Aula 13 - Principais Distribuições de Probabilidade

Raciocnio Lgico, Estatstica,
Matemtica e Matemtica Financeira p/

AFRFB e AFT

Prof. Vtor Menezes www.estrategiaconcursos.com.br 1
AULA 13: Principais distribuies de
probabilidade

1. DISTRIBUIO UNIFORME DISCRETA ............................................................................................. 2
2. DISTRIBUIO DE BERNOULLI ........................................................................................................ 3
3. DISTRIBUIO BINOMIAL ............................................................................................................... 5
3.1. Introduo ............................................................................................................................................. 5
3.2. Frmula da probabilidade para a varivel binomial ............................................................................ 6
3.3. Mdia e varincia da distribuio binomial ....................................................................................... 10
4. DISTRIBUIO DE POISSON .......................................................................................................... 11
5. DISTRIBUIO UNIFORME CONTNUA ......................................................................................... 14
6. DISTRIBUIO NORMAL ............................................................................................................... 19
6.1. Utilizao das tabelas. ........................................................................................................................ 22
6.2. Aproximao da distribuio binomial pela distribuio normal ...................................................... 33
7. AMOSTRAGEM ............................................................................................................................. 38
7.1. Amostragem aleatria simples ............................................................................................................ 38
7.2. Amostragem estratificada ................................................................................................................... 38
7.3. Amostragem por conglomerados ........................................................................................................ 39
7.4. Amostragem sistemtica ...................................................................................................................... 40
7.5. Amostragem por julgamento ............................................................................................................... 40
8. RESUMO ..................................................................................................................................... 48
9. QUESTES APRESENTADAS EM AULA .......................................................................................... 49
10. GABARITO ................................................................................................................................ 58

AFRFB e AFT

1. DISTRIBUIO UNIFORME DISCRETA
A distribuio uniforme discreta o tipo mais simples de varivel aleatria. a varivel em
que todos os valores tm a mesma probabilidade de ocorrer.
Um exemplo bem simples, e que j temos trabalhado, o caso do lanamento do dado de
seis faces. A varivel que designa o resultado do lanamento discreta (podem ocorrer
apenas os valores 1, 2, 3, 4, 5 e 6). Alm disso, se o dado for honesto, todos os resultados
so equiprovveis.
Dizemos que a varivel em questo discreta e uniforme.
Seja X a varivel discreta uniforme que pode assumir n resultados diferentes (
1
x ,
2
x ,
3
x , ...,
n
x ). A esperana de X fica:
=
1

A esperana simplesmente a mdia aritmtica de todos os valores que podem ocorrer.

Questo 1 TJ RO 2008 [CESGRANRIO]
Uma urna contm dez bolas, cada uma gravada com um nmero diferente, de 1 a 10. Uma
bola retirada da urna aleatoriamente e X o nmero marcado nesta bola. X uma
varivel aleatria cujo(a)
(A) desvio padro 10.
(B) primeiro quartil 0,25.
(C) mdia 5.
(D) distribuio de probabilidades uniforme.
(E) distribuio de probabilidades assimtrica.

Resoluo.
Neste exerccio, a varivel X discreta (assume apenas os valores inteiros de 1 a 10).
Alm disso, ela uniforme, pois todas as possveis realizaes tm probabilidade de 10%
(ou seja, as probabilidades so todas iguais entre si).
A questo no pediu, mas podemos calcular a sua esperana. A esperana simplesmente a
mdia aritmtica dos valores que X pode assumir.
=
1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10
10
= 5,5
Gabarito: D

AFRFB e AFT

2. DISTRIBUIO DE BERNOULLI
So de grande importncia alguns tipos de experimento em que a varivel de interesse pode
assumir apenas dois valores. Podemos falar em sucessos e fracassos. Um exemplo o
lanamento de uma moeda. Temos dois resultados possveis (cara e coroa). Podemos
considerar que cara sucesso e coroa fracasso.
Em casos assim, comum atribuirmos ao sucesso o valor 1 e ao fracasso o valor zero.
Seja X a varivel aleatria que assume o valor 1 quando o resultado do lanamento da
moeda cara e que assume o valor 0 quando o resultado do lanamento coroa. A varivel
aleatria X assume apenas os valores 0 e 1. uma varivel de Bernoulli.
Alm disso, X tambm uma varivel discreta (pois assume apenas alguns valores, quais
sejam, 0 e 1).
Caso a moeda seja honesta, ento a probabilidade de sucesso igual probabilidade de
fracasso (e ambas valem 50%). Teramos uma distribuio uniforme.
Neste caso, X seria discreta, uniforme e, alm disso, teria distribuio de Bernoulli.

Mudemos de exemplo. Considere o lanamento de um dado de seis faces. Se sair um
mltiplo de 3, consideramos sucesso. Se no sair um mltiplo de 3, consideramos fracasso.
Vamos criar uma varivel aleatria I. A nossa varivel aleatria I vai se comportar da
seguinte forma. Se o resultado do lanamento do dado for 1, 2, 4, 5, teremos fracasso.
Ento I assume valor zero.
Se o resultado do lanamento do dado for 3 ou 6, teremos sucesso. Ento I assume valor 1.
Dizemos que I uma varivel de Bernoulli. Ela tem a seguinte distribuio de probabilidade:
I P
0 2/3
1 1/3
A probabilidade de I assumir o valor zero 2/3. E a probabilidade de I assumir o valor 1
1/3.

Distribuio de Bernoulli
Assume apenas os valores 0 e 1.

A grande importncia da varivel de Bernoulli, em termos de concursos, que ela serve pra
gente estudar outra varivel: a Binomial.

AFRFB e AFT

Genericamente, indicamos por p a probabilidade sucesso e q a probabilidade de fracasso.
Com isso, a distribuio da varivel I seria:
I Probabilidade
0 q
1 p
E sua esperana seria:
= 0 + 1 =
Por sua vez, a esperana de I
2
igual a:
= 0
+1
=
Disto resulta que a varincia de I igual a:
=

Colocando p em evidncia:
= 1 =

Mdia e varincia da varivel com distribuio de Bernoulli
=
=

Questo 2 GDF SEJUS 2010 [UNIVERSA]
Para uma determinada moeda viciada, a probabilidade de se obter um resultado cara
igual a 30%. Seja, ento, a varivel aleatria X que assume apenas os valores 0 e 1, sendo 0
para resultado coroa e 1 para resultado cara. Assinale a alternativa que apresenta,
respectivamente, o valor mdio e a varincia de X.
(A) 0,21 e 0,3
(B) 0,7 e 0,21
(C) 0,21 e 0,7
(D) 0,3 e 0,21
(E) 0,3 e 0,7

Resoluo.
A probabilidade de sucesso 30% e a de fracasso 70% ( = 0,3; = 0,7).
Logo:
AFRFB e AFT

= = 0,30
= = 0,3 0,7 = 0,21

Gabarito: D

3. DISTRIBUIO BINOMIAL
3.1. Introduo
A distribuio binomial aplicvel quando temos vrios experimentos independentes e, a
cada um deles, associamos apenas dois resultados. Podemos pensar em resultados
favorveis e resultados desfavorveis. Ou em sucessos e fracassos.
Por exemplo: vamos lanar um dado. Vamos considerar um resultado favorvel (sucesso) se
sair um mltiplo de 3. Vamos considerar um resultado desfavorvel (fracasso) se no sair
um mltiplo de 3. Seja I a varivel que, em caso de sucesso, assume o valor 1. E, em caso
de fracasso, assume o valor zero.
A cada lanamento, a probabilidade de ocorrer um evento favorvel de 1/3 (ou seja, a
probabilidade de I = 1 de 1/3). E a probabilidade de ocorrer um evento desfavorvel 2/3
(a probabilidade de I = 0 2/3). Como j vimos, I uma varivel de Bernoulli.
Segue a distribuio de probabilidades da varivel I:
I Probabilidade
0 2/3
1 1/3
Muito bem, s que no vamos lanar o dado uma nica vez. Vamos lanar o dado trs vezes.
A varivel aleatria X vai representar o nmero de sucessos em trs lanamentos.
Um possvel resultado dos trs lanamentos seria: 2, 4, 3.
Vamos ver como se comporta a varivel I em cada um destes lanamentos.
1 lanamento: 2 I = 0 (tivemos um fracasso, pois no saiu um mltiplo de 3)
2 lanamento: 4 I = 0 (tivemos outro fracasso, pois no saiu um mltiplo de 3)
3 lanamento: 3 I = 1 (tivemos um sucesso, pois saiu um mltiplo de 3).
Nesse caso, em trs lanamentos, o nmero de casos favorveis foi de 1 (X = 1).
Se somarmos todos os valores que I assume, temos exatamente 1.
Ou seja, X igual soma de todos os valores de I.

Vamos mudar um pouco o exemplo.
Suponhamos agora que os resultados dos trs lanamentos foram: 3, 1, 6. Vamos ver como
se comporta a varivel I em cada lanamento:
1 lanamento: 3 I = 1
AFRFB e AFT

Nesse outro caso, em trs lanamentos, o nmero de casos favorveis foi de 2 (X = 2). Se
somarmos todos os valores que I assume, temos exatamente 2. Novamente, X igual
soma de todos os valores de I.
Esta varivel X dita binomial. Ela representa o nmero de casos favorveis em um
conjunto de experimentos que s admitem dois resultados possveis (sucesso ou fracasso).
Ela a soma de vrias variveis de Bernoulli, todas independentes entre si.

Varivel binomial
Corresponde soma de vrias variveis de Bernoulli, independentes entre si. Tem relao
com o nmero de resultados favorveis em n experimentos

3.2. Frmula da probabilidade para a varivel binomial
Para calcular a probabilidade de a varivel aleatria X, com distribuio binomial, assumir
um determinado valor k, basta aplicar a seguinte frmula:
= =

Nesta frmula, temos:
n a quantidade de experimentos
p a probabilidade de sucesso em cada experimento
q a probabilidade de fracasso em cada experimento
k representa a quantidade de sucessos para a qual estamos querendo calcular a
probabilidade
Exemplo:
Qual a probabilidade de, lanando uma moeda trs vezes, obtermos duas caras?

Neste caso, so trs lanamentos, ou trs experimentos (n = 3).
Em cada experimento, a probabilidade de sucesso (ou ainda: a probabilidade de obter cara)
de 0,5 (p = 0,5). A probabilidade de fracasso 0,5 (q = 0,5).
Queremos calcular a probabilidade de ocorrerem duas caras (k = 2).
Ficamos com:
AFRFB e AFT

= 2 =
3
2
0,5
0,5
= 3 0,5
=
3
8
= 37,5%

Varivel binomial
Seja X nossa varivel binomial. Ela representa o nmero de sucessos em n experimentos
(onde cada experimento pode resultar em sucesso ou em fracasso).
A frmula da varivel binomial a que segue. A probabilidade de termos k sucessos em n
experimentos :
k n k
q p
k
n
k X P

= = ) (

Vamos praticar um pouco.

