Beruflich Dokumente
Kultur Dokumente
NDICE
1. INTRODUO.................................................................................................................................................. 2
2. DEFININDO PROBABILIDADE........................................................................................................................ 2
3. CONCEITOS E DEFINIES........................................................................................................................... 2
3.1. VARIVEL ALEATRIA................................................................................................................................... 2
3.2. VARIVEL ALEATRIA DISCRETA E CONTNUA................................................................................................ 3
3.3. EXEMPLO DE VA DISCRETA.......................................................................................................................... 3
3.4. FUNO DE PROBABILIDADE OU FUNO DE DENSIDADE DE PROBABILIDADE (FDP)........................................3
3.5. FUNO DE REPARTIO OU FUNO DE DISTRIBUIO ACUMULADA (FDA)..................................................4
3.6. VALOR ESPERADO DE UMA VARIVEL ALEATRIA.......................................................................................... 4
3.7. VARINCIA E DESVIO PADRO DE UMA VARIVEL ALEATRIA.........................................................................6
4. MODELOS DE DISTRIBUIES DE PROBABILIDADE.................................................................................6
4.1. DISTRIBUIO BINOMIAL............................................................................................................................... 6
4.2. DISTRIBUIO DE POISSON.......................................................................................................................... 7
4.3. DISTRIBUIO EXPONENCIAL........................................................................................................................ 8
4.4. DISTRIBUIO NORMAL................................................................................................................................ 9
4.5. DISTRIBUIO QUI-QUADRADO................................................................................................................... 14
4.6. DISTRIBUIO T DE STUDENT..................................................................................................................... 15
4.7. DISTRIBUIO F DE SNEDECOR.................................................................................................................. 16
APNDICE 1 RESUMO TERICO SOBRE PROBABILIDADE......................................................................20
A1. EXPERIMENTO ALEATRIO (E)..................................................................................................................... 20
A2. ESPAO AMOSTRAL (S).............................................................................................................................. 20
A3. EVENTO..................................................................................................................................................... 20
A4. OPERAES COM EVENTOS........................................................................................................................ 20
4.1. COMPLEMENTO..................................................................................................................................... 20
4.2. INTERSEO......................................................................................................................................... 20
4.3. UNIO.................................................................................................................................................. 20
A5. EVENTOS MUTUAMENTE EXCLUSIVOS (OU EXCLUDENTES)...........................................................................20
A6. EVENTOS INDEPENDENTES.......................................................................................................................... 21
A7. PROBABILIDADE.......................................................................................................................................... 21
A8. PRINCIPAIS TEOREMAS E PROPRIEDADES DA PROBABILIDADE.......................................................................21
A9. PROBABILIDADE CONDICIONADA.................................................................................................................. 21
A10. PROBABILIDADE DA INTERSEO (OU TEOREMA DO PRODUTO)...................................................................22
A11. TEOREMA DA PROBABILIDADE TOTAL......................................................................................................... 22
A12. TEOREMA DE BAYES................................................................................................................................. 23
A13. TCNICAS DE CONTAGEM OU ANLISE COMBINATRIA................................................................................23
13.1. PERMUTAES E ARRANJOS............................................................................................................... 23
13.2. COMBINAES.................................................................................................................................... 24
A14. EXERCCIOS PROPOSTOS.......................................................................................................................... 25
TABELA DA DISTRIBUIO
TABELA DA DISTRIBUIO
TABELA DA DISTRIBUIO
TABELA DA DISTRIBUIO
NORMAL PADRO.............................................................................................24
T DE STUDENT................................................................................................... 25
QUI-QUADRADO................................................................................................26
F DE SNEDECOR...............................................................................................27
1/28
ESTATSTICA I
1. INTRODUO
Os captulos anteriores apresentaram temas como tipos de sries de dados (provenientes de amostras e
populaes), organizao e apresentao tabular e grfica de dados (distribuies de freqncias), medidas
estatsticas de posio (ou tendncia central), de disperso (ou variabilidade) e de forma da distribuio.
Estes conhecimentos permitiram-nos analisar sries de dados, e obter algumas concluses sobre como tais dados
se distribuem em todo seu intervalo de variao ou ao redor de valores centrais como a sua mdia. Em sntese,
partimos do princpio de que a partir da organizao, apresentao e descrio dos dados observados, possvel
fazer conjecturas sobre o comportamento da varivel em estudo. A este tipo de raciocnio denominamos de
INDUO (a partir de resultados ou dados observados, lanamos hipteses sobre o comportamento do fenmeno).
A partir de agora, estamos interessados no raciocnio de forma inversa, ou seja, estamos interessados em
compreender como podero ocorrer os resultados de uma varivel, a partir de suposies sobre o problema em
estudo, caracterizando assim o que denominamos de raciocnio DEDUTIVO (a partir de hipteses e conjecturas
sobre o comportamento de um fenmeno, tentamos prever os resultados).
