mente) =
50% x 50% = 25%.

3
= 1/3 x (25% + 25%) = 1/3 x
50%.

Probabilidade Final = 1/3 x 25% + 1/3 x 25% + 1/3 x 50% = 1/3 x (25% +
25% + 50%) = 1/3 x 100% = 1/3 x 1 = 1/3.

GABARITO: D

(APO/2010/ESAF) Em uma urna existem 200 bolas misturadas, diferindo
apenas na cor e na numerao. As bolas azuis esto numeradas de 1 a 50, as
bolas amarelas esto numeradas de 51 a 150 e as bolas vermelhas esto
numeradas de 151 a 200. Ao se retirar da urna trs bolas escolhidas ao acaso,
com reposio, qual a probabilidade de as trs bolas serem da mesma cor e
com os respectivos nmeros pares?

A) 10/512.
B) 3/512.
C) 4/128.
D) 3/64.
E) 1/64.

Resoluo

Total de Bolas = 200
Bolas Azuis = 50 (numeradas de 1 a 50)
Bolas Amarelas = 100 (numeradas de 51 a 150)
Bolas Vermelhas = 50 (numeradas de 151 a 200)

Probabilidade de se retirar da urna trs bolas escolhidas, com reposio, de
modo que sejam da mesma cor e com os respectivos nmeros pares.
12

Bolas Azuis e Pares = 25
Bolas Amarelas e Pares = 50
Bolas Vermelhas e Pares = 25

Hiptese I: trs bolas azuis e pares
P (Azul e Par) = 25/200 x 25/200 x 25/200 = 1/8 x 1/8 x 1/8 = 1/512

Hiptese II: trs bolas amarelas e pares
P (Amarela e Par) = 50/200 x 50/200 x 50/200 = 1/4 x 1/4 x 1/4 = 1/64

Hiptese III: trs bolas vermelhas e pares
P (Vermelha e Par) = 25/200 x 25/200 x 25/200 = 1/8 x 1/8 x 1/8 = 1/512

Probabilidade Total = (1/512) + (1/64) + (1/512) = 10/512

GABARITO: A

13
16. Varivel Aleatria, Valor Esperado, Anlise
Combinatria e Principais Distribuies de Probabilidade

16.1 Variveis Aleatrias

16.1.1 Definio de Varivel Aleatria

Uma quantidade X, associada a cada possvel resultado do espao amostral,
denominada varivel aleatria discreta se assume valores num conjunto
contvel ou enumervel (como o conjunto dos nmeros inteiros ou o
conjunto dos nmeros naturais ), com certa probabilidade. Logo, uma
varivel aleatria uma funo, e no uma varivel propriamente dita.
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.

Considere o lanamento de duas moedas mencionado acima. O espao
amostral

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

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

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 contnua 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.

16.1.2 Funo Discreta de Probabilidade

14

A funo que atribui a cada valor de uma varivel aleatria discreta sua
probabilidade chamada de funo discreta de probabilidade ou,
simplesmente, funo de probabilidade

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

Uma funo de probabilidade satisfaz as seguintes condies (memorize para a
prova!):

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.

Exemplo. 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 = {1, 2,
3, 4, 5, 6}. A Fig. abaixo 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

J caiu em prova! (Analista do BACEN/rea 3/2005/FCC) O nmero de
televisores modelo M vendidos diariamente numa loja uma varivel aleatria
discreta (X) com a seguinte distribuio de probabilidades:

X 0 1 2 3
P(x) p 1,5p 1,5p p

O preo unitrio de venda do televisor modelo M de R$ 1.000,00. Se num
determinado dia a receita de vendas referente a este modelo for inferior a R$
3.000,00, a probabilidade dela ser positiva

15

A) 20%
B) 30%
C) 50%
D) 60%
E) 75%

Resoluo

Muitas vezes, o fato de sabermos que certo evento ocorreu faz com que se
modifique a probabilidade que atribumos a outro evento. Denotamos por
P(A|B) a probabilidade do evento A, sabendo que B ocorreu, ou probabilidade
de A condicionada a B. Temos

,
) (
) (
) | (
B P
B A P
B A P

= . 0 ) ( > B P

A questo pede que o candidato calcule a probabilidade de a receita de vendas
num dado dia ser positiva sabendo-se que ela inferior a R$ 3.000,00 naquele
mesmo dia, ou seja, deve ser calculada a probabilidade condicional

P(receita de vendas > 0 | receita de vendas < R$ 3.000,00).

Ora, a probabilidade acima igual probabilidade

P(X > 0 | X < 3) = P[(X > 0) (X < 3)]/ P(X < 3),

em que X a varivel aleatria que denota o nmero de televisores modelo M
vendidos diariamente.

Precisamos encontrar o valor da incgnita p para resolver a questo. Para tal,
usaremos a equao

P(X) = 1

Ento,

p + 1,5p + 1,5p + p = 1 p = 1/5 = 0,20

Assim:

X 0 1 2 3
P(x) 0,20 0,30 0,30 0,20

P[(X > 0) (X < 3)] = P(X = 1) + P(X = 2) = 0,30 + 0,30 = 0,60

16
P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) = 0,20 + 0,60 = 0,80

Logo,

P(X > 0 | X < 3) = P[(X > 0) (X < 3)]/ P(X < 3) = 0,60/0,80 = 3/4
= 75%

GABARITO: E

16.1.3 Funo de Distribuio de Probabilidade

A funo de distribuio (ou acumulada) de probabilidade de uma
varivel aleatria discreta X definida pela expresso (memorize para a
prova!)

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

A figura a seguir mostra a funo de distribuio F(x) da varivel aleatria do
exemplo anterior.

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

16.1.4 Funes de Distribuio e de Densidade para Variveis
Contnuas

Diz-se que f(x) uma funo contnua de probabilidade ou funo densidade
de probabilidade 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.
17

A condio 2 dada pela integral (memorize para a prova!)

(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/2XT/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 ) ( ] [ .

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

18

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

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

A funo de distribuio de uma varivel aleatria contnua X tambm
definida por (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 (a expresso
matemtica da densidade normal ser fornecida mais adiante).

-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

19
-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) (memorize para a
prova!).

J caiu em prova! (BACEN/rea 2/2010/CESGRANRIO) A varivel
aleatria contnua x tem a seguinte funo de densidade de probabilidade:
k
x
x f =
12
) ( se 0 3 0 = x , para todos os outros valores de x.
Sendo k uma constante, seu valor igual a

A) 1
B) 3/4
C) 2/3
D) 5/24
E) 1/12

Resoluo

O enunciado est truncado, haja vista a descrio da funo densidade de
probabilidade ( k x x f = 12 / ) ( se 0 3 0 = x ?). A descrio correta seria:

k
x
x f =
12
) ( se 3 0 x e 0 ) ( = x f caso contrrio.

Isso j seria motivo suficiente para anular esta questo. No obstante,
prosseguiremos com a resoluo.

20

Para determinar o valor de k, basta lembrar que a rea sob a funo densidade
de probabilidade igual a 1. Logo,

1 ) ( =

dx x f .

Gostaramos de apresentar para vocs um bizu de integrao antes de
prosseguir com a resoluo da questo. De acordo com a frmula de Newton-
Leibniz, temos que

g(x)dx =
a
b
F(x)
a
b
= F(b) F(a),

em que F(x) = g(x), quando a x b. A funo F(x) denominada primitiva
de g(x).

Suponha que g(x) = x
3
, a=-1 e b=0. Logo, F(x) = x
4
/4, pois F(x) = 4x
(4-1)
/4 =
x
3
. Assim,

x3x
2
dx =
1
0
3x
3
dx =
1
0
3 x
3
dx
1
0
= 3
x
4
4
1
0
= 3
0
4
4
(1)
4
4

=
3
4

Podemos generalizar a integrao exemplificada acima para integrandos do
tipo g(x) = x
n
, em que n um valor inteiro:

g(x)dx =
a
b
x
n
dx =
a
b
x
n +1
n +1
a
b
=
b
n +1
n +1
a
n+1
n +1
.

Vamos retornar para a resoluo? Precisamos substituir a funo f(x) na
integral 1 ) ( =

dx x f . Note que f(x)=0 para x<0 e x>3.

1 0
12
0
3
3
0
0
= +

dx dx k
x
dx
1 0
12
0
3
0
= +
dx k
x

1 1
12
1
3
0
3
0
=

dx k dx x
1
2 12
1 3
0
3
0
2
=
x k
x

1 ) 0 3 (
2
0
2
3
12
1
2 2
=
k
21

1 3
24
9
= k
24
15
1
24
9
3 = = k
24
5
= k

A banca anulou a questo, pois no h alternativa com o valor
24
5
= k .

Um alerta: voc precisa estar preparado psicologicamente para enfrentar este
tipo de problema quando estiver numa situao real de prova. Resolva as
questes esquisitas no final da prova, aps ter solucionado todas as
questes que so de seu conhecimento, se houver tempo para isso.
Ns podemos errar questes difceis/esquisitas em uma prova de concurso
pblico. Porm, errar o que a gente sabe, mortal: leva no
aprovao/classificao.

GABARITO: ANULADA

J caiu em prova! (Analista/SUSEP/2006/ESAF) 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.

Resoluo

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):

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

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.
22

GABARITO: B

J caiu em prova! (SUSEP/Aturia/2010/ESAF) Sejam n variveis
aleatrias iid, isto , independentes e identicamente distribudas X
1
, X
2
,..., X
n

com funo densidade de probabilidade f(x) e funo de distribuio F(x), onde
- < x < . Considere uma nova varivel aleatria X
min
tal que X
min
> x se e
somente se X
i
> x para todo i, i = 1, 2, ..., n. Obtenha f
min
(x), a funo
densidade de probabilidade da varivel aleatria X
min
.

A) f
min
(x) = n(F(x))
n-1
f(x).
B) f
min
(x) = n(1 - F(x))
n-1
f(x).
C) f
min
(x) = 1 - (1 - F(x))
n
.
D) f
min
(x) = (F(x))
n
.
E) f
min
(x) = exp(-|x|)/2.

Resoluo

O enunciado diz que X
min
> x se e somente se X
i
> x para todo i, i = 1, 2, ...,
n. Logo,

P(X
min
> x) = P(X
1
> x) . P(X
2
> x) . P(X
n
> x)

Mas, P(X
i
> x) = 1 - P(X
i
x) = 1 - F(x), i = 1, 2, ..., n.

Ento, P(X
min
> x) = (1 F(x))
n
e

P(X
min
x) = F
min
(x) = 1 - (1 F(x))
n
.

A funo densidade de probabilidade corresponda derivada da funo
distribuio em relao a x. Portanto,

f
min
(x) = (F
min
(x)) = -n(1 F(x))
n-1
(1 F(x)) = -n(1 F(x))
n-1
(f(x))

(lembre que F(x) = f(x))

f
min
(x) = n(1 F(x))
n-1
f(x)

Nota: regra de derivao de uma funo composta:

f(x) = u[v(x)] f(x) = u[v(x)].v(x).

GABARITO: B

16.2 Valor Esperado

23

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 momentos ou mdias estatsticas. Na prtica, os
momentos mais importantes so a mdia (momento de 1 ordem) e a
varincia (momento de 2 ordem). 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 no captulo 14).

16.2.1 Mdia

A mdia (tambm conhecida como valor esperado ou esperana) 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
mdia caracteriza o centro de uma funo de probabilidade. A mdia
uma caracterstica numrica de uma funo de probabilidade.

Se X for uma varivel aleatria discreta 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 operador esperana matemtica. 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 infinito 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 contnua X com densidade de
probabilidade f
X
(x) dado pela integral

(8)

= dx x xf X E ) ( ] [ .

24

J caiu em prova! (AFRFB/2009/ESAF/adaptada) 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

Resoluo

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,

E[X] = x3x
2
dx =
1
0
3x
3
dx =
1
0
3 x
3
dx
1
0
.

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

E[X] = 3
x
4
4

(

(
1
0
= 3 0
(1)
4
4
|
\

|

|

(

( =
3
4

25

GABARITO: C

16.2.2 Valor Esperado de Uma Funo de Varivel Aleatria

Seja X uma varivel aleatria discreta 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 contnua 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:

1. c c E = ] [ a mdia de um nmero qualquer c o prprio nmero
c;
2. ] [ ] [ X cE cX E = a mdia de uma varivel multiplicada por um
nmero igual ao nmero multiplicado pela mdia de X;
3. ] [ ] [ 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.

16.2.3 Varincia

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

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

Note que
26

] [ ] 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 + = , pois 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
] [ ) var( X X E X = a varincia de X igual a mdia do quadrado de X
subtrada da mdia de X ao quadrado (memorize para a prova!).

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 raiz quadrada positiva da varincia chamada de desvio-padro ou
erro-padro, sendo denotada pelo smbolo (memorize para a prova!).

J caiu em prova! (AFRFB/2009/ESAF) A tabela mostra a distribuio de
freqncias relativas populacionais (f) de uma varivel X:

X f '
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

Resoluo

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.
27

Logo a = 0,1.

X f ' X.f ' X
2
.f '

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
Total 1 -0,5 3,7

Vimos que a mdia de uma varivel aleatria discreta calculada pela frmula
=
= + + + =
n
i
i i n n
1
2 1 1
) ( ) ( ... ) 2 ( ) ( ] [
Para a questo temos

5 , 0 6 , 0 1 , 0 2 , 1 ) ( ) 2 ( ) ( ] [
3 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
] [ ] [ ) var( X X E X
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
.

GABARITO: A

J caiu em prova! (Analista/rea 3/BACEN/2006/FCC) Um empresrio,
investindo em um determinado empreendimento, espera ter os seguintes
lucros em funo dos cenrios Bom, Mdio e Ruim:

Cenrio Lucro (R$) Distribuio de
Probabilidades do Cenrio
Bom R$ 8 000,00 0,25
Mdio R$ 5 000,00 0,60
Ruim R$ 2 000,00 0,15

A expectncia e a varincia do lucro so, em R$ e (R$)
2
, respectivamente,

A) 5 500,00 e 3 160,00
B) 5 300,00 e 3 510,00
C) 5 300,00 e 3 160,00
D) 5 000,00 e 3 510,00
E) 5 000,00 e 3 160,00

28

Resoluo

Expectncia: E(X)
Varincia: Var(X) = E(X
2
) - [E(X)]
2

E(X) = X.P(X) = 8 x 0,25 + 5 x 0,60 + 2 x 0,15 = 5,3 mil = 5.300,00

E(X
2
) = 8
2
x 0,25 + 5
2
x 0,60 + 2
2
x 0,15 = 31,6 mil

Var(X) = 31,6 5,3
2
= 3,51 mil = 3.510,00

GABARITO: B

16.3 Desigualdade de Chebyshev

A desigualdade de Chebyshev (ou Tchebysheff) fornece um limitante superior
da probabilidade de quanto uma varivel aleatria X pode desviar-se de sua
mdia .

Seja X uma varivel aleatria arbitrria com mdia e varincia
2
. Ento,
para qualquer > 0

. ] | [|
2
2
X P

Comentrios:

- Observe que o teorema de Chebyshev no requer que a distribuio de
probabilidades de X seja conhecida.
- Como = < } | {| } | {| X X (evento certo), segue-se que

. 1 ] | [|
2
2
< X P

s vezes, mais conveniente expressar em termos de , de forma que =
k, em que k um valor constante. Ento o teorema de Chebyshev pode ser
expresso nas formas equivalentes:

2
1
1 ] | [|
k
k X P <
2
1
] | [|
k
k X P

29
10 10.5 11 11.5 12 12.5 13 13.5 14
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
x
D
e
n
s
i
d
a
d
e
+ k - k
f(x)
P(X- < -k)
P(X- > k)

Note que a soma das reas azul e vermelha na figura acima 1/k
2
, pois o
limite superior da rea azul - k e o limite inferior da rea vermelha +
k. Por outro lado, a rea para |x - |> k sempre ser menor que 1/k
2
.

J caiu em prova! (AFPS/2002/ESAF) Sejam X
1
,...,X
n
observaes de um
atributo X. Sejam:

=
=
n
i
i
X
n
X
1
1
e
2
1
2
) (
1
=
=
n
i
i
X X
n
S

Assinale a opo correta.

A) Pelo menos 95% das observaes de X diferem de X em valor absoluto por
menos que 2S.
B) Pelo menos 99% das observaes de X diferem de X em valor absoluto por
menos que 2S.
C) Pelo menos 75% das observaes de X diferem de X em valor absoluto por
menos que 2S.
D) Pelo menos 80% das observaes de X diferem de X em valor absoluto por
menos que 2S.
E) Pelo menos 90% das observaes de X diferem de X em valor absoluto por
menos que 2S.

Resoluo

Note que todas as opes envolvem a seguinte frase padro: pelo menos Y%
das observaes de X diferem de X em valor absoluto por menos que 2S.
Vamos equacionar esta frase? Fica da seguinte forma:

30

% ] 2 | [| Y S X X P <

A expresso acima sugere que trata-se de uma questo que cobra a aplicao
da desigualdade de Chebyshev.

Vamos relembrar a definio da desigualdade? Seja X uma varivel aleatria
com mdia e varincia
2
. Ento, para qualquer > 0 valem as seguintes
relaes (memorize para a prova!):

2
2
] | [|
X P ou
2
2
1 ] | [|
< X P .

