PROBABILIDADE

DISTRIBUIO DE PROBABILIDADE
ISABEL C. C. LEITE

SALVADOR BA
2010

Estatstica

Prof. Isabel C. C. Leite

Probabilidades
Introduo
De modo geral ao estudarmos qualquer fenmeno devemos procurar um modelo
matemtico que nos ajude a descrever de forma satisfatria o fenmeno apresentado. Assim,
necessitamos materializar uma forma matemtica para os fenmenos de observao, tais modelos
matemticos so de dois tipos: Determinstico e No-Determinstico.
O Modelo determinstico relativo aos experimentos que apresentam um resultado com um padro
matemtico, ou seja, quaisquer desvios ou erros se apresentaram pequenos o suficiente para jamais
alterar o modelo que com isto se torna suficiente. So exemplos: As leis da Fsica (Gravitacional e
as de Kepler)
O Modelo No-Determinstico (probabilstico ou estatstico) se apresenta como resultados
irregulares quando analisados individualmente, ou seja, existiram desvios suficientes que podem
alterar um dado comportamento de um fenmeno qualquer, mesmo que saibamos todas as
possveis respostas do experimento. So exemplos quaisquer experimentos com resultados
aleatrios (jogar um dado comum, tirar uma carta de um baralho de 52 cartas, etc.).
Experimentos Aleatrios
O experimento aleatrio tem sua formao num conjunto circunstancial com respostas
observveis e incertas, com trs caractersticas fundamentais:
O experimento pode ser repetido quantas vezes desejarmos;
A cada resultado individual observa-se total irregularidade dos resultados tornando-os
sem previso exata;
Aps uma grande repetio do experimento observamos impressionante regularidade
estatstica quando da anlise dos dados em conjunto.
Exemplos de experimentos aleatrios:
Observar o naipe sorteado de um baralho comum com 52 cartas;
Observar o resultado da face voltada para cima de um dado ao arremess-lo uma vez.
Contar o nmero de parafusos defeituosos produzidos diariamente por uma dada mquina.
Espao Amostral ()
Ao realizarmos um experimento aleatrio, o conjunto de todos os resultados possveis do
experimento ser chamado de espao amostral.
Indicaremos o nmero de elementos do espao amostral por N
Exemplos: Construa o espao amostral () dos seguintes experimentos aleatrios:
a) Jogar um dado e observar a face voltada para cima.
= {1, 2, 3, 4, 5, 6} e N = 6

Estatstica

Prof. Isabel C. C. Leite

b) Lanar uma moeda e observar a face voltada para cima.

= {K, C}, onde K = cara e C = coroa e N = 2
c) Lanar uma moeda e um dado ao mesmo tempo.
= {1K, 2K, 3K, 4K, 5K, 6K, 1C, 2C, 3C, 4C, 5C, 6C} e N = 12

O espao amostral () poder ser finito ou infinito. Aqui veremos apenas experimentos com
espao amostral finito.

O resultado obtido quando se realiza um experimento aleatrio pode ser formado por um
nmero ou um grupo de nmeros, um atributo ou grupo de atributos, ou, ainda, por uma
combinao de aspectos quantitativos e/ou qualitativos. Assim, as caractersticas de interesses
associadas a um experimento, aleatrio ser chamado de espao amostral.
Na teoria das probabilidades o espao amostral () um termo primitivo, logo sem definio a
partir de outros termos, alguns autores consideram-no mesmo inserido no conceito de experimentos
aleatrios.
Eventos
Os subconjuntos de so chamados eventos. Ao realizarmos um experimento aleatrio diz-se
que o evento A, A (A est contido em mega), se realiza se o resultado um elemento
pertencente a A. A importncia do espao amostral provm sobretudo de ser o meio empregado
para a definio do evento. H, em regra, muito mais interesse nos eventos e nas famlias de
eventos do que nos elementos daquele espao.
Atravs das operaes dos conjuntos matemticos por todos conhecidas, poderemos sempre
criar novos eventos:
1. AB = o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem;
2. AB = o evento que ocorre se A e B ocorrem;
3. AC = o evento que ocorre se A no ocorre.
Exemplo1: No lanamento de duas moedas honestas, sejam os eventos:
A = {sair exatamente uma cara e uma coroa}
B = {sair uma cara na primeira moeda}
C = {sair pelo menos uma coroa}
= {KK, KC, CK, CC}
A = {KC, CK}
B = {KK, KC}
C = {KC, CK, CC}
AB = {KC, CK, KK}
BC = {KC}
AC = {KK, CC}

Estatstica

Prof. Isabel C. C. Leite

Exemplo2: No lanamento de dois dados ordinrios, seja o evento

A = {(i, j): i + j = 5; i, j = 1, 2, 3, 4, 5, 6}
Assim, seu espao amostral () ser:
(1, 1)
(1, 2)
(1, 3)
(1, 4)
(1, 5)
(1, 6)

(2, 1)
(2, 2)
(2, 3)
(2, 4)
(2, 5)
(2, 6)

(3, 1)
(3, 2)
(3, 3)
(3, 4)
(3, 5)
(3, 6)

(4, 1)
(4, 2)
(4, 3)
(4, 4)
(4, 5)
(4, 6)

(5, 1)
(5, 2)
(5, 3)
(5, 4)
(5, 5)
(5, 6)

(6, 1)
(6, 2)
(6, 3)
(6, 4)
(6, 5)
(6, 6)

A = {(1, 4); (2, 3); (3, 2); (4, 1)}

Definio de Probabilidade
Clssica: A probabilidade de um evento ocorrer o quociente entre o nmero de casos favorveis
ao evento e o nmero de casos possveis, supondo todos os casos igualmente possveis.

P A

n A
N

Emprica ou pelo enfoque da frequncia relativa:

A probabilidade determinada com base na proporo de vezes que ocorre um resultado
favorvel em um certo nmero de observaes ou experimentos.

P A

frequncia do evento A
frequncia total

Dado um espao amostral, , a funo probabilidade associa a cada evento um nmero real, onde:
1.
2.
3.
4.
5.

0 P(A) 1;
Se P(A) = 1, A dito evento certo;
Se P(A) = 0, A dito evento impossvel.
Se AC o complemento do evento A, ento P(AC) = 1 P(A)
Se A B, ento P(A) P(B).

Eventos Mutuamente Exclusivos

Dois eventos so mutuamente exclusivos ou disjuntos se eles no ocorrem simultaneamente,
isto , AB = .
Se A e B forem eventos mutuamente exclusivos, ento, P(AB) = P(A) + P(B).

Estatstica

Prof. Isabel C. C. Leite

Teorema da Soma: Se A e B so dois eventos quaisquer, ento:

P(AB) = P(A) + P(B) P(AB)
Obs.:
Quando associamos a cada ponto do espao amostral a mesma probabilidade, o espao amostral
ser denominado equiprovvel.
Podemos representar a probabilidade como frao prpria, nmero decimal ou percentual.

Exemplo3: Qual a probabilidade de um nmero mpar aparecer quando jogamos um dado ?

