Apostila Descritiva e Probabilidades3

ESTATSTICA
NOTAS DE AULA

Estatstica Descritiva
Probabilidades e
Distribuies

Sandra Denisen do R. Marcelino
2012

SUMRIO
1. INTRODUO................................................................................................................................................................... 1
1.1 CONCEITOS FUNDAMENTAIS DE ESTATSTICA .............................................................................................. 1
1.2 FASES DE UM TRABALHO ESTATSTICO ........................................................................................................... 2
1.3 TIPOS DE VARIVEIS ESTATSTICA ................................................................................................................... 2
1.4 APRESENTAO DOS DADOS .............................................................................................................................. 3
1.4.1 Tabelas ............................................................................................................................................. 3
1.4.2 Grficos ............................................................................................................................................ 4
2. ESTATSTICA DESCRITIVA.......................................................................................................................................... 5
2.1 DISTRIBUIO DE FREQUNCIAS ...................................................................................................................... 5
2.1.1 Exerccios ......................................................................................................................................... 9
2.2 DE TENDNCIA CENTRAL ................................................................................................................................... 11
2.2.1 Mdia Aritmtica ............................................................................................................................. 11
2.2.2 Mediana .......................................................................................................................................... 12
2.2.3 Moda ............................................................................................................................................... 14
2.3 MEDIDAS DE POSIO (QUANTIS) .................................................................................................................... 14
2.4 EXERCCIOS ........................................................................................................................................................... 16
2.5 MEDIDAS DE DISPERSO .................................................................................................................................... 17
2.5.1 Amplitude ........................................................................................................................................ 18
2.5.2 Varincia ......................................................................................................................................... 18
2.5.3 Desvio Padro ................................................................................................................................ 20
2.5.4 Coeficiente de Variao ................................................................................................................. 21
2.5.5 Exerccios ....................................................................................................................................... 22
2.6 ASSIMETRIA ........................................................................................................................................................... 23
2.6.1 Exerccios ....................................................................................................................................... 26
2.7 CURTOSE ................................................................................................................................................................ 27
3. NOES DE PROBABILIDADE .................................................................................................................................. 28
3.1 DEFINIES ........................................................................................................................................................... 28
3.1.1 Experimento Aleatrio .................................................................................................................... 28
3.1.2 Espao Amostral ............................................................................................................................ 28
3.1.3 Evento Aleatrio ............................................................................................................................. 28
3.1.4 Eventos Mutuamente Exclusivos (ou Excludentes) ....................................................................... 29
3.1.5 Operaes com Eventos ................................................................................................................ 30
3.1.6 Definio Axiomtica de Probabilidade .......................................................................................... 30
3.1.7 Exerccios ....................................................................................................................................... 31
3.2 TEOREMAS FUNDAMENTAIS ............................................................................................................................. 33
3.2.1 Exerccios ....................................................................................................................................... 34
3.3 VARIVEL ALEATRIA ....................................................................................................................................... 36
3.3.1 Varivel Aleatria Discreta ............................................................................................................. 36
3.3.2 Varivel Aleatria Contnua ............................................................................................................ 36
3.3.3 Distribuies de Probabilidades ..................................................................................................... 36
3.4 ESPERANA MATEMTICA, MDIA OU VALOR ESPERADO ....................................................................... 38
3.5 VARINCIA ............................................................................................................................................................ 39
3.6 EXERCCIOS ........................................................................................................................................................... 40
3.7 DISTRIBUIES TERICAS DE PROBABILIDADE .......................................................................................... 41
3.7.1 Distribuio Binomial ...................................................................................................................... 41
3.7.2 Distribuio de Poisson .................................................................................................................. 42
3.7.3 Distribuio Hipergeomtrica ......................................................................................................... 43
3.7.4 Exerccios ....................................................................................................................................... 44
3.7.5 Distribuio Normal ........................................................................................................................ 46
3.7.6 Aplicaes da Distribuio Normal ................................................................................................. 48
3.7.7 Exerccios ....................................................................................................................................... 49
4. RESULTADOS DOS EXERCCIOS PROPOSTOS ..................................................................................................... 54
4.1 LISTA DE PROBABILIDADE PGINA 29 .................................................................................................................... 55
4.2 LISTA DE PROBABILIDADE PGINA 32 ................................................................................................................... 55
4.3 LISTA DE ESPERANA MATEMTICA E VARINCIA PGINA 38 ............................................................................... 56
4.4 LISTA DE DISTRIBUIES DISCRETAS PGINA 42 ................................................................................................... 56
4.5 LISTA DISTRIBUIO NORMAL PGINA 47 ............................................................................................................ 56
5. REFERNCIAS BIBLIOGRFICAS ............................................................................................................................ 58
1. INTRODUO

A Estatstica pode ser considerada como uma metodologia quantitativa que se preocupa em coletar,
organizar, analisar e interpretar um conjunto de observaes, visando a tomada de decises.
O objetivo dos estudos estatsticos reside naqueles fenmenos que se referem principalmente a um
conjunto muito numeroso de indivduos semelhantes quanto a pelo menos uma caracterstica especfica.
Pode-se dizer que toda cincia que manipula dados experimentais necessita da Estatstica como mtodo
de anlise desses dados, para que o pesquisador possa tirar concluses que tenham validade cientfica.
Basicamente, o estudo da Estatstica pode ser dividido em quatro partes: Estatstica Descritiva,
Probabilidades, Amostragem e Inferncia Estatstica.
A Estatstica Descritiva consiste no resumo dos dados atravs do uso de certas medidas estatsticas. Em
um sentido mais amplo, a Estatstica Descritiva pode ser interpretada como uma funo cujo objetivo a
observao de fenmenos de mesma natureza, a coleta de dados numricos referentes a esses fenmenos, a
organizao e a classificao desses dados observados e a sua apresentao atravs de grficos e tabelas, alm
do clculo de medidas que permitem descrever resumidamente os fenmenos.
A Amostragem vai possibilitar o conhecimento das principais tcnicas de obteno das amostras, de tal
forma que estas sejam representativas da populao, bem como suas aplicaes.
O estudo das Probabilidades ser necessrio para que se possa desenvolver os principais mtodos da
Inferncia Estatstica.
A Inferncia Estatstica refere-se a um processo de generalizao, a partir de resultados particulares.
Consiste em obter e generalizar concluses, ou seja, a Inferncia Estatstica possibilita a tomada de decises
acerca de populaes (conjunto de elementos que tm pelo menos uma caracterstica de interesse em comum)
partindo de amostras (subconjuntos representativos da populao).
inferncia est associado um grau de incerteza. A existncia da incerteza deve-se ao fato de que a
concluso que se pretende obter para o conjunto de todos os indivduos analisados, quanto a determinadas
caractersticas comuns, baseia-se em uma parcela do total de observaes. A medida da incerteza tratada
mediante tcnicas e mtodos que se fundamentam na Teoria da Probabilidade.
1.1 CONCEITOS FUNDAMENTAIS DE ESTATSTICA
Dois conceitos muito utilizados em estatstica so populao (ou universo) e amostra.

Populao: totalidade dos indivduos que se deseja investigar quanto a pelo menos uma caracterstica
especfica, ou seja, a totalidade dos elementos que esto sob discusso e dos quais se deseja informao. As
caractersticas da populao so chamadas de parmetros, valores fixos e desconhecidos, representados, em
geral, por letras gregas.

importante ficar bem claro que uma populao estudada em termos de observaes de caractersticas
nos indivduos e no em termos de pessoas ou objetos em si. Assim, por exemplo, as alturas dos cidados do
Brasil constituem uma populao, enquanto que os pesos destes mesmos indivduos poderiam formar uma outra
populao.
Nem sempre possvel investigar todos os elementos que compem a populao, quer seja por
dificuldades operacionais (material humano para coleta de dados em tempo hbil, dificuldade de acesso, ...) ou
mesmo por custos elevados. Faz-se, ento, o estudo atravs de amostras.

Amostra: a parte selecionada da totalidade de observaes abrangidas pela populao, atravs da qual
se faz inferncia sobre as caractersticas da populao. Ressalta-se que tal parcela deve ser selecionada
mediante tcnicas de amostragem, de tal forma que a amostra seja representativa, ou seja, contenha todas as
caractersticas da populao. As caractersticas da amostra so chamadas de estatsticas, sendo simbolizadas
por caracteres latinos.

Entende-se por observao cada valor coletado (ou observado), seja na amostra ou na populao. Por
exemplo: Suponha que se tenha interesse em avaliar o teor alcolico de dez tipos de vinho. Para tanto
Sandra Denisen do R. Marcelino Pgina 2
considerou-se 50 garrafas de cada marca. Tem-se aqui 500 observaes, pois ser coletado o teor alcolico de
500 garrafas de vinho.

Cabe ressaltar aqui, que o estudo cuidadoso de uma amostra tem mais valor cientfico do que o estudo
sumrio de toda a populao. Por exemplo, para estudar o efeito de uma determinada propaganda nas vendas de
produtos de uma certa marca, melhor analisar periodicamente as vendas dos produtos de forma minuciosa, que
examinar rapidamente o total de vendas de cada produto ao final de um ano.
1.2 FASES DE UM TRABALHO ESTATSTICO
Quando se vai viajar, qual a primeira coisa que se deve saber? Para onde se est indo, onde se quer
chegar e o porqu de se estar indo. Depois, qual o caminho que leva at l de modo mais fcil, rpido e
econmico, e ento escolher a conduo que melhor se adapta a esse caminho: nibus, trem, avio, etc. (precisa
comprar passagens? Com qual antecedncia?) Est-se indo para um hotel ou para uma casa de praia? (precisa
levar roupa de cama ou no?). Tudo isto necessrio para que a viagem transcorra o mais agradvel possvel.
Quando tudo planejado da maneira certa, existe uma grande probabilidade de que tudo ocorra certo, no
mesmo? (FERNANDEZ, 1992).
Quando se deseja fazer uma pesquisa, seja com finalidade acadmica (teses, dissertaes, trabalhos
cientficos) ou com finalidade comercial ou industrial, h que se planej-la corretamente, a fim de se obter as
informaes de modo a ajudarem a testar se as hipteses formuladas a princpio so verdadeiras ou no, e
conseguir usar as tcnicas adequadas para testar estas hipteses.
O primeiro passo numa pesquisa levantar a hiptese de maneira bem definida. Para tanto, deve-se
conhecer bem os objetivos da pesquisa. Lembrar que quem levanta a hiptese sobre o assunto o pesquisador,
devendo-se tomar cuidado quando a sua pesquisa depende de outra pessoa alm de voc (orientador, auxiliar de
campo ou laboratrio), pois todos os envolvidos na pesquisa devem estar pensando da mesma maneira sobre o
assunto em questo.
Sugere-se sempre que se faa anlise da literatura sobre o assunto que se deseja estudar (ou investigar).
A literatura sugere hipteses, variveis, instrumentos de coleta de dados, formas de apresentao dos resultados,
mtodos estatsticos, resultados esperados, etc.
Ento, hipteses so respostas provisrias s questes que a pesquisa pretende investigar; so relaes
entre duas ou mais variveis; sendo necessria a verificao emprica dessas relaes.
Os dados estatsticos so obtidos mediante um processo que envolve a observao ou outra mensurao
de itens tais como renda anual numa comunidade, escores de testes, quantidade de caf por xcara servida por
uma mquina automtica, resistncia ruptura de fibras de nilon, entre outros. Tais itens so denominados
variveis, pois originam valores que tendem a apresentar certa variabilidade quando so efetuadas sucessivas
medidas.
1.3 TIPOS DE VARIVEIS ESTATSTICA
Na descrio ou anlise de um conjunto de dados estatsticos, pode-se associar a eles certos tipos de
variveis, pois o tratamento matemtico exigido e o mtodo estatstico a ser utilizado dependem dessa varivel.
Pode-se considerar dois tipos de variveis: qualitativas e quantitativas.
As variveis qualitativas so aquelas utilizadas para descrever qualidades, categorias, atributos, podendo
ser classificadas como categricas (nominais) ou ordinais. Em geral so caractersticas que no podem ser
medidas numericamente. As variveis categricas ou nominais permitem somente a classificao dos dados.
Exemplo: sexo, ramo de atividade de uma empresa, tipo de comrcio, entre outras. J as variveis ordinais
permitem que se estabelea uma ordenao natural das variveis, sem no entanto, determinar-se numericamente
a distncia entre as ordenaes. Por ex.: status social, grau de instruo, porte de uma empresa, entre outras.
As variveis quantitativas esto associadas a valores numricos, podendo ser discretas ou contnuas. As
variveis contnuas so aquelas usadas para descrever dados contnuos, ou seja, podem assumir qualquer valor
de um subconjunto dos nmeros reais. Ex.: peso, altura, dimetro, tempo, concentrao qumica. A varivel dita
discreta quando o nmero de valores possveis for finito ou enumervel. Ex.: quantidade de sacas de soja
colhidas por hectare, nmero de dias que choveu em Curitiba no ms de Abril, nmero de estabelecimentos
comerciais por rea, etc.
Contnua
Discreta
va Quantitati
Ordinal
Nominal
a Qualitativ
Varivel

A natureza das variveis pode orientar a escolha das tcnicas estatsticas. As tcnicas estatsticas
utilizadas para dados provenientes de variveis qualitativas so diferentes das tcnicas utilizadas para dados
provenientes de variveis quantitativas.

ESCALA

EXEMPLO DE
ESTATSTICAS
APROPRIADAS

ANLISE
ESTATSTICA
ADEQUADA

EX. DE PROVAS ESTATSTICAS
AMOSTRAS
RELACIONADAS
AMOSTRAS
INDEPENDENTES
Nominal - Moda
- Freqncia
- Coeficiente de
contingncia
Anlise
estatstica no
paramtrica
- Prova de
McNemar

- Teste Exato de
Fischer
- Teste _
2

Ordinal - Mediana
- Percentis
- Correlao:
- rs de Spearman
- t de Kendall
- W de Kendall
Anlise
estatstica no
paramtrica
- Prova de
Wilcoxon
- Prova de
Friedman
- Prova de
Kolmogorov-Smirnov
- Prova U de Mann
Withney
- Prova de Kruskall-
Wallis

Discreta
e
Contnua
- Mdia
- Desvio padro
- Coeficiente de
correlao de
Pearson
- Coeficiente de
variao
Anlise
estatstica
paramtrica
- Teste t para
amostras
pareadas
- Teste t
- Teste F ou ANOVA
(Anlise de varincia)
1.4 APRESENTAO DOS DADOS
1.4.1 Tabelas

As tabelas podem ser classificadas de acordo com seu contedo:
a) estatsticas: apresentam o fenmeno, o local e o tempo. H 3 tipos:
- Simples: apenas duas colunas, variando o tempo (sries histricas); o local (sries geogrficas) ou o
fenmeno (sries especficas);
- Dupla Entrada: que combinam duas ou mais sries estatsticas;
- Distribuies de Freqncias;
b) de codificao: Cdigo <=> descrio ( 1 = masculino);
c) de converso de unidades: metro quadrado para are;
d) tcnicas: apresentam especificaes tcnicas de determinados produtos ou rea de interesse;
e) de rotina ou controle: fluxograma. diagrama, organograma;
f) especiais: classificao peridica dos elementos.

As tabelas tm ttulo, corpo, cabealho e coluna indicadora. O ttulo explica o que a tabela contm. O
corpo formado pelas linhas e colunas. O cabealho especifica o contedo das colunas, e a coluna indicadora
especifica o contedo das linhas.
Uma tabela pode ainda apresentar fonte, nota e chamada. A fonte d indicao da entidade ou do
pesquisador, ou dos pesquisadores que publicaram ou forneceram os dados. A nota utilizada para esclarecer
aspectos relevantes do levantamento dos dados ou apurao. As chamadas so esclarecimentos sobre os dados
e devem ser feitas atravs de algarismos arbicos escritos entre parnteses, e colocados direita da coluna.
Quando se trabalha com datas, importante observar como se indica corretamente um determinado
perodo. DATAS: 1. Anos civis consecutivos: 1976-79 (1976 at 1979)
2. Anos civis no-consecutivos: 1976-1979 (apenas 1976 e 1979)
3. Perodo de 12 meses diferente do ano civil: 1978/1979 (doze meses)
4. Perodo relativo a safra: 77/78

Como exemplo, veja a Tabela 1.1
Tabela 1.1
Nascidos vivos registrados segundo o ano de registro e o sexo
Ano do Sexo Total
Registro Masculino Feminino
1984 1307758 1251280 2559038
1985 1339059 1280545 2619604
1986 1418050 1361203 2779253
Fonte: IBGE (1988)
Nota: Nascimentos ocorridos no ano de registro

Quanto questo do arredondamento, tem-se como regra o seguinte, de acordo com os equipamentos de
clculo tais como calculadora e microcomputador:
1) finais 1 2 3 4 - eliminar as casas decimais indesejadas: 2,342 = 2,34;
2) finais 5 6 7 8 9 - eliminar o restante e acrescentar uma unidade ltima casa considerada: 2,347 = 2,35;

1.4.2 Grficos

Os grficos tambm podem ser classificados de acordo com seu contedo:
- Estatsticos;
- Organizacionais: organogramas (quadro geomtrico representativo de uma organizao ou de um servio),
fluxogramas (representao grfica da definio, anlise e soluo de um problema); cronogramas
(representao grfica da previso de execuo de um trabalho);
- Mapas: do Estado, do Pas, da Amrica do sul;
- Plantas: arruamento (traado, demarcao e abertura de ruas) de cidades:
- Figuras: fotografias;
- Tcnicos: nomograma (grfico, com curvas apropriadas, mediante o qual se pode obter solues de uma
equao determinada pelo simples traado de uma reta).

So elementos de um grfico:
- ttulos;
- escala;
- fonte;
- nota;
- chamada;
- legenda.

Dentre os grficos estatsticos tm-se:
- diagramas (de pontos, de bastes, de linhas, de colunas, de barras, de superfcies, de reas, de setores,
histogramas);
- cartogramas (dados geogrficos);
- pictogramas (desenhos de pessoas, etc.);
- estereogramas (espao tridimensional).

2. ESTATSTICA DESCRITIVA
2.1 DISTRIBUIO DE FREQUNCIAS
Um conjunto de observaes de um certo fenmeno, no estando adequadamente organizado, fornece
pouca informao de interesse ao pesquisador. Para uma viso rpida e global do fenmeno em estudo preciso
que os dados estejam organizados em tabelas e grficos convenientemente construdos. O tipo de tabela ou
grfico utilizado funo do tipo de varivel que representa o fenmeno de interesse.
Se a varivel de interesse uma varivel qualitativa possvel resumir as categorias ou atributos em uma
tabela de distribuio de freqncias, listando as realizaes da varivel e as respectivas vezes que tais
realizaes ocorreram.
Se a varivel toma somente valores discretos (isolados), ou seja, se a varivel de interesse discreta,
possvel construir uma tabela de freqncias de valores no agrupados em classes, ou seja, os valores que a
varivel assumiu so listados, e a freqncia simples (f
i
), ou de maneira comum s freqncia, o nmero de
observaes referentes quela realizao.
Por outro lado, se a varivel toma valores dentro de um intervalo dos nmeros reais, ou seja, a varivel de
interesse contnua, possvel construir uma tabela de freqncias de valores agrupados em classes, onde a
freqncia de uma classe o nmero de observaes que se enquadram entre os limites daquela classe. Uma
distribuio de freqncias em classe tambm pode ser construda para variveis discretas, quando esta
apresentar muitas realizaes distintas.
Considerando as tabelas de distribuio de freqncias, muitas vezes pode-se ter interesse em outros
tipos de freqncias, alm da simples. possvel construir uma tabela de freqncias acumuladas, sendo a
freqncia acumulada de um ponto igual freqncia desse ponto somada com as freqncias de todos os
pontos menores que o considerado. Se est-se trabalhando com classes, ento a freqncia acumulada de
determinada classe dada pela freqncia simples da classe em questo somada s freqncias das classes
anteriores. A freqncia acumulada denotada por F
i
ou fa.
Muitas vezes, existe interesse em trabalhar com a freqncia relativa (f
r
) de determinada realizao ou
classe. Essa freqncia dada pelo quociente entre a freqncia simples (f
i
) e o nmero total de observaes ou
freqncia total (n). Assim:
f
f
n
r
i
= (1)
Exemplo 2.1:

Considere o conjunto de dados abaixo, onde tem-se o nmero de alunos de 60 disciplinas ministradas em
quatro cursos de uma Faculdade.

