Aula 06 - Estatística - Principais Distribuições Discretas

Estatstica para Bacen reas 2 3 e
Prof. Vtor Menezes Aula 6
AULA 6: Principais distribuies discretas

1.
DISTRIBUIO UNIFORME DISCRETA ............................................................................................. 2
2.
DISTRIBUIO DE BERNOULLI ........................................................................................................ 3
3.
DISTRIBUIO BINOMIAL ............................................................................................................... 8

3.1.
Introduo ............................................................................................................................................. 8
3.2.
Frmula da probabilidade para a varivel binomial............................................................................ 9
3.3.
Mdia e varincia da distribuio binomial ....................................................................................... 23
3.4.
Distribuio binomial e propores ................................................................................................... 27
4.
DISTRIBUIO DE POISSON .......................................................................................................... 32
5.
DISTRIBUIO GEOMTRICA ........................................................................................................ 47
6.
DISTRIBUIO HIPERGEOMTRICA .............................................................................................. 50
7.
QUESTES APRESENTADAS EM AULA .......................................................................................... 53
8.
GABARITO ..................................................................................................................................... 62
Prof. Vtor Menezes
www.estrategiaconcursos.com.br

1.
DISTRIBUIO UNIFORME DISCRETA
A distribuio uniforme discreta o tipo mais simples de varivel aleatria. a varivel em

que todos os valores tm a mesma probabilidade de ocorrer.
Um exemplo bem simples, e que j temos trabalhado, o caso do lanamento do dado de
seis faces. A varivel que designa o resultado do lanamento discreta (podem ocorrer
apenas os valores 1, 2, 3, 4, 5 e 6). Alm disso, se o dado for honesto, todos os resultados
so equiprovveis.
Dizemos que a varivel em questo discreta e uniforme.
Seja X a varivel discreta uniforme que pode assumir n resultados diferentes ( x1 , x 2 , x3 , ...,
x n ). A esperana de X fica:
=
A esperana simplesmente a mdia aritmtica de todos os valores que podem ocorrer.

Questo 1
TJ RO 2008 [CESGRANRIO]
Uma urna contm dez bolas, cada uma gravada com um nmero diferente, de 1 a 10. Uma
bola retirada da urna aleatoriamente e X o nmero marcado nesta bola. X uma
varivel aleatria cujo(a)
(A) desvio padro 10.
(B) primeiro quartil 0,25.
(C) mdia 5.
(D) distribuio de probabilidades uniforme.
(E) distribuio de probabilidades assimtrica.
Resoluo.
Neste exerccio, a varivel X discreta (assume apenas os valores inteiros de 1 a 10).
Alm disso, ela uniforme, pois todas as possveis realizaes tm probabilidade de 10%
(ou seja, as probabilidades so todas iguais entre si).
A questo no pediu, mas podemos calcular a sua esperana. A esperana simplesmente a
mdia aritmtica dos valores que X pode assumir.
=
Gabarito: D
1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10
= 5,5
10
Prof. Vtor Menezes

2.
DISTRIBUIO DE BERNOULLI
So de grande importncia alguns tipos de experimento em que a varivel de interesse pode

assumir apenas dois valores. Podemos falar em sucessos e fracassos. Um exemplo o
lanamento de uma moeda. Temos dois resultados possveis (cara e coroa). Podemos
considerar que cara sucesso e coroa fracasso.
Em casos assim, comum atribuirmos ao sucesso o valor 1 e ao fracasso o valor zero.
Seja X a varivel aleatria que assume o valor 1 quando o resultado do lanamento da
moeda cara e que assume o valor 0 quando o resultado do lanamento coroa. A varivel
aleatria X assume apenas os valores 0 e 1. uma varivel de Bernoulli.
Alm disso, X tambm uma varivel discreta (pois assume apenas alguns valores, quais
sejam, 0 e 1).
Caso a moeda seja honesta, ento a probabilidade de sucesso igual probabilidade de
fracasso (e ambas valem 50%). Teramos uma distribuio uniforme.
Neste caso, X seria discreta, uniforme e, alm disso, teria distribuio de Bernoulli.
Mudemos de exemplo. Considere o lanamento de um dado de seis faces. Se sair um
mltiplo de 3, consideramos sucesso. Se no sair um mltiplo de 3, consideramos fracasso.
Vamos criar uma varivel aleatria I. A nossa varivel aleatria I vai se comportar da
seguinte forma. Se o resultado do lanamento do dado for 1, 2, 4, 5, teremos fracasso.
Ento I assume valor zero.
Se o resultado do lanamento do dado for 3 ou 6, teremos sucesso. Ento I assume valor 1.
Dizemos que I uma varivel de Bernoulli. Ela tem a seguinte distribuio de probabilidade:
I
0
1
P
2/3
1/3
A probabilidade de I assumir o valor zero 2/3. E a probabilidade de I assumir o valor 1

1/3.
Distribuio de Bernoulli
Assume apenas os valores 0 e 1.
A grande importncia da varivel de Bernoulli, em termos de concursos, que ela serve pra
gente estudar outra varivel: a Binomial.
Prof. Vtor Menezes

Genericamente, indicamos por p a probabilidade sucesso e q a probabilidade de fracasso.
Com isso, a distribuio da varivel I seria:
I
0
1
Probabilidade
q
p
E sua esperana seria:

= 0
+1
=0
+1
Por sua vez, a esperana de I2 igual a:
=
=
Disto resulta que a varincia de I igual a:

=
Colocando p em evidncia:
=
Mdia e varincia da varivel com distribuio de Bernoulli

=
! =
Exemplo 1
Considere a distribuio de probabilidades para a varivel Y:

Y
1
2
3
Probabilidade
0,5
0,2
0,3
a) a varivel Y discreta ou contnua?

b) a varivel Y uniforme? Por qu?
c) a varivel Y tem distribuio de Bernoulli? Por qu?
d) calcule a esperana e a varincia de Y.
Resoluo:
Prof. Vtor Menezes

Foi dada a seguinte distribuio de probabilidade.
Y
1
2
3
Probabilidade
0,5
0,2
0,3
A varivel Y discreta. Ela no pode assumir qualquer valor em um dado intervalo real.
A varivel Y no pode ser classificada como uniforme. Na varivel discreta uniforme, as
probabilidades de ocorrncia de cada valor so todas iguais entre si. No o caso desta
questo. A probabilidade de Y ser igual a 1 maior que a probabilidade de Y ser igual a 2.
A varivel Y tambm no pode ser classificada como de Bernoulli. A varivel Y no assume
apenas os valores zero e 1. Portanto, no tem distribuio de Bernoulli.
Vamos agora calcular a esperana de Y. Como fazemos para qualquer varivel discreta,
consideramos que a probabilidade anloga freqncia relativa simples.
E (Y ) = y i P ( y i )
E (Y ) = 1 0,5 + 2 0,2 + 3 0,3 = 0,5 + 0, 4 + 0,9 = 1,8
Finalmente, vamos calcular a varincia de Y.
E (Y 2 ) = 12 0,5 + 2 2 0,2 + 3 2 0,3 = 0,5 + 0,8 + 2,7 = 4

Logo:
V (Y ) = E (Y 2 ) Y
V (Y ) = 4 1,8 2 = 0,76
Exemplo 2
Considere a distribuio de probabilidades para a varivel Z:
Z
1,24
2
6,55
100
Probabilidade
0,25
0,25
0,25
0,25
a) a varivel Z discreta ou contnua?

b) a varivel Z uniforme? Por qu?
c) a varivel Z tem distribuio de Bernoulli? Por qu?
Resoluo:
Foi dada a seguinte distribuio:
Prof. Vtor Menezes

Z
1,24
2
6,55
100
Probabilidade
0,25
0,25
0,25
0,25
A varivel Z assume apenas alguns valores (so apenas 4). Ela uma varivel discreta. Muita
gente confunde isso. O fato de uma varivel aleatria assumir valores no inteiros (como
1,24 ou como raiz de 2) no significa que ela seja contnua. Se a varivel Z fosse contnua ela
poderia assumir qualquer valor real contido num dado intervalo.
Note que as probabilidades de todos os valores so iguais entre si (todas valem 0,25). A
varivel Z , portanto, uniforme.
Por outro lado, como ela no assume apenas os valores 0 e 1, ela no pode ser classificada
como de Bernoulli.
Exemplo 3
Considere a distribuio de probabilidades para a varivel K:
K
0
1
Probabilidade
0,5
0,5
a) a varivel K discreta ou contnua?

b) a varivel K uniforme? Por qu?
c) a varivel K tem distribuio de Bernoulli? Por qu?
Resoluo:
Foi dada a seguinte distribuio de probabilidade:
K
0
1
Probabilidade
0,5
0,5
A varivel K assume apenas alguns valores. Ela discreta.

Alm disso, as probabilidades so todas iguais entre si (valem 0,5 cada uma). Podemos
classificar a varivel K como uniforme.
Por fim, a varivel K assume apenas os valores 0 e 1. Isso faz com que ela, alm de ser
discreta uniforme, tenha distribuio de Bernoulli.
Exemplo 4
Considere a distribuio de probabilidades para a varivel T:
Prof. Vtor Menezes

T
0
1
Probabilidade
0,75
0,25
a) a varivel T discreta ou contnua?

b) a varivel T uniforme? Por qu?
c) a varivel T tem distribuio de Bernoulli? Por qu?
Resoluo:
T
0
1
Probabilidade
0,75
0,25
A varivel T discreta. Contudo, no uniforme, pois as probabilidades no so iguais entre

si (a probabilidade de T ser igual a zero maior que a probabilidade de T ser igual a 1).
De modo diverso, T pode ser classificada como de Bernoulli, pois assume apenas os valores
0 e 1.
Questo 2
GDF SEJUS 2010 [UNIVERSA]
Para uma determinada moeda viciada, a probabilidade de se obter um resultado cara

igual a 30%. Seja, ento, a varivel aleatria X que assume apenas os valores 0 e 1, sendo 0
para resultado coroa e 1 para resultado cara. Assinale a alternativa que apresenta,
respectivamente, o valor mdio e a varincia de X.
(A) 0,21 e 0,3
(B) 0,7 e 0,21
(C) 0,21 e 0,7
(D) 0,3 e 0,21
(E) 0,3 e 0,7
Resoluo.
A probabilidade de sucesso 30% e a de fracasso 70% ( = 0,3;
= 0,7).
Logo:
! =
= 0,30
= 0,3 0,7 = 0,21
Gabarito: D
Prof. Vtor Menezes

3.
DISTRIBUIO BINOMIAL
3.1.
Introduo
A distribuio binomial aplicvel quando temos vrios experimentos independentes e, a

cada um deles, associamos apenas dois resultados. Podemos pensar em resultados
favorveis e resultados desfavorveis. Ou em sucessos e fracassos.
Por exemplo: vamos lanar um dado. Vamos considerar um resultado favorvel (sucesso) se
sair um mltiplo de 3. Vamos considerar um resultado desfavorvel (fracasso) se no sair
um mltiplo de 3. Seja I a varivel que, em caso de sucesso, assume o valor 1. E, em caso
de fracasso, assume o valor zero.
A cada lanamento, a probabilidade de ocorrer um evento favorvel de 1/3 (ou seja, a
probabilidade de I = 1 de 1/3). E a probabilidade de ocorrer um evento desfavorvel 2/3
(a probabilidade de I = 0 2/3). Como j vimos, I uma varivel de Bernoulli.
Segue a distribuio de probabilidades da varivel I:
I
0
1
Probabilidade
2/3
1/3
Muito bem, s que no vamos lanar o dado uma nica vez. Vamos lanar o dado trs vezes.
A varivel aleatria X vai representar o nmero de sucessos em trs lanamentos.
Um possvel resultado dos trs lanamentos seria: 2, 4, 3.
Vamos ver como se comporta a varivel I em cada um destes lanamentos.
1 lanamento: 2 I = 0 (tivemos um fracasso, pois no saiu um mltiplo de 3)
2 lanamento: 4 I = 0 (tivemos outro fracasso, pois no saiu um mltiplo de 3)
3 lanamento: 3 I = 1 (tivemos um sucesso, pois saiu um mltiplo de 3).
Nesse caso, em trs lanamentos, o nmero de casos favorveis foi de 1 (X = 1).

