DISTRIBUIO NORMAL

Introduo
Exemplo : Observamos o peso, em kg, de 1500 pessoas
adultas selecionadas ao acaso em uma populao.
O histograma por densidade o seguinte:

Densid ade

0 .04

0 .03

0 .02

0 .01

0 .00
30

40

50

60

70

P es o

80

90

1 00

A anlise do histograma indica que:

- a distribuio dos valores aproximadamente simtrica em
torno de 70kg;
- a maioria dos valores (88%) encontra-se no intervalo (55;85);
- existe uma pequena proporo de valores abaixo de 48kg
(1,2%) e acima de 92kg (1%).

Vamos definir a varivel aleatria

X: peso, em kg, de uma pessoa adulta escolhida,
ao acaso, da populao.
Como se distribuem os valores da varivel aleatria X, isto ,
qual a distribuio de probabilidades de X ?

Densidade

0.030

0.015

0.000
30

40

50

60

70

80

90

100

P eso

A curva contnua da figura denomina-se curva Normal.

Normal

A distribuio normal uma das mais importantes distribuies

contnuas de probabilidade pois:

Muitos fenmenos aleatrios comportam-se de forma prxima

a essa distribuio. Exemplos:
1. altura;
2. presso sangnea;
3. peso.
Pode ser utilizada para calcular, de forma aproximada,
probabilidades para outras distribuies como, por exemplo,
para a distribuio binomial.

Nem todos os fenmenos se ajustam distribuio Normal.

Exemplo:
Y: Durao, em horas, de uma lmpada de certa marca.
A experincia sugere que esta distribuio deve ser assimtrica grande proporo de valores entre 0 e 500 horas e pequena
proporo de valores acima de 1500 horas.

Modelos Contnuos de Probabilidade

Varivel Aleatria Contnua:
Assume valores num intervalo de nmeros reais.
No possvel listar, individualmente, todos os possveis
valores de uma v.a. contnua.
Associamos probabilidades a intervalos de valores da varivel.

Propriedades dos Modelos Contnuos

Uma v.a. X contnua caracterizada por sua funo densidade
de probabilidade f(x) com as propriedades:
(i) A rea sob a curva de densidade 1;
(ii) P(a X b) = rea sob a curva da densidade f(x) e acima do
eixo x, entre os pontos a e b;
(iii) f(x) 0, para todo x;
(iv) P(X = x0) = 0, para x0 fixo.

Assim, P(a < X < b) = P(a X < b)

= P(a < X b) = P(a X b).

A DISTRIBUIO NORMAL
A v. a. X tem distribuio normal com parmetros e 2 se sua
funo densidade de probabilidade dada por

1
f (x ) =
e
2

1 x

, < x < .

Pode ser mostrado que

1. o valor esperado (mdia) de X ( - < < );
2. 2 a varincia de X ( 2 > 0).
Notao : X ~ N( ; 2)

Propriedades de X ~ N(;2)

E(X) = (mdia ou valor esperado);

Var(X) = 2 (e portanto, DP(X) = );
f (x) 0 quando x ;
x = ponto de mximo de f (x);
- e + so pontos de inflexo de f (x);
a curva Normal simtrica em torno da mdia .

A distribuio normal depende dos parmetros e 2

N(1; 2)

N(2; 2)

Curvas normais com mesma varincia 2,

mas mdias diferentes (2 > 1).

Influncia de 2 na curva normal

N(; 12)

22 > 12
N(; 22)

Curvas normais com mesma mdia ,

mas com varincias diferentes (22 > 12 ).

Clculo de probabilidades
P(a < X < b)
rea sob a curva e acima do eixo horizontal (x) entre a e b.

Se X ~ N( ; 2),

definimos

X
Z =

E(Z) = 0
Var(Z) = 1

f(x)

X ~ N(; 2)

f (z)

Z ~ N(0; 1)

0 b

A v.a. Z ~ N(0;1) denomina-se normal padro ou reduzida.

reduzida
Portanto,

b
a X b
a
P(a < X < b ) = P
<
<
<Z <
= P

Dada a v.a. Z ~N(0; 1) podemos obter a v.a. X ~ N(; 2)

atravs da transformao inversa
X = + Z .