Curso A Curso B Curso C Curso D
15 36 75 45 36 75 65 45 65 36 24 75 65 45 36 45 80 45 65 24
75 87 65 24 45 65 15 36 45 87 65 45 36 8 75 65 65 45 75 36
24 45 36 8 65 80 75 75 24 36 15 65 75 45 24 45 15 36 45 80
Dados fictcios.

A Tabela 2.1 abaixo mostra os dados referentes ao nmero de turmas em cada curso

Tabela 2.1
Distribuio de freqncias para a varivel curso
Curso
(x
i
)
Freqncia
(f
i
)
Freqncia
Acumulada (fa)
A 15 15
B 15 30
C 15 45
D 15 60
Total 60

A Tabela 2.2 a seguir mostra os dados referentes ao nmero de alunos de 60 disciplinas ministradas,
distribudos conforme as respectivas freqncias absoluta e relativa, e ainda as respectivas freqncias
acumuladas.

Tabela 2.2
Distribuio de freqncias para a varivel nmero de alunos
Nmero de Alunos Freqncia Simples Freqncia Acumulada
(x
i
) Absoluta (f
i
) Relativa (f
r
) Absoluta (F
i
) Relativa (F
r
)
8 2 0,0333 2 0,0333
15 4 0,0667 6 0,1000
24 6 0,1000 12 0,2000
36 10 0,1667 22 0,3667
45 13 0,2167 35 0,5834
65 11 0,1833 46 0,7667
75 9 0,1500 55 0,9167
80 3 0,0500 58 0,9667
87 2 0,0333 60 1,0000
Total 60 1,0000

Pode-se ainda representar os dados da Tabela 2.2 graficamente, atravs de um diagrama de freqncias
por pontos, como mostra a Figura 2.1 abaixo, ou ainda pelo grfico de freqncias acumuladas, conforme a
Figura 2.2.

Ainda considerando o exemplo 2.1, pode-se desejar construir uma tabela de freqncias para o nmero de
alunos das 60 disciplinas ministradas, distribudos de acordo com o curso. A Tabela em questo denomina-se
tabela de cruzamento de variveis ou tabela de dupla entrada.

Tabela 2.3
Cruzamento das variveis curso e nmero de alunos
Nmero de Alunos Curso Total
Curso A Curso B Curso C Curso D
8 1 0 1 0 2
15 1 1 1 1 4
24 2 1 2 1 6
36 3 3 2 2 10
45 3 2 3 5 13
65 2 3 3 3 11
75 2 3 3 1 9
80 0 1 0 2 3
87 1 1 0 0 2
Total 15 15 15 15 60

0
2
4
6
8
10
12
14
16
0 10 20 30 40 50 60 70 80 90
F
r
e
q
u
n
c
i
a
s

Nmero de alunos
Figura 2.1: Diagrama por pontos
0
10
20
30
40
50
60
70
80
0 50 100
F
r
e
q
.

A
c
u
m
u
l
a
d
a
s

Nmero de alunos
Figura 2.2: Diagrama de
frequncias acumuladas
Se a varivel contnua, ou ainda, se o nmero de categorias envolvidas na tabela de distribuio de
freqncias para uma varivel discreta muito grande, possvel construir uma tabela de freqncias de valores
agrupados em classes. Um critrio utilizado na determinao do nmero de classes (k) atravs da frmula
emprica de Sturges.
k = 1 + 3,32 log n, (2)

onde n representa o total de observaes.
Cabe ressaltar que um nmero muito pequeno (k = 3) ou um nmero muito grande de classes (k = 30),
pode comprometer a visualizao dos dados, pois se k demasiado pequeno, perde-se muita informao,
enquanto que, se k muito grande, tm-se pormenores desnecessrios.
A amplitude (h) de cada classe ser dada por:
h
A
k
t
= (3)
onde A
t
representa a amplitude total das observaes, definida como a diferena entre o maior valor (mximo) e o
menor valor (mnimo) observados.
Denominam-se extremos de classe, os limites dos intervalos de classe. Deve ficar muito claro se os
valores iguais aos extremos devem ou no ser includos na classe. Adota-se a seguinte notao: |
_
para indicar
que o limite inferior pertence classe, ou seja, o intervalo fechado esquerda. J a notao
_
| indica que o
intervalo fechado direita, ou seja, o limite superior includo na classe. A notao |-| indica que ambos os
limites inferior e superior esto inclusos na classe.
Numa distribuio de freqncias tambm podem ser apresentados os pontos mdios de classe. O ponto
mdio dado pela soma dos extremos da classe, dividida por 2, e representado por x
i
(se a varivel considerada
for X).

Exemplo 2.2:
Seja a varivel X representando a altura de 28 estudantes do sexo masculino de um determinado Curso.
Foram obtidos os seguintes valores para X, em m:

1,84 1,60 1,73 1,86 1,78 1,80 1,88 1,71 1,89 1,65 1,83 1,76 1,83 1,81
1,66 1,86 1,74 1,70 1,77 1,68 1,96 1,72 1,79 1,74 1,78 1,71 1,67 1,77

Visando a construo da tabela de distribuio freqncias, h que se calcular o nmero de classes e a
amplitude de classe. Analisando o conjunto de dados tem-se:

Valor mnimo = 1,60
amplitude (A
t
) = 1,96 - 1,60 = 0,36 m
Valor mximo = 1,96

Usando a frmula de Sturges (2) tem-se:
k = 1 + 3,32 log n = 1 + 3,32 log 28 = 5,80 ~ 6 classes,

e usando a frmula (3) tem-se h = 0,06m ou 6 cm, que a amplitude de classe.
Ento, a tabela de freqncia a ser construda ter 6 classes, com o intervalo de classe de 6 cm.

Tabela 2.3
Distribuio de freqncias para dados agrupados em classes
Classes f
i
fa x
i

1,60 | 1,66
2 2 1,63
1,66 | 1,72
6 8 1,69
1,72 | 1,78
7 15 1,75
1,78 | 1,84
7 22 1,81
1,84 | 1,90
5 27 1,87
1,90 || 1,96
1 28 1,93
Total 28

A representao grfica da Tabela 2.3 dada pelo histograma de freqncias, Figura 2.3 abaixo. O
histograma uma representao grfica onde cada classe representada por um retngulo, cuja base igual
amplitude de classe correspondente, e a rea proporcional freqncia de classe.


Outra representao grfica de interesse para uma varivel contnua o polgono de freqncias, que
uma representao grfica onde considera-se o ponto mdio (x
i
) no eixo das abcissas, e as freqncias no eixo
das ordenadas, ligando-se todos os pontos. O polgono de freqncias para os dados da Tabela 2.3 dado a
seguir, Figura 2.4.

Se na Figura 2.4 forem consideradas as freqncias acumuladas ao invs das freqncias absolutas, o
grfico passa a se chamar Polgono de Freqncias Acumuladas ou Ogiva de Galton, grfico este que tem por
finalidade a representao das tabelas de freqncias acumuladas. Para os dados da Tabela 2.3, tem-se a Figura
2.5 a seguir.

Quando o polgono de freqncias acumuladas se refere s freqncias relativas, usa-se a denominao
Ogiva Percentual ou Polgono de Freqncias Relativas Acumuladas.

2
6
7 7
5
1
0
1
2
3
4
5
6
7
8
160|-166 166|-172 172|-178 178|-184 184|-190 190|-|196
F
r
e
q
u
n
c
i
a
s

Altura (cm)
Figura 2.3: Histograma de frequncias
0
1
2
3
4
5
6
7
8
160|-166 166|-172 172|-178 178|-184 184|-190 190|-|196
F
r
e
q
u
n
c
i
a
s

Altura (cm)
Figura 2.4: Polgono de frequncias
0
5
10
15
20
25
30
160|-166 166|-172 172|-178 178|-184 184|-190 190|-|196
F
r
e
q
.

A
c
u
m
u
l
a
d
a
s

Altura (cm)
Figura 2.5: Polgono de frequncias acumuladas
Ogiva de Galton
2.1.1 Exerccios

1. Foram anotados, durante 30 dias, o tempo necessrio (em minutos) para a realizao de uma tarefa, visando
estabelecer um tempo padro, a fim de que tal tempo seja base para a realizao de um teste para a seleo
de novos funcionrios. Construa uma tabela de distribuio de freqncias, considerando intervalos de
classes iguais.
5,1 4,4 7,7 32,3 9,9 7,4 5,2 8,3 8,3 6,3
9,0 7,0 6,6 4,9 9,6 14,1 7,0 2,4 4,4 18,0
14,6 9,6 16,7 7,4 8,2 8,7 24,0 9,4 8,2 5,8

2. Sejam os dados relativos ao nmero de acidentes dirios num grande estacionamento, durante um perodo de
50 dias. Construa uma tabela de distribuio de freqncias para a varivel nmero de acidentes.
6 9 2 7 0 8 2 5 4 2
5 4 4 4 4 2 5 6 3 7
3 8 8 4 4 4 7 7 6 5
4 7 5 3 7 1 3 8 0 6
5 1 2 3 6 0 5 6 6 3

3. Um teste de estatstica, contendo 100 perguntas do tipo certo-errado, foi aplicado em uma turma de 500
estudantes. A Tabela a seguir apresenta o resultado do teste.
Resultados do teste de estatstica
Classes Freqncias (f
i
)
0 |- 10 5
10 |- 20 15
20 |- 30 20
30 |- 40 45
40 |- 50 100
50 |- 60 130
60 |- 70 100
70 |- 80 60
80 |- 90 15
90 |- 100 10
Total 500

a) Quantos alunos acertaram de 30 a 79 perguntas? Quantos por cento esse valor representa no total de
alunos que se submeteram ao teste?
b) Qual o percentual de alunos que acertaram de 50 a 59 questes?
c) Quantos alunos acertaram menos de 20 questes? E quantos acertaram 80 ou mais questes?
d) Qual a varivel de interesse? Classifique-a.

4. Classifique as variveis abaixo em qualitativas (nominais ou ordinais) ou quantitativas (discretas ou contnuas):
a) Distncia entre duas cidades;
b) Tempo para a realizao de uma prova;
c) Quantidade de cursos de uma Universidade;
d) Classificao de um produto (Excelente/Bom/Ruim);
e) Cor dos olhos.

5. Complete a tabela a seguir.
Vendas de bebidas leves em um dia
Freqncias Simples Freqncias Acumuladas
Tipo Vendas Absolutas Vendas Relativas Vendas Absolutas Vendas Relativas
Cola 600 600 60%
Limo 200 800
Laranja 10%
Uva 50
Cereja 40
Outros 1000
Total 1000 100%

6. Complete a tabela a seguir.
Tempos de espera na fila de um Banco
Tempo Freqncia Simples Freqncia Acumuladas Ponto
(Minutos) Absoluta (f
i
) Relativa (f
r
) Absoluta (F
i
) Relativa (F
r
) Mdio (x
i
)
0 a < 5 220
5 a < 10 82

15 a < 20 15
5
25 a < 30 1
Total 350 100%

a) Qual o tempo mximo de espera na fila? E o tempo mnimo?
b) Quantos clientes foram considerados no estudo?
c) Qual o tempo de espera predominante?
d) Quantos clientes esperaram 25 minutos ou mais na fila? Quanto esse valor representa no total de
clientes?

7. Uma pesquisa feita em um hotel de determinada cidade revelou que 40 hspedes chegaram pelos seguintes
meios de transporte:
Carro Carro Trem nibus Trem Carro Trem Avio Carro Avio
Carro Avio Carro Carro Carro Carro nibus Carro Avio Carro
nibus Avio Carro nibus nibus Carro nibus Carro Avio Avio
Avio nibus Carro Carro Carro nibus Avio Trem Carro Avio

Construa uma distribuio categrica* mostrando as freqncias correspondentes aos diferentes meios de
transporte.
* como trata-se de dados qualitativos, a distribuio de freqncias a ser construda recebe tal denominao,
pois no se utilizam classes e sim categorias.

8. So apresentadas a seguir as idades de um grupo de aposentados.
68 81 62 61 76 65 69 73
82 79 63 69 68 66 73 74
66 68 71 74 70 68 73 64
77 80 73 66 67 81 77 66
a) Qual a varivel do problema? Qual a sua classificao?
b) Utilizando o conjunto de dados, construa uma tabela de distribuio de freqncias com intervalo de classe
igual a 5.
c) Considerando a tabela obtida, construa tambm o histograma de freqncias.

9. As notas de 25 alunos em um teste so dadas a seguir. Agrupe-as em uma tabela de distribuio de
freqncias, considerando intervalo de classes iguais. Complete a tabela construda com as freqncias:
simples relativa, acumulada absoluta e acumulada relativa, ambas em ordem crescente.
75 65 31 82 68 81 56 38 73 69 62 63 52 81 37 83 60 69 84 97 89 70 88 68 77

10. D-se a seguir a distribuio dos gastos semanais de 200 clientes de um supermercado:
Valor (R$) Freqncia
0 | 20 22
20 | 40 47
40 | 60 66
60 | 80 35
80 | 100 21
100 | 120 9
a) faa um histograma desta distribuio
b) utilizando a freqncia acumulada, fa ou F
i
, trace uma ogiva.

2.2 DE TENDNCIA CENTRAL
Os dados quantitativos, apresentados em tabelas e grficos, constituem a informao bsica do problema
em estudo. Uma forma mais resumida de descrever um conjunto de dados pode ser feita atravs de um valor
nico, que representa em termos "mdios" todo o conjunto. Esse valor tende a se localizar no centro do conjunto
MEDIDAS de dados, sendo conhecida como medida de tendncia central.
As medidas de tendncia central mais conhecidas e que sero aqui estudadas so: mdia aritmtica,
mediana e moda.

2.2.1 Mdia Aritmtica

A mdia aritmtica de um conjunto de valores pode ser de dois tipos: simples ou ponderada.
A mdia aritmtica simples x de um conjunto de n valores x
1
, x
2
, ... ,x
n
definida pelo quociente entre a
soma dos valores do conjunto e o nmero total de valores, ou seja:
n
x
x
n
1 i
i
=
= , (4)
onde: n o total de observaes
x
i
cada valor observado.

i
x a soma de todos os valores do conjunto de dados considerado.

Exemplo 2.3:
Tabela 2.4
Sejam as notas de 5 alunos da Disciplina de Estatstica
Aluno 1 Aluno 2 Aluno 3 Aluno 4 Aluno 5
90 100 70 65 47
Ento:
n
x
x
n
1 i
i
=
= =
90 100 70 65 47
5
372
5
74 40
+ + + +
= = ,

A mdia aritmtica considerada ponderada quando os valores do conjunto tiverem pesos diferentes.
Obtm-se uma mdia aritmtica ponderada atravs do quociente entre o produto dos valores pelos respectivos
pesos e a soma dos pesos.
Ento, se x
1
, x
2
, ... ,x
k
ocorrem com as freqncias f
1
, f
2
, ... ,f
k
, respectivamente, a mdia aritmtica ser
dada pela expresso:
n
f x
f
f x
x
k
1 i
i i
k
1 i
i
k
1 i
i i
=
=
=
= = (5)
onde:
f
i
representa a freqncia da classe ou categoria,
x
i
so os valores das categorias ou ponto mdio das classes

i i
f x a soma do produto de valores de cada categoria ou ponto mdio pela respectiva freqncia.

Exemplo 2.4:
Tabela 2.5
Dados de 25 pessoas, referentes ao nmero de livros lidos por semana
N. de livros lidos por semana
(x
i
)
Freqncia
(f
i
)
x
i
f
i

0 16 0
1 2 2
2 3 Cria-se coluna 6
3 2 auxiliar 6
4 2 8
Total 25 22

x
x f
f
x f
n
i i
i
n
i
i
n
i i
i
n
= = =
+ + + +
= = ~
=
=
=

1
1
1
0 16 1 2 2 3 3 2 4 2
25
22
25
0 88 1
( * ) ( * ) ( * ) ( * ) ( * )
, livro

Caso os dados sejam distribudos em classes, os valores x
1
, x
2
, ... ,x
k
correspondero aos pontos mdios
das k classes. O ponto mdio x
i
da i-sima classe pode ser definido como a mdia aritmtica entre os limites
inferior (li) e o superior (ls) da classe i considerada, ou seja,

2
ls li
x
i
+
= (6)

Exemplo 2.5:
Tabela 2.6
Nmero de horas trabalhadas de 32 funcionrios de um Banco
Classes Freq. (f
i
) Ponto mdio (x
i
) x
i
f
i

120 |- 130 9 125 1125
130 |- 140 7 135 945
140 |- 150 3 145 435
150 |- 160 6 155 930
160 |- 170 2 165 330
170 |- 180 5 175 875
Total 32 4640

x
x f
f
x f
n
i i
i
n
i
i
n
i i
i
n
= = =
+ + + + +
= =
=
=
=

1
1
1
9 125 7 135 3 145 6 155 2 165 175
32
4640
32
145
( * ) ( * ) ( * ) ( * ) ( * ) (5* )
hs.

2.2.2 Mediana

A mediana Me uma quantidade que, como a mdia, procura caracterizar o centro da distribuio de
freqncias, porm de acordo com um critrio diferente. A mediana calculada com base na ordem dos valores
que formam o conjunto.
A mediana Me de um conjunto de n valores x
1
, x
2
, ... ,x
n
, ordenados, representada pelo valor central do
conjunto para n mpar ou pela mdia aritmtica dos dois valores centrais do conjunto, para n par.

=
=
=

(8)
2
E valor E valor
= Me
1 +
2
n
ordem de elemento E

2
n
ordem de elemento E

E e E : edianos m elementos dois se - tem par n se
(7) amostra na E do valor = Me
2
1 + n
ordem de elemento E mpar n se
Se
me2 me1
me2
me1
me2 me1
me me

A mediana Me de um conjunto de dados til, principalmente, quando esse conjunto muito influenciado
pelos extremos, refletindo aqui com mais fidelidade que a mdia, a medida de tendncia central correspondente, o
centro do conjunto de valores.
Geometricamente, a mediana o valor da varivel que divide o histograma em duas partes de reas
iguais.

Exemplo 2.6:

Sejam os dados considerados no exemplo 2.3, referentes s notas de 5 alunos da Disciplina de
Estatstica, ordenados crescentemente.
Dados Ordenados: 47 65 70 90 100

Como n = 5 E
me
=
n +
=
+
=
1
2
5 1
2
3 O valor do 3
o
elemento a mediana: Me = 70

No caso de dados agrupados em classes de freqncias, a mediana Me pode ser calculada pela
expresso:
me
aa
f
f
2
n
h li Me

+ = (9)
onde:
Classe mediana a classe que contm o valor central do conjunto de dados ordenados.
n
2
a posio da classe mediana;
li o limite inferior da classe mediana (classe que contm a mediana);
f
aa
a freqncia acumulada da classe vizinha anterior classe mediana;
f
me
a freqncia da classe mediana;
h a amplitude do intervalo da classe mediana.

Exemplo 2.7:

Sejam os dados considerados no exemplo 2.5, referentes ao nmero de horas trabalhadas de 32
funcionrios de um Banco.
Classes Freq. (f
i
) Freq. Acumulada (F
i
)
120 |- 130 9 9
130 |- 140 7 16
140 |- 150 3 19
150 |- 160 6 25
160 |- 170 2 27
170 |- 180 5 32
Total 32

horas 140 10 130
7
9
2
32
10 130
f
f
2
n
h li Me
me
aa
= + =
+ =
+ =

2.2.3 Moda

A moda Mo de um conjunto de n valores x
1
, x
2
, ... ,x
n
representada pelo valor que apresenta maior
freqncia. Um conjunto pode no apresentar moda, (conjunto amodal), como tambm, a moda pode no ser
nica. Um conjunto com apenas uma moda dito unimodal, com duas modas, bimodal, com trs modas dito
trimodal, assim como um conjunto com mais de trs modas denominado de plurimodal.

