3.

PROBABILIDADES
1. PROBABILIDADES:
a. Reviso dos modelos probabilsticos.
b. Distribuies discretas de probabilidades.
c. Distribuies contnuas de probabilidades.

3.1 Comeando
Popularmente, a palavra estatstica tem o significado singelo de coleo de dados
numricos sobre determinado assunto. comum ouvirmos falar de estatsticas da
inflao e estatsticas do campeonato de futebol, entre diversas outras. No entanto, a
Estatstica no simplesmente uma tcnica de coleta e de apresentao de dados,
mas uma cincia com a qual se procura tirar concluses a partir de dados numricos
originados de observaes. Verificamos que o objetivo da Estatstica fazer
inferncias a respeito de determinada populao, a partir de uma amostra dessa
populao, como um instrumento auxiliar na tomada de deciso em condies de
incerteza.
Neste captulo, veremos que o objetivo tambm antever o desconhecido, quantificando-o
adicionalmente a determinar o erro em uma estimao (de algo tambm desconhecido, de uma
populao). Em resumo, uma preocupao em prever os fatos a partir de informaes
existentes.
Falar depois do jogo, comentar o fim da temporada so coisas fceis. Dar a cara
para bater com palpites que so elas. Muitos preferem no se arriscar em tal
empreitada, mas o bom cronista esportivo tem obrigao de ser uma espcie
de vidente. Ou economista. Ele tem que tentar prever os fatos.
A teoria do Clculo das Probabilidades comeou com uma correspondncia entre dois
matemticos franceses, Blaise Pascal (16231662) e Pierre Fermat (16011665), em 1654, a
respeito de dois problemas formulados por um jogador compulsivo, Chevalier de Mr. A partir
daquele momento, realizam-se estudos de modelos matemticos com exemplos essencialmente de jogos de azar (afinal, era a motivao naquela poca). Infelizmente, tal enfoque
propagou-se at os dias de hoje, levando a que a maioria dos livros de probabilidade traga uma
srie de exemplos referentes a jogos de azar, a retiradas de bolas de urnas, a jogadas para o
ar de moedas (chamadas honestas, como se a maioria no o fosse), no lanamento de dados
e no aparecimento de determinadas cartas de baralho, em especial ases e reis.
Adicionalmente, ao surgir o ensino da teoria dos conjuntos nas escolas brasileiras na dcada
de 1960, enfatizou-se a associao entre os conceitos de probabilidades e os de conjuntos
com o intuito de facilitar o raciocnio estatstico a partir de outros modelos aparentemente mais
estruturados e de conhecimento geral. Todavia, ambos os enfoques tiveram a sua importncia
at a dcada de 1980, e os seus seguidores estavam preocupados em proporcionar melhor
entendimento dos conceitos estatsticos tericos por meio de estruturas que, no entender
deles, facilitariam a compreenso dos modelos existentes. Nos dias de hoje, tal viso
associativa no mais vlida, sobretudo pela variedade de aplicaes (no apenas em jogos
de azar), mas pela absoluta necessidade de as pessoas entenderem como utilizar os conceitos
estatsticos na vida diria.

Pg. 3-1

Tem-se 100 bilhetes numerados de 1 a 100. Retiram-se trs ao

acaso. Determine a probabilidade de: a. os trs bilhetes terem
nmeros consecutivos; b. haver exatamente dois nmeros
consecutivos (mas no trs); c. no haver nmeros consecutivos.
Identifique quando esse problema que, com estrutura semelhante,
comumente encontrado nos livros de Estatstica da atualidade foi
formulado pela primeira vez:

E3-1
.

a. 1950
b. 1900
c. 1850
d. 1800
e. nenhuma das respostas anteriores

RESPOSTA

O estudo do relacionamento dos dados por meio de modelos probabilsticos denomina-se

