Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1. Distribuições Contínuas
Não entendeu? Veja, o relógio digital tem um número finito de valores que pode
mostrar:
Isso sem contar “am” ou “pm”. Agora, quantos valores o relógio analítico pode assumir
em uma volta inteira? Infinitos! Isso deriva do fato que ele não irá dar “saltos” a cada
segundo, mas irá fazer um movimento contínuo ao longo do mostrador, o que faz com
que ele possa assumir qualquer valor neste intervalo, que são infinitos.
É fácil perceber que trata-se de uma soma das probabilidades dos diversos intervalos,
que é igual à . Essa é a FDA acumulada até 3. É evidente que se acumularmos a
função ao longo de todo o intervalo, a probabilidade será igual à 1. Isso pode ser visto
se calcularmos a área do retângulo acima (base 12 e altura 1/12):
Isso serve bem aos propósitos de análise de uma função linear tal como analisamos,
porém a maior parte das distribuições contínuas não é tão simples de serem
avaliadas. Para isso, precisamos do conceito de cálculo diferencial e integral.
Engenheiros e matemáticos de plantão, sugiro que vocês pulem essa parte, pois
estou explicando estes conceitos de forma bem simples e sem nenhum formalismo,
assim qualquer pessoa de qualquer formação pode entender!
Em termos muito leigos, a derivada pode ser definida, em termos geométricos, como
a inclinação de uma função no ponto! Assim, para uma função qualquer, a sua
derivada terá a notação . Ao substituirmos o valor de no ponto desejado,
encontraremos a inclinação da reta.
Podemos dar alguns exemplos para ilustrar. Se a derivada de uma função é dada por:
Vamos parar de falar bonito e explicar isso de forma intuitiva. Olhe o gráfico abaixo:
Obs. A linha cinza não é parte do gráfico, ela somente mostra em que ponto as curvas
se interceptam.
Veja o ponto formado pelo par ordenado Y(1) e X(1). Neste ponto, a inclinação é dada
por aquela reta com tracejado mais escuro que passa de forma “reta” sobre o ponto.
Essa é a inclinação da função no ponto! E mais, perceba que, quando a variação
em x for muito pequena, tendendo a zero, essa inclinação irá representar o quanto Y
irá variar em decorrência desta variação em x.
Isso é a derivada! A derivada irá medir esta taxa de variação instantânea, ou,
em termos geométricos, a inclinação da função no ponto.
Simples! Decore! Vou ensinar 4 regras de diferenciação que serão suficientes para
que você faça a prova, apesar de existirem mais.
É:
- “Não entendi”!
Neste caso:
E a derivada de:
E se a função for:
É fácil perceber que a derivada de uma constante com relação a uma variável é
sempre igual à zero, pois a constante não irá mudar, independentemente da variação
na variável.
-“Se o não é função de , e vice versa, qual o impacto de uma variação infinitesimal
de sobre , por meio de ?
Exatamente, zero (0)! Ao variar o , o único impacto dessa dinâmica é direto, pois o
não afeta a função de forma indireta via . Portanto:
Dado que:
Aí você está vendo uma forma pela qual a derivada de com relação a terá
dois efeitos, um direto (igual a ) e indireto, via :
Tem-se que:
Assim, vamos à derivada de uma função ln. Assim, dada uma função:
Temos que:
-“Mas, e a integral”?
A maneira mais formal (e que será útil para vocês) de integrar a função acima é tirando
a constante para fora do operador de integração e integrando o valor dentro:
1
Quem prestou atenção percebeu que falta uma coisinha, uma constante! Isso mesmo, porque a derivada de
uma constante é igual à zero. Assim, no caso, a integral deveria resultar em x² + c, sendo c uma constante de
integração que pode assumir qualquer valor, até mesmo zero. Para fins de análise estatística isso raramente
importa, assim vamos omitir este resultado, fazendo c=0 em todos os casos.
Não entendeu? Vamos fazer mais um exemplo que vai ficar claro.
Qual é a integral desta função? Ora, basta procurarmos a função que, sendo derivada,
geraria esta última. Bom, em primeiro lugar olhe o expoente da função e perceba que
a primitiva deveria ter o número “3” lá em cima, pois a primitiva foi derivada, o que
reduziria o expoente em uma unidade. Vamos fazer um teste:
Entendeu? Mas, isso é fácil de resolver, basta dividir a primitiva por “3”! Neste caso:
Não é tão difícil assim. Matute um pouquinho que você vai entender.