Questo 3 SEFAZ 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) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200

Resoluo.
Quando analisamos uma nica questo, podemos ter sucesso (acerta a questo) ou fracasso
(erra a questo). A probabilidade de sucesso de 20% e a de fracasso 80%.
2 , 0 = p ; 8 , 0 = q
Assim, quando analisamos uma nica questo, temos uma distribuio de Bernoulli.
A quantidade de sucessos em trs experimentos corresponde, portanto, soma de trs
variveis de Bernoulli. Temos uma distribuio binomial.
A probabilidade de 2 acertos em trs :
AFRFB e AFT

k n k
q p
k
n
k X P

= = ) (
=
= =
1 2
8 , 0 2 , 0
2
3
) 2 ( X P 0,096
A probabilidade de 3 acertos :
=
= =
0 3
8 , 0 2 , 0
3
3
) 3 ( X P 0,008
A probabilidade de ser aprovado :
104 , 0 008 , 0 096 , 0 ) 3 ( ) 2 ( = + = = + = X P X P
Gabarito: A

Questo 4 CGU 2008 [ESAF]
Seja X a soma de n variveis aleatrias independentes de Bernoulli, isto , que assumem
apenas os valores 1 e 0 com probabilidades p e p 1 , respectivamente. Assim, a
distribuio de X :
a) binomial com parmetros n e p
b) gama com parmetros n e p
c) qui quadrado com n graus de liberdade
d) laplace
e) t de student com n-1 graus de liberdade

Resoluo:
Cobrana direta do resumo estudado nesta aula.
Gabarito: A.

Questo 5 AFRFB 2009 [ESAF]
Em um experimento binomial com trs provas, a probabilidade de ocorrerem dois sucessos
doze vezes a probabilidade de ocorrerem trs sucessos. Desse modo, as probabilidades de
sucesso e fracasso so, em percentuais, respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
d) 20 % e 80 %
e) 25 % e 75 %

AFRFB e AFT

Resoluo.
So 3 experimentos ( 3 = n ). A probabilidade de 2 sucessos dada por:
1 2
2
3
) 2 ( q p X P
= =
= q p
2
3
A probabilidade de trs sucessos :
0 3
3
3
) 3 ( q p X P
= =
=
3
p
O exerccio disse que a primeira probabilidade 12 vezes a segunda.
3 2
12 3 p q p =
p q = 4 (equao I)
A probabilidade de sucesso somada com a probabilidade de fracasso igual a 100%.
1 = + q p (equao II)
Substituindo I em II:
1 4 = + p p
2 , 0 = p
Logo:
8 , 0 = q
Gabarito: D

Questo 6 SUSEP 2010 [ESAF]
Um estudo indica que, nas comunidades que vivem em clima muito frio e com uma dieta de
baixa ingesto de gordura animal, a probabilidade de os casais terem filhos do sexo
masculino igual a 1/4. Desse modo, a probabilidade de um casal ter dois meninos e trs
meninas igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16

Resoluo
AFRFB e AFT

Podemos pensar que, a cada parto, temos um experimento. Teremos sucesso se nascer
menino. E queremos calcular a probabilidade de exatamente 2 sucessos em 5 experimentos
(ou seja, 2 meninos em 5 partos).
Ficamos com:
k n k
q p
k
n
k X P

= = ) (
=
= =
3 2
4
3
4
1
2
5
) 2 ( X P
512
135
1024
27
10 =

No h alternativa correta. A questo foi anulada.
Gabarito: Anulado

3.3. Mdia e varincia da distribuio binomial
Se X tem distribuio binomial, sua mdia e sua varincia ficam:
=
=

Mdia e varincia da varivel binomial
=
=

Estas expresses para a mdia e a varincia da distribuio binomial podem ser facilmente
obtidas com a utilizao das propriedades da esperana.
A varivel binomial X corresponde soma de n variveis de Bernoulli, designadas por I.
=
=
n
i
i
I X
1

Cada varivel I tem mdia p e varincia pq.
A esperana de X, portanto, equivale esperana da soma de n variveis I. Vimos que a
esperana da soma igual soma das esperanas.
= ) ( X E np I E
n
i
i
=
=1

AFRFB e AFT

Quando temos variveis independentes, a varincia da soma igual soma das varincias.
Portanto:
npq I V
n
i
i
=
=1

Em certo plano amostral, em uma populao de 100 elementos, optou-se pelo seguinte
critrio: joga-se uma moeda (honesta) e, se der cara, o elemento entra na amostra; se der
coroa, ele no entra na amostra. Qual o tamanho esperado dessa amostra?
(A) 10
(B) 20
(C) 30
(D) 40
(E) 50

Resoluo.
Seja X a quantidade de elementos selecionados. X uma varivel binomial com n = 100 e p =
0,5.
A mdia de X fica:
= = 100 0,5 = 50
Gabarito: E

4. DISTRIBUIO DE POISSON
Vimos que a distribuio binomial til para calcularmos a probabilidade de, em n
experimentos, termos k casos favorveis. A frmula estudada foi:
k n k
q p
k
n
k X P

= = ) (
Pois bem. possvel demonstrar que, quando n grande e p pequeno, a frmula
k n k
q p
k
n
k X P

= = ) ( pode ser aproximada por:

= =

!

O smbolo e representa um nmero real, que vale aproximadamente 2,7.
Segundo Bussab e Morettin, no livro Estatstica Bsica, a aproximao boa se 7 np .

AFRFB e AFT

Muitos tipos de variveis so bem descritas por meio da distribuio de probabilidades dada
por
= =

!

Essa a distribuio de Poisson. comum substituir o produto np pela letra (lmbda).
Como a esperana da varivel binomial dada por np , dizemos que corresponde ao
nmero esperado de ocorrncias.
A distribuio de Poisson descreve muito bem o nmero de ocorrncias ao longo do tempo
(ou ao longo de uma superfcie). Alguns exemplos seriam:
O nmero de carros que passam por uma cabine de pedgio, durante 5 minutos;
O nmero de telefonemas recebido por uma central de atendimento, durante 2
horas;
O nmero de clientes que entram na fila de um banco, durante 1 hora.
O nmero de defeitos observados em 2 metros quadrados de material;

Distribuio de Poisson
= =

!

Pode ser usada no lugar da distribuio binomial, quando o nmero de experimentos
grande (n grande) e quando a probabilidade de sucesso pequena (p pequeno).
Muito til para representar alguns tipos de ocorrncias em um determinado
tempo/superfcie

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:
32
73
3
71
^4
71
3

71
3

AFRFB e AFT

32
3

Resoluo.
Queremos calcular a probabilidade de 0, 1, 2 ou 3 petroleiros em dois dias.
Vamos iniciar com a probabilidade de 3 petroleiros em dois dias.
S para ficar claro, observe como impossvel usar a distribuio binomial neste caso.
O nmero de casos favorveis 3 (3 petroleiros). Mas qual seria o nmero de casos
desfavorveis? Quantos petroleiros deixaram de chegar? No d para saber.

Alm disso, no sabemos quantos foram os experimentos analisados. O que seria um
experimento? A cada dia temos um experimento? A cada hora? A cada minuto? A cada
segundo? Outra vez, ficamos sem resposta. Assim, no possvel utilizar a distribuio
binomial.

A adotamos a seguinte ttica. Dividimos o perodo de 3 dias em intervalos de tempo muito
pequeninos, infinitesimais. Cada intervalinho pequeno um experimento. Analisamos o
intervalo e verificamos se, nele, temos sucesso (chega petroleiro) ou fracasso (no chega).

Nesse caso, o nmero de experimentos vai para o infinito (n grande) e a chance de
sucesso em cada experimento vai para 0 (pois difcil chegar petroleiro em um intervalo
muito pequeno). Disso resulta que a distribuio binomial tende para:
= =

!

Que corresponde distribuio de Poisson.
Ento essa a frmula que temos que aplicar.
Em dois dias, o nmero esperado de petroleiros igual a 4.
4 =
Aplicando a frmula:
= 3 =

3!

Analogamente, calculamos a chance de 2, 1 e 0 petroleiros:
= 2 =

2!

= 1 =

1!

= 0 =

0!

AFRFB e AFT

Agora somamos todas as probabilidades:
= 0 + = 1 + = 2 + = 3
=
0!
+
4
1!
+
4
2!
+
4
3!

=

71
3

Gabarito: C

Para encerrar os comentrios da distribuio de Poisson, faltou dizer o seguinte. Se X tem
distribuio de Poisson, ento:
= = ) ( ) ( X V X E
A varincia e a esperana de X so iguais a .

Mdia e varincia da varivel com distribuio de Poisson
= =

5. DISTRIBUIO UNIFORME CONTNUA
Nesta aula j estudamos a distribuio uniforme discreta. a distribuio em que todos os
possveis valores assumidos pela varivel aleatria tm a mesma chance de ocorrer.
Agora veremos tambm uma varivel uniforme. S que, em vez de ser discreta (ou seja,
assumir apenas alguns valores), ela contnua.
Sabemos que, no caso de uma varivel contnua, no podemos falar em probabilidade de
ocorrer um dado nmero. Podemos falar apenas em probabilidades relacionadas a
intervalos de valores. E essas probabilidades podem ser calculadas a partir do grfico da
funo densidade de probabilidade.
Pois bem, as variveis contnuas so estudadas a partir de seu grfico de densidade de
probabilidade.
Vejamos um exemplo de varivel uniforme contnua.
AFRFB e AFT


Observemos a figura acima. Temos o desenho de um grfico de uma funo densidade de
probabilidade (fdp). Ela assume o valor 0,5, quando X pertence ao intervalo [1;3]. Quando X
no pertence a este intervalo, a funo assume o valor zero.
O que caracteriza uma varivel uniforme?
No intervalo em que a fdp diferente de zero, ela constante. No presente caso, no
intervalo de 1 a 3 a fdp vale sempre 0,5.

Varivel uniforme contnua
Sua funo densidade de probabilidade igual a zero em toda a reta real, com exceo de
um dado intervalo, onde assume um valor constante.

Achar a mdia da varivel uniforme bem simples. Tomamos o intervalo em que a fdp
diferente de zero. O ponto mdio desse intervalo corresponde mdia da varivel.
No exemplo acima, a mdia de X igual a 2, pois o ponto mdio do intervalo [1;3] 2.

J vimos que, no caso da distribuio uniforme, a esperana o ponto mdio do intervalo.
Falta vermos qual a sua varincia.
Se a varivel uniforme no intervalo de a at b, ento a varincia fica:
12
) (
) (
2
a b
X V

=

Mdia e varincia da varivel uniforme contnua
AFRFB e AFT

Se a varivel uniforme no intervalo (a, b), ento:
2
) (
b a
X E
+
=

12
) (
) (
2
a b
X V

=

Sendo X uma varivel aleatria uniformemente distribuda no intervalo [0,1], determine sua
varincia.
a) 1/2.
b) 1/3.
c) 1/4.
d) 1/6.
e) 1/12.