USO DA TABELA NORMAL PADRO

f(z)

Denotamos : A(z) = P(Z z), para z 0.

Tabela

Exemplo: Seja Z ~ N (0; 1), calcular

a) P(Z 0,32)

P(Z 0,32) = A(0,32) = 0,6255.

Tabela

Encontrando o valor na Tabela N(0;1):

z

0,0

0,5000

0,5039

0,5079

0,1

0,5398

0,5437

0,5477

0,2

0,5792

0,5831

0,5870

0,3

0,6179

0,6217

0,6255

Tabela

b) P(0 < Z 1,71)

P(0 < Z 1,71) = P(Z 1,71) P(Z 0)

= A(1,71) A(0)
= 0,9564 - 0,5 = 0,4564.
Obs.:

P(Z < 0) = P(Z > 0) = 0,5.

Tabela

c) P(1,32 < Z 1,79)

P(1,32 < Z 1,79) = P(Z 1,79) P(Z 1,32)

= A(1,79) - A(1,32)
= 0,9633 - 0,9066 = 0,0567.
Tabela

d) P(Z 1,71)

P(Z >1,71) = 1 P(Z 1,71) = 1 A(1,71)

= 1 0,9564 = 0,0434.
Tabela

e) P(Z 1,3)

P(Z 1,3) = P(Z 1,3) = 1 P(Z 1,3) = 1 A(1,3)

= 1 0,9032 = 0,0968.
Obs.: Pela simetria, P(Z 1,3) = P(Z 1,3).
Tabela

f) P(-1,5 Z 1,5)

P(1,5 Z 1,5) = P(Z 1,5) P(Z 1,5)

= P(Z 1,5) P(Z 1,5) = P(Z 1,5) [1 P(Z 1,5)]
= 2 P(Z 1,5) 1 = 2 A(1,5) 1
= 2 0,9332 1 = 0,8664.
Tabela

g) P(1,32 < Z < 0)

P(1,32 < Z < 0) = P(0 < Z < 1,32)

= P(Z 1,32) P(Z 0) = A(1,32) 0,5
= 0,9066 0,5 = 0,4066.
Tabela

h) P( -2,3 < Z -1,49)

P( -2,3 < Z -1,49) = P(1,49 Z < 2,3) = A(2,3) - A(1,49)

= 0,9893 - 0,9319
= 0,0574.
Tabela

i) P(-1 Z 2)

P(1 Z 2) = P(Z 2) P(Z 1) = A(2) P(Z 1)

= A(2) [1 P(Z 1)] = A(2) (1 A(1) )
= 0,9773 ( 1 0,8413) = 0,9773 0,1587
= 0,8186.
Tabela

Como encontrar o valor z da distribuio N(0;1) tal que:

(i) P(Z z) = 0,975

z tal que A(z) = 0,975.

Pela tabela, z = 1,96.

Tabela

(ii) P(0 < Z z) = 0,4975

z tal que A(z) = 0,5 + 0,4975 = 0,9975.

Pela tabela z = 2,81.
Tabela

(iii) P(Z z) = 0,3

z tal que A(z) = 0,7.

Pela tabela, z = 0,53.
Tabela

(iv) P(Z z) = 0,975

a tal que A(a) = 0,975 e z = a.

Pela tabela a = 1,96. Ento, z = 1,96.
Tabela

(v) P(Z z) = 0,10

a tal que A(a) = 0,90 e z = a.

Pela tabela, a = 1,28 e, assim, z = 1,28.
Tabela

(vi) P( z Z z) = 0,80

z tal que P(Z < z) = P(Z > z) = 0,1.

Isto , P(Z< z) = A(z) = 0,90 e assim, pela tabela, z = 1,28.
Tabela

Observao: Se X ~ N( ; 2), ento

+

(i) P( - X + ) = P
Z

= P(-1 Z 1)
= 2(A(1) 0,5)
= 2(0,8413 0,5)
= 0,6826
Z

isto , P( - X + ) = 0,683.