Esta função tem a sua derivada igual à ela própria. Portanto, qual é a primitiva desta
função, ou seja, qual é a função que sendo derivada geraria esta última?
Estas são bem intuitivas. Mas, para que saber tudo isso?
Ótimo! Entretanto, agora o que nós queremos saber é a chamada “integral definida”,
ou seja, qual é o valor do somatório dos infinitos pontos abaixo desta curva em um
determinado intervalo. No nosso caso:
Portanto, a integral vai somar os infinitos pontos que estão embaixo de uma
curva e te dar uma função que seja representativa desta operação. Se você
defini-la em um intervalo, terá a área até o ponto determinado.
O que nós sabemos é que o total da área de um gráfico representado por uma fdp
deve ser igual a 1, pois a probabilidade de ocorrer um de todos os valores possíveis
de um intervalo é 100%. Então, vamos voltar ao nosso exemplo e tratar aquela função
como uma fdp. Suponha que aquela função seja dada por:
Entendeu? O que nós fazíamos antes para encontrar a FDA era somar as
probabilidades correspondentes a cada um dos intervalos, porém, no caso de uma
função contínua não linear, precisamos realizar uma integral, que é como se
somássemos todos os “pedacinhos” embaixo da curva. Só para destacar, a integral
pode ser usada, por aproximação, para o caso linear também.
Neste caso, vamos encontrar o valor de A. O que nós sabemos é que a FDA
acumulada ao longo de todo o intervalo é igual à 1. Assim:
Entendeu? Vamos somar todos os “pontinhos” embaixo da curva até que a soma das
probabilidades seja igual à 1.
Portanto:
Viu? Com esta função na mão, você consegue calcular a FDA acumulada até o limite
que você quiser. Perceba que esta função atende ao nosso requisito de FDA:
Mas, esta não é a única utilidade da integral para funções contínuas não lineares.
Você percebe que trata-se de um somatório? Isso não te lembra nada? Exatamente,
vamos integrar!
Com base no que nós já estudamos, fica fácil encontrar a variância para qualquer
processo contínuo:
é é
Assim, fica bem mais fácil encontrar a variância calculando duas esperanças, a
regular e a do quadrado da variável. Vamos calcular a esperança e a variância para
um dos nossos exemplos:
Essa é a variância! Nós vamos fazer alguns exercícios para que vocês treinem o que
foi ensinado. Não se preocupem, é esperado que seja um pouco mais difícil
acompanhar tudo isso na primeira vez. Talvez vocês precisem reler esta parte da aula
e fazer todos os exercícios.
A parte boa é que quase nunca vocês precisarão de tal conhecimento, pois, na
maior parte das vezes a banca vai te perguntar características de distribuições
com propriedades bem conhecidas. Portanto, vamos a estas distribuições. Com
o intuito de facilitar sua vida, é importante decorar algumas propriedades
destas distribuições, especialmente, sua média e variância.
2. Distribuição uniforme
Nós já estudamos esta distribuição para o caso discreto, agora vamos trabalhar no
caso contínuo. Trata-se de uma distribuição em que todos os pontos têm a mesma
probabilidade de ocorrência, entretanto, como estamos no caso contínuo, trata-se de
uma distribuição em que todos os intervalos têm a mesma probabilidade de
ocorrência.
Por exemplo, suponha que um ônibus chegue em uma estação entre 9:00 e 9:30 da
manhã e que a sua probabilidade de chegada seja proporcional à amplitude do
intervalo. Neste caso, à probabilidade de chegada do ônibus entre 9:00 e 9:10 é igual
à probabilidade de chegada entre 9:10 e 9:20. Se tratarmos o tempo como uma
variável contínua, o gráfico seria tal que:
Veja, esse tipo de distribuição de frequências é o mais comum (formato de sino), pois
muitos fenômenos são assim:
Essa distribuição é simétrica, de forma que cada metade desta curva tem 50% de
chance de ocorrer:
Porque a normal padrão é mais fácil de ser avaliada e tem uma tabela que permite
que você calcule a probabilidade de ocorrência de um determinado valor.
Não entendeu? Veja, pode-se provar que uma variável ( ) com distribuição normal
pode ser transformada em uma normal padronizada por meio da seguinte operação:
Calma, você vai entender agora! A questão é que a normal padrão, que é obtida
pela transformação de uma variável em seu respectivo valor ( ), tem uma
“tabelinha mágica” que nos diz a probabilidade de que o valor encontrado (
calculado) esteja entre 0 (zero) e um determinado valor a ser especificado!