Resoluo:
12
) 0 1 (
12
) (
) (
2 2
=
a b
X V =
12
1

Gabarito: E

Questo 10 AFPS 2002 [ESAF]
Sabe-se que a varivel aleatria X tem distribuio de probabilidades uniforme no intervalo
(a,b) com 0<a<b. Assinale a opo correta.
a) O coeficiente de variao de X :
3
3

+

b) O coeficiente de variao de X :
1
12

+

c) O coeficiente de variao de X :
3
+

d) O coeficiente de variao de X :
AFRFB e AFT

3
3

+

e) O coeficiente de variao de X
1
12
+

Resoluo:
A mdia de X corresponde ao ponto mdio do intervalo (a, b).
=
+
2

A varincia da varivel uniforme no intervalo (a, b) dada por:
=

12

O desvio padro a raiz quadrada da varincia:
=

12

O coeficiente de variao igual diviso entre desvio padro e mdia:
=

12

+
2

=

12

2
+

=

12

4
+

=

+

4
12

=

+

1
3

=

+

3
3 3

=

+

3
3

Gabarito: A

AFRFB e AFT

Questo 11 MPU/2007 [FCC]
O tempo necessrio para um medicamento contra dor fazer efeito segue um modelo com
densidade Uniforme no intervalo de 5 a 15 (em minutos). Um paciente selecionado ao
acaso entre os que tomaram o remdio. A probabilidade do medicamento fazer efeito em
at 10 minutos, neste paciente, :
a) 0,8
b) 0,7
c) 0,5
d) 0,4
e) 0,3

Resoluo.
O grfico da funo densidade de probabilidade fica:

A fdp vale zero em toda a reta real, com exceo do intervalo entre 5 e 15. Nesse intervalo a
fdp constante e igual a 0,1.
Como sabemos disso?
A varivel s assume valores entre 5 e 10. Logo, a probabilidade de ela estar nesse intervalo
igual a 1. Portanto, a rea do retngulo acima deve ser igual a 1. Para que isso acontea, a
altura deve ser o inverso da base.
A base vale 10. A altura o inverso da base. Portanto, vale 0,1.
O exerccio perguntou qual a probabilidade da varivel aleatria assumir valores menores
ou iguais a 10.
Ou seja, precisamos da rea destacada na abaixo:

Trata-se de um retngulo de base 10 5 = 5 e altura 0,1.
5 , 0 1 , 0 5 ) 10 ( = = < X P
AFRFB e AFT

Gabarito: C.

6. DISTRIBUIO NORMAL
A funo densidade de probabilidade serve para caracterizarmos variveis contnuas.
A funo densidade de probabilidade tem um grfico com uma propriedade especial. Vimos
que a rea abaixo da curva serve para calcularmos a probabilidade associada ao intervalo.
Uma funo densidade de probabilidade muito importante a funo da varivel gaussiana
(ou normal).
Sua frmula a seguinte:

=
2
2
2
2
) (
exp
2
1
) (
x
x f
Onde a mdia da varivel aleatria (=esperana), o desvio padro e exp a
funo exponencial em que a base o nmero de Euler.
Nem precisa ficar preocupado em decorar ou entender a funo acima. Ns s a citamos e
nem vamos comentar novamente. claro que ns no vamos ficar desenhando seu grfico
para, em seguida, ficar calculando reas abaixo da curva.
Como a distribuio normal muito importante, o que geralmente vem na prova so
tabelas que nos fornecem as informaes das reas abaixo da curva. O que ns vamos
aprender simplesmente como consultar tais tabelas.
Ento vamos resumir. Sabemos que existe uma varivel aleatria que muito importante,
que se chama normal (ou gaussiana). Ela tem uma funo densidade de probabilidade meio
complicada, por isso a prova vai nos fornecer tabelas com as contas prontas. Temos apenas
que saber como olhar na tabela.
Mesmo que a gente no precise saber como desenhar o grfico, vamos ver alguns deles,
gerados no excel (funo dist.norm). til para visualizarmos algumas propriedades da
varivel normal.
Para desenhar o grfico, precisamos saber a mdia e o desvio padro da varivel aleatria
normal em anlise. O grfico abaixo representa a funo densidade de probabilidade
quando a varivel aleatria normal tem mdia zero e desvio padro unitrio.

AFRFB e AFT


Figura 1 - Funo densidade de probabilidade para varivel aleatria normal com mdia
zero e desvio padro unitrio.

Algumas caractersticas da funo densidade de probabilidade da varivel normal.
Primeiro: o ponto de mximo corresponde mdia da varivel aleatria (=esperana). Neste
caso, a mdia zero. Corresponde tambm moda e mediana da distribuio.
Segundo: a funo simtrica. Poderamos colocar um espelho bem em cima do zero
(ponto de mximo, que coincide com a mdia), que as duas metades da funo se
sobreporiam com perfeio.
Isto quer dizer que o valor da funo em -0,5 igual ao valor da funo em +0,5. Por qu?
Porque esses dois valores esto igualmente afastados da mdia.
Este grfico acima, que representa a varivel aleatria normal com mdia zero e desvio
padro unitrio, o mais importante. Isto porque as tabelas que ns estudaremos mais
adiante fornecem reas abaixo da curva justamente para este grfico. Se no exerccio
tivermos outra varivel aleatria normal que no tenha mdia zero e desvio padro unitrio,
vamos precisar fazer algumas transformaes para utilizar as tabelas.
A varivel normal com mdia zero e desvio padro unitrio comumente chamada de
varivel normal reduzida. Ou ainda, de varivel normal padro. Seu smbolo usual Z.
Z varivel normal reduzida (mdia zero e desvio padro unitrio).
Terceiro: medida que x assume valores muito grandes (tendendo a + ) ou muito
pequenos (tendendo a ), a funo tende para zero.
Quarto: a rea abaixo da curva inteira (considerando valores de x tendendo ao infinito, bem
como aqueles tendendo a menos infinito) 1. Isto porque a probabilidade de x assumir um
valor qualquer em toda a reta real 100%.
A seguir o grfico de uma funo densidade de probabilidade para uma varivel normal com
mdia zero e desvio padro igual a 1,6.
AFRFB e AFT


Figura 2 - Funo densidade de probabilidade para varivel aleatria normal com mdia
zero e desvio padro igual a 1,6

Observe que o ponto de mximo o mesmo do grfico anterior. Isto porque a mdia, nos
dois casos, zero.
Mas o grfico da Figura 2 mais suave que o grfico da Figura 1. medida que os valores de
x ficam muito grandes, os valores da funo vo para zero de forma mais lenta. Isto porque,
na varivel aleatria representada na Figura 2, o desvio padro maior. Ou seja, uma
varivel que apresenta valores mais dispersos, mais afastados da mdia.
Se os valores so mais dispersos, ento a probabilidade de encontrarmos valores mais
afastados da mdia maior. Por isso a curva cai lentamente, de forma que a rea abaixo
dela, para valores mais afastados da mdia, no seja to pequena quanto no caso da Figura
1. Vamos para um terceiro exemplo.

Figura 3 - Funo densidade de probabilidade para varivel normal com mdia 2 e desvio
padro unitrio

AFRFB e AFT

Agora a mdia 2. Portanto, o ponto de mximo no fica em zero, sim em 2. Mas o grfico
continua sendo simtrico. S que nosso espelho agora tem que ficar em cima de 2.
Assim, a funo assume os mesmos valores, tanto em x igual a 1 quanto em x igual a 3. Por
qu? Porque esses dois valores esto igualmente afastados da mdia. O mesmo vale para os
valores de x iguais a 4 e a 0. Ambos esto igualmente afastados da mdia.
Note que o desvio padro unitrio. o mesmo desvio da varivel da Figura 1. Portanto, as
duas curvas tm exatamente o mesmo formato. S houve um deslocamento horizontal ao
longo do eixo x.

E por que que a varivel normal to importante?
Porque existe um teorema, chamado de Teorema do limite central, que garante que a soma
de um nmero muito grande de variveis independentes resulta numa varivel cuja
distribuio prxima da normal. H mais algumas condies a serem obedecidas para que
isto seja aplicvel, mas para o nosso curso saber at aqui j est timo.
Por isto a varivel normal ou gaussiana importante. Muitas variveis, resultantes de um
nmero muito grande de outras variveis, podem ser aproximadas por uma curva normal.

6.1. Utilizao das tabelas.
Gerei a seguinte tabela com o excel (funo dist.norm). Na prova vai vir esta tabela (ou
uma parte dela).
Peo que vocs no tentem simplesmente decorar como consultar a tabela. Tentem
realmente entender como feita a consulta.
Digo isso porque possvel que a prova apresente tabelas estruturadas de forma um pouco
diferente. Se o candidato no entender qual informao est sendo apresentada, no
conseguir fazer a consulta corretamente.

AFRFB e AFT

PROBABILIDADE DE Z ESTAR ENTRE 0 E Z
0

Segunda casa decimal de Z
0

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

Olhem o ttulo l no alto da tabela. O que que ela fornece?
Ela nos d a probabilidade de a varivel Z assumir valores no intervalo entre 0 e Z
0
.
Exemplo:
0 < < 1,28 =?
Qual a probabilidade de Z assumir valores entre 0 e 1,28?
Neste caso, Z
0
= 1,28.
Ento consultarmos a seguinte clula, destacada em vermelho:
AFRFB e AFT

PROBABILIDADE DE Z ESTAR ENTRE 0 E Z
0

Segunda casa decimal de Z
0

Z
0
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
Portanto:
0 < < 1,28 = 39,97%
isso o que a tabela fornece.

Friso novamente: possvel estruturar a tabela de inmeras formas.
Esta tabela acima fornece valores para 0 < <
. Mas seria possvel mont-la para

fornecer outras reas, como por exemplo:
- >

- <
< <

Por isso, antes de consultar a tabela, preste ateno ao que ela est fornecendo.
Vejamos o seguinte exemplo:

Exemplo 1
Calcule a probabilidade de uma varivel aleatria normal, com mdia zero e desvio padro
unitrio, assumir valores entre 1 e 2.

Resoluo.
Precisaramos traar o grfico da fdp desta varivel e, em seguida, calcular a rea abaixo da
curva entre os valores 1 e 2.
Ficaria assim:
AFRFB e AFT


Figura 4 rea correspondente probabilidade de x assumir valores entre 1 e 2

S que ns vimos que a fdp da varivel normal meio complicada. No vamos calcular esta
rea como fazamos na aula passada, quando os grficos eram mais tranquilos (reas de
tringulos, retngulos e trapzios). Vamos usar a tabela.
O que esta tabela fornece a probabilidade de X estar entre zero e Z
0
. E que fique bem
claro: bom olhar atentamente o que que a tabela est fornecendo. possvel constru-la
de diversas formas, trazendo informaes diferentes.
Quando Z
0
for igual a 2, o que temos? A probabilidade de X estar entre 0 e 2.
Vamos consultar a tabela. Procuramos pelo valor Z
0
= 2. Encontramos a seguinte
probabilidade: 0,4772.
A tabela est nos dizendo que a seguinte rea de 0,4772:

Figura 5 rea correspondente probabilidade de X estar entre 0 e 2 (basta consultar
tabela para Z
0
= 2)

AFRFB e AFT

E se Z
0
for igual a 1? Consultamos a tabela e encontramos a seguinte probabilidade: 0,3413.
Ou seja, a probabilidade de X assumir valores entre 0 e 1 de 0,3413. Ou ainda, a rea
abaixo igual a 0,3413:

Figura 6 - rea correspondente probabilidade de X estar entre 0 e 1 (basta consultar
tabela para Z
0
= 1)

Ento, para obter a rea entre 1 e 2, basta subtrair as reas verdes da Figura 5 e da Figura 6.
Ficamos com:
0,4772 0,3413 = 0,1359

Figura 7 rea correspondente probabilidade de X assumir valores entre 1 e 2

Logo, a rea entre 1 e 2 de 0,1359. Portanto, X assume valores entre 1 e 2 com
probabilidade de 13,59%.