(ii) P( 2 X + 2 ) = P( 2 Z 2 ) = 0,955.
(iii) P( 3 X +3 ) = P( 3 Z 3 ) = 0,997.
Tabela

Exemplo: Seja X ~ N(10 ; 64) ( = 10, 2 = 64 e = 8 )

Calcular: (a) P(6 X 12)
6 10 X 10 12 10
= P
<
<
= P ( 0,5 < Z < 0,25 )
8
8
8

= A(0,25) - (1 - A(0,5) )
= 0,5987- ( 1- 0,6915 )
= 0,5987- 0,3085 = 0,2902
Z

Tabela

(b) P(X 8 ou X > 14)

8 10
14 10

P( X 8) + P( X > 14) = P Z
+ P Z >

8
8

= P(Z < - 0,25 ) + P(Z > 0,5 )

= 1 - A(0,25) + 1 - A(0,5)
= 1 - 0,5987 + 1 - 0,6915 = 0,7098
Tabela

c) k tal que P(X k) = 0,05

k 10
X 10 k 10

P ( X k ) = 0,05 P
>
=
P
Z

= 0,05.
8
8
8

z tal que A(z)=0,95

Pela tabela z = 1,64
Z

k 10
= 1,64 k = 10 + 1,64 8 = 23,12
Ento, z =
8
Tabela

d) k tal que P(X k) = 0,025

k 10

P( X k ) = 0,025 P Z
= 0,025.
8

z tal que A(z) = 0,975.

Pela tabela, z = 1,96.

k 10
= z = 1,96
Ento,
8
Logo, k = 10 1,96 8 = 5,68.
Tabela

Exemplo: O tempo gasto no exame vestibular de uma

universidade tem distribuio normal, com mdia 120 min e
desvio padro 15 min.
a) Sorteando um aluno ao acaso, qual a probabilidade que ele
termine o exame antes de 100 minutos?
X: tempo gasto no exame vestibular X ~ N(120; 152)

100 120

P( X < 100) = P Z
= P( Z 1,33)
15

=1 - A(1,33)
=1 - 0,902 = 0,0918.

Z
Tabela

b) Qual deve ser o tempo de prova de modo a permitir que

95% dos vestibulandos terminem no prazo estipulado?
X: tempo gasto no exame vestibular X ~ N(120; 152)

x 120

P( X < x) = 0,95 P Z
= 0,95.
15

z = ? tal que A(z) = 0,95.

Pela tabela z = 1,64.
Z

x 120
= 1,64 x = 120 +1,64 15
Ento, z =
15
x = 144,6 min.

Tabela

c) Qual o intervalo central de tempo, tal que 80% dos

estudantes gastam para completar o exame?
X: tempo gasto no exame vestibular X ~ N(120, 152)
x2 120
x1 120
P ( x1 < X < x2 ) = 0,8 P
<Z<
= 0,8.
15
15

z = ? tal que A(z) = 0,90

Pela tabela, z = 1,28.
Z

x1 120
= -1,28 x1= 120 - 1,28 15 x1 = 100,8 min.
15
x2 120
= 1,28 x2 = 120 +1,28 15 x2 = 139,2 min.
Tabela
15

Distribuio Normal : Valores de P( Z < z ) = A(z)

Parte inteira e primeira decimal de z

Segunda decimal de z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9

0
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
1.0000

1
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.9345
0.9463
0.9564
0.9649
0.9719
0.9778
0.9826
0.9864
0.9896
0.9920
0.9940
0.9955
0.9966
0.9975
0.9982
0.9987
0.9991
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
1.0000

2
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.9357
0.9474
0.9573
0.9656
0.9726
0.9783
0.9830
0.9868
0.9898
0.9922
0.9941
0.9956
0.9967
0.9976
0.9982
0.9987
0.9991
0.9994
0.9995
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