= {1, 2, 3, 4, 5, 6}
A = {aparecer um nmero mpar} = {1, 3, 5}
P{aparecer um nmero mpar} =

n A
N

P{aparecer um nmero mpar} =

3 1

6 2

Exemplo4: Qual a probabilidade de uma cara aparecer ao jogarmos uma moeda no viciada?
= {K, C}
A = {uma cara aparece} = {K}
1
P{uma cara aparece} =
2
Exemplo5: Ao retirar uma carta do baralho, os eventos s e espadas no so mutuamente
exclusivos. A probabilidade de retirar um s (A) ou uma espada (E), ou ambos, em s uma
tentativa, pelo teorema da soma,
4 13 1 16 4

P(AE) =
52 52 52 52 13
Diagramas de Venn

AC
A

A
B

A e B no exclusivos

A e B mutuamente exclusivos

A AC =

Estatstica

Prof. Isabel C. C. Leite

Probabilidade Condicional e Independncia

Probabilidade Condicional
Seja B um evento arbitrrio compondo um espao amostral , onde P(B) > 0 por j ter
ocorrido. Uma vez que B j ocorreu, a probabilidade de um outro evento A ocorrer dado que o
evento B tenha ocorrido ser dada pela seguinte probabilidade condicional, definido por:

P A / B

P A B
P B

Analogamente, a probabilidade de ocorrer o evento B tendo j ocorrido o evento A:

PB / A

P A B
; (neste caso P(A) > 0, pois o evento A j ocorreu)
P A

Teorema: Seja um espao finito equiprovvel composto pelos eventos A e B. Assim,

Nmero de elementos em (A B)
P(A / B) =
Nmero de elementos em B

Exemplo6: Dois dados no viciados so lanados.

a)Se a soma dos resultados apresentados pelos dados foi 5, qual a probabilidade de ter ocorrido a
face 2 em um deles ?
b) Se uma face 2 ocorreu, qual a probabilidade da soma dos dados ser 5 ?
Soluo: O espao amostral o mesmo do exemplo2, onde N = 36.
Sejam B = {soma 5} = {(1, 4); (2, 3); (3, 2); (4, 1)} e
A = {ocorre a face 2} = {(1,2); (2, 1); (2, 2); (2, 3); (2, 4); (2, 5); (2, 6); (3, 2); (4, 2); (5, 2);
(6, 2)}
AB = {(2, 3); (3, 2)}
P(AB) = 2/36, P(B) = 4/36, P(A) = 11/36
a) Desejamos saber a probabilidade de A tendo ocorrido B:
2
1
36
P(A/B) = 4
2
36
b) Neste caso desejamos saber a probabilidade de B tendo ocorrido A:
2
2
36

P(B/A) = 11
11
36

Estatstica

Prof. Isabel C. C. Leite

Teorema do Produto
Este teorema pode ser dado a partir do enunciado de probabilidade Condicional:
A probabilidade da ocorrncia simultnea de dois eventos, A e B do mesmo espao
amostral, igual ao produto da probabilidade de um deles pela probabilidade condicional do outro,
dado o primeiro. Assim:

P A B
P A B P B P A / B
P B
P A B
PB / A
P A B P A PB / A
P A
P A / B

Independncia Estatstica
Um evento A considerado independente de um outro evento B se a probabilidade de A
igual probabilidade condicional de A dado B, isto ,
P(A) = P(A/B)
e, evidente que, se A independente de B, B tambm o em relao a A, assim:
P(B) = P(B/A)
Considerando o teorema do produto, podemos afirmar que sempre que A e B so
independentes, teremos como relao:
P A B P A PB
Assim, dados n eventos, diremos que eles sero independentes, se o forem 2 a 2, 3 a 3, ...., n a n.
Exemplo7: Dois diferentes departamentos de produo de uma grande empresa so: Produtos
Martimos (M) e Equipamentos para Oficinas (O). A probabilidade de que a diviso de Produtos
Martimos tenha, no corrente ano fiscal, uma margem de lucros de no mnimo 10% estimada em
0,30; a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma margem de lucros
de pelo menos 10% 0,20; e a probabilidade de que ambas as divises tenham uma margem de
lucro de no mnimo 10% 0,06.
a) Determinar a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma
margem de lucro no mnimo de 10% dado que a diviso de Produtos Martimos tenha
alcanado tal nvel de lucro.
b) Aplicar um teste apropriado para determinar se a consecuo das metas de lucro nas duas
divises estatisticamente independente.
Soluo: a) P(O / M )
?

P(O M ) 0,06

0,20
P( M )
0,30

b) P(O) P(O / M ). Uma vez que 0,20 = 0,20, os dois eventos so independentes.

Estatstica

Prof. Isabel C. C. Leite

Anlise Combinatria
Pelo enfoque clssico para determinar as probabilidades devemos conhecer o nmero de
resultados igualmente provveis que so favorveis ao evento e o nmero total de casos possveis.
Quando os problemas so simples, estes nmeros podem ser diretamente contados. Contudo, para
problemas mais complexos necessria a teoria da anlise combinatria para determinar o nmero
de tais resultados possveis.
Princpio fundamental da contagem (multiplicativo)
Se algum procedimento pode ser efetuado de n 1 formas diferentes e se, seguindo este, um
segundo procedimento pode ser efetuado de n2 formas diferentes, e assim sucessivamente, ento o
nmero de formas que o conjunto de procedimentos pode ser efetuado indicado pelo produto

n1 n2
Exemplo8: Escolher duas pessoas para compor uma comisso, sendo que uma delas deve ser
homem, escolhido entre 4 homens e a outra deve ser mulher, escolhida entre 6 mulheres. O nmero
de formas diferentes de escolher estas duas pessoas 46 = 24.

Permutaes
O nmero de permutaes de n objetos o nmero de maneiras pelas quais os objetos
podem ser arrumados em termos de ordem:
Permutaes de n objetos = n! n n 1 2 1
O smbolo n! lido n fatorial. Em problemas de permutaes e combinaes n sempre positivo.
Matematicamente, 0! = 1, por definio.
Exemplo9: Trs membros de uma organizao social se oferecem como voluntrios para comporem
a diretoria para o prximo ano, assumindo as funes de Presidente, Secretrio e Tesoureiro. O
nmero de maneiras (permutaes) pelas quais os trs podem assumir tais cargos :
n! 3! 3 2 1 6

Arranjos
Geralmente estamos interessados no nmero de permutaes de algum subgrupo dos n
objetos, e no em todos os n objetos. Isto , dizemos que estamos interessados no nmero de
arranjos de n objetos tomados r de cada vez, onde r < n:
n!
An , r
n r !
Exemplo10: No exemplo9, suponha que existem 10 membros na organizao social e que nenhuma
indicao haja sido feita para os cargos de Presidente, Secretrio e Tesoureiro. O nmero de
diferentes disposies de trs diretores eleitos entre os 10 membros do clube :
10!
10! 10 9 8 7!
A10,3

10 9 8 720
(10 3)! 7!
7!

Estatstica

Prof. Isabel C. C. Leite

Combinaes
No caso das permutaes e arranjos importante a ordem na qual esto dispostos os
objetos. No caso das combinaes interessa-nos o nmero de diferentes agrupamentos que se
podem formar com os n objetos sem levar em considerao a ordem. Por conseguinte, o nmero de
combinaes de n objetos tomados r de cada vez :
n!
Cn , r
r! n r !
n
A combinao de n objetos tomados r de cada vez tambm representada por .
r
A
Observe que Cn , r n , r , o que nos sugere que estamos eliminando a ordem dos r objetos
r!
agrupados no arranjo.
Exemplo11: Suponhamos que trs membros de uma pequena organizao social de 10 membros vo
ser escolhidos para formar uma comisso. O nmero de diferentes grupos de trs pessoas que
podem ser formados, sem ter em conta as diferentes ordens em que cada indivduo poderia ser
escolhido, :
10!
10 9 8 7! 10 9 8
C10,3

120
3!10 3!
3! 7!
3 2 1
Tendo concludo esta reviso dos conceitos bsicos da anlise combinatria, vejamos a sua
aplicao no clculo de probabilidades.
Exemplo12: Continuando o exemplo11, se o grupo contm seis mulheres e quatro homens, qual a
probabilidade de que uma comisso escolhida aleatoriamente seja composta de duas mulheres e um
homem?
A abordagem fundamental determinar o nmero de combinaes de resultados que contm
exatamente duas mulheres (das seis mulheres) e um homem (dos quatro homens), e ento tomar a
razo deste nmero para o total de combinaes.
Nmero de comisses com 2M e 1H = C6, 2 C4,1

6!
4!

15 4 60
2! 4! 1! 3!
10!
10 9 8

120
Nmero total de comisses possveis = C10,3
3!10 3! 3 2 1
C C
60
0,5
P(2M e 1H) = 6, 2 4,1
C10,3
120
=

No exemplo12 foi usado o princpio multiplicativo para resultados sequenciais.

