Académique Documents
Professionnel Documents
Culture Documents
Probabilidades e Estatstica
Curso de Matemtica
Distribuies de probabilidade
Bertolo
OBJETIVOS
21/05/2012
21/05/2012
Esquema do Captulo
Distribuies de Probabilidade
P i
Poisson
Normal
Binomial
Poisson
Normal
Referencial de
Respostas
Tabelas de
Distribuies de
Probabilidade
Referncias
Contnua
Aprofundando
Conhecimentos
Recapitulando
Varivel Alea
atria
Binomial
Discreta
21/05/2012
Se voc trabalha num aougue, ento j observou vrios quilogramas de carnes vendidas.
Caso voc seja um profissional da rea da sade, ento comum para voc inferir o nmero
de batimentos cardacos de algum.
Agora, siga com sua leitura para saber o porqu destas e outras reflexes presentes
no seu dia a dia. Vale destacar o quanto voc est intimamente ligado a Estatstica,
ou seja, o quanto voc est exposto a experimentos estatsticos.
21/05/2012
21/05/2012
Funo de Probabilidades
Vamos considerar um experimento E que consiste no lanamento de um
dado honesto.
Seja X a varivel aleatria representando os pontos obtidos na face
voltada para cima (elementos do espao amostral).
S j P(X) a funo
Seja
f
que associa
i a cada
d valor
l
(
(evento)
t ) de
d X a sua
probabilidade de ocorrncia. Ento, temos:
Tabela 1: Valores obtidos, na face voltada para cima, no lanamento de um dado honesto.
PX
Total
1/6
1/6
1/6
1/6
1/6
1/6
i = 1,
1 2,
2 3,
3 ..., n
21/05/2012
Exemplo
Consideremos a distribuio de frequncias relativa ao nmero de
acidentes dirios em um estacionamento.
Tabela
Nmero
de
Acidentes
Frequncias Probabilidades
22
1
= 30
21/05/2012
= 1,00
21/05/2012
Exemplo 2
Duas bolas so retiradas sucessivamente,
sucessivamente sem reposio, de uma caixa que contm
4 bolas vermelhas e 3 pretas. Seja X a varivel aleatria nmero de bolas
vermelhas retiradas no experimento. Quais os valores assumidos por X ? Qual a
Funo probabilidade P(x) ? Qual a distribuio de probabilidades?
Soluo:
S = {vv, vp, pv, pp}
....Espao Amostral S ou
ou seja,
x = 0, 1, 2
x
P(x)
1/4
2/4
1/4
21/05/2012
Exemplo 3
Vamos jogar 3 moedas honestas e observar o resultado.
a. Construa o espao amostral.
b. Construa a varivel aleatria x indicando o nmero de caras (Ca)
c. Construa a distribuio de probabilidades;
d. Calcule as p
probabilidades acumuladas.
Soluo:
a.
S:{(CaCaCa)(CaCaCo)(CaCoCa)(CoCaCa)(CoCoCo)(CoCoCa)(CoCaCo)(CaCoCo)}
n= 8 elementos
x3 = 2;
x4 = 3
4/8
7/8
c.
d.
21/05/2012
1/8
8/8
21/05/2012
ATIVIDADE 01
Certo experimento consiste no lanamento de dois dados e na observao da soma dos pontos
das faces superiores. Considere D1: dado 1, D2: dado 2 e Z a soma dos pontos das faces
superiores. Determine o espao amostral do experimento e a funo de probabilidade de Z.
Soluo
D1: dado 1 e D2: dado 2
TABELA1 Somadospontosobtidosnolanamentodedoisdadoshonestos
D2
D1
1
2
3
4
5
6
2
3
4
5
6
7
3
4
5
6
7
8
4
5
6
7
8
9
5
6
7
8
9
10
6
7
8
9
10
11
7
8
9
10
11
12
10
11
12
P(Z )
1/36
2/36
3/36
4/36
5/36
6/36
5/36
4/36
3/36
2/36
1/36
21/05/2012
Variveis Aleatrias
X=
0, se a semente germina
1, caso contrrio
Generalizando:
21/05/2012
10
21/05/2012
Exemplo:
Seja um experimento E relativo ao lanamento
lanamento simultneo de duas moedas. Neste
caso, as possibilidades obtidas, podem ser representadas pelo seguinte espao
amostral:
= {(Ca,Ca),(Ca,Co), ),(Co,Ca), (Co,Co)}
Seja X a v.a. definida como a quantidade (ou nmero) de caras que aparecem.
