3 Estatistica Avancada I

Sefaz-df
Estatística
Estatística Avançada I
ESTATÍSTICA
Prof.a Karine Waldrich
SUMÁRIO
1. Variáveis Aleatórias Contínuas (VAC) e Distribuições Contínuas de
Probabilidade..............................................................................................3
1.1. Função Densidade.................................................................................4
1.2. Função Distribuição...............................................................................5
1.3. Distribuição Uniforme (Contínua)............................................................5
1.4. Distribuição Exponencial........................................................................7
1.5. Distribuição Normal...............................................................................9
Resumo da Aula ....................................................................................... 19
Questões Comentadas em Aula................................................................... 20
Gabarito................................................................................................... 21
Questões de Concurso................................................................................ 22
Gabarito................................................................................................... 30
Questões Comentadas................................................................................ 31
O conteúdo desta aula em pdf é licenciado para WESLEY HENRIQUE DE ALBUQUERQUE - 02409124119, vedada, por quaisquer meios e a qualquer título,
a sua reprodução, cópia, divulgação ou distribuição, sujeitando-se aos infratores à responsabilização civil e criminal.
www.grancursosonline.com.br 2 de 59
ESTATÍSTICA
KARINE WALDRICH
Auditora-Fiscal da Receita Federal do Brasil, aprovada em 39° lugar – em
2010. Aprovada no concurso de Analista Tributário da Receita Federal
do Brasil, em 61° lugar – em 2010. Professora de Raciocínio Lógico, Ma-
temática Básica, Matemática Financeira, Estatística Básica e Estatística
Avançada para concursos. Coach certificada pela Sociedade Latino Ame-
ricana de Coaching. Idealizadora e executora do programa de coaching
para concursos CoachingdaWaldrich. Pós-graduanda em Neuroeducação.
1. Variáveis Aleatórias Contínuas (VAC) e Distribuições Contí-

nuas de Probabilidade
Vamos aprender as diferenças das Variáveis Contínuas para as Variáveis Discre-
tas, pois fica mais fácil...
Eu acho as Variáveis Contínuas mais fáceis do que as Variáveis Discretas.
Aqui, temos 3 distribuições importantes:
• Distribuição Uniforme (Contínua);
• Distribuição Exponencial;
• Distribuição Normal.
Nas Variáveis Aleatórias Discretas, tínhamos a Função Massa, lembra-se?
Aqui, não há Função Massa, pois a definição de Função Massa é ser uma fun-
ção da probabilidade no ponto.
Em uma Variável Contínua, não há ponto, justamente por ser a função de pro-
babilidade uma função contínua.
Lembra-se do exemplo na aula passada? Não temos “lançamentos de um dado”,
falamos no “peso de uma mulher”, por exemplo. Há uma curva de probabilidades,
e não um ponto isolado.

ESTATÍSTICA
Por isso, chamamos a função da probabilidade de uma Variável Contínua de
Função Densidade, e não de Função Massa.
1.1. Função Densidade
Vamos ao exemplo do peso das mulheres, citado na aula passada. Digamos que
temos uma amostra de 100 mulheres, seus pesos podem ser demonstrados no
gráfico abaixo:
Sobre essa curva, a qual chamaremos de P(x), podemos deduzir o seguinte:
1) Seus valores são sempre superiores a 0, ou seja, P(x) ≥ 0;
2) A área sob um determinado intervalo da curva indica a probabilidade
do evento acontecer naquele intervalo.
3) A área total sob a curva será sempre igual a 1, pois esse é o valor da soma
das probabilidades.
ESTATÍSTICA
1.2. Função Distribuição
A Função Distribuição indica a probabilidade de um X qualquer assumir um valor
menor ou igual a x.
Resumindo, sem muita firula, a função distribuição indica a probabilidade de
um X qualquer ser menor ou igual a um x da Função Densidade.
Ou seja, F(x) = P(X≤x).
Por exemplo, se quisermos saber a probabilidade de o peso X de uma mulher
estar entre 65 e 85kg, fazemos:
F(85) – F(65)
Passemos às principais distribuições contínuas de probabilidade.
1.3. Distribuição Uniforme (Contínua)
A Distribuição Uniforme é aquela em que todos os valores de x possuem a mes-
ma probabilidade de ocorrência. Isso não muda, tanto para uma variável discreta
quanto para uma variável contínua.
A função densidade da distribuição uniforme contínua é dada por:
1
para a ≤ x ≤ b
f(x) = b-a
0, caso contrário
A função distribuição é dada por:
0 x<a
F(x) = P(X ≤ x) = x-a
a≤x≤b
b-a
0 x≥b
ESTATÍSTICA
A Esperança E(x) = μ é a média aritmética dos valores possíveis para x. Para
uma distribuição uniforme contínua:

1
E(x) = μ = (a + b)
2

A variância, colocando a equação acima na regra geral, é:

1
Var(x) = σ² = (b - a)2
12

1. (ESAF/MI/ESTATÍSTICO/2012) 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
Letra a.
Vamos tentar identificar a distribuição. O enunciado diz que:
1) X é uma variável aleatória contínua;
2) X tem uma função densidade;
3) A função densidade de probabilidade é constante no intervalo [0,2].
Se a função é constante em um intervalo, ela é uma distribuição uniforme
contínua. Nas variáveis discretas não falamos em intervalos, lembra? Falamos em
pontos.
ESTATÍSTICA
Além disso, se a distribuição tem função densidade, ela é contínua. Se fosse
discreta, teria função massa, lembra?
Mas o enunciado ainda foi bonzinho e falou que era contínua, como ele é legal #sqn.
Resolvendo a questão, como é uma distribuição uniforme contínua, a variância é
dada pela seguinte equação:
1
Var(x) = σ² = (b - a)2
12
“b” e “a” são os extremos do intervalo. A questão diz que o intervalo é entre.
Então:
1 1 4 1
Var(x) = σ² = (b - a)2 = (2 - 0)2 = =
12 12 12 3
1.4. Distribuição Exponencial
A Distribuição Exponencial é uma espécie de “oposto” da Distribuição de Poisson.
Na Distribuição de Poisson, estimávamos a probabilidade de ocorrência de
certo número de eventos num intervalo de tempo/quantidade.
Por exemplo: um fio possui taxa de falha de 2 falhas por metro. Qual a proba-
bilidade de ele apresentar, em um metro de fio, 4 falhas?
“Falhas” são coisas pontuais, por isso a distribuição de Poisson é uma distri-
buição discreta.
Já na Distribuição Exponencial, pensamos inversamente: queremos um in-
tervalo de tempo/quantidade para a ocorrência de um evento. Por exemplo: um
fio possui taxa de falha de 2 falhas por metro. Qual a probabilidade de ocorrer uma
falha em 3 metros de fio?

ESTATÍSTICA
Como, agora, buscamos um intervalo para a ocorrência de um evento, a dis-
tribuição é contínua.
Assim, o número de falhas por intervalo é um evento discreto (pontual),
resolvido por Distribuição de Poisson.
Já o intervalo necessário para uma falha acontecer é um evento contínuo,
resolvido por Distribuição Exponencial.
A probabilidade na Distribuição Exponencial até tem uma função densidade,
mas que basicamente não nos serve, pois só consegue ser resolvida via integral
(técnica matemática complexa).
Por isso, ficamos apenas com a função distribuição (aquela que é acumulada até
o ponto), que é dada por:
P(i) = 1 - eλi
O i é de “intervalo”.
O λ (lê-se lambda, é uma letra grega) é 1/taxa dada no enunciado.
Temos ainda que:
E(x) = λ
Var(x) = λ2
Essa distribuição é mais cobrada em concursos de Estatístico.
2. (CESPE/ABIN/OFICIAL TÉCNICO DE INTELIGÊNCIA ─ ÁREA DE CRIPTOANÁLI-
SE – ESTATÍSTICA/2010) Sabendo que o número de veículos que chegam, a cada
minuto, a determinado local de uma avenida segue um processo de Poisson homo-
gêneo, julgue o item a seguir.