Observe que as expresses
=
=
n
i
i
X
n
X
1
1
e
2
1
2
) (
1
=
=
n
i
i
X X
n
S correspondem,
respectivamente, mdia aritmtica e a varincia de um conjunto de dados
X
1
,...,X
n
que foram vistas no Captulo 14. Suponha que voc tenha sua
disposio um nmero n muito grande de observaes da varivel aleatria X.
Neste caso, razovel supor que X e
2 2
S ( assim que a gente faz na
prtica!). Substituindo X ,
2 2
S e S 2 = na desigualdade, obtemos

2
2
) 2 (
1 ] 2 | [|
S
S
S X X P <
2
2
4
1 ] 2 | [|
S
S
S X X P <

4
1
1 ] 2 | [| < S X X P
4
3
] 2 | [| < S X X P
% 75 ] 2 | [| < S X X P

Conclumos que pelo menos 75% das observaes de X diferem de X em valor
absoluto por menos que 2S.

GABARITO: C

16.4 Anlise Combinatria

Nesta seo, estudaremos a anlise combinatria. Veremos diversos mtodos
de contagem e o nmero de possibilidades que podem ocorrer em eventos
incertos. A anlise combinatria corresponde a uma anlise quantitativa dos
problemas e calcula a quantidade de agrupamentos distintos que podem ser
formados a partir de um determinado nmero de elementos de um conjunto.

16.4.1 Conceitos Iniciais

Fatorial: seja n um nmero inteiro no negativo. O fatorial de n, representado
pelo smbolo n!, definido conforme abaixo:

n! = n.(n-1).(n-2).(n-3)....3.2.1
31

Exemplos:

I) 10! = 10.9.8.7.6.5.4.3.2.1 = 3.628.800
II) 9! = 9.8.7.6.5.4.3.2.1 = 362.880
III) 8! = 8.7.6.5.4.3.2.1 = 40.320
IV) 7! = 7.6.5.4.3.2.1 = 5.040
V) 6! = 6.5.4.3.2.1 = 720
VI) 5! = 5.4.3.2.1 =120
VII) 4! = 4.3.2.1 = 24
VIII) 3! = 3.2.1 = 6
IX) 2! = 2.1 = 2
X) 1! = 1
XI) 0! = 1 (por definio)

importante saber o conceito de fatorial para a prova, no porque cair
fatorial (na verdade, no vai cair uma questo especfica sobre fatorial na
prova), mas em virtude dos conceitos de Permutao, Arranjo e Combinao.
Portanto, memorize o que foi exposto acima.

Princpio Fundamental da Contagem (Regra do Produto): Caso um
evento qualquer ocorra em n etapas consecutivas e independentes da seguinte
maneira:

Primeira etapa: existem k
1
maneiras diferentes de ocorrer o evento.
Segunda etapa: existem k
2
Terceira etapa: existem k
3
(...)
Ensima etapa: existem k
n

Nmero Total de Maneiras de Ocorrer o Evento = k
1
.k
2
.k
3
.k
4
...k
n

Exemplo: as placas dos automveis do Brasil so compostas por trs letras e
quatro nmeros. Qual o nmero mximo de veculos que podem ser
licenciados pelo Detran, de acordo com esse padro de confeco das placas?

Nosso alfabeto possui 26 letras (A, B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q,
R, S, T, U, V, X, Y, W, Z). Ns utilizamos a base decimal, que possui 10
algarismos (0, 1, 2, 3, 4, 5, 6, 7, 8, 9).

A placa composta da seguinte maneira:

(Letra) (Letra) (Letra) (Nmero) (Nmero) (Nmero) (Nmero)

Exemplo: LAG 2134

32

Logo, para a primeira letra, temos 26 possibilidades, assim como para a
segunda e para a terceira. Para o primeiro nmero temos 10 possibilidades,
assim como para o segundo, para o terceiro e para o quarto.

Portanto, o nmero mximo de placas (veculos licenciados) seria:

(Letra) (Letra) (Letra) (Nmero) (Nmero) (Nmero) (Nmero)

26 x 26 x 26 x 10 x 10 x 10 x 10 = 26
3
x 10
4

Nmero Mximo de Placas = 175.760.000.

Tranquilo(a) at aqui? Ento vamos em frente.

16.4.2 Arranjos Simples

Uma coleo (ou conjunto) de n elementos constitui uma populao de
tamanho n (a ordem dos n elementos no importa). Duas populaes so
diferentes se uma contm pelo menos um elemento no contido na outra
(neste caso, diz-se que elas tm naturezas distintas). Uma subpopulao de
tamanho r de uma populao de tamanho n um subconjunto de r elementos
tomados da populao original. De forma anloga, duas subpopulaes so
diferentes, isto , tm naturezas distintas, se uma tem pelo menos um
elemento diferente da outra.

Seja uma populao de n elementos
n
s s s ,..., ,
2 1
. Qualquer arranjo ordenado
r
k k k
s s s ,..., ,
2 1
denominado uma amostra ordenada (arranjo ordenado) de
tamanho r.

Considere uma urna genrica contendo n bolas numeradas distintas. As bolas
so removidas uma a uma. Quantas amostras ordenadas distintas de
tamanho r podem ser formadas? H dois casos:

(i) Amostragem com reposio. Neste caso, temos n escolhas para a
primeira bola, n escolhas para a segunda bola, e assim sucessivamente. Deste
modo, h n
r
amostras ordenadas distintas de tamanho r.
(ii) Amostragem sem reposio. Neste caso, temos n escolhas para a
primeira bola, (n-1) escolhas para a segunda bola, e assim sucessivamente.
Deste modo, h
(14)
)! (
!
) 1 )...( 2 )( 1 (
,
r n
n
r n n n n A
r n
= + =
amostras ordenadas distintas de tamanho r.

A equao (14) a frmula do arranjo simples, pois fornece o nmero A
n,r

de agrupamentos (amostras) ordenados possveis de n elementos de
um conjunto, tomados r a r, considerando r elementos distintos.
33

Exemplo: o nmero de arranjos das letras a, b e c, tomadas duas de cada
vez, 6
1
1 2 3
)! 2 3 (
! 3
,
=

=
=
r n
A . So: ab, ba, ac, ca, bc, cb. Observe que um
arranjo leva em considerao a ordem de sua disposio.

Exemplo: suponha que o seu Internet Banking exija que voc cadastre uma
senha de seis dgitos, com as seguintes caractersticas:

s possvel utilizar os algarismos de 0 a 9; e
os dgitos devem ser distintos.

Qual o nmero mximo de senhas que voc pode criar?

Observe que a senha 012345 diferente da senha 102345, ou seja, a ordem
dos dgitos gera possibilidades diferentes. Alm disso, a senha 012345
diferente da senha 012346, ou seja, a natureza do elementos tambm gera
possibilidades diferentes.

Contudo, voc poderia perguntar: mas professores, preciso saber a frmula do
arranjo para resolver esta questo? A resposta no. Basta utilizar o que
temos que melhor: o raciocnio, ou se preferir, o raciocnio lgico.

A senha a ser criada ser formada por seis nmeros distintos. Repare que para
o dgito 1 (D1), temos 10 possibilidades (de 0 a 9). Contudo, para o dgito
2 (D2), como os nmeros devem ser distintos, teramos 9 possibilidades, pois
devemos retirar o nmero utilizado no dgito 1. Para o dgito 3 (D3),
teramos 8 possibilidades, e assim por diante.

Deste modo teramos,

10 x 9 x 8 x 7 x 6 x 5 = 151.200 senhas distintas.
(D1) (D2) (D3) (D4) (D5) (D6)

Viu como fcil! E nem foi necessrio usar a frmula do arranjo.

Mas, se voc fantico(a) por frmulas e prefere memoriz-las, obtemos o
mesmo resultado utilizando a frmula do arranjo simples (sabendo que as
possibilidades sero distintas em virtude da ordem e da natureza dos
elementos):

n = 10 algarismos
r = 6 dgitos (senha)

A
10,6

= n!/(n r)! = 10!/(10 6)! = 10!/4! = (10.9.8.7.6.5.4!)/4! = 151.200.

Nota: bizu de fatorial para a prova:
34

10! = 10.9! = 10.9.8! = 10.9.8.7! = 10.9.8.7.6! = 10.9.8.7.6.5! =
= 10.9.8.7.6.5.4! = 10.9.8.7.6.5.4.3! =
= 10.9.8.7.6.5.4.3.2! = 10.9.8.7.6.5.4.3.2.1

Generalizando:
n! = n.(n-1)! = n.(n-1).(n-2)! = n.(n-1).(n-2).(n-3)! = ...

16.4.3 Permutaes Simples

Quando os arranjos so formados por todos os elementos do conjunto dado e,
alm disso, diferem entre si somente em funo da ordem de seus
elementos, temos uma permutao simples. Assim, a permutao de n
elementos distintos, tomados n de cada vez, ser dada por

A
n,n
= n!/(n n)! = n!/0! = n!/1 = n! = P
n

Ressaltamos que, na permutao, os agrupamentos ou possibilidades sero
diferentes entre si pela ordem apenas.

Exemplo: seja o seguinte conjunto A = {1, 2, 3, 4}. Qual o nmero de
permutaes possveis de seus elementos?

n = 4 P
n
= n! P
4
= 4! = 4.3.2.1 = 24

Permutaes possveis (somente para conferncia):

{1, 2, 3, 4}
{1, 2, 4, 3}
{1, 3, 2, 4}
{1, 3, 4, 2}
{1, 4, 2, 3}
{1, 4, 3, 2}
{2, 1, 3, 4}
{2, 1, 4, 3}
{2, 3, 1, 4}
{2, 3, 4, 1}
{2, 4, 1, 3}
{2, 4, 3, 1}
{3, 1, 2, 4}
{3, 1, 4, 2}
{3, 2, 1, 4}
{3, 2, 4, 1}
{3, 4, 1, 2}
{3, 4, 2, 1}
{4, 1, 2, 3}
{4, 1, 3, 2}
{4, 2, 1, 3}
{4, 2, 3, 1}
{4, 3, 1, 2}
{4, 3, 2, 1}

Exemplo: suponha que voc e seus quatro primos compraram 5 passagens
areas para conhecer o pas ESFIO, que vieram com os seguintes assentos
marcados: 1A, 1B, 1C, 1D e 1E. Caso vocs quisessem trocar de lugar entre si,
sem considerar o nome de cada um nas passagens areas, de quantas formas
distintas vocs poderiam ocupar estes 5 lugares no avio?

Repare que a questo pede para calcular o nmero de possibilidades de cinco
primos se sentarem em cinco lugares diferentes. Ou seja, ns no temos como
variar a natureza do elementos, tendo em vista que so 5 pessoas que iro
sentar em 5 lugares. As possibilidades sero diferentes entre si apenas em
funo da ordem. Portanto, uma permutao.

35

Precisamos guardar a frmula da permutao? A resposta no, pois
possvel resolver sem frmula. Veja:

No lugar 1A poderia se sentar um dos 5 primos; no lugar 1B, teriam
apenas 4 primos com possibilidade de sentar, tendo em vista que um primo j
sentou no lugar 1A"; no lugar 1C, trs primos; no lugar 1D, dois primos;
e, finalmente, no lugar 1E, 1 primo.

Portanto, teramos:

(Lugar 1A) (Lugar 1B) (Lugar 1C) (Lugar 1D) (Lugar 1E)
5 x 4 x 3 x 2 x 1 = 120

Novamente, se voc fantico(a) por frmulas e prefere memoriz-las,
utilizando a frmula da permutao (sabendo que as possibilidades sero
distintas em virtude da ordem dos elementos):

P
5
= 5! = 5.4.3.2.1 = 120

Nota: Anagrama: palavra ou frase formada de outra por meio de
transposio de letras - como em Alice, Celia; Roma, amor; Pedro, poder; ou
Amrica, Iracema.

Exemplo: Determine o nmero de anagramas da palavra PODER.

PODER 5 letras n = 5 P
5
= 5! = 5.4.3.2.1 = 120

Nota: Permutaes Circulares: P
n
= n!/n = (n-1)! => normalmente, so
problemas que envolvem n pessoas em torno de uma mesa circular.

Exemplo: De quantas maneiras 5 pessoas (P1, P2, P3, P4 e P5) podem se
sentar ao redor de uma mesa circular?

n = 5 P
n
= (n-1)! = (5-1)! = 4! = 4.3.2.1 = 24 maneiras

Repare que, como as pessoas so colocadas ao redor da mesa, as arrumaes
{P1,P5,P4,P3,P2} e {P3,P2,P1,P5,P4} so iguais, pois, para cada pessoa
P1
P5
P3 P4
P2 P2
P3
P4
P5
P1
36
selecionada, os vizinhos esquerda e direita permanecem os mesmos. Deste
modo, podemos rodar com esta arrumao ao redor da mesa que a
arrumao no sofrer alterao.

Nota: Permutaes com elementos repetidos: neste caso, h um conjunto
de n elementos, com q elementos repetidos do tipo 1, r elementos repetidos
do tipo 2, s elementos repetidos do tipo 3, etc. Frmula:

P
n
(q,r,s,...) = n!/(q! r! s! ...)

Exemplo: Determine o nmero de anagramas da palavra RACIOCNIO.

Total de Letras em RACIOCNIO = 10
Letras repetidas:
I (3 vezes, considerando que = I) 3!
O (2 vezes) 2!
C (2 vezes) 2!
Total de Anagramas = 10!/(3!.2!.2!) = 151.200

16.4.4 Combinaes Simples

Suponha que desejamos saber o seguinte: quantas subpopulaes (grupos) de
tamanho r podem ser formadas a partir de uma populao de tamanho n? Por
exemplo, considere 6 bolas numeradas de 1 a 6. Quantos grupos de tamanho
2 podem ser formados? A tabela abaixo mostra que 15 grupos de tamanho 2
podem ser formados:

12 23 34 45 56
13 24 35 46
14 25 36
15 26
16

Note que isto diferente do nmero de amostras ordenadas que podem ser
formadas sem reposio (arranjos simples). A tabela a seguir mostra que A
6,2

= 6 x 5 = 30 arranjos podem ser obtidos:

12 21 31 41 51 61
13 23 32 42 52 62
14 24 34 43 53 63
15 25 35 45 54 64
16 26 36 46 56 65

A tabela acima, por sua vez, diferente do nmero de amostras que podem
ser formadas com reposio (6
2
= 36):

37
11 21 31 41 51 61
12 22 32 42 52 62
13 23 33 43 53 63
14 24 34 44 54 64
15 25 35 45 55 65
16 26 36 46 56 66

Note que os grupos da primeira tabela (aquela com 15 grupos) diferem entre
si somente em funo da natureza de seus elementos e que a ordem no
importa. Neste caso, diz-se que a primeira tabela relaciona as 15
combinaes (simples) possveis de n = 6 elementos tomados 2 a 2.
Adotaremos no restante desta aula a notao
n
r
C (ou C
n,r
) para a combinao
de n elementos tomados r a r.

Uma frmula geral para o nmero
n
r
C de combinaes de tamanho r em uma
populao de tamanho n pode ser deduzida como a seguir. Considere uma
urna com n bolas distintas. Ns j sabemos que o nmero de arranjos de n
elementos, tomados r de cada vez, A
n,r
. Agora considere uma subpopulao
especfica de tamanho r. Para esta subpopulao, h r! arranjos distintos.
Desta forma, para C
n,r
combinaes (subpopulaes) devem existir C
n,r
.r!
diferentes amostras ordenadas de tamanho r. Portanto,

(15) C
n,r
.r! = A
n,r

ou

(16)
= =
r
n
r r n
n
r
A
C
r n
r n
! )! (
!
!
,
,

A Eq. (16) define o coeficiente binomial.

Exemplo: seja conjunto A = {1, 2, 3, 4}. Qual o nmero de subconjuntos
possveis de seus elementos?

A questo pede o nmero de subconjuntos possveis. Portanto, pouco importa
a ordem, tendo que vista que o conjunto {1, 2, 3}, por exemplo, igual ao
conjunto {2, 1, 3}. Contudo, a natureza influencia nas possibilidades, pois o
conjunto {1, 2, 3}, por exemplo, diferente do conjunto {1, 2, 4}. Logo, deve
ser utilizada a combinao.

Neste caso fica mais fcil determinar todos os subconjuntos por nmero de
elementos, ou seja, o subconjunto vazio, os subconjuntos com 1 elemento, os
subconjuntos com 2 elementos, os subconjuntos com 3 elementos e os
subconjuntos com 4 elementos.

38

Subconjunto vazio: { } apenas 1 grupo. Vamos conferir pela frmula da
combinao? Neste caso seria a combinao de 4 elementos, tomados 0 a 0:

1
! 4 1
! 4
)! 0 4 ( ! 0
! 4
0 , 4
=
= C

Subconjuntos com 1 elemento: {1}, {2}, {3}, {4} 4 grupos. Vamos
conferir pela frmula da combinao? Neste caso seria a combinao de 4
elementos, tomados 1 a 1.

4
! 3 1
! 4
)! 1 4 ( ! 1
! 4
1 , 4
=
= C

Subconjuntos de 2 elementos: {1,2}, {1,3}, {1,4}, {2,3}, {2,4}, {3,4}
6 grupos. Vamos conferir pela frmula da combinao? Neste caso seria a
combinao de 4 elementos, tomados 2 a 2:

6
2
3 4
! 2 ! 2
! 4
)! 2 4 ( ! 2
! 4
2 , 4
=
= C

Repare que aqui no importa a ordem, tendo em vista que, por exemplo, o
subconjunto {1,2} igual ao subconjunto {2,1}:

Subconjuntos de 3 elementos: {1,2,3}, {1,2,4}, {1,3,4}, {2,3,4} 4
grupos. Vamos conferir pela frmula da combinao? Neste caso seria a
combinao de 4 elementos, tomados 3 a 3:

4
! 1 ! 3
! 4
)! 3 4 ( ! 3
! 4
3 , 4
=
= C

Subconjuntos de 4 elementos: {1,2,3,4} apenas 1 grupo. Vamos conferir
pela frmula da combinao? Neste caso seria a combinao de 4 elementos,
tomados 4 a 4.

