Curitiba,

04 de Dezembro de 2019

Estatística Aplicada a Administração

Johann Schwemlein
Distribuição de Frequência
i = linha
xi = observação da linha
fi = frequência da linha
Fi = frequência acumulada
n = número de observações
fri = frequência relativa
xi fi fri Fi
2 12 12/30 = 40 % 12
3 10 10/30 = 33,3 % 12+10 = 22
4 5 5/30 = 16,3 % 22+5 = 27
5 3 3/30 = 10 % 27+3 = 30
∑ = 30 ∑ = 99,9 %

Amplitude Total (Range)

R = Xmáx - Xmin
Exemplo: R = 5 – 2 = 3

Intervalos de Classe (quantitativo; nº’s decimais)

Tabela Primitiva Rol
15,25 21,32 15,25 17,58
18,21 24,30 18,21 18,33
17,58 18,33 20,63 21,32
24,90 20,63 24,30 24,90

Massa fi
15,0 |--- 17,5 1 - Manter o intervalo, neste caso, a cada 2,5;
17,5 |--- 20,0 3 - Entre o 15 e o 17,5, quantos nº’s da tabela
20,0 |--- 22,5 2 existem? = a frequência (fi)

22,5 |--- 25 2

Ideais: Amplitude dos Intervalos e o Nº de intervalos

Nº de intervalos = K

n ≤ 25 => K = 5
n > 25 => K = 1+3,22 log n (Sturges)
Amplitude dos Intervalos (h)
h=R/K
R = Xmáx - Xmin

Exemplo:
R = 24,90-15,25 => R = 9,65
h = 9,65 / 5 => h = 1,93

Média Aritmética
Média Geométrica

∑𝑥𝑖
Média Harmônica

Média Lista
_
∑
X=

Média Distribuição de Frequência

_
∑
X=

Média Intervalos de Classe

_
∑ .
X=

Mediana (Md)
- Mede o valor que divide a distribuição em duas partes iguais
|-----------------------------------|-------------------------------------|
0% 50% 100%
(Md)
Exemplo:
8–1–9–3–2–1–7
* Ordenar:
1–1–2–3–7–8–9
Md
* Caso Ímpar: quando o n é ímpar

1+𝑛
= 𝑝𝑜𝑠𝑖çã𝑜 𝑑𝑎 𝑀𝑑
2

Utilizando o mesmo exemplo, = 4 => 𝑎 𝑚𝑒𝑑𝑖𝑎𝑛𝑎 𝑒𝑠𝑡á 𝑛𝑎 4ª 𝑝𝑜𝑠𝑖çã𝑜

* Caso Par: quando o n é par

Observe a distribuição: 4–5–6–7
5,5 = ponto central entre os
Os valores centrais são 5 e 6, portanto: 𝑀𝑑 = = 5,5
dois pontos centrais

Posição da Mediana
= 𝑝𝑜𝑠𝑖çã𝑜 𝑑𝑜 1º 𝑣𝑎𝑙𝑜𝑟 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 + 1 = 𝑝𝑜𝑠𝑖çã𝑜 𝑑𝑜 2º 𝑣𝑎𝑙𝑜𝑟 𝑐𝑒𝑛𝑡𝑟𝑎𝑙

Utilizando o exemplo anterior, = 2ª 𝑝𝑜𝑠𝑖çã𝑜 ; + 1 = 3ª 𝑝𝑜𝑠𝑖çã𝑜

Outro exemplo: 12 – 16 – 8 – 4 – 19
22 – 11 – 1 – 3 – 7
* Organizar: 1 – 3 – 4 – 7 – 8 – 11 – 12 – 16 – 19 – 22 = 10 posições