Se somarmos todos os valores que I assume, temos exatamente 1.
Ou seja, X igual soma de todos os valores de I.
Vamos mudar um pouco o exemplo.
Suponhamos agora que os resultados dos trs lanamentos foram: 3, 1, 6. Vamos ver como
se comporta a varivel I em cada lanamento:
1 lanamento: 3 I = 1
Nesse outro caso, em trs lanamentos, o nmero de casos favorveis foi de 2 (X = 2). Se
somarmos todos os valores que I assume, temos exatamente 2. Novamente, X igual
soma de todos os valores de I.
Prof. Vtor Menezes

Esta varivel X dita binomial. Ela representa o nmero de casos favorveis em um
conjunto de experimentos que s admitem dois resultados possveis (sucesso ou fracasso).
Ela a soma de vrias variveis de Bernoulli, todas independentes entre si.
Varivel binomial
Corresponde soma de vrias variveis de Bernoulli, independentes entre si. Tem relao
com o nmero de resultados favorveis em n experimentos
3.2.
Frmula da probabilidade para a varivel binomial
Para calcular a probabilidade de a varivel aleatria X, com distribuio binomial, assumir

um determinado valor k, basta aplicar a seguinte frmula:
#
Nesta frmula, temos:
=$ =% &
$
'
('
n a quantidade de experimentos
p a probabilidade de sucesso em cada experimento
q a probabilidade de fracasso em cada experimento
k representa a quantidade de sucessos para a qual estamos querendo calcular a

probabilidade
Exemplo:
Qual a probabilidade de, lanando uma moeda trs vezes, obtermos duas caras?
Neste caso, so trs lanamentos, ou trs experimentos (n = 3).
Em cada experimento, a probabilidade de sucesso (ou ainda: a probabilidade de obter cara)
de 0,5 (p = 0,5). A probabilidade de fracasso 0,5 (q = 0,5).
Queremos calcular a probabilidade de ocorrerem duas caras (k = 2).
Ficamos com:
#
3
3
= 2 = % & 0,5 0,5 = 3 0,5) = = 37,5%
2
8
Vamos retomar o exemplo do lanamento do dado. Vamos comparar o clculo da

probabilidade usando a frmula e sem usar a frmula.
Prof. Vtor Menezes

Lanamos o dado trs vezes. A cada lanamento, consideramos sucesso se o resultado for
mltiplo de 3.
No nosso exemplo, a varivel binomial X s pode assumir quatro valores (0, 1, 2 e 3). So
trs lanamentos do dado. Ou no temos nenhum sucesso. Ou apenas 1. Ou 2. Ou ento,
em trs lanamentos, temos trs sucessos (mltiplos de 3 em todos os lanamentos).
Vamos calcular a probabilidade de X assumir cada um desses valores.
Para X ser igual a zero, precisamos que, nos trs lanamentos, tenhamos nmeros que no
so mltiplos de 3.
Queremos que ocorram, simultaneamente, os trs eventos:
Fracasso no primeiro lanamento
Fracasso no segundo lanamento
Fracasso no terceiro lanamento
Observe que o resultado de um lanamento no tem qualquer influncia no resultado dos

demais lanamentos. So trs eventos independentes. Todos eles tm probabilidade de 2/3
de ocorrer. Nesse caso, a probabilidade da interseco dos eventos igual ao produto das
probabilidades.
P ( X = 0) =
2 2 2

3 3 3
2
P ( X = 0) =
3
Para X ser igual a 1, precisamos ter exatamente 1 lanamento com sucesso. Temos as
seguintes hipteses:
Sucesso no primeiro lanamento, fracasso no segundo lanamento, fracasso no

terceiro lanamento;
Fracasso no primeiro lanamento, sucesso no segundo lanamento, fracasso no

terceiro lanamento;
Fracasso no primeiro lanamento, fracasso no segundo lanamento, sucesso no

terceiro lanamento.
Vamos ver a probabilidade para o primeiro caso. Temos:
Sucesso no primeiro lanamento
Fracasso no segundo lanamento
Fracasso no terceiro lanamento
So trs eventos independentes. O primeiro tem probabilidade 1/3. Os demais tm

probabilidade de 2/3 de ocorrer. A probabilidade da interseco fica:
1 2 2

3 3 3
Prof. Vtor Menezes
10

Para os demais casos, a conta exatamente a mesma. Ou seja, a probabilidade de X ser
igual a 1 fica:
1 2 2
P ( X = 1) = 3
3 3 3
Para X ser igual a 2, precisamos de dois sucessos e um fracasso. Temos as seguintes

hipteses:
Sucesso no primeiro lanamento, sucesso no segundo lanamento, fracasso no

terceiro lanamento;
Fracasso no primeiro lanamento, sucesso no segundo lanamento, sucesso no

terceiro lanamento;
Sucesso no primeiro lanamento, fracasso no segundo lanamento, sucesso no

terceiro lanamento.
Vejamos a probabilidade da primeira hiptese. So trs eventos independentes. A

probabilidade de sucesso 1/3. A de fracasso 2/3. Ficamos com:
1 1 2

3 3 3
Para as demais hipteses, as contas so anlogas. A probabilidade de X ser igual a 2 fica:

1 1 2
P ( X = 2) = 3
3 3 3
2
1 2
P ( X = 2) = 3
3 3
Finalmente, para X ser igual a 3, precisamos de sucessos nos trs lanamentos. Ficamos
com:
1 1 1
P ( X = 3) =
3 3 3
Pronto. Calculamos as probabilidades de X assumir cada um dos valores possveis.

Seja n o nmero de experimentos. Seja p a probabilidade de sucesso em cada
experimento. Seja q a probabilidade de fracasso.
Nesse nosso exemplo, lanamos o dado 3 vezes (n = 3). E a probabilidade de sucesso em
cada lanamento era de 1/3 (p = 1/3). A probabilidade de fracasso em cada experimento era
de 2/3 (q = 2/3).
Para no precisarmos ficar fazendo todas essas contas que fizemos acima para cada
problema diferente, existe uma frmula que indica a probabilidade da varivel binomial
assumir um dado valor.
a que segue:
Prof. Vtor Menezes
11

n
P( X = k ) = p k q n k
k
No custa relembrar o significado do smbolo de combinao:
n
n!
=
k (n k )!k!
Vamos ver a aplicao da frmula ao nosso exemplo do dado. Lanamos o dado trs vezes (
n = 3 ). Consideramos sucesso se der mltiplo de 3. Assim, a probabilidade de sucesso 1/3
( p = 1 / 3 ) e a probabilidade de fracasso 2/3 ( q = 2 / 3 ). Vamos calcular, a ttulo de
exemplo, a probabilidade de X ser igual a 2 ( k = 2 ).
n
P( X = k ) = p k q n k
k
2
3 1 2
P( X = 2) =
2 3 3
2
3! 1 2
P ( X = 2) =

1!2! 3 3
3 2
3 2
1 2
= 3
3 3
Que o mesmo resultado que tnhamos achado antes, sem a frmula.
Varivel binomial
Seja X nossa varivel binomial. Ela representa o nmero de sucessos em n experimentos
(onde cada experimento pode resultar em sucesso ou em fracasso).
A frmula da varivel binomial a que segue. A probabilidade de termos k sucessos em n
experimentos :
n
P( X = k ) = p k q n k
k
Vamos praticar um pouco.

Questo 3
SEFAZ RJ 2007 [FGV]
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:
Prof. Vtor Menezes
12

(A) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200
Resoluo.
Quando analisamos uma nica questo, podemos ter sucesso (acerta a questo) ou fracasso
(erra a questo). A probabilidade de sucesso de 20% e a de fracasso 80%.
p = 0,2 ; q = 0,8
Assim, quando analisamos uma nica questo, temos uma distribuio de Bernoulli.
A quantidade de sucessos em trs experimentos corresponde, portanto, soma de trs
variveis de Bernoulli. Temos uma distribuio binomial.
A probabilidade de 2 acertos em trs :
n
P ( X = k ) = p k q n k
k
3
P( X = 2) = 0,2 2 0,81 = 0,096
2
A probabilidade de 3 acertos :
3
P( X = 3) = 0,2 3 0,8 0 = 0,008
3
A probabilidade de ser aprovado :
P ( X = 2) + P ( X = 3) = 0,096 + 0,008 = 0,104
Gabarito: A
Questo 4
CGU 2008 [ESAF]
Seja X a soma de n variveis aleatrias independentes de Bernoulli, isto , que assumem

apenas os valores 1 e 0 com probabilidades p e 1 p , respectivamente. Assim, a
distribuio de X :
a) binomial com parmetros n e p
b) gama com parmetros n e p
c) qui quadrado com n graus de liberdade
d) laplace
e) t de student com n-1 graus de liberdade
Prof. Vtor Menezes
13

Resoluo:
Cobrana direta do resumo estudado nesta aula.
Gabarito: A.
Questo 5
PETROBRAS 2008/2 [CESGRANRIO]
Um estudante marca, ao acaso, as respostas de um teste de 10 questes de mltipla

escolha, com 4 alternativas por questo. O nmero mais provvel de acertos
(A) 1,5
(B) 2,0
(C) 2,5
(D) 3,0
(E) 3,5
Resoluo.
A probabilidade de acerto de cada questo de 25% (so 4 alternativas e apenas uma
correta). O nmero de acertos uma varivel aleatria binomial, onde n = 10 e p = 0,25.
As alternativas a, c e e trazem valores impossveis de serem obtidos. No possvel
termos 1,5 acertos. Ou 2,5 acertos. Ou 3,5 acertos. Estes valores tm probabilidade zero.
Ficamos, portanto, entre as alternativas b e d.
Vamos calcular a probabilidade de 2 acertos.
n
P( X = k ) = p k q n k
k
10
P( X = 2) = 0,25 2 0,758
2
P( X = 2) = 45 0,252 0,758
Vamos agora calcular a probabilidade de 3 acertos.
n
P( X = k ) = p k q n k
k
10
P( X = 3) = 0,253 0,75 7
3
P( X = 3) = 120 0,253 0,757

Dividindo as duas probabilidades:
Prof. Vtor Menezes
14

P( X = 2) 45 0,25 2 0,758
=
P( X = 3) 120 0,253 0,75 7
P( X = 2) 45 0,75 45 3 130
=
=
=
>1
P( X = 3) 120 0,25 120 120
Conclumos que P ( X = 2) > P ( X = 3) .
Gabarito: B
Questo 6
AFRFB 2009 [ESAF]
Em um experimento binomial com trs provas, a probabilidade de ocorrerem dois sucessos

doze vezes a probabilidade de ocorrerem trs sucessos. Desse modo, as probabilidades de
sucesso e fracasso so, em percentuais, respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
d) 20 % e 80 %
e) 25 % e 75 %
Resoluo.
So 3 experimentos ( n = 3 ). A probabilidade de 2 sucessos dada por:
3
P( X = 2) = p 2 q 1
2
= 3 p2 q
A probabilidade de trs sucessos :
3
P( X = 3) = p 3 q 0
3
= p3
O exerccio disse que a primeira probabilidade 12 vezes a segunda.
3 p 2 q = 12 p 3
q = 4 p (equao I)
A probabilidade de sucesso somada com a probabilidade de fracasso igual a 100%.