1
! 0 ! 4
! 4
)! 4 4 ( ! 4
! 4
4 , 4
=
= C

Logo, o nmero total de subconjuntos : 1 + 4 + 6 + 4 + 1 = 16.

Neste exemplo, foi fcil achar os subconjuntos e nem precisvamos da frmula
da combinao. S fizemos o clculo com a frmula para voc ver como
feito. Contudo, se a questo pedisse, por exemplo, os subconjuntos do
conjunto {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}, a coisa ficaria bem mais complicaria
e seria mais fcil utilizar a frmula da combinao.

Nota: Repare que propriedade interessante:
39
No exemplo anterior:
C
4,0
= C
4,4
C
4,1
= C
4,3

Logo, generalizando, teramos:
C
n,0
= C
n,n
C
n,1
= C
n,n-1
C
n,2
= C
n,n-2
C
n,3
= C
n,n-3
(....)

Exemplo: quantos grupos distintos de 3 pessoas podemos fazer com Joo,
Maria, Jos, Mrio e Joana?

Quando formamos grupos de pessoas, no importa a ordem, pois o grupo
Maria, Jos e Mrio, por exemplo, igual ao grupo Jos, Maria e Mrio.
Contudo, a natureza importa, tendo em vista que o grupo Joo, Maria e Jos,
por exemplo, diferente do grupo Joo, Maria e Joana.

Portanto, teremos uma combinao de 5 pessoas (Joo J1, Maria M1, Jos
J2; Mrio M2 e Joana J3), tomadas 3 a 3 (o exemplo pede grupos
distintos de 3 pessoas):

10
1 2 ! 3
! 3 4 5
! 2 ! 3
! 5
)! 3 5 ( ! 3
! 5
3 , 5
=

=
= C

Combinaes possveis (somente para conferncia):

{J1,M1,J2}
{J1,M1,M2}
{J1,M1,J3}
{J1,J2,M2}
{J1,J2,J3}
{J1,M2,J3}
{M1,J2,M2}
{M1,J2,J3}
{M1,M2,J3}
{J2,M2,J3}

Note que o grupo {J1,M1,J2} equivalente ao grupo {M1,J2,J1}, pois a ordem
no importa neste caso.

Exemplo: voc est se preparando para realizar a prova de Raciocnio Lgico-
Quantitativo do prximo concurso pblico e estabeleceu como objetivo resolver
(e acertar) 16 das 20 questes possveis. Quantos grupos de 16 questes
podero ser selecionadas?

A ordem das questes no importa. Contudo, a natureza importa, pois voc
pode, por exemplo, em uma possibilidade, acertar as questes de 1 a 16 e, em
outra possibilidade, acertar as questes de 1 a 15 e 17. Logo, no podemos
40

utilizar o conceito da permutao, mas sim o da combinao das 20 questes
da prova, tomadas 16 a 16:

845 . 4
1 2 3 4
17 18 19 20
1 2 3 4 ! 16
! 16 17 18 19 20
)! 16 20 ( ! 16
! 20
16 , 20
=

=

=
= C

MAIS EXEMPLOS ...

Bom, s h um jeito de fixarmos os conceitos de Arranjo, Permutao e
Combinao. E que jeito este? Vamos dar uma pista: como o Csar Cielo faz
para melhorar seus tempos na natao? Treina muito, certo? Pois isto que
vamos fazer na sequncia, treinar por meio de mais exemplos.

a maneira mais eficaz de voc bater seu recorde na prova e ser aprovado(a).
E esta dica serve para todas as matrias. Nesta matria ento, nem se fala!
No h maneira mais eficaz de aprender raciocnio lgico, matemtica
financeira, estatstica e matemtica que no seja fazendo muitos exerccios.

Exemplo: Hildemar possui quatro pares de tnis e cinco pares de meias
distintos. De quantas maneiras diferentes ele poder sair, utilizando um par de
tnis e um par de meias?

Princpio Fundamental da Contagem
Possibilidades de escolha do tnis = 4
Possibilidades de escolha das meias = 5

Nmero total de Possibilidades = 4 x 5 = 20 maneiras diferentes.

Exemplo: quantos nmeros de cinco algarismos possvel formar, com
algarismos distintos, considerando que o algarismo 2 ficar sempre na
segunda posio?

Base decimal: 10 algarismos (0,1,2,3,4,5,6,7,8,9)

Para formar nmeros de 5 algarismos, o algarismo 0 no pode aparecer
esquerda, pois, neste caso, o nmero seria de quatro algarismos (Ex: 01.234
= 1.234);

Posio 5 = 8 possibilidades (total de algarismo menos o 2, que ficar na
posio 2 e menos o 0, que no pode aparecer esquerda).
posio 2, e menos o algarismo colocado na posio 5. Aqui, o 0 pode
aparecer).
posio 2, e menos os algarismos colocados nas posies 5 e 4).
41

Posio 2 = 1 possibilidade (algarismo 2)
Posio 1 = 6 possibilidades (total de algarismo menos o 2, que ficou na
posio 2, e menos os algarismos colocados nas posies 5, 4 e 3).

Total de nmeros = 8 x 8 x 7 x 1 x 6 = 2.688.

Exemplo: em uma sala com 5 portas, de quantos modos distintos Hildemar
pode ingressar na sala e sair dela utilizando portas diferentes?

Entrar na Sala = 5 possibilidades (5 portas)
Sair da Sala = 4 possibilidades (a porta de sada deve ser distinta da porta de
entrada)

Total = 5 x 4 = 20 possibilidades

Exemplo: quantos anagramas da palavra PODER iniciam-se com a letra P?

Total de Letras = 5 (P,O,D,E,R)
Neste exemplo, devemos fixar a letra P na primeira posio.

Posio 1 = 1 possibilidade (P)
Posio 2 = 4 possibilidades (total de letras menos a letra da posio 1)
Posio 3 = 3 possibilidades (total de letras menos as letras das posies 1 e
2)
Posio 4 = 2 possibilidades (total de letras menos as letras das posies 1, 2
e 3)
Posio 5 = 1 possibilidade (total de letras menos as letras das posies 1, 2,
3 e 4)

Total = 1.4.3.2.1 = 24 anagramas

Outra soluo:

como a letra P fixa na primeira posio, poderamos, ento, considerar que
s temos 4 letras para formar os anagramas:
P
4
= 4! = 4.3.2.1 = 24 anagramas

Exemplo: quantos times de futebol de 11 jogadores podemos formar a partir
de um processo seletivo de 15 atletas?

Nesta questo, a ordem no importa. No faz diferena a ordem que os atletas
so selecionados, pois o time seria o mesmo. Logo, temos uma combinao.

42
365 . 1
1 2 3 4
12 13 14 15
1 2 3 4 ! 11
! 11 12 13 14 15
)! 11 15 ( ! 11
! 15
11 , 15
=

=

=
= C times

Exemplo: em uma prova de natao, h 8 competidores. De quantas
maneiras distintas podem ser conquistadas as medalhas de ouro, prata e
bronze?

Medalha de Ouro = 8 possibilidades (8 nadadores)
Medalha de Prata = 7 possibilidades (8 nadadores menos aquele que ganhou a
medalha de ouro)
Medalha de Bronze = 6 possibilidades (8 nadadores menos aqueles que
ganharam as medalhas de ouro e de prata)

Total = 8 x 7 x 6 = 336 maneiras.

Exemplo: quantos nmeros de 4 algarismos distintos, maiores que 5.000,
podemos formar com os algarismos 2, 3, 5, 6, 8 e 9?

Total de algarismos disposio = 6
Como o nmero deve ser maior que 5.000, o primeiro algarismo deve ser
maior ou igual a 5 (5, 6, 8 ou 9 4 algarismos).

Posio 4 = 4 possibilidades (4 algarismos maiores ou iguais a 5)
Posio 3 = 5 possibilidades (total de algarismos menos o algarismo utilizado
na posio 4)
Posio 2 = 4 possibilidades (total de algarismos menos os algarismos
utilizados nas posies 4 e 3)
Posio 1 = 3 possibilidades (total de algarismos menos os algarismos
utilizados nas posies 4, 3 e 2)

Total = 4.5.4.3 = 240 algarismos.

Exemplo: quantos anagramas da palavra UNIVERSO podemos formar, de
modo que as letras UNI fiquem juntas nessa ordem?

Total de letras = 8 (U,N,I,V,E,R,S,O todas distintas)
Nesta questo, as letras UNI devem ficar juntas nessa ordem, mas em
qualquer posio. Portanto, basta considerar UNI como uma nica letra.

Total de letras recalculado (UNI,V,E,R,S,O) = 6 letras
Letra 1 = 6 possibilidades
Letra 2 = 5 possibilidades (total de letras recalculado menos a letra 1)
Letra 3 = 4 possibilidades (total de letras recalculado menos as letras 1 e 2)
Letra 4 = 3 possibilidades (total de letras recalculado menos as letras 1,2 e 3)
43

Letra 5 = 2 possibilidades (total de letras recalculado menos as letras 1,2,3 e
4)
Letra 6 = 1 possibilidade (total de letras recalculado menos as letras 1,2,3,4 e
5)

Total = 6.5.4.3.2.1 = 720 anagramas

ou

P
6
= 6! = 6.5.4.3.2.1 = 720 anagramas

Exemplo: quantos anagramas da palavra UNIVERSO podemos formar, de
modo que as letras UNI fiquem juntas, em qualquer ordem?

Vimos, no exemplo anterior, que teramos 720 anagramas possveis da palavra
UNIVERSO, com as letras UNI juntas, nessa ordem.

Agora, neste exemplo, as letras UNI continuam juntas, mas em qualquer
ordem. Neste caso, basta multiplicar o resultado do exemplo anterior pelas
possibilidades de anagramas destas trs letras:

Possibilidades de anagramas utilizando: U, N e I.
Letra 1 = 3 possibilidades
Letra 2 = 2 possibilidades (total de letras recalculado menos a letra 1)
Letra 3 = 1 possibilidades (total de letras recalculado menos as letras 1 e 2)
Total = 3.2.1 = 6 anagramas

Total de Anagramas de UNIVERSO com UNI juntas em qualquer ordem:

Total = 720 x 6 = 4.320 anagramas

Exemplo: quantos nmeros de 5 algarismos podemos formar com os
algarismos 1, 3, 4, 6, 8 e 9, de modo que pelo menos um desses algarismos
aparea mais de uma vez?

Total de algarismos = 6
Exemplos de nmeros que satisfazem a condio do problema: 66.666,
88.138, 44.334, 99.999, 88.881, etc.

Total de nmeros com 5 algarismos = 6.6.6.6.6 = 7.776
Total de nmeros com 5 algarismos distintos = 6.5.4.3.2 = 720

Logo, o total de nmeros em que pelo menos um dos algarismos aparea mais
de uma vez justamente a diferena entre o total de nmeros com 5
algarismos e o total de nmeros com 5 algarismos distintos:

44
Total de Nmeros (pelo menos um dos algarismos repetido) = 7.776 720 =
7.056

Exemplo: se um ratinho quer ir do ponto A ao ponto B, onde h um
delicioso queijo, mas s pode andar para cima ou para a direita (um
movimento de cada vez), por quantos caminhos distintos poder completar
este trajeto?

Como cada passo leva o ratinho para um cruzamento entre linha e coluna, no
importa o caminho escolhido pelo ratinho, pois ele, necessariamente, ter que
passar por oito cruzamentos entre linha e coluna para se deslocar no ponto A
para o ponto B.

Um dos caminhos possveis seria o indicado pela figura abaixo.

Logo, teremos uma permutao de oito alternativas para formar os caminhos,
sendo que, em cada uma delas, h quatro repeties de movimentos para
cima e quatro repeties de movimentos para a direita. Portanto, seria uma
permutao com elementos repetidos:

70
1 2 3 4
5 6 7 8
1 2 3 4 ! 4
! 4 5 6 7 8
! 4 ! 4
! 8
) 4 , 4 (
8
=

=

=
= P caminhos distintos

Exemplo: os amigos Katya, Maria, Deborah, Junior, Vitor, Patrick e Priscilla
iro ocupar sete lugares de uma mesma fileira em um espetculo do Circo
Kaprisma. Determine de quantos modos esses lugares podero ser ocupados,
sabendo-se que os lugares das extremidades devero ser ocupados por
meninos.

Total de Amigos = 7
Meninos = Junior (J), Vitor (V) e Patrick (P) = 3
Meninas = Katya (K), Maria (M), Deborah (D) e Priscilla (P) = 4

Lugar 1 (extremidade): 3 possibilidades (J, V ou P => somente meninos)
A
B
A
B
45
Lugar 2: 5 possibilidades (total menos os meninos das extremidades)
Lugar 3: 4 possibilidades (total menos os meninos das extremidades e a
pessoa do lugar 2)
Lugar 4: 3 possibilidades (total menos os meninos das extremidades e as
pessoas dos lugares 2 e 3)
pessoas dos lugares 2, 3 e 4)
pessoas dos lugares 2, 3, 4 e 5)
Lugar 7 (extremidade): 2 possibilidades (J, V ou P menos o menino do lugar 1)

Total = 3 x 5 x 4 x 3 x 2 x 1 x 2 = 720 modos

Exemplo: considere duas retas r e s, paralelas. Na reta r h 4 pontos e
na reta s h 5 pontos. Quantos tringulos distintos possvel formar unindo-
se quaisquer trs dos 9 pontos disponveis?

Observe que no poderemos ter agrupamentos de trs pontos na mesma reta,
pois no seria um tringulo.

Portanto, para formar os tringulos, teramos:

Hiptese 1: Dois pontos na reta s e um ponto na reta r
Ponto 1 = 5 possibilidades (5 pontos da reta s)
Ponto 2 = 4 possibilidades (4 pontos da reta r)
Ponto 3 = 4 possibilidades (4 pontos restantes da reta s)
n
o
de possibilidades = 5 x 4 x 4 = 80 (mas h redundncia, como ser
explicado no prximo pargrafo).

Alm disso, temos que eliminar as repeties. Por exemplo, os tringulos
s
1
r
2
s
2
e s
2
r
2
s
1
so o mesmo tringulo. Logo, para cada tringulo formado,
h um outro igual, e temos que dividir o total por 2 TOTAL 1 = 80/2 = 40

Hiptese 2: Dois pontos na reta r e um ponto na reta s
Ponto 1 = 4 possibilidades (4 pontos da reta r)
Ponto 2 = 5 possibilidades (5 pontos da reta s)
Ponto 3 = 3 possibilidades (2 pontos restantes da reta r)
n
o
de possibilidades = 4 x 5 x 3 = 60

s
1
s
2
s
3
s
4
s
5
r
1
r
2
r
3
r
4
46

Tambm preciso eliminar as repeties. Por exemplo, os tringulos r
1
s
2
r
2
e
r
2
s
2
r
1
so o mesmo tringulo. Logo, para cada tringulo formado, h um
outro igual e temos que dividir o total por 2 TOTAL 2 = 60/2 = 30

Total de Tringulos Formados = TOTAL 1 + TOTAL 2 = 40 + 30 = 70

J caiu em prova! (Fiscal de Rendas do Municpio do RJ/2010/ESAF) O
departamento de vendas de imveis de uma imobiliria tem 8 corretores,
sendo 5 homens e 3 mulheres. Quantas equipes de vendas distintas podem ser
formadas com 2 corretores, havendo em cada equipe pelo menos uma mulher?

A) 15
B) 45
C) 31
D) 18
E) 25

Resoluo

As equipes podem ter 1 mulher e 1 homem (M, H) ou 2 mulheres (M, M).

O nmero de equipes do tipo (M, H) dado por 3 x C
5,1
, em que o fator 3
representa o nmero de mulheres e C
5,1
corresponde ao nmero de equipes
distintas formadas por homens.

O nmero de equipes do tipo (M, M) dado por C
3,2
, em que C
3,2
denota o
nmero de equipes distintas formadas por mulheres.

O nmero n de equipes de vendas distintas que podem ser formadas com 2
corretores, havendo em cada equipe pelo menos uma mulher ento dado por

n = (3 x C
5,1
) + C
3,2
= (3 x 5!/4!) + (3!/2!) = (3 x 5) + 3 = 18

GABARITO: D

J caiu em prova! (AFRFB/2009/ESAF) Sabe-se que os pontos A, B, C, D,
E, F e G so coplanares, ou seja, esto localizados no mesmo plano. Sabe-se,
tambm, que destes sete pontos, quatro so colineares, ou seja, esto numa
mesma reta. Assim, o nmero de retas que ficam determinadas por estes sete
pontos igual a:

A) 16
B) 28
C) 15
D) 24
47

E) 32

Resoluo

A,B,C, D, E, F e G so coplanares esto no mesmo plano
4 destes pontos so colineares esto numa mesma reta

I Total de Retas Possveis (considerando pontos no colineares)

A ordem no importa, pois a reta AB, por exemplo, seria igual a reta BA.
Contudo, a natureza importa, pois a reta AB diferente da reta AC. Devemos
calcular a combinao de 7 pontos, tomados 2 a 2.

N
I
= 21
2
6 7
! 5 1 2
! 5 6 7
! 5 ! 2
! 7
)! 2 7 ( ! 2
! 7
2 , 7
=
=

=
=

= C

II Total de Retas formadas por 4 pontos no colineares

N
II
= 6
2
3 4
1 2 ! 2
! 2 3 4
! 2 ! 2
! 4
)! 2 4 ( ! 2
! 4
2 , 4
=
=

=
=

= C

III Total de Retas formadas por 4 pontos colineares

Se os pontos so colineares, j esto na mesma reta N
III
= 1 reta.