Em resumo, estamos interessados agora em realizar inferncias sobre a populao de onde foi extrada a
amostra. Para tanto, teremos que usar modelos matemtico-probabilsticos, o que nos obriga a conhecer os
aspectos fundamentais do CLCULO DE PROBABILIDADES, sobre o qual se assenta a ESTATSTICA INFERENCIAL.
2. DEFININDO PROBABILIDADE
Dado um EXPERIMENTO ALEATRIO E (fenmenos aleatrios que, mesmo repetidos vrias vezes sob condies
semelhantes, apresentam resultados que no se pode prever com certeza) e sendo S seu ESPAO AMOSTRAL
(conjunto de todos os possveis resultados do experimento) a probabilidade de um evento A (denotada por P{A})
uma funo definida em S, que associa a cada evento um nmero real que satisfaz s seguintes propriedades:
0 P{A} 1
p{ai} = P{S} = 1, onde os ais representam todos os eventos elementares de S.
P{A B} = P{A} + P{B} se A e B forem eventos mutuamente excludentes.
A PROBABILIDADE TERICA de um evento obtida utilizando procedimentos de contagem (ANLISE
COMBINATRIA) dos casos favorveis ocorrncia do evento e de contagem de todos os casos possveis:
P{A}
NOTA 1: A expresso P{A} acima uma conseqncia da suposio de que todos os resultados sejam igualmente
verossmeis (ou equiprovveis), e portanto s deve ser aplicada quando essa suposio for atendida.
NOTA 2: Observe que a PROBABILIDADE TERICA, luz dos conceitos sobre DISTRIBUIO DE FREQNCIAS, poderia
ser definida como o limite da freqncia simples relativa (fri expressa em frao decimal e no em %) quando o
tamanho da amostra muito grande.
O APNDICE 1 deste captulo apresenta um resumo terico sobre PROBABILIDADES.
3. CONCEITOS E DEFINIES
3.1. Varivel Aleatria
Os resultados de um experimento ou so naturalmente numricos, ou podem ser codificados numericamente (por
exemplo ruim=0 e bom=1). A essa representao numrica de resultados denominamos de varivel aleatria.
Uma VA ento uma funo que associa elementos do espao amostral ao conjunto de nmeros reais, conforme
abaixo ilustrado.
2/28
ESTATSTICA I
OBSERVAES:
1. Apesar da tradio desta terminologia, na verdade uma VA uma funo cujo domnio S e contradomnio R.
2. Nas aplicaes de estatstica, muito mais conveniente trabalhar com nmeros e no com eventos.
3. Convenciona-se representar funes, variveis aleatrias, espao amostral e contradomnio por letras
MAISCULAS , e os valores pontuais do espao amostral e contradomnio por letras MINSCULAS.
X
2
1
1
0
(Ca,Co)
(Co,Ca)
(Co,Co)
P{X}
x =
x =
x =
x =
P{X}
ESTATSTICA I
Caractersticas da fdp:
VA Discreta
VA Contnua
Faixa de Aplicabilidade
x = a, a+1, ...,b
axb
Condies
p(x) 0,
p( x ) 1
f(x)
x a
0,
a f ( x )dx 1
VA Discreta
F(x)=P{X x}
F(x) =
VA Contnua
p( x )
F(x) = a f ( x )dx
x a
No caso do exemplo de lanamento de duas moedas para verificar o n de caras, calculamos a FDA como sendo:
x
0
1
2
P{x}
x
0
1
2
F(x)
SOBRE
VA CONTNUA:
c) Observe-se que para a VA Contnua X, a fdp f(x) no mede a probabilidade no ponto x. Mostra-se facilmente
que P{X=x} = P{x X x} = F(x)-F(x) = 0, onde utilizamos o seguinte artifcio para representamos
(X = x) (x
X x). Por considerarmos a probabilidade de um ponto como igual a zero, decorre imediatamente que para uma
VA Contnua P{x1 < X < x2} = P{x1 X < x2} = P{x1 < X x2} = P{x1 X x2} = F(x2) F(x1)
VA Discreta
b
x p( x )
x a
VA Contnua
b
a x f ( x ) dx
ESTATSTICA I
VA Discreta
b
( x E{ x}) 2 p( x )
V{X} = x
b
VA Contnua
x a
a ( x E{ x}) f ( x ) dx
2
VA Discreta e VA Contnua
DesvPad{X} = x
P{X}
A Varincia V{X} = (0-1)2.(1/4) + (1-1)2.(1/2) + (2-1)2.(1/4) = (1/4) + (1/4) = 1/2 , e DesvPad{X} = 0,707
n x n x
P{X x} p q
x
NOTAS:
1. O nome BINOMIAL se deve ao fato da expresso acima corresponder ao termo geral do desenvolvimento do
BINMIO DE NEWTON.