Exemplo 2.8:

Sejam os conjuntos de dados abaixo:
X: { 3, 6, 7, 9, 9, 7, 6, 3} Mo no existente, portanto X amodal
Y: {2, 2, 2, 6, 7, 10, 14} Mo = 2 (o conjunto Y unimodal)
Z: {4, 5, 8, 8, 9, 11, 13, 13} Mo
1
= 8 e Mo
2
= 13 (o conjunto Z bimodal)

No caso de dados agrupados em classes de freqncias, a moda Mo pode ser calculada pela expresso:
( )
post ant mo
ant mo
f f f 2
f f
h li Mo
+

+ = (10)
onde:
li o limite inferior da classe modal;
h a amplitude do intervalo da classe modal;
f
mo
a freqncia da classe modal;
f
ant
a freqncia da classe imediatamente anterior classe modal;
f
post
a freqncia da classe imediatamente posterior classe modal.
Classe modal a classe de maior freqncia.

Exemplo 2.9:

funcionrios de um Banco.
Classes Freq. (f
i
)
120 |- 130 9
130 |- 140 7
140 |- 150 3
150 |- 160 6
160 |- 170 2
170 |- 180 5
Total 32

( )
horas 18 , 128 18 , 8 120
) 7 0 ( 9 * 2
0 9
10 120
f f f 2
f f
h li Mo
post ant mo
ant mo
= + =
+
+ =
+

+ =

2.3 MEDIDAS DE POSIO (QUANTIS)
A mediana, geometricamente, divide a rea do histograma em duas partes iguais. Por extenso do
conceito da mediana, se o interesse for dividir a rea do histograma em quatro, dez ou cem partes iguais, tem-se
interesse em encontrar os valores dos quartis, decis e percentis, respectivamente.
Os quartis Q
i
de um conjunto de n valores x
1
, x
2
, ... ,x
n
, ordenados, so representados pelos valores de
posio
4
in
do conjunto, onde i a ordem do quartil e n a quantidades de observaes no conjunto de valores.

No caso de dados agrupados em classes de freqncias, os quartis Q
i
so calculados pela expresso:
qi
aa
i
f
f
4
in
h li Q

+ = (11)
onde:
li o limite inferior da classe que contm o quartil Q
i
de interesse;
4
in
a posio do quartil de ordem i, de interesse;
f
aa
a freqncia acumulada da classe vizinha anterior classe do quartil Q
i
;
F
qi
a freqncia da classe do quartil Q
i
;
h a amplitude do intervalo da classe do quartil Q
i
;

Se o interesse estiver no clculo dos decis e percentis, ento as respectivas posies sero dadas por
10
in
e
100
in
, onde i a ordem do decil ou percentil e n a quantidades de observaes no conjunto de
valores.

No caso de dados agrupados em classes de freqncias, os decis D
i
so calculados pela expresso:
di
aa
i
f
f
10
in
h li D

+ = (12)
onde:
li o limite inferior da classe que contm o decil D
i
de interesse;
10
in
a posio do decil de ordem i, de interesse;
f
aa
a freqncia acumulada da classe vizinha anterior classe do decil D
i
;
F
di
a freqncia da classe do decil D
i
;
h a amplitude do intervalo da classe do decil D
i

De maneira anloga, os percentis so calculados pela expresso:
pi
aa
i
f
f
100
in
h li P

+ = (13)
onde:
li o limite inferior da classe que contm o Percentil P
i
de interesse;
100
in
a posio do percentil de ordem i, de interesse;
f
aa
a freqncia acumulada da classe vizinha anterior classe do Percentil P
i
;
F
pi
a freqncia da classe do Percentil P
i
;
h a amplitude do intervalo da classe do Percentil P
i
.

Exemplo 2.10:

funcionrios de um Banco. Encontrar os valores para o 3 quartil, o 9 decil e o 32 percentil.

Posio do 3 quartil: posio 24
4
32 * 3
4
in
= =
horas 33 , 158 33 , 8 150
6
19 24
10 150
f
f
4
n
h li Q
qi
aa
3
= + =
+ =
+ =


Posio do 9 decil: posio 8 , 28
10
32 * 9
10
in
= =
horas 6 , 173 6 , 3 170
5
27 8 , 28
10 170
f
f
10
n
h li D
di
aa
6
= + =
+ =
+ =

Posio do 32 percentil: posio 24 , 10
100
32 * 32
100
in
= =
horas 77 , 131 77 , 1 130
7
9 24 , 10
10 130
f
f
100
n
h li P
pi
aa
32
= + =
+ =
+ =

2.4 EXERCCIOS
1. Imagine um conjunto de doze pessoas com as seguintes rendas mensais (em reais):
2500 2700 3000 3200 3300 4200
4800 5000 5500 6000 7000 18000
a) Qual a varivel de interesse?
b) Calcule a mdia, a mediana e os quartis das rendas mensais;
c) Qual medida, mdia ou mediana, fornece uma melhor idia do centro da distribuio de rendas?
Justifique sua resposta.

2. Um projeto de investimento est sendo avaliado pelo mtodo do pay-back. Uma simulao envolvendo vrios
cenrios futuros forneceu os seguintes tempos de retorno do investimento (em anos):
2,8 4,3 3,7 6,4 3,2 4,1 4,4 4,6 5,2 3,9
Encontre os tempos mdio e mediano de retorno.

3. So apresentadas a seguir as idades de um grupo de aposentados. Encontre a moda, a mdia, a mediana, ,
os quartis e o 3 decil para as idades dos aposentados.

68 81 62 61 76 65 69 73 82 79 63 69 68 66 73 74
66 68 71 74 70 68 73 64 77 80 73 66 67 81 77 66

4. Pela foto de um radar eletrnico dentro da cidade, doze motoristas multados por excesso de velocidade
estavam dirigindo a 8, 11, 14, 16, 8, 10, 20, 11, 7, 15, 19, 9 km/h acima dos 60 km/h permitidos.
a) Em mdia, em quantos km/h esses motoristas estavam excedendo o limite?
b) Qual foi a velocidade mdia destes motoristas?
c) Considerando que os motoristas que excedem a velocidade mxima em at 20% pagam uma multa de
120 U.M., e os que excedem em mais de 20% pagam multa de 500 U.M., determine o valor mdio das
multas que esses motoristas pagaram.

5. Em determinado final de semana, um supermercado vendeu as seguintes quantidades:
Produto (tipo) Preo unitrio
(R$)
Quantidade (em kg)
A 36,00 400
B 39,00 600
C 40,00 350
D 30,00 200
E 28,00 450
Determinar os preos mdio, mediano e modal.

6. Para uma amostra de 200 estudantes que realizaram um teste de idioma grego, verificaram-se questes
erradas em quantidades que variaram segundo a distribuio a seguir:
Questes erradas Nmero de alunos
5 | 10 12
10 | 15 73
15 | 20 52
20 | 25 39
25 | 30 24
Total 200
Determine a mdia, a moda, a mediana e os quartis para a varivel de interesse.

7. Em uma fbrica, o tempo, no horrio de trabalho, durante o qual uma mquina no est funcionando em
virtude de quebra ou falha chamado tempo parado (downtime). A distribuio a seguir da durao desses
tempos parados de certa mquina:
Tempo Parado (minutos) Freq.
00 | 10 4
10 | 20 22
20 | 30 58
30 | 40 14
40 | 50 2
Total 100
Determine a mdia, para o tempo parado. Determine tambm os decis: 2, e 8; e os percentis: 23, 34, 92.
2.5 MEDIDAS DE DISPERSO
As medidas de tendncia central do uma idia de todo o conjunto, atravs de um valor nico. Mas elas
no so suficientes para descrever mais detalhadamente o comportamento de todo o conjunto. Alm da
informao quanto ao "centro" de uma distribuio, conveniente a obteno de uma medida que informe o
quanto os dados esto dispersos em torno da regio central. As medidas de disperso indicam se os valores
esto relativamente prximos uns aos outros, ou separados.

Exemplo 2.11:

Imagine que quatro alunos obtiveram, em cinco provas, as notas apresentadas na Tabela 2.7.

Tabela 2.7
Notas de quatro alunos em cinco provas
Alunos Notas Mdia
Antnio 5 5 5 5 5 5
Joo 6 4 5 4 6 5
Jos 10 5 5 5 0 5
Pedro 10 10 5 0 0 5

Todos os alunos obtiveram mdia igual a 5, mas a disperso (variao das notas) em torno da mdia no
a mesma para todos os alunos. A Tabela 2.7 mostra claramente que:
a) as notas de Antnio no variam (disperso nula);
b) as notas de Joo variam menos que as de Jos (a disperso das notas de Joo menor que a disperso das
notas de Jos);
c) as notas de Pedro variaram mais que as notas de todos os demais (maior disperso).

Para uma anlise quantitativa dessa maior ou menor variao (ou disperso) do conjunto de valores em
torno do valor mdio, deve-se estudar as medidas de disperso. As principais so: amplitude, varincia, desvio
padro, que so medidas absolutas de disperso e coeficiente de variao, que uma medida de disperso
relativa.

2.5.1 Amplitude

Amplitude ou amplitude total (A
t
) de um conjunto de n valores x
1
, x
2
, ..., x
n
definida pela diferena entre o
maior valor (x
max
) e o menor valor (x
min
) do conjunto, ou seja,

A
t
= x
max
- x
min
(14)

Verifica-se que a amplitude tem o grave inconveniente de depender somente dos valores extremos do
conjunto, desprezando os valores intermedirios. Assim sendo, a amplitude contm relativamente pouca
informao quanto disperso. Salvo aplicaes no controle de qualidade, a amplitude no muito utilizada como
medida de disperso.

Exemplo 2.12:

Sejam considerados os tempos (em minutos) necessrios para a realizao de 5 operaes industriais,
avaliados em 2 operadores:

Operador 1: 3, 4, 5, 20, 18 A
t
= x
max
- x
min
= 20 - 3 = 17 min.
Operador 2: 10, 10, 10, 3, 20 A
t
= x
max
- x
min
= 20 - 3 = 17 min.

Observe que ambos os operadores apresentam a mesma amplitude, apesar dos conjuntos de valores
serem bem diferentes. Nesse caso, pode-se desejar outra medida de disperso, mais precisa.

2.5.2 Varincia

A varincia o
2
de um conjunto de valores x
1
, x
2
, ..., x
n
, a mdia aritmtica dos quadrados dos desvios
desses valores em relao sua mdia aritmtica, ou seja,
( )
n
n x
n
x
n
`` 1 i
2 2
i
n
1 i
2
i
2

= =

=

= o (15)
expresso esta que deve ser utilizada para calcular a varincia populacional.

Se est-se trabalhando com amostra, considera-se, ento, o tamanho da amostra, menos 1, substituindo
n em (15), por n-1, que so os chamados graus de liberdade. O clculo da varincia amostral s
2
de um conjunto
de valores dado por:
( )
1 n
x n x
1 n
x x
s
n
`` 1 i
2 2
i
n
1 i
2
i
2
=

= =
(16)
onde: n o total de observaes
x
i
x a mdia do conjunto de observaes

2
i
x a soma dos quadrados de cada valor do conjunto de dados considerado.

Exemplo 2.13:

Considerando os dados do exemplo 2.3, tem-se que

40 , 74 x = .
Sejam as notas de 5 alunos da Disciplina de Estatstica
Aluno 1 Aluno 2 Aluno 3 Aluno 4 Aluno 5
90 100 70 65 47

Usando (16) obtm-se:
( )
=
=

=
1 n
x x
s
n
1 i
2
i
2
1 5
) 40 , 74 47 ( ) 40 , 74 65 ( ) 40 , 74 70 ( ) 40 , 74 100 ( ) 40 , 74 90 (
2 2 2 2 2
+ + + +

( ) ( ) ( ) ( ) ( )
30 , 439
4
20 , 1757
4
40 , 27 40 , 9 40 , 4 60 , 25 60 , 15
s
2 2 2 2 2
2
= =
+ + + +
=

ou similarmente:
30 , 439
4
20 , 1757
4
80 , 27676 29434
1 5
40 , 74 * 5 29434
1 n
x n x
s
2
n
`` 1 i
2 2
i
2
= =
=

=

Se x
1
, x
2
, ..., x
k
ocorrem com as freqncias f
1
, f
2
, ..., f
k
, respectivamente, a varincia ser dada por:
( )
1 f
x f x f
1 f
x x f
s
n
1 i
i
n
`` 1 i
n
1 i
2
i
2
i i
n
1 i
i
n
1 i
2
i i
2
=
|
.
|
\
|
=
= =
=
=
(17)

onde:
i
f a soma da coluna de freqncias, que corresponde ao total de observaes
x
i
x a mdia do conjunto de observaes

2
i i
x f a soma do produto de cada ponto mdio ou valor da categoria pela respectiva freqncia.

Exemplo 2.14:

Considerando-se os dados do exemplo 2.4, para os quais obteve-se 88 , 0 x = livros, criam-se colunas
auxiliares para a obteno da varincia com maior facilidade de clculo.

Dados de 25 pessoas, referentes ao nmero de livros lidos por semana
N. de livros lidos (x
i
) Freqncia (f
i
) x
i
- x (x
i
- x )
2
*f
i
x
i
2
*fi x
i
*fi
0 16 -0,88 12,3904 0 0
1 2 Criam-se 0,12 0,0288 2 2
2 3 colunas 1,12 3,7632 12 6
3 2 auxiliares 2,12 8,9888 18 6
4 2 3,12 19,4688 32 8
Total 25 44,6400 64 22


( )
86 , 1
24
64 , 44
1 25
2 * ) 88 , 0 4 ( ... 2 * ) 88 , 0 1 ( 16 * ) 88 , 0 0 (
1 f
x x f
s
2 2 2
n
1 i
i
n
1 i
2
i i
2
= =
+ + +
=
|
.
|
\
|

=
=
=
livros
2

ou similarmente:

86 , 1
24
36 , 19 64
1 25
88 , 0 * 25 64
1 f
x f x f
s
2
n
1 i
i
n
`` 1 i
n
1 i
2
i
2
i i
2
=

=
= =
livros
2

A expresso (17) pode ser utilizada para calcular a varincia amostral para os dados agrupados em
intervalos de classes desde que x
i
represente o ponto mdio de cada um desses intervalos.

Exemplo 2.15:
Sejam considerados os dados do exemplo 2.5, para os quais obteve-se x =145

horas.

Nmero de horas trabalhadas de 32 funcionrios de um Banco
Classes Freq.
(f
i
)
Ponto mdio
(x
i
)
x
i
- x (x
i
- x )
2
*f
i
x
i
*fi x
i
2
*fi
120 |- 130 9 125 -20 400*9 = 3600 1125 125
2
*9 = 140625
130 |- 140 7 135 -10 100*7 = 700 945 135
2
*7 = 127575
140 |- 150 3 145 0 0*3 = 0 435 145
2
*3 = 63075
150 |- 160 6 155 10 100*6 = 600 930 155
2
*6 = 144150
160 |- 170 2 165 20 400*2 = 800 330 165
2
*2 = 54450
170 |- 180 5 175 30 900*5 = 4500 875 175
2
*5 = 153125
Total 32 10200 4640 683000

( )
03 , 329
1 32
10200
1 f
x x f
s
n
1 i
i
n
1 i
2
i i
2
=
=
|
.
|
\
|
=
=
horas
2

ou similarmente,
03 , 329
31
10200
31
672800 683000
1 32
145 * 32 683000
1 f
x f x f
s
2
n
1 i
i
n
`` 1 i
n
1 i
2
i
2
i i
2
= =

=
= =
horas
2

Para medir a disperso dos dados em torno da mdia, usa-se ento, a varincia, que leva em
considerao o tamanho da amostra.
A unidade da varincia expressa pelo quadrado da unidade da varivel em estudo. Em virtude do
problema da unidade, inconveniente o uso prtico da varincia. Para contornar o problema da unidade, define-se
o desvio padro, que tem as mesmas propriedades da varincia, mas expresso na mesma unidade de medida
dos dados.

2.5.3 Desvio Padro

O desvio padro (s) a mais importante das medidas de disperso absoluta e definido como a raiz
quadrada positiva da varincia. Assim, o desvio padro amostral dado por:
s s =
2
(18)
Quando uma curva de freqncia representativa da srie simtrica, pode-se afirmar que:
a) o intervalo ( ) o + o , contm aproximadamente 68% dos valores da srie;
b) o intervalo ( ) o + o 2 , 2 contm aproximadamente 95% dos valores da srie;
c) o intervalo ( ) o + o 3 , 3 contm aproximadamente 99% dos valores da srie.

Figura 2.6: Interpretao do desvio padro numa distribuio simtrica
13,5% 13,5%
34% 34%
2% 2%
0,5% 0,5%


Exemplo 2.16:

Seja o exemplo 2.15 onde s2 = 329,03. Usando-se a frmula (18), tem-se
14 , 18 03 , 329 s = =
horas.

Figura 2.7: Interpretao do desvio padro considerando um exemplo

Supondo que as horas trabalhadas por 32 funcionrios (exemplo 2.15) tenha distribuio simtrica, pode-
se interpretar o desvio padro conforme Figura 2.7. Por exemplo, pode-se presumir que 68% dos funcionrios
trabalham de 126,86 a 161,16 horas, ou ento que somente 2% deles trabalham de 181,28 a 199,42 horas, ou
ainda, que 0,5% dos funcionrios no chegam a trabalhar 91 horas.
Ao se utilizar o desvio padro, deve-se observar que quanto maior o seu valor, maior a disperso da
varivel em estudo, levando-se em considerao a magnitude dos valores assumidos para a varivel em questo.
Tambm pode-se utilizar o desvio padro para comparar a disperso entre dois ou mais conjuntos de
valores, desde que tais conjuntos sejam expressos na mesma unidade de medida. Cabe ressaltar que tais
comparaes somente sero adequadas se os diferentes conjuntos apresentarem mdias prximas. Em caso
contrrio deve-se utilizar o coeficiente de variao.

2.5.4 Coeficiente de Variao

O coeficiente de variao (CV) uma medida relativa de disperso, sendo definida como o quociente
entre o desvio padro (s) e a mdia ( x ), ou seja:

x
s
CV= (19)

O coeficiente de variao uma medida adimensional e pode ser expresso em porcentagem, bem por
isso considerado como medida relativa de disperso em relao ao seu valor mdio.
Por ser adimensional, o coeficiente de variao fornece uma maneira de se comparar conjuntos de valores
expressos em diferentes unidades de medida.

Exemplo 2.17:

Sejam os dados do exemplo 2.5, para as quais obteve-se x =145

horas e s = 18,14 horas. Tem-se,
ento, o coeficiente de variao dado por:

12,51% = CV 1251 , 0
horas 145
horas 14 . 18
x
s
CV = = =

13,5% 13,5%
34% 34%
2% 2%
0,5% 0,5%
90,58 108,72 126,86 145 163,14 181,28 199,42
2.5.5 Exerccios

1. Avaliou-se, durante doze meses, a renda mensal mdia da populao de uma determinada cidade, obtendo-
se os seguintes valores:

Renda
mensal
562,20
638,40
695,44
752,22
787,13
822,55
835,67
897,50
885,20
864,90
852,36
865,58
a) Qual a renda mdia da populao da cidade considerada?
b) Encontre tambm a varincia e o desvio padro.

2. Um projeto de investimento est sendo avaliado pelo mtodo do pay-back. Uma simulao envolvendo vrios
cenrios futuros forneceu os seguintes tempos de retorno do investimento (em anos):
2,8 4,3 3,7 6,4 3,2 4,1 4,4 4,6 5,2 3,9
Encontre a varincia, o desvio padro e o coeficiente de variao para os tempos.

