Aula 05

Estatística p/ AFRFB 2017
Teoria e exercícios comentados

Prof. Jeronymo Marcondes Aula 05
1. Distribuições Contínuas
1.1 Função de Distribuição Acumulada
Nós já discutimos o conceito de variáveis contínuas, mas não custa relembrar.
Imagine um relógio digital e outro analógico. No relógio digital o mostrador só assume

valore inteiros, enquanto que no relógio analítico o mostrador pode assumir qualquer
valor!
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.
O histograma para esta variável seria da seguinte forma:
Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 86

Assim, a probabilidade de um determinado ponto no relógio é igual à zero. Entretanto,
tal como já estudamos, podemos calcular a probabilidade de ocorrência de um
determinado intervalo, por exemplo, a probabilidade de o ponteiro estar entre 2 e 3
seria:
Sendo a função densidade de probabilidade (fdp) para a variável.
Bom, aí fica fácil encontrar a probabilidade de ocorrência do intervalo! Trata-se da

área em amarelo:
Nós também podemos usar este gráfico para encontrarmos a probabilidade

acumulada dentro de um intervalo. Nós já estudamos isso, porém sem fazermos
referência direta ao nome. A Função de Distribuição Acumulada (FDA) mostra a
soma das probabilidades de todos os valores que a variável em questão pode assumir
até o valor desejado.
Não entendeu? Qual é a probabilidade de que o horário seja, no máximo, 3:00 e, no

mínimo, 0:00? Ora, não estamos tratando somente do caso em que o valor do relógio
mostra valores entre dois e três, mas todos os horários menores do que este intervalo
até 0:00! Olhe o gráfico!

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.
OBS. 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.

-“Não entendi nada”!
Podemos dar alguns exemplos para ilustrar. Se a derivada de uma função é dada por:
Isso significa que a inclinação desta curva no ponto é 10, pois:
Muito importante, a inclinação de uma função no ponto é uma medida da taxa

de variação instantânea de uma função. Assim, a inclinação é uma medida da
variação em quando a variação em tende a zero, ou seja, é
infinitesimalmente pequena.
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.
- “Tudo bem professor, mas como eu encontro a derivada de uma função”?
Simples! Decore! Vou ensinar 4 regras de diferenciação que serão suficientes para
que você faça a prova, apesar de existirem mais.
1) Primeira regra de diferenciação. Para um valor qualquer, a derivada de uma

função ( ), dada por:
É:
- “Não entendi”!
Vamos a um exemplo, suponha a função:
Qual a derivada desta função? Aplique a fórmula! No caso:
Entenderam? Vamos lá, tentem outras funções, como:
Neste caso:
E a derivada de:

Simples, pense um pouco e veja que:
E se a função for:
Neste caso, esqueça do fator 2 (dois) na frente do e derive normalmente. Apenas

multiplique o resultado pelo número que multiplica a variável, de forma que:
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.
E no caso de haver mais de uma variável na função, tal como:
Neste caso, você deve diferenciar os dois membros separadamente e somá-los.
Mas, a pergunta é, qual a derivada de com relação a ? Bom, a menos que o

exercício diga que é função de , será uma variável que não varia com . Assim,
faça essa pergunta a si mesmo:
-“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:

Não entendeu? Olhe este exemplo:
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 :
2) Segunda regra de diferenciação. Essa é baseada no somatório ou diminuição

de duas funções diferentes. Suponha uma função composta por duas funções
de :
Neste caso, a derivada de é:
O mesmo vale para subtração, de forma que, se:
Tem-se que:
3) Terceira regra de diferenciação. Uma última regra importante de

diferenciação se refere à diferenciação de uma função que está expressa em
logaritmo neperiano. Vocês sabem o que é isso?

Antes de continuarmos, vamos falar sobre o que é o logaritmo. Vocês se lembram do

2º grau? Então, em termos bem simples, o logaritmo é o valor ao qual você tem de
elevar o número da base para se atingir a um determinado valor. Por exemplo:
��
Neste exemplo, o número 4 é a base.
Porém, não há necessidade de se restringir o valor da base a um número específico.

Na operação com logaritmos é comum se utilizar do número neperiano (e = 2,178). O
logaritmo que tem o número neperiano como base é chamado de logaritmo natural,
ou ln.
Assim, vamos à derivada de uma função ln. Assim, dada uma função:
Temos que:
4) Quarta regra de diferenciação. Pense na seguinte função:
A derivada desta função é tão somente:
Ou seja, é a própria função!

