PUC SP - FEA

ESTATISTICA PROBABILISTICA

(Primeira Parte)

Apostila para os cursos de:

ADMINISTRAÇÃO E COMUNICAÇÃO

Professor Everaldo Montesi Medeiros

 Primeira Parte:

Capitulo 1

™ Teoria das Probabilidades

™ Técnicas de Contagem
™ Teorema de Bayes

Capitulo 2

™ Distribuições de Probabilidades

™ Esperança Matemática ou Valor Esperado

Professor Everaldo 2
Capitulo 1
Teoria das Probabilidades
Conceito → As probabilidades são usadas para demonstrar a chance de
ocorrência de um determinado evento. Foram desenvolvidas três abordagens
para a determinação de valores e definição de probabilidades. São elas:

1. Enfoque Clássico (a priori);

2. Enfoque da Freqüência Relativa (a posteriori);
3. Enfoque Subjetivo (Feeling).

• Enfoque Clássico
E conhecido como calculo a “a priori”, pois podemos determinar os resultados
antes de observada qualquer amostra do evento.
Formula Básica:

Onde :
a P ( x ) = Probabilidade de ocorrência do evento;
P (x) =
a + b a = numero de casos favoráveis;
b = numero de casos desfavoráveis.

Exemplo:
Qual a probabilidade de retirarmos um REI de um baralho de 52 cartas em uma
única oportunidade?

Observação :
4
P (x) = Probabilidade de “Não Ocorrência”
4 + 48 (INSUCESSO)
a
4 1 P ( não x ) = 1 -
P (x) = = a + b
52 13

A probabilidade de não ocorrência do evento:

⎛ a ⎞ 4 48
P( X ) = 1 − ⎜ ⎟ =1− = = 92 ,31 %
⎝ a + b ⎠ 52 52

Professor Everaldo 3
 • Enfoque da Freqüência Relativa
E baseado na proporção das vezes que ocorre um resultado favorável em um
determinado numero de observações (amostra).

Exemplo:
Foram coletados dados para 10.000 adultos em uma determinada região do
país. Desse total foram selecionadas 100 pessoas que apresentaram taxas de
colesterol acima do nível normal.
Determinar a probabilidade de “uma pessoa” escolhida ao acaso, apresentar
taxas elevadas de colesterol.

a
P (x) = 100
a + b P (x) =
100 + 9900

0,01 ou 1%

• Enfoque Subjetivo
E uma avaliação pessoal do grau de viabilidade de ocorrência de um
determinado evento (feeling; conhecimento; experiência...). Não tem
embasamento científico.

Exemplo :
• Prognostico de uma greve;
• Recuperação de um doente;
• Previsão das decisões do Governo.

Professor Everaldo 4
 1. A expressão de Probabilidade P(x)
Probabilidade de ocorrência do evento em analise em um determinado
experimento.

2. Intervalo de Variação
Menor Valor = ZERO
Indica que o evento e impossível. Probabilidade infinitamente pequena.
Maior Valor = HUM
Indica que o evento vai ocorrer com toda certeza.

Portanto, ZERO ≤ P(x) ≤ HUM

Observação:
Em um dado experimento um evento pode ou não ocorrer.
Portanto, P(x) + p ( não x ) = HUM

3. Experimento aleatório
E aquele cujos resultados podem apresentar variações, mesmo quando
repetido em condições uniformes.

4. Espaço amostral (s)

É o conjunto de todos os resultados possíveis de um determinado experimento.

Exemplo:
• Observações de recém-nascidos
s= M; F
• Lançamento de uma moeda
s= K; C
• Lançamento de duas moedas
s= KK ; CC ; KC ; CK

Professor Everaldo 5
 5. Evento
É qualquer subconjunto do espaço amostral (s)

6. Diagrama de Venn (ou de Euler)

É relacionado com a teoria dos conjuntos em matemática e tem a finalidade de
tornar mais fácil a visualização dos elementos.

A A C S
S B C S
B

7. Evento Simples
É o evento formado pôr apenas um elemento de S.
Exemplo:
— Masculino ou Feminino;
— (KK ; CC ; KC ; CK) duas moedas isoladamente.