3
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.9370
0.9484
0.9582
0.9664
0.9732
0.9788
0.9834
0.9871
0.9901
0.9925
0.9943
0.9957
0.9968
0.9977
0.9983
0.9988
0.9991
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

4
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.9382
0.9495
0.9591
0.9671
0.9738
0.9793
0.9838
0.9875
0.9904
0.9927
0.9945
0.9959
0.9969
0.9977
0.9984
0.9988
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

5
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.9394
0.9505
0.9599
0.9678
0.9744
0.9798
0.9842
0.9878
0.9906
0.9929
0.9946
0.9960
0.9970
0.9978
0.9984
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

6
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.9406
0.9515
0.9608
0.9686
0.9750
0.9803
0.9846
0.9881
0.9909
0.9931
0.9948
0.9961
0.9971
0.9979
0.9985
0.9989
0.9992
0.9994
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

7
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.9418
0.9525
0.9616
0.9693
0.9756
0.9808
0.9850
0.9884
0.9911
0.9932
0.9949
0.9962
0.9972
0.9979
0.9985
0.9989
0.9992
0.9995
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

8
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.9429
0.9535
0.9625
0.9699
0.9761
0.9812
0.9854
0.9887
0.9913
0.9934
0.9951
0.9963
0.9973
0.9980
0.9986
0.9990
0.9993
0.9995
0.9996
0.9997
0.9998
0.9999
0.9999
0.9999
1.0000

9
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
0.9441
0.9545
0.9633
0.9706
0.9767
0.9817
0.9857
0.9890
0.9916
0.9936
0.9952
0.9964
0.9974
0.9981
0.9986
0.9990
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
0.9999
1.0000

Volta

Aproximao da
distribuio binomial pela normal

Objetivo
Verificar como a distribuio normal pode ser
utilizada para calcular, de forma aproximada,
probabilidades

associadas

uma

aleatria com distribuio binomial.

varivel

1. Introduo
Distribuio Binomial
n ensaios Bernoulli independentes
P(S) = P(Sucesso) = p
X : nmero de sucessos observados nos n ensaios
X tem distribuio binomial com parmetros n e p
Notao:

X ~ b(n ; p)

Resultado: X ~ b(n ; p)

E(X) = n p
Var (X) = n p (1 p)

Exemplo 1:
Uma moeda honesta lanada n = 10 vezes em idnticas
condies.
Determinar a probabilidade de ocorrer cara entre 40% e
70% das vezes, inclusive.
Seja X : nmero total de caras nos 10 lanamentos
Sucesso : ocorrncia de cara
p = P(S) = 0,5 (moeda honesta)
X ~ b(10 ; 0,5)
Probabilidade a ser calculada: P(4 X 7)

Distribuio de Probabilidades de X ~ b(10 ; 0,5)

MTB > pdf;
SUBC > bino 10 0,5.

Probability Density Function

Binomial with n = 10 and p = 0,50
x
0
1
2
3
4
5
6
7
8
9
10

P( X = x)
0,0010
0,0098
0,0439
0,1172
0,2051
0,2461
0,2051
0,1172
0,0439
0,0098
0,0010

P(4 X 7 ) = 0,2051 + 0,2461 + 0,2051 + 0,1172 = 0,7735.

Distribuies binomiais (n, p)

n=10 p=1/3

n=10 p=1/2

n=10 p=0,9

0,3
0,25
0,2
0,15
0,1
0,05
0

0,3
0,25
0,2
0,15
0,1
0,05
0
1

11

13

15

17

0,5
0,4
0,3
0,2
0,1
0
1

19

11

13

15

17

19

0,15

0,15

0,1

0,1

0,1

0,05

0,05
28

25

22

19

16

13

17

19

19

22

25

28

p=0,9

10

13

16

n=50 p=0,9

n=50 p=1/3

n=50 p=1/2

0,2

0,15

0,12
0,1
0,08
0,06
0,04
0,02
0

15

0
10

9 11 13 15 17 19 21 23 25 27 29

13

0,2

11

0,15

0,25

0,2

n=30

0,2

n=30 p=1/3

n=30 p=1/2

0,05

0,15
0,1

1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

0,1

0,05

0,05

0
1

7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49

Para p fixado, a medida que n cresce, os

histogramas vo se tornando mais simtricos e
com a forma da curva Normal.