Nmero N de Retas determinadas pelos 7 pontos:

N = N
I
N
II
+ N
III
= C
7,2
C
4,2
+ 1 = 21 6 + 1 N = 16

GABARITO: A

J caiu em prova! (APO/2010/ESAF) Beatriz fisioterapeuta e iniciou em
sua clnica um programa de reabilitao para 10 pacientes. Para obter
melhores resultados neste programa, Beatriz precisa distribuir esses 10
pacientes em trs salas diferentes, de modo que na sala 1 fiquem 4 pacientes,
na sala 2 fiquem 3 pacientes e na sala 3 fiquem, tambm, 3 pacientes. Assim,
o nmero de diferentes maneiras que Beatriz pode distribuir seus pacientes,
nas trs diferentes salas, igual a:

A) 2.440
B) 5.600
C) 4.200
D) 24.000
E) 42.000

48

Resoluo

Ser adotada a notao
r n
n
r
C C
,
=

Sala 1: C
10,4
= 10!/(4! X 6!) = 10 x 9 x 8 x 7/(4 x 3 x 2 x 1) = 210
Sala 2: C
6,3
= 6!/(3! X 3!) = 6 x 5 x 4/(3 x 2 x 1) = 20
Sala 3: C
3,3
= 3!/(3! X 0!) = 1

Total de Possibilidades = 210 x 20 x 1 = 4.200

GABARITO: C

J caiu em prova! (APO/2010/ESAF) Em uma pequena localidade, os
amigos Arnor, Bruce, Carlo, Denlson e Eleonora so moradores de um bairro
muito antigo que est comemorando 100 anos de existncia. Dona Matilde,
uma antiga moradora, ficou encarregada de formar uma comisso que ser a
responsvel pela decorao da festa. Para tanto, Dona Matilde selecionou, ao
acaso, trs pessoas entre os amigos Arnor, Bruce, Carlo, Denlson e Eleonora.
Sabendo-se que Denlson no pertence comisso formada, ento a
probabilidade de Carlo pertencer comisso , em termos percentuais, igual
a:

A) 30 %
B) 80 %
C) 62 %
D) 25 %
E) 75 %

Resoluo

A probabilidade de Carlo pertencer comisso dada pela razo (vide item
15.1 da aula passada)

P = (n
o
de resultados favorveis)/(n
o
de resultados possveis).

Sabe-se que foi formada uma comisso de 3 pessoas entre 5, com a restrio
de que Denilson no pertence comisso. Ento o n
o
de resultados possveis
(= nmero de elementos do espao amostral do experimento aleatrio) igual
ao nmero de comisses de 3 pessoas que podem ser formadas sem o
Denilson (neste caso temos uma populao de n=4 pessoas):

C
4,3
= 4!/(3! X 1!) = 4.

O n
o
de resultados favorveis igual ao nmero de comisses de 3 pessoas
que poderiam ser formadas com a presena do Carlo:
49

C
3,2
= 3!/(2! X 1!) = 3.

Logo, P = 3/4 = 75%.

GABARITO: E

J caiu em prova! (APO/2010/ESAF) As apostas na Mega-Sena consistem
na escolha de 6 a 15 nmeros distintos, de 1 a 60, marcados em volante
prprio. No caso da escolha de 6 nmeros tem-se a aposta mnima e no caso
da escolha de 15 nmeros tem-se a aposta mxima. Como ganha na Mega-
sena quem acerta todos os seis nmeros sorteados, o valor mais prximo da
probabilidade de um apostador ganhar na Mega-sena ao fazer a aposta
mxima o inverso de:

A) 20.000.000.
B) 3.300.000.
C) 330.000.
D) 100.000.
E) 10.000.

Resoluo

A probabilidade de uma pessoa que fez a aposta mxima acertar na Mega-
Sena dada por

P = (n
o
de resultados favorveis)/(n
o
de resultados possveis).

Como a gente determina o n
o
de resultados possveis? Basta pensar no
experimento aleatrio sorteio da Mega-Sena. Sabemos que so escolhidos,
por ocasio do sorteio, 6 nmeros de forma aleatria. Assim, o n
o
de
resultados possveis (= nmero de elementos do espao amostral) dado por
C
60,6
, que representa o nmero de enuplas (ou vetores) com 6 elementos que
podem ser obtidas a partir de 60 nmeros.

E o n
o
de resultados favorveis? Se voc parar para pensar um pouco a
respeito, chegar a concluso que o n
o
de resultados favorveis igual ao
nmero de enuplas com 6 elementos que podem ser obtidas a partir de uma
aposta com 15 nmeros, ou seja, C
15,6
.

000 . 000 . 50
2 3 4 5 6 ! 54
! 54 55 56 57 58 59 60
! 54 ! 6
! 60
6 , 60

=
= C (o n
o
exato 50.063.860)

000 . 5
2 3 4 5 6 ! 9
! 9 10 11 12 13 14 615
! 9 ! 6
! 15
6 , 15

=
= C (o n
o
exato 5.005)
50

000 . 10
1
000 . 10 000 . 5
000 . 5
000 . 000 . 50
000 . 5
6 , 60
6 , 15
=
= = =
C
C
P 000 . 10 / 1 = P

Nota: voc acabou de aprender como calculada a tabela abaixo, que pode
ser encontrada no site da Caixa Econmica Federal:

PROBABILIDADE DE ACERTO NA MEGA-SENA
Quantidade de
nmeros jogados
Valor da
Aposta (R$)
Probabilidade de acerto
(1 em ...)
6 2,00 50.063.860
7 14,00 7.151.980
8 56,00 1.787.995
9 168,00 595.998
10 420,00 238.399
11 924,00 108.363
12 1.848,00 54.182
13 3.432,00 29.175
14 6.006,00 16.671
15 10.010,00 10.003

Observe que uma aposta na Mega-Sena com 15 nmeros custa R$ 10.010,00.
O preo justificado pela probabilidade de acerto, que de aproximadamente
1 em 10.000, como calculado nesta questo.

GABARITO: E

Um resultado que pode ser visto como uma extenso do coeficiente binomial
dado a seguir.

Seja
k
r r r ,..., ,
2 1
um conjunto de inteiros no negativos tais que n r r r
k
= + + + ...
2 1
.
Ento o nmero de maneiras em que uma populao de n elementos pode ser
particionada em k subpopulaes, em que a primeira subpopulao tem
1
r
elementos, a segunda subpopulao tem
2
r elementos, e assim
sucessivamente

(17)
! !... !
!
2 1 k
r r r
n
.

A Eq. (17) define o coeficiente multinomial.

51
Exemplo: temos cinco bolas numeradas distintas (1, 2, 3, 4, 5) e queremos
saber quantas subpopulaes podem ser formadas com trs bolas no primeiro
grupo e duas no segundo grupo. Aqui n = 5, r
1
= 3 e r
2
= 2, e r
1
+ r
2
= 5. A
resposta 5!/(3!2!)=10 e as parties so:

Grupo 1:
1,2,3 2,3,4 3,4,5 4,5,1 5,1,2 2,4,5 2,3,5 1,3,5 1,3,4 1,2,4
Grupo 2:
4,5 5,1 1,2 2,3 3,4 1,3 1,4 2,4 2,5 3,5

Note que a ordem da subpopulao essencial no sentido de que (r
1
= 3 e r
2

= 2) e (r
1
= 2 e r
2
= 3) representam parties diferentes. Entretanto, a ordem
dentro de cada grupo no importa. Com (r
1
= 2 e r
2
= 3) obtemos a partio:

Grupo 1:
4,5 5,1 1,2 2,3 3,4 1,3 1,4 2,4 2,5 3,5
Grupo 2:
1,2,3 2,3,4 3,4,5 4,5,1 5,1,2 2,4,5 2,3,5 1,3,5 1,3,4 1,2,4

A partio (4,5), (1,2,3) , contudo, idntica partio (5,4), (2,1,3).

Os coeficientes binomial e multinomial aparecem nas leis de probabilidade
binomial e multinomial que sero discutidas na prxima seo.

16.5 Distribuies de Probabilidade

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

16.5.1 Distribuies Discretas

Distribuio Binomial

Considere os seguintes experimentos aleatrios 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.

Cada um desses experimentos aleatrios pode ser pensado como consistindo
em uma srie de tentativas aleatrias e repetidas: 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.

52

Uma tentativa com somente dois resultados possveis denominada tentativa
de Bernoulli. 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.

Definio:

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 p

chamado de experimento de Bernoulli (ou Binomial). A varivel
aleatria X, que conta o nmero de sucessos em n tentativas, tem
distribuio binomial (ou de Bernoulli) com parmetros p e n. A funo de
probabilidade de X (distribuio binomial)

(18)
x n x
p p
x
n
x f

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

Memorize (18) para a prova! Se fizermos (1-p) = q ( a probabilidade de
insucesso em uma tentativa) em (18), obtemos

(19)
x n x
q p
x
n
x f

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

Alguns autores optam por definir a distribuio binomial (18) como a
probabilidade de se ter k sucessos em n tentativas:

k n k
p p
k
n
k X P

= = ) 1 ( ) ( .

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

53
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 Tabela a seguir fornece a mdia, a varincia e o desvio padro da
Distribuio Binomial (memorize para a prova!).

Tabela: Caracterizao da Binomial

Mdia
np X E = ) (
Varincia
npq X Var = ) (
Desvio Padro
npq X = ) (

Exemplo. 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 .

Exemplo. A probabilidade de obter pelo menos 5 caras em 6 lances de uma
moeda no viciada

P(X=5 ou X=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

J caiu em prova! (ICMS-RJ/2010/FGV). 40% dos eleitores de uma certa
populao votaram, na ltima eleio, num certo candidato A. Se cinco
eleitores forem escolhidos ao acaso, com reposio, a probabilidade de que
trs tenham votado no candidato A igual a:

A) 12,48%.
B) 17,58%.
C) 23,04%.
54

D) 25,78%.
E) 28,64%.

Resoluo

A probabilidade de que trs eleitores tenham votado no candidato A (k=3
sucessos) em n=5 tentativas, sendo p=0,4 (probabilidade de sucesso),
dada pela distribuio binomial

P(X = k) =
n
k

p
k
(1 p)
nk

Logo,

P(X = 3) =
5
3

0, 4
3
(10, 4)
2
= 23,04%

GABARITO: C

J caiu em prova! (Analista/SUSEP/2006/ESAF). 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.
55
(E) Pouco Provvel.

Resoluo

O problema uma mera aplicao da Lei Binomial. Seja X 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 = = =
x
q . Lembre que a distribuio
binomial dada pela frmula (probabilidade de X = k sucessos)

k n
x
k
x
q q
k
n
k 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(X = 10):

-
10
200
representa um nmero muito grande;
- 0,02
10
representa um nmero absurdamente prximo de zero, ou seja,
um infinitesimal;
- 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 valor 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

Distribuio Multinomial
56

A Lei de probabilidade Multinomial uma generalizao da Lei
Binomial (18). A Lei Binomial baseada na noo de tentativa de Bernoulli,
em que somente dois resultados elementares so possveis (ou seja, uma
tentativa de Bernoulli binria). A Lei Multinomial baseada em uma
tentativa generalizada de Bernoulli em que k resultados elementares so
possveis. Ento, considere um experimento aleatrio que consiste de uma
nica tentativa com k resultados elementares possveis
k
,..., ,
2 1
. Seja a
probabilidade do resultado
i
dada por
i
p (i=1,2,...,k). Ento

(20) , 0
i
p e
=
=
k
i
i
p
1
1.

Definio:

Considere uma tentativa generalizada de Bernoulli com resultados
k
,..., ,
2 1
e
seja a probabilidade de observar
i
dada por
i
p , i=1,2,...,k. A probabilidade
de que em n tentativas
1
ocorra
1
x vezes,
2
ocorra
2
x vezes, e assim
sucessivamente,

(21)
k
x
k
x x
k
p p p
x x x
n
x f ...
! !... !
!
) (
2 1
2 1
2 1
=

em que x o vetor de variveis ] ,..., , [
2 1 k
x x x x = .

Nota: a distribuio multinomial multidimensional, com dimenso k, uma vez
que depende de k variveis aleatrias,
k
x x x ,..., ,
2 1
.

Exemplo. Das ligaes feitas para o nmero 190 no Estado de So Paulo,
60% solicitam o socorro da polcia, 25% requisitam uma ambulncia e 15%
reportam a ocorrncia de crimes. Qual a probabilidade de que, nas prximas
dez chamadas, seis chamem a polcia, trs solicitem uma ambulncia e uma
denuncie a ocorrncia de um crime?

Dados: n = 10, ] 1 , 3 , 6 [ = x , p
1
=0,6, p
2
=0,25 e p
3
=0,15. Ento

. 092 , 0 ) 15 , 0 ( ) 25 , 0 ( ) 6 , 0 (
! 1 ! 3 ! 6
! 10
]) 1 , 3 , 6 [ (
1 3 6
= = x f

J caiu em prova! (Analista da SUSEP/Aturia/2001/ESAF) Uma firma
classifica suas contas a receber em tres tipos A, B e C. Tem-se informaco de
que 50% das contas a receber so do tipo A, 20% so do tipo B e 30% do tipo
C. Para fins de avaliaco, toma-se uma amostra ao acaso de 5 dessas contas.
Suponha que o processo amostral no altere as proporces existentes de
57

contas dos tipos A, B e C de modo significante. Assinale a opco que
corresponde probabilidade de que, na amostra de 5, 2 (duas) das contas
sejam do tipo A, 1 (uma) do tipo B e 2 (duas) do tipo C.

A) 15/17
B) 23/221
C) 4/15
D) 3/7
E) 27/200

Resoluo

Dados: n = 5, ] 2 , 1 , 2 [ = x , p
1
=0,5, p
2
=0,2 e p
3
=0,3. Trata-se de uma distribuio
multinomial. Ento P(A=2, B=1, C=2) = f(x=[2,1,2]). Logo,

200
27
100
9
.
2
3
100
9
5
1
4
1
.
2 2
2 3 4 5
10
3
5
1
2
1
! 2 ! 1 ! 2
! 5
]) 2 , 1 , 2 [ (
2 2
=
= = x f

GABARITO: E

Distribuio de Poisson

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

(22)
!
) (
x
a
e x f
x
a
= ... 3 , 2 , 1 , 0 = x .

Distribuio de Poisson (memorize para a prova!).

Tabela: Caracterizao da Poisson

Mdia
a X E = ) (
Varincia
a X Var = ) (
Desvio Padro
a X = ) (

Repare que a mdia igual a varincia, e que ambas so iguais ao
parmetro a.

Com = a em (22), em que o nmero mdio de eventos por unidade
da grandeza e o tamanho do intervalo (t, t+), a probabilidade de
ocorrerem x eventos em

58
(23) ,
!
) (
) (
x
e x f
x

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

A Eq. (23) caracteriza o processo de contagem de Poisson, 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 clicks 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+).
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
(3) a contagem em cada subintervalo seja independente de outros
subintervalos,

ento esse experimento aleatrio ser designado por processo de Poisson.
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 distribuio
de Poisson, com parmetro a, dada por (22).

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

Nota: na literatura (e tambm nas provas!), 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 (22) fazendo-se a =
. Neste caso, subentende-se que o intervalo de contagem unitrio, ou seja,
= 1.

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

= ).
59

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

Exemplo. 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

Exemplo. Considerando os dados do exemplo anterior, determine a
probabilidade de ocorrerem 10 falhas em 5 milmetros de fio.

= 2,3 falhas/mm; = 5mm = a = 11,5 falhas.
. 1129 , 0
! 10
5 , 11
) 10 (
10
5 , 11
= = =

e X P

J caiu em prova! (AFRFB/2009/ESAF) 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
60
E)
2
3
32

e

Resoluo

Aprendemos que a distribuio de Poisson pode ser dada por

,
!
) (
) (
x
e x f
x

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

em que denota a taxa mdia de ocorrncia dos eventos por unidade de
tempo e o tamanho do intervalo (t, t+).

Dados da questo:

- = dois petroleiros por dia;
- = 2 dias.

Portanto, = 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

GABARITO: C

J caiu em prova! (ICMS-SP/2009/FCC) O nmero de pessoas que chega
ao guich de uma repartio pblica para autuao de processos apresenta
uma distribuio de Poisson a uma taxa de duas pessoas por minuto. A
probabilidade de que nos prximos 2 minutos chegue pelo menos uma pessoa
neste guich

A) (e
4
- 1).e
-4
Observao:
B) 4e
-4
e = 2,71828...
C) (e
4
- 4).e
-4

D) 2[(e
2
- 1)].e
-2

E) (e
2
- 2).e
-2

Resoluo

A distribuio de Poisson com parmetro a (a > 0) dada por
61

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

Com = a , em que o nmero mdio de eventos por unidade da
grandeza e o tamanho do intervalo (t, t+), a probabilidade de
ocorrerem x eventos em

,
!
) (
) (
x
e x f
x

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

Dados: 2 = pessoas/minuto, 2 = minutos 4 = pessoas.

A probabilidade de que nos prximos 2 minutos chegue pelo menos uma
pessoa dada por:

P(X 1) = 1 - P(X = 0)

) 1 ( 1 ) 1 (
! 0
) 2 (
) 0 ( ) 0 (
4 4 4 4
0
4
= = = = = =

e e e X P e e f X P

.

