1

1-DEFINIES CLASSICAS 2
1.1- INTRODUO: .......................................................................................................................... 2
1.2-EXPERIMENTO ALEATRIO ................................................................................................... 2
1.3-ESPAO AMOSTRAL ................................................................................................................ 2
1.4-EVENTOS .................................................................................................................................... 3
1.5-DEFINIO DE PROBABILIDADE .......................................................................................... 4
2-PROBABILIDADE CONDICIONAL E TEOREMA DE BAYES ................................................... 8
2.1-PROBABILIDADE CONDICIONAL.......................................................................................... 8
2.2-EVENTOS INDEPENDENTES................................................................................................... 9
2.3-O TEOREMA DE BAYES ......................................................................................................... 12
3-VARIVEIS ALEATRIAS: 17
3.1-INTRODUO: ......................................................................................................................... 17
3.2-DISTRIBUIO DISCRETA DE PROBABILIDADE .............................................................. 18
3.3 FUNO DE DISTRIBUIO DISCRETA ............................................................................ 19
3.4-VARIVEL ALEATRIA CONTNUA ................................................................................... 23
3.5-FUNO DENSIDADE DE PROBABILIDADE ...................................................................... 23
3.6-MEDIDA DE POSIO E MEDIDAS DE DISPERSO........................................................... 25
4-ALGUMAS DISTRIBUICO DE PROBABILIDADE ................................................................. 27
4.1- DISTRIBUIO BINOMIAL ................................................................................................... 28
4.2-DISTRIBUIO POISSON ....................................................................................................... 28
4.3-A DISTRIBUIO HIPERGEOMTRICA ............................................................................... 29
4.4- A DISTRIBUIO DE PASCAL E DISTRIBUIO RELACIONADAS ............................... 30
4.5-DISTRIBUIO NORMAL ...................................................................................................... 32
4.6-A DISTRIBUIO EXPONENCIAL ........................................................................................ 39
4.7-DISTRIBUIO QUI-QUADRADO ......................................................................................... 40
4.8- DISTRIBUIO t DE STUDENT ........................................................................................... 42
4.9-DISTRIBUIO F .................................................................................................................... 44
Exerccios Extras .............................................................................................................................. 46
Anexos: ............................................................................................................................................ 57
TABELA - Distribuio Normal Padro Z~N(0,1) ..................................................................... 57
TABELA - Distribuio Qui-Quadrado ........................................................................................ 58
TABELA - Distribuio t de Student (Unicaudal e Bicaudal) ....................................................... 59
TABELA - Distribuio F de Fisher o = 5% ............................................................................. 60















2
PROBABILIDADES

1-DEFINIES CLASSICAS

1.1- INTRODUO:

A teoria do clculo das Probabilidades comeou formalmente (definio axiomtica) com uma
correspondncia entre dois matemticos franceses, Blaise Pascal (1623-1662) e Pierre de Fermat (1601-
1665), em 1654, a respeito de dois problemas formulados por um jogador compulsivo, Chavalier de Mr,
embora existem relatos de aplicaes de problemas envolvendo a teoria de probabilidade em datas anteriores,
tais como Jernimo Cardano (1501-1576) em sua obra Lber de Ludo Aleae. A partir daquele momento,
realizam-se estudos de modelos matemticos com exemplos essencialmente de jogos de azar (afinal era a
motivao naquela poca). Mesmo hoje ainda h muitas aplicaes que envolvem jogos de azar, tais como os
diversos jogos de loterias, bingos, roletas, baralhos, as corridas de cavalos, etc.. Todavia, a utilizao das
probabilidades ultrapassou, e muito, o mbito desses jogos. Hoje os governos, as empresas, as organizaes
profissionais incorporam a teoria das probabilidades em seus processos dirios de deliberaes.

Embora o clculo das probabilidades pertena ao campo da Matemtica, a sua associao a
Estatstica se justifica pelo fato de a maioria dos fenmenos de que trata a Estatstica ser de natureza
aleatria ou probabilstica. Consequentemente, o conhecimento dos aspectos fundamentais do clculo de
probabilidades uma necessidade essencial para o estudo da Estatstica Indutiva ou Inferencial.

Neste texto procuramos resumir os conhecimentos que julgamos necessrios para termos um
ponto de apoio em nossos primeiro passos no caminho da ESTATSTICA INFERENCIAL. Ao leitor
interessado em um estudo mais aprofundado na teoria da probabilidade sugerimos a consulta de textos
de nveis intermedirios tal como Barres James (veja Ref. [1]) . Esses passos sero apresentados em 4
captulos, sendo que no captulo 3 , mostraremos as noes de variveis aleatrias e no captulo 4 as
principais distribuies de probabilidades de variveis discretas e variveis contnuas.

1.2-EXPERIMENTO ALEATRIO

Em quase tudo, em maior ou menor grau, vislumbramos o ACASO. Podemos citar como
exemplo, afirmaes do tipo provvel que o Gois ganhe a partida de hoje, o que pode resultar nos
seguintes possveis resultados:
a) que apesar do favoritismo, ele perca;
b) que, como pensamos, ele ganhe a partida;
c) que ele empate.

Note que, o resultado final depende do acaso. Fenmenos como esse so chamados de fenmenos
aleatrios ou experimentos aleatrios, e em geral denotamos por E.

Experimento ou fenmeno aleatrios so aqueles que, mesmo repetidos vrias vezes sob condies
semelhantes, apresentam resultados imprevisveis.

1.3-ESPAO AMOSTRAL
A cada experimento correspondem, em geral, vrios resultados possveis. Vejamos por exemplo:

a) Considere-se o experimento

E= jogar um dado e observar o nmero de pontos na face voltada para cima, onde, o conjunto de todos
os resultados possveis :
3
} { . 6 , 5 , 4 , 3 , 2 , 1 = S

b) Se o experimento E= jogar duas moedas e observar as faces voltadas para cima, ento o conjunto de
todos os resultados possveis :

} { , ) , ( ), , ( ), , ( ), , ( k k c c c k k c S =


onde = c cara e = k coroa.

Assim:

O conjunto desses resultados possveis, denominamos espao amostral ou conjunto universo e
vamos representa-lo por . S

Cada um dos elementos do espao amostral S corresponde a um possvel resultado, por exemplo,
se o experimento, consiste em jogar duas moedas e observar sua face de cima, neste caso,
} { ) , ( ), , ( ), , ( ), , ( k k c c c k k c S = o espao amostral e os pares ) , ( ), , ( ), , ( c c c k k c e ) , ( k k correspondem
os elementos de S .

Se S um espao amostral qualquer e x um elemento de S , ento dizemos que x um ponto
amostral.

1.4-EVENTOS


Denominamos por evento qualquer subconjunto do espao amostral S de um experimento aleatrio.


Em particular , o prprio espao amostral S e o conjunto vazio C so eventos, onde S dito o
evento certo e C o evento impossvel. Usando as operaes com conjuntos, podem-se formar novos
eventos, assim:

i) B A o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem;
ii) B A o evento que ocorre se A e B ocorrem;
iii) A o evento que ocorre se A no ocorre.
Representao em Diagrama de Venn

B A








AB





B A

B A
4

Exemplos 1.1:

a) Seja o experimento E : jogar trs moedas e observar os resultados :

Ento o espao amostral :
} { ) , , ( ), , , ( ), , , ( ), , , ( ), , , ( ), , , ( ), , , ( ), , , ( k k k k k c k c k c k k c c k c k c k c c c c c S =
,

Seja A o evento: ocorrer pelo menos 2 coroas (k). Neste caso,

} { ) , , ( ), , , ( ), , , ( ), , , ( k k c k c k c k k k k k A =
.

b) Seja o experimento E : lanar um dado e observar o nmero de cima.
Neste caso o espao amostral } { 6 , 5 , 4 , 3 , 2 , 1 = S . Seja B o evento: ocorrer mltiplo de 2 e C o
evento: ocorrer nmero primo.
Ento, } { 6 , 4 , 2 = B e } { 5 , 3 , 2 = C

Dois eventos A e B so denominados mutuamente exclusivos, se eles no podem ocorrer
simultaneamente, isto , = B A C.


Exemplo 1.2:


: E
jogar trs moedas e observar a face de cima.

} { ) , , ( ), , , ( ), , , ( ), , , ( ), , , ( ), , , ( ), , , ( ), , , ( k k k k k c k c k c k k c c k c k c k c c c c c S =

Sejam os eventos: A= ocorrer pelo menos 2 coroas, e
B= ocorrer exatamente trs caras.
Ento, } { ) , , ( ), , , ( ), , , ( ), , , ( k k c k c k c k k k k k A = e } { ) , , ( c c c B = , = B A C.
A e B so mutuamente exclusivos, pois os dois conjuntos so disjuntos

1.5-DEFINIO DE PROBABILIDADE

Dado um experimento aleatrio E , sendo S o espao amostral, probabilidade de um evento A
um nmero ) (A P onde P uma funo de conjuntos, definida em S que associa a cada evento um
nmero real, satisfazendo os seguintes axiomas:

A
1
) 1 ) ( 0 s s A P ;
A
2
) ; 1 ) ( = S P
A
3
) Se A e B so eventos mutuamente exclusivos, isto , = B A C, ento
). ( ) ( ) ( B P A P B A P + =

Propriedades imediatas:

1. Se C o conjunto vazio , ento 0 ) ( = C P .
2. Se A o complemento do evento A, ento ) ( 1 ) ( A P A P = .
3. Se B A c , ento ) ( ) ( B P A P s .
4. Teorema da soma: Se A e B so eventos quaisquer, ento:
5
) ( ) ( ) ( ) ( B A P B P A P B A P + =
.

Se S um espao amostral finito e todos os elementos de S tem a mesma chance de ocorrer, dizemos
que S um espao equiprovvel. Neste caso, a probabilidade de um evento S A c o numero real
) (A P definido por:
) (
) (
) (
S n
A n
A P = ou
C T N
F C N
A P
. .
. . .
) ( = ,

onde:
) ( A n o nmero de elementos de A.
) (S n o nmero de elementos de S .
= . . . F C N nmero de caso favorveis do evento A, ou seja, o nmero de vezes que o evento
A pode ocorrer.
= . . . C T N nmero total de caso possveis, ou seja, o nmero de vezes em que o Espao
Amostral S ocorre.

Observao 1.1:
a) A definio de probabilidade como quociente do nmero de casos favorveis sobre o nmero de
casos possveis foi a primeira definio formal de probabilidade, e apareceu pela primeira vez em
forma clara na obra Lber de Ludo Aleae de Jernimo Cardano (1501-1576).
b) No caso dos espaos amostrais equiprovveis, o clculo da probabilidade de um
evento reduz-se a um problema de contagem. Faremos ento, o uso da Anlise Combinatria (Teoria de
Contagem) para resolvermos tais problemas. Na maioria dos problemas tratados neste texto a
combinao a tcnica que pode ser aplicada.
Combinao de
r
elementos tomados (combinados) p a ). ( r p p s Calcula-se por
)! ( !
!
,
p r p
r
p
r
C p r

=
|
|
.
|

\
|
=

onde: 1 )... 2 )( 1 ( ! = r r r r , 1 )... 2 )( 1 ( ! = p p p p e por conveno . 1 ! 0 =



EXEMPLO 1.3:
a) Escolha aleatoriamente (a expresso aleatrianos indica que o espao equiprovvel) uma carta de um
baralho com 52 cartas.
Seja: } { ouro de carta a A =
} { figura uma carta a B =
Calcular ) (A P e ) (B P .


SOLUO:
Como o espao equiprovvel e 13 ) ( , 52 ) ( = = A n S n e 12 ) ( = B n (4 reis, 4 damas e 4 valetes ),
temos:

4
1
52
13
) ( = = A P e
13
3
52
12
) ( = = B P
a) Num lote de 12 peas, 4 so defeituosas; duas peas so retiradas ao acaso (aleatoriamente). Calcule:
i)A probabilidade de ambas serem defeituosas;
ii)A probabilidade de ambas no serem defeituosas;
iii) A probabilidade de ao menos uma ser defeituosa.
6

SOLUO:
i) } { s defeituosa so ambas A =

A pode ocorrer 6
! 2 . 2
! 2 . 3 . 4
)! 2 4 ( ! 2
! 4
2
4
= =

=
|
|
.
|

\
|
maneiras(casos favorveis)
S pode ocorrer 66
! 10 . 2
! 10 . 11 . 12
)! 2 12 ( ! 2
! 12
2
12
= =

=
|
|
.
|

\
|
maneiras(casos possveis),
logo, .
11
1
66
6
. . .
. .
) ( = = =
C T N
F C N
A P
ii) } { s defeituosa so no ambas B =
B pode ocorrer 28
! 6 . 2
! 6 . 7 . 8
)! 2 8 ( ! 2
! 8
2
8
= =

=
|
|
.
|

\
|
vezes
S pode ocorrer 66
! 10 . 2
! 10 . 11 . 12
)! 2 12 ( ! 2
! 12
2
12
= =

=
|
|
.
|

\
|
vezes,
logo, .
33
14
66
28
. . .
. .
) ( = = =
C T N
F C N
B P
iii) } { defeituosa uma menos ao C = , neste caso, C o complemento de , B isto ,
B C = . Assim pela propriedade 2 da probabilidade:

33
19
33
14
1 ) ( 1 ) ( ) ( = = = = B P B P C P


1-Exerccios Propostos- Captulo 1:

1) Determinar a probabilidade de obter um s (A), um reis (K) ou um dois (D) ao se retirar aleatoriamente
uma carta de uma baralho de 52 cartas. (R.. 3/13)

2) Determinar a probabilidade de cada evento:

a) Um nmero par aparece no lanamento de um dado. (R.. )
b) Uma figura aparece ao se extrair uma carta de um baralho de 52 cartas. (R.. 3/13)
c) Uma carta de ouro aparece ao se extrair uma carta de um baralho de 52 cartas.(R.. )
d) Uma s coroa aparece no lanamento de trs moedas. (R.. 3/8)

3) Um inteiro entre 3 e 11 ser escolhido ao acaso.

a) Qual a probabilidade de que este nmero seja impar? (R.. 3/7)
b) Qual a probabilidade que este nmero seja impar e divisvel por 3? (R.. 1/7)

4) Um casal planeja ter trs filhos. Determinar a probabilidade de nascerem:
a) trs homens; (R.. 1/8)
b) dois homens e uma mulher.(R.. 3/8)



7
5) Com referncia Tabela abaixo, qual a probabilidade de que uma famlia aleatoriamente escolhida tenha
renda familiar (a) entre 400 reais e 999,999 reais;(R.. 0,20) (b) menos que 1000 reais; (R.. 0,32) (c) um dos
extremos: menos que 400 reais ou pelo menos 6000 reais?(R..0,20)


Categoria Nveis de renda(em reais) Nmero de famlias
1
2
3
4
5
Menos do que 400 R$
400-999,99 R$
1000-1999,99 R$
2000-5999,99 R$
6.0000 R$ ou mais
60
100
160
140
40
Total 500

6) De 100 pessoas que solicitam empregos de programador de computador, durante o ano 2005, em uma
grande empresa, 40 possuam experincia anterior (W) e 30 possuam certificado profissional (C). Vinte
dos candidatos possuam tanto experincia anterior como certificado profissional e foram includos nas
contagem dos dois grupos.
a) Elaborar um diagrama de Venn para descrever estes eventos graficamente.
b) Qual a probabilidade de que um candidato aleatoriamente escolhido tenha experincia ou certificado (ou
ambos)? (R.. 0,5)
c) Qual a probabilidade de que um candidato aleatoriamente escolhido, tenha experincia ou certificado,
mas no ambos? (R.. 0,30)