-“Mas, e a integral”?
Boa! A integral é conhecida como a “anti-derivada”! Ou seja, é a derivada ao contrário,

portanto basta fazer o processo inverso ao da derivada que você terá a integral de
uma função.
Por exemplo, qual é a integral da função:
Nós já vimos lá em cima que isso equivale à derivada da função . Portanto,

a integral desta função é:
Sendo que a expressão “ dx“ representa a integral de uma função. 1
Entenderam? Para saber a integral de uma função , basta perguntar: qual é a

função que sendo derivada geraria . A função que estamos procurando quando
fazemos uma integral é a primitiva de uma função.
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:
Mas, isso está errado! Isso porque:
Entendeu? Mas, isso é fácil de resolver, basta dividir a primitiva por “3”! Neste caso:
Agora sim! Então:
Não é tão difícil assim. Matute um pouquinho que você vai entender.
Vamos a mais um exemplo, qual é a integral da função:

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?
O conceito de integral é o limite de uma soma, ou melhor, a soma de infinitos

pontos embaixo de uma curva. Quer um exemplo? Pense na seguinte função:
Esta função tem um gráfico simples dado por:
Se nós quisermos saber a área sob o gráfico, definida de 0 a 1, por exemplo,

basta fazermos uma integral definida neste intervalo.
Calma, vamos por partes! Primeiramente, vamos achar a integral da função em

estudo, nós já sabemos que:

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:
Ou seja, você define a função dentro do intervalo em questão, subtraindo o limite

superior do inferior. Portanto, a área daquela parcela do gráfico é igual à 1/3.
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.
Beleza pessoal? Agora vocês vão entender porque isso é importante.
Continuando a nossa aula.
Para as distribuições já conhecidas vocês não precisam conhecer integral para

resolver o exercício, pois indico que vocês devem decorar algumas propriedades
importantes das mesmas, tais como média e variância. Entretanto, muitas vezes o
exercício pode não te dizer de que tipo de distribuição se trata, assim, você precisa
encontrar.
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:
Entendeu? Vamos fazer um exemplo a fim de encontrarmos a FDA genérica para

uma fdp, ou seja, sem definirmos o intervalo no qual ela será acumulada. Para tanto,
suponha a seguinte fdp:
Para encontrarmos a respectiva FDA desta fdp basta integrarmos a função no

intervalo que sua fdp é diferente de zero. Assim:

Assim, a FDA ( ) genérica será dada por:
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:
-“Professor, e se o exercício me der uma FDA e me pedir a respectiva fdp”?
Excelente pergunta! Derive a função! A integral não é a anti-derivada? Então,

ela vai fazer o processo inverso da integral, resultando na fdp que gerou esta
FDA. Pense no exemplo acima! Se você derivar , você vai encontrar , que é
justamente a fdp da FDA que encontramos.
Mas, esta não é a única utilidade da integral para funções contínuas não lineares.

1.2 Esperança e Média em funções contínuas
Nós já estudamos, mas vamos relembrar o conceito:
Esperança matemática é um conceito intimamente relacionado com a média

aritmética. No caso, para um dado conjunto de valores ( ) que vai de a ,
sua esperança é dada por:
Sendo a frequência relativa de .
Percebeu? A aplicação do operador “esperança” a uma série de dados nos diz,

em termos bem simples, a média do que pode acontecer com esta variável.
Você percebe que trata-se de um somatório? Isso não te lembra nada? Exatamente,
vamos integrar!
Então, para uma dada fdp , sua esperança é dada por:
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:

Assim, vamos calcular.
Bom, vamos começar com a esperança:
Simples, não? E a variância? Primeiro vamos calcular a esperança dos quadrados:
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:
Sendo a função densidade de probabilidade da variável contínua (fdp) e o valor

da variável. Assim, a função densidade de probabilidade para uma função deste tipo
seria tal que:

Sendo a média do processo, sua variância e é igual à, aproximadamente, 3,14.
Viram? Com a definição da média e da variância, conseguimos definir a probabilidade

de um intervalo de um processo com distribuição normal.
O gráfico representativo desta distribuição é algo desse tipo (formato de sino):
Veja, esse tipo de distribuição de frequências é o mais comum (formato de sino), pois
muitos fenômenos são assim:
 Valores extremos com menor probabilidade de ocorrência;

 Valores mediano e médio (e/ou próximos a estes) com grande chance de
ocorrência.
Essa distribuição é simétrica, de forma que cada metade desta curva tem 50% de
chance de ocorrer:

Um caso especial desta distribuição ocorre quando e , esta é chamada

de normal padrão.
-“Por que isso é importante”?
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:
Essa variável padronizada ( ) tem as características de uma normal padrão.
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!
Vamos a um exercício para vocês entenderem. Não tentem resolver sozinhos,

acompanhem a minha resolução e depois tentem sozinhos!
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
Veja, o que estamos querendo é:
Para isso vamos transformar estes dois valores em versões padronizadas:
Substituindo os valores da média e variância:
-“Mas, como encontrar tal probabilidade”?

