Vous êtes sur la page 1sur 97

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.

br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
1
NDICE
CAPTULOS
I-INTRODUO.................................................................... pg.4
Estatstica Descritiva
Estatstica Indutiva ou Inferencial
a) coleta contnua
b) coleta peridica
c) coleta ocasional
Apurao dos Dados; Apresentao dos Dados; Anlise dos resultados;
A Estatstica nas Empresas

II-POPULAO e AMOSTRA (ESTIMADOR ESTATSTICO)....pg.5
Varivel;Varivel qualitativa (qualidade);Varivel quantitativa (quantidade);
Populao;Amostra
Simbologia Utilizada para o estudo de uma populao;
Simbologia Utilizada para o estudo de uma amostra;

III- CONSTRUO DE GRFICOS: em Barras, em Colunas, de Setores

IV- MEDIDAS DE TENDNCIA CENTRAL DADOS NO
AGRUPADOS ...........................................................................................pg.8
a)Clculo da Mdia (mean):
b)Clculo da Moda (mode)
c)Clculo da Mediana (median):

V- A DISTRIBUIO DE FREQUNCIA DE DADOS AGRUPADOS
MAS SEM INTERVALOS DE CLASSES..............................................pg.10
Diagramas de freqncia - tabelas
Mdia; Mediana e Moda Exerccios diversos
Dados Brutos e Rol

VI MEDIDAS DE DISPERSO OU VARIABILIDADE ................pg.14
Desvio Mdio; Varincia; Desvio Padro; Coeficiente de Variao de
Pearson e de Thorndike;

VI-a SEPARATRIZES.........................................................................pg.19
(Quartis- Decis- Percentis) Medidas de Posio
Coeficiente Percentlico de Curtose -
Classificao das Curvas ( leptocrtica; mesocrtica e platicrtica); Rol e
Dados Brutos Exerccios
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
2

VI-b COEFICIENTE DE ASSIMETRIA.............................................pg.23

VIcSRIES ESTATSTICAS DISCRETAS COM CLCULO
ABREVIADO DA VARINCIA E DESVIO PADRO (SEM CALCULAR
O DESVIO MDIO)................................................................................pg.24

VII DISTRIBUIO DE FREQNCIA EM CLASSE ( DADOS
AGRUPADOS).........................................................................................pg.25
Dados Brutos e Rol
Conceitos Bsicos:
1.Limites de Observao
2.Intervalo de Observao
3.Amplitude de Observao
4.Definio do nmero de classes Regra de Sturges
5.Construo da Distribuio de Freqncia :
6.Construo da Distribuio de Freqncia
7.Classe de uma (Distribuio de Freqncia)
8.Limites de Classe
9.Amplitude de Classe (h)
10.Limites da Distribuio de Freqncia
11.Amplitude da Distribuio de Freqncia
12.Nmero de observaes
13.Varivel:
14.Ponto Mdio de Classe
Frmulas para calcular a mediana, a Moda calculada e a Curtose:
15.O Clculo da Mediana na Distribuio de Freqncia com Dados
Agrupados ou Grupados
16.O clculo da Moda Calculada
17.O clculo da CURTOSE (Coeficiente Percentlico de Curtose) na
Distribuio de Freqncia em Classes ( Dados Agrupados).
18.Frmulas para o clculo dos quartis; Frmula para o clculo dos percentis;
19.Classificao das Curvas;
Grfico da curva polida
20.A freqncia calculada

VIII PROBABILIDADE.......................................................................pg31
Experimento Aleatrio
Definio
Espao Amostral
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
3
Tipos de Probabilidade:
probabilidade clssica ( ou terica)
probabilidade emprica ( ou estatstica)
Probabilidade Subjetiva

VIII. a) DISTRIBUIO DE PROBABILIDADE..............................pg.37

VIII b) PROBABILIDADE CLSSICA.................................................pg.41

Probabilidade de um Evento
Probabilidade da no ocorrncia de um evento
Probabilidade de uma unio (eventos mutuamente excludentes)
ouo terceiro postulado de probabilidade
Probabilidade de uma interseco
Interseco e unio no mesmo exerccio utilizao conjunta de
ambos na mesma frmula:
evento elementar: apenas um ponto amostral
evento certo: igual ao espao amostral S
evento impossvel: conjunto vazio
Princpio da Multiplicao
Amostragem com reposio
Amostragem sem reposio
Arranjos
!
( )!
n
n k

Combinaes
Probabilidade Condicional
Pr( )
Pr( )
Pr( )
A B
A B
B

=
Eventos independentes: so dois eventos que no se afetam mutuamente.
Probabilidade Condicional: a probabilidade de ocorrncia de um
determinado evento, quando se sabe que outro evento ocorreu.

Eventos complementares (p + q =1 q = 1- p)

Eventos Independentes Pr( ) Pr( ) A B A = Pr( ) Pr( ) A B A =
Eventos Mutuamente Exclusivos
Exerccios

IX Regresso e Correlao Linear................................................. pg.62
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
4
X Distribuio Normal Reduzida.................................................... pg.69

XI- Intervalos de Confiana para a Mdia....................................... .pg 72

XII-Testes de Hipteses e Nveis de Significncia......................... pg 79

XIII BIBLIOGRAFIA........................................................................pg.83

Frmulas ............................................................................... pgs. 84

Tabela z....................................................................................... pg.89

----------------------------------------------------------------------------------------------

I-INTRODUO:

A Estatstica uma parte da Matemtica Aplicada que fornece mtodos
para a coleta, organizao, descrio, anlise e interpretao de dados e para a
utilizao dos mesmos na tomada de decises.
Estatstica Descritiva: trata da coleta, da organizao e da descrio dos
dados.
Estatstica Indutiva ou Inferencial : trata da anlise e da interpretao dos
dados.
A coleta pode ser direta ou indireta. A direta pode ser:
a)coleta contnua: registro de nascimentos e bitos e da freqncia dos
alunos s aulas.
b)coleta peridica: feita em intervalos constantes como os censos (10 em
10 anos) e as avaliaes mensais de alunos.
c)coleta ocasional: quando feita extemporaneamente. Exemplo: no caso de
epidemias que assolam ou dizimam rebanhos inteiros.

A coleta indireta feita atravs de dados colhidos por uma coleta direta
(exemplo: pesquisa sobre a mortalidade infantil).

Apurao dos Dados: a soma e o processamento dos dados obtidos e a
disposio mediante critrios de classificao. Pode ser manual ou eletrnica.
Apresentao dos Dados: Os dados devem ser apresentados sob forma
adequada (tabelas e/ou grficos) tornando mais fcil o exame e o tratamento
estatstico.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
5
Anlise dos resultados: O objetivo ltimo da Estatstica tirar concluses
sobre o todo (populao) a partir de informaes fornecidas por parte
representativa do todo (amostra). Nesta fase entramos na Estatstica Indutiva
ou Inferencial da onde tiramos concluses e previses.

A Estatstica nas Empresas : no mundo atual , a empresa uma das vigas-
mestras da Economia dos Povos.
A direo de uma empresa, de qualquer tipo, privadas estatais ou
governamentais (pblicas), exige de seu administrador a importante tarefa de
tomar decises, e o conhecimento e o uso da Estatstica facilitaro seu trplice
trabalho de organizar, dirigir e controlar a empresa.
Por meio de sondagem, de coleta de dados e de recenseamento de
opinies, podemos conhecer a realidade geogrfica e social, os recursos
naturais, humanos e financeiros disponveis, as expectativas da comunidade
sobre a empresa, e estabelecer suas metas, seus objetivos com maior
possibilidade de serem alcanados a curto, mdio ou longo prazos.
A Estatstica ajudar em tal trabalho, como tambm na seleo e
organizao da estratgia a ser adotada do empreendimento e, ainda, na
escolha das tcnicas de verificao e avaliao da quantidade e da qualidade
do produto e mesmo dos possveis lucros e /ou perdas.
Tudo isso que se pensou, que se planejou, precisa ficar registrado,
documentado, para evitar esquecimentos, a fim de garantir o bom uso do
tempo, da energia e do material e, ainda, para um controle eficiente do
trabalho.
O esquema do planejamento o plano, que pode ser resumido, com
auxlio da Estatstica, em tabelas e grficos, que facilitaro a compreenso
visual dos clculos matemtico-estatsticos que lhes deram origem.
O homem e a mulher de hoje, em suas mltiplas atividades, lanam mo
de processos e tcnicas estatsticas, e s estudando-as evitaremos o erro das
generalizaes apressadas respeito de tabelas e grficos apresentados em
jornais e revistas e na televiso, frequentemente cometido quando se conhece
apenas por cima um pouco de Estatstica.
Concludo este curso o aluno ter um conhecimento bsico que dever
ser aperfeioado no futuro, mas o pontap inicial ser dado aqui.

II-POPULAO e AMOSTRA (ESTIMADOR ESTATSTICO)

varivel: o conjunto de resultados possveis de um fenmeno.
Matematicamente representada pelas ltimas letras do alfabeto: r, s, t, u. v,
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
6
w, x, y e z. A soma de todas as variveis ser representada aqui pela letra n
ou
1
n
i
fi
=

. Smbolo de somatrio

.
Varivel qualitativa (qualidade): quando seus valores so expressos por
atributos:sexo masculino ou feminino, cor da pele (amarela, branca, negra,
vermelha, parda, etc.) .
Varivel quantitativa (quantidade):quando seus valores so expressos em
nmeros (salrios, idades etc). Podem ser Contnuas ou Discretas.

Populao: Conjunto a ser estudado
Amostra: subconjunto finito de uma populao.
- a amostra deve ser suficientemente grande.
- seus constituintes devem ter sido selecionados ao acaso.
A Estatstica Indutiva tem por objetivo tirar concluses sobre as populaes,
com base em resultados verificados em amostras retiradas dessa populao.
Mas para as inferncias serem corretas, necessrio garantir que a amostra
seja representativa da populao, isto , deve possuir as mesmas
caractersticas bsicas da populao, no que diz respeito ao fenmeno que
desejamos pesquisar. preciso que a amostra seja obtida por processos
adequados.A amostragem pode ser simples ou complexa. importante que
cada elemento da populao tenha a mesma chance de ser amostrado.
Tcnicas de Amostragem:
Amostragem casual ou aleatria simples.
Amostragem estratificada: utilizada quando a populao se divide em
subpopulaes estratos.(90 alunos(as) de uma escola)

sexo populao 10% Amostra
MASCULINO 54 10x54/100 = 5,4 5
FEMININO 36 10x36/100 = 3,6 4
total 90 10x90/100 = 9 9
Tabela n. 01
Amostragem Sistemtica: quando os elementos da populao j se
acham ordenados, no havendo necessidade de construir o sistema de
referncia. So exemplos os pronturios mdicos de um hospital, os
prdios de uma rua, as linhas de produo.
Exemplo: Suponhamos uma rua contendo novecentos prdios, dos quais
desejamos obter uma amostra formada de cinqenta prdios.
900/50=18. Seriam selecionados 18 prdios atravs de sorteio
sistemtico.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
7

Simbologia Utilizada para o estudo de uma populao:

= mi ou mu (utilizada para representar a mdia da populao).
= sigma ( utilizada para representar o desvio padro da populao)
2
= sigma ao quadrado. (utilizado para representar a varincia da populao)
N = n. total de elementos da populao (N maisculo)

Simbologia Utilizada para o estudo de uma amostra:

X = X BARRA ( utilizado para representar a mdia da amostra).
S = do ingls standard deviation (utilizado para representar o desvio
padro da amostra.
2
S = S ao quadrado (utilizada para representar a varincia da amostra)
n = n. total de elementos da amostra ( n minsculo)

III-SOMATRIOS

smbolo = = Letra sigma maiscula do alfabeto grego que representa uma
soma.
Exemplo:
1 2 3 4 5 6
X X X X X X + + + + + pode ser representado abreviadamente por
6
1
i
i
X
=

(l-se: somatrio de
i
X com i variando de 1 a 6)
Neste caso 1 o limite inferior do somatrio e 6 o limite superior do
somatrio.
lim sup
lim inf
ite erior
i
ite erior
X


Exemplo: calcule
5
2
1
3
i
i
=

resoluo:
2 2 2 2 2
3.1 3.2 3.3 3.4 3.5 + + + +
5
2
1
3
i
i
=

=3 + 12 + 27 + 48 + 75
5
2
1
3
i
i
=

= 165

Exerccios de Aprendizagem:

1- Calcule: a)
6
1
(5 2)
i
i
=

Resp: 93 ; b)
2
3
(1 )
i
i
=

Resp: 9

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
8
2- Calcule: ( )
10
0
1
2
i
i
=

Resp: 22

3- Encontre S, sendo S =
3 5
2 2
1 1
( 2 )
j r
j r r
= =
+

Resp: 39

4- Calcule
3 4
2
0 1
( 1) (4 )
n j
n j
= =
+

Resp: -12

5- Calcule
1
1
2
n
n

Resp: 0 (aproximadamente zero)



IV- MEDIDAS DE TENDNCIA CENTRAL DADOS NO
AGRUPADOS

Mdia, mediana, moda. Separatrizes: Mediana, quartis, decis e percentis
Estudaremos a seguir trs medidas de tendncia central, so elas:

Media Mediana Moda

Dados os seguintes valores: 7, 8, 10, 10, 10, 9, 15, 13, 12, 11
a) Clculo da Mdia (mean):

=
7 8 9 10 10 10 11 12 13 15
10
+ + + + + + + + +
= 10,5
A mdia utilizada quando desejamos obter a medida de posio que possui
maior estabilidade e quando houver necessidade de um tratamento algbrico
ulterior.
Desvantagem: afetada pelos valores extremos.
b) Clculo da Moda: A moda o valor que ocorre com maior freqncia.

Mo = 10

Se nenhum valor se repetisse a distribuio seria amodal (sem moda). Assim
como poderia haver duas modas (bimodal), trs modas (trimodal) e mais de
trs modas (multimodal).
A moda utilizada quando desejamos obter uma medida rpida e aproximada
de posio e quando a medida de posio deve ser o valor mais tpico da
distribuio.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
9
c)Clculo da Mediana (median): uma medida de posio definida como o
n. que se encontra no centro de uma srie de nmeros, estando estes dispostos
segundo uma ordem (crescente ou decrescente). o valor situado de tal forma
no conjunto que o separa em dois subconjuntos de mesmo n. de elementos.

Md = 7, 8, 9,10, 10, 10, 11, 12, 13, 15

Verificamos que, estando ordenados os valores de uma srie e sendo n o n.
de elementos da srie, o valor mediano ser:
-O termo de ordem
1
2
n +
, se n for mpar
-A mdia aritmtica dos termos de ordem 1
2 2
n n
e + se n for par.

No exemplo acima n par. Ento o clculo da mediana ser a soma dos
termos centrais divididos por dois. 10 + 10 = 10. Ou ento:
2
0 0
10 10
1 5 6
2 2
e e + = ( a mdia aritmtica entre o quinto e o sexto elemento da
distribuio)

Mediana: 10 + 10 = 10
2
Exerccios:

)calcular a mdia, a moda e a mediana da srie abaixo relacionada:

5, 13, 10, 2, 18, 15, 6, 16, 9
Resp: Md = 10; = 10,4; amodal

) 2, 6, 7, 10, 12, 13, 18, 21

) 5, 7, 13, 15

)5, 7, 10, 13, 65

)2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
10
V- A DISTRIBUIO DE FREQUNCIA DE DADOS AGRUPADOS
MAS SEM INTERVALOS DE CLASSES

Quando trabalhamos com dados discretos (valores inteiros) utilizamos
a seguinte organizao dos dados:
Suponha uma populao com uma distribuio estatstica conforme a tabela
abaixo:
Disciplina: BIOESTATSTICA

n. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
nota 5 4 6 8 3 5 7 6 8 4 6 9 7 5 7 5 6 8 7 9 4 6 6 8 7
(tabela n. 2)
- Populao estatstica: grupo dos 25 alunos de Bioestatstica.
- Unidade estatstica: cada aluno desta turma
- Varivel estatstica: as notas de uma prova de Bioestatstica.

Organizao destes dados atravs de uma Tabela de Freqncia

i
X
i
f
i
F
ri
f
ri
F
3 1 1 1/25 = 4 % 4%
4 3 4 3/25 = 12% 16%
5 4 8 4/25 = 16% 32%
6 6 14 6/25 = 24% 56%
7 5 19 5/25 = 20% 76%
8 4 23 4/25 = 16% 92%
9 2 25 2/25 = 8 % 100%

25 100%
(tabela n. 03)
i
X = varivel estatstica: nota de cada aluno podendo variar de 0 a 10.
i
f = freqncia simples ou absoluta os valores que realmente representam o
n. de dados.
i
F = frequncia acumulada o total das freqncias de todos os valores
inferiores ao limite superior de cada dado.
ri
f = frequncia relativa: so os valores das razes entre as freqncias simples
e a freqncia total:
ri
f =
i
f /
1
n
i
fi
=

.
Pergunta-se: Quanto por cento dos alunos tirou nota igual ou inferior a 6?
Resp: 56%.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
11
Qual o percentual de alunos que tirou nota igual ou superior a 7 ? Resp: 44%
Qual a nota que obteve o maior percentual de ocorrncia ? Resp: 6 (24%).
Desta forma, com os dados organizados, possvel tirar concluses.

Utilizando os dados das tabelas n.s 2 e 3, pg 5, calcule a mdia, a mediana
e a moda.
i
X
i
f
i
F
i
X .
i
f
3 1 1(at o prim.) 3x1 = 3
4 3 4(at o quar.) 4x3 = 12
5 4 8(at o oitavo) 5x4 = 20
6 6 14(at o 14 ) 6x6=36
7 5 19 7x5=35
8 4 23 8x4=32
9 2 25 9x2=18

25 156
Tabela n. 4
Quando os dados esto agrupados utiliza-se as seguintes frmulas para o
clculo da:
Mdia = =
i i
i
X f
f

=
156
25
= 6,24
Obs: Quando no temos freqncia utiliza-se:
i
ri
f
f
n
=

, sendo n minsculo
quando se trata de amostra e N maisculo quando toda a populao que est
sendo calculada. (n = total da amostra; N = total da populao).

Moda = no necessrio clculos para obteno da moda, basta observar na
coluna das freqncias simples ou absolutas qual o valor que mais ocorre
(aquele que tm a maior freqncia), neste caso a nota 6.
Mo = 6
Mediana = Utiliza-se a frmula :
2
i
f
P =

= 25/2 = 12,5
Ou utiliza-se a regra:
1
2
n +

0
25 1
13
2
+
=
Ou seja, a mediana est situada entre o
0
12 e o
0
13 elementos (soma-se os dois
e divide-se por dois). Observa-se ento na coluna das freqncias
acumulada aonde se encontra o 13 (dcimo-terceiro) elemento. Este
corresponde a varivel 6.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
12
Md = 6
Exerccios de Aprendizagem
) Um dado foi jogado 20 vezes, sendo obtidos os seguintes pontos:1, 5, 6,
5, 2, 2, 2, 4, 6, 5, 2, 3, 3, 1, 6, 6, 5, 5, 4, 2.
Elabore um quadro com distribuio de freqncias absolutas, frequncias
absolutas acumuladas, freqncias relativas e freqncias relativas
acumuladas. Qual a mdia, a mediana e a moda desta distribuio de
freqncias com dados agrupados mas sem intervalos de classe.