ESTATÍSTICA
O intervalo de tempo entre a chegada de um veículo e o veículo que chega em se-
guida segue uma distribuição exponencial.
Certo.
É isso mesmo. Como falamos, quando buscamos o número de eventos no tempo,
utilizamos a Distribuição de Poisson.
Já quando buscamos o intervalo de tempo entre um evento e outro, usamos a Dis-
tribuição Exponencial.
1.5. Distribuição Normal
Foi um matemático chamado Carl Friedrich Gauss que criou a Distribuição Nor-
mal, por isso ela também é chamada de Curva de Gauss.
Gauss descobriu que muitas situações podem ser enquadradas em uma curva
“padrão”. Por exemplo, a altura das pessoas, notas das pessoas na faculdade etc.
A curva está representada abaixo:
Na curva normal, que também é chamada de curva do sino (porque ela parece
um sino), a média é igual à moda e à mediana (no desenho, é indicada pelo
símbolo μ).
ESTATÍSTICA
Vamos supor que μ seja a média de altura de um adulto, e que essa média seja
de 170cm, ou seja, 1,70m.
O símbolo σ indica o desvio-padrão.
Nessa curva, o desvio indica o número de itens inseridos no “sino” de acordo
com seu afastamento da média.
Veja só: na área compreendida entre μ - 1σ e μ + 1σ, podem ser encontrados
68,26% dos itens da distribuição.
Supondo que σ seja igual a 5cm, temos que, em uma população, 68,26% dos
adultos possuam altura entre 170 – 5 cm e 170 + 5 cm, ou seja, 1,65m e 1,75m.
Afastando-se um pouco mais da média, temos que, entre μ - 2σ e μ + 2σ,
são encontrados 95,46% dos itens da distribuição, ou seja, no nosso exemplo da
altura das pessoas, temos que 95,46% dos adultos possuem altura entre 1,60m
(170cm – 10cm) e 1,80m (170cm + 10cm).
Indo adiante, a curva normal indica que, entre μ - 3σ e μ + 3σ, são encontrados
99,73% da população, ou seja, apenas 0,27% dos itens da distribuição se encon-
tram fora desse intervalo.
No nosso exemplo, é como se 99,73% dos adultos tivessem altura entre 1,55m
e 1,85m.
Você entendeu?
Por favor, hein, se você é maior do que 1,85m ou menor do que 1,55m... não
fique se achando “anormal”, viu?? Rs... Foi só um exemplo que criei, e, ainda por
cima, com dados absolutamente hipotéticos, sem qualquer embasamento cientí-
fico... rs
ESTATÍSTICA
O importante, em Estatística Avançada, é aprender a calcular a probabilidade
de eventos cujo padrão pode ser expresso por meio da Curva. Isso não cai
em concurso: chove, despenca, causa tsunami, erupções etc. Rsrs
Por exemplo, digamos que a altura de sargentos de um exército seja represen-
tada por uma Curva de Gauss.
A altura média dos sargentos é de 1,70m, e o desvio-padrão é de 5 cm.
Ou seja, temos:
O Major do Batalhão poderia nos perguntar: qual a probabilidade de eu es-
colher 1 sargento com a altura entre 1,75 e 1,80?
Como calcular?
Como a altura dos sargentos é representada por uma Distribuição Normal, te-
mos que a probabilidade é dada pela área abaixo da curva. Assim, o que queremos
saber é:
ESTATÍSTICA
Assim, nosso objetivo é descobrir a área em azul. Para isso, vamos transformar
a curva acima numa Distribuição Normal Padrão.
TODA E QUALQUER Distribuição Normal pode ser transformada numa Distribui-
ção Normal Padrão.
As áreas sob a Distribuição Normal Padrão são conhecidas, tabeladas,
ou seja, quando transformamos qualquer Distribuição Normal em uma Dis-
tribuição Normal Padrão, automaticamente descobrimos a área abaixo de
sua curva, e qualquer probabilidade que a ela se refira.
A Distribuição Normal Padrão é uma curva com μ = 0 e σ = 1, como vemos
a seguir:
ESTATÍSTICA
Veja que, na Distribuição Normal Padrão, o μ é igual a 0 e o σ é igual a 1, mas
a área entre o +1 e o +2 é exatamente igual à área entre 1,75m e 1,80m da nossa
curva da altura dos sargentos.
Vamos, então, fazer a transformada da Distribuição que temos na Distri-
buição Padrão. Usamos a seguinte equação:
X-μ
Z=
σ
Na nossa Curva, queremos a área entre X1, que é igual a 1,75m e X2, que é igual
a 1,80m. A média μ é igual a 1,70m e σ = 5cm = 0,05m.
Então, primeiramente, achamos os correspondentes a X1 e X2, ou seja, Z1 e Z2:
X1 - μ 1,75 - 1,70 0,05

Z1 = = = = 1,00
σ 0,05 0,05
X2 - μ 1,80 - 1,70 0,1

Z2 = = = = 2,00
σ 0,05 0,05
Ou seja, agora, é como se tivéssemos transformado a pergunta inicial do Major
(Qual a probabilidade de eu escolher 1 sargento com a altura entre 1,75m
e 1,80m?), na seguinte pergunta:
Qual a probabilidade de eu escolher 1 sargento com a altura entre z =
1,00 e z = 2,00?
É claro que não foi essa a pergunta do Major, mas a resposta é igual, pois as
áreas abaixo da curva são iguais, como vimos. Para encontrar tal área, usamos a
Tabela da Distribuição Normal Padronizada, mostrada abaixo:
ESTATÍSTICA
Tabela da Distribuição Normal Padrão
P(Z<z)

z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

ESTATÍSTICA
Essa tabela mostra as áreas abaixo da Curva Normal Padronizada, ou seja, ela
mostra as probabilidades de um Z qualquer estar abaixo de um z.
Assim, se eu quero descobrir a área entre Z = 1,00 e Z = 2,00 (nosso exemplo),
basta eu encontrar a área menor do que z = 2 e diminuir desse valor a área menor
do que z = 1.
Vamos procurar os valores na tabela. Começamos pela coluna da vertical, à es-
querda. Vamos até o número 2,0:

z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
.....
.....
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
.....
A coluna da horizontal indica as casas depois da vírgula. Por exemplo, se qui-
séssemos a área entre 2,05 e 0, deveríamos procurar a célula correspondente ao
encontro de 2,0 e 0,05. No nosso caso, queremos 2,00, então:
z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
.....
.....
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
.....
O valor encontrado estará sempre entre 0 e 1. Encontramos 0,9772, isso sig-
nifica que a área menor do que z = 2 é de 0,9772. Como essa área é igual à pro-
babilidade, temos que a chance de um membro ser menor do que 2 é de 97,72%.