2. Para p=0,5 a distribuio simtrica. Para P<0,5, a distribuio tem inclinao para a direita.
5/28
ESTATSTICA I
3. No caso de n grande (n 30) e p no muito pequena nem muito grande (valores centrais, com alguns
autores recomendando np>5 e nq>5), a DISTRIBUIO BINOMIAL pode ser aproximada pela DISTRIBUIO
NORMAL, que ser vista adiante.
PRINCIPAIS CARACTERSTICAS DA DISTRIBUIO BINOMIAL
Mdia x = E{X} = np e Varincia 2x = V{X} = npq.
No EXCEL
Funo DISTRBINOM(nm_s ; tentativas ; probabilidade_s ; cumulativo), onde
nm_s: nmero de sucessos
tentativas: nmero de tentativas independentes
probabilidade_s: probabilidade de sucesso em uma tentativa
cumulativo: um valor lgico que define o tipo de distribuio:
VERDADEIRO (1): retorna o valor da funo de probabilidade acumulada P(X num_s)
FALSO (0): retorna o valor da funo de probabilidade no ponto num_s: P(X = num_s)
EXEMPLO: Uma moeda no viciada lanada 5 vezes. Encontre a probabilidade de:
a) dar exatamente 3 caras
b) pelo menos uma cara
c) no mximo 2 caras
d) calcular o valor esperado e o desvio padro
SOLUO: Seja X a varivel BINOMIAL com os parmetros: n=5, p=1/2 (e portanto q=1/2).
3
2
5!
1
1
e portanto
a) Desejamos P{X = 3} = C(5,3)x(1/2)3x(1/2)2 P{ X 3}
3 ! 2! 2
2
P{X = 3} = 10 x (1/2)5 = 10/32 = 31,25%
No EXCEL, a chamada funo DISTRBINOM(3;5;50%;0) fornece o valor 0,3125.
b) Desejamos P{X 1} que o mesmo que 1 P{X < 1}, equivalente a 1 P{X = 0} = 1 0,03125 = 96,88%
No EXCEL, a funo 1-DISTRBINOM(0;5;50%;0) fornece o valor 0,96875.
c) Desejamos P(X 2) que equivale a P{X = 0} + P{X = 1} + P{X = 2} = 50%
No EXCEL, a chamada funo DISTRBINOM(2;5;50%;1) fornece o valor 0,5000.
d) E{X} =np e portanto E{X} = 2,5 caras, e V{X} = npq = 5/4 = 1,25 . Logo DesvPad{X} = 1,12 caras.
6/28
ESTATSTICA I
A distribuio de Poisson caracterizada apenas pelo parmetro , que representa o valor esperado ou mdia,
do nmero de sucessos por intervalo t. Em outras palavras, a taxa de ocorrncia dos eventos no intervalo
de tempo.
e x
A funo de probabilidade da distribuio de Poisson :
P{X x}
x!
onde:
e uma constante (base do logartmo neperiano) valendo aproximadamente 2,718...
o nmero esperado de sucessos no intervalo considerado
x o nmero de sucessos (x = 0, 1, 2, ...,.)
PRINCIPAIS CARACTERSTICAS DA DISTRIBUIO DE POISSON
Mdia x = E{X} = e Varincia 2x = V{X} = .
No EXCEL
Funo POISSON(x ; mdia ; cumulativo), onde
x: nmero de sucessos
mdia: valor esperado no intervalo
cumulativo: um valor lgico que define o tipo de distribuio:
VERDADEIRO (1): retorna o valor da funo de probabilidade acumulada P(X x)
FALSO (0): retorna o valor da funo de probabilidade no ponto x: P(X = x)
EXEMPLO: As consultas a um banco de dados ocorrem de forma independente e aleatria, base de 3 consultas
por minuto. Calcule as probabilidades:
a) no prximo minuto ocorrerem exatamente 3 consultas
b) no prximo minuto ocorrerem menos de 3 consultas
c) nos prximos dois minutos, ocorrerem mais do que 5 consultas
SOLUO: Seja X a varivel Poisson com ocorrncia mdia de 3 consultas por minuto (=3)
a) Desejamos P(X = 3) = [e-3. 33 ]/3! = 22,4%
No EXCEL, a chamada funo POISSON(3;3;0) fornece o valor 0,22404.
b) Desejamos P(X < 3) = P(X 2) = P(X=0) + P(X=1) + P(X=2) = 42,32%
No EXCEL, a chamada funo POISSON(2;3;1) fornece o valor 0,42319.
c) Observe que a unidade de tempo alterou de 1 para 2 minutos. Como a taxa mdia de 3 por minuto, ento em
dois minutos teremos =6. Desejamos assim P(X > 5) = 1 P(X 5) = 1 0,44568 = 55,43%
No EXCEL, a chamada funo 1 - POISSON(5;6;1) fornece o valor 0,55432.
