You are on page 1of 17

D

i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

1 PPGEP/UFRGS
PPGEP
CAPTULO 5 CAPTULO 5
DISTRIBUIES DE DISTRIBUIES DE
PROBABILIDADE PROBABILIDADE
PPGEP
UFRGS
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

2 PPGEP/UFRGS
PPGEP
Introduo Introduo
O histograma usado para apresentar dados amostrais
extradas de uma populao.
Por exemplo, os 50 valores de uma caracterstica
dimensional apresentados anteriormente representam
uma amostra de um processo industrial.
O uso de mtodos estatsticos permite que se analise
essa amostra e se tire algumas concluses sobre o
processo de manufatura.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

3 PPGEP/UFRGS
PPGEP
Uma distribuio de probabilidade um modelo
matemtico que relaciona um certo valor da varivel
em estudo com a sua probabilidade de ocorrncia.
H dois tipos de distribuio de probabilidade:
1. Distribuies Contnuas: Quando a varivel que
est sendo medida expressa em uma escala
contnua, como no caso de uma caracterstica
dimensional.
2. Distribuies Discretas: Quando a varivel que est
sendo medida s pode assumir certos valores, como
por exemplo os valores inteiros: 0, 1, 2, etc.
Introduo Introduo
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

4 PPGEP/UFRGS
PPGEP
No caso de distribuies discretas, a probabilidade de
que a varivel X assuma um valor especfico x
o

dada por: P(X = x
o
) = P( x
o
)
No caso de variveis contnuas, as probabilidades so
especificadas em termos de intervalos, pois a
probabilidade associada a um nmero especfico
zero.
( )

=
b
a
dx x f b X a P ) (
Introduo Introduo
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

5 PPGEP/UFRGS
PPGEP
5.1. Distribuies Discretas Mais 5.1. Distribuies Discretas Mais
Importantes Importantes
5.1.1. Distribuio Binomial
5.1.2. Distribuio Poisson
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

6 PPGEP/UFRGS
PPGEP
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
A distribuio binomial adequada para descrever
situaes em que os resultados de uma varivel
aleatria podem ser agrupados em apenas duas
classes ou categorias.
As categorias devem ser mutuamente excludentes, de
forma que no haja dvidas na classificao do
resultado da varivel nas categorias e coletivamente
exaustivas, de forma que no seja possvel nenhum
outro resultado diferente das categorias.
Por exemplo, um produto manufaturado pode ser
classificado como perfeito ou defeituoso, a resposta
de um questionrio pode ser verdadeira ou falsa, as
chamadas telefnicas podem ser locais ou
interurbanas.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

7 PPGEP/UFRGS
PPGEP
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
Mesmo variveis contnuas podem ser divididas em
duas categorias, como por exemplo, a velocidade de
um automvel pode ser classificada como dentro ou
fora do limite legal.
Geralmente, denomina-se as duas categorias como
sucesso ou falha. Como as duas categorias so
mutuamente excludentes e coletivamente exaustivas:
Consequentemente, sabendo-se que, por exemplo, a
probabilidade de sucesso P(sucesso) = 0,6, a
probabilidade de falha P(falha) = 1-0,6 = 0,4.
1 ) ( ) ( = + falha P sucesso P
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

8 PPGEP/UFRGS
PPGEP
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
Condies de aplicao:
so feitas so feitas n repeties do experimento, onde n repeties do experimento, onde n
uma constante; uma constante;
h apenas dois resultados possveis em cada h apenas dois resultados possveis em cada
repetio, denominados sucesso e falha repetio, denominados sucesso e falha
a probabilidade de sucesso a probabilidade de sucesso (p) e de falha e de falha (1- p)
permanecem constante em todas as repeties; permanecem constante em todas as repeties;
as repeties so independentes, ou seja, o as repeties so independentes, ou seja, o
resultado de uma repetio no influenciado resultado de uma repetio no influenciado
por outros resultados. por outros resultados.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

9 PPGEP/UFRGS
PPGEP
Seja um processo composto de uma seqncia de n
observaes independentes com probabilidade de
sucesso constante igual a p, a distribuio do
nmero de sucessos seguir o modelo Binomial:
x = 0,1,....,n
onde representa o nmero de combinaes de n
objetos tomados x de cada vez, calculado como:
( )
P x p p
x
n x n x
( ) ( ) =