7) De 300 estudantes de administrao, 100 esto matriculados em Contabilidade e 80 em Estatstica. Estes
dados incluem 30 estudantes que esto matriculados em ambas as disciplinas. Qual a probabilidade de que
um estudante aleatoriamente escolhido esteja matriculado em Contabilidade (C) ou em Estatstica (E)? (R..
0,50)

8) Seja P uma probabilidade sobre os eventos (sub-conjuntos) de um espao amostral S . Sejam A e B
eventos tais que
3
2
) ( = A P e
9
4
) ( = B P .
Mostre que:
a)
3
2
) ( > B A P ;
b)
9
5
) (
9
2
s s B A P ;
c) .
9
4
) (
9
1
s s B A P

9) No jogo da Loto so sorteadas 5 dezenas distintas entre as dezenas 01-02-...-99-00. O apostador escolhe
6,7,8,9 ou 10 das 100 dezenas e premiado se so sorteadas 3(terna), 4(quadra) ou 5 (quina) das dezenas
por ele escolhidas. Determinar a probabilidade de um apostador que escolheu 10 dezenas fazer:

a) uma terna;(R.. 1335/209132)
b) uma quadra;(R.. 15/59752)
c) a quina.(R.. 1/298760)

10) Uma caixa contm 20 peas em boas condies e 15 em ms condies. Uma amostra de 10 peas
extrada. Calcular a probabilidade de que ao menos uma pea na amostra seja defeituosa.(R..
0,999=99,9%)

8
2-PROBABILIDADE CONDICIONAL E TEOREMA DE BAYES

2.1-PROBABILIDADE CONDICIONAL


Inicialmente vamos entender o que uma probabilidade condicional ou condicionada. Considere o
lanamento de um dado. Qual a probabilidade de ter ocorrido o nmero 2?. Como o dado tem seis faces,
a probabilidade de ter ocorrido a face 2
6
1
= 0,1667 ou 16,67%.
Suponhamos que o dado foi lanado novamente e temos a informao que ocorreu face com nmero
par, ento qual a probabilidade de ter ocorrido o nmero 2?. Podemos observar que temos agora uma
situao diferente pergunta feita anteriormente, ou seja se ocorreu face com nmero par, s pode te
ocorrido os nmeros 2,4 e 6. Logo a probabilidade de ter ocorrido o nmero 2 :
3
1
= 0,3333 ou 33,33 %,
portanto a probabilidade de ocorrer determinado evento pode ser modificada quando se tem alguma
informao a priori, ou melhor, quando se impe uma condio adicional.



Denomina-se probabilidade condicional probabilidade de um determinado evento sob uma dada
condio. Ento a probabilidade de ocorrer o evento A sob condies de que um evento B ocorre
definida e denotada por :
) (
) (
) / (
B P
B A P
B A P

= , desde que , 0 ) ( > B P
e l probabilidade de A dado B. O caso onde 0 ) ( = B P foge do mbito deste texto.



Exemplo 2.1: Um grupo de pessoas est classificado da seguinte forma:

Fala ingls Fala alemo Fala francs
Homens
Mulheres
92
101
35
33
47
52

Escolhe-se uma pessoa ao acaso. Sabendo-se que esta pessoa fala francs, qual a probabilidade de que
seja homem?

Resposta: Seja F o evento que ocorre se a pessoa escolhida fala francs e H se a pessoa escolhida
homem. Temos
,
360
99
360
52 47
) ( =
+
= F P

,
360
47
) ( = H F P

e portanto

%. 47 , 47
99
47
360
99
360
47
) (
) (
) / ( ~ = =

=
F P
H F P
F H P


9
Exemplo 2.2: Um grupo de pessoas foi classificado quanto a peso e presso arterial de acordo com as
propores do quadro a seguir:


Peso
Presso Excesso Normal Deficiente Total

Alta
Normal
Total
0,10
0,15
0,25
0,08
0,45
0,53
0,02
0,20
0,22
0,20
0,80
1,00


a) Qual a probabilidade de uma pessoa escolhida ao acaso naquele grupo ter presso alta?
b) Se verifica-se que a pessoa escolhida tem excesso de peso, qual a probabilidade de ter tambm presso
alta?

Soluo:

a) Como a pessoa escolhida ao acaso em um grupo onde 20 % tem presso alta, 20 , 0 ) ( = A P a
probabilidade pedida (chamamos A o evento ter presso alta).
b) Chamamos de B o evento ter excesso de peso. Ante a informao de que a pessoa tem excesso de peso,
passam a no nos interessar a 2
a
e 3
a
colunas do quadro. Quanto primeira coluna, vemos que, no grupo
dos que tm excesso de peso, a proporo dos que tm presso alta
25 , 0
10 , 0
=0,40, isto :
) (
) (
25 , 0
10 , 0
) / (
B P
B A P
B A P

= =

O que estamos fazendo precisamente estabelecer ) / ( B A P a partir de 10 , 0 ) ( = B A P e
25 , 0 ) ( = B P . a probabilidade condicional de A dado B


2.2-EVENTOS INDEPENDENTES

Dados dois eventos A e B de um espao amostral S, se ) ( ) / ( A P B A P = , ), ( ) / ( B P A B P =
os dois eventos so ditos independentes. A ocorrncia de um deles no interfere na ocorrncia do outro. A
Probabilidade condicional de um deles, dado o outro, igual respectiva probabilidade simples. Neste
caso , ). ( ) ( ) ( B P A P B A P =



Exemplo 2.3: No exemplo 2.2 os eventos excesso de peso e presso alta so independentes?

Soluo: Note que 20 , 0 ) ( = A P 40 , 0 ) / ( = = B A P . Portanto, os eventos A e B no so independentes
( como era de esperar, alis).

Exemplo 2.4: Treze cartas so escolhidas de um baralho de 52 cartas. Seja A o evento o s de copas
est entre as 13 cartas e B o evento as cartas so do mesmo naipe. Mostre que A e B so eventos
independentes.

Soluo: Notemos que:

10
;
4
1
52
13
! 52 ! 39 ! 12
! 39 ! 13 ! 51
13
52
12
51
) ( = = =
|
|
.
|

\
|
|
|
.
|

\
|
= A P

;
13
52
4
) (
|
|
.
|

\
|
= B P

.
13
52
1
) (
|
|
.
|

\
|
= B A P


Portanto ) ( ) ( ) ( B P A P B A P = ou seja A e B so eventos independentes.
Exemplo 2.5:
Uma bolsa contm 4 bolas brancas e 2 pretas; e outra contm 3 brancas e 5 pretas. Se for retirada uma
bola de cada bolsa, determinar a probabilidade de : (a) ambas serem brancas; (b) ambas serem pretas; (c)
uma branca e a outra preta.
Soluo:
Sejam } { bolsa primeira na branca bola uma de ocorrncia B =
1
,
} { bolsa segunda na branca bola uma de ocorrncia B =
2
.
a) Como os eventos so independentes, temos
4
1
5 3
3
2 4
4
) ( ) ( ) ( ) (
2 1 2 1 2 1
= |
.
|

\
|
+
|
.
|

\
|
+
= = = B P B P B B P ocorrer B e B P
.

b)Notemos que } {
1 1
B bolsa primeira na preta bola uma de ocorrncia P = = e que
} {
2 2
B bolsa segunda na preta bola uma de ocorrncia P = = , assim:
.
24
5
5 3
5
2 4
2
) ( ) ( ) ( ) ( ) (
2 1 2 1 2 1 2 1
= |
.
|

\
|
+
|
.
|

\
|
+
= = = = B P B P B B P P P P P e P P

Exemplo 2.6: (Um verso do problema de Mr) O problema de Mr um dos problemas que deram
origem ao clculo das probabilidades. Determinar qual o resultado mais provvel nas duas situaes:
obter a face 6 ao menos uma vez em quatro jogadas de um dado, ou obter a soma 12 ao menos uma vez
em 24 jogadas de dois dados.

Soluo: Jogando-se um dado 4 vezes:
. 518 , 0
6
5
1 ) " 6 " ( 1 ) " 6 " (
4
= |
.
|

\
|
= = nenhum P um menos ao obter P
Jogando dois dados 24 vezes:
. 491 , 0
36
35
1 ) " 12 " ( 1 ) " 12 " (
24
= |
.
|

\
|
= = nenhum P soma a vez uma menos ao P

Portanto a primeira situao apresenta maior probabilidade de acontecer.





11
2.1-Exerccios Propostos.

1) As probabilidades de um estudante passar em lgebra (A), em Literatura (L) e em ambas (AL) so
0,75, 0,85 e 0,63, respectivamente. Qual a probabilidade de passar em lgebra, sabendo-se que passou
em Literatura? (R.. 0,75)

2) Seja E o experimento lanar dois dados, e
} {
} {
} {
} { .
;
;
; 8
segundo do valor o vezes duas igual dado primeiro do valor o D
segundo o que do maior dado primeiro do valor o C
iguais valores sair B
a igual resultados dos soma a A
=
=
=
=

Calcular:
a) ) / ( B A P 1/6 b) ) / ( D C P 1 c) ) / ( C D P 1/5
d) ) / ( C A P 0 e) ) / ( C A P 2/15 f) ) / ( D C B A P 0

3) Consideremos dois dados: um deles equilibrado ( 6 / 1 )} 6 ({ ... }) 2 ({ }) 1 ({ = = = = P P P ) e outro
viciado com 2 / 1 }) 1 ({ = P e . 10 / 1 }) 6 ({ ... }) 3 { }) 2 ({ = = = = P P P Escolhe-se um dos dados ao acaso e
se efetuam dois lanamentos, obtendo-se dois uns. Qual a probabilidade condicional de que o dado
escolhido tenha sido o viciado? 9/10

4) Dois diferentes departamentos de produo que fazem parte de uma grande empresa so: Produtos
Martimos (M) e produtos para Oficinas (O). A probabilidade de que a diviso de Produtos Martimos
tenha, no corrente ano fiscal, uma margem de lucros de no mnimo 10% estimada em 0,30; a
probabilidade de que a diviso de Equipamentos para oficinas tenha uma margem de lucros de pelo
menos 10% de 0,20; e a probabilidade de que ambas divises tenham uma margem de lucro de no
mnimo 10% de 0,06.

a) Determinar a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma
margem de lucros no mnimo de 10% dado que a diviso de Produtos Martimos tenha alcanado tal
nvel de lucro. 0,20
b) Os eventos O e M so independentes ? Sim.

5) Suponha que um aluno bastante otimista estime que a probabilidade de receber um conceito final
A em Estatstica de 0,60 e a probabilidade de um B de 0,40. claro que ele no pode receber os
dois conceitos como conceitos finais, uma vez que eles so mutuamente exclusivos.

a) Determinar a probabilidade condicional de que obtenha um B , dado que de fato tenha
recebido um A , utilizando a frmula de clculo apropriada. 0.
b) Os eventos so independentes ? Sim.

6) Duas pessoas, A e B jogam partidas de xadrez, das quais 6 so vencidas por A, 4 por B e 2 terminam
empatadas. Elas combinam a disputa de um torneio constante de 3 partidas. Determinar a probabilidade
de: a) A vencer as trs partidas; 1/8 b) duas partidas terminarem empatadas; 5/72 c) B vencer pelo menos
uma partida. 19/27

7)De acordo com uma certa tbua de mortalidade, a probabilidade de Joo est vivo daqui a 20 anos
0,60 e a mesma probabilidade para Maria 0,90. Determinar as probabilidades:
a) de ambos estarem vivos daqui a 20 anos: 0,54
b) nenhum estar vivo daqui a 20 anos; 0,04
c) um estar vivo e outro estar morto daqui a 20 anos. 0,42
12
2.3-O TEOREMA DE BAYES

2.3.1-PARTIO DE ESPAO AMOSTRAL.

Seja S um espao amostral. Dizemos que um nmero de eventos finitos
n
A A A ,..., ,
2 1
uma partio
de S se:
a) Os eventos
i
A so disjuntos (mutuamente excludentes) dois a dois, isto , =
j i
A A C, para
qualquer i =j.
b) S A
n
i
i
=
=

1
, isto , os eventos
i
A so exaustivos , isto , cobrem todo o espao S .
O diagrama abaixo (Figura 1) ilustra uma partio de . S












Figura 1.- Partio de um conjunto S .


Teorema de Bayes

Sejam
n
A A A ,..., ,
2 1
, uma partio do espao amostral S . Suponhamos que as probabilidades
n i A P
i
,..., 1 ), ( = sejam conhecida e seja B um evento arbitrrio com . 0 ) ( > B P Se as probabilidades
condicionais ) / (
i
A B P so conhecidas, ento, para cada i tem-se

) / ( ) ( ... ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1 n n
i i
i
A B P A P A B P A P A B P A P
A B P A P
B A P
+ + +
= .

O resultado acima bastante importante pois relaciona probabilidade a priori ) (
i
A P com
probabilidade a posteriori ) / ( B A P
i
, que significa a probabilidade de
i
A depois que ocorrer . B Note
ainda que o teorema de Bayes uma generalizao da probabilidade condicional ao caso de mais de dois
eventos. Para ilustr-la, consideremos a Figura 2, abaixo:
Como os
i
A formam uma partio de S , temos que:
) ( ... ) ( ) (
2 1
B A B A B A B
n
=
j que os eventos n i B A
i
,..., 1 , = so mutuamente exclusivos. Ento

= + + + = ) ( ) ( ... ) ( ) ( ) (
2 1
B A P B A P B A P B A P B P
i n
.

s
A
1
A
2
A
3
A
4
A
5
A
6
A
7
13
Figura 2.- Cobertura do evento B .

Ento pela definio de probabilidade condicional,

=
) (
) (
) (
) (
) / (
B A P
B A P
B P
B A P
B A P
k
i i
i
,

e portanto,

.
) / ( ) (
) / ( ) (
) / (

=
k k
i i
i
A B P A P
A B P A P
B A P
Exemplo 2.7:
Um fabricante tem trs mquinas A,B,C, que respondem, respectivamente, por 40%, 35% e 25% de
sua produo. Dois por cento da produo da mquina A consiste em peas defeituosas; essa proporo
de 1% para mquina B e de 3% para mquina C. Toma-se uma pea ao acaso. defeituosa. Qual a
probabilidade de ter sido produzido pela mquina B?

Soluo:
Vamos denotar por B o evento fabricado pela mquina B e por D o evento a pea defeituosa.
Queremos encontrar a probabilidade ) / ( D B P . Pela definio de probabilidade condicional, temos:
.
) (
) / ( ) (
) (
) (
) / (
D P
B D P B P
D P
D B P
D B P =

=

Como a pea defeituosa pode provir de qualquer uma das trs mquinas (e s de uma). Logo,
). / ( ) ( ) / ( ) ( ) / ( ) ( ) ( C D P C P B D P B P A D P A P D P + + = Mas:



e assim 019 , 0 ) ( = D P , e portanto:

%. 4 , 18 184 , 0
) 03 , 0 )( 25 , 0 ( ) 01 , 0 )( 35 , 0 ( ) 02 , 0 )( 40 , 0 (
) 01 . 0 )( 35 , 0 (
) ( = =
+ +
= D P


A visualizao deste problema facilitada quando utilizamos o chamado Diagrama em rvores,
conforme se pode observar a seguir (Figura 3):


, 0075 , 0 ) 03 , 0 ).( 25 , 0 ( ) / ( ) (
; 0035 , 0 ) 01 , 0 ).( 35 , 0 ( ) / ( ) (
; 008 . 0 ) 02 , 0 ).( 40 , 0 ( ) / ( ) (
= =
= =
= =
C D P C P
B D P B P
A D P A P
s
A
1
A
2
A
3
A
4
A
5
A
6
A
7
B
14

Figura 3-Diagrama em rvore.