p + q = 1 (equao II)
Substituindo I em II:
p + 4p =1
Prof. Vtor Menezes
15

p = 0, 2
Logo:
q = 0,8
Gabarito: D
Questo 7
SUSEP 2010 [ESAF]
Um estudo indica que, nas comunidades que vivem em clima muito frio e com uma dieta de
baixa ingesto de gordura animal, a probabilidade de os casais terem filhos do sexo
masculino igual a 1/4. Desse modo, a probabilidade de um casal ter dois meninos e trs
meninas igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
Resoluo
Podemos pensar que, a cada parto, temos um experimento. Teremos sucesso se nascer
menino. E queremos calcular a probabilidade de exatamente 2 sucessos em 5 experimentos
(ou seja, 2 meninos em 5 partos).
Ficamos com:
n
P( X = k ) = p k q n k
k
2
5 1 3
27
135
P( X = 2) = = 10
=
1024 512
2 4 4
No h alternativa correta. A questo foi anulada.
Gabarito: Anulado
Questo 8
SEFAZ MG 2005 [ESAF]
Suponha que a probabilidade de que se encontre um erro contbil grave em uma auditoria
seja 0,2. Se dez auditorias independentes so realizadas, assinale a opo que d a
probabilidade de que no mais do que uma detecte erro contbil grave.
a) 2,8 4 / 5
b) 0,400
c) 0,210
Prof. Vtor Menezes
16

d) 2,8 (4 / 5)
10
e) 2,8 (4 / 5)
Resoluo.
O nmero de erros graves segue uma distribuio binomial.
Podemos pensar que cada auditoria um experimento. Em cada experimento, o sucesso
ocorre quando encontrado um erro grave. Queremos que o nmero de sucessos seja zero
ou 1.
Podemos dividir o problema em duas partes.
Primeiro: calculando a probabilidade de termos zero sucessos (k = 0).
n = 10
p = 0,2
q = 0,8
k=0
A probabilidade fica:
n
P( X = k ) = p k q n k
k
10
P( X = 0) = 0,2 0 0,8100
0
P( X = 0) = 1 1 0,8100
P( X = 0) = 0,810
Segundo: calculando a probabilidade de termos um sucesso (k = 1).
n = 10
p = 0,2
q = 0,8
k=1
A probabilidade fica:
n
P( X = k ) = p k q n k
k
10
P( X = 1) = 0,21 0,8101
1
Prof. Vtor Menezes
17

P( X = 1) = 10 0,21 0,89
P( X = 1) = 10 0,21 0,89
P( X = 1) = 2 0,89
Somando as duas probabilidades, ficamos com:
10
9
P ( X = 0 X = 1) = 0,8 + 2 0,8
9
P ( X = 0 X = 1) = 0,8 (0,8 + 2)
Lembrando que 0,8 = 4 / 5 , temos:

9
P ( X = 0 X = 1) = 4 / 5 (2,8)
Gabarito: E.
Questo 9
CGU 2008 [ESAF]
Seja X uma varivel aleatria discreta com funo de probabilidade binomial f (x ) , onde
f (k ) = C n ,k p x (1 p) n k e C n, k o nmero de combinaes de n elementos tomados k a k.

Sendo n = 6 e p = 1 / 3 , determine f ( 6) .
a) 1/729
b) 1
c) 0
d) 64/729
e) 8/729
Resoluo.
Temos uma varivel binomial. O exerccio pediu para calcularmos a probabilidade de X = 6
.
Basta aplicar a frmula que vimos (e que o prprio exerccio forneceu).
n
P( X = k ) = p k q n k
k
6
P( X = 6) = (1 / 3) 6 (2 / 3) 6 6 = (1 / 3) 6 = 1 / 729
6
Gabarito: A.
Prof. Vtor Menezes
18

Questo 10
CGU 2008 [ESAF]
Seja F (k ) a funo de distribuio da varivel aleatria definida na questo anterior,

determine F (0) .
a) 0
b) 1/729
c) 64/729
d) 243/729
e) 1.
Resoluo.
A funo de distribuio nos fornece a probabilidade de X ser menor ou igual a um dado
valor k.
Se k = 0 , a funo nos dir qual a probabilidade de X ser menor ou igual a zero.
Como X uma varivel binomial, ela s assume valores maiores ou iguais a zero. Lembremse de que a varivel binomial tem relao com o nmero de casos favorveis em um
nmero n de experimentos (no d pra ter, por exemplo, menos dois casos favorveis).
Assim, F (0) corresponde probabilidade de X = 0 .
Aplicando a frmula:
n
P( X = k ) = p k q n k
k
6
P( X = 0) = (1 / 3) 0 (2 / 3) 60 = (2 / 3) 6 = 64 / 729
0
Gabarito: C.
Questo 11
IRB 2004 [ESAF]
Suponha que o motor de um avio em vo falhe, independentemente dos outros motores,

com probabilidade 1
, sendo um nmero entre zero e um. O avio capaz de fazer um
vo seguro se pelo menos a metade de seus motores estiverem funcionando propriamente.
Assinale a opo que corresponde aos valores de para os quais voar num avio com 4
motores mais seguro do que voar num bimotor.
a) p=0,500
b) p=0,200
c) p deve estar entre 0,500 e 0,655
d) p deve ser menor do que 0,200
e) p deve ser maior que 2/3
Prof. Vtor Menezes
19

Resoluo:
Seja p a probabilidade de um motor funcionar perfeitamente e q (= 1 p) a
probabilidade do motor falhar.
Avio bimotor
A quantidade de motores funcionando adequadamente tem distribuio binomial com
parmetros n = 2 e p.
Para que ele voe de forma segura, devemos ter uma das seguintes situaes:
os dois motores funcionam: #
=2 =+
exatamente um motor funciona: #
=1 =+
=2
A probabilidade de o avio voar seguramente igual a:

+2
Avio com quatro motores
A quantidade de motores funcionando adequadamente tem distribuio binomial com
parmetros n = 4 e p.
Para que ele voe de forma segura, devemos ter uma das seguintes situaes:
os quatro motores funcionam: #
= 4 = +-,-
exatamente trs motores funcionam: #
= 3 = +-,)
exatamente dois motores funcionam: #
= 2 = +-,
=4
=6
Somando tudo:
-
+4
+6
Comparando os dois avies

Para que o avio com quatro motores seja mais seguro, a sua probabilidade de vo seguro
deve ser maior que a do bimotor:
-
+4
+6
>
+2
Substituindo q por 1 p:
-
+4
+4
-
)
)
+4
1
4
+6
+6
+6
-
1
8
2 +
12
+7
>
+6
>
>
2 >0
+2 1
+2 1
+2
Dividindo todos os termos por p:

Prof. Vtor Menezes
20

3
+7
2>0
Para resolvermos a inequao, antes, vamos resolver a equao correspondente:

3
+7
2=0
Notem que uma raiz imediata p = 1.

Vejam:
3 1)
81 +71
2=3
8+7
2=0
Deste modo, a primeira raiz 1.

Razes
p=1
Dividindo o polinmio por p 1:
3 ) 8 +7
2
)
3
3
5 + 7
2
5 +5
2
2
2
2
0
5 +2
Obtivemos:
3
5 +2=0
Aplicando Bhaskara:
=
432= 1
As razes ficam:
5 1
23
5+1
3
=
=1
6
5 1 4 2
=
= =
6
6 3
=
33
Razes
p=1
p=1
p = 2/3
Deste modo, o polinmio 3
+7
1
2 pode ser reescrito assim:

1 4
2
5
3
Agora vamos fazer o estudo dos sinais desta funo acima.
Prof. Vtor Menezes
21

Logo, a funo polinomial maior que 0 para
> 2/3.
Gabarito: E
Questo 12
SERPRO 2001 [ESAF]
Um aspecto importante do servio de manuteno de programas numa empresa tem a ver

com a velocidade (presteza) com que uma chamada de servio (de manuteno) atendida.
Historicamente, numa determinada empresa, observa-se que as chances so de 50% de que
uma chamada seja atendida num perodo inferior a 1 hora. Se 5 chamadas de manuteno
so realizadas nessa empresa, assinale a opo que d a probabilidade de que pelo menos 3
chamadas sejam atendidas em menos de 1 hora.
a) 50,00%
b) 12,50%
c) 75,00%
d) 31,25%
e) 18,75%
Resoluo:
A quantidade de chamadas atendidas em menos de 1 hora segue uma distribuio binomial
de parmetros n = 5 e p = 0,5.
As probabilidades de 3, 4 e 5 chamadas atendidas em menos de 1 hora so:
= 3 = +7,) 0,5) 0,5 = 10 0,57
= 4 = +7,- 0,5- 0,5 = 5 0,57

= 5 = +7,7 0,57 0,5, = 0,57
Somando tudo, temos a probabilidade de pelo menos 3 chamadas atendidas em menos de 1

hora:
10 + 5 + 1 0,57
=
Gabarito: A
Prof. Vtor Menezes
16 16
=
= 50%
27 32
22

Questo 13
SUSEP 2006 [ESAF]
Se p a probabilidade de um evento acontecer em uma tentativa nica e seu complemento

(1 p) a probabilidade do evento no ocorrer (distribuio binomial), ento a
probabilidade do evento ocorrer exatamente X vezes, em n tentativas dada por:
a p x =+
b
,;
= 1++
;
(;
(;
(;
;
,;
(;
(;
Resoluo:
Cobrana direta da frmula da probabilidade da distribuio binomial.
Gabarito: A
3.3.
Mdia e varincia da distribuio binomial
Se X tem distribuio binomial, sua mdia e sua varincia ficam:

=
Para ter ideia de onde vm esses resultados, vamos continuar com o lanamento do dado. O
resultado considerado favorvel se sair um mltiplo de 3. desfavorvel se no sair um
mltiplo de 3. Vamos lanar o dado 3 vezes. Nossa varivel aleatria X vai representar o
nmero de casos favorveis nesses lanamentos. , portanto, uma varivel binomial.
Vamos calcular a probabilidade de X assumir cada valor. J at fizemos essa conta quando
comeamos a estudar a varivel binomial. Mas ok, vamos l de novo.
Para X assumir valor zero, precisamos que os trs lanamentos sejam desfavorveis.
n=3
k=0
p = 1/3
q = 2/3
0
3 1 2
P( X = 0) =
0 3 3
0
3! 1 2
P ( X = 0) =

3!0! 3 3
Prof. Vtor Menezes
3 0
3 0
8
27
23

Para X assumir valor 1, precisamos que exatamente um dos trs lanamentos resulte em
mltiplo de 3.
n=3
k=1
p = 1/3
q = 2/3
1
3! 1 2
P ( X = 1) =

2!1! 3 3
31
12
1 2
= 3 =
27
3 3
Para X assumir o valor 2, precisamos que exatamente dois dos trs lanamentos resultem
em mltiplo de 3.
n=3
k=2
p = 1/3
q = 2/3
2
3! 1 2
P ( X = 2) =

1!2! 3 3
3 2
6
1 2
= 3 =
27
3 3
Por fim, para X assumir o valor 3, precisamos que todos os lanamentos resultem em
mltiplo de 3.
n=3
k=3
p = 1/3
q = 2/3
3
3! 1 2
P ( X = 3) =

0!3! 3 3
3 3
1
1 2
= 1 =
27
3 3
Queremos calcular a mdia desta varivel aleatria.

Para calcular a mdia de qualquer varivel discreta, consideramos que as probabilidades so
anlogas s frequncias relativas.
X
X P
0
8/27
0
1
12/27 12/27
2
6/27 12/27
3
1/27 3/27
Total
1
1
E a mdia da nossa varivel X fica:
1
= =1
1
Prof. Vtor Menezes
24

Vamos agora calcular a sua varincia.
X
0
1
2
3
Total
X2
0
1
4
9
8/27
12/27
6/27
1/27
1
=
E a varincia de X seria:
X2P
0
12/27
24/27
9/27
45/27
45
27
18 2
45
1=
=
27 3
27
S que todo esse passo a passo d muito trabalho.
=
Quando X for uma varivel aleatria binomial, um jeito mais rpido de calcular a sua mdia
e sua varincia :
= np
2 = npq
Para calcular a mdia, basta multiplicar o nmero de experimentos (no nosso caso,
lanamos o dado trs vezes, n = 3) pela probabilidade de sucesso em 1 experimento (neste
caso, em um lanamento, a probabilidade de sair um mltiplo de 3 1/3).
Logo:
= np
1
= 3 = 1
3
E para varincia fazemos a mesma coisa. S que, alm dos passos acima, multiplicamos pela
probabilidade de fracasso em um experimento (neste caso, em um lanamento, a
probabilidade de sair um nmero que no seja mltiplo de 3 2/3).
2 = npq
1 2 2
2 = 3 =
3 3 3
Mdia e varincia da varivel binomial

=
Prof. Vtor Menezes
25

! =
Estas expresses para a mdia e a varincia da distribuio binomial podem ser facilmente
obtidas com a utilizao das propriedades da esperana.
A varivel binomial X corresponde soma de n variveis de Bernoulli, designadas por I.
n
X = Ii
i =1
Cada varivel I tem mdia p e varincia pq.