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

=
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

10 PPGEP/UFRGS
PPGEP
Os parmetros da distribuio Binomial so n e p.
A mdia e a varincia so calculadas como:
= np

2
= np(1 - p)
A distribuio Binomial usada com freqncia no
controle de qualidade quando a amostragem feita
sobre uma populao infinita ou muito grande.
Nas aplicaes de controle da qualidade, x em geral
representa o nmero de defeituosos observados em
uma amostra de n itens.
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

11 PPGEP/UFRGS
PPGEP
( ) 15
)! 1 15 ( ! 1
! 15
1
1
=

=
5

( ) 34 0 23 0 10 0 15 10 0 1 10 0 1
1 15 1 15
1
, , x , ) , ( x , x ) P(

= = =

Por exemplo, se p = 0,10 e n = 15, a probabilidade de
obter x itens no conformes calculada usando a
equao da Binomial. Por exemplo, para x=1
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

12 PPGEP/UFRGS
PPGEP
Outra estatstica de interesse para o controle de
qualidade a frao de defeituosos de uma amostra:
n
p p
p
) 1 (
2


=
$ p
x
n
=
5.1.1. Distribuio Binomial 5.1.1. Distribuio Binomial
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

13 PPGEP/UFRGS
PPGEP
5.1.2. Distribuio de 5.1.2. Distribuio de Poisson Poisson
A distribuio de Poisson adequada para descrever
situaes onde existe uma probabilidade de
ocorrncia em um campo ou intervalo contnuo,
geralmente tempo ou rea.
Por exemplo, o n
o
de acidentes por ms, n
o
de
defeitos por metro quadrado, n
o
de clientes atendidos
por hora.
Nota-se que a varivel aleatria discreta (nmero de
ocorrncia), no entanto a unidade de medida
contnua (tempo, rea).
Alm disso, as falhas no so contveis, pois no
possvel contar o nmero de acidentes que no
ocorreram, nem tampouco o nmero de defeitos que
no ocorreram.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

14 PPGEP/UFRGS
PPGEP
5.1.2. Distribuio de 5.1.2. Distribuio de Poisson Poisson
Condies de aplicao:
o nmero de ocorrncias durante qualquer o nmero de ocorrncias durante qualquer
intervalo depende somente da extenso do intervalo depende somente da extenso do
intervalo; intervalo;
as ocorrncias ocorrem independentemente, ou as ocorrncias ocorrem independentemente, ou
seja, um excesso ou falta de ocorrncias em seja, um excesso ou falta de ocorrncias em
algum intervalo no exerce efeito sobre o algum intervalo no exerce efeito sobre o
nmero de ocorrncias em outro intervalo; nmero de ocorrncias em outro intervalo;
a possibilidade de duas ou mais ocorrncias a possibilidade de duas ou mais ocorrncias
acontecerem em um pequeno intervalo muito acontecerem em um pequeno intervalo muito
pequena quando comparada de uma nica pequena quando comparada de uma nica
ocorrncia. ocorrncia.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

15 PPGEP/UFRGS
PPGEP
5.1.2. Distribuio de Poisson 5.1.2. Distribuio de Poisson
A distribuio de Poissson fica completamente
caracterizada por um nico parmetro que
representa a taxa mdia de ocorrncia por unidade de
medida.
A equao para calcular a probabilidade de x
ocorrncias dada por:
x = 0, 1, ...
A mdia e a varincia da distribuio de Poisson so:
=
=
!
) (
x
e
x P
x


=
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

16 PPGEP/UFRGS
PPGEP
A aplicao tpica da distribuio de Poisson no
controle da qualidade como um modelo para o
nmero de defeitos (no-conformidades) que ocorre
por unidade de produto (por m
2
, por volume ou por
tempo, etc.).
A distribuio de Poisson uma forma limite da
distribuio Binomial, quando n e p 0, mas
mantendo o quociente np = .
5.1.2. Distribuio de Poisson 5.1.2. Distribuio de Poisson
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

17 PPGEP/UFRGS
PPGEP
O nmero de defeitos de pintura segue uma
distribuio de Poisson com = 2.
Ento, a probabilidade que uma pea apresente mais
de 4 defeitos de pintura vir dada por:
5.1.2. Distribuio de Poisson 5.1.2. Distribuio de Poisson
{ } % 5 , 5 055 , 0 945 , 0 1
! 4
2
1 4 1
4
0
4 2
= = = =