Exemplo 2.8:
Num exame h 3 resposta para cada pergunta e apenas uma delas certa. Portanto, para cada pergunta,
um aluno tem probabilidade 1/3 de escolher a resposta certa se ele est adivinhando(chute) e 1 se sabe a
resposta. Um estudante sabe 30% das resposta do exame. Se ele deu a resposta correta para uma das
perguntas, qual a probabilidade de que a adivinhou ?

Soluo:
A rvore correspondente dada na figura abaixo,

Utilizando o Teorema de Bayes temos

.
16
7
) 1 )( 30 , 0 ( ) 3 / 1 )( 70 , 0 (
) 3 / 1 )( 70 , 0 (
) / ( =
+
= correta resposta advinhou P

O exemplo de aplicao seguinte foi adaptado de Bekaman e Neto (1980).

Exemplo 2.9: Um instituto especializado em meteorologia acerta 90% dos dias em que chove e 95% dos
dias em que no h chuva. Sabe-se que chove em 10% dos dias. Na previso feita em dado dia, qual a
probabilidade de Chover?
Soluo:
Consideremos os eventos:
A - Chove no dia em que foi feita a previso;
A - No chove no dia em que foi feita a previso;
B - O instituto faz previso de chuva;
B - O instituto faz previso de no chover.

Podemos escrever pelas leis de Bayes as probabilidades:
15
( ) 90 , 0 / = A B P , ento, ( ) 10 , 0 / = A B P ;
( ) 95 , 0 / = A B P , ento, ( ) 05 , 0 / = A B P ,

Como chove em 10% dos dias, ento: ( ) 10 , 0 = A P ento ( ) 90 , 0 = A P , pela lei da probabilidade total,
temos:
( ) ( ) ( ) ( ) ( ) ( ) ( ) A B P A P A B P A P B A P B A P B P / / + = + = . Substituindo os valores dos eventos,
( ) 05 , 0 90 , 0 90 , 0 10 , 0 x x B P + = , ( ) 1350 , 0 045 , 0 09 , 0 = + = B P .
Note que 0,1350 a probabilidade de haver previso de chuva, independente do real estado da natureza.
Pelo teorema de Bayes, temos, ( )
( )
( )
6667 , 0
1350 , 0
09 , 0
/ = =

=
B P
B A P
B A P ou 66,67%, que a
probabilidade de chover. Podemos observar que embora o instituto seja confivel, a probabilidade de uma
previso de chuva estar correta menos de 70%. Em compensao, podemos observar que a
probabilidade de que uma previso de no chover esteja certa :
( ) ( ) ( ) 010 , 0 10 , 0 . 10 , 0 / = = = A B P A P B A P ;
( ) ( ) ( ) 855 , 0 95 , 0 . 90 , 0 / = = = A B P A P B A P ;
( ) ( ) ( ) 865 , 0 855 , 0 010 , 0 = + = + = B A P B A P B P ;
( )
( )
( )
9884 , 0
865 , 0
855 , 0
/ = =

=
B P
B A P
B A P .
Assim, a probabilidade de chover no dia em que foi feita a previso 0,09 e de no chover de 0,01. No
entanto, a probabilidade do instituto fazer previso e no chover de 0,045 e a probabilidade de no
chover de 0,95

2.2-Exerccios Propostos:
1) Durante o ms de agosto a probabilidade de chuva em um dia determinado de 4/10. O Gois ganha
um jogo em um dia com chuva com probabilidade 6/10 e em um dia sem chuva com probabilidade de
4/10. Sabendo-se que o Vila Nova ganhou o jogo naquele dia de agosto, qual a probabilidade de que
choveu nesse dia. .


2) Admita a seguinte configurao:

Urnas
Cores U
1
U
2
U
1
Pretas 3 4 2
Brancas 1 3 3
Vermelhas 5 2 3


16

Escolhe-se uma urna ao acaso e dela extrai-se um bola ao acaso verificando-se que a bola branca. Qual
a probabilidade da bola ter vindo da urna 2? Da 3? 24/59 e 8/59.

3) Em um certo colgio, 5% dos homens e 2% das mulheres tm mais do que 1,8m de altura. Por outro
lado, 60% dos estudantes so homens. Se um estudante selecionado aleatoriamente e tem mais de 1,80
m de altura, qual a probabilidade de que o estudante seja mulher? 4/19

4) Apenas uma em cada dez pessoas de uma populao tem tuberculose. Das pessoas que tem tuberculose
80% reagem positivamente ao teste Y, enquanto apenas 30% dos que no tem tuberculose reagem
positivamente. Um pessoa da populao selecionada ao acaso e o teste Y aplicado. Qual a
probabilidade de que essa pessoa tenha tuberculose, se reagiu positivamente ao teste? 8/35

5) A caixa I tem duas bolas brancas e duas pretas; a caixa II tem duas bolas brancas e uma preta; a caixa III
tem uma bola branca e trs pretas.
a) Tira-se uma bola de cada caixa. Determinar a probabilidade de serem todas brancas. 1/12
b) Escolhe-se uma caixa ao acaso e tira-se uma bola. Qual a probabilidade de ser branca? 13/36
c) Em (b), calcular a probabilidade de ser sido escolhida a caixa I, sabendo-se que a bola extrada branca.
6/13

































17
3-VARIVEIS ALEATRIAS:

3.1-INTRODUO:
Muitos experimentos produzem resultados no-numricos. Antes de analisa-los conveniente
transformar seus resultados em valores numricos, o que feito atravs da varivel aleatria, que uma
regra que associa a cada ponto amostral (eventos simples) um valor numrico, formalmente temos a
seguinte definio:

Seja E um experimento aleatrio e S o espao associado ao experimento. Uma funo X que associa a
cada elemento S s e um numero real ) (s X denominada varivel aleatria.

Vejamos a ilustrao:










Figura 3.1-Varivel Aleatria.

Observao (3.1):
a) Em geral, uma varivel aleatria X uma funo cujo o domnio S e contradomnio 9.
b) Se o conjunto imagem da varivel aleatria X um conjunto finito ou enumervel infinito
(subconjuntos dos nmeros inteiros ou racionais) , dizemos que X uma varivel aleatria discreta.
c) Se o conjunto imagem da varivel aleatria X um intervalo ou uma coleo de intervalos reais,
dizemos que X uma varivel aleatria contnua.
d) Existem variveis que no so discreta e nem contnuas.

Exemplo 3.1.: Na jogada de duas moedas, o espao amostral :

} { ) , ( ), , ( ), , ( ), , ( c c k c c k k k S =
.

Seja X o numero de caras ( c ) . A cada evento simples, ou ponto amostral de
S
, podemos associar um
numero como descrito abaixo:

Evento ( ) ( ) c c k c c k k k , , ) , ( ) , (
X
0 1 1 2

Neste caso X uma varivel aleatria, e alem disso, a cada valor de
X
est associada uma
probabilidade:

= 0 X corresponde ao evento ( ) k k, com probabilidade
4
1
;
=1 X corresponde aos eventos ( ) c k, ou ( ) k c, com probabilidade
2
1
;
s
X(s)
S
9
18
= 2 X corresponde ao evento ( ) c c, com probabilidade
4
1
.

Para estudar e tomar decises em situaes onde est presente a incerteza, temos basicamente de
identificar a v.a. (varivel aleatria) de interesse e obter sua distribuio de probabilidade, e a partir da
obter os elementos necessrios para tomada de deciso.

Exemplo 3.2:
Suponha-se que estejamos testando uma partida de vlvula eletrnica e que a probabilidade de um teste
ser positivo seja de
4
3
da, a probabilidade de o teste ser negativo ser
4
1
. Os testes prosseguem at que
aparea a primeira vlvula positiva. Definido a v.a. como o numero de testes necessrios para concluir o
experimento, o espao associado :
} { ... , . , , , + + + + + = S

Os pontos amostral de S e os valores da v. a. correspondente so:
+ primeira vlvula positiva no primeiro teste 1 = X ;
+ primeira vlvula positiva no segundo teste 2 = X ;
+ primeira vlvula positiva no terceiro teste ; 3 = X
.
.
.

Para determinar a distribuio de probabilidade de X , notemos que os valores possiveis de X so:
1,2,3,4,....n,....Teremos por exemplo o valor n X = se e somente se as n-1 primeiras valvulas forem
negativas e a n-sima positiva. Admitindo que uma vlvula no influencia a condio de outra
(independencia) , podemos escrever:
,
4
3
4
1
) ( ) (
1
|
.
|

\
|
|
.
|

\
|
= = =
n
n X P teste simo n no apenas positiva vlvula primera P

,.... 2 , 1 = n

Obviamente, esses valores ) ( n X P = satisfazem s condies bsicas probabilidade, isto :

0 ) ( > = n X P e

=
= =
1
1 ) (
n
n X P .

No intuito de entendermos melhor o conceito de varivel aleatria, necessrio percorremos por
algumas etapas. Assim, nas prximas sees estudaremos algumas caractersticas gerais das distribuies
das variveis aleatrias e em seguida veremos as distribuies mais importante, que descrevem um
grande nmero de fenmenos aleatrios.

3.2-FUNO DE PROBABILIDADE DISCRETA

Seja X uma varivel aleatria discreta, e seja Im(X)={x
1,
x
2
,...} o conjunto imagem da varivel X.
Uma funo de distribuio discreta de probabilidade da varivel aleatria X uma relao(funo)
que associa a cada valor distintos x
i
de X a uma probabilidade p(x
i
).

Notao:A notao a ser utilizada :
P(X=x
i
)= p(x
i
) ou p
i
: representa a probabilidade de X assumir o valor x
i
, i=1,2,..., ou ainda,
X x
1
x
2
x
3
. . .
p
i
p
1
p
2
p
3 . . .
19
Uma funo de probabilidade satisfaz 0 s p
i
s1 e . 1 =

i
i
p

Note que, na maioria dos caso, X ter apenas um nmero finito de valores possveis e, assim, a
verificao de que a soma de probabilidades igual a 1 atravs de uma soma finita. As variveis
aleatrias so completamente caracterizadas pela sua funo de probabilidade e uma parte importante da
Estatstica , justamente, obter, para uma dada varivel de interesse, uma funo de probabilidade que
melhor represente seu comportamento na populao.


Exemplo 3.3: Com dados do ltimo censo, a assistente social de um Centro de Sade constatou que
para a famlia da regio, 20% no tm filhos, 30% tm um filho, 35% tm dois filhos e as restantes se
dividem igualmente entre trs, quatro ou cinco filhos. Suponha que uma famlia escolhida
aleatoriamente, nessa regio e o nmero de filhos averiguado. Defina a varivel aleatria N representando
o nmeros de filhos e construa a sua funo de probabilidade mediante das informaes dadas.

Soluo:
Seja N : a varivel aleatria representado o nmero de filhos , note que os possveis valores de N so: 0
(nenhum filho), 1(apenas um filho), 2 (dois filhos), 3(trs filhos), 4(quatro filhos) e 5 (cinco filhos).
Sendo assim, mediante das informaes disponveis podemos definir a funo de probabilidade da
seguinte maneira:

Como:
20% no tem filho 20 , 0 ) 0 ( = = N P ;
30% tm um filho ; 30 , 0 ) 1 ( = = N P
35% tm dois filhos ; 35 , 0 ) 2 ( = = N P
x% tm trs filhos ; ) 3 ( p N P = =
x% tm quatro filhos ; ) 4 ( p N P = =
x% tm cinco filhos ; ) 5 ( p N P = =
Como 1 ) 5 ( ) 4 ( ) 3 ( ) 2 ( ) 1 ( ) 0 ( = = + = + = + = + = + = N P N P N P N P N P N P temos:

1 35 , 0 30 , 0 20 , 0 = + + + + + p p p


1 3 85 , 0 = + p


. 05 , 0
3
15 , 0
= = p

Logo, a funo de probabilidade para N dada pela tabela a seguir:



3.3 FUNO DE DISTRIBUIO DISCRETA

A funo de distribuio ou funo acumulada de probabilidade de uma varivel aleatria discreta X
definida, para qualquer nmero real x , pela seguinte expresso:

s
= = s =
x x
i
i
x X P x X P x F ) ( ) ( ) (

onde x
i
um elemento genrico do contra domnio da varivel aleatria X.
N 0 1 2 3 4 5
pi 0,2 0,3 0,35 0,05 0,05 0,05
20


Propriedades: Seja X uma varivel aleatria discreta, e F sua funo de distribuio acumulada. As
seguintes propriedades podem ser demonstradas:
1.

s
= =
x x
i
i
x X P x F ) ( ) ( ;
2. 0 ) ( = F ;
3. 1 ) ( = + F ;
4. ) ( ) ( ) ( a F b F b X a P = s < ;
5. ) ( ) ( ) ( ) ( a X P a F b F b X a P = + = s s ;
6. ) ( ) ( ) ( ) ( b X P a F b F b X a P = = < < ;
7. ) (x F contnua direita, ou seja, ) ( ) ( lim
0
0
x F x F
x x
=

;
8. Se 0 ) (
0
= = x X P , ento, ) ( ) ( lim
0
0
x F x F
x x
=

, ou seja, ) (x F descontnua no ponto

0
x ;
9. A funo ) (x F no decrescente, isto , ), ( ) ( b F a F s para todo b a < .

Exemplo 3.4: Admita que a varivel aleatria, X tome os valores 2 , 1 , 0 com probabilidade
2
1
,
6
1
,
3
1

respectivamente. Ento,

>
< s
< s
<
=
. 2 1
; 2 1
2
1
; 1 0
3
1
; 0 0
) (
x se
x se
x se
x se
x F

Graficamente:













Exemplo 3.5: Uma populao de 1000 crianas foi analisada num estudo para determinar a efetividade
de uma vacina contra um tipo de alergia. No estudo, as crianas recebiam uma dose de vacina e, aps um
ms, passavam por um novo teste. Caso anda tivessem tido alguma reao alrgica, recebiam outra dose
da vacina. Ao fim de 5 doses todas as crianas foram consideradas imunizadas. Os resultados completos
esto na tabela a seguir.

Doses 1 2 3 4 5
Freq. 245 288 256 145 66

0 1 2 3 x
F(x)
1



1/2


1/3

21
Supondo que uma criana dessa populao sorteada ao acaso, qual ser a probabilidade dela ter
recebido 3 doses? Encontre a funo de probabilidade e a funo de probabilidade acumulada para
varivel D ( nmeros de doses recebidas).

Soluo:
Como D a varivel aleatria que representa o nmeros de doses recebidas, ento, os possveis valores
de D so: 1,2,3,4 e 5.