AFRFB e AFT

Exemplo 2
Considerando a mesma varivel definida no exerccio anterior, qual a probabilidade de X
assumir valores maiores do que 2?

Resoluo.
Queremos a seguinte rea:

Figura 8 rea correspondente probabilidade de X assumir valores maiores que 2

Consultando a tabela, s conseguimos descobrir a probabilidade de X estar entre 0 e 2. Mas
queremos a probabilidade de X estar entre 2 e .

Figura 9 Comparao entre as probabilidades de X estar entre 0 e 2 (em vermelho) e de X
estar entre 2 e infinito (verde).

A tabela nos d a rea vermelha. Ns queremos a rea verde.
AFRFB e AFT

Como sabemos que a funo simtrica, a rea esquerda de zero igual rea direita
de zero. E as duas somadas do 100%.
Portanto, a rea direita de zero igual a 0,5 (ou 50%)
Somando as reas vermelha e verde temos, portanto, 0,5.
Como a rea vermelha igual a 0,4772 (basta consultar a tabela), a rea verde dada pela
diferena: 0,5 0,4772 = 0,0228. Portanto, a probabilidade de X assumir valores maiores
que 2 de 2,28%.

Exemplo 3
Calcule a probabilidade de uma varivel aleatria normal, de mdia 2 e desvio padro 4,
assumir valores entre 2 e 8.

Resoluo.
A tabela nos fornece apenas reas abaixo da curva fdp da varivel normal com mdia 0 e
desvio padro 1 (varivel normal reduzida). No o caso da nossa varivel em anlise.
Precisamos fazer uma transformao.
Seja X a nossa varivel aleatria em anlise, com mdia 2 ( 2 =
X
) e desvio padro 4(
4 =
X
).
Seja Z a nossa varivel normal reduzida. Vamos fazer a seguinte transformao:
X
X
X
Z

=
Para obter cada valor de Z, pegamos cada valor de X, subtramos da mdia e dividimos pelo
desvio padro.
Relembrando propriedades da mdia. Quando subtramos, somamos, dividimos ou
multiplicamos uma varivel por uma dada constante, a mdia sofre a mesma variao.
A mdia da nova varivel Z fica:
0 =
X X
Z

Relembrando propriedades do desvio padro. Somas e subtraes no interferem no desvio
padro. Quando multiplicamos ou dividimos uma varivel por uma dada constante, o desvio
padro sofre a mesma variao.
O desvio padro da varivel Z fica:
1 = =
X
X
Z

A varivel Z tem mdia zero e desvio padro unitrio. Para ela sim ns podemos consultar a
tabela.
AFRFB e AFT

A dica sempre esta. Sempre que tivermos uma varivel X que no tem mdia zero e desvio
padro unitrio, ns precisaremos obter a varivel reduzida Z (para ento consultar a
tabela). E a transformao para obter a varivel Z (de tal modo que ela tenha mdia zero e
desvio padro unitrio) ser assim:

=
X
Z
Voltando ao nosso exemplo.
Queramos saber a rea correspondente ao valor 8 da varivel X. Em vez de consultar o valor
8, consultamos o que lhe correspondente. O valor correspondente da varivel Z :
5 , 1
4
2 8
=

Tambm queramos saber a rea correspondente ao valor 2 da varivel X. Em vez de
consultar o valor 2, consultamos o valor que lhe correspondente. O valor correspondente
da varivel Z :
0
4
2 2
=

Agora sim. Podemos utilizar a tabela dada. Procuraremos pela rea entre os valores 0 e 1,5.
Consultando a tabela, a probabilidade da varivel Z assumir valores entre 0 e 1,5 0,4332.
Portanto, a probabilidade da varivel X assumir valores entre 2 e 8 tambm de 0,4332.

Friso novamente! Esta transformao muito importante!!! bastante usual nos exerccios
daqui para frente. A varivel Z chamada de varivel normal reduzida. Sempre que tivermos
uma varivel normal X e quisermos obter a respectiva varivel reduzida Z, fazemos a
seguinte transformao:

=
X
Z
E para esta varivel Z ns podemos consultar a tabela.

Vamos agora a um exemplo um pouco diferente.

Exemplo 4
Para a mesma varivel X, normal, de mdia 2 e desvio padro 4, determine qual o intervalo
centrado na mdia que contm 92,5% dos valores.

Resoluo.
Para podermos consultar a tabela, temos que utilizar os valores da varivel Z:

=
X
Z
AFRFB e AFT

O intervalo procurado centrado na mdia. Vamos dividi-lo em duas partes.
25 , 46
2
5 , 92
= .

Figura 10 Intervalo centrado na mdia (para a varivel reduzida Z) que contm 92,5% dos
valores.

Estamos procurando valores tais que a rea vermelha seja igual rea verde, com ambas
iguais a 0,4625 (de modo que a soma seja 92,5%).
Consultando a tabela, vemos que o valor procurado, de tal forma que a rea vermelha seja
de 0,4625 1,78.
Como a tabela corresponde ao grfico de uma funo densidade de probabilidade de uma
varivel aleatria com mdia zero, sabemos que se trata de um grfico simtrico. Portanto,
o outro valor procurado (que delimita a rea verde) -1,78.
Estes valores so valores da varivel Z (que tem mdia zero e desvio padro unitrio).
Vamos achar os valores correspondentes da varivel X.

=
X
Z
4
2
=
X
Z
2 4 + = Z X
Quando Z for 1,78, X vale:
2 4 78 , 1 + = X
12 , 9 = X
Quando Z for -1,78, X vale:
2 4 78 , 1 + = X
AFRFB e AFT

12 , 5 = X
Portanto, 92,5% dos valores de X esto entre -5,12 e 9,12. Repare que este intervalo
centrado na mdia de X (pois:
( )
) 2
2
12 , 5 12 , 9
=
.
Vamos para alguns exerccios de concurso.

Questo 12 SEFAZ SP [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).
1,96 2,17 2,33 2,41 2,58
< 0,975 0,985 0,99 0,992 0,995

a) 0,97
b) 0,985
c) 0,98
d) 0,99
e) 0,95

Resoluo:
Da tabela acima, sabemos que:
< 2,58 = 99,5%
Logo:
> 2,58 = 100% 99,5% = 0,5%
Como o grfico de fdp da normal reduzida simtrico em torno de zero, temos:
% 5 , 0 ) 58 , 2 ( ) 58 , 2 ( = > = < Z P Z P
Da tabela, temos ainda que:
% 5 , 97 ) 96 , 1 ( = < Z P
Ou seja:
97,5% das observaes so menores que 1,96;
0,5% dos valores so menores que -2,58
logo, o percentual de valores entre -2,58 e 1,96 de: = % 5 , 0 % 5 , 97 97%
Gabarito: A

AFRFB e AFT

Questo 13 SERPRO 2001 [ESAF]
Suponha que o tempo que a Receita Federal leva no processo de devoluo do imposto
pago a mais tenha distribuio normal com mdia de 12 semanas e desvio-padro de 3
semanas. Assinale a opo que estima a proporo de contribuintes que recebem a
devoluo em no mximo 6 semanas. A tabela abaixo d os valores de P{0<X<Z} quando X
tem distribuio normal padro para valores selecionados de Z. Por exemplo,
P{0<X<1,56}=0,4406.

a) 50,00%
b) 05,56%
c) 43,32%
d) 02,28%
e) 47,72%

Resoluo:
Para consultar a tabela, temos que trabalhar com a normal reduzida (Z).
=

=
12
3

Para X = 6, temos:
=
6 12
3
= 2
Logo:
< 6 = < 2
Da tabela, sabemos que:
0 < < 2 = 47,72%
Portanto:
> 2 = 50% 47,72% = 2,28%
Devido simetria da distribuio normal, temos:
< 2 = 2,28%
O que resulta em:
< 6 = 2,28%
Gabarito: D
AFRFB e AFT


6.2. Aproximao da distribuio binomial pela distribuio normal
Vamos considerar lanamento do dado.
Queremos que o resultado seja um mltiplo de 3. Sempre que sair um mltiplo de trs,
temos um resultado favorvel. Vamos lanar o dado n vezes. X vai designar o nmero de
resultados favorveis.
Vamos para o caso de trs lanamentos (n = 3). X pode assumir os valores 0, 1, 2 e 3.
Seja I a varivel que, em cada lanamento, assume valor 1 quando o resultado for
favorvel. E assume valor 0 quando o resultado for desfavorvel. I tem distribuio de
Bernoulli.
Deste modo, em trs lanamentos, X pode ser escrito assim:
=
=
3
1 i
i
I X
Sabemos que X uma varivel binomial. Ela corresponde soma de vrias variveis de
Bernoulli.
Vimos que, pelo teorema do limite central, uma varivel aleatria correspondente soma
de inmeras outras variveis aleatrias independentes pode ser aproximada por uma
varivel aleatria normal.
Se o nmero de lanamentos crescer muito, o nmero de variveis independentes que
somamos tambm aumenta. Se o valor de n for muito grande, a varivel X vai ser
praticamente normal (aplicao do teorema do limite central). E ns vamos poder utilizar a
tabela com as reas da varivel normal.
Segundo o livro Estatstica elementar, do Hoel, citado pelo autor Rodolfo Hoffman, em
Estatstica para economistas, a aproximao muito boa quando:
15 > np e 15 ) 1 ( > p n
Mas j comum utilizar a aproximao quando 5 > np e 5 ) 1 ( > p n .
Esta propriedade bastante til em alguns exerccios.
Resumindo: obedecidas algumas condies, para uma varivel binomial ns podemos
utilizar a tabela com as reas da varivel normal.

Questo 14 TCU/2008 [CESPE]
Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela a
seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em determinado
municpio, nos anos de 2005 a 2007.
AFRFB e AFT

Ano Nmero de imveis
Ofertados (X) Vendidos (Y)
2005 1.500 100
2006 1.750 400
2007 2.000 700

[...]
Considerando que em 2008 sejam ofertados 2.500 imveis, dos quais sejam vendidos Y
imveis nesse mesmo ano, nesse caso, se a probabilidade de um imvel ofertado em 2008
ser vendido no mesmo ano for igual a 0,4, e se Y seguir uma distribuio binomial, ento a
probabilidade de se observar o evento 000 . 1 Y imveis ser inferior a 0,41.

