NOTAS DE AULA - ESTATSTICA

PROBABILIDADE
DISTRIBUIO DE PROBABILIDADE



ISABEL C. C. LEITE























SALVADOR BA
2007
Estatstica Prof. Isabel C. C. Leite 1


Probabilidades

Introduo

De modo geral ao estudarmos qualquer fenmeno devemos procurar um modelo
matemtico que nos ajude a descrever de forma satisfatria o fenmeno apresentado. Assim,
necessitamos materializar uma forma matemtica para os fenmenos de observao, tais modelos
matemticos so de dois tipos: Determinstico e No-Determinstico.

O Modelo determinstico relativo aos experimentos que apresentam um resultado com um padro
matemtico, ou seja, quaisquer desvios ou erros se apresentaram pequenos o suficiente para jamais
alterar o modelo que com isto se torna suficiente. So exemplos: As leis da Fsica (Gravitacional e
as de Kepler)
O Modelo No-Determinstico (probabilstico ou estatstico) se apresenta como resultados
irregulares quando analisados individualmente, ou seja, existiram desvios suficientes que podem
alterar um dado comportamento de um fenmeno qualquer, mesmo que saibamos todas as
possveis respostas do experimento. So exemplos quaisquer experimentos com resultados
aleatrios (jogar um dado comum, tirar uma carta de um baralho de 52 cartas, etc.).

Experimentos Aleatrios

O experimento aleatrio tem sua formao num conjunto circunstancial com respostas
observveis e incertas, com trs caractersticas fundamentais:

O experimento pode ser repetido quantas vezes desejarmos;
A cada resultado individual observa-se total irregularidade dos resultados tornando-os
sem previso exata;
Aps uma grande repetio do experimento observamos impressionante regularidade
estatstica quando da anlise dos dados em conjunto.

Exemplos de experimentos aleatrios:

Observar o naipe sorteado de um baralho comum com 52 cartas;

Observar o resultado da face voltada para cima de um dado ao arremess-lo uma vez.

Contar o nmero de parafusos defeituosos produzidos diariamente por uma dada mquina.

Espao Amostral ( )

Ao realizarmos um experimento aleatrio, o conjunto de todos os resultados possveis do
experimento ser chamado de espao amostral.
Indicaremos o nmero de elementos do espao amostral por ( ) N

Exemplo: Construa o espao amostral () dos seguintes experimentos aleatrios:
a) Jogar um dado e observar a face voltada para cima.
= {1, 2, 3, 4, 5, 6} e ( ) N = 6

Estatstica Prof. Isabel C. C. Leite 2


b) Lanar uma moeda e observar a face voltada para cima.
= {K, C}, onde K = cara e C = coroa e ( ) N = 2

c) Lanar uma moeda e um dado ao mesmo tempo.
= {1K, 2K, 3K, 4K, 5K, 6K, 1C, 2C, 3C, 4C, 5C, 6C} e ( ) N = 12

O espao amostral () poder ser finito ou infinito. Aqui veremos apenas experimentos com
espao amostral finito.

O resultado obtido quando se realiza um experimento aleatrio pode ser formado por um
nmero ou um grupo de nmeros, um atributo ou grupo de atributos, ou, ainda, por uma
combinao de aspectos quantitativos e/ou qualitativos. Assim, as caractersticas de interesses
associadas a um experimento, aleatrio ser chamado de espao amostral.
Na teoria das probabilidades o espao amostral () um termo primitivo, logo sem definio a
partir de outros termos, alguns autores consideram-no mesmo inserido no conceito de experimentos
aleatrios.

Eventos

Os subconjuntos de so chamados eventos. Ao realizarmos um experimento aleatrio diz-se
que o evento A, A (A est contido em mega), se realiza se o resultado um elemento
pertencente a A. A importncia do espao amostral provm sobretudo de ser o meio empregado
para a definio do evento. H, em regra, muito mais interesse nos eventos e nas famlias de
eventos do que nos elementos daquele espao.

Atravs das operaes dos conjuntos matemticos por todos conhecidas, poderemos sempre
criar novos eventos:

1 1. . AB = o evento que ocorre se A ocorre ou B ocorre ou ambos ocorrem;
2 2. . AB = o evento que ocorre se A e B ocorrem;
3 3. . A
C
= o evento que ocorre se A no ocorre.