Utilizando a idia de atribuir probabilidade atravs da freqncia de ocorrncia, a probabilidade de uma
pessoa escolhida ao acaso ter recebido 3 doses 256 , 0
1000
256
= , ou seja, . 256 , 0 ) 3 ( = = D P Usando
este raciocnio, podemos encontrar a funo de probabilidade a varivel D :

D 1 2 3 4 5

p
i
0,245 0,288 0,256 0,145 0,066

Suponha que desejamos calcular a probabilidade da criana ter recebido at duas vacinas, por exemplo,
neste caso precisamos obter a funo de distribuio no ponto 2 = x , ou seja, calcularmos a
probabilidade acumulada de ocorrncia de valores menores ou iguais a 2. Assim,
533 , 0 288 , 0 245 , 0 ) 2 ( ) 1 ( ) 2 ( ) 2 ( = + = = + = = s = D P D P D P F
.
Note que, tendo em vista que a varivel D s assume valores inteiro (1,2,3,4 e 5), esse valor fica
inalterado no intervalo [2,3). Isto , ) 999 , 2 ( ),..., 3 , 2 ( ), 1 , 2 ( F F F tm todos o mesmo valor de ) 2 ( F . Por
esta razo escrevemos:

, 533 , 0 ) 2 ( ) ( = s = D P x F para . 3 2 < s x

Seguindo este raciocnio, podemos obter os valores completos da funo de distribuio e so os
seguintes:

>
< s
< s
< s
< s
<
=
. 5 1
; 5 4 934 , 0
; 4 3 799 , 0
; 3 2 533 , 0
; 2 1 245 , 0
; 1 0
) (
x se
x se
x se
x se
x se
x se
x F


Graficamente, temos:













0 1 2 3 4 5 x


F(x)

1

0,934

0,533

0,245
22

Exerccios- Captulo 3-Srie I.

1) No lanamento simultneos de dois dados, considere as seguintes variveis aleatrias:
X = nmero de pontos obtidos no primeiro dado;
Y = nmero de pontos obtidos no segundo dado.
a) Construir a funo de probabilidade atravs de uma tabela e grfico das seguintes variveis:
i) W=X-Y;
ii) A=2Y;
iii) Z=XY;
iv) B = mximo de (X,Y).

b) Construir a Funo de distribuio acumulada das variveis W,Z e B e fazer seus respectivos grficos.
c) Aplicando as Propriedades da Funo de Distribuio Acumulada, calcular as seguintes
probabilidades:
i) ); 3 3 ( s < W P 3/4 vii) ); 8 ( s W P 0
ii) ); 5 , 4 0 ( s sW P 5/9 viii) ); 11 ( > A P 1/6
iii) ); 6 ( > A P 1/2 ix) ); 11 20 ( s s Z P 7/36
iv) ); 5 , 5 ( s Z P 5/18 x) ); 8 ( = B P 0
v) ); 3 ( = Z P 1/18 xi) ); 8 1 ( < < A P 1/2
vi) ); 4 1 ( s s B P 1/4 xii) ). 34 5 , 3 ( < < Z P 5/6
2) Uma varivel aleatria discreta tem a distribuio de probabilidade dada por:
x
K
x X P = = ) ( para . 7 , 5 , 3 , 1 = x
a) Calcular o valor de K; 105/176 b) Calcular ). 5 ( = X P 21/176

3) Numa sala temos cinco rapazes e quatro moas. So retiradas; aleatoriamente, trs pessoas. Faa X a
varivel aleatria nmero de rapazes.
a) Determinar a funo de probabilidade da varivel X. Construa uma tabela.
b) Determine a funo de distribuio acumulada de F(x) e construa o seu grfico.
c) Calcule as probabilidades:

i) ); 0 ( s X P 2/42
ii) ); 3 1 ( s < X P 25/42
iii) ); 3 2 ( < < X P 0
iv) ); 2 ( > X P 5/42
v) ); 1 ( > X P 1
vi) ). 5 ( < X P 1
Determine: ). 5 , 0 ( ), 6 ( ), 1 ( ), 2 ( ), 5 , 3 ( ), 5 , 0 ( , ) 3 ( ), 5 , 2 ( F F F F F F F F
37/42;1;4/42;1;37/42;17/42;1;0
4) Uma moeda viciada tem probabilidade de cara igual a 0,4. Para dois lanamentos independentes
dessa moeda, estude o comportamento da varivel nmeros de caras e faca um grfico de sua funo
de distribuio.
X 0 1 2
P(X=x) 0,36 0,48 0,16


5) Uma varivel aleatria X tem a seguinte funo de distribuio:
23

>
< s
< s
< s
<
=
. 25 1
; 25 13 9 , 0
; 13 12 5 , 0
; 12 10 2 , 0
; 10 0
) (
x se
x se
x se
x se
x se
x F

Determine:
a) A funo de probabilidade de X;

X 10 12 13 25
P(X=x) 0,2 0,3 0,4 0,1

a) ); 12 ( s X P F(12)=0,5
b) ); 12 ( < X P F(10)=0,2
c) ); 20 12 ( s s X P F(13)-F(10)=0,7
d) ). 18 ( > X P 1-F(18)=1-F(13)=0,1



3.4-VARIVEL ALEATRIA CONTNUA

Suponha que X uma varivel aleatria, cujo o conjunto imagem um intervalo dos nmeros
reais, por exemplo, , 10 0 s s x ou em uma coleo de intervalos. Neste caso, a varivel aleatria
contnua. Relembrando, no caso das variveis discreta definiu-se ) ( x X P = (funo de probabilidade),
como sendo uma funo que associa a cada elemento x
i
um nmero no negativo
,..., 2 , 1 ), ( ) ( = = = i x X P x p
i i
cuja a soma igual a 1. Para o caso onde X uma varivel aleatria
contnua isto no faz o menor sentido, ou seja, se X uma v.a. contnua ento 0 ) ( = = x X P para
qualquer x real. Para contornarmos este problema, h necessidade de definir outro conceito, o que se
passa a fazer nas prximas sees.

3.5-FUNO DENSIDADE DE PROBABILIDADE

Seja X uma varivel aleatria contnua.

A funo densidade de probabilidade f(x) uma funo que satisfaz as seguintes condies:

a) f(x)
>
0 para todo x
e
9.
b) . 1 ) (
}
9
= dx x f
Alm disso, defini-se, para qualquer b a < em 9:
}
= < <
b
a
dx x f b X a P . ) ( ) (


Observao:
24
a) Pela definio acima fcil verificar que para todo 9 e a , tem-se
}
= =
a
a
dx x f a X P ) ( ) ( 0 = (direto
da definio de integral), alem disso, por este fato, as probabilidades abaixo so todas iguais, se a varivel
X for contnua:
). ( ) ( ) ( ) ( b X a P b X a P b X a P b X a P < < = s < = < s = s s

b)
}

= = s
a
x F dx x f a X P ) ( ) ( ) ( chamada funo de distribuio acumulada, ou de funo repartio
da varivel aleatria contnua X.

Exemplo 1. Seja X uma varivel aleatria contnua. Com a seguinte funo densidade de
probabilidade:

< <
=
valor outro quaisquer para
x para x
x f
0
1 0 2
) (

a) Como podemos ver, ) (x f assim definida, realmente uma funo densidade, pois 0 ) ( > x f
e para todo 9 e x ,
} }
+

= =
1
0
1 2 ) ( xdx dx x f , conforme pode-se observar no grfico abaixo,
calculando a rea entre o eixo das abscissas e curva ) (x f :

0 1 x

b) Quanto a ) (x F tem-se:

1
1 , ) ( 1
0 , 2 0
; 0 , 0 0
) (
0
2 2
0
<

> =
s = + =
< =
=
}
}
}
+


x se dt t f
x se x tdt x
x se dx
x F
x


Exemplo 2. Dada a funo de distribuio acumulada (repartio).


f(x)
2
1
25

<
>
s
+
<
= 1
1 1
1
2
1
1 0
) ( x
x para
para
x
x para
x F
Calcule:
a)
) 2 / 1 2 / 1 ( < < x P
b) ) 0 ( = x P c) ) 3 2 ( s < x P



3.6-MEDIDA DE POSIO E MEDIDAS DE DISPERSO

3.6.1-MDIA OU ESPERANA MATEMTICA PARA VARIVEIS DISCRETAS.

Define-se Esperana Matemtica ou Mdia de uma varivel aleatria discreta como:

= =
i i X
p x X E ] [ , onde ). (
i i
x X P p = =

3.6.2- MDIA OU ESPERANA MATEMTICA PARA VARIVEIS CONTNUA.

Define-se Esperana Matemtica ou Mdia de uma varivel aleatria discreta como:
}
+

= = dx x xf X E
X
) ( ] [

Exemplo: Considere o seguinte experimento : = E lanamento de um dado honesto. Seja X a
varivel aleatria que determina o ponto obtido, X=1,2,3,4,5,6. As probabilidades so:
6
1
) 6 ( ... ) 2 ( ) 1 ( = = = = = = = X P X P X P (pois o dado honesto).
Neste caso o valor esperado(esperana) de X :

| | 5 , 3
6
1
. 6
6
1
. 5
6
1
. 4
6
1
. 3
6
1
. 2
6
1
. 1 = + + + + + = X E .
Exemplo: Se um homem adquire um bilhete de loteria, poder ganhar um primeiro premio de R$
100.000,00 ou um segundo de R$500,00 com probabilidades de 0,001 e 0,003 respectivamente. Qual
ser o preo justo a pagar pelo bilhete?
Soluo:
Seja X o valor do premio : X=100.000,00; 500,00; -c (caso no ganhe prmio algum, c o custo do
bilhete).

O valor esperado de X de forma que o jogo seja honesto tal que | | 0 = X E . Assim
000 . 100 0 ] [ = X E (0,001)+500(0,003)-c(0,996)=0 90 , 101 $
996 , 0
5 . 101
R c = = .
Propriedades da Mdia

Faremos apenas o caso onde as variveis so discretas.

1. A mdia de uma constante a prpria constante.


= = = . ] [ K p K Kp K E
i i

2. Se K uma constante e X uma varivel aleatria discreta ento:
26
| |

= = = ]. [ X KE p x K p Kx KX E
i i i i

3. A mdia da soma ou diferena de duas variveis aleatria a soma ou diferena das
mdias, isto :
| | | | | |. Y E X E Y X E =
4. Se = ] [ X E ento . 0 ] [ = X E
5. Se X e Y so variveis independentes, ento | | | | | |. Y E X E XY E =

3.6.3-MEDIDAS DE DISPERSO.

Varincia:
Define-se varincia de uma varivel aleatria como sendo:
| | | | | | | | , ) ( ) (
2 2 2
) (
2
X E X E X E X Var
X
X
= = = onde ]. [X E
X
=

Para X discreta: ) ( ) (
2 2
) ( i X i X
x X P x = =

Para X contnua:
}
+

= dx x f x
X X
) ( ) (
2
) (
.
Desvio-padro

Por definio, o desvio-padro a raiz quadrada da varincia:

2
) ( ) ( X X
=
Propriedades da Varincia

(Para o caso onde as variveis so discretas)

1. A varincia de um constante zero, isto :
| | | | . 0 ) ( ) (
2 2 2
= = = K K E K E
K K

2. | | | | | | . ) ( ) (
2
) (
2 2 2 2
X X X
K X E K K KX E KX Var = = =
3. | | .
2
) ( X
K X Var =

Exemplo:
Determinar : (a) ] [ X E ; (b) Var(X)=
2
) ( X
; (c) o desvio-padro de X=
) ( X
, para a seguinte
distribuio de probabilidade.

X 8 12 16 20 24
P(X=k) 1/8 1/6 3/8 1/4 1/12

Soluo:

(a)

= + + + + = = = 16
12
1
) 24 (
4
1
) 20 (
8
3
) 16 (
6
1
) 12 (
8
1
) 8 ( ) ( ] [ x X xP X E
(b)

= = = . 16 ) ( ]) [ ( ] [ ] [
2 2 2 2
x X P x X E X E X Var Como ] [
2
X E =
276
12
1
) 24 (
4
1
) 20 (
8
3
) 16 (
6
1
) 12 (
8
1
) 8 (
2 2 2 2 2
= + + + + (conhecido como o segundo momento). Assim:
27
. 20 256 276 16 276 ] [
2
= = = X Var
(c) Como o desvio-padro a raiz quadrada da varincia, temos que o desvio-padro de X :
47 , 4 20 = =
X
.



Exerccios:
1) Em uma certa especulao comercial, um homem pode ter um lucro de US$ 300,00 , com
probabilidade de 0,6, ou um prejuzo de US$100,00, com probabilidade 0,40. Determinar sua
esperana. (R. US$140,00)
2) Qual o preo justo a pagar para entrar em um jogo no qual se pode ganhar US$25 com
probabilidade de 0,2 e US$10 com probabilidade 0,4? (R. US$9)
3) Determinar: (a) ]; [ X E (b) ]; [
2
X E (c) ] [ X Var ; (d) Desvio-padro de X , para a seguinte
distribuio de probabilidade:( R. (a) 7; (b) 590; (c) 541; (d) 541 )



X -10 -20 30
P(X=k) 1/5 3/10 1/2

4) Uma varivel aleatria X assume o valor 1com a probabilidade p e o valor 0 com a
probabilidade q=1-p. Provar que: (a) ; ] [ p X E = (b) . ] [ pq X Var =
5) Sejam M e N duas variveis aleatrias com as seguintes distribuies:


N 5 10 12 M 1 3
P(N=k) 0,3 0,5 0,2 P(M=k) 0,6 0,4

(a) Calcule ]; [ ]; [ N E M E (R. 1,8 e 8,9) b) Calcule os desvios-padro de m e de N.(R. 96 , 0 e
09 , 7 )





4-ALGUMAS DISTRIBUICO DE PROBABILIDADE


Como visto anteriormente a distribuio de probabilidade um modelo matemtico que relaciona o
valor da varivel com a probabilidade de ocorrncia daquele valor de populao. Neste capitulo
veremos alguns tipos de distribuies especiais:
i) Distribuio discreta : Quando o parmetro sendo medido s pode assumir certos valores
como os inteiros 0,1,2,3,4,......,n. Vejamos como se comporta uma distribuio de probabilidade
discreta. Dentro das distribuies discretas a Distribuio Binomial e a Distribuio de Poisson so
duas importantes distribuies.

ii) Distribuio Contnua: Quando a varivel sendo medida expressa em uma escala
continua, sua distribuio de probabilidade chamada distribuio continua.
28
Uma distribuio contnua tem sua forma grfica, uma curva, sendo igual a probalidade, de modo que
a probabilidade de x estar no intervalo entre a e b definida por :
dx x f b x a P
b
a
}
= s s ) ( ) (
.
Neste texto trabalharemos com as distribuies: Normal, Exponencial, Qui-quadrada, t-Studant e a
Distribuio F, sendo com exceo da Exponencial de suma importncia para estatstica inferencial.

4.1- DISTRIBUIO BINOMIAL

Se p a probabilidade de um evento acontecer em uma nica tentativa (o qual chamaremos de
probabilidade de sucesso) e q=1-p probabilidade de este evento no ocorra em qualquer tentativa
nica (q chamada a probabilidade do fracasso), ento a probabilidade do evento ocorrer exatamente k
vezes, em N tentativas (isto , de que haja k sucessos e N-k fracassos) dada por:

k N k
q p
k k N
N
k X P

= =
! )! (
!
) (
em que X=0,1,2,...,N-1,N e N!=N(N-1)(N-2)...2.1, 0!=1, por definio.
Exemplo 1. Consideremos um processo de fabricao milhes de itens por dia. Em mdia, 1% desses
itens esta fora de especificao. No processo de controle de qualidade desses itens, seleciona-se uma
amostra de 50 deles e classifica-se cada item da amostra como sendo dentro ou fora das especificaes.
Denotando por X a varivel aleatria representando o numero de itens no-conformes na amostra, ento a
distribuio de probabilidade de x :

50 .,...., 3 , 2 , 1 , ) 99 . 0 ( ) 01 . 0 (
50
) (
50
=
|
|
.
|

\
|
= =

x para
x
x X P
x x


onde ,
)! 50 ( !
! 50
50
x x x
=
|
|
.
|

\
|
esta uma distribuio discreta , uma vez que o numero observado de no
conformidade X = 0,1,2,3,4,....,50, ento chamada distribuio Binomial.

