1

Cursos: Engenharias e Sistemas de Informao 2013-2

Mtodos e Ferramentas Computacionais II Distribuies de Probabilidades
Material adaptado de Fabola Eugnio Arrabaa Moraes (2012-1)
ATENO ALUNOS(AS)
Nesse material temos as definies tericas de algumas
distribuies de probabilidades com exemplificaes.
Explicaremos essas distribuies nas aulas dessa semana (04/11
e 05/11). Ao final propomos algumas atividades que devero ser
feitas em dupla e entregues como trabalho, valendo 10,0 pontos
na aula da semana do dia 18/11, ou seja, a turma de segunda-feira
entrega no dia 18 e a turma de tera-feira, entrega no dia 19.



Modelos Tericos Discretos de Probabilidade

Quando aplicamos a Estatstica na resoluo de situaes-problema, verificamos que muitas delas apresentam as
mesmas caractersticas; o que nos permite estabelecer um modelo estatstico terico para a determinao da
resoluo destas situaes-problema.

Este modelo estatstico terico, tambm denotado Distribuio de Probabilidades, apresenta alguns
componentes principais, entre estes temos:

- Os possveis valores que a varivel aleatria X pode assumir;
- A funo de probabilidade associada varivel aleatria X ;
- A mdia (ou valor esperado) da varivel aleatria X ;
- A varincia e o desvio-padro da varivel aleatria X .


Neste contexto, vamos estudar algumas das principais Distribuies de Probabilidades Discretas entre elas, a
Distribuio Binomial e a Distribuio de Poisson.


Distribuies de Probabilidades Discretas

Distribuio Binomial

A distribuio binomial apresenta algumas caractersticas fceis de ser interpretadas, isto , supor um experimento
E repetido n vezes independentemente; sendo que em cada repetio a probabilidade de sucesso se mantm
igual a p e a de fracasso igual a q .

Agora imagine que estamos interessados na ocorrncia de x sucessos e
( ) n x fracassos, independente da
ordem de ocorrncia, desta forma temos que a varivel aleatria X admite distribuio binomial de
probabilidades.

A notao utilizada ser
( ) , X b n p (L-se a varivel aleatria X tem distribuio Binomial com
parmetros n e p ).

Descrevendo temos:
( )
k n k
n
P X x p q
k

| |
= =
|
\ .
, em que 0,1, , k n = .

( ) X np = Mdia (ou valor esperado) da varivel aleatria X .

( ) ( )
2
e X npq X npq o o = = Varincia e desvio-padro, respectivamente, de X .
2

Exemplo 1: Supor o lanamento de uma moeda honesta 10 vezes, qual a probabilidade de se obter:
a) 5 vezes o resultado cara.
b) No mximo 2 vezes o resultado cara.
c) Pelo menos 3 vezes o resultado cara.

Resoluo:
No geral, denotamos cara por k e coroa por c .

(a) Desejamos calcular a probabilidade de sair o resultado cara
( ) k 5 vezes.
Logo, 10 n = e 0, 5 p = (probabilidade de se obter cara
( ) k em cada lanamento de moeda).
Assim,
( )
k n k
n
P X x p q
k

| |
= =
|
\ .


( ) ( ) ( )
5 10 5
10
5 0, 5 1 0, 5
5
P X
| |
= =
|
\ .

( )
( )
( ) ( )
5 10 5 10!
5 0, 5 1 0, 5
5! 10 5 !
P X

= =

( ) ( ) ( )
5 5 10.9.8.7.6.5!
5 0, 5 1 0, 5
5!5!
P X = =
( ) ( ) ( ) ( ) ( )
5 5 10.9.8.7.6
5 0, 5 1 0, 5 3.2.7.6. 0, 03125 . 0, 03125
5.4.3.2.4.1
P X = = =

( ) 5 0, 2461 P X = =

De forma anloga vamos utilizar a Tabela A com valores tabelados para a varivel aleatria discreta que
apresentar distribuio binomial, disponvel ao final desta apostila. A vantagem da utilizao dos valores
tabelados viabilizar mais rpido e direto o resultado.