Ento, a cada ponto amostral podemos associar um nmero de acordo com a tabela 1:
Tabela 1
Tabela 2
Ponto
Amostral
A
t l
(Ca,Ca)
(Ca,Co)
Tabela 3
P(X)
1/4
(Ca,Ca)
2/4
(Ca,Co)
1/4
(Co,Ca)
(Co,Ca)
(Co,Co)
(Co,Co)
Varivel Aleatria
21/05/2012
Ponto
Amostral
A
t l
P(X)
=1
Distribuio de
Probabilidades
11
Exemplo 4
Calcular a funo probabilidade discreta dos seguintes dados:
SOLUO
21/05/2012
12
21/05/2012
ATIVIDADE 02
A assistente de um Centro de Sade, situado na regio de Belo Horizonte, baseada nos dados do
ltimo censo, verifica que, para as famlias dessa regio, 20% no tm filhos, 30% tm um filho,
35% tm dois e as restantes se dividem igualmente entre trs, quatro ou cinco filhos. Suponha
que uma famlia ser escolhida, aleatoriamente, nessa regio, e o nmero de filhos averiguado.
Apresente a funo de probabilidade que melhor represente o comportamento da varivel
aleatria nmero de filhos.
Soluo
X: nmero de filhos (varivel aleatria) dentre 0, 1, 2, 3, 4, 5
A funo de probabilidade dessa varivel X segue as informaes disponveis que:
P(X = 0) = 0,20
P(X = 1) = 0,30
P(X = 2) = 0,35
Total
pi
0,20
0,30
0,35
0,05
0,05
0,05
1,0
21/05/2012
Ao definir
A
d fi i
a distribuio
di t ib i
de
probabilidades,
estabelecemos
uma
correspondncia
unvoca
entre a v.a. X e os valores
de
P.
Isto
define
uma
funo denominada funo de
probabilidade, representada
por:
f(x) = P(X=xi)
13
21/05/2012
14
21/05/2012
utilizada
para
descrever
uma
Parmetros
(Amostra)
(Populao)
Denominaes
Nmero de elementos
Xi
i 1
X
n
SX 2
SX
i 1
i 1
n 1
Mdia
X 2 Var X
Varincia
X Var X
Desvio Padro
n 1
X E X
21/05/2012
15
21/05/2012
16
21/05/2012
Exemplo
Imagine a seguinte distribuio da v.a. discreta X, referente ao N de cirurgias dirias numa
pequena clnica:
( ) 0,10
,
P(X)
0,20
,
0,30
,
0,20
,
0,15
,
0,05
,
Soluo
Para calcularmos a mdia diria de cirurgias efetuadas, basta calcular , ou seja, o somatrio
do produto de cada valor da varivel pela sua probabilidade correspondente:
E (X) = 3 . 0,10 + 4 . 0,20 + 5 . 0,30 + 6. 0,20 + 7. 0,15 + 8 . 0,05
E (X) = 0,30 + 0,80 + 1, 50 + 1, 20 + 1,05 + 0,40
E (X) = 5,25
Portanto, diariamente so efetuadas, em mdia, 5,25 cirurgias.
A varincia, Var(X), calculada pela expresso:
Var(X) =
- . P(Xi ) = 2
2
i=1
17
Exemplo 5
A varivel aleatria X apresentada a seguinte funo densidade de probabilidade:
Soluo
21/05/2012
18
21/05/2012
Distribuies de Probabilidades
Quando aplicamos a Estatstica na resoluo de situaes-problema,
verificamos que muitas delas apresentam as mesmas caractersticas; o
que nos permite estabelecer um modelo estatstico terico para a
determinao da resoluo destas situaes-problema.
Este modelo estatstico terico, tambm conhecido por distribuio de
probabilidades, apresenta algumas caractersticas principais, entre
estas:
I.
II.
III.
IV.
21/05/2012
19
Distribuio Binomial
20
10
21/05/2012
Exemplo 1
Supor o lanamento de uma moeda honesta 10 vezes. Qual a
probabilidade de se obter 5 vezes o resultado cara. Apresente a concluso
para resultado obtido.
Soluo
Desejamos calcular a probabilidade de sair o resultado cara (k) 5 vezes.
vezes
Logo, n = 10 e p = 0,5 (probabilidade de se obter cara em cada lanamento de
moeda).
n
Assim, P X x p k q n k
k
10
5
10 5
P X 5 0,5 1 0,5
5
Na
tabela
da
distribuio
binomial, disponvel no livro
p.126 a 128, temos que n = 10.