ESTATÍSTICA
O que queremos saber é a área entre 1 e 2. Portanto, temos de diminuir do valor
encontrado a menor do que 1, como explicado anteriormente. Esta área é de:

z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
......
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
......
Assim, se a área menor do que 2 de 0,9772 e a área menor do que 1 é de
0,8413, a área entre 1 e 2 é de 0,9772 – 0,8413 = 0,1359 = 13,59%. Assim, a
probabilidade de o nosso Major escolher um sargento com altura entre 1,75m e
1,80m é de 13,59%.
Não é tão difícil, não acha? Os cálculos são simples, basta acharmos os valores
de Z para encontrar a área (e, consequentemente, a probabilidade) na tabela.
Veremos várias questões nesse sentido, pois a Distribuição Normal é muito co-
brada em concursos.
3. (ESAF/SEFAZ-SP/APOEFP/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
ESTATÍSTICA
Letra a.
A questão pede a probabilidade entre os pontos –2,58 e 1,96 da Distribuição Nor-
mal Padrão.
São dados valores de P(Z<z).
Perceba que a área para P(Z<2,58) é a mesma área que a de P(Z>-2,58). Uma
está de um lado da curva, a outra de outro. Veja abaixo:
P(Z>-2,58) P(Z<2,58)
Assim, o que queremos é a área de P(Z>-2,58). Só que, ao invés de ir até o final
da curva normal, a probabilidade deve ir até 1,96. Queremos isto:
ESTATÍSTICA
Então, temos que retirar o pedacinho em branco que está à direita do 1,96. Ou
seja, se a curva inteira tem P = 1, e P(Z<1,96) = 0,975, queremos que a área fora
dessa curva fique de fora, ou seja, queremos 1 – 0,975 = 0,025 de fora:
Assim, a área entre –2,58 e 1,96 é dada por 0,995 – 0,025:
ESTATÍSTICA
RESUMO DA AULA
Distribuição
Normal
X-μ
Z=
σ
P(i) = 1 - e-λi
Distribuição i = “intervalo”.
Exponencial
λ (lê-se lambda, é uma letra grega) é 1/taxa dada no enunciado.
Passemos, finalmente, à bateria de questões :)
ESTATÍSTICA
QUESTÕES COMENTADAS EM AULA
1. (ESAF/MI/ESTATÍSTICO/2012) Seja X uma Variável Aleatória Contínua com fun-
ção densidade de probabilidade constante no intervalo [0,2]. Determine sua vari-
ância.
a) 1/3
b) 1/2
c) 2/3
d) 5/7
e) 5/6
2. (CESPE/ABIN/OFICIAL TÉCNICO DE INTELIGÊNCIA – ÁREA DE CRIPTOANÁLISE –
ESTATÍSTICA/2010) Sabendo que o número de veículos que chegam, a cada minu-
to, 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 se-
guida segue uma distribuição exponencial.
3. (ESAF/SEFAZ-SP/APOEFP/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
ESTATÍSTICA
GABARITO
1. a
2. C
3. a
ESTATÍSTICA
QUESTÕES DE CONCURSO
1. (ESAF/BACEN/ANALISTA/2002) Uma variável aleatória do tipo absolutamente
contínuo tem a função densidade de probabilidade seguinte:
1,2 - 0,08x 10 ≤ x ≤ 15
f(x) =
0 em outros casos
Assinale a opção que dá a probabilidade de que a variável aleatória assuma valores
entre 10 e 12.
a) 0,640
b) 0,200
c) 0,500
d) 0,160
e) 0,825
2. (ESAF/ISS-NATAL/AUDITOR-FISCAL/2008) Se x é uma variável aleatória com
função densidade de probabilidade f(x), caracterizada pelo modelo normal, pode-
mos afirmar que:
a) o desvio-padrão é igual a 1 (um).
b) a média tem valor 0 (zero).
c) a função de distribuição acumulada f(x) é igual a 1, para todos os valores acima
de b.
d) os parâmetros média, moda e mediana são iguais.
e) a variância tem o valor do quadrado da média.
3. (ESAF/RFB/ARFB/2009)A função densidade de probabilidade de uma variável
aleatória contínua x é dada por:

ESTATÍSTICA
3x2, se -1 ≤ x ≤ 0
f(x) =
0, caso contrário
Para essa função, a média de x, também denominada expectância de x e denotada
por E(x) é igual a:
4
a)
3
3
b)
4
3
c) -
4
-3
d) x
4
4
e) - x
3
4. (ESAF/MPS/AFPS/2002) A variável aleatória X tem distribuição uniforme no in-
tervalo (0,), onde α é uma constante maior do que 0,5. Determine o valor de tal
que F(0,5) = 0,7, sendo F(x) a função de distribuição de X.
a) 3/4
b) 1/4
c) 1
d) 5/7
e) 1/2
5. (ESAF/RECEITA FEDERAL/AUDITOR FISCAL DA RECEITA FEDERAL/2012) O Sr.
Ramoile, professor de Estatística aposentado, vem há muito tempo acompanhando
os dados sobre custos e faturamento do restaurante de sua filha Cecília. O res-
taurante funciona todos os dias da semana e o Sr. Ramoile concluiu que: o custo
diário do restaurante segue uma distribuição normal, com média igual a R$ 500,00
ESTATÍSTICA
e desvio-padrão igual a R$ 10,00 e que o faturamento diário, também, apresenta
uma distribuição normal, com média R$ 800 e desvio-padrão R$ 20. Como o Sr.
Ramoile conhece muito bem os princípios básicos da estatística, ele sabe que, se
uma variável Z seguir uma distribuição normal padrão, então Z tem média 0 e va-
riância 1. Ele também sabe que a probabilidade dessa variável Z assumir valores
no intervalo entre 0 < Z < 2 ─ ou seja, entre a média 0 e 2 desvios-padrão ─ é,
aproximadamente, igual a 0,4772. Cecília, muito preocupada com o futuro de seu
restaurante, perguntou a seu pai se ele poderia verificar a probabilidade de, em um
dia qualquer, o custo ser maior do que R$ 520,00 e o faturamento ficar no intervalo
entre R$ 760,00 e R$ 840,00. Após alguns minutos, o Sr. Ramoile disse, acerta-
damente, que as respectivas probabilidades são, em termos percentuais, iguais a
a) 2,28; 95,44.
b) 52,28; 95,44.
c) 2,28; 98,69.
d) 98,69; 95,44.
e) 98,65; 2,28.
6. (FCC/ISS-SP/AUDITOR-FISCAL/2007) Instruções: Para responder a próxima
questão utilize, dentre as informações abaixo, as que julgar adequadas. Se Ζ tem
distribuição normal padrão, então:
P(0< Ζ < 1) = 0,341 , P(0< Ζ < 1,6) = 0,445 , P(0< Ζ < 2) = 0,477
Os depósitos efetuados no Banco B, num determinado mês, têm distribuição nor-
mal com média R$ 9.000,00 e desvio-padrão R$ 1.500,00. Um depósito é selecio-
nado ao acaso dentre todos os referentes ao mês em questão. A probabilidade de
que o depósito exceda R$ 6.000,00 é de

ESTATÍSTICA
a) 97,7%
b) 94,5%
c) 68,2%
d) 47,7%
e) 34,1%
7. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO/2011) Nos pacotes de certa mar-
ca de cereal está escrito que o valor do peso bruto, X, do produto em questão é
300 gramas. Sabendo-se que X tem distribuição aproximadamente normal com
desvio-padrão de 10 gramas, o valor da média de X para que não mais do que 1
pacote em 40 tenha peso inferior a 300 gramas é, em gramas, igual a
a) 323,3.
b) 319,6.
c) 316,4.
d) 314,5.
e) 312,8.
8. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO/2011) Se Z tem distribuição nor-
mal padrão, então:
P (Z < 0,28) = 0,61; P (Z < 1,28) = 0,9; P (Z < 1,5) = 0,933; P (Z < 1,96) =
0,975; P (Z < 2) = 0,977.
O peso de um produto é uma variável aleatória X que tem distribuição normal com
média μ e desvio–padrão σ. Sabendo-se que 80% dos valores de X estão entre
(μ − 12,8) gramas e (μ + 12,8) gramas e que 39% são maiores do que 600 gra-
mas, os valores de μ e σ, em gramas, são dados, respectivamente, por