=> =5 +1=6

8 e 11 são os nº’s da 5ª e 6ª
= 9,5 = 𝑀𝑑
posições

Mediana em Distribuição de Frequência

Exemplo:
Idade (xi) Respostas (Fi)
18 6
19 10
20 14
21 20
∑ = 50

𝑛 50 𝑛
= = 25ª 𝑝𝑜𝑠𝑖çã𝑜; + 1 = 26ª 𝑝𝑜𝑠𝑖çã𝑜;
2 2 2
Frequência Acumulada
xi fi Fi
18 6 6 - 1ª à 6ª posição;
19 10 6+10 = 16 - 7ª à 16ª posição;
20 14 16+14 = 30 - 17ª à 30ª posição;
21 20 30+20 = 50 - 31ª à 50ª posição;

… Os pontos médios estão entre a 25ª e 26ª posição; ou seja, os valores são 20 e 20.

Mediana em Distribuição de Frequência com intervalos de classe

- Subentende-se que a variável é contínua;
- Não precisa se preocupar se o n é positivo ou negativo;

Posição Central:
𝑛 ℎ
𝑀𝑑 = 𝐿𝑖𝑛𝑓 + − 𝐹𝑎𝑛𝑡 .
2 𝑓𝑖
Linf = Limite inferior da mediana;
Fant = Frequência acumulada anterior a mediana;
h = Amplitude da classe mediana;
fi = Frequência da classe mediana;

Exemplo:
Classes fi Fi
180 |--- 200 4 4 1ª à 4ª posição;
200 |--- 220 18 22 5ª à 22ª posição;
220 |--- 240 10 32 23ª à 32ª posição;
240 |--- 260 5 37 …
260 |--- 280 3 40
∑=40

𝑀𝑑 = 200 + −4 . => 𝑀𝑑 = 200 + 16 . => 𝑀𝑑 = => Md = 17,77+200

Md = 217,777…
Quartil

Exemplo:
Classes fi Fi
7 |--- 17 6 6
17 |--- 27 15 21
27 |--- 37 20 41 - Classe do Q2
37 |--- 47 10 51 - Classe do Q3
47 |--- 57 5 66

n = 66 (?)

P(Q2) = = 33
Q2 = 27 + (33-21) . => Q2 = 27 + (12) . 0,5 = 33

.
P(Q3) = = 49,5 = 50 (arredondamento)
Q3 = 37 + (50 – 41) . => Q3 = 37+9 = 46

Outras Medidas Separatrizes

Decil: divide-se a distribuição em 10 pedaços;
(Dk)

Percentil: divide-se a distribuição em 100 pedaços;

(Perk)
Posto
.
Decil: P(Dk) =

.
Percentil: P(Perk) =

Exemplo: D5 ? Per85 ?

Diâmetro (cm) fi FI
2,0 28 28
2,5 32 60
3,0 45 105
3,5 15 120
4,0 13 133
4,5 27 160
∑= 160
ª ª
P(D5) = . 160 = 80 = =3

ª ª , ,
P(Per85) = . 160 = 136 Per85 = = = 4,5

E se a distribuição for contínua?

Exemplo:

Pontos Nº de Alunos Fi
4 |--- 8 10 10
8 |--- 12 89 99
12 |--- 16 206 305
16 |--- 20 111 416
20 |--- 24 30 446
.
Per25 (Q1) => P(Q1) = = 111,5 => 112ª
Q1 = Linf + ( – Fant) .
Q1 = 12 + (112-99) . => Q1 = 12 + (13) . 0,019 = 12,247 => 12,25

Q3 = Per75 P(Per75) = . 446 = 334,5 => 335ª

Per75 = Linf + ( . n – Fant) .