Procuraremos
p
=
0,50
(a
ltima coluna dos valores de
p) e k = 5 (na coluna de k);
na interseo da linha de k =
5 com a coluna de p = 0,50,
encontramos o valor 0,2461.
P X 5
10!
5
10 5
0 5 1 00,5
5
0,5
5!10 5 !
P X 5
10.9.8.7.6.5!
5
5
0,5 1 0,5
5!5!
P X 5
10.9.8.7.6
5
5
0,5 1 0,5 3.2.7.6. 0, 03125 . 0, 03125
5.4.3.2.4.1
P X 5 0, 2461
21/05/2012
Portanto, no lanamento de
uma moeda honesta 10
vezes, a probabilidade de se
obter 5 vezes o resultado
cara de aproximadamente
24%.
21
Tabela Binomial
21/05/2012
22
11
21/05/2012
Exemplo 2
Supor o lanamento de uma moeda honesta 10 vezes. Qual a probabilidade de se
obter no mximo 2 vezes o resultado cara. Apresente a concluso para resultado
obtido.
Soluo
Desejamos calcular a probabilidade de sair o resultado cara (Ca) no mximo 2
vezes. Teoricamente, a moeda poderia dar o resultado cara at 10 vezes, iniciando
por 0 caras (nenhuma vez). A varivel x pode, ento, variar de 0 at 10, mas
queremos x=0,1,2.
Portanto,
p(X=0) + p(X=1) + p(X=2).
Na tabela da distribuio binomial, disponvel no livro, temos que n = 10.
Procuraremos os ps correspondentes aos ks e obtemos:
P(0) = 0,0010
P(1) = 0,0098
P(0) + P(1) + P(3) = 0,0547 ou 5,47%.
P(2) = 0,0439
23
ATIVIDADE 03
Em um lote de peas, 5% so defeituosos. Calcule a probabilidade de, em 20 dessas peas,
haver, exatamente, uma defeituosa.
Soluo
Seja P(perfeita) = 0,95 e P(defeituosa) = 0,05 , logo 2 eventos com probabilidades constantes.
peas
defeituosas temos,,
Portanto,, sendo k=1 o nmero de p
n
P X x p k q nk
k
p
0,02 0,05
20
1
19
P X 1 0, 05 0, 95 0, 3774
1
20
k=X
0,6676
0,3585
0,2725
0,3774
0 0528
0 1887
p 0, 05 e para o valor de k 1 , a
p 0, 05 . Conclumos o
resultado 0,3774.
Portanto, em um lote de peas onde 5% so defeituosos, sorteadas 20 dessas
peas, a probabilidade de haver, exatamente, uma defeituosa em torno de
37,74%.
21/05/2012
24
12
21/05/2012
0,03125
Cujo resultado :
21/05/2012
25
b.Se a probabilidade de atingir um alvo num nico disparo 0,3, qual a probabilidade
de que em 4 disparos o alvo seja atingido no mnimo 3 vezes?
Soluo
b) Aqui, em 4 disparos, no mnimo 3 vezes significa acontecerem
3 tiros certos e 4 tiros certos...
21/05/2012
26
13
21/05/2012
b.
Um engenheiro de inspeo extrai uma amostra de 15 itens aleatoriamente de um proc
esso de fabricao sabido produzir 85% de itens aceitveis. Qual a probabilidade de qu
e 10 dos itens extrados sejam aceitveis?
Soluo
0,0449 ou 4,5%
21/05/2012
27
Desafio I
Qual a probabilidade de uma famlia de 4 filhos ter:
a. nenhum filho homem;
b. 1 filho homem;
Interprete os resultados.
c. 2 filhos homens;
d 3 filhos homens
d.
e. 4 filhos homens.
Respostas:
P(X=0) = 1/16 ...
1 filho homem.
filhos homens.
filhos homens.
21/05/2012
28
14
21/05/2012
21/05/2012
29
cont....
21/05/2012
30
15
21/05/2012
Distribuio de Poisson
Uma varivel aleatria X admite distribuio de Poisson sendo expressa por:
P X k
k!
, k 0,1, 2,
Em que,
: denota a mdia E X .
k : denota o nmero de ocorrncias.
21/05/2012
31
Exemplos
Em uma central telefnica,
o nmero de telefonemas,
em mdia, podem chegar
a 2 chamadas por minuto
ou 2,5 chamadas por
minuto, ou 3 ou 3,5, e
assim
por
diante.