Resoluo.
Para resolver a questo, com exatido, precisaramos fazer o seguinte. Partiramos da
frmula vista, que nos d a probabilidade de cada valor em uma distribuio binomial.
k n k
q p
k
n
k Y P

= = ) (
Primeiro, calcularamos a probabilidade de Y ser igual a 1.000.
1000 2500 1000
6 , 0 4 , 0
1000
2500
) 000 . 1 (

= = Y P
Depois, fazemos a mesma coisa para outros valores. Calculamos a probabilidade de Y ser
igual a 1001. Depois, 1002. E assim por diante, at 2500.
S que isso vai dar um trabalho muito grande.
O que fazer???

Note que o nmero de imveis bem grande. A varivel binomial Y uma soma de 2500
variveis independentes com distribuio de Bernoulli. A soma de um nmero muito grande
de variveis independentes tem distribuio prxima de uma normal. Assim, a varivel Y,
alm de ser binomial, se aproxima de uma distribuio normal.
A mdia de Y :
000 . 1 2500 4 , 0 = = = p n
Y

A mdia de Y de 1.000 imveis.
Como Y tem distribuio prxima de uma normal, sabemos que seu grfico simtrico em
torno de sua mdia. Desse modo, a probabilidade de Y ser maior que 1000 igual
probabilidade de Y ser menor que 1000, e ambas so iguais a 50%.
50% no inferior a 0,41. O item est errado.
Gabarito: errado
AFRFB e AFT


Questo 15 CGU - 2008 [ESAF]
Em determinadas circunstncias, uma varivel aleatria binomial pode ser bem aproximada
por uma varivel aleatria normal. Seja X uma varivel aleatria binomial com n=400 e
p=1/2. Calcule o valor mais prximo de P(181 X 219) usando a aproximao da varivel
binomial pela normal, dado que F(1,96) = 0,975, F(2,17) = 0,985, F(2,33) = 0,99, F(2,41) =
0,992 e F(2,58) = 0,995, onde F(z) a funo de distribuio de uma varivel aleatria
normal padro Z.
a) 0,95.
b) 0,97.
c) 0,98.
d) 0,984.
e) 0,99.

Resoluo.
Em vez de o exerccio fornecer a tabela de reas para a varivel normal, forneceu valores de
FDP. S que ns vimos na aula passada que a FDP tambm serve para clculo de
probabilidade, estando intimamente relacionada com o grfico da funo densidade de
probabilidade (fdp).
Muito bem, queremos saber a probabilidade de X assumir valores entre 181 e 219. Aqui
vem a propriedade que estamos estudando.
X uma varivel binomial. Atendidas certas condies, podemos consider-la praticamente
normal. o que faremos neste exerccio.
As condies que estudamos eram: 15 > np e 15 ) 1 ( > p n .
Lembrando:
n o nmero de experimentos
p a probabilidade de sucesso em cada experimento.
q a probabilidade de fracasso em cada experimento (q = 1 - p).
Para este exerccio ficamos com:
200 5 , 0 400 = = np
200 5 , 0 400 ) 1 ( = = p n
As condies foram atendidas. claro que nem precisava verificar se as condies seriam
atendidas. O exerccio disse que era para aproximar a distribuio binomial pela distribuio
normal. Se o exerccio mandou fazer assim, a gente faz, sem discutir.
Concluso: para esta varivel binomial X, que atende a certas condies, ns podemos
utilizar a tabela de reas da varivel normal.
Nesta aula ns vimos como calcular a mdia de uma varivel binomial.
AFRFB e AFT

np =
Vimos tambm a frmula da varincia da varivel binomial.
npq =
2

Para a varivel binomial do exerccio, a mdia e a varincia ficam:
200 5 , 0 400 = = = np
100 5 , 0 5 , 0 400
2 2
= = = npq
E o desvio padro fica:
10 =
Portanto esta varivel binomial X muito prxima a uma varivel normal de mdia 200 e
desvio padro igual a 10. A pergunta do enunciado pode ser reescrita assim: qual a
probabilidade de uma varivel normal de mdia 200 e desvio padro 10 assumir valores
entre 181 e 219?
Gostaramos de consultar a tabela de reas da varivel normal de mdia 200 e desvio
padro 10. Mas s nos foram fornecidos valores para a varivel Z (varivel normal reduzida).
Vamos, portanto, achar os valores de Z correspondentes.
A transformao para chegar varivel reduzida :

=
X
Z
Quando X vale 181, Z vale:
9 , 1
10
200 181
=
= Z
Quando X vale 219, Z vale;
9 , 1
10
200 219
=
= Z
No foram fornecidos quaisquer dados para 1,9 ou -1,9. O valor mais prximo para o qual o
exerccio forneceu probabilidade 1,96.
A FDP para Z igual a 1,96 0,975.
Se F(1,96) = 0,975, isto significa que a probabilidade de Z assumir valores menores ou iguais
a 1,96 de 97,5%.
Ou seja, a rea verde da abaixo de 97,5%.
AFRFB e AFT


Figura 11 rea verde: probabilidade da varivel normal reduzida Z assumir valores
menores ou iguais a 1,96

Sabemos que a rea inteira da figura acima igual a 1 (a probabilidade de Z assumir um
valor qualquer de 100%). A rea verde de 97,5%. Portanto, a rea amarela de 2,5%.
Como o grfico simtrico, a rea esquerda de -1,96 tambm de 2,5%. Deste modo, a
rea verde da figura abaixo de 95%.

Figura 12 rea verde: probabilidade de Z assumir valores entre -1,96 e 1,96

Os valores -1,96 e 1,96 delimitam o intervalo centrado em zero que contm 95% dos valores
de Z.
Ou seja, 95% dos valores de Z esto entre -1,96 e 1,96.
S que ns gostaramos de saber qual a porcentagem entre -1,9 e 1,9. Esta ns no temos
como calcular. Por isto o exerccio perguntou o valor que mais se aproxima. Assim,
aproximadamente 95% dos valores de Z esto entre -1,9 e 1,9. Disto temos que
aproximadamente 95% dos valores de X esto entre 181 e 219.
AFRFB e AFT

Gabarito: A.

7. AMOSTRAGEM
Uma amostra um subconjunto da populao.
Estamos interessados em estudar a populao inteira. Mas, por alguma limitao (de
tempo, de custo, impossibilidade fsica, etc), no possvel faze-lo. Assim, selecionamos
uma amostra para, a partir dela, tentar tirar concluses sobre a populao.

7.1. Amostragem aleatria simples
A amostragem aleatria simples a mais cobrada em provas de concursos. De forma bem
resumida, podemos dizer que se trata da amostragem feita de forma que cada elemento da
populao tem a mesma chance de ser escolhido.
Por exemplo: queremos escolher algumas pessoas de uma empresa para realizar uma
entrevista. Escrevemos os nomes de todos os funcionrios em pedaos de papel de mesmo
tamanho. Colocamos todos os nomes em um saco. Misturamos bem todos os papis. Feito
isto sorteamos 5 nomes. Este um exemplo de amostragem aleatria simples.
Quando a populao descrita por uma varivel contnua, no podemos mais falar em
probabilidade de ocorrer um dado valor. Nesse caso, segundo Stevenson, a amostra
aleatria se a probabilidade de incluir na amostra qualquer intervalo de valores igual
percentagem da populao que est naquele intervalo

7.2. Amostragem estratificada
H diversos outros tipos de amostragem. Na prtica, muitas vezes a amostragem aleatria
simples pode no ser a mais indicada. Mas, para concursos, a mais importante.
Uma alternativa amostragem aleatria a amostragem estratificada. Nela, dividimos
nossa populao em extratos. Idealmente, cada extrato abriga elementos homogneos.
Exemplo: estamos fazendo uma pesquisa sobre o perfil de consumo das pessoas de uma
cidade. possvel que, para o tipo de produto a que se refere a pesquisa, seja interessante
separar a populao por idade. Dividimos nossa populao em extratos. Um extrato para
crianas, outro para jovens, outro para adultos e outro para idosos. Dentro de cada extrato
fazemos uma amostragem aleatria.
Qual a vantagem disso? Se cada estrato for realmente homogneo, a variabilidade dos
dados, dentro de cada estrato, ser pequena, o que permite que trabalhemos com amostras
menores.
Vejamos um caso extremo. Que bom seria (para quem est fazendo a pesquisa) se todos os
idosos do nosso estrato tivessem exatamente o mesmo perfil de consumo. Poderamos
AFRFB e AFT

tomar apenas um deles como a amostra (a amostra teria tamanho 1), de forma que
conheceramos muito bem o comportamento de todos eles.
H duas formas de se realizar a amostragem por extratos.
Na primeira, fazemos uma alocao proporcional entre os extratos. Ou seja, os tamanhos
das amostras a serem feitas em cada extrato so proporcionais ao tamanho do extrato.
Assim, se 30% da populao desta cidade formado por crianas e ns iremos entrevistar
ao todo 100 pessoas, seria interessante que 30 pessoas fossem crianas.
Um segundo modo se refere alocao uniforme entre os extratos, tomando o mesmo
nmero de elementos de cada extrato. Exemplo: vamos entrevistar 100 pessoas, divididas
em 4 extratos (crianas, jovens, adultos e idosos). Tomamos 25 pessoas de cada extrato
(nmeros iguais, uniformes, para cada extrato, independente do tamanho de cada extrato).
Alm da idade, outros critrios de formao de extratos poderiam ser: sexo, regio
geogrfica, renda, profisso.

7.3. Amostragem por conglomerados
Nesta amostragem ns dividimos novamente a populao. S que no nos preocupamos em
separar a populao em extratos com caractersticas semelhantes. Dividimos a populao
em conglomerados. Conglomerado so subconjuntos da populao que, idealmente, so
bastante heterogneos, representando bem o que ocorre na populao inteira.
Uma das grandes vantagens da amostragem por conglomerado a reduo de custos.
Compem o conglomerado elementos que esto fisicamente muito prximos. Por essa
condio, embora fosse bem interessante que cada conglomerado tivesse elementos bem
heterogneos, isso acaba no ocorrendo.
Vejamos um exemplo, para ficar mais claro. O exemplo que segue foi retirado do livro
Estatstica Geral e Aplicada do Gilberto Martins. Desejamos selecionar uma amostra de
chefes de famlia de uma cidade.
Suponha que, para o tipo de pesquisa, seria til separar os chefes de famlia por idade. At
30 anos; de 31 a 45; e de 45 em diante. Seria uma amostragem estratificada. S que isso s
vezes pode ser meio difcil. s vezes no se tem, previamente, uma lista com todos os
chefes de famlia (e suas respectivas idades). s vezes at se tem parte dessa informao,
mas pode ser que chefes de famlia de um mesmo estrato estejam muito espalhados na
cidade, o que tornaria mais demorada (e cara) a amostragem.
Uma outra opo a amostragem por conglomerado. Aqui entramos, de fato, no exemplo
do livro do Martins. Podemos separar a cidade em quarteires. Cada quarteiro um
conglomerado. Fazemos uma seleo dos conglomerados que sero pesquisados, por meio
de uma amostra aleatria simples. Escolhidos os quarteires, nos dirigimos a eles e
entrevistamos todos os chefes de famlia que nele residem.
Seria timo se, em cada quarteiro, tivssemos elementos bem heterogneos, que
representassem bem toda a populao. Assim, precisaramos de poucos quarteires
(poucos conglomerados) para ter uma boa noo do que ocorre na populao.
AFRFB e AFT

S que, pelo fato de os elementos de cada conglomerado estarem fisicamente ligados
(todos os chefes de famlia de um quarteiro so vizinhos, moram perto uns dos outros),
difcil que os conglomerados sejam realmente heterogneos. bem possvel que
quarteires formados por casas grandes tenham chefes de famlias com idade mais elevada,
que j constituram famlia, tm filhos, precisam de mais espao. Pessoas que moram num
mesmo quarteiro geralmente tm mesmo nvel de renda, freqentam os mesmos
estabelecimentos (que ficam nas proximidades), etc, o que, dependendo da pesquisa, pode
revelar elementos mais semelhantes (com tendncia homogeneidade) do que diferentes.
Para minimizar esse problema, importante escolher um nmero maior de conglomerados.