A esperana de X, portanto, equivale esperana da soma de n variveis I. Vimos que a
esperana da soma igual soma das esperanas.
n
E ( X ) = E I i = np
i =1
Quando temos variveis independentes, a varincia da soma igual soma das varincias.
Portanto:
n
V I i = npq
i =1
Questo 14
Em certo plano amostral, em uma populao de 100 elementos, optou-se pelo seguinte
critrio: joga-se uma moeda (honesta) e, se der cara, o elemento entra na amostra; se der
coroa, ele no entra na amostra. Qual o tamanho esperado dessa amostra?
(A) 10
(B) 20
(C) 30
(D) 40
(E) 50
Resoluo.
Seja X a quantidade de elementos selecionados. X uma varivel binomial com n = 100 e p =
0,5.
A mdia de X fica:
=
= 100 0,5 = 50
Gabarito: E
Prof. Vtor Menezes
26

3.4.
Distribuio binomial e propores
A distribuio binomial muito aplicada quando estamos interessados em propores de

uma dada populao.
Considere uma cidade com 100.000 habitantes em que 2/5 so favorveis a uma dada
poltica urbana. Ou ainda: a proporo de habitantes favorveis poltica urbana de 40%.
Vamos entrevistar cinco pessoas ao acaso. A nossa varivel aleatria X vai designar o
nmero de pessoas entrevistadas que so favorveis poltica urbana.
Primeiramente, vamos supor que nosso processo ocorre com reposio.
Como assim? O que significa processo com reposio?
Listamos todas as pessoas. Sorteamos uma. Entrevistamos tal pessoa. Depois disso, o nome
dela volta para a lista, podendo ser sorteada novamente.
A nossa varivel X pode assumir os valores 0, 1, 2, 3, 4, 5. um caso anlogo ao lanamento
do dado. So cinco experimentos independentes e, em cada um deles, a probabilidade de
ocorrer o resultado favorvel de 2/5. Como X designa o nmero de pessoas favorveis
poltica (= nmero de sucessos), X uma varivel binomial.
Assim, temos:
n = 5 (nmero de experimentos)
p = 2/5 (probabilidade de resultado favorvel em um experimento o mesmo valor

da proporo de pessoas favorveis poltica)
q = 3/5 (probabilidade de resultado desfavorvel em um experimento)
A probabilidade de X assumir cada um dos valores possveis dada abaixo:

X
0
1
2
3
4
5
P
0,07776
0,2592
0,3456
0,2304
0,0768
0,01024
Todos os valores acima foram calculados com a frmula da varivel binomial dada abaixo.
n
P( X = k ) = p k q n k
k
por isso que a proporo est relacionada com a varivel binomial. Ela tem relao com a
probabilidade de sucesso e fracasso (valores de p e q).
Vamos agora mudar um pouco o exemplo.
Prof. Vtor Menezes
27

Poderamos fazer a entrevista de um modo um pouco diferente. Podemos fazer um

experimento sem reposio, o que at mais comum. No queremos entrevistar a mesma
pessoa duas vezes. Uma vez que um nome sorteado, ele no volta para lista, de modo que
uma pessoa jamais poderia ser sorteada mais de uma vez.
Neste caso, no temos mais uma varivel binomial. Continuamos tendo cinco experimentos.
S que eles no so mais independentes entre si (e, para termos varivel binomial, os n
eventos tm que ser independentes). A probabilidade de, no segundo experimento, ser
entrevistada uma pessoa favorvel poltica urbana depende do resultado do primeiro
experimento.
So 100.000 habitantes. 40.000 so favorveis referida poltica. 60.000 so contrrios.
Suponhamos que a primeira pessoa entrevistada foi favorvel poltica. Entrevistada a
primeira pessoa, a situao a seguinte:
temos agora 99.999 pessoas
restaram 39.999 favorveis poltica
A probabilidade de a segunda pessoa tambm ser favorvel : 39.999/99.999. Este nmero

diferente de 2/5.
De outro modo, se a primeira pessoa foi contrria referida poltica, temos:
99.999 pessoas ainda restam com chances de serem entrevistadas
todas as 40.000 favorveis poltica ainda podem ser entrevistadas
A probabilidade da segunda pessoa ser favorvel : 40.000/99.999, que tambm diferente

de 2/5.
Notem que a probabilidade de sucesso e fracasso no segundo experimento (na segunda
entrevista) depende do resultado do experimento anterior. Ou seja, os experimentos no
so independentes. Concluso: no temos uma varivel binomial.
Mesmo nossa varivel no sendo exatamente binomial, obedecidas algumas condies,
podemos consider-la aproximadamente binomial.
exatamente o caso acima. Para ficar mais claro, vamos para uma situao extrema.
Suponha que as quatro primeiras pessoas entrevistadas foram favorveis poltica. Qual a
probabilidade da quinta pessoa tambm ser?
restam 99.996 pessoas
destas, 39.996 so favorveis poltica urbana
Portanto, a probabilidade procurada : 39.996/99.996 = 0,399976. Este nmero muito

prximo de 2/5 (=0,4).
A proximidade tanta que podemos considerar que esta distribuio praticamente
binomial. Ou seja, mesmo que no haja reposio, podemos considerar que, a cada novo
entrevistado, a probabilidade de a pessoa ser favorvel poltica urbana de 2/5. Isto
porque, mesmo na situao extrema acima, o valor obtido ainda foi muito prximo de 2/5.
Utilizaremos esta propriedade nas prximas aulas.
Prof. Vtor Menezes
28

Ento, resumindo, temos que:
a varivel binomial til para estudarmos propores
as probabilidades de sucesso e fracasso tm relao com a proporo de ocorrncia

de um dado fenmeno/resultado/valor/etc.
Questo 15
TRT 2 REGIO 2008 [FCC]
Em uma grande cidade, a probabilidade de uma pessoa responder corretamente a uma

questo formulada por um entrevistador igual a 40%. Selecionando ao acaso trs pessoas
sem reposio e fazendo a pergunta para cada uma independentemente, a probabilidade de
pelo menos uma acertar a resposta igual a
(A) 78,4%
(B) 60,0%
(C) 54,6%
(D) 48,0%
(E) 44,8%
Resoluo:
Vamos designar por I varivel aleatria que assume o valor 1 quando a pessoa
selecionada responde corretamente e 0 quando responde incorretamente. I uma
varivel de Bernoulli.
Seja X a soma dos valores de I, para as trs pessoas escolhidas.
Como estudamos acima, X uma varivel binomial.
Certo???
Errado!!!
Para que X seja binomial, as variveis I1, I2 e I3, correspondentes primeira, segunda e
terceira pessoas escolhidas, devem ser independentes.
Suponha que a cidade em questo seja minscula. So apenas 100 habitantes. 40 delas
sabem responder pergunta (e acertam). As outras 60 no sabem responder e erram.
Para a primeira pessoa escolhida, a probabilidade de acerto de 40% (40 pessoas sabem
responder, em 100 possveis).
Prof. Vtor Menezes
29

Como a escolha sem reposio, para a segunda pessoa, a probabilidade de acerto no
mais de 40%. Se a primeira pessoa acertou, ento sobraram 39 pessoas que sabem
responder, em 99 possveis. A probabilidade de acerto passou para 39/99.
Caso contrrio, se a primeira pessoa errou, ento a probabilidade de a segunda pessoa
acertar de 40/99.
Ou seja, as variveis I1, I2 e I3 so dependentes. Quando isso ocorre, X no mais binomial.
Para contornarmos este problema, a questo disse para considerarmos que a populao
grande.
Ou seja, a cidade no tem apenas 100 habitantes, como vimos acima. A cidade teria, por
exemplo, 1.000.000 (um milho) de habitantes.
Neste caso, mesmo que a escolha seja sem reposio, podemos considerar que X
aproximadamente binomial. E a aproximao realmente muito boa.
Isso ocorre porque o tamanho da amostra pequeno em relao ao tamanho da populao.
Assim, diminuir uma pessoa em um total de 1.000.000 faz pouca diferena.
Sabendo disso, podemos aproximar, considerando que I1, I2 e I3 so independentes. Todas
elas apresentam probabilidade de sucesso de 40%
= 0,4 e, consequentemente,
probabilidade de fracasso de 60% ( = 0,6).
Pede-se a probabilidade de pelo menos uma pessoa acertar a resposta.
#
1 =?
Observem a expresso pelo menos uma. Sempre que temos esta expresso, trabalhamos
com o evento complementar.
Vamos calcular a probabilidade do evento complementar:
= $ = % & ' ('
$
3
= 0 = % & 0,4, 0,6)(, = 0,6) = 0,216
0
#
#
Logo:
#
1 =1
=0 =1
0,216 = 0,784
Gabarito: A
Prof. Vtor Menezes
30

Questo 16
SAD PE 2009 [CESPE]
A figura acima apresenta a distribuio percentual da populao de crianas e jovens entre

cinco a dezenove anos de idade que nunca procurou um dentista, por renda domiciliar per
capita no Brasil em 1998. As diferenas entre os diversos grupos de renda per capita
acentuada. Aproximadamente 25% da populao brasileira com idade entre cinco e
dezenove anos nunca procuraram um dentista. Entretanto, este valor sofre oscilaes
segundo a renda variando de 50,7% naqueles domiclios com renda de at R$ 37,75 a 1,5%
naqueles domiclios com renda per capita entre R$ 1.813,00 e R$ 40.500,00.
A. Nunes et al. Medindo as desigualdades em sade no Brasil, OPAS/OMS, 2001 (com
adaptaes)
Considerando que uma amostra aleatria simples de cinco mil indivduos fosse retirada da
populao de crianas e jovens entre cinco e dezenove anos de idade no Brasil em 1998, se
X representa o nmero de indivduos nessa amostra que nunca procurou um dentista, ento
a varincia de X
A) inferior a 400.
B) superior a 400 e inferior a 600.
C) superior a 600 e inferior a 800.
D) superior a 800 e inferior a 1.000.
E) superior a 1.000.
Resoluo
Prof. Vtor Menezes
31

25,2% da populao brasileira com idade entre cinco e dezenove anos nunca procuraram
um dentista. Isto significa que, para cada pessoa entrevistada, h 25,2% de chance de o
indivduo nunca ter procurado um dentista. Consequentemente, h 74,8% de chance de a
pessoa j ter procurado um dentista.
Como estamos interessados nos casos em que a pessoa no procura o dentista, temos:
p = 25,2% ; q = 74,8%
A amostra tem tamanho 5.000.
n = 5.000
A varincia fica:
Var ( X ) = npq = 5.000 0, 252 0,748 = 942 ,48
Gabarito: D
4.
DISTRIBUIO DE POISSON
Vimos que a distribuio binomial til para calcularmos a probabilidade de, em n

experimentos, termos k casos favorveis. A frmula estudada foi:
n
P( X = k ) = p k q n k
k
Pois bem. possvel demonstrar que, quando n grande e p pequeno, a frmula
n
P( X = k ) = p k q n k pode ser aproximada por:
k
'
$!
O smbolo e representa um nmero real, que vale aproximadamente 2,7.
=$ =
B(
Segundo Bussab e Morettin, no livro Estatstica Bsica, a aproximao boa se np 7 .