A probabilidade de se encontrar no mximo um item foram das especificaes calculada da seguinte
forma:

); 1 ( ) 0 ( ) 1 ( = + = = s X P X P X P


) 1 ( ) 0 ( P P + =

|
|
.
|

\
|
=
1
0
50
) 99 , 0 ( ) 01 , 0 (
50
i
x x
x

49 0 50 0
) 99 , 0 ( ) 01 , 0 (
! 49 ! 1
! 50
) 99 , 0 ( ) 01 , 0 (
! 50 ! 0
! 50
+ =
3056 , 0 60509 , 0 + =

9106 , 0 =

4.2-DISTRIBUIO POISSON

29
Em muitos caso , conhece-se o nmero de sucessos, porm o calculo do numero de fracassos muito difcil e,
as vezes, sem sentido, de encontrar. Por exemplo: Pessoas que passam numa determinada esquina. Pode-se
anotar num determinado intervalo de tempo o numero de pessoas que passaram (nmero de sucesso) , mas , o
nmero de pessoas que deixaram de passar pela esquina (nmero de fracasso) no poder ser determinado. Isto
nos induz a procurar outro modelo de distribuio que diferente do modelo Binomial, para estes caso uma
outra distribuio descrever melhor esses tipos de fenmenos- A distribuio de Poisson.

Seja t um intervalo de tempo, a distribuio discreta de probabilidade:

,... 3 , 2 , 1 , 0 ,
!
) (
) , ( = = =

k
k
e t
t k X P
t

em que e =2,71828... e uma constante dada( coeficiente de proporcionalidade), denominada
distribuio de Poisson, historicamente pode ter sido Poisson quem a descobriu, no sculo XIX.

Mdia: Pode-se provar que t
X
=

Varincia: Pode-se provar que t
X
=
2
) (

Exemplo: Em mdia h duas chamadas por hora num certo telefone. Calcular a: 1) probabilidade de ser
receber no mximo 3 chamadas em 2 horas; 2)a probabilidade de nenhuma chamada em 90 minutos.
Soluo:
1)
Calculo de : Seja , 2 2 = = = t t uma vez que o intervalo t=1 hora.
Assim:
) 2 , 3 ( ) 2 , 2 ( ) 2 , 1 ( ) 2 , 0 ( ) 2 , 3 ( h X P h X P h X P h X P h X P = + = + = + = = s
% 31 , 43 4331 , 0
1952 , 0 1464 , 0 0732 , 0 0183 , 0
! 3
) 4 (
! 2
) 4 (
! 1
) 4 (
! 0
) 4 (
4 3 4 2 4 1 4 2
= =
+ + + = + + + =

e e e e


2)Como a mdia t = = 60 2 taxa por minutos
30
1
60
2
= = (proporo por minutos). Assim:
( )
% 98 , 4 0498 , 0
! 0
30
90
min) 90 ; 0 (
3
30
90
0
= = =
|
.
|

\
|
= =

e
e
X P
Exemplo:
Um processo mecnico produz tecido para tapetes com uma mdia de dois defeitos por jardas.
Determine a probabilidade de em 2 jardas ter exatamente um defeito, admitindo que o processo
possa ser aproximado por uma distribuio de Poisson.
Soluo:
Neste caso a mdia de defeito por jardas t = 2 , onde = t uma jarda(t=1), logo . 2 = .Assim:
% 33 , 7 0733 , 0
! 1
) 4 (
) 2 , 1 (
) 4 ( 1
= = = = =

e
jardas t X P .
4.3-A DISTRIBUIO HIPERGEOMTRICA
Considere um populao finita de N itens. Algum nmero, digamos D, DsN, destes itens pertence
a uma populao de interesse. Uma amostra aleatria de n itens retirada da populao sem
reposio e o nmero de itens na amostra que situa na classe de interesse, digamos, X observado.
Ento X uma varivel aleatria hipergeomtrica com distribuio definida como se segue.
Definio
A distribuio de probabilidade hipergeomtrica
30
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
= =
n
N
x n
D N
x
D
x X P ) ( ) , ( , , 2 , 1 , 0 D n mn x =
A mdia e a varincia da distribuio so
N
nD
= e |
.
|

\
|

|
.
|

\
|
=
1
1
2
N
n N
N
D
N
nD
respectivamente.
Na definio acima, a quantidade
)! ( !
!
b a b
a
b
a

=
|
|
.
|

\
|
o nmero de combinaes de a itens
escolhidos b de cada vez.
A distribuio hipergeomtrica o modelo probabilstico apropriado para seleo sem
reposio de uma amostra de n itens de um lote de N itens dos quais D so defeituosos ou no-
conformes. Por amostra aleatria queremos caracterizar uma amostra que selecionada de tal
forma que todas as possveis amostra tenham a mesma chance de serem escolhidas. Nestas
aplicaes, X usualmente representa o nmero de itens no-conformes encontrados na amostra. Por
exemplo, suponha que um lote contm 100 itens dos quais 5 no satisfazem os requisitos. Se 10
itens so selecionados aleatoriamente sem reposio, ento a probabilidade de achar no mximo
um item no-conforme
923 , 0
10
100
9
95
1
5
10
100
10
95
0
5
) 1 ( ) 0 ( ) 1 (
=
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
+
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
=
= + = = s X P X P X P


4.4- A DISTRIBUIO DE PASCAL E DISTRIBUIO RELACIONADAS
A distribuio de Pascal, assim como a distribuio binomial, tem sua base em provas de
Bernoulli. Considere uma seqncia de provas independentes, cada uma com probabilidade p de
sucesso, e seja X o nmero de provas na qual o r.
o
sucesso ocorre. Ento X uma varivel aleatria
de Pascal com distribuio de probabilidade definida como segue.
Definio
A distribuio de Pascal
, 2 , 1 , , ) 1 (
1
1
) ( + + =
|
|
.
|

\
|

= =

r r r x p p
r
x
x X P
r x r

onde 1 > r um inteiro. A mdia e a varincia da distribuio de Pascal so
p
r
= e
2
2
) 1 (
p
p r
= respectivamente.
Dois caso especiais da distribuio de Pascal merecem ateno. O primeiro deles quando
r>0 mas no necessariamente um inteiro. A distribuio resultante chamada distribuio
binomial negativa. A distribuio binomial negativa, assim como a distribuio de Poisson,
algumas vezes utilizada como modelo estatstico subjacente para vrios tipos dedados de
contagem, tais como ocorrncia de peas defeituosas em uma unidade de produo. H uma
importante dualidade entre as distribuies binomial e binomial negativa. Na distribuio binomial,
31
fixa-se o tamanho da amostra(nmero de provas de Bernoulli) e observa-se o nmero de sucessos;
na distribuio binomial negativa fixa-se o nmero de sucessos e observa-se o tamanho da amostra
(nmero de provas de Bernoulli) necessrio para obt-lo. Este conceito particularmente
importante em vrios tipos de problemas de amostragem.
O outro caso especial da distribuio de Pascal surge quando r=1, no qual temos a
distribuio geomtrica. Esta a distribuio do nmero de provas de Bernoulli at o primeiro
sucesso.

Exerccios da seo:
1) Entre as mulheres que esto em um emprego, 25% nunca foram casadas. Selecione
aleatoriamente 10 mulheres.
a. O nmero de mulheres no-casadas em sua amostra possui uma distribuio
Binomial. Quais so os valores de n e p?(R.n=10 e p=0,25)
b. Qual a probabilidade de que, em sua amostra, exatamente 2 das 10 mulheres nunca
tenham sido casadas?(R. 2816 , 0 ) 2 ( = = X P )
c. Qual a probabilidade de que 2 ou menos mulheres nunca tenham sido casadas?(R.
5256 , 0 ) 2 ( = s X P )
d. Em amostras como essa, qual o nmero mdio de mulheres que nunca casaram? E
qual o seu desvio-padro?(R. 37 , 1 ; 5 , 2 = = )

2) Tanques de gasolina com vazamento. Nos postos de combustvel, o vazamento de tanques de
gasolina subterrneos pode prejudicar o meio ambiente. Estima-se que 25% desses tanques vazem.
Voc examina aleatoriamente 15 tanques, que so independentes uns dos outros.
a) Qual o nmero mdio de tanques vazando em amostras de 15?(R. 3,75)
b) Qual a probabilidade de que 10 tanques ou mais estejam vazando?(R. 0,0008)
c) Suponha que agora voc faa um estudo mais abrangente, examinado uma amostra
aleatria de 1000 tanques em todo pas. Qual a probabilidade de que pelo menos 275 desses
tanques estejam vazando?(R. 0,0336, utilizando a aproximao Normal)
3) Um sujeito que acredita na teoria do passeio aleatrio do mercado de capital pensa que
vale 0,65 a probabilidade de que um determinado ndice de aes suba a cada ano. Alm disso, a
variao do ndice em um ano qualquer no influenciada pelo fato de o ndice ter baixado ou
subido nos anos anteriores. Considere que X seja o nmero de anos em que haver uma subida do
ndice nos prximos 5 anos.

a. X tem uma distribuio Binomial. Quais so os valores de n e p?(R. n=5;p=0,65)
b. Quais so os possveis valores de X?(R.X:0,1,2,3,4 e 5)
c. Encontre a probabilidade de cada valor de X, fazendo um histograma de probabilidades
para a sua distribuio.
d. Quanto vale a mdia e o desvio padro dessa distribuio? Marque a localizao da mdia em
seu histograma.(R. 067 . 1 , 25 , 3 = = )

4) Suponha que os navios cheguem a um porto a razo de horas navios / 2 = , e que essa razo
seja bem aproximada por uma distribuio de Poisson. Observando o processo (distribuio) durante o
perodo de meia hora (t=1/2) , determine a probabilidade de (a) no chegar nenhum navio,(R. 0,368ou
36,8%) (b) chegarem 3 navios. (R. 0,061 ou 6,1 %)

5) Suponha que os defeitos em fios para tear possam ser aproximados por um
processo(distribuio) de Poisson com mdia de 0,2 defeitos por metro ( ) 2 , 0 = . Inspecionando-se
pedaos de fio de 6 metros de comprimento, determine a probabilidade de menos de 2 (isto , 0 ou 1)
defeito. (R. 0,6622 ou 66,22%)
32

5) Os clientes chegam a uma loja razo de 6,5/hora (Poisson). Determine a probabilidade de que,
durante qualquer hora:
a) No chegue nenhum cliente. b) Chegue ao menos 1 cliente
c) Mais de um cliente. d) Exatamente 6,5 clientes.

7) A mdia de chamada telefnica numa hora 3. Qual a probabilidade de:

a) receber exatamente 3 chamadas numa hora?(R. 0,2241 ou 22,41% )
b) receber 4 ou mais chamadas em 90 minutos? (R. 0,658 ou 65,8% )

8) Uma loja atende em mdia 2 clientes por hora. Calcular a probabilidade de em uma hora:

a) atender exatamente 2 clientes;(R.0,270 ou 27%)
b) atender 3 clientes. (R. 0,180 ou 18%)



4.5-DISTRIBUIO NORMAL

a mais importante distribuio de probabilidade, sendo aplicada em inmeros fenmenos e utilizada
para o desenvolvimento terico da estatstica. Altura de mulheres adultas, peso de homens adultos e notas
de vestibulares so exemplos entre vrios de populaes distribudas normalmente. A distribuio normal
tambm conhecida como distribuio de Gauss, Laplace ou Laplace-Gauss.

Seja X uma varivel aleatria contnua. Dizemos X tem distribuio normal se:



- Sua funo densidade ) (x f definida por

+ < < =
|
.
|

\
|

x e x f
x
,
2
1
) (
2
2
1

onde:

= mdia de distribuio;
= desvio-padro da distribuio;
= 3,1416....(constante irracional Pi);
= e 2,7...(constante irracional ).





Sendo o seu grfico:





100%
f(x)
100%
f(x)
33









Para o clculo das probabilidades, surgem dois grandes problemas:

1. o clculo
}

= s
x
dt t f x X P ) ( ) ( s pode ser desenvolvido por sries o que muito difcil e
invivel portanto h a necessidades de uma tabela para resolver o problema.
2. como ) (x f depende basicamente de dois parmetro ( e ) a elaborao de uma tabela de
probabilidades para cada par de parmetros acarretaria um grande trabalho considerando-se as varias
combinaes de e .

Esses problemas podem ser solucionados por meio de uma mudana de varivel, obtendo assim, a
distribuio normal padronizada ou reduzida, ou seja, basta conhecermos a distribuio normal onde os
parmetros so 0 = e 1 = que podemos obter a distribuio(Probabilidades) de qualquer varivel X
normalmente distribuda.


Distribuio Normal Padro

Se X uma varivel aleatria de mdia e varincia ento a varivel aleatria Z definida por

=
X
Z , tem distribuio normal de mdia 0(zero) e desvio-padro igual a 1.

Note que, a mdia de Z pode ser verificada facilmente usando as propriedades de esperana(mdia)
(

X
E Z E ] [ = } } { 0
1
] [ ] [
1
] [
1
=

= =

E X E X E .

E sua varincia:
1 ] [
1
] [
1
] [
2
2
2 2
= = = =
(

X Var X Var
X
Var Z Var , e portanto, o desvio-padro de Z
. 1 1 ] [ = = Z Var

A funo densidade de Z ser:


+ < < =

z e z
z
,
2
1
) (
2
2

Sendo o grfico de ) (z igual a :


0
(z)
100%
0
(z)
100%

34







Como a mdia de Z 0 e varincia 1, as probabilidades (reas) sob a curva ) (z so
calculadas e tabeladas. Daremos vrios exemplos explicando o uso da tabela da distribuio normal
padro.

Para se registrarem distribuies normais usa-se a seguinte notao:

- ) , (
2
N X
d
= l-se a varivel aleatria X tem distribuio normal com mdia e varincia
2
.
- ) 1 , 0 ( N Z
d
= l-se a varivel aleatria Z tem distribuio normal com mdia 0 e varincia 1. Ou
simplesmente, distribuio normal padro.

Propriedades da Distribuio Normal

Como pode-se observar, o grfico da funo densidade de uma varivel normal tem a forma de um sino
e simtrica em relao mdia

. Fixando-se a mdia, verifica-se que o achatamento est diretamente

ligado ao valor de ; assim













1
a
Propriedade
) (x f simtrica em relao origem = x , ou ( ) z simtrica em relao a origem Z=0.













2
a
Propriedade
x
f(x)
o
1
o
2
o
1
< o
2
x
f(x)
o
1
o
2
o
1
< o
2

) (z
x
f(x)
50% 50%
x
f(x)
50% 50%

0 z
50% 50%
(z)
0 z
50% 50%
(z)

35
) (x f possui apenas um ponto de mximo que o ponto = x , ou ) (z possui um mximo para
0 = Z , e neste caso sua ordenada vale 0,39.
3
a
Propriedade
f(x) tende a zero quando x tende para
+
ou - , o mesmo acontece com ) (z quando Z .

















Combinaes de Distribuies Normais


Se X e Y so variveis aleatrias com distribuies normais,onde )) ( ), ( ( X X N X
d
= e
)) ( ), ( ( Y Y N Y
d
= , ento: C bY aX W + + = ter distribuio normal com mdia C Y X + + ) ( ) (
e varincia ) ( ) (
2 2 2 2
Y b X a + .

Uso da Tabela de Distribuio Normal Padro.