Sendo assim, vamos fazer a leitura da interseco destes valores, isto , temos que para 10 n = , 0, 5 p = (que
corresponde ltima coluna dos valores de p , sua direita) e para o valor de 5 k = (na coluna de k ); a
interseco da linha de 5 k = com a coluna em 0, 5 p = , conclumos o resultado 0,2461.

Portanto:
( ) ( ) ( )
5 5
10
5 0, 5 1 0, 5 0, 2461
5
P X
| |
= = =
|
\ .
ou 24, 61%.

b) O resultado cara
( ) k deve ser obtido no mximo 2 vezes. Teoricamente o lanamento da moeda poderia
apresentar o resultado cara at 10 vezes, iniciando em 0 caras (nenhuma vez). Portanto, k pode variar de 0 at
10; queremos no mximo 2, isto , 0,1 e 2 k = .
( )
k n k
n
P X x p q
k

| |
= =
|
\ .

( ) ( ) ( ) ( ) ( ) ( ) ( )
0 10 0 1 10 1
10 10
0 1 2 0, 5 1 0, 5 0, 5 1 0, 5
0 1
P X P X P X
| | | |
= + = + = = + +
| |
\ . \ .



( ) ( ) ( )
2 10 2
10
2 0, 5 1 0, 5
2
P X
| |
+ = =
|
\ .


Observe que o nmero de caras
( ) k sempre igual a 10 no exemplo, portanto 10 n = e, realizando, da mesma
forma, na tabela da binomial, temos:

3
( 0) 0, 0010 P X = = , ( 1) 0, 0098 P X = = e ( 2) 0, 0439 P X = = .
Portanto,
( ) ( ) ( ) 0 1 2 0, 0547 P X P X P X = + = + = = ou 5, 47%.

c) Pelo menos 3 vezes o resultado cara
( ) k ; isto significa que voc no pode obter resultados 0, 1 ou 2 (do item
(b)). Portanto, pelo evento complementar:

( ) ( ) ( ) ( ) 3 1 0 1 2 P X P X P X P X ( > = = + = + =


( ) 3 1 0, 0547 0,9453 P X > = = ou 94, 53%.

Exemplo 2: Qual a probabilidade de uma famlia de 4 filhos ter:

a) nenhum filho homem
b) 1 filho homem
c) 2 filhos homens
d) 3 filhos homens
e) 4 filhos homens
Resoluo:

A probabilidade de nascer um filho homem de 0,50 (1/2) em cada nascimento de uma criana. Temos ento:
4 n = , 0, 50 p = e 0,1, 2, 3 e 4 k = .

Considerando k representando o nmero de filhos homens, teremos:

( )
( )
0 4 4
4
1 1 4! 1 1 1
0 1 .1. 1.
0 2 2 0! 4 0 ! 2 16 16
P X
| |
| | | | | |
= = = = =
| | | |

\ . \ . \ .
\ .


( )
( )
1 3 1 3
4
1 1 4! 1 1 4.3! 1 1 1 4
1 1 . . . . 4.
1 2 2 1! 4 1 ! 2 2 1!3! 2 8 16 16
P X
| |
| | | | | | | |
= = = = = =
| | | | |

\ . \ . \ . \ .
\ .


( )
( )
2 2 2 2
4
1 1 4! 1 1 4.3.2! 1 1 1 6
2 1 . . . . 6.
2 2 2 2! 4 2 ! 2 2 2!2! 4 4 16 16
P X
| |
| | | | | | | |
= = = = = =
| | | | |

\ . \ . \ . \ .
\ .


( )
( )
3 1 3 1
4
1 1 4! 1 1 4.3! 1 1 1 4
3 1 . . . . 4.
3 2 2 3! 4 3 ! 2 2 3!1! 8 2 16 16
P X
| |
| | | | | | | |
= = = = = =
| | | | |

\ . \ . \ . \ .
\ .


( )
( )
4 0 4 0
4
1 1 4! 1 1 1 1
4 1 . . 1. .1
4 2 2 4! 4 4 ! 2 2 16 16
P X
| |
| | | | | | | |
= = = = =
| | | | |

\ . \ . \ . \ .
\ .