O processo de utilizar a tabela é assim: veja qual o valor correspondente dentro da

tabela de um . Olhe a linha correspondente aos dois primeiros dígitos de e
o terceiro você vai encontrar na coluna lá em cima. Os valores que vocês
encontrarem na tabela vão te dizer a probabilidade de que a variável
padronizada ( ) esteja entre 0 e o valor calculado para .
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).
Graficamente, o que a tabela está nos dizendo é que a probabilidade encontrada é

tal que corresponde à seguinte área:

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
Dado um parâmetro , a distribuição exponencial tem sua fdp dada por:
Esse é um caso de uma variável que tem distribuição exponencial com parâmetro
, o que pode ser escrito como:
Este processo tem as seguintes características:
Esta distribuição é muito utilizada para avaliar o tempo de vida útil de equipamentos.
Esta distribuição tem uma característica muito importante relativa à sua

correspondência com um processo que segue uma distribuição de Poisson. Suponha
uma variável Y que represente a chegada de automóveis em uma praça de pedágio
e que siga um processo com distribuição de Poisson. Se X representar o tempo entre

duas chegadas consecutivas, pode-se demonstrar que X tem distribuição
exponencial.
Devido à dificuldade de operacionalização matemática, já vou fornecer a vocês a

função de distribuição acumulada para esta distribuição, que é dada por:
Uma extensão do modelo exponencial é a distribuição Gama.
Seja uma variável aleatória contínua com valores positivos e com parâmetros
e , a mesma terá distribuição Gama se sua fdp for dada por:
A função é muito importante em vários ramos da matemática e é dada por:
Podemos expressar que a variável segue esta distribuição da seguinte forma:
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.
Pode-se demonstrar que:
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.
A distribuição de Pareto, com parâmetro , tem sua fdp dada por:
Sendo e . No caso, é o menor valor possível que pode assumir.
O nome da distribuição se originou no trabalho de Vilfredo Pareto que descobriu que

80% da riqueza estava concentrada em cerca de 20% da população. No ambiente
empresarial, este tipo de análise encontra a sua aplicação verificando-se que 80%

(ou um percentual alto) dos problemas são causados por 20% (ou um percentual
baixo) das causas. Nesta linha, conclui-se que poucas causas são responsáveis pela
maioria dos problemas, levando um bom gestor a atacar essas causas
prioritariamente, pois assim, resolvem-se grande parte de problemas.
A média e a variância para essa distribuição são:
A sua respectiva FDA é dada por:
O gráfico desta distribuição é dada por:
Perceba que o formato da curva muda conforme variamos o parâmetro ( ) da

distribuição.

Exercício 1
(CGU – 2008/ESAF) Sendo X aleatória uniformemente distribuída no intervalo

(0;1), determine sua variância.
a) 1/2
b) 1/3
c) 1/4
d) 1/6
e) 1/12
Resolução
Pessoal, só aplique a fórmula:
Alternativa (e).
Exercício 2
(TRT – 2008/FCC) Uma variável aleatória é uniformemente distribuída no

intervalo [1;5]. A sua média e variância são, respectivamente:
a) 2 e 1/3
b) 2 e 2/3
c) 3 e 3/4
d) 3 e 1/3
e) 3 e 4/3
Resolução
Simples também:

Alternativa (e).
Exercício 3
(BACEN – 2006/FCC) As empresas de um determinado setor têm situação

líquida bem descrita por uma distribuição normal, com média igual a 2,5,
milhões de reais e desvio padrão de 2 milhões de reais. Selecionando-se uma
empresa aleatoriamente deste setor, a probabilidade dela apresentar uma
situação líquida negativa ou nula é de:
a) 11%
b) 16%
c) 23%
d) 39%
e) 50%
Resolução
O que nós queremos é saber:
Substituindo:

Como eu disse antes, o sinal não importa. Então, vamos procurar este valor na tabela,
o que nos dará:
Isso está nos dizendo que a chance de encontrarmos qualquer valor da média até
zero é de 39%. Graficamente:
Como cada cauda tem 50% de chance de ocorrer, a probabilidade de valores

menores do que zero é de:
Alternativa (a).