GABARITO: A

J caiu em prova! (ICMS-RJ/2009/FGV) O nmero de clientes que
buscam, em cada dia, os servios de um renomado cirurgio tem uma
distribuio de Poisson com mdia de 2 pacientes por dia.
Para cada cirurgia efetuada, o cirurgio recebe R$ 10.000,00. No entanto, ele
consegue fazer o mximo de duas cirurgias em um dia; clientes excedentes
so perdidos para outros para outros cirurgies.
Assinale a alternativa que indique o valor esperado da receita diria do
cirurgio.
(considere e
-2
= 0,14)

A) R$ 5.600,00
B) R$ 8.400,00
C) R$ 10.000,00
D) R$ 14.400,00
E) R$ 20.000,00

Resoluo

Seja R a varivel aleatria que representa a receita diria do cirurgio. Essa
varivel aleatria s pode assumir trs valores possveis, quais sejam: r
1
= R$
62
0,00 (zero cirurgia), r
2
= R$ 10.000,00 (uma cirurgia) e r
3
= R$ 20.000,00
(duas cirurgias). Sabe-se que o valor esperado da receita diria do cirurgio,
denotado por E(R), dado pela frmula

E(R) = r
k
f(r
k
) = r
1
f(r
1
) + r
2
f(r
2
) + r
3
f(r
3
),

em que f(r
1
) + f(r
2
) + f(r
3
) = 1.

Os valores de r
1
, r
2
e r
3
foram dados. Calcularemos E(R) se soubermos qual
a distribuio de probabilidades f(r
k
) da receita diria. Ser que ela uma
distribuio de Poisson? A resposta NO e a justificativa simples: a
distribuio de R discreta e possui apenas trs probabilidades.

A probabilidade do cirurgio no faturar num determinado dia (denotada por
P(R=0)) igual probabilidade da varivel aleatria X (que representa o
nmero de clientes que buscam, em cada dia, o cirurgio) ser igual a zero. De
acordo com o enunciado, X tem distribuio de Poisson. Logo, P(R=0)=P(X=0)
dada por:

14 , 0
1
1
14 , 0
! 0
2
) 0 ( ) 0 (
0
2
= = = = =

e x f R P .

A probabilidade de o cirurgio faturar R$ 10.000,00 num determinado dia
(P(R=10.000)) igual probabilidade da varivel aleatria X ser igual a um:

28 , 0
1
2
14 , 0
! 1
2
) 1 ( ) 1 (
1
2
= = = = =

e x f R P .

O cirurgio consegue fazer o mximo de duas cirurgias em um dia; clientes
excedentes so perdidos para outros cirurgies. Sendo assim, o cirurgio
faturar R$ 20.000,00 num determinado dia caso seja procurado por 2 ou
mais clientes. Portanto, P(R=20.000) = P(X 2) = 1 [P(X = 0) + P(X = 1)]
= 1 0,14 0,28 = 0,58.

O valor esperado da receita diria do cirurgio ento

E(R) = 0x0,14 + 10.000,00x0,28 + 20.000,00x0,58 = R$ 14.400,00

GABARITO: D

Comportamento Assinttico da Lei Binomial: Lei de Poisson

Suponha n>>1 (isto , que n seja grande), p<<1 (probabilidade de sucesso
prxima de zero), mas de tal forma que np permanea constante, digamos np
63
= a, na distribuio binomial (probabilidade de obter k sucessos em n
tentativas). Neste caso, obtemos

k n
k
k n k
n
a
k
a
p p
k
n

1
!
) 1 (

em que foi usada a aproximao
k
n k n n n ) 1 )...( 1 ( . No limite, para n ,
0 p (admitindo-se k<<n), obtemos

a
k
k n
k
e
k
a
n
a
k
a

!
1
!
.

Este resultado mostra que a distribuio Binomial pode ser aproximada
pela Distribuio de Poisson quando n>>1, p<<1, np=a.

Exemplo. Dez por cento das peas produzidas por um determinado processo
de fabricao so defeituosas. Qual a probabilidade de, em uma amostra de
10 peas escolhidas ao acaso, exatamente duas serem defeituosas?

Probabilidade de uma pea ser defeituosa = p = 0,1

Clculo pela Binomial

. 1937 , 0 9 , 0 1 , 0
! 2 ! 8
! 10
9 , 0 1 , 0
2
10
) 2 ( ) 2 (
8 2 8 2
= =
= = = f X P

Clculo por Poisson

Dados: n = 10 >> 1; p = 0,1 << 1; np = a = 1
. 1840 , 0
718 , 2
1
2
1
! 2
1
) 2 ( ) 2 (
2
1
= = = =

e
e f X P Em geral, a aproximao boa quando
p 0,1 e a = np 5.

J caiu em prova! (Analistada SUSEP/Aturia/2010/ESAF). Qual o
limite de f(x) = C
n,x
p
x
(1-p)
n-x
, onde x =0,1,2,,n, quando n , p 0, e np
.

A) f(x) = (2)
-1/2
exp(-(x - )
2
/2).
B) f(x) = e
-
x
/x!.
C) f(x) = e
-x/
/.
D) f(x) = e
-x
.
E) f(x) = exp(-) x
/x!.

64

Resoluo

Esta questo aborda o comportamento assinttico da Lei Binomial (lei de
Poisson).

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

x n x
p p
x
n
x f
= ) 1 ( ) ( , n x ,..., 2 , 1 , 0 =

Portanto,

n
x

p
x
(1 p)
n x
1
x!
x
1
n

n x

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

1
x!
x
1
n

n x
x
x!
e
.

O resultado acima mostra que a distribuio Binomial pode ser
aproximada pela Distribuio de Poisson quando n >> 1, p << 1, np=.

GABARITO: B

Distribuio Geomtrica

Considere uma srie de tentativas de Bernoulli, com probabilidade constante p
de sucesso. Seja X a varivel aleatria que representa o nmero de
tentativas at que o primeiro sucesso ocorra. Ento X tem uma
distribuio geomtrica, com parmetro p, dada por

(24) , ) 1 ( ) (
1
p p x f
x
= ,... 2 , 1 = x .

Exemplo. A probabilidade de um produto apresentar defeito 0,01. Qual ser
a probabilidade de que exatamente 125 produtos sejam fabricados at que
algum apresente defeito? (Considere que os produtos sejam independentes)

P(X = 125) a probabilidade de que os primeiros 124 produtos fabricados
estejam perfeitos e de que o 125 produto apresente defeito.

P(X = 125) = 0,99
124
x 0,01 = 0,0029.
65

Distribuio Geomtrica.

Tabela: Caracterizao da Distribuio Geomtrica

Mdia
p X E / 1 ) ( =
Varincia
2
/ ) 1 ( ) ( p p X Var =
Desvio Padro
p p X / ) 1 ( ) ( =

Distribuio Binomial Negativa

Considere uma srie de tentativas de Bernoulli, com probabilidade constante p
de sucesso. Seja X o nmero de tentativas at que r sucessos ocorram.
Ento X tem uma distribuio binomial negativa, com parmetros p e r,
dada por

(25) , ) 1 (
1
1
) (
r r x
p p
r
x
x f

= ,... 2 , 1 , + + = r r r x .

Distribuio Binomial Negativa.

Tabela: Caracterizao da Distribuio Binomial Negativa

Mdia
p r X E / ) ( =
Varincia
2
/ ) 1 ( ) ( p p r X Var =
Desvio Padro
p p r X / ) 1 ( ) ( =

Exemplo. O sistema de navegao inercial de um submarino nuclear da classe
Rio de Janeiro redundante, sendo composto por dois computadores idnticos.
Somente um deles usado na navegao. O outro um sobressalente que
ativado quando o computador principal falha. Durante uma hora de operao,
a probabilidade de uma falha no computador (no importa se o computador
o principal ou o sobressalente) de 5 x 10
-7
. Supondo que cada hora
represente uma tentativa independente, qual ser o tempo mdio para a falha
dos dois computadores de bordo?

Seja X o nmero de horas at que os dois computadores falhem e sejam X
1

e X
2
(X = X
1
+ X
2
) os nmeros de horas de operao antes de uma falha no
primeiro e no segundo computador, respectivamente. Observe que o
computador sobressalente no afetado pela quantidade de horas decorridas
antes dele ser ativado. Deste modo, X tem distribuio binomial negativa com
p = 5 x 10
-7
e r = 2.

66

6 7
10 4 ) 10 5 /( 2 ) ( = = =

X E (4 milhes de horas!).

Distribuio Hipergeomtrica

Um conjunto com N elementos contm

S elementos classificados como sucessos e
(N S) = F elementos classificados como fracassos.

Uma amostra de n elementos selecionada aleatoriamente (sem reposio)
a partir dos N elementos, em que S N e n N. Seja X o nmero de
sucessos na amostra. Ento X tem uma distribuio hipergeomtrica,
dada por

(26) , ) (
=
n
N
x n
F
x
S
x f } , 0 max{ F n x = a } , min{ n S .

A expresso } , min{ n S usada na definio da faixa de (43) porque o nmero
mximo de sucessos que pode ocorrer igual ao mnimo entre o tamanho da
amostra (n) e o nmero de sucessos disponveis (S). Por outro lado, se n > F,
no mnimo (n F) sucessos tm de ocorrer na amostra e isto explica o uso da
expresso } , 0 max{ F n como o extremo inferior da faixa de (26).

Distribuio Hipergeomtrica.

Tabela: Caracterizao da Distribuio Hipergeomtrica (*)

Mdia
np X E = ) (
Varincia
=
1
) 1 ( ) (
N
n N
p np X Var
Desvio Padro
=
1
) 1 ( ) (
N
n N
p np X

(*) p = S/N.

Exemplo. Um lote de peas contm 200 peas de um fornecedor nacional e
100 peas de um fornecedor chins. Se cinco peas so selecionadas ao acaso,
qual ser a probabilidade de que elas sejam todas provenientes do fornecedor
nacional?

67

Seja X o nmero de peas do fornecedor nacional na amostra (= nmero de
sucessos na amostra). Ento X tem distribuio hipergeomtrica.

Dados: S = 200; F = 100; N = 300; n = 5 e x = 5.

. 1295 , 0
5
300
0
100
5
200
) 5 ( ) 5 ( =
|
|
\
|
|
|
\
|
|
|
\
|
= = = f X P

16.5.2 Distribuies Contnuas

Distribuio Uniforme

Uma varivel aleatria contnua X com uma funo densidade de probabilidade

(27)
a b
x f
=
1
) ( , b x a

tem distribuio uniforme (veja a figura a seguir).

A mdia de uma varivel aleatria uniforme

(28)
2
5 , 0
) (
2
b a
a b
x
dx
a b
x
X E
b
a
b
a
+
=
(
=

.

A varincia de X

68
(29)
12
) (
) ( 3
2
2
1
) var(
2
3
2
a b
a b
b a
x
dx
b a
x
a b
X
b
a
b
a
=
(
(
(
(
\
| +
=
|
|
\
|
|
\
| +
=

.

Exemplo. Uma varivel aleatria contnua X representa a corrente medida em
um fio delgado de cobre em miliampres. Assuma que a faixa de X seja [0, 40
mA]. 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 X para b x a .

Tabela: Caracterizao da Distribuio Uniforme

Mdia
2
) (
b a
X E
+
=
Varincia
12
) (
) (
2
a b
X Var

=
Desvio Padro
12
) (
) (
a b
X

=

J caiu em prova! (AFPS/2002/ESAF). A varivel aleatria X tem
distribuio uniforme no intervalo (0, ), onde uma constante maior do
que 0,5. Determine o valor de 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

Resoluo

O enunciado define a distribuio uniforme ilustrada pela figura abaixo.

69

Sabemos que

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

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

Ento,

3 , 0
1
) 5 , 0 ( =
3 , 0 5 , 0 = 5 , 0 3 , 0 = 5 , 0 2 , 0 = 7 / 5 =

GABARITO: D

Distribuio Gama

A definio de uma varivel aleatria gama envolve a funo gama, dada
por

(30)

=
0
1
) ( dx e x a
x a
, 0 > a .

Esta funo consiste na generalizao da noo de fatorial, pois, se a inteiro,
)! 1 ( ) ( = a a .

A varivel aleatria X, com funo densidade de probabilidade

(31)
b x a
a
e x
a b
x f
/ 1
) (
1
) (

= , 0 > x .

70

tem uma distribuio gama com parmetros 0 > a e 0 > b . A prxima figura
contm os plots das distribuies gama (linha azul slida) e normal (linha
tracejada).

700 800 900 1000 1100 1200 1300
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
x 10
-3
Gama
Normal

Distribuio Gama.

Tabela: Caracterizao da Distribuio Gama

Mdia
ab X E = ) (
Varincia
2
) ( ab X Var =
Desvio Padro
a b X = ) (

J caiu em prova! (Analista da SUSEP/Aturia/2001/ESAF). A varivel
aleatria X tem funco densidade de probabilidades

4
} 5 , 0 exp{
) (
x x
x f

=

na famlia gama onde x > 0. Assinale a resposta que corresponde ao valor
esperado da varivel aleatria 0,25X.

A) 2,0
B) 3,0
C) 1,0
D) 2,5
E) 1,5

71

Resoluo

Compare a distribuio do enunciado

2 /
4
1
4
} 5 , 0 exp{
) (
x
xe
x x
x f

=
= ,

com a definio da distribuio gama

b x a
a
e x
a b
x f
/ 1
) (
1
) (

= .

Ento

a 1 = 1 a = 2 e b = 2. Logo, E(0,25.X) = 0,25.E(X) = 0,25 x 2 x 2 = 1.

GABARITO: C

Distribuio Exponencial

Substitua os parmetros 0 = a e / 1 = b na frmula da distribuio gama. Ento
obtemos um caso particular da gama, denominado distribuio exponencial

(32)
/
1
) (
x
e x f

= , < x 0 .

Distribuio Exponencial.

Tabela: Caracterizao da Distribuio Exponencial

Mdia
= ) ( X E
Varincia
2
) ( = X Var
Desvio Padro
= ) (X

A distribuio exponencial tambm est relacionada distribuio de Poisson.
A varivel aleatria contnua X, que igual distncia entre contagens
sucessivas de um processo de Poisson (com mdia a > 0), tem uma
distribuio exponencial com parmetro = 1/a.

A figura abaixo mostra a distribuio exponencial com parmetro =2.

72

0 1 2 3 4 5 6 7 8 9 10
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5

J caiu em prova! (Analista da SUSEP/Aturia/2002/ESAF). Uma
lmpada tem durao em horas (X) que obedece lei probabilstica definida
pela funo densidade de probabilidades

>
=
0 , 0
0 ,
1000
exp
1000
1
) (
t
t
t
x f

Assinale a opo que d o desvio-padro da distribuio de X.

A) 32 horas
B) 500 horas
C) 900 horas
D) 800 horas
E) 1.000 horas

Resoluo

Trata-se de uma distribuio exponencial com parmetro = 1.000. Logo (X)
= = 1.000.

GABARITO: E

Distribuio Normal

Uma varivel aleatria tem distribuio normal (tambm denominada
gaussiana pelos engenheiros) com parmetros e
2
se sua funo densidade
dada por

(33)
2
2
2
) (
2
1
) (
x
e

x f

= , < < x .
73

-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 texto, usamos 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:

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

Demonstra-se que os parmetros e
2
denotam a mdia e a varincia da
distribuio normal, respectivamente (memorize para a prova!).

Considere X N(,
2
) e seja a nova varivel Z = (X - )/. Pode-se verificar
facilmente que Z tem distribuio normal do tipo Z N(0, 1), sendo por isso
denominada normal padro ou normal reduzida (memorize para a prova!).
Esta distribuio ser muito usada neste texto.

74

Da simetria de f(x), resulta que P(X > ) = P(X < ) = 0,5 (memorize para a
prova!).

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 (z). Ressaltamos que (memorize para a prova!)

(z) = P(Z z) = 1/2 + P(0 Z z).

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

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

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

75
Exemplo. Seja a varivel aleatria normal padro Z e as tabelas auxiliares da
normal.

(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 - (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) = (0,37) - (-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( - 1,96 < X < + 1,96 ) = 95%

Memorize o resultado acima para a prova, pois o mesmo ser muito
utilizado para resolver questes de Estatstica que envolvam a distribuio
normal (vide figura a seguir).

76

J caiu em prova! (APOFP-SP/2010/FCC/Adaptada) Instrues: para
resolver s prximas duas questes utilize as informaes abaixo referentes
distribuio normal padro Z:

z 1,00 1,25 1,50 1,75 2,00 2,25
P(0<Z<z) 0,34 0,39 0,43 0,46 0,48 0,49

Os salrios dos empregados de uma determinada categoria profissional
apresentam uma distribuio normal com mdia igual a R$ 1.200,00 e desvio
padro igual a R$ 160,00. A proporo dos empregados com salrios
superiores a R$ 1.000,00 e inferiores a R$ 1.520,00

(A) 98%
(B) 96%
(C) 92%
(D) 89%
(E) 87%

Resoluo

De acordo com o enunciado, a distribuio dos salrios dos empregados
(varivel X) normal com parmetros = 1.200 (mdia) e = 160 (desvio
padro). Pede-se a proporo dos empregados com salrios superiores a R$
1.000,00 e inferiores a R$ 1.520,00, ou seja, a probabilidade
P[1.000<X<1.520].

Seja a nova varivel Z = (X - )/, em que Z a normal padro. Aprendemos
que

77

P[1.000<X<1.520] = P[(1.000-1.200)/160<Z<(1.520-1.200)/160],

P[1.000<X<1.520] = P[-1,25<Z<2,00] = P[-1,25<Z<0] + P[0<Z<2,00].

A Tabela II da normal padro fornece a seguinte probabilidade:

- P[0<Z<1,25] = 0,39. Mas P[0<Z<1,25] = P[-1,25<Z<0], pois a normal
padro simtrica em relao origem z =0.

- P[0<Z<2,00] = 0,48.

Assim, P[1.000<X<1.520] = 0,39 + 0,48 = 0,87 = 87%

GABARITO: E

A distribuio das medidas dos cabos fabricados por uma indstria
considerada normal. Sabe-se que 7% dos cabos medem no mximo 2,4
metros e apenas 2% medem no mnimo 16,4 metros. A mdia das medidas
destes cabos igual a

(A) 9,4 metros.
(B) 8,4 metros.
(C) 8,2 metros.
(D) 8,0 metros.
(E) 7,8 metros.