Interpretando, por exemplo,
( ) 2 6/16 P X = = temos que a probabilidade de uma famlia de 4 filhos ter 2 filhos
homens 6/16. Tambm podemos interpretar este resultado da seguinte forma, imagine que voc tem 16 famlias
com 4 filhos. Voc espera, pela probabilidade, que 6 dessas famlias tenham 2 filhos homens.



Exemplo 3: Em um lote de peas, 5% so defeituosos. Calcule a probabilidade de, em 20 dessas peas, haver,
exatamente, uma defeituosa.

Resoluo:

Seja
( ) perfeita 0,95 P = e
( ) defeituosa 0, 05 P = , logo so dois eventos com probabilidades constantes.
Portanto, sendo 1 k = o nmero de peas defeituosas temos,

4
( )
k n k
n
P X x p q
k

| |
= =
|
\ .

( ) ( ) ( )
1 19
20
1 0, 05 0, 95 0, 3774
1
P X
| |
= = =
|
\ .


Na Tabela A: Distribuio Binomial, vamos fazer a leitura da interseco destes valores, isto , temos que para
20 n = , 0, 05 p = e para o valor de 1 k = ; a interseco da linha de 1 k = com a coluna em 0, 05 p = ,
conclumos o resultado 0,3774.

Portanto, em um lote de peas onde 5% so defeituosos, sorteadas 20 dessas peas, a probabilidade de haver,
exatamente, uma defeituosa em torno de 37,74%.

Exemplo 4: Se a probabilidade de um setor em um dvd ser defeituoso 0,1, encontre a mdia e o desvio padro
para o nmero de setores com defeito em um total de 400 dvds.

( )
2
Para a distribuicao binomial a
log , 400 0,1 40, espera-se 40 dvds com setores defeituoso
= (400).(0,1).0, 9) 36 36 6
X np
o
npq

o o
=
= =
= = => = =



Distribuio de Poisson

Na distribuio binomial, o interesse era na determinao do nmero X=x de sucessos em um intervalo discreto de
n ensaios de Bernoulli.

Aqui, o interesse na determinao do nmero X
t
=x de sucessos em um intervalo contnuo de comprimento t.
Por exemplo: o nmero de incidentes durante uma hora de conexo de um tipo de usurio da Internet, em um
determinado perodo do dia e do ano; o nmero de erros de impresso em cada pgina de certo tipo de relatrio; o
nmero de falhas em cada 1000 metros de fibra tica de uma certa procedncia; o nmero de falhas na superfcie
correspondente ao setor de gravao de um DVD de uma certa marca.

Uma varivel aleatria X admite distribuio de Poisson sendo expressa por:

( )
( )
!
k
e
P X k
k

= = , 0,1, 2, k =

Em que,

: denota o parmetro de interesse e uma taxa de ocorrncias do evento de interesse por unidade de tempo
(ou de comprimento ou de rea, etc, dependendo do que t esteja representando)
: denota a mdia
( ) ( )
E X = = .
k : denota o nmero de ocorrncias.

A notao utilizada ser
( ) X Po (L-se a varivel aleatria X tem distribuio de Poisson com
parmetro lambda
( ) ).

Temos que o nico parmetro
( ) a mdia
( ) , que pode assumir valores contnuos, enquanto o nmero de
ocorrncias sempre um espao discreto, ou apenas valores inteiros. E, para entendermos melhor esta ideia
supor, a seguinte situao-problema:

Em uma central telefnica, o nmero de telefonemas, em mdia, podem chegar a 2 chamadas por minuto ou 2,5
chamadas por minuto, ou 3 ou 3,5, e assim por diante. Percebemos ento, que a mdia no precisa ser composta
apenas por valores inteiros. Entretanto, em um minuto, por exemplo, podem chegar 2, 3, 4, 5 chamadas; sempre
nmeros inteiros.

5
Exemplo 5: Em um minuto, na central telefnica citada, chegam 2 chamadas, em outro minuto, chegam 3.
Determine a mdia de chamadas.
1
2 3
2, 5
2
n
i
i
x
Mdia X
n
=
+
= = = =

A mdia da distribuio de Poisson pode assumir qualquer valor, mas o nmero de ocorrncias sempre
um nmero inteiro.