Percebemos ento, que a
mdia no precisa ser
composta
apenas
por
valores
inteiros.
Entretanto,
em
um
minuto,
por
exemplo,
podem chegar 2, 3, 4, 5
chamadas;
sempre
nmeros inteiros.
Mdia X
x
i 1
23
2,5
2
21/05/2012
32
16
21/05/2012
21/05/2012
33
Exemplo 1 de Poisson
1. O nmero de clientes atendidos pelo caixa de um banco de 4, em
mdia, por hora. Qual a probabilidade de se atender:
a. exatamente 4 clientes em uma hora;
b. no mximo, 2 clientes em uma hora;
c pelo menos
c.
menos, 2 clientes em uma hora.
hora
Soluo
40
41
42
21/05/2012
34
17
21/05/2012
Exemplo 2 de Poisson
1. Um taxi atende, em mdia, dois clientes por hora. Qual a
probabilidade de atender:
a. 1 ou 2 clientes, em 1 hora;
b. 4 ou 5 clientes, em 2 horas;
c nenhum cliente em meia hora.
c.
hora
Soluo
21/05/2012
35
ATIVIDADE 04
Numa colheita mecanizada de cana-de-acar existem vrias colhedoras de certo tipo. Depois de
muitas observaes chegou-se concluso de que o nmero de colhedoras que se avariam em
cada ms uma varivel aleatria T com distribuio de Poisson de mdia = 3, T P0(3). Qual a
probabilidade para que durante um ms se avariem 7 ou mais colhedoras?
Soluo
Po , 3 .
Como fornecido T
P T k
P T k
, k 0,1, 2, : mdia
k!
e
k!
Para obter o resultado consultando a Tabela de Poisson (ao final deste captulo),
k : nmero de ocorrncias
k
P T 7
k 7
e 3 3
k!
0,0504
0,0216
0,0081
0,0027
10
0,0008
11
0,0002
12
0,0001
13
0,000
14
36
18
21/05/2012
Exerccio 1
21/05/2012
37
Exerccio 2 enviado
21/05/2012
38
19
21/05/2012
Desafio I
1. Na pintura de paredes de uma sala aparecem defeitos na proporo de
1 para cada m2 de pintura. Determine a probabilidade de:
a. no haver defeitos na pintura de uma parede de 2 m x 2,5 m;
b. encontrarmos, no mximo, dois defeitos na mesma parede.
30
31
32
P 0 P 1 P 2
21/05/2012
c. P x 4 1 P 0 P 1 P 2 P 3
1 0,0498 0,1494 0,2240 0,2240 1 0,6472 0,3528 ou 35,28%
.
40
20
21/05/2012
a) P x 1 1 P x 0 1
e1.0!
10
b) P x 0 1 0,3679 ou 36,79% .
e .0!
30
31
21/05/2012
41
cont....
valor: 4 pontos.
b) P 0 P 1
40
41
21/05/2012
50
1 0,0067 0,9933 .
e 5 .0!
42
21
21/05/2012
cont....
a) exatamente cinco;
b) no mximo, 2;
c) pelo menos, 3 emails.
a)) P x 5
50
51
52
c) 1 P 0 P 1 P 2 1
21/05/2012
43
cont....
2,5
b) P 3 P 4
e 2,5 .3!
2,5
e 2,5 .4!
ou
8.
21/05/2012
2,5
0,1353
0,0821
0,2707
0,2052
0,2707
0,2565
0,1804
0,2138
0,0902
0,1336
0,0361
0,0068
0 0120
0,0120
0 0278
0,0278
0,0034
0,0099
0,0009
0,0031
0,0002
0,0009
0,0000
0,0002
10
44
22
21/05/2012
Distribuio Normal
(contnua)
1
X 1
Var X Var
2 Var X 2 Var X 1
21/05/2012
45
x
z
N 0,1
0 1 e, ser
d
denotada
t d d
de normall padro
d ou normall reduzida.