Resoluo

Foram dadas as seguintes probabilidades: P(X<2,4) = 0,07 e P(X>16,4) =
0,02. razovel supor que a banca tenha fornecido dois valores extremos da
normal (x
1
=2,4 e x
2
=16,4) e que a mdia esteja situada em algum valor entre
os dois extremos (uma rpida olhada nas opes confirma essa suspeita!).

De acordo com a tabela, P(0<Z<1,5) = 0,43 = P(-1,5<Z<0) (lembre que a
normal simtrica). Logo, P(Z<-1,5) = 0,5 - P(-1,5<Z<0) = 0,5 0,43 =
0,07, o que nos leva a afirmar (sem medo de errar!) que z=-1,5 o valor
transformado de x=2,4. Similarmente, P(Z>2,0) = 0,5 - P(0<Z<2,0) = 0,5
0,48 = 0,02, e isto indica que z=2,0 corresponde ao valor reduzido de x=16,4.

A mdia das medidas dos cabos ento determinada resolvendo-se o
seguinte sistema de equaes:

(1) (2,4-)/ = -1,5
(2) (16,4-)/ = 2,0

78

A soluo do sistema : = 8,4; =4,0.

GABARITO: B

O fato de erros experimentais serem bem modelados pela distribuio normal
um dos motivos de sua grande popularidade. Alm disso, a distribuio da
soma de um grande nmero de observaes independentes e
identicamente distribudas tende para a distribuio normal. Este
teorema, denominado Teorema Central do Limite, ser apresentado de forma
mais detalhada em outro captulo.

Propriedade reprodutiva da Distribuio Normal: se X
1
, X
2
, ..., X
n
forem
variveis aleatrias normais e independentes, com E(X
i
) =
i
e Var(X
i
) =
2
i

para i =1, 2, ..., n, ento

Y = c
1
X
1
+ c
2
X
2
+ ... + c
n
X
n

em que c
1
, c
2
, ..., c
n
so constantes, ser uma varivel aleatria normal com
mdia

E(Y) = c
1
1
+ c
2
2
+ ... + c
n
n

e varincia

Var(Y) =
2
1
c
2
1
+
2
2
c
2
2
+ ... +
2
n
c
2
n
.

Faa c
1
, c
2
, ..., c
n
= 1

Y = X
1
+ X
2
+ ... + X
n
.

Ento a mdia da soma de n variveis normais e independentes igual soma
das n mdias individuais

E(Y) =
1
+
2
+ ... +
n
,

e a varincia da soma de n variveis normais e independentes igual soma
das varincias individuais
Var(Y) =
2
1
+
2
2
+ ... +
2
n
.

Aproximao da Binomial pela Normal

Seja a Distribuio Binomial (18). Se n grande e se p e q no esto
muito prximos de zero, ento a distribuio binomial bem aproximada por
uma distribuio normal padro em que a varivel transformada dada por
(memorize para a prova!)

79

npq
np X
Z

= .

Na prtica, a aproximao muito boa se np e nq forem maiores que 5. No
limite, temos que

b
a
u
n
du e b
npq
np X
a P
2 /
2
2
1
lim
.

A relao acima nos diz que a varivel aleatria padronizada
npq
np X
Z

=
assintoticamente normal. A aproximao da binomial pela normal ser
devidamente justificada no captulo 18.

Distribuio Qui-quadrado

A distribuio qui-quadrado com parmetro n>0 (n um inteiro) de uma
varivel aleatria X definida pelo modelo contnuo

(34)
2
2
2
) (
x/
n
e x K x f

= para x 0 ( ) (x f = 0 para x < 0)

em que
) 2 ( 2
1
2
n/
K
n/
= e (.) a funo gama.

No se assuste com a frmula (34). Voc no precisa decorar essa expresso
porque ela no cair na prova! Ns a colocamos neste captulo para que voc
saiba que a distribuio qui-quadrado possui uma expresso analtica. Na
prova, ser dada uma tabela de valores da qui-quadrado, caso haja alguma
questo que envolva o uso dessa distribuio. Entretanto, no faremos uso da
tabela da qui-quadrado neste captulo, pois esta distribuio ser bastante
explorada em captulos posteriores (veremos que ela tem um papel relevante
na Inferncia Estatstica).

A Eq. (34) define a famlia das distribuies qui-quadrado com n graus de
liberdade , usualmente representada por
2
n
.

A distribuio qui-quadrado est relacionada distribuio normal. Sejam as
observaes X
1
, X
2
, ..., X
n
provenientes de uma populao normal de mdia
e desvio-padro
2
. Ento a transformao

(35)

= =
=

=
n
i
i
n
i
i
n
Z
X
1
2
1
2
2

80
tem distribuio qui-quadrado com n graus de liberdade. Note que a varivel Z
i

em (35) a varivel aleatria normal padro. Logo, a varivel
2
n
a soma
dos quadrados de n variveis aleatrias normais padronizadas. No fique
preocupado em entender (35) neste momento, pois a relao entre a qui-
quadrado e a normal ser vista em detalhes nos captulos de Inferncia
Estatstica.

A figura a seguir ilustra grficos de densidades qui-quadrado com 1, 3, 6 e 10
graus de liberdade (curvas azul, preta, vermelha e rosa, respectivamente).

0 5 10 15 20 25
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
X
1
X
3
X
6
X
10

distribuio qui-quadrado com n graus de liberdade.

Tabela: Caracterizao da Distribuio Qui-quadrado

Mdia
n X E = ) (
Varincia
n X Var 2 ) ( =
Desvio Padro
n X 2 ) ( =

Tambm disponibilizamos uma tabela auxiliar da distribuio Qui-quadrado.
Confira!

Distribuio t de Student

A distribuio t de Student com n graus de liberdade dada por

81
(36)
+ =
2
1
2
1 ) (
n
st
n
x
K x f

em que
[ ]
n n/
/ n
K
st
) 2 (
2 ) 1 ( +
= .

Na prova, tambm dever ser dada a tabela de valores da distribuio t de
Student caso haja alguma questo que envolva o uso dessa distribuio. No
trabalharemos com a tabela da t de Student neste momento, pois este tpico
ser visto quando estudarmos a Inferncia Estatstica. A figura a seguir mostra
os grficos da distribuio t de Student para 1, 10 e 20 graus de liberdade
(curvas azul, verde e vermelha, respectivamente). Note que o formato da t de
Student se aproxima da normal (curva preta tracejada) conforme aumenta o
nmero de graus de liberdade.

-3 -2 -1 0 1 2 3
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
normal
t
1
t
10
t
20

Veremos posteriormente por que a distribuio t de Student relevante no
estudo da Estatstica Indutiva. Mas bom que voc comece a se familiarizar
com variveis aleatrias do tipo t de Student desde j. Como elas surgem na
Estatstica? Esta pergunta ser respondida de forma sucinta no prximo
pargrafo.

Considere um conjunto de n valores retirados de uma populao normal de
mdia e desvio-padro . Defina a varivel

n S
X
t
/

= ,

82

em que X e S denotam a mdia aritmtica e o desvio-padro das n
observaes, respectivamente. Veremos que a distribuio de t no normal,
apesar da frmula acima ser similar da normal reduzida. De fato, trata-se de
uma varivel com distribuio t de Student. Esta distribuio simtrica e tem
mdia nula, assim como a normal padro.

Distribuio F de Snedecor

Define-se a varivel F com n
1
graus de liberdade no numerador e n
2
graus de
liberdade no denominador, ou simplesmente,
2 1
,n n
F , por

(37)
2
2
1
2
2
1
2 1
/n
/n
F
n
n
,n n
=

onde
2
i
n
designa uma varivel aleatria com distribuio qui-quadrado com n
i

graus de liberdade. A figura abaixo mostra a densidade F
3,5
.

0 1 2 3 4 5 6 7 8 9 10
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
F
3,5

A distribuio F de Snedecor tem um papel importante na Inferncia
Estatstica. Estudaremos essa distribuio com mais detalhes em captulos
posteriores.

Distribuio Log-Normal

A distribuio log-normal est relacionada normal. Se X log-normal com
parmetros e
2
, ento ln(X) normal com parmetros e
2
. A densidade
de probabilidade log-normal dada por

(38)
2
2
2
) (ln
2
1
) (

=
x
e
x
x f , 0 > x .
83

A distribuio log-normal aplicvel quando a quantidade de interesse
positiva, haja vista que lnX existe somente quando a varivel X positiva. Os
economistas frequentemente utilizam a log-normal para modelar a distribuio
de renda.

Suponha que a renda anual das famlias paulistas de 4 pessoas, denotada por
X, seja bem ajustada pela distribuio log-normal com = ln(20.000) e
2
=
1. Ento a figura a seguir mostra o plot da densidade da renda.

0 $30,000 $60,000 $90,000 $120,000
0
0.5
1
1.5
2
2.5
3
3.5
x 10
-5
log-normal

A Tabela a seguir fornece a mdia e a varincia da distribuio log-normal.

Tabela: Caracterizao da Distribuio Log-Normal

Mdia
2
2
) (

+
= e X E
Varincia
( )
2 2
2
1 ) (
+
= e e X Var

J caiu em prova! (CVM/2000/ESAF) Acredita-se que o logaritmo
neperiano da varivel renda (X), medida em milhares de reais, tenha
distribuio populacional normal com mdia 2 e varincia unitria. Assinale a
opo que corresponde ao valor esperado de X. Em todas as opes a
constante e representa a base do sistema de logaritmos neperiano.

(A) e
2,5

(B) e
2,0

(C) log
e
2,0
(D) 1+ log
e
2,0
(E) e
3,0

84

Resoluo

Se X log-normal com parmetros e
2
, ento Y=ln(X) normal com
parmetros e
2
. De acordo com o enunciado, a distribuio da Y tem =2 e
2
=1. Sabemos que ( ) 2 / exp ) (
2
+ = X E para X log-normal. Ento,
5 , 2
) 2 / 1 2 exp( ) ( e X E = + = .

GABARITO: A

16.6 Memorize para a prova

- Uma funo discreta de probabilidade f(x
i
) (i=1,2,...,n) satisfaz s seguintes
condies: 0 f(x
i
) 1 e
i

f(x
i
)

= 1.

- A funo de distribuio (ou acumulada) de probabilidade F(x) de uma
varivel aleatria X definida por F(x) = P(Xx).

- A rea sob a funo densidade de probabilidade de uma varivel aleatria
contnua X igual a 1, ou seja,

=1 ) ( dx x f . Alm disso, f(x) no pode ser
negativa (f(x) 0).

- A funo densidade de probabilidade de uma varivel aleatria contnua X
igual derivada da funo de distribuio de X em relao a x, ou seja, f(x) =
dF(x)/dx = F(x)

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

- Se X for uma varivel aleatria discreta 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 (ou valor esperado)
de X definida por
=
= + + + =
n
i
i i n n
1
2 1 1
) ( ) ( ... ) 2 ( ) ( ] [ .

- A mdia de uma varivel aleatria contnua X com densidade de
probabilidade f
X
(x) dada pela integral

= dx x xf X E ) ( ] [ .

- Sejam a e c valores constantes e X uma varivel aleatria. Ento a mdia
possui as seguintes propriedades:

85

1. c c E = ] [ a mdia de um nmero qualquer c o prprio nmero c;
2. ] [ ] [ X cE cX E = a mdia de uma varivel multiplicada por um nmero
igual ao nmero multiplicado pela mdia de X;
3. ] [ ] [ 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.

- var(X) = E(X
2
) -
2
a varincia de X igual a mdia do quadrado de X
subtrada da mdia de X ao quadrado.

- Sejam a e c constantes, X uma varivel aleatria e Z = a + cX (Z uma
transformao linear da varivel X). Ento

var(a+cX) = c
2
var(X).

- A raiz quadrada positiva da varincia chamada de desvio-padro ou erro-
padro, sendo denotada pelo smbolo .

- Desigualdade de Chebyshev: seja X uma varivel aleatria com mdia e
varincia
2
. Ento temos, para qualquer > 0: . ] | [|
2
2
X P

- Nmero de arranjos de n elementos tomados r a r:
)! (
!
,
r n
n
A
r n
=

- Permutao de n elementos: P
n
= n!

- Permutao circular de n elementos: (n-1)!

- Permutao com elementos repetidos: h um conjunto de n elementos, com
q elementos repetidos do tipo 1, r elementos repetidos do tipo 2, s elementos
repetidos do tipo 3, etc: P
n
(q,r,s,...) = n!/(q! r! s! ...)

- Nmero de combinaes de tamanho r em uma populao de tamanho n
(coeficiente binomial):
=
r
n
r r n
n
C
r n
! )! (
!
,
.

- A Distribuio Binomial nos d a probabilidade de k sucessos em n
tentativas:
k n k
p p
k
n
k X P

= = ) 1 ( ) ( .

- Tabela: Caracterizao da Binomial

86
Mdia
np =
Varincia npq =
2

Desvio Padro
npq =

- Distribuio de Poisson com parmetro a > 0:
!
) (
x
a
e x f
x
a
= , ... 3 , 2 , 1 , 0 = x .
Lembre que a = , em que denota o nmero mdio de eventos por unidade
de tempo. Se fizermos = 1, obtemos
!
) (
x
e x f
x

= .

- - Tabela: Caracterizao da Poisson

Mdia
a =
Varincia a =
2

Desvio Padro
a =

- A Binomial pode ser aproximada pela Poisson se n>>1 (nmero de tentativas
grande) e p<<1 (probabilidade de sucesso prxima de zero). Ento o
parmetro a da Poisson aproximante dado por np=a. A aproximao boa
quando p 0,1 e a = np 5.

- X N(,
2
) denota uma varivel aleatria X com distribuio normal com
mdia e varincia
2
.

- A normal padro Z N(0, 1) obtida atravs da transformao Z=(X-)/.

- A normal simtrica em relao sua mdia, de modo que P(X) = P(X>)
= 50% =1/2.

- Se X normal, ento P( - 1,96<X< + 1,96) = 95%.

- Seja a Distribuio Binomial. Se n grande e se p e q no esto muito
prximos de zero, ento a distribuio binomial bem aproximada por uma
distribuio normal padro em que a varivel transformada dada por

npq
np X
Z

= .

Na prtica, a aproximao muito boa se np e nq forem maiores que 5.

16.7 Exerccios de Fixao

O enunciado a seguir refere-se s questes de nmeros 1 e 2.

87

Seja X uma varivel aleatria com densidade de probabilidade x x f
X
2 2 ) ( =
para 1 0 x e 0 ) ( = x f
X
para os demais valores.

1. A probabilidade de se obter X maior do que 0

(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1

2. A probabilidade de se obter X maior do que 0,5

(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1

3. (AFPS/2002/ESAF) A mdia e o desvio-padro obtidos num lote de
produo de 100 peas mecnicas so, respectivamente, 16kg e 40g. Uma
pea particular do lote pesa 18kg. Assinale a opo que d o valor padronizado
do peso da bola.

A) -50
B) 0,05
C) 50
D) -0,05
E) 0,02

4. (AFPS/2002/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

5. (ICMS-RJ/2008/FGV) Dentre as distribuies de probabilidades a seguir,
aquela em que E(X) = E(X-E(X))
2
:
88

A) de densidade
=
2
exp
2
1
) (
2
x
x f
X
, < < x .
B) de densidade 1 ) ( = x f
X
, 1 0 < < x .
C)
x n x
p p
x
n
x X P

= = ) 1 ( ) ( , n x ,..., 2 , 1 , 0 =
D)
!
) (
x
e
x X P
x

= = , ,... 2 , 1 , 0 = x
E) , ) (
= =
n
M N
x n
M
x
N
x X P n x ,..., 2 , 1 , 0 =

6. (ICMS-RJ/2008/FGV) Os jogadores A e B se encontram para jogar uma
partida de tnis em no mximo cinco sets, na qual ser vencedor aquele que
primeiro ganhar trs sets.
Por exemplo, partidas terminadas podero ter como resultado: AAA, AABA,
BABAB, etc. Ento, o nmero de possveis resultados para uma partida
terminada :

A) 4.
B) 10.
C) 6.
D) 20.
E) 8.

7. (ICMS-RJ/2007/FGV) Um candidato se submete a uma prova contendo
trs questes de mltipla escolha precisando acertar pelo menos duas para ser
aprovado. Cada questo apresenta cinco alternativas, mas apenas uma
correta. Se o candidato no se preparou e decide responder a cada questo ao
acaso, a probabilidade de ser aprovado no concurso igual a:

A) 0,200.
B) 0,040.
C) 0,096.
D) 0,008.
E) 0,104.

8. (Assistente Tcnico-Administrativo do MF/2009/ESAF) Ao se jogar
um dado honesto trs vezes, qual o valor mais prximo da probabilidade de o
nmero 1 sair exatamente uma vez?
89

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

9. (TFC-CGU/2008/ESAF) Ana precisa fazer uma prova de matemtica
composta de 15 questes. Contudo, para ser aprovada, Ana s precisa resolver
10 questes das 15 propostas. Assim, de quantas maneiras diferentes Ana
pode escolher as questes?

A) 3003
B) 2980
C) 2800
D) 3006
E) 3005

10. (TFC-CGU/2008/ESAF) gata decoradora e precisa atender o pedido
de um excntrico cliente. Ele - o cliente - exige que uma das paredes do
quarto de sua filha seja dividida em uma seqncia de 5 listras horizontais
pintadas de cores diferentes, ou seja, uma de cada cor. Sabendo-se que gata
possui apenas 8 cores disponveis, ento o nmero de diferentes maneiras que
a parede pode ser pintada igual a:

A) 56
B) 5760
C) 6720
D) 3600
E) 4320

11. (AFTN/1998/ESAF) Uma empresa possui 20 funcionrios, dos quais 10
so homens e 10 so mulheres. Desse modo, o nmero de comisses de 5
pessoas que se pode formar com 3 homens e 2 mulheres :

A) 5400
B) 165
C) 1650
D) 5830
E) 5600

90

12. (APOFP-SP/2009/ESAF) 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

13. (AFTM-RN/2008/ESAF) 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

14. (Analista Tcnico da SUSEP/2006/ESAF) 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
91
E) R$ 17,33

15. (Analista Tcnico da SUSEP/2006/ESAF) 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.

