Aula 03

Conhecimentos Especficos Mtodos Quantitativos Anatel
Aula 03 Varivel Aleatria

Prof. Alexandre Lima
Aula 03
Sumrio
1
Varivel Aleatria .................................................................................................................. 2

1.1
Definio ........................................................................................................................... 2
1.2
Funo Discreta de Probabilidade ........................................................................... 3
1.3
Funo de Distribuio de Probabilidade ............................................................. 5
1.4
Funes de Distribuio e de Densidade para Variveis Contnuas .......... 8
Valor Esperado ..................................................................................................................... 13

2.1
Mdia ................................................................................................................................ 13
2.2
Valor Esperado de Uma Funo de Varivel Aleatria.................................. 16
2.3
Varincia ......................................................................................................................... 17
Distribuies de Probabilidade ....................................................................................... 21

3.1
Distribuies Discretas .............................................................................................. 21
3.2
Distribuies Contnuas............................................................................................. 33
O Mnimo que Voc Precisa Saber ................................................................................ 51
Exerccios de Fixao ......................................................................................................... 54
Gabarito .................................................................................................................................. 63
Resoluo dos Exerccios de Fixao ........................................................................... 64
APNDICE ....................................................................................................................................... 87
1
www.pontodosconcursos.com.br | Prof. Alexandre Lima

Ol, tudo bem com voc?

Esta aula aborda os conceitos de varivel aleatria, valor esperado e as
principais distribuies de probabilidade. Estes tpicos so importantes para o
restante do nosso curso e para a sua prova.
Algumas questes do CESPE so resolvidas ao longo da exposio terica para
que voc possa ter uma ideia de como a matria poder ser cobrada na prova.
Vamos aula de hoje?
Varivel Aleatria
1.1
Definio
Uma varivel aleatria uma descrio numrica do resultado

de um experimento.
Por exemplo, considere o experimento contactar cinco clientes. Seja X a
varivel aleatria que representa o nmero de clientes que colocam um pedido
de compra. Ento os valores possveis de X so: 0, 1, 2, 3, 4 e 5.
Uma varivel aleatria X denominada discreta se assume valores num
conjunto contvel ou enumervel (como o conjunto dos nmeros inteiros ou
o conjunto dos nmeros naturais ), com certa probabilidade. Formalmente,
uma varivel aleatria uma funo, e no uma varivel propriamente
dita. A varivel aleatria do exemplo anterior discreta. Tambm so
exemplos de variveis aleatrias discretas:
Nmero de coroas obtido no lanamento de duas moedas;
Nmero de itens defeituosos

aleatoriamente, de um lote;
Nmero de defeitos em um carro que sai de uma linha de

produo.
em
uma
amostra
retirada,
Vejamos um outro exemplo. Considere o lanamento de duas moedas

mencionado acima. O espao amostral (isto , o conjunto de todos os
resultados possveis do experimento)
= {(cara, cara), (cara, coroa), (coroa, cara), (coroa, coroa)},
e os valores que a varivel aleatria X (nmero de coroas) pode assumir so
2

X = {0, 1, 2}.
Observe que o valor x = 0 est associado ao resultado (cara, cara), o valor x =
1 est associado aos resultados (cara, coroa) e (coroa, cara) e o valor x = 2
est associado ao resultado (coroa, coroa).
Uma varivel aleatria contnua uma funo que associa elementos do
espao amostral ao conjunto dos nmeros reais (conjunto no enumervel).
Exemplos de variveis aleatrias contnuas:
1.2
Tempo de resposta de um sistema computacional;
Volume de gua perdido por dia, num sistema de abastecimento;
Resistncia ao desgaste de um tipo de ao, num teste padro.
Funo Discreta de Probabilidade
A funo que atribui a cada valor de uma varivel aleatria discreta sua
probabilidade chamada de funo discreta de probabilidade ou,
simplesmente, funo de probabilidade
(1)
P[ X = xi ] = f ( xi )
i = 1,2,...
Uma funo de probabilidade satisfaz as seguintes:

i)
0 f(xi) 1 (porque no existe probabilidade negativa) e
ii)
i f(xi) = 1 ( a probabilidade do evento certo).
As variveis aleatrias discretas so completamente caracterizadas pela sua

funo de probabilidade.
Exemplo. Considere o lanamento de um dado no viciado. A probabilidade de
se obter um resultado de 1 a 6 igual a 1/6. O espao amostral = {1, 2,
3, 4, 5, 6}. A Fig. abaixo ilustra a funo de probabilidade f(xi) =1/6, i = 1, 2,
3, 4, 5, 6, da varivel aleatria X.
3

f(x)
1/6
1/6
1/6
1/6
1/6
1/6
Exemplo (BACEN-rea 3/FCC/2005). O nmero de televisores modelo M

vendidos diariamente numa loja uma varivel aleatria discreta (X) com a
seguinte distribuio de probabilidades:
X
P(x)
0
p
1
1,5p
2
1,5p
3
p
O preo unitrio de venda do televisor modelo M de R$ 1.000,00. Se num

determinado dia a receita de vendas referente a este modelo for inferior a R$
3.000,00, a probabilidade dela ser positiva
A) 20%
B) 30%
C) 50%
D) 60%
E) 75%
Resoluo
Muitas vezes, o fato de sabermos que certo evento ocorreu faz com que se
modifique a probabilidade que atribumos a outro evento. Denotamos por
P(A|B) a probabilidade do evento A, sabendo que B ocorreu, ou probabilidade
de A condicionada a B. Temos
P ( A | B) =
P( A B)
,
P ( B)
P ( B ) > 0.
A questo pede que se calcule a probabilidade de a receita de vendas num

dado dia ser positiva sabendo-se que ela inferior a R$ 3.000,00 naquele
mesmo dia, ou seja, deve ser calculada a probabilidade condicional
P(receita de vendas > 0 | receita de vendas < R$ 3.000,00).
4

Ora, a probabilidade acima igual probabilidade

P(X > 0 | X < 3) = P[(X > 0) (X < 3)]/ P(X < 3),
em que X a varivel aleatria que denota o nmero de televisores modelo M
vendidos diariamente.
Precisamos encontrar o valor da incgnita p para resolver a questo. Para tal,
usaremos a equao
P(X) = 1
Ento,
p + 1,5p + 1,5p + p = 1 p = 1/5 = 0,20
Assim:
X
P(x)
0
0,20
1
0,30
2
0,30
3
0,20
P[(X > 0) (X < 3)] = P(X = 1) + P(X = 2) = 0,30 + 0,30 = 0,60

P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) = 0,20 + 0,60 = 0,80
Logo,
P(X > 0 | X < 3) = P[(X > 0) (X < 3)]/ P(X < 3) = 0,60/0,80 = 3/4 =
75%
GABARITO: E
1.3
Funo de Distribuio de Probabilidade
A funo de distribuio de probabilidade (ou funo acumulada de

probabilidade) de uma varivel aleatria discreta X definida pela expresso
(2)
F ( x ) = P[ X x ] .
A figura a seguir mostra a funo de distribuio F(x) da varivel aleatria do

exemplo do lanamento de um dado no viciado.
5

F(x)
1
5/6
2/3
1/2
1/3
1/6
Observe que a amplitude do degrau em X = 1 igual a P(X = 1) = 1/6. A

amplitude do degrau em X = 2 igual a P(X = 2) = 1/6 (= 1/3 1/6). A
amplitude do degrau em X = 3 igual a P(X = 3) = 1/6 (= 1/2 1/3) e assim
por diante.
Propriedades de F(x)
1.
0 F(x) 1
2.
F(x = -) = limx - F(x) = 0
3.
F(x = +) = limx + F(x) = 1
4.
F(x) descontnua nos pontos X = x0 onde P(X=x0) 0, ou seja, nos
pontos X = x0 em que h saltos.
5.
F(x) contnua direita dos pontos X = x0 onde P(X=x0) 0.
6.
P(a < X b) = F(b) F(a)
7.
P(a X b) = F(b) F(a) + P(X = a)
8.
P(a < X < b) = F(b) F(a) P(X = b)
9.
F(x) uma funo no descrescente monotnica (*).
(*) P(a < X b) = F(b) F(a) 0, temos que F(x) no descrescente. Note
que F(x) uma funo no descrescente monotnica porque a curva descrita
por F(x) nunca decresce indo da esquerda para a direita (veja o grfico de F(x)
para a varivel aleatria do exemplo do lanamento de um dado no viciado).
6

Exemplo (BACEN-rea 3/Cesgranrio/2010). Se X uma varivel aleatria

descrita por uma funo conjunto de probabilidades PX(.), a funo de
distribuio de probabilidade de X, F(x) ter, entre outras, as seguintes
propriedades:
I - F(x) monotnica no decrescente;
II - limx- F(x) = 0 e limx F(x) = 0
III- F(x) contnua direita.
(So) correta(s) a(s) propriedade(s)
A) II, apenas.
B) I e II, apenas.
C) I e III, apenas.
D) II e III, apenas.
E) I, II e III.
Resoluo
Anlise das afirmativas:
I- F(x) monotnica no decrescente porque a curva descrita por F(x) nunca
decresce indo da esquerda para a direita. Afirmativa correta.
II- Afirmativa incorreta. A afirmativa correta seria:
limx- F(x) = 0 e limx F(x) = 1
III- Afirmativa correta, por definio: F(x) contnua direita dos pontos X =
x0 onde P(X=x0) 0.
GABARITO: C
7

1.4
Funes de Distribuio e de Densidade para Variveis Contnuas
Diz-se que f(x) uma funo contnua de probabilidade ou funo densidade

de probabilidade para uma varivel aleatria contnua X, se satisfaz duas
condies:
1.
2.
f(x) > 0 para todo x (-,);

a rea definida por f(x) igual a 1.
A condio 2 dada pela integral
(3)
f ( x)dx = 1 .
A figura a seguir ilustra uma funo densidade que satisfaz (3): f(x) = 1/T, em
que T uma constante, para T/2xT/2 e f(x) = 0 para os demais valores,
de maneira que a funo tem a forma de um pulso retangular. Observe que
f(x) deve ser igual a 1/T para T/2xT/2, pois a rea sob a funo densidade
unitria (como a base do pulso T, ento a altura do pulso deve ser 1/T,
para que a rea do pulso seja igual a 1).
f(x)
P(-T/2XT/2) = 1
(rea sob a funo f (x))
1/T
-T/2
-T/2
Para calcular probabilidades, temos que, para a b
8

(4)
P[a X b] = f ( x)dx .
a
A figura abaixo mostra o significado geomtrico de (4): a probabilidade

P(aXb) igual a rea sob f(x) no intervalo [a,b].
f(x)
P(aXb)
1/T
-T/2
-T/2
Observe que a probabilidade de ocorrncia de um dado valor isolado k

sempre nula, ou seja, P[x = k] = 0.
A funo de distribuio de uma varivel aleatria contnua X tambm
definida pela expresso (2), que pode ser posta na forma
(5)
F ( x) =
f ( ) d .
As prximas duas figuras ilustram, respectivamente, as funes densidade de

probabilidade e de distribuio de uma varivel aleatria normal (a expresso
matemtica da densidade normal ser fornecida mais adiante).
9

Densidade normal
0.45
0.4
0.35
f(x)
0.3
0.25
0.2
0.15
0.1
0.05
0
-3
-2
-1
Funo de distribuio normal

1
F(x)
0.8
0.6
0.4
0.2
0
-3
-2
-1
A funo densidade de probabilidade corresponde derivada da funo

distribuio em relao a x, ou seja, f(x) = dF(x)/dx = F(x).
Exemplo (BACEN-rea 2/Cesgranrio/2010/Adaptada). A varivel
aleatria contnua x tem a seguinte funo de densidade de probabilidade:
f ( x) =
x
k se 0 x 3 e f ( x) = 0 caso contrrio. Sendo k uma constante,
12
seu valor igual a

A) 1
B) 3/4
10

C) 2/3
D) -5/24
E) 1/12
Resoluo
Para determinar o valor de k, basta lembrar que a rea sob a funo densidade
de probabilidade igual a 1. Logo,
f ( x)dx = 1 .
Gostaramos de apresentar para vocs um bizu de integrao antes de

prosseguir com a resoluo da questo. De acordo com a frmula de NewtonLeibniz, temos que
b
g ( x)dx = F ( x)
= F (b) F (a),
em que F(x) = g(x), quando a x b. A funo F(x) denominada primitiva

de g(x).
Suponha que g(x) = x3, a=-1 e b=0. Logo, F(x) = x4/4, pois F(x) = 4x(4-1)/4 =
x3. Assim,
x4
x
dx
=
1
4
0
0 4 (1) 4
1
=
4
4
4
Podemos generalizar a integrao exemplificada acima para integrandos do

tipo g(x) = xn, em que n um valor inteiro:
b
x n +1
b n +1 a n +1
a g ( x)dx = a x dx = n + 1 = n + 1 n + 1 .
a
b
Vamos retornar para a resoluo? Precisamos substituir a funo f(x) na
integral
f ( x)dx = 1 . Note que f(x)=0 para x<0 e x>3.
0dx + 0 12 k dx + 3 0dx = 1
11

