Captulo+VIII +probabilidade

Faculdade do Guaruj__________________________________________________Estatstica
Prof. Joel Oliveira Gomes

C8-1

Captulo 8

Probabilidade

Desenvolvimento:
8.1 Introduo.
8.2 Experimento aleatrio.
8.3 Espao Amostral
8.4 Eventos
8.5 Probabilidade
8.6 Exerccios
8.7 Eventos Complementares
8.8 Eventos Independentes
8.9 Eventos Mutuamente Exclusivos
8.10 Teorema de Bayes
8.11 Resumo
8.12 Exerccios
8.13 Distribuio Normal

8.1 Introduo
Empregamos mais comumente o termo probabilidade quando estamos diante de
certa observao contnua do comportamento de um fenmeno qualquer e, este, leva-nos
formulao de sua teoria sobre as variaes deste comportamento, ou mesmo quando
estamos com certo grau de incerteza naquilo que pode ocorrer ou que ocorreu no
presente, passado e futuro.
Historicamente, esta teoria surgiu por volta do sculo XVII, baseada principalmente
nos jogos de azar, muito em voga na poca, como a roleta e as cartas.
Em termos matemticos, classificamos como um modelo no deterministico, ou
simplesmente probabilstico. Isto porque estes modelos, quando existem, no nos
permitem estabelecer a priori os resultados de uma experincia, mas fornece-nos
condies de prever, com certo grau de segurana, seus possveis resultados.
Basicamente, a avaliao de um evento qualquer est calcada em duas escolas de
pensamento. Uma considerada clssica ou Objetiva e a outra Personalista ou Subjetiva. A
primeira parte do princpio bsico de que suas regras e clculos devem ser aplicadas a
eventos cujos comportamentos de certos fenmenos podem ocorrer infinitas vezes, mas
sempre sob as mesmas condies. J a segunda acha que a ocorrncia de certas
probabilidades est vinculada pelo grau de credibilidade que cada analista atribui
ocorrncia deste evento. A diferena bsica entre as duas escolas que na ltima,
podemos ter diferentes probabilidades para um mesmo evento. Limitar-nos-emos, em
nossos estudos, aos conceitos da Escola Clssica.
Portanto, a probabilidade pertence ao campo da matemtica. Na estatstica, seu
estudo se justifica devido ao fato de a maioria dos fenmenos so de natureza aleatria
ou probabilstica, essencial para o clculo e estudo da Estatstica Inferencial.

8.2 Experimento aleatrio.
Vejamos a seguinte afirmao: provvel que meu time ganhe a partida hoje.
O que pode acontecer?
a) meu time ganhar

C8-2
b) meu time perder
c) meu time empatar
O resultado final depende do acaso. Fenmenos como este so chamados fenmenos
aleatrios ou experimentos aleatrios.

8.3 Espao Amostral :
A cada experimento correspondem, em geral, vrios resultados possveis. Por
exemplo:
a) ao lanarmos uma moeda: cara ou coroa (2 resultados)
b) ao lanarmos um dado: 1,2,3,4,5 e 6 (6 resultados)

Como o objeto de nosso estudo os experimentos e eles admitem mais do que um
resultado, faz sentir definir o conjunto de todos os possveis resultados do experimento.
Ao conjunto desses resultados possveis damos o nome de Espao Amostral,
representado pela letra S
S da moeda: {cara ou coroa}
S do dado: {1,2,3,4,5 e 6}

Cada elemento de S recebe o nome de ponto amostral

8.4 Eventos:
Chamamos de Evento qualquer subconjunto do espao amostral S de um
experimento aleatrio.
Exemplo:
lanamento de um dado: S={1,2,3,4,5 e 6}, A={2,4,6} S; logo A um evento de S

Um evento sempre definido por uma sentena. Assim, no exemplo acima: obter
um nmero par na face superior.
Normalmente um evento representamos por uma letra maiscula, exceto S

8.5 Probabilidade:
Dado um experimento aleatrio, sendo S o seu espao amostral, e todos os
elementos de S tenham a mesma chance de acontecer, S um conjunto equiprovvel.
Assim, o processo clssico define o sucesso da ocorrncia de um experimento qualquer A
como sendo um quociente em que o numerador o nmero de casos favorveis ao
evento A e o denominador o nmero de casos possveis (S), desde que igualmente
equiprovveis.