8. Evento Composto
É aquele formado pôr dois ou mais elementos de S.
Exemplo:
— Pelo menos uma cara (K) no lançamento de duas moedas;
(KK ; KC ; CK) três elementos de S.
— Obtenção de um n.º par no lançamento de um dado;
(2, 4, 6) três elementos de S.

9. Evento Certo
Ocorre em todas as realizações do experimento.
Exemplo:
— Lançamento de uma moeda (resultados possíveis: K ou C).

Professor Everaldo 6
 10. Evento Impossível
Não ocorre em nenhuma realização do experimento.
Exemplo:
— Probabilidade de sair o numero sete no lançamento de um dado.

A
U
S S A = O

11. Evento Complementar

É aquele evento formado pôr todos os elementos de S que não pertencem a A.

A` A
U
A` = O
A

S A U A` = S

Exemplo:
Obtenção de uma face par no lançamento de um dado.

P (A) = ( 2 ; 4 ; 6 ) --- par

P (B) = ( 1 ; 3 ; 5 ) --- impar

12. Eventos Mutuamente Exclusivos

Dois ou mais eventos são chamados de mutuamente exclusivos, se a
ocorrência de um deles excluir a ocorrência do outro. Portanto, quando não
podem se apresentar simultaneamente.

Professor Everaldo 7
 A
B Exemplo:
S P (A) = extração de um ÁS Em uma única
P (B) = extração de um REI oportunidade

Portanto, ambos não podem ocorrer simultaneamente.

13. Eventos Não Mutuamente Exclusivos

Os eventos A e B da ilustração abaixo, não são considerados mutuamente
exclusivos porque possuem elementos em comum.

Exemplo:
AB P (A) = a carta é de ouro

S P (B) = a carta é uma figura

Portanto, existe um ponto de intersecção entre A e B

14. Eventos Coletivamente Exaustivos

Os eventos A e B são chamados de coletivamente exaustivos porque esgotam
todas as possibilidades de ocorrências.

Exemplo:
P (A) = a carta é preta
P (B) = a carta é vermelha
A B
S

Professor Everaldo 8
 15. Eventos independentes
Quando a ocorrência do evento B não depende ou não está vinculada à
ocorrência do evento A.
Exemplo: Lançamento de dois dados

Em outras palavras, dizemos que os eventos são independentes quando não

há modificação do espaço amostral, após a ocorrência de cada evento (COM
REPOSIÇÃO)

16. Eventos dependentes

Quando há modificação no espaço amostral após a ocorrência de cada evento
(SEM REPOSIÇÃO)

Exemplo: Qual a probabilidade de retirarmos um ás e um rei de um baralho em

duas oportunidades?

1a. Retirada P (A) = um ás = 4 / 52 Modificação no

espaço amostral
2a. Retirada P (B) = um rei = 4 / 51

Professor Everaldo 9
Existem duas Categorias:
a) P (A ou B)
Probabilidade de ocorrência “de um ou outro” evento.

b) P (A e B)
Probabilidade de ocorrência “simultânea” dos eventos (ou de ambos).

Regras da Adição P (A ou B)

P ( A ou B ) = P ( A + B ) = P ( A ) + P ( B ) = P ( A U B )

Dentro da regra da adição é possível ocorrer duas situações, conforme segue:

a) Eventos Mutuamente Exclusivos

P ( A ou B ) = P ( A ) + P ( B ) = P ( A U B )

A
B

Exemplo:
Determinar a probabilidade de retirarmos um “ás” ou um “rei” de um baralho de
52 cartas, em uma única oportunidade.

P (A) = um ás = 4 / 52
P (B) = um rei = 4 / 52

P (A U B) = P (A) + P (B)
4 / 52 + 4 / 52 = 8 / 52 = 2 / 13

Professor Everaldo 10
 b) Eventos Não Mutuamente Exclusivos

Neste caso é subtraída da soma das

probabilidades a ocorrência conjunta dos
eventos (interseção)

P ( A ou B ) = P ( A U B ) =
U
P ( A ) + P ( B ) - P (A B)
A
B

Exemplo:
Qual a probabilidade de retirarmos um “ás” ou uma “carta de ouros” de um
baralho de 52 cartas, em uma única oportunidade.