Per75 = 16 + (335-305) . => 16 + (30) . 0,036 => 17,081 => 17,09
c) Qual nota classifica um aluno entre os 40% piores?
.
P(Per40) = = 178,4 => 179ª
Per40 = 12 + (179-99) .
Per40 = 12 + (80) . => 13,55

Medidas Tendência Central

Moda: a observação com a maior frequência da distribuição.
Exemplo: 1 – 3 – 3 – 6 => Mo = 3
Mo = moda
- Em alguns casos todos os dados possuirão - Em outros casos, mais de um valor
a mesma frequência; representa a moda.
xi fi
1 1 - Amodal: todas as frequências na Exemplo: 1 – 3 – 4 – 4 – 5 – 5
3 2 distribuição são iguais a outra frequência;
xi fi
6 1 Exemplo: 3 – 3 – 6 – 6 – 9 – 9
1 1 Mo = 4 e 5
Fi = 2; 2; 2;
3 1
Ou todos diferentes:
4 2
Exemplo: 1 – 2 – 7 – 12
5 2
Fi: 1 – 1 – 1 – 1

Modal ou Amodal ou Multimodais = Mo = o nº que aparecer com maior frequência na distribuição

Distribuição de Frequência com Intervalos de Classe

Exemplo:

Classes Fi
7 |--- 17 6
17 |--- 27 15
27 |--- 37 20 } Moda = classe com maior frequência (Classe Modal)
37 |--- 47 10
47 |--- 57 5

Czuber ∆1 = diferença entre a frequência da classe modal e a frequência da classe anterior;

∆
M = Linf + ( ).h ∆2 = diferença entre a frequência da classe modal e a frequência da classe superior;
∆ ∆
Linf = limite inferior

Exemplo:

Mo = 27 + (( ) (
) . 10
)
Mo = 27 + (( ) (
) . 10 => Mo = 27 + ( ) . 10 => Mo = 30,33
)
Moda de Pearson Classes fi xi xifi
_ 7 |--- 17 6 12 (7+17/2) 6.12 = 72
Mo = 3 . Md – 2 X
17 |--- 27 15 22 (17+27/2) 15.22= 330
Md = Mediana 27 |--- 37 20 32 20.32= 640
__ 37 |--- 47 10 42 10.42= 420
X = Média
47 |--- 57 5 52 5.52 = 260
∑ = 56 ∑ =1722

Md = Linf + ( −Fant) . => Md = 27 + ( − 15) . => Md = 27+(28 – 15) . 0,5

Md = 27 + (13) . 0,5 => Md = 33,5

__
∑
Média => X = => => 30,75

Md = 27 + (28-21) . => 27 + => 27 + 3,5 => Md = 30,5

Mo = 3 . 30,5 – 2 . 30,75 => 91,5 – 61,5 => Mo = 30

Posto da Mediana
- Caso o resultado for um número
𝒏 decimal, arredondar para cima;
P(Md) = = = 28 => n = ∑fi
𝟐
Ex: x = 1,57 => x = 2

Medidas de Dispersão

|---|----|----|----|----|-----------
1,59 1,64 __ 1,70 1,80 xi
X
|---------------------------------|
Dispersão

Exemplos:

Dados Homogêneos
|-----------|---|---|---|---|-------|
___
X

|--------------|
Pouca Dispersão

Dados Heterogêneos
|-|----|-----|------|----|------|---|
___
X

|----------------------------|
Grande dispersão
Exemplo numérico:
A = 15 – 20 – 10
B = 1 – 43 – 1
C = 24 – 1 – 20
__ __ __
XA = = 15 XB = = 15 XC = = 15

Exemplo numérico 2:
- No noticiário foi dito que a média de temperatura entre duas cidades é de 24ºC.
- Caso 1: A temperatura na cidade A é de 20ºC e na cidade B é de 28ºC;
- Caso 2: A temperatura na cidade A é de -2ºC e na cidade B é de 50ºC;

Amplitude (Range) => R = Xmáx – Xmín

- Caso 1: R = 28 – 20 = 8 - Caso 2: R = 50 – (-2) = 52

*’ Caso em que apenas a amplitude não basta:

A = -3; -8; 5; 10 __ __
( ) ( ) ( )
B = -8; -2; 4; 10 XA = = =1 XB = = =1

* A distribuição A tem maior RA = 10 – (-8) = 18

dispersão que a distribuição B RB = 10 – (-8) = 18

Desvio Médio
__
∑ ∑
Desvio = di = xi – X Desvio Médio = Variância = S2 =

Exemplo: 3; -5; 8; 12; 1; -1;

- Calcule o desvio médio:

* Ordenar: -5; -1; 1; 3; 8; 12

__
( )
X= = =3

Desvio: Variância:
d1 = -5 – 3 = -8 d12 = 64
d2 = -1 – 3 = -4 d22 = 16
d3 = 1 – 3 = -2 d32 = 4
d4 = 3 – 3 = 0 d42 = 0
d5 = 8 – 3 = 5 d52 = 25
d6 = 12 – 3 = 9 d62 = 81
∑di = 0 ∑di2 = 190

S2 = = S2 = 31,66
Quartil (com posto)

QPº = Linf + ( − Fant) .

Pº = Posição
= Valor do Posto (arredondado)

Variância: medida de dispersão

∑
S2 =

S2 = Variância
∑di2 = Somatório do desvio
__
di = xi - X __
d1 di = desvio X = média
|----------|-----------|
d2

Desvio Padrão
S = √𝑆

Método Alternativo
__
∑ ∑
S2 = => − X2

- Em distribuição de frequência
__
∑
S2 = – X2

Exemplo:

xi fi xifi xi2fi
1 20 20 20
2 35 70 140
3 10 30 90
4 3 12 48
5 2 10 50
n = 70 ∑=142 ∑=348

S2 = −( )2 => S2 = – 4,08 => S2 = 0,89 => S = √0,89 = 0,94

(desvio padrão)
Diferença entre Dados Amostrais e Populacionais
Média Populacional = µ
__
Média Amostral = X
Variância Populacional = ∂ 2 (sigma)
Variância Amostral = S2
Desvio Padrão Populacional = ∂
Desvio Padrão Amostral = S

* Quando o exercício for referente a uma amostra, adotar:

__
∑
S2 =

* Quando o exercício for referente a toda a população, adotar:

___
∑
∂2= – X2

|---|----|----|-------|-------------------|----------------|
__
A X B µ xi
|------------|
Amostra
|-----------|
Erro
Amostral

Moda?
Distribuição de Frequência com Intervalos
∆
M = Linf + ( ).h
∆ ∆

Linf = Limite inferior da classe modal (aparece com maior frequência; fi maior)
∆1 = Diferença entre a frequência da classe modal e da classe anterior
∆2 = Diferença entre a classe modal e a classe posterior
h = Amplitude do intervalo da classe modal
Exemplo (amostra):
xi fi xifi xi2fi
1 20 20 20
2 35 70 140
3 10 30 90
4 3 12 48
5 2 10 50
n = 70 ∑=142 ∑=348

Calcule o ∂:
__ __
X= => X = 2,028
70
__
X2 = 4,112

∂2= − 4,112

∂ 2 = 4,971 – 4,112 = 0,85

∂ = 0,921//

Coeficiente de Variação (CV) – Para saber a dispersão da distribuição

__ ∂ = desvio padrão
X = 100%

∂ = x CV = __ . 100

Exemplo:
2,028 = 100%
0,921 = x

X = 0,45 = 45% => Significa que a dispersão é bastante dispersa.

Critérios:
- Baixa dispersão: CV≤ 15%
- Média dispersão: 15% < CV < 30%
- Alta dispersão: CV ≥ 30%
- ‘Z’
__

Zi = => “Quantos desvios-padrão um determinado valor está da média?”

Exemplo Z:

, ,
Z= => =2 => “Quantos desvios-padrão cabem no intervalo”
, ,

Exemplo Z 2:

- Uma fábrica produz peças de, em média, 10cm de espessura. Considere que o ∂ desta
distribuição é 1cm. Qual o valor de Z para uma peça de 8cm de espessura?