Exemplo
1
: No lanamento de duas moedas honestas, sejam os eventos:

A = {sair exatamente uma cara e uma coroa}
B = {sair uma cara na primeira moeda}
C = {sair pelo menos uma coroa}

= {KK, KC, CK, CC}

A = {KC, CK}
B = {KK, KC}
C = {KC, CK, CC}
AB = {KC, CK, KK}
BC = {KC}
A
C
= {KK, CC}

Estatstica Prof. Isabel C. C. Leite 3


Exemplo
2
: No lanamento de dois dados ordinrios, seja o evento
A = {(i, j): i + j = 5; i, j = 1, 2, 3, 4, 5, 6}

Assim, seu espao amostral () ser:



A = {(1, 4); (2, 3); (3, 2); (4, 1)}


Definio de Probabilidade


Clssica: A probabilidade de um evento ocorrer o quociente entre o nmero de casos favorveis
ao evento e o nmero de casos possveis, supondo todos os casos igualmente possveis.

( )
( )
( )
=
N
A n
A P

Emprica ou pelo enfoque da freqncia relativa:
A probabilidade determinada com base na proporo de vezes que ocorre um resultado
favorvel em um certo nmero de observaes ou experimentos.

( )
total freqncia
evento do freqncia A
A P =

Dado um espao amostral, , a funo probabilidade associa a cada evento um nmero real, onde:

1 1. . 0 P(A) 1;
2 2. . Se P(A) = 1, A dito evento certo;
3 3. . Se P(A) = 0, A dito evento impossvel.
4 4. . Se A
C
o complemento do evento A, ento P(A
C
) = 1 P(A)
5 5. . Se A B, ento P(A) P(B).


Eventos Mutuamente Exclusivos

Dois eventos so mutuamente exclusivos ou disjuntos se eles no ocorrem simultaneamente,
isto , AB = .
Se A e B forem eventos mutuamente exclusivos, ento, P(AB) = P(A) + P(B).

(1, 1) (2, 1) (3, 1) (4, 1) (5, 1) (6, 1)
(1, 2) (2, 2) (3, 2) (4, 2) (5, 2) (6, 2)
(1, 3) (2, 3) (3, 3) (4, 3) (5, 3) (6, 3)
(1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
(1, 5) (2, 5) (3, 5) (4, 5) (5, 5) (6, 5)
(1, 6) (2, 6) (3, 6) (4, 6) (5, 6) (6, 6)
Estatstica Prof. Isabel C. C. Leite 4


Teorema da Soma: Se A e B so dois eventos quaisquer, ento:

P(A B) = P(A) + P(B) P(A B)

Obs.:
Quando associamos a cada ponto do espao amostral a mesma probabilidade, o espao amostral
ser denominado equiprovvel.

Podemos representar a probabilidade como frao prpria, nmero decimal ou percentual.


Exemplo
3
: Qual a probabilidade de um nmero mpar aparecer quando jogamos um dado ?

= {1, 2, 3, 4, 5, 6}
A = {aparecer um nmero mpar} = {1, 3, 5}
P{aparecer um nmero mpar} =
( )
( ) N
A n

P{aparecer um nmero mpar} =
2
1
6
3
=

Exemplo
4
: Qual a probabilidade de uma cara aparecer ao jogarmos uma moeda no viciada?

= {K, C}
A = {uma cara aparece} = {K}
P{uma cara aparece} =
2
1


Exemplo
5
: Ao retirar uma carta do baralho, os eventos s e espadas no so mutuamente
exclusivos. A probabilidade de retirar um s (A) ou uma espada (E), ou ambos, em s uma
tentativa, pelo teorema da soma,
P(AE) =
13
4
52
16
52
1
52
13
52
4
= = +

Diagramas de Venn


A
B
A

A B
A e B no exclusivos A e B mutuamente exclusivos
P(A) + P(A
C
) = 1
Estatstica Prof. Isabel C. C. Leite 5


Probabilidade Condicional e Independncia


Probabilidade Condicional

Seja B um evento arbitrrio compondo um espao amostral , onde P(B) > 0 por j ter
ocorrido. Uma vez que B j ocorreu, a probabilidade de um outro evento A ocorrer dado que o
evento B tenha ocorrido ser dada pela seguinte probabilidade condicional, definido por:


( )
( )
( ) B P
B A P
B A P

= /

Analogamente, a probabilidade de ocorrer o evento B tendo j ocorrido o evento A:

( )
( )
( ) A P
B A P
A B P

= / ; (neste caso P(A) > 0 , pois o evento A j ocorreu)


Teorema: Seja um espao finito equiprovvel composto pelos eventos A e B. Assim,

Nmero de elementos em (A B)
P(A / B ) =
Nmero de elementos em B


Exemplo
6
: Dois dados no viciados so lanados.
a)Se a soma dos resultados apresentados pelos dados foi 5, qual a probabilidade de ter ocorrido a
face 2 em um deles ?

b) Se uma face 2 ocorreu, qual a probabilidade da soma dos dados ser 5 ?