NOTA: A DISTRIBUIO
DE
ESTATSTICA I
No EXCEL
Funo DISTEXPON(x ; lambda ; cumulativo), onde
x: intervalo de tempo entre chegadas sucessivas
lambda: inverso da taxa de chegada por unidade de tempo
cumulativo: um valor lgico que define o tipo de distribuio:
VERDADEIRO (1): retorna o valor da funo de probabilidade acumulada P(X x)
FALSO (0): retorna o valor da funo densidade de probabilidade no ponto x: P(X = x)
EXEMPLO: Carros chegam a um posto de gasolina aleatoriamente a cada 2 minutos em mdia. Determine a
probabilidade de o tempo entre chegadas no exceder 1 minuto.
SOLUO: Seja X a varivel Exponencial que representa o tempo entre chegadas. Queremos determinar:
1
P{X1) com =1/2, o que implica em calcular 0 (1 / 2)e (1 / 2 ) . Note que primeiramente necessrio converter a
taxa de chegadas por unidade de tempo para a mesma unidade de tempo empregada no valor da varivel do
problema.
No EXCEL, a chamada funo DISTEXPON(1;1/2;1) fornece o valor 0,3935 ou 39,35%.
Note que se x=1/2 (de 2 minutos) e =1 (em 2 minutos), DISTEXPON(1/2;1;1) tambm retorna 39,35%.
f(x)
1 x
= mdia da distribuio
= desvio padro da distribuio
e e so constantes (3,1416... e 2,718...)
f(x)dx 1
8/28
ESTATSTICA I
3. A curva simtrica em torno de , o que faz com que mdia = mediana = moda. Adicionalmente, temos
tambm que P(X < - a) = P(X > + a).
4. A curva tem dois pontos de inflexo, respectivamente em - e + . Cerca de 68% dos valores recaem no
intervalo de um desvio padro de cada lado da mdia, 95% recaem no intervalo mdia 2 desvios e 99,7%
recaem no intervalo mdia 3 desvios.
f ( z)
1
2
1
z2
2
com a forma:
Observe-se a convenincia de termos a mdia igual a zero e o desvio padro igual a 1, fazendo com que esta
distribuio passe a representar os valores de zi como nmero de desvios em relao mdia (origem). Assim,
esta distribuio nos permite trabalhar com valores relativos de desvios em relao mdia.
TRANSFORMAO
DE UMA
Qualquer distribuio normal com mdia e desvio padro pode ser transformada, para efeito de clculo de
probabilidades, na distribuio normal padro, atravs de uma mudana de varivel conforme a seguir.
9/28
ESTATSTICA I
No Captulo Tabelas Estatsticas, apresentamos uma Tabela da Distribuio Acumulada da Normal Padro,
de uso muito mais fcil que as tabelas de faixa central encontradas na maioria da bibliografia recomendada. Na
nossa tabela, podemos obter diretamente a probabilidade P(Z z).
10/28
ESTATSTICA I
ESTATSTICA I
P( X 15)
(0,25) (0,75)
Estamos interessados em P(X = 15). Pela distribuio binomial, temos que calcular
,
15
35
15
12/28
ESTATSTICA I
z i2
n
n = x1 + x2 + x3 + ... + xn
ou
i 1
Observe que medida que n cresce, a funo de densidade de probabilidade tende forma da FUNO
NORMAL.
TABELA QUI-QUADRADO
A tabela do Qui-Quadrado em funo do grau de liberdade n, apresenta o valor numrico da VA que deixa
sua direita determinada rea , ou seja = P(X x)
Para clculo da probabilidade P(X x), ou seja, rea na cauda esquerda da distribuio, utiliza-se a propriedade
P(X x) = 1 P(X x) = 1 , conforme ilustrado abaixo.
1. O valor direita, chamado qui-quadrado superior,
obtido na tabela com n =12 e =0,025.
Logo, x2 = 23,34
2. O valor da abscissa esquerda, chamado
qui-quadrado inferior, obtido da tabela
com n =12 e =1 - 0,025, portanto =0,975.
Logo, x2 = 4,40
13/28
ESTATSTICA I
CARACTERSTICAS
1. Mdia = 0
DA
DISTRIBUIO
z
n2
n
t DE STUDENT
n
n2
3. A distribuio simtrica em relao mdia.
4. A comparao entre t e z mostrada no grfico
Ao lado.
2. Varincia =
Para valores de n < 30, a distribuio apresenta maior disperso que z N(0;1). medida que n aumenta, t se
aproxima cada vez mais de z.
A distribuio t tambm est tabelada. No final deste captulo apresentada uma tabela que fornece as abscissas
da distribuio para diversas reas (probabilidades) nas caudas. Trata-se de uma tabela bicaudal, conforme
ilustrado a seguir.