2. Aproximao da binomial pela normal

Considere a binomial com
n = 50 e p = 0,2, representada
pelo histograma

P(Y=13) igual a rea do retngulo de base unitria e

altura igual a P(Y=13); similarmente, P(Y=14), etc...
Logo, P(Y13) igual soma das reas dos retngulos
correspondentes.
A idia aproximar tal rea pela rea sob uma curva
normal, direita de 13. Qual curva normal?

X ~ b(n ; p)

E(X) = np
Var(X) = np(1 p)

Parece razovel considerar a normal com mdia e

varincia iguais s da binomial, ou seja,
aproximamos a distribuio de probabilidades de X
pela distribuio de probabilidades de uma varivel
aleatria Y, sendo
Y ~ N( y ; y2) com y = np e y2 = np(1 p).
Portanto, P( a X b) P(a Y b)
P( X a) P(Y a)
P( X b) P(Y b)
com Y ~ N(np; np(1 - p)).

O clculo da probabilidade aproximada feito da forma

usual para a distribuio normal:
P( a X b) P(a Y b) com Y ~ N(np; np(1 p)).
Lembrando que

Y np
Z=
~ N (0, 1) ,
np (1 p)

ento

a np

np
b

np

P(a Y b) = P

np(1 p)

np
(
1

p
)
np
(
1

p
)

a np
b
np

= P
Z
np(1 p)

np
(
1
p
)

Exemplo 2:

X ~ b(225 ; 0,2)

n = 225 e p = 0,2

E(X)= np = 2250,2 = 45
Y ~ N(45 ; 36)
Var(X)= np(1 p) = 225 0,2 0,8 = 36
a) P(39 X 48 ) P(39 Y 48)
= P 39 45 Y 45 48 45
6
6
6
= P( 1,0 Z 0,5 )
= P( Z 0,5 ) P( Z 1,0 )
= P( Z 0,5 ) [1 P( Z 1,0 )]
= A(0,5) [1 A(1,0)]
= 0,6915 0,1587 = 0,5328.
Probabilidade exata = 0,5853 (usando a distribuio binomial).
Tabela

42 - 45

=
P
Z

b) P(X 42) P(Y 42)

= P(Z -0,5) = P(Z 0,5) = A(0,5 )

= 0,6915.
Probabilidade exata=0,7164(distr. binomial)

57 - 45

c) P(X 57) P(Y 57) = P Z

= P(Z 2) = A(2) = 0,9773.

Probabilidade exata=0,9791(distr. binomial)
d) P(41 < X < 52) = P(42 X 51) P(42 Y 51)
= P(-0,5 Z 1)
= A(1) - (1 - A(0,5)) = 0,5328.
Probabilidade exata=0,5765(distr. binomial)
Tabela

Observaes :
1 - A aproximao da distribuio binomial pela normal
boa quando np(1-p) 3.
2 - A demonstrao da validade desta aproximao
feita utilizando-se o Teorema do Limite Central.
3 - A aproximao pode ser melhorada atravs do uso
da "Correo de Continuidade".

Exemplo 3:
Um sistema formado por 100 componentes, cada um
dos quais com confiabilidade (probabilidade de funcionar
adequadamente num certo perodo) igual a 0,9.
Se esses componentes funcionarem de forma
independente um do outro e se o sistema funcionar
adequadamente enquanto pelo menos 87 componentes
estiverem funcionando, qual a confiabilidade do
sistema?
(Usar a aproximao normal)

X : nmero de componentes que funcionam adequadamente.