3
x
0 + k dx + 0 = 1
12
0
3
1
xdx k 1dx = 1
12 0
0
3
1 x2
3
k x 0 = 1
12 2 0
1 32 0 2
k (3 0) = 1
12 2 2
9
3k = 1
24
3k =
15
9
1 =
24
24
k=
5
24
GABARITO: D
Exemplo (Analista/SUSEP/2006/ESAF). Se a varivel X pode assumir um
conjunto infinito (contnuo) de valores, o polgono de freqncia relativa de
uma amostra torna-se uma curva contnua, cuja equao Y = p(X). A rea
total limitada por essa curva e pelo eixo dos X igual a 1 e a rea
compreendida entre as verticais X = a e X = b, sendo a < b e, ambos, contidos
na rea total da curva, a probabilidade de X cair neste intervalo a e b dada
por
A) P(a<X<b), composta pela soma de P(X=a) + P(X=b).
B) P(a<X<b), composta pela integral de P(X=a) at P(X=b).
C) P(a>X>b), composta pela soma de P(X=a) - P(X=b).
D) P(a>X>b), composta pela integral de P(X=a) at P(X=b).
E) P(a<X<b), composta pela P(X=b), de forma cumulativa at o ponto b.
Resoluo
Deve-se descartar as opes A, C e E, pois a probabilidade de X cair no
intervalo [a,b] dada pela seguinte integral (observe que o enunciado afirma
12

que (..) o polgono de freqncia relativa de uma amostra torna-se uma curva
contnua):
b
P(a X b) = p( x)dx
a
A opo D incorreta porque o sinal da desigualdade est trocado (P(a>X>b)

no lugar de P(a<X<b)). Logo, B a opo correta.
GABARITO: B
Valor Esperado
J dissemos que uma varivel aleatria completamente caracterizada (ou

especificada) pela sua funo de probabilidade. Isto quer dizer que temos toda
a informao acerca de X quando sabemos quem fX(x) (isto , quando
conhecemos a frmula de fX(x)). Na prtica, bastante comum no
conhecermos fX(x). Neste caso, como faramos para caracterizar X?
O fato que normalmente temos acesso a diversas observaes de uma
varivel aleatria e podemos nos aproveitar deste fato para tentar obter uma
descrio, ainda que parcial, da mesma. Uma maneira alternativa de
caracterizar uma varivel aleatria envolveria a obteno de estimativas de
alguns de seus momentos ou mdias estatsticas. Na prtica, os
momentos mais importantes so a mdia (momento de 1 ordem) e a
varincia (momento de 2 ordem). A mdia uma medida de posio de
fX(x), ao passo que a varincia uma medida de disperso (ou do grau de
variabilidade) de fX(x) (aprendemos este conceito na aula 0).
2.1
Mdia
A mdia (valor esperado ou esperana ou expectncia) uma medida de

posio de uma funo de probabilidade, servindo para localizar a funo sobre
o eixo de variao da varivel em questo. Em particular, a mdia
caracteriza o centro de uma funo de probabilidade. A mdia uma
caracterstica numrica de uma funo de probabilidade.
Se X for uma varivel aleatria discreta que pode tomar os valores x1, x2, ...,
xn com probabilidades f(x1), f(x2), ..., f(xn), ento a mdia de X definida por
(6)
E[ X ] = x1 f ( x1 ) + x 2 f ( x 2) + ... + x n f ( x n ) = xi f ( x i )
i =1
13

em que E denota o operador esperana matemtica. A mdia de X tambm

usualmente representada por X (leia-se X barra) ou pela letra grega
(leia-se mi).
J caiu em
UnB/2007)
prova!
(Administrador(a)
nmero de pedidos
0
1
2
3
4
5 ou mais
Jnior
Petrobrs/Cespe-
probabilidade
0,4
0,2
0,1
0,1
0,1
0,1
O departamento de recursos humanos de uma empresa recebe diariamente

uma quantdade aleatria X de pedidos de auxlio- transporte. Considerando a
tabela acima, que mostra a distribuio de probabilidade de X, julgue os itens
seguintes.
O nmero mdio de pedidos superior a 1,5.
Resoluo
E(X) = X.f(x) = (0 x 0,4) + (1 x 0,2) + (2 x 0,1) + (3 x 0,1) + (4 x 0,1) +
(5 x 0,1) = 1,6 > 1,5
Item correto.
GABARITO: C
O nmero de pedidos X igual a 1 com probabilidade igual a 0,6.
Resoluo
A tabela com a distribuio de probabilidades de X mostra que f(X=1) = 0,2.
Logo o item est errado.
Cabe ressaltar que P(X 1) = f(X = 0) + f(X=1) = 0,4 + 0,2 = 0,6.
Item errado.
GABARITO: E
14

MDIA DE UMA VARIVEL ALEATRIA DISCRETA X:

n
E[ X ] = x f ( x ) + x f ( x ) + ... + x f ( x ) = x f ( x )
1
i =1
Se a varivel aleatria discreta X puder tomar um nmero infinito de valores,

ento (6) pode ser generalizada na forma
E[ X ] = x1 f ( x1 ) + x 2 f ( x 2) + ... + x n f ( x n ) + ... = xi f ( xi ) .
(7)
O valor esperado de uma varivel aleatria contnua X com densidade de

probabilidade fX(x) dado pela integral
E[ X ] = xf ( x)dx .
(8)
(AFRFB/2009/ESAF/adaptada) A funo densidade de probabilidade de

uma varivel aleatria contnua x dada por:
3x 2 , 1 x 0
f ( x) =
c.c.
0,
Obs.: c.c. denota caso contrrio.
Para esta funo, a mdia de x, tambm denominada expectncia de x e
denotada por E(x) igual a:
A)
4
3
B)
3
4
C)
D)
3
4
3
x
4
15

E)
4
x
3
Resoluo
Primeiramente, devemos descartar as opes D e E, pois a mdia de uma
varivel aleatria um nmero. Observe que as opes apontadas so funes
de x e no nmeros!
O clculo da esperana E[x] da varivel aleatria contnua x feito pela
integrao
E[ X ] = xf ( x)dx .
Observe que a funo densidade de probabilidade nula para x < -1 e x > 0.

Logo o limite inferior da integral -1 e o superior 0. Portanto,
0
E[ X ] = x3 x 2 dx = 3x 3dx =3 x 3dx .
Como a primitiva da integral
x 3 dx x 4 / 4 , temos que
0
(1) 4
x4
3
=
E[ X ] = 3 = 30
4
4 1
4
GABARITO: C
MDIA DE UMA VARIVEL ALEATRIA CONTNUA X:
E[ X ] = xf ( x ) dx
2.2
Valor Esperado de Uma Funo de Varivel Aleatria
Seja X uma varivel aleatria discreta com funo de probabilidade fX(xi) e

g(X) uma funo de X. Ento o valor esperado de g(X)
16

(9)
E[ g ( X )] = g ( x i ) f X ( x i ) .
i
Caso X seja uma varivel aleatria contnua com densidade de probabilidade

fX(x), o valor esperado de g(X) dado por
(10) E[ g ( X )] =
g ( x) f
( x) dx .
Se g ( X ) = g 1 ( X ) + g 2 ( X ) , em que g1(X) e g2(X) tambm so funes de X, ento

vale
(11) E[ g ( X )] = E[ g 1 ( X )] + E[ g 2 ( X )] .
Relacionamos abaixo algumas propriedades importantes da esperana
matemtica E(.). Sejam a e c valores constantes e X uma varivel aleatria
(tanto faz se contnua ou discreta), ento valem:
2.3
E[c] = c a mdia de um nmero qualquer c o prprio nmero

c;
E[cX ] = cE[ X ] a mdia de uma varivel multiplicada por um

nmero igual ao nmero multiplicado pela mdia de X;
E[ a + cX ] = a + cE[ X ] a mdia da soma de um nmero qualquer a

com a varivel X multiplicada por um nmero qualquer c igual
soma do nmero a com a mdia de X multiplicada por c.
Varincia
Sejam X uma varivel aleatria (discreta ou contnua) e g ( X ) = [ X X ] 2 uma

funo de X. Define-se a varincia de X (denotada por var(X) ou X2 ) como o
valor esperado E[g(X)] dado por
(12) var( X ) = E[ g ( X )] = E[ X X ] 2 .
Note que
E[ X X ] 2 = E[ X 2 2 XX + X 2 ] = E[ X 2 ] E[2 XX ] + E[ X 2 ]
17

E[ X X ] 2 = E[ X 2 ] 2 XE[ X ] + E[ X 2 ]
(colocamos 2 X em evidncia no segundo termo do lado direito da igualdade)
E[ X X ] 2 = E[ X 2 ] 2 X 2 + X 2 = E[ X 2 ] X 2
var( X ) = E[ X 2 ] X 2
Varincia de X igual a mdia do quadrado de X (*)

subtrada da mdia de X ao quadrado.
(*) Tambm denominada mdia quadrtica de X.
VARINCIA DE X:
Var(X) = E(X2) E(X)2
Varincia de X = Mdia Quadrtica de X Quadrado da Mdia de X.
Sejam a e c constantes e Z = a + cX. Observe que Z uma transformao

linear de X, porque Z = a+cX define a equao de uma reta com declividade
c e intercepto a. No difcil demonstrar que vale a propriedade
(13) var(a+cX) = c2var(X).
A raiz quadrada positiva da varincia chamada de desviopadro ou erro-padro, sendo denotada pelo smbolo .
(AFRFB/ESAF/2009) A tabela mostra a distribuio de freqncias relativas
populacionais (f) de uma varivel X:
X
2
1
2
f'
6a
1a
3a
18

Sabendo que a um nmero real, ento a mdia e a varincia de X so,

respectivamente:
A) x = 0,5 e x2 = 3,45
B) x = 0,5 e x2 = 3,45
C) x = 0 e x2 = 1
D) x = 0,5 e x2 = 3,7
E) x = 0,5 e x2 = 3,7
Resoluo
Em primeiro lugar, deve-se eliminar a opo B, pois no existe varincia com
valor negativo. Assim, esta opo absurda.
Soma das Freqncias Relativas = 6a + 1a + 3a = 10a = 1.
Logo a = 0,1.
X
f'
2 6a = 6 x 0,1 = 0,6
1
1a = 1 x 0,1 = 0,1
2
3a = 3 x 0,1 = 0,3
Total
1
X2.f '
2,4
0,1
1,2
3,7
X.f '
-1,2
0,1
0,6
-0,5
Vimos que a mdia de uma varivel aleatria discreta calculada pela frmula
n
E[ X ] = x1 f ( x1 ) + x 2 f ( x 2 ) + ... + x n f ( x n ) = xi f ( xi )
i =1
Para a questo temos

E[ X ] = x1 f ( x1 ) + x 2 f ( x 2 ) + x3 f ( x n ) = 1,2 + 0,1 + 0,6 = 0,5
podemos eliminar as opes C e E (sobraram A e D).
A varincia dada por

var( X ) = X2 = E[ X 2 ] [ X ] 2
19

n
sendo que E[ X 2 ] = xi f ( xi ) = 2,4 + 0,1 + 1,2 = 3,7 (reparou que a opo D uma
2
i =1
pegadinha?).
Logo, X2 = 3,7 ( 0,5) 2 = 3,7 0,25 = 3,45 .
GABARITO: A
Exemplo (BACEN-rea 3/FCC/2006). Um empresrio, investindo em um
determinado empreendimento, espera ter os seguintes lucros em funo dos
cenrios Bom, Mdio e Ruim:
Cenrio
Lucro (R$)
Bom
Mdio
Ruim
R$ 8 000,00
R$ 5 000,00
R$ 2 000,00
Distribuio de
Probabilidades do Cenrio
0,25
0,60
0,15
A expectncia e a varincia do lucro so, em R$ e (R$)2, respectivamente,

A) 5 500,00 e 3 160,00
B) 5 300,00 e 3 510,00
C) 5 300,00 e 3 160,00
D) 5 000,00 e 3 510,00
E) 5 000,00 e 3 160,00
Resoluo
Expectncia: E(X)
Varincia:
E(X) =
Var(X) = E(X2) [E(X)]2
X.P(X) = 8 x 0,25 + 5 x 0,60 + 2 x 0,15 = 5,3 mil = 5.300,00

E(X2) = 82 x 0,25 + 52 x 0,60 + 22 x 0,15 = 31,6 mil
Var(X) = 31,6 5,32 = 3,51 mil = 3.510,00
GABARITO: B
20

Distribuies de Probabilidade
Daqui para frente, usaremos o termo distribuio como sendo sinnimo de

funo de probabilidade, o que usual na literatura da rea.
3.1
Distribuies Discretas
Distribuio de Bernoulli
Considere os seguintes experimentos:
uma moeda lanada: o resultado ou cara, ou no (ou seja, coroa);
um dado lanado: ou ocorre a face 6 ou no (neste caso, ocorre uma

das faces 1, 2, 3, 4 ou 5);
uma pessoa escolhida ao acaso dentre 10.000 ou no do sexo

feminino;
uma pea selecionada ao acaso de um lote contendo 1.000 peas: essa

pea defeituosa ou no.
Em todos os casos acima, estamos interessados na ocorrncia de uma

determinada caracterstica. Se essa caracterstica observada, ento temos a
ocorrncia de sucesso (cara, face 6, pessoa do sexo feminino e pea
defeituosa) ou fracasso (coroa, face diferente de 6, pessoa do sexo masculino
e pea no defeituosa).
Para cada experimento acima, podemos definir uma varivel aleatria X que
assume apenas dois valores: 1, se ocorrer sucesso, e 0, se ocorrer fracasso.
Indicaremos por p a probabilidade de sucesso, ou seja, P(sucesso) = P(X=1) =
p, 0<p<1. A probabilidade de fracasso P(X=0) = 1p = q.
Definio: a varivel aleatria X, que assume apenas os valores 0 e 1, com
funo de probabilidade f(x) tal que:
f ( x = 0) = P ( X = 0) = 1 p = q
(14)
f ( x = 1) = P( X = 1) = p
chamada varivel aleatria de Bernouilli.

Demonstra-se que:
21

E(X) = p;
Var(X) = p p2 = p(1p) = pq
x<0
0,
F ( x) = 1 p, 0 x 1
1
x 1
Exemplo. Um dado perfeito lanado: ou ocorre a face 6 ou no. Ento

teremos P(X=0) = q = 5/6 e P(X=1) = p = 1/6. A mdia E(X) = p = 1/6. A
varincia Var(X) = pq = (1/6).(5/6) = 5/36.
Nota: experimentos que resultam numa varivel aleatria de Bernoulli so
denominados ensaios ou tentativas de Bernoulli.
A Tabela a seguir fornece a mdia, a varincia e o desvio padro da
Distribuio de Bernoulli.
Tabela: Caracterizao da Distribuio de Bernoulli

Mdia
E( X ) = p
Varincia
Var ( X ) = pq
Desvio Padro
( X ) = pq
Distribuio Binomial
Considere os seguintes experimentos e variveis aleatrias:
1.
Jogue uma moeda 50 vezes. Seja X = nmero de caras obtidas.
2.
Nos prximos 30 nascimentos em uma maternidade, seja X = nmero de
nascimentos de meninos.
Cada um desses experimentos pode ser pensado como consistindo em uma
srie de tentativas de Bernoulli: 50 arremessos de moedas no experimento (1)
22

e 30 nascimentos de bebs no experimento (2). A varivel aleatria em cada

caso uma contagem do nmero de tentativas que satisfazem um
determinado critrio. O resultado de cada tentativa satisfaz ou no o critrio
que X conta; por conseguinte, cada tentativa pode ser sumarizada como
resultando em um sucesso ou um fracasso (falha ou insucesso),
respectivamente. Por exemplo, sucesso, no experimento (1), a obteno de
cara no lanamento da moeda. No experimento (2), o nascimento de uma
menina um fracasso.
Como j visto, uma tentativa com somente dois resultados possveis
denominada ensaio de Bernoulli. Considera-se que as tentativas que
constituem o experimento aleatrio sejam independentes. Ou seja, o resultado
de uma tentativa no tem efeito sobre o resultado da tentativa seguinte. Alm
disso, admitimos que a probabilidade de um sucesso em cada tentativa seja
constante.
Definio:
Um experimento aleatrio, consistindo em n repetidas tentativas, de modo que
(1) as tentativas sejam independentes,
(2) cada tentativa resulte em somente dois resultados possveis, designados
por sucesso e fracasso,
(3) a probabilidade de um sucesso em cada tentativa seja p
chamado de experimento Binomial. A varivel aleatria X, que conta o
nmero de sucessos em n tentativas, tem distribuio binomial com
parmetros p e n. A funo de probabilidade de X (distribuio binomial)
(15)
n
f ( x) = p x (1 p ) n x ,
x
x = 0,1,2,..., n
Se fizermos (1-p) = q ( a probabilidade de insucesso em uma tentativa) em

(15), obtemos
(16)
n
f ( x) = p x q n x ,
x
x = 0,1,2,..., n .
Alguns autores optam por definir a distribuio binomial (15) como a

probabilidade de se ter k sucessos em n tentativas:
n
P( X = k ) = p k (1 p ) n k .
k
23

A figura a seguir mostra a distribuio da Binomial para n=10 e p=1/2.
0.25
Binomial: n=10 e p=1/2
0.2
0.15
0.1
0.05
0
0
10
A distribuio binomial uma extenso direta da Distribuio de Bernoulli,

uma vez que o experimento aleatrio que caracteriza a binomial nada mais
do que um Experimento de Bernoulli repetido n vezes.
Distribuio Binomial.
Tabela: Caracterizao da Binomial