Estatstica Matemtica. Sem entrar em discusses filosficas a respeito do determinismo ou
no na nossa vida, diremos que as variaes dos fenmenos devem-se a um grande nmero
de causas que no podemos controlar, s quais o estatstico denomina, simplesmente, acaso.
O segundo, [Stphane Mallarm], poeta estupendo, criou o verso que deveria ser
o lema permanente de qualquer aposta econmica: Um lance de dados
jamais abolir o acaso.
O resultado de uma experincia geralmente se d ao acaso; entretanto, se ela se repetir uma
grande quantidade de vezes, pode-se construir um modelo probabilstico e tomar decises
referentes ao processo experimental apenas pelas suas caractersticas, sem necessidade de
refazer a experincia. A prtica indica que muitas experincias so realizadas como se
ocorressem em condies estveis, e as aplicaes nos vrios ramos da cincia e da indstria
comportam-se de maneira idntica. Em tais circunstncias, usualmente possvel construir um
modelo matemtico satisfatrio e empreg-lo no estudo de propriedades e na obteno de
concluses. O modelo matemtico que um estatstico seleciona geralmente capaz de
possibilitar previses sobre a frequncia dos resultados que se espera ocorrerem quando a
experincia for repetida. Por exemplo, verificando-se a qualidade de componentes produzidos
em uma fbrica pode-se prever a percentagem de componentes no-conformes (defeituosos)
esperados no processo de fabricao.
Em virtude da natureza dos modelos e dados estatsticos, natural que a Probabilidade seja a
segunda ferramenta da teoria estatstica (a Estatstica Descritiva a primeira; ver Figura 1.2, p.
11). O estatstico v nas probabilidades o ideal da proporo de vezes que determinado
resultado ocorrer nas repeties de uma experincia, e um modelo probabilstico um
instrumento matemtico que prev a chance de um possvel resultado sem que seja necessrio
repetir a experincia. Devido ao fato de a probabilidade ser uma ferramenta importante nos
mtodos estatsticos tericos e prticos, uma introduo ao clculo de probabilidades ,
sempre, estudada antes da Inferncia Estatstica.
Usar modelos matemticos na soluo de situaes da vida real comum em vrias cincias.
Por exemplo, no estudo do movimento de um foguete uma lei simples fornece um modelo
satisfatrio, apesar da complexidade do problema. Quanto mais complexo o trabalho, mais
elaborado o modelo, e, uma vez que um modelo constitui somente uma representao da

Pg. 3-2

situao atual, as concluses obtidas dependem do grau de adequabilidade do modelo em

relao situao em estudo. Independentemente da dificuldade do problema, fundamental
conhecer o campo de aplicao para garantir que os modelos tericos sejam adequados
realidade.
Reino da fantasia. Nas estatsticas, o Brasil das novelas um pas de outro
planeta. No terreno frio das estatsticas, h um abismo entre fico e realidade
mais profundo do que a qualidade dos autores de hoje do virtuosismo da
falecida Janet Clair. No toa que os autores fogem da misria. A nica
novela que at hoje se atreveu a mostr-la com todas as tintas, Brasileiros e
brasileiras, exibida pelo SBT em 1990, foi um retumbante fracasso de
audincia.
Nos mtodos estatsticos formulam-se hipteses, conduzem-se experincias, e testa-se se
hipteses iniciais so verificadas (ou no) com base nos dados experimentais. Embora os
mtodos estatsticos sejam utilizados em todos os ramos das cincias, h diferenas entre os
problemas das cincias biolgicas e sociais que envolvem variveis indesejveis que no
podem ser controladas e os problemas das cincias fsicas, nas quais tais variveis podem
ser controladas satisfatoriamente em laboratrio.
O enfoque dado ao estudo das probabilidades depende da rea em que ele ser aplicado. O
estatstico puro prefere tratar o assunto a partir do ponto de vista axiomtico, no qual algumas
afirmaes so aceitas sem demonstrao.
Axioma na lgica aristotlica, o ponto de partida de um raciocnio, considerado como
evidente, sendo a base das demonstraes de uma teoria
Aquele que usa a estatstica aplicada prefere pensar em probabilidade como a proporo de
vezes que determinada situao ocorrer se uma experincia for repetida indefinidamente em
situaes de natureza repetitiva ou que podem ser concebidas de tal maneira. Experincias
como a contagem de peas no-conformes em uma caixa, ou a leitura diria da temperatura de
um termmetro so exemplos de experincias simples. Por outro lado, uma experincia na qual
vrias cobaias so alimentadas com diferentes tipos de alimentos s pode ser realizada uma
vez com o mesmo animal; contudo, tal experincia pode ser imaginada como a primeira de
uma srie ilimitada de experincias e, por esta razo, considerada tambm como repetitiva.
O que o passado ensina, e antevendo um pouco: as chances de os fatos ocorrerem
Todos conhecem, por intuio, o conceito de probabilidade, ou chance, de algo ocorrer. Em
geral expressas em termos de porcentagem, so comuns frases do seguinte tipo: as chances
de Covas se recuperar so de 80%. Adicionalmente, sabe-se que a chance de o impossvel
ocorrer 0% e a do certo acontecer 100%.
A chance de o equipamento falhar 40% tambm uma afirmao que quantifica o
sentimento a respeito da possibilidade de falha desse equipamento. Todas essas
possibilidades so quantificadas por meio da associao do resultado com um nmero no
intervalo fechado entre 0 e 1, onde nmeros altos indicam que o resultado mais passvel de
acontecer. O 0 (zero) indica um resultado que nunca ocorrer e o 1 (um) indica que ele, com
certeza, ocorrer.
Esses pensamentos naturais so fruto da experincia passada, da observao dos fatos da
vida, codificados e resumidos pela Estatstica Descritiva para consulta posterior.
No dia-a-dia, o termo provvel refere-se grandeza da porcentagem do que favorvel ao que
se deseja em relao a todos os resultados. Costumamos estimar as chances ou
probabilidades de chover, ou de conseguir o lugar em um teatro, ou de um time de futebol
vencer uma partida. difcil, nesses casos, obter uma medida exata da probabilidade, e