P (A) = um ás = 4 / 52 P ( A ou B ) =
P (B) = uma carta de ouro = 13 / 52
4 / 52 + 13 / 52 – 1 / 52 = 16 / 52

Regras da Multiplicação P (A e B)
As regras de multiplicação se relacionam com a
determinação da probabilidade conjunta de eventos
(simultânea).

P(AeB) = P(A
U
B) = P(A) . P(B)

a) Eventos Independentes

Exemplo
Uma moeda não viciada é lançada duas vezes. Determinar a
probabilidade de que ambos os resultados sejam CARAS.

Professor Everaldo 11
Portanto,
P (A) = 1 / 2 P (A) . P (B) =
P (B) = 1 / 2 1/2.1/2 = 1/4 = 25%

b)Eventos Dependentes

Probabilidade Condicional
É quando a probabilidade de ocorrência do evento B está
condicionada a ocorrência do evento A.

P ( A e B ) = P ( A
U
B ) = P ( A ) . P ( B / A )

Exemplo
Qual a probabilidade de retirarmos um às
e um rei de um baralho de 52 cartas, em
duas oportunidades “sem reposição”

P (A) = 4 / 52
P (B) = P (B / A) = 4 / 51

P (A e B) = 4 / 52 . 4 / 51 = 1 / 13 . 4 / 51 = 4 / 663

Professor Everaldo 12
Exercícios:
1. Em uma urna existem 15 bolas numeradas de 1 a 15. Qual a
probabilidade de retirarmos 1 bola múltipla de três e múltipla de 4.
Resposta: 46,7%

2. Na urna A existem 5 bolas amarelas, 4 pretas e 3 brancas. Na urna B

existem 4 amarelas, 3 pretas e 3 brancas e na urna C existem 6
amarelas, 5 pretas e 4 brancas. Qual a probabilidade de retirarmos uma
bola de cada uma e todas terem a mesma
Resposta: 12,5%

3. Em uma urna existem 3 bolas brancas e 2 pretas. Qual é a probabilidade

de retirarmos duas bolas, sem reposição, e ambas serem pretas?
Resposta: 10,0%

4. Roberto aguarda com ansiedade o resultado de dois exames. Ele estima

em 80% a probabilidade de obter A em Matemática e 40% em Filosofia.
[Determinar as seguintes probabilidades]:

a) Nota A em ambos:
Resposta: 32%
b) Nenhuma nota A:
Resposta: 12%
c) A em Matemática e não A em Filosofia
Resposta: 48%
d) não A em Matemática e A em Filosofia
Resposta: 8%

Professor Everaldo 13
Conceito: No cálculo das probabilidades (a priori), é necessário conhecer o
tamanho do espaço amostral. Precisamos conhecer todos os resultados
possíveis em um determinado experimento.
Uma das formas tradicionais é o uso das arvores de decisão. Entretanto,
quando o numero de resultados é muito grande sua aplicação não é muito
prática.
Ilustração gráfica:
Diagrama de árvore para ilustrar todos os arranjos possiveis

Resultados
Possiveis

Essa prática é bastante útil para ilustrar o comportamento de certos

fenômenos, muito embora sua expansão o torna cansativo. Na realidade,
estamos em busca do numero total de resultados e não necessariamente
identificá-los
Como quantificá-los?

• O principio da multiplicação
Vamos supor que um fabricante de automóveis pretende produzir um veiculo
com as seguintes características:
o Um modelo (1000 cilindradas com 16 válvulas);
o Quatro cores (azul, preto, verde e creme);
o Duas e quatro portas;
o Com e sem ar condicionado;
Professor Everaldo 14
 o Com e sem direção hidráulica.
Questão: Calcular o mix possível de produção utilizando-se o principio da
multiplicação.