Mdia
E ( X ) = np
Varincia
Var ( X ) = npq
Desvio Padro
( X ) = npq
Exemplo. A probabilidade de obter exatamente 2 caras em 6 lanamentos de

uma moeda no viciada (n=6, p=0,5)
6
6 5 4 3 2 1
P ( X = 2) = f ( x = 2) = 0,5 2 0,5 4 =
0,25 0,625 = 0,2344 .
(4 3 2 1) (2 1)
2
24

Exemplo. A probabilidade de obter pelo menos 5 caras em 6 lances de uma

moeda no viciada
6
6
P(X=5 ou X=6) = = f (5) + f (6) = 0,5 5 0,5 + 0,5 6 0,5 0 = 0,0938 + 0,0156 = 0,1094.
5
6
Exemplo (ICMS-RJ/2010/FGV). 40% dos eleitores de uma certa populao

votaram, na ltima eleio, num certo candidato A. Se cinco eleitores forem
escolhidos ao acaso, com reposio, a probabilidade de que trs tenham
votado no candidato A igual a:
A) 12,48%.
B) 17,58%.
C) 23,04%.
D) 25,78%.
E) 28,64%.
Resoluo
A probabilidade de que trs eleitores tenham votado no candidato A (k=3
sucessos) em n=5 tentativas, sendo p=0,4 (probabilidade de sucesso),
dada pela distribuio binomial
n
P( X = k ) = p k (1 p ) n k
k
Logo,
5
P ( X = 3) = 0,4 3 (1 0,4) 2 = 23,04%
3
GABARITO: C
Exemplo (BACEN-rea 3/Cesgranrio/2010). Sobre variveis aleatrias,
considere as afirmaes a seguir.
I - Para toda e qualquer varivel aleatria, sua funo de densidade de
probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel
aleatria considerada, exceto no caso de variveis aleatrias contnuas, para
as quais a probabilidade de ocorrncia de um valor especfico zero.
25

II - A esperana matemtica (expectncia) de uma varivel aleatria discreta,

ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida
como um n-avos do somatrio dos valores possveis dessa varivel
multiplicados por suas respectivas probabilidades.
III- A distribuio binomial uma extenso direta da Distribuio de Bernoulli,
uma vez que o experimento aleatrio que caracteriza a binomial nada mais
do que um Experimento de Bernoulli repetido n vezes.
correto APENAS o que se afirma em
A) II.
B) III.
C) I e II.
D) I e III.
E) II e III.
Resoluo
Anlise das afirmativas:
I- No correto afirmar que
Para toda e qualquer varivel aleatria, sua funo de densidade de
probabilidade fornece a probabilidade de ocorrncia de cada valor da
varivel aleatria considerada (...)
A afirmativa correta seria:
Para uma varivel aleatria discreta, sua funo de probabilidade fornece
a probabilidade de ocorrncia de cada valor da varivel aleatria
considerada (...)
Ou seja, incorreto afirmar que uma varivel aleatria discreta possui uma
funo densidade de probabilidade. Este tipo de funo s definida para
variveis aleatrias contnuas.
Vamos aproveitar a oportunidade para formalizar o conceito de funo de
probabilidade. Seja x um valor da varivel aleatria X e f(x) a probabilidade de
X tomar o valor x. Ento o conjunto {xi, f(xi), i=1,2,...,n} denominado
funo de probabilidade (*) da varivel aleatria X (**).
(*) Na literatura, bastante comum o uso da terminologia distribuio de
probabilidades no lugar de funo de probabilidade.
26

(**) A definio apresentada rigorosa. Contudo, comum (e no

considerado errado!) chamar f(x) de funo de probabilidade.
II- Afirmativa incorreta. A afirmativa correta seria:
A esperana matemtica (expectncia) de uma varivel aleatria discreta,
ou seja, seu valor esperado, a mdia dessa varivel aleatria, que
definida como o somatrio dos valores possveis dessa varivel
multiplicados por suas respectivas probabilidades
III- Afirmativa correta. Sem maiores comentrios.
GABARITO: B
Distribuio de Poisson
A distribuio de Poisson com parmetro a (a > 0) dada por
(17)
f ( x) = e
ax
x!
x = 0,1,2,3... .

Distribuio de Poisson.
Tabela: Caracterizao da Poisson

Mdia
E( X ) = a
Varincia
Var ( X ) = a
Desvio Padro
(X ) = a
Repare que a mdia igual a varincia, e que ambas so iguais ao

parmetro a.
Com a = em (17), em que o nmero mdio de eventos por unidade
da grandeza e o tamanho do intervalo (t, t+), a probabilidade de
ocorrerem x eventos em
(18)
f ( x) = e
( ) x
,
x!
0, x = 0,1,2,3... .
27

A Eq. (18) caracteriza o processo de contagem de Poisson, o qual

apropriado para aplicaes que envolvam a contagem do nmero de vezes que
um evento aleatrio ocorre em um dado intervalo de tempo, distncia, rea,
etc. Algumas aplicaes que envolvem a distribuio de Poisson incluem o
nmero de clicks por segundo de um contador Geiger, o nmero de pessoas
que entram em uma loja em uma hora e o nmero de falhas por 1.000 metros
de fita de vdeo.
Neste ponto, estamos prontos para apresentar a definio formal da Lei ou
Distribuio de Poisson, o que ser feito a seguir.
Seja a contagem do nmero de ocorrncias de eventos no intervalo (t, t+). Se
o intervalo puder ser dividido em subintervalos suficientemente pequenos tal
que
(1) a probabilidade de mais de uma contagem em um subintervalo seja zero,
(2) a probabilidade de uma contagem em um subintervalo seja a mesma para
todos os subintervalos e proporcional ao comprimento do subintervalo e
(3) a contagem
subintervalos,
em
cada
subintervalo
seja
independente
de
outros
ento esse experimento aleatrio ser designado por processo de Poisson.

Se o nmero mdio de contagens no intervalo for a > 0, a varivel aleatria X,
que representa o nmero de contagens no intervalo, ter uma distribuio de
Poisson, com parmetro a, dada por (17).
De forma geral, a grandeza t do intervalo (t, t+) pode representar tempo,
volume, distncia, etc. Ou seja, o processo de Poisson no necessariamente
um processo de contagem no tempo.
Nota: bastante comum encontrarmos a seguinte definio para a Lei
(distribuio) de Poisson:
f ( x) = e
x
x!
x = 0,1,2,3...
Observe que a frmula acima pode ser obtida a partir de (17) fazendo-se a =
. Neste caso, subentende-se que o intervalo de contagem unitrio, ou seja,
= 1. A Tabela a seguir fornece a mdia, a varincia e o desvio padro da
Distribuio de Poisson com parmetro .
28

E( X ) =
Mdia
Varincia
Var ( X ) =
Desvio Padro
(X ) =
A figura a seguir representa a distribuio de Poisson com = 5 (utilizamos a

definio f ( x) = e x / x! ).
0.18
Poisson, =5
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0
10
15
Exemplo. Suponha que o nmero de falhas em um fio delgado de cobre siga a

distribuio de Poisson, com uma mdia de 2,3 falhas por milmetro. Calcule a
probabilidade de existirem exatamente 2 falhas em 1 milmetro de fio.
Dados: = 2,3 falhas/mm.
P ( X = 2) = f ( 2) = e 2 , 3
2,3 2
= 0,2652.
2!
Exemplo. Considerando os dados do exemplo anterior,

probabilidade de ocorrerem 10 falhas em 5 milmetros de fio.
determine
= 2,3 falhas/mm; = 5mm = a = 11,5 falhas.

P( X = 10) = e 11,5
11,510
= 0,1129.
10!
Exemplo (AFRFB/ESAF/2009). O nmero de petroleiros que chegam a uma

refinaria ocorre segundo uma distribuio de Poisson, com mdia de dois
29

petroleiros por dia. Desse modo, a probabilidade de a refinaria receber no

mximo trs petroleiros em dois dias igual a:
A)
32 4
e
73
B)
3 4
e
71
C)
71 4
e
3
D)
71 3
e
3
E)
32 2
e
3
Resoluo
Aprendemos que a distribuio de Poisson pode ser dada por
f ( x) = e
( ) x
,
x!
0, x = 0,1,2,3... .
em que denota a taxa mdia de ocorrncia dos eventos por unidade de

tempo e o tamanho do intervalo (t, t+).
Dados da questo:
- = dois petroleiros por dia;
- = 2 dias.
Portanto, = 2 x 2 = 4 petroleiros. A probabilidade de a refinaria receber no
mximo trs petroleiros em dois dias, denotada por P(X3), dada por
P(X3) = f(0) + f(1) + f(2) + f(3)
P( X 3) = e 4
40
41
42
43
16 64 71
+ e 4
+ e 4
+ e 4
= e 4 1 + 4 + + = e 4
0!
1!
2!
3!
2
6 3
GABARITO: C
Exemplo (ICMS-SP/FCC/2009). O nmero de pessoas que chega ao guich
de uma repartio pblica para autuao de processos apresenta uma
distribuio de Poisson a uma taxa de duas pessoas por minuto. A
30

probabilidade de que nos prximos 2 minutos chegue pelo menos uma pessoa
neste guich
A) (e4 - 1).e-4
B) 4e
Observao:
-4
e = 2,71828...
C) (e4 - 4).e-4
D) 2[(e2 - 1)].e-2
E) (e2 - 2).e-2
Resoluo
A distribuio de Poisson com parmetro a (a > 0) dada por
f ( x) = e a
ax
x!
x = 0,1,2,3... .
Com a = , em que o nmero mdio de eventos por unidade da

grandeza e o tamanho do intervalo (t, t+), a probabilidade de
ocorrerem x eventos em
f ( x) = e
( ) x
,
x!
0, x = 0,1,2,3... .
Dados: = 2 pessoas/minuto, = 2 minutos = 4 pessoas.

A probabilidade de que nos prximos 2 minutos chegue pelo menos uma
pessoa dada por:
P(X 1) = 1 P(X = 0)
P ( X = 0) = f ( 0) = e
( 2) 0
= e 4 P ( X 1) = 1 e 4 = e 4 (e 4 1) .
0!
GABARITO: A
Comportamento Assinttico da Lei Binomial: Lei de Poisson
Suponha n>>1 (isto , que n seja grande), p<<1 (probabilidade de sucesso
prxima de zero), mas de tal forma que np permanea constante, digamos np
= a, na distribuio binomial (probabilidade de obter k sucessos em n
tentativas). Neste caso, obtemos
31

n k
ak a
nk
p (1 p)
1
k! n
k
nk
em que foi usada a aproximao n (n 1)...( n k 1) n k . No limite, para n ,

p 0 (admitindo-se k<<n), obtemos
ak a
1
k! n
n k
a k a
e .
k!
Este resultado mostra que a distribuio Binomial pode ser aproximada

pela Distribuio de Poisson quando n>>1, p<<1, np=a.
Exemplo. Dez por cento das peas produzidas por um determinado processo
de fabricao so defeituosas. Qual a probabilidade de, em uma amostra de
10 peas escolhidas ao acaso, exatamente duas serem defeituosas?
Probabilidade de uma pea ser defeituosa = p = 0,1
Clculo pela Binomial
10
10! 2 8
0,1 0,9 = 0,1937.
P ( X = 2) = f (2) = 0,12 0,9 8 =
8!2!
2
Clculo por Poisson

Dados: n = 10 >> 1; p = 0,1 << 1; np = a = 1
12
1
1
P( X = 2) = f (2) = e 1 =
0,1840. Em geral,
2! 2e 2,718
quando p 0,1 e a = np 5.
aproximao
boa
Exemplo (SUSEP-Aturia/ESAF/2010). Qual o limite de f(x) = Cn,x px(1p)n-x, onde x =0,1,2,,n, quando n , p 0, e np .
A) f(x) = (2)-1/2 exp(-(x - )2/2).
B) f(x) = e-x/x!.
C) f(x) = e-x//.
D) f(x) = e-x.
E) f(x) = exp(-) x/x!.
Resoluo
32

Esta questo aborda o comportamento assinttico da Lei Binomial (lei de

Poisson).
Suponha n >> 1 (isto , que n seja grande), p << 1 (probabilidade de sucesso
prxima de zero), mas de tal forma que np permanea constante, digamos np
= , na distribuio binomial
n
f ( x) = p x (1 p ) n x ,
x
x = 0,1,2,..., n
Portanto,
n x
1
p (1 p ) n x x 1
x! n
x
n x
em que n(n 1)...( n k + 1) n k . No limite, para n , p 0 (admitindo-se k <<

n), obtemos
1 x
1
x! n
n x
x
e .
x!
O resultado acima mostra que a distribuio Binomial pode ser

aproximada pela Distribuio de Poisson quando n >> 1, p << 1, np=.
GABARITO: B
A distribuio Binomial pode ser aproximada pela

distribuio de Poisson com parmetro quando n >> 1,
p << 1, np=
.
3.2
Distribuies Contnuas
Distribuio Uniforme
Uma varivel aleatria contnua X com uma funo densidade de probabilidade
(19)
f ( x) =
1
,
ba
a xb
33

tem distribuio uniforme (veja a figura a seguir).
f(x)
1/(b-a)
A mdia de uma varivel aleatria uniforme

b
(20) E ( X ) =
0,5 x 2
x
a+b
.
dx =
=
ba
2
b a a
A varincia de X
(21) var( X ) =
1
(b a ) 2 2
a + b
f X ( x)( x E ( X )) dx = a b a x 2 dx = 12 = 12 .
b
em que = (b a).
Nota: os limites inferior e superior da integral de (21) so a e b
respectivamente, porque a funo densidade de probabilidade nula para x <
a e x > b. Observe que
2
1
1
1
1
a + b
a + b
a + b
a b a x 2 dx = b a a x 2 dx = b a 3 x 2
b
=
a
(b a ) 2
12
Exemplo. Uma varivel aleatria contnua X representa a corrente medida em

um fio delgado de cobre em miliampres. Assuma que a faixa de X seja [0, 40
mA]. Qual a probabilidade da medida da corrente estar entre 10 e 20 mA?
f ( x) =
1
1
=
= 0,025
b a 40
34

20
P(10 X 20) = 0,025dx = 0,025 [x ]10 =0,025 (20 10) = 0,25.

20
10
A Tabela a seguir sumariza a mdia, a varincia e o desvio padro da

Distribuio Uniforme X para a x b .
Tabela: Caracterizao da Distribuio Uniforme
Mdia
Varincia
Desvio Padro
E( X ) =
a+b
2
(b a )
Var ( X ) =
12
(X ) =
(b a )
12
(AFPS/ESAF/2002) A varivel aleatria X tem distribuio uniforme no

intervalo (0, ), onde uma constante maior do que 0,5. Determine o valor
de tal que F(0,5) = 0,7, sendo F(x)a funo de distribuio de X.
A) 3/4
B) 1/4
C) 1
D) 5/7
E) 1/2
Resoluo
O enunciado define a distribuio uniforme ilustrada pela figura abaixo.
35

f(x)
P(X<0,5) = 0,7
1/
0,5
Sabemos que
F(0,5) = P(X 0,5) = 0,7 rea sob a curva uniforme entre x = 0 e x = 0,5.
Como > 0,5, a rea remanescente sob a uniforme, ou seja, a rea sob a
curva entre x = 0,5 e x = , deve ser igual a 1 0,7 = 0,3, pois F() = P(X
) = 1.
Ento,
( 0,5)
= 0,3 0,5 = 0,3 0,3 = 0,5 0,2 = 0,5 = 5 / 7
GABARITO: D
Distribuio Normal
Uma varivel aleatria tem distribuio normal com parmetros e 2 se sua
funo densidade dada por
(22)
f ( x) =
( x )2
2 2
< x < .
No fique assustado com a frmula acima. Voc no precisar decor-la para a

prova, pois os exerccios que envolvam a distribuio normal sero resolvidos
com o auxlio de uma tabela de probabilidades, como ser visto mais adiante.
36