Pg. 3-3

podemos ter apenas tentativas intuitivas na obteno de resultados provveis; alm disso, s
vezes preciso levar em conta um fator que muda com o tempo, tal como melhora de
desempenho de uma equipe ou efeito de mudanas sociais.
O episdio faz lembrar a histria do suo que, apavorado com a ameaa de
guerra na Europa, resolveu se isolar de tudo e de todos. Aps dezenas de
estudos, o sujeito (...) pegou um mapa-mndi e disse: aqui, apontando para
Guadalcanal. Mudou-se para a ilha pouco antes de comear uma das mais
sangrentas batalhas da Segunda Guerra.
Para aprimorar esse conhecimento, necessita-se obter matematicamente uma medida
numrica de probabilidade.
Quando no se tem qualquer informao, podem-se enumerar os resultados possveis e
descrev-los como igualmente provveis (equiprovveis). Por exemplo, guichs encontrados
vazios em uma repartio pblica com cinco guichs pode resultar em qualquer um dos
nmeros 0, 1, 2, 3, 4 e 5. Nossos motivos para consider-los equiprovveis baseiam-se no fato
de cada guich ser (quase exatamente) simtrico e as condies de chegada a essa repartio
supostamente no favorecerem um nmero mais do que outro. Quando tais consideraes de
simetria proporcionam significado razovel para a expresso igualmente provveis, podemos
dizer que sempre que uma experincia consiste em n resultados possveis e igualmente
provveis, a probabilidade de cada resultado 1/n; no entanto, embora til, essa informao
circular (define com a definio).
Se um conjunto de n ocorrncias equiprovveis inclui m maneiras equiprovveis nas quais uma
situao particular pode ocorrer, a probabilidade dessa situao m/n.
Assim, quando forem enumerados todos os resultados possveis com a hiptese de suposta
igualdade, a probabilidade de determinada situao a razo do nmero de ocorrncias favorveis situao para o nmero total de resultados. A probabilidade assim definida
chamada probabilidade a priori. Nesse exemplo, a probabilidade de encontrar um guich vazio
1/6.
Preos equilibrados. Foram formados 11 preos, alguns numerosos e
equilibrados... Esse detalhe certamente vai dificultar os apostadores da
Quinexata, que precisam acertar as cinco duplas exatas das cinco ltimas
provas.
A probabilidade tambm pode ser expressa em forma de relao de ocorrncias favorveis
para as desfavorveis a uma situao (ou vice-versa). Assim, podemos dizer que uma relao
a favor de uma situao 2 para 7, significando que a probabilidade de sua ocorrncia 2/9.
Essas consideraes resultam no denominado conceito clssico de probabilidade, o resultado
da diviso entre o nmero de casos favorveis e o nmero de casos possveis:
nmero de casos favorveis
Pr * ( A ) =
nmero de casos possveis
Essa foi a primeira definio do conceito de probabilidade, conhecida como lei de Laplace.
Os fenmenos estudados pela Estatstica so aqueles cujo resultado, mesmo em condies
uniformes de experimentao, variam de uma observao para outra. O resultado de uma
observao futura no pode, portanto, ser previsto exatamente. Entretanto, a prtica mostra
que os resultados de uma sequncia razoavelmente longa de repeties do mesmo fenmeno
apresentam uma regularidade no sentido de que a frequncia relativa com que determinado
resultado aparece na sequncia tende a se manter constante. Os fenmenos que apresentam
essa regularidade estatstica denominam-se fenmenos aleatrios.