O numero total de resultados possíveis é igual ao produto das diversas formas

que o fabricante deseja produzir o automóvel. Portanto, temos:

COMBINAÇÕES
DECISÕES
POSSÍVEIS
Modelo 1
Cores 4
Portas 2
Ar Condicionado 2
Direção 2
Mix total 32

Exemplo 2
Vamos supor que um aluno responde 15 questões de um teste qualquer. Cada
questão admite somente duas respostas (certo ou errado). Calcular o numero
de maneiras possíveis.
Os cálculos:
2x2x2x2x2x2x2x2x2x2x2x2x2x2x2
(quinze questões com duas possibilidades de respostas)

Portanto, 2 15 = 32768 (espaço amostral)

• Permutações e Arranjos
Conceito: Para quantificarmos o numero total de resultados em um
determinado experimento e considerando que a ordem dos elementos é
importante, recomenda-se a aplicação dos conceitos das Permutações e dos
Arranjos.

Neste caso: AB ‡ BA

Professor Everaldo 15
Permutações
Conceito: É o numero de maneira que n objetos podem ser arranjados.

Principio algébrico:
n! = n . (n-1) . (n-2) .......... 2 . 1
onde: n é sempre positivo
0! = 1 por definição

Exemplo (1):
Três membros de uma organização (A, B e C) se ofereceram como voluntários
para comporem a diretoria do ano seguinte, assumindo as funções de
presidente, tesoureiro e secretário. Determinar o número de permutações
possíveis.

3! = 1 x 2 x 3 = 6 A B C
A C B
B A C
B C A
C A B
C B A

Exemplo (2):
Vamos supor que quatro (A, B, C ou D) times de futebol disputam um torneio.
Determinar o numero total de maneiras que pode apresentar-se o resultado
final.
Colocação Times Possibilidades Suposição
1º Quatro ∴ 4 (A, B, C ou D) B Campeão
2º Três ∴ 3 (A, C ou D) D Vice
3º Dois ∴ 2 (A ou C) A 3º
4º Um ∴ 1 (C) C 4º

O numero total de resultados é o que segue:

n! = 4!

∴ 4 . 3 . 2 . 1 = 24

Professor Everaldo 16
Permutações com REPETIÇÕES
Conceito: Em algumas oportunidades nos deparamos com situações onde os
itens são iguais. Suponhamos, por exemplo, três letras (A, A, A) e outras duas
(B, B).
Uma permutação possível é do tipo: A A A B B
Se trocarmos de posição a letra B entre si não haverá modificação na
permutação. Nesse caso deve-se deduzir do total, pois nas permutações os
grupos são diferentes.
A formula para esse cálculo é a seguinte:

n!
n 1! n 2 !...... n 3 !

onde: n! = numero total de permutações

n1! / n2! / n3! = são iguais entre si

Portanto, temos:

5!
10
3 !2 ! =

Exemplo 2:
Em uma bolsa existem 10 bolas. Três azuis, quatro amarelas e três brancas. A
única diferença entre as bolas são as cores. Calcular de quantas maneiras
pode-se alinhá-las.
Portanto, temos: n! = 3 + 4 + 3 ∴ 10!
n1! . n2! . n3! = 3! . 4! . 3!

10 ! 3628800
= 4200
3 !4 !3 ! 864

Professor Everaldo 17
Arranjos
Conceito: Quando existe o interesse de conhecermos o número de
permutações de um sub grupo de n objetos, temos os Arranjos.

n!
fórmula: A n.x =
(n − x)!

onde n = n.º total de observações da amostra

x = n.º de elementos de um subgrupo da amostra.

Exemplo 1:
Suponhamos que uma organização é composta por 10 membros e que
nenhuma indicação tenha sido feita para os cargos de presidente, tesoureiro e
secretário. Determinar o número de arranjos possíveis.

10 ! 10 ! 10 .9 .8 .7!
A10.3 = = = = 720
(10 − 3 )! 7! 7!

P.S: No arranjo a ordem é importante, ou seja, AB ≠ BA

Exemplo 2:
Numa corrida de cavalos existem sete cavalos competindo. Calcular o numero
possível de arranjos para os três primeiros colocados.
n = 7
7! 7! 7 .6 .5 .4!
x = 3 = = = 210
( 7 − 3)! 4! 4!