ESTATÍSTICA
a) 597,2 e 10.
b) 597 e 11.
c) 598,5 e 10
d) 596,5 e 10.
e) 597 e 12,8.
9. (FCC/SEFIN-RO/AUDITOR-FISCAL/2010) Os valores dos salários dos emprega-
dos de determinado ramo de atividade apresentam uma distribuição normal com
média R$ 2.000,00 e variância igual a 62.500 (R$)2. Considere os valores das pro-
babilidades P(0 ≤ Z ≤ z) para a distribuição normal padrão:
z 0,25 0,52 0,84 1,28

P (0 ≤ Z ≤ z) 0,10 0,20 0,30 0,40
Então, a porcentagem dos empregados que ganham salários inferiores a R$ 1.790,00
ou salários superiores a R$ 2.320,00 é igual a
a) 30%
b) 40%
c) 50%
d) 60%
e) 70%
10. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO/2011) As questões de números
56 e 57 referem-se às informações dadas abaixo.
e-1 = 0,368 e-0,75 = 0,472 e-2 = 0,135
O tempo de espera, em minutos, para a utilização de um caixa eletrônico 24 horas
por clientes de certos bancos, num determinado aeroporto, é uma variável aleató-
ria exponencial com média de 4 minutos. A probabilidade de um cliente esperar até
3 minutos para utilizar esse caixa é

ESTATÍSTICA
a) 0,534.
b) 0,520.
c) 0,528.
d) 0,466.
e) 0,458.
11. (FCC/ICMS-SP/AUDITOR-FISCAL/2006) Verificou-se que os valores arrecada-
dos dos tributos em uma cidade apresentam uma distribuição normal. Sabe-se
que 10% desses valores são superiores a R$ 1.770,00 e que 60% são menores ou
iguais a R$ 1.350,00.
z P (0 ≤ Z ≤ z)
0,00 0,00
0,25 0,10
0,50 0,19
0,75 0,27
1,00 0,34
1,10 0,36
1,20 0,38
1,30 0,40
1,40 0,42
1,50 0,43
Dados: Valores das probabilidades P(0 ≤ Z ≤ z) para a distribuição normal padrão.
A média e o desvio-padrão desses valores calculados utilizando a tabela acima são,
respectivamente:
a) R$ 1.250,00 e R$ 400,00
b) R$ 1.250,00 e R$ 20,00
c) R$ 1.410,00 e R$ 400,00
d) R$ 1.410,00 e R$ 20,00
e) R$ 1.560,00 e R$ 20,00
ESTATÍSTICA
12. (FCC/TRT 23a REGIÃO/ANALISTA JUD. – ESTATÍSTICA/2011) Se Z tem distri-
buição normal padrão, então:
P (Z < 0,25) = 0,60 P (Z < 1) = 0,84 P (Z < 1,5) = 0,93
Certo tipo de processo que entra num tribunal do trabalho passa por três etapas
de análise, antes de ser despachado. Os tempos de cada etapa de análise são va-
riáveis aleatórias independentes, normalmente distribuídas, com média e variância
dadas na tabela abaixo.
Etapa média variância

I 5 dias 2 (dias)2
II 8 dias 3 (dias)2
III 10 dias 4 (dias)2
Os processos, do tipo acima citado, que levam mais do que 26 dias para serem
despachados correspondem à porcentagem de
a) 20%
b) 19%
c) 18%
d) 17%
e) 16%
13. (FMP/TCE-RS/AUDITOR PÚBLICO EXTERNO – CIÊNCIAS ECONÔMICAS/2011)
Para a distribuição Normal de uma variável ficar completamente especificada, é
preciso saber:
a) somente a sua variância.
b) somente a sua média.
c) somente a sua variância e o seu coeficiente de assimetria.
d) somente a sua média e a sua variância.
e) somente a sua média, a sua variância e o seu coeficiente de assimetria.

ESTATÍSTICA
14. (FCC/TRT 1a REGIÃO/ANALISTA JUD. – ESTATÍSTICA/2011) Utilizando o Teo-
rema de Chebyshev, obteve-se que o valor máximo da probabilidade dos empre-
gados de uma empresa, que ganham um salário igual ou inferior a R$ 1.500,00 ou
um salário igual ou maior a R$ 1.700,00, é 25%. Sabendo-se que a média desses
salários é igual a R$ 1.600,00, encontra-se a respectiva variância, em (R$)2, que é
a) 2.500.
b) 3.600.
c) 4.900.
d) 6.400.
e) 10.000.
15. (FCC/TRT 23a REGIÃO/ANALISTA JUD. – ESTATÍSTICA/2011) Em uma reparti-
ção pública, deseja-se saber se o número de processos autuados por dia útil, em
uma semana, depende do dia da semana. Observando, então, o número de proces-
sos autuados nesta semana, obteve-se o quadro abaixo.
Dia útil Segunda Terça Quarta Quinta Sexta TOTAL

Número
19 15 16 17 13 80
de Processos
Para concluir se o número de processos autuados depende do dia da semana, a um
determinado nível de significância, utilizou-se o teste qui-quadrado. Se o número es-
perado de processos autuados por dia útil é igual a 16, então o valor do qui-quadrado
observado para ser comparado com o correspondente qui-quadrado tabelado é
a) 4,00.
b) 3,20.
c) 1,50.
d) 1,25.
e) 0,50.
ESTATÍSTICA
GABARITO
1. a
2. d
3. c
4. d
5. a
6. a
7. b
8. a
9. a
10. c
11. a
12. e
13. d
14. a
15. d
ESTATÍSTICA
QUESTÕES COMENTADAS
1. (ESAF/BACEN/ANALISTA/2002) Uma variável aleatória do tipo absolutamente
contínuo tem a função densidade de probabilidade seguinte:
1,2 - 0,08x 10 ≤ x ≤ 15
f(x) =
0 em outros casos
Assinale a opção que dá a probabilidade de que a variável aleatória assuma valores
entre 10 e 12.
a) 0,640
b) 0,200
c) 0,500
d) 0,160
e) 0,825
Letra a.
Vimos que a probabilidade de uma Variável Contínua é dada pela área abaixo do
gráfico da sua função densidade f(x). Então, nessa questão, basicamente, o que
precisamos é “rascunhar” um gráfico e calcular sua área.
Para fazer um gráfico, precisamos de coordenadas x e f(x). Podemos fazer uma
tabelinha:
x f(x)
O enunciado pede a probabilidade entre 10 e 12. Portanto, precisamos encontrar os
valores de f(x) correspondentes a esses valores de x.

ESTATÍSTICA
x f(x)
10
12
f(x) = 1,2 – 0,08x, para qualquer valor entre 10 e 15. Os valores pedidos (10 e 12),
estão dentro desse intervalo.
Primeiramente, calculamos f(10) = 1,2 – 0,08.(10) = 0,4. E f(12) = 1,2 – 0,08.12
= 1,2 – 0,96 = 0,24.
x f(x)
10 0,4
12 0,24
Plotando o gráfico (pessoal, não vou me preocupar aqui com a estética do gráfico,
da mesma forma como vocês, na hora da prova, não devem se preocupar, façam
um rascunho mesmo), chegamos à seguinte área (em azul):
Ou seja, temos um quadrado de altura 0,24 e base 2 (12 – 10), somado a um tri-
ângulo de altura 0,16 (0,4 – 0,24) e base 2.
Área quadrado = b.h = 2.0,24 = 0,48
Área triângulo = b.h/2 = 2.0,16/2 = 0,16
Somando, 0,48 + 0,16 = 0,64.