=

x
e
X P
x P(x)
0 0,135
1 0,270
2 0,270
3 0,180
4 0,090
5 0,036
6 0,012
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

18 PPGEP/UFRGS
PPGEP 5.2. Distribuies contnuas mais 5.2. Distribuies contnuas mais
Importantes Importantes
5.2.1. Distribuio Exponencial
5.2.2. Distribuio Weibull
5.2.3. Distribuio Normal
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

19 PPGEP/UFRGS
PPGEP
5.2.1. Distribuio Exponencial 5.2.1. Distribuio Exponencial
Na distribuio de Poisson, a varivel aleatria
definida como o nmero de ocorrncias em
determinado perodo, sendo a mdia das ocorrncias
no perodo definida como .
Na distribuio Exponencial a varivel aleatria
definida como o tempo entre duas ocorrncias, sendo
a mdia de tempo entre ocorrncias de 1/.
Por exemplo, se a mdia de atendimentos no caixa
bancrio de = 6/min, ento o tempo mdio entre
atendimentos 1/ = 1/6 de minuto ou 10 segundos.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

20 PPGEP/UFRGS
PPGEP
5.2.1. Distribuio Exponencial 5.2.1. Distribuio Exponencial
Condio de aplicao:
a) o nmero de ocorrncias deve seguir uma
distribuio de Poisson.
Se ns considerarmos a distribuio de Poisson
como o modelo para o nmero de ocorrncias de um
evento no intervalo de [0,t] teremos:
E nesse caso pode ser demonstrado que a
distribuio dos intervalos entre ocorrncias ir
seguir o modelo Exponencial com parmetro .
!
) (
) (
x
t e
x P
x t


=
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

21 PPGEP/UFRGS
PPGEP
5.2.1. Distribuio Exponencial 5.2.1. Distribuio Exponencial
O modelo da distribuio Exponencial o seguinte:
onde > 0 uma constante.
A mdia e o desvio padro da distribuio exponencial
so calculados usando:
0 ; ) ( =

t e t f
t

1
=

1
=
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

22 PPGEP/UFRGS
PPGEP
A distribuio Exponencial acumulada vem dada por:
A distribuio Exponencial largamente utilizada no
campo da confiabilidade, como um modelo para a
distribuio dos tempos at a falha de componentes
eletrnicos.
Nessas aplicaes o parmetro representa a taxa
de falha para o componente, e 1/ o tempo mdio
at a falha.
0 1 } { ) (
0
= = =


t e dx e t T P t F
t
t
t

5.2.1. Distribuio Exponencial 5.2.1. Distribuio Exponencial


D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

23 PPGEP/UFRGS
PPGEP
5.2.1. Distribuio Exponencial 5.2.1. Distribuio Exponencial
Por exemplo, suponha que uma mquina falhe em
mdia uma vez a cada dois anos =1/2=0,5. Calcule a
probabilidade da mquina falhar durante o prximo
ano.
A probabilidade de falhar no prximo ano de 0,393 e
de no falhar no prximo ano de 1-0,393=0,607.
Ou seja, se forem vendidos 100 mquinas 39,3% iro
falhar no perodo de um ano.
Conhecendo-se os tempos at a falha de um produto
possvel definir os perodos de garantia.
0,393 0,607 - 1 e T P t F
x
= = = =
1 5 , 0
1 } 1 { ) (
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

24 PPGEP/UFRGS
PPGEP
5.2.2. Distribuio de Weibull 5.2.2. Distribuio de Weibull
O modelo da distribuio de Weibull :
onde:
: parmetro de forma : parmetro de forma
: parmetro de escala : parmetro de escala
L L: parmetro de localizao : parmetro de localizao
(
(

|
.
|

\
|

|
.
|

\
|

=

L x
e
L x
x f
1
) (
(
(

|
.
|

\
|

=

L x
e 1 ) x ( F
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

25 PPGEP/UFRGS
PPGEP
A mdia e a varincia da distribuio de Weibull:
A distribuio de Weibull muito flexvel e pode
assumir uma variedade de formas.
Ela tem sido usada extensivamente para modelar
tempos de processo ou tempos at a falha de
componentes eltricos, componentes mecnicos,
elementos estruturais e sistemas complexos.
|
.
|

\
|

+ + =
1
1 L
(
(

|
.
|

\
|

+ |
.
|

\
|

+ =
2
2 2
1
1
2
1
5.2.2. Distribuio de Weibull 5.2.2. Distribuio de Weibull
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