Combinações:
Conceito: Quando existe o interesse de conhecermos o número de
grupamentos dos objetos, sem levar em consideração a ordem de
apresentação, temos as combinações.
n!
fórmula: C n.x =
x! ( n − x ) !

Professor Everaldo 18
Neste caso: AB = BA
Exemplo 1:
Suponha o mesmo exemplo da organização composta por 10 membros e que
nenhuma indicação tenha sido feita para os cargos de presidente, tesoureiro e
secretário. Determinar o número de combinações possíveis.

1 0! 1 0 .9 .8
C 10.3 = = =120
3 !7 ! 3 . 2 .1

Exemplo 2:
De quantas maneiras diferentes o diretor de uma empresa pode escolher dois
estudantes de administração entre sete candidatos e três estudantes de
economia entre nove candidatos?

Solução:
7 9
2 3
= 1764

Professor Everaldo 19
O teorema de Bayes caracteriza-se como uma probabilidade condicional.
Entretanto, é utilizado quando o experimento apresenta mais de dois eventos.
Vamos supor o seguinte exemplo:

Uma fabrica de enlatados na cidade de Jundiaí, possui três linhas de produção

(A, B e C) que respondem por 50%, 30% e 20% da produção total.
Considerando que 0,4% das latas da linha A apresentam defeitos, e das linhas
B e C apresentam respectivamente 0,6% e 1,2% defeitos.
Determinar as seguintes probabilidades:
1. Qual a probabilidade de um consumidor adquirir uma lata dessa fabrica
em um supermercado qualquer da cidade, e apresentar algum tipo de
defeito?
2. Qual a probabilidade dessa lata encontrada no supermercado ter sido
produzida pela linha de produção A?

Diagrama de Arvore

0,004
(0,50 . 0,004) = 0,0020 Linha A

0,50

0,30 0,006
(0,30 . 0,006) = 0,0018 Linha B

0,20
0,012
(0,20 . 0,012) = 0,0024 Linha C

Resposta 1ª. Questão

=(0,5*0,004)+(0,3*0,006)+(0,2*0,012) = 0,62%

Resposta 2ª. Questão

=(0,5*0,004)/((0,5*0,004)+(0,3*0,006)+(0,2*0,012)) 32,25%

Professor Everaldo 20
(Exemplo 2)
Três máquinas fabricam um determinado produto. A máquina A apresenta 1%
de defeitos. A máquina B apresenta 2% e a máquina C apresenta 5%.
Vejamos:
Produtos Produtos
Máquina Produção c/ s/
defeitos defeitos
A 0,333 0,01 0,99
B 0,333 0,02 0,98
C 0,333 0,05 0,95

Responder:
Escolhido ao acaso um produto defeituoso, determinar a probabilidade de ter
sido produzido:

Pela Maquina A.

=(0,333*0,01)/((0,333*0,01)+(0,333*0,02)+(0,333*0,05)) = 12,50%

Pela Maquina B.

=(0,333*0,02)/((0,333*0,01)+(0,333*0,02)+(0,333*0,05)) = 25,00%

Pela Maquina C.

=(0,333*0,05)/((0,333*0,01)+(0,333*0,02)+(0,333*0,05)) = 62,50%

Professor Everaldo 21
(Exemplo 3)
Encima de uma mesa existem quatro urnas com bolas vermelhas, brancas e
azuis. A probabilidade de retirarmos qualquer bola de qualquer urna está
demonstrada na tabela abaixo:
P (xi) P (xi) P (xi) P (xi) P (xi)
Urnas
“a priori” Vermelha Branca Azul Total
A 0,25 0,10 0,60 0,30 1,00
B 0,25 0,60 0,20 0,20 1,00
C 0,25 0,80 0,10 0,10 1,00
D 0,25 0,00 0,60 0,40 1,00

Evidencia
Amostral

Calcular:
1. Retirando-se ao acaso uma bola vermelha, qual a probabilidade dessa
bola ser da Urna B