Logo,

) S ( n
) A ( n
) A ( P =
Onde,
n(A) = nmero de casos favorveis ao evento A;
n(S) = nmero de casos possveis.

Exemplo 1:

Lanamento de uma moeda
Evento A: obter cara
S: {Ca, Co} n(S) = 2
S: {Ca} n(A) = 1

C8-3

Logo: P
(A)
= 1 / 2 = 0,5 ou 50%

Exemplo 2:

Lanamento de um dado
Evento A: obter um n par na face superior
S: {1,2,3,4,5,6} n(S) = 6
S: {2,4,6} n(A) = 3

Logo: P
(A)
= 3 / 6 = 0,5 ou 50%

8.6 Exerccios:

1) Lanado um dado, qual a probabilidade de obter 4 na face superior?.
R.: 16,67%
2) Qual a probabilidade de sair o s de ouros quando retiramos uma carta de um
baralho de 52 cartas?
R.: 1,92%
3) Qual a probabilidade de sair um rei quando retiramos uma carta de um baralho
de 52 cartas?
R.: 7,69%

8.7 Eventos Complementares:
Um evento pode ocorrer ou no. Chamamos de p a probabilidade que ele ocorra
(sucesso) e q a probabilidade que ele no ocorra (insucesso), logo para um mesmo
evento existe a relao:

P + q = 1

Exemplo:

Lanado um dado, qual a probabilidade de no sair o n 4?
P sucesso P
(A)
= 1/6, logo q = 1 1/6 = 5/6

8.8 Eventos Independentes:
Dois eventos so independentes quando a realizao ou a no-realizao de um
dos eventos no afeta a probabilidade da realizao do outro e vice-versa.
Quando lanamos dois dados, o resultado obtido em um deles independe do
resultado obtido pelo outro.
Se dois eventos so independentes, a probabilidade que eles se realizem
concomitantemente igual ao produto das probabilidades de realizao dos dois eventos.
Palavra chave: e
Logo:

Exemplo:
A probabilidade de ao lanarmos dois dados, obtermos o n 1 no 1 e o n
5 no 2 dado, de:

P = P
1
x P
2

C8-4
P
1
= 1/6
P
2
= 1/6

P = 1/6 x 1/6
P = 1/36

Exerccios:
1) Qual a probabilidade de dois baralhos de 52 cartas cada, retiram-se,
simultaneamente, uma carta do 1 baralho e uma carta do 2, sendo um rei do 1 e
um 5 de paus do 2.
R.: 0,15%

2) De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposio. Qual
a probabilidade de a 1 carta ser o s de paus e a 2 ser rei de paus?
R.: 0,04%

8.9 Eventos Mutuamente Exclusivos:
Dizemos que dois ou mais eventos so mutuamente exclusivos quando a realizao
de um exclui a realizao do outro. Palavra chave: ou
Assim, no lanamento de uma moeda, o evento tirar cara e tirar coroa so
mutuamente exclusivos, j que, ao realizar um deles, o outro no se realiza.
Se dois eventos so mutuamente exclusivos, a probabilidade de que um ou outro se
realize igual soma das probabilidades de que cada um se realize.
Logo:

Exemplo:
Lanado um dado, a probabilidade de se tirar 3 ou 5 :

P
1
= 1/6
P
2
= 1/6

P = 1/6 + 1/6
P = 1/3

Exerccios:
1) Qual a probabilidade de sair uma figura quando retiramos uma carta de um baralho
de 52 cartas?
P
rei
= 4/52 = 1/13; P
damas
= 4/52 = 1/13; P
valete
= 4/52 = 1/13

Como so mutuamente exclusivos:

P = 1/13 + 1/13 + 1/13 = 3/13

R.: 23,08%

2) So dados dois baralhos de 52 cartas. Tiramos ao mesmo tempo, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de tirarmos uma
dama e um rei, no necessariamente nesta ordem?