Exemplo13: Num lote de 6 peas 4 so perfeitas; duas so retiradas aleatoriamente. Calcule:
a) A probabilidade de ambas serem defeituosas;
b) A probabilidade de pelo menos uma pea ser perfeita.
2!
C 2, 2
1
2!0!
a) P(ambas defeituosas) =
6!
C 6, 2
15
2! 4!
1 14
b) P(pelo menos uma perfeita) = 1 P(ambas defeituosas) = 1
15 15

Estatstica

Prof. Isabel C. C. Leite

Exerccios
1. Qual a probabilidade de tirarmos a carta de nmero 3 de um grupo de 10 cartas numeradas de 1 at 10?
Resp: 1/10
2. Com relao ao problema anterior, qual a probabilidade de sacarmos uma carta de nmero par?
Resp: 1/2
3. Dois dados no viciados so jogados. Qual a probabilidade de que o primeiro resultado seja maior do
que o do segundo dado? Resp: 5/12
4. Trs Cavalos A, B e C, esto numa corrida; A duas vezes mais provvel de ganhar do que B e B duas
vezes mais provvel do que C. Responda: Quais so as probabilidades de vitria de cada um? Qual a
probabilidade de que B ou C ganhe a corrida?
Resp: P(A) = 4/7, P(B) = 2/7 e P(C) = 1/7; P(B ou C) = 3/7
5. Trs gatinhos caam um pobre ratinho acuado em uma sala. Considere que o infeliz ratinho no escapar
em hiptese nenhuma e que apenas um dos gatinhos ir devor-lo, sabendo que o gatinho mais velho
trs vezes mais provvel de levar o quitute ao estmago em relao ao gatinho intermedirio, e este
quatro vezes mais provvel de lev-lo ao estmago que o gatinho mais novo. Responda: a) Quais so as
probabilidades de caar o ratinho de cada gatinho? b) Qual a probabilidade do gatinho intermedirio
ou do gatinho mais novo caar o ratinho? c) Qual a probabilidade de qualquer um dos gatinhos sair-se
bem sucedido da empreitada? Justifique este ltimo resultado.
Resp: a) P(Velho) = 12/17, P(Int.) = 4/17, P(Novo) = 1/17; b) 5/17; c) 1 ou 100%
6. Dada uma urna contendo 2 bolas brancas, 4 vermelhas e 6 amarelas e retirando apenas uma bola desta
urna, encontre a probabilidade de: a) Escolhermos uma bola qualquer da urna? b) Escolhermos uma
bola branca? c) Escolhermos uma bola vermelha? d) Escolhermos uma bola amarela da urna?
Resp: a) 1; b) 1/6; c) 1/3; d) 1/2
7. Trs lmpadas so escolhidas aleatoriamente dentre 15 lmpadas, das quais 5 so defeituosas. Encontre
a probabilidade de que: a) nenhuma seja defeituosa; b) exatamente uma seja defeituosa; c) pelo menos
uma seja defeituosa.
Resp: a) 24/91; b) 45/91; c) 67/91
8. Duas cartas so selecionadas aleatoriamente dentre 10 cartas numeradas de 1 a 10. Encontre a
probabilidade de que a soma seja mpar: a) se as duas cartas so retiradas juntas; b) se as duas cartas so
retiradas uma aps a outra sem reposio; c) se as duas cartas so retiradas uma aps a outra com
reposio. Resp: a)5/9; b) 5/9; c) 1/2
9. Numa classe h 10 homens e 20 mulheres; a metade dos homens e a metade das mulheres tm olhos
castanhos. Ache a probabilidade de uma pessoa escolhida ao acaso ter olhos castanhos ou ser homem.
Resp.: 2/3
10. Das 10 alunas de uma classe, 3 tm olhos azuis. Se duas delas so escolhidas aleatoriamente, qual a
probabilidade de (a) ambas terem olhos azuis; (b) nenhuma ter olhos azuis; (c) Pelo menos uma ter olhos
azuis. Resp.: a) 1/15; b) 7/15; c) 8/15
11. Dez estudantes A, B, C, ..., esto numa classe. Se uma comisso de 3 escolhida aleatoriamente,
encontre a probabilidade de:
a) A pertencer comisso;
c) A e B pertencerem comisso;
b) B pertencer comisso;
d) A ou B pertencerem comisso.
Resp.: a) 3/10; b) 3/10; c) 1/15; d) 8/15

Estatstica

Prof. Isabel C. C. Leite

10

12. Lana-se um par de dados no viciados. Ache a probabilidade de a soma das faces dos dados ser maior
ou igual a 10, se a) ocorrer 5 no primeiro dado; b) ocorrer 5 em pelo menos um dos dados.
Resp.: a) 1/3 ; b) 3/11
13. Lanam-se trs moedas no viciadas. Encontre a probabilidade de ocorrer cara em todas elas, se a)
ocorre cara na primeira moeda; b) ocorre cara numa das moedas. Resp.: a) 1/4; b) 1/7.
14. Em certo colgio 25% dos estudantes foram reprovados em matemtica, 15% e qumica e 10% em
matemtica e qumica ao mesmo tempo. Um estudante selecionado aleatoriamente.
a) Se ele foi reprovado em qumica, qual a probabilidade dele Ter sido reprovado em matemtica ?
b) Se ele foi reprovado em matemtica, qual a probabilidade dele ter sido reprovado em qumica ?
c) Qual a probabilidade dele ter sido reprovado em matemtica ou qumica ?
d) Qual a probabilidade dele no ter sido reprovado nem em matemtica nem em qumica ?
Resp.: a) 2/3; b) 2/5; c) 3/10; d) 7/10
15. Uma urna possui 8 objetos dos quais 3 so defeituosos. So escolhidos aleatoriamente 4 objetos.
Pergunta-se: a) Qual a probabilidade dos 4 serem perfeitos; b) pelo menos um ser defeituoso; c) pelo
menos dois serem defeituosos; d) Se sabido que um objeto defeituoso foi sorteado, qual a
probabilidade de sairem mais dois defeituosos?
Resp.: a) 1/14; b)13/14; c)1/2; d)1/7
16. Lana-se um par de dados no viciados. Se ocorrem dois nmeros diferentes, encontre a probabilidade
de: a) a soma ser 6; b) de ocorrer um 1; c) a soma ser menor ou igual a 4.
Resp.: a) 2/15; b) 1/3 ; c) 2/15.
17. Em um lote de 12 peas, 4 so defeituosas e 2 peas so retiradas uma aps a outra sem reposio. a)
Qual a probabilidade de que ambas sejam boas? b) Qual a probabilidade de que ambas sejam
defeituosas?
Resp: a) 14/33, b) 1/11
18. Lana-se uma moeda viciada de modo que P(cara) = 2/3 e a P(coroa) = 1/3. Se aparecer cara, ento se
seleciona aleatoriamente um nmero dentre os de 1 a 9; se aparecer coroa, seleciona-se aleatoriamente
um nmero dentre os de 1 a 5. Ache a probabilidade de um nmero par ser selecionado. Resp: 58/135
19. A probabilidade de dois competidores em um torneio de tiro ao alvo dada da seguinte maneira: o
atirador A acerta o alvo com probabilidade de 1/4, enquanto o atirador B, com 2/5. a) Qual a
probabilidade de ambos acertarem o alvo? b) Qual a probabilidade de pelo menos um errar o alvo? c)
Qual a probabilidade A errar e B acertar o alvo? d) Qual a probabilidade A errar ou B acertar o alvo?
Resp: a) 1/10; b)9/10; c)3/10; d)17/20.
20. A probabilidade de um homem viver mais dez anos 1/4 e a probabilidade de sua esposa viver mais dez
anos 1/3. Encontre a probabilidade de a) ambos estarem vivos dentro de dez anos; b) ao menos um
estar vivo dentro de dez anos; c) nenhum estar vivo dentro de dez anos; d) somente a esposa estar viva
dentro de dez anos. Resp.: a) 1/12; b) ; c) ; d) .
21. Sendo o espao amostra = {1, 2, 3, 4 } equiprovvel e A = {1, 2}; B = {1, 3}; C = {1, 4} trs
eventos de . Verificar se os eventos A, B e C so independentes.
Resp.: No, pois so independentes dois a dois, mas no os trs juntos. P( A B C ) P A PB PC