ESTATÍSTICA
2. (ESAF/ISS-NATAL/AUDITOR-FISCAL/2008) Se x é uma variável aleatória com
função densidade de probabilidade f(x), caracterizada pelo modelo normal, pode-
mos afirmar que:
a) o desvio-padrão é igual a 1 (um).
b) a média tem valor 0 (zero).
c) a função de distribuição acumulada f(x) é igual a 1, para todos os valores acima
de b.
d) os parâmetros média, moda e mediana são iguais.
e) a variância tem o valor do quadrado da média.
Letra d. Correto. A coisa mais básica de qualquer Distribuição Normal é ser aquela
curva em forma de sino, com Média, Moda e Mediana iguais
Essa questão é bem simples quando lembramos do que sabemos sobre Distribuição
Normal.
Aqui, é importante diferenciar Distribuições Normais quaisquer da Distribuição Nor-
mal Padronizada (aquela com média μ = 0 e desvio-padrão σ = 1).
A questão está falando de qualquer Distribuição Normal, não precisa ser a Padroni-
zada. Sabido isso, passemos à análise das alternativas:
Letra a. Falso. O desvio-padrão não é obrigatoriamente igual a 1.
Letra b. Falso. A média não é obrigatoriamente igual a zero.
Letra c.Oi? Não entendi até agora o que essa alternativa quis dizer. O que é esse
“b”? Se alguém souber me explica... examinador criativo. Falso.
Letra e. Falso. A variância é o quadrado do desvio-padrão.
3. (ESAF/RFB/ARFB/2009)A função densidade de probabilidade de uma variável
aleatória contínua x é dada por:
ESTATÍSTICA
3x2, se -1 ≤ x ≤ 0
f(x) =
0, caso contrário
Para essa função, a média de x, também denominada expectância de x e denotada
por E(x) é igual a:
4
a)
3
3
b)
4
3
c) -
4
-3
d) x
4
4
e) - x
3
Letra c.
Essa questão deu muita polêmica na época do AFRFB. Isso porque a expectância,
ou seja, a esperança E(X) de uma variável contínua, é dada por uma integral, de
x.f(x).
Integral é um cálculo matemático difícil. Duvido que o examinador quisesse que
resolvêssemos efetivamente por integral. Acho que ele queria que resolvêssemos
por “malandragem”.
Esta foi a maneira que eu utilizei na hora da prova (esse foi o concurso em que
passei). Vou ensiná-la para vocês:
Primeiramente, temos que ter em mente que E(x) é uma média.
E média não muda.
Você já viu alguém dizer “olha, a minha velocidade média no início foi de X e no
final foi de Y”? Não.
ESTATÍSTICA
A velocidade do cara pode ter mudado, mas a velocidade média é justamente
uma média das velocidades no início e no fim, e por isso não muda.
Por aí, já eliminamos as alternativas “d” e “e”, que colocam a média como função
de x. Falso, a média é um número que não varia.
As outras 3 alternativas trazem 2 números positivos (a e b) e 1 negativo (c).
Pois bem, queremos a média de valores que estão no intervalo entre 0 e –1,
portanto são valores negativos.
O que você acha? A média de valores negativos é um número negativo ou positivo?
Negativo, claro.
Lembre-se: quando a questão parecer muito impossível, muitas vezes ela é resol-
vida com atenção e por eliminação, e não com cálculos.
4. (ESAF/MPS/AFPS/2002) A variável aleatória X tem distribuição uniforme no in-
tervalo (0, ), onde α é uma constante maior do que 0,5. Determine o valor de
tal que F(0,5) = 0,7, sendo F(x) a função de distribuição de X.
a) 3/4
b) 1/4
c) 1
d) 5/7
e) 1/2
Letra d.
A “a” distribuição uniforme é aquela em que todos os valores de x possuem a mes-
ma probabilidade de ocorrência.
É dito que x tem distribuição uniforme no intervalo (0, ).
ESTATÍSTICA
A função F(x) é:
(x - a)
F(x) =
(b - a)
Como F(0,5) = 0,7, e = b, temos:
(0,5 - 0) 0,5
0,7 = =
( - 0)