P = P
1
+ P
2

C8-5
Probabilidade de tirarmos uma dama do 1 baralho: (4/52) e um rei do 2: (4/52)

P
1
= 4/52 x 4/52 = 1/13 x 1/13 = 1/169

Probabilidade de tirarmos um rei do 1 baralho: (4/52) e uma dama do 2: (4/52)

P
2
= 4/52 x 4/52 = 1/13 x 1/13 = 1/169

Como esses dois eventos so mutuamente exclusivos, temos:

P = 1/169 + 1/169 2/169 1,18%

8.10 Teorema de Bayes
Refere-se a determinao da probabilidade de um evento condicional A1, dado que
o evento B1 tenha ocorrido.
Sua caracterstica a aplicao em eventos seqenciais.
Frmula:

=
(
\
|
|
\
|
=
|
\
|
n
i
i
i
i
i
i
i
i
i
A
B
P A P
A
B
P A P
B
A
P
1
). (
). (

Exemplo:
Numa fbrica existem 3 mquinas destinadas a produo de parafusos. A 1
a
.
Mquina produz 1000 / d, a 2
a
. 4000 e a 3
a
. 5000. A porcentagem de parafusos
defeituosos so 4%, 5% e 1% respectivamente. Ao final do dia encontrou-se um parafuso
defeituoso. Qual a probabilidade de ele ter sido produzido em cada uma dessas
mquinas?

Sejam:
A = Evento de ser o parafuso produzido pela 1 mquina.
B = Evento de ser o parafuso produzido pela 2 mquina.
C = Evento de ser o parafuso produzido pela 3 mquina.
X = Evento de ser o parafuso defeituoso

Ento:

P
(A)
= 1000/10000 = 0,10

P
(B)
= 4000/10000 = 0,40

P
(C)
= 5000/10000 = 0,50

P
(X/A)
= 0,04

P
(X/B)
= 0,05

P
(X/C)
= 0,01

P
(A/X)
= {[ 0,10 x 0,40] [(0,10 x 0,04)+(0,4 x 0,05) + (0,5 x 0,01)]} = 0,14

C8-6
P
(B/X)
= {[ 0,02] [(0,10 x 0,04)+(0,4 x 0,05) + (0,5 x 0,01)]} = 0,69

P
(C/X)
= {[ 0,05] [(0,10 x 0,04)+(0,4 x 0,05) + (0,5 x 0,01)]} = 0,17

8.11 Resumo

QUADRO-SNTESE

Termo
Palavra-chave para o
conceito
Operacionalizao
Experimento aleatrio Resultado imprevisvel -
Espao amostral Resultados possveis S
Eventos Sub-conjunto de S
Qquer letra maiscula do
alfabeto: A, B, C, D...
Probabilidade Possibilidade de obter xito
) (
) (
) (
S
A
A
n
n
P =
Eventos Complementares Sucesso / insucesso p + q = 1
Eventos Independentes Simultneo P = P
1
x P
2

Eventos Mutuamente
Exclusivos
ou P = P
1
+ P
2

Teorema de Bayes Condicional
=
(
\
|
|
\
|
=
|
\
|
n
i
i
i
i
i
i
i
i
i
A
B
P A P
A
B
P A P
B
A
P
1
). (
). (

Fonte: CRESPO, Antonio A. Estatstica Fcil. 15
a
. Edio. So Paulo: Atlas, 1997. (Cap 09)

C8-7

8.12 Exerccios

1. Determine a probabilidade de cada evento:
a) Um nmero par aparece no lanamento de um dado
b) Uma figura aparece ao se extrair uma carta de um baralho.
c) Uma carta de ouro aparece ao se extrair uma carta de um baralho
d) Uma s coroa aparece no lanamento de trs moedas.

2. Um nmero inteiro escolhido aleatoriamente dentre os nmeros: 1 2,3... 49,50.
Determine a probabilidade de:
a) o nmero ser divisvel por 5.
b) o nmero terminar em 3
c) o nmero ser divisvel por 6 ou por 8
d) o nmero ser divisvel por 4 e por 6

3. Dois dados so lanados simultaneamente. Determine a probabilidade de:
a) a soma ser menor que 4.
b) a soma ser 9.
c) o primeiro resultado ser maior que o segundo
d) a soma ser menor ou igual a 5.