Exercício 4
(BACEN – 2009/CESGRANRIO) Estima-se que os retornos de um determinado

mercado tenham distribuição normal, com média 20% e desvio padrão de 10%.
A probabilidade de perdas financeiras é de:
a) 1%
b) 2,5%
c) 5%
d) 10%
e) 20%
Resolução
Muito semelhante ao exercício anterior. O que ele está pedindo é:
Mesma coisa, vamos encontrar o valor padronizado para :
Procurando 2 na tabela encontramos 0,4772. Ou seja, a probabilidade de ocorrer um

valor entre 20% e 0% é de 47,72%.
Portanto, a probabilidade de valores menores do que zero é de:
O valor mais próximo é o da alternativa (b).

Exercício 5
(RIOPREV – 2010/CEPERJ) Se uma variável aleatória X tem distribuição

binomial com E(x) = 12 e Var(x) = 3, os valores de n e p são:
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
Vamos fazer um exercício de distribuições discretas para não esquecer.
Nós sabemos que para essa distribuição:
Assim, nós temos um sistema de equações dado por:
Usando a segunda equação, chegamos a:
Rearranjando:

Substituindo este valor na primeira equação:
Sabendo o valor de p, chegamos ao valor de n:
Alternativa (e).
Exercício 6
(STN – 2012/ESAF) Seja X uma variável aleatória contínua com função

densidade
�
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
Para encontrarmos esta probabilidade precisamos encontrar FDA acumulada até o

valor de x=1. Assim:

Determinando a função integral no intervalo:
Ou seja, precisamos encontrar o valor de k. Para isso precisamos especificar a

propriedade que conhecemos de toda FDA, isso é que a soma de todas as
probabilidades no intervalo devem somar 1:
Assim, integrando:
Definindo no intervalo:
Agora, basta resolver a equação para encontrar k:
Substituindo na expressão para FDA desejada:
Alternativa (d).

Exercício 7
(ABIN – 2010/CESPE) Sabendo que o número de veículos que chegam, a cada

minuto, a determinado local de uma avenida segue um processo de Poisson
homogêneo, julgue o item a seguir.
O intervalo de tempo entre a chegada de um veículo e o veículo que chega em

seguida segue uma distribuição exponencial.
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:
O desvio padrão da variável é:

a) 32 horas
b) 500 horas
c) 900 horas
d) 800 horas
e) 1000 horas

Resolução
Já temos uma fórmula para resolver o problema:
Como o exercício pede o desvio padrão:
Alternativa (e).
A próxima questão é bom que vocês resolvam comigo, pois ela traz coisas
novas.
Exercício 9
(TCE/PR – 2011/FCC) O tempo de vida, X, em horas de lâmpadas de certa

fabricação tem distribuição exponencial com média de 8000 horas. O tempo de
vida mediano destas lâmpadas é, em horas, igual a:
Dados:
Ln(0,4)= -0,916
Ln(0,5)= -0,693
a) 7328
b) 7120
c) 5830
d) 5544
e) 5250

Resolução
Nós já conhecemos a FDA para esta distribuição, que é dada por:
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:
Como a média é igual a 8000, temos que:
Para resolver esta questão, precisamos tirar o Logaritmo neperiano de ambos os

lados.
ln

Multiplicando invertido, temos:
Alternativa (d).
Exercício 10
(CENAD – 2012/ESAF) Seja X uma variável aleatória contínua com função

densidade de probabilidade constante no intervalo [0,2]. Determine sua
variância.
a) 1/3
b) 1/2
c) 2/3
d) 5/7
e) 5/6
Resolução
Qual é a a distribuição de probabilidade que é constante, ou seja, que assume um

mesmo valor para qualquer intervalo de mesma amplitude? A distribuição uniforme.
Aplique a fórmula:
Alternativa (a).

Exercício 11
(APOFP – ESAF/2009) Seja Z uma variável aleatória Normal Padrão. Dados os

valores de z e de P(Z < z) a seguir, obtenha o valor mais próximo de P(-2,58 < Z
< 1,96).
z 1,96 2,17 2,33 2,41 2,58
P( Z < z ) 0,975 0,985 0,99 0,992 0,995
a) 0,97
b) 0,985
c) 0,98
d) 0,99
e) 0,95
Resolução
Este exercício não é difícil se você olhar com calma. Vamos por partes, qual a
probabilidade de que . Isso tem na tabela:
Ou seja, 97,5% dos valores estão acumulados até 1,96.
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:

Portanto, 97% dos valores estão neste intervalo.
Alternativa (a).
Exercício 12
(MTUR – ESAF/2014) Uma variável aleatória contínua x possui função densidade

dada por: f(x) = 0 para x < 0; f(x) = 3 x² para 0 ≤ x ≤ 1; f(x) = 0 para x > 1. Desse
modo, a expectância de x é igual a:
a) 1/3
b) 3/4
c) 1/4
d) 1/2
e) 1/5
Resolução
Bom, nós aprendemos como se calcula isso:
Assim:

Alternativa (b).
Exercício 13
(MTUR – ESAF/2014) Dois eventos, A e B, são ditos independentes quando:

a) P(A/B) = P(B)
b) P(B/A) = 1- P(B)
c) P(A/B) = P(A)
d) P(A B) = 0
e) P(A B) = P(A) P(B)
Resolução
Alguns alunos estão tendo dificuldade de entender o conceito de independência.