Pg. 3-4

Desse modo, pode-se definir a probabilidade de uma situao como sendo a frequncia
relativa dessa situao em n observaes, ou seja, o nmero de ocorrncias da situao
dividido pelo nmero de observaes tendendo para infinito. medida que o nmero de
repeties aumenta, h uma estabilizao na frequncia relativa, o que conhecido como
regularidade estatstica. O erro relativo da estimativa dessa probabilidade vai-se tornando cada
vez menor medida que o nmero de repeties do experimento aumenta. Esse conceito de
probabilidade denomina-se frequencial.
Nas partidas em que venceu, o Flamengo usou uniforme branco. E no contou
com o presidente (...) no Maracanzinho. Nas duas derrotas, o time usou
uniforme rubro-negro. E tinha (...) como torcedor no ginsio. Como ser na
quarta-feira?8
Quando se realiza uma experincia, um resultado observado definido, determinado, no
podendo acontecer um nmero fracionrio de vezes. Voltando a observar uma repartio com
cinco guichs, dizemos que a probabilidade de cada um dos resultados possveis (achar de 0 a
5 guichs vagos) 1/6, e com certeza no podemos obter como probabilidade 1/6 de um com
uma nica observao dos guichs e procurando um guich vago. Ento podemos dizer que
obteremos cada resultado exatamente uma vez em cada seis observaes, ou exatamente 100
vezes em 600 observaes? A resposta, evidentemente, no, mas acreditamos muito que, se
os seis guichs forem observados muitas vezes, em mdia os seis resultados possveis
ocorrero com frequncias praticamente iguais. Se isso no acontecer, devemos suspeitar que
um outro fator esteja intervindo no que observamos. A simetria, embora passvel de definio
de um modo positivo, em muitos casos , em essncia, um fato negativo: o fato de no haver
diferena conhecida ou observvel. Se o resultado do nosso experimento demonstra alguma
inconsistncia, tal como um resultado obtido com maior frequncia na observao de um
guich do que em outro, acreditamos que isso se deve a uma causa orientadora para aquele
resultado e conclumos que no h uma simetria, base do modelo, ou que h um problema
durante a realizao da observao.
A hora do perigo. Dos 577 acidentes ocorridos entre 1959 e 1996, em que o
avio foi totalmente destrudo, com ou sem vtimas, quase dois teros
aconteceram entre a fase de descida e a de pouso. Veja a porcentagem em
cada etapa do vo:
2%, manobra;
14%, decolagem;
17%, subida;
5%, altitude de cruzeiro;
6%, descida;
34%, aproximao;
22%, pouso.
O erro humano. Entre 1987 e 1996, sete entre cada dez acidentes de jato
ocorreram por falha da prpria tripulao. Veja os motivos principais:
3%, falha no controle de trfego;
4%, mau tempo;
6%, falha de manuteno;
9%, defeito do avio;
72%, erro da tripulao;
6%, outros.
Se a observao for repetida 1.000 vezes, encontrar dois guichs vazios, por exemplo, poder
ocorrer 0, 1, 2, ... 999 ou 1.000 vezes. possvel calcular as probabilidades desses resultados
e demonstrar que a frao de sucessos (no caso, encontrar dois guichs vazios) em n
observaes tende a estabilizar-se no valor 1/6 conforme n aumenta indefinidamente. Mas
estamos lidando ainda com probabilidades a priori, obtidas a partir de uma classificao de
resultados igualmente provveis de n observaes; no podemos provar matematicamente que
as leis da natureza so as leis da probabilidade matemtica.
probabilidade a priori probabilidade que se estabelece atendendo a consideraes de
simetria ou regularidade de resultados simples

Pg. 3-5

HERESIA: Pensar que os modelos probabilsticos foraro a natureza a se comportar de