)Aps montar a tabela do exerccio anterior responda as questes
abaixo:

a)Quantas vezes o n. 2 foi obtido no dado ? resp: 5 vezes

b)Quantas vezes o n. obtido do dado foi menor do que 5 ? resp: 11 vezes

c)Qual o ndice em % em que o n. 6 foi obtido no dado ? resp: 20%

d)Qual o ndice em % em que n.s maiores do que 4 foram obtidos no dado?
Resp: 45%

) A tabela abaixo mostra a mdia dos 25 alunos de uma turma de um
curso de Administrao noturno na disciplina de Matemtica Aplicada.
Responda as perguntas abaixo:
a)Elabore uma quadro de freqncias absolutas, absolutas acumuladas; de
freqncias relativas e relativas acumuladas. Calcule a mdia, a mediana e a
moda desta distribuio.
b)Quantos alunos obtiveram a mdia 6? Resp: 6

c)Quantos alunos obtiveram mdia menor do que 6 ? resp: 12

d)Quantos alunos obtiveram mdia superior a 6 ? 7

e)qual o ndice em % de reprovao considerando a mdia 5? Resp: 20%

f)Qual o ndice em % de alunos eu obtiveram mdia maior do que 7? 16%

g) Qual o ndice em % de alunos que obtiveram mdia maior ou igual a 5,0 e
menor do que 7? Resp: 52 %.
Quadro - Disciplina: Matemtica Aplicada Turma de Administrao -
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
13

n. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
nota 4 7 5 5 5 4 9 4 5 6 6 7 6 6 5 4 4 8 7 6 6 8 5 5 8
Tabela n. 5
i
X
i
f
i
F
i
X
i
f
ri
f
ri
F
4
5
6
7
8
9


Tabela n. 6
) Em uma escola, o conceito de cada bimestre representado por
letras: A, B, C, D e E. Em um determinado bimestre, os conceitos dos
alunos em geografia foram os seguintes:

Disciplina: geografia conceitos do bimestre
n. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
C B A C C D C D A A C E D D C B C B C C B
Tabela n. 7
Elabore um quadro de distribuio de frequncias absolutas e freqncias
absolutas acumuladas.

) Os salrios mensais, em dezenas de reais, dos 20 funcionrios de
uma empresa so:

72, 72, 80, 88, 84, 72, 76, 80, 92, 72, 76, 80, 84, 72, 68, 76, 80, 72, 88 e 76
Elabore um quadro de distribuio de freqncias absolutas e absolutas
acumuladas. Calcule os salrios: mdio, mediano e modal.






Tabela 8 (completar)

VI MEDIDAS DE DISPERSO OU VARIABILIDADE
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
14

Estudaremos aqui o Desvio Mdio (dm); a Varincia [ (
2 2
ou S ]; o desvio
padro [ ou S ] e os Coeficientes de Variao de Pearson e de
Thorndike.

Desvio Mdio: O quadro abaixo mostra o n. de acidentes ocorridos durante
um ano, subdivididos em 4 trimestres em uma Fundio

Trimestre 1. 2. 3. 4.
Acidentes 5 8 6 9
Tabela 9
Clculo da mdia de acidentes:
=
1 2 3 4
5 8 6 9
4 4
X X X X + + + + + +
= = = 7
Calculemos agora as diferenas entre cada uma das notas e a mdia
X ou X X

dm =
6
1, 5
4 4
57+8 7+6 7+9 7
= = Da podemos dizer que a frmula
para calcular o desvio mdio quando no temos freqncia a
seguinte:
1 1
n n
i i
i i
X X X
dm ou dm
N n

= =

= =



x f X (media) d(desvio) f.d
2
d f.
2
d
5 1 7 2 2 4 4
8 1 7 1 1 1 1
6 1 7 1 1 1 1
9 1 7 2 2 4 4


4 10

2
2
1
f X X
S
f

(frmula para o clculo da varincia de uma amostra)


2
2
f X
f

(frmula para o clculo da varincia da populao)


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
15

10
4
= 2,5 (varincia = somatrio dos desvios elevados ao quadrado
divididos pelo tamanho total da populao)

2
s s = (frmula para calcular o desvio padro da amostra)

2
= (frmula para o calculo do desvio padro da populao)

2, 5 = = 1,58 (desvio padro = raiz quadrada da varincia)

CV= Coeficiente de Variao de Pearson

CV =
1, 58
.100 .100
7
S
X
= = 0,2257.100 = 22,57%
Exerccio: Qual o desvio mdio do conjunto de dados: 7, 12,, 20, 16, 10
Resp: 4;
Calcular o desvio padro.
Clculo do Desvio Mdio quando temos freqncias.
Frmula a ser utilizada:
1
n
i
X
N


Exemplo:
O quadro a seguir nos mostra a distribuio dos erros cometidos por 25
alunos numa prova de Biologia. Nessas condies, qual o desvio mdio
dessa distribuio ?
n. de erros(
i
x )

n. de
alunos (
i
f )
a
F (FREQ.
ACUMULADA)
X (MDIA)
d= x X

.
i i
f d
0 3 3 2 d= 0 2 =2 3x2=6
1 6 9 2 d= 1 2 1 = 6x1=6
2 8 17 2 d= 2 2 0 = 8x0=0
3 5 22 2 d= 3 2 1 = 5x1=5
4 2 24 2 d= 4 2 2 = 2x2=4
5 1 25 2 d= 5 2 3 = 1x3=3


25

24
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
16
25
1
.
24
0, 96
25
i
i
i
fi d
f
=
= =

. Ento o desvio mdio de 0,96.



Calcular o desvio padro e o coeficiente de variao da populao acima.
Dada a tabela abaixo, calcule o desvio padro e o coeficiente de variao
amostral:

x f F x.f X X =
d
f.d
2
2
X X d =
2
2
. . f X X f d =

0 10
1 19
2 7
3 7
4 2
5 1
6 4

50 91 145,40
2
2
145, 4
~1, 7
1 49
f X X
s s
n

= =

;
1, 7
.100 94, 44%
1, 8
X
X

= = =
.
91
1, 8
50
X f
X
n
= = =


C.V=
1, 7
.100 94, 44%
1, 8
X
X

= = =
Exerccios complementares:
a) O tempo gasto por 6 alunos para fazer um trabalho foi, em minutos: 6,
5, 5, 3, 3 e 2. Nessas condies, calcule a mdia aritmtica, o desvio
mdio, a varincia, o desvio padro e o coeficiente de variao dessa
distribuio.
x f F

x.f x d f.d d f.d
2 1
3 2
5 2
6 1


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
17
Respostas: Dm(desvio mdio) = 1,33; Mdia = 4; varincia = 2; desvio padro=1,41; Coeficiente
de variao: 35,25%. Calcule tambm a mediana e a moda.
b- A tabela a seguir nos mostra o n. de operrios acidentados por ms numa
fbrica durante o ano de 1991.
x f F

x.f x d f.d
2
d f.
2
d
3 4
4 3
6 1
7 2
8 2


Respostas: media = 5; desvio mdio = 1,83; varincia = 3,83; desvio padro = 1,96; coeficiente de
variao = 39,2%. Calcule a mediana e a mdia.

c-O quadro nos mostra o n. de defeitos por carro de uma determinada marca
numa frota de 40 veculos, calcule as medidas de disperso e de tendncia
central.

x f F

x.f x d f.d
2
d f.
2
d
0 6
1 9
2 7
3 4
4 9
5 5



Respostas: media = 2,4; desvio mdio= 1,49; varincia = 2,79; desvio
padro = 1,67; mediana = 2 ; moda = 1 e 4; moda calculada: 1,2.

d- Determine a mdia aritmtica, a moda, a mediana, o desvio padro, o
desvio mdio, a varincia e o coeficiente de variao de Pearson e de
Thorndike, dos valores apresentados na tabela seguinte:

x f F x.f
x d f.d
2
d f.
2
d
2 5
3 10
4 15
5 12
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
18
6 5
7 3


Respostas: media = 4,22; desvio mdio = 1,06; varincia = 1,72; desvio padro = 1,31 ; mediana =
4; moda = 4; moda calculada:

e- As alturas dos elementos de uma equipe de basquete so, em centmetros =
195, 198, 201, 192, e 204. Nessas condies determine as medidas de
tendncia central (mdia, mediana e moda) e as de disperso (desvio mdio,
varincia, desvio padro e coeficiente de Pearson).


i (contador) x
x d
2
d
1 192 198
2 195 198
3 198 198
4 201 198
5 204 198



Respostas:
1
n
i
i
X
X
n
=
=

= 990/5 = 198; desvio mdio =


1
n
i
i
d
n
=

= 18/5 = 3,6
2
2 1
n
i
i
d
n

=
=

2
2 1
n
i
i
d
n

=
=

=90/5 = 18;
2
18 ~ 4, 24 = =

VI-a SEPARATRIZES (Quartis- Decis- Percentis) Medidas de Posio

Assim como a mdia, a mediana e a moda so medidas de posio, os quartis,
decis e percentis tambm so.
Os quartis, decis e percentis so muito similares mediana, uma vez que
tambm subdividem a distribuio de medidas de acordo com a proporo das
freqncias observadas, enquanto que a mediana divide a distribuio em duas
metades ( mediana ocupa a posio central de duas partes iguais deixando
50% dos valores para cada lado), os quartis dividem-na em 4 quartos (4
partes de 25% cada), os decis em 10 dcimos ( 10 partes de 10% cada uma) e
os pontos percentis dividem-na em 100 partes iguais.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
19
Em funo de que frmula para o clculo da Curtose (coeficiente
percentlico de curtose), utilizar apenas o
1
Q = primeiro quartil = (n + 1)
1
4
;
3
Q =terceiro quartil = (n + 1)
3
4
;
90
P = percentil 90 (noventa) = (n +1)
90
100
e
10
P = percentil 10(dez) = (n + 1)
10
100
, utilizaremos apenas estas quatro
separatrizes.
A Frmula de Curtose utilizada a seguinte:
3 1
90 10
2( )
Q Q
c
P P


Em funo da curtose temos a classificao das curvas em relao curva
normal ou curva de Gauss.
Relativamente curva normal temos: C=0,263

C = 0,263 curva mesocrtica ( curva de frequncia com grau de
achatamento igual ao da curva de Gauss)
C < 0,263 curva leptocrtica ( curva de freqncia com grau de
achatamento menor do que o da curva de Gauss)
C > 0,263 curva platicrtica ( curva de freqncia com grau de achatamento
maior do que a curva de Gauss).

Formato das curvas classificadas conforme o grau de achatamento:
CURVA MESOCRTICA CURVA LEPTOCRTICA
CURVA PLATICRTICA
Exemplo: Sabendo-se que uma distribuio de frequncia apresenta as
seguintes medidas:

1
1 1 13
( 1). (12 1). 3, 25
4 4 4
Q n = + = + = =
1
Q = 24,4 cm;
3
Q = 41,2 cm;
10
P = 20,2 cm;
90
P = 49,5 cm
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
20

41, 2 24, 4 16, 8
0, 2866
2(49, 5 20, 2) 58, 6
C

= = =

onde conclumos que a distribuio


platicrtica em relao a normal ou em relao a curva de frequncia de
Gauss, pois 0,2866 > 0,263.

Exerccios de Fixao:
a) Consideremos as seguintes temperaturas elevadas registradas em 12
cidades europias em graus Fahrenheit em um dia de junho ( vero
europeu):
Dados Brutos coletados: 90 75 86 77 85 72 78 79 94 82 74 93
Rol: dados organizados: 72 74 75 77 78 79 82 85 86 90 93 94
A temperatura mediana corresponde ao quartil 2 e vale 80,5 F.
80.5 F valem 26,94 C. Ento n = 12.


89 75, 5 13, 5 13, 5
0, 319
2(93, 7 72, 6) 2(21,10) 42, 2
C

= = = =

. Concluso: como 0,319 > 0,263 a


curva platicrtica em relao a normal. ( achatada).


b) Observando os dois conjuntos abaixo diga qual dos dois apresenta maior
disperso:

10 11 11 11 12 12 12 12 13 14 14 ;

Amplitude: 14-10= 4

1 5 6 9 11 12 12 15 18 21 22 ;

Amplitude : 22 -1= 21

O 2. conjunto mais disperso do que o 1.


e)Os dados abaixo referem-se ao peso, em kilogramas, de 25 pacientes de um
hospital:

51,4 63,5 64,3 71,3 85,7 68,8 77,8 76,5 89,3 43,5

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
21
74,6 76,5 50,7 55,7 59,7 77,8 75,6 61,3 68,7 69,8

64,5 65,7 63,7 81,0 46,7

Calcule a media, mediana, moda, moda calculada; quartil 1, quartil 3,
percentil, 10, percentil 90, amplitude, intervalo interquartil, desvio medio,
varincia, desvio padro, coeficiente de variao de Pearson e de Thorndike,
assimetria de Pearson, Curtose e frequncias relativas e acumuladas.

Resposta em kilos: =67,36; md=68,70; moda=76,5; moda calculada: 71,38;
Quartil 1 =60,65; Quartil 3 = 76,50; percentil 10 = 49,10; percentil 90 = 82,88;
amplitude = 45,8; intervalo interquartil = 15,85 ; desvio mdio = 9,41; varincia =
133,73; desvio padro = 11,56; Coeficiente de Variao de Pearson = 17,17 %; C.V. de
Thorndike =16,83%; Assimetria = -0,3478
Curtose = 0,234

VI-b COEFICIENTE DE ASSIMETRIA

Calcula-se o coeficiente de assimetria atravs da frmula abaixo, tendo-se
conhecidas a mdia, a mediana e o desvio padro.

3( )
S
Md
A

=
Se o coeficiente estiver no intervalo de 0,15 <
S
A < 1 a assimetria
moderada.
Se o coeficiente de assimetria for
S
A > 1 a assimetria forte.
Se a media e a mediana forem iguais 0
S
A = e a curva simtrica.
Se a mediana for maior do que a mdia a assimetria negativa.(cauda para a
esquerda onde mo md < < ).
Se a mediana for menor do que a mdia a assimetria positiva ( cauda para
direita onde mo md < < ).

Clculo da varincia e do Desvio Padro da Populao:
Frmula:
2
2
( ) x
N


=

e
2
=
N maisculo = n. total da populao
Clculo da varincia e do Desvio Padro da Amostra:

2
2
( )
1
x X
s
n

e
2
s s =
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
22
n minsculo = n. total da amostra.

VICSRIES ESTATSTICAS DISCRETAS COM CLCULO
ABREVIADO DA VARINCIA E DESVIO PADRO (SEM
CALCULAR O DESVIO MDIO)

Exerccios: 1-calcule: mdia; mediana; moda; quartil 3 e quartil 1; varincia;
desvio padro; coeficiente de variao de Pearson e de Thorndike dos dados:

Cruzamento (i) n. de acidentes (X) X
1 7 49
2 5 25
3 8 64
4 6 36
5 4 16
X = 30 X =190
a) =6 acidentes; b)md=6 acidentes; c) mo=amodal; d)
3
Q = calculado = 7,5 deduzido =
7 acidentes; e)
1
Q = 5 acidentes; calculado 4,5; f)varincia: calcula-se pela frmula:
2
2
2
190 30
5 5
X X
n n

| |
= =
|
|
\

=38- 36 =2 acidentes g)desvio padro =
=
2
2 1, 41 = = acidentes. h)CV de Pearson = 23,50%; i) CV de Thorndike = 23,50%
Exerccio n. 2- Calcule a media, o desvio padro e o coefic. de variao de
Pearson:
n. de
dependentes (X)
n. de
empregados (f)
f.X X f.X
0 8 0 0 0
1 7 7 1 7
2 9 18 4 36
3 3 9 9 27
4 2 8 16 32
5 1 5 25 25

30 47 / 127
a) =1,57 dependentes; b)
2
2
2
. .
127 47
4, 23 2, 46 1, 77
30 30
f x f x
n n

| |
= = = =
|
|
\


b) desvio padro
2
1, 77 1, 33 = = = dependentes
c) Coeficiente de variabilidade de Pearson = 84,71 %

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
23
At aqui trabalhamos com a estatstica discreta, valores inteiros. Daqui para
frente trabalharemos com dados contnuos (valores reais).

Exerccio n. 3 - Calcule a media, a mediana e a moda calculada, o intervalo
interquartil, a amplitude e o coeficiente de assimetria e de curtose do conjunto
abaixo:

13 9 18 15 14 21 7 10 11 20 5 18 37 16 17

Resp: =15,4; md=
2
Q = 15; mo=18;
90
27, 4 P =
1
Q = 10;
3
Q = 18;
10
P = 6,2;
90
27, 4 P =
Amplitude= 32; intervalo interquartil=8; C = 0,1887 ; Assimetria= 0,162
Desvio padro =7,4.

Exerccio n. 4- A partir dos dados abaixo calcule a media, moda, mediana,
varincia, desvio padro; coeficiente de variao, coeficiente de assimetria ,
curtose, amplitude e intervalo interquartil dos dados a seguir que referem-se
aos custos das mensalidades, em milhares de dlares, para 25 faculdades de
artes esto relacionados abaixo:

23 25 30 23 20 22 21 15 25 24 30 25 30 20 23 29 20 19 22 23 29
23 28 22 28

respostas: =24; md=23; mo=23;moda-calculada=
3
28 Q = ;
10
19, 6 P = ;
CV Pearson = 16,1; CV Thorndike = ; Coef. Assim= 0,7692;
3
28 Q = ;
1
21, 5 Q = ;
90
30 P = ;
10
19, 6 P = ; curtose =

VII DISTRIBUIO DE FREQNCIA EM CLASSE ( DADOS
AGRUPADOS)

Dados Brutos : So aqueles que ainda no foram numericamente organizados.

Rol: um arranjo de dados numricos brutos colocados em ordem crescente
ou em ordem decrescente de grandeza.