Estatstica

Prof. Isabel C. C. Leite

11

VARIVEL ALEATRIA
Na primeira parte deste curso conceituamos variveis como caractersticas observadas,
medidas ou contadas nos elementos da populao ou da amostra e que apresentam variabilidade de
elemento para elemento. Agora, com a ajuda da Teoria da Probabilidade, estaremos interessados no
comportamento destas variveis na populao, e sendo este aleatrio, associamos a cada possvel
valor sua probabilidade de ocorrncia.
Definio: Uma varivel aleatria uma funo real (isto , que assume valores em R) que associa
a cada evento do espao amostral um nmero real.
Para simplificar a notao, a expresso varivel aleatria ser muitas vezes abreviada por
v.a. A conveno usual para representar uma v.a. consiste em usar letras maisculas como X, Y, etc.
Um valor especfico, mas genrico, dessa varivel ser representado pela letra minscula
correspondente: x, y, etc.
Exemplos:
Consideremos o lanamento de dois dados equilibrados. Como j visto, o espao amostral
desse experimento formado pelos pares ordenados (i, j), sendo i, j = 1, 2, 3, 4, 5, 6. Esse um
experimento em que o espao amostral no formado por nmeros. Suponhamos que nosso
interesse esteja na soma das faces dos dois dados. Nesse caso, a v.a. X = soma das duas faces
pode assumir os valores 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 conforme ilustrado na tabela abaixo.
Eventos de

X
(1,1)
2
(1,2), (2,1)
3
(1,3), (2,2), (3,1)
4
(1,4), (2,3), (3,2), (4,1)
5
(1,5), (2,4), (3,3), (4,2), (5,1)
6
(1,6), (2,5), (3,4), (4,3), (5,2), (6,1) 7
(2,6), (3,5), (4,4), (5,3), (6,2)
8
(3,6), (4,5), (5,4), (6,3)
9
(4,6), (5,5), (6,4)
10
(5,6), (6,5)
11
(6,6)
12
Podemos ver que o valor X = 4 corresponde ao evento A = {(1,3), (2,2), (3,1)}.
Neste caso temos uma varivel aleatria discreta, pois a sua imagem (conjunto de valores
que ela assume) um conjunto enumervel.
Suponhamos, agora, que o experimento consista em sortear uma pessoa de um grupo de 20
adultos e a esse experimento associemos a v.a. X = altura (em cm) da pessoa sorteada. Nesse
caso, os possveis valores de X estariam em um intervalo, por exemplo, [120, 210].
Temos a uma varivel aleatria contnua, pois o conjunto de valores que ela assume
qualquer intervalo dos nmeros reais, ou seja, um conjunto no enumervel.

Estatstica

Prof. Isabel C. C. Leite

12

FUNO DISCRETA DE PROBABILIDADE

a funo que atribui a cada valor possvel x da varivel aleatria discreta X sua
probabilidade de ocorrncia p(x). Pode ser denominada simplesmente por funo de probabilidade.
Ou seja, sendo X uma v.a. discreta e x1, x2, x3,... seus diferentes valores, temos que
p(xi) = P(X = xi), i = 1, 2, 3,...
Exemplo: Consideremos o lanamento de dois dados equilibrados e a v.a. X = soma das duas
faces. Para cada valor de X podemos determinar a sua probabilidade.
Eventos de

p(x)

(1,1)

(1,2), (2,1)

(1,3), (2,2), (3,1)

(1,4), (2,3), (3,2), (4,1)

(1,5), (2,4), (3,3), (4,2), (5,1)

(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)

(2,6), (3,5), (4,4), (5,3), (6,2)

(3,6), (4,5), (5,4), (6,3)

(4,6), (5,5), (6,4)

10

(5,6), (6,5)

11

(6,6)

12

36 = 0,0278
36 = 0,0556

36 = 0,0833
36 = 0,1111

36 = 0,1389

36 = 0,1667
36 = 0,1389
36 = 0,1111
36 = 0,0833
36 = 0,0556

36 = 0,0278

Propriedades

Cada probabilidade precisa estar entre 0 e 1, inclusive: 0 pxi 1

A soma de todas as probabilidades 1:

pxi 1
i

Representao grfica da funo de probabilidade

Estatstica

Prof. Isabel C. C. Leite

13

ESPERANA, VALOR ESPERADO OU MDIA

o valor mdio que resulta das inmeras observaes de uma varivel aleatria,
representado por E X ou .
uma mdia ponderada de todos os valores possveis de X. O peso, ou ponderao, de cada
valor igual probabilidade de X assumir esse valor.

E X xi pxi
i

Exemplo: Em determinado setor de uma loja de departamentos, o nmero de produtos vendidos

em um dia pelos funcionrios uma varivel aleatria Y com a seguinte distribuio de
probabilidades (esses nmeros foram obtidos dos resultados de vrios anos de estudo):
N de produtos (Y)
0
1
2
3
4
5
6
Probabilidade de venda p(y) 0,1 0,4 0,2 0,1 0,1 0,05 0,05
Cada vendedor recebe comisses de venda distribudas da seguinte forma: se ele vende at
2 produtos em um dia, ganha uma comisso de R$10,00 por produto vendido. A partir da terceira
venda, a comisso passa para R$50,00 por produto. Qual o nmero mdio de produtos vendidos
por cada vendedor e qual a comisso mdia de cada um deles?
Soluo:
O nmero mdio de vendas por funcionrio
E(Y) = 0 0,1 + 1 0,4 + 2 0,2 + 3 0,1 + 4 0,1 + 5 0,05 + 6 0,05
= 2, 05
Com relao comisso, vamos construir sua funo de probabilidade:
N de produtos (Y)
0
1
2
3
4
5
6
Comisso (C)
0
10 20 70 120 170 220
Probabilidade de venda p(y) 0,1 0,4 0,2 0,1 0,1 0,05 0,05
E(C) = 0 0,1 + 10 0,4 + 20 0,2 + 70 0,1 + 120 0,1 + 170 0,05 + 220 0,05
= 46, 5
ou seja, a comisso mdia diria de cada vendedor R$46,50.
VARINCIA
a medida de disperso de uma varivel aleatria X calculada em relao a E(X), representada por
Var(X) ou 2 e definida por
Var ( X ) E X E X 2

xi E X 2 p xi
i

ou

Var X E X 2 E X 2
xi 2 p xi E X 2
i

Estatstica

Prof. Isabel C. C. Leite

14

DESVIO PADRO: DP(X) ou Var (X )

No exemplo anterior, a varincia e o desvio padro da comisso dos vendedores so obtidos
fazendo-se
Comisso (C)
0
10 20 70 120 170 220
Probabilidade de venda p(y) 0,1 0,4 0,2 0,1 0,1
0,05 0,05
0
40
80
490
1440
1445 2420
c p(y)

Var C E C 2 E C 2
ci 2 p xi E C 2
i

0 40 80 490 1440 1445 2420 46,5

3752,75

3752,75 61,25 reais

Propriedades
Sejam X e Y variveis aleatrias e a, b constantes reais quaisquer.