Pessoal, dois eventos são ditos independentes se a probabilidade de ocorrência de
um independe da probabilidade de ocorrência do outro. Portanto:
Ou seja, a probabilidade de ocorrência de A é a mesma que a probabilidade de

ocorrência de A sabendo-se que B já ocorreu.
Alternativa (c).

Exercício 14
(CREA RO – FUNCAB\203) Sendo “A” o conjunto dos agentes fiscais do CREA-

RO, “B” o conjunto de todos os funcionários do CREA-RO. O diagrama que
representa todos os funcionários do CREA-RO que não são agentes fiscais é:
Resolução
Pense em termos de Diagrama de Venn, “A” é um subconjunto de “B”, pois os

auditores do CREA são uma parte do total de funcionários do CREA. Assim, o
conjunto “A” deve estar contido em “B” de forma que o mesmo seja menor ou igual ao
mesmo. Portanto, o Diagrama de Venn é a alternativa (a).

Exercício 15
(SEMAD – FUNCAB\2013) Dois alunos que estão prestando o Exame Nacional

do Ensino Médio têm a mesma probabilidade de acertar uma questão, marcando
aleatoriamente uma das cinco alternativas para resposta. Sabendo que eles
fazem esse processo de forma independente, qual a probabilidade de que, em
uma determinada questão, ambos errem?
Resolução
Vamos resolver a questão de uma forma intuitiva! Qual a probabilidade de acerto

aleatório em uma questão de cinco alternativas? Ora, a chance de acertar é 1/5,
enquanto a de errar é 4/5. Qual a probabilidade de os dois alunos errarem ao mesmo
tempo?
Essa é a chance de os dois errarem ao mesmo tempo!
Alternativa (b).

(ANATEL – CESPE\2014) Julgue as afirmativas:
Exercício 16
Em uma distribuição unimodal, se a mediana for igual a media, a moda também

será igual a media.
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
Considerando-se os eventos aleatórios A e B, em que P(A|B) = P(B|A), e correto

afirmar que esses eventos são mutuamente independentes.
Resolução
Nós vimos isso um monte de vezes! Independência entre dois eventos A e B, por
exemplo, ocorre quando:
Portanto, a alternativa está errada!

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
Perfeita definição de eventos disjuntos! Veja, se a probabilidade de A, dado que B

ocorreu, é igual a zero (sabendo que as probabilidades são maiores que zero), os
eventos são disjuntos! Porém, não são independentes.
Alternativa correta.
Exercício 19
Se X for uma variável aleatória continua e se Y for uma variável aleatória

discreta, é correto afirmar que P(X = k) > P(Y = k).
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
O valor esperado de uma variável aleatória X cujos valores sejam 0 e 1 e igual a

probabilidade de ocorrência do evento [X = 1].
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?
Que é exatamente igual à probabilidade de X=1.
Exercício 21
(SEDUC-AM – FGV/2014)
Resolução
Basta usar nossa fórmula! Nós sabemos que o intervalo vai de 0 a :

Alternativa (c).
Exercício 22
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:

Portanto, a probabilidade procurada é:
Alternativa (b).
Exercício 23
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:
Mas, no caso de independência:

Se A e B são mutuamente exclusivos, então A e B são independentes.
Nós já estudamos isso na aula anterior:
Veja, independência implica que a probabilidade de ocorrência de um evento não é

afetada pela ocorrência de outro. Se A e B fossem mutuamente exclusivos, isso
significaria que a ocorrência de A implica na não ocorrência de B. Ora, mas isso não
é independência!
Alternativa falsa. Essa relação não pode ser verdadeira, com base nos argumentos
acima.
Se A e B são independentes, então são mutuamente exclusivos.
Aí é que está! A inversa também é verdadeira.
Alterativa falsa.
Assim, V,F,F. Alternativa (b).
(SUFRAMA – CESPE/2014)

Exercício 24
Resolução
Questão muito tranquila. Veja, do total de 40 alunos, apenas 5 responderam NÂO às

duas perguntas. Portanto, a probabilidade de que um aluno tenha respondido SIM a,
pelo menos, 1 das perguntas é:
Alternativa errada.
Exercício 25
Resolução
Vamos fazer o diagrama de Venn para as informações do enunciado:

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.
Assim, 7 pessoas disseram SIM somente para a pergunta 2. Como 22 pessoas

disseram SIM à pergunta 2, o total de pessoas que disseram SIM para as duas
perguntas é de 22-7=15:
Alternativa verdadeira.