Quando se resumem grandes massas de dados brutos costuma-se
frequentemente distribu-los em classes ou categorias, determinando o nmero
de indivduos pertencentes a cada uma das classes. Essa distribuio em
classes denominada distribuio de freqncia.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
24
Exemplo: Sejam as notas de 50 alunos (avaliadas de zero a cem) abaixo
(dados brutos):

80 67 60 98 25 31 49 39 12 27 45 40 46 53 59 64 71 85 87 53 59
28 61 57 53 22 57 36 29 22 18 05 03 20 38 08 07 09 79 65 58 55
48 41 15 63 75 79 75 37
Rol: o prximo passo colocar os dados brutos acima em ordem crescente ou
decrescente para a seguir estudar e entender os conceitos bsicos a seguir:

3 5 7 8 9 12 15 18 20 22 22 25 27 28 29 31 36 37 38 39 40 41
45 46 48 49 51 53 53 53 55 57 57 58 59 59 60 63 64 65 67 71 75
75 79 79 80 85 87 98

Conceitos Bsicos

1.Limites de Observao: so os valores extremos encontrados nos dados
brutos.

i
L = limite inferior (menor valor dos dados coletados)
i
L = 03

s
L = limite superior (maior valor dos dados coletados)

s
L = 98
2.Intervalo de Observao: definido pelos limites de observao.

[ ] [ ] ; 3;98
i S
L L =

3.Amplitude de Observao: a diferena entre os limites de observao.

98 03 95
s i
L L = = 98 03 95
s i
L L = =

4.Definio do nmero de classes:
Para determinar o nmero de classes h diversos mtodos. A regra de
Sturges, um dos mtodos, estabelece que o n. de classes igual
a:
10
1 3.3log k n = + onde k representa o n. de classes e n o nmero total de
observaes. No exemplo acima n =50 e log de 50 = 1,69897 ento aplicando
a regra de Sturges temos:
Poderamos ento montar a nossa distribuio em 07 classes. Mas podemos
utilizar, por exemplo, 5 classes, nada impede nossa deciso.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
25
Definindo a largura da classe: Como temo uma amplitude 95 de observao
ento dividindo-se 95 por 7 (classe) teremos aproximadamente 14. podemos
assim definir a nossa distribuio em sete classes com largura 14 para cada
classe.
5.Construo da Distribuio de Freqncia :
00 14-----6
14 28-----7
28 42-----9
42 56-----8
56 70----11
70 84-----6
84 98----3
6.Construo da Distribuio de Freqncia:poderia ser assim:
03 17
17 31
31 45
45 59
63 77
77 91
91 105
Como existe a probabilidade de um aluno tirar a nota 0 e tambm a nota 100, a
amplitude da DF 100 e a nossa DF deveria conter as notas extremas 0 e 100
e a DF ficaria com largura 15 e sete classes, com o seguinte formato:
00 15
15 30
30 45
45 60
60 75
75 90
90 105
O smbolo significa que o intervalo de observao de cada classe fechado
esquerda e aberto direita, assim todos os limites superiores de classe no
esto contidos nelas mas sempre na classe seguinte. Por exemplo: a 1. classe
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
26
vai de 0 a 14, mas o 14 no est contido nessa classe e sim na 2. classe que
vai de 14 a 28 e assim por diante.

7.Classe de uma (Distribuio de Freqncia): o nome dado a cada
subintervalo da distribuio.

8.Limites de Classe: so os valores extremos encontrados em cada classe e
representados por l (le) minsculo.
i
l = limite inferior de classe;
s
l = limite superior de classe
Exemplo:

i
l = 00 na classe 1 e
s
l =14 na classe 1

9.Amplitude de Classe (h): a diferena entre os limites de classe. A
amplitude de classe pode ser varivel ou constante.

Exemplo: Largura da 1. classe
s i
h l l = = 14 - 00 = 14

10.Limites da Distribuio de Freqncia: so o limite inferior da primeira
classe e o limite superior da ltima classe. Esses limites geralmente no
coincidem com os limites de observao. Deveria ser 00 e 100, mas como o
limite superior observado foi 98, com 7 classes e largura 14 nossos limites
ficaram:

00
98
S
Li
L
=
=

No nosso casso o limite inferior da distribuio 00 e o limite inferior
observado 03.
O limite superior da distribuio e o limite superior observado so , neste
caso, igual, ou seja, 98.

11.Amplitude da Distribuio de Freqncia: a diferena entre os limites da
distribuio.

98 00 98
DF
H = = , j a amplitude da observao de 95.
98 03 95
obs
H = =

12.Nmero de observaes: o nmero que representa a quantidade dos dados
a serem organizados.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
27

Smbolo: n (amostra) ou N (populao) ou
1
n
i
i
f
=

, em nosso exerccio N =
50.

13.Varivel: Varivel um smbolo que associamos ao conjunto objeto de
estudo que representa esse conjunto. Atribumos o smbolo x para esta
varivel.

14.Ponto Mdio de Classe: a mdia aritmtica simples dos extremos de cada
classe.

2
i s
i
l l
x
+
= em nosso exerccio somando-se o limite inferior com o
superior da 1. classe, por exemplo, obtemos:
00 14
7
2
i
x
+
= = , que o ponto
mdio da 1. classe.

15.O Clculo da Mediana na Distribuio de Freqncia com Dados
Agrupados ou Grupados

Frmula utilizada: Md =
2
.
anterior
f
F
li h
f
(

(
+ (
(
(


Onde li = limite inferior da CME (classe mediana)

2
f

= Ponto central da distribuio local aonde se encontra a md



anterior
F = Freqncia acumulada anterior CME
h = largura da CME
f = freqncia simples ou absoluta da CME

16.O clculo da Moda Calculada:

3( ) 2( )
calculada
Mo mediana mdia =
17.O clculo da CURTOSE (Coeficiente percentlico de Curtose) na
Distribuio de Freqncia em Classes ( Dados Agrupados).

3 1
90 10
2( )
Q Q
C
P P


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
28
18.Frmulas para o clculo dos quartis:
3
3
4
f
Q =

;
1
1.
4
f
Q =


Frmula para o clculo dos percentis:
10
10
100
f
P =

;
90
90
100
f
P =



19.Classificao das Curvas:

=0,263: mesocrtica (curva de Gauss)
0,263: platicrtica
< 0,263 : leptocrtica

Exerccios de Distribuio de Freqncia em Classes:

a- Sabemos que a frao mnima de terras escriturava de 2 (dois)
hectares em zonas rurais, e que so taxadas com ITR (imposto
territorial rural) em vez de IPTU (imposto predial e territorial urbano)
e cujo fracionamento em mdulos feito pelo INCRA. A distribuio
abaixo nos mostra as terras cultivadas de uma determinada regio em
hectares (h a). Fraes territoriais rurais menores do que dois
hectares devem ser licenciados pela FEPAM ou pela SEMMA, para
terem escrituras reconhecidas e registradas em cartrio.

Classe x f F x.f
X d F.d
2
d f.
2
d
2 8 10
8 14 9
14 20 21
20 26 7
26 32 3


Resposta: media = 15,08; Desvio mdio: 5,5; varincia = 45,27; Desvio Padro = 6,72;
Coeficiente de variao = 44,56%. ; Mediana = 15,7; moda =
Moda Calculada= ;Quartil 1 = 9,7; Quartil 3 = 19,3; Percentil 10 = 5; Percentil 90 =
24,3; Curtose 0,2; Assimetria= -0,3.

b- Na tabela a seguir esto relacionados os valores correspondentes ao
consumo individual de energia eltrica medido em quilowatts-hora em
um grupo de 50 usurios particulares.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
29
Dados Brutos

58 62 80 57 8 126 136 96 144 19 90 86 38 94 82 75 148

114 131 28 66 95 121 158 64 105 118 73 83 81 50 92 60

52 89 58 10 90 94 74 9 75 72 157 125 76 88 78 84 36

Rol

8 9 10 19 28 36 38 50 52 57 58 58 60 62 64 66 72 73

74 75 75 76 78 80 81 82 83 84 86 88 89 90 90 92 94 94

95 96 105 114 118 121 125 126 131 136 144 148 157 158

Utilize a regra de Sturges (k = 1+ 3,3 log n) para determinar o nmero de
classes. Lembre-se que o log 50 = 1,69897
K = 1 + 3,3 log 50; K = 1+3,3 . 1,69807; K= 6,6
Total = 7 classes. Definindo a largura das classes: 158 8 = 150/7 = 22,7

classes x f F x.f
X d f.d
2
d f.
2
d
8 30
30 52
52 74
74 96
96 118
118 140
140 162


Respostas: Mdia = 83,24; Mediana = 82,1; moda no calculada: 81,5; moda calculada (3md -
2 ) = ; Q1 =61,9; Q3 = 99,7; P10 = 30; P 90 = 136,3
Varincia = 1255,3; Desvio Padro= 35,4; CV= 42,6; Assimetria = 0,0966; Curtose= 0,177 (curva
leptocrtica); Intervalo Interquartil = 37,8;
c-Em um estudo de seguro de acidentes com veculos motorizados no estado de Nova
York, classificam-se as colises fatais de acordo com a hora da manh. Conforme
tabelas abaixo.
[fonte: dados do New York State Department of Motor Vehicles Departamento de
Veculos motorizados do Estado de Nova York]
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
30
Responda as questes abaixo:
a) Mdia =....................................
b) Mediana =.................................
c) Moda =......................................
d) Desvio mdio =.........................
e) Varincia =.................................
f) Desvio padro =............................
g) Coeficiente de Variao de Pearson =..............................
h) Coeficiente de Variao de Thorndike=..............................
i) Assimetria =.....................................................................
j) Quartil 1 =..................................................
k) Quartil 3 =.............................................
l) Percentil 10 =........................................
m) Percentil 90 =
n) Curtose (SEPARATRIZES) e classificao da curva em leptocrtica, Mesocrtica
ou platicrtica =..................................................
o) Intervalo Interquartil =.............................................
p) Amplitude =...................................................
q) Qual o percentual de acidentes fatais entre as zero (0) horas e s 4 da
madrugada...................
r) Qual o percentual de acidentes fatais entre as 8 da manh e o meio dia (12
horas)......................
HORA (f) (F) x .f.x
c
f
X
x

(d) f.d

2
d

f.
2
d fr. Fra
00 02

194
02 04

149
04 06

100
06 08

131
08 10

119
10 12

160





d)Exerccio utilizando frmulas da varincia e do desvio padro amostral:

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
31
Considerando que distribuio de freqncia acima tenha seus dados obtidos
atravs de uma amostragem calcule: a varincia e o desvio padro amostral
utilizando as frmulas:

2
2
( )
var
1
X X
S
n

= =

= desvio padro amostral:



e)Exemplo: Determine a mdia e o desvio padro da amostra do conjunto
de dado.
n. de crianas em 50 famlias:

1 3 1 1 1 1 2 2 1 0 1 1 0 0 0 1 5 0 3 6 3 0 3 1 1

1 1 6 0 1 3 6 6 1 2 2 3 0 1 1 4 1 1 2 2 0 3 0 2 4

Voc coletou uma amostra aleatria do n. de crianas por famlia em uma
regio. Os resultados esto dispostos na tabela acima.
X f x.f
X X
2
( ) X X
2
( ) X X .f
0 10 0 -1,8 3,24 32,40
1 19 19 -0,8 0,64 12,16
2 7 14 0,2 0,04 0,28
3 7 21 1,2 1,44 10,08
4 2 8 2,2 4,84 9,68
5 1 5 3,2 10,24 10,24
6 4 24 4,2 17,64 70,56

=50

=91

=145,40
(media da amostra);

2
2
( ) .
145, 4
1, 7
1 50 1
X X f
s s
n

= = =

(desvio padro de 1,7 crianas)



VIII P ROBABILIDADE

O clculo das probabilidades pertence ao campo da Matemtica.
Sua incluso neste estudo, cujo objetivo essencialmente a Estatstica
encontra explicao no fato de que a maioria dos fenmenos de que trata a
Estatstica so de natureza aleatria ou probabilstica. Conseqentemente, o
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
32
conhecimento dos aspectos mais fundamentais, do clculo de probabilidades
uma necessidade essencial para o estudo da Estatstica.

Experimento Aleatrio

Em quase tudo, em maior ou menor grau, vislumbramos o acaso.
Assim a afirmao: provvel que meu time do corao ganhe a partida
hoje, pode resultar:
a)que apesar do favoritismo perca;
b)que, como pensamos, ganhe;
c)que empate.
Como vimos , o resultado final depende do acaso. Fenmenos como esse
denominamos fenmenos aleatrios ou experimentos aleatrios.
----------------------------------------------------------------------------------------------.
Aleatrio: aquilo que depende de acontecimentos futuros incertos; casual;
fortuito; contingente; que pode ou no suceder; eventual; duvidoso; inopinado.
Os postulados da probabilidade:
1. POSTULADO: As probabilidades so nmeros reais positivos ou zero ;
simbolicamente:P(A) 0 para qualquer evento A .
2. POSTULADO: Qualquer espao amostral tem probabilidade 1;
simbolicamente P(S) = 1 para qualquer espao amostral S.

Definio

Experimentos ou fenmenos aleatrios so aqueles que, mesmo
repetidos vrias vezes sob condies semelhantes apresentam resultados
imprevisveis, isto , no podem ser previstos ou vistos com antecedncia.
Exemplos:
1. O lanamento de uma moeda ( probabilidade: );
2. A aposta em um jogo qualquer da loteria esportiva (probabilidade:1/3);
3. A disputa de par ou mpar (probabilidade: )
4. O lanamento de uma dado (probabilidade: 1/6)
5. O lanamento de um tetraedro ( probabilidade: )
6. Tirar uma dama num baralho de 52 cartas (probabilidade: 1/52)

Espao Amostral

O conjunto S (space), de todos os resultados possveis de um dado
experimento aleatrio chama-se espao amostral. Qualquer elemento do
espao amostral chamado de amostra ou ponto amostral.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
33

Exemplo 1: No lanamento de um dado o espao amostral o conjunto S = {1,
2, 3, 4, 5, 6} n(S) = 6
Exemplo 2: Quando jogamos uma moeda o espao amostral o conjunto:
S = {CARA, COROA}. n(S) = 2.
Exemplo 3: Ao disputarmos um par ou mpar o espao amostral da soma dos
Resultados, S={PAR, IMPAR}. n(S) = 2.

Tipos de Probabilidade

H trs tipos de probabilidade: clssica, emprica e subjetiva. A
probabilidade de um evento E ocorrer escrita com P(E) l-se a
probabilidade do evento E.

Definio- a) A probabilidade clssica ( ou terica) usada quando cada
resultado no espao amostral tem a mesma probabilidade de ocorrer. A
probabilidade clssica para um evento E dada por:

P (E) = nmero de resultados em E , onde S = espao amostral e 0 P(E) 1
n. total de resultados em S

Exemplo: Um dado de seis faces jogado. Obtenha a probabilidade dos
seguintes eventos:

1.Evento A: obter um 3 Soluo: { P (3) = 1/6 ( )
f f
P E ou
n f
=

0,167}
2.Evento B: obter um 7 Soluo: { P (7) = 0/6 = zero
3.Evento C: obter um n. menor do que 5. Soluo: h 4 resultados menores
do que 5 - C={1, 2, 3 e 4}. Assim, 4/6 = 2/3 0,667.

b) A probabilidade emprica ( ou estatstica) baseia-se em observaes
obtidas de experimentos probabilsticos. A probabilidade emprica de
um evento E a freqncia relativa desse evento

P(E) = Freqncia do Evento E onde 0 P(E) 1
frequncia Total

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
34
( )
f f
P E ou
n f
=

Exemplo: obtendo probabilidades empricas. Um aude


contm trs tipos de peixes: carpa hngara; catfish e bagre africano. Cada
peixe no aude tem a mesma probabilidade de ser capturado. Voc pesca 40
peixes e anota seu tipo. Aps cada captura, voc devolve o peixe ao aude. A
seguinte distribuio de freqncia mostra seus resultados.

Tipo de Peixe (x) n. de vezes em que foi pescado (f)
Carpa hngara 13
Catfish 17
Bagre africano 10

Se aps isso voc capturar um novo peixe, qual ser a probabilidade de que
ele seja uma carpa hngara ?

P(Carpa Hngara) = 1.000 f =



Na tabela abaixo temos algumas probabilidades de alguns eventos:

Aparecer na televiso Uma em 490.000
Cair um raio na Cabea (U.S.A) Uma em 700.000
Ganhar na Loteria de New York (acertar 6 de
54 nmeros)
Uma em 25.827.165
Probabilidade de acertar a placa de um
automvel
3 4
26 17.576;10 10.000 = =
Uma em 175.760.000
Ser vtima de um crime srio 5%
O congresso derrubar um veto 4%
Escrever um livro de sucesso 0,00205
Obter um Ph.D (doutorado em Filosofia) 0,008
Usando as distribuies de freqncia para obter as probabilidades

Exemplo: voc levanta uma amostra de mil funcionrios em uma companhia
e registra a idade de cada um deles, os resultados esto a seguir na distribuio
de freqncia abaixo. Pergunta: se voc selecionar ao acaso outro
funcionrio, qual ser a probabilidade de a idade dele estar entre 25 e 34
anos ?



Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
35
(x) idade dos funcionrios Freqncia (f)
15 a 24 54
25 a 34 366
35 a 44 233
45 a 54 180
55 a 64 125
65 ou mais 42
1.000 f =



Soluo: P(faixa etria entre 25 e 34)=366/1000 = 0,366 x 100 = 36,6%
Qual a probabilidade de o funcionrio no estar nesta faixa etria.
P(E) = 1 P(E) = 1- 0,366 = 0,634.

c)Probabilidade Subjetiva

O terceiro tipo de probabilidade a subjetiva. A probabilidade subjetiva
resulta de intuio, estimativa, ou de um palpite bem fundamentado. Por
exemplo, dado o estado de sade do paciente e a extenso dos ferimentos ,
um mdico pode sentir que esse paciente tem uma chance de 90% de se
recuperar completamente. Um analista de negcios pode predizer que a
chance dos funcionrios de uma determinada companhia entrarem em greve
de 0,25. Um gelogo sismologista ou geofsico pode prever que a
probabilidade de ocorrer um terremoto acima de 5 na escala Richter, em Los
Angeles, nos prximos 100 anos de 30%.

Na tabela abaixo temos um resumo dos 3 tipos de probabilidade:

Tipo Resumo Frmula
Probabilidade Clssica O n. de resultados em S
conhecido e cada
resultado equiprovvel
P(E) = n. de resultados no evento E
n. de resultados no espao amostral
Probabilidade
Emprica (estatstica)
A freqncia de
resultados em S
estimada a partir da
experimentao
P(E) = frequencia do evento E = f = f
frequncia Total n f
Probabilidade Subjetiva As probabilidades resultam
de intuio, experincia ou
estimativa
Nenhuma

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
36
Exerccios usando a distribuio de freqncia (probabilidade emprica) para
obter probabilidades:
Utilizando a TABELA abaixo responda: A probabilidade de um eleitor
escolhido ao acaso ter entre 21 e 24 anos e a de no ter entre 18 e anos.