0,5 5
= =
0,7 7
5. (ESAF/RECEITA FEDERAL/AUDITOR FISCAL DA RECEITA FEDERAL/2012) O Sr.
Ramoile, professor de Estatística aposentado, vem há muito tempo acompanhando
os dados sobre custos e faturamento do restaurante de sua filha Cecília. O res-
taurante funciona todos os dias da semana e o Sr. Ramoile concluiu que: o custo
diário do restaurante segue uma distribuição normal, com média igual a R$ 500,00
e desvio-padrão igual a R$ 10,00 e que o faturamento diário, também, apresenta
uma distribuição normal, com média R$ 800 e desvio-padrão R$ 20. Como o Sr.
Ramoile conhece muito bem os princípios básicos da estatística, ele sabe que, se
uma variável Z seguir uma distribuição normal padrão, então Z tem média 0 e va-
riância 1. Ele também sabe que a probabilidade dessa variável Z assumir valores
no intervalo entre 0 < Z < 2 ─ ou seja, entre a média 0 e 2 desvios-padrão ─ é,
aproximadamente, igual a 0,4772. Cecília, muito preocupada com o futuro de seu
restaurante, perguntou a seu pai se ele poderia verificar a probabilidade de, em um
dia qualquer, o custo ser maior do que R$ 520,00 e o faturamento ficar no intervalo
entre R$ 760,00 e R$ 840,00. Após alguns minutos, o Sr. Ramoile disse, acerta-
damente, que as respectivas probabilidades são, em termos percentuais, iguais a
ESTATÍSTICA
a) 2,28; 95,44.
b) 52,28; 95,44.
c) 2,28; 98,69.
d) 98,69; 95,44.
e) 98,65; 2,28.
Letra a.
Primeiro, vamos entender o custo diário. Ele disse que o custo diário segue uma
distribuição normal com média 500 e desvio 100:
μ = 500
σ = 10
O enunciado diz que o custo deve ser maior do que R$ 520,00:
ESTATÍSTICA
O enunciado (e tampouco a prova) não deu nenhuma tabela, mas ele falou assim:
“Ele também sabe que a probabilidade dessa variável Z assumir valores no
intervalo entre 0 < Z < 2 ─ ou seja, entre a média 0 e 2 desvios-padrão ─
é, aproximadamente, igual a 0,4772.”
Ou seja, ele falou que a área entre a média e 2 desvios é de 0,4772, ou seja,
47,72%.
Bingo! A área roxa, que procuramos (afinal o custo deve ser maior do que 520), é
50% (metade da área abaixo da curva) menos 47,72%.
Ou seja, a área roxa vale 2,28%.
Agora passemos à análise do faturamento diário. Ele disse que o faturamento
diário segue uma distribuição normal com média 800 e desvio 20:
μ = 800
σ = 20
O faturamento deve ficar no intervalo entre R$ 760,00 e R$ 840,00:
ESTATÍSTICA
Novamente usamos a informação do enunciado. Se entre 0 e 2 desvios-padrões a
área abaixo da curva vale 0,4772 (o que representa uma probabilidade de 47,72%),
então, como aqui temos essa área para os dois lados (entre 800 e 760 = 47,72% e
entre 800 e 840 = 47,72%), a área em azul vale 2 x 47,72% = 95,44%.
6. (FCC/ISS-SP/AUDITOR-FISCAL/2007) Instruções: Para responder a próxima
questão utilize, dentre as informações abaixo, as que julgar adequadas. Se Ζ tem
P(0< Ζ < 1) = 0,341 , P(0< Ζ < 1,6) = 0,445 , P(0< Ζ < 2) = 0,477
Os depósitos efetuados no Banco B, num determinado mês, têm distribuição nor-
mal com média R$ 9.000,00 e desvio-padrão R$ 1.500,00. Um depósito é selecio-
nado ao acaso dentre todos os referentes ao mês em questão. A probabilidade de
que o depósito exceda R$ 6.000,00 é de
a) 97,7%
b) 94,5%
c) 68,2%
d) 47,7%
e) 34,1%
Letra a.
Colocando os dados no gráfico (média
9000 e desvio-padrão 1500):
ESTATÍSTICA
Pede-se a probabilidade de o depósito exceder 6000, que é a área pintada em cor
azul.
Do lado direito do sino, temos, então, metade da área sob a curva, ou seja, 50%
pintados.
Assim, já podemos descartar as alternativas “d” e “e”, que trazem opções menores
do que 50%.
Portanto, nosso objetivo agora é saber quanto vale a probabilidade do lado esquer-
do do sino, para somar aos já conhecidos 50% e descobrir a probabilidade total.
Perceba que nem precisamos calcular z.
Como a área que queremos é maior do que 6000, e o desvio-padrão é de exata-
mente 1500, temos que queremos toda a área à esquerda de 2 desvios-padrão a
menos do que a média.
Ou seja, z = 2.
Para z = 2, o enunciado diz que P(0< Ζ < 2) = 0,477. Assim, basta somar ao 0,5
do outro lado para chegar a 0,977 de probabilidade de o valor exceder à 6000 reais.
7. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO/2011) Nos pacotes de certa mar-
ca de cereal está escrito que o valor do peso bruto, X, do produto em questão é
300 gramas. Sabendo-se que X tem distribuição aproximadamente normal com
desvio-padrão de 10 gramas, o valor da média de X para que não mais do que 1
pacote em 40 tenha peso inferior a 300 gramas é, em gramas, igual a
a) 323,3.
b) 319,6.
c) 316,4.
d) 314,5.
e) 312,8.
ESTATÍSTICA
Letra b.
Vamos entender o enunciado.
Se é dito em um pacote de cereal que ele possui 300g, todos os pacotes deveriam
possuir exatamente 300g.
Só que, na prática, isso não ocorre. É dito que o peso varia, e segue uma curva
normal com média X e desvio-padrão de 10g:
O enunciado pede a média μ para que não mais que 1/40 pacotes estejam abaixo
de 300g. Ou seja, a probabilidade de termos um pacote com peso menor que 300
deve ser de 1/40.
Assim, P(x<300) = 1/40 = 0,025.
Essa probabilidade pode ser demonstrada no gráfico abaixo:
ESTATÍSTICA
Assim, procuramos na tabela qual o z equivalente a essa probabilidade. Perceba
que, na tabela que vimos (P(Z<z)), temos de procurar a probabilidade equivalente
a 1 - 0,025 = 0,975, pois estamos do lado negativo da distribuição:
z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
.....
.....
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
.....
Para P(z) = 0,975 e x = 300, z = 1,96, o que no nosso caso significa que z = -1,96
(já que estamos do lado negativo).
Assim, utilizamos esse valor para descobrir a média μ.
X-μ
Z=
σ
300 - μ
-1,96 =
10
300 - μ = -19,6
μ = 319,6
Assim, a média tem que ser bem maior do que 300 para garantir que não mais que
1/40 pacotes contenham menos do que 300g.
8. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO/2011) Se Z tem distribuição nor-
mal padrão, então:
P (Z < 0,28) = 0,61; P (Z < 1,28) = 0,9; P (Z < 1,5) = 0,933; P (Z < 1,96) =
0,975; P (Z < 2) = 0,977.
O peso de um produto é uma variável aleatória X que tem distribuição normal com
média μ e desvio-padrão σ. Sabendo-se que 80% dos valores de X estão entre (μ
− 12,8) gramas e (μ + 12,8) gramas e que 39% são maiores do que 600 gramas,
os valores de μ e σ, em gramas, são dados, respectivamente, por

ESTATÍSTICA
a) 597,2 e 10.
b) 597 e 11.
c) 598,5 e 10
d) 596,5 e 10.
e) 597 e 12,8.
Letra a.
Começamos desenhando: primeiramente, é dito que 80% dos valores de X estão
entre μ − 12,8 gramas e μ + 12,8 gramas, ou seja, há 40% para cada lado de μ:
Além disso, diz-se que 39% são maiores do que 600g:
ESTATÍSTICA
Ou seja, o ponto X = 600 delimita uma área em que 61% da curva está a sua es-
querda, e 39% está a sua direita. O enunciado fornece:
P (Z < 0,28) = 0,61;
P (Z < 1,28) = 0,9;
P (Z < 1,5) = 0,933;
P (Z < 1,96) = 0,975;
P (Z < 2) = 0,977.
Portanto, vamos usar P (Z < 0,28) = 0,61 e encontraremos z = 0,28 para esse
ponto. Vamos utilizar na equação:
X-μ
Z=
σ
600 - μ
0,28 =
σ
Além desse ponto, sabemos que no ponto μ + 12,8, 90% da curva está à esquerda
e 10% à direita.
O enunciado diz que P (Z < 1,28) = 0,9, ou seja, 90% da curva está à esquerda
do ponto z = 1,28. Assim, o ponto z = 1,28 é o equivalente de μ + 12,8 na curva
normal padrão.
Vamos colocar na equação de z:
X-μ
Z=
σ
μ + 12,8 - μ
1,28 =
σ
12,8
1,28 =
σ
12,8
σ= = 10
1,28
ESTATÍSTICA
Assim, sabemos que o desvio-padrão é igual a 10 e, com isso, sobram as alternati-
vas a, c e d. Vamos voltar à primeira equação que encontramos, para achar o valor
da média:
600 - μ
0,28 =
σ
600 - μ
0,28 =
10
2,8 = 600 - μ
μ = 600 - 2,8 = 597,2
Assim, a média é 597,2.
9. (FCC/SEFIN-RO/AUDITOR-FISCAL/2010) Os valores dos salários dos emprega-
dos de determinado ramo de atividade apresentam uma distribuição normal com
média R$ 2.000,00 e variância igual a 62.500 (R$)2. Considere os valores das pro-
babilidades P(0 ≤ Z ≤ z) para a distribuição normal padrão:
z 0,25 0,52 0,84 1,28

P (0 ≤ Z ≤ z) 0,10 0,20 0,30 0,40
Então, a porcentagem dos empregados que ganham salários inferiores a R$ 1.790,00
ou salários superiores a R$ 2.320,00 é igual a
a) 30%
b) 40%
c) 50%
d) 60%
e) 70%
ESTATÍSTICA
Letra a.
Com base nos dados do enunciado, vamos montar o gráfico:
Não foi dado o desvio-padrão, mas foi dada a variância. Já sabemos que:
variância = σ2
Portanto, o desvio é:
σ= 62500 = 625.100 = 25 . 10 = 250
Temos, então, que a equação de z é:

X-μ
z=
σ
X - 2000
z=
250
Vamos utilizar a equação acima para os dois pontos que temos, X = 1790 e X =
2320. Sabendo o valor de z, pelos dados do enunciado, sabemos a área da curva
respectiva e, portanto, a porcentagem.
X = 1790
1790 - 2000 -210
z= = = 0,84
250 250
Os valores da probabilidade dadas no enunciado são da forma P(0 ≤ Z ≤ z). Por-
tanto, ele retorna à área do gráfico do ponto z = 0 ao ponto desejado.