Exemplo: Seja n = 9 e = 5%. Consultando a tabela com estes valores, encontramos o valor t = 2,2622
Observe que a tabela mostra os valores de x tais que P(-x X x) = 1 .
FUNES DO EXCEL PARA A DISTRIBUIO t DE STUDENT
O Excel disponibiliza as seguintes funes para clculos com esta distribuio.
14/28
ESTATSTICA I
n2
F(n, d) n2
d
d
No caso de n=20 e d=10, a Distribuio F possui a
forma de sua fdp como mostrado ao lado.
Para fins de utilizao da distribuio, na prtica tabela=se, para cada par (n,d), o valor de F que deixa
determinada rea sua direita.
A tabela da Distribuio F apresentada no final deste captulo, retorna o Valor Crtico para a probabilidade =5%
na cauda superior, (P(F fc)=5%) para vrios valores de graus de liberdade do numerador e denominador.
Quando necessitarmos de probabilidades na cauda inferior da Distribuio F adota-se o seguinte procedimento:
Seja Fs o F crtico da cauda superior e Fi o F crtico da cauda inferior, para o nvel de significncia de 5%
adotado na tabela. Pode ser provado que:
1
Fi ( gl1; gl2 )
Fs ( gl2 ; gl1)
FUNES DO EXCEL PARA A DISTRIBUIO F DE SNEDECOR
O Excel disponibiliza as seguintes funes para clculos com esta distribuio.
Funo DISTF( x ; gl_numerador ; gl_denominador ), onde
x: valor da abscissa, gl_numerador e gl_denominador so os graus de liberdade.
DISTF calculada como DISTF =P(F>x), onde F uma varivel aleatria que possui uma
distribuio F com gl_numerador e gl_denominador graus de liberdade.
No exemplo gl_n=20, gl_d=10, para x=2,77, DISTF(2,77;20;10)=0,0502 ou 5,02%.
Funo INVF(probabilidade ; gl_numerador ; gl_denominador)
Retorna o Valor Crtico da distribuio F para uma dada probabilidade na cauda superior,
considerando os graus de liberdade do numerador e denominador.
Se probabilidade = DISTF( x ; gl_n ; gl_d), ento INVF(probabilidade; gl_n ; gl_d) = x.
No exemplo gl_n=20, gl_d=10, para probabilidade=5%, INVF(5%;20;10) retorna o valor crtico
2,77.
15/28
ESTATSTICA I
Grfico
P(X = x)
%
%
%
P(X x)
%
%
%
AVANADO
4. A probabilidade de um motor de avio falhar p. Sabendo que um avio pode permanecer voando se tiver pelo
menos metade de seus motores funcionando, para que valores de p um avio bimotor pode ser prefervel a um
quadrimotor?
EXERCCIOS DISTRIBUIO NORMAL
1. X uma varivel aleatria contnua, tal que X = N (12;25). Qual a probabilidade de uma observao ao acaso:
a) ser menor do que -3
b) cair entre -1 e 15
2. Uma fbrica de pneumticos fez um teste para medir o desgaste de seus pneus e verificou que ele obedecia a
uma distribuio normal, de mdia 48.000 km e desvio padro 2.000 km. Calcular a probabilidade de que um pneu
escolhido ao acaso:
a) dure mais que 46.000 km
b) dure entre 45.000 e 50.000 km
3. O padro de qualidade recomenda que os pontos impressos por uma impressora estejam entre 3,7 e 4,3 mm.
Uma impressora imprime pontos, cujo dimetro mdio igual a 4 mm e o desvio padro 0,19 mm. Suponha que
o dimetro dos pontos tenha distribuio normal.
a) Qual a probabilidade do dimetro de um ponto dessa impressora estar dentro do padro?
b) Qual deveria ser o desvio padro para que a probabilidade do item (a) atingisse 95%?
4. Suponha que o dimetro mdio dos parafusos produzidos por uma fbrica de 0,25 polegadas, e o desvio
padro 0,02 polegadas. Um parafuso considerado defeituoso se seu dimetro maior que 0,28 polegadas ou
menor que 0,20 polegadas.
a) Encontre a porcentagem de parafusos defeituosos
b) Qual deve ser a medida mnima para que tenhamos no mximo 12% de parafusos defeituosos?
16/28
ESTATSTICA I
5. Os salrios semanais dos operrios industriais so distribudos normalmente em torno de uma mdia de
$360,00 com desvio padro de $ 50,00. Pede-se:
a) encontre a probabilidade de um operrio ter salrio semanal situado entre $ 300,00 e $ 400,00
b) dentro de que desvios de ambos os lados da mdia, cairo 96% dos salrios?