Idade dos eleitores (x) Freqncia ( em milhes) (f )
18 a 20 anos de idade 10,8
21 a 24 anos de idade 13,9
25 a 34 anos de idade 40,1
35 a 44 anos de idade 43,3
45 a 64 anos de idade 53,7
65 anos de idade ou mais 31,9
Resposta:

Exerccios ESPAOS DE PROBABILIDADES:

1.Seja um experimento aleatrio deixar cair um dado e verificar o n. da face
voltada para cima.

S = { 1, 2, 3, 4, 5, 6 } n(S) = 6

a) Qual a probabilidade de ocorrer um n. menor ou igual a 4 ?

A= {1, 2, 3, 4} P(A) = 4/6 =2/3 ou 0,67 ou 67 % n(A) = 4

b) Qual a probabilidade de ocorrer um mltiplo de 3 ?

B={3, 6} P(B) = 2/6 = 0,33 ou 33% n(B) = 2

c)Qual a probabilidade de ocorrer um n. maior do que 6 ?

C=

P (C) = 0/6 P( C ) = 0 n( C ) = 0

d)Qual a probabilidade de ocorrer um n. menor ou igual a 6 ?

D = { 1, 2, 3, 4, 5, 6}; P(D) = 6/6 = 1 ou 100% n(D) = 6

e)Qual a probabilidade de ocorrer um n. maior ou igual a 2 ?

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
37
E ={2, 3, 4, 5, 6}; P(E) = 5/6 = 0,8333 ou 83,3 % n(E) = 5

2.No lanamento sucessivo de dois dados, cujos elementos do espao amostral
so equiprovveis determine:

(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)

Observe que na diagonal principal os valores se repetem.(i = j );
Acima da diagonal principal i < j;
Abaixo da diagonal principal i > j;

a)qual a probabilidade dos pares de nmeros serem iguais ?
P(a) = 6/36; P(a) = 0,1667; P(a) = 16,67%

b) qual a probabilidade da soma dos n.s ser 3 ?

(1,2) (2,1); P(b) = 2/36; P(b) = 0,0556; P(b) = 5,56%

c)qual a probabilidade dos nmeros serem 5 ou 7 ?
Observao: ou significa unio ou adio.

d)qual a probabilidade do n. do 1. dado ser menor do que o do 2. dado ?

P(d) = 15/36; P(d) = 41,67%

VIII. a) DISTRIBUIO DE PROBABILIDADE

O conjunto dos valores de uma varivel, associado s respectivas
probabilidades, constitui uma distribuio de probabilidade. Onde
1
( ) 1
n
i
i
P x
=
=


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
38
Exemplos:

1-Consideremos a distribuio do n. de caras obtido ao se lanar uma
moeda 3 vezes.

As possibilidades so: 0, 1, 2, 3 (caras) e as probabilidades so:

P(0) = 1/8; P(1) = 3/8; P(2) = 3/8; P(3) = 1/8.


















Denominando
i
x os valores da varivel e P (
i
x ) as probabilidades respectivas,
temos a seguinte distribuio de probabilidades:

(varivel)
i
x P(
i
x )
0 1/8
1 3/8
2 3/8
3 1/8

1

A representao grfica desta distribuio de probabilidade :



Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
39







2. Tomemos a distribuio do n. de crianas do sexo masculino em
famlias de 4 filhos.

Construa a rvore de probabilidades.















As probabilidades correspondentes so:
,
!
!( !)
n x
n
c
x n x
=


P(0) =
P(1) =
P(2) =
P(3) =
P(4) =





A distribuio de probabilidades e o grfico correspondente so:

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
40
i
r
i
f
f
f
=


P(
i
x )
0 1/16
1 4/16
2 6/16
3 4/16
4 1/16
1

Freqncia Relativa (porcentagem da classe)

Quando o conjunto universo das possibilidades de uma prova
indeterminado, no de pode fixar a probabilidade que se associa a cada valor
da varivel. Nesse caso, usamos a freqncia relativa (fi) como estimativa da
probabilidade.
Seja, por exemplo, uma prova que consiste em verificar o n. de peas
produzidas com defeito, semanalmente, por uma mquina durante 30 semanas.


i
x 0 1 2 3 4 5 6

i
f 2 5 8 6 4 2 3


i
x = n. semanal de peas defeituosas onde:
ri
f =
i
f
N
ou
i
i
f
f



i
f = n. de semanas

A freqncia relativa (fr), que constitui a estimativa da probabilidade de cada
valor / 30
ri i
f f = , dada por:
i
r
i
f
f
f
=


i
x
i
f / 30
ri i
f f =
0 2
1 5
2 8
3 6
4 4
5 2
6 3

30

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
41
P(0) = . ; P(1) = .. ; P(2) = . ; P(3) = .. ;


P(4) = ; P(5) =. ; P(6) =.. ;


VIII b - PROBABILIDADE CLSSICA

Probabilidade de um Evento

a-)
( )
( )
r
N E
p E
S
=
( )
( )
r
N E
p E
S
= . Exemplos de determinao da probabilidade de
um evento.

1-Qual a probabilidade de obter-se uma cara em 3 jogadas de uma moeda
honesta ?
Resp: h
3
2 8 = , resultados possveis e, assim, S =8. H 3 resultados que do
uma cara {KCC, CKC, CCK} e assim se E o evento que resulta em uma
cara, ento N(E) = 3. Portanto, Pr(E) = 3/8 = 0,3740 = 37,40%

Construa a rvore de probabilidades.


















2-Qual a probabilidade de obter-se o total 5 na jogada de 2 dados ?
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
42

Resp: H 36 resultados possveis: s=36. Seja E o evento que consiste em
obter 5 nos dados; E contm 4 resultados:

E = {(1, 4), ( 2, 3), (3, 2), (4, 1)}, ento N(E) = 4 e Pr(E) = 4/36 = 1/9 =
11,11%


4- Qual a probabilidade de sair um s na extrao de uma carta de um
baralho ?

Resp: como h 52 resultados possveis, s =52. E seja E, o evento extrair
uma s, ento E contm 4 resultados:
s de Copas (); s de Ouros (); s de Paus () e s de Espadas ()
Ento N(E) = 4 e Pr(E) =4/52 = 1/13 = 7,69%.
Um baralho de cartas contm 4 naipes () com as seguintes cartas:
As () s() s() s()
2 () 2 () 2() 2()
3 () 3 () 3() 3()
4 () 4 () 4() 4()
5 () 5 () 5() 5()
6 () 6 () 6() 6()
7 () 7 () 7() 7()
8 () 8 () 8() 8()
9 () 9 () 9() 9()
10 () 10() 10() 10()
Figura Figuras Figura Figuras
Vermelha Vermelhas Preta Pretas
J () J() J() J()
Q () Q() Q() Q()
K () K() K() K()

_____ _____ ______ ______
13 () 13 () 13 () 13 () TOTAL = 52 CARTAS

26 so pretas ()() naipes de paus e espadas ; 26 ()() so vermelhas-
naipes de copas e ouro
Figuras: temos 4 figuras de cada naipe, Valete, Dama, Rei e s, totalizando
12 figuras ( 6 pretas e 6 vermelhas).
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
43
Encima destes dados podemos estudar todas as probabilidades em que estamos
interessados.

Probabilidade da no ocorrncia de um evento

Muitas vezes interessa-nos saber a probabilidade de no ocorrncia de
um evento. Por exemplo, se, no jogo de dois dados, estamos interessados
em no obter 7, e esta 1/6 ento h 5/6 de chances de no obter 7.
N(E) = 30 e Pr(E) = 30/36 = 5/6. De um modo geral, se p a
probabilidade de ocorrncia de um evento E, ento 1-p a probabilidade
de no ocorrncia deste evento. Podemos chamar de complemento de E ao
conjunto que contm todos os resultados que no esto em E.
Ento Pr(
C
E ) = 1 Pr ( E) e podemos chamar de
C
E de complemento de
E. Outra forma : p = 1 - q onde q a no probabilidade ou o insucesso e
p a probabilidade ou o sucesso.
Este resultado importante para os clculos, pois, s vezes, mais fcil
calcular a probabilidade de no ocorrncia de um evento do que a
probabilidade de sua ocorrncia.

Probabilidade de uma unio (eventos mutuamente excludentes) ou
o terceiro postulado de probabilidade

A probabilidade de ocorrncia de um ou outro evento igual a soma de suas
probabilidades. Por exemplo: a probabilidade de as condies meteorolgicas
melhorarem no decorrer de certa semana de 0,62 e a probabilidade de se
manterem inalteradas de 0,23, ento a probabilidade de s condies
melhorarem ou se manterem alteradas de 0,62 + 0,23 = 0,85.
Suponhamos que nos interesse o total 5 ou o total 7 na jogada de dois dados.
Evento A = obter 7: A={(1, 6) (2, 5) (3, 4) (4, 3) (5, 2) (6, 1)}
Evento B = obter 5: B ={(1, 4) (2, 3) (3, 2) (4, 1)}.
Seja C o evento obter 5 ou 7, ento C = {(1, 6) (2, 5) (3, 4) (4, 3) (5, 2) (6, 1)
(1, 4) (2, 3) (3, 2) (4, 1)}. Sendo assim C = A unio com B
Ou, representado matematicamente por C = A B.
E se quisssemos saber qual a probabilidade de ocorrer pelo menos um deles ?
ento basta somar as probabilidades:
Pr(A ou B) = Pr(AB) = Pr (A) + Pr (B). Este resultado s vlido quando
no h possibilidade de os eventos A e B ocorrerem simultaneamente. No caso
de uma jogada de dois dados no possvel obter 5 e 7 em uma nica jogada
de um par de dados. Dois eventos que no podem ocorrer simultaneamente
dizem-se disjuntos ou mutuamente excludentes.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
44

Exemplo: Ao jogar um dado honesto o n. da face voltada para cima par:
A = {2, 4, 6} e n(A) = 3
O n. da face voltada para cima divisor de 6: B = { 1, 2, 3 , 6 } e n(B) = 4
O n. da face voltada para cima um n. par OU ( ) um n. divisor de 6.
C = AB={ 1, 2, 3, 4, 6 } e n(AB) = 5

Probabilidade de uma interseco

Consideremos agora o caso de dois eventos que podem ocorrer
simultaneamente. Evento interseco.

No caso do exemplo anterior, se quisssemos saber: o n. da face voltada
para cima um n. par E ( ) um n. divisor de 6;

C = AB= {2,6} e n(A B) = 2

Eis alguns exemplos de interseco:

- se V um conjunto de vogais e C o conjunto de consoantes, ento V
C = (conjunto vazio).
- Se A o conjunto de mos com cinco cartas em sequncia e B o
conjunto de mos com cinco cartas do mesmo naipe, ento AB o
conjunto de todos os straight flushes.

Interseco e unio no mesmo exerccio utilizao conjunta
de ambos na mesma frmula:
Consideremos agora a possibilidade de obter uma figura ou uma carta
vermelha de um baralho comum. Se F o evento obter figura e V o evento
obter carta vermelha no podemos usar a soma das probabilidades j que
existem figuras que so vermelhas assim teremos que utilizar, escrito
matematicamente, o seguinte raciocnio:

N(AB) = N(A) + N(B) N(A B)

Esta frmula vale para dois eventos eventos arbitrrios, quer sejam
mutuamente excludentes ou no. Se A e B so mutuamente excludentes, ento
Pr (A e B) = 0, e voltamos a frmula j achada anteriormente:

Pr(A ou B) = Pr(A) + Pr (B).
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
45

Pr(F) =
12
52
; Pr(V) =
26
52
ento N(F V) =
12
52
+
26
52
-
6
52
=
32
52
= 0,6154 ou
61,54 % de probabilidade de ser carta vermelha ou figura.

Exemplo 2: Qual a probabilidade de obter-se um nico seis na jogada de
dois dados:

PR(E1 E2) = Pr(E1) + Pr(E2) Pr (E1 E2)

=
1
6
+
1
6
-
1
36
= 11/36


Exemplos de unio ( ) e interseco ( )

Considere duas apostas sucessivas de par ou mpar, indicando o resultado par
por (p) e o resultado mpar por (i):

S = {(p,i) (p,p) (i,p) (i,i)}

Pergunta-se:

a)Qual o evento B da ocorrncia de um resultado par e um resultado mpar ?
B={(p,i) (i,p)} n(B) = 2
b)Qual o evento D da ocorrncia de pelo menos um resultado para ou um
resultado mpar ?
D={(p,i) (p,p) (i,p) (i,i)} n(D) = 4

Outras perguntas sobre o espao amostral de duas apostas sucessivas de para
ou mpar:

c)Qual o evento A da ocorrncia de pelo menos um resultado par ?
Lembre que pelo menos um pode ser dois, trs ou n resultados.
A={(p,i) (p,p) (i,p)} n(A) = 3

d)Qual o evento C da ocorrncia de nenhum resultado par ?
C={(i,i)} n(C) = 1

e)Qual o evento E da ocorrncia de nenhum resultado par nem mpar ?
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
46
E={} = conjunto vazio n(E) = 0

Observaes:
O evento C, por ter apenas um ponto amostral, dito evento elementar.
O evento D, por ser igual ao espao amostral S, dito evento certo.
O evento E, por ser igual ao conjunto vazio, dito evento impossvel.

Lembre-se que se A e B so eventos mutuamente excludentes (no podem
ocorrer conjuntamente) ento: Pr(A ou B) = Pr (A) + Pr (B).
Mas se A e B no so mutuamente excludentes, ento:
Pr(A ou B = Pr(A) + Pr (B) Pr (A e B).


Princpio da Multiplicao

a x b

Exemplos:
1.Jogando-se duas moedas, cada uma pode apresentar dois resultados; logo, o
n. total de resultados 2 x 2.

2. Na jogada de 2 dados, cada um pode apresentar 6 resultados, logo o n.
total de resultados possveis 6 x 6 =36.


3.Se uma sorveteria oferece mini-sundaes com escolha de 20 sabores
diferentes, associados a 8 coberturas diferentes, de quantas maneiras um
cliente pode pedir um mini-sundae ?
m =20 sabores; n= 8 coberturas; m x n = 20 x 8 = 160 escolhas diferentes.

4.Uma lanchonete oferece uma refeio especial constante de um sanduche
(utilizando um dentre 8 tipos diferentes de carne e um dentre 4 tipos
diferentes de po) acrescido de sopa e bebida ( um dentre 4 tipos diferentes de
sopa e um dentre 3 tipos diferentes de bebida). De quantas maneiras um
cliente pode escolher uma refeio especial ?
N1 X N2 X N3 X N4 = 8 X 4 X 4 X 3 = 384 maneiras de escolher.


Amostragem com reposio

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
47
a)Suponha agora o leitor que tem cinco blusas em sua gaveta, cada
manh abre a gaveta e escolhe uma ao acaso, repondo-o na gaveta ao voltar
tarde. De quantas maneiras podem ser escolhidas as blusas em uma
semana ?

7
5 = 5 X 5 X 5 X 5 X 5 X 5 X 5 =78.125

Qual a probabilidade de escolher a mesma blusa todos os sete dias ?

P =
5
78.125
= 0,000064.

A idia fundamental da amostragem com reposio que, escolhido um
elemento, nada impede que esse elemento volte a ser escolhido.

d) Suponha o leitor que esteja querendo adivinhar o n. da licena do carro de
uma amigo. Cada placa consiste de trs letras e trs algarismos. Por
exemplo: LXD 898.
Soluo: Probabilidade para as 3 letras, supondo alfabeto de 26 letras:
3
10 1.000 =
3
26 17.576 = ;
Algarismos decimais: 10. Ento
3
10 1.000 = .

Como a combinao de letras pode associar-se a cada combinao de
algarismos ento: 17.576 x 1.000 = 17.576.000 licenas possveis.
A chance de adivinhar o n. da placa :
8
1
0, 000000057 5, 7 10
17.576.000
x

= =
Amostragem sem reposio

Suponha que voc tenha sete camisas em sua gaveta; cada manh escolhe
uma e veste, mas ao voltar, em lugar de devolver a camisa gaveta coloca-
a no depsito de roupa para lavar. ( a lavagem de roupa ocorre uma vez por
semana). De quantas maneiras possvel fazer as escolhas da semana ?
Resoluo:
No Domingo a 7 escolhas; na 2. feira h 6 e assim por diante...Utilizamos
a expresso do fatorial para resoluo da questo.
7! = 7 x 6 x 5 x 4 x 3 x 2 x 1 = 5.040 escolhas para a semana.

Exemplos: Amostragem sem reposio

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
48
1-De quantas maneiras distintas podemos misturar um baralho de 52 cartas ?
Soluo: H 52 possibilidades para a 1. carta, 51 para a 2. carta e assim
por diante; h, pois, ao todo, 52! = 8,07 x
67
10 maneiras.

2- Consideremos 5 menus diferentes, a serem escolhidos para cinco dias:

hambrger, cachorro quente, pizza, talharim e feijoada. De quantas maneiras
possivel escolher esses menus, de forma que no haja repetio na semana ?
Soluo: 5! = 120

Arranjos

Exemplo 1: Suponha que voc tenha agora 10 camisas ( que ainda so lavadas
semanalmente). De quantas maneiras diferentes pode escolher as camisas da
semana ?

Utiliza-se a seguinte frmula:
!
( )!
n
n k
, onde temos a escolha de k camisas,
sem reposio, de uma populao de n camisas. Substituindo-se na frmula
temos:
10!
(10 7)!
.

Combinaes

Exemplo 1: Quantas mos de 13 cartas podemos obter com um baralho de
52 cartas ?
Soluo:

11
! 52!
6, 35 10
!( )! 13!(52 13)!
n
x
k n k
= =



Exemplo 2: Qual a probabilidade de ganhar na mega-sena ?