Soluo: O espao amostral o mesmo do exemplo
2
, onde N( ) = 36.
Sejam B = {soma 5} = {(1, 4); (2, 3); (3, 2); (4, 1)} e
A = {ocorre a face 2} = {(1,2); (2, 1); (2, 2); (2, 3); (2, 4); (2, 5); (2, 6); (3, 2); (4, 2); (5, 2);
(6, 2)}
AB = {(2, 3); (3, 2)}
P(AB) = 2/36, P(B) = 4/36, P(A) = 11/36

a) Desejamos saber a probabilidade de A tendo ocorrido B:
P(A/B) =
2
1
36
4
36
2
=

b) Neste caso desejamos saber a probabilidade de B tendo ocorrido A:
P(B/A) =
11
2
36
11
36
2
=
Estatstica Prof. Isabel C. C. Leite 6


Teorema do Produto

Este teorema pode ser dado a partir do enunciado de probabilidade Condicional:

A probabilidade da ocorrncia simultnea de dois eventos, A e B do mesmo espao
amostral, igual ao produto da probabilidade de um deles pela probabilidade condicional do outro,
dado o primeiro. Assim:

( )
( )
( )
( ) ( ) ( ) B A P B P B A P
B P
B A P
B A P / / =

=
( )
( )
( )
( ) ( ) ( ) A B P A P B A P
A P
B A P
A B P / / =

=

Independncia Estatstica

Um evento A considerado independente de um outro evento B se a probabilidade de A
igual probabilidade condicional de A dado B, isto ,

P(A) = P(A/B)

e, evidente que, se A independente de B, B tambm o em relao a A, assim:

P(B) = P(B/A)

Considerando o teorema do produto, podemos afirmar que sempre que A e B so
independentes, teremos como relao:
( ) ( ) ( ) B P A P B A P =

Assim, dados n eventos, diremos que eles sero independentes, se o forem 2 a 2, 3 a 3, ...., n a n.

Exemplo
7
: Dois diferentes departamentos de produo de uma grande empresa so: Produtos
Martimos (M) e Equipamentos para Oficinas (O). A probabilidade de que a diviso de Produtos
Martimos tenha, no corrente ano fiscal, uma margem de lucros de no mnimo 10% estimada em
0,30; a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma margem de lucros
de pelo menos 10% 0,20; e a probabilidade de que ambas as divises tenham uma margem de
lucro de no mnimo 10% 0,06.
a) Determinar a probabilidade de que a diviso de Equipamentos para Oficinas tenha uma
margem de lucro no mnimo de 10% dado que a diviso de Produtos Martimos tenha
alcanado tal nvel de lucro.
b) Aplicar um teste apropriado para determinar se a consecuo das metas de lucro nas duas
divises estatisticamente independente.

Soluo: a) 20 , 0
30 , 0
06 , 0
) (
) (
) / ( = =

=
M P
M O P
M O P
b) ). / ( ) (
?
M O P O P = Uma vez que 0,20 = 0,20, os dois eventos so independentes.

Estatstica Prof. Isabel C. C. Leite 7


Anlise Combinatria

Pelo enfoque clssico para determinar as probabilidades devemos conhecer o nmero de
resultados igualmente provveis que so favorveis ao evento e o nmero total de casos possveis.
Quando os problemas so simples, estes nmeros podem ser diretamente contados. Contudo, para
problemas mais complexos necessria a teoria da anlise combinatria para determinar o nmero
de tais resultados possveis.

Permutaes
O nmero de permutaes de n objetos o nmero de maneiras pelas quais os objetos
podem ser arrumados em termos de ordem:

Permutaes de n objetos = ( ) 1 2 1 ! = K n n n

O smbolo n! lido n fatorial. Em problemas de permutaes e combinaes n sempre positivo.
Matematicamente, 0! = 1, por definio.