6. A durao de certo componente eletrnico tem mdia de 850 dias e desvio padro 45 dias. Calcular a
probabilidade de esse componente durar:
a) entre 700 e 1.000 dias
b) mais que 800 dias
c) menos que 750 dias
d) exatamente 1.000 dias
e) qual deve ser o nmero de dias necessrios para que tenhamos de repor no mximo 5% dos componentes?
7. Os pesos de 600 estudantes so normalmente distribudos com mdia de 65,3 kg e desvio padro 5,5 kg.
Encontre o nmero de alunos que pesam:
a) entre 60 e 70 kg
b) mais que 63,2 kg
8. Suponha que as notas de uma prova sejam normalmente distribudas com mdia 73 e desvio padro 15. 15%
dos alunos mais adiantados recebem a nota A e 12% dos mais atrasados recebem nota F. Encontre o mnimo para
receber A e o mnimo para passar, no receber F.
9. Seja Y uma funo tal que Y = X1 + X2 + X3 e as variveis Xi so independentes com as seguintes
distribuies: X1 = N(10;9), X2 = N(-2;4) e X3 = N (5;25). Qual a distribuio de Y?
10. Certo produto tem peso mdio de 10 g e desvio padro 0,5 g. embalado em caixas de 120 unidades que
pesam em mdia 150 g e desvio padro 8 g. Qual a probabilidade de que uma caixa cheia pese mais de
1.370 g?
11. Determinada mquina enche latas baseada no peso bruto com mdia 1 kg e desvio padro 25 g. As latas tm
peso de 90 g com desvio padro 8 g. Pede-se:
a) a probabilidade de uma lata conter menos de 870 g de peso lquido
b) a probabilidade de uma lata conter mais de 900 g de peso lquido
12. Um avio de turismo de 4 lugares pode levar uma carga til de 350 kg. Supondo que os passageiros tm peso
de 70 kg com distribuio normal de peso e desvio padro 20 kg, e que a bagagem de cada passageiro pese em
mdia 12 kg, com desvio padro 5 kg e distribuio normal do peso, calcular a probabilidade de:
a) haver sobrecarga se o piloto no pesar os 4 passageiros e respectiva bagagem
b) que o piloto tenha de tirar pelo menos 50 kg de gasolina para evitar sobrecarga
13. Em uma distribuio normal, 28% dos elementos so superiores a 34 e 12% inferiores a 19. Encontrar a mdia
e a varincia da distribuio.
14. Suponha que a durao de vida de dois equipamentos E1 e E2 tenham respectivamente distribuies N(45;9)
e N(40;36). Se o equipamento tiver que ser usado por um perodo de 45 horas, qual deles deve ser preferido?
15. Certa mquina de empacotar determinado produto oferece variaes de peso com desvio padro de 20 g. Em
quanto deve ser regulado o peso mdio do pacote para que apenas 10% tenham menos que 400 g? Calcule a
probabilidade de um pacote sair com mais de 450 g.
16. Sendo X N ( ; 2), determine:
a) P ( - X + )
b) P ( - 2 X + 2)
c) P ( - 3 X + 3)
d) P ( - 1,5 X + 1,5)
e) P ( - 3,5 X + 3,5)
17/28
ESTATSTICA I
17. Com base nas respostas obtidas no exerccio anterior, pode-se concluir que para qualquer distribuio Normal:
a) o intervalo compreendido entre o valor da mdia menos "um" desvio padro e o valor da mdia mais "um"
desvio padro contm aproximadamente 68% das observaes.
Elabore concluses semelhantes, considerando os resultados obtidos nos outros itens do exerccio anterior.
18. Num laticnio, a temperatura do pasteurizador deve ser de 75C. Se a temperatura ficar inferior a 70C, o leite
poder ficar com bactrias malficas ao organismo humano. Observaes do processo mostram que valores da
temperatura seguem uma distribuio normal com mdia 75,4C e desvio padro 2,2C.
a) Qual a probabilidade da temperatura ficar inferior a 70C?
b) Qual a probabilidade de que em 500 utilizaes do pasteurizador, em mais do que cinco vezes a temperatura
no atinja 70C?
19. O tempo para que um sistema computacional execute determinada tarefa uma varivel aleatria com
distribuio normal, com mdia 320 segundos e desvio padro de 7 segundos.
a) Qual a probabilidade de a tarefa ser executada entre 310 e 330 segundos?
b) Se a tarefa colocada para execuo 200 vezes, qual a probabilidade de ela demorar mais do que 325
segundos em pelo menos 50 vezes?
20) Um exame de mltipla escolha consiste em 10 questes, cada uma com quatro possibilidades de escolha. A
aprovao exige, no mnimo, 50% de acertos.
a) Qual a probabilidade de aprovao se o candidato comparece ao exame sem saber absolutamente nada,
apelando apenas para o "palpite"?
b) E se o exame tivesse 100 questes?