7.4. Amostragem sistemtica
Caso os valores que se pretendam investigar no estejam em nenhuma ordem especfica
(relacionada com a varivel pesquisada), possvel fazer a amostragem de forma
peridica. Poderamos, por exemplo, a cada dez itens da populao, escolher um.
Tomaramos apenas o 10, o 20, o 30 e assim por diante.
Repare que o fato de os dados estarem ordenados no atrapalha na amostragem
sistemtica. O problema pode surgir quando h relao entre o critrio de ordem dos dados
e a varivel estudada.
Vejamos um primeiro exemplo. Estamos estudando a altura de um certo grupo de pessoas.
Poderamos tomar uma lista de nomes em ordem alfabtica e escolher um a cada 20 nomes.
Esta uma amostragem sistemtica. Escolhidos os nomes, medimos as alturas das pessoas
selecionadas. razovel que a ordem alfabtica no guarde qualquer relao com a altura
da pessoa. A amostragem sistemtica poderia ser feita sem problemas.
O problema que pode ocorrer na amostragem sistemtica os elementos estarem
organizados segundo um critrio que tenha relao com a varivel pesquisada. Um exemplo
interessante, tirado do livro Estatstica Aplicada Administrao, do Stevenson, o que
segue. Imagine que queiramos pesquisar dados sobre imveis de uma dada regio. Vamos
escolher os imveis a serem pesquisados a partir da lista telefnica.
Caso a nossa lista telefnica traga as casas conforme sua ordem na rua, possvel que
tenhamos um problema. possvel que casas de esquina (que nesta situao estariam
igualmente espaadas) tenham caractersticas diferentes das demais. Podem ser mais caras,
terem um terreno maior, pagarem mais imposto, etc. Assim, pode ser que a amostragem
sistemtica resulte em tomarmos predominantemente casas de esquina, o que certamente
vai trazer um erro na nossa concluso sobre a distribuio dos dados para aquele bairro.
Neste caso, o problema foi que havia relao entre a varivel pesquisada e a ordem segundo
a qual estavam organizados os itens pesquisados.

7.5. Amostragem por julgamento
Todos os tipos de amostragem acima mencionados so ditos probabilsticos. Isto porque
possvel determinarmos a probabilidade de cada elemento da populao integrar a amostra.
AFRFB e AFT

Com isso, possvel estimar o erro que cometemos quando usamos medidas calculadas na
amostra para estimar as correspondentes medidas populacionais.
A amostragem no probabilstica aquela subjetiva, sem critrios objetivos. Tratase da
amostragem por julgamento. Neste caso, no possvel estimarmos os erros amostrais.
De forma geral, a amostragem por julgamento deve ser evitada. H, contudo, situaes em
que ela prefervel amostragem probabilstica. Isto ocorre especialmente quando o
tamanho da amostra bem pequeno. Neste caso, a amostragem aleatria pode trazer
resultados no representativos da populao.
Um exemplo, extrado do livro Estatstica Aplicada Administrao, do Stevenson, o que
segue.
Considere que uma cadeia de restaurantes quer experimentar uma nova tcnica de servio,
empregando bandejas com aquecimento. Devido ao custo dos aparelhos, pode ser desejvel
que a experincia seja limitada a apenas dois restaurantes.
Neste caso, graas experincia da equipe de administrao dos restaurantes, possvel
escolher dois restaurantes que j se sabe serem mais representativos do comportamento
geral dos clientes.

Questo 16 Paran Previdncia 2002. [CESPE]
Julgue os itens seguintes, relativos a tcnicas de amostragem.
1. No caso de uma amostra aleatria de tamanho n extrada de uma populao de N
elementos, a probabilidade de seleo de cada uma das combinaes amostrais possveis
igual a 1/N.
2. Considere a seguinte situao hipottica.
Uma determinada populao pode ser dividida em subgrupos com caractersticas
semelhantes, como sexo, faixa etria, rendimento mensal etc. Os subgrupos formam uma
partio da populao e os elementos selecionados so resultantes de uma amostra
aleatria simples efetuada em cada subgrupo. Nessa situao, o desenho amostral
conhecido como amostragem por conglomerados.
Uma empresa quer estudar a renda de empregados rurais existentes em uma rea do
interior do estado do Paran. Devem ser aplicados 1.200 questionrios, mas a empresa no
possui um cadastro contendo dados sobre os empregados rurais. A inexistncia do cadastro
impede o sorteio aleatrio de tais empregados. Alm disso, o custo de contactar
diretamente as famlias rurais dispersas em uma grande rea muito elevado. Para
viabilizar o estudo, a rea do interior do estado foi dividida em pequenas subreas disjuntas.
Foram selecionadas aleatoriamente algumas subreas e a pesquisa procurou entrevistar
todos os empregados rurais dentro delas. Nessa situao, o desenho amostral conhecido
como amostragem estratificada.

Resoluo.
Primeiro item.
AFRFB e AFT

Vamos colocar nmeros para ficar mais fcil de entender.
A populao tem 5 elementos (1, 2, 3, 4, 5). Vamos fazer amostras com tamanho 2. As
amostras possveis so:
1,2; 1,3; 1,4; 1,5; 2,3; 2,4; 2,5; 3,4; 3,5; 4,5.
So possveis 10 amostras.
A probabilidade de seleo de cada uma das possveis amostras 1/10.
O exerccio afirma que esta probabilidade de 1/5.
O item est errado.
Gabarito: errado.
O exerccio pretendeu confundir o candidato. Quando temos N elementos na populao e
vamos escolher um, de forma aleatria, a sua probabilidade de ser escolhido 1/N.
Quando vamos escolher amostras de tamanho n, temos que ver quantas combinaes so
possveis. Se a amostra for aleatria simples, cada combinao ter a mesma chance de ser
escolhida.

Segundo item.
A amostragem descrita a amostragem estratificada. Item errado.
Gabarito: errado

Terceiro item.
A amostragem descrita por conglomerados. Item errado.
Gabarito: errado.

Questo 17 TRF 2 Regio/2007 [FCC]
Uma pesquisa pretende estimar o valor mdio mensal dos salrios recebidos pelos
professores de 4 escolas do bairro Sade. Para a pesquisa primeiramente foram listados
todos os professores para as 4 escolas segundo o sexo resultando em 2000 professores do
sexo feminino e 1500 professores do sexo masculino. Foram propostos dois planos
amostrais distintos. O primeiro plano previa um sorteio com reposio de 350 professores
do total de 3500. Na segunda proposta, o total da populao de professores foi dividido em
dois grupos (um grupo do sexo feminino e outro grupo do sexo masculino) e seriam
sorteados 10% de cada grupo com reposio. Segundo a teoria geral da amostragem, o
primeiro e o segundo plano so, respectivamente:
a) amostragem aleatria simples e amostragem estratificada
b) amostragem aleatria simples e amostragem estratificada
c) amostragem estratificada e amostragem aleatria simples
d) amostragem aleatria simples e amostragem por conglomerado em dois estgios
AFRFB e AFT

e) amostragem aleatria simples e amostragem por conglomerados.

Resoluo.
No primeiro plano, todas as combinaes de 350 professores so igualmente provveis.
Temos uma amostragem aleatria simples.
No segundo plano, nem todas as combinaes so possveis. No possvel, por exemplo,
que todos os 350 professores escolhidos sejam do mesmo sexo. Na segunda amostragem,
separamos a populao em extratos (conforme o sexo). E fizemos com que os tamanhos das
amostras, dentro de cada extrato, sejam proporcionais ao tamanho dos estratos dentro da
populao. uma amostragem estratificada.
Gabarito: A

Questo 18 SAD-PE 2009 [CESPE]
Em uma cidade, h 1.000 empresas do ramo da construo civil que so classificadas
segundo o seu porte. A distribuio dessas empresas dada na tabela seguinte.

Considere que um instituto de pesquisa decida coletar uma amostra de 100 empresas por
meio de uma amostragem aleatria estratificada segundo o porte das empresas. Se a
alocao da amostra uniforme, ento o nmero de empresas de grande porte presentes
na amostra ser igual a
A) 1.
B) 5.
C) 10.
D) 25.
E ) 50.

Resoluo
A questo fala explicitamente que a alocao da amostra uniforme. Retiraremos o
mesmo nmero de elementos de cada um dos estratos. Logo, o nmero de empresas de
grande porte presentes na amostra ser igual a 100/4=25.
AFRFB e AFT

Gabarito: D

Questo 19 CEB 2009 [UNIVERSA]
Para saber das condies dos animais de uma fazenda, ser realizada uma pesquisa por
amostragem estratificada, a partir de uma amostra de 15 animais. A tabela seguinte
apresenta o efetivo de animais dessa fazenda.

Com base nessas informaes, a quantidade de bovinos e sunos que sero usados na
pesquisa de
(A) 5
(B) 6
(C) 7
(D) 8
(E) 9

Resoluo.
A questo no disse se a alocao uniforme ou proporcional. Vamos supor uma alocao
proporcional.
H um total de 900 animais. Destes, 550 so bovinos ou sunos.
550
900
=
11
18

A proporo de bovinos e sunos de 11/18.
Mantendo esta proporo na amostra, a quantidade destes animais usados na pesquisa
ser:
11
18
15 = 9,166
Sero usados aproximadamente 9 animais.
Gabarito: E

AFRFB e AFT

Questo 20 TERRACAP 2009 [UNIVERSA]
A finalidade da amostragem permitir fazer inferncias sobre uma populao aps inspeo
de apenas parte dela. Fatores como custo, tempo, ensaios destrutivos e populaes infinitas
tornam a amostragem prefervel a um estudo completo (censo) da populao.
Naturalmente, espera-se que a amostra represente a populao de que foi extrada. William
J. Stevenson. Estatstica Aplicada Administrao. So Paulo: Harbra, s/d.
Entre os mtodos de amostragem existentes, assinale a alternativa correta.
(A) A amostragem estratificada consiste na diviso da populao global em subgrupos
heterogneos, utilizando-se em seguida todos os elementos de alguns subgrupos escolhidos
aleatoriamente.
(B) A amostragem por conglomerados consiste na diviso da populao de origem em, no
mnimo, duas subpopulaes com as mesmas caractersticas. Em seguida, extrai-se uma
amostra de cada subdiviso.
(C) A amostragem sistemtica consiste na escolha de elementos na ordem em que
aparecem em determinada lista.
(D) Em nenhuma hiptese permitido o uso da amostragem por julgamento, por no se
tratar de um procedimento probabilstico.
(E) A amostragem aleatria simples caracterizada pelo fato de cada elemento da
populao possuir a mesma chance de ser escolhido.