acordo com o modelo matemtico.
A igualdade efetiva da probabilidade a priori e a frequncia relativa em uma srie extensa de
repeties so aspectos confirmados apenas pela experincia.
Segundo as estatsticas, um em cada cinco bebs que nascem no mundo,
hoje, chins.
E da?
Somos cinco. Nossas mulheres esto tendo filhos ao mesmo tempo. Devemos
nos preparar para a possibilidade de um dos nossos filhos ser chins.
Que absurdo!
a estatstica.
Um conceito adicional
Existe tambm o conceito subjetivo, uma avaliao pessoal. A probabilidade subjetiva descreve
o julgamento de uma pessoa a respeito de quo provvel determinada situao possa ocorrer.
No se baseia em clculo preciso, mas pode ser uma avaliao razovel de uma pessoa com
experincia, e pessoas diferentes podero associar probabilidades diferentes para os mesmos resultados, uma
podendo achar que determinada probabilidade 0,9 enquanto outra pensa em 0,4.
O DNER estimou que 80% dos motoristas no pagaram suas multas espera da
anistia.
Independentemente do conceito utilizado, as pessoas baseiam-se na tentativa de modelagem
do comportamento da natureza, representada por modelos construdos a partir das
observaes. Por mais perfeito que possa parecer, um modelo sempre uma simplificao da
realidade. Por exemplo, se perguntassem qual a probabilidade de uma pessoa retirar uma folha
de papel amarelo de um pacote contendo 500 folhas amarelas, a probabilidade no seria,
obrigatoriamente, igual a 1, porque a pessoa poderia morrer segundos antes de retirar a
referida folha.
Alguns estudiosos afirmam que o maior poder da cincia o poder de predio,
ou seja, o poder de saber que vai acontecer alguma coisa (...). Mas existem
diferenas entre conhecer o futuro pela lgica matemtica, pelo clculo das
probabilidades, e conhecer o futuro por uma misteriosa propriedade da mente
humana.
A fundamentao matemtica
O objetivo do clculo das probabilidades obter um valor numrico da possibilidade de
ocorrncia de determinado acontecimento para que seja facilitada a tomada de uma deciso
relacionada a ele.
Por no haver concordncia entre os conceitos clssico, frequencial e subjetivo, a teoria das
probabilidades teve que se basear em um conjunto de axiomas em que probabilidades so
associadas aos resultados com base no conhecimento da situao em estudo. Os axiomas
asseguram que as probabilidades associadas a cada experimento podem ser interpretadas
como frequncias relativas e que as associaes so consistentes com a compreenso
intuitiva do relacionamento entre os resultados favorveis e os resultados possveis.
Os axiomas do clculo das probabilidades determinam as probabilidades dos eventos.
Os axiomas facilitam os clculos das probabilidades de ocorrncia de alguns eventos a partir
do conhecimento das probabilidades de outros eventos.
Os axiomas foram estabelecidos pelo matemtico russo Kolmogorov, e so os seguintes:

Pg. 3-6

O primeiro axioma afirma que se atribui a todo evento do espao amostral algum nmero
real; no clculo das probabilidades, a escolha dos nmeros a serem associados aos
resultados poderia ser qualquer uma, mas intuitivamente associam-se valores entre 0 e 1.
O segundo axioma afirma que ao espao amostral como um todo atribudo o nmero 1 e
expressa a idia de que a probabilidade de um evento certo igual a 1.
O terceiro axioma caracteriza a possibilidade de simplesmente se somarem probabilidades
quando os eventos so mutuamente excludentes.
Os trs axiomas no necessitam de prova; entretanto, se a teoria resultante aplicada no
mundo real, deve-se mostrar de algum modo que os axiomas so realistas, isto , apresentam
resultados razoveis, comprovados pelo conceito frequencial de probabilidade.

Interpretaes e determinao de probabilidades

A teoria moderna define probabilidade como um nmero que satisfaz a uma srie de
postulados, mas no fornece indicao de como se obter esse nmero: apenas estabelece as
regras que devemos obedecer ao manipularmos as probabilidades obtidas. Em consequncia,
h duas grandes correntes a respeito do problema da determinao da probabilidade.
A escola objetivista ou frequencialista considera que a probabilidade s pode ser obtida por
meio das frequncias relativas e, portanto, somente aplicvel a situaes em que a
experincia pode ser repetida vrias vezes, sob as mesmas condies.
Fica portanto excluda, para os frequencialistas, uma grande classe de problemas em que no
possvel falar em frequncia relativa. Por exemplo, para os frequencialistas no h sentido
em perguntar qual a probabilidade de o homem ir a Marte nos prximos cinco anos.
A escola subjetivista ou personalista considera a probabilidade como a medida da crena
uma pessoa racional em uma dada proposio. Diferentes indivduos racionais podem
graus diferentes de crena, mesmo em face da mesma evidncia e, portanto,
probabilidades pessoais para o mesmo acontecimento podem ser diferentes, porque
informaes de que dispem podem ser diferentes.

de
ter
as
as

Um subjetivista aplica o conceito de probabilidade a todos os problemas considerados pelo

frequencialista, e a muitos outros mais, como a viagem a Marte, por exemplo.
medida que vamos tendo mais observaes, podemos ir revendo a nossa avaliao da
probabilidade de uma situao em face de novas informaes. Assim que, no caso de haver
frequncias relativas disponveis, baseadas em um nmero grande de observaes semelhantes, a avaliao subjetiva tende a se igualar avaliao frequencialista.
A definio clssica, quando admite que todos os casos possveis so igualmente provveis,
pode ser filiada, de certo modo, corrente subjetivista. Ao afirmarmos que encontrar qualquer
nmero de guichs vazios igualmente provvel, estamos manifestando a nossa crena de
que isso verdade. Para um verdadeiro frequencialista, deveramos observar o resultado de
milhares de observaes para comprovar se isso real.