Outros exemplos da distribuio de Poisson:

O nmero de sacos de cimento consumidos em uma construo civil de 5, em mdia, por dia.
O nmero de DVDs vendidos em uma loja 6, em mdia, por dia.
O nmero de colises de veculos em certo cruzamento de 3, em mdia, por semana.
O nmero de pacientes atendidos por um mdico de 4 pacientes, em mdia, por hora.

Uma Propriedade importante da distribuio de Poisson a da aditividade das mdias, ou seja, se em um
minuto chegam 2 chamadas em uma central telefnica, em mdia; em 2 minutos a mdia ser de 4 chamadas.

0, 5min 1 x = = chamadas
1, 0min 2 x = = chamadas
2, 0min 4 x = = chamadas

Exemplo 6:
O nmero de clientes atendidos pelo caixa de um banco de 4, em mdia, por hora. Qual a probabilidade de se
atender:

a) Exatamente 4 clientes em uma hora.
b) No mximo 2 clientes em uma hora.
c) Pelo menos 2 clientes em uma hora.

Para resolver estas situaes sem ter que efetuar as contas, possvel obter os resultados consultando a Tabela
B no final desta apostila. Basta procurar a mdia desejada ( , na tabela) e, em seguida, ler o valor
correspondente de k . A probabilidade obtida pela interseco da coluna de com a linha de k .

Resoluo:

a) Como informado no enunciado a mdia de atendimento, pelo caixa de um banco de 4 clientes por hora, logo
4 = e, deseja-se saber qual a probabilidade de se atender, exatamente, 4 em uma hora, da 4 k = .

( )
( )
( )
( )
4
4
4
4 0,1954
! 4!
k
e e
P X k P X
k

= = = = = Tabela B

b) Com a mesma linha de raciocnio apresentada em (a), porm pede-se agora a probabilidade de se atender, no
mximo, 2 clientes em uma hora, da 2 k = .

( )
( )
( ) ( ) ( ) ( ) 2 0 1 2
!
k
e
P X k P X P X P X P x
k

= = = = = + = + =
0, 0183 0, 0733 0,1465 0, 2381 = + + =

c) O item (c) pede pelo menos atender 2, em uma hora; isto significa atender 2 ou mais clientes. Neste caso, so
vrias as possibilidades, logo faremos o clculo utilizando a propriedade complementar.





Portanto:

Ateno: para esta situao, o caixa do banco somente no
poder atender 0 ou 1 cliente. No se esquea do zero!!!
6
( ) ( ) ( ) | |
2 1 0 1 1 0, 0183 0, 0733 1 0, 0916 0, 9084 P X P X P X ( > = = + = = + = =


( ) 2 1 0, 0916 0,9084 P X > = = .

Exemplo 6: Um taxista atende, em mdia, dois clientes por hora. Qual a probabilidade de atender:

a) 1 ou 2 clientes, em 1 hora.
b) 4 ou 5 clientes, em 2 horas.
c) nenhum cliente em meia hora.

Resoluo:

a) Como informado no enunciado a mdia de atendimento, pelo taxista de 2 clientes por hora, logo 2 = . Logo,
1 ou 2 clientes, em uma hora temos,

( )
( )
( ) ( ) ( ) 2 1 2
!
k
e
P X k P X P X P X
k

= = = = = + =
( ) 2 0, 2707 0, 2707 0,5414 P X = = + =

b) Com a ideia da Propriedade da aditividade das mdias, podemos escrever:
1 2 hora clientes
2 4 horas X = = clientes. Logo, na Tabela B temos,

( )
( )
!
k
e
P X k
k

= =
( ) ( ) 4 5 0,1954 0,1563 0,3517 P X P X = + = = + = Tabela B

c) Da mesma forma que em (b) temos,

1 2 hora clientes
0, 5 1 hora X = = cliente

( )
( )
!
k
e
P X k
k

= =
( ) ( )
0
0 1 0 0,3679 P X P X = = = =


Distribuies de Probabilidades Contnua

Distribuio Normal

Uma varivel aleatria contnua X tem distribuio Normal com parmetros e
2
o . considerada a mais
importante e freqente distribuio utilizada na Estatstica e, em quase todos os processos industriais o
comportamento da varivel, em estudo, semelhante ao apresentado pela distribuio Normal, ou seja, num
processo qualquer, com mdia e desvio padro o , observamos:

A maioria dos valores se concentra ao redor da mdia.
50% dos valores esto acima da mdia, e 50% abaixo da mdia.
Os valores distribuem-se simetricamente esquerda e direita em relao mdia.
praticamente nula a probabilidade de um valor afastar-se muito da mdia.