Exemplo
8
: Trs membros de uma organizao social se oferecem como voluntrios para comporem
a diretoria para o prximo ano, assumindo as funes de Presidente, Secretrio e Tesoureiro. O
nmero de maneiras (permutaes) pelas quais os trs podem assumir tais cargos :
6 1 2 3 ! 3 ! = = = n maneiras


Arranjos
Geralmente estamos interessados no nmero de permutaes de algum subgrupo dos n
objetos, e no em todos os n objetos. Isto , dizemos que estamos interessados no nmero de
arranjos de n objetos tomados r de cada vez, onde r < n:
( )!
!
,
r n
n
A
r n

=

No exemplo
8
, suponha que existem 10 membros na organizao social e que nenhuma indicao
haja sido feita para os cargos de Presidente, Secretrio e Tesoureiro. O nmero de diferentes
disposies de trs diretores eleitos entre os 10 membros do clube :
720 8 9 10
! 7
! 7 8 9 10
! 7
! 10
)! 3 10 (
! 10
3 , 10
= =

= =

= A


Combinaes
No caso das permutaes e arranjos importante a ordem na qual esto dispostos os
objetos. No caso das combinaes interessa-nos o nmero de diferentes agrupamentos que se
podem formar com os n objetos sem levar em considerao a ordem. Por conseguinte, o nmero de
combinaes de n objetos tomados r de cada vez :
( )! !
!
,
r n r
n
C
r n

=
A combinao de n objetos tomados r de cada vez tambm representada por
|
|

\
|
r
n
.
Estatstica Prof. Isabel C. C. Leite 8


Exemplo
9
: Suponhamos que trs membros de uma pequena organizao social de 10 membros vo
ser escolhidos para formar uma comisso. O nmero de diferentes grupos de trs pessoas que
podem ser formados, sem ter em conta as diferentes ordens em que cada indivduo poderia ser
escolhido, :
( )
120
1 2 3
8 9 10
! 7 ! 3
! 7 8 9 10
! 3 10 ! 3
! 10
3 , 10
=


=

= C

Tendo concludo esta reviso dos conceitos bsicos da anlise combinatria, vejamos a sua
aplicao no clculo de probabilidades.

Exemplo
10
: Continuando o exemplo
9
, se o grupo contm seis mulheres e quatro homens, qual a
probabilidade de que uma comisso escolhida aleatoriamente seja composta de duas mulheres e um
homem?
A abordagem fundamental determinar o nmero de combinaes de resultados que contm
exatamente duas mulheres (das seis mulheres) e um homem (dos quatro homens), e ento tomar a
razo deste nmero para o total de combinaes.

Nmero de comisses com 2M e 1H =
1 , 4 2 , 6
C C
= 60 4 15
! 3 ! 1
! 4
! 4 ! 2
! 6
= =

Nmero total de comisses possveis =
( )
120
1 2 3
8 9 10
! 3 10 ! 3
! 10
3 , 10
=


=

= C
P(2M e 1H) = 5 , 0
120
60
3 , 10
1 , 4 2 , 6
= =

C
C C


No exemplo
10
foi usado o princpio da multiplicao para resultados seqenciais. Em geral, se um
evento pode ocorrer de n
1
maneiras e um segundo evento pode ocorrer de n
2
maneiras, ento:

Total do n de maneiras em que os dois eventos podem ocorrer em combinao =
2 1
n n


Exemplo
11
: Num lote de 6 peas 4 so perfeitas; duas so retiradas aleatoriamente. Calcule:
a) A probabilidade de ambas serem defeituosas;
b) A probabilidade de pelo menos uma pea ser perfeita.
a) P(ambas defeituosas) =
15
1
! 4 ! 2
! 6
! 0 ! 2
! 2
2 , 6
2 , 2
=

=
C
C

b) P(pelo menos uma perfeita) = 1 P(ambas defeituosas) =
15
14
15
1
1 =





Estatstica Prof. Isabel C. C. Leite 9


Exerccios

1. Qual a probabilidade de tirarmos a carta de nmero 3 de um grupo de 10 cartas numeradas de 1 at 10?
Resp: 1/10

2. Com relao ao problema anterior, qual a probabilidade de sacarmos uma carta de nmero par?
Resp: 1/2

3. Dois dados no viciados so jogados. Qual a probabilidade de que o primeiro resultado seja maior do
que o do segundo dado? Resp: 5/12

4. Trs Cavalos A, B e C, esto numa corrida; A duas vezes mais provvel de ganhar do que B e B duas
vezes mais provvel do que C. Responda: Quais so as probabilidades de vitria de cada um? Qual a
probabilidade de que B ou C ganhe a corrida?
Resp: P(A) = 4/7, P(B) = 2/7 e P(C) = 1/7; P(B ou C) = 3/7

5. Trs gatinhos caam um pobre ratinho acuado em uma sala. Considere que o infeliz ratinho no escapar
em hiptese nenhuma e que apenas um dos gatinhos ir devor-lo, sabendo que o gatinho mais velho
trs vezes mais provvel de levar o quitute ao estmago em relao ao gatinho intermedirio, e este
quatro vezes mais provvel de lev-lo ao estmago que o gatinho mais novo. Responda: a) Quais so as
probabilidades de caar o ratinho de cada gatinho? b) Qual a probabilidade do gatinho intermedirio
ou do gatinho mais novo caar o ratinho? c) Qual a probabilidade de qualquer um dos gatinhos sair-se
bem sucedido da empreitada? Justifique este ltimo resultado.
Resp: a) P(Velho) = 12/17, P(Int.) = 4/17, P(Novo) = 1/17; b) 5/17; c) 1 ou 100%