Modelos matemticos
Tendo conhecido os principais conceitos referentes ao clculo das probabilidades, veremos
agora distribuies e funes densidades de probabilidade que, pela sua importncia,
merecem um estudo especial. Tais distribuies partem da pressuposio de certas hipteses
bem definidas, e como diversas situaes reais muitas vezes se aproximam dessas premissas,
os modelos aqui descritos so teis no estudo de tais situaes.

Pg. 3-7

3.2 O primeiro de muitos: binomial

Observando o nosso mundo
Uma situao bastante conhecida a prova de mltipla escolha. Considere uma delas com
apenas uma questo do tipo falso-verdadeiro. A probabilidade de algum ser aprovado,
marcando aleatoriamente uma resposta, de 50%; se acertar uma questo, nota 10.
Entretanto, se a prova tiver 50 questes, tambm do tipo falso-verdadeiro, intuitivamente sentese que bem menor a chance de tirar 10, mesmo tendo cada questo as mesmas opes por
causa do maior nmero de questes agora. Quer-se a probabilidade de uma pessoa acertar ao
acaso determinado nmero de questes.

Condies de aplicao
As situaes nas quais se pode utilizar esse modelo devem atender a que:
a. so feitas n repeties do experimento, onde n uma constante;
b. h apenas dois resultados possveis em cada repetio, arbitrariamente denominados
sucesso e insucesso, sem a obrigao de que um sucesso seja um resultado desejvel;
c. a probabilidade de um sucesso (e tambm de um insucesso) permanece constante de
repetio em repetio; ao sucesso atribuda a probabilidade p, e ao insucesso, (1 p);
d. as repeties so independentes.
No exemplo das provas de mltipla escolha do tipo falso-verdadeiro, as condies se aplicam
porque:
a. h 1 ou 50 questes, com a mesma estrutura na prova;
b. so apenas dois os resultados possveis em cada repetio: o sucesso marcar a
resposta certa ao acaso e o insucesso marcar a resposta errada;
c. como a resposta marcada ao acaso, ao sucesso atribuda a probabilidade p = 0,5 =
50%, e ao insucesso, a probabilidade (1 p) = 0,5 = 50%; essas probabilidades
permanecem constantes de questo em questo;
d. a resposta de uma questo no influenciada pelas respostas das outras questes, e
estas so consideradas independentes.

Usando o Excel
Por exemplo, seja um teste com 3 questes tipo verdadeiro ou falso e seja a varivel aleatria
X o nmero de respostas erradas. A probabilidade de que um aluno acerte, ao acaso, uma
resposta em uma questo , ento, 0,5.
No EXCEL, a funo DISTRBINOM ajuda no clculo da resposta do problema.
DISTRBINOM retorna ou a probabilidade de x sucessos da distribuio binomial, ou ento a
soma acumulada desde x = 0 at um valor estipulado.
A sintaxe a seguinte:
DISTRBINOM(nm_s; tentativas; probabilidade_s; cumulativo)
nm_s o nmero de sucessos que se deseja
tentativas o nmero de repeties
probabilidade_s a probabilidade de sucesso em cada repetio.
Cumulativo um valor lgico: se VERDADEIRO, ento DISTRBINOM retorna o valor da
probabilidade de que existam no mximo x sucessos
a. para calcular a probabilidade de 2 acertos, por exemplo, Nm_s = 2 Tentativas = 3,
Probabilidades = 0,5 e Cumulativo = FALSO;
b. para calcular a probabilidade de, no mximo, 2 acertos, altera-se o Cumulativo para
VERDADEIRO.

Pg. 3-8

Uma prova contm 50 questes. Determine a probabilidade de que

um aluno, marcando ao acaso as respostas, obtenha uma nota maior
ou igual a 6, nos seguintes casos:
a.h quatro opes;

b. h cinco opes.

E5-1

RESPOSTA

O objetivo fazer com que um aluno totalmente ignorante na matria no obtenha nota acima
de 6 marcando apenas ao acaso.
Mesmo com quatro opes, a probabilidade de se obter nota maior ou igual a 6 praticamente
zero. Sendo assim, no seria necessrio colocar tambm quatro opes.