3. Encontre a amplitude, a varincia, o desvio padro e o coeficiente de variao para a tabela a seguir.
Tempos de espera na fila de um Banco
Tempos (Minutos) N de clientes (f
i
)
0 a < 5 220
5 a < 10 82
10 a < 15 27
15 a < 20 15
20 a < 25 5
25 a < 30 1
Total 350

4. Supondo que a distribuio das idades das pessoas inscritas em um concurso X seja simtrica, com mdia de
25 anos e desvio padro de 2 anos, qual a porcentagem de pessoas com:
a) idade entre 23 e 27 anos?
b) mais de 31 anos ou menos de 19 anos?
c) mais de 27 anos
d) menos de 21 anos?
e) mais de 29 anos?
f) menos de 29 anos?

5. Uma loja vende 5 produtos bsicos: A, B, C, D e E, O lucro por unidade comercializada destes produtos vale,
respectivamente, R$ 200,00, R$ 300,00, R$ 500,00, R$ 1000,00 e R$ 5000,00. A loja vendeu em
determinado ms: 20, 30, 20, 10 e 5 unidades de cada produto, respectivamente. Qual foi o lucro mdio por
unidade comercializada. Encontre a amplitude, a varincia, o desvio padro e o coeficiente de variao para a
tabela a seguir.
Lucro por unidade comercializada
Preo Quantidade vendida
R$ 200,00 20
R$ 300,00 30
R$ 500,00 20
R$ 1000,00 10
R$ 5000,00 5
Total

6. Ser que sua respirao normal? Efetivamente falando, no existe uma respirao padro para os seres
humanos, podendo variar de 4 inspiraes por minuto a cerca de 70 ou 75, para uma pessoa que esteja
executando um exerccio forte. Suponha que as respiraes normais dos estudantes sigam uma distribuio
simtrica, com mdia de 12 e desvio padro de 2,3 respiraes por minuto. Que porcentagem dos estudantes
tem:
a) entre 9,7 e 14,3 respiraes por minuto?
b) entre 7,4 e 16,6 respiraes por minuto?
c) mais de 12 respiraes por minuto?
d) mais de 14,3 respiraes por minuto?
e) mais de 7,4 respiraes por minuto?
f) mais de 18,9 ou menos de 5,1 respiraes por minuto?

7. Um grupo de 85 moas tem estatura mdia de 160,6 cm, com um desvio padro igual a 5,97 cm. Outro grupo
de 125 moas tem uma estatura mdia de 161,9 cm, sendo o desvio padro igual a 6,01 cm. Qual o
coeficiente de variao de cada um dos grupos? Qual o grupo mais homogneo?

8. Em cada alternativa abaixo, identifique qual grupo apresenta maior disperso absoluta (varincia, desvio
padro) e qual apresenta maior disperso relativa (coeficiente de variao). Justifique suas respostas.

a)
=
=
9 s
89 x
: 1 A
2
b)
=
=
7 s
87 x
: 1 B
2
c)
=
=
100 s
400 x
: 1 C
2

=
=
100 s
55 x
: 2 A
2

=
=
9 s
25 x
: 2 B
2

=
=
8 s
25 x
: 2 C
2

9. Um grupo de 196 famlias tem renda mdia de 163,8 dlares, com um coeficiente de variao de 3,3%. Qual o
desvio padro da renda desse grupo?

10. O risco de uma ao de uma empresa pode ser devidamente avaliado atravs da variabilidade dos retornos
esperados. Portanto, a comparao das distribuies probabilsticas dos retornos, relativas a cada ao
individual, possibilita a quem toma decises perceber os diferentes graus de risco.

Discriminao Ao A Ao B Ao C Ao D Ao E
Valor esperado 15% 12% 5% 10% 4%
Desvio Padro 6% 6,6% 2,5% 3% 2,6%
Coeficiente de Variao 0,40 0,55 0,50 0,30 0,65

Analisando os dados estatsticos relativos aos retornos de 5 aes, constantes no quadro acima, indique a
ao menos arriscada, justificando sua resposta.

2.6 ASSIMETRIA
A assimetria definida como o grau de desvio, ou afastamento da simetria, de uma distribuio.
Quantitativamente, o grau de desvio ou afastamento pode ser determinado pelas medidas denominadas de
coeficiente momento de assimetria e coeficiente de assimetria de Pearson.
O coeficiente do momento de assimetria (a
3
) uma medida adimensional definida como o quociente
entre o terceiro momento centrado na mdia (m
3
) e o cubo do desvio padro, ou seja,
3
3
3
s
m
a = (20)
O momento de ordem r (m
r
) centrado na mdia, de um conjunto de n valores x
1
, x
2
, ..., x
n
definido pela
quantidade:
( )
m
x x
n
r
i
r
i
n
=

=
1
(21)
que no caso de dados agrupados em classes de freqncias, a expresso (21) fica sendo:
( )

=
=
=
n
1 i
i
n
1 i
r
i i
r
f
x x f
m (22)
Para r = 1 (momento de primeira ordem) verifica-se que m
1
= 0, enquanto que para r = 2 (momento de
segunda ordem), m
2
= s
2
.
Para a
3
= 0, tem-se uma distribuio simtrica, caso contrrio, a distribuio dita assimtrica. Quando a
3

< 0, a distribuio alongada esquerda, sendo denominada de negativamente assimtrica, enquanto que, para
a
3
> 0, a distribuio alongada direita, sendo denominada de positivamente assimtrica. Nas Figuras 2.8 a
2.10, pode-se verificar os trs casos:


Outra maneira de se medir a assimetria de uma distribuio atravs do 1 coeficiente de assimetria
de Pearson (A), uma medida adimensional de assimetria, definida por:
A
x Mo
s
=

(23)
onde : x a mdia aritmtica do conjunto;
Mo a moda e
s o desvio padro.

Para A = 0, tem-se uma distribuio simtrica, para A < 0, a distribuio denominada de negativamente
assimtrica, enquanto que, para A > 0, a distribuio denominada de positivamente assimtrica.

A aplicao do 1 coeficiente de assimetria de Pearson s necessrio aos conjuntos unimodais. Aos
demais, faz-se necessria a aplicao do 2 coeficiente de assimetria de Pearson (e
2
), outra medida
adimensional de assimetria, definida por:
( )
s
Me x 3
e
2

= (24)
onde : x a mdia aritmtica do conjunto;
Me a mediana do conjunto e
s o desvio padro.

Para e
2
= 0, tem-se uma distribuio simtrica, para e
2
< 0, a distribuio denominada de negativamente
assimtrica, enquanto que, para e
2
> 0, a distribuio denominada de positivamente assimtrica

Outro mtodo, mais rudimentar, o qual no permite estabelecer at que ponto a curva analisada se desvia
da simetria, consiste no Mtodo de Comparao entre as Medidas de Tendncia Central.
< <
= =
< <
negativa Assimetria Mo Med x
simtrica Curva Mo Med x
positiva Assimetria x Med Mo

Exemplo 2.18:

Doze falhas de energia eltrica duraram: 31, 81, 47, 76, 34, 26, 60, 49, 74, 63, 47 e 33 minutos.
Analisando o conjunto, o que se pode dizer quanto simetria dos dados?
Para o conjunto em questo tem-se:
75 , 51
12
621
= = x , Me = 48, Mo = 47, 18,94 s 75 , 358
1 12
75 , 51 * 12 36083
2
2
= =
= s e
( )
90 , 1154
12
80 , 13858
12
) 75 , 51 33 ( ) 75 , 51 47 ( ... ) 75 , 51 81 ( ) 75 , 51 31 (
12
x x
m
3 3 3 3
12
1 i
3
i
3
= =
+ + + +
=

=
=
,

resultando em: 17 , 0
94 , 18
90 , 1154
s
m
a
3 3
3
3
= = =

0
2
4
6
8
10
1 2 3 4 5 6 7
a3<0
Figura 2.8: Assimetria
negativa
0
2
4
6
8
10
1 2 3 4 5 6 7
a3=0
Figura 2.9: Assimetria nula
0
2
4
6
8
10
1 2 3 4 5 6 7
a3>0
Figura 2.10: Assimetria
positiva
Tem-se tambm:

25 , 0
94 , 18
47 75 , 51
s
Mo x
A =
= e
( )
59 , 0
94 , 18
) 48 75 , 51 ( * 3
s
Me x 3
e
2
=
=

- Atravs do Mtodo de Comparao entre as Medidas de Tendncia Central, tem-se x Me Mo < < , ou seja,
47 < 48 < 51,75, da dizer que a distribuio que representa os tempos de durao das falhas de energia
dada por uma curva assimtrica positiva. Como as medidas so prximas, pode-se dizer, levemente
assimtrica positiva.
- Atravs do 1 Coeficiente de assimetria de Pearson (A), tem-se 25 , 0 A = , um valor positivo. Ou seja, A>0,
ento a distribuio dos tempos assimtrica positiva.
- Atravs do 2 Coeficiente de assimetria de Pearson (e
2
), tem-se e
2
=0,59, um valor positivo. Ou seja, e
2
> 0,
ento a distribuio dos tempos assimtrica positiva.
- Atravs do coeficiente momento de assimetria obteve-se 17 , 0
94 , 18
90 , 1154
s
m
a
3 3
3
3
= = = . Uma vez que para
a
3
> 0, a distribuio alongada direita, sendo denominada de positivamente assimtrica.

Exemplo 2.19:

Tanto os coeficientes de assimetria de Pearson, quanto o coeficiente momento de assimetria , podem ser
aplicados aos dados apresentados em tabela, como segue.

Considere a tabela 2.8 que resume os dados referentes ao tempo de servio (em anos) de 20
trabalhadores do Setor A de uma determinada empresa.

Tabela 2.8
Tempo de servio (em anos) de 20 funcionrios de uma empresa
Classes Freq.
(f
i
)
Ponto mdio
(x
i
)
x
i
*fi x
i
2
*fi
( )
3
i i
x x f
1 |- 6 8 3,5 28,0 98,00 -1520,88
6 |- 11 5 8,5 42,5 361,25 -2,11
11 |- 16 5 13,5 67,5 911,25 383,83
16 |- 21 0 18,5 0,0 0,00 0,00
21 |- 26 2 23,5 47,0 1104,5
0
5787,28
Total 20 185,0 2475 4648,13

Para a tabela em questo tem-se mdia:

25 , 9
20
185
f
x f
x
i
n
1 i
i i
= = =
=
,

varincia e desvio padro, respectivamente:

anos 6,34 s anos 20 , 40
1 20
25 , 9 * 20 4648
1 f
x f x f
s
2
2
n
1 i
i
n
`` 1 i
n
1 i
2
i
2
i i
2
= =

=
= =

e ainda o terceiro momento centrado na mdia:
( )
41 , 232
20
13 , 4648
f
x x f
m
n
1 i
i
n
1 i
3
i i
3
= =
=
=


Sendo assim, tem o coeficiente momento de assimetria:

9119 , 0
34 , 6
41 , 232
s
m
a
3 3
3
3
= = = ,
indicando a existncia de assimetria positiva.

2.6.1 Exerccios

1. Assimetria ou enviesamento:
a) ocorre quando uma curva de freqncias apresenta um desvio padro grande;
b) o grau de deformao de uma curva de freqncias;
c) o grau de achatamento de uma curva de freqncias;
d) o desvio de uma curva de freqncias em relao a uma origem arbitrria,

2. Dadas as medidas de tendncia central: Mo = 30, Me = 28 e x =22, o que se pode concluir em relao
simetria dos dados que originaram tais medidas.

3. Avaliando-se a idade de 25 pessoas, obteve-se mdia de 22,32, moda de 19 e desvio padro de 4,66.
Considerando tais informaes, pode-se avaliar a simetria da distribuio das idades:
a) atravs do Coeficiente Momento de Assimetria;
b) atravs do Coeficiente de assimetria de Pearson;
c) atravs do Mtodo de Comparao das Medidas de Tendncia Central;
d) nenhum dos mtodos anteriores.

4. Avaliando-se a idade de 25 pessoas, obteve-se mdia de 22,32, moda de 19 e desvio padro de 4,66. Com
base em tais informaes pode afirmar que;
a) a distribuio das idades assimtrica positiva;
b) a distribuio das idades assimtrica negativa;
c) a distribuio das idades simtrica;
d) nada se pode concluir.

5. Os percentuais de variao do ndice de desemprego nos primeiros semestres de 1983 a 1999 no Brasil foram
os seguintes:
6,76 -7,77 -6,09 -4,16 -3,61 -4,08 -3,79 -4,29
-5,48 -5,96 -5,68 -5,46 -4,41 -5,86 -5,74 7,81 7,82
(Jornal do Brasil, 24/7/1999)
a) Determine os coeficientes (1 e 2) de assimetria de Pearson.
b) Determine o coeficiente momento de assimetria.

6. Os nmeros abaixo representam a quantidade de jornais vendidos por uma banca de Segunda a Sexta-feira:
231 228 244 240 236
Calcule o coeficiente de assimetria momento de assimetria.

7. Uma amostra do comprimento (em mm) de um lote de pregos forneceu a seguinte distribuio:
Comprimentos N de pregos (f
i
)

80 | 85 1
85 | 90 3
90 | 95 9
95 | 100 42
100 | 105 34
105 | 110 5
110 | 115 4
115 | 120 2
TOTAL 100
A especificao para esses pregos exige que o comprimento mdio esteja entre 98 e 102 mm, que o CV seja
inferior a 20% e que a distribuio dos comprimentos seja simtrica. O controle de qualidade aceitar o lote de
pregos analisado?

8. Em uma amostra de 30 intervalos de 3 minutos, um restaurante do tipo fast food serviu os seguintes
nmeros de clientes:
4 5 5 8 7 3 5 6 9 5
6 5 4 7 3 5 10 6 4 5
6 9 4 5 3 8 6 7 4 5
Graficamente, discuta a simetria ou assimetria desse conjunto de dados.

9. Em uma pesquisa com lmpadas, mediu-se 100 lotes para os quais obteve-se o tempo de vida mdio, em
dias. Destes 100 lotes, selecionou-se 30, construindo-se a tabela de distribuio de freqncias abaixo.
Determine a mdia, o desvio padro e o coeficiente momento de assimetria.
Tempo de vida N de lmpadas
81 | 88 4
88 | 95 5
95 | 102 1
102 | 109 8
109 | 116 9
116 | 123 3
Total 30

10. Sabendo-se que, para um conjunto de 50 dados, agrupados em 8 classes,
( ) 55 , 22696 x x f
3
8
1 i
i i
=
=
e ( ) 72 , 2150 x x f
2
8
1 i
i i
=
=

determine o coeficiente momento de assimetria e interprete o resultado obtido.

2.7 CURTOSE
A curtose definida como o grau de achatamento de uma distribuio, considerado usualmente em
relao distribuio normal. Com relao ao achatamento, a distribuio normal dita mesocrtica. As
distribuies mais achatadas que a normal so ditas platicrticas, enquanto que as menos achatadas que a
normal so ditas leptocrticas.
A principal medida de curtose proporcionada pelo coeficiente do momento de curtose (a
4
), sendo
definida pelo quociente entre o quarto momento centrado na mdia e o quadrado da varincia, ou seja,
( )
4
4
2
2
4
4
s
m
s
m
a = = , (24)
onde m
4
calculado de acordo com (21), se os dados se apresentam em lista, ou (22) para dados tabelados.
O coeficiente do momento de curtose uma medida adimensional de curtose, sendo a
4
= 3 para a
distribuio normal, a
4
< 3 para as distribuies platicrticas e a
4
> 3 para as distribuies leptocrticas.
Na prtica, s faz sentido calcular a curtose para as distribuies simtricas ou pelo menos
aproximadamente simtricas.
A figura 2.11 mostra os trs casos de curtose, utilizando a representao atravs de curvas de frequncias
(aproximao de uma curva ao histograma de frequncias).

Figura 2.11: Distribuies quanto curtose.

a4 < 3
Distribuio platicrtica
a4 = 3
Distribuio mesocrtica
a4 > 3
Distribuio leptocrtica
3. NOES DE PROBABILIDADE
3.1 DEFINIES
3.1.1 Experimento Aleatrio

Na natureza tem-se dois tipos de fenmenos: determinsticos e aleatrios. Nos fenmenos determinsticos
os resultados so sempre os mesmos, enquanto que nos fenmenos aleatrios, os resultados no so previsveis.
A temperatura necessria para um determinado slido passar para o estado lquido um exemplo de fenmeno
determinstico. J a produo de cada planta de um pomar de laranjeiras sero diferentes, mesmo que as
condies de temperatura, presso, umidade sejam as mesmas para todas as rvores.
Pode-se considerar experimentos aleatrios como fenmenos produzidos pelo ser humano.
Um experimento dito aleatrio quando satisfaz s seguintes condies:
a) pode ser repetido indefinidamente;
b) somos capazes de descrever todos os possveis resultados do experimento, embora no sejamos capazes de
predizer, com certeza, qual ocorrer;
c) para um grande nmero de observaes pode-se observar a tendncia em relao aos resultados.

So experimentos aleatrios:
1. lanar uma moeda honesta;
2. lanar um dado e observar o nmero obtido na face superior;
3. temperatura mxima da cidade de Curitiba, durante o ms de Julho.

A cada experimento aleatrio est associado o resultado obtido, chamado evento aleatrio.

3.1.2 Espao Amostral

Espao amostral o conjunto S de todos os resultados possveis de um experimento aleatrio. Cada
resultado do experimento aleatrio denominado ponto amostral.

Exemplo 3.1:
Lanar um dado e observar os resultados na face de cima.
S = {1, 2, 3, 4, 5, 6}
Os pontos amostrais sero: 1, 2, 3, 4, 5, 6

Exemplo 3.2:
Contar o nmero de dias que choveu na cidade de Curitiba, durante o ms de Julho.
S = {0, 1, 2, ,,,,, 31}
Os pontos amostrais sero: 0, 1, 2, ,,,,, 31

3.1.3 Evento Aleatrio

qualquer subconjunto do espao amostral S. Deve-se considerar como eventos de qualquer espao
amostral, o evento impossvel C (aquele que nunca ocorre) e o evento certo (o prprio espao amostral) S.

Exemplo 3.3:
Considere o lanamento de dois dados, onde observa-se o nmero da face superior. O espao amostral
desse experimento pode ser dado por uma tabela de dupla entrada:
Tabela 3.1: Combinaes possveis entre as faces de dois dados
Faces do
dado 1
Faces do dado 2
1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5 (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5 (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5 (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5 (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5 (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5 (6,6)

Considere, agora, os eventos:
A: sada de faces iguais;
B: sada de faces cuja soma seja igual a 10;
C: sada de faces cuja soma seja menor que 2;
D: sada de faces cuja soma seja menor que 15;
E: sada de faces onde uma face dobro da outra.

Os eventos solicitados so:
A = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
B = {(4,6), (5,5), (6,4)}
C = | (evento impossvel)
D = O (evento certo)
E = {(1,2, (2,1), (2,4), (4,2), (3,6), (6,3)}

Outra maneira de determinar o espao amostral usando o diagrama da rvore.

Exemplo 3.4:
Seja, por exemplo, o lanamento de duas moedas. Para representar os resultados possveis, pode-se
ramificar os resultados do primeiro lanamento e assim sucessivamente, at o nmero de lanamentos desejado,
obtendo-se todas as combinaes possveis.

3.1.4 Eventos Mutuamente Exclusivos (ou Excludentes)

Dados 2 eventos A e B de um mesmo espao amostral S, diz-se que A e B so mutuamente exclusivos,
ou excludentes, se no podem ocorrer simultaneamente, ou seja, AB = C.

Exemplo 3.5:
Seja o espao amostral S = { 1, 2, 3, 4, 5, 6} referente s faces possveis do lanamento de um dado, e
sejam os eventos:
A = {ser par}
B = {ser mpar}

Uma face qualquer do dado, ou ser par ou mpar, mas jamais poder ser ambas, par e mpar.

cara (cara, cara)
cara
coroa (cara, coroa)

cara (coroa, cara)
coroa
coroa (coroa, coroa)

1 moeda 2 moeda Combinaes possveis

Figura 3.1: Espao amostral para o lanamento de duas moedas
3.1.5 Operaes com Eventos

Todas as operaes com conjuntos podem ser efetuadas com eventos.