6. Dada uma urna contendo 2 bolas brancas, 4 vermelhas e 6 amarelas e retirando apenas uma bola desta
urna, encontre a probabilidade de: a) Escolhermos uma bola qualquer da urna? b) Escolhermos uma
bola branca? c) Escolhermos uma bola vermelha? d) Escolhermos uma bola amarela da urna?
Resp: a) 1; b) 1/6; c) 1/3; d) 1/2

7. Trs lmpadas so escolhidas aleatoriamente dentre 15 lmpadas, das quais 5 so defeituosas. Encontre
a probabilidade de que: a) nenhuma seja defeituosa; b) exatamente uma seja defeituosa; c) pelo menos
uma seja defeituosa.
Resp: a) 24/91; b) 45/91; c) 67/91

8. Duas cartas so selecionadas aleatoriamente dentre 10 cartas numeradas de 1 a 10. Encontre a
probabilidade de que a soma seja mpar: a) se as duas cartas so retiradas juntas; b) se as duas cartas so
retiradas uma aps a outra sem reposio; c) se as duas cartas so retiradas uma aps a outra com
reposio. Resp: a)5/9; b) 5/9; c) 1/2

9. Numa classe h 10 homens e 20 mulheres; a metade dos homens e a metade das mulheres tm olhos
castanhos. Ache a probabilidade de uma pessoa escolhida ao acaso ter olhos castanhos ou ser homem.
Resp.: 2/3

10. Das 10 alunas de uma classe, 3 tm olhos azuis. Se duas delas so escolhidas aleatoriamente, qual a
probabilidade de (a) ambas terem olhos azuis; (b) nenhuma ter olhos azuis; (c) Pelo menos uma ter olhos
azuis. Resp.: a) 1/15; b) 7/15; c) 8/15

11. Dez estudantes A, B, C, ..., esto numa classe. Se uma comisso de 3 escolhida aleatoriamente,
encontre a probabilidade de:
a) A pertencer comisso;
b) B pertencer comisso;
c) A e B pertencerem comisso;
d) A ou B pertencerem comisso.
Resp.: a) 3/10; b) 3/10; c) 1/15; d) 8/15
Estatstica Prof. Isabel C. C. Leite 10


12. Lana-se um par de dados no viciados. Ache a probabilidade de a soma das faces dos dados ser maior
ou igual a 10, se a) ocorrer 5 no primeiro dado; b) ocorrer 5 em pelo menos um dos dados.
Resp.: a) 1/3 ; b) 3/11

13. Lanam-se trs moedas no viciadas. Encontre a probabilidade de ocorrer cara em todas elas, se a)
ocorre cara na primeira moeda; b) ocorre cara numa das moedas. Resp.: a) 1/4; b) 1/7.

14. Em certo colgio 25% dos estudantes foram reprovados em matemtica, 15% e qumica e 10% em
matemtica e qumica ao mesmo tempo. Um estudante selecionado aleatoriamente.
a) Se ele foi reprovado em qumica, qual a probabilidade dele Ter sido reprovado em matemtica ?
b) Se ele foi reprovado em matemtica, qual a probabilidade dele ter sido reprovado em qumica ?
c) Qual a probabilidade dele ter sido reprovado em matemtica ou qumica ?
d) Qual a probabilidade dele no ter sido reprovado nem em matemtica nem em qumica ?
Resp.: a) 2/3; b) 2/5; c) 3/10; d) 7/10

15. Uma urna possui 8 objetos dos quais 3 so defeituosos. So escolhidos aleatoriamente 4 objetos.
Pergunta-se: a) Qual a probabilidade dos 4 serem perfeitos; b) pelo menos um ser defeituoso; c) pelo
menos dois serem defeituosos; d) Se sabido que um objeto defeituoso foi sorteado, qual a
probabilidade de sairem mais dois defeituosos?
Resp.: a) 1/14; b)13/14; c)1/2; d)1/7

16. Lana-se um par de dados no viciados. Se ocorrem dois nmeros diferentes, encontre a probabilidade
de: a) a soma ser 6; b) de ocorrer um 1; c) a soma ser menor ou igual a 4.
Resp.: a) 2/15; b) 1/3 ; c) 2/15.