4. Uma moeda lanada duas vezes. Calcule a probabilidade de:
a) no ocorrer cara nenhuma vez.
b) obter-se cara na primeira ou na segunda jogada.

5. Um inteiro entre 3 e 11 ser escolhido ao acaso.
a) qual a probabilidade que este nmero seja mpar. ?
b) qual a probabilidade que este nmero seja mpar e divisvel por 3?

6. Uma carta retirada ao acaso de um baralho. Qual a probabilidade de que a carta
retirada seja uma dama ou uma carta de copas?

7. No lanamento de dois dados, qual a probabilidade de se obter um par de pontos
iguais. ?

8. Em lote de 12 peas, 4 so defeituosas. Sendo retiradas aleatoriamente 2 peas,
calcule:
a) a probabilidade de ambas serem defeituosas
b) a probabilidade de ambas no serem defeituosas
c) a probabilidade de ao menos uma ser defeituosa.

9. No lanamento de um dado, qual a probabilidade de sair o nmero 6 ou um nmero
mpar?

10. Duas cartas so retiradas ao acaso de um baralho. Calcule a probabilidade de se
obterem:

C8-8
a) dois valetes
b) um valete e uma dama

11. Um casal planeja ter trs filhos. Determine a probabilidade de nascerem:
a) trs homens
b) dois homens e uma mulher

12. Uma moeda lanada trs vezes. Calcule a probabilidade de obtermos:
a) trs caras e) pelo menos uma cara
b) duas coroas e uma cara f) no mximo uma cara
c) uma cara somente d) nenhuma cara

13. Numa fbrica existem 3 mquinas destinadas a produo de parafusos. A 1
a
. Mquina
produz 2000 / d, a 2
a
. 8000 e a 3
a
. 10000. A porcentagem de parafusos defeituosos so
2%, 3% e 5% respectivamente. Ao final do dia encontrou-se um parafuso defeituoso. Qual
a probabilidade de ele ter sido produzido em cada uma dessas mquinas?

14. Sejam quatro urnas com bolas coloridas, contendo 10 bolas cada uma, assim
distribudas:

Urna Vermelha Branca Azul Total
A 1 6 3 10
B 6 2 2 10
C 8 1 1 10
D 0 6 4 10

Escolhe-se arbitrariamente uma das urnas e extraiu-se uma bola. Se a bola vermelha,
qual a probabilidade de ter sido extrado da urna A ? B ? C ? D ?
15. Num Mercado, trs corretoras A, B e C so responsveis por 20%, 50% e 30% do
volume total de contratos negociados, respectivamente. Do volume de cada corretora,
20%, 5% e 2%, respectivamente, so contratos futuros em dlares. Um contrato
escolhido ao acaso e este futuro em dlares. Qual a probabilidade de ter sido negociado
pela corretora A ? E pela corretora C ?

16. Trs mquinas produzem determinado tipo de pea. A mquina A produz 40% do
total, apresentando 25 de defeitos; a Mquina B produz 35% do total, apresentando 1,5%
de defeitos e, finalmente, a mquina C apresenta 1,4% de defeitos. Do total da produo
mensal foi tirada uma pea e verificou-se que era defeituosa. Qual a probabilidade de que
essa pea tenha sido produzida nas mquinas A, B, e C?

Respostas:

a b c d e a b c d e f
1 1/2 3/13 1/4 3/8 09 2/3
2 1/5 1/10 6/25 2/25 10 1/221 4/663
3 1/2 1/9 5/12 5/18 11 1/8 3/8
4 1/4 12 1/8 3/8 3/8 1/8 7/8 1/2
5 3/7 1/7 13
6 4/13 14 P(a/x) = 0,07 P(b/x) = 0,40 P(c/x) = 0,53

C8-9
7 1/6 15 P(a/x) = 0,56 P(b/x) = 0,84
8 1/11 14/33 16 P(a/x) = 0,48 P(b/x) = 0,31 P(c/x) = 0,21