Se A e B so dois eventos do espao amostral S:
- Evento unio: A B (ocorre s A, s B, ou ambos)
- Evento interseo: A B (A e B ocorrem juntos)
- Evento diferena: A - B (ocorre A e no B), A - B = B - A
- Evento complementar: ou A' (no ocorre A)

Exemplo 3.6:
Esses eventos devem ser considerados complementares:
a) Cara ou coroa na jogada de uma moeda;
b) Feridos ou no feridos num acidente;
c) Apanhou ou no a bola;
d) Atendeu ou no ao telefone.

Exemplo 3.7:
Os eventos seguintes devem ser considerados mutuamente excludentes:
a) Uma pessoa tem um irmo, tem dois irmos ou trs irmo;
b) As faces de um dado;
c) Conceitos A, B ou C no provo.

3.1.6 Definio Axiomtica de Probabilidade

Seja o espao amostral S associado a um dado experimento aleatrio. A cada evento E e S associaremos
um nmero real representado por P[E], denominado probabilidade do evento E, satisfazendo as seguintes
propriedades:
1. 0 s P[E] s 1
2. P(S) = 1
3. Se E
1
e E
2
forem eventos mutuamente exclusivos, a probabilidade de ocorrncia de pelo menos um deles
igual soma das probabilidades de cada um, ou seja,
P(E
1
E
2
) = P(E
1
) + P(E
2
) (25)

Para um seqncia finita ou infinita de eventos mutuamente exclusivos, pertencentes a S, tem-se:
( ) P E P E
i
i
i
i =
(
=
1 1
(26)
Uma regra prtica para a atribuio numrica de probabilidade ao evento E dada pelo quociente entre o
nmero de resultados (h) de S, favorveis ao evento E, e o nmero de resultados possveis (n) de S, desde que
todos sejam equiprovveis. Portanto,
( ) P E
h
n
= (27)
Exemplo 3.8:
Em um lanamento de um dado equilibrado, calcule a probabilidade:
1. de ocorrer face par:
n = 6 S = { 1, 2, 3, 4, 5, 6}
E = {ocorrer par} h=3
P(E) = 3/6 = 0,5

2. de ocorrer um nmero menor que 5:
n = 6 S = { 1, 2, 3, 4, 5, 6}
E = {ocorrer nmero menor que 5} h=4
P(E) = 4/6 = 0,667

3. ocorrer rei num baralho com 52 cartas
n = 52
h = 4 reis
P(E) = 4/52 = 0,077
A
3.1.7 Exerccios

1. Determinar a probabilidade de cada evento:
a) Ocorre um rei, um valete de copas ou uma dama de ouro ao tirar uma carta de um baralho de 52 cartas.
b) Resultar a soma 8 em um lance nico de 2 dados honestos.
c) Encontrar um parafuso no defeituoso, se, entre 600 anteriormente examinados, 12 eram defeituosos.
d) Obter 7 ou 11 em uma nica jogada de um par de dados.
e) Ocorrer ao menos uma cara em 3 lances de uma moeda.

2. Um lote contm 10 peas, sendo 4 defeituosas. Trs peas so extradas ao acaso, simultaneamente (ou uma
a uma sem reposio). Qual a probabilidade de aceitao do lote, se o lote aceito quando:
a) nenhuma defeituosa obtida;
b) exatamente uma defeituosa obtida;
c) no mximo uma defeituosa obtida.

3. Um setor de digitao avalia seu pessoal em termos do nmero de erros cometidos a cada 1000 toques no
teclado. Para um dos digitadores, a probabilidade de cometer no mximo 5 erros (por 1000 toques) 0,62, e a
probabilidade de cometer de 6 a 10 erros 0,28. Ache a probabilidade de que nos prximos 1000 toques o
digitador cometa:
a) ao menos 6 erros;
b) ao menos 11 erros;
c) no mximo 10 erros.

4. O comprador de uma indstria envia seus pedidos por fax, por telefone, pelo correio ou por e-mail, e pede
que o mesmo seja confirmado pelos fornecedores por fax ou por e-mail. Quais as diferentes maneiras pelas
quais um pedido pode ser processado?

5. Um grande edifcio tem mais de 2400 vidraas. A probabilidade de que, no perodo de um ms, 1 a 10
vidraas devam ser substitudas 0,65; a probabilidade de 11 a 20 vidraas devam ser substitudas 0,32 e a
probabilidade de 21 ou mais substituies 0,02. Determine a probabilidade de que, no prximo ms devam
ser substitudas:
a) nenhuma vidraa;
b) ao menos 11 vidraas;
c) no mximo 20 vidraas;
d) no mximo 10 vidraas.

6. Numa amostra de 40 indivduos, 10 acusam presso alta. Estime a probabilidade de outro indivduo escolhido
ao acaso, no mesmo grupo do qual foi extrada a amostra, tambm ter presso alta.

7. Na tabela a seguir, x
i
o nmero de acidentes e f
i
o nmero de dias nos quais ocorrem x
i
acidentes. Estime
a probabilidade de que, num dia qualquer ocorra(m):

x
i
0 1 2 3 4 5 6 7
f
i
52 21 10 8 4 2 2 1

a) exatamente dois acidentes; c) um acidente, no mximo;
b) pelo menos um acidente; d) mais de nove acidentes.

8. Considere a experincia que consiste em pesquisar famlias com trs crianas, em relao ao sexo das
mesmas, segundo a ordem do nascimento. Enumerar o espao amostral e os eventos:
a) ocorrncia de dois filhos do sexo masculino;
b) ocorrncia de pelo menos um filho do sexo masculino;
c) ocorrncia de no mximo duas crianas do sexo masculino.

9. Um aluno pode estudar 0, 1, ou 2 horas por noite para uma prova de estatstica. Mostre o nmero de maneiras
que esse aluno pode estudar:
a) um total de exatamente 5 horas em trs noites consecutivas;
b) um total de ao menos 5 horas em trs noites consecutivas.

10. Determine o complemento de cada um dos seguintes eventos:
a) ganhar num jogo de futebol;
b) extrair uma carta vermelha num baralho;
c) menos de 10 defeituosos.

11. Determine um evento excludente aos eventos.
a) Conceito B em Estatstica;
b) Dirigir um carro;
c) Nadar;
d) Ganhar num jogo;
e) Extrair uma dama de um baralho.

12. As bolas no bingo tm os nmeros de 1 a 75. Extraindo-se uma bola aleatoriamente, qual a probabilidade de
se obter:
a) um nmero par;
b) um nmero no superior a 15;
c) um nmero no inferior a 60?

13. Entre 842 peas fabricadas por um arteso, 143 apresentaram minsculas rachaduras detectadas por
ultrassom. Qual a probabilidade de a prxima pea fabricada apresentar defeito semelhante?

14. Se uma casa tem probabilidade igual a 0,14 de ser vendida nos prximos 15 dias, qual a probabilidade de a
mesma no ser vendida durante esse tempo?

15. Converta em chance cada uma das seguintes probabilidades:
a) a probabilidade de o ltimo algarismo da placa de um carro ser 2, 3, 4, 5, 6 ou 7 6/10;
b) a probabilidade de obter ao menos duas caras em quatro jogadas de uma moeda equilibrada 11/16;
c) probabilidade de obter 7 ou 11 na jogada de um par de dados equilibrados 2/9.

16. H seis candidatos a um cargo executivo, e a tabela a seguir apresenta alguns dados sobre cada um deles:

Candidato Natural do Pas Nvel superior Estado civil
A No Sim Solteiro
B No No Casado
C Sim Sim Casado
D Sim No Solteiro
E Sim Sim Casado
F Sim No Casado

Um dos candidatos deve obter o emprego. O evento o emprego ser dado a um natural do pas, por
exemplo, representado por {C, D, E, F}. Represente, de maneira anloga cada evento descrito por o
emprego dado para...
a) ... uma nica pessoa;
b) ... um natural do pas com curso universitrio;
c) ... um estrangeiro casado;
d) ... uma pessoa com curso universitrio.

17. Qual o erro em cada uma das afirmaes a seguir:
a) como no h nuvens no cu, a probabilidade de chover hoje de 0,90;
b) a probabilidade de um determinado mineral conter cobre 0,28 e a de no conter cobre 0,55;
c) a probabilidade de um advogado ganhar uma causa 0,3 e a probabilidade de perd-la cinco vezes
maior;
d) de acordo com um mdico, a probabilidade de uma pessoa contrair gripe, no inverno, 1,12;
e) a probabilidade de dois eventos mutuamente excludentes ocorrerem simultaneamente sempre igual a 1;
f) em certo ponto do litoral brasileiro, a probabilidade de se avistar uma baleia de apenas 0,18, mas a
probabilidade de se avistar um golfinho seis vezes maior.

18. Descreva o espao amostral para cada um dos experimentos abaixo relacionados:
a) Artigos produzidos por certa mquina so classificados como defeituosos ou no defeituosos. Um artigo
selecionado da linha de produo e classificado.
b) Uma moeda comum lanada at que a primeira cara seja obtida. Registramos o nmero de lanamentos
necessrios para isso.
c) Foguetes so lanados at que ocorra um lanamento bem sucedido. Se isso no ocorrer at o quarto
lanamento, o experimento interrompido e o equipamento inspecionado.
3.2 TEOREMAS FUNDAMENTAIS
Teorema 1. A probabilidade de um evento impossvel igual a zero, ou seja,
P(C) = 0 (28)
Teorema 2. A probabilidade de um evento complementar de um evento E igual a 1 menos a probabilidade do
evento E, ou seja,
P( ) = 1 P(E) (29)
Teorema 3. Teorema do Produto: A probabilidade de ocorrncia simultnea de dois eventos E
1
e E
2
, pertencentes
a um mesmo espao amostral S, igual ao produto da probabilidade de um deles pela
probabilidade condicional do outro, ou seja,
P(E
1
E
2
) = P(E
1
) * P(E
2
/E
1
) (30)

Considerando-se dois eventos, pode ser que a ocorrncia de um deles modifique a probabilidade de
ocorrncia do outro. Represente-se por P(E
2
/E
1
) a probabilidade do evento E
2
, sabendo que E
1
ocorreu, ou
probabilidade condicional de E
2
em relao a E
1
. Dessa forma, para P(E
1
) = 0:
( )
( )
( )
1
1 2
1 2
E P
E E P
E / E P

= (31)

Exemplo 3.9:
Uma urna contm 5 bolas exatamente iguais, exceto pelas cores, pois 3 so brancas e 2 so pretas. Uma
bola retirada ao acaso dessa urna, e em seguida uma outra bola retirada. Qual a probabilidade de ambas
serem brancas, sabendo-se que no houve reposio da primeira bola?
P B B P B P B B ( ) ( ) ( / ) .
1 2 1 2 1
3
5
2
4
6
20
= = = =0
,3

Os eventos so ditos independentes quando a ocorrncia de um deles independe da ocorrncia do outro.
Dessa forma se E
1
e E
2
so independentes, ento P(E
2
)=P(E
2
/E
1
) ou P(E
1
)=P(E
1
/E
2
), e no Teorema do Produto
tem-se que P(E
1
E
2
)= P(E
1
)*P(E
2
).

Exemplo 3.10:
Considerando o exemplo anterior, qual a probabilidade de ambas as bolas retiradas serem brancas,
considerando que a reposio da primeira bola urna?
( ) ( ) ( ) 36 , 0
25
9
5
3
.
5
3
B P . B P B B P
2 1 2 1
= = = =

Teorema 4. Teorema da Soma ou das Probabilidades Totais: A probabilidade de ocorrer pelo menos um entre
dois eventos E
1
e E
2
igual soma das probabilidades de E
1
e E
2
, menos a probabilidade de E
1
e
E
2
ocorrerem simultaneamente, ou seja:
( ) ( ) ( ) ( ) P E E P E P E P E E
1 2 1 2 1 2
= + (32)

No caso de trs eventos, E
1
, E
2
e E
3
, tem-se que:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P E E E P E P E P E P E E P E E P E E P E E E
1 2 3 1 2 3 1 2 1 3 2 3 1 2 3
= + + + (33)

Exemplo 3.11:
Suponha que h trs revistas, A, B e C com os seguintes percentuais de leitura:
A = 9,8% AB = 5,1%
B = 22,9% AC = 3,7% ABC = 2,4%
C = 12,1% BC = 6,0%

Qual a probabilidade de uma pessoa escolhida ao acaso ser leitor de pelo menos uma revista?

Ser leitora de pelo menos uma revista, implica que a pessoa pode ser leitora de qualquer uma das trs
revistas, ou ento de duas das revistas ou das trs simultaneamente. Da:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) P A B C P A P B P C P A B P A C P B C P A B C = + + +
E
E
= 0,098+0,229+0,121-0,051-0,037-0,06+0,024 = 0,324 ou 32,4%

Teorema 5. Teorema de Bayes: Se E
1
, E
2
, ,,,, E
n
so n eventos, dois a dois, mutuamente exclusivos e exaurem o
conjunto S dos eventos elementares, ento se P[E
i
]>0, para i=1,2,,,,,n, tem-se:

( )
( ) ( )
( ) ( )
P E B
P E P B E
P E P B E
i
i i
i i
i
n
/
/
/
=
=
1
(34)
onde B um evento que s pode ocorrer como efeito de uma das causas mutuamente exclusivas E
i
.

Exemplo 3.12:
Uma indstria produz quatro tipos de vlvulas eletrnicas: A, B, C e D. A chance de uma vlvula do tipo A
ser defeituosa 1%, do tipo B 0,5%, do tipo C 2% e do tipo D 0,2%. Em um depsito existem 1000 vlvulas
do tipo A, 500 do tipo B, 300 do tipo C e 200 do tipo D. Uma vlvula retirada aleatoriamente do depsito e
verifica-se que est defeituosa. Qual a probabilidade de que a vlvula retirada seja do tipo D?

Sejam os eventos:
A = a vlvula do tipo A; B = a vlvula do tipo B;
C = a vlvula do tipo C; D = a vlvula do tipo D;
E = a vlvula defeituosa.

O evento E ocorreu, portanto, a probabilidade de que seja do tipo D (sendo A, B, C e D mutuamente
excludentes) ser dada por:

( ) P D E
P D P E D
P A P E A P B P E B P C P E C P D P E D
/
( ) ( / )
( ) ( / ) ( ) ( / ) ( ) ( / ) ( ) ( / )
=
+ + +

onde:
50 , 0
2000
1000
) A ( P = = ; 25 , 0
2000
500
) B ( P = = ; 15 , 0
2000
300
) C ( P = = ; 10 , 0
2000
200
) D ( P = = ;

P(E/A) = 0,010; P(E/B) = 0,005 P(E/C) = 0,020 P(E/D) = 0,002,

portanto:
2,1% ou 021 , 0
002 , 0 * 10 , 0 020 , 0 * 15 , 0 005 , 0 * 25 , 0 010 , 0 * 50 , 0
002 , 0 * 10 , 0
) E / D ( P =
+ + +
=

3.2.1 Exerccios

1. Num perodo de um ms, 100 pacientes sofrendo de determinada doena foram internados em um hospital,
Informaes sobre o mtodo de tratamento aplicado em cada paciente e o resultado final obtido esto no
quadro abaixo:
Resultado Tratamento A Tratamento B Total de pacientes
Cura Total 24 16 40
Cura Parcial 24 16 40
Morte 12 8 20
Total de pacientes 60 40 100
Sorteando aleatoriamente um desses pacientes, qual a probabilidade do paciente escolhido ter-se submetido:
a) ao tratamento A;
b) ao tratamento B;
c) ao tratamento A e ter sido parcialmente curado;
d) ao tratamento A ou ter sido parcialmente curado.

2. Um pacote de sementes de flores contm quatro sementes de flores amarelas, trs de flores vermelhas, duas
de flores roxas e uma de flor cor de laranja.
a) escolhida ao acaso uma semente do pacote, qual a probabilidade de ser de flor vermelha;
b) escolhidas duas sementes, sem reposio, qual a probabilidade de serem ambas de flor amarela?
c) escolhidas trs sementes, sem reposio, qual a probabilidade de uma ser de flor cor de laranja e duas de
cor vermelha.

3. A tabela abaixo fornece a distribuio das probabilidades dos quatro tipos sangneos, numa certa
comunidade.
Tipo sangneo A B AB O Total
Probabilidade de ter o tipo especificado 0,20 1,00
Probabilidade de no ter o tipo especificado 0,90 0,95 ----
Calcular a probabilidade de que, nessa comunidade:
a) um indivduo, sorteado ao acaso, tenha o tipo O;
b) dois indivduos, sorteados ao acaso, tenham tipo A e tipo B, nessa ordem;
c) um indivduo, sorteado ao acaso, no tenha o tipo B ou no tenha o tipo AB.

4. Uma pesquisa foi feita oferecendo a um grupo de consumidores a oportunidade de comprar 4 ou 5 unidades
de um produto, aos preos de R$ 3,00 ou R$ 4,00. O resultado das escolhas, em termos de freqncias
relativas, mostrado na tabela abaixo.
Quantidade
Demandada
Preo
R$ 3,00 R$ 4,00
4 0,40 0,30
5 0,20 0,10
Portanto 40% dos consumidores demandariam 4 unidades ao preo de R$ 3,00, 30% demandariam 4
unidades ao preo de R$ 4,00, e assim por diante. Assumindo que essas freqncias relativas so boas
representaes das probabilidades conjuntas das variveis Preo e Quantidade, se houvesse a certeza de
que o preo disponvel em um perodo fosse R$ 3,00,qual seria a probabilidade condicional de um
consumidor demandar 5 unidades a esse preo?

5. De acordo com certa tbua de mortalidade, a probabilidade de Jos estar vivo daqui a 20 anos 0,60, e a
mesma probabilidade para Joo 0,90. Determinar:
a) a probabilidade de ambos estarem vivos daqui a 20 anos;
b) a probabilidade de nenhum estar vivo daqui a 20 anos;
c) a probabilidade de um estar vivo e outro estar morto daqui a 20 anos.

6. As probabilidades de 3 jogadores A, B e C marcarem um gol quando cobram um penalti so 2/3, 4/5 e 7/10,
respectivamente. Se cada um cobrar uma nica vez, qual a probabilidade de que pelo menos um marque um
gol?

7. De trs eventos A, B e C, suponhamos A e B independentes, B e C mutuamente excludentes. Suas
probabilidades so: P(A)=0,5, P(B)=0,3 e P(C)=0,1. Calcular as probabilidades de:
a) B e C ocorrerem ambos;
b) ocorrer ao menos um dentre A e B;
c) B no ocorrer.

8. Uma urna contm 20 bolas das quais 9 so brancas, 5 azuis e 6 vermelhas. Duas bolas sero retiradas
sucessivamente da urna, sem reposio. Determine as seguintes probabilidades:
a) a segunda bola extrada ser vermelha, dado que a primeira vermelha;
b) de extrairmos duas bolas de cores diferentes;
c) de extrairmos bolas de mesma cor.

9. Num certo colgio, 4% dos homens e 1%das mulheres tm mais de 1,75 m, de altura, 60% dos estudantes
so mulheres. Um estudante escolhido ao acaso e tem mais de 1,75 m. Qual a probabilidade de que seja
homem?

10. O seguinte grupo de pessoas est numa sala: 5 rapazes com mais de 21 anos, 4 rapazes com menos de 21
anos, 6 moas com mais de 21 anos e 3 moas com menos de 21 anos. Uma pessoa escolhida ao acaso
dentre as 18. Os seguintes eventos so definidos:
A: a pessoa tem mais de 21 anos; C: a pessoa um rapaz;
B: a pessoa tem menos de 21 anos; D: a pessoa uma moa.
Calcular:
a) ( ) P B D b) ( ) P A C

11. A probabilidade de um indivduo da classe A comprar um carro de 3/4, da B de 1/5 e da C de 1/20, As
probabilidades de os indivduos comprarem um carro da marca x so 1/10, 3/5 e 3/10, dado que sejam de A, B
e C, respectivamente. Certa loja vendeu um carro da marca x. Qual a probabilidade de que o indivduo que o
comprou seja da classe B?
3.3 VARIVEL ALEATRIA
uma funo que associa nmeros reais aos eventos de um espao amostral S. Uma varivel aleatria
dita discreta se assume valores inteiros, dados de contagem. Uma varivel aleatria contnua pode assumir um
nmero infinito de valores e esses valores podem ser associados a mensuraes em uma escala contnua, ou
seja, a varivel pode assumir valores dentro de um intervalo.