3.3 O segundo modelo matemtico: Poisson

Observando o nosso mundo
As filas so hoje um dos fatos mais observveis na vida diria, seja no supermercado,
passando pelos bancos, incluindo os acessos aos pedgios nas estradas em vsperas de
feriado, tudo afetando a vida de milhares de brasileiros.
Se no for caso de morte, a espera eterna: pacientes que precisam fazer
cirurgias necessrias, mas no urgentes nos hospitais pblicos do Rio
so condenados a uma longa fila e podem levar mais de um ano para serem
atendidos.
Tais fatos comeam a preocupar o governo, que procura solues.
Para resolver os problemas das filas que nunca saem do lugar, o Ministrio da
Sade tem duas estratgias.

Observa-se que toda fila feita de pessoas ou objetos (que se podem contar), os quais esto
esperando pela realizao de uma determinada atividade que leva tempo (tempo esse que
mensurvel). Inicialmente, analisemos o problema com relao s entidades que proporcionam
a formao de uma fila.
Condies de aplicao
Ao se fazer um levantamento das entidades que demandam um servio em um tempo limitado
de observao, atender as seguintes condies:
a. o nmero de chegadas durante qualquer intervalo de tempo parece depender somente da
durao do intervalo de tempo; quanto maior o intervalo, maior tende a ser o nmero de
chegadas;

Pg. 3-9

b. as chegadas ocorrem independentemente; isto , um excesso ou falta de chegadas em

algum intervalo de tempo no exerce efeito sobre o nmero de chegadas ocorridas
durante qualquer outro intervalo;
c. a possibilidade de duas ou mais chegadas ocorrerem durante um pequeno intervalo de
tempo t muito pequena quando comparada de uma nica chegada.

Usando o Excel
No Excel, tem-se, no Colar Funo, POISSON,
POISSON retorna ou a probabilidade de x sucessos da distribuio de Poisson, ou ento a
soma acumulada desde x = 0 at um valor estipulado.
A sintaxe a seguinte:
POISSON(X; Mdia; Cumulativo)
X o nmero de sucessos que se deseja
Mdia o parmetro
Cumulativo um valor lgico: se VERDADEIRO, ento POISSON retorna o valor da
probabilidade de que exista no mximo x sucessos; se FALSO, calcula a probabilidade de
exatamente x sucessos.

Segundo dados histricos em determinada empresa de transporte, 3

o nmero mdio de chamadas em 20 minutos:
a.
determine a distribuio de probabilidade para esse
exemplo;
b.
determine a probabilidade de haver, no mximo, 2
chamadas em 40 minutos, em um intervalo escolhido
aleatoriamente;

E5-2

RESPOSTA

3.4 O terceiro modelo matemtico: exponencial

Observando o nosso mundo
Voltando s filas (a gente sempre volta...).Vimos que toda fila formada por pessoas ou
objetos (que se podem contar), os quais esto esperando pela realizao de uma determinada
atividade que leva tempo (tempo esse que mensurvel). Analisamos o problema,

Pg. 3-10

primeiramente, com relao s entidades que formam a fila; agora vamos analisar o tempo de
processamento da atividade.
Na distribuio de Poisson, definimos a varivel aleatria como sendo o nmero de eventos em
determinado perodo, em que a mdia dos eventos naquele perodo era denotada por . Assim
como o nmero de elementos que chegam uma varivel aleatria, observamos que o tempo
entre os eventos tambm uma varivel aleatria.
Condies de aplicao
O nmero de eventos deve ter uma distribuio de Poisson.
.
Usando o Excel
No EXCEL, a funo DISTEXPON ajuda no clculo da resposta ao problema.
DISTEXPON retorna ou a probabilidade de x sucessos da distribuio exponencial, ou ento a
soma acumulada desde x = 0 at um valor estipulado.
A sintaxe a seguinte:
DISTEXPON (X; Lambda; Cumulativo)
X a quantidade de sucessos que se deseja
Lambda o parmetro
Cumulativo um valor lgico: se VERDADEIRO, ento DISTEXPON retorna o valor da
probabilidade de que exista no mximo x sucessos; se FALSO, calcula a probabilidade de
exatamente x sucessos.