8.13 Distribuio Normal

A distribuio normal a mais importante das distribuies de probabilidades.
Conhecida como a curva em forma de sino, a distribuio normal tem sua origem
associada aos erros de mensurao. sabido que, quando se efetuam repetidas
mensuraes de determinada grandeza com um aparelho equilibrado, no se chega ao
mesmo resultado todas as vezes; obtm-se, ao contrrio, um conjunto de valores que
oscilam, de modo aproximadamente simtrico, em torno do verdadeiro valor. Construindo-
se o histograma desses valores, obtm-se uma figura com forma aproximadamente
simtrica. Gauss deduziu matematicamente a distribuio normal como distribuio de
probabilidade dos erros de observao, denominando-a ento lei normal dos erros.
Inicialmente se supunha que todos os fenmenos da vida real devessem ajustar-se
a uma curva em forma de sino; em caso contrrio, suspeitava-se de alguma anormalidade
no processo de coleta de dados. Da a designao de curva normal.
A observao cuidadosa subseqente mostrou, entretanto, que essa pretensa
universalidade da curva, ou distribuio normal, no correspondia realidade. De fato,
no so poucos os exemplos de fenmenos da vida real representados por distribuies
no normais, curvas assimtricas, por exemplo. Mesmo assim, a distribuio normal
desempenha papel preponderante na estatstica, e os processos de inferncia nela
baseados tm larga aplicao.

A distribuio normal tem sua funo de densidade de probabilidade dada por

f(x) =
( ) 1
2 2
2
2

exp

(
(
x
< < x

Como pode-se observar atravs da equao acima, a distribuio normal inclui os
parmetros e , os quais possuem os seguintes significados:

: posio central da distribuio (mdia,
x
), que doravante vamos chamar de X

C8-10
: disperso da distribuio (desvio padro,
x
), que doravante vamos chamar de
S

A figura 2 ilustra uma curva normal tpica, com seus parmetros descritos graficamente.

Figura 2 - Curva normal tpica

9.13.1 Propriedades da distribuio normal

Para uma mesma mdia X e diferentes desvios padro S, a distribuio que
tem maior desvio padro se apresenta mais achatada, acusando maior disperso em
torno da mdia. A que tem menor desvio padro apresenta pico mais acentuado e maior
concentrao em torno da mdia. A figura 3 compara trs curvas normais, com mesma
mdia, porm com desvios padro diferentes. A curva A se apresenta mais dispersa que
a curva B, que por sua vez se apresenta mais dispersa que a curva C. Neste caso, S
A
>
S
B
> S
C
.

Distribuies normais com o mesmo desvio padro e mdias diferentes
possuem a mesma disperso, mas diferem quanto localizao. Quanto maior a mdia,
mais direita est a curva. A figura 4 ilustra o fato, onde a curva A possui mdia maior
que a curva B ( X
A
> X
B
).
X
S
X
: mdia
S
: desvio padro
x
f(x)

C8-11
A
B
C

Figura 3 - Distribuies normais com mesma mdia e desvios padro diferentes

B
B A

Figura 4 - Distribuies normais com mesmo desvio padro e mdias diferentes

Como descrito anteriormente, a probabilidade de uma varivel assumir valores
entre a e b igual rea sob a curva entre esse dois pontos. A determinao destas
probabilidades realizada matematicamente atravs da integrao da funo de
densidade de probabilidade entre os pontos a e b de interesse. No caso da normal, a
integral no pode ser calculada exatamente, e a probabilidade entre dois pontos s pode
ser obtida aproximadamente, por mtodos numricos. Esta tarefa facilitada atravs do
uso da distribuio normal padro definida a seguir.
No caso da distribuio normal, algumas dessas reas com os pontos a e b funo
da mdia X e do desvio padro S so bastante difundidos, e esto representadas na
figura 5, que conservamos a nomenclatura original trabalhando com e

C8-12

Figura 5 - Probabilidades da distribuio normal
68,26% => 1 desvio
95,46% => 2 desvios
99,73% => 3 desvios

Portanto, 68,26% dos valores populacionais caem entre os limites definidos como mdia
mais ou menos um desvio padro ( X 1S); 95,46% dos valores caem entre mdia mais
ou menos dois desvios padro ( X 2S); e 99,73% dos valores caem entre mdia mais ou
menos trs desvios padro ( X 3S).