26 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
A distribuio Normal a mais importante das
distribuies estatsticas, tanto na teoria como na
prtica:
Representa a distribuio de freqncia de muitos Representa a distribuio de freqncia de muitos
fenmenos naturais; fenmenos naturais;
Serve como aproximao da distribuio Binomial, Serve como aproximao da distribuio Binomial,
quando quando n n grande; grande;
As mdias e as propores de grandes amostras As mdias e as propores de grandes amostras
segue a distribuio Normal (Teorema do Limite segue a distribuio Normal (Teorema do Limite
Central). Central).
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

27 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
A distribuio Normal em forma de sino, unimodal,
simtrica em relao sua mdia e tende cada vez
mais ao eixo horizontal medida que se afasta da
mdia.
Ou seja, teoricamente os valores da varivel aleatria
podem variar de - a .
A rea abaixo da curva Normal representa 100% de
probabilidade associada a uma varivel.
A probabilidade de uma varivel aleatria tomar um
valor entre dois pontos quaisquer igual rea
compreendida entre esses dois pontos.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

28 PPGEP/UFRGS
PPGEP
A rea total abaixo da curva considerada como 100%.
Isto , a rea total abaixo da curva 1.
rea=1
rea=0,5 rea=0,5
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

29 PPGEP/UFRGS
PPGEP Percentuais da
distribuio
Normal:
99,73%
95,44%
68,26%

27.6 27.8 28 28.2 28.4 28.6 28.8 29 29.2
-1 +1
-2 +2
-3 +3
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

30 PPGEP/UFRGS
PPGEP
A distribuio Normal fica completamente
caracterizada por dois parmetros: a mdia e o desvio-
padro.
Ou seja, diferentes mdias e desvio-padres originam
curvas normais distintas, como se pode visualizar nos
exemplos contidos na tabela abaixo onde h amostras
provenientes de distribuies com mdia e desvios-
padres distintos.
Amostras Dados Localizao ( x ) Variabilidade (R)
A 10 12 14 16 18 14 x =
8 R =
B 22 24 26 28 30 26 x =
8 R =
C 6 10 14 18 22 14 x =
16 R =
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

31 PPGEP/UFRGS
PPGEP
a) da distribuio A para B muda a tendncia
central, mas a variabilidade constante;
b) da distribuio A para C muda a variabilidade,
mas a tendncia central constante;
c) da distribuio B para C muda a tendncia central
e a variabilidade.
A
C
B
x
f(x)
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

32 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Uma conseqncia importante do fato de uma
distribuio Normal ser completamente caracterizada
por sua mdia e desvio-padro que a rea sob a
curva entre um ponto qualquer e a mdia funo
somente do nmero de desvios-padres que o ponto
est distante da mdia.
Como existem uma infinidade de distribuies
normais (uma para cada mdia e desvio-padro),
transformamos a unidade estudada seja ela qual for
(peso, espessura, tempo, etc.) na unidade Z, que
indica o nmero de desvios-padro a contar da mdia.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

33 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Dessa forma, o clculo de probabilidades (rea sob a
curva) pode ser realizado atravs de uma distribuio
Normal padronizada, onde o parmetro a varivel
reduzida Z.
A distribuio Normal pode ser representada por uma
equao matemtica dada por:
2
2
1
2
1
) (
|
.
|

\
|

x
e x f
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

34 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
A distribuio Normal acumulada obtida calculando
a probabilidade de X ser menor que um dado valor
x:
Essa integral no pode ser resolvida em forma
fechada, mas a soluo est apresentada em tabelas
da distribuio Normal padronizada onde se entra
com a varivel reduzida Z (nmero de desvios-
padres distantes da mdia) e encontra-se F(Z) ou
vice-versa.
{ } Tabelado ) ( =
)
`


= Z F
x
Z P x X P


= =
x
dx x f x F x X P ) ( ) ( ) (
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

35 PPGEP/UFRGS
PPGEP
Para sabermos o valor da probabilidade, utilizamos a
tabela da distribuio Normal. Essa tabela nos
fornece a rea acumulada at o valor de Z
rea=0,84
1,0
0,84
0,0
Z=1 Z=1
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