Espao Amostral n = 60
Evento K = 6
! 60!
!( )! 6!(60 6)!
n
k n k
=


60.59.58.57.56.55
50.063.860
720
=

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
49
( ) 1
0, 00000002
( ) 50.063.860
100 0, 000002%
E EVENTO
S ESPAOAMOSTRAL
X
= =
=

2 2
2 2
. .
[ ( ) ][ ( ) ]
n x y x y
r
n x x n y y

=





Probabilidade Condicional

Eventos independentes: so dois eventos que no se afetam mutuamente.
Probabilidade Condicional: a probabilidade de ocorrncia de um
determinado evento, quando se sabe que outro evento ocorreu.
O evento em que ambos A e B ocorrem chamado A interseco B,
portanto a probabilidade de o evento A ocorrer , dado que (
1
16
A B ) B
ocorreu, :

( )
Pr( )
( )
N A B
A B
N B

= e a probabilidade :

Exemplo 1: Seja A o evento obter o total 8 com um par de dados.
Seja B o evento obter 5 na primeira jogada Pr(B) = 1/6;
Calcular a Pr(A B) :
Soluo: A B = evento obter 5 na primeira jogada e o total 8
A B = s pode ocorrer se obtivermos (5,3); logo Pr( A B )=1/36
Assim:
1
Pr( ) 1
36
Pr( )
1
Pr( ) 6
6
A B
A B
B

= = =

Exemplo 2: Seja A o evento obter quatro caras em seqncia
Seja B o evento obter duas caras nas duas primeiras jogadas.
Calcular Pr( A B)
Pr(B) =
Pr( A B ) =
1
16

1
Pr( ) 4 1
16
Pr( )
1
Pr( ) 16 4
4
A B
A B
B

= = = =

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
50
Eventos complementares

Sabemos que um evento pode ocorrer ou no. Sendo p a probabilidade
de que ele ocorra (sucesso) e q a probabilidade de que ele no ocorra
(insucesso), para um mesmo evento existe sempre a relao:
p + q =1 q = 1- p

Assim se a probabilidade de se realizar um evento p = 1/5, a
probabilidade de que ele no ocorra :

q = 1 p q = 1 1/5 = 4/5

Eventos Independentes

Dizemos que 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.
Por exemplo, quando lanamos dois dados, o resultado obtido em um
deles independe do resultado obtido no outro.
Se dois eventos so independentes, a probabilidade de que eles se
realizem simultaneamente, igual ao produto das probabilidades de
realizao dos dois eventos.
Assim, sendo
1
p a probabilidade de realizao do primeiro evento e
2
p a
probabilidade de realizao do segundo evento, a probabilidade de que tais
eventos se realizem simultaneamente dada por:
1 2
p p p =

Exemplos:
Lanamos dois dados. A probabilidade de obtermos 1 no primeiro dado

1
1
6
p =
A probabilidade de obtermos 5 no segundo dados :
1 2
p p p = +
2
1
6
p =
Logo a probabilidade de obtermos, simultaneamente, 1 no primeiro e 5
no segundo :

P =
1 1 1
6 6 36
x =


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
51
Definio formal de independncia :

Os eventos A e B so independentes se Pr( ) Pr( ) A B A = Pr( ) Pr( ) A B A =

Exemplo 1: A probabilidade de tirarmos dois pares em um jogo atual de cartas
no afetado pelo fato de termos tirado dois pares em um jogo anterior que
nada tem a ver com o jogo atual.

Exemplo 2: A probabilidade de tirar 4 na jogada de um dado no afetada
pelo fato de termos tirado cara, ou coroa, na jogada de uma moeda.

Deduo:
Pr( )
Pr( )
Pr( )
A B
A B
B

= , mas se A e B so independentes ento


Pr( ) Pr( ) A B A = e
Pr( )
Pr( )
Pr( )
A B
A
B

= e Pr( ) Pr( ) Pr( ) A B A B = e Pr( ) Pr( ) A B A =



Sendo a frmula: Pr(A e B) = Pr(A) X Pr(B).

Em palavras: para calcular a probabilidade de ocorrncia conjunta de dois
eventos independentes basta multiplicarmos as respectivas probabilidades.

Eventos Mutuamente Exclusivos

Dizemos que dois ou mais eventos so mutuamente exclusivos
quando a realizao de um exclui a realizao do(s) outro(s).
Assim, no lanamento de uma moeda, o evento tirar cara e o evento tirar
coroa so mutuamente exclusivos, j que, ao se 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 deles se
realize:
1 2
p p p = +
Exemplo: Lanamos um dado. A probabilidade de se tirar 3 ou 5 :

P= 1/6 + 1/6 = 2/6 = 1/3, pois, os dois eventos so mutuamente exclusivos.
Exerccios

1.Qual a probabilidade de sair o s de ouros quando retiramos uma carta de
um baralho de 52 cartas ?

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
52
RESP: P=1/52

2.Qual a probabilidade de sair um rei quando retiramos uma carta de uma
baralho de 52 cartas ?
RESP: P=4/52 = 1/13



3 Em um lote de 12 peas, 4 so defeituosas. Sendo retirada uma pea,
calcule:
a) a probabilidade de essa pea ser defeituosa

RESP: P = 4/12 = 1/3

b) a probabilidade de essa pea no ser defeituosa.

RESP: 2/3

4. No lanamento de dois dados, calcule a probabilidade de se obter soma
igual a 5.
{obs.:O evento formado pelos elementos (1, 4), (2, 3), (3, 2) e (4, 1)}

P=4/36 = 1/9

5.De dois baralhos de 52 cartas retiram-se, simultaneamente, uma carta do
primeiro baralho e uma carta do segundo. Qual a probabilidade de a carta do
primeiro baralho ser um rei e a do segundo ser 5 de paus ? (obs.: lembrar que
estes acontecimentos so independentes e simultneos).

P1 = 4/52 = 1/13; P2 = 1/52 P = 1/13 X 1/52 = 1/676

6. Uma urna A contm: 3 bolas brancas, 4 pretas e 2 verdes; uma urna B
contm: 5 bolas brancas, 2 pretas e 1 verde e uma urna C contm: 2 bolas
brancas, 3 pretas e 4 verdes. Uma bola retirada de cada urna. Qual a
probabilidade de as trs bolas retiradas da primeira, segunda e terceira urnas
serem, respectivamente, branca, preta e verde ? (obs.: lembrar que estes trs
eventos so independentes e simultneos)

P = 1/3 X 1/4 X 4/9 = 4/108 = 1/27

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
53
7.De um baralho de 52 cartas retiram-se, ao acaso, duas cartas sem reposio.
Qual a probabilidade de a primeira carta ser o s de paus e a segunda ser o
rei de paus ? Resp: 1/52

Resoluo:
A probabilidade de sair o s de paus na primeira carta :


Aps a retirada da primeira carta, restam 51 cartas no baralho, j que a carta
retirada no foi reposta. Assim, a probabilidade de a segunda carta ser o rei de
paus : RESP: 1/51

(como esses dois eventos so independentes, temos: )

P = 1/52 X 1/51 = 1/2652

8. Qual a probabilidade de sair uma figura quando retiramos uma carta de um
baralho de 52 cartas ?
(lembrar que estes eventos so mutuamente exclusivos)

RESP: P= 12/52 = 3/13


9.Qual a probabilidade de sair uma carta de copas ou de ouros quando
retiramos uma carta de um baralho de 52 cartas ?
(lembrar que estes eventos so mutuamente exclusivos)


PC = ; PO = = P = + = 2/4 = = 0,5 = 50%

10. No lanamento de um dado, qual a probabilidade de se obter um n. no-
inferior a 5?

RESP: P = 1/6 + 1/6 = 2/6 = 1/3

11. 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 nessa ordem ? (lembrar
que os eventos so mutuamente exclusivos).

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
54
1/169 + 1/169 = 2/169
12. Dois dados so lanados conjuntamente. Determine a probabilidade de a
soma ser 10 ou maior que 10 . (lembrar que estes eventos so mutuamente
exclusivos).

RESP: P = 3/36 + 2/36 + 1/36 = 6/36 = 1/6

TRABALHO DE PROBABILIDADE + Distribuio Binomial VALOR: .....
GRUPOS DE NO MXIMO 4 ALUNOS


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 baralho de 52 cartas.


c) Uma carta de ouros aparece ao se extrair uma carta de um baralho de 52
cartas.


d) Uma s coroa aparece no lanamento de 3 moedas.



2. Um nmero inteiro escolhido aleatoriamente dentre os nmeros 1,2,3,
..., 49, 50. Determine a probabilidade de:
a) o nmero ser divisvel pro 5;


b) o nmero terminar em 3;


c) o nmero ser divisvel por 6 ou por 8;


d) o nmero ser divisvel por 4 ou por 6.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
55
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 2 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 de que este nmero seja mpar?


b) Qual a probabilidade de que este nmero seja mpar e divisvel por 3?



6. Uma carta retirada ao acaso


7. de um baralho de 52 cartas. Qual a probabilidade de que a carta retirada
seja uma dama ou uma carta de copas?


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
56
8. No lanamento de dois dados, qual a probabilidade de se obter um par
de pontos iguais?


9. Em um 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.



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


11. Duas cartas so jogadas ao acaso de um baralho de 52 cartas. Calcule a
probabilidade de se obterem:


a) dois valetes;


b) um valete e uma dama.



12. Um casal planeja ter trs filhos. Determine a probabilidade de
nascerem:
a) trs homens;


b) dois homens e uma mulher.




Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
57
13. Uma moeda lanada trs vezes. Calcule a probabilidade de obtermos:


a) trs caras;


b) duas caras e uma coroa;


c) uma cara somente;


d) nenhuma cara;


e) pelo menos uma cara;


f) no maximo uma cara.



14. Um dado lanado duas vezes. Calcule a probabilidade de:
a) sair um seis no primeiro lanamento;


b) sair um seis no segundo lanamento;


c) no sair um seis em nenhum lanamento


d) sair um seis pelo menos.



15. Uma urna contm 50 bolas idnticas. Sendo as bolas numeradas de 1 a
50, determine a probabilidade de, em uma extrao ao acaso:
a) obtermos a bola de nmero 27;

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
58

b) obtermos uma bola de nmero par;


c) obtermos uma bola de nmero maior que 20;


d) obtermos uma bola de nmero menor ou igual a 20.



16. Uma loja dispe de 12 geladeiras do mesmo tipo, das quais 4
apresentam defeitos.
a) Se um fregus vai comprar uma geladeira, qual a probabilidade de levar
uma defeituosa?



b) Se um fregus comprar duas geladeiras, qual a probabilidade de levar
duas defeituosas?


c) Se um fregus comprar duas geladeiras, qual a probabilidade de levar
pelo menos uma defeituosa?


17. Um par de dados atirado. Encontre a probabilidade de que a soma seja
10 ou maior que 10 se:
a) um 5 aparece no primeiro dado;



b) um 5 aparece pelo menos em um dos dados.



18. Lana-se um par de dados. Aparecendo dois nmeros diferentes,
encontre a probabilidade de que:
a) a soma seja 6;

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
59

b) o 1 aparea;


c) a soma seja 4 ou menor que 4.

19. Um lote formado por10 peas boas, 4 com defeitos e 2 com defeitos
graves. Uma pea escolhida ao acaso. Calcule a probabilidade de que:
a) ela no tenha defeitos graves;


b) ela no tenha defeitos;


c) ela seja boa ou tenha defeitos graves.



20. Considere o mesmo lote do problema anterior. Retiram-se duas peas ao
acaso. Calcule a probabilidade de que:
a) ambas sejam perfeitas;


b) pelo menos uma seja perfeita;


c) nenhuma tenha defeitos graves;


d) nenhuma seja perfeita.



21. Retira-se uma carta de um baralho completo de 52 cartas. Qual a
probabilidade de sair um rei ou uma carta de espadas?


22. Qual a probabilidade de num baralho com 52 cartas, ao se retirarem 4
cartas, ao acaso, sem reposio, se obter uma quadra?

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
60

23. Duas bolas vo ser retiradas de uma urna que contm 2 bolas brancas, 3
pretas e 4 verdes. Qual a probabilidade de que ambas sejam:
a) Verdes


b) sejam da mesma cor

24. De quantas maneiras podem os 4 ases localizar-se em um baralho de 52
cartas?




25. Suponha que voc esteja se vestindo em um quarto escuro. Em sua
gaveta voc tem 4 meias vermelhas, 3 azuis e 2 marrons. Se voc
escolhe aleatoriamente 2 ps de meia, qual a probabilidade de eles
formarem um par?





26. Se voc tem 5 moedas de 5 centavos e 4 de 10 centavos em seu bolso, e
tira duas delas aleatoriamente, qual a probabilidade de obter um total de
20 centavos?





27. Se dispomos de 10 cadeiras grandes e 5 cadeiras pequenas, de quantas
maneiras elas podem ser dispostas ao redor de uma mesa redonda?





28. Jogando-se 3 dados, qual a probabilidade de todos eles apresentarem o
mesmo nmero?
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
61


29. Qual a probabilidade de extrair um valete (J espadas, copas, ouros e
paus) de um baralho de 52 cartas, se voc tirou uma figura?




30. Qual a probabilidade de obter-se 3 nmeros primos em 5 jogadas de um
dado?





31. Suponha-se que 45% dos SILVA no mundo sejam mulheres. De 3
SILVA escolhidos aleatoriamente, qual a probabilidade de ao menos 2
serem mulheres?





32. Jogando-se uma moeda honesta, qual a probabilidade de obter-se ao
menos 4 caras em 5 jogadas?





33. Qual a probabilidade de 2 dos prximos 3 presidentes do Brasil terem
nascido num domingo?





34. Suponha que 2/5 da populao tenham sangue do tipo O+. Escolhidos
aleatoriamente 6 pessoas, qual a probabilidade de 4 delas terem sangue
O+?
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
62


IX- CORRELAO E REGRESSO LINEAR
-A reta dos Mnimos quadrados.
Frmulas:

a- REGRESSO Ajustamento da Reta Estimada
Sempre que desejamos estudar determinada varivel em funo de outra fazemos uma
anlise de regresso. Esta anlise tem por objetivo descrever, atravs de um modelo
matemtico, a relao entre duas variveis, partindo-se de n observaes das
mesmas.
O clculo do Coeficiente Angular ou a Reta Tangente: a

2
2
. .
( )
n x y x y
a
n x x



; n = nmero de observaes
;
x y
X Y
n n
= =

b Y aX = ; ;
x y
X Y
n n
= =



b CORRELAO

2 2
2 2
. .
[ ( ) ][ ( ) ]
n x y x y
r
n x x n y y

=




Este coeficiente deve indicar o grau de intensidade da correlao entre duas
variveis e, ainda, o sentido dessa correlao (positivo ou negativo)
O valor de r pertence ao intervalo fechado [-1,+1].
Assim a correlao pode no existir: ser igual a zero; ser positiva ou ser
negativa.
Se a correlao entre duas variveis perfeita e positiva, ento r=1
Se a correlao perfeita e negativa, ento r =2
Se no h correlao entre a s variveis ento r=0
Se 0, 0 0, 3 r 0, 3 0, 6 r a correlao relativamente fraca entre as
variveis
Se 0, 6 1, 0 r podemos tirar concluses significativas
Se 0, 0 0, 3 r a correlao muito fraca e pouco ou nada se pode
concluir sobre a relao entre as variveis em estudo.
Exemplos de variveis correlacionveis:

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
63
Dose de um remdio(x) X Temperatura do Corpo(y)
IMC (x) X PAS, onde IMC o Indice de Massa Corporal (peso / altura
ao quadrado) e PAS a Presso Sangunea Sistlica.
Hemoglobina (g/dL) (x) X Absorvncia (y), neste caso as absorvncias
obtidas na calibrao do mtodo de cianetohemoglobina pela utilizao de
diferentes diluies de um padro de hemoglobina.
Concentrao de ascorbato (x) X Concentrao de glicose (y)
Tempo de estudo (horas) (x) X Nota (y)
Tempo de exposio (horas) (x) X tempo de vida (dias) (y)
Dados referentes ao crescimento de uma colnia de bactrias:
Dias desde a inoculao(x) X Contagem de bactrias em milhares(y)
Dados referentes do alcance auditivo de pessoas expostas ao rudo de
decolagem de avies durante um certo perodo de tempo
Numero de semanas de exposio (x) X Alcance auditivo
Dados referentes a doses de raios csmicos medidos em diversas altitudes:
Altitudes(x) X Taxa de doses em mrem/ano (y)
Notas de matemtica(x) X notas de Estatstica (y)

Exerccio de Aplicao:

x 0 1 2 3 4 5
y 1 3 4 5 7 6

I(contador) x y x.y x y
$
y (y-
$
y ) (y-
$
y )
1 0 1 0 0 1 1,62
(1-1,62)
=-0,62
0,3844
2 1 3 3 1 9 2,71 (3-2,71) =
0,29
0,0841
3 2 4 8 4 16 3,80
(4-3,8) =
0,2
0,0400
4 3 5 15 9 25 4,89
(5-4,89) =
0,11
0,0121
5 4 7 28 16 49 5,98
(7-5,98) =
1,020
1,0404
6 5 6 30 25 36 7.07
(6-7.07) =
-1,07
1,1449

15 26 84 55 136 //////// -0.07 2,7059


0, 29 0, 20 0,11 1.020 1, 62 + + + + =

; 1, 07 0, 62 1, 69 =


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
64
2
1
RETA
med
QE
R
QE
= ; R = 1 -
[ ]
1
2
2
1 1
( )
.
n
i
n n
i i
i i
y y
y y
n
n n
=
= =

| |
|
|
|
|
\


= R = 1 -
2, 7059
0, 88
22, 9333
= 4
R = 0,88 4; 0, 884 0, 9402 R = =

0, 884 0, 94 R = =


Com as equaes acima chega-se a reta de regresso estimada:
Y = ax + b, calculada atravs dos n pares ordenados discretos obtidos .

$
y = 1,09x + 1,62

Coeficiente de determinao ou de explicao ( R).

Cidade Renda
($1.000)
Pizzas
(milhares)

Y estimado

Y
Resduo

( ) Y Y
Resduo ao
quadrado
2

( ) Y Y

X Y X.Y X Y
1 5 27 135 25 729 29,102 -2,102 4,418
2 10 46 460 100 2.116 43,627 2,373 5,631
3 20 73 1460 400 5.329 72,677 0,323 0,104
4 8 40 320 64 1.600 37,817 2,183 4,765
5 4 30 120 16 900 26,197 3,803 14,463
6 6 28 168 36 784 32,007 -4,007 16,056
7 12 46 552 144 2.116 49,437 -3,437 11,813
8 15 59 885 225 3.481 58,152 0,848 0,719

(TOTAL)
80 349 4.100 1.010 17.055 349 0 57,970

(MEDIA)
10 43,63 512,5 126,25 2.131,88
A equao linear ajustada (estimada) :

Y

PRECISO DA RETA DE REGRESSO: medida da discrepncia entre os pontos da
reta estimada e os pontos do grfico (disperso):
med
QE = QUADRADO DOS ERROS EM RELAO A MDIA
RETA
QE =QUADRADO DOS ERROS EM RELAO A RETA.
Mede-se pela seguinte equao:
1
( )
n
RETA
i
QE y y
=
=


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
65
Se
RETA
QE zero, ento a reta se ajusta perfeitamente aos dados. Mas se o valor numrico
de
RETA
QE for maior do que zero temos de procurar uma comparao para que possamos
determinar se o ajuste da reta bom.

O total dos quadrados dos erros de y em relao sua mdia . ( )
med
QE nVar y =

COEFICIENTE DE DETERMINAO (
2
R ):
2
R = Medida de como a varivel independente em uma anlise de regresso linear
simples pode explicar variaes na varivel dependente; seu valor situa-se entre 0
(fraco ajuste) e 1 ( ajuste perfeito).
E definiremos, pois, como segue a nossa medida de preciso da reta de regresso como a
expresso do coeficiente de determinao dada por:
2
1
RETA
med
QE
R
QE
= R = 1-
[ ]
1
2
2
1 1
( )
.
n
i
n n
i i
i i
y y
y y
n
n n
=
= =

| |
|
|
|
|
\


esta medida nos diz que:

1. se
RETA
QE
= 0, ento
2
2
var( ) ( )
y y
y
n n
=



Se
2
R = 1 o ajuste da reta perfeito.