ESTATÍSTICA
Para o ponto z = 0,84, a área é de 0,30. No entanto, queremos a área à esquerda
deste ponto. O gráfico abaixo explica melhor:
Portanto, a área azul, que é a área que buscamos, corresponde a 50 – 30% = 20%.
Vamos fazer o mesmo com o ponto X = 2320:
X = 2320
2320 - 2000 320
z= = = 1,28
250 250
Para z = 1,28, o enunciado diz que P(0 ≤ Z ≤ z) = 0,40.
Novamente, sabemos que essa é a área que vai do ponto z = 0 ao ponto z = 1,28:
Assim, a área azul, que queremos, é dada por 0,5 – 0,4 = 0,1 = 10%.
As duas áreas, somadas, correspondem a 30%.

ESTATÍSTICA
10. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO/2011) As questões de números
56 e 57 referem-se às informações dadas abaixo.
e-1 = 0,368 e-0,75 = 0,472 e-2 = 0,135
O tempo de espera, em minutos, para a utilização de um caixa eletrônico 24 horas
por clientes de certos bancos, num determinado aeroporto, é uma variável aleató-
ria exponencial com média de 4 minutos. A probabilidade de um cliente esperar até
3 minutos para utilizar esse caixa é
a) 0,534.
b) 0,520.
c) 0,528.
d) 0,466.
e) 0,458.
Letra c.
Questão sobre a Distribuição Exponencial.
Na Distribuição Exponencial, pensamos inversamente: queremos um intervalo
de tempo/quantidade para a ocorrência de um evento.
A probabilidade na Distribuição Exponencial é dada por:
P(i) = 1 - e-λi
O i é de “intervalo”.
λ (lê-se lambda, é uma letra grega) é 1/taxa dada no enunciado.
Portanto, para essa questão, temos:
i = 3 minutos.
taxa = 4 minutos de espera.
λ = 1/taxa = 1/4 = 0,25.
P(3) = 1 - e-0,25.3 = 1 - e-0,75 = 1 - 0,472 = 0,528
ESTATÍSTICA
11. (FCC/ICMS-SP/AUDITOR-FISCAL/2006) Verificou-se que os valores arrecada-
dos dos tributos em uma cidade apresentam uma distribuição normal. Sabe-se
que 10% desses valores são superiores a R$ 1.770,00 e que 60% são menores ou
iguais a R$ 1.350,00.
z P (0 ≤ Z ≤ z)
0,00 0,00
0,25 0,10
0,50 0,19
0,75 0,27
1,00 0,34
1,10 0,36
1,20 0,38
1,30 0,40
1,40 0,42
1,50 0,43
Dados: valores das probabilidades P(0 ≤ Z ≤ z) para a distribuição normal padrão.
A média e o desvio-padrão desses valores calculados utilizando a tabela acima são,
respectivamente:
a) R$ 1.250,00 e R$ 400,00
b) R$ 1.250,00 e R$ 20,00
c) R$ 1.410,00 e R$ 400,00
d) R$ 1.410,00 e R$ 20,00
e) R$ 1.560,00 e R$ 20,00
Letra a.
Inicialmente, vamos desenhar o que o enunciado pede:

ESTATÍSTICA
Agora, repare na tabela dada. Ela é diferente da nossa. Essa traz os valores de
P(0 ≤ Z ≤ z). A que usamos durante a aula, dizia z < Z. A diferença é a seguinte:
P(0 ≤ Z ≤ z): traz as probabilidades para apenas uma das metades da curva nor-
mal (assim, a maior probabilidade dessa tabela será de 50%). Por exemplo, para
encontrar a probabilidade de 60% (em azul no nosso gráfico), devemos utilizar
apenas o lado direito do sino e considerar a probabilidade de 10% (que é o que
sobrou do lado direito).
P(z < Z): traz as probabilidades para a curva inteira. Para encontrar a probabilidade
do nosso 60% em azul, devemos procurar diretamente os 60%.
Como a tabela dada é a do tipo P(0 ≤ Z ≤ z), devemos procurar nela o valor de z
correspondente à probabilidade de 10% (0,10), que é a parte em azul que “sobrou”
do lado direito do sino. Reparem que, para essa probabilidade, z = 0,25:
ESTATÍSTICA
Assim, o z correspondente ao 1350 é 0,25.
Para encontrar o z correspondente à parte em verde, fazemos o inverso. Sabemos
que todo o lado direito do sino possui probabilidade de 50%. Como a parte em verde
possui 10%, ela começa no z referente a 40% do sino:
Para a probabilidade de 40% (0,40), z = 1,30. Então, nosso gráfico da curva nor-
mal padronizada correspondente aos nossos dados é:
ESTATÍSTICA
Então, temos:
x-μ
z=
σ
1350 - μ
0,25 =
σ
1350 - μ
σ=
0,25
1770 - μ
1,30 =
σ
1770 - μ
σ=
1,30
Agora, igualamos as duas equações:
1350 - μ 1770 - μ
=
0,25 1,30
1755 - 1,3μ = 442,5 - 0,25μ
μ = 1250
Agora, colocamos a média em qualquer uma das equações, para encontrar o des-
vio-padrão:
1350 - μ 1770 - 1250

σ= = = 400
0,25 1,30
12. (FCC/TRT 23a REGIÃO/ANALISTA JUDICIÁRIO – ESTATÍSTICA/2011) Se Z tem
P (Z < 0,25) = 0,60 P (Z < 1) = 0,84 P (Z < 1,5) = 0,93
Certo tipo de processo que entra num tribunal do trabalho passa por três etapas
de análise, antes de ser despachado. Os tempos de cada etapa de análise são va-
riáveis aleatórias independentes, normalmente distribuídas, com média e variância
dadas na tabela abaixo.

ESTATÍSTICA
Etapa média variância

I 5 dias 2 (dias)2
II 8 dias 3 (dias)2
III 10 dias 4 (dias)2
Os processos, do tipo acima citado, que levam mais do que 26 dias para serem
despachados correspondem à porcentagem de
a) 20%
b) 19%
c) 18%
d) 17%
e) 16%
Letra e.
A questão fornece a média e a variância de cada uma das etapas de análise. Preci-
samos, portanto, encontrar qual é o valor conjunto para as 3 etapas.
Se a média é dada por μ, então μ = 5 + 8 + 10 = 23 dias.
Se a variância é dada por σ², então σ² = 2 + 3 + 4 = 9 dias².
Então, já que os tempos de cada análise são normalmente distribuídos, temos:
ESTATÍSTICA
Temos:
x-μ
z=
σ
26 - 23 3
z= = =1
3 3

O enunciado diz que P (Z < 1) = 0,84, portanto, para Z > 1, P = 1 – 0,84 =
0,16 = 16%.
13. (FMP/TCE-RS/AUDITOR PÚBLICO EXTERNO – CIÊNCIAS ECONÔMICAS/2011)
Para a distribuição Normal de uma variável ficar completamente especificada, é
preciso saber:
a) somente a sua variância.
b) somente a sua média.
c) somente a sua variância e o seu coeficiente de assimetria.
d) somente a sua média e a sua variância.
e) somente a sua média, a sua variância e o seu coeficiente de assimetria.
Letra d.
Como vimos, para especificar uma distribuição normal, sempre são necessários
dois valores: a média e o desvio-padrão.
O desvio é a raiz quadrada da variância, então, ao invés do desvio, podemos utilizar
a variância.
14. (FCC/TRT 1a REGIÃO/ANALISTA JUDICIÁRIO – ESTATÍSTICA/2011) Utilizando
o Teorema de Chebyshev, obteve-se que o valor máximo da probabilidade dos em-
pregados de uma empresa, que ganham um salário igual ou inferior a R$ 1.500,00