0.45
normal padro
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-3
-2
-1
Neste curso, usaremos a notao X N(, 2) para indicar que X tem

distribuio normal com parmetros e 2. A figura acima mostra a curva
normal padro. Repare que o seu formato parecido com o de um sino.
A distribuio normal possui as seguintes propriedades:
f(x) simtrica em relao a ;
f(x) tende a zero quando x ;
o valor mximo de f(x) se d em x = .
Demonstra-se que os parmetros e 2 denotam a mdia e a varincia da

distribuio normal, respectivamente.
Considere X N(, 2) e seja a nova varivel
Z = (X )/.
Demonstra-se que Z tem mdia zero e varincia 1. No fcil mostrar que Z
tambm tem distribuio normal, ou seja, Z N(0, 1). Isso no ser feito
neste curso. Diz-se que Z tem distribuio normal padro ou normal
reduzida. Esta distribuio muito importante para a prova.
37

f(x)
normal
3 2
+2 +3
68,
68 ,27%
27 %
95,
95,45%
45%
99,
99,73%
73 %
Da simetria de f(x), resulta que

P(X > ) = P(X < ) = 0,5.
A figura acima mostra que:
- o intervalo (-, +) contm 68,27% dos valores da distribuio normal;
- o intervalo (-2, +2) contm 95,45% dos valores da distribuio normal.
- o intervalo (-3, +3) contm 99,73% dos valores da distribuio normal.
A funo de distribuio acumulada de uma varivel aleatria normal padro
usualmente denotada por (z). Ressaltamos que
(z) = P(Z z) = 1/2 + P(0 Z z).
O apndice desta aula contm tabelas auxiliares que fornecem os valores das
seguintes probabilidades:
i)
P(Z>Zc) = 1 - (Zc) (Tabela I)
ii)
P(0 Z Zc) = 1/2 - (Zc) (Tabela II)
D uma olhada nas tabelas auxiliares da normal padro; importante que

voc esteja familiarizado com o uso das tabelas!
38

Exemplo. Seja a varivel aleatria normal padro Z e as tabelas auxiliares da

normal.
(1) Calcule P(Z>1,26).
A Tabela II do apndice da normal reduzida indica que P(0Z1,26) = 0,3962
= 39,62%. Logo, P(Z>1,26) = 1 - (1,26) = 1 (0,5 + 0,3962) = 1 0,8962
= 0,1038 (veja a figura a seguir). A Tabela I nos d esse resultado de forma
direta, pois P(Z>1,26) = 0,1038.
normal
padro
f(z)
0
50%
50 %
1 ,26
39,
39 ,62%
62%
10,
10, 38%
38%
(2) P(Z<-0,86) = 0,5 P(0<Z<0,86) = 0,5 0,3051 = 0,1949.

(3) P(-1,25<Z<0,37) = P(0<Z<1,25) + P(0<Z<0,37) = 0,3944 + 0,1443 =
0,5387. Forma alternativa de clculo: P(-1,25<Z<0,37) = (0,37) (-1,25)
= (0,5 + 0,1443) (0,5 0,3944) = 0,6443 0,1056 = 0,5387.
(4) P(-1,96<Z<1,96) = 2 x P(0<Z<1,96) = 2 x 0,475 = 95%.
Ateno: podemos generalizar o resultado (4) para qualquer varivel aleatria
normal X com mdia e desvio padro :
P( - 1,96< X < + 1,96) = 95%

O resultado obtido acima ser muito utilizado para resolver questes de
Estatstica que envolvam a distribuio normal (vide figura a seguir).
39

normal
f(x)
1,96
+1 ,96
95%
95 %
X V. A. Normal com mdia e varincia 2

X ~ N(
,
2)
FRMULA DA NORMAL PADRO OU REDUZIDA Z:
Z=
Exemplo (APOFP-SP/FCC/2010/Adaptada). Instrues: para resolver s

prximas duas questes utilize as informaes abaixo referentes distribuio
normal padro Z:
z
P(0<Z<z)
1,00
0,34
1,25
0,39
1,50
0,43
1,75
0,46
2,00
0,48
2,25
0,49
Os salrios dos empregados de uma determinada categoria profissional

apresentam uma distribuio normal com mdia igual a R$ 1.200,00 e desvio
padro igual a R$ 160,00. A proporo dos empregados com salrios
superiores a R$ 1.000,00 e inferiores a R$ 1.520,00
40

A) 98%
B) 96%
C) 92%
D) 89%
E) 87%
Resoluo
De acordo com o enunciado, a distribuio dos salrios dos empregados
(varivel X) normal com parmetros = 1.200 (mdia) e = 160 (desvio
padro). Pede-se a proporo dos empregados com salrios superiores a R$
1.000,00 e inferiores a R$ 1.520,00, ou seja, a probabilidade
P[1.000<X<1.520].
Seja a nova varivel Z = (X - )/, em que Z a normal padro. Aprendemos
que
P[1.000<X<1.520] = P[(1.000-1.200)/160<Z<(1.520-1.200)/160],
P[1.000<X<1.520] = P[-1,25<Z<2,00] = P[-1,25<Z<0] + P[0<Z<2,00].
A Tabela II da normal padro fornece a seguinte probabilidade:
- P[0<Z<1,25] = 0,39. Mas P[0<Z<1,25] = P[-1,25<Z<0], pois a normal
padro simtrica em relao origem z =0.
- P[0<Z<2,00] = 0,48.
Assim, P[1.000<X<1.520] = 0,39 + 0,48 = 0,87 = 87%
GABARITO: E
A distribuio das medidas dos cabos fabricados por uma indstria
considerada normal. Sabe-se que 7% dos cabos medem no mximo 2,4
metros e apenas 2% medem no mnimo 16,4 metros. A mdia das medidas
destes cabos igual a
A) 9,4 metros.
B) 8,4 metros.
C) 8,2 metros.
D) 8,0 metros.
E) 7,8 metros.
41

Resoluo
Foram dadas as seguintes probabilidades: P(X<2,4) = 0,07 e P(X>16,4) =
0,02. razovel supor que a banca tenha fornecido dois valores extremos da
normal (x1=2,4 e x2=16,4) e que a mdia esteja situada em algum valor entre
os dois extremos (uma rpida olhada nas opes confirma essa suspeita!).
De acordo com a tabela, P(0<Z<1,5) = 0,43 = P(-1,5<Z<0) (lembre que a
normal simtrica). Logo, P(Z<-1,5) = 0,5 - P(-1,5<Z<0) = 0,5 0,43 =
0,07, o que nos leva a afirmar (sem medo de errar!) que z=-1,5 o valor
transformado de x=2,4. Similarmente, P(Z>2,0) = 0,5 - P(0<Z<2,0) = 0,5
0,48 = 0,02, e isto indica que z=2,0 corresponde ao valor reduzido de x=16,4.
A mdia das medidas dos cabos ento determinada resolvendo-se o
seguinte sistema de equaes:
(1)
(2,4-)/ = -1,5
(2)
(16,4-)/ = 2,0
A soluo do sistema : = 8,4; =4,0.

COMENTRIOS ADICIONAIS
O fato dos erros associados s medies serem bem modelados pela
distribuio normal um dos motivos de sua grande popularidade. Alm disso,
a distribuio da soma de um grande nmero de observaes
independentes e identicamente distribudas tende para a distribuio
normal. Este teorema, denominado Teorema Central do Limite, ser
apresentado de forma mais detalhada em outra aula.
GABARITO: B
J caiu em prova! (Administrador(a) Jnior Petrobrs/CESPEUnB/2007) Considere que a vazo V de um oleoduto seja uma varivel
aleatria que siga uma distribuio normal com mdia igual a 1.000 m3 por dia
e desvio-padro igual a 500 m3 por dia. Nessa situao, julgue os itens
subseqentes.
V 1.000
m3 segue uma distribuio normal com mdia zero e
100
desvio-padro igual a 5.
A quantidade
Resoluo
42

Sabemos que a quantidade X =

seja, N(=0, 2=1) .
V 1.000
tem distribuio normal padro, ou
500
V 1.000 V 1.000
tambm tem distribuio
=
500
100
normal. Precisamos calcular a mdia e a varincia da nova varivel Y.
Ento a quantidade Y = 5 X = 5
Mdia de Y: E(Y) = E(5X) = 5E(X) = 5 x 0 = 0 a mdia de Y igual a

mdia de X.
Varincia de Y: Var(Y) = Var(5X) = 52.Var(X) = 25.1 = 25.
Concluso: Y tem distribuio N( = 0, 2 = 25). Se Var(y) = 25 Y = 5.
GABARITO: CERTO
Propriedade reprodutiva da Distribuio Normal: se X1, X2, ..., Xn forem
variveis aleatrias normais e independentes, com E(Xi) = i e Var(Xi) = 2i
para i =1, 2, ..., n, ento
Y = c1X1 + c2X2 + ... + cnXn
em que c1, c2, ..., cn so constantes, ser uma varivel aleatria normal com
mdia
E(Y) = c11 + c22 + ... + cnn
e varincia
Var(Y) = c12 21 + c22 22 + ... + cn2 2n.
Faa c1, c2, ..., cn = 1
Y = X1 + X2 + ... + Xn.
Ento a mdia da soma de n variveis normais e independentes igual soma
das n mdias individuais
E(Y) = 1 + 2 + ... + n,
e a varincia da soma de n variveis normais e independentes igual soma
das varincias individuais
Var(Y) = 21 + 22 + ... + 2n.
43

Aproximao da Binomial pela Normal

Seja a Distribuio Binomial (15). Vimos que a varivel aleatria binomial X
conta o nmero de sucessos em n tentativas. A probabilidade de sucesso em
uma tentativa p e a probabilidade de insucesso q = 1p. Aprendemos que
a varincia de X igual a npq e a mdia de X np.
Se n grande e se p e q no esto muito prximos de zero, ento a
distribuio binomial bem aproximada por uma distribuio normal padro
em que a varivel transformada dada por
Z=
X E ( X ) X np
=
.
(X )
npq
Na prtica, a aproximao muito boa se np e nq forem maiores que 5.

A aproximao da binomial pela normal importante e ser usada nas aulas
de inferncia estatstica.
Aproximao da Binomial X pela Normal Reduzida Z:
X E ( X ) X np
Z=
=
(X )
npq
Distribuio Qui-quadrado
A distribuio qui-quadrado com parmetro n>0 (n um inteiro) de uma
varivel aleatria X definida pelo modelo contnuo
(23)
f ( x) = K x
em que K =
n2
2
n/ 2
e x/ 2 para x 0 ( f ( x ) = 0 para x < 0)
1
e (.) a funo gama.
(n/ 2)
44

No se assuste com a frmula (23). Voc no precisa decorar essa expresso

porque ela no cair na prova! Ns a colocamos nesta aula para que voc
saiba que a distribuio qui-quadrado possui uma expresso analtica. Na
prova, ser dada uma tabela de valores da qui-quadrado, caso haja alguma
questo que envolva o uso dessa distribuio. Entretanto, no faremos uso da
tabela da qui-quadrado nesta aula, pois esta distribuio ser bastante
explorada em aulas posteriores (veremos que ela tem um papel relevante na
Inferncia Estatstica).
A Eq. (23) define a famlia das distribuies qui-quadrado com n graus de
liberdade , usualmente representada por n2 .
A distribuio qui-quadrado est relacionada distribuio normal. Sejam as
observaes X1, X2, ..., Xn provenientes de uma populao normal de mdia
e desvio-padro 2. Ento a transformao
2
n
X
= i
= Z i2
i =1
i =1
n
(24)
2
n
tem distribuio qui-quadrado com n graus de liberdade. Note que a varivel Zi

em (24) a varivel aleatria normal padro. Logo, a varivel 2n a soma dos
quadrados de n variveis aleatrias normais padronizadas. No fique
preocupado em entender (24) neste momento, pois a relao entre a quiquadrado e a normal ser vista em detalhe nas aulas de Inferncia Estatstica.
A figura a seguir ilustra grficos de densidades qui-quadrado com 1, 3, 6 e 10
graus de liberdade (curvas azul, preta, vermelha e rosa, respectivamente).
0.9
X
0.8
0.7
X6
X10
0.6
0.5
0.4
0.3
0.2
0.1
0
0
10
15
20
25
45


distribuio qui-quadrado com n graus de liberdade.
Tabela: Caracterizao da Distribuio Qui-quadrado
Mdia
E( X ) = n
Varincia
Var ( X ) = 2n
Desvio Padro
( X ) = 2n
Distribuio t de Student
A distribuio t de Student com n graus de liberdade dada por
(25)
x2
f ( x) = K st 1 +
n
em que K st =
n +1
[(n + 1) / 2]
(n/ 2) n
Na prova, tambm dever ser dada a tabela de valores da distribuio t de

Student caso haja alguma questo que envolva o uso dessa distribuio. No
trabalharemos com a tabela da t de Student neste momento, pois este tpico
ser visto quando estudarmos a Inferncia Estatstica. A figura a seguir mostra
os grficos da distribuio t de Student para 1, 10 e 20 graus de liberdade
(curvas azul, verde e vermelha, respectivamente). Note que o formato da t de
Student se aproxima da normal (curva preta tracejada) conforme aumenta o
nmero de graus de liberdade.
46

0.4
normal
t1
0.35
t10
0.3
t20
0.25
0.2
0.15
0.1
0.05
0
-3
-2
-1
Veremos posteriormente por que a distribuio t de Student relevante no

estudo da Estatstica Indutiva. Mas bom que voc comece a se familiarizar
com variveis aleatrias do tipo t de Student desde j. Como elas surgem na
Estatstica? Esta pergunta ser respondida de forma sucinta a seguir.
Considere um conjunto de n valores retirados de uma populao normal de
mdia e desvio-padro . Defina a varivel
t=
X
,
S/ n
em que X e S denotam a mdia aritmtica e o desvio-padro das n

observaes, respectivamente. Veremos que a distribuio de t no normal,
apesar da frmula acima ser similar da normal reduzida. De fato, trata-se de
uma varivel com distribuio t de Student. Esta distribuio simtrica e tem
mdia nula, assim como a normal padro.
Distribuio F de Snedecor
Define-se a varivel F com n1 graus de liberdade no numerador e n2 graus de
liberdade no denominador, ou simplesmente, Fn1 ,n2 , por
(26) Fn1,n2 =
2 /n1
n
/n 2
2
47

onde n2i designa uma varivel aleatria com distribuio qui-quadrado com ni
graus de liberdade. A figura abaixo mostra a densidade F3,5.
0.7
F3,5
0.6
0.5
0.4
0.3
0.2
0.1
0
0
10
A distribuio F de Snedecor tem um papel importante na Inferncia

Estatstica. Estudaremos essa distribuio com mais detalhes em aulas
posteriores.
Distribuio Log-Normal
A distribuio log-normal est relacionada normal. Se X log-normal com
parmetros e 2, ento ln(X) normal com parmetros e 2. A densidade
de probabilidade log-normal dada por
(27)
f ( x) =
1
x 2
(ln x ) 2
2 2
x > 0.
A distribuio log-normal aplicvel quando a quantidade de interesse

positiva, haja vista que ln(X) existe somente quando a varivel X positiva. Os
economistas frequentemente utilizam a log-normal para modelar a distribuio
de renda.
Suponha que a renda anual das famlias paulistas de 4 pessoas, denotada por
X, seja bem ajustada pela distribuio log-normal com = ln(20.000) e 2 =
1. Ento a figura a seguir mostra o plot da densidade da renda.
48

-5
3.5
x 10
log-normal
3
2.5
1.5
0.5
0
0
$30,000
$60,000
$90,000
$120,000
A Tabela a seguir fornece a mdia e a varincia da distribuio log-normal.