A rigor essa varivel discreta, mas pela ocorrncia de muitos valores distintos ela pode ser tratada
como contnua.
7
A distribuio normal (ou Gaussiana) foi inicialmente proposta como modelo terico para descrever
erros de medio, pois imaginava-se que ela representasse o comportamento natural de qualquer tipo de
erro experimental. Esse modelo continua desempenhando um papel importante na estatstica.

Vejamos uma representao de uma distribuio normal com mdia x e desvio padro x, para uma
varivel X.

A distribuio normal contnua, com sua fdp tendo a forma de um sino, de caudas simtricas em
relao sua mdia x . Existem dois pontos nos quais essa curva muda a concavidade (chamados pontos
de inflexo x-x) e (x+x), onde x o desvio padro. Quanto maior o valor de x, mais espalhada
(maior disperso) na base e mais baixa ser a figura e quanto menor for, tambm menor ser a disperso
e maior a altura em torno da mdia x.




Figura 1: Densidade Normal


Considere
( )
2
, X N o (L-se a varivel aleatria X tem distribuio Normal com mdia e varincia
2
o ) e, defina uma nova varivel
X
Z

o

= . Pelas propriedades do valor esperado e da varincia, segue que:

( ) ( ) ( )
1 1
0
X
E Z E E X E X

o o o
| |
( = = = =
|

\ .
.

( ) ( ) ( )
2 2
1 1
1
X
Var Z Var Var X Var X

o o o
| |
= = = =
|
\ .








Vejamos, agora como calcular a probabilidade:

Para determinarmos a probabilidade da varivel aleatria
| |
, X a b e (L-se X pertence ao intervalo fechado
de a at b ), observe o desenvolvimento a seguir:

( )
a b
P a X b Z

o o
| |
s s = s s
|
\ .



Observe que a transformao realizada no afeta a normalidade e, assim a
varivel ter distribuio Normal com mdia 0 e varincia 1, isto ,
e, ser denotada de Normal Padro ou Normal Reduzida.

8
E, desta forma, quaisquer que sejam os valores de e o , utilizamos a Normal Padro para obter
probabilidades com distribuio Normal. Os valores para a probabilidade
( ) 0 , 0 P Z z z s s > so tabelados e
apresentados na Tabela C, no final desta apostila.







Exemplo 7: Considerando
( ) 2,9 X N temos,

a b
P Z

o o
| |
s s
|
\ .
No exemplo, 2 = e
2 2
9 9 9 o o o = = =


Supondo,
| |
2,5 X e
( ) ( )
2 2 2 5 2
2 5 0 1 0, 3413
9 9 9
X
P X P P Z
| |
s s = < < = < < =
|
\ .


Portanto, o valor encontrado na Tabela C corresponde rea sombreada no grfico 1.


Grfico 1: Clculo da rea de
( ) 2 5 P X s s


Exemplo 8: Encontre a
( ) 0 2 P X s < , supor
( ) 2,9 X N .

Resoluo:
Considerando o mesmo desenvolvimento realizado passo a passo, no exemplo anterior, em sntese temos,

( ) ( )
0 2 2 2
0 2 2 3 0
3 9
P X P Z P Z
| |
s < = s < = s <
|
\ .


( ) 0 2 3 0, 2486 P Z = < s =


Note que a simetria tambm implica que a probabilidade de estar
acima (ou abaixo) de zero 0,5. E como probabilidade sempre
um valor entre 0 e 1; a Tabela C contm apenas a parte decimal.

9
Grfico 2: Clculo da rea de
( ) 2 5 P X s s


Saiba tambm que podemos calcular as probabilidades de intervalos com extremos negativos, utilizando
os correspondentes intervalos na parte positiva. Outro recurso importante no uso da Tabela C a
utilizao do complementar. Assim observe o exemplo que se segue:

Exemplo 9: Considerando a mesma distribuio supracitada,
( ) 2,9 X N , encontre a probabilidade a seguir:

( ) ( )
3 2
3 1 3
3
X
P X P P Z

o
| |
> = > = >
|
\ .