X ~ b(100; 0,9)
n = 100 p = 0,9

E(X) = np = 1000,9 = 90
Var(X) = np(1 p) = 100 0,9 0,1 = 9

Confiabilidade do sistema: P(X 87)

P(X 87) P(Y 87), sendo Y ~ N(90 ; 9)
Y 90 87 90
P

= P(Z 1) = P(Z 1)
3
3
= A(1) = 0,8413.

Assim, a confiabilidade do sistema aproximadamente

igual a 0,8413.
Tabela

Exemplo 4: Uma moeda honesta lanada 100 vezes.

a) Calcular a probabilidade do nmero de caras estar
entre 40% e 70% dos lanamentos, inclusive.
X : nmero de caras em 100 lanamentos

X ~ b(100 ; 0,5 )

E(X) = n p = 100 0,5 = 50 caras.

Var(X) = n p (1 p) = 100 0,5 0,5 = 25.
P(40 X 70 ) P(40 Y 70 )

(sendo Y ~ N(50 ; 25))

40 50 Y 50 70 50
= P

5
5
5

= P (- 2 Z 4)
= 0,9773.

Probabilidade exata = 0,9824.

Tabela

b) Determinar um intervalo simtrico em torno do nmero

mdio de caras, tal que a probabilidade de observar um
valor de X nesse intervalo 80%.
Intervalo simtrico em torno da mdia: (50 a, 50 + a)

P(50 - a X 50 + a) = 0,8
P(50 - a X 50 + a) P(50 - a Y 50 + a)

Y~ N(50 ; 25)

= P 50 - a - 50 Y - 50 50 + a - 50
5
5
5
= P -a Z a = 0,8.
5
5

a = ? , tal que
a
-a
P Z
= 0 ,8
5
5
a
A = 0 ,9
5
a
= 1,28
5
a = 6 ,4

0,40

0,40

Intervalo procurado: (50 - 6,4 ; 50 + 6,4) ( 43,6 ; 56,4 ).

A probabilidade de em 100 lanamentos termos entre
43 e 57 caras aproximadamente 80%.
Tabela

c) Um pesquisador, no conhecendo p = P(cara) , decide

lanar a moeda 100 vezes e consider-la desonesta se o
nmero de caras for maior que 59 ou menor que 41.
Qual a probabilidade de considerar indevidamente a moeda
como desonesta?
X : nmero de caras nos 100 lanamentos
X ~ b(100 ; p), com p desconhecido para o pesquisador
P(considerar indevidamente a moeda como desonesta) =
P( X > 59 ou X < 41, quando p = 0,5) =
P(X 60 ou X 40, quando p = 0,5) P(Y 60 ) + P( Y 40),
sendo Y ~ N(50 ; 25)
Esta probabilidade fica

P(Y 60) + P(Y 40) = P Y - 50 60 - 50 + P Y - 50 40 - 50

5
5
5
5
= P(Z 2) + P(Z -2)
= 2 (1 - A(2)) = 0,0455.

Tabela

Exemplo 5:
Uma prova constituda de 20 testes com quatro alternativas
cada. Um aluno no estudou a matria e vai respond-los ao
acaso. Qual a probabilidade de acertar 50% ou mais das
questes?
X : nmero de acertos
X ~ b(20 ; 0,25)
E(X) = np = 5 e Var(X) = np(1-p) = 3,75
P(X 10) P(Y 10)
Y ~ N(5 ; 3,75)
= P Y - 5 10 - 5 = P(Z 2,59) = 0,0048.
1,93
1,93
Repetir para 40 testes com quatro alternativas.
X ~ b(40 ; 0,25) E(X) = n p = 10 Var(X) = n p (1-p) = 7,5

P(X 20) P(Y 20)

Y ~ N(10 ; 7,5)

- 10
= P Y - 10 202,75
= P(Z 3,63) = 0,0001.
2,75

Tabela

Para 40 testes com cinco alternativas

X ~ b(40 ; 0,20) E(X) = n p = 8
Var(X) = n p (1 p) = 6,4
P(X 20) P(Y 20)

Y ~ N(8 ; 6,4)

= P Z 20 - 8 = P(Z 4,74) 0,0000.

2,53

Tabela