Tabela: Caracterizao da Distribuio Log-Normal
Mdia
Varincia
E( X ) = e
2
2
Var ( X ) = e 1 e 2 +
2
Exemplo (CVM/ESAF/2000). Acredita-se que o logaritmo neperiano da

varivel renda (X), medida em milhares de reais, tenha distribuio
populacional normal com mdia 2 e varincia unitria. Assinale a opo que
corresponde ao valor esperado de X. Em todas as opes a constante e
representa a base do sistema de logaritmos neperiano.
A) e2,5
B) e2,0
C) loge 2,0
D) 1+ loge 2,0
E) e3,0
Resoluo
Se X log-normal com parmetros e 2, ento Y=ln(X) normal com
parmetros e 2. De acordo com o enunciado, a distribuio da Y tem =2 e
49

2=1.
Sabemos que
E ( X ) = exp(2 + 1 / 2) = e 2,5 .
E ( X ) = exp + 2 / 2
para
log-normal.
Ento,
GABARITO: A
50

O Mnimo que Voc Precisa Saber
- Uma funo discreta de probabilidade f(xi) (i=1,2,...,n) satisfaz s seguintes

condies: 0 f(xi) 1 e i f(xi) = 1.
- A funo de distribuio (ou acumulada) de probabilidade F(x) de uma
varivel aleatria X definida por F(x) = P(Xx).
- A rea sob a funo densidade de probabilidade de uma varivel aleatria
contnua X igual a 1, ou seja,
f ( x)dx = 1 .
Alm disso, f(x) no pode ser
negativa (f(x) 0).

- A funo densidade de probabilidade de uma varivel aleatria contnua X
igual derivada da funo de distribuio de X em relao a x, ou seja, f(x) =
dF(x)/dx = F(x)
b
- P[a X b] = f ( x)dx .
a
- Se X for uma varivel aleatria discreta que pode tomar os valores x1, x2, ...,
xn com probabilidades f(x1), f(x2), ..., f(xn), ento a mdia (ou valor esperado)
de X definida por
n
E[ X ] = x1 f ( x1 ) + x2 f ( x 2) + ... + xn f ( xn ) = xi f ( xi ) .
i =1
- A mdia de uma varivel aleatria contnua X com densidade de

probabilidade fX(x) dada pela integral
E[ X ] = xf ( x)dx .
- Sejam a e c valores constantes e X uma varivel aleatria. Ento a mdia

possui as seguintes propriedades:
E[c ] = c a mdia de um nmero qualquer c o prprio nmero c;
E[cX ] = cE[ X ] a mdia de uma varivel multiplicada por um nmero

igual ao nmero multiplicado pela mdia de X;
E[a + cX ] = a + cE[ X ] a mdia da soma de um nmero qualquer a com

a varivel X multiplicada por um nmero qualquer c igual soma do
nmero a com a mdia de X multiplicada por c.
51

- var(X) = E(X2) 2 a varincia de X igual a mdia do quadrado de X

subtrada da mdia de X ao quadrado.
- Sejam a e c constantes, X uma varivel aleatria e Z = a + cX (Z uma
transformao linear da varivel X). Ento
var(a+cX) = c2var(X).
- A raiz quadrada positiva da varincia chamada de desvio-padro ou erropadro, sendo denotada pelo smbolo .
- Desigualdade de Chebyshev: seja X uma varivel aleatria com mdia e
2
varincia . Ento temos, para qualquer > 0: P[| X | ] 2 .
f ( x = 0) = P ( X = 0) = 1 p = q
- Varivel aleatria de Bernoulli:
f ( x = 1) = P( X = 1) = p
- Tabela: Caracterizao da Bernoulli

Mdia
=p
Varincia
2 = pq
Desvio Padro
= pq
- A Distribuio Binomial nos d a probabilidade de k sucessos em n

n
tentativas: P ( X = k ) = p k (1 p ) nk .
k
- Tabela: Caracterizao da Binomial
Mdia
= np
Varincia
2 = npq
Desvio Padro
= npq
52

ax
, x = 0,1,2,3... .
x!
Lembre que a = , em que denota o nmero mdio de eventos por unidade
- Distribuio de Poisson com parmetro a > 0:
de tempo. Se fizermos = 1, obtemos f ( x) = e
x
x!
f ( x ) = e a
- Tabela: Caracterizao da Poisson
=a
Mdia
Varincia
2 =a
Desvio Padro
= a
- A Binomial pode ser aproximada pela Poisson se n>>1 (nmero de tentativas

grande) e p<<1 (probabilidade de sucesso prxima de zero). Ento o
parmetro a da Poisson aproximante dado por np=a. A aproximao boa
quando p 0,1 e a = np 5.
- X N(, 2) denota uma varivel aleatria X com distribuio normal com
mdia e varincia 2.
- A normal padro Z N(0, 1) obtida atravs da transformao Z=(X-)/.
- A normal simtrica em relao sua mdia, de modo que P(X) = P(X>)
= 50% =1/2.
- Se X normal, ento P( - 1,96<X< + 1,96) = 95%.
- Seja a Distribuio Binomial. Se n grande e se p e q no esto muito
prximos de zero, ento a distribuio binomial bem aproximada por uma
distribuio normal padro em que a varivel transformada dada por
Z=
X np
.
npq
Na prtica, a aproximao muito boa se np e nq forem maiores que 5.
53

Exerccios de Fixao
(Serpro/Cespe-UnB/2010) Certa empresa possui dispositivos para evitar

que seu sistema de informao seja invadido por pessoas no autorizadas a
acess-lo. Apesar disso, para cada tentativa de invaso, a probabilidade de
sucesso igual a 0,01. Sucesso o evento que representa a situao em que
o sistema invadido. A partir dessas informaes, julgue os itens a seguir.
1. Considerando n tentativas independentes de invaso, em que n um
nmero fixo tal que n > 100, a probabilidade de haver um nico sucesso
inferior a 0,99n-1.
2. Considerando que o nmero de sucessos em 500 tentativas independentes
de invaso seja representado por uma varivel aleatria discreta X e que Y =
3X 10, os valores esperados de X e Y so iguais a 5.
(FINEP/Cespe-UnB/2009/Adaptada) A varivel aleatria contnua X tem
funo densidade de probabilidade
x 2 , x [0, b]
f (x ) =
0, x [0, b]
Com base nessa informao, julgue os itens a seguir.
3. O valor de b
3.
b3
.
4. O valor esperado de x de
3
5. A mediana de X de
3
.
2
6. correto afirmar que P(X b / 2) = 1 b 3 / 16 .
54

7. (IBGE/Cesgranrio/2010) Considere uma varivel aleatria X com funo

de distribuio dada por
F(x) = 0, x<0
= 1-e-2x , x 0.
A funo de densidade que representa esta varivel
A) f(x) = xe-2x , x 0
B) f(x) = 2e-2x , x 0
C) f(x) = 0,5e-2x , x 0
D) f(x) = xe-x , x 0
E) f(x) = 2e-2x , x 0
8. (IBGE/Cesgranrio/2010) O Instituto Brasileiro de Geografia e Estatstica
- IBGE divulga, anualmente, a Tbua Completa de Mortalidade. Na tabela a
seguir esto as probabilidades de morte entre as idades exatas X e X+1,
Q ( X ,1) , em mil%; as probabilidades complementares 1 Q( X ,1) , em mil% e as
x
probabilidades complementares acumuladas
(1 Q( X ,1))
para o ano de 2007.
i =1
Dado um indivduo com 50 anos, a probabilidade de morrer antes de completar

55 anos de, aproximadamente,
(A) 3,8%
(B) 4,7%
(C) 8,8%
(D) 95,3%
(E) 96,2%
9. (DECEA/Cesgranrio/2009) As notas obtidas pelos candidatos em um
determinado concurso apresentaram distribuio normal, com mdia 6 e
55

desvio padro 1. A nota correspondente ao 1o quartil dessa distribuio ,

aproximadamente,
(A) 5,0
(B) 5,3
(C) 5,8
(D) 6,3
(E) 6,7
10. (ICMS-RJ/FGV/2007) Um candidato se submete a uma prova contendo
trs questes de mltipla escolha precisando acertar pelo menos duas para ser
aprovado. Cada questo apresenta cinco alternativas, mas apenas uma
correta. Se o candidato no se preparou e decide responder a cada questo ao
acaso, a probabilidade de ser aprovado no concurso igual a:
A) 0,200.
B) 0,040.
C) 0,096.
D) 0,008.
E) 0,104.
11. (ATA-MF/ESAF/2009) Ao se jogar um dado honesto trs vezes, qual o
valor mais prximo da probabilidade de o nmero 1 sair exatamente uma vez?
A) 35%
B) 17%
C) 7%
D) 42%
E) 58%
12. (APOFP-SP/ESAF/2009) Seja Z uma varivel aleatria Normal Padro.
Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de
P(-2,58 < Z < 1,96).
z
P(Z < z )
1,96
0,975
2,17
0,985
2,33
0,99
2,41
0,992
2,58
0,995
A) 0,99
B) 0,97
C) 0,98
D) 0,985
56

E) 0,95
13. (AFTM-RN/ESAF/2008) Numa distribuio Binomial, temos que:
I. A E[x] = n p q, ou seja, o produto dos parmetros n nmero de
elementos da avaliao, p probabilidade de ocorrncia do evento e q
probabilidade contrria (q = 1 - p).
II. O desvio-padro dado pela raiz quadrada do produto entre os parmetros
n e p.
III. A varincia dada pelo somatrio dos quadrados dos valores (Xi) menos o
quadrado da mdia.
Apontando os trs itens acima como V Verdadeiro e F Falso, a opo
correta :
A) F, V, F
B) V, V, F
C) F, F, F
D) V, F, F
E) V, V, V
14. (SUSEP/ESAF/2006) Em uma casa de jogos (Bingo S/A, por exemplo) a
premiao ser de R$ 10,00, para quem obtiver uma face de nmero primo ao
jogar um dado honesto e de R$ 20,00, para quem obtiver outra alternativa
(face de nmero no primo). Para N jogadas (sendo N um nmero
suficientemente grande de jogadas), o valor mdio da aposta, ou seja, o valor
esperado, ser de:
A) R$ 10,00
B) R$ 10,33
C) R$ 13,33
D) R$ 15,00
E) R$ 17,33
15. (SUSEP/ESAF/2006) Sendo X uma v. a. d. varivel aleatria discreta
e sendo Y = aX + b, pode concluir-se que var (aX + b) igual a:
A) = var X.
B) = E(X2) (EX)2.
C) = E(X E(X))2.
D) = a2 var X.
57

E) = a2 var X b.
(AFTM-SP/FCC/2007/Adaptada) Instrues: para responder prxima
questo, utilize, dentre as informaes abaixo, as que julgar adequadas. Se
tem distribuio normal padro, ento:
P(0< < 1) = 0,341, P(0< < 1,6) = 0,445, P(0< < 2) = 0,477
16. Os depsitos efetuados no Banco B, num determinado ms, tm
distribuio normal com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um
depsito selecionado ao acaso dentre todos os referentes ao ms em
questo. A probabilidade de que o depsito exceda R$ 6.000,00 de
A) 97,7%
B) 94,5%
C) 68,2%
D) 47,7%
E) 34,1%
17. (AFTE-RS/2009/Fundatec) Seja
normalmente distribuda com mdia
P ( Z < 1) = 0,1587 e P ( Z > 2) = 0,0228 . Seja
normalmente distribuda com mdia
P(180<X<240), :
Z uma
zero e
X uma
200 e
varivel aleatria contnua

desvio padro um. Seja
varivel aleatria contnua
desvio padro 20, ento
A) 0,9772
B) 0,8413
C) 0,3413
D) 0,8185
E) 0,4772
18. (AFTE-RS/2009/Fundatec) Seja X uma varivel aleatria contnua, com
funo densidade de probabilidade dada por f(x) = 1 + cx, se -1 x 0, f(x) =
1 cx, se 0 x 1, f(x) = 0 se x < -1 ou se x > 1. O valor da mdia de X
A) 0,5
B) 0
C) 2/3
D) 1
E) 1/3
58

19. (ICMS-RJ/FGV/2011/Adaptada) Assuma que uma distribuio de

Bernoulli tenha dois possveis resultados n=0 e n=1, no qual n=1 (sucesso)
ocorre com probabilidade p, e n=0 (falha) ocorre com probabilidade q1p.
Sendo 0<p<1, a funo densidade de probabilidade
(A) P (n) = p n (1 p )1n
q, n = 1
(B) P (n) =
p, n = 0
(C) P ( n) = p nq (1 p ) (1n ) q
(D) P (n) = e npq
p =1
0,
(E) P (n) =
1, (1 p ) = q = 1
20. (AFTE-RS/Fundatec/2009) Uma pesquisa indica que a distribuio do

tempo que os candidatos de um concurso levam para entregar uma prova
aproximadamente normal, com tempo mdio de 1,5 horas e desvio padro de
15 minutos. Sabendo que P(<X<+2)=0,4772 e P(-<X<+)=0,6827, o
nmero esperado de candidatos que levam entre 1 e 2 horas para entregar a
prova, de um total de 10.000 candidatos, :
A) 5.228
B) 9.972
C) 9.544
D) 6.827
E) 3.173
21. (AFTE-RO/FCC/2010) Os valores dos salrios dos empregados de
determinado ramo de atividade apresentam uma distribuio normal com
mdia R$ 2.000,00 e varincia igual a 62.500 (R$)2. Considere os valores das
probabilidades P(0 Z z) para a distribuio normal padro:
Z
P(0 Z z)
0,25
0,10
0,52
0,20
0,84
0,30
1,28
0,40
Ento, a porcentagem dos empregados que ganham salrios inferiores a R$