2. Se
RETA
QE
=
med
QE
, ento
2
R = 0 e o ajuste muito fraco.
Calculamos ento o resduo subtraindo o valor efetivo de y do valor predito. Eis uma tabela
dos resultados:
Cidade
x
Valor efetivo
y
Valor Predito

Y
Residuo
( ) y y
Residuo ao quadrado
2
( ) y y
1 5 27 29,102 -2,102 4,418
2 10 46 43,627 2,373 5,631
3 20 73 72,677 0,323 0,104
4 8 40 37,817 2,183 4,765
5 4 30 26,197 3,803 14,463
6 6 28 32,007 -4,007 16,056
7 12 46 49,437 -3,437 11,813
8 15 59 58,152 0,848 0,719
80 349 349 0 57,970 QE da reta


Propriedades interessantes de uma reta de regresso:
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
66

1- a soma dos resduos sempre zero
2- a soma dos valores preditos de y sempre igual soma dos valores observados de
y.

Para calcularmos o coeficiente de determinao podemos utilizar a frmula:

2
57, 970
1 1 0, 968
1.829, 875
RETA
med
QE
R
QE
= = = , ento podemos dizer que a reta de regresso se
ajusta muito bem aos dados; 98,6% da variao nas vendas de pizza podem ser explicados
por variaes na renda.

Para calcular a varincia dos valores de y utilizamos a frmula:
n. {
2
2
var( ) ( )
y y
y
n n
=

}

n.
2 2
17.055 349
var( ) ( ) 2.131, 875 (43, 625) 228, 734
8 8
y = = =

Como
RETA
QE

n.Var(y) = 8 x {228,734} = 1.829,875 (QE media)


EXERCCIOS DE REGRESSO LINEAR (AJUSTE DA RETA PELO MTODO
DOS MNIMOS QUADRADOS E CORRELAO LINEAR .

1. A tabela a seguir indica as quantidades produzidas, de um certo produto, e os respectivos
custos totais de produo, apresentados por uma empresa:
Pede-se o valor estimado Custo Total para uma produo de 150 unidades,
opinando e justificando a validade desta projeo, com base no coeficiente de
correlao(r) de Pearson.

Xi Yi XiYi Xi
2
Yi
2

10 146
25 295
50 540
80 839
100 1020
= = = = =


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
67
2. Considerando as dados Quociente de Liquidez (X1) e Quociente Relativo
de participao de Capitais (Y1) relativos 8 empresas pesquisadas, conforme
demonstrativo abaixo:

Empresas Xi Yi XiYi Xi
2
Yi
2

A 2,81 1,33
B 3,69 1,62
C 2,99 1,47
D 4,12 2,97
E 2,87 1,93
F 3,12 1,85
G 1,61 0,89
H 3,51 2,76
= = = = = =

Determine: A) Coeficiente de Correlao de Linear; b) Equao do quociente Relativo de
participao de capitais em funo do Quociente de Liquidez; c) Quociente relativo de
participao de capitais estimado para um coeficiente de liquidez igual a 1,5.

3. As importaes de uma determinada matria prima (em toneladas), no perodo de
1971/1976 encontram-se na tabela a seguir:

ANO Xi IMPORTAO Yi XiYi Xi
2
Yi
2

1 120
2 117
3 105
4 100
5 84
6 80
= = = = =

Calcule o coeficiente de correlao de Pearson

4.Baseado na tabela do exerccio 3, calcule a equao de regresso Y para X.

5.Baseado nos dados no exerccio 3, estime o valor das importaes em 1977.

6.Considerando as variveis abaixo, ndice de Preos ao Consumidor IPC (Y) e Moeda em
circulao MOEDA (X), calcule o coeficiente de correlao.

ANO Moeda xi IPC yi Xiyi Xi
2
Yi
2

1 12 62
2 14 65
3 15 72
4 16 82
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
68
5 18 90
6 20 96
7 22 99
8 24 103
9 25 107
10 28 110




7. Baseado nos valores do exerccio anterior, calcule a equao de regresso de Y para X.

8.Baseado nos valores do exerccio 6, estimar o ndice de Preos ao Consumidor para um
montante de moeda em circulao igual a 30.

9. Baseado nos valores do exerccio 7, apresente o diagrama de disperso e no mesmo
grfico ajuste um reta de mnimos quadrados.

10.A administrao de um banco desejava estabelecer em critrio objetivo para avaliar a
eficincia de seus gerentes. Para isso levou, para cada um dos subdistritos onde possui
agncia, dados a respeito do depsito mdio mensal (em R$ 1.000,00), por agncia, e o
nmero de estabelecimentos comerciais existentes nestes subdistritos, obtendo os seguintes
valores: (qual a equao da reta estimada e o Coeficiente de Correlao ?)

N Estab. Xi Depsitos Yi XiYi Xi
2
Yi
2

16 14
30 16
35 19
70 30
90 31
120 33
160 35
237 43
378 50
= =













Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
69

X Distribuio Normal Reduzida (z)
Distribuio Normal Padro (z)


Sendo o perfil de uma curva normal determinado pelo desvio padro, pode-se
reduzir qualquer curva normal a uma curva normal padro. A varivel X da distribuio
normal transformada numa varivel Z, que constitui uma distribuio normal padro ou
reduzida.
Tomemos a distribuio normal da varivel X. Fazendo X , isto , subtraindo a mdia de
cada valor da varivel desloca-se para a esquerda centrando em zero.
A nova varivel, X , tem mdia zero e o mesmo desvio padro da varivel X .
Se, agora, dividimos todos os valores da varivel X , pelo desvio padro , a nova
varivel, denominada Z, ter mdia zero (0) e desvio padro igual a um (1).


Assim a varivel
X
z

= tem os parmetros: = 0 e =1


- 1 0 1 2 3 - 2 - 3



Sendo: = 0 e = 1 constantes, as reas sob a curva normal padro podem ser calculadas
e tabeladas, pois dependem exclusivamente do valor da varivel Z.
Nessa tabela, a primeira coluna e a primeira linha do o valor de Z, sendo que a coluna d
valores de Z com o primeiro digito decimal e a linha, com o segundo digito decimal. Na
interseco da coluna com a linha, encontramos a rea sob a curva, que a probabilidade de
a varivel situar-se entre o zero (0) e o valor de Z procurado.
Ao redor de 68% das mdias esto entre 1 e 1 desvios padro.
Ao redor de 95% das mdias esto entre 2 e 2 desvios padro.
Ao redor de 99,7% das mdias esto entre 3 e 3 desvios padro.

Exerccios I PARTE:

1. Qual a rea sob a curva normal padro de Z = 0 a Z = 1?

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
70





2. Qual a rea entre Z = - 0,56 e Z = - 0,20?







3. Qual a rea entre Z = 2,5 e Z = 2,8?







4. Qual a rea entre Z = - 0,2 e Z = 0,4?







5. Qual a rea esquerda de Z = - 0,3?






6. Qual a rea direita de Z = 0,56?






7. Qual a probabilidade da varivel Z afastar-se mais de dois desvios padro da mdia?



Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
71



8. Sendo X uma varivel normalmente distribuda com mdia 10 e desvio padro 2,
qual a probabilidade de X > 13?





9. Uma varivel X de distribuio normal tem mdia 30 e desvio padro 4. Qual a
probabilidade de 28 < X <35?

10. O peso mdio dos alunos de uma escola de 1. grau de 32 kg e o desvio padro
4kg. Qual a percentagem de alunos com mais de 30 kg e com menos de 35kg?





11. Suponha que a renda mdia de uma comunidade possa ser razoavelmente
aproximada por uma distribuio normal, com mdia de $ 150,00 e desvio padro
$ 30,00. Qual a percentagem da populao que ter renda superior a $ 186,00?





12. Numa amostra de 50 assalariados, ( problema 11 ), quantos podemos esperar que
tenham menos de $ 105,00 de renda?





13. Os peixes pescados por uma traineira tm peso mdio de 4,5kg e desvio padro de
0,5 kg. Qual a percentagem de peixes que pesam menos de 4kg?





14. Se os dimetros de 400 peas produzidas por uma mquina, num dia, tm
distribuio normal com mdia 50,2 mm e desvio padro 0,15 mm. Qual o nmero
provvel de pecas com mais de 50,5 mm de dimetro?

]
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
72


15. Numa prova final de matemtica, as notas dos alunos tiveram uma distribuio
normal com mdia 6 e desvio padro 1,5. Sendo 5 a nota mnima de aprovao, qual
a proporo de alunos reprovados?




16. Se a altura mdia dos estudantes de uma Faculdade 1,72m e o desvio padro
0,07m, qual a probabilidade de um estudante, sorteado ao acaso, ter uma altura entre
1,60m e 1,70m?





17. A experincia tem mostrado que a durao mdia das lmpadas de retroprojetores
de 70 horas, com desvio padro de 8 horas. Qual a probabilidade de determinada
lmpada durar mais de 82 horas?




18. Uma mquina produz eixos com o dimetro mdio de 20 mm. Se o desvio padro

dos dimetros 0,02 mm, qual a proporo de eixos fora da tolerncia, que 20
0,05?

Exerccios II PARTE

1-Os pesos de 600 estudantes so normalmente distribudos com
mdia 65,3 Kg e desvio padro 5,5 Kg. Encontre o n. de alunos
que pesam
a) entre 60 e 70 Kg ; resp: 380 alunos; b) mais que 63,2
Kg; resp: 389 alunos

2-Uma fbrica de pneumticos fez um teste para medir o
desgaste de seus pneus e verificou que ele obedecia a uma
distribuio normal, de mdia 48.000 Km e desvio padro 2.000
km. Calcular a probabilidade de um pneu escolhido ao acaso:
a) dure mais que 46.000 km; resp:0,8413
b) dure entre 45.000 e 50.000 km;resp: 0,7745
3- O salrio semanal dos operrios industriais so
distribudos normalmente em torno de uma mdia de U$180,00
com desvio padro de R$ 25,00. Pede-se:
a) encontre a probabilidade de um operrio ter salrio
semanal situado entre R$ 150,0 e R$178,00. resp:0,3530
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
73
b)dentro de que desvios de ambos os lados da mdia, cairo
96% dos salrios? Resp: 128, 75 231, 25 x
4-Suponha que o ndice pluviomtrico em uma cidade tenha
distribuio normal com mdia 40 e desvio padro 5.
a)qual a probabilidade de a cidade ter menos de 33
polegadas de chuva no prximo ano ? resp: z=-1,4; 0,4192-05
=0,0808 = 8,08%.
b)Qual a probabilidade de a cidade ter mais de 38 polegadas
de chuva ? resp:z=-0,4; 0,1554 + 0,5000 = 0,6554 = 65,54%
5-Suponha que o escore de um estudante no vestibular seja uma varivel
aleatria selecionada de uma distribuio normal com mdia 550 e varincia
900 (o desvio padro a raiz quadrada da varincia). Se a admisso em certa
faculdade exige um escore de 575: a) qual a probabilidade de ser admitido ?
resp: z=0,83; 0,5 0,2967 = 0,2033 = 20,33%
b)e se o escore mnimo for 540 ? resp: -0,33; 0,1293 +0,5=
0,6293 = 62,93%
6- Suponha que voc gerente de um banco onde os montantes
dirios dos depsitos e de retiradas so dados por variveis
aleatrias independentes com distribuies normais. Para os
depsitos a mdia de r$ 12.000,00 e o desvio padro de
r$5.000,00. Calcule a probabilidade de cada um dos eventos
abaixo em determinado dia:
a) A dos depsitos ser superior a r$ 13.000,00.
Resp: z =0,25; 0,5000 0,00987 = 0,4013 = 40,13 %
b)A das retiradas serem superiores a r$ 13.000,00
Resp:z =0,6; 0,2258 0,5000 = 0,2742 = 27,42%
7--Suponha que a vida de um circuito eletrnico tenha
distribuio normal com mdia 50.000 horas e desvio-padro
8.000 horas.
a-Escolhido aleatoriamente um desses circuitos, qual a
probabilidade de durar menos de 30.000 horas ?
resp: 0,0062 = 0,62%
b)Qual a probabilidade de m circuito escolhido ao acaso
durar mais de 55.000 horas ?
resp:0,2676 = 26,76%.
c)Qual a probabilidade de X superar 80.000 horas ?
8-Uma empresa produz um equipamento cuja vida til admite
distribuio normal com mdia 300 horas e desvio padro 20
horas. Se a empresa garantiu ma vida til de menos 280 horas
para uma das unidade vendidas, qual a probablidade de ela ter
que repor essa unidade ?
resp: 15,87%
9-Os balancetes semanais realizados em uma empresa mostraram
que o lucro realizado distribuiu-se normalmente com mdia r$
48.000,00 e desvio padro r$ 8.000,00 Qual a probabilidade de
que:a-Na prxima semana o lucro seja maior do que r$50.000,00
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
74
? resp:40,18% b)Na prxima semana o lucro esteja entre
r$40.000,00 e 45.000,00 ? resp:19,33%%
c)Na prxima semana haja prejuzo. Resp: 0%
10-Uma mquina produz um tubo de plstico rgido cujo
dimetro admite distribuio normal de probabilidades, com
mdia 100 mm e desvio padro 0,5 mm. Os Tubos com dimetro
menor que 98,2 mm ou maior que 100,6 mm so considerados
defeituosos, e devem ser reciclados. Qual a proporo da
produo que dever ser reciclada ? resp: 11,53%
11-O levantamento do custo unitrio de produo de um item da
empresa revelou que sua distribuio normal com mdia 50 e
desvio padro 4. Se o preo de venda unitrio desse produto
60, qual a probabilidade de uma unidade desse item escolhida
ao acaso ocasionar prejuzo a empresa ? resp:0,0062 = 0,62%.
12-O departamento de marketing da empresa resolve premiar 5%
dos seus vendedores mais eficientes. Um levantamento das
vendas individuais por semana mostrou que elas se distribuam
normalmente com mdia R$ 240.000,00 e desvio padro
30.000,00. Qual o volume de vendas mnimo que um vendedor
deve realizar para ser premiado ? RESP:acima de 95%, aonde z
=1,645 e x = 289.350,00.Faa o grfico da normal para melhor
interpretao.
13- Suponha que o dimetro mdio dos parafusos produzidos por
uma fbrica de 0,25 polegadas, e o desvio padro 0,02. Um
parafuso considerado defeituoso se seu dimetro maior que
0,28 polegadas ou menor que 0,20. a) qual a % de parafusos
defeituosos? RESP: 7,3%. B)Qual deve ser a medida mnima para
que tenhamos no mximo 12% de parafusos defeituosos ?
resp:0,2266.
Prof. Diogo E. P. Penna, M.Sc. Especialista em Estatstica.

XI INTERVALOS DE CONFIANA PARA A MDIA DA
POPULAO ERRO MXIMO DE ESTIMATIVA TAMANHO
MNIMO DA AMOSTRA ( .)

Admitindo-se x como sendo uma varivel normalmente distribuda com
mdia . (mi ou mu) e desvio padro (sigma) , pode-se estabelecer um
limite inferior e um limite superior, definindo-se um intervalo que contm
certo percentual dos valores de X . Geralmente usam-se os percentuais 90 %
,95 %, 99 %, que so denominados nveis de confiana para a mdia da
populao. Na distribuio normal padro, os valores de Z que limitam os
intervalos acima so representados por:
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
75
90%
95% 99%
-1,645 1,645 -1,96 1,96 -2,575 + 2,575

A varivel mdia ( X ) reduzida varivel Z atravs da frmula:


X
z
n

=
onde o desvio padro da amostral (desvio padro da mdia) : s
n

=

Para fixarmos um intervalo de confiana para a (mdia populacional),
o valor de Z, correspondente a 25 n X (mdia amostral) obtido da amostra,
dever estar compreendido entre os valores- limites de Z, conforme o nvel de
confiana estabelecido.
Sejam Z. e + Z os valores- limites do intervalo de confiana e Z o
valor correspondente X , ento:

X
z z
n

< < +
Isolando .vem

1 1
s s
X t X t
n n
< < +



ERRO MXIMO DE ESTIMATIVA

Na frmula X z X z
n n

< < + a expresso z
n

constitui o erro
mximo de estimativa.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
76
Esse valor indica o afastamento mximo que o parmetro pode ter em
relao aos limites de confiana para determinado nvel. Se, por exemplo, o
intervalo de confiana para no nvel de 95 %,

65 < < 70

o erro mximo de estimativa 2,5. Isto significa que h uma probabilidade de
95 % de que a mdia (.) da populao se afaste at 2,5 unidades de 65 ou de
70.
A quantidade de erro numa estimativa nada mais do que a metade
da amplitude do intervalo de confiana.
Assim, para diminuir o erro mximo de estimativa, dando a esta maior
preciso, a nica alternativa de que dispomos o aumento do tamanho da
amostra.
Desta forma, se fixarmos previamente o erro mximo de estimativa e o
nvel de confiana, podemos determinar o tamanho da amostra a ser tomada.

E = z
n

-
2
. z
n
e
(
=
(



Exemplos:

1. Desejando estimar, no nvel de 95 %, a mdia de uma populao, de
modo que ela no exceda a 2 unidades, sendo = 8, qual o tamanho
da amostra a ser tomada ?