17. Em um lote de 12 peas, 4 so defeituosas e 2 peas so retiradas uma aps a outra sem reposio. a)
Qual a probabilidade de que ambas sejam boas? b) Qual a probabilidade de que ambas sejam
defeituosas?
Resp: a) 14/33, b) 1/11

18. Lana-se uma moeda viciada de modo que P(cara) = 2/3 e a P(coroa) = 1/3. Se aparecer cara, ento se
seleciona aleatoriamente um nmero dentre os de 1 a 9; se aparecer coroa, seleciona-se aleatoriamente
um nmero dentre os de 1 a 5. Ache a probabilidade de um nmero par ser selecionado. Resp: 58/135

19. A probabilidade de dois competidores em um torneio de tiro ao alvo dada da seguinte maneira: o
atirador A acerta o alvo com probabilidade de 1/4, enquanto o atirador B, com 2/5. a) Qual a
probabilidade de ambos acertarem o alvo? b) Qual a probabilidade de pelo menos um errar o alvo? c)
Qual a probabilidade A errar e B acertar o alvo? d) Qual a probabilidade A errar ou B acertar o alvo?
Resp: a) 1/10; b)9/10; c)3/10; d)17/20.

20. A probabilidade de um homem viver mais dez anos 1/4 e a probabilidade de sua esposa viver mais dez
anos 1/3. Encontre a probabilidade de a) ambos estarem vivos dentro de dez anos; b) ao menos um
estar vivo dentro de dez anos; c) nenhum estar vivo dentro de dez anos; d) somente a esposa estar viva
dentro de dez anos. Resp.: a) 1/12; b) ; c) ; d) .

21. Sendo o espao amostra = {1, 2, 3, 4 } equiprovvel e A = {1, 2}; B = {1, 3}; C = {1, 4} trs
eventos de . Verificar se os eventos A, B e C so independentes.
Resp.: No, pois so independentes dois a dois, mas no os trs juntos.
( ) ( ) ( ) C P B P A P C B A P ) (



Estatstica Prof. Isabel C. C. Leite 11


DISTRIBUIO DE PROBABILIDADE


VARIVEL ALEATRIA aquela cujos valores so determinados por processos acidentais, ao
acaso, que no esto sob o controle do observador.

TIPOS:
DISCRETA se o nmero de resultados possveis finito ou pode ser contado.
Variveis aleatrias discretas so determinadas por uma contagem.


CONTNUA se pode assumir qualquer valor dentro de determinado intervalo. O nmero de
resultados possveis no pode ser listado.
Variveis aleatrias contnuas so determinadas por uma medio.



DISTRIBUIO DISCRETA DE PROBABILIDADE enumera cada valor possvel da
varivel aleatria, bem como sua probabilidade.

Exemplo: Demanda diria de aluguel de caminhonetes durante um perodo de 50 dias














P(X) denominada funo de probabilidade ou de freqncia de X.

Propriedades

Cada probabilidade precisa estar entre 0 e 1, inclusive.

( ) 1 0 X P

A soma de todas as probabilidades 1.

( )

=1 X P
Demanda possvel
(X)
N de
dias
Probabilidade
P(X)
3
4
5
6
7
8
3
7
12
14
10
4
50

0,06
0,14
0,24
0,28
0,20
0,08
1,00
0,00
0,05
0,10
0,15
0,20
0,25
0,30
0 1 2 3 4 5 6 7 8 9
P(X)
X

Estatstica Prof. Isabel C. C. Leite 12


ESPERANA, VALOR ESPERADO OU MDIA - representado por ( ) ou X E

o valor mdio que resulta das inmeras observaes de uma varivel aleatria.
uma mdia ponderada de todos os valores possveis de X. O peso, ou ponderao, de cada valor
igual probabilidade de X assumir esse valor.

( ) ( )

= X P X X E

Ex: Considerando a distribuio de probabilidade do exemplo anterior,













VARINCIA representada por Var(X) ou
2


Medida de disperso de uma varivel aleatria X calculada em relao a E(X).
( ) ( ) ( )
( ) ( ) ( ) [ ]
( ) ( ) [ ]
2 2
2
2
2

ou
) (
X E X E
X XP X P X X Var
X P X E X X Var
=
=
=

DESVIO PADRO ) ( X Var =












( ) ( ) 74 , 1 66 , 5 78 , 33
2
= = X Var
Demanda possvel
(X)
Probabilidade
P(X)
Valor ponderado
XP(X)
3
4
5
6
7
8
0,06
0,14
0,24
0,28
0,20
0,08
1,00
0,18
0,56
1,20
1,68
1,40
0,64
E(X) = 5,66
Demanda possvel
(X)
Probabilidade
P(X)
Valor ponderado
XP(X)
2
X
( ) X P X
2