i ) E a a

Var a 0

ii ) E aX aE X
iii ) E X Y E X E Y

Var aX a 2Var X
Var X Y Var X Var Y 2Cov X , Y

OBS: Cov(X,Y) a covarincia entre X e Y, grandeza que mede o grau de dependncia entre estas
duas variveis e definido por
Cov( X ,Y ) EX E X EY E Y
Exerccio:
Um lojista mantm extensos registros das vendas dirias de certo aparelho. O quadro a seguir d a
distribuio de probabilidades do nmero de aparelhos vendidos em uma semana. Se o lucro por
unidade vendida de R$500,00, qual o lucro esperado em uma semana? Qual o desvio padro do
lucro? Resp: E(L) = R$ 1350,00 e (L) = R$ 708,87
N de aparelhos (X)
0
1
2
3
4
5
Probabilidade de venda p(x) 0,1 0,1 0,2 0,3 0,2 0,1

Estatstica

Prof. Isabel C. C. Leite

15

ALGUNS MODELOS PROBABILSTICOS PARA V.A. DISCRETAS

DISTRIBUIO BINOMIAL
Consideremos
n tentativas de um mesmo experimento aleatrio;
cada tentativa admite apenas dois resultados: sucesso com probabilidade p e fracasso com
probabilidade q = 1 p;
os resultados das tentativas so independentes, ou seja, as probabilidades de sucesso e
fracasso so as mesmas em cada tentativa.
Um experimento aleatrio com as trs caractersticas descritas acima dito um experimento
binomial.
Seja a v.a. X: nmero de sucessos em n tentativas.
A funo de probabilidade da varivel X dada por

p ( x ) P X x Cn , x p x q n x
px

n!
p x qn x ,
x! n x !

em que X = 0, 1, 2, ..., n.
Dizemos que a v.a. X tem distribuio binomial com parmetros n e p, que se denota por
X ~ B(n, p) .
Ex1: Uma moeda no viciada lanada 6 vezes, ou equivalentemente, seis moedas so lanadas;
chamemos de sucesso o evento ocorrncia da face cara.
a) Qual a probabilidade de exatamente duas caras ocorrerem?
b) Qual a probabilidade de ocorrerem pelo menos 4 caras?
c) Qual a probabilidade de no ocorrerem caras?
d) Qual a probabilidade de ocorrer pelos menos uma cara?
2

6! 1 1
a) P( X 2)

2!4! 2 2

62

15
64

b) P( X 4) P( X 4) P( X 5) P( X 6)
4

6! 1 1
6! 1 1
6! 1 1

4!2! 2 2 5!1! 2 2 6!0! 2 2
15 6
1 22

64 64 64 64

6! 1 1
c) P( X 0)

0!6! 2 2

60

1
1

2
64

d) P( X 1) 1 P( X 0) 1

1 63

64 64

Estatstica

Prof. Isabel C. C. Leite

16

Construindo uma tabela de distribuio binomial para o nmero de caras em seis

lanamentos de uma moeda no viciada:
Nmero de caras X
Probabilidade p(x)

0
1
64

1
6
64

2
15
64

3
20
64

4
15
64

5
6
64

6
1
64

Ex2: Um dado no viciado lanado 7 vezes; chamemos de sucesso a ocorrncia de um 5 ou um 6.

Ento, determine a probabilidade de:
a) Ocorrer 5 ou 6 exatamente 3 vezes;
b) Um 5 ou um 6 nunca ocorrer;
c) Um 5 ou um 6 ocorrer pelo menos uma vez:
3

7! 1 2
560
a) P5 ou 6, X 3

3!4! 3 3
2187

c) P5 ou 6, X 1 1 P0

2059
2187

7! 1 2
128
b) P5 ou 6, X 0

0!7! 3 3
2187
Cada tentativa de uma distribuio binomial chamada de distribuio de Bernoulli.
O valor esperado (mdia) e a varincia para uma dada distribuio binomial poderiam ser
determinados listando-se a distribuio de probabilidade em uma tabela e aplicando as frmulas j
apresentadas anteriormente. Contudo, a distribuio binominal apresenta as seguintes propriedades:

Valor esperado ou mdia

Varincia

EX n p
Var X n p q

Desvio padro

npq

Ex3: A probabilidade de que um possvel cliente realize uma compra 0,20. O valor esperado de
vendas e o desvio padro associado com a visita de 15 possveis clientes so:

E X 15 0,20 3 vendas

15 0,20 0,80 1,55

Observaes importantes:

Uma distribuio binomial fica caracterizada pelos parmetros n e p.

Se n for pequeno, os clculos sero relativamente fceis. Contudo, se n for relativamente
grande, os clculos tornam-se cansativos. Felizmente dispomos de calculadoras, tabelas
apropriadas, e tambm poderemos aproximar a distribuio binomial pela de Poisson, como
veremos a seguir.
Para qualquer n, a distribuio ser
o simtrica: se p = q = 0,5
o assimtrica direita, se p > q
o assimtrica esquerda, se p < q.

Estatstica

Prof. Isabel C. C. Leite

17

DISTRIBUIO DE POISSON
A distribuio de Poisson pode ser usada para determinar a probabilidade de um dado
nmero de sucessos quando os eventos ocorrem em um continuum de tempo ou de espao, ao invs
de ocorrerem em tentativas ou observaes fixadas como na distribuio binomial.
Exemplos:
Chamadas telefnicas por unidade de tempo.
Defeitos por unidade de rea.
Acidentes por unidade de tempo.
Chegada de clientes a um supermercado por unidade de tempo.
Nmero de glbulos vermelhos visveis ao microscpio por unidade de rea.
A expresso que d a probabilidade de x sucessos em um intervalo (tempo, rea,...) :

P X x px

x e
x!

sendo:
= frequncia mdia ou esperada de ocorrncias num determinado intervalo;
e = base dos logaritmos naturais (2,71828);
x = nmero de ocorrncias (sucessos).
Temos para a distribuio de Poisson
Valor esperado ou mdia
Varincia

E X ou
Var X

Desvio padro

Ex1: Um departamento de consertos de mquinas recebe uma mdia de duas chamadas por hora.
Vamos calcular as probabilidades de, em uma hora, este departamento receber: nenhuma chamada,
uma, duas, trs, ...
Temos: 2
Nenhuma chamada:
20 e 2
P X 0
0,1353
0!
21 e 2
0,2706
Uma chamada: P X 1
1!
22 e 2
0,2706
Duas chamadas: P X 2
2!
23 e 2
0,1804
Trs chamadas: P X 3
3!
24 e 2
0,0902
Quatro chamadas: P X 4
4!

25 e 2
0,0361
Cinco chamadas: P X 5
5!
26 e 2
0,0120
Seis chamadas: P X 6
6!
27 e 2
0,0034
Sete chamadas: P X 7
7!
28 e 2
0,0009
Oito chamadas: P X 8
8!
29 e 2
0,0002
Nove chamadas: P X 9
9!

Estatstica

Prof. Isabel C. C. Leite

18

Observe que

pxi 0,9997 1 .

Este resultado explicado, pois X, nmero de sucessos,

i 0

teoricamente, tende ao infinito. Neste caso, x = 9 j considerado um nmero muito grande de

sucessos.
Temos ainda as medidas:
E( X ) 2
Var(X) = 2
2 1,4142
Ex2: O pessoal de inspeo de qualidade afirma que os rolos de fita isolante apresentam, em mdia,
uma emenda a cada 50 metros. Admitindo que a distribuio do nmero de emendas dada pela
Poisson, vamos calcular as probabilidades de:
a) nenhuma emenda em um rolo de 125 metros:
dado que = 1 emenda a cada 50 m,
1
para 125 m temos
125 2,5
50
2,50 e 2,5
P X 0
0,0821 ou 8,21%
0!
b) ocorrerem no mximo duas emendas em um rolo de 125 metros:
2,51 e 2,5 2,52 e 2,5
P X 2 p0 p1 p2 0,0821

1!
2!
0,0821 0,2053 0,2566 0,5440 ou 54,40%
c) de ocorrer pelo menos uma emenda em um rolo de 100 metros:
1
para 100 m temos
100 2
50
P X 1 P1 P2 P3 ...
= 1 P0
= 1 e 2 0,8647 ou 86,47%

Estatstica

Prof. Isabel C. C. Leite

19

APROXIMAO DAS PROBABILIDADES BINOMIAIS COM AS PROBABILIDADES

DA DISTRIBUIO DE POISSON
Na aplicao do modelo de distribuio binomial, quando n for grande (n > 50) e np < 5,
possvel obter as probabilidades binomiais por meio do modelo de Poisson.
A mdia da distribuio de probabilidade de Poisson utilizada como aproximao das
probabilidades binomiais :
np
Ex3: Em um cruzamento de duas avenidas de trfego intenso, a probabilidade de um carro sofrer
acidente de 0,0001. Se entre as 17 h e 19 h passam 1000 veculos nesse cruzamento, qual a
probabilidade de que dois ou mais acidentes ocorram durante esse perodo?
Soluo pela distribuio binomial:
p = 0,0001, n = 1.000, q = 0,9999
P X 2 1 P0 P1

1000!
1000!
0
1000
1
999
1
0,0001 0,9999
0,0001 0,9999
1!999!
0!1000!