36 PPGEP/UFRGS
PPGEP
As reas correspondentes as probabilidades da distribuio
normal padro esto tabeladas.
1.0
1.1
1.2
1.3
1.4
0.8413
0.8643
0.8849
0.9032
0.9192
0.8438
0.8665
0.8869
0.9049
0.9207
0.8461
0.8686
0.8888
0.9066
0.9222
0.8485
0.8708
0.8907
0.9082
0.9236
0.8508
0.8729
0.8925
0.9099
0.9251
0.8531
0.8749
0.8944
0.9115
0.9265
0.8554
0.8962
0.9131
0.9278
0.8770
0.8577
0.8790
0.8980
0.9147
0.9292
0.8599
0.8810
0.8997
0.9162
0.9306
0.8621
0.8830
0.9015
0.9177
0.9319
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
Probabilidade de ocorrncia de valores abaixo de Z
Z
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

37 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
O clculo da varivel reduzida Z faz uma
transformao dos valores reais em valores
codificados.
Essa transformao feita descontando-se a mdia
para eliminar o efeito de localizao (tendncia
central) e dividindo-se pelo desvio-padro para
eliminar o efeito de escala (variabilidade).
Uma vez calculada a varivel reduzida Z, consulta-se a
tabela Normal padronizada para identificar a
probabilidade acumulada esquerda de Z,
ou seja, a probabilidade de ocorrerem valores
menores ou iguais a um certo valor de Z consultado.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

38 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Exemplo 1: A resistncia trao do papel usado em
sacolas de super-mercado uma caracterstica de
qualidade importante.
Sabe-se que essa resistncia segue um modelo
Normal com mdia 40 psi e desvio padro 2 psi.
Se a especificao estabelece que a resistncia deve
ser maior que 35 psi, qual a probabilidade que uma
sacola produzida com este material satisfaa a
especificao?
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

39 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Distribuio para X (valores reais) Distribuio para Z (valores codificados)
{ } { } 35 1 35 = X P X P
{ } { } 5 , 2
2
40 35
35 =
)
`


= Z P Z P X P
Tabela: F(-2,5) = 0,0062
Assim a resposta 1 - 0,0062 = 99,38%
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

40 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Exemplo 2: O dimetro do eixo principal de um disco
rgido segue a distribuio Normal com mdia 25,08 in
e desvio padro 0,05 in.
Se as especificaes para esse eixo so 25,00 0,15
in, determine o percentual de unidades produzidas em
conformidades com as especificaes.
{ } { } { } 85 , 24 15 , 25 15 , 25 85 , 24 = x P x P x P
)
`



)
`


=
05 , 0
08 , 25 85 , 24
05 , 0
08 , 25 15 , 25
Z P Z P
{ } { } 9192 , 0 0000 , 0 9192 , 0 60 , 4 40 , 1 = = = Z P Z P
ou seja, 91,92% dentro das especificaes e 8,08% fora das especificaes.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

41 PPGEP/UFRGS
PPGEP
ou seja, 91,92% dentro das especificaes(rea cinza) e
8,08% fora das especificaes.
LEI LES x
=0,05
24,85 25,08 25,15
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

42 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Exemplo 3: No exemplo anterior tem-se cerca de 8%
de unidades no-conformes, e essas unidades so
invariavelmente do tipo eixo muito largo.
Recalcule o percentual de unidades conformes se o
processo estivesse centrado em 25,00.
)
`



)
`

05 , 0
00 , 25 85 , 24
05 , 0
00 , 25 15 , 25
Z P Z P
{ } { } 9973 , 0 00135 , 0 9987 , 0 0 , 3 0 , 3 = = Z P Z P
ou seja, 99,73% dentro das especificaes e 0,27% fora das especificaes.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

43 PPGEP/UFRGS
PPGEP
5.2.3. Distribuies Normal 5.2.3. Distribuies Normal
Exemplo 4: Suponha que Encontre um
valor limite x, tal que P{ X > x} = 0,05.
). 9 ; 85 ( N X
05 , 0
9
85
1 } { 1 } { =
)
`


= = >
x
Z P x X P x X P
95 , 0
9
85
=
)
`

x
Z P Tabela Z=1,645
Assim, 805 , 99 x ;
9
85
645 , 1 =

=
x
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

44 PPGEP/UFRGS
PPGEP
5.2.3.1. Propriedades da Distribuio 5.2.3.1. Propriedades da Distribuio
Normal Normal
A distribuio Normal tem muitas propriedades
teis.
Uma dessas propriedades que qualquer
combinao linear de variveis normalmente
distribudas tambm seguir o modelo Normal, ou
seja:
Se X
1
, X
2
,........., X
n
tm distribuio normal e so
independentes,
A varivel Y que uma combinao linear de X:
Y = a
1
X
1
+ a
2
X
2
+.....+ a
k
X
k
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