Muitos tipos de variveis so bem descritas por meio da distribuio de probabilidades dada
por
'
B( C
# =$ =
$!
Essa a distribuio de Poisson. comum substituir o produto np pela letra (lmbda).
Como a esperana da varivel binomial dada por np , dizemos que corresponde ao
nmero esperado de ocorrncias.
A distribuio de Poisson descreve muito bem o nmero de ocorrncias ao longo do tempo
(ou ao longo de uma superfcie). Alguns exemplos seriam:
O nmero de carros que passam por uma cabine de pedgio, durante 5 minutos;
Prof. Vtor Menezes
32

O nmero de telefonemas recebido por uma central de atendimento, durante 2

horas;
O nmero de clientes que entram na fila de um banco, durante 1 hora.
O nmero de defeitos observados em 2 metros quadrados de material;
Distribuio de Poisson
B (E F '
# =$ =
$!
Pode ser usada no lugar da distribuio binomial, quando o nmero de experimentos
grande (n grande) e quando a probabilidade de sucesso pequena (p pequeno).
Muito til para representar alguns tipos de ocorrncias em um determinado
tempo/superfcie
Questo 17
CGU 2008 [ESAF]
Tem-se que f ( x) = C n, x p x (1 p) n x , onde C n, x o nmero de combinaes de n

elementos tomados x a x, f (x ) a funo de probabilidade de uma varivel aleatria
binomial. Fazendo-se na sua expresso p 0 e n , mas com np = , f (x ) tem como
limite a funo de probabilidade de uma varivel aleatria de Poisson, que :
a) x e
b)
x e
x!
c) e x
d) e x /
e) x 1e x / ( )
Resoluo.
n
Quando n grande e p pequeno, a expresso P( X = k ) = p k q n k pode ser
k
aproximada por:
P( X = k ) =
e np (np )
k!
Vimos tambm que comum chamar o produto np de .
Prof. Vtor Menezes
33

P( X = k ) =
e ( )
k!
Que frmula da probabilidade para a distribuio de Poisson.

Em vez de usar a letra k , a questo est usando x (minsculo).
Gabarito: B
Questo 18
TRF 1 Regio/2001 [FCC]
A probabilidade de que um item produzido por uma mquina seja defeituoso de 10%.
Uma amostra de 30 itens produzidos por esta mquina selecionada ao acaso. Use a
aproximao pela distribuio de Poisson para determinar a probabilidade de que no mais
do que um item defeituoso seja encontrado nesta amostra.
a) 4 e 3
b) 4e 2
c) 3e 3
d) 1 4e 3
e) 1 3e 3
Resoluo.
Antes de resolvermos a questo da maneira solicitada pelo enunciado, vamos usar a
distribuio binomial.
Podemos considerar que, a cada item selecionado, temos um experimento. Estamos
interessados nos itens defeituosos. Se o item sorteado for defeituoso, consideramos um
caso favorvel. Caso contrrio, consideramos um caso desfavorvel. A probabilidade de
sucesso, em um experimento, de 10% (p = 0,1). O nmero de experimentos de 30 (n =
30). Seja X o nmero de itens defeituosos na amostra de 30 itens. Queremos a
probabilidade de X ser igual a zero ou 1.
Basta aplicar a frmula:
n
P( X = k ) = p k q n k
k
30
P( X = 0) = 0,10 0,9 30
0
Usando a calculadora:
P ( X = 0) 0,04239
30
P ( X = 1) = 0,11 0,9 29
1
Prof. Vtor Menezes
34

Novamente com o auxilio de calculadora:
P( X = 1) = 30 0,11 0,9 29 0,14130

Assim, a probabilidade de termos um ou nenhum item defeituoso na amostra de:
0,14130 + 0,04239 = 0,18369
Pronto. Achamos a probabilidade, considerando a distribuio binomial.

Agora vamos usar a distribuio de Poisson.
Ns vimos que, em certas situaes, a frmula da distribuio binomial pode ser
aproximada por:
#
=$ =
B (E F
$!
'
Onde o nmero esperado de ocorrncias.

Em mdia, 10% dos itens produzidos so defeituosos. Numa amostra com 30 itens, esperase que existam 3 itens defeituosos ( = 3 ).
Note que: = np = 30 0,1 = 3 .
A probabilidade de termos zero itens defeituosos fica:
B () 3 ,
# =0 =
= B ()
0!
A probabilidade de termos 1 item defeituoso na amostra de:
B () 3
= 3B ()
1!
Assim, a probabilidade de termos zero ou um item defeituoso de:
#
=1 =
e 3 + 3e 3 = 4e 3
Gabarito: A
Por curiosidade, usando a calculadora, temos:
4e 3 0,19915
O resultado foi relativamente prximo daquele calculado sem a aproximao (usando a
distribuio binomial).
Pergunta: Professor, como vou saber quando para usar a distribuio binomial e quando
vou utilizar a distribuio de Poisson?
Prof. Vtor Menezes
35

Neste exerccio em particular, era perfeitamente possvel usar a distribuio binomial. Em
geral, se for possvel usar a binomial, use-a!
Neste caso, s usamos a distribuio de Poisson porque a questo disse expressamente para
fazer isso. Do contrrio, usaramos a distribuio binomial mesmo.
Questo 19
MPE PE/2006 [FCC]
O nmero de falhas de certo tipo de placa trmica tem distribuio de Poisson, com taxa
mdia de 0,1 defeitos por m2. Na confeco da superfcie de um armrio, necessrio cobrir
uma superfcie de 2m por 2m com essa placa.
A probabilidade de que haja pelo menos uma falha nessa superfcie de:
a) e 0 ,1
b) 1 e 0 ,1
c) 1 e 0 , 4
d) e 0 , 4
e) 1 1,4e 0, 4
Resoluo.
Exerccio bem parecido com o anterior.
Seja X a varivel que designa o nmero de falhas. Vamos calcular a probabilidade de X seja
igual a zero.
e ( )
P( X = k ) =
k!
A taxa mdia de 0,1 defeito por m2. Em 4 m2, o nmero esperado de 0,4 defeitos
( = 0,4 ).
P( X = k ) =
e ( )
k!
e 0, 4 (0,4 )
= e 0, 4
0!
0
P ( X = 0) =
Portanto, a probabilidade que no haja defeitos na placa de e 0 , 4 .

Desse modo, a probabilidade de haver pelo menos uma falha nessa placa de:
1 e 0 , 4
Gabarito: C.
Interessante notar o seguinte. O exerccio pediu para usarmos a distribuio de Poisson.
Prof. Vtor Menezes
36

Mas, mesmo que ele no tivesse dito nada a respeito, necessariamente teramos que usar a
distribuio de Poisson. No d para usar a distribuio binomial aqui. Por qu?
Tanto na distribuio binomial quanto na de Poisson, a varivel de interesse o nmero de
ocorrncias de alguma coisa.
Vamos retomar a Questo 18. L a varivel de interesse era o nmero de itens defeituosos
produzidos pela mquina. Trata-se de uma varivel discreta, que pode assumir apenas os
valores 0, 1, 2, 3, ...., 29, 30.
Pois bem, a cada item analisado, temos um experimento. A probabilidade de sucesso (=item
defeituoso) de 10%. A probabilidade de fracasso de 90%.
Se, a ttulo de exemplo, quisermos calcular a probabilidade de termos exatamente 1 item
defeituoso, usamos a frmula da varivel binomial. Ela vai nos dar a probabilidade de haver
exatamente 1 defeituoso (e, consequentemente, 29 itens sem defeito).
Ficaria assim:
30
P ( X = 1) = 0,11 0,9 29
1
Pois bem, estamos calculando a probabilidade de:
Termos 1 item defeituoso
Termos 29 itens no defeituosos
Tudo isso, verificado em 30 experimentos
Mudemos de exerccio. Vamos agora para a Questo 19.

Vamos calcular a probabilidade de ter exatamente uma falha na superfcie, usando a
distribuio binomial.
Vamos considerar sucesso sempre que observarmos uma falha. Vamos considerar fracasso
sempre que no observarmos qualquer falha. Pergunta: quanto experimentos foram
realizados?
No d para saber.
O que seria um experimento? Seria a anlise de 1 m2 de superfcie? Seria a anlise de 1 cm2
de superfcie? No temos como contar quantos experimentos foram feitos.
E mais: no sabemos quantos fracassos ocorreram.
Prof. Vtor Menezes
37

Estamos interessados em calcular a probabilidade de exatamente uma falha no material.
Estamos considerando que cada falha um caso favorvel (=sucesso). Ou seja, queremos
saber a probabilidade de, em uma placa de 4m2, termos exatamente 1 falha. Queremos a
probabilidade de 1 caso favorvel.
Ok, para os casos favorveis tranquilo.
Contudo, no d para contar quantos seriam os casos desfavorveis. Quantas falhas
deixaram de ocorrer? Outra vez, no temos resposta.
Sempre que estivermos diante de situaes assim, no d para usar a distribuio binomial.
Da partimos para a distribuio de Poisson.
A varivel que apresenta distribuio de Poisson discreta. sempre nmero de
ocorrncias de alguma coisa (portanto, s pode assumir os valores 0, 1, 2, 3, 4, ...).
Mas, em geral, um nmero de ocorrncias contado sobre uma base contnua. Neste
exerccio, tnhamos o nmero de ocorrncias de falhas em uma rea (a rea tem natureza
contnua: pode assumir qualquer valor real maior que zero).
Outro caso tpico o nmero de chamadas telefnicas numa central de atendimento.
Novamente, estamos contando o nmero de ocorrncias (a varivel de interesse discreta).
Mas o tempo contnuo. O tempo pode assumir qualquer valor real maior que zero.
Novamente, teremos as mesmas dificuldades: como contar quantos experimentos
aconteceram? Cada segundo um experimento? Cada minuto? Cada hora? Como contar os
casos desfavorveis? Como contar quantas chamadas no ocorreram? Como contar quantas
ligaes no foram feitas?
Binomial versus Poisson

Sempre que for possvel usar a varivel binomial, use-a (exceto se o exerccio disser usar a
varivel de poisson).
H casos em que no possvel usar a distribuio binomial. So casos em que o nmero
de ocorrncias contado num campo contnuo (como espao/rea e tempo). Nestas
situaes: use a distribuio de poisson
Apenas por curiosidade, a ideia da distribuio de Poisson a seguinte.

No caso das falhas na superfcie de 4 m2, supe-se que seria possvel dividir esta superfcie
em reas muito pequenas. Muito pequenas mesmo. reas infinitesimais. Isto de tal forma
que a probabilidade de ocorrncia de duas ou mais falhas em cada uma destas pequenas
reas seja igual a zero.
Cada reazinha analisada, para ver se contempla uma falha. Ou seja, a cada rea temos
um experimento. Se a rea apresentar uma falha, temos sucesso. Do contrrio, temos
fracasso.
Prof. Vtor Menezes
38

Feito isso, aplica-se a frmula da distribuio binomial. S que como as reas tm que ser
bem pequenas mesmo, ento o nmero de experimentos bem grande. Quando n bem
grande e p pequeno, da possvel demonstrar que a frmula da varivel binomial tende
a
e ( )
.
k!
k
P( X = k ) =
Ou seja: a frmula da varivel de Poisson baseada na distribuio binomial. Seria uma

distribuio binomial especial (especial porque se aplica a casos em que o nmero de
experimentos bem grande, uma vez que as ocorrncias so contadas num campo
contnuo).
Questo 20
MPE PE 2006 [FCC]
Considerando os dados da questo anterior, responda ao que segue.