3
4
5
6
7
8
0,06
0,14
0,24
0,28
0,20
0,08
1,00
0,18
0,56
1,20
1,68
1,40
0,64
E(X) = 5,66
9
16
25
36
49
64
0,54
2,24
6,00
10,08
9,80
5,12
( ) 78 , 33
2
= X E
Estatstica Prof. Isabel C. C. Leite 13


DISTRIBUIO BINOMIAL

Se p a probabilidade de um evento acontecer em uma tentativa nica (possibilidade de sucesso) e
q = 1 p a de que o evento no ocorra em qualquer tentativa nica (possibilidade de insucesso),
ento a probabilidade do evento ocorrer exatamente X vezes, em N tentativas (isto , de que haja X
sucessos e N X insucessos), dada por:
( )
( )
X N X
X N X
X N
q p
X N X
N
q p C X P

=
=
! !
!
,
em que X = 0, 1, 2, ..., N.


Ex
1
: Uma moeda no viciada lanada 6 vezes, ou equivalentemente, seis moedas so lanadas;
chamemos cara de sucesso.
a) Qual a probabilidade de exatamente duas caras ocorrerem?
b) Qual a probabilidade de ocorrerem pelo menos 4 caras?
c) Qual a probabilidade de no ocorrerem caras?
d) Qual a probabilidade de ocorrer pelos menos uma cara?

a)
64
15
2
1
2
1
! 4 ! 2
! 6
) 2 (
2 6 2
=
|

\
|
|

\
|
=

P


b) ) 6 ( ) 5 ( ) 4 ( ) 4 ( P P P X P + + =

0 6 1 5 2 4
2
1
2
1
! 0 ! 6
! 6
2
1
2
1
! 1 ! 5
! 6
2
1
2
1
! 2 ! 4
! 6
|

\
|
|

\
|
+
|

\
|
|

\
|
+
|

\
|
|

\
|
=

64
22
64
1
64
6
64
15
= + + =


c)
|

\
|
=
|

\
|
=
|

\
|
|

\
|
=

64
1
2
1
2
1
2
1
! 6 ! 0
! 6
) 0 (
6 0 6 0
P


d)
64
63
64
1
1 ) 0 ( 1 ) 1 ( = = = P X P


Construindo uma tabela de distribuio binomial para o nmero de caras em seis lanamentos de
uma moeda no viciada:

Nmero de caras X 0 1 2 3 4 5 6
Probabilidade P(X)
64
1

64
6

64
15

64
20

64
15

64
6

64
1


Estatstica Prof. Isabel C. C. Leite 14


Ex
2
: Um dado no viciado lanado 7 vezes; chamemos de sucesso a ocorrncia de um 5 ou um 6.
Ento, determine a probabilidade de:
a) Ocorrer 5 ou 6 exatamente 3 vezes;
b) Um 5 ou um 6 nunca ocorrer;
c) Um 5 ou um 6 ocorrer pelo menos uma vez:

a) [ ]
2187
560
3
2
3
1
! 4 ! 3
! 7
3 , 6 5
4 3
=
|

\
|
|

\
|
= = X ou P c) ( ) ( )
2187
2059
0 1 1 , 6 5 = = P X ou P
b) [ ]
2187
128
3
2
3
1
! 7 ! 0
! 7
0 , 6 5
7 0
=
|

\
|
|

\
|
= = X ou P

A distribuio binomial tambm chamada de distribuio de Bernoulli.

O valor esperado (mdia) e a varincia para uma dada distribuio binomial poderiam ser
determinados listando-se a distribuio de probabilidade em uma tabela e aplicando as frmulas j
apresentadas anteriormente. Contudo, a distribuio binominal apresenta as seguintes propriedades:








Ex
3
: A probabilidade de que um possvel cliente realize uma compra 0,20. O valor esperado de
vendas e o desvio padro associado com a visita de 15 possveis clientes so:

( ) 3 20 , 0 15 = = X E vendas
55 , 1 80 , 0 20 , 0 15 = =


Observaes importantes:

Uma distribuio binomial fica caracterizada pelos parmetros N e p.
Se N for pequeno, os clculos sero relativamente fceis. Contudo, se N for relativamente
grande, os clculos tornam-se cansativos. Felizmente dispomos de calculadoras, tabelas
apropriadas, e tambm poderemos aproximar a distribuio binomial pela de Poisson, como
veremos a seguir.
Para qualquer N, a distribuio ser
o simtrica: se p = q = 0,5
o assimtrica direita, se p > q
o assimtrica esquerda, se p < q.