Exercício 1
(Elaborado pelo autor) Dada uma variável com distribuição normal, com e
, qual a probabilidade de encontrarmos um valor entre 2 e 5?
Resolução
No nosso caso, temos que dividir o nosso resultado em duas partes, pois a tabela só
nos diz a probabilidade do valor padronizado estar entre 0 e o valor encontrado.
Assim:
Olhem na tabela os valores que encontramos, ou seja, 0,25 e 0,5 (0 sinal negativo
não influencia, ele só significa que estamos olhando a curva da direita para a
esquerda).
Assim, basta somar aqueles dois valores que encontramos, que, na verdade, são as
probabilidades de ocorrência de cada um dos intervalos:
Não é tão complicado. Nós vamos fazer uns exercícios e você vai entender
direitinho. Além disso, iremos falar mais sobre isso na aula de “Intervalo de
Confiança e Testes de Hipóteses”. Então, relaxe!
4. Distribuição Exponencial
Esse é um caso de uma variável que tem distribuição exponencial com parâmetro
, o que pode ser escrito como:
Esta distribuição é muito utilizada para avaliar o tempo de vida útil de equipamentos.
Seja uma variável aleatória contínua com valores positivos e com parâmetros
e , a mesma terá distribuição Gama se sua fdp for dada por:
A distribuição Gama representa o caso de variáveis que são não negativas e que
tendem a concentrar a maior parte de seus valores próximos à origem, o que resulta
em uma distribuição assimétrica. Tal como pode ser visto no gráfico abaixo:
Alguns experimentos demonstraram que esta distribuição explica melhor a vida útil
de equipamentos do que a distribuição exponencial.
Perceba a ligação entre as duas distribuições, pois pode-se provar que as duas serão
iguais se a distribuição Gama tiver .
5. Distribuição de Pareto
Apenas para fins de curiosidade, vamos passar por mais uma distribuição que pode
ser cobrada em concursos públicos, apesar de isso não ser nem um pouco comum.
Exercício 1
Resolução
Alternativa (e).
Exercício 2
Resolução
Simples também:
Alternativa (e).
Exercício 3
Resolução
Substituindo:
Isso está nos dizendo que a chance de encontrarmos qualquer valor da média até
zero é de 39%. Graficamente:
Alternativa (a).
Exercício 4
a) 1%
b) 2,5%
c) 5%
d) 10%
e) 20%
Resolução
Exercício 5
a) 25 e 4/5
b) 16 e 4
c) 16 e 4/5
d) 25 e 3/4
e) 16 e 3/4
Resolução
Rearranjando:
Alternativa (e).
Exercício 6
�
Desse modo, a probabilidade de x estar no intervalo (0 < x < 1) é igual a:
a) 1/3
b) 1/12
c) 2/5
d) 1/6
e) 1/4
Resolução
Assim, integrando:
Definindo no intervalo:
Alternativa (d).
Exercício 7
Resolução
O item está correto! Tal como nós explicamos, ambas as distribuições estão
intimamente relacionadas.
Exercício 8
(SUSEP – 2002/ESAF) Uma lâmpada tem tempo de vida (X) que se comporta
conforme uma distribuição exponencial com fdp dada por:
Alternativa (e).
A próxima questão é bom que vocês resolvam comigo, pois ela traz coisas
novas.
Exercício 9
Dados:
Ln(0,4)= -0,916
Ln(0,5)= -0,693
a) 7328
b) 7120
c) 5830
d) 5544
e) 5250
No caso, o exercício pede a mediana, ou seja, a FDA deve acumular 50% das
probabilidades até este ponto.
Não entendeu? A mediana não divide os dados em duas partes iguais? Então, a
mediana acumula 50% das observações do lado esquerdo e 50% ficam do seu lado
direito.
Assim:
Substituindo:
ln
Alternativa (d).
Exercício 10
Resolução
Alternativa (a).
Exercício 11
Resolução
Este exercício não é difícil se você olhar com calma. Vamos por partes, qual a
probabilidade de que . Isso tem na tabela:
E qual a porcentagem de valores que se acumula até -2,58? Ora, nós sabemos que
a distribuição é simétrica, assim este percentual é o mesmo que se acumula até 2,58:
Assim:
Alternativa (a).
Exercício 12
Resolução
Assim:
Alternativa (b).
Exercício 13
Resolução
Alternativa (c).