Resoluo.
Letra A: a amostragem por conglomerados que divide a populao em subgrupos
heterogneos e, em seguida, utiliza todos os elementos dos subgrupos escolhidos.
Letra B: a amostragem estratificada quem divide a populao em grupos homogneos,
com as mesmas caractersticas.
Letra C: na amostragem sistemtica, os elementos no so escolhidos na ordem em que
aparecem. Isto porque no trabalhamos com todos os elementos, apenas com parte deles.
Com isso, apesar de utilizarmos alguma lista previamente estabelecida, em que os
elementos esto ordenados, vamos pulando elementos. Exemplo: escolhemos um a cada
dez elementos.
Letra D: a amostragem por julgamento pode ser indicada quando a amostra a ser retirada
bastante pequena.
Letra E: a alternativa apresenta a definio correta de amostragem aleatria simples.
Gabarito: E

Suponha que em certo municpio h 120 mil habitantes que vivem em 30 mil domiclios
residenciais. Para um estudo socioeconmico nesse municpio, foi retirada uma amostra
aleatria de 6 mil domiclios. De cada domiclio dessa amostra foram coletadas informaes
de todas as pessoas que moram nesse domiclio. No total, esse estudo levantou informaes
AFRFB e AFT

acerca de 19.200 habitantes desse municpio. Com base nessas afirmaes, assinale a opo
correta.
A) Cada domiclio representa um estrato da populao em estudo.
B) O plano amostral considerado no estudo de um levantamento por conglomerados.
C) O estudo considerou uma amostra aleatria simples de 19.200 habitantes desse
municpio.
D) A coleta de informaes de todas as pessoas que moram no domiclio amostrado um
aspecto caracterstico da amostragem estratificada.
E) Cada habitante desse municpio contemplado na amostra representa uma unidade
amostral.

Resoluo:
Foram tomados elementos fisicamente ligados, para reduo de custos. Trata-se de uma
amostragem por conglomerados.
Gabarito: B

Questo 22 TJ PI 2009 [FCC]
Considere:
I. Em uma listagem de todos os processos autuados em um determinado rgo pblico, um
nmero sorteado entre os 10 primeiros processos da listagem e verifica-se que o
nmero 6. A partir da, analisado o sexto processo, o dcimo sexto, o vigsimo sexto, etc.
O procedimento adotado em questo denomina-se amostragem proporcional estratificada.
II. Verificou-se que em um estudo sobre uma populao de tamanho N utilizou-se o mtodo
da amostragem aleatria simples. Todas as possveis amostras de tamanho n (n < N) tm a
mesma probabilidade de serem selecionadas.
III. Uma populao inicialmente dividida em grupos que consistem, todos eles, em
indivduos bastante semelhantes entre si. Posteriormente, obtm-se uma amostra aleatria
em cada grupo. Este processo de amostragem denominado amostragem sistemtica.
Com relao teoria da amostragem, correto o que consta APENAS em
(A) I.
(B) II.
(C) I e II.
(D) I e III.
(E) II e III

Resoluo:
Em I temos uma amostragem sistemtica.
AFRFB e AFT

Em II temos uma explicao correta sobre a amostragem aleatria simples. Realmente,
qualquer amostra de tamanho n tem a mesma chance de ser selecionada.
Em III temos uma amostragem por estratos.
Gabarito: B

Questo 23 TRT 3 REGIO 2009 [FCC]
O objetivo de uma pesquisa era o de se obter, relativamente aos moradores de um bairro,
informaes sobre duas variveis: nvel educacional e renda familiar. Para cumprir tal
objetivo, todos os moradores foram entrevistados e argudos quanto ao nvel educacional,
e, dentre todos os domiclios do bairro, foram selecionados aleatoriamente 300 moradores
para informar a renda familiar. As abordagens utilizadas para as variveis nvel educacional
e renda familiar foram, respectivamente,
(A) censo e amostragem por conglomerados.
(B) amostragem aleatria e amostragem sistemtica.
(C) censo e amostragem casual simples.
(D) amostragem estratificada e amostragem sistemtica.
(E) amostragem sistemtica e amostragem em dois estgios.

Resoluo:
Para o nvel educacional houve acesso a toda a populao. Tivemos um senso.
Para a renda familiar, tivemos uma amostra aleatria simples (ou casual simples).
Gabarito: C

Com relao teoria geral de amostragem, considere as afirmativas abaixo.
I. A realizao de amostragem aleatria simples s feita para amostragem sem reposio.
II. A amostragem estratificada consiste na diviso de uma populao em grupos segundo
alguma caracterstica conhecida. Os estratos da populao devem ser mutuamente
exclusivos.
III. Em uma amostra por conglomerados a populao dividida em subpopulaes distintas.
IV. A amostragem sistemtica um plano de amostragem no probabilstico.
correto o que se afirma APENAS em
(A) I e II.
(B) II e III.
(C) II e IV.
(D) III e IV.
AFRFB e AFT

(E) I, II e III.

Resoluo:
I. A amostra aleatria simples pode ser feita tanto com reposio quanto sem reposio.
Exemplo: queremos sortear 5 alunos de uma sala de aula para irem a uma exposio.
Colocamos os nomes em papis de mesmo tamanho, colocamos os papis em um saco,
misturamos bem e retiramos os 5 nomes. A amostragem foi aleatria simples, e, alm disso,
foi sem reposio (uma mesma pessoa no tem como ser escolhida duas vezes).
II. De fato, os grupos correspondentes aos estratos so mutuamente excludentes. Exemplo:
jovens, adultos e idosos.
III. De fato, idealmente, a amostragem por conglomerados consiste em dividir a populao
em grupos heterogneos (subpopulaes).
IV. A amostragem sistemtica sim um plano probabilstico.
Gabarito: B

8. RESUMO
Tpico Lembretes
Distribuio uniforme discreta Todos os valores tm mesma
probabilidade. A esperana
simplesmente a mdia aritmtica dos
valores possveis
Distribuio de Bernoulli Assume apenas valores 0 e 1.
=
=
Distribuio binomial Soma de n variveis de Bernoulli.
k n k
q p
k
n
k X P

= = ) (

np =
npq =
2

Distribuio de Poisson
= =

!

= = ) ( ) ( X V X E
AFRFB e AFT

Tpico Lembretes
Distribuio uniforme contnua
2
) (
b a
X E
+
=
12
) (
) (
2
a b
X V

=
Distribuio normal Usar tabela para encontrar
probabilidades. Para tanto, fazer a
transformao:
X
X
X
Z

=

Amostragem
Aleatria simples: todos elementos da
populao com mesma chance de serem
escolhidos.
Estratificada: divide a populao em
estratos homogneos (por raa, sexo,
localizao geogrfica etc)
Por conglomerados: divide a populao
em conglomerados heterogneos.
Sistemtica: parte-se de uma listagem e
escolhe-se um a cada k elementos.
Por julgamento: no probabilstica;
escolha da amostra com base em algum
conhecimento prvio sobre o problema.

9. QUESTES APRESENTADAS EM AULA
Questo 1 TJ RO 2008 [CESGRANRIO]
Uma urna contm dez bolas, cada uma gravada com um nmero diferente, de 1 a 10. Uma
bola retirada da urna aleatoriamente e X o nmero marcado nesta bola. X uma
varivel aleatria cujo(a)
(A) desvio padro 10.
(B) primeiro quartil 0,25.
(C) mdia 5.
(D) distribuio de probabilidades uniforme.
(E) distribuio de probabilidades assimtrica.
AFRFB e AFT

Para uma determinada moeda viciada, a probabilidade de se obter um resultado cara
igual a 30%. Seja, ento, a varivel aleatria X que assume apenas os valores 0 e 1, sendo 0
para resultado coroa e 1 para resultado cara. Assinale a alternativa que apresenta,
respectivamente, o valor mdio e a varincia de X.
(A) 0,21 e 0,3
(B) 0,7 e 0,21
(C) 0,21 e 0,7
(D) 0,3 e 0,21
(E) 0,3 e 0,7
Questo 3 SEFAZ 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) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200
Seja X a soma de n variveis aleatrias independentes de Bernoulli, isto , que assumem
apenas os valores 1 e 0 com probabilidades p e p 1 , respectivamente. Assim, a
distribuio de X :
a) binomial com parmetros n e p
b) gama com parmetros n e p
c) qui quadrado com n graus de liberdade
d) laplace
e) t de student com n-1 graus de liberdade
Em um experimento binomial com trs provas, a probabilidade de ocorrerem dois sucessos
doze vezes a probabilidade de ocorrerem trs sucessos. Desse modo, as probabilidades de
sucesso e fracasso so, em percentuais, respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
AFRFB e AFT

d) 20 % e 80 %
e) 25 % e 75 %

Questo 6 SUSEP 2010 [ESAF]
Um estudo indica que, nas comunidades que vivem em clima muito frio e com uma dieta de
baixa ingesto de gordura animal, a probabilidade de os casais terem filhos do sexo
masculino igual a 1/4. Desse modo, a probabilidade de um casal ter dois meninos e trs
meninas igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
Em certo plano amostral, em uma populao de 100 elementos, optou-se pelo seguinte
critrio: joga-se uma moeda (honesta) e, se der cara, o elemento entra na amostra; se der
coroa, ele no entra na amostra. Qual o tamanho esperado dessa amostra?
(A) 10
(B) 20
(C) 30
(D) 40
(E) 50
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:
32
73
3
71
^4
71
3

71
3

32
3

AFRFB e AFT

Sendo X uma varivel aleatria uniformemente distribuda no intervalo [0,1], determine sua
varincia.
a) 1/2.
b) 1/3.
c) 1/4.
d) 1/6.
e) 1/12.
Questo 10 AFPS 2002 [ESAF]
Sabe-se que a varivel aleatria X tem distribuio de probabilidades uniforme no intervalo
(a,b) com 0<a<b. Assinale a opo correta.
a) O coeficiente de variao de X :
3
3