ESTATÍSTICA
ou um salário igual ou maior a R$ 1.700,00, é 25%. Sabendo-se que a média des-
ses salários é igual a R$ 1.600,00, encontra-se a respectiva variância, em (R$)2,
que é
a) 2.500.
b) 3.600.
c) 4.900.
d) 6.400.
e) 10.000.
Letra a.
Vou falar um pouco sobre o Teorema de Chebyshev. Apesar do nome difícil, ele é
bem fácil de ser aprendido. O que devemos saber sobre o Teorema de Chebyshev
está sintetizado na figura abaixo:
TEOREMA DE CHEBYSHEV
ESTATÍSTICA
Ou seja:
1) Ele retorna à proporção máxima ou mínima de valores dentro e fora de um
intervalo.
2) Os itens fora do intervalo são dados pela proporção máxima, que é dada
por:
1
PMáxima =
k2

Este K é dado por:

D
K=
S

S é o desvio-padrão.
D é a medida de uma das partes do intervalo. Vamos ver como se calcula com a
resolução do exercício.

3) Já os itens dentro do intervalo são dados pela proporção mínima, que é
dada por 1 – proporção máxima.
Vamos à resolução da questão. Ela diz que se obteve o valor máximo da probabili-
dade (que é a proporção máxima) dos salários abaixo de 1500 ou acima de 1700.
A média é 1600. Vamos ver na figura:
ESTATÍSTICA
A média é 1600, e os valores do intervalo estão entre 1500 e 1700. Portanto, D =
100 (Intervalo/2).
A questão diz que a proporção máxima é de 25%, ou seja, 0,25.
Assim:

1
PMáxima =
k2

1
0.25 =
k2
1
K2 = 0,25
K2 = 4
K=2
O K é dado por:
D
K=
S
100
2=
S
S = 50
A questão pede a variância. Sabemos que a variância é o quadrado do desvio-padrão.
Assim, a variância é 502 = 2500.
15. (FCC/TRT 23a REGIÃO/ANALISTA JUDICIÁRIO – ESTATÍSTICA/2011) Em uma
repartição pública, deseja-se saber se o número de processos autuados por dia útil,
em uma semana, depende do dia da semana. Observando, então, o número de
processos autuados nesta semana, obteve-se o quadro abaixo.
ESTATÍSTICA
Dia útil Segunda Terça Quarta Quinta Sexta TOTAL

Número
19 15 16 17 13 80
de Processos
Para concluir se o número de processos autuados depende do dia da semana, a um
determinado nível de significância, utilizou-se o teste qui-quadrado. Se o número es-
perado de processos autuados por dia útil é igual a 16, então o valor do qui-quadrado
observado para ser comparado com o correspondente qui-quadrado tabelado é
a) 4,00.
b) 3,20.
c) 1,50.
d) 1,25.
e) 0,50.
Letra d.
Nessa questão, falaremos sobre a Distribuição Qui-Quadrado.
Na próxima aula, falaremos sobre o Teste do Qui-Quadrado. Nesta aula, vamos nos
ater à Distribuição.
A Distribuição Qui-Quadrado tem a seguinte forma (reparem que ela é assimétrica
à direita):
ESTATÍSTICA
GL é chamado de Grau de Liberdade.
O Qui-Quadrado é dado pela equação:
(0 - E)2
x2 = Σ
E
Onde E = valor esperado e O = valor observado.
Vamos resolver para a questão:
E = 16
Os valores observados estão na tabela.
(0 - E)2 (19 - 16)2 + (15 - 16)2 + (16 - 16)2 + (17 - 16)2 + (13 - 16)2
x2 = Σ = = 1,25
E 16

3 Estatistica Avancada I

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

3 Estatistica Avancada I

Caricato da

Copyright:

Formati disponibili

Sefaz-df

Prof.a Karine Waldrich

Prof.a Karine Waldrich

1. Variáveis Aleatórias Contínuas (VAC) e Distribuições Contí-

Vamos aprender as diferenças das Variáveis Contínuas para as Variáveis Discre-

tas, pois fica mais fácil...

Eu acho as Variáveis Contínuas mais fáceis do que as Variáveis Discretas.

Aqui, temos 3 distribuições importantes:

• Distribuição Uniforme (Contínua);

Nas Variáveis Aleatórias Discretas, tínhamos a Função Massa, lembra-se?

ção da probabilidade no ponto.

babilidade uma função contínua.

Lembra-se do exemplo na aula passada? Não temos “lançamentos de um dado”,

falamos no “peso de uma mulher”, por exemplo. Há uma curva de probabilidades,

e não um ponto isolado.

Prof.a Karine Waldrich

Por isso, chamamos a função da probabilidade de uma Variável Contínua de

Função Densidade, e não de Função Massa.

1.1. Função Densidade

Sobre essa curva, a qual chamaremos de P(x), podemos deduzir o seguinte:

1) Seus valores são sempre superiores a 0, ou seja, P(x) ≥ 0;

2) A área sob um determinado intervalo da curva indica a probabilidade

do evento acontecer naquele intervalo.

Prof.a Karine Waldrich

1.2. Função Distribuição

A Função Distribuição indica a probabilidade de um X qualquer assumir um valor

Resumindo, sem muita firula, a função distribuição indica a probabilidade de

um X qualquer ser menor ou igual a um x da Função Densidade.

Ou seja, F(x) = P(X≤x).

Por exemplo, se quisermos saber a probabilidade de o peso X de uma mulher

estar entre 65 e 85kg, fazemos:

Passemos às principais distribuições contínuas de probabilidade.

1.3. Distribuição Uniforme (Contínua)

A Distribuição Uniforme é aquela em que todos os valores de x possuem a mes-

quanto para uma variável contínua.

A função densidade da distribuição uniforme contínua é dada por:

A função distribuição é dada por:

Prof.a Karine Waldrich

A Esperança E(x) = μ é a média aritmética dos valores possíveis para x. Para

uma distribuição uniforme contínua:

A variância, colocando a equação acima na regra geral, é:

1. (ESAF/MI/ESTATÍSTICO/2012) Seja X uma Variável Aleatória Contínua com

função densidade de probabilidade constante no intervalo [0,2]. Determine sua

Vamos tentar identificar a distribuição. O enunciado diz que:

1) X é uma variável aleatória contínua;

2) X tem uma função densidade;

3) A função densidade de probabilidade é constante no intervalo [0,2].

Se a função é constante em um intervalo, ela é uma distribuição uniforme

contínua. Nas variáveis discretas não falamos em intervalos, lembra? Falamos em

Prof.a Karine Waldrich

Além disso, se a distribuição tem função densidade, ela é contínua. Se fosse

discreta, teria função massa, lembra?

Resolvendo a questão, como é uma distribuição uniforme contínua, a variância é

dada pela seguinte equação:

1.4. Distribuição Exponencial

A Distribuição Exponencial é uma espécie de “oposto” da Distribuição de Poisson.

Na Distribuição de Poisson, estimávamos a probabilidade de ocorrência de

certo número de eventos num intervalo de tempo/quantidade.

bilidade de ele apresentar, em um metro de fio, 4 falhas?

Já na Distribuição Exponencial, pensamos inversamente: queremos um in-

tervalo de tempo/quantidade para a ocorrência de um evento. Por exemplo: um

falha em 3 metros de fio?

Prof.a Karine Waldrich