(TC-DF – CESPE/2012)
Exercício 26
Resolução
A pegadinha desta questão está no “pelo menos”. Portanto, , por exemplo, é o

conjunto das empresas que tem 10, 11, 12,... processos licitatórios. Assim, para dois
números quaisquer, x e y, sendo x menor ou igual a y, qual a correspondência que
podemos encontrar entre os subconjuntos em questão? Vamos supor que x=10 e
y=11:
Ora, fica fácil perceber que:
Isso porque o subconjunto de empresas x contém todas as empresas que estão em

y, afinal:

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:
Se nós dividirmos esta quantidade pelo total de empresas listadas,

independentemente da quantidade de processo, teremos a probabilidade de
encontrar uma empresa com, exatamente, 10 processos. Este valor é dado por:
Assim:

Exercício 28
(TJ-RO – FGV/2015)
Resolução
Se A e B são independentes, pode-se afirmar que:
Pela nossa fórmula, sabemos que:
Como eles são independentes:
Agora é só substituir P(A):

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:
Vamos substituir o valor da probabilidade de intersecção desta equação na nossa

primeira:
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?
Incidentes Frequência Frequência acumulada Frequência*Incidentes

0 0,1 0,1 0
1 0,2 0,3 0,2
2 0,5 0,8 1
3 0 0,8 0
4 0,2 1 0,8
Total 1 Média 2

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.
A distribuição é simétrica, professor? Essa parte foi muito “chatinha” e a CESPE

“ressuscitou” um assunto que não era cobrado há muito tempo.
Lembra o que eu ensinei na aula? As condições para simetria?
-“Eu tinha que calcular tudo isso”?
Não precisa! Tem jeito mais fácil. Veja os valores da tabela e coloque em um gráfico:

Incidentes Frequência Frequência acumulada Frequência*Incidentes Incidentes² Incidentes²*Frequência

0 0,1 0,1 0 0 0
1 0,2 0,3 0,2 1 0,2
2 0,5 0,8 1 4 2
3 0 0,8 0 9 0
4 0,2 1 0,8 16 3,2
Total 1 Média 2 Média dos Quadrados 5,4
Portanto:
A raiz quadrada disso (desvio padrão) é, aproximadamente, 1,18.
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
Já calculamos a Moda no exercício 22! A Moda é dada pela quantidade de incidentes

de maior frequência relativa, no caso, 2.
Alternativa falsa.
Exercício 34
Resolução
O que é o segundo quartil? É a mediana! Nós já calculamos isso no exercício 22. A

Mediana é igual a 2.

(DPF – CESPE/2015)
Exercício 35
Resolução
Ora, há 7 anos avaliados, portanto, a mediana será a observação de número 4. Ou

seja, a mediana é 141.
A média de 2007 a 2010 é dada por:
Alternativa falsa.

Exercício 36
Resolução
A forma de calcular é assim:
Ou seja, os acidentes de 2008 foram 28% maior do que 2005.
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?
Assim, precisamos saber:
A média do processo, ou seja, que é dado no exercício é a média semanal, mas

precisamos da diária. Portanto, você já sabe que a média de um processo de Poisson
é dada por:
Então:
Essa é a probabilidade de sucesso em um dia!
Agora é só substituir na fórmula:
Portanto, a probabilidade de que haja, pelo menos, 2 consultas em um dia é de:

Com base nos dados do enunciado:
Alternativa A
Exercício 38
Resolução
Lembre-se da nossa fórmula de densidade de frequência, apesar que ele fala como
é no enunciado:

Portanto, vamos encontrar as frequências de todos os intervalos menores do que 6,
com base na fórmula:
De 4 a 6:
De 1 a 4:
Portanto, o total e frequências até 6 é de:
Sabendo que 105 valores estão neste intervalo, isso significa que 35% do total é 105,
portanto 100% é:
Isso significa que o total e observações é 300.
O total de observações com valores maiores do que 4 é a mesma coisa do que:
ç�
O número de observações menores do que 4 é:
Portanto:
Alternativa E

Exercício 39
Resolução
Vamos relembrar?
No caso, uma distribuição assimétrica à direita tem o seguinte formato:

Portanto, a mediana é superior à moda e é inferior à média.
Alternativa B

Lista de exercícios resolvidos
Exercício 1
(CGU – 2008/ESAF) Sendo X aleatória uniformemente distribuída no intervalo

(0;1), determine sua variância.
a) 1/2
b) 1/3
c) 1/4
d) 1/6
e) 1/12
Exercício 2
(TRT – 2008/FCC) Uma variável aleatória é uniformemente distribuída no

intervalo [1;5]. A sua média e variância são, respectivamente:
a) 2 e 1/3
b) 2 e 2/3
c) 3 e 3/4
d) 3 e 1/3
e) 3 e 4/3

Exercício 3
(BACEN – 2006/FCC) As empresas de um determinado setor têm situação

líquida bem descrita por uma distribuição normal, com média igual a 2,5,
milhões de reais e desvio padrão de 2 milhões de reais. Selecionando-se uma
empresa aleatoriamente deste setor, a probabilidade dela apresentar uma
situação líquida negativa ou nula é de:
a) 11%
b) 16%
c) 23%
d) 39%
e) 50%
Exercício 4
(BACEN – 2009/CESGRANRIO) Estima-se que os retornos de um determinado

mercado tenham distribuição normal, com média 20% e desvio padrão de 10%.
A probabilidade de perdas financeiras é de:
a) 1%
b) 2,5%
c) 5%
d) 10%
e) 20%

Exercício 5
(RIOPREV – 2010/CEPERJ) Se uma variável aleatória X tem distribuição

binomial com E(x) = 12 e Var(x) = 3, os valores de n e p são:
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
(STN – 2012/ESAF) Seja X uma variável aleatória contínua com função

densidade
�
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
(ABIN – 2010/CESPE) Sabendo que o número de veículos que chegam, a cada

minuto, a determinado local de uma avenida segue um processo de Poisson
homogêneo, julgue o item a seguir.
O intervalo de tempo entre a chegada de um veículo e o veículo que chega em

seguida segue uma distribuição exponencial.
Exercício 8
(SUSEP – 2002/ESAF) Uma lâmpada tem tempo de vida (X) que se comporta
conforme uma distribuição exponencial com fdp dada por:
O desvio padrão da variável é:

a) 32 horas
b) 500 horas
c) 900 horas
d) 800 horas
e) 1000 horas

A próxima questão é bom que vocês resolvam comigo, pois ela traz coisas
novas.
Exercício 9
(TCE/PR – 2011/FCC) O tempo de vida, X, em horas de lâmpadas de certa

fabricação tem distribuição exponencial com média de 8000 horas. O tempo de
vida mediano destas lâmpadas é, em horas, igual a:
Dados:
Ln(0,4)= -0,916
Ln(0,5)= -0,693
a) 7328
b) 7120
c) 5830
d) 5544
e) 5250
Exercício 10
(CENAD – 2012/ESAF) Seja X uma variável aleatória contínua com função

densidade de probabilidade constante no intervalo [0,2]. Determine sua
variância.
a) 1/3
b) 1/2
c) 2/3
d) 5/7
e) 5/6

Exercício 11
(APOFP – ESAF/2009) Seja Z uma variável aleatória Normal Padrão. Dados os

valores de z e de P(Z < z) a seguir, obtenha o valor mais próximo de P(-2,58 < Z
< 1,96).
z 1,96 2,17 2,33 2,41 2,58
P( Z < z ) 0,975 0,985 0,99 0,992 0,995
a) 0,97
b) 0,985
c) 0,98
d) 0,99
e) 0,95
Exercício 12
(MTUR – ESAF/2014) Uma variável aleatória contínua x possui função densidade

dada por: f(x) = 0 para x < 0; f(x) = 3 x² para 0 ≤ x ≤ 1; f(x) = 0 para x > 1. Desse
modo, a expectância de x é igual a:
a) 1/3
b) 3/4
c) 1/4
d) 1/2
e) 1/5
Exercício 13
(MTUR – ESAF/2014) Dois eventos, A e B, são ditos independentes quando:

a) P(A/B) = P(B)
b) P(B/A) = 1- P(B)
c) P(A/B) = P(A)
d) P(A B) = 0
e) P(A B) = P(A) P(B)

Exercício 14
(CREA RO – FUNCAB\203) Sendo “A” o conjunto dos agentes fiscais do CREA-

RO, “B” o conjunto de todos os funcionários do CREA-RO. O diagrama que
representa todos os funcionários do CREA-RO que não são agentes fiscais é:

Exercício 15
(SEMAD – FUNCAB\2013) Dois alunos que estão prestando o Exame Nacional

do Ensino Médio têm a mesma probabilidade de acertar uma questão, marcando
aleatoriamente uma das cinco alternativas para resposta. Sabendo que eles
fazem esse processo de forma independente, qual a probabilidade de que, em
uma determinada questão, ambos errem?
(ANATEL – CESPE\2014) Julgue as afirmativas:
Exercício 16
Em uma distribuição unimodal, se a mediana for igual a media, a moda também

será igual a media.
Exercício 17
Considerando-se os eventos aleatórios A e B, em que P(A|B) = P(B|A), e correto

afirmar que esses eventos são mutuamente independentes.
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
Se X for uma variável aleatória continua e se Y for uma variável aleatória

discreta, é correto afirmar que P(X = k) > P(Y = k).