+

b) O coeficiente de variao de X :
1
12

+

c) O coeficiente de variao de X :
3
+

d) O coeficiente de variao de X :
3
3

+

e) O coeficiente de variao de X
1
12
+

Questo 11 MPU/2007 [FCC]
O tempo necessrio para um medicamento contra dor fazer efeito segue um modelo com
densidade Uniforme no intervalo de 5 a 15 (em minutos). Um paciente selecionado ao
acaso entre os que tomaram o remdio. A probabilidade do medicamento fazer efeito em
at 10 minutos, neste paciente, :
a) 0,8
b) 0,7
c) 0,5
AFRFB e AFT

d) 0,4
e) 0,3
Questo 12 SEFAZ SP [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).
1,96 2,17 2,33 2,41 2,58
< 0,975 0,985 0,99 0,992 0,995

a) 0,97
b) 0,985
c) 0,98
d) 0,99
e) 0,95
Questo 13 SERPRO 2001 [ESAF]
Suponha que o tempo que a Receita Federal leva no processo de devoluo do imposto
pago a mais tenha distribuio normal com mdia de 12 semanas e desvio-padro de 3
semanas. Assinale a opo que estima a proporo de contribuintes que recebem a
devoluo em no mximo 6 semanas. A tabela abaixo d os valores de P{0<X<Z} quando X
tem distribuio normal padro para valores selecionados de Z. Por exemplo,
P{0<X<1,56}=0,4406.

a) 50,00%
b) 05,56%
c) 43,32%
d) 02,28%
e) 47,72%
Questo 14 TCU/2008 [CESPE]
Uma agncia de desenvolvimento urbano divulgou os dados apresentados na tabela a
seguir, acerca dos nmeros de imveis ofertados (X) e vendidos (Y) em determinado
municpio, nos anos de 2005 a 2007.
AFRFB e AFT

Ano Nmero de imveis
Ofertados (X) Vendidos (Y)
2005 1.500 100
2006 1.750 400
2007 2.000 700

[...]
Considerando que em 2008 sejam ofertados 2.500 imveis, dos quais sejam vendidos Y
imveis nesse mesmo ano, nesse caso, se a probabilidade de um imvel ofertado em 2008
ser vendido no mesmo ano for igual a 0,4, e se Y seguir uma distribuio binomial, ento a
probabilidade de se observar o evento 000 . 1 Y imveis ser inferior a 0,41.
Questo 15 CGU - 2008 [ESAF]
Em determinadas circunstncias, uma varivel aleatria binomial pode ser bem aproximada
por uma varivel aleatria normal. Seja X uma varivel aleatria binomial com n=400 e
p=1/2. Calcule o valor mais prximo de P(181 X 219) usando a aproximao da varivel
binomial pela normal, dado que F(1,96) = 0,975, F(2,17) = 0,985, F(2,33) = 0,99, F(2,41) =
0,992 e F(2,58) = 0,995, onde F(z) a funo de distribuio de uma varivel aleatria
normal padro Z.
a) 0,95.
b) 0,97.
c) 0,98.
d) 0,984.
e) 0,99.
Questo 16 Paran Previdncia 2002. [CESPE]
Julgue os itens seguintes, relativos a tcnicas de amostragem.
1. No caso de uma amostra aleatria de tamanho n extrada de uma populao de N
elementos, a probabilidade de seleo de cada uma das combinaes amostrais possveis
igual a 1/N.
Uma determinada populao pode ser dividida em subgrupos com caractersticas
semelhantes, como sexo, faixa etria, rendimento mensal etc. Os subgrupos formam uma
partio da populao e os elementos selecionados so resultantes de uma amostra
aleatria simples efetuada em cada subgrupo. Nessa situao, o desenho amostral
conhecido como amostragem por conglomerados.
Uma empresa quer estudar a renda de empregados rurais existentes em uma rea do
interior do estado do Paran. Devem ser aplicados 1.200 questionrios, mas a empresa no
possui um cadastro contendo dados sobre os empregados rurais. A inexistncia do cadastro
impede o sorteio aleatrio de tais empregados. Alm disso, o custo de contactar
diretamente as famlias rurais dispersas em uma grande rea muito elevado. Para
AFRFB e AFT

viabilizar o estudo, a rea do interior do estado foi dividida em pequenas subreas disjuntas.
Foram selecionadas aleatoriamente algumas subreas e a pesquisa procurou entrevistar
todos os empregados rurais dentro delas. Nessa situao, o desenho amostral conhecido
como amostragem estratificada.

Questo 17 TRF 2 Regio/2007 [FCC]
Uma pesquisa pretende estimar o valor mdio mensal dos salrios recebidos pelos
professores de 4 escolas do bairro Sade. Para a pesquisa primeiramente foram listados
todos os professores para as 4 escolas segundo o sexo resultando em 2000 professores do
sexo feminino e 1500 professores do sexo masculino. Foram propostos dois planos
amostrais distintos. O primeiro plano previa um sorteio com reposio de 350 professores
do total de 3500. Na segunda proposta, o total da populao de professores foi dividido em
dois grupos (um grupo do sexo feminino e outro grupo do sexo masculino) e seriam
sorteados 10% de cada grupo com reposio. Segundo a teoria geral da amostragem, o
primeiro e o segundo plano so, respectivamente:
a) amostragem aleatria simples e amostragem estratificada
b) amostragem aleatria simples e amostragem estratificada
c) amostragem estratificada e amostragem aleatria simples
d) amostragem aleatria simples e amostragem por conglomerado em dois estgios
e) amostragem aleatria simples e amostragem por conglomerados.
Em uma cidade, h 1.000 empresas do ramo da construo civil que so classificadas
segundo o seu porte. A distribuio dessas empresas dada na tabela seguinte.

Considere que um instituto de pesquisa decida coletar uma amostra de 100 empresas por
meio de uma amostragem aleatria estratificada segundo o porte das empresas. Se a
alocao da amostra uniforme, ento o nmero de empresas de grande porte presentes
na amostra ser igual a
A) 1.
B) 5.
C) 10.
AFRFB e AFT

D) 25.
E ) 50.
Questo 19 CEB 2009 [UNIVERSA]
Para saber das condies dos animais de uma fazenda, ser realizada uma pesquisa por
amostragem estratificada, a partir de uma amostra de 15 animais. A tabela seguinte
apresenta o efetivo de animais dessa fazenda.

Com base nessas informaes, a quantidade de bovinos e sunos que sero usados na
pesquisa de
(A) 5
(B) 6
(C) 7
(D) 8
(E) 9
Questo 20 TERRACAP 2009 [UNIVERSA]
A finalidade da amostragem permitir fazer inferncias sobre uma populao aps inspeo
de apenas parte dela. Fatores como custo, tempo, ensaios destrutivos e populaes infinitas
tornam a amostragem prefervel a um estudo completo (censo) da populao.
Naturalmente, espera-se que a amostra represente a populao de que foi extrada. William
J. Stevenson. Estatstica Aplicada Administrao. So Paulo: Harbra, s/d.
Entre os mtodos de amostragem existentes, assinale a alternativa correta.
(A) A amostragem estratificada consiste na diviso da populao global em subgrupos
heterogneos, utilizando-se em seguida todos os elementos de alguns subgrupos escolhidos
aleatoriamente.
(B) A amostragem por conglomerados consiste na diviso da populao de origem em, no
mnimo, duas subpopulaes com as mesmas caractersticas. Em seguida, extrai-se uma
amostra de cada subdiviso.
(C) A amostragem sistemtica consiste na escolha de elementos na ordem em que
aparecem em determinada lista.
(D) Em nenhuma hiptese permitido o uso da amostragem por julgamento, por no se
tratar de um procedimento probabilstico.
AFRFB e AFT

(E) A amostragem aleatria simples caracterizada pelo fato de cada elemento da
populao possuir a mesma chance de ser escolhido.
Suponha que em certo municpio h 120 mil habitantes que vivem em 30 mil domiclios
residenciais. Para um estudo socioeconmico nesse municpio, foi retirada uma amostra
aleatria de 6 mil domiclios. De cada domiclio dessa amostra foram coletadas informaes
de todas as pessoas que moram nesse domiclio. No total, esse estudo levantou informaes
acerca de 19.200 habitantes desse municpio. Com base nessas afirmaes, assinale a opo
correta.
A) Cada domiclio representa um estrato da populao em estudo.
B) O plano amostral considerado no estudo de um levantamento por conglomerados.
C) O estudo considerou uma amostra aleatria simples de 19.200 habitantes desse
municpio.
D) A coleta de informaes de todas as pessoas que moram no domiclio amostrado um
aspecto caracterstico da amostragem estratificada.
E) Cada habitante desse municpio contemplado na amostra representa uma unidade
amostral.
Questo 22 TJ PI 2009 [FCC]
Considere:
I. Em uma listagem de todos os processos autuados em um determinado rgo pblico, um
nmero sorteado entre os 10 primeiros processos da listagem e verifica-se que o
nmero 6. A partir da, analisado o sexto processo, o dcimo sexto, o vigsimo sexto, etc.
O procedimento adotado em questo denomina-se amostragem proporcional estratificada.
II. Verificou-se que em um estudo sobre uma populao de tamanho N utilizou-se o mtodo
da amostragem aleatria simples. Todas as possveis amostras de tamanho n (n < N) tm a
mesma probabilidade de serem selecionadas.
III. Uma populao inicialmente dividida em grupos que consistem, todos eles, em
indivduos bastante semelhantes entre si. Posteriormente, obtm-se uma amostra aleatria
em cada grupo. Este processo de amostragem denominado amostragem sistemtica.
Com relao teoria da amostragem, correto o que consta APENAS em
(A) I.
(B) II.
(C) I e II.
(D) I e III.
(E) II e III
O objetivo de uma pesquisa era o de se obter, relativamente aos moradores de um bairro,
informaes sobre duas variveis: nvel educacional e renda familiar. Para cumprir tal
objetivo, todos os moradores foram entrevistados e argudos quanto ao nvel educacional,
AFRFB e AFT

e, dentre todos os domiclios do bairro, foram selecionados aleatoriamente 300 moradores
para informar a renda familiar. As abordagens utilizadas para as variveis nvel educacional
e renda familiar foram, respectivamente,
(A) censo e amostragem por conglomerados.
(B) amostragem aleatria e amostragem sistemtica.
(C) censo e amostragem casual simples.
(D) amostragem estratificada e amostragem sistemtica.
(E) amostragem sistemtica e amostragem em dois estgios.
Com relao teoria geral de amostragem, considere as afirmativas abaixo.
I. A realizao de amostragem aleatria simples s feita para amostragem sem reposio.
II. A amostragem estratificada consiste na diviso de uma populao em grupos segundo
alguma caracterstica conhecida. Os estratos da populao devem ser mutuamente
exclusivos.
III. Em uma amostra por conglomerados a populao dividida em subpopulaes distintas.
IV. A amostragem sistemtica um plano de amostragem no probabilstico.
correto o que se afirma APENAS em
(A) I e II.
(B) II e III.
(C) II e IV.
(D) III e IV.
(E) I, II e III.

10. GABARITO
1 d
2 d
3 a
4 a
5 d
6 anulado
7 e
8 c
9 e
10 a
11 c
12 a
13 d
14 errado
15 a
16 errado, errado
17 a
18 d
19 e
20 e
21 b
22 b
23 c
24 b

Aula 13 - Principais Distribuições de Probabilidade

Uploaded by

Document Information

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 13 - Principais Distribuições de Probabilidade

Uploaded by

Copyright:

Available Formats

Raciocnio Lgico, Estatstica,

Matemtica e Matemtica Financeira p/

= = 0,3 0,7 = 0,21

= = ) ( pode ser aproximada por:

. Mas seria possvel mont-la para

You might also like