H vrios tipos de tabelas que oferecem as reas (probabilidades) sob a curva da normal padro. O tipo
mais frequente a Tabela de Faixa Central.
A Tabela da faixa central d a rea sob a curva normal padro entre z=0 e qualquer valor positivo de z.
A simetria em torno de z=0 permite obter a rea entre quaisquer valores de z(positivos ou negativos).
Note que pela simetria em torno da origem (Z=0) , temos por exemplo que se quisermos calcular a
probabilidade da varivel Z est entre -2,33 e 1,55 basta encontrar a probabilidade de de Z est entre 0 e
2,33 mais a probabilidade de Z est entre 0 e 1,55, ou seja:
). 55 , 1 0 ( ) 33 , 2 0 ( ) 55 , 1 33 , 2 ( s s + s s = s s Z P Z P Z P Note ainda que pelo fato de Z ser uma
varivel contnua as desigualdades do tipo( > s, ) podem ser trocada por (<,>) sem alterar o resultados.

A Tabela oferece a rea entre 0 e
0
z , conforme ilustra a figura abaixo e corresponde a ). 0 (
0
z Z P s s









x
f(x)
x
f(x)
0 z
(z)
0 z
(z)


0 z
0
z 0 z
0
z

36

Exemplo.
Calcule as seguintes probabilidades:

a) ) 1 0 ( s s Z P ;
b) ) 2 , 1 55 , 2 ( < < Z P ;
c) ) 93 , 1 ( > Z P .
Soluo:
a) temos,











0 1 z

Para obter a probabilidade, basta entrar com a abscissa 1,0( na primeira coluna) e 0,00(na primeira linha)
da Tabela. Assim, 3413 , 0 ) 1 0 ( = s s Z P .
Confirme o resultado, consultando a Tabela na seo de anexos.


b) Para obtermos a probabilidade ) 2 , 1 55 , 2 ( < < Z P basta encontramos a rea hachurada da curva
abaixo







000000
-2,55 0 1,2


Entra-se na Tabela, com o valor 1,2 na primeira coluna e 00 na primeira linha obtendo 0,3849 que
corresponde a rea entre a curva e o intervalo [0,1,2] ou seja ) 2 , 1 0 ( < s Z P . Lembrando a
propriedade de simetria em relao a 0 = Z , entra-se com 2,5 na primeira coluna e 0,05 na primeira
linha, obtendo 0,4946 que corresponde a rea entre a curva e o intervalo [-2,55,0]. Portanto
) 2 , 1 55 , 2 ( < < Z P =0,4946+0,3849=0,8795.

c) Queremos encontrar a rea hachurada ilustrada pela figura abaixo:



37

Entra-se na Tabela com 1,9 na primeira coluna e 0,03 na primeira linha obtendo 0,4732. Porm, essa a
rea comprendida entre 0 e 1,93. Lembrando que a rea embaixo da curva a partir de 0 + vale 0,5,
assim a rea hachurada exatamente
0,5-0,4732=0,0268, logo: 0268 , 0 ) 93 , 1 ( = > Z P .

Exemplo: As alturas dos alunos da UCG so normalmente distribuidas com mdia 1,68m e desvio-
padro 0,30m. Encontre a probabilidade de um aluno medir:
a) entre 1,58 e 1,88m;
b) mais de 1,83m;
c) menos de 1,56m
d) Qual deve ser a medida mnima para escolhermos 10% dos mais altos?

Soluo :

a) Sabe-se que 68 , 1 = e 30 , 0 = . Se X representa a varivel altura dos alunos da UCG, ento


%. 79 , 37 3779 , 0 2486 , 0 1293 , 0
) 67 , 0 33 , 0 ( ) ( ) 88 , 1 58 , 1 (
2 1
= = + =
s s = s s = s s Z P z Z z P X P

onde Z a distribuio normal padro e 33 , 0
30 , 0
68 , 1 58 , 1
1
1
=

x
z e
. 67 , 0
30 , 0
68 , 1 88 , 1
2
2
=

x
z

Note que a troca dos limites x
1
e x
2
por z
1
e z
2
pode ser ilustrada pela figura abaixo:





b) 3085 , 0 1915 , 0 500 , 0 ) 5 , 0 ( ) ( ) 83 , 1 (
1
= = > = > = > Z P z Z P X P ,
onde, . 50 , 0
30 , 0
68 , 1 83 , 1
1
=

= z
-0,33 0 0,67 z
1,93
1,58 1,68 1,88 x
38
c) 3446 , 0 1554 , 0 5000 , 0 ) 4 , 0 ( ) ( ) 56 , 1 (
1
= = < = < = < Z P z Z P X P

onde, . 4 , 0
30 , 0
68 , 1 56 , 1
1
~

= z
d) o problema inverso dos itens anteriores, pois neste caso tem-se a probabilidade e deseja a medida da
abscissa:




Para se encontrar o valor de z que deixa 0,10 direita, deve-se entrar na tabela com 0,40, assim:
descobrimos que . 28 , 1 = z Logo,

m X
X X
z 06 , 2
30 , 0
68 , 1
28 , 1 =

O Teorema Central do Limite

A distribuio normal considerada, com freqncia, como o modelo probabilstico apropriado
para uma varivel aleatria. Em cursos mais avanados se discute a validade de tal suposio; no
entanto, o teorema central do limite muitas vezes a justificativa para tal aproximao.

Definio: O Teorema Central do Limite

Se
n
X X X , , ,
2 1
so variveis aleatrias independentes com mdia
i
e varincia
i
e se
n
X X X Y + + + =
2 1
, ento a distribuio de

=
=

n
i
i
n
i
i
Y
1
2
1

se aproxima da distribuio N(0; 1) medida que n tende a infinito (n cresce).

O teorema central do limite estabelece que a distribuio da soma de n variveis aleatrias
independentes aproximadamente normal, independentemente das distribuies individuais das
variveis. A aproximao melhora a medidas que n aumenta. Em muito caso, a aproximao ser
boa, mesmo para valores pequenos de n digamos, n <10-enquanto que, em outras situaes, pode
ser necessrio n grande-digamos, n>100- para se obter uma boa aproximao. Em geral, se as
i
X
so identicamente distribudas e a distribuio de cada
i
X no se afasta dramaticamente da
distribuio normal, ento o teorema central do limite funciona bastante bem para 3 > n ou 4. Tais
condies so freqentemente encontradas em problemas de controle da qualidade.
00,10
0,40
1,68 x=?
0,40
0 z=?
0,10
39

4.6-A DISTRIBUIO EXPONENCIAL

A distribuio de uma varivel aleatria exponencial X definida como segue.
Definio
A distribuio exponencial
0 ) ( > =

x e x f
x

onde 0 > uma constante. A mdia e a varincia da distribuio exponencial so

1
=
e
2
2
1

=
respectivamente.
A distribuio exponencial acumulada
0 1
) ( ) (
0
> =
=
s =

}
a e
dt e
a X P a F
a
a
t

A distribuio exponencial amplamente utilizada na rea de engenharia de confiabilidade como
modelo do tempo de falha de um componente. Em tais aplicaes, o parmetro denominado
taxa de falha do sistema e a mdia da distribuio

1
chamada tempo mdio de falha. Por
exemplo, suponha que um componente eletrnico em um sistema de radar de aeronave tenha vida
til descrita por uma distribuio exponencial com taxa de falha h / 10
4
, isto ,
4
10

= . O
tempo mdio de falha para este componente h 000 . 10 10
1
4
= =

. Se queremos calcular a
probabilidade de esse componente falhar antes do tempo esperado de vida, temos que calcular
63212 , 0 1 )
1
(
1
1
0
= = = s

}
e dt e X P
t

Este resultado vale independentemente do valor de ; isto , a probabilidade que o valor de um
varivel aleatria exponencial seja menor que sua mdia 0,63212. Isto acontece, naturalmente,
porque a distribuio no simtrica.


Exercicios.

1) Faa Z uma varivel com distribuio normal padronizada e encontre (use a Tabela):
a) ); 44 , 1 0 ( s s Z P (R. 0,4251)
b) ); 0 85 , 0 ( < < Z P (R. 0,3023)
c) ); 05 , 2 48 , 1 ( < < Z P (R. 0,9104)
d) ); 89 , 1 72 , 0 ( < < Z P (R.0,2064)
e) ); 08 , 1 ( > Z P (R. 0,1401)
f) ); 66 , 0 ( > Z P (R. 0,7454)
40
g) ) 5 , 0 | (| s Z P ; (R. 0,3830)
h)P(Z>6,99); (R. 0,0)
j)P(Z<6,99) (R. 1,0)

2) O processo de empacotamento em uma companhia de cereais foi ajustado de maneira que uma mdia
de 0 , 13 = kg de cereal colocada em um saco. claro que nem todos os sacos tm precisamente
0 , 13 kg devido a fontes aleatrias de variabilidade. O desvio-padro liquido 1 , 0 = kg, e sabe-se que a
distribuio dos pesos segue uma distribuio normal.
a) Determinar a probabilidade de um saco escolhido aleatoriamente contenha entre 13,0 e 13,2 kg
de cereal. (R. 0,4772 ou 47,72%)
b) Qual a probabilidade de que o peso exceda 13,25 kg?(R. 0,0062)
c) Qual a probabilidade de que o peso do cereal esteja entre 12,9 e 13,1 kg?(R.0,6826)
d) Ilustrar as propores da rea sob a curva normal que est associada as probabilidades nos
itens a) , b) e c).

3) Um processo industrial produz canos com dimetro mdio de 2,00 polegadas e desvio padro de 0,01
polegadas. Os canos com dimetros que variem de mais 0,03 polegadas a contar da mdia so
considerados defeituosos. Suponha normalidade.
a) Qual a porcentegem de canos defeituosos?(R. 0,0028 ou 0,28%)
b) Qual a probabilidade de encontrar duas peas defeituosas em sequncia?(R. 0,0028
2
)
c) Qual a probabilidade de encontrar duas peas perfeitas em sequncia?(R. (1-0,0028)
2
)
4) A durao de um certo componente eletrnico tem mdia de 850 dias e desvio padro de 40 dias.
Sabendo que a durao normalmente distribuida, calcule a probabilidade de esse componente durar:
a) entre 700e 1000 dias;(R. 0,9998)
b) mais que 800dias;(R. 0,8944)
c) menos que 750 dias.(R. 0,0062)

5) Um fornecedor de ferro alega que seu produto apresenta resistncia tenso aproximadamente normal
com mdia de 50.000 psi e varincia de 8.100 psi. Suponha verdadeira a hiptese, que percentagem de
mensuraes dar resultado:
a) superior a 50.000 psi;(R. 50%)
b) inferior a 49.550 psi;(R. 0,3085)
c) a mais de

1.350 psi a contar de 50.000 psi.(R. 0,1336)

6) Uma fbrica de pneumticos fez um teste para medir o desgaste de seus pneus e verificou que ele
obedecia a uma didtribuio normal, de mdia 48.000 km e desvio-padro 2.000 km. Calcular a
probabilidade de um pneu escolhido ao acaso:
a) dure mais que 46.000 km; (R. 0,8413)
b) dure entre 45.000 e 50.000



4.7-DISTRIBUIO QUI-QUADRADO


A distribuio Qui-quadrado um modelo de distribuio contnua derivada da distribuio normal e
grande importncia para a teoria da inferncia estatstica.

Sejam, " " ,..., ,
, 2 1
p X X X
p
variveis aleatria independentes, normalmente distribudas, com mdia
zero e desvio-padro 1. Defina-se varivel aleatria com distribuio qui-quadrado, como:
41

2 2
2
2
1
2
...
p p
X X X + + + =


onde p um parmetro da funo densidade denominado grau de liberdade. Em geral utiliza-se a letra
grega (l-se fi) para indicar o grau de liberdade.

Um fato interessante, que pode ser provado que a mdia de uma distribuio qui-quadrado igual ao
grau de liberdade, e que a varincia igual ao dobro do nmero de graus de liberdade. Assim:

= ] [
2
E

2 ] [
2
= Var

Conforme o numero de graus de liberdade (valor do parmetro), a curva que descreve a funo
densidade tem uma determinada forma. Vejamos, por exemplo, algumas dessas curvas ilustradas abaixo:


A distribuio qui-quadrado est tabelada. No anexo desse texto podemos encontrar uma tabela que d a
abscissa da distribuio para diversas reas(probablidades) da cauda direita. Veja a curva abaixo:




Na tabela tem-se

Exemplo:
a) Admita parmetro 9, ou seja, 9 = e % 5 = .
o

A
valor da abscissa
42
Entrando-se na primeira coluna com 9 = e na primeira linha com 05 , 0 = , encontra-se na
interseo dessa linha e coluna o nmero 16,9. Graficamente tem-se:


Sendo 25 = e a seguinte distribuio:


O valor da abscissa direita, chamado qui-quadrado superior, obtido na tabela encontrando-se na
primeira coluna com 25 e primeira linha com 0,025. Assim:
. 6 , 40
2
sup
=

O valor da abscissa esquerda, chamado de qui-quadrado inferior, obtido na tabela entrando na
primeira coluna com 25 e primeira linha com 1,00-.,025=0,975, uma vez que a tabela s considera reas
somente na cauda direita, encontrando-se 13,1. Assim . 1 , 13
2
inf
=


Exerccios:
1) Considere uma distribuio qui-quadrado, com 23 graus de liberdade. Determine a mdia, a
varincia, desvio-padro, mediana e terceiro quartil.(R. mdia 23, varincia 46, desvio-padro 6,78,
Mediana 22,3, Q3 27,1)
2) Determine o valor de
2
sup
e
2
inf
para a rea superior (cauda direita) e rea inferior (cauda
esquerda) valendo 0,1 e 0,1 respectivamente, com grau de liberdade igual a 8 .(R.
4 , 13
2
sup
= , 49 , 3
2
inf
= )


4.8- DISTRIBUIO t DE STUDENT

Trata-se de um modelo de distribuio contnua que se assemelha distribuio normal padro, N(0,1).
utilizada para inferncias estatsticas, particulamente, quando estamos trabalhando com amostras
pequenas (tamanhos inferiores a 30 elementos).

Assim como a qui-quadrado a distribuio t tambm possui um parmetro denominado grau de
liberdade ( ). A mdia da distribuio zero, e sua varincia dado por:
) 2 (
2
] [ >

t Var
A distribuio t simtrica em relao sua mdia ou seja em torno de zero. Vejamos como exemplo
um grfico onde compara-se a normal padro e a t com 4 graus de liberdade:
43

Observe que para valores de <30 a distribuio t apresenta maior disperso do que a N(0,1), uma vez
que o dsvio-padro, nestes caso, maior do que 1, que o desvio-padro da distribuio Normal padro.
Por exemplo, para = 4 (veja figura acima), tem-se

Desvio-padro de
4
t = . 41 , 1
2 4
4
) (
4
=

= t
- Se 35 = tem-se:
03 , 1
2 35
35
) (
35
=

= t
- Se 60 = tem-se:
02 , 1
2 60
60
) (
60
=

= t
Em geral se a amostra for maior que 30, as curvas (normal padro e da t) praticamente coincidem e
portanto consideraremos como normal padro se as amostra for maior ou igual a 30.

A distribuio t est tabelada (veja em anexo). A tabela fornece as abscissas da distribuio para
diversas reas (probabilidades) nas caudas. Trata-se de uma tabela bicaudal (d as probabilidades nas
caudas direita e esquerda). Assim:


Na tabela procede-se assim:











Exemplo:

Admita parmetro =9 e =5%, encontre os pontos de abscissas nas caudas esquerda e direita para
9
t .
Soluo: Entrando na primeira coluna com 9 = , e na primeira linha com 05 , 0 = , encontrando-se na
intercesso dessas linha e colunas o nmero 2,2622 que corresponde o valor de abscissas da cauda
o

A
valor da abscissa que deixa
2

direita( valor positivo)

44
direita com probabilidades 025 , 0
2
=

, consequentemente o valor de abscissa da cauda esquerda -

2,2622(pela simetria em torno de zero).