21. No horrio de maior movimento, um sistema de banco de dados recebe, em mdia, 100 requisies por
minuto, segundo uma distribuio de Poisson. Qual a probabilidade de que no prximo minuto ocorram mais de
120 requisies? Use a aproximao normal com correo de continuidade.
22. Os dados histricos de uma rede de computadores sugerem que as conexes com essa rede, em horrio
normal, seguem uma distribuio de Poisson com mdia de 5 conexes por minuto. Calcule t 0, tal que se tenha
probabilidade igual a 0,90 de que ocorra pelo menos uma conexo antes do tempo t 0.
23. Uma empresa fabrica dois tipos de monitores de vdeo. suposto que as durabilidades deles seguem
distribuies normais, sendo o monitor M1 com mdia de 6 anos e desvio padro 2,3 anos; e o monitor M2 com
mdia de 8 anos e desvio padro 2,8 anos. M1 tem 2 anos de garantia e M2 tem 3 anos. A empresa lucra R$
100,00 a cada M1 vendido e R$ 200,00 a cada M2 vendido, mas se deixarem de funcionar no perodo de garantia,
a empresa perde R$ 300,00 (no caso de M1) e R$ 800,00 (no caso de M2). Em mdia, qual o tipo de monitor
que gera mais lucro?
AVANADO
24. Uma fbrica de calados masculinos deseja exportar um lote experimental de 500 pares de um determinado
modelo. Sabendo que no pas de destino, o tamanho dos ps tem distribuio normal com mdia 40 cm e desvio
padro de 1,67 cm, e no desejando ter seu produto encalhado nas prateleiras de destino, qual deve ser a
composio do lote em termos da numerao dos pares de 35 a 45?
18/28
ESTATSTICA I
A3. Evento
um subconjunto formado por um ou mais resultados do espao amostral.
Evento Elementar um resultado nico do espao amostral.
Evento Certo quando o evento corresponde ocorrncia do prprio espao amostral S.
Evento Impossvel quando o evento corresponde a um conjunto vazio .
Exemplos para E3:
A = {2, 4, 6} contido em S3: A um evento de S3. (obter um nmero par)
B = {4} contido em S3: B um evento elementar. (obter o nmero 4)
C = {1, 2, 3, 4, 5, 6} contido em S3: C um evento certo. (obter o nmero 1 ou 2 ou 3 ou 4 ou 5 ou 6)
D = {8} no subconjunto de S3. Logo D= ,D um evento impossvel. (obter um nmero maior que 6)
ESTATSTICA I
A7. Probabilidade
Dado um experimento aleatrio E, e sendo S seu espao amostral, a probabilidade de um evento A (denotada por
P{A}) uma funo definida em S, que associa a cada evento um nmero real que satisfaz as seguintes
propriedades:
0 P{A} 1
p{ai} = P{S} = 1, onde os ais representam todos os eventos elementares de S.
P{A U B} = P{A} + P{B} se A e B forem eventos mutuamente excludentes, ou
= P{A} + P{B} P{A B} caso contrrio.
A probabilidade terica de um evento obtida utilizando procedimentos de contagem (ANLISE COMBINATRIA)
dos casos favorveis ocorrncia do evento e de contagem de todos os casos possveis:
P{ A }
Nota: A expresso P{A}) acima uma conseqncia da suposio de que todos os resultados sejam igualmente
verossmeis (ou equiprovveis), e portanto s deve ser aplicada quando essa suposio for atendida.
P A / B
P A B
P B
e tambm,
P B / A
P A B
P A
De outra forma, P{A/B} a razo entre o n de vezes que A e B podem ocorrer e o n de vezes que B pode ocorrer.
Se os eventos A e B forem independentes, ento P{A/B} = P{A} e P{B/A} = P{B}.
EXEMPLO: Um lote possui 20 peas defeituosas e 80 peas perfeitas. Seleciona-se 2 peas deste lote sem
reposio. Sejam os eventos:
A = {a primeira pea defeituosa}
Na retirada da primeira pea, temos P{A} = 20/100 = 1/5. Para calcularmos P{B}, preciso conhecer a nova
composio do lote no momento da extrao da segunda pea. Isto significa saber se A ocorreu ou no.
Se A ocorreu, teremos agora 19 peas defeituosas e 80 perfeitas, o que implica em P{B/A} = 19/99.
Caso no tenha ocorrido A, teremos 20 peas defeituosas e 79 perfeitas, implicando em P{B/ A } = 20/99.
20/28
ESTATSTICA I
ou
P{ A B} P{B}.P{ A / B}
P{ A B} P{ A }.P{B / A }
1 19
19
.
5 99
495
EXEMPLO: Um escritrio de contabilidade possui 100 mquinas de calcular. Algumas so eltricas (E) e outras
manuais (M), enquanto umas so novas (N) e outras so usadas (U), conforme tabela abaixo. Uma pessoa entra
no escritrio, pega uma mquina ao acaso e observa que ela nova (N). Qual a probabilidade de que a mquina
seja eltrica (E)?