µ = 10cm 10 = 100%
∂ = 1cm 1 = x CV = 10%

Z= = −2 + = Acima da média
– = Abaixo da média
** Dispersão Absoluta = desvio padrão = ∂
** Dispersão Relativa = coeficiente de variação = CV
Teoria de Probabilidades

Determinístico
- Dicotômico
- Certo ou errado
Probabilístico
- Qual a chance da minha afirmação estar errada?
- Importante para tomada de decisões

Exemplo 1: A chance de chover hoje é de 10%. Devo levar um guarda-chuvas?

Como Calcular Probabilidades

- Tem situações simples de prever.
Ex: lançamento de moeda (50% cara; 50% coroa);
- Tem situações um pouco mais complexas...
Ex: atropelamento por limusine na rua x;

- Definição: experimento aleatório.

- Em um experimento aleatório não é possível afirmar com certeza o resultado.
- Ex: lançamento de moeda; dados; retirar uma bola em uma caixa;
- Definição: Evento
- É um resultado possível de um experimento aleatório.
- Ex: lançamento de duas moedas. O evento é: E = {( Cara, Coroa)}
- É um evento pois existe um possível resultado.
- Ex: lançamento de três dados: A = {( 3, 4, 3 )}
- Ex: evento em que os dois primeiros dados dão 1:
E = {( 1, 1, 1); ( 1, 1, 2 ); ( 1, 1, 3 ); ( 1, 1, 4); ( 1, 1, 5); ( 1, 1, 6 )}

- Definição: Espaço amostral (  )

- É o conjunto que contém todos os eventos.
- Ex: qual o  do lançamento de duas moedas?
 = {(Cara, Cara); (Cara, Coroa); (Coroa, Cara); (Coroa, Coroa)}

n () = número de elementos no espaço amostral; no exemplo anterior, n () = 4.

Fórmula – Probabilidade

𝑛 (𝐴)
𝑃(𝐴) =
𝑛 (Ω)

Ex: qual a probabilidade de obter pelo menos uma coroa ao lançar duas moedas?
A = {(Coroa, Coroa); (Coroa, Cara); (Cara, Coroa)}
3
𝑃(𝐴) = = 75%
4

Princípio Fundamental da Contagem

- Resumidamente, significa multiplicar as possibilidades.
- Ex: um baralho possui 4 naipes, sendo 13 cartas por cada naipe = 13.4 = 52 cartas

- Exemplo 1: Considere o experimento aleatório de retirar uma carta de um baralho padrão

(52 cartas).
a) Qual a probabilidade de retirar um “três de copas”?
1
𝑃(𝐴) = = 0,0192 = 𝟏, 𝟗𝟐%
52
 b) Qual a probabilidade de tirar um “10”?
𝑃(𝐴) = = 7,69%
c) Sabendo que um “Ás de Espadas” foi retirado do baralho, qual a probabilidade de
sacar um “Ás”?
Observe que:
- Se uma carta foi retirada, o total de
‘𝑃 (𝐴) = cartas será 52-1 = 51
- Se essa carta que foi removida foi
um “Ás”, o total de “Ás” será 4-1 = 3

- Definições Adicionais:
- Evento Certo: é um evento com 100% de probabilidade de ocorrer;
- Ex: “par eu ganho, coroa você perde”
- Evento Impossível: é um evento que tem 0% de probabilidade de ocorrer;
- Ex: rolar um dado de 6 faces e obter um 7.
- Eventos Complementares: são eventos que não podem ocorrer ao mesmo tempo,
e somam 100%.
- Ex: chover e não chover.