2. Idem ao ( ex. 1 ), sabendo que o erro mximo 1,5 e o desvio padro
6.

DISTRIBUIO t DE STUDENT

Ao estimarmos a , atravs de um intervalo de confiana , podemos
substituir por s para amostra consideradas grandes ( 25) n (para alguns
autores 30 n ), sem prejuzo para a estimativa. Entretanto quando tratamos
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
77
com amostra pequenas
X
t
s
n

= ( 25 n < ) (para alguns autores 30 n < ), o desvio
padro amostral (s) no boa estimativa do desvio padro populacional ().
Neste caso, devemos empregar uma nova varivel para o clculo de
estimativas de . Esta varivel denominada t de student, onde

X
t
s
n

=
e a frmula para calcular o intervalo de confiana da distribuio t :
X t X t
n n

< < + sendo que alguns autores utilizam n-1 na raiz do
denominador com a finalidade de retirar algum valor mais discrepante ficando
a frmula:

1 1
s s
X t X t
n n
< < +


A distribuio da varivel t bastante aproximada da normal padro z
para grandes valores de n ( 25 n ). Entretanto para valores menores de n a
distribuio t afasta-se de Z , de forma que aquela uma funo do nmero de
graus de liberdade V ( V = n 1 ). Assim, quanto menor o valor de n , mais
afastados estaro os valores de t e Z .
A forma da distribuio t bastante parecida com a normal.
A principal diferena entre as duas distribuies que a distribuio t tem
maior rea nas caudas.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
78
z

t


A tabela anexa d valores de t , onde P a probabilidade de t exceder o
valor de t correspondente a determinado grau de liberdade V. As
probabilidades da primeira linha da tabela correspondem aos valores das
reas localizadas nas caudas da curva, esquerda de t e a direita de t .
Na primeira coluna esto os graus de liberdade V.
Na interseco dos valores considerados temos os valores limites
de t .
Exemplo 1 : Para n = 10 e P = 0,05 ( 5 % ), temos
1. coluna: V = 9 ( n 1 )
1. linha: P = 0,05 t = 2,26
Este valor de t indica que h uma probabilidade de 2,5 % para t < -
2,26 e de 2 , % de t > 2,26. Portanto, a rea sob a curva para 2,26 < t
< 2,26 95 %.
Exemplo 2 : Para n = 16 e P = 0,10 ( 10 % ), temos
1. coluna: V = 15
2. linha: P = 0,10 t = 1,75
P ( - 1,75 < t < 1,75 ) = 0,90
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
79
VALORES CRTICOS DE t DE STUDENT - TABELA
Interv. Conf. (90%) (95%) (99%)
V/P
0,10 0,05 0,025 0,01 0,005
1
6,31 12,71 25,54 63,66 127,32
2
2,92 4,30 6,21 9,92 14,09
3
2,35 3,18 4,18 5,84 7,45
4
2,13 2,78 3,50 4,60 5,60
5
2,02 2,57 3,16 4,03 4,77
6
1,94 2,45 2,97 3,71 4,32
7
1,89 2,36 2,84 3,50 3,04
8
1,86 2,31 2,75 3,36 3,83
9
1,83 2,26 2,69 3,25 3,69
10
1,81 2,23 2,63 3,17 3,58
11
1,79 2,20 2,59 3,11 3,50
12
1,78 2,18 2,56 3,05 3,43
13
1,77 2,16 2,53 3,01 3,37
14
1,76 2,14 2,51 2,98 3,33
15
1,75 2,13 2,49 2,95 3,29
16
1,75 2,12 2,47 2,92 3,25
17
1,74 2,11 2,46 2,90 3,22
18
1,73 2,10 2,45 2,88 3,20
19
1,73 2,09 2,43 2,86 3,17
20
1,72 2,09 2,42 2,85 3,15
21
1,72 2,08 2,41 2,83 3,14
22
1,72 2,07 2,41 2,82 3,12
23
1,71 2,07 2,40 2,81 3,10
24
1,71 2,06 2,39 2,80 3,09
25
1,71 2,06 2,38 2,79 3,08
26
1,71 2,06 2,38 2,78 3,07
27
1,70 2,05 2,37 2,77 3,06
28
1,70 2,05 2,37 2,76 3,05
29
1,70 2,05 2,36 2,76 3,04
30
1,70 2,04 2,36 2,75 3,03

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
80
Aplicaes.
1) Estabelecer o intervalo de confiana de 95% para , sabendo que uma
amostra tamanho 36 dessa populao, forneceu X X = 30 e S = 4.
2) Determine o intervalo de confiana de 99% para sabendo que uma
amostra tamanho 50 forneceu X = 75 e S = 7.
3) Uma amostra de 64 elementos de uma varivel normalmente distribuda
forneceu X = 25,4 e S = 5,2 . Determina os limites de confiana de 90%
para .
4) Estimar no nvel de 90% o QI de uma comunidade onde uma amostra
de 50 pessoas forneceu X = 100,8 e S = 12,3
5) Qual o intervalo de confiana para no nvel de 95% sabendo que
uma amostra de tamanho 20 forneceu X = 38 e S = 5 ?
6) Estabelecer os limites de confiana para nvel de 90% sabendo que
uma amostra de tamanho 18 forneceu X = 70 e S = 6,8.
7) Calcular os limites de confiana para nvel 99% sabendo que uma
amostra de tamanho 14 forneceu X = 35,7 e S = 4,3.
8) Desejando estimar no nvel de 95%, a mdia de uma populao, de
modo que ela no exceda a 2 unidades (e = 2), sendo = 8 qual o
tamanho da amostra a ser tornada?
9) Idem ao exemplo (1) sabendo que o erro mximo de 1,5 e o desvio
padro 6.
10)Estimar no nvel de 95% o QI de uma comunidade, onde uma amostra
de 60 pessoas forneceu X = 105,4 e S = 9,6.
11)Uma amostra de tamanho 10, de uma varivel X normalmente
distribuda, forneceu X = 20 e S = 4. Encontrar os limites de confiana
para a mdia , no nvel de 99%.
12)Uma amostra de 36 crianas de uma escola de 1. grau forneceu o peso
mdio de 28,5 kg e desvio padro de 5,2 kg. Determinar no nvel de 99% :
a) O intervalo de confiana para a mdia .
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
81
b) O tamanho da amostra para que o erro mximo(e) seja igual 1,2
kg.
c) O erro mximo de estimativa (e)se a amostra fosse de 200
crianas.
13)Uma varivel X tem: mdia 4,6 e desvio padro 2,33. Calcular o
intervalo de confiana para mdia no nvel de 95%, sabendo que o tamanho
da amostra igual a 50.
14)Uma amostra de 70 alunos forneceu X = 97,86 e S = 13.30. Determinar
o intervalo de confiana para a mdia no nvel de 90%.
15)Uma amostra de pesos de 12 alunos de uma escola forneceu X = 46,38
e S = 7,46. Estimar o intervalo de confiana para a mdia no nvel de 95%.
16)Uma amostra de 7 pessoas mostrou uma mdia de 1,74 metros e desvio
padro 0,64 metros. Calcular o intervalo de confiana para a mdia no
nvel de 95%.
17)Sendo X normalmente distribuda uma amostra de 24 elementos
forneceu X = 78,4 e S = 6,2.
a)Estimar no nvel de 99% a mdia da populao.
b)Qual deveria ser o tamanho da amostra para um erro de estimativa igual a 2
?

XII TESTES DE HIPTESES


Decises Possveis Estados Possveis
Hiptese nula Verdadeira Hiptese nula Falsa
Aceitao da hiptese nula
ou no rejeitar Ho
Aceita corretamente
Deciso Correta
Erro do Tipo II
Rejeio da Hiptese nula
Rejeitar Ho
Erro Tipo I Rejeita Corretamente
Deciso Correta

O teste de hiptese algumas vezes comparado ao sistema judicial dos
Estados Unidos.
Decises Possveis Estados Possveis
O ru inocente O ru culpado
Veredito inocente Justia Erro do Tipo II
Veredito culpado Erro Tipo I Justia
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
82
Sob este sistema, so usadas as seguintes etapas:
1.escrita uma acusao cuidadosamente traduzida em palavras.
2.O ru inocente (Ho) at que se prove o contrrio. O nus da prova cabe
acusao. Se a evidncia no suficientemente forte, no h condenao. Um
veredicto inocente no prova que o acusado seja realmente inocente.
3.As evidncias devem ser conclusivas alm de uma dvida razovel. O
sistema presume que h mais danos ao se condenar um inocente (erro do tipo
I) do que no condenando um culpado (erro do Tipo II).

----------------------------------------------------------------------------------------------

1- Um auditor deseja testar a hiptese de que o valor mdio de todas as
contas a receber em uma dada firma de $ 260,00, tomando para tanto
uma amostra n = 36 e calculando a mdia amostral ele deseja rejeitar o
valor hipottico de $ 260,00 somente se tal valor for claramente
contraditado pela mdia da amostra, sendo que, desta maneira, dado
ao valor suposto o benefcio da dvida. As hipteses nula e alternativa
para este teste so Ho: = $ 260,00 e H1: 260,00.

Etapas bsicas em um teste de hiptese

Em um teste de hiptese, principiamos com um valor suposto (hipottico) de
um parmetro da populao. Depois de coletar uma amostra aleatria,
comparamos a estatstica da amostra, tal como a mdia amostral (x), com
parmetro suposto, tal como a mdia populacional hipottica(). Ento, ou
aceitamos ou rejeitamos o valor hipottico como sendo corrreto. O valor
hipottico rejeitado somente se o resultado da amostra for claramente
improvvel de ocorrer quando a hiptese for verdadeira.

Etapa 1: Formular a hiptese nula e a hiptese alternativa. A hiptese nula
(Ho) o valor suposto do parmetro o qual comparado com o resultado da
amostra. Ele rejeitado somente se o resultado da amostra for improvvel
sendo a hiptese considerada verdadeira . A hiptese alternativa (H1) aceita
somente se a hiptese nula rejeitada.
Etapa 2: Especificar o nvel de significncia() a ser utilizado. O nvel de
significncia o padro estatstico especificado para rejeitar a hiptese nula.
Se especificado um nvel de significncia de 5%, a hiptese nula rejeitada
somente se o resultado da amostra to diferente do valor suposto que uma
diferena igual ou maior ocorreria por acaso com uma probabilidade mxima
de 0,05. Para testes bicaudais o nvel de significncia /2 em cada cauda.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
83
Observe que, se for utilizado um nvel de significncia de 5%, existe uma
probabilidade de 0,05 de rejeitar a hiptese nula sendo a mesma verdadeira.
Este o chamado Erro do Tipo I. A probabilidade do Erro do Tipo I
sempre igual ao nvel de significncia utilizado com padro para rejeitar a
hiptese nula ( representado pela letra alfa . ( os mais utilizados so os de
1%, 5% e 10%).
Um Erro do Tipo II ocorre quando a hiptese nula aceita sendo a mesma
falsa.
Etapa 3: Selecionar a estatstica do teste. (exemplo: se for uma distribuio
normal o valor da mdia da amostra transformado em uma valor z. A
estatstica do teste ser a estatstica da amostra.
Etapa 4: Estabelecer (os) o valor (es) crtico (s) da estatstica do teste. O valor
crtico identifica o valor da estatstica do teste unilateral ou bilateral
necessrio para rejeitar a hiptese nula. Exemplo: o teste z com nvel de
significncia de 5% possui valor crtico de 1,96.
Etapa 5: Determinar o valor real da estatstica do teste. Por exemplo. Para
testar um valor hipottico da mdia populacional, coleta-se uma amostra
aleatria de determina-se o valor da mdia da mostra. Se o valor crtico foi
estabelecido com um valor z, a media da amostra ser, ento, convertida em
um valor x.
Etapa 6: Tomar a deciso. O valor observado da estatstica da amostra
comparado com o valor crtico da estatstica do teste. A hiptese nula, ento,
ou aceita, ou rejeitada. Se a hiptese nula rejeitada a hiptese alternativa
aceita. Por seu turno, esta deciso ter relevncia em relao a outras decises
a serem tomadas por administradores, tais como se deve ou no manter um
padro de desempenho, ou sobre o qual, de duas estratgias de mercado, deve
empregar-se.

Exemplo 2. Para hiptese nula formulada no Exemplo 1, determinar os valores
crticos da mdia da mostra para testar a hiptese a um nvel de significncia
de 5%. Dado que se conhece o desvio padro dos valores a receber, = $
43,00.
Os valores crticos so: z.
n

= 260,00 1,96
43
36
= $245,95 e $ 274,05\
Portanto, para se rejeitar a hiptese nula, a media da amostra deve ter uma
valor menor do que $ 245,95 ou maior do que $ 274,05. Ento, existem duas
regies de rejeio no caso de um teste bilateral. Os valores de z = 1,96 so
utilizados para estabelecer os limites crticos, uma vez que, para a distribuio
normal padronizada, permanece uma proporo de rea nas duas caudas, o que
corresponde ao nvel especificado = 0,005.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
84



1-O valor P para um teste de hiptese P = 0,0237. Qual deve ser sua deciso se o nvel de
significncia for (1) = 0,05 e (2) = 0,01 ?

pag. 258

2- Determine o valor P para um teste de hiptese monocaudal esquerdo com um estatstica
teste de z = -2,23. Sendo o nvel de significncia = 0,01, decida se possvel rejeitar Ho.

Pg 258

3. Determine o valor P para um teste de hiptese bicaudal com uma estatstica teste de z = -
2,14. Decida se possvel rejeitar Ho sendo = 0,05.

Pg 259

4. Em um anncio, uma pizzaria alega que o tempo mdio de entrega
inferior a 30 minutos. Uma seleo aleatria de 36 tempos de entrega tem uma
mdia amostral de 28,5 minutos e um desvio padro de 3,5 minutos. H
evidncias suficientes para confirmar a alegao com = 0,01 ? Use um valor
P.

pg. 260

5.Voc acha que as informaes sobre os investimentos mdios em franquias dadas no
grfico esto incorretas. Assim, selecione ao acaso 30 franquias e determine investimentos
necessrios para cada um. O investimento mdio amostral foi de U$ 135.000, com desvio
padro de U$ 30.000. Se = 0,05 h evidncia suficiente para confirmar sua alega~ao ?
use um valor P.
RESOLUO: a alegao a mdia diferente de U$ 143.260assim, as hipteses nula e
alternativa so
Ho: = U$ 143.260 e H: 143.260. O nvel de significncia = 0,05. Usando o teste
z, a estatstica teste padronizada :

Pg 261

REGIO DE
ACEITAO
R$245,95 R$260,00 R$274,05
REGIO DEREJEIO
REGIO DE REJEIO
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
85
6.Obtenha o valor crtico e a regio de rejeio para um teste monocaudal com = 0,01. O
teste monocaudal esquerdo.

Pg 263

7. Funcionrios de uma grande firma de contabilidade alegam que seu salrio mdio
menor que o do seu concorrente, que U$ 45.000. Uma amostra aleatria de 30 contadores
da empresa gera um salrio mdio de U$ 43.500, com desvio padro de U$ 5.200. Teste a
alegao dos empregados, com = 0,05.

Pg.264.

XIII BIBLIOGRAFIA

Bibliografia bsica
DEVORE,Jay L. Probabilidade e Estatstica para Engenharia e Cincias
Editora THOMSON, 2006
PENNA, Diogo Eduardo Pasqual, apostila de Probabilidade e Estatstica, 2007.
Motta, T. Valter. Bioestatstica. EDUCS 2.a Edio, 2006

Crespo, Antnio Arnot. Estatstica Fcil. Editora Saraiva, 1998
Filho, Doria Ulysses, Introduo Bioestatstica, Negcio Editora, 3.a
Edio, 1999.
Giovanardi, Omar Victrio. Apostila Prof. UCS,2001
Fonseca, J e Martins, G. Curso de Estatstica. Ed. Atlas, 2000.
Spiegel, M. R. Estatstica. Makron Books, 1993.

STEVENSON, J. W. Estatstica Aplicada Administrao. So Paulo: Harbra.
DOWNING, Douglas; CLARK, Jefrey. Estatstica Aplicada. 2 Ed. So Paulo: Saraiva, 2002.
FREUND, John E.; SIMON, Gary A. Estatstica Aplicada. 9.ed. Porto Alegre: Bookman, 2000.
Bibliografia complementar
Meyer, Paul L. Probabilidade: aplicaes estatstica. Livros tcnicos e
cientficos, 1983.
Silva, Paulo A. L. Probabilidades e Estatstica. Rio de Janeiro: Reichmann &
Afonso Editores, 1999.
Toledo, G. L. e Ovalle, I.I. Estatstica bsica, 1995.
Triola, M. Introduo estatstica. Livros tcnicos e cientficos, 1999.

Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
86
BUSSAB, Wilton O. Anlise de Varincia e Regresso. So Paulo: Saraiva, 2000.
BUSSAB, Wilton O.; MORETIN, Pedro A. Estatstica Bsica. 5.ed. So Paulo: Saraiva, 2002.
FONSECA, Jairo Simon; MARTINS, Gilberto A. Curso de Estatstica, 3. ed. So Paulo: Atlas,
1980.
MARTINS, Gilberto A.; DONAIRE, Denis, Princpios de Estatstica. So Paulo: Atlas.
WONNACOTT, Thomas H.; WONNACOTT, Ronald. Introduo Estatstica. So Paulo: LTC -
Livros Tcnicos e Cientficos S/A.


1. PARTE

FRMULAS UTILIZADAS PARA DADOS DISCRETOS

Mdia da Amostra:
. f X
X
f
=

ou
. f X
X onde
n
=

n o total da amostra.
Mdia da Populao:
. f X
f
=

ou
. f X
onde
n
=

n o total da populao.
Mediana:
2
f
Md =

ou
2
n
Md =
Moda: o valor que mais ocorre (a maior freqncia simples ou absoluta)
Desvio Mdio:
.
m
f d
d
f
=

onde d = x X ou
d
dm
n
=


Varincia Populacional:
2
2
. f d
f
=

ou
2
2
d
n
=


Varincia Amostral:
2
2
.
1
f d
S
f
=

ou
2
2
1
d
S
n
=


Desvio Padro Populacional:
2
=
Desvio Padro Amostral:
2
S S =
Coeficiente de Variao Populacional: 100 CV X

=
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
87
Coeficiente de Variao Amostral: 100
S
CV X
X
=
Assimetria:
3( )
s
X md
A
S

=
Quartil 1 -
1
1
( 1).
4
Q n = +
Quartil 3 -
3
3
( 1).
4
Q n = +
Percentil 10 -
10
10
( 1).
100
P n = +
Percentil 90 -
90
90
( 1).
100
P n = +
Curtose:
3 1
90 10
2( )
Q Q
C
P P


_________________________________________________________________________



2. PARTE

FRMULAS PARA O CLCULO DA DISTRIBUIO DE
FREQNCIA EM CLASSE DADOS CONTNUOS


1-Mdia:
. f X
f
=


2-Moda: a maior freqncia simples (f) da Classe Mediana: da CME.
Mo =
inf sup
2
erior erior
l L +
da Classe Modal.
3- Mediana:
2
.
ANT
f
F
Md li h
f
| |

|
| = +
|
|
\


4-Desvio em torno da mdia populacional d X =

5-Desvio em torno da mdia amostral d X X =

5- Desvio Mdio:
. f d
dm
f
=


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
88

6-Varincia populacional:
2
2
. f d
f
=



7-Varincia amostral:
2
2
.
1
f d
S
f
=





8-


9-Desvio Padro Amostral:
2
.
1
f d
S
f
=

ou calculando diretamente:
2
S S =

10-Desvio Padro Populacional:
2
. f d
f
=

ou calculando diretamente:
2
=
11-Assimetria:
3( )
pearson
X Md
As
S

=

12-
1
4
.
anterior
f
F
Q li h
f
| |

|
| = +
|
|
\


13-
3
3.
4
.
anterior
f
F
Q li h
f
| |

|
| = +
|
|
\


14-
10
10
100
.
anterior
f
F
P li h
f
| |

|
| = +
|
|
\


15-
90
90
100
.
anterior
f
F
P li h
f
| |

|
| = +
|
|
\


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
89
C = 0,263Curva Mesocrtica

C> 0,263 Curva Platicrtica

C< 0,263Curva Leptocrtica
16-Coeficiente Percentlico de Curtose:
3 1
90 10
2( )
Q Q
C
P P


17- Intervalo Interquartil:
3 1
Q Q

18-Amplitude:
MAX MIN
Valor Valor ou X mximo - Xmnimo
19-Coeficiente de Variao Amostral: 100
amostral
S
CV x
X
=
20-Coeficiente de Variao Populacional: 100
populacional
CV x

=
21-Coeficiente de Variao de Thorndike: 100
thorndike
CV x
Md

=
22-Moda Calculada: 3( ) 2( )
pearson
Mo Md X =

23-Moda de Czuber:
1
1 2
. mo li h

= +
+
(utilizada quando os intervalos de classe
forem diferentes em suas larguras)
24- Frequncia Relativa:
simples
r
f
f
f
=

x 100
25- A curva de frequncia polida:
1 1
2
4
i i
i
f f f
fc
+
+ +
=
26-Regra de Sturges: K = 1+ 3.3
10
log n onde K representa o n. de classes e n o
tamanho da amostra.