=(0,25*0,6)/((0,25*0,6)+(0,25*0,1)+(0,25*0,8))+(0,25*0,0) = 40,00%

2. Calcular em relação à Urna A (R = 6,7%)

3. Calcular em relação à Urna C (R = 53,3%)
4. Calcular em relação à Urna D (R = 0,07%)

Professor Everaldo 22
Capitulo 2
Distribuições de Probabilidades
a) Conceito → É uma distribuição de freqüência relativa para os resultados de
um espaço amostral. Demonstra a proporção das vezes que uma variável
aleatória tende a assumir cada um dos diversos vetores possíveis.

Exemplo 1:
Resultados possíveis no lançamento de duas moedas:
C= Coroa
Sendo:
K= Cara

Espaço Amostral Probabilidades dos Resultados

CC 0,50 * 0,50 = 0,25
CK 0,50 * 0,50 = 0,25 P (x)
KC 0,50 * 0,50 = 0,25
KK 0,50 * 0,50 = 0,25

Exemplo 2:
Numero de caras em duas jogadas de uma moeda:
Nº de caras (xi) P (xi) P(xi)
0 0,25 0,25
1 0,25
0,50
1 0,25
2 0,25 0,25

Total 1,00 1,00

Nº de caras lançamento duas moedas

P(xi)
0,75

0,50

0,25

0,00
0 1 2
xi

b) Variáveis Aleatórias:
É uma descrição numérica do resultado de um experimento.

Professor Everaldo 23
• Variável Aleatória Discreta
Podem assumir um numero finito de valores em uma infinita seqüência de
valores tais como zero, um, dois...
Simplificando, são aquelas variáveis que podem ser contadas (números
inteiros)
Exemplo: numero de clientes; numero de funcionários, resultado de uma
partida de futebol,...Etc.

Exemplo prático: Numero de alunos pôr disciplina em uma Escola:

Disciplinas Numero de alunos
Estatística 20 40
30
Finanças 28 20
Psicologia 32 10
0
Economia 26

as
a

ia

ia

...
t ic
Administração Geral 18

lo g

om
nç

st
t ís

na

ic o

on

ini
ta

Fi

Ec

m
Ps
Es

Ad
• Variável Aleatória Continua
São aquelas que podem assumir qualquer valor em um determinado intervalo.
Em outras palavras, podem assumir um numero infinito de valores.
Exemplo: peso dos alunos; diâmetro dos parafusos, duração de uma conversa
telefônica, etc.
Obs. Medidas de um modo geral

Exemplo prático: Altura dos alunos em uma determinada sala:

Altura (xi) Classes Numero de alunos
1,50 a 1,60 6 25

1,60 a 1,70 22 20
15
1,70 a 1,80 18
10
1,80 a 1,90 10
5

0
1,50 a 1,60 1,60 a 1,70 1,70 a 1,80 1,80 a 1,90

Professor Everaldo 24
 c) Distribuições Discretas de Probabilidades (Descontinuas):
— x = variável aleatória;
— P (x) ou f (x) = função probabilidade de ocorrência de cada valor de x.

Exemplo prático de uma distribuição de Probabilidade.

— Lançamento de um dado Função Discreta Uniforme de Probabilidades

Espaço P (x)
Amostral 0,20
1 0,17 0,15
2 0,17
0,10
3 0,17
4 0,17 0,05
5 0,17 0,00
6 0,17 1 2 3 4 5 6
1,00

— Lançamento de dois dados

1 2 3 4 5 6
Espaço Amostral
1 2 3 4 5 6 7
2 3 4 5 6 7 8 Todos os resultados
3 4 5 6 7 8 9
4 5 6 7 8 9 10 possíveis
5 6 7 8 9 10 11
6 7 8 9 10 11 12 (n = 36)

xi P (xi)
2 2,78% Portanto,
3 5,56% Soma P (X i) = 1
4 8,33%
5 11,11% sendo o i de 1 a n
Distribuição
6 13,89%
Discreta de 7 16,67%
20,00%
Probabilidades 8 13,89%
9 11,11% 15,00%
10 8,33%
11 5,56% 10,00%
12 2,78%
100,00% 5,00%