- Exemplo 1: Um dado é lançado. Seja A o evento, “o resultado é um número divisível por

três”. Determine:
a) O Conjunto A
A = {3, 6}
b) O Conjunto AC
AC = “A Complementar”
AC = {1, 2, 4, 5}
c) P(A)

d) P(AC)
P(AC) = Pois + = 100%
Eventos Mutuamente Exclusivos (Disjuntos)

A = {1, 3}
B = {5, 7}

Outro exemplo:

C = {1, 3}
D = (3, 5}
Representação no Diagrama

- Exemplo de eventos que possuem elementos em comum:

Seja o evento C “a soma dos dados dá 6”
Seja o evento D “o primeiro dado é um número par”

n (C  D) = 2
n (C) = 5
n (D) = 18

Intersecção (C  D) = {(2, 4), (4, 2)}

União (  )
Ex: A = {1, 3}; B = {5, 7}  A  B = {1, 3, 5, 7}

~ A e B são disjuntos
n (A  B) = n (A) + n (B)

- Exemplo 1: Dois dados são rolados. Qual a probabilidade da soma dos dados dar 11 ou 4?
A = {(5, 6), (6, 5)}
B = {(1, 3), (2, 2), (3, 1)}
n (AB) = n(A) +n(B) => 2+3 = 5

n() = 36
P(AB) = => 13,8%
- Exemplo 2: Três moedas são lançadas. Qual a probabilidade de tirar cara na primeira
moeda ou coroa na primeira moeda?
n(A) = 4 n(B) = 4

A = {(Cara, Cara, Cara), (Cara, Cara, Coroa), (Cara, Coroa, Cara), (Cara, Coroa, Coroa)}

B = {(Coroa, Cara, Cara), (Coroa, Cara, Coroa), (Coroa, Coroa, Cara), (Coroa, Coroa, Coroa)}

n() = 8 2 . 2 . 2 = nº de possibilidades (Princípio Fundamental da Contagem)

P(AB)= P(A) + P(B) (2 possibilidades = cara, coroa)

P(A + 

 
ventos com elementos na Intersecção
- Observe os dois conjuntos:

a) Quantos elementos possui em A?

4
b) Quantos elementos possui em B?
6
c) Quantos elementos possui em AB?
8

n(An(A) + n(B) – n(AB)

n(AB) = 4 + 6 – 2 => 10 – 2 = 8

- Exemplo 1: Uma moeda é lançada três vezes. Qual a probabilidade de obter CARA (C) no
primeiro lançamento ou COROA (K) no último lançamento?
A = {(C, C, C), (C, C, K), (C, K, C), (C, K, K)}
B = {(C, C, K), (C, K, K), (K, K, K), (K, C, K)}
A C, C, K), (C, K, K)}

- P(AB) = P(A) + P(B) – P(A  + − = => 75%

Eventos Disjuntos ( OU )

P(A) + P(B)

Eventos não-disjuntos

P(A) + P(B) – P(AB)

- Exemplo 1: Uma urna possui bolinhas enumeradas de 1 até 20. Qual a probabilidade de:
a) Tirar uma bolinha igual a 15 ou maior que 18?

P(15) + P( >18) = + = = 0,15 → 15%

b) Tirar uma bolinha múltipla de 4 ou de 6?
{4, 8, 12, 16, 20} = Múltiplas de 4 = M4  Total de 5 bolinhas
{6, 12, 18} = Múltiplas de 6 = M6  Total de 3 bolinhas
P(M4) + P(M6) – P(AB) = + − =  0,35  35%
Eventos Independentes
- Dizemos que dois eventos são independentes quando a ocorrência de um dos eventos não
altera a probabilidade do outro evento.
- Exemplo 1: Uma caixa possui 2 bolinhas vermelhas e 3 azuis. Iremos retirar uma bolinha
aleatoriamente, anotar sua cor e repor ela na caixa.
Qual a probabilidade de retirar duas bolas azuis?

P(Azul) . P(Azul) = . = = 36%

- Exemplo 2: Sabe-se que a chance de uma peça ser produzida com defeito em uma
determinada fábrica é de 10%. Qual a probabilidade de 3 peças escolhidas aleatoriamente
estarem com defeito?