Exercício 14
Resolução
Resolução
Alternativa (b).
Exercício 16
Resolução
Pessoa, distribuição unimodal é a que tem uma única moda! Fica fácil deduzir, certo?
Veja, o fato de a mediana ser igual à média não garante que a moda será igual à
média também. Como nós vimos na aula 01, isso só ocorre nas distribuições
simétricas.
Alternativa errada.
Exercício 17
Resolução
Nós vimos isso um monte de vezes! Independência entre dois eventos A e B, por
exemplo, ocorre quando:
Exercício 18
Considere dois eventos aleatórios A e B, tais que P(A|B) = 0, P(A) > 0 e P(B) > 0.
Nesse caso, A e B são eventos disjuntos, mas não independentes.
Resolução
Alternativa correta.
Exercício 19
Resolução
Isso nós estudamos! Veja, qual a probabilidade de uma variável contínua ser igual a
um determinado valor? Isso, zero! Portanto, a especificação correta seria:
Isso decorre do fato de que o menor valor de probabilidade que uma variável discreta
poderia assumir é zero.
Alternativa errada.
Exercício 20
Resolução
Você deve ser que nem eu, “só acredita vendo”! Sabendo que só dois valores podem
ocorrer, a probabilidade de ocorrência de cada um é igual a ½, certo?
Alternativa correta.
Exercício 21
(SEDUC-AM – FGV/2014)
Resolução
Alternativa (c).
Exercício 22
(SEDUC-AM – FGV/2014)
Resolução
No intervalo de 4 minutos, dado que a média é de uma pessoa a cada dois minutos,
espera-se que 2 pessoas procurem este caixa. Assim, temos de encontrar a
probabilidade de que ocorra zero ou apenas um “sucesso”! Lembre-se da fórmula:
Substituindo:
Alternativa (b).
Exercício 23
(SEDUC-AM – FGV/2014)
Resolução
Vamos avaliar as afirmativas:
Se A e B são independentes, P[A B] = P[A] + P[B] – P[A]P[B].
Isso vale para eventos independentes, pois reunião de eventos é dada por:
Alternativa falsa. Essa relação não pode ser verdadeira, com base nos argumentos
acima.
Alterativa falsa.
(SUFRAMA – CESPE/2014)
Exercício 24
Resolução
Alternativa errada.
Exercício 25
Resolução
Se 5 pessoas falaram NÂO para as duas perguntas, temos 35 pessoas que disseram
SIM a, pelo menos, uma das perguntas. Vamos trabalhar com base na pergunta 1
primeiro. No caso, 28 pessoas disseram SIM à pergunta 1.
Alternativa verdadeira.
(TC-DF – CESPE/2012)
Exercício 26
Resolução
Alternativa verdadeira.
Exercício 27
Resolução
Com base nos resultados que encontramos no exercício anterior, qual é a diferença
entre o número de empresas que estão contidas no grupo e ? Ora, são as
empresas que tem exatamente 10 processos! Afinal:
Assim:
Exercício 28
(TJ-RO – FGV/2015)
Resolução
Agora precisamos encontrar outra equação que tenha essas duas incógnitas
( e ), de forma a criarmos um sistema de duas equações e duas
incógnitas. Ora, uma outra fórmula que conhecemos é:
No caso, nós temos P(A) e P(A ou B), que é a união dos eventos dada o enunciado.
Assim, vamos substituir:
Isolando P(B):
Alternativa (c).
Exercício 29
(TJ-RO – FGV/2015)
Resolução
Questão simples! A probabilidade de chover hoje é de 30% (0,3), dado que não
choveu ontem. E a probabilidade de chover amanhã? Ora, 60% (0,6), se choveu hoje.
A probabilidade de dois dias seguidos de chuva é a probabilidade de chover hoje e
manhã, portanto:
Alternativa (b).
(DEPEN – CESPE/2015)
Exercício 30
Resolução
Vamos montar nossa tabelinha?
Veja, a média é igual a 2. A Moda também é igual a 2, pois esta é a classe com maior
frequência relativa. E a Mediana? A observação que acumula 50% das observações
é a de número 2, pois a classe anterior concentrava 30% das observações e esta
classe acumula 80%! Portanto, a mediana é igual a 2.
Não precisa! Tem jeito mais fácil. Veja os valores da tabela e coloque em um gráfico:
Portanto:
Alternativa correta.
Exercício 32
Resolução
Use a fórmula que demos na aula 01. Basta diminuir o valor máximo da tabela de
Frequências do valor mínimo:
� í
Alternativa falsa.