1.790,00 ou salrios superiores a R$ 2.320,00 igual a
A) 30%
B) 40%
C) 50%
59

D) 60%
E) 70%
22. (MI-CENAD/ESAF/2012) Seja X uma varivel aleatria contnua com
funo densidade de probabilidade constante no intervalo [0,2]. Determine sua
varincia.
A) 1/3
B) 1/2
C) 2/3
D) 5/7
E) 5/6
23. (AFRF/ESAF/2012) O Sr. Ramoile, professor de Estatstica aposentado,
vem h muito tempo acompanhando os dados sobre custos e faturamento do
restaurante de sua filha Ceclia. O restaurante funciona todos os dias da
semana e o Sr. Ramoile concluiu que: o custo dirio do restaurante segue uma
distribuio normal, com mdia igual a R$ 500,00 e desvio-padro igual a R$
10,00 e que o faturamento dirio, tambm, apresenta uma distribuio
normal, com mdia R$ 800 e desvio-padro R$ 20. Como o Sr. Ramoile
conhece muito bem os princpios bsicos da estatstica, ele sabe que, se uma
varivel Z seguir uma distribuio normal padro, ento Z tem mdia 0 e
varincia 1. Ele tambm sabe que a probabilidade dessa varivel Z assumir
valores no intervalo entre 0 < Z < 2 ou seja, entre a mdia 0 e 2 desviospadro , aproximadamente, igual a 0,4772. Ceclia, muito preocupada com
o futuro de seu restaurante, perguntou a seu pai se ele poderia verificar a
probabilidade de, em um dia qualquer, o custo ser maior do que R$ 520,00 e o
faturamente ficar no intervalo entre R$ 760,00 e R$ 840,00. Aps alguns
minutos, o Sr. Ramoile disse, acertadamente, que as respectivas
probabilidades so, em termos percentuais, iguais a
A) 2,28;95,44.
B) 52,28;95,44.
C) 2,28;98,69.
D) 98,69;95,44.
E) 98,65;2,28.
24. (AFRF/ESAF/2012) A expectncia de uma varivel aleatria x mdia
ou esperana matemtica como tambm chamada igual a 2, ou seja:
E(x) = 2. Sabendo-se que a mdia dos quadrados de x igual a 9, ento os
valores da varincia e do coeficiente de variao de x so, respectivamente,
iguais a
60

A) 5;
5
2
B) 5; 5
C)
5;
2
5
D)
5;
2
5
E)
5
;5
2
25. (MI-CENAD/ESAF/2012) Seja X uma Varivel Aleatria Binomial com

parmetros n e p. Sendo Cn,k o nmero de combinaes de n elementos
tomados k a k, obtenha a expresso de P(X = k).
A) Cn,n-k p(1-p)n-k
B) Cn,k pn-k (1-p)k
C) Cn,k pk (1-p)n-k
D) Cn,k p(1-p)k-1
E) Cn,n-k pn-k (1-p)k
26. (MI-CENAD/ESAF/2012) Sendo F(x) a funo de distribuio da
varivel aleatria definida na questo anterior, calcule F(1), para o caso n=5 e
p=0,5.
A) 0
B) 1/32
C) 5/32
D) 3/16
E) 11/32
(Analista do TRT 17aR/CESPE-UnB/2009) Uma companhia necessita
constituir provises financeiras para despesas decorrentes de processos
judiciais por reclamaes trabalhistas. Considere que o total anual dessas
despesas seja igual a X, em que X segue uma distribuio normal com mdia
igual a R$ 30 mil e desvio padro R$ 10 mil.
Tendo como referncia essa situao, julgue os itens a seguir, assumindo que
(2) = 0,977, em que (z) representa a funo de distribuio acumulada da
distribuio normal padro.
61

27. A probabilidade de que se disponibilize um total X inferior a R$ 8 mil por

ano menor que 0,03.
28. Se, em determinado ano, o valor provisionado para as referidas despesas
foi igual a R$ 40 mil, ento a probabilidade de esse montante ser suficiente
para cobrir todas as despesas desse ano superior a 98%.
62

Gabarito
1E
2C
3E
4E
5C
6E
7E
8A
9B
10 E
11 A
12 B
13 C
14 D
15 D
16 A
17 D
18 B
19 A
20 C
21 A
22 A
23 A
24 A
25 C
26 D
27 C
28 E
63

Resoluo dos Exerccios de Fixao
(Serpro/Cespe-UnB/2010) Certa empresa possui dispositivos para evitar

que seu sistema de informao seja invadido por pessoas no autorizadas a
acess-lo. Apesar disso, para cada tentativa de invaso, a probabilidade de
sucesso igual a 0,01. Sucesso o evento que representa a situao em que
o sistema invadido. A partir dessas informaes, julgue os itens a seguir.
1. Considerando n tentativas independentes de invaso, em que n um
nmero fixo tal que n > 100, a probabilidade de haver um nico sucesso
inferior a 0,99n-1.
Resoluo
Considerando n tentativas independentes de invaso, a probabilidade de haver
k sucessos dada pela distribuio binomial:
n
P(X = k ) = p k (1 p) n k
k
Para X = 1 sucesso, temos

n
n!
n (n 1)(n 2)...
P(X = 1) = p1 (1 p) n 1 =
0,01(1 0,01) n 1 =
0,01 0,99 n 1 = n 0,01 0,99 n 1
(n 1)!
(n 1)(n 2)...
1
Mas n > 100, de acordo com o enunciado. Logo, n x 0,01 = K > 1 e

P( X = 1) = K.0,99 n 1 > 0,99 n 1 a probabilidade de haver um nico sucesso maior
que 0,99n-1. O item est errado.
GABARITO: E
2. Considerando que o nmero de sucessos em 500 tentativas independentes
de invaso seja representado por uma varivel aleatria discreta X e que Y =
3X 10, os valores esperados de X e Y so iguais a 5.
Resoluo
O valor esperado da varivel aleatria binomial X
E(X) = np
em que n o nmero de tentativas e p a probabilidade de sucesso.
Dados: n = 500 e p = 0,01.
64

E(X) = np = 500 x 0,01 = 5.

E(Y) = E(3X 10) = E(3X) E(10) = 3E(X) 10 = 3x5 10 = 15 10 = 5.
GABARITO: C
(FINEP/Cespe-UnB/2009/Adaptada) A varivel aleatria contnua X tem
funo densidade de probabilidade
x 2 , x [0, b]
f ( x) =
0, x [0, b]
Com base nessa informao, julgue os itens a seguir.
3. O valor de b
3.
Resoluo
Vimos que a rea sob a funo densidade de probabilidade unitria:
f ( x)dx = 1
Substituindo
x 2 , x [0, b]
f ( x) =
0, x [0, b]
Obtemos,
f ( x)dx = 0.dx + x
.dx + 0.dx = 0 + x .dx +0 = x 2 .dx =1

2
mas,
b
x3
0 x .dx = 3
b 3 03 b 3
b3
=
=
0 =
3
3
3
3
de modo que
65

b3
= 1 b 3 = 3 b = 3 3 3 item errado.
3
Nota: a primitiva da integral indefinida
.dx
a funo
x3
g ( x) =
3
porque a derivada de g(x) em relao a x
g ' ( x) =
dg ( x) d x 3 3 x 2
= =
= x2
3
dx
dx 3
resulta no integrando x2.

GABARITO: E
b3
4. O valor esperado de X de
.
3
Resoluo
x4
E ( X ) = xf ( x) dx = x.0.dx + x.x .dx + x.0.dx = 0 + x .dx +0 = x .dx =
4
0
b
0
0
b4 04 b4 b3
=
4
4
4
3
Item errado.
Nota: a primitiva da integral indefinida
.dx
a funo
h( x ) =
x4
4
porque a derivada de h(x) em relao a x
66

h ' ( x) =
dh( x) d x 4 4 x 3
= =
= x3
dx
dx 4
4
resulta no integrando x3.

GABARITO: E
5. A mediana de X de
3
.
2
Resoluo
A mediana da distribuio de X o valor xmd tal que
P(X xmd) = 0,5
Logo,
xmd
x3
x
dx
.
=
0
3
xmd
3
x md
1
3
= x md = 3
3
2
2
GABARITO: C
6. correto afirmar que P ( X b / 2) = 1 b 3 / 16 .
Resoluo
x3
P ( X b / 2) = f ( x)dx = x dx + 0dx =
3
b/2
b/2
b
b/2
b 3 (b / 2) 3 b 3 b 3 7b 3
b3
=
=
1 .
3
3
3 24 24
16
GABARITO: E
7. (IBGE/Cesgranrio/2010) Considere uma varivel aleatria X com funo
de distribuio dada por
F(x) = 0, x<0
= 1-e-2x , x 0.
A funo de densidade que representa esta varivel
A) f(x) = xe-2x , x 0
B) f(x) = 2e-2x , x 0
C) f(x) = 0,5e-2x , x 0
67

D) f(x) = xe-x , x 0
E) f(x) = 2e-2x , x 0
Resoluo
Quando a funo de distribuio acumulada F(x) contnua, a funo
densidade de probabilidade f(x) corresponde derivada de F(x):
f ( x) =
dF ( x) d (1 e 2 x )
=
= 0 + (1) (2)e 2 x = 2e 2 x , x 0
dx
dx
Nota: lembre que a derivada de e-2x dada por: (-2x)'.e-2x = -2.e-2x.

GABARITO: E
8. (IBGE/Cesgranrio/2010) O Instituto Brasileiro de Geografia e Estatstica
- IBGE divulga, anualmente, a Tbua Completa de Mortalidade. Na tabela a
seguir esto as probabilidades de morte entre as idades exatas X e X+1,
Q ( X ,1) , em mil%; as probabilidades complementares 1 Q( X ,1) , em mil% e as
x
probabilidades complementares acumuladas
(1 Q( X ,1))
para o ano de 2007.
i =1
Dado um indivduo com 50 anos, a probabilidade de morrer antes de completar

55 anos de, aproximadamente,
(A) 3,8%
(B) 4,7%
(C) 8,8%
(D) 95,3%
(E) 96,2%
Resoluo
68

A probabilidade de morrer antes de completar 55 anos dada por

x
P = 1 (1 Q (54,1)) = 1 0.96234 = 0,03766 = 3,766% 3,8% (aproximao)

i =1
GABARITO: A
9. (DECEA/Cesgranrio/2009) As notas obtidas pelos candidatos em um
determinado concurso apresentaram distribuio normal, com mdia 6 e
desvio padro 1. A nota correspondente ao 1o quartil dessa distribuio ,
aproximadamente,
(A) 5,0
(B) 5,3
(C) 5,8
(D) 6,3
(E) 6,7
Resoluo
Varivel aleatria X com distribuio N(6, 1), ou seja, normal com =6 e 2 =
1)
1o quartil (Q1) de X: P{X<Q1} = 0,25.
1o quartil da normal padro (-Zc): P{Z<-Zc} = 0,25 = P{-Zc<Z<0} =
P{0<Z<Zc} = 0,25 (pois a normal padro simtrica em relao sua mdia,
que zero).
Da Tabela II: Zc 0,675 (obtido por interpolao linear dos dados da tabela).
Como -Zc = (Q1 - )/ (transformao para a normal padro), segue-se que
Q1 = -Zc. + = -0,675.1 + 6 5,3 (valor aproximado)
GABARITO: B
10. (ICMS-RJ/FGV/2007) Um candidato se submete a uma prova contendo
trs questes de mltipla escolha precisando acertar pelo menos duas para ser
aprovado. Cada questo apresenta cinco alternativas, mas apenas uma
correta. Se o candidato no se preparou e decide responder a cada questo ao
acaso, a probabilidade de ser aprovado no concurso igual a:
69

A) 0,200.
B) 0,040.
C) 0,096.
D) 0,008.
E) 0,104.
Resoluo
Trata-se de aplicao da distribuio Binomial. O chute a ser dado em
cada questo da prova uma tentativa de Bernoulli (n = 3 tentativas), em que
p = 1/5 e (1-p)=4/5. Seja X a varivel aleatria que denota o nmero de
questes certas. Ento a probabilidade de acertar pelo menos 2 questes
(numa prova de 3 questes de mltipla escolha) dada por
n
n
1
0
P(X=2) + P(X=3) = p 2 (1 p ) + p 3 (1 p ) =
2
3

2
1
3
0
3 1 4 3 1 4
12
1
+
= 0,104.
= + =
2 5 5 3 5 5 125 125
GABARITO: E
11. (ATA-MF/ESAF/2009) Ao se jogar um dado honesto trs vezes, qual o
valor mais prximo da probabilidade de o nmero 1 sair exatamente uma vez?
A) 35%
B) 17%
C) 7%
D) 42%
E) 58%
Resoluo
I Utilizando a Distribuio Binomial:
n
P ( n, x) = f ( x) = p x (1 p ) n x
x
P(n,x) = probabilidade de ocorrer exatamente x vezes o evento A, aps n

repeties.
S = {1, 2, 3, 4, 5, 6} => n(S) = 6
70

A = {1} => n(A) = 1

Evento A = sair um nmero igual a 1 => P(A) = n(A)/n(S) = 1/6
Complementar de A = A= no sair um nmero igual a 1
A= {2, 3, 4, 5, 6} => n(A) = 5
P(A) = n(A)/n(S) = 5/6
n= 3 vezes
x = 1 (1 sair exatamente uma vez)
1
3 1 5
3! 1 25 75
P(3,1) = f (1) = =

=
= 34,72% 35%
1 6 6 1!2! 6 36 216
GABARITO: A
12. (APOFP-SP/ESAF/2009) Seja Z uma varivel aleatria Normal Padro.
Dados os valores de z e de P(Z < z) a seguir, obtenha o valor mais prximo de
P(-2,58 < Z < 1,96).
z
P(Z < z )
1,96
0,975
2,17
0,985
2,33
0,99
2,41
0,992
2,58
0,995
A) 0,99
B) 0,97
C) 0,98
D) 0,985
E) 0,95
Resoluo
Z => varivel aleatria normal padro
P(-2,58 < Z < 1,96) =
Sabemos que:
(1,96) - (-2,58)
(-2,58) = 1 - (2,58) = 1 0,995 = 0,005
P(-2,58 < Z < 1,96) =
(1,96) - (-2,58) = 0,975 0,005 = 0,97
GABARITO: B
13. (AFTM-RN/ESAF/2008) Numa distribuio Binomial, temos que:
71


n e p.
quadrado da mdia.
Apontando os trs itens acima como V Verdadeiro e F Falso, a opo
correta :
A) F, V, F
B) V, V, F
C) F, F, F
D) V, F, F
E) V, V, V
Resoluo
Esperana da distribuio binomial: E(X) = np
Varincia da distribuio binomial: Var(X) = np(1-p)
Vamos analisar as alternativas:
Esperana da distribuio binomial: E(X) = np. O item FALSO.
n e p.
Varincia da distribuio binomial: Var(X) = np(1-p)
Desvio-Padro = [np(1-p)]1/2 => dado pela raiz quadrada do produto entre
n, p e (1-p). O item FALSO.
quadrado da mdia.
A frmula geral da varincia : Var(X) = E(X2) [E(X)]2 => ou seja, a mdia
dos quadrados do valores menos o quadrado da mdia. O item FALSO.
Lembre que a varincia da distribuio binomial np(1-p).
72