1
0, 5 0 0, 5 0,1293 0, 3707
3
P Z
| |
= s < = =
|
\ .
.









Para encontrar o valor 0,1293; resultante da probabilidade
na Tabela C, basta realizar a interseco da coluna
correspondente ao valor 0,3 , com a linha
assumindo valor 3 tambm; resultado da aproximao da razo .
10
Tabela A: Distribuio Binomial
10 n =


k
p

0,02 0,05 0,10 0,20 0,25 0,30 0,40 0,50
0 0,8171 0,5987 0,3487 0,1074 0,0563 0,0282 0,0060 0,0010 10
1 0,1667 0,3151 0,3874 0,2684 0,1877 0,1211 0,0403 0,0098 9
2 0,0153 0,0746 0,1937 0,3020 0,2816 0,2335 0,1209 0,0439 8
3 0,0008 0,0105 0,0574 0,2013 0,2503 0,2668 0,2150 0,1172 7
4 0,0000 0,0010 0,0112 0,0881 0,1460 0,2001 0,2508 0,2051 6
5 0,0001 0,0015 0,0264 0,0584 0,1029 0,2007 0,2461 5
6 0,0000 0,0001 0,0055 0,0162 0,0368 0,1115 0,2051 4
7 0,0000 0,0008 0,0031 0,0090 0,0425 0,1172 3
8 0,0001 0,0004 0,0014 0,0106 0,0439 2
9 0,0000 0,0000 0,0001 0,0016 0,0098 1
10 0,0000 0,0001 0,0010 0
20 n =


0 0,6676 0,3585 0,1216 0,0115 0,0032 0,0008 0,0000 20
1 0,2725 0,3774 0,2702 0,0577 0,0211 0,0068 0,0005 0,0000 19
2 0,0528 0,1887 0,2852 0,1369 0,0669 0,0278 0,0031 0,0002 18
3 0,0065 0,0596 0,1901 0,2054 0,1339 0,0716 0,0123 0,0011 17
4 0,0006 0,0133 0,0898 0,2182 0,1897 0,1304 0,0350 0,0046 16
5 0,0000 0,0022 0,0319 0,1746 0,2023 0,1789 0,0746 0,0148 15
6 0,0003 0,0089 0,1091 0,1686 0,1916 0,1244 0,0370 14
7 0,0000 0,0020 0,0545 0,1124 0,1643 0,1659 0,0739 13
8 0,0004 0,0222 0,0609 0,1144 0,1797 0,1201 12
9 0,0001 0,0074 0,0271 0,0654 0,1597 0,1602 11
10 0,0000 0,0020 0,0099 0,0308 0,1171 0,1762 10
11 0,0005 0,0030 0,0120 0,0710 0,1602 9
12 0,0001 0,0008 0,0039 0,0355 0,1201 8
13 0,0000 0,0002 0,0010 0,0146 0,0739 7
14 0,0000 0,0002 0,0048 0,0370 6
15 0,0000 0,0013 0,0148 5
16 0,0003 0,0046 4
17 0,0000 0,0011 3
18 0,0002 2
19 0,0000 1
20 0

0,98 0,95 0,90 0,80 0,75 0,70 0,60 0,50
k
p



11
Tabela B: Distribuio de Poisson
k

0,1 0,2 0,5 1 1,5 2 2,5
0 0,9048 0,8187 0,6065 0,3679 0,2231 0,1353 0,0821
1 0,0905 0,1637 0,3033 0,3679 0,3347 0,2707 0,2052
2 0,0045 0,0164 0,0758 0,1839 0,2510 0,2707 0,2565
3 0,0002 0,0011 0,0126 0,0613 0,1255 0,1804 0,2138
4 0,0000 0,0001 0,0016 0,0153 0,0471 0,0902 0,1336
5 0,0000 0,0002 0,0031 0,0141 0,0361 0,0068
6 0,0000 0,0005 0,0035 0,0120 0,0278
7 0,0001 0,0008 0,0034 0,0099
8 0,0000 0,0001 0,0009 0,0031
9 0,0000 0,0002 0,0009
10 0,0000 0,0002
k