Veja figura abaixo:




4.9-DISTRIBUIO F
Novamente temos um modelo de distribuio contnua de suma importncia para inferncia estatstica.
A distribuio F a razo entre duas variveis aleatria independentes com distribuio qui-quadrado.
Assim, uma distribuio F com p graus de liberdade no numerador, e qgraus de liberdade no
denominador expressa por:
p
q
q
p
q p F
q
p
q
p
2
2
2
2
) , (

= =


Note que a distribuio F possui dois parmetro: grau de liberdade do numerador e grau de liberdade do
denominador, que so denominados, comumente, por
1
e
2
respectivamente.
A mdia de ) , (
2 1
F dada por:
( ) 2 ,
2
2
2
2
>

A varincia expressa por:
) 4 ( ,
) 2 )( 4 (
) 2 ( 2
2
2
2 2 1
2 1
2
2 2
>

+
=


.


Ilustramos abaixo algumas formas de grficos da distribuio F para determinados graus de liberdade:



45

A distribuio F est tabelada. Nos anexos encontraremos uma tabela que fornece as abscissas que
deixam 5% na cauda direita, conhecidos os parmetros
1
e
2
. Assim:


Na tabela procede-se assim:


Observao: Para encontrar o valor da abscissas ) , (
2 1 1


F utiliza-se a seguinte frmula:

) , (
1
) , (
1 2
2 1 1

F
F =

Exemplo:
Sendo 9
1
= , 5
2
= e % 5 = temos que:

2
A
valor da abscissa

46
Exerccios.
Distribuio t.
1) Considere uma distribuio t, com 23 graus de liberdade. Determine a mdia, varincia, desvio-
padro e 3
o
quartil.
2) Determine os valores inferior e superior de uma t com 8 graus de liberdade para valores caudais de
10% e 5%.
3) Calcule:
a) ); 3060 , 2 (
8
> t P
b) ). 1188 , 3 1816 , 1 (
22
s s t P

Distribuio F.

4) Admite uma distribuio F com 8
1
= e 10
2
= . Determine a mdia, varincia, desvio-padro e
moda bem como as abscissas caudais correspondente 5% (em cada cauda) e 10%(em cada cauda).
5) Calcule:
a) ); 22075 , 0 ) 4 , 6 ( ( < F P
b) ). 32 , 5 ) 8 , 1 ( 00418 , 0 ( s s F P

Exerccios Extras

1. Sejam A e B dois eventos associados ao mesmo espao amostra S. Descreva em diagrama de
VENN e em notao de conjuntos os seguintes eventos:
a) A no ocorre;
b) B no ocorre;
c) A e B ocorrem;
d) A ou B ocorre;
e) A ocorre e B no ocorre;
f) ocorre somente B;
g) A no ocorre e B tambm no ocorre;
h) A e B no ocorrem;
i) A no ocorre ou B no ocorre.

2. No lanamento de dois dados distinguveis, qual a probabilidade de que o nmero de pontos nas
faces voltadas para cima seja:
a) exatamente 5 b) no mximo 6

3. No lanamento de 3 moedas distinguveis, qual a probabilidade de que o nmero de caras nas
faces voltadas para cima seja:
a) exatamente duas b) pelo menos duas c) no mximo duas

4. Em um baralho normal de 52 cartas, ao retirarmos uma delas, qual a probabilidade de que ela
seja:
a) um rei b) uma as de espada c) uma carta vermelha ou um valete
5. A e B so eventos tais que P(A)=2/5, P(B)=1/4 e P(A U B)=11/20. Encontre:
a) ); ( B A P b) P ( B); c) P( A B ).
6. Sejam A e B eventos tais que P(A)=1/2, P(A B)=3/4 e P(B)=5/8. Encontre:
a) ); ( B A P b) ); ( B A P c) P( A B ) d) ); ( B A P

47
7. Um certo tipo de motor eltrico falha se ocorrer uma das seguintes situaes: emperramento dos
mancais, queima dos enrolamentos ou desgaste das escovas. Suponha que o emperramento seja
duas vezes mais provvel que a queima, esta quatro vezes mais provvel que o desgaste das
escovas, e que a falha se dever a duas situaes, seja a metade da menos provvel das duas e ainda,
que devido s 3 seja um tero da menos provvel das 3. Determine a probabilidade de que a falha
seja devida a cada uma das situaes.

8. Uma moeda viciada de tal forma que a face cara trs vezes mais provvel de ocorrer que a
face coroa. Encontre, em um lanamento, a probabilidade de ocorrncia de cada face.

9. Dos 100 alunos de uma turma, 40 gostam de lgebra, 30 gostam de Geometria, 10 gostam de
lgebra e Geometria, e h os que no gostam de lgebra e nem de Geometria. Um aluno
escolhido ao acaso. Qual a probabilidade dele:
a) gostar de lgebra? b) gostar de Geometria? c) gostar de lgebra e Geometria?
d) no gostar de lgebra e nem de Geometria?

10. Sejam A e B eventos, tais que P(A)=3/8, P(B)=1/2 e P(A B)=1/4. Encontre:
a) P() b) P( B ) c) ); ( B A P d) ); ( B A P e) P(A B) f) ); ( B A P g) P( B )

11. Sejam A e B eventos tais que P(A)=1/2; P(A B)=3/4 e P(B)=5/8. Encontre:
a) ); ( B A P b) ); ( B A P c) P( B ) d) ); ( B A P
12. Um grupo de 100 pessoas foi observado quanto ao sexo e cor dos olhos, tendo-se obtido os
seguintes resultados: 54 homens, 68 pessoas de olhos azuis e 34 homens de olhos azuis. Usando
sempre as letras A e B que representam os eventos: A = (homens) e B = (pessoas de olhos azuis),
formalize e calcule a probabilidade de cada um dos eventos:
a) ser mulher b) no ter olhos azuis c) no ser homem de olhos
azuis
d) ser um homem e no ter olhos azuis

13. Numa classe h 10 homens e 20 mulheres, metade dos homens e metade das mulheres tm
olhos castanhos. Ache a probabilidade de uma pessoa escolhida aleatoriamente ser um homem ou
ter olhos castanhos.

14. Um experimento aleatrio possui somente trs resultados possveis, a1, a2 e a3. Sabe-se que a1
tem o dobro de chances de a2 que por sua vez tem o triplo de chances de a3. Determine a
probabilidade de cada um dos eventos elementares.

15. Em uma prova caram dois problemas. Sabe-se que 132 acertaram o primeiro, 86 erraram o
segundo, 120 acertaram os dois e 54 acertaram apenas um problema. Qual a probabilidade de que
um aluno escolhido ao acaso:
a) no tenha acertado nenhum problema? b) tenha acertado apenas o segundo problema?

16. Em uma cidade onde se publicam trs jornais A, B e C, constatou-se que entre 1000 famlias,
assinam:
A: 470; B: 420, C: 315; A e B: 110; A e C: 220; B e C: 140 e 75 assinam os trs. Escolhendo-se ao
acaso uma famlia, qual a probabilidade de que ela?
a) no assine nenhum dos trs jornais b) assine apenas um dos trs jornais c) assine pelo menos
dois jornais

48
17. No estudo de doena pulmonar so examinadas 10.000 pessoas maiores de 60 anos, das quais
4.000 fumam. Entre as fumantes 1.800 apresentam deficincias pulmonares, entre as no fumantes
1.500 apresentam sinais da doena. Os eventos fumantes e deficincias pulmonares so
independentes?

18. Suponha que A e B sejam eventos independentes associados a um experimento aleatrio. Se a
probabilidade de A ou B ocorrer for igual a 0,6 e a probabilidade da ocorrncia de A for 0,4,
determine a probabilidade de ocorrncia de B.

19. Encontre P(A/B) se:
a) B um subconjunto de A b) A e B so mutuamente exclusivos

20. Dos 50 alunos de uma classe, 10 foram reprovados em Fsica, 12 em Matemtica, sendo que 6
foram reprovados em Fsica e Matemtica. Um aluno escolhido ao acaso:
a) sabendo-se que ele foi reprovado em Matemtica, qual a probabilidade de tambm ter sido
reprovado em Fsica?
b) sabendo-se que ele foi reprovado em Fsica, qual a probabilidade de tambm ter sido reprovado
em Matemtica?
c) qual a probabilidade dele no ter sido reprovado em Fsica nem em Matemtica?

21. Suponha uma classe de 6 meninas e 10 meninos. Se escolhido aleatoriamente uma comisso
de 2, encontre a probabilidade de:
a) 2 meninos serem selecionados; b) exatamente um menino ser selecionado;
c) ao menos um menino ser selecionado; d) no mximo um menino ser selecionado.

22. Um grupo de pessoas foi classificado quanto a peso e presso arterial de acordo com as
propores do quadro abaixo:

a) Qual a probabilidade de uma pessoa escolhida ao acaso naquele grupo ter presso elevada?
b) Se a pessoa escolhida tem excesso de peso qual a probabilidade de ter tambm a presso
elevada?
c) Se a pessoa escolhida tem presso normal qual a probabilidade de ter excesso de peso?

23. Um comerciante tem um lote de 100 lmpadas das quais 80 so da marca A e as restantes da
marca B. Sabe-se que h 30 defeituosas da marca A e 1 defeituosa da marca B. O comerciante pega
ao acaso, uma lmpada para vender. Qual a probabilidade de:
a) ser da marca A b) no ser defeituosa c) ser defeituosa e da marca B d) no ser da
marca B
e) ser da marca B, sabendo que defeituosa f) ser defeituosa, sabendo que da marca A

24. A probabilidade do caador A acertar o animal de 7/10 e do caador B de 5/10. Se ambos
atirarem simultaneamente, qual a probabilidade de:
a) somente um acertar? b) o animal ser atingido? c) o animal no ser atingido?

presso peso
excesso normal deficiente total
elevada 0,1 0,08 0,02 0,2
normal 0,15 0,45 0,2 0,8
total 0,25 0,53 0,22 1
49
25. Duas lmpadas ruins so misturadas com duas lmpadas boas. As lmpadas so retiradas uma a
uma, at que as duas ruins sejam encontradas. Qual a probabilidade de que a ltima seja encontrada
no:
a) segundo teste b) terceiro teste? c) quarto teste?

26. A probabilidade de que um homem esteja vivo daqui a 30 anos de 2/5; a de sua mulher de
2/3. Determinar a probabilidade de que daqui a 30 anos:
a) ambos estejam vivos b) somente o homem esteja vivo c)nenhum dos dois esteja vivo
d) pelo menos um esteja vivo

27. Uma caixa contm 4 vlvulas defeituosas e 6 perfeitas. Duas so extradas juntas. Uma delas
ensaiada e se verifica ser perfeita. Qual a probabilidade de que a outra vlvula seja perfeita?

28. Uma urna contm 3 bolas brancas e duas amarelas. Uma segunda urna contm 4 bolas brancas
e 2 amarelas. Escolhe-se, ao acaso, uma urna e dela retira-se, tambm ao acaso, uma bola.
a) qual a probabilidade de que seja branca?
b) se a bola retirada branca, qual a probabilidade dela ter sido extrada da segunda urna?

29. Temos duas urnas A e B. a urna A tem 3 moedas de ouro e 2 de prata. A urna B tem 4 moedas
de ouro e 1 de prata. Seleciona-se uma urna e dela retira-se uma moeda. A moeda de ouro. Qual
probabilidade de que a urna A tenha sido escolhida?

30. A probabilidade de um indivduo da classe A comprar um carro de , da B de 1/5 e da C
de 1/20. As probabilidades dos indivduos comprarem um carro da marca X so de 1/10, 3/5 e
3/10, dado que seja de A, B e C respectivamente. Certa loja vendeu um carro da marca X. Qual a
probabilidade de que o indivduo que o comprou seja da classe B?

31. Uma indstria possui trs mquinas M1, M2 e M3 produtoras de parafusos, sendo que M1
produz o dobro de M2 e esta 1/3 de M3 e que, da produo 5% de M1, 4% de M2 e 10% de M3
so defeituosos. Se os parafusos so misturados em um depsito, escolhendo-se ao acaso um
parafuso constata-se ser defeituoso. Ache a probabilidade dele ter sido produzido pela mquina que
apresenta a menor produo.

32. Uma fbrica de lmpadas tem trs linhas de produo A1, A2 e A3 produzindo
respectivamente 30%, 25% e 45% da produo total. A primeira linha produz 6% de lmpadas
defeituosas, a segunda 4% e a terceira linha produz 6% de lmpadas defeituosas. Da produo
diria uma lmpada escolhida ao acaso. Calcular a probabilidade de que:
a) a lmpada escolhida seja defeituosa
b) a lmpada tenha sido produzida pela linha A2, se resultou defeituosa

33. Uma gaveta contm duas fichas numeradas com 1 e 2. Escolhe-se ao acaso uma ficha e lana-
se um dado na quantidade de vezes indicada pela ficha. Qual a probabilidade de:
a) obter cinco pontos b) ter lanado duas vezes, se foram obtidos 5 pontos

34. Uma mquina produz parafusos. Sabe-se por experincia que a mquina trabalha corretamente
90% do tempo em funcionamento; se a mquina no est trabalhando corretamente, 5% dos
parafusos produzidos so defeituosos; quando trabalha corretamente, somente 0,5% dos parafusos
produzidos so defeituosos. Se um parafuso da produo diria escolhido ao acaso:
a) qual a probabilidade de que seja defeituoso?
50
b) qual a probabilidade de que o parafuso tenha sido produzido pela mquina funcionando
corretamente, se resultou defeituoso?

35. Uma em cada 10 pessoas de uma populao tem tuberculose. Das pessoas que tm tuberculose
80% reagem positivamente ao teste Y, enquanto apenas 30% dos que no tm tuberculose reagem
positivamente. Uma pessoa selecionada ao acaso e o teste Y aplicado. Qual a probabilidade de
que essa pessoa tenha reagido positivamente ao teste? Se reagiu positivamente ao teste, qual a
probabilidade de que tenha tuberculose?

36. Os arquivos da polcia revelam que das vtimas de acidente automobilstico que utilizam cinto
de segurana, apenas 10% sofrem ferimentos graves, enquanto que essa incidncia de 50% entre
as vtimas que no utilizam o cinto de segurana. Estima-se em 60% a percentagem dos motoristas
que usam o cinto. A polcia acaba de ser chamada para investigar um acidente em que houve um
indivduo gravemente ferido.
a) calcule a probabilidade de ele estar usando o cinto no momento do acidente.
b) a pessoa que dirigia o outro carro no sofreu ferimentos graves. Calcule a probabilidade de ela
estar usando o cinto no momento do acidente.

37. Sua firma recentemente apresentou proposta para um projeto de construo. Se seu principal
concorrente apresenta uma proposta, h apenas 0,25 de chance de a firma do leitor ganhar a
concorrncia. Se seu concorrente no apresenta proposta, h 2/3 de chance de a firma do leitor
ganhar. A chance de seu principal concorrente apresentar proposta de 50%.
a) Qual a probabilidade de sua firma ganhar a concorrncia?
b) Qual a probabilidade de seu concorrente ter apresentado proposta, dado que a firma do leitor
ganhou a concorrncia?

38. Um fazendeiro estima que quando uma pessoa experimentada planta uma rvore, 90%
sobrevivem, mas quando um novato as planta, apenas 50% sobrevivem. Se uma rvore plantada
no sobrevive, determine a probabilidade de ela ter sido plantada por um novato, sabendo-se que
/3 das rvores so plantadas por novatos.