45 PPGEP/UFRGS
PPGEP
Tambm seguir o modelo normal, com mdia
e varincia
onde a
1
,......, a
n
so constantes.
n n
a a + + =

.......
1 1
2 2 2
1
2
1
2
........
n n Y
a a + + =
5.2.3.1. Propriedades da Distribuio 5.2.3.1. Propriedades da Distribuio
Normal Normal
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

46 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
O Teorema do Limite Central indica que a soma (e por
conseguinte a mdia) de n variveis independentes
seguir o modelo Normal, independentemente da
distribuio das variveis individuais.
A aproximao melhora na medida em que n aumenta.
Se as distribuies individuais no so muito diferentes
da Normal, basta n = 4 ou 5 para se obter uma boa
aproximao.
Se as distribuies individuais forem radicalmente
diferentes da Normal, ento ser necessrio n = 20 ou
mais.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

47 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
Na figura abaixo pode ser visto um desenho
esquemtico do teorema do limite central.
n
n
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

48 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
Os limites da distribuio dos valores individuais so
chamados de limites naturais e os limites da
distribuio de probabilidade das mdias so
chamados de limites de controle.
LCI LCS LNI LNS = x
x

f(x)
x
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

49 PPGEP/UFRGS
PPGEP
Exemplo 5: A distribuio de probabilidade da
varivel resultante do lanamento de um dado segue a
distribuio uniforme, ou seja, qualquer valor
(1,2,3,4,5,6) tem a mesma probabilidade (1/6) de
ocorrer.
No entanto, se ao invs de lanar um dado, sejam
lanados dois dados e calculada a mdia, a mdia dos
dois dados seguir uma distribuio
aproximadamente Normal.
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

50 PPGEP/UFRGS
PPGEP
1
0
dado 2
0
dado Soma Mdia 1
0
dado 2
0
dado Soma Mdia
1 1 2 1,0 5 2 7 3,5
1 2 3 1,5 3 4 7 3,5
2 1 3 1,5 4 3 7 3,5
1 3 4 2,0 2 6 8 4,0
3 1 4 2,0 6 2 8 4,0
2 2 4 2,0 3 5 8 4,0
1 4 5 2,5 5 3 8 4,0
4 1 5 2,5 4 4 8 4,0
3 2 5 2,5 3 6 9 4,5
2 3 5 2,5 6 3 9 4,5
1 5 6 3,0 4 5 9 4,5
5 1 6 3,0 5 4 9 4,5
2 4 6 3,0 4 6 10 5,0
4 2 6 3,0 6 4 10 5,0
3 3 6 3,0 5 5 10 5,0
1 6 7 3,5 5 6 11 5,5
6 1 7 3,5 6 5 11 5,5
2 5 7 3,5 6 6 12 6,0
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

51 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
Tabela de freqncia da mdia dos dois dados
Mdia de
dois dados
Freqncia
1,0 1
1,5 2
2,0 3
2,5 4
3,0 5
3,5 6
4,0 5
4,5 4
5,0 3
5,5 2
6,0 1
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

52 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
1,0 1,0 1,5 1,5 3,5 3,5 2,5 2,5 2,0 2,0 3,0 3,0 6,0 6,0 4,0 4,0 4,5 4,5 5,0 5,0 5,5 5,5
1/36 1/36
2/36 2/36
3/36 3/36
x x
f(x) f(x)
4/36 4/36
5/36 5/36
6/36 6/36
Histograma da mdia dos dois dados
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

53 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
Conforme pode ser visto no histograma anterior, o
histograma da mdia dos dois dados resulta
aproximadamente Normal. Alm disso, observa-se
que a aproximao da distribuio Normal melhora na
medida que se fizesse a mdia do lanamento de mais
dados.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

54 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
O teorema do limite central bsico para a maioria das
aplicaes do controle estatstico da qualidade.
O CEP trabalha com a mdia das amostras, pois
independente da distribuio dos valores individuais, a
mdia desses valores ir seguir aproximadamente a
distribuio Normal.
A partir do teorema do limite central, sabe-se que a
distribuio amostral das mdias apresenta os seguintes
parmetros:
= x
n

=
x
Populao Amostra
Mdia x
Desvio-padro S
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