E
M
N
40
30
70
U
20
10
30
60
40
100
Queremos calcular P{E/N}, que segundo a frmula P{E/N} = P{EN}/P{N} resulta em:
P{E / N}
P{E N} 40 / 100 4
P{N}
70 / 100 7
P{B} P{B / A 1 }.P{ A 1 } P{B / A 2 }.P{ A 2 } .... P{B / A n }.P{ A n } P{B / A i }.P{ A i }
i 1
EXEMPLO 1: Retomemos o exemplo do lote com 20 peas defeituosas e 80 peas perfeitas. Seleciona-se 2
peas deste lote sem reposio. Sejam os eventos:
A = {a primeira pea defeituosa}
19 1
20 4
.
.
99 5
99 5
19 80
99 . 5
1
5
EXEMPLO 2: Uma determinada pea produzida por trs fbricas 1, 2 e 3. Sabe-se que a fbrica 1 produz o dobro
de peas que a fbrica 2 e que 2 e 3 produzem a mesma quantidade. Sabe-se tambm que 2% das peas
produzidas por 1 e 2 so defeituosas e que 4% das peas produzidas por 3 so defeituosas. Estando todas as
peas produzidas armazenadas em um depsito, extrai-se dali uma pea ao acaso. Qual a probabilidade da pea
ser defeituosa?
Consideremos os seguintes eventos:
D = {a pea defeituosa}, F1 = {a pea provem de 1}, F2 = {a pea provem de 2} e F3 = {a pea provem de 3}.
Temos assim que calcular P{D} = P{D/F1}.P{F1} + P{D/F2}.P{F2} + P{D/F3}.P{F3}.
Sabemos que P{F1} = 1/2 e P{F2} = P{F3} = 1/4 e sabemos tambm que P{D/FB1}=P{D/F2}=0,02 enquanto
P{D/F3}=0,04. Aplicando estes valores expresso acima, encontramos:
P{D} = (0,02).(0,5) + (0,02).(0,25) + (0,04).(0,25) = 0,01 + 0,005 + 0,01 = 0,025 = 2,5%
21/28
ESTATSTICA I
P{ A i }
P{ A i }.P{B / A i }
P{ A1}.P{B / A1} P{ A 2 }.P{B / A 2 } ... P{ A n }.P{B / A n }
EXEMPLO: Retomando o Exemplo 2 do item anterior, suponha que retiramos uma pea e seja constatado que ela
defeituosa. Qual a probabilidade de que ela tenha sido produzida pela fbrica 1?
Pede-se portanto a probabilidade P{F1/D}. Considerando-se que F1, F2 e F3 constituem uma partio do espao
amostral (temos apenas 3 fbricas, e uma pea somente pode ser fabricada por uma destas trs fbricas) ,
adaptamos a frmula de Bayes trocando B por D e Ais por Fis.
P{F1 / D}
E assim obtemos:
P{F1 / D}
P{D / F1 }.P{F1 }
P{D / Fi }.P{Fi }
(0,02)(0,5)
0,40 40%
(0,02)(0,5) (0,02)(0,25) (0,04)(0,25)
P n, r
n!
n r !
Notas:
NO EXCEL
Funo PERMUT(nm;nm_escolhido): Retorna o nmero de permutaes para um dado
nmero de objetos que pode ser selecionado de objetos de nmeros. Uma permutao qualquer
conjunto ou subconjunto de objetos ou eventos em que a ordem interna significativa. As
permutaes so diferentes das combinaes em que a ordem interna no significativa. Use esta
funo para clculos de probabilidade do tipo loteria.
nm um nmero inteiro que descreve o nmero total de objetos.
nm_escolhido o nmero inteiro que descreve o nmero de objetos em cada permutao.
COMENTRIOS
22/28
ESTATSTICA I
13.2. COMBINAES
Quando a ORDEM dos elementos dentro do grupo no importa, mas apenas a quantidade de cada elemento no
grupo, utiliza-se a COMBINAO . A frmula para clculo de combinaes :
C n, r
n!
r!. n r !
NO EXCEL
Funo COMBIN(nm;nm_escolhido): Retorna o nmero de combinaes de um determinado
nmero de itens. Uma combinao qualquer conjunto ou subconjunto de itens,
independentemente da sua ordem interna. As combinaes diferem das permutaes para as
quais a ordem interna importante. Use COMBIN para determinar o nmero total possvel de
grupos para determinado nmero de objetos.
nm um nmero inteiro que descreve o nmero total de objetos.
nm_escolhido o nmero inteiro que descreve o nmero de objetos em cada combinao.
COMENTRIOS
23/28
ESTATSTICA I
24/28
ESTATSTICA I
ESTATSTICA I
ESTATSTICA I
ESTATSTICA I