Exercício 20
O valor esperado de uma variável aleatória X cujos valores sejam 0 e 1 e igual a

probabilidade de ocorrência do evento [X = 1].
Exercício 21
Exercício 22

Exercício 23
(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

Exercício 38
Exercício 39

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!

Aula 05

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Aula 05

Caricato da

Copyright:

Formati disponibili

Estatística p/ AFRFB 2017

Teoria e exercícios comentados

1.1 Função de Distribuição Acumulada

Nós já discutimos o conceito de variáveis contínuas, mas não custa relembrar.

Imagine um relógio digital e outro analógico. No relógio digital o mostrador só assume

O histograma para esta variável seria da seguinte forma:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 2 de 86

Sendo a função densidade de probabilidade (fdp) para a variável.

Bom, aí fica fácil encontrar a probabilidade de ocorrência do intervalo! Trata-se da

Nós também podemos usar este gráfico para encontrarmos a probabilidade

Não entendeu? Qual é a probabilidade de que o horário seja, no máximo, 3:00 e, no

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 3 de 86

OBS. Cálculo diferencial e integral

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 4 de 86

Isso significa que a inclinação desta curva no ponto é 10, pois:

Muito importante, a inclinação de uma função no ponto é uma medida da taxa

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 5 de 86

- “Tudo bem professor, mas como eu encontro a derivada de uma função”?

1) Primeira regra de diferenciação. Para um valor qualquer, a derivada de uma

Vamos a um exemplo, suponha a função:

Qual a derivada desta função? Aplique a fórmula! No caso:

Entenderam? Vamos lá, tentem outras funções, como:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 6 de 86

Simples, pense um pouco e veja que:

Neste caso, esqueça do fator 2 (dois) na frente do e derive normalmente. Apenas

E no caso de haver mais de uma variável na função, tal como:

Neste caso, você deve diferenciar os dois membros separadamente e somá-los.

Mas, a pergunta é, qual a derivada de com relação a ? Bom, a menos que o

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 7 de 86

Não entendeu? Olhe este exemplo:

2) Segunda regra de diferenciação. Essa é baseada no somatório ou diminuição

Neste caso, a derivada de é:

O mesmo vale para subtração, de forma que, se:

3) Terceira regra de diferenciação. Uma última regra importante de

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 8 de 86

Antes de continuarmos, vamos falar sobre o que é o logaritmo. Vocês se lembram do

Porém, não há necessidade de se restringir o valor da base a um número específico.

4) Quarta regra de diferenciação. Pense na seguinte função:

A derivada desta função é tão somente:

Ou seja, é a própria função!

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 9 de 86

Boa! A integral é conhecida como a “anti-derivada”! Ou seja, é a derivada ao contrário,

Por exemplo, qual é a integral da função:

Nós já vimos lá em cima que isso equivale à derivada da função . Portanto,

Sendo que a expressão “ dx“ representa a integral de uma função. 1

Entenderam? Para saber a integral de uma função , basta perguntar: qual é a

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 10 de 86

Mas, isso está errado! Isso porque:

Agora sim! Então:

Vamos a mais um exemplo, qual é a integral da função:

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 11 de 86

O conceito de integral é o limite de uma soma, ou melhor, a soma de infinitos

Esta função tem um gráfico simples dado por:

Se nós quisermos saber a área sob o gráfico, definida de 0 a 1, por exemplo,

Calma, vamos por partes! Primeiramente, vamos achar a integral da função em

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 12 de 86

Ou seja, você define a função dentro do intervalo em questão, subtraindo o limite

Beleza pessoal? Agora vocês vão entender porque isso é importante.

Continuando a nossa aula.

Para as distribuições já conhecidas vocês não precisam conhecer integral para

Prof. Jeronymo Marcondes www.estrategiaconcursos.com.br 13 de 86

Entendeu? Vamos fazer um exemplo a fim de encontrarmos a FDA genérica para

Para encontrarmos a respectiva FDA desta fdp basta integrarmos a função no