P(D) . P(D) . P(D) = . . → . . = = 0,1%

10 1
𝑝𝑎𝑟𝑎 = 𝑠𝑖𝑚𝑝𝑙𝑖𝑓𝑖𝑐𝑎çã𝑜
100 10

Eventos Dependentes
P (A | B)  Probabilidade de B dado que A ocorreu

P(AB) = P(A) . P (B | A)

- Exemplo: Qual a probabilidade de retirar 1 bolinha azul e outra vermelha logo em seguida,
sem reposição, sendo no total 3 azuis e 2 vermelhas?
P(A) = P (Vermelho | Azul) =

= 30%

Fatorial ( ! )
- Fatorial é uma operação matemática. Se define como: n! = (n – 1) (n – 2) ... 2.1,
Sendo n um número natural.
- Exemplo: 4! = 4 . 3 . 2 . 1 = 24
6! = 6 . 5 . 4 . 3 . 2 . 1 = 720 No caso do fatorial em fração, “fatorar” o
! 24 até o 22, e o 22 pode ser cortado com o
. . . !
= = 24 . 23 = 552 22 de cima. Portanto, multiplica-se os que
! . !
restaram antes do corte.
Combinação
!
C n, k = !. ( )!
 Combinação de “n” elementos tomados “ k ” à “ k ”

Fatorar o 4, cortar o
! ! . . . . !
- Exemplo: C 20, 4 = !( )! ! ! . . . . !
16! com o outro 16!

Variáveis Aleatórias Contínuas

- Distribuição norma, também conhecida como A.K.A., Gaussiana ou Laplaciana.
- Exemplo: X uma v.a. discreta definida como sendo o resultado da soma de dois lados.

X 1 2 3 4 5 6 7 8 9 10 11 12

P(X) 0
- Caso contínuo: histograma com pontos ligados;
- Caso discreto: histograma apenas com os pontos, sem conexão entre eles;

~ No caso Contínuo, não calculamos P(x=a).

P(x=a) = 0
P(a ≤ x ≤ b)

P(x = 1,72m) = 0
P(1,70m < x < 1,72)
- Exemplo 1: P(a < x < b) = área sombreada:
- Exemplo 2: P(160 < x < 170)

- Exemplo 3: P(x > 50)

O que é a distribuição normal?

- Simétrica
- µ = Moda (Mo) = Mediana (Md)

Z= Z  Média 0

𝜎  desvio padrão 1
P (0 < Z < 2,15) = 0,4842 (tabela do Z)
P (-2,55 < Z < 1,2) =

~ Histograma:
- Quanto maior a média, mais para o lado
direito se desloca o gráfico;
c) P (Z > 1,93)
- Quanto maior o desvio padrão, mais
“achatado” será o gráfico;

P (Z > 1,93) = 0,50 – 0,4732  0,50 = 50% - valor do Z para 1,93

Exercício: As alturas dos estudantes da FESP são normalmente distribuídas, com média de
µ = 1,72 m e ∂ = 5 cm. Sorteando um aluno ao acaso,

a) Qual a probabilidade de que tenha mais que 170 cm?

P (X > 170) = 0,5 + 0,1554  negativo soma com 50%
= 0,6554 => 65,54%

170 − 172 −2
𝑍= = = −0,4
5 5

b) Qual a probabilidade de que tenha menos de 170 cm?

P (X < 170) = 0,6554 – 0,50 = 0,1554

c) Qual a probabilidade de que tenha menos de 150 cm?

P (X < 160)

Z= = −2,4

P (Z < -2,4) = 0,5 – 0,4918

= 0,0082 = 0,82%
d) Entre 150 e 160 cm?
P (170 < X < 180)

Z= = −0,4

Z= = 1,6
P (-0,4 < Z < 1,6)
P (0 < Z < 0,4) = 0,1554
P (0 < Z < 1,6) = 0,4452
P (-0,4 < Z < 1,6) = 0,1554 + 0,4452
= 0,6006
= 60,06%