d id
P a X b P a X b
Considerando X
X
b
a
P
P a X b P a X b
b
a
P
Z
Desta forma, quaisquer que sejam os valores de
e , utilizamos a normal
P 0 Z z , z 0
N 2, 9 temos,
a X b
P
No exemplo, 2
Os valores para a
b
a
P
Z
Supondo, X 2,5
22 X 2 52
P 2 X 5 P
9
9
9
P 0 Z 1 0,3413
21/05/2012
46
23
21/05/2012
Exemplo
Considerando
mesma
distribuio
supracitada,
N 2,9 ,
encontre
probabilidade a seguir:
X 32
P X 3 P
P Z 1 3
3
1
z0
0,0
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
0,0239
0,0279
0,0319
0,0359
0,1
0,0398
0,0438
0,0478
0,0517
0,0557
0,0596
0,0636
0,0675
0,0714
0,0753
0,2
0,0793
0,0832
0,0871
0,0910
0,0948
0,0987
0,1026
0,1064
0,1103
0,1141
0,3
0,1179
0,1217
0,1255
0,1293
0,1331
0,1368
0,1406
0,1443
0,1480
0,1517
0,4
0,1554
0,1591
0,1628
0,1664
0,1700
0,1736
0,1772
0,1808
0,1844
0,1879
21/05/2012
47
Exemplo 2
A altura dos alunos da Uniube normalmente distribuda com a mdia de 170cm, e desvio
padro 6cm . Determine a probabilidade de um aluno, aleatoriamente selecionado, ter altura:
a)
entre 170 e 176 cm;
b)
entre 164 e 176 cm;
c)
entre 176 e 182 cm;
acima de 182 cm.
d))
Temos, primeiramente, que encontrar a varivel normal reduzida z: z
b)
a)
176 170
164 170
P(164 x 176) =P
z
=
6
6
170 170
0
6
176 170
z
1
6
z
21/05/2012
0,8
0,2881
0,2910
0,9
0,3159
0,3186
1,0
0,3413
0,3438
48
24
21/05/2012
ATIVIDADE 05
Uma variedade de soja, sofrendo de certa praga, submetida a um controle intensivo, cujo
tempo foi modelado por uma densidade normal, com mdia 15 e desvio padro 2 (em dias).
Calcule . Apresente a concluso para o resultado obtido.
Soluo
Seja X o tempo de extermnio da praga e, assim temos X
X
N , 2 , isto ,
P Z 1
4
0,5 P 0 Z 1 0, 5 0,3413 0,1587
21/05/2012
Exemplo 2
49
cont....
c)
08
0,8
0 2881
0,2881
0,9
0,3159
1,0
0,3413
1,1
0,3643
1,2
0,3849
1,3
0,4032
1,4
0,4192
1,5
0,4332
1,6
0,4452
1,7
0,4554
1,8
0,4641
1,9
0,4713
2,0
0,4772
2,1
0,4821
Lembre-se que todo o ramo direito da curva tem probabilidade de 50% ou 0,5.
21/05/2012
50
25
21/05/2012
Exerccio enviado....
21/05/2012
51
P(X 100) P Z
P(Z 1,33)
15
1 A(1,33)
1 0,9082
,
0,0918
,
21/05/2012
52
26
21/05/2012
x 120
x 120
P(x1 X x2 ) 0,80 P 1
Z 2
0,80
15
15
x1 120
1,28 x1= 120 - 1, 28 15 x1 = 100,8 min.
15
x2 120
1,28 x2 = 120 +1,28 15 x2 = 139,2 min.
15
21/05/2012
Desafio I
53
Normal
P x 575 P z
b)
50
= 500 e
= 50
c)
1,3
0,4032
1,4
0,4192
1,5
0,4332
1,6
0,4452
a)
P 1,50 z 0 P 0 z 1,50
P 0 z 1,50 P 0 z 1,50
2P 0 z 1,50 2.(0,4332) 08664 ou 86,64% .
21/05/2012
54
27
21/05/2012
Desafio I
cont....
d)
A Tabela da Distribuio Normal
somente nos fornece valores
direita da mdia, portanto com z
positivo. Pelo grfico ao lado do
nosso
osso pproblema,
ob e a, vemos
e os que z se
encontra esquerda da mdia,
portanto ser negativo e dever ser
determinado por simetria.
Vemos que entre D e a mdia 500, temos 40% de probabilidade. Temos a o problema de
leitura inversa de z, que dever ser determinado. Lendo na tabela da normal os valores das
probabilidades,
b bilid d
temos 0,3997
0 3997 e 0
0,4015
4015 como os valores
l
mais
i prximos
i
d
de 0
0,40
40 ou 40% e
escolhemos, portanto, o valor 0,3997 (mais prximo de 0,40), que corresponde na tabela ao
valor de z = 1,28. Mas, lembre-se que a tabela fornece somente valores positivos de z (
direita da mdia); portanto, o nosso z ser = -1,28, pois se encontra esquerda da mdia.
x
D 500
Como z
1,28
D 500 64 436 dias.