55 PPGEP/UFRGS
PPGEP
25 35 24 43 35 22 49 56
34 26 35 52 40 35 35 25
61 42 58 56 45 40 38 45
33 53 22 35 23 25 36 39
Exemplo 1 Exemplo 1
Um pesquisador deseja saber mdia da idade dos alunos
de ps-graduao. Supondo que a populao dos alunos
seja:
19 , 38
32
39 ... 25
=
+ +
=

=
N
x
i

( ) ( )
11 , 11
32
19 , 38 39 ... 19 , 38 25 ) (
2 2 2
=
+ +
=

=
N
x
i

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

56 PPGEP/UFRGS
PPGEP
Supondo que no fosse possvel analisar a populao
inteira, e os dados fossem coletados por amostras de
tamanho n=4
, , x 19 38 18 38 = =
55 , 5
4
11 , 11
75 , 4 = = = =
n
x x


1 2 3 4 5 6 7 8
25 35 24 43 35 22 49 56
34 26 35 52 40 35 35 25
61 42 58 56 45 40 38 45
33 53 22 35 23 25 36 39
Mdia (x) 38,25 39 34,75 46,5 35,75 30,5 39,5 41,25
Desvio (S) 15,69 11,40 16,52 9,40 9,43 8,43 6,45 12,92
18 38
8
25 41 25 38
,
, ... ,
k
x
x
i
=
+ +
= =

( ) ( )
75 , 4
1 8
18 , 38 25 , 41 ... 18 , 38 25 , 38
1

2 2
2
=

+ +
=
=

|
.
|

\
|

=

k
x x
i
x

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

57 PPGEP/UFRGS
PPGEP
Supondo que no fosse possvel analisar a populao
inteira, e os dados fossem coletados por amostras de
tamanho n=8
18 , 38
4
37 , 40 ... 62 , 38
=
+ +
= =

k
x
x
i
( ) ( ) ( )
49 , 3
1 4
18 , 38 37 , 40 ... 18 , 38 62 , 38
1

2 2
2
=

+ +
=

=

k
x x
i
x

38,19 18 , 38 = = x
= 49 , 3
x

93 , 3
8
11 , 11
= = =
n
x

1 2 3 4
25 24 35 49
34 35 40 35
61 58 45 38
33 22 23 36
35 43 22 56
26 52 35 25
42 56 40 45
53 35 25 39
Mdia ( x ) 38,62 40,62 33,12 40,37
Desvio (S) 12,71 13,94 8,74 9,50
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

58 PPGEP/UFRGS
PPGEP
5.2.3.2. Teorema do Limite Central 5.2.3.2. Teorema do Limite Central
A mdia das mdias amostrais igual a mdia dos
valores individuais e o desvio-padro das mdias
menor do que o desvio-padro dos valores individuais
na razo de .
LCI LCS LNI LNS = x
x

f(x)
x
n / 1
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

59 PPGEP/UFRGS
PPGEP
Exerccios Exerccios
5.1 Suponha que dois dados sejam lanados e seja X a
soma dos valores obtidos. Descreva o espao amostral
deste experimento e determine a distribuio de
probabilidade de X.
5.2 Um processo industrial opera com mdia de 1% de
defeituosos. Baseado em amostras de 100 unidades,
calcule as probabilidades de uma amostra apresentar
0, 1, 2, 3 e 4 defeituosos. Plote a distribuio de
probabilidade correspondente.
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

60 PPGEP/UFRGS
PPGEP
5.3 Imagine que para o processo anterior, fossem
coletadas amostras de 50 unidades e o critrio para
parar o processo e procurar causas especiais fosse
X=1 ou mais. Calcule a percentagem de vezes que o
processo seria interrompido logo aps a amostragem.
5.4 Em uma indstria automotiva, defeitos superficiais
de pintura ocorrem a uma taxa de 0,15 defeitos /
unidade. Encontre a probabilidade de que uma
unidade escolhida ao acaso apresente 1 ou mais
defeitos superficiais.
Exerccios Exerccios
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

61 PPGEP/UFRGS
PPGEP
5.5 O setor financeiro de uma loja de departamentos
est tentando controlar o nmero de erros cometido
na emisso das notas fiscais. Suponha que esses
erros sigam o modelo de Poisson com mdia
= 0,03. Qual a probabilidade de uma nota
selecionada ao acaso conter 1 ou mais erros?
5.6 A resistncia trao de isoladores cermicos
apresenta distribuio Normal com mdia 95 Kg e
desvio padro 4 Kg. Se so produzidas 10.000
unidades desses isoladores, quantos apresentaro
resistncia inferior a 85 Kg? E quantos apresentaro
resistncia superior a 90 Kg?
Exerccios Exerccios
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