= 0,00467
evidente que o clculo deste resultado muito trabalhoso.
Como n > 50 e np = 0,1 < 5, podemos obter este resultado (aproximado) pelo modelo de Poisson.
Assim, 1000 0,0001 0,1
P X 2 1 P0 P1

0,10 e 0,1 0,11 e 0,1

1

0,00468 ou 0,468%
0!
1!

Estatstica

Prof. Isabel C. C. Leite

20

EXERCCIOS
1. O nmero de caminhes que chegam, por hora, a um depsito segue a distribuio de
probabilidade da tabela abaixo. Calcule (a) o nmero esperado de chegadas por hora e (b) a
varincia e desvio padro desta distribuio de probabilidade.
N de caminhes X
2.

Probabilidade P(X)

0,05 0,10 0,15 0,25 0,30 0,10 0,05

2. Construa a tabela e o grfico da distribuio de probabilidade para a varivel aleatria: nmero

de coroas obtidas no lanamento de duas moedas.
3. Um homem de vendas calcula que cada contato resulta em venda com probabilidade de 20%.
Certo dia, ele contata dois possveis clientes. a) Construa a tabela de distribuio de
probabilidade para a varivel X: nmero de clientes que assinam um contrato de vendas. b)
Calcule a nmero esperado de clientes que assinam um contrato de vendas, a varincia e o
desvio padro desta distribuio.
4. O nmero de chamadas telefnicas recebidas por uma central e suas respectivas probabilidades
para um intervalo de um minuto so:
Nmero de chamadas (X)
0
1
2
3
4
5
Probabilidades P(X)
0,55 0,25 0,10 0,04 0,04 0,02
a) Determine P(1 X 4 ) e P X 1 .
b) Qual o nmero esperado de chamadas em 1 minuto?
c) Sendo o coeficiente de variao o quociente entre o desvio padro e a mdia, avalie o
coeficiente de variao para esta distribuio.
5. Em uma sala, temos cinco rapazes e quatro moas. So escolhidas aleatoriamente trs pessoas.
Considere X a varivel aleatria: nmero de rapazes. a) Construa a tabela de distribuio de
probabilidade da varivel X. b) Determine a probabilidade do grupo escolhido ter no mximo
dois rapazes.
6. Admitindo que os nascimentos de meninos e meninas sejam iguais, calcule a probabilidade de
um casal com seis filhos ter quatro filhos homens e duas mulheres.
7. Em 320 famlias com quatro crianas cada uma, em quantas famlias espera-se que haja: a)
nenhuma menina? b) trs meninos? c) quatro meninos?

2
de probabilidade de vitria sempre que joga. Se Y jogar cinco partidas,
3
calcule a probabilidade de Y vencer: a) exatamente trs partidas; b) ao menos uma partida; c)
mais da metade das partidas.

8. Um time Y tem

9. Devido s altas taxas de juros, uma firma informa que 30% de suas contas a receber de outras
firmas comerciais se encontram vencidas. Se um contador escolhe aleatoriamente uma amostra
de cinco contas, determine a probabilidade de: a) nenhuma das contas estar vencida; b) a
maioria das contas estarem vencidas; c) exatamente 20% das contas estarem vencidas.
10. Uma fbrica de pneus verificou que, ao testar seus pneus nas pistas, havia em mdia um
estouro de pneu a cada 5.000 km. Qual a probabilidade de que
a. num teste de 3.000 km haja no mximo um pneu estourado?
b. um carro ande 8.000 km sem estourar nenhum pneu?

Estatstica

Prof. Isabel C. C. Leite

21

11. Certo posto de bombeiros recebe em mdia trs chamadas por dia. Calcule a probabilidade de:
a. receber quatro chamadas num dia;
b. receber trs ou mais chamadas num dia.
12. Suponha que haja em mdia dois suicdios por ano numa populao de 50.000 habitantes. Em
cada cidade de 100.000 habitantes, determine a probabilidade de que em dado ano tenha
havido: a) nenhum; b) um; c) dois; d) dois ou mais suicdios.
13. Certa loja recebe em mdia cinco clientes por hora. Qual a probabilidade de receber: a) dois
clientes em 24 minutos? b) pelo menos trs clientes em 18 minutos?
14. Uma amostra aleatria de 230 pessoas selecionada. Cada indivduo da amostra responde se
prefere um desktop ou um notebook. Assumindo que 3% do pblico prefere um desktop,
determine, aproximadamente, a probabilidade de um grupo de 10 pessoas preferir desktop.
15. Se a probabilidade de um indivduo sofrer uma reao nociva, resultante da injeo de um
determinado soro, 0,001, determine a probabilidade de, entre 2000 indivduos: a) exatamente
trs; b) mais do que dois, sofrerem aquela reao.
16. Uma companhia de seguros est considerando a cobertura de uma doena relativamente rara na
rea geral de seguros mdicos. A probabilidade de que um indivduo selecionado
aleatoriamente venha a contrair a doena 0,001, sendo que 3.000 pessoas so includas no
grupo segurado.
a. Qual o nmero esperado de pessoas, no grupo, que tero a doena?
b. Qual a probabilidade de que nenhuma das 3.000 pessoas do grupo contraia a doena?
17.

Um jogador A paga R$5,00 a B e lana um dado. Se sair face 3, ganha R$20,00. Se sair face 4,
5, ou 6, perde. Se sair face 1 ou 2, tem o direito de jogar novamente. Ao jogar novamente, lana
dois dados. Se sarem duas faces 6, ganha R$50,00. Se sair uma face 6, recebe o dinheiro de
volta. No saindo nenhuma face 6, perde. Sabemos que o dado honesto e que os lanamentos
so independentes. Seja L o lucro lquido do jogador A nesse jogo. Calcule a funo de
distribuio de probabilidade de L e o lucro esperado do jogador A.

18.

As probabilidades de que haja 1, 2, 3, 4 ou 5 pessoas em cada carro que se dirige ao shopping

em um sbado so, respectivamente, 0,05; 0,20; 0,40; 0,25 e 0,10. Qual o nmero mdio de
pessoas por carro?