Na confeco de 3 superfcies deste tipo, a probabilidade de que exatamente duas no
apresentem defeito :
a) 3 (1 e 0, 4 ) 2 e 0, 4
b) 3 e 0 ,1
c) 3 (1 e 0, 2 )
d) 3 (1 e 0,1 ) 2 e 0,1
e) 3 (1 e 0, 4 ) e 0,8
Resoluo:
Podemos aplicar a frmula da distribuio binomial.
Note que aqui a situao muda completamente.
No exerccio anterior, estvamos contando quantas falhas ocorriam em uma rea
(contnua). Usamos a distribuio de Poisson.
Agora mudou tudo. Estamos contando quantas placas de 4m2 apresentam defeitos. A
contagem no se d mais em funo de uma superfcie/rea. A contagem por placa de
4m2.
Cada placa analisada corresponde a um experimento. Se a placa apresentar falhas, temos
um caso favorvel. Do contrrio, temos um caso desfavorvel. D para contar quantos so
os experimentos, quantos so os sucessos e quantos so os fracassos.
Temos:
n = 3 (so confeccionadas trs placas)
p = 1 e 0, 4 (a probabilidade de caso favorvel placa defeituosa foi calculada no

exerccio anterior.
Prof. Vtor Menezes
39

q = e 0, 4 (probabilidade de caso desfavorvel placa sem defeitos)

k = 1 (queremos exatamente uma placa com defeito 1 caso favorvel)
Aplicando a frmula da varivel binomial:
n
P( X = k ) = p k q n k
k
) (
3
1
P( X = 1) = 1 e 0, 4 e 0, 4
1
31
(
) ( )
P( X = 1) = 3 (1 e ) (e )
P( X = 1) = 3 1 e 0, 4 e 0, 4
0 , 4
0 ,8
Gabarito: E
Questo 21
O nmero de peas defeituosas fabricadas por uma empresa tem distribuio de Poisson,
com uma taxa mdia de 1 pea defeituosa por 1.000 peas fabricadas. Adquirindo 100 peas
desta empresa, a probabilidade de, no mximo, uma pea ser defeituosa igual a
(A) e0,2
(B) e0,1
(C) 1,1 e0,1
(D) 0,1e0,1
(E) 2 e0,2
Resoluo:
Em 100 peas, espera-se que 0,1 pea seja defeituosa (basta fazer regra de trs).
F = 0,1
Para termos no mximo 1 pea defeituosa, devemos ter:
- 0 peas defeituosas
ou
- 1 pea defeituosa.
#
Prof. Vtor Menezes
=0
=1 =#
=0 +#
B ( E F, B ( E F
=
+
0!
1!
=1
40

B ( ,, 0,1, B (,, 0,1
=
+
0!
1!
(,,
(,,
=B
+ 0,1 B
= B (,, 1 + 0,1
= 1,1 B (,,
Gabarito: C
Questo 22
MPU/2007 [FCC]
O nmero de pacientes atendidos por um clnico geral segue uma distribuio de Poisson
com taxa de 4 pacientes por hora. A probabilidade de que pelo menos um paciente consulte
o clnico geral em um perodo de 15 minutos :
a) 1 e 1
b) 1 e 4
c) e 4
d) e 4
e) e 1
Resoluo.
Notem que a contagem de pacientes se d por tempo (que contnuo). o caso tpico de
utilizao da distribuio de Poisson.
Antes de fazer qualquer conta, notem que a letra D totalmente absurda. O nmero e
aproximadamente igual a 2,7. Quando elevado quarta potncia, fica ainda maior.
Portanto, na letra D temos uma probabilidade maior que 1, o que impossvel. Uma
probabilidade, no mximo, de 100%.
Se em uma hora, em mdia, so atendidos 4 pacientes, ento o nmero esperado de
pacientes no perodo de 15 minutos 1 (basta fazer regra de trs). Portanto, = 1 .
Seja X a varivel que designa o nmero de pacientes atendidos. Queremos calcular a
probabilidade de X ser maior que zero.
Para tanto, primeiro vamos calcular a probabilidade de X ser igual a zero.
e ( )
P( X = k ) =
k!
e 1 (1)
P ( X = 0) =
= e 1
0!
0
Portanto:
P( X 0) = 1 e 1
Gabarito: A.
Prof. Vtor Menezes
41

Questo 23
SEFAZ RJ 2009 [FGV]
O nmero de clientes que buscam, em cada dia, os servios de um renomado cirurgio tem
uma distribuio de Poisson com mdia de 2 pacientes por dia. Para cada cirurgia efetuada,
o cirurgio recebe R$ 10.000,00. No entanto, ele consegue fazer o mximo de duas cirurgias
em um dia; clientes excedentes so perdidos para outros cirurgies.
Assinale a alternativa que indique o valor esperado da receita diria do cirurgio.
(considere e2 = 0,14)
(A) R$ 5.600,00.
(B) R$ 8.400,00.
(C) R$ 10.000,00.
(D) R$ 14.400,00.
(E) R$ 20.000,00.
Resoluo.
Seja X a varivel que indica o nmero de clientes que buscam o cirurgio, por dia. X tem
distribuio de Poisson.
e ( )
.
P( X = k ) =
k!
k
e 2 2 0
P( X = 0) =
= e 2
0!
e 2 21
P( X = 1) =
= 2e 2
1!
J achamos as probabilidades de X ser igual a zero e de X ser igual a 1.
E quanto aos demais casos? E quanto aos casos em que X maior ou igual a 2?
Bem, eles podem ser tratados em conjunto. Isto porque, se X for maior ou igual a 2, o
cirurgio s poder atender 2 clientes. Sua receita diria, em qualquer desses casos, ser de
R$ 20.000,00. Assim, pouco importa se, num dado dia, 2 clientes procuram o cirurgio, ou se
20 clientes procuram o cirurgio. Nos dois casos ele s ter uma receita de R$ 20.000,00.
Por isso, vamos tratar todos estes casos de forma conjunta.
P ( X 2) = ?
P ( X 2 ) = 1 (P ( X = 0) + P ( X = 1) )
P ( X 2 ) = 1 3e 2
Seja Y a varivel que indica a receita diria do cirurgio. A tabela abaixo relaciona os valores
de X e suas probabilidades com os respectivos valores de Y.
Prof. Vtor Menezes
42

X
0
1
Y
0
10.000
Probabilidade
e 2
2
2e
maior ou igual a 2
20.000
1 3e 2
A esperana de Y fica:
E (Y ) = 0 e 2 + 10.000 2e 2 + 20.000 (1 3e 2 )
E (Y ) = 20.000e 2 + 20.000 60.000e 2
E (Y ) = 20.000 40.000e 2
E (Y ) = 20 .000 40 .000 0,14
E (Y ) = 20 .000 5.600 = 14.400
Gabarito: D
Questo 24
Suponha que o nmero de partculas emitidas por uma fonte radioativa durante um perodo
de tempo t seja uma varivel aleatria com distribuio de Poisson. Sabe-se que a
probabilidade de que no haja emisses durante o tempo t 1/4. A probabilidade de que
haja pelo menos duas emisses durante o tempo t
(A) ln 4 1
(B)
4 ln 4
4
(C)
ln 4
4
(D) 1
(E)
ln 4
4
3 ln 4
4
Resoluo.
Temos:
#
=0 =
1
4
B (E F, 1
=
0!
4
1
B (E = equao I
4
Aplicando logaritmo neperiano dos dois lados da igualdade:
Prof. Vtor Menezes
43

1
lnPB (E Q = ln 4 5
4
Quando o logaritmo incide sobre uma potncia, podemos descer o expoente, multiplicando:
1
ln B = ln 4 5
4
Quando a base igual ao logaritmando, o logarimto vale 1.

1
F 1 = ln 4 5
4
Podemos separar o logaritmo da diviso em uma subtrao de logaritmos:
F 1 = ln 1
ln 4
Quando o logaritmando vale 1, o logaritmo vale 0.

F =
ln 4
F = ln 4 equao II
A probabilidade de uma emisso :
B (E F
=1 =
1!
= 1 = B (E F
Substituindo o valor de B (E , encontrado na equao I:

#
=1 =
Substituindo o valor de F dado em II:
1
F
4
1
ln 4
4
Finalmente, podemos calcular a probabilidade de pelo menos duas emisses:
#
=1
=1 =
2 =1
#
=0
1
4
1
=1
=
4
=
Gabarito: E
Questo 25
ln 4
4
ln 4
<2
=1
4
ln 4
4
Seja X a varivel aleatria que representa o nmero de chamadas por minuto recebidas por
um PBX. Sabe-se que X tem mdia e que P(X = 3) = P(X = 4). Supondo que a distribuio de
Prof. Vtor Menezes
44

Poisson seja adequada para X, a probabilidade de que ocorra uma chamada em 30 segundos
(A) e4 .
(B) 4e4 .
(C) e2.
(D) 2e2.
(E) 1 2 e2.
Resoluo:
#
#
Igualando as duas probabilidades:
B (E F
=3 =
3!
B (E F
=4 =
4!
B (E F
3!
B (E F
=
4!
)
-
F )
F =
3!
4!
F
1=
4
F=4
Assim, em 1 minuto esperam-se 4 chamadas.
Logo, em meio minuto, esperam-se 2 chamadas.
A probabilidade de uma chamada em meio minuto :
#
Gabarito: D
Questo 26
=1 =
B( 2
= 2 B(
1!
AFRFB 2009 [ESAF]
O nmero de petroleiros que chegam a uma refinaria ocorre segundo uma distribuio de
Poisson, com mdia de dois petroleiros por dia. Desse modo, a probabilidade de a refinaria
receber no mximo trs petroleiros em dois dias igual a:
Prof. Vtor Menezes
45

Resoluo.
Precisamos simplesmente aplicar a frmula da distribuio de Poisson vrias vezes.
Em dois dias, o nmero esperado de petroleiros igual a 4.
=4
Aplicando a frmula:
P (0) + P (1) + P ( 2) + P (3) =
4 0 41 4 2 4 3
e 4 + +
+ =
0! 1! 2! 3!
71
= e 4
3
Gabarito: C
Para encerrar os comentrios da distribuio de Poisson, faltou dizer o seguinte. Se X tem
distribuio de Poisson, ento:
E( X ) = V ( X ) =
A varincia e a esperana de X so iguais a .
Mdia e varincia da varivel com distribuio de Poisson

=
Prof. Vtor Menezes
=F
46

5.
DISTRIBUIO GEOMTRICA
Suponha que realizamos repetidas vezes um experimento de Bernoulli, at que obtenhamos

o primeiro sucesso. A varivel X indica o nmero de tentativas at conseguirmos o
primeiro sucesso. X uma varivel com distribuio geomtrica.
Exemplo: X designa o nmero de lanamentos de uma moeda at obtermos cara pela
primeira vez.
Outro exemplo: X designa o nmero de lanamentos do dado at obtermos um mltiplo
de 3.
No primeiro caso, a cada lanamento a chance de sucesso (cara) 50%. Dizemos que
= 0,5
No segundo caso, a cada lanamento do dado a chance de sucesso (mltiplo de 3) 1/3.
Assim = 1 3.
A probabilidade de o primeiro sucesso ocorrer na k-sima tentativa :
1
'(
possvel ento calcular a mdia e a varincia de X, assim:

=
=
Questo 27
TRE ES 2011 [FCC]
O custo para a realizao de um experimento de 500 reais. Se o experimento falhar haver

um custo adicional de 100 reais para a realizao de uma nova tentativa. Sabendo-se que a
probabilidade de sucesso em qualquer tentativa 0,4 e que todas so independentes, o
custo esperado de todo o procedimento at que o primeiro sucesso seja alcanado
a) 1.500.
b) 1.400.
c) 1.300.
d) 1.200.
e) 1.000.
Resoluo:
Primeira soluo
Prof. Vtor Menezes
47

Primeiramente, vou resolver a questo do jeito que eu faria durante a prova. Infelizmente,
para essa soluo no h resposta.
Eu interpretei o enunciado da seguinte forma.
Na primeira tentativa, o custo de R$ 500,00.
Na segunda tentativa,o custo de R$ 100,00 ( o custo adicional), que, somado ao custo
inicial, resulta num custo total de R$ 600,00
Na terceira tentativa, o custo de R$ 100,00 (mais outro custo adicional), que, somado ao
que foi gasto at aqui, resulta num custo acumulado de: 600 + 100 = 700
E assim por diante. A cada nova tentativa, nosso gasto aumentaria em R$ 100,00 (custo
adicional para cada tentativa).
Muito bem.
Seja "X" a varivel que indica a quantidade de experimentos necessria para que ocorra o
primeiro sucesso. "X" segue uma distribuio geomtrica, com parmetro = 0,4. A
esperana de "X" dada por
=
1
= 2,5
0,4
So realizadas, em mdia, 2,5 experincias at que ocorra o primeiro sucesso.