9.13.2 A distribuio normal padro
A distribuio normal particular com mdia 0 e desvio padro 1 chamada de distribuio
normal padro, e costuma ser denotada por Z.

A varivel aleatria definida por

Z =
X

ter uma distribuio N(0,1). Esta transformao ilustrada pela figura 6.

68.26 %
99.73 %
+ +3
+2
-
-2
-3
95.46 %

C8-13
+ +3
+2
-
-2
-3
X
X -

0 1 2 3 -1 -2 -3
Z

Figura 6 - Transformao

Vamos a um exemplo:

Em um concurso pblico para escriturrios a mdia do teste foi de 125 pontos e o desvio
padro 48. Qual a porcentagem de candidatos com resultados, dentro de uma distribuio
normal, de:
a) entre 125 e 138
b) entre 120 e 125
c) abaixo de 120
d) acima de 138
e) entre 138 e 140

Como resolver problemas de distribuio normal?
Em 1 lugar: vamos transformar todos esses pedidos em uma linguagem prpria do
nosso capitulo que ora estudamos:
a) p(125 < Xi < 138)
b) p(120 < Xi < 125)
c) p(Xi < 120)
d) p(Xi > 138)
e) p(138 < Xi < 140)

C8-14
Em 2. Lugar: vamos fazer um desenho para cada item pedido: (mesmo fora de escala faa seu desenho)

J sabemos que da frmula Z =
X
X o nosso Xi, a nossa mdia e o desvio
padro.

3. Lugar: Identificando nossos dados do pedido a:
1. Xi = 138
2. Mdia = 125
3. S = 48

4. Lugar: Aplicando a frmula Z.
Z = 138 125 = 0,27
48

Com esse nmero entraremos na tabela da curva normal reduzida, que se encontra na ltima
pgina de nossa aula, e dela extrair uma parte.
Nosso objetivo saber quanto vale em termos de rea ou porcentagem um Z = 0,27

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586
0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535
0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409
0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173
0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793

Penso que deu para perceber claramente como achamos para um Z = 0,27 uma rea de 0,10642
ou 10,64%. Isso quer dizer: em uma distribuio normal com mdia = 125 e com desvio padro =
48, a rea comprendida entre 125 e 138 pontos de 10,64%. Esta rea est em vermelho.

Vamos ao pedido b:
p(120 < Xi < 125)

C8-15

Z = (120 125) 48 0,10, na tabela 0,0398 ou 03,98% (em vermelho)

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586
0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535
0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409
0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173
0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793

Vamos ao pedido c:
p(Xi < 120)

Lembre-se:
a) a mdia divide a curva em duas partes iguais:
50% e 50%
b) a tabela fornece a rea do Xi at a mdia (isto
importante)

120 a 125, j sei que a rea de 3,98%, entretanto desejamos a rea abaixo de 120...
Logo devemos fazer a seguinte conta: 50% 3,98% = 46,02%.

Vamos ao pedido d:
acima de 138

C8-16

Se eu sei que a rea entre 138 a 125 de 10,64%, logo:
50% 10,64% = 39,36%

Vamos ao pedido e:
p(138 < Xi < 140)

Z
1
= (140 125) 48 0,31, na tabela = 0,1217 ou
12,17%
Z
2
= (138 125) 48 0,27, na tabela = 0,1064 ou 10,64%

a tabela fornece a rea do Xi at a mdia (isto importante)
A resposta ser a diferena entre ambos: 1,53%

rea subtendida pela Curva Normal Reduzida

z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,00000 0,00399 0,00798 0,01197 0,01595 0,01994 0,02392 0,02790 0,03188 0,03586