Exemplo 3.13:
Uma moeda honesta lanada 2 vezes, sendo anotado o resultado (ca = cara; co = coroa) da face de
cima. O espao amostral associado a este experimento:
S = { (ca,ca); (ca,co); (co,ca); (co,co)}

Seja a varivel aleatria X o nmero de caras. De acordo com o exemplo, os possveis valores da varivel
aleatria X sero:
R
X
= {0, 1, 2}

3.3.1 Varivel Aleatria Discreta

Uma varivel aleatria X dita discreta, se o nmero de valores possveis de X (seu contradomnio R
X
) for
finito ou infinito enumervel.

Exemplo 3.14:
Seja X o nmero de pessoas que chegam a uma agncia bancria de uma cidade do interior, em um
determinado dia. O mximo de pessoas observados foi de 150.
R
X
= {0, 1, 2, 3, ..., 150}

3.3.2 Varivel Aleatria Contnua

Uma varivel aleatria X dita contnua, se o conjunto de valores que X pode assumir for um intervalo ou
uma reunio de intervalos.

Exemplo 3.15:
Seja X o tempo necessrio para o atendimento em uma agncia bancria. Conta-se o tempo a partir do
momento em que se entra na agncia at o momento da sada. Pode-se admitir que X seja uma varivel aleatria
contnua, podendo tomar valores x > 0. Ento:
R
X
= {x e R / x > 0}

Se for considerado que a agncia deve fazer o atendimento dentro do horrio de funcionamento ao
pblico, ento pode-se limitar o tempo mximo para o atendimento em 6 horas.
R
X
= {x e R / 0 s x s 6}

A distino entre variveis aleatrias discretas e contnuas importante porque a utilizao de diferentes
modelos (distribuies) de probabilidade depende do tipo de varivel aleatria considerado.

3.3.3 Distribuies de Probabilidades

Se a varivel discreta, tem-se o modelo associado dado por uma distribuio discreta de probabilidades,
por outro lado, se a varivel considerada contnua tem-se o modelo dado por uma distribuio contnua de
probabilidades.
Uma distribuio de probabilidades uma distribuio de freqncias relativas para os resultados de um
espao amostral; mostra a proporo das vezes em que uma varivel aleatria discreta tende a assumir cada um
dos diferentes valores.

Seja X uma varivel aleatria discreta. A cada possvel resultado x
i
associa-se um nmero
p(x
i
) = P(X=x
i
), denominado de probabilidade de x
i
. A funo p denominada de funo de probabilidade da
varivel aleatria X.
Sendo p uma funo de probabilidade, deve-se ter:
a) p(x
i
) > 0, para todo i; (35)
b) ( ) p x
i
i=
=
1
1 (36)
O conjunto de pares [x
i
, p(x
i
)] denominado de distribuio de probabilidades de X.

Exemplo 3.16:

Considere novamente o exemplo 3.13, referente a dois lanamentos de uma moeda honesta, onde o
espao amostral S ={(ca,ca); (ca,co); (co,ca); (co,co)} e a varivel X definida como o nmero de caras, ou seja,
com contradomnio R
x
= {0, 1, 2}. Portanto:
p(0) = p(X = 0) = = 0,25
p(1) = p(X = 1) = 2/4 = 0,50
p(2) = p(X = 2) = = 0,25

Pode-se ainda ter interesse nas probabilidades acumuladas em cada ponto, ou seja:
F(0) = P(X s 0) = 0,25
F(1) = P(X s 1) = P(X = 0) + P(X = 1) = 0,25 + 0,50 = 0,75
F(2) = P(X s 2) = P(X = 0) + P(X = 1) + P(X = 2) = 0,25 + 0,50 + 0,25 = 1,00

Se a varivel aleatria considerada contnua, ento tem-se o espao amostral dado por um intervalo, e
no mais por valores distintos. Sendo assim, j no faz sentido calcular probabilidade num nico ponto, pois se a
varivel assume infinitos valores, a freqncia relativa de cada resultado tende a zero.
Quando a varivel contnua, o modelo associado a tal varivel uma distribuio contnua de
probabilidades, definida por uma funo, de tal forma que a curva definida por esta funo tem rea mxima de
um, e qualquer sub-rea, definida dentro da curva, tem valor entre zero e 1.
Ento, para variveis aleatrias contnuas, as probabilidades so interpretadas como reas, bem por isso,
a funo distribuio denominada funo densidade de probabilidade (f.d.p.). Portanto, para quaisquer valores
x
1
< x
2
, ambos pertencentes ao mesmo espao amostral, tem-se que:

( ) P x X x f x dx
x
x
1 2
1
2
s s =
}
( ) (37)
Exemplo 3.17:

Seja X uma varivel aleatria contnua, cuja f.d.p. dada por:

=
< < =
valores outros quaisquer para 0 f(x)
6 x 2 x
16
1
) x ( f

Calcular:
a) P(3 s X s 4)
b) P(X > 5)

Resoluo:
a) | | 219 , 0
32
7
2
9
2
16
16
1
2
x
16
1
dx
16
x
4 X 3 P
4
3
2
4
3
= =
(
=
(
= = s s
}

b) | | 344 , 0
32
11
2
25
2
36
16
1
2
x
16
1
dx
16
x
5 X P
6
5
2
6
5
= =
(
=
(
= = >
}

p x X X X
i
i
( ) ( ) ( ) ( ) , , , p p + p + + = 1 = = + = = =
=
0 1 2 0 25 0 50 0 25
1
2
3.4 ESPERANA MATEMTICA, MDIA OU VALOR ESPERADO
Seja X uma varivel aleatria. A esperana matemtica, mdia ou valor esperado dessa varivel definida
por:
( )
( ) E X x p x
X i i
i
= = =
=

1
, (38)
se X for discreta, e por
( ) E X xf x dx
X
= = =
}
( ) , (39)
se X for contnua.

So propriedades da esperana matemtica:
1. E(k)=k, sendo k constante;
2. E[kX] = k E[X];
3. E[X Y] = E[X] E[Y];
4. E[aX b] = aE[X] b, a e b constantes;
5. E[XY] = E[X] E[Y], desde que X e Y sejam independentes.

Exemplo 3.18:

Seja X uma varivel aleatria discreta que representa o nmero de meninas em cada 5 crianas
consideradas num estudo, Sabendo-se que a probabilidade de uma criana ser do sexo masculino, neste estudo,
de 0,20. Obteve-se a seguinte distribuio de probabilidade:

x
i
0 1 2 3 4 5
P(x
i
) 0,00032 0,00640 0,05120 0,20480 0,40960 0,32768

Qual o valor esperado (mdia ou esperana matemtica) de X?

Como X uma varivel aleatria (v.a.) discreta, tem que a esperana matemtica dada por:
( ) ( ) 4 32768 , 0 * 5 40960 , 0 * 4 20480 , 0 * 3 05120 , 0 * 2 00640 , 0 * 1 00032 , 0 * 0 x p x X E
1 i
i i
= + + + + + = =
=

E[X]=4, portanto, em cada grupo de 5 crianas, espera-se encontrar 4 meninas.

Exemplo 3.19:

Seja a varivel aleatria contnua X, representando o tempo de vida (em horas) de certo componente
eletrnico. Sabe-se que a f.d.p. de X dada por:

0 < x se 0
, 0 x se e 002 , 0
) x ( f
x 002 , 0
>
=

Calcular o valor esperado de X.

Uma vez que X v,a, contnua, a esperana matemtica dada por (39): Da:

horas 500
002 , 0
1
002 , 0
1
0 e
002 , 0
1
xe dx xe 002 , 0 dx ) x ( xf ) X ( E
0
x 002 , 0 x 002 , 0
0 0
x 002 , 0
= = |
.
|
\
|
=
(
=
} }
= =

3.5 VARINCIA
Seja X uma varivel aleatria. A varincia dessa varivel definida por:
( ) ( ) ( )
| | ( ) ( )
| | V X X E X E X E X E X
X
= = = = = var o o
2 2
2
2
2
(40)

Demonstra-se as seguintes propriedades para a varincia:
1. V(k) = 0, k constante;
2. V[kX] = k
2
V[X];
3. V[aX b] = a
2
V[X], a e b constantes;
4. V[X Y] = V[X] + V[Y] 2COV(X,Y);

A quantidade COV(X,Y), denominada de covarincia entre as variveis aleatrias X e Y definida por:
COV(X,Y) = E(XY) - E(X)E(Y) (41)

Se X e Y forem variveis aleatrias independentes, E(XY) = E(X) E(Y), portanto, a covarincia nula.
Embora COV(X,Y)=0, sempre que X e Y so independentes, a recproca no verdadeira, isto , mesmo que
cov(X,Y)=0, nem sempre pode-se concluir que X e Y sejam independentes.

Exemplo 3.20:
Seja X uma v. discreta, com funo de probabilidade dada por:
x
i
0 1 2 3
p(x
i
) 0,60 0,20 0,15 0,05
Calcular a varincia de X.

Sendo X uma v.a. discreta, tem-se que:
| | V X E X E X x p x x p x
i i i i
i i
( ) ( ) ( ) ( ) ( ) = =

(
= =

2
2
2
1
4
2
1
4

| | | |
2 2 2 2 2
0,05 * 3 0,15 * 2 0,20 * 1 0,60 * 0 - 0,05 * 3 0,15 * 2 0,20 * 1 0,60 * 0 V(X) + + + + + + =
0,8275 0,4225 - 1,25 [0,65] - 1,25 V(X)
2
= = =

Exemplo 3.21:
Seja o quadro a seguir, referente ao salrio e tempo de servio de dez operrios. Determinar a
distribuio conjunta de probabilidade da varivel X: salrios (reais) e da varivel Y: tempo de servio em anos.
Encontre tambm a esperana e a varincia de X: salrio e Y: tempo e ainda a covarincia entre X e Y.
Operrio A B C D E F G H I J
X: salrio 500 600 600 800 800 800 700 700 700 600
Y: tempo 6 5 6 4 6 6 5 6 6 5

Analisando a tabela dada, pode-se observar que somente um operrio, dentre os dez, tem 4 anos de
tempo de servio, com salrio de 800 reais. Ento P[X=800, Y=4] = 1/10. Sendo assim, a distribuio conjunta de
X e Y dada como segue:
Y
X
4 5 6 Total
500 0 0 1/10 1/10
600 0 2/10 1/10 3/10
700 0 1/10 2/10 3/10
800 1/10 0 2/10 3/10
Total 1/10 3/10 6/10 1

Analisando somente a varivel salrio.
( ) ( ) 680
10
3
* 800
10
3
* 700
10
3
* 600
10
1
* 500
1
= + + + = =
= i
i i
x p x X E reais
| | | | 98 , 97 9600 680
10
3
* 800
10
3
* 700
10
3
* 600
10
1
* 500 ) X ( E ) X ( E ) X ( V
X
2 2 2 2 2 2 2
= o =
(
+ + + = =

Analisando somente a varivel tempo.
( ) ( ) 5 , 5
10
6
* 6
10
3
* 5
10
1
* 4 y p y Y E
1 i
i i
= + + = =

=
anos
| | | | 67 , 0 45 , 0 5 , 5
10
6
* 6
10
3
* 5
10
1
* 4 ) Y ( E ) Y ( E ) X ( V
Y
2 2 2 2 2 2
= o =
(
+ + = =

Analisando conjuntamente as variveis X e Y.

3730
10
2
* 800 * 6
10
2
* 700 * 6
10
1
* 600 * 6
10
1
* 500 * 6
10
1
* 700 * 5
10
2
* 600 * 5
10
1
* 800 * 4 E(XY) = + + + + + + =
10 5,5 * 680 - 3730 E(X)E(Y) - E(XY) Y) COV(X, = = =

3.6 EXERCCIOS
1. Uma loja pe em liquidao 30 toca fitas dentre os quais, sem que se saiba, h cinco defeituosos. Se um
cliente testa dois escolhidos ao acaso, a distribuio de probabilidades do nmero de X defeituoso na
amostra dada por:
x 0 1 2
P(X=x) 0.6897 k 0.0230
a) determinar o valor de k para que f(x) = P(X=x) seja uma distribuio de probabilidades;
b) qual o nmero mdio de defeituoso esperado?
c) calcule o desvio padro para a varivel X.

2. Um negociante espera vender um carro at sexta-feira. A expectativa de que venda na segunda de 50%. Na
tera de 30%, na quarta de 10%, na quinta-feira de 5% e na Sexta-feira de 5%.
Seu lucro de 3000 u.m. se vender na Segunda-feira e diminui 40% a cada dia.
a) Calcule o valor esperado de lucro deste negociante nesta venda;
b) Calcule a varincia e o desvio padro.

3. As chamadas dirias do corpo de bombeiros apresenta a seguinte distribuio:
N de chamadas/dia 0 1 2 3 4 5
% dias 10 15 30 25 15 5
a) Calcular o nmero mdio de chamadas, bem como o desvio padro;
b) Num ano de 365 dias, pode-se esperar que o nmero total de chamadas tenha sido de quanto?

4. Uma pessoa paga K dlares cada vez que joga um dado, e recebe tantos dlares quantos pontos obteve. Qual
o valor de K para o qual a esperana matemtica do lucro nula? Qual o desvio padro da distribuio do
lucro?

5. Um vendedor prepara quatro visitas e espera vender 1.000 u.m. em cada uma delas. A expectativa de venda
em cada cliente de 80%, independentemente. Qual o valor esperado de vendas deste vendedor?

6. Uma seguradora paga R$ 30.000,00 em caso de acidente de carro e cobra uma taxa de R$ 1.000,00. Sabe-
se que a probabilidade de que um carro sofra um acidente de 3%. Quanto espera a seguradora ganhar por
carro segurado?

7. Uma organizao financeira verificou que o lucro unitrio (L) obtido numa operao financeira dado pela
seguinte expresso L=1,1V+0,9C-4,5. Sabendo-se que o preo de venda unitrio (V) tem distribuio de mdia
R$ 50,00 e desvio padro de R$ 2,00, e que o preo de custo unitrio (C) tem distribuio de mdia R$ 45,00
e desvio padro R$ 1,50, qual a mdia do lucro unitrio.
3.7 DISTRIBUIES TERICAS DE PROBABILIDADE
Para utilizar a teoria das probabilidades no estudo de um fenmeno concreto, deve-se encontrar um
modelo probabilstico adequado a tal fenmeno. Por modelo probabilstico para uma v.a. X entende-se uma forma
especfica de funo de distribuio de probabilidade que reflita o comportamento dessa varivel X.
Se X uma varivel aleatria discreta, ou seja, se a varivel assume somente valores inteiros, um modelo
probabilstico associado a tal varivel uma distribuio discreta de probabilidade. Se, no entanto, a varivel
aleatria X contnua, ou seja, assuma valores num intervalo do conjunto dos nmeros reais, tem-se como
modelo probabilstico, uma distribuio contnua de probabilidade.
Dentre as distribuies mais conhecidas e estudadas tem-se as distribuies discretas:
1. Distribuio Binomial;
2. Distribuio de Poisson;
3. Distribuio Multinomial;
4. Distribuio Hipergeomtrica;
e as distribuies contnuas:
3. Distribuio Normal;
4. Distribuio Qui-quadrado (_
2
);
5. Distribuio t de Student;
6. Distribuio F de Snedecor.

3.7.1 Distribuio Binomial

Os experimentos binomiais tm a caracterstica de apresentarem dois resultados complementares: em
processos industriais, as peas so perfeitas ou defeituosas, na medicina, um paciente sobrevive ou no uma
cirurgia, em marketing, um consumidor reconhece um produto ou no.
Se o experimento binomial, a distribuio da varivel aleatria X chamada distribuio de
probabilidade binomial (distribuio binomial).
Seja p a probabilidade de um evento E ocorrer em uma tentativa nica (denominada sucesso) e q = 1-p a
probabilidade desse evento no ocorrer nessa nica tentativa. A probabilidade do evento E ocorrer exatamente x
vezes em n tentativas (desde que p seja constante) dada pela funo de probabilidade:
P X x
n
x
p q
n
x n x
p q
x n x x n x
( )
!
!( )!
= =
|
\
|
.
| =

(42)
denominada de distribuio binomial, onde:
n denota o nmero fixo de provas;
x denota um nmero especfico de sucessos em n provas, podendo ser qualquer inteiro entre 0 e n,
inclusive;
p probabilidade de sucesso em uma das n provas;
q probabilidade de falha em uma das n provas;
P(X=x) denota a probabilidade de obter exatamente x sucessos em n provas (tentativas).

Como a varivel aleatria X representa o nmero de sucessos, ento seus possveis valores sero: 0, 1,
2, ... , n. Notao: X b n p ~ ( , ) , 0<p<1.
Para uma distribuio binomial, demonstra-se que a mdia e a varincia so dadas, respectivamente por:
= np (43)
o
2
= npq (44)

Exemplo 3.22:
Determinar a probabilidade de acertar por palpite ao menos oito questes em 10, do tipo Verdadeiro-
Falso.
Nesse caso, a probabilidade p de acertar (sucesso) igual probabilidade q de errar (insucesso):
P(V) = P(F) = 0,50. Acertar ao menos oito questes, acertar oito ou mais, deseja-se, ento, P(X > 8).

( ) ( ) ( ) ( ) ( )( ) 04395 , 0 25 , 0 00391 , 0
2
90
50 , 0 50 , 0
)! 8 10 ( ! 8
! 10
50 , 0 50 , 0
8
10
) 8 X ( P
8 10 8 8 10 8
= =
=
|
|
.
|
\
|
= =

( ) ( ) ( ) ( ) ( )( ) 00977 , 0 50 , 0 00195 , 0
1
10
50 , 0 50 , 0
)! 9 10 ( ! 9
! 10
50 , 0 50 , 0
9
10
) 9 X ( P
9 10 9 9 10 9
= =
=
|
|
.
|
\
|
= =

( ) ( ) ( ) ( ) ( )( ) 00098 , 0 1 00098 , 0 50 , 0 50 , 0
)! 10 10 ( ! 10
! 10
50 , 0 50 , 0
10
10
) 10 X ( P
10 10 10 10 10 10
= =
=
|
|
.
|
\
|
= =

Da, P(X > 8) = P(X = 8) + P(X = 9) + P(X = 10)
= 0,04395 + 0,00977 + 0,00098 = 0,05470

3.7.2 Distribuio de Poisson

Considere as seguintes variveis aleatrias:
- X
1
= nmero de chamadas recebidas por uma central telefnica durante um perodo de 30 minutos;
- Numa tecelagem funcionam teares com um grande nmero de fusos que operam simultaneamente. Quando
um fio se rompe, o fuso permanece inoperante at que um operrio recomponha o fio. Tomando a hora
como unidade de tempo, seja X
2
o nmero de rompimentos por hora;
- Seja X
3
o nmero de bactrias em um litro de gua no purificada;
- Seja X
4
= nmero de partculas radioativas que, em um experimento de laboratrio, entram em um contador
durante um milissegundo;
- Seja X
5
= nmero de acidentes com automveis particulares em determinado trecho da estrada, no perodo
de 12 horas.
Nota-se que todas as variveis tomam os valores 0, 1, 2, ... Seu comportamento pode ser descrito pela
chamada distribuio de Poisson.
A distribuio de Poisson uma distribuio discreta de probabilidade, aplicvel a ocorrncias de um
evento em um intervalo especificado. A varivel aleatria X o nmero de ocorrncias do evento em um intervalo.
O intervalo pode ser o tempo, a distncia, a rea, o volume ou outra unidade. A probabilidade do evento ocorrer x
vezes em um intervalo dada por.
! x
e
) x X ( P
x
= =

, x = 0,1,2,... (45)
onde:
x denota um nmero especfico de vezes que um evento ocorre no intervalo considerado;
e e de Euler (e = 2,71828);
mdia de ocorrncias no intervalo considerado.