Respostas.
1. a) 3,15 b) Var(X)
2.
X
0
1
p(x)

2,13 e 1,46
3. a)
X

p(x)

0,25 0,50 0,25

0,64 0,32 0,04

3. b) E(X) = 0,40 c) Var(X) = 0,32 e 0,56 4. a) 0,43 e 0,20 b) 0,83 c) 145,8%

5. a)
b) 37/42 6. 15/64
7. a) 20 b) 80 c) 20
x
0
1
2
3
p(x) 1/21 5/14 10/21 5/42
8. a) 80/243 b) 242/243
10. a) 0,8784 b) 0,2020
13. a) 0,2707 b) 0,1912
17.
Lucro l
-5
p(l)
79/108

c) 64/81 9. A) p0 0,1681 b) P X 3 0,1631 c) p1 0,3602

11. a) 0,1680 b) 0,5767 12. a) 0,0183 b) 0,0732 c) 0,1464 d) 0,9085
14. 0,0679
15. a) 0,180 b) 0,323
16. a) 3 pessoas b) 0,0498
0
10/108

15
18/108

45
1/108

E(L) = 0,74 reais

18. 3,15 pessoas por carro

Estatstica

Prof. Isabel C. C. Leite

22

DISTRIBUIO CONTNUA DE PROBABILIDADE

Seja X uma varivel aleatria contnua e por isso no possvel enumerar todos os seus
possveis valores. Os valores de uma v.a. contnua so definidos a partir do espao amostral de um
experimento aleatrio. O comportamento probabilstico de uma varivel aleatria contnua ser
descrito pela sua funo de densidade de probabilidade.
Uma funo de densidade de probabilidade uma funo f(x) que satisfaz as seguintes
propriedades:
f(x) 0
A rea total sob o grfico de f(x) igual a 1.
Dada uma funo f(x) satisfazendo as propriedades acima, ento f(x) representa alguma v. a.
contnua X, de modo que a rea compreendida entre as verticais X = a e X = b (sombreada na
figura) d a probabilidade de X ser um valor entre a e b. Pa X B

A definio anterior usa argumentos geomtricos; no entanto, uma definio mais precisa
envolve o conceito de integral de uma funo de uma varivel. A definio apresentada a seguir,
mas neste curso usaremos basicamente a interpretao geomtrica da integral definida, que est
associada rea sob uma curva.
Uma funo de densidade de probabilidade uma funo f(x) que satisfaz as seguintes
propriedades:
f(x) 0

Dada uma funo f(x) satisfazendo as propriedades acima, ento f(x) representa alguma v. a.
contnua X, de modo que

OBS: Se X uma v.a. contnua, ento P(X = a) = 0, ou seja, a probabilidade de X ser exatamente
igual a um valor especfico nula. Isso pode ser visto na figura anterior: o evento X = a
corresponde a um segmento de reta, e tal segmento tem rea nula.

Estatstica

Prof. Isabel C. C. Leite

23

Como consequncia, temos as seguintes igualdades:

P(a X b) = P(a X < b) = P(a < X b) = P(a < X < b)
ESPERANA E VARINCIA DE V.A. CONTNUA
Os conceitos so anlogos ao visto para a v.a. discreta, porm os somatrios so
substitudos por integrais e a funo de probabilidade substituda pela funo densidade de
probabilidade.
Seja X uma varivel aleatria contnua com funo de densidade de probabilidade f(x).
A esperana (ou mdia ou valor esperado) de X definida como

e a varincia de X definida como

DISTRIBUIO NORMAL
Uma v.a. X tem distribuio normal se sua funo densidade de probabilidade dada por
1 x 2
)

(
1
f ( x)
e 2
2

sendo: X
= mdia da distribuio
= desvio padro da distribuio
3,1416... .
e 2,71828...
Esta funo certamente um dos exemplos mais importantes de distribuio de
probabilidade contnua. Cada distribuio normal fica determinada pelos parmetros (mdia) e
(desvio padro).

Notao: X ~ N , 2

Principais caractersticas da distribuio normal:

simtrica em torno do valor x = ;
1
;
2
os pontos de inflexo da curva so x = - e x = + ;
E(X) = e Var(X) = ;
f(x) tende a zero quando x tende a .

o ponto x = o ponto de mximo e nesse ponto f ( x )

Estatstica

Prof. Isabel C. C. Leite

24

As duas curvas abaixo mostram as mudanas na funo onde e variam.

VARIVEL NORMAL PADRONIZADA

Sendo X uma varivel aleatria com distribuio N , 2 , quando 0 e 2 1 temos

uma distribuio padro ou reduzida, ou brevemente N(0,1).
Assim a funo densidade reduz-se a

1 12 z 2
f ( z)
e , z
2
sendo a varivel Z obtida pela transformao linear:
X
Zi i

A notao usada Z ~ N(0,1) que tem distribuio normal de mdia zero e varincia 1.

Estatstica

Prof. Isabel C. C. Leite

25

TABELA DE CURVA NORMAL

H vrios tipos de tabelas que nos oferecem as reas (probabilidades) sob a curva normal. O
tipo mais frequente a tabela da faixa central. A tabela da faixa central d a rea sob a curva
normal padro entre z = 0 e qualquer valor positivo de z.
Exemplo: As alturas dos alunos de uma determinada escola so normalmente distribudas com
mdia 1,60 m e desvio padro 0,30 m. Encontre a probabilidade de um aluno medir:
a) entre 1,60 m e 1,75m;
b) mais de 1,75 m;
c) menos de 1,75 m;
d) menos de 1,48 m;
e) entre 1,50 m e 1,80 m;
f) qual deve ser a medida mnima para escolhermos 10% dos mais altos?

= 1,60 m
= 0,30 m
a)

1,60 1,60
1,75 1,60
0 e z2
0,5
0,30
0,30
P(1,60 X 1,75) P(0 Z 0,5) 0,1915 ou 19,15 %
z1

1,60

1,75

0,5

b) P( X 1,75 ) P( Z 0,5) 0,5 P( Z 0,5) 0,5 0,1915 0,3085 ou 30,85 %

1,60

1,75

0,5

Estatstica

Prof. Isabel C. C. Leite

26

c) P( X 1,75 ) P( Z 0,5) 0,5 P(0 Z 0,5) 0,5 0,1915 0,6915 ou 69,15 %

ou
= 1 P(Z > 0,5) = 1 0,3085 = 0,6915

1,60

d) z

1,75

0,5

1,48 1,60
0,4 P( X 1,48) P( Z 0,4) 0,5 0,1554 0,3446 34,46%
0,30

1,48

0,4

1,60

1,50 1,60
1,80 1,60
0,33 e z2
0,66
0,30
0,30
P(1,50 X 1,80) P(0,33 Z 0,66)
0,1293 0,2454 0,3747 37,47%

e) z1

f) Na tabela z40%=1,28 z40%

x 1,60
x (1,28)(0,30) 1,60 1,98 m
030

40% = 0,40

10%
0

1,28

1,60

1,98

Estatstica

Prof. Isabel C. C. Leite

27

Tabela da Distribuio Normal Padronizada: Z ~N (0,1)