C8-17
0,1 0,03983 0,04380 0,04776 0,05172 0,05567 0,05962 0,06356 0,06749 0,07142 0,07535
0,2 0,07926 0,08317 0,08706 0,09095 0,09483 0,09871 0,10257 0,10642 0,11026 0,11409
0,3 0,11791 0,12172 0,12552 0,12930 0,13307 0,13683 0,14058 0,14431 0,14803 0,15173
0,4 0,15542 0,15910 0,16276 0,16640 0,17003 0,17364 0,17724 0,18082 0,18439 0,18793
0,5 0,19146 0,19497 0,19847 0,20194 0,20540 0,20884 0,21226 0,21566 0,21904 0,22240
0,6 0,22575 0,22907 0,23237 0,23565 0,23891 0,24215 0,24537 0,24857 0,25175 0,25490
0,7 0,25804 0,26115 0,26424 0,26730 0,27035 0,27337 0,27637 0,27935 0,28230 0,28524
0,8 0,28814 0,29103 0,29389 0,29673 0,29955 0,30234 0,30511 0,30785 0,31057 0,31327
0,9 0,31594 0,31859 0,32121 0,32381 0,32639 0,32894 0,33147 0,33398 0,33646 0,33891
1,0 0,34134 0,34375 0,34614 0,34849 0,35083 0,35314 0,35543 0,35769 0,35993 0,36214
1,1 0,36433 0,36650 0,36864 0,37076 0,37286 0,37493 0,37698 0,37900 0,38100 0,38298
1,2 0,38493 0,38686 0,38877 0,39065 0,39251 0,39435 0,39617 0,39796 0,39973 0,40147
1,3 0,40320 0,40490 0,40658 0,40824 0,40988 0,41149 0,41308 0,41466 0,41621 0,41774
1,4 0,41924 0,42073 0,42220 0,42364 0,42507 0,42647 0,42785 0,42922 0,43056 0,43189
1,5 0,43319 0,43448 0,43574 0,43699 0,43822 0,43943 0,44062 0,44179 0,44295 0,44408
1,6 0,44520 0,44630 0,44738 0,44845 0,44950 0,45053 0,45154 0,45254 0,45352 0,45449
1,7 0,45543 0,45637 0,45728 0,45818 0,45907 0,45994 0,46080 0,46164 0,46246 0,46327
1,8 0,46407 0,46485 0,46562 0,46638 0,46712 0,46784 0,46856 0,46926 0,46995 0,47062
1,9 0,47128 0,47193 0,47257 0,47320 0,47381 0,47441 0,47500 0,47558 0,47615 0,47670
2,0 0,47725 0,47778 0,47831 0,47882 0,47932 0,47982 0,48030 0,48077 0,48124 0,48169
2,1 0,48214 0,48257 0,48300 0,48341 0,48382 0,48422 0,48461 0,48500 0,48537 0,48574
2,2 0,48610 0,48645 0,48679 0,48713 0,48745 0,48778 0,48809 0,48840 0,48870 0,48899
2,3 0,48928 0,48956 0,48983 0,49010 0,49036 0,49061 0,49086 0,49111 0,49134 0,49158
2,4 0,49180 0,49202 0,49224 0,49245 0,49266 0,49286 0,49305 0,49324 0,49343 0,49361
2,5 0,49379 0,49396 0,49413 0,49430 0,49446 0,49461 0,49477 0,49492 0,49506 0,49520
2,6 0,49534 0,49547 0,49560 0,49573 0,49585 0,49598 0,49609 0,49621 0,49632 0,49643
2,7 0,49653 0,49664 0,49674 0,49683 0,49693 0,49702 0,49711 0,49720 0,49728 0,49736
2,8 0,49744 0,49752 0,49760 0,49767 0,49774 0,49781 0,49788 0,49795 0,49801 0,49807
2,9 0,49813 0,49819 0,49825 0,49831 0,49836 0,49841 0,49846 0,49851 0,49856 0,49861
3,0 0,49865 0,49869 0,49874 0,49878 0,49882 0,49886 0,49889 0,49893 0,49896 0,49900
3,1 0,49903 0,49906 0,49910 0,49913 0,49916 0,49918 0,49921 0,49924 0,49926 0,49929
3,2 0,49931 0,49934 0,49936 0,49938 0,49940 0,49942 0,49944 0,49946 0,49948 0,49950
3,3 0,49952 0,49953 0,49955 0,49957 0,49958 0,49960 0,49961 0,49962 0,49964 0,49965
3,4 0,49966 0,49968 0,49969 0,49970 0,49971 0,49972 0,49973 0,49974 0,49975 0,49976
3,5 0,49977 0,49978 0,49978 0,49979 0,49980 0,49981 0,49981 0,49982 0,49983 0,49983
3,6 0,49984 0,49985 0,49985 0,49986 0,49986 0,49987 0,49987 0,49988 0,49988 0,49989
3,7 0,49989 0,49990 0,49990 0,49990 0,49991 0,49991 0,49992 0,49992 0,49992 0,49992
3,8 0,49993 0,49993 0,49993 0,49994 0,49994 0,49994 0,49994 0,49995 0,49995 0,49995
3,9 > 0,49995 etc ...
Fonte: http://netsim.fm.usp.br/dim/mpt164/1999/download.htm