Como a varivel aleatria X representa o nmero de ocorrncias em um determinado espao (fsico ou
tempo), ento seus possveis valores sero: 0, 1, 2, ... . Notao: X P ~ ( ) , >0.

Exemplo 3.23
Num livro de 800 pginas, h 800 erros de impresso. Qual a probabilidade de:
a) uma pgina conter 2 erros?
b) uma pgina conter pelo menos 3 erros?
c) duas pginas apresentarem 3 erros?

Resoluo:

a) 18394 , 0
2
1 * 36788 , 0
! 2
1 e
) 2 X ( P
2 1
= = = =

b) | | ) 0 X ( P ) 1 X ( P ) 2 X ( P 1 ) 3 X ( P 1 ) 3 X ( P = + = + = = < = >
| | 08030 , 0 91970 , 0 1 36788 , 0 36788 , 0 18394 , 0 1
! 0
1 e
! 1
1 e
! 2
1 e
1 ) 3 X ( P
0 1 1 1 2 1
= = + + =
(
(
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
= >

Cabe ressaltar que a mdia da distribuio de Poisson definida num intervalo. Ao se considerar mltiplos
do intervalo dado, deve-se ajustar a mdia de acordo com o novo intervalo. Sendo assim, para o exemplo 3.23, se
a expectativa de um erro de impresso por pgina, ao se duplicar o intervalo para 2 pginas, deve-se ajustar a
mdia para 2 erros por pgina, de acordo com o novo intervalo. Da considerar = 2.

c) 18045 , 0
6
8 * 13534 , 0
! 3
2 e
) 2 ; 3 X ( P
3 2
= = = = =

Uma caracterstica importante da distribuio de Poisson, o fato de se poder substituir a distribuio
binomial pela distribuio de Poisson, com um grau de aproximao muito bom, desde que n seja grande e p seja
pequeno. Na prtica, essa aproximao utilizada quando:
1. n (na prtica considera-se n > 30);
2. p 0 (p < 0,1);
3. 0 < s 10.
Quando as condies apresentadas ocorrem, a mdia ( = np) da distribuio binomial ser tomada como
= np.
Para a distribuio de Poisson, demonstra-se que a varincia coincide com a mdia, ou seja:
= o
2
= = np (46)

Exemplo 3.24:
A probabilidade de um indivduo ter reao negativa a certa injeo de 0,001. Determinar a probabilidade
de que, de 2000 indivduos injetados:
a) exatamente trs tenham reao negativa;
b) mais de quatro tenham reao negativa.

A distribuio da varivel X = reao a certa injeo, tipicamente binomial, mas, observe que: n = 2000 >
50 e np = 2000 x 0.001 = 2 < 5, ento pode-se fazer a aproximao da distribuio binomial para a distribuio de
Poisson. O parmetro dado por: = np = 2.

Deseja-se saber:
a) 1804 , 0
6
) 8 )( 1353 , 0 (
! 3
2 e
) 3 X ( P
3 2
= = = =

b) | | ) 0 X ( P ) 1 X ( P ) 2 X ( P ) 3 X ( P ) 4 X ( P 1 ) 4 X ( P 1 ) 4 X ( P = + = + = + = + = = s = >
(
(
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
+
|
|
.
|
\
|
= >

! 0
2 e
! 1
2 e
! 2
2 e
! 3
2 e
! 4
2 e
1 ) 4 X ( P
0 2 1 2 2 2 3 2 4 2

| | 0527 , 0 9473 , 0 1 1353 , 0 2707 , 0 2707 , 0 1804 , 0 0902 , 0 1 ) 4 X ( P = = + + + + = >

3.7.3 Distribuio Hipergeomtrica

Considere populaes divididas segundo duas caractersticas A e B. Considere extraes casuais, sem
reposio, dessa populao, onde o interesse calcular a probabilidade de se encontrar k elementos com
determinada caracterstica (sucesso), de um grupo de n elementos selecionados.
Seja X = nmero de sucessos na amostra (sada do elemento com a caracterstica desejada). A
probabilidade de obter exatamente k elementos, na amostra, com a caraterstica de interesse dada por:
, ) (
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= =
n
N
k n
r N
k
r
k X P 0sksn e ksr (47)
onde:
N nmero de elementos na populao (tamanho da populao);
n tamanho da amostra;
r nmero de elemento com a caraterstica de interesse, na populao;
k denota um nmero especfico de sucessos na amostra, podendo ser qualquer inteiro entre 0 e n,
inclusive;

Como a varivel aleatria X representa o nmero de sucessos (elementos com uma caracetrstica
especfica), ento seus possveis valores sero: 0, 1, 2, ... , n. Notao: ) , , ( ~ n r N hip X , 0<p<1.
Para uma distribuio hipergeomtrica, pode-se demonstrar que a mdia e a varincia so dadas,
respectivamente por:
E[X] = np, (48)
| |
N
r
p onde ,
1
) 1 ( =
=
N
n N
p np X Var (49)

Exemplo 3.25:
Pequenos motores so guardados em caixas de 50 unidades. Um inspetor de qualidade examina cada
caixa, antes da posterior remessa, testando 5 motores. Se nenhum motor for defeituoso, a caixa aceita. Se pelo
menos um for defeituoso, todos os 50 motores so testados. H 6 motores defeituosos na caixa. Qual a
probabilidade de que seja necessrio examinar todos os motores dessa caixa?

Tem-se que,
N = 50 (tamanho da populao),
n = 5 (tamanho da amostra) e
r = 6 (total de defeituosos na populao)
Da:
| | | | | | 48743 , 0 51257 , 0 1
2118760
1086008 * 1
1
! 45 ! 5
! 50
! 39 ! 5
! 44
! 6 ! 0
! 6
1
5
50
5
44
0
6
1 0 1 1 1 1 = = = =
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= = = < = > X P X P X P

3.7.4 Exerccios

1. A probabilidade de um casal heterozigoto para o gene da cor dos olhos ter um filho de olho claro 0,25. Se o
casal tem 5 filhos, qual a probabilidade do casal ter:
a) todos os filhos de olhos claros;
b) no mnimo 2 filhos de olhos claros.

2. Utilizando a tabela da distribuio binomial, determinar as seguintes probabilidades:
a) 3 sucessos em 9 provas, com p = 0,4;
b) 6 falhas em 15 provas, com p = 0,6;
c) 7 ou mais sucessos em 8 provas, com p = 0,5;
d) entre 9 e 11 (ambos inclusive) sucessos em 15 provas, com p = 0,7.

3. A probabilidade de um paciente sobreviver a uma delicada interveno cirrgica 0,75. Qual a probabilidade
de sobreviverem exatamente cinco dentre os prximos 10 pacientes a serem submetidos a tal operao? Qual
a probabilidade de cinco ou mais sobreviverem?

4. A experincia indica que 5% das chamadas recebidas por uma central telefnica provm de discagem errada.
Determinar a probabilidade de que, em 20 chamadas:
a) quatro provenham de discagem errada;
b) no mnimo duas provenham de discagem errada.

5. Em certa cidade, as despesas mdicas so consideradas responsveis por 60% de todas as falncias
pessoais. Qual a probabilidade de que as despesas mdicas sejam apontadas como responsveis por
quatro das prximas 6 falncias pessoais naquela cidade?

6. O nmero de reclamaes que uma lavanderia recebe por dia uma varivel aleatria com distribuio de
Poisson com mdia 1,5. Qual a probabilidade:
a) de a lavanderia receber pelo menos trs reclamaes em determinado dia?
b) de a lavanderia receber no mximo duas reclamaes em dois dias especficos da semana?

7. Uma fbrica de automveis verificou que ao testar seus carros na pista de prova h, em mdia, um estouro de
pneu em cada 300 km, e que o nmero de pneus estourados segue razoavelmente uma distribuio de
Poisson. Qual a probabilidade de que:
a) num teste de 900 km haja no mximo um pneu estourado?
b) Um carro ande 450 km na pista sem estourar nenhum pneu?

8. A probabilidade de uma pessoa sofrer intoxicao alimentar na lanchonete de um parque de diverses
0,001. Determinar a probabilidade de que em 1500 pessoas que passam o dia no parque, no mximo duas
tenham intoxicao.

9. Em um pedgio de determinada rodovia chegam em mdia 300 carros por hora. Calcule a probabilidade de
chegarem menos que trs carros em 1 minuto.

10. Uma companhia de seguros est considerando a incluso da cobertura de uma doena relativamente rara na
rea geral de seus mdicos. A probabilidade de um indivduo selecionado aleatoriamente venha a contrair a
doena 0,001, sendo que 3000 pessoas esto includas no grupo segurado. Qual a probabilidade de
nenhuma das 3000 pessoas do grupo contrair a doena?

11. Uma empresa de turismo atende uma mdia de 6 clientes por hora. Determine a probabilidade de que no
intervalo de uma hora a empresa atenda:
a) exatamente 2 clientes;
b) menos do que 3 clientes;
c) mais que 2 clientes;
d) apenas um cliente num intervalo de 10 minutos;
e) dois clientes num intervalo de 20 minutos.

12. Estudos tm mostrado que 30% dos pacientes atendidos por uma clnica no efetuam seus pagamentos
corretamente, e as contas so perdoadas. Suponha que n = 4 novos pacientes representem uma escolha
aleatria entre o grande nmero de pacientes atendidos por uma clnica. Calcule a probabilidade de:
a) todas as suas contas serem perdoadas;
b) uma dessas contas ser perdoada;
c) nenhuma dessas contas ser perdoada.

13. Um tcnico visita os clientes que compraram assinatura de um canal de TV para verificar o decodificador.
Sabe-se, por experincia, que 90% desses aparelhos no apresentam defeitos.
a) Determinar a probabilidade de que em 20 aparelhos pelo menos 17 no apresentem defeitos;
b) Se a probabilidade de defeito for de 0,0035, qual a probabilidade de que em 2000 visitas ocorra no mximo
1 defeito?

14. Doze por cento dos que reservam lugar num vo sistematicamente faltam ao embarque. O avio comporta 15
passageiros. Determine a probabilidade de que todos os 15 que reservaram lugar compaream ao embarque.

15. O nmero de equipamentos vendidos diariamente por uma empresa tem distribuio de Poisson com mdia
1,5. Determine a probabilidade da empresa vender ao menos quatro equipamentos:
a) num perodo de 2 dias;
b) num perodo de 3 dias;
c) num perodo de 4 dias.

16. Se 3% dos habitantes de uma grande cidade so empregados do governo, determine a probabilidade de no
haver nenhum empregado do governo numa amostra aleatria de 50 habitantes. Qual a probabilidade de
encontrar 3 ou menos empregados do governo na amostra?

17. Estima-se em 0,001 a probabilidade de vender uma aplice de seguro a pessoas que respondem a um
anncio especial. Nessa base, se 1000 pessoas respondem ao anncio, qual a probabilidade de que:
a) nenhuma compre uma aplice;
b) ao menos uma compre uma aplice;

18. Uma professora de estatstica verifica que, quando ela marca uma hora do expediente para atendimento aos
alunos, comparecem em mdia 2 alunos. Determine a probabilidade de que, em uma dessas horas
selecionadas aleatoriamente, comparea (m):
a) Nenhum aluno; b) Dois alunos; c) Cinco alunos.

19. Entre as 14 e 16 horas, o nmero mdio de chamadas telefnicas por minuto, atendidas pela mesa de
ligaes de uma companhia, 2,50. Determinar a probabilidade de, durante um determinado minuto, haver:
a) nenhuma chamada;
b) 4 ou menos chamadas;
c) mais de 6 chamadas.

20. Sabendo que N = 10 e r = 3, complete o quadro:
n k P(X=x) E(X)
a) 4 1
b) 2 2
c) 2 0
d) 4 2
21. Para uma inspeo de controle de qualidade, escolhem-se duas baterias de automvel de cada lote de 12. O
lote aprovado somente se nenhuma das baterias apresentar qualquer defeito; em caso contrrio, todo o lote
inspecionado. Se a escolha das baterias aleatria, determine as probabilidades de o lote :
a) passar na inspeo quando uma das baterias do lote tem defeito;
b) no passar na inspeo quando trs baterias tm defeito;
c) no passar na inspeo quando seis baterias tm defeito.

22. De acordo com uma pesquisa a Coca-Cola superou a Pepsi em volume de vendas em determinada cidade.
Suponha que de um grupo de 10 indivduos, seis prefiram Coca-Cola e quatro prefiram Pepsi. Uma amostra
aleatria de tamanho trs selecionada. Qual a probabilidade de que:
a) exatamente dois prefiram Coca-Cola; b) a maioria prefira Pepsi.

23. H 90% de probabilidade de que certo tipo de componente se comporte de forma adequada sob condies de
elevadas temperaturas. Se um dispositivo tem quatro de tais componentes, determinar a probabilidade de
cada um dos eventos:
a) todos os componentes se comportam de forma adequada e o dispositivo funciona;
b) o dispositivo no funciona porque falha um dos quatro componentes;
c) dispositivo no funciona porque falham um ou mais componentes.
d) Em mdia, quantos componentes devem comportar-se de forma adequada?
e) Qual o desvio-padro da distribuio?

24. Um Auditor Fiscal da Receita Federal seleciona uma amostra de 6 dentre 100 declaraes de IRPF de
determinada profisso liberal para uma possvel auditoria. Caso duas ou mais dessas pessoas tenham
assinalado dedues indevidas para fins de restituio, todo o grupo passar pela malha fina. Qual a
probabilidade de que o grupo inteiro sofra auditoria se o verdadeiro nmero de restituies com dedues
indevidas na populao for: (a) 25; (b) 30; (c) 5; (d) 10?

25. Uma fbrica de motores para mquinas de lavar roupas separa de sua linha de produo diria de 350 peas
uma amostra de 30 itens para inspeo. O nmero de peas defeituosas de 14 por dia. Qual a
probabilidade de que as amostra contenha pelo menos 3 motores defeituosos?

26. De 16 carros existentes para venda em determinada loja, cinco tm trao nas quatro rodas. Escolhidos
aleatoriamente trs carros para um anncio no jornal de domingo, qual a probabilidade de que os trs tenham
trao nas quatro rodas?

27. Dentre 20 painis solares apresentados em uma exposio, 12 so do tipo de placa plana e os outros so do
tipo concentrador. Se uma pessoa que visita a exposio escolhe seis painis para verificar, qual a
probabilidade de trs deles serem do tipo de placa plana?

3.7.5 Distribuio Normal

Uma v.a. contnua X normalmente distribuda se sua funo densidade de probabilidade for do tipo:
0 > e u
< x < -
e
2
1
) x ( f
2
u x
2
1
2
o 9 e

to
=
|
.
|
\
|
o
(50)
A funo densidade de probabilidade da distribuio normal depende de dois parmetros, a mdia e a
varincia o
2
(ou desvio padro o). Quando se deseja especificar que uma v.a. X segue uma distribuio normal
com mdia e a varincia o
2
, usa-se a notao: ( ) X N ~ , o
2

-4 0 4 8 12 16
o = 1
o = 1,5
o = 2

Figura 3.2: Comprao entre distribuies normais
O aspecto grfico da distribuio normal pode ser visto na Figura 3.2, para = 6 e considerando trs
situaes: o = 1, o = 1,5 e o = 2. Quanto maior o desvio padro, maior a amplitude entre os limites e portanto mais
achatada ser a curva. A curva representativa dessa distribuio denominada de curva normal ou curva de
Gauss.
As principais caractersticas da distribuio normal so:
1. A distribuio simtrica em relao mdia ;
2. A funo f(x) dada em (47) tem um ponto mximo para x = ;
3. A funo f(x) admite dois pontos de inflexo para x = + o e x = - o
4. A funo de distribuio acumulada dada por:
dx e
2
1
) x ( F
x
u x
2
1
2
2
}

|
.
|
\
|
o
to
=
(51)

que pode ser colocada numa forma mais simples, considerando a transformao da varivel X na varivel Z,
z
x
=

o
dz dx =
1
o
(52)
Portanto:
dz e
2
1
= dx e
2
1
) z ( G
z
z
2
1
z
z
2
1
2
2 2
} }

t
to
=

que a funo de distribuio acumulada para a varivel padronizada ou reduzida Z.
Assim a funo densidade de probabilidade da varivel normal reduzida Z ser dada por:
g z e
z
( ) =
1
2
1
2
2
t
- < z <
(53)

Note que a transformao consiste em adotar uma nova distribuio normal de mdia = 0 e varincia
o
2
= 1, denominada distribuio normal padronizada cujas probabilidades so tabeladas. Notao ( ) Z N ~ , 0 1 .

Na prtica, o clculo de probabilidades de um determinado intervalo de interesse, partindo-se de uma
distribuio normal qualquer, consiste na transformao dos pontos limites desse intervalo, conforme (49) e
posterior procura das probabilidades correspondentes aos pontos na tabela da Distribuio Normal Reduzida.

Exemplo 3.26:
Seja a varivel aleatria Z distribuda normalmente com mdia zero e varincia unitria. Calcular a
probabilidade de:

a) Z ser menor que -1,55
P[Z < -1,55] = 0,06057

-1,55 0
b) Z ser maior que +1,55
P[Z > 1,55] = 0,06057

0 1,55

c) Z ser menor que +1,55
P[Z < 1,55] = 1 0,06057 = 0,939429

0 1,55

d) Z estar entre os valores -1,55 e +1,55
P[-1,55<Z<1,55] = 1 0,06057 0,06057 = 0,87885

-1,55 0 1,55

Exemplo 3.27:
Estudos tm mostrado que o consumo de gasolina por carros populares vendidos por uma determinada
montadora tem distribuio normal, com mdia de 11,60 km/litro e desvio padro de 2,05 km/litro. Que
porcentagem desses carros populares permite percorrer 14 ou mais quilmetros com 1 litro de combustvel?

X = consumo de gasolina (em km/litro)
= o
=
05 , 2
60 , 11

12100 , 0 1,17 =
05 , 2
11,6 - 14
=
tabelado
z

| | 12100 , 0 17 , 1 P = 14) P(X = > > Z

Exemplo 3.28:
Uma indstria fabrica peas mecnicas cujas medidas dos dimetros externos so normalmente
distribudas com mdia 40,0mm e desvio padro 2,0mm. Calcular o percentual de peas defeituosas fabricadas,
sabendo-se que o setor de controle de qualidade dessa indstria classifica como defeituosas as peas cujos
dimetros externos:
a) so inferiores a 37,0mm;
b) so superiores a 44,0mm;
c) se desviam mais de 2,0mm da mdia;
X = medida do dimetro externo (em mm) ( ) X N ~ , ; 40 0 4

a) 5 , 1
4
40 - 37
z = = | | 6,68% ou 06681 , 0 5 , 1 = 37) P(X = < < Z P
b) 2
4
40 - 44
z = = | | 2,28% ou 0228 , 0 2 = 44) > P(X = > Z P
c) 42) > P(X + 38) < P(X = 2) + 40 > P(X + 2) - 40 < P(X
0 , 1
4
40 - 38
z = = 0,15866 = -1,0) < P(Z = 38) < P(X
0 , 1
4
40 - 42
z = = 0,15866 1,0) > P(Z = 42) > P(X =

Da:
31,73% ou 0,31731 0,15866 + 0,15866 = 42) > P(X + 38) < P(X =

3.7.6 Aplicaes da Distribuio Normal

Sejam as variveis aleatrias independentes X
1
, X
2
, ..., X
n
, cada uma com distribuio normal com mdia
1
,
2
, ...,
n
e varincia o
1
2
, o
2
2
, ..., o
n
2
, respectivamente. Considere a varivel
=
=
n
1 i
i
X X . (54)
Ento X tambm tem distribuio normal com mdia
=
=
n
1 i
i
e varincia
=
o = o
n
1 i
i
2
.
Exemplo 3.29:
Uma mquina enche latas baseada no peso bruto das mesmas. O peso bruto (X
1
) tem distribuio normal
com mdia
X1
= 1000 g e desvio padro o
X1
= 20 g. As latas tm peso (X
2
) distribudo normalmente, com mdia
X2
= 90 g e o
X2
= 10 g. Determine a mdia e o desvio padro da varivel peso lquido.