39. Sabe-se que determinada moeda apresenta cara 3 vezes mais freqentemente que coroa. Seja X
o nmero de caras que aparece. Suponha que a moeda foi lanada trs vezes.
a) descreva o espao amostral S;
b) Obtenha Rx;
c) Obtenha a funo de probabilidade de X;
d) Faa o esboo do grfico da funo de probabilidade;
e) Obtenha a funo de distribuio F(x);
f) Faa o esboo da funo de distribuio;
g) Calcule a E(X) e V(X);
h) Faa a interpretao da E(X).

40. Seja X a diferena, em valor absoluto, dos nmeros de pontos nas faces voltadas para cima,
aps o lanamento de um par de dados. Determine todos os itens pedidos no exerccio anterior.

41. X uma varivel aleatria com a seguinte funo de probabilidades:
x 0 1 2 3 4
p( i )

1/4

1/8

1/4

1/8

1/4

a) Obtenha a funo de distribuio. b) determine a E(X) e V(X)
51
Calcule as probabilidades:
c) ) 2 0 ( s s X P d) P (X > 2) e) ) 3 ( s X P f) P (X > 4) g) P (1 < X < 3) h) ) 3 ( > X P
42. Toda vez que ao jogar uma moeda sair cara sua fortuna dobrada, toda vez que sair coroa, sua
fortuna reduzida pela metade. Voc comea com R$ 1.000,00. Qual a fortuna esperada aps
trs lances de moeda?
a) se a moeda equilibrada; b) se a probabilidade de cara de 1/3.

43. Um jogador lana um dado no viciado. Se ocorrer um nmero mpar ele ganha o equivalente
em reais, se ocorrer par ele perde o equivalente em reais. Encontre:
a) a mdia de ganho; b) o desvio padro de ganho.

44. Uma amostra de 2 objetos escolhida aleatoriamente sem reposio de uma caixa que contm
12 dos quais 4 so defeituosos. Seja X o nmero de defeituosos encontrados na amostra,
determine:
a) a distribuio de probabilidade de X b) a mdia de X c) o desvio padro de X

45. Um jogador lana trs moedas viciadas de modo que a probabilidade de sair cara o dobro de
sair coroa. Ganha R$ 3,00 se ocorrerem 3 caras; R$ 5,00 se 2 caras ocorrerem e R$ 1,00 se
somente uma cara ocorrer. Por outro lado, perde R$ 15,00 se 3 coroas ocorrerem. Encontre o valor
esperado do jogo.

46. f (x)= 1/3 x + k , 3 0 s s x
0, c.c.
Pede-se:
a) encontre o valor de k, para que f (x) seja uma f.d.p. b) esboce o grfico de f (x).
c) obtenha F (x) e esboce o seu grfico. d) calcule ) 2 1 ( s s X P


47. A f.d.p. de uma v.a. X (Renda mensal em nmero de salrios mnimos em uma localidade)
dada por:

0, x < 1
f (x)= mx 2/3, 1 x < 2.

a) encontre o valor de m para que f (x) seja uma f.d.p.
b) esboce o grfico de f (x).
c) obtenha F (x).
d) encontre o percentual de funcionrios que ganham de 1,5 a 3 salrios mnimos.

48. A f.d.p. de uma v.a. X dada por:
0, 0 s x
mx, 1 0 s < x
f(x)= , 2 1 s < x
0, 2 > x

a) esboce o grfico de f (x); b) ache o valor de m; c) ache a funo F (x);
d) calcule P(1/2 < X < 3/2); e) calcule E(X); f) calcule DP (X).

49. Uma v.a. X tem f.d.p dada por:

52

f (x)= 0,5 ax para 2 0 s s x
0, caso contrrio

a) calcule a; b) P (1 < X < 2); c) E (X); d) V (X); e) DP (X).

50. O dimetro de um cabo eltrico tomado como uma v.a. com f.d.p. dada por:

f (x)= 6 x (1 x) para 1 0 s s x
0, caso contrrio

a) obtenha a funo de distribuio acumulada
Calcule:
b) a esperana de X; c) o desvio padro de X; d) P (X < 0,5) ; e) P (X > 0,3).

51. Suponha que a durao em mil horas das lmpadas produzidas por certa indstria tenha funo
de densidade de probabilidade dada por:

f (x)= - 3/32 x + 3/8 x; 4 0 s s x
0, c.c.

Determine:
a) a expresso geral para a F (X);
b) a probabilidade de uma lmpada durar menos de 1.500 horas;
c) a probabilidade de uma lmpada ter durao compreendida entre 1.000 e 3.000 horas;
d) a porcentagem das lmpadas desta indstria que ter durao superior a 3.000 horas;
e) a esperana de X;
f) o desvio padro de X.

52. Uma v.a. contnua tem uma funo de densidade de probabilidade dada por:
ax, 0 x 1
f(x)= - ax + 3a, 2 1 s < x
0, c.c.
Determine:
a) o valor de a; b) a funo de distribuio de X; c) P (X = 0,5) d) P(0,3 < X < 0,5)
e) P(X < 0,5 / X > 0,3).

53. Um engenheiro de trfego relatou que 75% dos veculos que passam por um posto rodovirio
so do prprio estado. Qual a probabilidade de que os prximos 5 veculos que passarem, ao
menos 3 sejam de outros estados?

54 Numa prova de mltipla escolha com trs opes para cada uma das 5 questes, com apenas
uma alternativa certa, qual a probabilidade de que um estudante acerte 4 ou mais questes por
adivinhao?

55. Suponha que um engenheiro de segurana afirme que somente 60% de todos os motoristas
cujos carros so equipados com cinto de segurana, usam esses cintos em viagens curtas.
Queremos determinar o nmero esperado de motoristas que usam os cintos, entre 10 motoristas
escolhidos ao acaso, em viagens curtas.

53
56. Um homem atira num alvo com probabilidade de 0,4 de acertar.
a) Qual a probabilidade de, atirando 6 vezes, acertar o alvo pelo menos uma vez?
b) Quantas vezes deve atirar no alvo para que a probabilidade de acert-lo pelo menos uma vez seja
maior do que 0,77?

57. Em 320 famlias com 4 crianas cada uma, quantas esperaria que tivessem 3 meninos?

58. Pesquisa recente indica que 80% das famlias de uma comunidade que ganham mais de R$
800,00 possuem dois carros. Supondo verdadeira essa hiptese, e tomada uma amostra de 10
famlias desta categoria, qual a probabilidade de exatamente 80% da amostra terem dois carros?

59. Um produtor de sementes afirma que 80% das sementes de certo tipo germinam. Um lote de 5
dessas sementes foram plantadas. Determine a probabilidade de nenhuma semente germinar.

60. Estatsticas de trfego revelam que 25% dos veculos interceptados numa rodovia no passam
no teste de segurana. De 16 veculos interceptados determine a probabilidade de 2 ou mais
veculos no passarem no teste.

61. Sabe-se que 60% dos alunos da UCG so do sexo feminino. Qual a probabilidade de que uma
amostra aleatria formada por 10 alunos desta Universidade apresente:
a) pelo menos 8 mulheres b) no mximo um homem.

62. Uma pesquisa indicou que 9 entre 10 carros tem seguro. Se 4 carros sofrerem um acidente, qual
a probabilidade de exatamente 2 terem seguro?

63. Se os times A e B tm a mesma chance de ganhar, qual o nmero esperado de vitrias do
time A, se os times jogarem 4 partidas?

64. O time A tem 1/3 de probabilidade de vencer sempre que joga. Se A jogar 4 vezes encontre a
probabilidade de A vencer:
a) pelo menos uma partida; b) exatamente duas partidas; c) mais que a metade das partidas.

65. Um proprietrio acaba de instalar 20 lmpadas em sua casa. Suponha que cada lmpada tenha
0,2 de probabilidade de funcionar por mais de 3 meses.
a) Qual a probabilidade de que 5 delas durem mais de 3 meses?
b) Qual o nmero mdio de lmpadas que devero ser substitudas em trs meses?
66. Estudos tm mostrado que 30% dos pacientes atendidos por uma clnica no efetuam seus
pagamentos corretamente, e as contas so perdoadas. Dos quatro novos pacientes atendidos hoje na
clnica calcule a probabilidade de todos terem as suas contas perdoadas.

67. Pesquisa mdica indica que 20% da populao em geral sofrem efeitos colaterais negativos
com o uso de uma nova droga. Se um mdico receita o produto a quatro pacientes qual a
probabilidade de nenhum sofrer efeito colateral?

68. De um lote de 10 msseis, 4 so selecionados ao acaso e lanados. Se o lote contm 3 msseis
defeituosos, que no funcionam, qual o nmero esperado de msseis defeituosos na amostra?

69. A mdia de chamadas telefnicas numa hora 3. Qual a probabilidade de receber 4 ou mais
chamadas em 90 minutos?

54
70. Uma fbrica de pneus verificou que ao testar seus pneus nas pistas havia, em mdia, um
estouro de pneus a cada 5.000 km. Qual a probabilidade de que um carro ande 8.000 km sem
estourar nenhum pneu?

71. Certo posto de bombeiros recebe em mdia 3 chamadas por dia. Calcule a probabilidade de
receber 4 chamadas em 2 dias.

72. Suponha que haja em mdia 2 suicdios por ano numa populao de 50.000 habitantes. Em uma
cidade de 100.000 habitantes encontre a probabilidade de que em um dado ano tenha havido 2 ou
mais suicdios.

73. Em um cruzamento de trfego intenso a probabilidade de 1 carro sofrer um acidente de
0,0001. No perodo entre 17 e 19 horas transitam nesta interseco 1.000 carros. Qual a
probabilidade de que dois ou mais acidentes ocorram neste perodo?

74. A probabilidade de um bezerro morrer no nascimento 0,01. Qual a probabilidade de que em
220 paries um fazendeiro perca exatamente 3 bezerros?

75. Os clientes chegam a uma loja razo de 6.5 por hora. Determine a probabilidade de que numa
determinada hora cheque ao menos 1 cliente.

76. O nmero de rdios vendidos por dia por uma firma em mdia 1,5. Determine a probabilidade
de a firma vender ao menos 4 rdios num perodo de 3 dias.

77. Se a probabilidade de um indivduo sofrer reao nociva resultante de injeo de um
determinado soro de 0,001, determine a probabilidade de entre 2.000 indivduos:
a) exatamente 3 sofrerem uma reao nociva;
b) mais do que 1 sofrerem reao nociva;
c) nenhum sofrer reao nociva.

78. A experincia tem mostrado que, em mdia, s um em cada 10 poos perfurados fornece
petrleo. Seja X o nmero de perfuraes efetuadas at se alcanar o primeiro sucesso. Suponha
que essas perfuraes representem eventos independentes e calcule ) 5 0 ( s < X P .
79. Em determinado local a probabilidade de ocorrncia de uma tormenta em algum dia durante o
vero (nos meses de dezembro e janeiro) igual a 0,1. Admitindo independncia de um dia para
outro, qual a probabilidade de ocorrncia da primeira tormenta da estao de vero no dia 3 de
janeiro?

80. A probabilidade de um bem-sucedido lanamento de foguete igual a 0,8. Suponha que
tentativas de lanamento sejam feitas at que tenham ocorrido 3 lanamentos bem-sucedidos. Qual
a probabilidade de que exatamente 6 tentativas sejam necessrias?

81. Numa sala com 6 rapazes e 4 moas, escolhendo-se ao acaso 3 pessoas para formar uma
comisso, qual a probabilidade de se ter pelo menos 1 rapaz nessa comisso?

82. Numa caixa com 10 fusveis, 2 so defeituosos. Extrada uma amostra de 4, qual a
probabilidade de 1 ser defeituoso?

55
83. Um lote de 500 peas das quais 50 so defeituosas apresentado para inspeo. Testa-se uma
amostra de 20 peas extradas sem reposio, aceitando-se o lote se ocorrerem na amostra no
mximo 2 peas defeituosas. Qual a probabilidade de aceitao do lote?

84. Sendo X uniformemente distribuda em [-1, 5], encontre:
a) a funo de densidade de probabilidade de X e seu grfico;
b) uma expresso geral para a funo de distribuio de X e seu grfico;
c) ) 0 ( > X P
d) P (X > 2)
d) ) 4 5 , 0 ( < s X P
e) E (X)
f) g) V (X)

85. Sendo X uma varivel aleatria contnua uniformemente distribuda em [1,b] e sabendo-
se que P(X > 2)=1/3 encontre:
g) a) o valor numrico de b b) ) 3 5 , 1 ( < s X P c) DP(X)

86. Sendo X: U [a,3] e V (X)=0,75 encontre:
a) o valor de a b) P (X > 1) c) ) 2 1 ( < s X P d) E (X) e) P (X = 1)

87. Sendo Z : N (0,1), encontre os valores de:
a) ) 37 , 2 ( > Z P b) ) 5 , 1 ( < Z P c) ) 2 ( s Z P d) P (Z > 0,73) e) ) 06 , 1 ( > Z P
f) P (Z > 0) g) ) 4 ( s Z P h) P (Z < 5,1) i) P (Z > 6,14) j) ) 7 , 3 ( > Z P
k) ) 18 , 2 07 , 1 ( s s Z P l) ) 9 , 2 1 ( s < Z P m) ) 34 , 2 7 , 0 ( < s Z P
88. Sendo Z : N (0,1) encontre os valores de z em:
a) ) ( z Z P s = 0,9131 b) P (Z < z) = 0,0094 c) P (Z > z) = 0,0495 d) ) ( z Z P s = 0,9949
e) ) 0 ( z Z P s s = 0,4834 f) ) ( z Z z P s s = 0,95

89. Sendo X : N (7,9) encontre os valores de:
a) ) 11 ( s X P b) P (X > 3,7) c) ) 5 , 8 1 , 1 ( s < X P

90. A distribuio das mdias finais dos 250 alunos que cursaram PE no ano passado foi normal
com mdia 5,6 e desvio padro 1,7. Quantos destes alunos ficaram com mdia:
a) menor ou igual a 7,0 b) superior a 4,0 c) entre 3,5 e 7,5

91. A distribuio de nossas mdias N1 foi normal com mdia 4,4 e desvio padro 2,1.
a) Se formos ter atividades de recuperao paralela para os 25% de alunos de pior rendimento na
N1, quem participar destas atividades?
b) se usarmos os 10% de alunos de melhor rendimento na N1 como monitores, quem exercer esta
atividade?

92. A distribuio dos salrios dos funcionrios de certa empresa normal com mdia de R$
1.850,00 e desvio padro de R$ 325,00. Qual o salrio que separa os 15% de funcionrios melhor
remunerados por essa empresa?





56
[1] BARRY , JAMES R., Probabilidade: um curso em nvel intermedirio, Rio de Janeiro, IMPA, 1996,
Projeto Euclides.

[2] LAPPONI, Juan Carlos, Estatstica Usando Excel, Lapponi Treinamento e Editora Ltda, 2000.
[3] MONTGOMERY, Douglas C., Introduo ao Controle Estatstico da Qualidade, 4
a
edio, LTC, 2004.
[4] SIMON, Jairo da Fonseca e ANDRADE, Gilberto Martins, Curso de Estatstica, 6
a
edio, Atras, 1996.
[5] STEVENSON, Willian J., Estatstica Aplicada Administrao, Editora Harbra Ltda, 1991.
[6] TRIOLA, Mario F.,Introduo Estatstica, 7
a
edio, LTC, 1999.




































57
Anexos:
TABELA - Distribuio Normal Padro Z~N(0,1)
















































58
TABELA - Distribuio Qui-Quadrado

















































59
TABELA - Distribuio t de Student (Unicaudal e Bicaudal)

















































60

TABELA - Distribuio F de Fisher = 5%