Exercício 33
Resolução
Alternativa falsa.
Exercício 34
Resolução
Alternativa verdadeira.
(DPF – CESPE/2015)
Exercício 35
Resolução
Alternativa falsa.
Exercício 36
Resolução
Alternativa verdadeira.
Exercício 37
(Analista Judiciário TRE/RR – Estatística – 2015/FCC)
Resolução
Primeira coisa é perceber que você terá que usar a distribuição de Poisson, portanto,
como sempre, primeiro lembre da fórmula:
Não tem jeito, tem que lembrar desta fórmula. Mas, pense assim, sabendo isso, uma
questão de Poisson está garantida, pois elas costumam ser fáceis.
Bom, vamos ao enunciado. O exercício pede a probabilidade de, pelo menos, duas
consultas em um dia. Como fazer isso?
Então:
Alternativa A
Exercício 38
(Analista Judiciário TRE/RR – Estatística – 2015/FCC)
Resolução
Lembre-se da nossa fórmula de densidade de frequência, apesar que ele fala como
é no enunciado:
De 4 a 6:
De 1 a 4:
Sabendo que 105 valores estão neste intervalo, isso significa que 35% do total é 105,
portanto 100% é:
ç�
Portanto:
Alternativa E
Exercício 39
(Analista Judiciário TRE/RR – Estatística – 2015/FCC)
Resolução
Vamos relembrar?
Alternativa B
Exercício 1
Exercício 2
Exercício 3
Exercício 4
a) 1%
b) 2,5%
c) 5%
d) 10%
e) 20%
Exercício 5
a) 25 e 4/5
b) 16 e 4
c) 16 e 4/5
d) 25 e 3/4
e) 16 e 3/4
Exercício 6
�
Desse modo, a probabilidade de x estar no intervalo (0 < x < 1) é igual a:
a) 1/3
b) 1/12
c) 2/5
d) 1/6
e) 1/4
Exercício 7
Exercício 8
(SUSEP – 2002/ESAF) Uma lâmpada tem tempo de vida (X) que se comporta
conforme uma distribuição exponencial com fdp dada por:
A próxima questão é bom que vocês resolvam comigo, pois ela traz coisas
novas.
Exercício 9
Dados:
Ln(0,4)= -0,916
Ln(0,5)= -0,693
a) 7328
b) 7120
c) 5830
d) 5544
e) 5250
Exercício 10
Exercício 11
Exercício 12
Exercício 13
Exercício 14
Exercício 15
Exercício 16
Exercício 17
Exercício 18
Considere dois eventos aleatórios A e B, tais que P(A|B) = 0, P(A) > 0 e P(B) > 0.
Nesse caso, A e B são eventos disjuntos, mas não independentes.
Exercício 19
Exercício 20
Exercício 21
(SEDUC-AM – FGV/2014)
Exercício 22
(SEDUC-AM – FGV/2014)
Exercício 23
(SEDUC-AM – FGV/2014)
(SUFRAMA – CESPE/2014)
Exercício 24
Exercício 25
(TC-DF – CESPE/2012)
Exercício 26
Exercício 27
Exercício 28
(TJ-RO – FGV/2015)
Exercício 29
(TJ-RO – FGV/2015)
(DEPEN – CESPE/2015)
Exercício 30
Exercício 31
Exercício 32
Exercício 33
Exercício 34
(DPF – CESPE/2015)
Exercício 35
Exercício 36
Exercício 37
(Analista Judiciário TRE/RR – Estatística – 2015/FCC)
Exercício 38
(Analista Judiciário TRE/RR – Estatística – 2015/FCC)
Exercício 39
(Analista Judiciário TRE/RR – Estatística – 2015/FCC)
1–e 30-V
2–e 31-V
3–a 32-F
4–b 33-F
5–e 34-V
6–d 35-F
7 – Certo 36-V
8–e 37-a
9–d 38-e
10 – a 39-b
11 – a
12 – b
13 – c
14 – a
15 – b
16 – F
17 – F
18 – V
19 – F
20 – V
21 – c
22 – b
23 – b
24 – F
25 – V
26 – V
27 – V
28 – c
29 – b
Pessoal, esta aula foi muito pesada, por isso coloquei poucas questões! Apesar de
não ser um assunto muito cobrado, é importante que vocês releiam esta aula com
muita calma, pois, se cair, é bem difícil. Um abraço e bons estudos!