=0 1,17
0,121
O peso bruto (X
1
) e o peso das latas (X
2
) so independentes. Sendo assim, de acordo com (51),pode-se
dizer que o peso lquido de uma lata tem distribuio normal com mdia dada por
910 90 1000
2 1
= = = e desvio padro o dado por 36 , 22 100 400
2
X
2
X
2 1
= + = o + o = o .

Outra aplicao da distribuio normal refere-se aproximao da distribuio binomial pela distribuio
normal. Seja uma varivel X com distribuio binomial de mdia = np e varincia o
2
= npq. Para n
suficientemente grande (n), tal que np 5 e nq 5, tem-se:
) 1 , 0 ( N
npq
np X
Z ~
= . (55)

Com o intuito de melhorar a aproximao, deve-se aplicar a correo de continuidade:
( ) |
.
|
\
|
+ s s = =
2
1
K X
2
1
K P K X P (56)

3.7.7 Exerccios

1. Dada uma distribuio normal padronizada com mdia 0 e varincia 1, qual a probabilidade de que:
a) Z seja maior que 1,84? c) Z esteja entre 1,57 e 1,84?
b) Z seja menor que 1,57? d) Z esteja entre -1,57 e 1,84?

2. Encontre a rea sob a curva normal padronizada:
a) entre z = 0 e z = 0,87 b) entre z = 1,66 e z = 0 c) direita de z = 0,48
d) direita de z = 0,27 e) esquerda de z = 1,3 f) esquerda de z = 0,79

3. Uma varivel aleatria tem distribuio normal com = 80 e o=4,8. Determine a probabilidade de ela assumir
um valor:
a) inferior a 87,2 b) superior a 69,3 c) entre 81,2 e 86 d) entre 71,6 e 88,4

4. Suponha que a renda mdia de uma grande comunidade possa ser razoavelmente aproximada por uma
distribuio normal com mdia de R$ 5000,00 e desvio padro de R$ 1500,00.
a) Que percentual da populao ter renda superior a R$ 6.200,00?
b) Que percentual pode-se esperar que tenham renda inferior a R$ 3500,00?
c) Numa amostra de 50 assalariados, quantos pode-se esperar que tenham menos de R$ 3500,00?

5. Uma fbrica de carros sabe que os motores de sua fabricao tm durao normal com mdia de 150.000 km
e desvio padro de 5.000 km. Qual a probabilidade de que um carro, escolhido ao acaso, dos fabricados por
essa firma, tenha um motor que dure:
a) menos de 170.000 km?
b) Entre 140.000 km e 160.000 km?
c) Se a fbrica substitui o motor que apresenta durao inferior garantia de 136500 km, qual a
porcentagem de motores substitudos?

6. As alturas de 500 estudantes de uma faculdade tm em mdia 1,70m e desvio padro 0.75m. Supe-se
normal a distribuio das alturas.
a) Quantos tm altura inferior a 1,75m;
b) Quantos tm entre 1,72 e 1,80m;
c) Quanto tm altura igual a 1,74m.

7. A quantidade de leo contida em cada lata fabricada por uma indstria tem peso distribudo normalmente, com
mdia de 990g e desvio padro de 10g. Uma lata rejeitada no comrcio se tiver peso menor que 976g.
a) Qual a probabilidade de uma lata ser rejeitada?
b) Considerando o item a, qual a probabilidade de que em 20 latas observadas, 3 sejam rejeitadas?

8. O Departamento de Marketing da empresa resolve premiar 5% dos seus vendedores mais eficientes. Um
levantamento das vendas individuais por semana mostrou que elas se distribuam normalmente com mdia R$
240.000,00 e desvio padro R$ 30.000,00.
a) Qual a probabilidade de um vendedor vender menos que R$ 289.200,00?
b) Qual a probabilidade de um vendedor vender entre 230.000,00 e R$ 255.000,00?
c) Qual o volume de vendas mnimo que um vendedor deve realizar para ser premiado?

9. Um fabricante de mquinas de lavar sabe, por longa experincia, que a durao de suas mquinas tem
distribuio normal com mdia de 1000 dias e desvio padro de 200 dias. Oferece uma garantia de 1 ano (365
dias).
a) Qual a probabilidade de que tenha que repor uma mquina?
b) Quantas espera trocar pelo uso da garantia dada, em 2000 mquinas?

10. O processo de empacotamento em uma produtora de cereais foi ajustado de maneira que uma mdia de 13,0
kg de cereal colocada em cada saco. claro que nem todos os sacos tm precisamente 13,0 kg devido a
fontes aleatrias de variabilidade. O desvio padro do peso lquido 0,1 kg, e sabe-se que a distribuio dos
pesos normal. Determinar a probabilidade de que um saco escolhido aleatoriamente contenha entre 13,0 e
13,2 kg de cereal. Ilustrar a proporo da rea sob a curva normal que est associada com o valor da
probabilidade.

11. Um hotel beira mar tem 110 apartamentos. Foi realizado um estudo sobre o seu grau de ocupao na alta
temporada e obteve-se uma distribuio X~N(100;25). Determine a probabilidade de haver procura maior que
a disponibilidade num determinado dia.

12. O nmero mdio dirio de visitantes em um Museu 320 com desvio padro 25. A administrao do Museu
precisa de um nmero mnimo de 175 visitantes por dia para cobrir as despesas gerais. Qual a probabilidade
de que o Museu seja deficitrio?

13. Para os vrios milhares de artigos estocados por uma firma que atende encomendas postais, h uma
probabilidade de 0,08 de que um artigo em particular (incluindo especificaes de tamanho e cor) esteja
esgotado. Se uma encomenda engloba pedidos de 120 itens diferentes, qual a probabilidade de que 15 ou
mais artigos estejam esgotados?

14. Um elevador tem seu funcionamento bloqueado se sua carga for superior a 450 kg. Sabendo que o peso de
um adulto uma varivel aleatria com distribuio normal, sendo a mdia igual a 70 kg e o desvio padro
igual a 5 kg, calcule a probabilidade de ocorrer o bloqueio numa tentativa de transportar 6 adultos.

15. Um sistema formado por 100 componentes, cada um dos quais com confiabilidade de 0,95 (probabilidade de
funcionamento do componente durante um certo perodo de tempo). Se esses componentes funcionam
independente um do outro e se o sistema completo funciona adequadamente quando pelo menos 80
componente funcionam, qual a confiabilidade do sistema?

3.7.8 Distribuio Qui-Quadrado

Sejam as variveis Z
1
, Z
2
,..., Z
v
, v.a.s independentes e identicamente distribudas, com distribuio
normal com mdia = 0 e varincia o
2
= 1. Ento a v.a. qui-quadrado:

_
v
v
2
1
2
2
2 2 2
1
= + + + =
=
Z Z Z Z
i
i
...
tem f.d.p. dada por:
( )
( )
( ) f e _
v
_ _
v
v _
2
2
2
2
1
2
1
2
2
0
2
= >

I
,
2
(57)

com mdia ( ) E _ v
2
= e varincia ( ) V _ v
2
2 = . Diz-se, ento, que _
2
segue uma distribuio qui-quadrada com
parmetro v.
Na expresso (57) observa-se a funo
( )
I
v
2
, dita funo gama com parmetro
( )
v
2
. De maneira
geral, a funo gama denotada pela expresso:

( ) I r x e dx
r x
=

}
1
0
, r > 0 (58)
Demonstra-se que:
1. ( ) ( ) I I r r r = ( ) 1 1 ;
2. Se r = n, inteiro e positivo, ento ( ) I n n = ( )! 1
3. ( ) I 1 1 1 1 = = ( )! , pois por definio, 0! = 1

Quando se deseja indicar que uma varivel X segue uma distribuio qui-quadrada com v graus de
liberdade, usa-se a notao:

2
~ X
v
_

Exemplo 3.30:
A varivel X segue uma distribuio qui-quadrado com v = 10 graus de liberdade. Calcular:
a) P(X < x
c
) = 0.01
b) P(X > 18.307)

Resoluo:
a) P(X < x
c
) = 0.01 x
c
= 2.56
b) P(X > 18.307) = 1- P(X s 18.307) = 1 - 0.95 = 0.05

3.7.9 Distribuio t de Student

Se ( ) Z N ~ , 0 1 e W~ _
v
2
, sendo Z e W variveis aleatrias independentes, ento a varivel aleatria:
t
Z
W
=
v


f t
t
( ) , =
+
|
\
|
.
|
|
\
|
.
|
+
|
\
|
.
|
+
I
I
v
tv
v v
v
1
2
2
1
2
1
2

- < t < (59)

com mdia E(t) = 0 e varincia V t ( ) =
v
v 2
, para v>2, onde o parmetro v denominado graus de liberdade da
distribuio.

Quando se deseja indicar que uma varivel X segue uma distribuio t de Student com v graus de
liberdade, usa-se a notao:

v
t ~ X

A distribuio t de student simtrica em relao a t = 0, sendo que para v ela tende para uma
distribuio normal com mdia zero e varincia unitria (distribuio normal padronizada).

Exemplo 3.31:
Uma varivel aleatria Y segue uma distribuio t de Student com v = 5 graus de liberdade. Determine:
a) P(Y s y
c
) = 0.025;
b) P(Y > y
c
) = 0.005;
c) P(-y
c
s Y s y
c
) = 0.90;

Resoluo:
a) P(Y s y
c
) = 0.025 y
c
= -2.57
b) P(Y > y
c
) = 0.005 y
c
= 4.03
c) P(-y
c
s Y s y
c
) = 0.90 y
c
= 2.015 e -y
c
= -2.015

3.7.10 Distribuio F de Snedecor

Sejam as variveis aleatrias independentes _
v1
2
e _
v2
2
, ento:
F
v v
v
v
v
v
_
v
_
v
v _
v _
1 2
1
2
1
2
2
1
2
2
2
2
1
2 ,
= =
(60)

f F
F
F
( ) , =
+
|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
|
\
|
.
|
+
|
\
|
.
|
>
+
I
I I
v v
v v
v
v
v
v
v
v
v v
1 2
1 2
1
2
2
2
2
1
2
2
2
2 2 1
1
1
1 2
F 0
(61)
com mdia
E F ( ) , =
>
v
v
v
2
2
2
2
2
(62)
e varincia
( )
( ) ( )
V F ( ) , =
+

>
2 2
2 4
4
2
2
1 2
1 2
2
2
v v v
v v v
v
2
(63)

A distribuio F de Snedecor depende de dois parmetros, v
1
e v
2
, denominados de graus de liberdade do
numerador e do denominador, respectivamente.
Quando se deseja indicar que uma varivel X segue uma distribuio F de Snedecor com v
1
graus de
liberdade no numerador e v
2
graus de liberdade no denominador, usa-se a notao:

2 1
,
F ~ X
v v

Exemplo 3.32:
Uma varivel aleatria W segue uma distribuio F de Snedecor com v
1
= 5 e v
2
= 6 graus de liberdade
no numerador e denominador, respectivamente. Determine:
a) P(W > w
c
) = 0,05;
b) P(W s w
c
) = 0,05;

Resoluo:
a) P(W > w
c
) = 0,05 y
c
= 4.39
b) P(Y s y
c
) = 0,05 y
c
= 20 , 0
95 , 4
1
F
1
1 2
,
= =
v v

3.7.11 Exerccios

1. A varivel X segue uma distribuio qui-quadrado com v = 10 graus de liberdade. Calcular:
a) P(X < x
c
) = 0,05 b) P(X < x
c
) = 0,95 c) P(a < X < b) = 0,95 (rea central)
d) P(X > 15,987) e) P(X s 2,5587

2. Uma varivel aleatria Y segue uma distribuio t de Student com v = 15 graus de liberdade. Determine:
a) P(Y s y
c
) = 0,005; b) P(Y > y
c
) = 0,01; c) P(-y
c
s Y s y
c
) = 0,98.
d) P (Y> 2,13) e) P (Y< 1,753) f) P(-t < X < +t) = 0,95

3. Uma varivel aleatria W segue uma distribuio F de Snedecor com v1 = 5 e v2 = 6 graus de liberdade no
numerador e denominador, respectivamente. Determine:
a) P(W s w
c
) = 0,01; b) P(W > w
c
) = 0,10; c) P(a < X < b) = 0,90 (rea central)
4. TABELA DA DISTRIBUIO NORMAL

5. RESULTADOS DOS EXERCCIOS PROPOSTOS
5.1 Lista de Probabilidade Pgina 31
1 Resultado 5 Resultado 10 Resultado 15 Resultado
A 6/52 A 0,01 A No ganhar A 60%
B 5/36 B 0,34 B Outra carta B 58,75%
C 588/600 C 0,98 C 10 ou + def. C 22,22%
D 8/36 D 0,66
E 7/8 11 Resultado 16 Resultado
6 Resultado A Nevar A {A,B,C,D,E,F}
2 Resultado 10/40 B Conceito C B {C,E}
A 120/720 C Andar a p C {B}
B 360/720 7 Resultado D Correr D {A,C,E}
C 480/720 A 10/100 E Perder
B 48/100 F Extrair um rei 17 Resultado
3 Resultado C 73/100 A -0,90 (no h prob. negativa)
A 0,38 D 0 12 Resultado B P(A)+P(A) = 1
B 0,10 A 37/75 C P(perder) = 5.0,30 = 1,5
C 0,90 8 Resultado B 15/75 (no h prob. maior que 1)
A {MMF,MFM,FMM} C 16/75 D 1,12 (no h prob. maior que 1)
4 Resultado B S {FFF} E Eventos excludentes no
Fax e fax C S {MMM} 13 Resultado ocorrem simultaneamente
Fax e e-mail 143/842 F P(golfinho) = 1,08
Telefone e fax 9 Resultado (no h prob. maior que 1)
Telef. e e-mail A {(1,2,2),(2,1,2),(2,2,1)} 14 Resultado
Correio e fax B {(1,2,2),(2,1,2), 0,86 18 Resultado
Corr. e e-mail (2,2,1),(2,2,2)} A {defeituosos, perfeitos}
E-mail e fax B {1,2,3,4, ..., n}
E-mail e e-mail C {1, 2, 3, 4}
5.2 Lista de Probabilidade Pgina 34
1 Resultado 3 Resultado 5 Resultado 7 Resultado 9 Resultado
A 60/100 A 0,65 A 054 A 0 0,72727
B 40/100 B 0,02 B 0,04 B 0,65
C 24/100 C 0,995 C 0,42 C 0,70 10 Resultado
D 76/100 A 13/18
4 Resultado 6 Resultado 8 Resultado B 3/18
2 Resultado 0,20/0,60 0,98 A 5/19
A 3/10 B 0,67895 11 Resultado
B 12/90 C 0,32105 0,57143
C 18/720
5.3 Lista de Esperana Matemtica e Varincia Pgina 40
A 0,2873 A 2199,84 A 2,35 e 1,31 A 3,5 e 1,71 100
B 0,3333 B 777897,44 B 857,75
C 0,5179 881,98 5 Resultado 7 Resultado
3200 91
5.4 Lista de Distribuies Discretas Pgina 44
A 0,00098 A 0,19915 A 0,86705 A 0,0821 A 0,6561
B 0,36719 B 0,22313 B 0,00729 B 0,8912 B 0,2916
C 0,0142 C 0,3439
2 Resultado 8 Resultado 14 Resultado D 3,6
A 0,25082 A 0,8088 A 0,14697 20 Resultado E 0,6
B 0,20660 A 0,50 e 1,2
C 0,03516 9 Resultado 15 Resultado B 0,0667 e 0,6 24 Resultado
D 0,57199 A 0,12465 A 0,35280 C 0,4667 e 0,6 A 0,4691
B 0,65770 D 0,30 e 1,2 B 0,5854
3 Resultado 10 Resultado C 0,84879 C 0,02789
A 0,05840 A 0,04979 21 Resultado D 0,1090
B 0,98027 16 Resultado A 0,8333
11 Resultado A 0,21807 B 0,45455 25 Resultado
4 Resultado A 0,04462 B 0,93430 C 0,77273 A 0,1169
A 0,01333 B 0,06197
B 0,26416 C 0,93803 17 Resultado 22 Resultado 26 Resultado
D 0,36788 A 0,3679 A 0,50 A 0,01786
5 Resultado E 0,27067 B 0,6321 B 0,03333
A 0,31104 27 Resultado
12 Resultado 18 Resultado A 0,3179
6 Resultado A 0,00810 A 0,1353
A 0,19115 B 0,41160 B 0,2707
B 0,42319 C 0,24010 C 0,0361
5.5 Lista Distribuio Normal Pgina 49
A 0,032884 A 0,93319 A 0,9999658 A 0,949497 A 0,02275
B 0,941792 B 0,98712 B 0,9545 B 0,322021
C 0,025324 D 0,295644 C 0,35% C 289346 12 Resultado
D 0,908908 E 0,919882 A 0
6 Resultado 9 Resultado
2 Resultado 4 Resultado A 263,29 A 0,000749 13 Resultado
A 0,30785 A 0,211855 B 21,20 B 1,5 A 0,04948
B 0,451543 B 0,158655 C 0
C 0,315614 C 7,93 10 Resultado 14 Resultado
D 0,60642 7 Resultado A 0,47725 A 0,00715
E 0,903199 A 0,080757
F 0,214764 B 0,14347 15 Resultado
A 0,99413

5.6 Lista Distribuies Contnuas Pgina 52
1 Resultado 2 Resultado 3 Resultado
A 3,940 A -2,95 A 0,093
B 18,307 B -2,60 B 3,11
C 3,247 e 20,483 C -2,60 e 2,60 C 0,202 e 4,39
D 0,10 D 0,025
E 0,010 E 0,95
F -2,13 e +2,13

6. REFERNCIAS BIBLIOGRFICAS

BUSSAB, W. O; MORETTIN, P.A. Estatstica bsica. So Paulo: Atual, 1987
COSTA NETO, P.L.O. Estatstica. Ed. Edgard Blucher Ltda, 1997
DOWNING, Douglas; CLARK, Jeffrey D. Estatstica. So Paulo: Saraiva, 1998.
FREUND, J.E.; SIMON, G.A. Estatstica aplicada: economia, administrao e contabilidade. Porto Alegre:
Bookman, 2000
FONSECA, J. S.; MARTINS, G. A . Curso de estatstica. So Paulo: Atlas, 1995
FONSECA, J. S. ; MARTINS, G. A .; TOLEDO, G. L. Estatstica aplicada. So Paulo: Atlas, 1995
KAZMIER, L. J. Estatstica aplicada economia e administrao. So Paulo: Makron Books: 1982
MARTINS, G. A .; DONAIRE, D. Princpios de estatstica. So Paulo: Atlas, 1995
MILONE, Giuseppe; ANGELINI, Flavio. Estatstica aplicada: nmero-ndice, regresso e correlao e sries
temporais. So Paulo: Atlas, 1995.
MONTGOMERY, D. C.; RUNGER, G. C. Estatstica aplicada e probabilidade para engenheiros. Rio de Janeiro:
LTC, 2003.
MORETTIN, L.G. Estatstica bsica: probabilidade. So Paulo: Makron Books, 1999.
MORETTIN, L.G. Estatstica bsica: inferncia. So Paulo: Makron Books, 2000.
SILVA, E. M. da; SILVA, E.M. da; GONALVES, V.; MUROLLO, ... Estatstica para os cursos de economia,
administrao e cincia contbeis. Vol. 1 e 2. So Paulo: Ed. Atlas, 1997.

Apostila Descritiva e Probabilidades3

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Apostila Descritiva e Probabilidades3

Hochgeladen von

Copyright:

Verfügbare Formate

ESTATSTICA

Das könnte Ihnen auch gefallen