O primeiro experimento tem custo de R$ 500,00. Os outros tm custo de R$ 100,00 cada.
Somando tudo, o gasto total seria de:
500 + 2,5
1 100 = 650
E no h resposta com esse valor.
Segunda soluo
Essa segunda soluo eu s fiz porque olhei o gabarito e vi que a resposta a letra "B". Ao
indicar que o custo adicional de R$ 100,00, a banca quis dizer que cada novo experimento
custa R$ 600,00 (ou seja, custa os R$ 500,00 iniciais mais R$ 100,00).
Assim:
Na primeira tentativa, o custo de R$ 500,00.
Na segunda tentativa, o custo de R$ 600,00, que, somado ao custo inicial, resulta num
custo total de R$ 1.100,00
Na terceira tentativa, o custo de R$ 600,00, que, somado ao que foi gasto at aqui, resulta
num custo acumulado de: 600 + 1.100 = 1.700
E assim por diante.
Prof. Vtor Menezes
48

J vimos que so realizadas, em mdia, 2,5 experincias. A primeira tem custo de R$ 500,00.
As outras custam R$ 600,00 cada uma. O custo total ser de:
500 + 2,5
1 600 = 1400
Gabarito: B
Questo 28
ISS SP 2012 [FCC]
Suponha que ao realizar um experimento ocorra o evento A com probabilidade p e no

ocorra com probabilidade (1-p). Repetimos o experimento de forma independente at que
A ocorra pela primeira vez. Seja: X = nmero de repeties do experimento at que A ocorra
pela primeira vez. Sabendo que a mdia de X 3, a probabilidade condicional expressa por P
(X = 2 | X 3) igual a
a) 5/27
b) 4/27
c) 2/9
d) 1/3
e) 6/19
Resoluo:
Temos uma distribuio geomtrica. Sua mdia :
=
3=
=
Logo, temos:
#
#
#
#
Por fim:
Prof. Vtor Menezes
1
1
3
=1 =
=2 = 1
1
3
2 1 2
=
3 3 9
2
1
4
=4 5 =
3
3 27
1 2 4
9 + 6 + 4 19
3 = + +
=
=
3 9 27
27
27
=3 = 1
49

#
2
=2
6
= 9 =
19 19
3
27
#
= 2| 3 =
#
Gabarito: E
6.
DISTRIBUIO HIPERGEOMTRICA
Suponha que temos 50 itens fabricados, sendo que 45 so normais e 5 so defeituosos.

Extramos uma amostra de tamanho 3, sem reposio. E queremos calcular a probabilidade
de exatamente 2 itens defeituosos na amostra.
Seja X a varivel que indica a quantidade de itens defeituosos na amostra.
#
= 2 =?
Vamos calcular os casos possveis. Temos um caso de combinao de 50 elementos,

tomados 3 a 3.
+7,,)
Agora os casos favorveis. Para a escolha dos dois itens com defeito, temos um caso de
combinao de 5 elementos, tomados 2 a 2. E para a escolha do item normal, temos um
caso de combinao de 45 elementos, tomados 1 a 1.
Com isso, o nmero de casos favorveis fica:
+7, +-7,
A probabilidade obtida dividindo o nmero de casos favorveis pelo nmero de casos
possveis:
#
=2 =
+7, +-7,
+7,,)
Dizemos que X tem distribuio hipergeomtrica. Genericamente, se tivermos N

elementos, dos quais k tm determinada caracterstica, e extrairmos uma amostra de
tamanho n, ento a probabilidade de x sucessos :
#
+',; +W(',
+W,
(;
A mdia e a varincia de X so:

=
=
Onde:
X
X
p a proporo de itens com a caracterstica desejada (na populao)
q=1-p
Prof. Vtor Menezes
50

$
; =1
X
Se a amostragem fosse com reposio, o nmero de itens defeituosos na amostra seguiria
uma distribuio binomial, com mdia
e varincia
.
=
No entanto, como a amostragem sem reposio, isso d origem distribuio

hipergeomtrica. A mdia se mantm em . Mas temos uma alterao na varincia: ela
multiplicada por X
X 1 que chamado de fator de correo para populaes
finitas.
Questo 29
MPU 2007 [FCC]
Em uma livraria 4 livros didticos com defeito foram misturados a outros 16 livros sem
defeito. Um professor foi livraria e escolheu, aleatoriamente, 4 desses livros para
presentear seus alunos. A probabilidade de ter escolhido 3 livros com defeito
a)
4 16
% &% &
3 1
20
% &
4
b)
%
16 4
&% &
3 1
20
% &
4
c)
%
16
& 0,8- 0,2
4
d)
%
20
& 0,8- 0,2
4
16
& 0,8- 0,2
3
e)
Resoluo:
O enunciado est impreciso. O examinador quis se referir probabilidade de retirar

exatamente trs livros com defeito.
Casos possveis:
Para a escolha dos 4 livros entre os 20 existentes temos combinao de 20, tomados 4 a 4:
+
Prof. Vtor Menezes
,,-
51

Casos favorveis:
Para a escolha dos 3 defeituosos entre os 4 existentes, temos combinao de 4, tomados 3 a
3:
+-,)
Para a escolha do livro normal entre os 16 existentes, temos combinao de 16, tomados 1 a
1:
+
Z,
Aplicando o princpio fundamental da contagem:

+
Z,
+-,)
Probabilidade
A probabilidade dada pela relao entre nmero de casos favorveis e nmero de casos
possveis.
#=
Z,
+-,)
,,-
Gabarito: A
Questo 30
MDIC 2012 [ESAF]
Em uma populao de 50 empresas de uma regio, 20 so empresas exportadoras.

Qual o valor mais prximo do nmero esperado de empresas exportadoras em uma amostra
aleatria de tamanho 20 retirada sem reposio da populao?
a) 10
b) 8
c) 7,5
d) 6
e) 4
Resoluo:
Temos uma distribuio hipergeomtrica. O tamanho da amostra 20 (n = 20) e a
proporo populacional de empresas exportadoras 2/5 (p = 2/5).
A esperana da distribuio hipergeomtrica :
=
Gabarito: B
Prof. Vtor Menezes
= 20
2
=8
5
52

7.
QUESTES APRESENTADAS EM AULA
Questo 1
TJ RO 2008 [CESGRANRIO]
Uma urna contm dez bolas, cada uma gravada com um nmero diferente, de 1 a 10. Uma
bola retirada da urna aleatoriamente e X o nmero marcado nesta bola. X uma
varivel aleatria cujo(a)
(A) desvio padro 10.
(B) primeiro quartil 0,25.
(C) mdia 5.
(D) distribuio de probabilidades uniforme.
(E) distribuio de probabilidades assimtrica.
Questo 2
Para uma determinada moeda viciada, a probabilidade de se obter um resultado cara

igual a 30%. Seja, ento, a varivel aleatria X que assume apenas os valores 0 e 1, sendo 0
para resultado coroa e 1 para resultado cara. Assinale a alternativa que apresenta,
respectivamente, o valor mdio e a varincia de X.
(A) 0,21 e 0,3
(B) 0,7 e 0,21
(C) 0,21 e 0,7
(D) 0,3 e 0,21
(E) 0,3 e 0,7
Questo 3
SEFAZ RJ 2007 [FGV]
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) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200
Prof. Vtor Menezes
53

Questo 4
CGU 2008 [ESAF]
Seja X a soma de n variveis aleatrias independentes de Bernoulli, isto , que assumem

apenas os valores 1 e 0 com probabilidades p e 1 p , respectivamente. Assim, a
distribuio de X :
a) binomial com parmetros n e p
b) gama com parmetros n e p
c) qui quadrado com n graus de liberdade
d) laplace
e) t de student com n-1 graus de liberdade
Questo 5
PETROBRAS 2008/2 [CESGRANRIO]
Um estudante marca, ao acaso, as respostas de um teste de 10 questes de mltipla

escolha, com 4 alternativas por questo. O nmero mais provvel de acertos
(A) 1,5
(B) 2,0
(C) 2,5
(D) 3,0
(E) 3,5
Questo 6
AFRFB 2009 [ESAF]
Em um experimento binomial com trs provas, a probabilidade de ocorrerem dois sucessos

doze vezes a probabilidade de ocorrerem trs sucessos. Desse modo, as probabilidades de
sucesso e fracasso so, em percentuais, respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
d) 20 % e 80 %
e) 25 % e 75 %
Questo 7
SUSEP 2010 [ESAF]
Um estudo indica que, nas comunidades que vivem em clima muito frio e com uma dieta de
baixa ingesto de gordura animal, a probabilidade de os casais terem filhos do sexo
masculino igual a 1/4. Desse modo, a probabilidade de um casal ter dois meninos e trs
meninas igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
Prof. Vtor Menezes
54

Questo 8
SEFAZ MG 2005 [ESAF]
Suponha que a probabilidade de que se encontre um erro contbil grave em uma auditoria
seja 0,2. Se dez auditorias independentes so realizadas, assinale a opo que d a
probabilidade de que no mais do que uma detecte erro contbil grave.
a) 2,8 4 / 5
b) 0,400
c) 0,210
d) 2,8 (4 / 5)
10
e) 2,8 (4 / 5)
Questo 9
CGU 2008 [ESAF]
Seja X uma varivel aleatria discreta com funo de probabilidade binomial f (x ) , onde
f (k ) = C n ,k p x (1 p) n k e C n, k o nmero de combinaes de n elementos tomados k a k.

Sendo n = 6 e p = 1 / 3 , determine f ( 6) .
a) 1/729
b) 1
c) 0
d) 64/729
e) 8/729
Questo 10
CGU 2008 [ESAF]
Seja F (k ) a funo de distribuio da varivel aleatria definida na questo anterior,

determine F (0) .
a) 0
b) 1/729
c) 64/729
d) 243/729
e) 1.
Questo 11
IRB 2004 [ESAF]
Suponha que o motor de um avio em vo falhe, independentemente dos outros motores,

com probabilidade 1
, sendo um nmero entre zero e um. O avio capaz de fazer um
vo seguro se pelo menos a metade de seus motores estiverem funcionando propriamente.
Assinale a opo que corresponde aos valores de para os quais voar num avio com 4
motores mais seguro do que voar num bimotor.
a) p=0,500
b) p=0,200
Prof. Vtor Menezes
55

c) p deve estar entre 0,500 e 0,655
d) p deve ser menor do que 0,200
e) p deve ser maior que 2/3
Questo 12
SERPRO 2001 [ESAF]
Um aspecto importante do servio de manuteno de programas numa empresa tem a ver

com a velocidade (presteza) com que uma chamada de servio (de manuteno) atendida.
Historicamente, numa determinada empresa, observa-se que as chances so de 50% de que
uma chamada seja atendida num perodo inferior a 1 hora. Se 5 chamadas de manuteno
so realizadas nessa empresa, assinale a opo que d a probabilidade de que pelo menos 3
chamadas sejam atendidas em menos de 1 hora.
a) 50,00%
b) 12,50%
c) 75,00%
d) 31,25%
e) 18,75%
Questo 13
SUSEP 2006 [ESAF]
Se p a probabilidade de um evento acontecer em uma tentativa nica e seu complemento