3 3,5 4 4,5 5 5,5 6
0 0,0498 0,0302 0,0183 0,0111 0,0067 0,0041 0,0025
1 0,1494 0,1057 0,0733 0,0500 0,0337 0,225 0,0149
2 0,2240 0,1850 0,1465 0,1125 0,0842 0,0618 0,0446
3 0,2240 0,2158 0,1954 0,1687 0,1404 0,1133 0,0892
4 0,1680 0,1888 0,1954 0,1898 0,1755 0,1558 0,1339
5 0,1008 0,1322 0,1563 0,1708 0,1755 0,1714 0,1606
6 0,0504 0,0771 0,1042 0,1281 0,1462 0,1571 0,1606
7 0,0216 0,0385 0,0595 0,0813 0,1044 0,1234 0,1377
8 0,0081 0,0169 0,0298 0,0463 0,0653 0,0849 0,1033
9 0,0027 0,0066 0,0132 0,0232 0,0363 0,0519 0,0668
10 0,0008 0,0023 0,0053 0,0104 0,0181 0,0285 0,0413
11 0,0002 0,0007 0,0019 0,0043 0,0082 0,0143 0,0225
12 0,0001 0,0002 0,0006 0,0016 0,0034 0,0065 0,0113
13 0,000 0,0001 0,0002 0,0006 0,0013 0,0028 0,0052
14 0,0000 0,0001 0,0002 0,0005 0,0011 0,0022
15 0,0000 0,0001 0,0002 0,0004 0,0009
16 0,0000 0,0000 0,0001 0,0003
17 0,0000 0,0001
18 0,0000














12
Tabela C: Distribuio Normal - Valores de
( )
0
0 P Z z s s
0
z 0 1 2 3 4 5 6 7 8 9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4965 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4983 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000






13
Exerccios / trabalho em dupla


Distribuio Binomial

1) Uma moeda lanada 20 vezes. Qual a probabilidade de sarem 8 caras?

2) Numa criao de coelhos, 40% so machos. Qual a probabilidade de que nasam pelo menos 2 coelhos
machos num dia em que nasceram 20 coelhos?

3) Uma prova tipo teste tem 50 questes independentes. Cada questo tem 5 alternativas. Apenas uma das
alternativas a correta. Se um aluno resolve prova respondendo a esmo as questes, qual a
probabilidade de tirar nota 5, ou seja a metade da pontuao.


Distribuio Poisson (obs: na Poisson precisamos da mdia)

1) Numa central telefnica chegam 300 telefonemas por hora. Qual a probabilidade de que:
a) Num minuto no haja nenhum chamado?
b) Em 2 minutos haja 2 chamados?

2) Em uma experincia demonstrou-se que de cada 400 lmpadas, 2 se queimam ao serem ligadas. Qual a
probabilidade de que numa instalao de
a) 600 lmpadas, no mnimo 3 se queimem?
b) 900 lmpadas, exatamente 8 se queimem?


3) O nmero de mortes por afogamento em fins de semana, numa cidade praiana, de 2 para cada 50.000
habitantes. Qual a probabilidade de que em:
a) 200.000 habitantes ocorram 5 afogamentos?
b) 112.500 habitantes ocorram pelo menos 3 afogamentos?


Distribuio normal (obs: precisamos da mdia e do desvio padro)

1) Utilizando a tabela Normal e X: N(100,25) calcule:
( )
( )
( )
( )
) 100 106
) 89 107
) 112 116
) 108
a P X
b P X
c P X
a P X
s s
s s
s s
>



2) Uma fbrica de carros sabe o que os motores de sua fabricao tm durao normal com mdia de
150.000 km e desvio padro de 5.000 km. Qual a probabilidade de que um carro, escolhido ao acaso, dos
fabricados por essa firma, tenha um motor que dure:
a) Menos de 170.000 km?
b) Entre 140.000 km e 165.000 km?

3) O peso mdio de 500 estudantes em uma universidade 151 libras e o desvio padro de 15 libras.
Supondo que os pesos esto normalmente distribudos, encontre quantos estudantes pesam entre 10 e
155 libras.