O enunciado abaixo refere-se s questes de nmeros 16 a 19.

Aps vrios anos de magistrio no ensino superior, um professor de Estatstica
constatou que, em sua aula na graduao, a funo de probabilidade de X,
varivel aleatria que representa o nmero de alunos ausentes s sextas-
feiras, a seguinte

X 0 1 2 3 4 5 6 7
f(x) 0,010 0,020 0,310 0,320 0,240 0,080 0,019 0,001

16. Ento a probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 alunos
estaro ausentes

(A) 0,63
(B) 0,13
(C) 0,87
(D) 0,56
(E) 1

17. O valor esperado da varivel aleatria X

(A) 3,08
(B) 3,26
(C) 2,12
(D) 0,32
(E) 0,96

18. O valor esperado de Y = 5X + 4

(A) 4
92

(B) 3,1
(C) 15,4
(D) 19,4
(E) 81

19. A varincia de X

(A) 9,49
(B) 1,22
(C) 10,71
(D) 20,305
(E) 85,525

20. (AFT/2010/ESAF) O departamento de vendas de uma empresa possui
10 funcionrios, sendo 4 homens e 6 mulheres. Quantas opes possveis
existem para se formar uma equipe de vendas de 3 funcionrios, havendo na
equipe pelo menos um homem e pelo menos uma mulher?

A) 192.
B) 36.
C) 96.
D) 48.
E) 60.

21. (AFPS/2002/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)

22. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma
varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4,
respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - |
12 ], obtido pela desigualdade de Tchebysheff, dado por

A) 0,40
B) 0,25
93
C) 0,20
D) 0,12
E) 0,10

23. (AFT/2010/ESAF/Adaptada) Em um grupo de 100 pessoas, 15 das 40
mulheres do grupo so fumantes e 15 dos 60 homens do grupo tambm so
fumantes. Ao se escolher ao acaso cinco pessoas do grupo, sem reposio, a
probabilidade de exatamente quatro delas serem homens fumantes dada
por:

A) C
n.k
p
k
(1-p)
n-k
, sendo p=0,15, n=5 e k=4.
B) C
m,k
C
N-m,n-k
/C
N,n
, sendo N=100, n=5, m=15 e k=4.
C) C
M,k
C
N-m,n-k
/C
N,n
, sendo N=100, n=5, m=60 e k=4.
D) C
m,k
C
N-m,n-k
/C
N,n
, sendo N=100, n=15, m=5 e k=4.
E) C
n.k
pk (1-p)
n-k
, sendo p=0,25, n=5 e k=4.

24.(AFRFB/2009/ESAF) De quantas maneiras podem sentar-se trs homens
e trs mulheres em uma mesa redonda, isto , sem cabeceira, de modo a se
ter sempre um homem entre duas mulheres e uma mulher entre dois homens?

A) 72
B) 36
C) 216
D) 720
E) 360

25.(AFRFB/2009/ESAF) Considere um retngulo formado por pequenos
quadrados iguais, conforme a figura abaixo. Ao todo, quantos quadrados de
quaisquer tamanhos podem ser contados nessa figura?

A) 128
B) 100
C) 64
D) 32
E) 18

26. (APO-MPOG-2008-Esaf) Marcos est se arrumando para ir ao teatro
com sua nova namorada, quando todas as luzes de seu apartamento apagam.
94
Apressado, ele corre at uma de suas gavetas onde guarda 24 meias de cores
diferentes, a saber: 5 pretas, 9 brancas, 7 azuis e 3 amarelas. Para que
Marcos no saia com sua namorada vestindo meias de cores diferentes, o
nmero mnimo de meias que Marcos dever tirar da gaveta para ter a certeza
de obter um par de mesma cor igual a:

A) 30
B) 40
C) 246
D) 124
E) 5

27. (Analista de Finanas e Controle-STN/2008/ESAF) Ana possui em
seu closed 90 pares de sapatos, todos devidamente acondicionados em caixas
numeradas de 1 a 90. Beatriz pede emprestado Ana quatro pares de
sapatos. Atendendo ao pedido da amiga, Ana retira do closed quatro caixas de
sapatos. O nmero de retiradas possveis que Ana pode realizar de modo que a
terceira caixa retirada seja a de nmero 20 igual a:

A) 681384
B) 382426
C) 43262
D) 7488
E) 2120

28. (Analista Administrativo-ANEEL/2006/ESAF) Um grupo de amigos
formado por trs meninos - entre eles Caio e Beto - e seis meninas - entre elas
Ana e Beatriz -, compram ingressos para nove lugares localizados lado a lado,
em uma mesma fila no cinema. Ana e Beatriz precisam sentar-se juntas
porque querem compartilhar do mesmo pacote de pipocas. Caio e Beto, por
sua vez, precisam sentar-se juntos porque querem compartilhar do mesmo
pacote de salgadinhos. Alm disso, todas as meninas querem sentar-se juntas,
e todos os meninos querem sentar-se juntos. Com essas informaes, o
nmero de diferentes maneiras que esses amigos podem sentar-se igual a:

A) 1920
B) 1152
C) 960
D) 540
E) 860

95

16.8 Gabarito

1 E
2 - C
3 - C
4 - A
5 D
6 D
7 - E
8 - A
9 - A
10 C
11- A
12 B
13 C
14 - D
15 D
16 C
17 A
18 D
19 B
20 C
21 E
22 B
23 B
24 ANULADA
25 D
26 E
27 A
28 A

16.9 Resoluo dos Exerccios de Fixao

O enunciado a seguir refere-se s questes de nmeros 1 e 2.

Seja X uma varivel aleatria com densidade de probabilidade x x f
X
2 2 ) ( =
para 1 0 x e 0 ) ( = x f
X
para os demais valores.

1. A probabilidade de se obter X maior do que 0

(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1
96

Resoluo

O grfico da funo densidade de probabilidade x x f
X
2 2 ) ( = est representado
abaixo. A probabilidade de se obter X maior do que 0 , por definio, igual
rea sob f(x), a qual unitria, pois representa a probabilidade do evento
certo. Conferindo:

1
2
2 1
2
] 0 [ =
= >
altura base
X P .

x 1 0
2
f(x)
1
0,5

GABARITO: E

2. A probabilidade de se obter X maior do que 0,5

(A) 0
(B) 0,75
(C) 0,25
(D) 0,5
(E) 1

Resoluo

A probabilidade de se obter X maior do que 0,5 igual rea sob f(x) no
intervalo 1 5 , 0 < x . Ou seja

97

25 , 0
2
1 5 , 0
] 5 , 0 [ =
= > X P .

GABARITO: C

3. (AFPS/2002/ESAF) A mdia e o desvio-padro obtidos num lote de
produo de 100 peas mecnicas so, respectivamente, 16kg e 40g. Uma
pea particular do lote pesa 18kg. Assinale a opo que d o valor padronizado
do peso da bola.

A) -50
B) 0,05
C) 50
D) -0,05
E) 0,02

Resoluo

Dados fornecidos:

- = 16kg = 16 x 1.000g = 16.000g
- = 40g
- peso de uma pea = 18kg = 18 x 1.000g = 18.000g

Valor padronizado:

z = (x - )/ = (18.000 16.000)/40 = 2.000/40 = 50

GABARITO: C

4. (AFPS/2002/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

Resoluo

Dados fornecidos:

- = 2
98

-
2
= 4 = 2
- Q
3
= 0,6745 para a normal padro

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

5. (ICMS-RJ/2008/FGV) Dentre as distribuies de probabilidades a seguir,
aquela em que E(X) = E(X-E(X))
2
:

A) de densidade
=
2
exp
2
1
) (
2
x
x f
X
, < < x .
B) de densidade 1 ) ( = x f
X
, 1 0 < < x .
C)
x n x
p p
x
n
x X P

= = ) 1 ( ) ( , n x ,..., 2 , 1 , 0 =
D)
!
) (
x
e
x X P
x

= = , ,... 2 , 1 , 0 = x
E) , ) (
= =
n
M N
x n
M
x
N
x X P n x ,..., 2 , 1 , 0 =

Resoluo

A relao E(X) = E(X-E(X))
2
pode ser reescrita como =
2
(mdia igual a
varincia da distribuio).

Anlise da alternativas

(A) a distribuio
=
2
exp
2
1
) (
2
x
x f
X
, < < x , a normal padro, que

possui = 0 e
2
=1. Logo
2
INCORRETA.

(B) a distribuio 1 ) ( = x f
X
, 1 0 < < x , a uniforme, em que

= (b-a)/2 = (1-0)/2 = 1/2

99
e

2
= (b-a)
2
/12 = (1-0)
2
/12 = 1/12.

Logo
2
INCORRETA.

(C) a distribuio
x n x
p p
x
n
x f

= ) 1 ( ) ( , n x ,..., 2 , 1 , 0 = , a binomial, que possui

= np e
2
= npq. Logo
2
INCORRETA.

(D) a distribuio
!
) (
x
e
x f
x

= , ,... 2 , 1 , 0 = x , a Poisson, que possui =
2
=
CORRETA.

(E) a distribuio , ) (
= =
n
M N
x n
M
x
N
x X P n x ,..., 2 , 1 , 0 = , a hipergeomtrica
associada a um conjunto com (N+M) elementos, em que h N sucessos e M
fracassos. Lembre que n representa o nmero de elementos selecionados de
forma aleatria e sem reposio a partir dos (N+M) elementos. Neste caso,
temos que

= np,

em que p denota a probabilidade de sucesso e

+
+
=
1
) 1 (
2
M N
n M N
p np .

Logo
2
INCORRETA.

Nota: a banca adotou na alternativa E uma notao diferente daquela usada
na parte terica desta aula. Tome cuidado para no fazer confuso!

GABARITO: D

6. (ICMS-RJ/2008/FGV) Os jogadores A e B se encontram para jogar uma
partida de tnis em no mximo cinco sets, na qual ser vencedor aquele que
primeiro ganhar trs sets.
Por exemplo, partidas terminadas podero ter como resultado: AAA, AABA,
BABAB, etc. Ento, o nmero de possveis resultados para uma partida
terminada :

100
A) 4.
B) 10.
C) 6.
D) 20.
E) 8.

Resoluo

A partida termina em 3 sets se os resultados so: AAA ou BBB 2
resultados.

A partida termina em 4 sets se os resultados so: AABA, BBAB, ABAA, BABB,
BAAA ou ABBB 6 resultados.

A partida termina em 5 sets se os resultados so: AABBA, BBAAB, ABBAA,
BAABB, BBAAA, AABBB, ABABA, BABAB, BAABA, ABBAB, BABAA ou ABABB
12 resultados.

Portanto, h (2 + 6 + 12) = 20 resultados possveis.

GABARITO: D

7. (ICMS-RJ/2007/FGV) Um candidato se submete a uma prova contendo
trs questes de mltipla escolha precisando acertar pelo menos duas para ser
aprovado. Cada questo apresenta cinco alternativas, mas apenas uma
correta. Se o candidato no se preparou e decide responder a cada questo ao
acaso, a probabilidade de ser aprovado no concurso igual a:

A) 0,200.
B) 0,040.
C) 0,096.
D) 0,008.
E) 0,104.

Resoluo

Trata-se de aplicao da distribuio Binomial. O chute a ser dado em
cada questo da prova uma tentativa de Bernoulli (n = 3 tentativas), em que
p = 1/5 e (1-p)=4/5. Seja X a varivel aleatria que denota o nmero de
questes certas. Ento a probabilidade de acertar pelo menos 2 questes
(numa prova de 3 questes de mltipla escolha) dada por

P(X=2) + P(X=3) = ( ) ( ) =
0 3 1 2
1
3
1
2
p p
n
p p
n

101
. 104 , 0
125
1
125
12
5
4
5
1
3
3
5
4
5
1
2
3
0 3 1 2
= + =
=

GABARITO: E

8. (Assistente Tcnico-Administrativo do MF/2009/ESAF) 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%

Resoluo

I Utilizando a Distribuio Binomial:

x n x
p p
x
n
x f x n P

= = ) 1 ( ) ( ) , (

P(n,x) = probabilidade de ocorrer exatamente x vezes o evento A, aps n
repeties.

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

Evento A = sair um nmero igual a 1 => P(A) = n(A)/n(S) = 1/6

Complementar de A = A= no sair um nmero igual a 1
A= {2, 3, 4, 5, 6} => n(A) = 5
P(A) = n(A)/n(S) = 5/6

n= 3 vezes
x = 1 (1 sair exatamente uma vez)

% 35 % 72 , 34
216
75
36
25
6
1
! 2 ! 1
! 3
6
5
6
1
1
3
) 1 ( ) 1 , 3 (
2 1
= =
= = f P

GABARITO: A

9. (TFC-CGU/2008/ESAF) Ana precisa fazer uma prova de matemtica
composta de 15 questes. Contudo, para ser aprovada, Ana s precisa resolver
102
10 questes das 15 propostas. Assim, de quantas maneiras diferentes Ana
pode escolher as questes?

A) 3003
B) 2980
C) 2800
D) 3006
E) 3005

Resoluo

Repare que a ordem das questes no importa neste caso. Logo, no
utilizaremos uma permutao e sim uma combinao das 15 questes da
prova, tomadas 10 a 10.

003 . 3
1 2 3 4 5 ! 10
! 10 11 12 13 14 15
)! 10 15 ( ! 10
! 15
15
10
=

=

= C

GABARITO: A

10. (TFC-CGU/2008/ESAF) gata decoradora e precisa atender o pedido
de um excntrico cliente. Ele - o cliente - exige que uma das paredes do
quarto de sua filha seja dividida em uma seqncia de 5 listras horizontais
pintadas de cores diferentes, ou seja, uma de cada cor. Sabendo-se que gata
possui apenas 8 cores disponveis, ento o nmero de diferentes maneiras que
a parede pode ser pintada igual a:

A) 56
B) 5760
C) 6720
D) 3600
E) 4320

Resoluo

gata possui 8 cores disponveis para utilizar em 5 listras:

720 . 6
! 3
! 3 4 5 6 7 8
)! 5 8 (
! 8
)! (
!
) ( =

=
=
r n
n
n
r

GABARITO: C

11. (AFTN/1998/ESAF) Uma empresa possui 20 funcionrios, dos
quais 10 so homens e 10 so mulheres. Desse modo, o nmero de
103

comisses de 5 pessoas que se pode formar com 3 homens e 2 mulheres
:

A) 5400
B) 165
C) 1650
D) 5830
E) 5600

Resoluo

Comisses de 5 pessoas, sendo 3 homens e 2 mulheres:

1) Como 3 das pessoas do grupo sero homens, temos um total de 10 homens
(a ordem no importa); logo, teremos uma combinao de 10, tomados 3 a 3:

120
)! 3 10 ( ! 3
! 10
10
3
=

= C

2) Como 2 das pessoas do grupo sero mulheres, temos um total de 10
mulheres e a ordem no importa, teremos uma combinao de 10, tomados 2
a 2:

45
)! 2 10 ( ! 2
! 10
10
2
=

= C

Total de Comisses =
10
2
10
3
C C = 120 x 45 = 5.400

GABARITO: A

12. (APOFP-SP/2009/ESAF) 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

104

Resoluo

Z => varivel aleatria normal padro

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

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

P(-2,58 < Z < 1,96) = (1,96) - (-2,58) = 0,975 0,005 = 0,97

GABARITO: B

13. (AFTM-RN/2008/ESAF) Numa distribuio Binomial, temos que:

n e p.
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

Resoluo

Esperana da distribuio binomial: E(X) = np
Varincia da distribuio binomial: Var(X) = np(1-p)

Vamos analisar as alternativas:


Esperana da distribuio binomial: E(X) = np. O item FALSO.

105

n e p.

Varincia da distribuio binomial: Var(X) = np(1-p)
Desvio-Padro = [np(1-p)]
1/2
=> dado pela raiz quadrada do produto entre
n, p e (1-p). O item FALSO.

quadrado da mdia.

A frmula geral da varincia : Var(X) = E(X
2
) [E(X)]
2
=> ou seja, a mdia
dos quadrados do valores menos o quadrado da mdia. O item FALSO.
Lembre que a varincia da distribuio binomial np(1-p).

GABARITO: C

14. (Analista Tcnico da SUSEP/2006/ESAF) 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

Resoluo

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
106

GABARITO: D

15. (Analista Tcnico da SUSEP/2006/ESAF) 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.

Resoluo

Var(cX) = c
2
Var(X), sendo c = constante
Var(X + a) = Var (X), sendo a = constante.

Var(aX + b) = a
2
Var(X)

GABARITO: D

O enunciado abaixo refere-se s questes de nmeros 16 a 19.