Valores de tais que P(0 < Z < z) =

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0,08

0,09

0,0

0,0000

0,0040

0,0080

0,0120

0,0160

0,0199

0,0239

0,0279

0,0319

0,0359

0,0

0,1

0,0398

0,0438

0,0478

0,0517

0,0557

0,0596

0,0636

0,0675

0,0714

0,0753

0,1

0,2

0,0793

0,0832

0,0871

0,0910

0,0948

0,0987

0,1026

0,1064

0,1103

0,1141

0,2

0,3

0,1179

0,1217

0,1255

0,1293

0,1331

0,1368

0,1406

0,1443

0,1480

0,1517

0,3

0,4

0,1554

0,1591

0,1628

0,1664

0,1700

0,1736

0,1772

0,1808

0,1844

0,1879

0,4

0,5

0,1915

0,1950

0,1985

0,2019

0,2054

0,2088

0,2123

0,2157

0,2190

0,2224

0,5

0,6

0,2257

0,2291

0,2324

0,2357

0,2389

0,2422

0,2454

0,2486

0,2517

0,2549

0,6

0,7

0,2580

0,2611

0,2642

0,2673

0,2704

0,2734

0,2764

0,2794

0,2823

0,2852

0,7

0,8

0,2881

0,2910

0,2939

0,2967

0,2995

0,3023

0,3051

0,3078

0,3106

0,3133

0,8

0,9

0,3159

0,3186

0,3212

0,3238

0,3264

0,3289

0,3315

0,3340

0,3365

0,3389

0,9

1,0

0,3413

0,3438

0,3461

0,3485

0,3508

0,3531

0,3554

0,3577

0,3599

0,3621

1,0

1,1

0,3643

0,3665

0,3686

0,3708

0,3729

0,3749

0,3770

0,3790

0,3810

0,3830

1,1

1,2

0,3849

0,3869

0,3888

0,3907

0,3925

0,3944

0,3962

0,3980

0,3997

0,4015

1,2

1,3

0,4032

0,4049

0,4066

0,4082

0,4099

0,4115

0,4131

0,4147

0,4162

0,4177

1,3

1,4

0,4192

0,4207

0,4222

0,4236

0,4251

0,4265

0,4279

0,4292

0,4306

0,4319

1,4

1,5

0,4332

0,4345

0,4357

0,4370

0,4382

0,4394

0,4406

0,4418

0,4429

0,4441

1,5

1,6

0,4452

0,4463

0,4474

0,4484

0,4495

0,4505

0,4515

0,4525

0,4535

0,4545

1,6

1,7

0,4554

0,4564

0,4573

0,4582

0,4591

0,4599

0,4608

0,4616

0,4625

0,4633

1,7

1,8

0,4641

0,4649

0,4656

0,4664

0,4671

0,4678

0,4686

0,4693

0,4699

0,4706

1,8

1,9

0,4713

0,4719

0,4726

0,4732

0,4738

0,4744

0,4750

0,4756

0,4761

0,4767

1,9

2,0

0,4772

0,4778

0,4783

0,4788

0,4793

0,4798

0,4803

0,4808

0,4812

0,4817

2,0

2,1

0,4821

0,4826

0,4830

0,4834

0,4838

0,4842

0,4846

0,4850

0,4854

0,4857

2,1

2,2

0,4861

0,4864

0,4868

0,4871

0,4875

0,4878

0,4881

0,4884

0,4887

0,4890

2,2

2,3

0,4893

0,4896

0,4898

0,4901

0,4904

0,4906

0,4909

0,4911

0,4913

0,4916

2,3

2,4

0,4918

0,4920

0,4922

0,4925

0,4927

0,4929

0,4931

0,4932

0,4934

0,4936

2,4

2,5

0,4938

0,4940

0,4941

0,4943

0,4945

0,4946

0,4948

0,4949

0,4951

0,4952

2,5

2,6

0,4953

0,4955

0,4956

0,4957

0,4959

0,4960

0,4961

0,4962

0,4963

0,4964

2,6

2,7

0,4965

0,4966

0,4967

0,4968

0,4969

0,4970

0,4971

0,4972

0,4973

0,4974

2,7

2,8

0,4974

0,4975

0,4976

0,4977

0,4977

0,4978

0,4979

0,4979

0,4980

0,4981

2,8

2,9

0,4981

0,4982

0,4982

0,4983

0,4984

0,4984

0,4985

0,4985

0,4986

0,4986

2,9

3,0

0,4987

0,4987

0,4987

0,4988

0,4988

0,4989

0,4989

0,4989

0,4990

0,4990

3,0

Estatstica

Prof. Isabel C. C. Leite

28

EXERCCIOS
1) Considere Z uma v.a. com distribuio normal padronizada e, com auxlio da tabela, determine:
a) P(0 Z 1,44)
b) P( 0,85 Z 0)
c) P( 1,48 Z 2,05)
d) P(0,72 Z 1,89)
e) P( Z 1,08)
f) P( Z 0,66)
g) P( |Z| 0,5)
2) A durao de certo componente eletrnico pode ser considerada normalmente distribuda com
mdia de 850 dias e desvio padro de 45 dias. Calcule a probabilidade de um componente
durar:
a) Entre 700 e 1.000 dias;
b) Mais que 800 dias;
c) Menos que 750 dias;
d) Exatamente 1.000 dias.
3) Os pesos de 600 estudantes so normalmente distribudos com mdia de 65,3 kg e desvio
padro de 5,5 kg. Encontre o nmero de alunos que pesam:
a) Entre 60 e 70 kg;
b) Mais que 63,2 kg.
4) Suponha que as notas de uma prova sejam normalmente distribudas com mdia 73 e desvio
padro 15. Quinze por cento 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, ou seja,
no receber F.
5) Uma fbrica de pneumticos fez um teste para medir o desgaste de seus pneus e verificou que
eles seguiam uma distribuio normal de mdia 48.000 km e desvio padro de 2.000 km.
Calcule a probabilidade de um pneu escolhido ao acaso:
a) Durar mais que 46.000 km;
b) Durar entre 45.000 e 50.000 km.
6) Certo produto tem peso mdio de 10 g e desvio padro de 0,5 g. embalado em caixas de 120
unidades que pesam em mdia 150 g e tm desvio padro de 8 g. Qual a probabilidade de que
uma caixa cheia pese mais de 1.370g, supondo que os pesos so normalmente distribudos?
7) Em uma distribuio normal, 28% dos elementos so superiores a 34 e 12% inferiores a 19.
Encontre a mdia e a varincia desta distribuio.
8) Suponha que a durao de vida de dois equipamentos, E 1 e E2, tenha, 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?
9) Certa mquina de empacotar caf 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?

Estatstica

Prof. Isabel C. C. Leite

29

10) Em uma grande empresa a avaliao de desempenho profissional dos funcionrios acusou
mdia 70 e desvio padro 10. Se desejarmos atribuir aos 15% superiores o grau A, aos 20%
seguintes o grau B, aos 30% mdios o grau C, aos prximos 25% o grau D e aos ltimos 10% o
grau E, quais os intervalos de notas que sero abrangidos por essas classificaes?
11) Entre os 4.000 empregados de uma grande empresa, o QI (quociente de inteligncia)
normalmente distribudo com uma mdia de 104 e desvio padro de 15. Sabendo que uma
tarefa especfica requer um QI mnimo de 98 e que aborrece aqueles com QI acima de 110,
quantos empregados estaro adaptados para exercer esta tarefa, com base apenas no QI?
12) Constatou-se que o tempo mdio para se fazer um teste-padro de Matemtica
aproximadamente normal, com mdia de 80 minutos e desvio padro de 20 minutos.
a) Que porcentagem de candidatos levar menos de 80 minutos?
b) Que porcentagem no terminar o teste, se o tempo mximo concedido de duas horas?
c) Se 200 pessoas fazem o teste, quantas podemos esperar que o terminem na primeira hora?

RESPOSTAS
1) a) 0,4251 b) 0,3023
c) 0,9104
2) a) 1
b) 0,8665
c) 0,0132
3) a) 380
b) 389
4) 88,5 e 55
6) 0,0197
7) = 29,03 e = 73,44
10) E: de 0 a 57,2
11) 1.243
D: de 57,2 a 66,1
C: de 66,1 a 73,9
B: de 73,9 a 80,4
A: de 80,4 a 100

d) 0,2064
d) 0

e) 0,1401

5)a) 0,8413
8) E1
9) 425,60 g
12) a) 50% b) 2,28%

f) 0,7454

g) 0,3830

b) 0,7745
c) 32 candidatos

REFERNCIAS BIBLIOGRFICAS
BUSSAB, Wilton de O. MORETTIN, Pedro A. Estatstica Bsica. 6 edio. So Paulo:
Saraiva, 2010.
FARIAS, Ana Maria Lima de. Probabilidade e Estatstica. Volume nico. Rio de Janeiro:
Fundao CECIERJ, 2009.
MAGALHES, Marcos N.; LIMA, A. C. P. Noes de Probabilidade e Estatstica. 6 edio.
So Paulo: Editora da Universidade de So Paulo, 2005.
MARTINS, Gilberto de A. Estatstica Geral e Aplicada. 3 ed. So Paulo: Atlas, 2005.
MORETTIN, Luiz Gonzaga. Estatstica Bsica Volume 1 Probabilidade 7 edio. So
Paulo: Pearson Makron Books, 1999.
SPEIGEL, Murray R. Estatstica. 3 ed. So Paulo: Pearson Makron Books, 1993.