27- Largura da Classe: Amplitude n. de Classes

28-Desvio Padro para dados no-agrupados ( sem freqncias) sem precisar calcular
o desvio (modo abreviado):
inf sup
2
erior erior
l L +

29-Clculo do Desvio Padro para dados Agrupados (com freqncias) modo
abreviado (sem precisar calcular o desvio):

2
2
. . f X f X
s
n n
| |
=
|
|
\

ou
2
2
. . f X f X
s
f f
| |
=
|
|
\




Histrico do Autor
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
90

Nascimento: Caxias do Sul Bairro So Pelegrino Em 29.01.1955
1958/1959/1960: Jardim da Infncia Colgio So Carlos
1961: pr-escolar: Colgio So Carlos
1962/1967: Colgio La Salle Curso Primrio
1968: Ginsio Colgio Cenesista Santo Antnio
1969/1972: Curso Ginasial Escola Estadual Cristvo de Mendoza
1969 Curso de Violo popular Instituto Musical Verdi
1969 Curso de Datilografia Crculo Operrio Caxiense
1970-1973- Curso de Ingls no Instituto Cultural Brasileiro Norte- Americano
1973/1975: Curso Cientfico com Habilitao em Qumica Escola Estadual Cristvo de Mendoza - Estgio de Fiscal da
Uva pelo Instituto de Enologia de Caxias do Sul
Professor de Msica Violo popular pelo Instituto Musical Verdi Caxias do Sul-
1974 Servio Militar BCS Bateria de Comando de Servios - COAA Centro de Operaes Anti-Areas 3.
Grupo de Artilharia Anti-Area Caxias do Sul RS
Curso de Eletricista Instalador para Soldados do 3. GAAAe - SENAI
1976/1982: Curso de Geologia na Universidade do Vale do Rio dos Sinos Cursadas 70 disciplinas de 4 crditos + 2
crditos de Educao Fsica: 282 crditos
1980: Estgio pela Union Carbide em Currais Novos RN
1981: Estgio na Bacia de Campos Plataforma de Alto Mar Petrobrs-Maca/Rj
Julho de 1982 : Graduao em Geologia.
Agosto de 1982 abril de1987: Gelogo Prospector de Ouro e Cassiterita nos Estados de Roraima/Amazonas/Par e
Rondnia.
Scio Gerente das Empresas: SERGAM Servios Geolgicos da Amaznia Ltda e MINALUA Minerao Aluvionar
da Amaznia Ltda., ambas com sede em Manaus/Am.
1987/1990 Professor de Violo Clssico e Popular pelo Instituto Musical Verdi.
Professor da UNISINOS Geologia Econmica 1 e 2 So Leopoldo RS
1988 Curso de Piloto Privado Aeroclube de Caxias do Sul
1989- Professor de Fsica I no Colgio Nossa Senhora do Carmo Caxias do Sul -RS
Curso Caxias: Auxiliar de Disciplina.
1990 Licenciatura em Matemtica pela Universidade de Caxias do Sul RS
Auxiliar de Laboratrio pela Fundao Salzano Liberato Vieira da Cunha em Caxias do Sul- Sede da escola: Novo
Hamburgo-RS.
1991 /1994 Mestre em Cincias Geofsica -pela Universidade Federal do Par Belm/Pa Convnio Petrobrs.
1992 Curso de Aperfeioamento em Gerenciamento Ambiental no NUMA Ncleo de Meio Ambiente da
Universidade Federal do Par Convnio CVRD / ALUNORTE/FADESP Belm - Par
Maro/julho:1994- Professor da Universidade de Caxias do Sul UCS
Agosto/dezembro: 1994 Curso de Auditor Fiscal da Receita Federal
Professor de Msica no Instituto Musical Verdi
1995/1997 Professor da Rede Estadual nos Colgios: Santa Catarina e outros.
1995/2006 Professor da Universidade de Caxias do Sul UCS
1996/2001 -Scio Gerente das Empresas: Minerao Indstria e Comrcio Geo-Criptnia Ltda. e Geosphera
Licenciamentos Ambientais Ltda.
1996/2000 Curso de Doutorado pela Universidade Federal do Rio Grande do Sul UFRGS 42 crditos concludos (
mestrado + doutorado). Tese: no concluda.
2004/2006 Professor da Faculdade Nossa Senhora de Ftima Caxias do Sul
2004 Curso de Georreferenciamento de Imveis Rurais. Cadastro INCRA: CDT Curso pela Universidade de Caxias
do Sul Convnio UFSM Santa Maria/RS.
2005 Curso de AUTOCAD SENAC.
2005: Scio Gerente da Empresa Impacto Ambiental em atividade.
2007-Incio do Curso de Ps- Graduao em Estatstica com trmino previsto para agosto de 2008 UCS.
1982/2006:Profissional Liberal na rea de Consultoria em Geologia; Topografia; Meio Ambiente e Georreferenciamento
de Imveis Rurais Cadastrado no INCRA; no IBAMA; na FEPAM; na SEMA:Secretaria do Meio Ambiente Municipal;
no CREA do Amazonas, com VISTO: no Rio Grande do Sul/ Rondnia/Par e Mato Grosso.
Realizao de Projetos de Disposio Final de Resduos Slidos Industriais e Domsticos;
Licenciamentos de Indstrias; Postos de Combustveis; Loteamentos; Pedreiras; Olarias; Fbrica de guas minerais;
Parques Termais; Parques de Lazer entre outros.




Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
91
PARTE III -


1- Responda a seguinte pergunta utilizando a tabela da Distribuio Normal
Padro.

Em novembro de 2005 entrou em vigor lei 10.267 de 28 de agosto de 2001, inicialmente
para reas acima de 1000 hectares. Esta lei do georreferenciamento de imveis rurais
permite que todas as terras brasileiras tenham nos seus respectivos registro de imveis sua
localizao precisa, em coordenadas geogrficas, obrigando os cartrios de todo o Brasil a
se reestruturarem. O erro padro que ser admitido para as divisas de terra estipulado pelo
INCRA Instituto nacional de Colonizao e Reforma Agrria de x = 0,5 metro (erro
padro de 0,5 metros para mais ou para menos).
Considerando um desvio padro, z = 1 ( um desvio padro) equivalente a x = 0,5 metros e
utilizando a tabela, qual o intervalo o intervalo de confiana utilizado pelo INCRA ?
Responda utilizando duas casas decimais.


2. O salrio semanal dos operrios industriais so distribudos normalmente em torno de
uma media de $ 180,00 com desvio padrao de $ 25,00. Pede-se:
a) encontre a probabilidade de um operrio ter salrio semanal situado entre $ 150,00
e $ 178,00


b)dentro de que desvios de ambos os lados da media, cairo 96% dos salrios ?




3.Suponha que o dimetro mdio dos parafusos produzidos por. uma fabrica e de 0,25
polegadas, e o desvio padrao 0,02 polegadas. Um parafuso e considerado defeituoso se o
seu dimetro e maior que 0,28 polegadas ou menor que 0,20 polegadas.
a) Encontre a porcentagem de parafusos defeituosos.





b) Qual deve ser a medida mnima para que tenhamos no Maximo 12% de parafusos
defeituosos.





4-Sabe-se que X tem distribuio normal com media 60 e varincia M. Sabe-se tambm
que P (X70) = 0,0475. Qual o valor de M ? Resposta arredondada para o inteiro mais
prximo.
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
92

5- A durao de um certo componente eletrnico tem media 850 dias e desvio-padro 50
dias. Calcular a probabilidade desse componente durar:

a)entre 700 e 1.000 dias. ..........................................




b)mais que 800 dias: ........................................................






c)menos que 750 dias = ..........................................................................










6- Do problema anterior: que dure exatamente 1.000 dias =........................





7-Um processo industrial produz canos com dimetro mdio de 2 polegadas e desvio
padrao de 0,01 polegada. Os canos com dimetro que variem mais de 0,03 polegadas, a
contar da media, so considerados defeituosos.
a) Qual a percentagem de canos defeituosos ?





b) Numa partida de 5.000 canos, quantos no sero defeituosos ?




Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
93
8. Sabendo-se que o contedo de cerveja numa lata de 350 ml, da fabrica XYZ, tem
distribuio normal, com media 320 ml e desvio padrao 25 ml:
a) que percentagem de latas ter menos de 300 ml ?







b) que percentagem de latas ter mais de 300 ml ?







c) que percentagem apresentara variao no superior a 30 ml em relao a media ?








d) que percentagem apresentara variao entre 315 ml e 330 ml ?


9. Suponha que o ndice pluviomtrico de uma cidade tenha distribuio normal com
media 40 e desvio padrao 5. (valor da questo = 1,0 )
a) Qual e a probabilidade de a cidade ter menos de 33 polegadas de chuva no prximo ano?




b)Qual e a probabilidade de a cidade ter mais de 38 polegadas de chuva ?


10.Se a quantidade de radiao csmica a que uma pessoa est exposta ao atravessar o
territrio dos E.U.A. em um avio a jato uma varivel aleatria normal com = 4,35
mrem e = 0,59 mrem, determine as probabilidades de uma pessoa em tal vo estar
exposta a:
a) mais de 5 mrem de radiao csmica


Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
94

b) de 3 a 4 mrem de radiao csmica.




11 Sabe-se que X tem distribuio normal com mdia 60 e varincia M. Sabe-se tambm
que P(X>70) = 0,0475. Qual o valor de M? Resposta arredondada para o inteiro mais
prximo.





12..Suponha que o escore de um estudante no vestibular seja uma varivel aleatria
selecionada de uma distribuio normal com mdia 600 e varincia 900. Se a admisso em
certa faculdade exige um escore de 500, qual a probabilidade de ser admitido? E se o
escore mnimo for de 550 ?








13-Uma amostra aleatria simples de 60 itens resultou em uma mdia amostral de 30 e um
desvio padro da amostra de 5. (valor da questo: 0,6)
a) Fornea um intervalo de confiana de 90% para a mdia da populao.





b) Fornea um intervalo de confiana de 95% para a mdia da populao.



c)Fornea um intervalo de confiana de 99% para a mdia da populao.





14-Em um esforo para estimar a quantia mdia gasta por cliente para jantar em um grande
restaurante de Atlanta, foram coletados os dados de uma amostra de 60 clientes em um
perodo de 4 semanas. (valor da questo = 0,6).
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
95
a)Considerando um desvio padro da populao de U$ 3,50, qual a margem de erro para
um intervalo de confiana de 95% ?





b) Se a mdia da amostra (x) de U$ 25,60, qual o intervalo de confiana de 95% para a
mdia da populao () ?





15- A Companhia Grear Tire acabou de desenvolver um novo pneu radial cintado em ao
que ser vendido com desconto atravs de uma cadeia nacional de lojas. Como o pneu um
novo produto, os gerentes da Grear acreditam que a garantia de quilometragem oferecida
com o pneu ser um fator importante na aceitao do produto. Antes de conclurem a
poltica de garantia de quilometragem, os gerentes da Grear desejam informaes de
probabilidade sobre o n. de quilmetros em que os pneus se gastaro. A partir de testes
reais com pneus em auto estrada, o grupo de engenharia Grear Tire estimou a
quilometragem mdia do pneu em = 40.000 km e o desvio-padro em = 10.000 km.
Alm disso, os dados coletados indicam que a distribuio normal uma hiptese razovel.
Qual a porcentagem dos pneus que apresenta expectativa de durar mais que 50.000 km ?
Represente na curva em sino o raciocnio para desenvolver o problema.




16-O nmero de anual de grandes furaces no Texas uma varivel aleatria
aproximadamente normal com = 10 e = 2. Determine a probabilidade para que em
dado ano, haja:
a)no mnimo 10 grandes furaces
b)no mximo 10 grandes furaces
c)exatamente 10 furaces












Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
96
Tabela da Distribuio Z Padronizada.
REA LIMITADA PELA CURVA NORMAL REDUZIDA DE 0 a Z : 0,5000 ou 50%.
Os valores da varivel Z variam de 0,0 a 3,99 e as probabilidades de 0,0 a 0,5000 e
representam tanto a parte positiva da curva normal com a parte negativa, assim 100% das
probabilidades podem ser calculadas com est tabela z. No estudo dos Intervalos de
Confiana para amostras com n 30 utiliza-se tambm esta tabela.

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 0,0754
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 0,2258 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2518 0,2549
0,7 0,2580 0,2612 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2996 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3158 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 ,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 ,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 ,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 ,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 ,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 ,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 ,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 ,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 ,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 ,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 ,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 ,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 ,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 ,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 ,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 ,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 ,4953 0,4940 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 ,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 ,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 ,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4984 0,4985 0,4986 0,4986
3,0 ,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 ,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 ,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4995 0,4994 0,4995 0,1995
3,3 ,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 ,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 ,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 ,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
Probabilidade e Estatstica Autor: Professor Diogo Eduardo Pasqual Penna - deppenna@ucs.br www.ucs.br 54 9104 24 88 -
_________________________________________________________________________
____________________________________________________________________
Agosto de 2009 -
97
3,7 ,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 ,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

Histrico do Autor
Nascimento: Caxias do Sul Bairro So Pelegrino Em 29.01.1955
1958/1959/1960: Jardim da Infncia Colgio So Carlos
1961: pr-escolar: Colgio So Carlos
1962/1967: Colgio La Salle Curso Primrio
1968: Ginsio Colgio Cenesista Santo Antnio
1969/1972: Curso Ginasial Escola Estadual Cristvo de Mendoza
1969 Curso de Violo popular Instituto Musical Verdi
1969 Curso de Datilografia Crculo Operrio Caxiense
1970-1973- Curso de Ingls no Instituto Cultural Brasileiro Norte- Americano
1973/1975: Curso Cientfico com Habilitao em Qumica Escola Estadual Cristvo de Mendoza - Estgio de Fiscal da
Uva pelo Instituto de Enologia de Caxias do Sul
Professor de Msica Violo popular pelo Instituto Musical Verdi Caxias do Sul-
1974 Servio Militar BCS Bateria de Comando de Servios - COAA Centro de Operaes Anti-Areas 3.
Grupo de Artilharia Anti-Area Caxias do Sul RS
Curso de Eletricista Instalador para Soldados do 3. GAAAe - SENAI
1976/1982: Curso de Geologia na Universidade do Vale do Rio dos Sinos Cursadas 70 disciplinas de 4 crditos + 2
crditos de Educao Fsica: 282 crditos
1980: Estgio pela Union Carbide em Currais Novos RN
1981: Estgio na Bacia de Campos Plataforma de Alto Mar Petrobrs-Maca/Rj
Julho de 1982 : Graduao em Geologia.
Agosto de 1982 abril de1987: Gelogo Prospector de Ouro e Cassiterita nos Estados de Roraima/Amazonas/Par e
Rondnia.
Scio Gerente das Empresas: SERGAM Servios Geolgicos da Amaznia Ltda e MINALUA Minerao Aluvionar
da Amaznia Ltda., ambas com sede em Manaus/Am.
1987/1990 Professor de Violo Clssico e Popular pelo Instituto Musical Verdi.
1988 -Professor da UNISINOS Geologia Econmica 1 e 2 So Leopoldo RS
1988 Curso de Piloto Privado Aeroclube de Caxias do Sul
1989- Professor de Fsica I no Colgio Nossa Senhora do Carmo Caxias do Sul -RS
Curso Caxias: Auxiliar de Disciplina.
1990 Licenciatura em Matemtica pela Universidade de Caxias do Sul RS
Auxiliar de Laboratrio pela Fundao Salzano Liberato Vieira da Cunha em Caxias do Sul- Sede da escola: Novo
Hamburgo-RS.
1991 /1994 Mestre em Cincias Geofsica -pela Universidade Federal do Par Belm/Pa Convnio Petrobrs.
1992 Curso de Aperfeioamento em Gerenciamento Ambiental no NUMA Ncleo de Meio Ambiente da
Universidade Federal do Par Convnio CVRD / ALUNORTE/FADESP Belm - Par
Maro/julho:1994- Professor da Universidade de Caxias do Sul UCS
Agosto/dezembro: 1994 Curso de Auditor Fiscal da Receita Federal
Professor de Msica no Instituto Musical Verdi
1995/1997 Professor da Rede Estadual nos Colgios: Santa Catarina , Evaristo De Antoni e Apolinrio.
1995/2006 Professor da Universidade de Caxias do Sul UCS
1996/2001 -Scio Gerente das Empresas: Minerao Indstria e Comrcio Geo-Criptnia Ltda. e Geosphera
Licenciamentos Ambientais Ltda.
1996/2000 Curso de Doutorado pela Universidade Federal do Rio Grande do Sul UFRGS 42 crditos concludos (
mestrado + doutorado). Tese: interrompida
2004/2006 Professor da Faculdade Nossa Senhora de Ftima Caxias do Sul
2004 Curso de Georreferenciamento de Imveis Rurais. Cadastro INCRA: CDT Curso pela Universidade de Caxias
do Sul Convnio UFSM Santa Maria/RS.
2005 Curso de Autocad SENAC.
2005: Scio Gerente da Empresa Impacto Ambiental Ltda., em atividade.
1982/2006:Profissional Liberal na rea de Consultoria em Geologia; Topografia; Meio Ambiente e Georreferenciamento
de Imveis Rurais Cadastrado no INCRA; no IBAMA; na FEPAM; na SEMA:Secretaria do Meio Ambiente Municipal;
no CREA do Amazonas, com VISTO: no Rio Grande do Sul/ Rondnia/Par e Mato Grosso.
Realizao de Projetos de Disposio Final de Resduos Slidos Industriais e Domsticos;
Licenciamentos de Indstrias; Postos de Combustveis; Loteamentos; Pedreiras; Olarias; Fbrica de guas minerais;
Parques Termais; Parques de Lazer entre outros.
2007/2008 Especializao em Estatstica Aplicada 375 horas/aula Universidade de Caxias do Sul