GABARITO: C
14. (SUSEP/ESAF/2006) Em uma casa de jogos (Bingo S/A, por exemplo) a
premiao ser de R$ 10,00, para quem obtiver uma face de nmero primo ao
jogar um dado honesto e de R$ 20,00, para quem obtiver outra alternativa
(face de nmero no primo). Para N jogadas (sendo N um nmero
suficientemente grande de jogadas), o valor mdio da aposta, ou seja, o valor
esperado, ser de:
A) R$ 10,00
B) R$ 10,33
C) R$ 13,33
D) R$ 15,00
E) R$ 17,33
Resoluo
S = {1, 2, 3, 4, 5, 6} n(S) = 6
E = nmero primo = {2, 3, 5} um nmero primo quando somente
divisvel por 1 e por ele mesmo n(E) = 3
P(nmero primo) = 3/6 = 1/2 Premiao(primo) = R$ 10,00
E= nmero no primo = {1, 4, 6} n(E) = 3
P(nmero no primo) = 3/6 = 1/2 Premiao(no primo) = R$ 20,00
Valor esperado da varivel aleatria X para um nmero N, suficientemente
grande, de jogadas:
E(X) = P(nmero primo) x premiao(primo) + P(nmero no primo) x
premiao(no primo)
E(X) = (1/2) x 10 + (1/2) x 20 = 30/2 = R$ 15,00
GABARITO: D
15. (SUSEP/ESAF/2006) Sendo X uma v. a. d. varivel aleatria discreta
e sendo Y = aX + b, pode concluir-se que var (aX + b) igual a:
A) = var X.
B) = E(X2) (EX)2.
C) = E(X E(X))2.
73

D) = a2 var X.
E) = a2 var X b.
Resoluo
Var(cX) = c2 Var(X), sendo c = constante
Var(X + a) = Var (X), sendo a = constante.
Var(aX + b) = a2 Var(X)
GABARITO: D
(AFTM-SP/FCC/2007/Adaptada) Instrues: para responder prxima
questo, utilize, dentre as informaes abaixo, as que julgar adequadas. Se
tem distribuio normal padro, ento:
P(0< < 1) = 0,341, P(0< < 1,6) = 0,445, P(0< < 2) = 0,477
16. Os depsitos efetuados no Banco B, num determinado ms, tm
distribuio normal com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um
depsito selecionado ao acaso dentre todos os referentes ao ms em
questo. A probabilidade de que o depsito exceda R$ 6.000,00 de
A) 97,7%
B) 94,5%
C) 68,2%
D) 47,7%
E) 34,1%
Resoluo
Dados: X uma varivel aleatria normal com = 9.000 e = 1.500.
Normal padro:
Z = (X )/ = (6.000 9.000)/1.500 = -2,0
P(Z > -2,0) = P(Z < 2,0) = 0,5 + P(0,0 < Z < 2,0) = 0,5 + 0,477 = 0,977 =
97,7%
GABARITO: A
17. (AFTE-RS/2009/Fundatec) Seja Z uma varivel aleatria contnua
normalmente distribuda com mdia zero e desvio padro um. Seja
74

P ( Z < 1) = 0,1587 e P ( Z > 2) = 0,0228 . Seja X uma varivel aleatria contnua

normalmente distribuda com mdia 200 e desvio padro 20, ento
P(180<X<240), :
A) 0,9772
B) 0,8413
C) 0,3413
D) 0,8185
E) 0,4772
Resoluo
Dados: X1 = 180, X2 = 240, P ( Z < 1) = 0,1587 e P ( Z > 2) = 0,0228 .
Z1 = (180 200)/20 = -1
Z2 = (240 200)/20 = 2
Pede-se P(180<X<240) = P(-1<Z<2).
P(-1<Z<2) = P(-1<Z<0) + P(0<Z<2)
Mas P(-1<Z<0) = 0,5 P(Z<-1) e P(0<Z<2) = 0,5 P(Z>2). Logo,
P(-1<Z<2) = 0,5 P(Z<-1) + 0,5 P(Z>2) = 0,5 0,1587 + 0,5 0,0228 =
0,8185 (opo D).
GABARITO: D
18. (AFTE-RS/2009/Fundatec) Seja X uma varivel aleatria contnua, com
funo densidade de probabilidade dada por f(x) = 1 + cx, se -1 x 0, f(x) =
1 cx, se 0 x 1, f(x) = 0 se x < -1 ou se x > 1. O valor da mdia de X
A) 0,5
B) 0
C) 2/3
D) 1
E) 1/3
Resoluo
75

O grfico da figura acima ilustra a forma da funo densidade de probabilidade

de X, denotada por f(x). Como f(x) simtrica em relao a zero, temos
que a mdia de X zero (opo B). Repare que resolvi a questo sem fazer
nenhuma conta! Bastou saber esboar o grfico de f(x).
Por completeza, calcularei o valor da constante c. Sabemos que a rea sob
f(x) unitria. Ento,
2 x (rea do tringulo retngulo delimitado por 0<x<1/c) = 1
2 x (base x altura)/2 = 1
base x altura = 1
(1/c) x 1 = 1 c = 1.
A figura a seguir mostra o grfico de f(x).
GABARITO: B
19. (ICMS-RJ/FGV/2011/Adaptada) Assuma que uma distribuio de
Bernoulli tenha dois possveis resultados n=0 e n=1, no qual n=1 (sucesso)
ocorre com probabilidade p, e n=0 (falha) ocorre com probabilidade q1p.
Sendo 0<p<1, a funo densidade de probabilidade
76

(A) P (n) = p n (1 p )1n

q, n = 1
(B) P (n) =
p, n = 0
(C) P ( n) = p nq (1 p ) (1n ) q
(D) P (n) = e npq
p =1
0,
(E) P (n) =
1, (1 p ) = q = 1
Resoluo
A distribuio Binomial (ou de Bernouilli) nos d a probabilidade de k sucessos
em n tentativas:
n
P ( X = k ) = p k (1 p ) nk , k = 0,1,2,..., n
k
De acordo com o enunciado, a distribuio possui somente dois possveis

resultados: X=0 (zero sucesso) e X=1 (um sucesso). Logo, est implcito que
h somente uma tentativa (n=1 na frmula acima). Ento, a probabilidade de
0 sucesso em uma tentativa
1
1! 0
P ( X = 0) = p 0 (1 p )10 =
p (1 p )1 = p 0 (1 p )1
0!1!
0
e a probabilidade de um sucesso em uma tentativa

1
1! 1
P ( X = 1) = p1 (1 p )11 =
p (1 p ) 0 = p1 (1 p ) 0
1
1!0!

Agora preciso compatibilizar a nossa notao com aquela que foi usada pela
banca no enunciado. Substitua a varivel aleatria X por n nas probabilidades
acima: P (n = 0) = p 0 (1 p )1 e P ( n = 1) = p1 (1 p ) 0 .
Observe que as frmulas das probabilidades P ( n = 0) e P ( n = 1) podem ser
generalizadas pela expresso
P (n) = p n (1 p )1n .
Questozinha boa, no mesmo? A banca brincou com a notao e cobrou

o significado da distribuio binomial.
77

GABARITO: A
20. (AFTE-RS/Fundatec/2009) Uma pesquisa indica que a distribuio do
tempo que os candidatos de um concurso levam para entregar uma prova
aproximadamente normal, com tempo mdio de 1,5 horas e desvio padro de
15 minutos. Sabendo que P(<X<+2)=0,4772 e P(-<X<+)=0,6827, o
nmero esperado de candidatos que levam entre 1 e 2 horas para entregar a
prova, de um total de 10.000 candidatos, :
A) 5.228
B) 9.972
C) 9.544
D) 6.827
E) 3.173
Resoluo
As trs figuras abaixo ilustram, respectivamente, as probabilidades i)
P(<X<+2) = 0,4772, ii) P(-<X<+) = 0,6827 e iii) P(-2<X<+2) =
2x0,4772 = 0,9544, em que = 90 minutos e = 15 minutos.
0.03
normal
P(<X<+) = 47,72%
0.025
densidade
0.02
0.015
0.01
0.005
0
40
50
60
70
80
90
normal
100
110
120
130
140
78

normal
0.03
P(-<X<+) = 68,27%
0.025
densidade
0.02
0.015
0.01
0.005
0
40
50
60
70
80
90
normal
100
0.03
110
120
130
140
normal
P(-2<x<+2)=95,44%
0.025
densidade
0.02
0.015
0.01
0.005
0
40
50
60
70
80
90
normal
100
110
120
130
140
O nmero esperado de candidatos que levam entre 60 (=-2) e 120 (=+2)

minutos para entregar a prova, de um total de 10.000 candidatos, dado por
10.000 x P(60<X<120) = 10.000 x 0,9544 = 9.544.
GABARITO: C
21. (AFTE-RO/FCC/2010) Os valores dos salrios dos empregados de
determinado ramo de atividade apresentam uma distribuio normal com
mdia R$ 2.000,00 e varincia igual a 62.500 (R$)2. Considere os valores das
probabilidades P(0 Z z) para a distribuio normal padro:
79

Z
P(0 Z z)
0,25
0,10
0,52
0,20
0,84
0,30
1,28
0,40
Ento, a porcentagem dos empregados que ganham salrios inferiores a R$

1.790,00 ou salrios superiores a R$ 2.320,00 igual a
A) 30%
B) 40%
C) 50%
D) 60%
E) 70%
Resoluo
Varivel aleatria normal padro:
Z=
Dados:
= 2.000
= (62.500)1/2 = 250
Pede-se:
- a porcentagem dos empregados que ganham salrios inferiores a R$
1.790,00 ou salrios superiores a R$ 2.320,00, ou seja,
P(X < 1.790) + P(X > 2.320)
Mas
1.790 2000
P ( X < 1.790) = P Z <

= P (Z < 0,84 ) = P (Z > 0,84 ) = 0,5 P(0 Z < 0,84 ) = 0,20
250
2.320 2000
P ( X > 2.320) = P Z >

= P (Z > 1,28) = 0,5 P(0 Z < 1,28) = 0,10
250
Finalmente,
P(X < 1.790) + P(X > 2.320) = 0,20 + 0,10 = 0,30 = 30%
80

GABARITO: A
22. (MI-CENAD/ESAF/2012) Seja X uma varivel aleatria contnua com
funo densidade de probabilidade constante no intervalo [0,2]. Determine sua
varincia.
A) 1/3
B) 1/2
C) 2/3
D) 5/7
E) 5/6
Resoluo
A funo densidade de probabilidade constante ou uniforme da questo est
definida no intervalo [a,b] = [0,2]. Portanto,
Var(X) = 2/12 = (b a)2/12 = (2 0)2/12 = 4/12 = 1/3
GABARITO: A
23. (AFRF/ESAF/2012) O Sr. Ramoile, professor de Estatstica aposentado,
vem h muito tempo acompanhando os dados sobre custos e faturamento do
restaurante de sua filha Ceclia. O restaurante funciona todos os dias da
semana e o Sr. Ramoile concluiu que: o custo dirio do restaurante segue uma
distribuio normal, com mdia igual a R$ 500,00 e desvio-padro igual a R$
10,00 e que o faturamento dirio, tambm, apresenta uma distribuio
normal, com mdia R$ 800 e desvio-padro R$ 20. Como o Sr. Ramoile
conhece muito bem os princpios bsicos da estatstica, ele sabe que, se uma
varivel Z seguir uma distribuio normal padro, ento Z tem mdia 0 e
varincia 1. Ele tambm sabe que a probabilidade dessa varivel Z assumir
valores no intervalo entre 0 < Z < 2 ou seja, entre a mdia 0 e 2 desviospadro , aproximadamente, igual a 0,4772. Ceclia, muito preocupada com
o futuro de seu restaurante, perguntou a seu pai se ele poderia verificar a
probabilidade de, em um dia qualquer, o custo ser maior do que R$ 520,00 e o
faturamente ficar no intervalo entre R$ 760,00 e R$ 840,00. Aps alguns
minutos, o Sr. Ramoile disse, acertadamente, que as respectivas
probabilidades so, em termos percentuais, iguais a
A) 2,28;95,44.
B) 52,28;95,44.
C) 2,28;98,69.
D) 98,69;95,44.
E) 98,65;2,28.
81

Resoluo
O custo dirio modelado pela distribuio normal com mdia 500 e desvio
padro 10, ou seja, N(1 = 500, 12 = 100).
O faturamento dirio tem distribuio normal com mdia 800 e desvio padro
20, ou seja, N(2 = 800, 22 = 400).
Clculo da probabilidade de o custo (C) ser maior do que R$ 520,00:
P{C > 520} = P{Z1 > (520 1)/1}
P{Z1 > (520 500)/10} = P{Z1 > 2}
P{Z1 > 2} = 0,5 P{0 < Z1 < 2} = 0,5 0,4772 = 0,0228 = 2,28%
Clculo de o faturamento (F) ficar no intervalo entre R$ 760,00 e R$
840,00:
P{760 < F < 840} = P{(760 2)/2 < Z2 < (840 2)/2}
P{(760 800)/20 < Z2 < (840 800)/20} = P{-2 < Z2 < 2}
P{-2 < Z2 < 2} = 2 x P{0 < Z2 < 2} = 2 x 0,4772 = 0,9544 = 95,44%
GABARITO: A
24. (AFRF/ESAF/2012) A expectncia de uma varivel aleatria x mdia
ou esperana matemtica como tambm chamada igual a 2, ou seja:
E(x) = 2. Sabendo-se que a mdia dos quadrados de x igual a 9, ento os
valores da varincia e do coeficiente de variao de x so, respectivamente,
iguais a
A) 5;
5
2
B) 5; 5
C)
5;
2
5
D)
5;
2
5
82

E)
5
;5
2
Resoluo
Dados: E(x) = 2; E(x2) = 9
Clculo da varincia de x (Var(x)):
Var(x) = E(x2) [E(x)]2
Var(x) = 9 22 = 9 4 = 5
Clculo do coeficiente de variao de (CV(x)):
CV(x) = DP(x)/E(x)
em que DP(x) denota o desvio padro da varivel aleatria x. Ento,
CV(x) =
5
2
GABARITO: A
25. (MI-CENAD/ESAF/2012) Seja X uma Varivel Aleatria Binomial com
parmetros n e p. Sendo Cn,k o nmero de combinaes de n elementos
tomados k a k, obtenha a expresso de P(X = k).
A) Cn,n-k p(1-p)n-k
B) Cn,k pn-k (1-p)k
C) Cn,k pk (1-p)n-k
D) Cn,k p(1-p)k-1
E) Cn,n-k pn-k (1-p)k
Resoluo
A varivel binomial X conta o nmero de sucessos em n tentativas. A
probabilidade de sucesso em uma tentativa p. P(X = k) denota a
probabilidade de se ter k sucessos em n tentativas:
P(X = k) = Cn,k pk(1-p)n-k
GABARITO: C
83

26. (MI-CENAD/ESAF/2012) Sendo F(x) a funo de distribuio da

varivel aleatria definida na questo anterior, calcule F(1), para o caso n=5 e
p=0,5.
A) 0
B) 1/32
C) 5/32
D) 3/16
E) 11/32
Resoluo
F(X=1) = P(X1) = P(X=0) + P(X=1)
F(X=1) = Cn,0.p0.(1p)n + Cn,1.p1.(1p)n1
F(X=1) = C5,0.(1/2)0.(11/2)5 + C5,1.(1/2)1.(11/2)51
F(X=1) = C5,0.1.(1/2)5 + C5,1.(1/2).(1/2)4
(fizemos (1/2)0 = 1)
F(X=1) = 5!/(0!.5!).(1/32) + 5!/(1!.4!).(1/2)5
Lembre que: 0! = 1! = 1; (1/2).(1/2)4 = (1/2)5 = 15/25 = 1/32
F(X=1) = 1.(1/32) + (5.4!/4!).1/32 = (1/32) + 5.(1/32) = 6.(1/32) = 6/32
dividindo o numerador e o denominador por 2, obtemos
F(X=1) = 3/16
GABARITO: D
(Analista do TRT 17aR/CESPE-UnB/2009) Uma companhia necessita
constituir provises financeiras para despesas decorrentes de processos
judiciais por reclamaes trabalhistas. Considere que o total anual dessas
despesas seja igual a X, em que X segue uma distribuio normal com mdia
igual a R$ 30 mil e desvio padro R$ 10 mil.
Tendo como referncia essa situao, julgue os itens a seguir, assumindo que
(2) = 0,977, em que (z) representa a funo de distribuio acumulada da
distribuio normal padro.
84

27. A probabilidade de que se disponibilize um total X inferior a R$ 8 mil por

ano menor que 0,03.
Resoluo
A varivel normal padro dada por
Z=
Foram fornecidos = 30 e = 10 (em R$ mil) X ~ N (30,10 2 ) .