E5-3

Ao observarmos a durao das baterias de videogames, conclumos

que esta vida nada mais que o intervalo entre falhas sucessivas das
baterias; para essas falhas, pode-se aplicar o processo de Poisson.
Desse modo, o tempo mdio entre falhas vem a ser a vida mdia da
bateria. Considere que inmeras baterias foram usadas e anotou-se
(algo raro de ocorrer no dia-a-dia, somente as fbricas o fazem) que a
cada sete dias havia necessidade de troc-las (ou seja, a vida mdia
da bateria de uma semana). As falhas das baterias so aleatrias e
independentes e atendem s condies da distribuio de Poisson;
ento, para o tempo de vida da bateria, pode-se utilizar a distribuio
exponencial.
a. determine a probabilidade de a bateria durar pelo menos 2
semanas;
b. determine a probabilidade de uma bateria falhar dentro de 3
dias;
c. determine a probabilidade de uma bateria durar de 3 a 4
semanas;

RESPOSTA

Pg. 3-11

Agora, sim, vamos s inferncias sobre a populao!!!

(continua no Captulo 4)

Pg. 3-12

EXERCCIOS
Caso encontre algum exerccio que no tem um texto que o responda, pesquise a
respeito e incorpore o que descobriu ao corpo do material.
A. EXERCCIOS CONCEITUAIS

Antes de resolver um problema, PENSE!

Fonte: http://rpcriativo.blogspot.com/2010/04/pensar-fora-da-caixa-pode-ser-muito.html

1.
2. .
B.EXERCCIOS de habilidade
(resolver problemas)

A repetio at a exausto leva perfeio!

Passo 1: Faa exerccios at completar 10 (dez) SEM ERRAR NENHUM
Passo 2: Chegou ao final?
a. SIM: refaa todos mais uma vez e v ao Passo 3
b. NO: v ao Passo 1
Passo 3: Faa os exerccios computacionais

Pg. 3-13

1) Exerccios do Companion cap 4, 5 e 6

2) Faa os exerccios a seguir na ordem em que aparecem.
1. Construa uma tabela de frequncias COM perda de informao que tenha um
intervalo de classe igual a 10:
a) calcule as frequncias relativa e acumulada
b) esboce um histograma
c) esboce o grfico da distribuio acumulada
2. Refaa o exerccio 1, no qual o intervalo de classe seja igual a 5.
3. Estabelea uma relao entre frequncia relativa e probabilidades
4. Escolha um limite superior de classe qualquer. Compare as frequncias
relativas e as frequncias acumuladas at este limite superior.
5. Considere, no histograma, a frequncia relativa como sendo a rea de cada
retngulo que tem como base o intervalo de classe (x) e determine a altura,
chamando-a de f(x). f(x) probabilidade? Se positivo, o que vem a ser funo
densidade de probabilidade? Mais ainda, se somarmos as reas de alguns
destes retngulos, o que iremos obter?
6. No exerccio 5, coloque o smbolo de integral no lugar da soma, f(x) como
sendo a altura do retngulo e dx a sua base. Estabelea a equao que
determina a probabilidade de se estar entre dois valores quaisquer. Determine
a integral entre mais e menos infinito e verifique o que ocorre.
7. A partir do grfico da distribuio acumulada dos exerccios 1, 2 e 4, determine
a equao matemtica que melhor se ajusta a essa curva e chame de F(x).
8. Determine, conceitualmente, o relacionamento entre F(x) e f(x) e expresse
matematicamente este conceito.
9. Desenvolva (desdobre) a frao que determine a mdia aritmtica dos
nmeros 56 (com frequncia 17), 57 (com frequncia 4) e 58 (com frequncia
23), e estabelea o relacionamento com o conceito de valor esperado do
clculo das probabilidades.
10. No meu livro, explica-se a origem de diversas distribuies como, por exemplo,
a discreta Poisson e a contnua exponencial. Com o livro como ponto de
partida, estude a origem das principais delas, construindo uma tabela segundo
o modelo a seguir;

Pg. 3-14

C.

Exerccios de uso de aplicativos

computacionais

1) Crie um anexo ao captulo 1 com os passos bsicos para usar o aplicativo R.

2) Inclua no texto como fazer para gerar o feito no Excel dgitos pseudoaleatrios
com o aplicativo R.
D. Exerccios de
interpretao de resultados

Ao longo do texto.
E.EXERCCIOS de pesquisa

Liste e comente endereos na rede mundial de computadores, relacionados aos

assuntos vistos neste captulo como, por exemplo, em:
1.

www.youtube.com
a.
b.

2.

www.youtube.com/edu (Category: University)

a.
b.

F. QUESTES: ENADE E PROVO

1.
2.
G. Para descontrair:

3. http://www.youtube.com/watch?v=H6syI3xiBBg
4.

Pg. 3-15