0,00%
2 3 4 5 6 7 8 9 10 11 12

Professor Everaldo 25
d) Esperança Matemática E (xi)
Valor Esperado (valor de maior freqüência)
Conceito: é a média de uma variável aleatória. Portanto, é a medida de
tendência central para a distribuição de probabilidades.
Símbolo utilizado; E (x) ou µ
Formula básica; E (xi) = ∑ [x i . p (x i)]

Onde: x i = valores observados

P (xi) = probabilidade de ocorrência de x i

Exemplo prático:
Determinar a esperança matemática no lançamento de dois dados.

Xi P (xi ) X i . P (xi )
2 1/36 2/36
3 2/36 6/36
4 3/36 12/36 20,00%
5 4/36 20/36
6 5/36 30/36 15,00%
7 6/36 42/36 10,00%
8 5/36 40/36
9 4/36 36/36 5,00%
10 3/36 30/36
11 2/36 22/36 0,00%
12 1/36 12/36 2 3 4 5 6 7 8 9 10 11 12
Total 252/36

252
E(Xi) = =7
36

e) Variância
Conceito: É a medida de variabilidade que mede a dispersão dos valores da
variável aleatória em análise.

• Símbolo utilizado: Variância (x) ou σ2

• Formula básica: σ 2 = ∑ (x - µ) 2 . p (x)

Onde: µ = E (x i) = valor esperado ou esperança matemática

Professor Everaldo 26
Exemplo pratico: calcular a variância no lançamento de dois dados
Xi x-µ (x - µ)2 (x - µ)2.p(x)
P(xi ) media
2 -5 25 0,694 0,0278 7
3 -4 16 0,889 0,0556
4 -3 9 0,750 0,0833 var = 5,83
5 -2 4 0,444 0,1111 dpad = 2,42
6 -1 1 0,139 0,1389
7 0 0 0,000 0,1667
8 1 1 0,139 0,1389
9 2 4 0,444 0,1111
10 3 9 0,750 0,0833
11 4 16 0,889 0,0556
12 5 25 0,694 0,0278
0 0 5,833 1,00

Exemplo 1: Revendedor Sabrico

Estatística de Vendas do automóvel Gol durante os últimos 300 dias no
Revendedor Sabrico. Determinar a Esperança Matemática, a Variância e o
Desvio Padrão da amostra analisada.
Vendas
Dias P (x) X. p (x) X-µ (X - µ)2 (X - µ)2 . p(x)
(x)
0 54
1 117
2 72
3 42
4 12
5 3
300
R = Esperança Matemática = 1,50 Variância = 1.25 Desvio padrão = 1,118

Exemplo 2: Loja Lava Melhor

Determinar a venda diária de maquinas de lavar na loja “A Melhor”, tomando-se
pôr base os resultados abaixo obtidos em uma pesquisa de 20 dias:
Vendas pôr dia Pesquisa P (xi) X . P(xi) (X - µ) (X - µ)2 (X-µ)2.p(x)

0 4
1 6
2 6
3 3
4 1

Professor Everaldo 27
Resposta: 1,55 maquinas / dia.
Determinar também:
• A Variância e o Desvio Padrão
• A venda mensal da loja considerando 300 lojas e 20 dias úteis do mês.
Resposta: 1,55 x 20 = 31 maquinas / mês
31 x 300 = 9.300 maquinas /mês

Exemplo 3: Execução de Obra

Um profissional faz as seguintes estimativas para a execução de uma obra.
Determinar o prazo esperado:
Prazo de execução Probabilidades Xi P(Xi)
10 0,3
15 0,2
22 0,5

Resposta: (17 dias)

Exemplo 4: Investimento
Um investidor acredita ter 40% de chance de ganhar 25.000 reais e 60% de
perder 15.000 reais em um determinado investimento. Qual o resultado
esperado?

Xi P(Xi) Xi P(Xi)

Resposta: (1000 reais)

Professor Everaldo 28