(1 p) a probabilidade do evento no ocorrer (distribuio binomial), ento a
probabilidade do evento ocorrer exatamente X vezes, em n tentativas dada por:
a p x =+
b
Questo 14
,;
;
;
= 1++
=
(;
(;
(;
,;
(;
(;
Em certo plano amostral, em uma populao de 100 elementos, optou-se pelo seguinte
critrio: joga-se uma moeda (honesta) e, se der cara, o elemento entra na amostra; se der
coroa, ele no entra na amostra. Qual o tamanho esperado dessa amostra?
(A) 10
(B) 20
(C) 30
(D) 40
(E) 50
Questo 15
Em uma grande cidade, a probabilidade de uma pessoa responder corretamente a uma

questo formulada por um entrevistador igual a 40%. Selecionando ao acaso trs pessoas
Prof. Vtor Menezes
56

sem reposio e fazendo a pergunta para cada uma independentemente, a probabilidade de
pelo menos uma acertar a resposta igual a
(A) 78,4%
(B) 60,0%
(C) 54,6%
(D) 48,0%
(E) 44,8%
Questo 16
SAD PE 2009 [CESPE]
A figura acima apresenta a distribuio percentual da populao de crianas e jovens entre

cinco a dezenove anos de idade que nunca procurou um dentista, por renda domiciliar per
capita no Brasil em 1998. As diferenas entre os diversos grupos de renda per capita
acentuada. Aproximadamente 25% da populao brasileira com idade entre cinco e
dezenove anos nunca procuraram um dentista. Entretanto, este valor sofre oscilaes
segundo a renda variando de 50,7% naqueles domiclios com renda de at R$ 37,75 a 1,5%
naqueles domiclios com renda per capita entre R$ 1.813,00 e R$ 40.500,00.
A. Nunes et al. Medindo as desigualdades em sade no Brasil, OPAS/OMS, 2001 (com
adaptaes)
Considerando que uma amostra aleatria simples de cinco mil indivduos fosse retirada da
populao de crianas e jovens entre cinco e dezenove anos de idade no Brasil em 1998, se
X representa o nmero de indivduos nessa amostra que nunca procurou um dentista, ento
a varincia de X
A) inferior a 400.
Prof. Vtor Menezes
57

B) superior a 400 e inferior a 600.
C) superior a 600 e inferior a 800.
D) superior a 800 e inferior a 1.000.
E) superior a 1.000.
Questo 17
CGU 2008 [ESAF]
Tem-se que f ( x) = C n, x p x (1 p) n x , onde C n, x o nmero de combinaes de n

elementos tomados x a x, f (x ) a funo de probabilidade de uma varivel aleatria
binomial. Fazendo-se na sua expresso p 0 e n , mas com np = , f (x ) tem como
limite a funo de probabilidade de uma varivel aleatria de Poisson, que :
a) x e
b)
x e
x!
c) e x
d) e x /
e) x 1e x / ( )
Questo 18
TRF 1 Regio/2001 [FCC]
A probabilidade de que um item produzido por uma mquina seja defeituoso de 10%.
Uma amostra de 30 itens produzidos por esta mquina selecionada ao acaso. Use a
aproximao pela distribuio de Poisson para determinar a probabilidade de que no mais
do que um item defeituoso seja encontrado nesta amostra.
a) 4 e 3
b) 4e 2
c) 3e 3
d) 1 4e 3
e) 1 3e 3
Questo 19
MPE PE/2006 [FCC]
O nmero de falhas de certo tipo de placa trmica tem distribuio de Poisson, com taxa
mdia de 0,1 defeitos por m2. Na confeco da superfcie de um armrio, necessrio cobrir
uma superfcie de 2m por 2m com essa placa.
A probabilidade de que haja pelo menos uma falha nessa superfcie de:
a) e 0 ,1
b) 1 e 0 ,1
c) 1 e 0 , 4
d) e 0 , 4
Prof. Vtor Menezes
58

e) 1 1,4e 0, 4
Questo 20
MPE PE 2006 [FCC]
Considerando os dados da questo anterior, responda ao que segue.

Na confeco de 3 superfcies deste tipo, a probabilidade de que exatamente duas no
apresentem defeito :
a) 3 (1 e 0, 4 ) 2 e 0, 4
b) 3 e 0 ,1
c) 3 (1 e 0, 2 )
d) 3 (1 e 0,1 ) 2 e 0,1
e) 3 (1 e 0, 4 ) e 0,8
Questo 21
O nmero de peas defeituosas fabricadas por uma empresa tem distribuio de Poisson,
com uma taxa mdia de 1 pea defeituosa por 1.000 peas fabricadas. Adquirindo 100 peas
desta empresa, a probabilidade de, no mximo, uma pea ser defeituosa igual a
(A) e0,2
(B) e0,1
(C) 1,1 e0,1
(D) 0,1e0,1
(E) 2 e0,2
Questo 22
MPU/2007 [FCC]
O nmero de pacientes atendidos por um clnico geral segue uma distribuio de Poisson
com taxa de 4 pacientes por hora. A probabilidade de que pelo menos um paciente consulte
o clnico geral em um perodo de 15 minutos :
a) 1 e 1
b) 1 e 4
c) e 4
d) e 4
e) e 1
Questo 23
SEFAZ RJ 2009 [FGV]
O nmero de clientes que buscam, em cada dia, os servios de um renomado cirurgio tem
uma distribuio de Poisson com mdia de 2 pacientes por dia. Para cada cirurgia efetuada,
o cirurgio recebe R$ 10.000,00. No entanto, ele consegue fazer o mximo de duas cirurgias
em um dia; clientes excedentes so perdidos para outros cirurgies.
Assinale a alternativa que indique o valor esperado da receita diria do cirurgio.
(considere e2 = 0,14)
Prof. Vtor Menezes
59

(A) R$ 5.600,00.
(B) R$ 8.400,00.
(C) R$ 10.000,00.
(D) R$ 14.400,00.
(E) R$ 20.000,00.
Questo 24
Suponha que o nmero de partculas emitidas por uma fonte radioativa durante um perodo
de tempo t seja uma varivel aleatria com distribuio de Poisson. Sabe-se que a
probabilidade de que no haja emisses durante o tempo t 1/4. A probabilidade de que
haja pelo menos duas emisses durante o tempo t
(A) ln 4 1
(B)
4 ln 4
4
(C)
ln 4
4
(D) 1
(E)
ln 4
4
3 ln 4
4
Questo 25
Seja X a varivel aleatria que representa o nmero de chamadas por minuto recebidas por
um PBX. Sabe-se que X tem mdia e que P(X = 3) = P(X = 4). Supondo que a distribuio de
Poisson seja adequada para X, a probabilidade de que ocorra uma chamada em 30 segundos
(A) e4 .
(B) 4e4 .
(C) e2.
(D) 2e2.
(E) 1 2 e2.
Questo 26
AFRFB 2009 [ESAF]
O nmero de petroleiros que chegam a uma refinaria ocorre segundo uma distribuio de
Poisson, com mdia de dois petroleiros por dia. Desse modo, a probabilidade de a refinaria
receber no mximo trs petroleiros em dois dias igual a:
Prof. Vtor Menezes
60

Questo 27
TRE ES 2011 [FCC]
O custo para a realizao de um experimento de 500 reais. Se o experimento falhar haver

um custo adicional de 100 reais para a realizao de uma nova tentativa. Sabendo-se que a
probabilidade de sucesso em qualquer tentativa 0,4 e que todas so independentes, o
custo esperado de todo o procedimento at que o primeiro sucesso seja alcanado
a) 1.500.
b) 1.400.
c) 1.300.
d) 1.200.
e) 1.000.
Questo 28
ISS SP 2012 [FCC]
Suponha que ao realizar um experimento ocorra o evento A com probabilidade p e no

ocorra com probabilidade (1-p). Repetimos o experimento de forma independente at que
A ocorra pela primeira vez. Seja: X = nmero de repeties do experimento at que A ocorra
pela primeira vez. Sabendo que a mdia de X 3, a probabilidade condicional expressa por P
(X = 2 | X 3) igual a
a) 5/27
b) 4/27
c) 2/9
d) 1/3
e) 6/19
Questo 29
MPU 2007 [FCC]
Em uma livraria 4 livros didticos com defeito foram misturados a outros 16 livros sem
defeito. Um professor foi livraria e escolheu, aleatoriamente, 4 desses livros para
presentear seus alunos. A probabilidade de ter escolhido 3 livros com defeito
a)
Prof. Vtor Menezes
61

4 16
% &% &
3 1
20
% &
4
b)
%
16 4
&% &
3 1
20
% &
4
c)
%
16
& 0,8- 0,2
4
d)
%
20
& 0,8- 0,2
4
16
& 0,8- 0,2
3
e)
Questo 30
MDIC 2012 [ESAF]
Em uma populao de 50 empresas de uma regio, 20 so empresas exportadoras.

Qual o valor mais prximo do nmero esperado de empresas exportadoras em uma amostra
aleatria de tamanho 20 retirada sem reposio da populao?
a) 10
b) 8
c) 7,5
d) 6
e) 4
8.
GABARITO
10
11
12
13
anulado
14
Prof. Vtor Menezes
62

15
23
16
24
17
25
18
26
19
27
20
28
21
29
22
30
Prof. Vtor Menezes
63

Aula 06 - Estatística - Principais Distribuições Discretas

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 06 - Estatística - Principais Distribuições Discretas

Transféré par

Droits d'auteur :

Formats disponibles

Estatstica para Bacen reas 2 3 e

Prof. Vtor Menezes Aula 6

AULA 6: Principais distribuies discretas

DISTRIBUIO UNIFORME DISCRETA ............................................................................................. 2

DISTRIBUIO DE BERNOULLI ........................................................................................................ 3

DISTRIBUIO BINOMIAL ............................................................................................................... 8

Frmula da probabilidade para a varivel binomial............................................................................ 9

Mdia e varincia da distribuio binomial ....................................................................................... 23

Distribuio binomial e propores ................................................................................................... 27

DISTRIBUIO DE POISSON .......................................................................................................... 32

DISTRIBUIO GEOMTRICA ........................................................................................................ 47

DISTRIBUIO HIPERGEOMTRICA .............................................................................................. 50

QUESTES APRESENTADAS EM AULA .......................................................................................... 53

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

DISTRIBUIO UNIFORME DISCRETA

A distribuio uniforme discreta o tipo mais simples de varivel aleatria. a varivel em

A esperana simplesmente a mdia aritmtica de todos os valores que podem ocorrer.

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

So de grande importncia alguns tipos de experimento em que a varivel de interesse pode

A probabilidade de I assumir o valor zero 2/3. E a probabilidade de I assumir o valor 1

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

E sua esperana seria:

Por sua vez, a esperana de I2 igual a:

Disto resulta que a varincia de I igual a:

Mdia e varincia da varivel com distribuio de Bernoulli

Considere a distribuio de probabilidades para a varivel Y:

a) a varivel Y discreta ou contnua?

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

Finalmente, vamos calcular a varincia de Y.

E (Y 2 ) = 12 0,5 + 2 2 0,2 + 3 2 0,3 = 0,5 + 0,8 + 2,7 = 4

a) a varivel Z discreta ou contnua?

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

a) a varivel K discreta ou contnua?

A varivel K assume apenas alguns valores. Ela discreta.

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

a) a varivel T discreta ou contnua?

A varivel T discreta. Contudo, no uniforme, pois as probabilidades no so iguais entre

GDF SEJUS 2010 [UNIVERSA]

Para uma determinada moeda viciada, a probabilidade de se obter um resultado cara

= 0,3 0,7 = 0,21

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

A distribuio binomial aplicvel quando temos vrios experimentos independentes e, a

1 lanamento: 2 I = 0 (tivemos um fracasso, pois no saiu um mltiplo de 3)

2 lanamento: 4 I = 0 (tivemos outro fracasso, pois no saiu um mltiplo de 3)

3 lanamento: 3 I = 1 (tivemos um sucesso, pois saiu um mltiplo de 3).

Nesse caso, em trs lanamentos, o nmero de casos favorveis foi de 1 (X = 1).

Estatstica para Bacen reas 2 3 e

Frmula da probabilidade para a varivel binomial

Para calcular a probabilidade de a varivel aleatria X, com distribuio binomial, assumir

p a probabilidade de sucesso em cada experimento

q a probabilidade de fracasso em cada experimento

k representa a quantidade de sucessos para a qual estamos querendo calcular a

Vamos retomar o exemplo do lanamento do dado. Vamos comparar o clculo da

Prof. Vtor Menezes

Estatstica para Bacen reas 2 3 e

Fracasso no primeiro lanamento

Fracasso no segundo lanamento