Exerccios Curva Normal

1) Os pesos de 600 estudantes so normalmente distribudos com mdia 65,3 kg e desvio padro
5,5 kg. Determine o nmero de estudantes que pesam:
a. entre 60 e 70 kg;
b. mais que 63,2 kg;
c. menos que 68 kg.

2) A durao de certo componente eletrnico tem mdia de 850 dias e desvio padro de 40 dias.
Sabendo-se que a durao normalmente distribuda, calcule a probabilidade de esse
componente durar:
a. entre 700 e 1000 dias;
b. mais de 800 dias;
c. menos de 750 dias.

C8-18
3) Determinado veculo a lcool apresenta consumo mdio por km rodado de 142 ml, com desvio
padro de 12 ml. Calcular as seguintes probabilidades:
a. um carro gastar de 120 a 130 ml;
b. um, carro gastar mais de 145 ml;
c. um carro gastar menos de 140 ml.

4) Determinada mquina de empacotar arroz est regulada para um peso unitrio lquido de 5 kg
com desvio-padro de 200 g. Embalagens com peso lquido inferior ao regulado so reembaladas
at estarem dentro das especificaes. Calcular:
a. qual a porcentagem de embalagens que recusada pelo controle de qualidade?
b. Numa produo mensal de 32000 unidades, qual ser o nmero de embalagens recusado pelo
controle de qualidade?

5) Sabe-se que a durao de vida til de determinado tipo de lmpadas se distribui normalmente
com mdia de 100 horas e desvio-padro de 210 horas. Certa empresa resolveu, por intermdio
do departamento de relaes industriais, montar uma rvore de natal. Na montagem desta
utilizaram 400 lmpadas, as quais ficariam acesas ininterruptamente por determinado perodo de
tempo. Pergunta-se:
a. quantas lmpadas queimaro antes de completar 620 hs ?
b. quantas lmpadas vo durar entre 790 e 1210 horas?

6) Certa empresa necessita, para sua linha de montagem, de determinado tipo de arruelas. Estas
arruelas devem estar normalmente distribudas com mdia de 0,502 mm e desvio-padro de 0,005
mm de dimetro. A finalidade, para a qual estas arruelas so necessrias, permite uma tolerncia
mxima da medida mdia mais ou menos um desvio-padro. Caso isso ocorra, a linha de
montagem rejeita as peas. Qual a quantidade de peas que pode ser rejeitada em um lote de
10000 arruelas?

7) Certa pea de reposio para veculos automotores tem durao mdia de 15.000 km com
desvio-padro de 1000 km, dependendo das condies de uso, e distribuem-se normalmente. Se
for oferecida para esta pea uma garantia de 13.000 km, quantas peas deveriam ser substitudas
antes de completar-se a garantia? Sabe-se que a venda anual dessas peas de 23.00 unidades.

8) Utilizando os dados do exerccio anterior responda: Qual deveria ser a garantia dada pelo
fabricante desta pea para que apenas 1% delas fosse substitudo?

9) Em uma distribuio normal, 29,12% dos elementos so superiores a 38 e 12,71% inferiores a
23. Encontrar a mdia e a varincia da distribuio.

Captulo+VIII +probabilidade

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Captulo+VIII +probabilidade

Transféré par

Droits d'auteur :

Formats disponibles

Faculdade do Guaruj__________________________________________________Estatstica

Prof. Joel Oliveira Gomes

Vous aimerez peut-être aussi