50
Bertolo Probabilidades e Estatstica Matemtica 2012
21/05/2012
55
Desafio I
2. Numa distribuio normal, 50% dos dados so inferiores a 200, e 34,13% esto
entre 200 e 250. Calcule a mdia e o desvio padro da distribuio normal.
Distribuio Normal:
Como na Distribuio Normal 50% dos dados esto abaixo da mdia
mdia, nesse caso a mdia
ser igual a 200, portanto = 200.
Teremos, ento, que P 200 x 250 0,3413 P 0 z z0 0,3413 .
Lendo, na tabela da normal, o valor de z, que corresponde a uma probabilidade 0,3413,
encontramos que z0 = 1. E esse valor de z corresponde ao valor de x = 250.
x
250 200
Temos, ento z
1
50 . Assim, = 200 e = 50.
21/05/2012
56
28
21/05/2012
P z 1 P z 1
P z
8
a) entre 70 e 74;
b) acima de 74;
c) abaixo de 62;
d) entre 62 e 78.
78 70
62 70
d) P 62 x 78 P
z
P 1 z 1
8
8
2P 0 z 1 2.0,3413 0,6826 .
0,3
0,1179
0,4
0,1554
0,5
0,1915
0,6
0,2257
0,8
0,2881
0,2910
0,9
0,3159
0,3186
1,0
0,3413
0,3438
21/05/2012
57
= 5000 e = 100
5150 5000
4900 5000
a) P 4900 x 5150 P
z
P 1 z 1,50
100
100
P 1 z 0 P 0 z 1,50 P 0 z 1 P 0 z 1,50
b) P x 5100 P z
100
0,4032
1,4
0,4192
1,5
0,4332
1,6
0,4452
4800 5000
c) P x 4800 P z
P z 2 P z 2
100
d) P x 5150 P z
P z 1,50 0,50 0,4332 0,9332 .
100
21/05/2012
58
29
21/05/2012
21 20
c) P x 21 P z
P z 1 0,50 P 0 z 1 0,50 0,3413 0,1587 .
1
21/05/2012
59
a) P 9,4 x 13,2 P
1,5
1,5
b)
21/05/2012
10 12
P x 10 P z
P z 1,33
, 0,4082
,
0,5
, 0,9082
,
1 5
1,5
0,8
0,2881
0,2910
0,2939
0,2967
0,9
0,3159
0,3186
0,3212
0,3238
1,0
0,3413
0,3438
0,3461
0,3485
1,1
0,3643
0,3665
0,3686
0,3708
1,2
0,3849
0,3869
0,3888
0,3907
1,3
0,4032
0,4049
0,4066
0,4082
1,4
0,4192
0,4207
0,4222
0,4236
1,5
0,4332
0,4345
0,4357
0,4370
1,6
0,4452
0,4463
0,4474
0,4484
1,7
0,4554
0,4564
0,4573
0,4582
1,8
0,4641
0,4649
0,4656
0,4664
60
30
21/05/2012
0,8
0,2881
0,2910
0,2939
0,2967
0,9
0,3159
0,3186
0,3212
0,3238
1,0
0,3413
0,3438
0,3461
0,3485
1,1
0,3643
0,3665
0,3686
0,3708
1,2
0,3849
0,3869
0,3888
0,3907
a) P x 15 P z 0 0,5 ou 50%.
1,3
0,4032
0,4049
0,4066
0,4082
18 15
15 15
z
P 0 z 1 0,3413
P 15 x 18 P
3
3
15 15
12 15
z
P 1 z 0 P 0 z 1 0,3413 .
c) P 12 x 15 P
3
3
d)
1,4
0,4192
0,4207
0,4222
0,4236
1,5
0,4332
0,4345
0,4357
0,4370
1,6
0,4452
0,4463
0,4474
0,4484
1,7
0,4554
0,4564
0,4573
0,4582
1,8
0,4641
0,4649
0,4656
0,4664
b)
18 15
12 15
z
P 1 z 1 2.P 0 z 1 2.0,3413 0,6826
P 12 x 18 P
3
3
.
21/05/2012
61
100 100
90 100
z
P 90 x 100 P
P 0,50 z 0 P 0 z 0,50 0,1915 .
20
20
110 100
c) P x 110 P z
P z 0,50 0,50 P 0 z 0,50
20
0 50 0
0,50
0,1915
1915 0
0,3085
3085 .
21/05/2012
0,4
0,1554
0,5
0,1915
0,6
0,2257
62
31
21/05/2012
21/05/2012
63
21/05/2012
64
32
21/05/2012
21/05/2012
65
33