Clculo do valor Z1 correspondente ao valor X1 = 8:
Z1 =
X1
8 30 22
=
= 2,2
10
10
Assumindo que (2) = P(Z 2) = 97,7% P(Z > 2) = 1 P(Z 2) = 2,3%.

Como a curva normal padro simtrica em relao a Z = 0, temos que
P(Z < -2,0) = P(Z > 2) = 2,3%
Ento a probabilidade de que se disponibilize um total X inferior a R$ 8 mil por
ano menor que 3%, pois a rea sob a curva normal de Z = - at Z = -2,2
menor que a rea sob a curva normal de Z = - at Z = -2,0:
P ( Z < 2,2) < P ( Z < 2,0)
Item correto.
GABARITO: C
28. Se, em determinado ano, o valor provisionado para as referidas despesas
foi igual a R$ 40 mil, ento a probabilidade de esse montante ser suficiente
para cobrir todas as despesas desse ano superior a 98%.
Resoluo
A probabilidade do valor provisionado ser suficiente para cobrir todas as
despesas desse ano P(X < 40).
Clculo do valor Z2 correspondente ao valor X2 = 40:
85

Z2 =
X2
40 30 10
=
= 1,0
10
10
Ora, a probabilidade de Z ser menor que Z2 = 1,0 menor que P(Z 2) =

97,7%, pois a rea sob a curva normal de Z = - at Z = 1,0 menor que a
rea sob a curva normal de Z = - at Z = 2,0:
P ( Z < 1,0) < P ( Z < 2,0) = 97,7%
Como P(Z < 2) = 97,7%, a probabilidade em questo P ( X < 40) = P ( Z < 1,0)
inferior a 98%.
Item errado.
GABARITO: E
Abraos e at a prxima aula.
Bons estudos!
Alexandre Lima.
alexandre@pontodosconcursos.com.br
86

APNDICE
TABELA I
NORMAL: rea direita de Zc
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
Segunda decimal de Zc
0,00
0,50000
0,46017
0,42074
0,38209
0,34458
0,30854
0,27425
0,24196
0,21186
0,18406
0,15866
0,13567
0,11507
0,09680
0,08076
0,06681
0,05480
0,04457
0,03593
0,02872
0,02275
0,01786
0,01390
0,01072
0,00820
0,00621
0,00466
0,00347
0,00256
0,00187
0,00135
0,00023
0,00003
0,00000
0,01
0,49601
0,45620
0,41683
0,37828
0,34090
0,30503
0,27093
0,23885
0,20897
0,18141
0,15625
0,13350
0,11314
0,09510
0,07927
0,06552
0,05370
0,04363
0,03515
0,02807
0,02222
0,01743
0,01355
0,01044
0,00798
0,00604
0,00453
0,00336
0,00248
0,00181
0,00131
0,00022
0,00003
0,00000
0,02
0,49202
0,45224
0,41294
0,37448
0,33724
0,30153
0,26763
0,23576
0,20611
0,17879
0,15386
0,13136
0,11123
0,09342
0,07780
0,06426
0,05262
0,04272
0,03438
0,02743
0,02169
0,01700
0,01321
0,01017
0,00776
0,00587
0,00440
0,00326
0,00240
0,00175
0,00126
0,00022
0,00003
0,00000
0,03
0,48803
0,44828
0,40905
0,37070
0,33360
0,29806
0,26435
0,23270
0,20327
0,17619
0,15151
0,12924
0,10935
0,09176
0,07636
0,06301
0,05155
0,04182
0,03362
0,02680
0,02118
0,01659
0,01287
0,00990
0,00755
0,00570
0,00427
0,00317
0,00233
0,00169
0,00122
0,00021
0,00003
0,00000
0,04
0,48405
0,44433
0,40517
0,36693
0,32997
0,29460
0,26109
0,22965
0,20045
0,17361
0,14917
0,12714
0,10749
0,09012
0,07493
0,06178
0,05050
0,04093
0,03288
0,02619
0,02068
0,01618
0,01255
0,00964
0,00734
0,00554
0,00415
0,00307
0,00226
0,00164
0,00118
0,00020
0,00003
0,00000
0,05
0,48006
0,44038
0,40129
0,36317
0,32636
0,29116
0,25785
0,22663
0,19766
0,17106
0,14686
0,12507
0,10565
0,08851
0,07353
0,06057
0,04947
0,04006
0,03216
0,02559
0,02018
0,01578
0,01222
0,00939
0,00714
0,00539
0,00402
0,00298
0,00219
0,00159
0,00114
0,00019
0,00003
0,00000
0,06
0,47608
0,43644
0,39743
0,35942
0,32276
0,28774
0,25463
0,22363
0,19489
0,16853
0,14457
0,12302
0,10383
0,08691
0,07215
0,05938
0,04846
0,03920
0,03144
0,02500
0,01970
0,01539
0,01191
0,00914
0,00695
0,00523
0,00391
0,00289
0,00212
0,00154
0,00111
0,00019
0,00002
0,00000
0,07
0,47210
0,43251
0,39358
0,35569
0,31918
0,28434
0,25143
0,22065
0,19215
0,16602
0,14231
0,12100
0,10204
0,08534
0,07078
0,05821
0,04746
0,03836
0,03074
0,02442
0,01923
0,01500
0,01160
0,00889
0,00676
0,00508
0,00379
0,00280
0,00205
0,00149
0,00107
0,00018
0,00002
0,00000
0,08
0,46812
0,42858
0,38974
0,35197
0,31561
0,28096
0,24825
0,21770
0,18943
0,16354
0,14007
0,11900
0,10027
0,08379
0,06944
0,05705
0,04648
0,03754
0,03005
0,02385
0,01876
0,01463
0,01130
0,00866
0,00657
0,00494
0,00368
0,00272
0,00199
0,00144
0,00104
0,00017
0,00002
0,00000
0,09
0,46414
0,42465
0,38591
0,34827
0,31207
0,27760
0,24510
0,21476
0,18673
0,16109
0,13786
0,11702
0,09853
0,08226
0,06811
0,05592
0,04551
0,03673
0,02938
0,02330
0,01831
0,01426
0,01101
0,00842
0,00639
0,00480
0,00357
0,00264
0,00193
0,00139
0,00100
0,00017
0,00002
0,00000
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
87

TABELA II
NORMAL: rea de 0 a Zc
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
Segunda decimal de Zc
0,00
0,00000
0,03983
0,07926
0,11791
0,15542
0,19146
0,22575
0,25804
0,28814
0,31594
0,34134
0,36433
0,38493
0,40320
0,41924
0,43319
0,44520
0,45543
0,46407
0,47128
0,47725
0,48214
0,48610
0,48928
0,49180
0,49379
0,49534
0,49653
0,49744
0,49813
0,49865
0,49977
0,49997
0,50000
0,01
0,00399
0,04380
0,08317
0,12172
0,15910
0,19497
0,22907
0,26115
0,29103
0,31859
0,34375
0,36650
0,38686
0,40490
0,42073
0,43448
0,44630
0,45637
0,46485
0,47193
0,47778
0,48257
0,48645
0,48956
0,49202
0,49396
0,49547
0,49664
0,49752
0,49819
0,49869
0,49978
0,49997
0,50000
0,02
0,00798
0,04776
0,08706
0,12552
0,16276
0,19847
0,23237
0,26424
0,29389
0,32121
0,34614
0,36864
0,38877
0,40658
0,42220
0,43574
0,44738
0,45728
0,46562
0,47257
0,47831
0,48300
0,48679
0,48983
0,49224
0,49413
0,49560
0,49674
0,49760
0,49825
0,49874
0,49978
0,49997
0,50000
0,03
0,01197
0,05172
0,09095
0,12930
0,16640
0,20194
0,23565
0,26730
0,29673
0,32381
0,34849
0,37076
0,39065
0,40824
0,42364
0,43699
0,44845
0,45818
0,46638
0,47320
0,47882
0,48341
0,48713
0,49010
0,49245
0,49430
0,49573
0,49683
0,49767
0,49831
0,49878
0,49979
0,49997
0,50000
0,04
0,01595
0,05567
0,09483
0,13307
0,17003
0,20540
0,23891
0,27035
0,29955
0,32639
0,35083
0,37286
0,39251
0,40988
0,42507
0,43822
0,44950
0,45907
0,46712
0,47381
0,47932
0,48382
0,48745
0,49036
0,49266
0,49446
0,49585
0,49693
0,49774
0,49836
0,49882
0,49980
0,49997
0,50000
0,05
0,01994
0,05962
0,09871
0,13683
0,17364
0,20884
0,24215
0,27337
0,30234
0,32894
0,35314
0,37493
0,39435
0,41149
0,42647
0,43943
0,45053
0,45994
0,46784
0,47441
0,47982
0,48422
0,48778
0,49061
0,49286
0,49461
0,49598
0,49702
0,49781
0,49841
0,49886
0,49981
0,49997
0,50000
0,06
0,02392
0,06356
0,10257
0,14058
0,17724
0,21226
0,24537
0,27637
0,30511
0,33147
0,35543
0,37698
0,39617
0,41309
0,42785
0,44062
0,45154
0,46080
0,46856
0,47500
0,48030
0,48461
0,48809
0,49086
0,49305
0,49477
0,49609
0,49711
0,49788
0,49846
0,49889
0,49981
0,49998
0,50000
0,07
0,02790
0,06749
0,10642
0,14431
0,18082
0,21566
0,24857
0,27935
0,30785
0,33398
0,35769
0,37900
0,39796
0,41466
0,42922
0,44179
0,45254
0,46164
0,46926
0,47558
0,48077
0,48500
0,48840
0,49111
0,49324
0,49492
0,49621
0,49720
0,49795
0,49851
0,49893
0,49982
0,49998
0,50000
0,08
0,03188
0,07142
0,11026
0,14803
0,18439
0,21904
0,25175
0,28230
0,31057
0,33646
0,35993
0,38100
0,39973
0,41621
0,43056
0,44295
0,45352
0,46246
0,46995
0,47615
0,48124
0,48537
0,48870
0,49134
0,49343
0,49506
0,49632
0,49728
0,49801
0,49856
0,49896
0,49983
0,49998
0,50000
0,09
0,03586
0,07535
0,11409
0,15173
0,18793
0,22240
0,25490
0,28524
0,31327
0,33891
0,36214
0,38298
0,40147
0,41774
0,43189
0,44408
0,45449
0,46327
0,47062
0,47670
0,48169
0,48574
0,48899
0,49158
0,49361
0,49520
0,49643
0,49736
0,49807
0,49861
0,49900
0,49983
0,49998
0,50000
Parte
inteira e
primeira
decimal
de Zc
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,5
4,0
5,0
88

Aula 03

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aula 03

Transféré par

Droits d'auteur :

Formats disponibles

Conhecimentos Especficos Mtodos Quantitativos Anatel

Aula 03 Varivel Aleatria

Varivel Aleatria .................................................................................................................. 2

Funo Discreta de Probabilidade ........................................................................... 3

Funo de Distribuio de Probabilidade ............................................................. 5

Funes de Distribuio e de Densidade para Variveis Contnuas .......... 8

Valor Esperado ..................................................................................................................... 13

Valor Esperado de Uma Funo de Varivel Aleatria.................................. 16

Distribuies de Probabilidade ....................................................................................... 21

Distribuies Discretas .............................................................................................. 21

O Mnimo que Voc Precisa Saber ................................................................................ 51

Exerccios de Fixao ......................................................................................................... 54

Resoluo dos Exerccios de Fixao ........................................................................... 64

Conhecimentos Especficos Mtodos Quantitativos Anatel

Ol, tudo bem com voc?

Uma varivel aleatria uma descrio numrica do resultado

Nmero de coroas obtido no lanamento de duas moedas;

Nmero de itens defeituosos

Nmero de defeitos em um carro que sai de uma linha de

Vejamos um outro exemplo. Considere o lanamento de duas moedas

Conhecimentos Especficos Mtodos Quantitativos Anatel

Tempo de resposta de um sistema computacional;

Volume de gua perdido por dia, num sistema de abastecimento;

Resistncia ao desgaste de um tipo de ao, num teste padro.

Funo Discreta de Probabilidade

Uma funo de probabilidade satisfaz as seguintes:

0 f(xi) 1 (porque no existe probabilidade negativa) e

i f(xi) = 1 ( a probabilidade do evento certo).

As variveis aleatrias discretas so completamente caracterizadas pela sua

Conhecimentos Especficos Mtodos Quantitativos Anatel

Exemplo (BACEN-rea 3/FCC/2005). O nmero de televisores modelo M

O preo unitrio de venda do televisor modelo M de R$ 1.000,00. Se num

A questo pede que se calcule a probabilidade de a receita de vendas num

Conhecimentos Especficos Mtodos Quantitativos Anatel

Ora, a probabilidade acima igual probabilidade

P[(X > 0) (X < 3)] = P(X = 1) + P(X = 2) = 0,30 + 0,30 = 0,60

Funo de Distribuio de Probabilidade

A funo de distribuio de probabilidade (ou funo acumulada de

A figura a seguir mostra a funo de distribuio F(x) da varivel aleatria do

Conhecimentos Especficos Mtodos Quantitativos Anatel

Observe que a amplitude do degrau em X = 1 igual a P(X = 1) = 1/6. A

F(x = -) = limx - F(x) = 0

F(x = +) = limx + F(x) = 1

F(x) contnua direita dos pontos X = x0 onde P(X=x0) 0.

P(a < X b) = F(b) F(a)

P(a X b) = F(b) F(a) + P(X = a)

P(a < X < b) = F(b) F(a) P(X = b)

F(x) uma funo no descrescente monotnica (*).

Conhecimentos Especficos Mtodos Quantitativos Anatel

Exemplo (BACEN-rea 3/Cesgranrio/2010). Se X uma varivel aleatria

Conhecimentos Especficos Mtodos Quantitativos Anatel

Funes de Distribuio e de Densidade para Variveis Contnuas

Diz-se que f(x) uma funo contnua de probabilidade ou funo densidade

f(x) > 0 para todo x (-,);

A condio 2 dada pela integral

Para calcular probabilidades, temos que, para a b

Conhecimentos Especficos Mtodos Quantitativos Anatel

A figura abaixo mostra o significado geomtrico de (4): a probabilidade

Observe que a probabilidade de ocorrncia de um dado valor isolado k

As prximas duas figuras ilustram, respectivamente, as funes densidade de

Conhecimentos Especficos Mtodos Quantitativos Anatel

Funo de distribuio normal

A funo densidade de probabilidade corresponde derivada da funo

seu valor igual a