Aps vrios anos de magistrio no ensino superior, um professor de Estatstica
constatou que, em sua aula na graduao, a funo de probabilidade de X,
varivel aleatria que representa o nmero de alunos ausentes s sextas-
feiras, a seguinte

X 0 1 2 3 4 5 6 7
f(x) 0,010 0,020 0,310 0,320 0,240 0,080 0,019 0,001

16. Ento a probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 alunos
estaro ausentes

(A) 0,63
(B) 0,13
(C) 0,87
(D) 0,56
(E) 1

Resoluo

107
A probabilidade de que, em dada sexta-feira, 2 ou 3 ou 4 estaro ausentes
dada por

87 , 0 240 , 0 320 , 0 310 , 0 ) (
4
2
= + + =
= x
x f

GABARITO: C

17. O valor esperado da varivel aleatria X

(A) 3,08
(B) 3,26
(C) 2,12
(D) 0,32
(E) 0,96

Resoluo

=
=
7
0
) ( ] [
x
x xf X E

Logo, E[X]

08 , 3 081 , 3 001 , 0 7 019 , 0 6 08 , 0 5 24 , 0 4 32 , 0 3 31 , 0 2 02 , 0 1 01 , 0 0 = + + + + + + + =
GABARITO: A

18. O valor esperado de Y = 5X + 4

(A) 4
(B) 3,1
(C) 15,4
(D) 19,4
(E) 81

Resoluo

4 , 19 405 , 19 4 405 , 15 4 081 , 3 5 4 ] [ 5 ] 4 5 [ ] [ = + = + = + = + = X E X E Y E .

GABARITO: D

19. A varincia de X

(A) 9,49
108
(B) 1,22
(C) 10,71
(D) 20,305
(E) 85,525

Resoluo

2
7
0
2 2 2
) ( ] [ ) var( X x f x X X E X
x
=
= = .
+ + + + + + =
=
08 , 0 5 24 , 0 4 32 , 0 3 31 , 0 2 02 , 0 1 01 , 0 0 ) (
2 2 2 2 2 2
7
0
2
x
x f x
713 , 10 001 , 0 7 019 , 0 6
2 2
= + +

Ento,

22 , 1 493 , 9 713 , 10 081 , 3 713 , 10 ] [ ) var(
2 2 2
= = = = X X E X .

GABARITO: B

20. (AFT/2010/ESAF) O departamento de vendas de uma empresa possui
10 funcionrios, sendo 4 homens e 6 mulheres. Quantas opes possveis
existem para se formar uma equipe de vendas de 3 funcionrios, havendo na
equipe pelo menos um homem e pelo menos uma mulher?

A) 192.
B) 36.
C) 96.
D) 48.
E) 60.

Resoluo

Hiptese 1: 1 homem e 2 mulheres:

60
2
5 6
4
! 2 ! 4
! 6
! 1 ! 3
! 4
2
6
1
4
6
2
4
1
=
= =
= C C

Hiptese 2: 2 homens e 1 mulher:

36 6 2 3
! 1 ! 5
! 6
! 2 ! 2
! 4
1
6
2
4
6
1
4
2
= = =
= C C

Total = 60 + 36 = 96
109

GABARITO: C

21. (AFPS/2002/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)

Resoluo

A questo imediata. Aprendemos que

P( - 1,96< X < + 1,96) = 95% (resultado que deve ser memorizada para
a prova!)

GABARITO: E

22. (Analista Ministerial/Estatstica/MPE-PE/2006/FCC) Seja X uma
varivel aleatria assumindo os valores -2 e 2, com probabilidade 1/4 e 3/4,
respectivamente. Seja a mdia de X. Ento o limite superior de P[|X - |
12 ], obtido pela desigualdade de Tchebysheff, dado por

A) 0,40
B) 0,25
C) 0,20
D) 0,12
E) 0,10

Resoluo

A Desigualdade de Tchebysheff pode ser dada pela expresso

2
1
] | [|
k
k X P .

Dados: i) 12 = k , ii) distribuio de probabilidades de X (logo possvel
calcular a mdia e o desvio padro de X).

110

1
4
3
2
4
1
2 ) ( ) ( =
= = =

i
i i
x f x X E

3 1
4
3
2
4
1
) 2 ( ) ( ) (
2 2 2 2 2 2 2 2
=
= = =

i
i i
x f x X E

Ento

3
12
=
k
k = 2.

2
2
1
] 3 2 | 1 [| X P 25 , 0 ] 3 2 | 1 [| X P limite superior da probabilidade de
que X difira da mdia populacional por 3 2 0,25.

GABARITO: B

23. (AFT/2010/ESAF/Adaptada) Em um grupo de 100 pessoas, 15 das 40
mulheres do grupo so fumantes e 15 dos 60 homens do grupo tambm so
fumantes. Ao se escolher ao acaso cinco pessoas do grupo, sem reposio, a
probabilidade de exatamente quatro delas serem homens fumantes dada
por:

A) C
n.k
p
k
(1-p)
n-k
, sendo p=0,15, n=5 e k=4.
B) C
m,k
C
N-m,n-k
/C
N,n
, sendo N=100, n=5, m=15 e k=4.
C) C
M,k
C
N-m,n-k
/C
N,n
, sendo N=100, n=5, m=60 e k=4.
D) C
m,k
C
N-m,n-k
/C
N,n
, sendo N=100, n=15, m=5 e k=4.
E) C
n.k
pk (1-p)
n-k
, sendo p=0,25, n=5 e k=4.

Resoluo

I Total de possibilidades de 4 homens fumantes em um grupo de 5 pessoas:
C
15,4
x C
85,1

II Total de possibilidades de grupos de 5 pessoas:
C
100,5

Probabilidade = (C
15,4
x C
85,1
)/C
100,5

GABARITO: B

24. (AFRFB/2009/ESAF) De quantas maneiras podem sentar-se trs
homens e trs mulheres em uma mesa redonda, isto , sem cabeceira, de
111

modo a se ter sempre um homem entre duas mulheres e uma mulher entre
dois homens?

A) 72
B) 36
C) 216
D) 720
E) 360

Resoluo

Pela questo, homens (H) e mulheres (M) devem sentar mesa redonda de
forma intercalada, conforme a figura abaixo:

Posio 1 (Homens) = 3
Posio 2 (Mulheres) = 3
Total = 3 x 3 x 2 x 2 x 1 x 1 = 36

Como a questo fala em mesa redonda sem cabeceira, no deve haver uma
referncia. Deste modo, as possibilidades acima e a abaixo seriam iguais:

H3
H2
H1
M1
M3
M2
M3
M2
M1
H3
H2 H1
112

Teramos as seguintes opes:

Posio 1 Posio 2 Posio 3 Posio 4 Posio 5 Posio 6
1 H1 M1 H2 M2 H3 M3
2 H1 M1 H2 M3 H3 M2
3 H1 M2 H2 M1 H3 M3
4 H1 M2 H2 M3 H3 M1
5 H1 M3 H2 M1 H3 M2
6 H1 M3 H2 M2 H3 M1
7 H1 M1 H3 M2 H2 M3
8 H1 M1 H3 M3 H2 M2
9 H1 M2 H3 M1 H2 M3
10 H1 M2 H3 M3 H2 M1
11 H1 M3 H3 M1 H2 M2
12 H1 M3 H3 M2 H2 M1
13 H2 M1 H1 M2 H3 M3
14 H2 M1 H1 M3 H3 M2
15 H2 M2 H1 M1 H3 M3
16 H2 M2 H1 M3 H3 M1
17 H2 M3 H1 M1 H3 M2
18 H2 M3 H1 M2 H3 M1
19 H2 M1 H3 M2 H1 M3
20 H2 M1 H3 M3 H1 M2
21 H2 M2 H3 M1 H1 M3
22 H2 M2 H3 M3 H1 M1
23 H2 M3 H3 M1 H1 M2
24 H2 M3 H3 M2 H1 M1
25 H3 M1 H1 M2 H2 M3
26 H3 M1 H1 M3 H2 M2
27 H3 M2 H1 M1 H2 M3
28 H3 M2 H1 M3 H2 M1
29 H3 M3 H1 M1 H2 M2
30 H3 M3 H1 M2 H2 M1
31 H3 M1 H2 M2 H1 M3
32 H3 M1 H2 M3 H1 M2
33 H3 M2 H2 M1 H1 M3
34 H3 M2 H2 M3 H1 M1
35 H3 M3 H2 M1 H1 M2
36 H2 M3 H2 M2 H1 M1

Por ser uma mesa circular sem cabeceira, temos que as seguintes
possibilidades so iguais, pois esto apenas deslocadas de posio:

1 H1 M1 H2 M2 H3 M3
113

22 H2 M2 H3 M3 H1 M1
29 H3 M3 H1 M1 H2 M2

Repare as seqncias:
H1-M1-H2-M2-H3-M3
H2-M2-H3-M3-H1-M1 = H1-M1-H2-M2-H3-M3
H3-M3-H1-M1-H2-M2 = H1-M1-H2-M2-H3-M3

2 H1 M1 H2 M3 H3 M2
24 H2 M3 H3 M2 H1 M1
27 H3 M2 H1 M1 H2 M3

Repare as seqncias:
H1-M1-H2-M3-H3-M2
H2-M3-H3-M2-H1-M1 = H1-M1-H2-M3-H3-M2
H3-M2-H1-M1-H2-M3 = H1-M1-H2-M3-H3-M2

3 H1 M2 H2 M1 H3 M3
20 H2 M1 H3 M3 H1 M2
35 H3 M3 H2 M1 H1 M2

Repare as seqncias:
H1-M2-H2-M1-H3-M3
H2-M1-H3-M3-H1-M2 = H1-M2-H2-M1-H3-M3
H3-M3-H1-M2-H2-M1 = H1-M2-H2-M1-H3-M3

E assim sucessivamente. Portanto, teramos:
Nmero de Possibilidades = 36/3 = 12 possibilidades
No h resposta correta.

GABARITO: ANULADA

25. (AFRFB/2009/ESAF) Considere um retngulo formado por pequenos
quadrados iguais, conforme a figura abaixo. Ao todo, quantos quadrados de
quaisquer tamanhos podem ser contados nessa figura?

A) 128
B) 100
C) 64
D) 32
114

E) 18

Resoluo

Repare que a questo pede somente quadrados, ou seja, com os quatro lados
iguais. Portanto, somente possvel formar quadrados com 1 quadrado, com
4 quadrados e com 9 quadrados.

Quadrados formados por 1 quadrado = 3 x 6 = 18

Quadrados formados por 4 quadrados = 5 (duas primeiras linhas) + 5 (duas
ltimas linhas) = 10

Quadrados formados por 9 quadrados = 4

115

Total = 18 + 10 + 4 = 32 quadrados

GABARITO: D

26. (APO-MPOG/2008/ESAF) Marcos est se arrumando para ir ao teatro
com sua nova namorada, quando todas as luzes de seu apartamento apagam.
Apressado, ele corre at uma de suas gavetas onde guarda 24 meias de cores
diferentes, a saber: 5 pretas, 9 brancas, 7 azuis e 3 amarelas. Para que
Marcos no saia com sua namorada vestindo meias de cores diferentes, o
nmero mnimo de meias que Marcos dever tirar da gaveta para ter a certeza
de obter um par de mesma cor igual a:

A) 30
B) 40
C) 246
D) 124
E) 5

Resoluo

A gaveta guarda 24 meias de cores diferentes, a saber, 5 pretas, 9 brancas, 7
azuis e 3 amarelas. As meias so de 4 cores diferentes (este dado
essencial para a soluo da questo).

Suponha que Mrio retire quatro meias da gaveta, s que uma de cada cor
(preta, branca, azul e amarela). certo que a 5 meia ser de uma cor que j
foi retirada na gaveta e neste caso garante-se que Mrio ter em mos um

116
par de mesma cor. Portanto, o nmero mnimo de meias que devero ser
retiradas da gaveta 5.

GABARITO: E

27. (Analista de Finanas e Controle-STN/2008/ESAF) Ana possui em
seu closed 90 pares de sapatos, todos devidamente acondicionados em caixas
numeradas de 1 a 90. Beatriz pede emprestado Ana quatro pares de
sapatos. Atendendo ao pedido da amiga, Ana retira do closed quatro caixas de
sapatos. O nmero de retiradas possveis que Ana pode realizar de modo que a
terceira caixa retirada seja a de nmero 20 igual a:

A) 681384
B) 382426
C) 43262
D) 7488
E) 2120

Resoluo

90 pares de sapatos acondicionados em caixas numeradas de 1 a 90.
Beatriz pede emprestado Ana quatro pares de sapatos.
Ana retira do closed quatro caixas de sapatos.

O nmero de retiradas possveis que Ana pode realizar de modo que a terceira
caixa retirada seja a de nmero 20 igual a:

Retiradas total de quatro caixas de sapatos
Primeira Caixa = 89 (total de caixas menos a caixa 20, que ser a terceira
caixa a ser retirada)

Segunda Caixa = 88 (total de caixas, menos a primeira retirada e menos a
caixa 20, que ser a terceira caixa a ser retirada)

Terceira Caixa = 1 (tem que ser a caixa 20)

Quarta Caixa = 87 (total de caixas, menos a primeira retirada, menos a
segunda retirada e menos a caixa 20)

Nmero de Retiradas Possveis = 89 x 88 x 1 x 87 = 681.384

Nota: os algarismos das unidades (ltimos algarismos) das respostas so
diferentes. Portanto, basta multiplicar os algarismos das unidades dos valores
acima para achar a alternativa correta = 9 x 8 x 1 x 7 = 504 (final 4 a
resposta a alternativa a). Difcil ver isso na correria da prova. por isso
que preferimos as solues tradicionais, pois, voc certamente, perderia mais
117

tempo tentando descobrir algum macete do que resolvendo a questo por
meio dos conceitos.

GABARITO: A

28. (Analista Administrativo-ANEEL/2006/ESAF) Um grupo de amigos
formado por trs meninos - entre eles Caio e Beto - e seis meninas - entre elas
Ana e Beatriz -, compram ingressos para nove lugares localizados lado a lado,
em uma mesma fila no cinema. Ana e Beatriz precisam sentar-se juntas
porque querem compartilhar do mesmo pacote de pipocas. Caio e Beto, por
sua vez, precisam sentar-se juntos porque querem compartilhar do mesmo
pacote de salgadinhos. Alm disso, todas as meninas querem sentar-se juntas,
e todos os meninos querem sentar-se juntos. Com essas informaes, o
nmero de diferentes maneiras que esses amigos podem sentar-se igual a:

A) 1920
B) 1152
C) 960
D) 540
E) 860

Resoluo

Grupo: 3 meninos e 6 meninas.
Fila de Cinema:h nove lugares localizados lado a lado.

Deve-se cumprir os seguintes requisitos:
1. Ana e Beatriz precisam sentar-se juntas porque querem compartilhar do
mesmo pacote de pipocas.
2. Caio e Beto, por sua vez, precisam sentar-se juntos porque querem
compartilhar do mesmo pacote de salgadinhos.
3. Todas as meninas querem sentar-se juntas.
4. Todos os meninos querem sentar-se juntos.

Poderemos ter duas situaes:

Situao 1: meninos nos primeiros lugares
Exemplo:
Lugar 1: Caio
Lugar 2: Beto
Lugar 3: Menino
Lugar 4: Menina 1
Lugar 5: Menina 2
Lugar 6: Ana
118
Lugar 7: Beatriz
Lugar 8: Menina 3
Lugar 9: Menina 4

Situao 2: meninas nos primeiros lugares
Exemplo:
Lugar 1: Menina 1
Lugar 2: Menina 2
Lugar 3: Ana
Lugar 4: Beatriz
Lugar 5: Menina 3
Lugar 6: Menina 4
Lugar 7: Caio
Lugar 8: Beto
Lugar 9: Menino

Passemos anlise do nmero total de possibilidades. Como as meninas so
segregadas dos meninos, podemos calcular, de forma separada, o nmero de
permutaes associados s meninas (N
1
) e o nmero de permutaes
associados aos meninos (N
2
). Aps, multiplicaremos N
1
por N
2
(aplicao do
princpio fundamental da contagem) e em seguida multiplicaremos o resultado
anterior por 2 (para obter 2N
1
N
2
), pois deve-se levar em conta que as meninas
ou os meninos podem estar nos primeiros lugares (da o fator 2).

No caso das meninas, podemos considerar Ana e Beatriz como se fossem uma
nica pessoa, pois elas sempre sentaro juntas. Alm disso, h duas
possibilidades de sentarem juntas (Ana-Beatriz ou Beatriz-Ana). Logo,
teramos uma permutao de n = 5.

Nmero de maneiras diferentes das meninas se sentarem:
N
1
= 2 x P
5
= 2 x 5! = 2 x 5 x 4 x 3 x 2 x 1 = 240 (*)
(*) o fator 2 surge das possibilidades Ana-Beatriz ou Beatriz-Ana

Raciocnio anlogo pode ser aplicado ao caso dos meninos, ou seja, podemos
considerar Caio e Beto como se fossem uma nica pessoa, pois eles sempre
sentaro juntos. Alm disso, h duas possibilidades de sentarem juntos (Caio-
Beto ou Beto-Caio). Assim, teramos uma permutao de n = 2.

Nmero de maneiras distintas dos meninos se sentarem:
N
2
= 2 x P
2
= 2 x 2! = 2 x 2 x 1 = 4

N
o
total de diferentes maneiras (meninos e meninas)

(N
1
x N
2
) x 2 = 240 x 4 x 2 = 1.920

GABARITO: A
119
APNDICE

TABELA I
NORMAL: rea direita de Z
c

Parte
inteira e
primeira
decimal
de Z
c

Segunda decimal de Z
c

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

120

TABELA II
NORMAL: rea de 0 a Z
c

Parte
inteira e
primeira
decimal
de Z
c

Segunda decimal de Z
c

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

Aula 16

Uploaded by

Document Information

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

Aula 16

Uploaded by

Copyright:

Available Formats

N u b i a A l v e s d e O l i v e i r a , C P F : 7 1 3 5 9 2 2 2 2 0 0

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados

deve estar prximo de zero, pois

um valor pouco provvel (opo E).

= para x 0 ( ) (x f = 0 para x < 0)

, < < x , a normal padro, que

= ) 1 ( ) ( , n x ,..., 2 , 1 , 0 = , a binomial, que possui

You might also like