62 PPGEP/UFRGS
PPGEP
5.7 A sada de uma bateria segue o modelo Normal
com mdia 12,15 V e desvio padro 0,2 V. Encontre o
percentual que ir falhar em atender s especificaes
12 V 0,5 V.
5.8 Se X representa medies feitas em um processo
que segue o modelo Normal com mdia 100 e desvio
padro 10, que comportamento ir seguir a mdia de
amostras de 4 unidades retiradas desse processo? E
qual ser o comportamento da mdia de 9 unidades
retiradas desse processo?
Exerccios Exerccios
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

63 PPGEP/UFRGS
PPGEP
5.9. Os tempos at a falha de um dispositivo
eletrnico seguem o modelo Exponencial, com uma
taxa de falha = 0,012 falhas/hora. Plote a distribuio
de probabilidade correspondente. Depois indique:
qual a probabilidade de um dispositivo escolhido ao
acaso sobreviver a 50 horas? E a 100 horas?
5.10 O tempo at a venda de um certo modelo de
eletrodomstico, que regularmente abastecido em
um supermercado, segue uma distribuio
Exponencial, com parmetro = 0,4 aparelhos/dia.
Indique a probabilidade de um aparelho indicado ao
acaso ser vendido logo no primeiro dia.
Exerccios Exerccios
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

64 PPGEP/UFRGS
PPGEP
5.11. Num lote que tem 2% de defeituosos, foram
retiradas 40 peas, que ser rejeitado se forem
encontradas duas ou mais peas defeituosas. Qual a
probabilidade de rejeitar o lote?
5.12. Os registros de uma pequena companhia indicam
que 40% das faturas por ela emitidas so pagas aps o
vencimento. De 14 faturas expedidas, determine a
probabilidade de:
a)nenhuma ser paga com atraso.
b)no mximo 2 serem pagas com atraso.
c)pelo menos 3 serem pagas com atraso.
d)uma ser paga em dia.
Exerccios Exerccios
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

65 PPGEP/UFRGS
PPGEP
Exerccios Exerccios
5.13. Uma amostra de 3 m de cabo foi retirada de uma
bobina. O cabo tem em mdia uma falha por m. Qual a
probabilidade de no encontrar falha na amostra?
5.14. O tempo necessrio, em uma oficina, para o
conserto de transmisso para certo carro
normalmente distribudo com mdia 45 min e desvio
padro 8 min. O mecnico planeja comear o conserto
do carro 10 min aps o cliente deix-lo na oficina,
comunicando que o carro estar pronto em 1 h. Qual a
probabilidade de que o cliente tenha que esperar caso
o mecnico esteja enganado e o cliente fique
esperando?
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

66 PPGEP/UFRGS
PPGEP
Exerccios Exerccios
5.15 Uma fbrica de pneus fez um teste para medir o
desgaste de seis pneus e verificou que ele seguia o
comportamento de uma curva normal com mdia
48.000 km e desvio padro de 2.000 km. Calcule a
probabilidade de um pneu escolhido ao acaso:
a) dure mais que 47.000 km?
b) dure entre 45.000 e 51.000 km?
c) at que quilometragem duram 90% dos pneus?
D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

D
i
s
t
r
i
b
u
i

e
s

d
e

P
r
o
b
a
b
i
l
i
d
a
d
e

67 PPGEP/UFRGS
PPGEP
Exerccios Exerccios
5.16) O consumo de gasolina por Km rodado para certo
tipo de carro, tem distribuio normal com mdia de 100
ml com desvio padro de 5 ml.
a) calcular a probabilidade de um carro consumir entre 92 e
106 ml.
b) sabe-se que 73,24% dos carros consumem menos que
certa quantidade de gasolina qual essa quantidade?
c) num grupo de 5 carros qual a probabilidade de dois
consumirem mais que 107 ml?
5.17.) Em uma indstria trabalham 1260 pessoas, cujos
salrios tem mdia $34.600 e desvio padro $ 8.500.
Calcule a probabilidade de ser inferior a $34.100 o valor da
mdia de uma amostra aleatria constituda por 300
pessoas e 100 pessoas