Valor esperado ou mdia ( ) p N X E =
Varincia ( ) q p N X Var =
Desvio padro Npq =
Estatstica Prof. Isabel C. C. Leite 15


DISTRIBUIO DE POISSON

A distribuio de Poisson pode ser usada para determinar a probabilidade de um dado nmero de
sucessos quando os eventos ocorrem em um continuum de tempo ou de espao, ao invs de
ocorrerem em tentativas ou observaes fixadas como na distribuio binomial.

Exemplos:
Chamadas telefnicas por unidade de tempo.
Defeitos por unidade de rea.
Acidentes por unidade de tempo.
Chegada de clientes a um supermercado por unidade de tempo.
Nmero de glbulos vermelhos visveis ao microscpio por unidade de rea.

A expresso que d a probabilidade de X sucessos em um intervalo t (tempo, rea,...) :
( )
( )
!
,
X
e t
t X P
t X

=
onde:
= coeficiente de proporcionalidade, ou taxa de freqncia por unidade de tempo, rea,
t = tempo, rea,
e = base dos logaritmos naturais (2,71828)
X = nmero de ocorrncias (sucessos)

Considerando que a mdia da distribuio dada por t , ou seja, t = , temos:
( )
!
,
X
e
t X P
X

=

Temos para a distribuio de Poisson







Ex
1
: Um departamento de consertos de mquinas recebe uma mdia de duas chamadas por hora.
Vamos calcular as probabilidades de, em uma hora, este departamento receber: nenhuma chamada,
uma, duas, trs, ...

Temos: t = 1 hora, 2 =
Nenhuma chamada:
( ) 1353 , 0
! 0
2
1 , 0
2 0
=

= =

e
X P
Uma chamada: ( ) 2706 , 0
! 1
2
1 , 1
2 1
=

= =

e
X P
Duas chamadas:
( ) 2706 , 0
! 2
2
1 , 2
2 2
=

= =

e
X P
Trs chamadas: ( ) 1804 , 0
! 3
2
1 , 3
2 3
=

= =

e
X P

Valor esperado ou mdia ( ) t X E = ou
Varincia ( ) t X Var = =
Desvio padro t =
Estatstica Prof. Isabel C. C. Leite 16

Quatro chamadas:
( ) 0902 , 0
! 4
2
1 , 4
2 4
=

= =

e
X P

Cinco chamadas:
( ) 0361 , 0
! 5
2
1 , 5
2 5
=

= =

e
X P
Seis chamadas: ( ) 0120 , 0
! 6
2
1 , 6
2 6
=

= =

e
X P
Sete chamadas: ( ) 0034 , 0
! 7
2
1 , 7
2 7
=

= =

e
X P
Oito chamadas: ( ) 0009 , 0
! 8
2
1 , 8
2 8
=

= =

e
X P
Nove chamadas:
( ) 0002 , 0
! 9
2
1 , 9
2 9
=

= =

e
X P


Observe que ( ) 1 9997 , 0
9
0
=

= i
i
X P . Este resultado explicado, pois X, nmero de sucessos,
teoricamente, tende ao infinito. Neste caso, o infinito foi atingido para X = 9.
Temos ainda as medidas:
2 ) ( = X E
Var(X) = 2
4142 , 1 2 = =

Ex
2
: O pessoal de inspeo de qualidade afirma que os rolos de fita isolante apresentam, em mdia,
uma emenda a cada 50 metros. Admitindo que a distribuio do nmero de emendas dada pela
Poisson, vamos calcular as probabilidades:
a) de nenhuma emenda em um rolo de 125 metros:
t = 1 = 50 50 / 1 =
para t = 125 m temos 5 , 2 125
50
1
= = t
( ) % 21 , 8 0821 , 0
! 0
5 , 2
125 , 0
5 , 2 0
ou
e
X P =

= =

b) de ocorrerem no mximo duas emendas em um rolo de 125 metros:
( ) ( ) ( ) ( )
% 40 , 54 5440 , 0 2566 , 0 2053 , 0 0821 , 0
! 2
5 , 2
! 1
5 , 2
0821 , 0 2 1 0 125 , 2
5 , 2 2 5 , 2 1
ou
e e
P P P X P
= + + =

+ = + + =



c) de ocorrer pelo menos uma emenda em um rolo de 100 metros:
para t = 100 m temos 2 100
50
1
= = t
( ) ( ) ( ) ( ) ... 3 2 1 100 , 1 + + + = P P P X P
= 1 ( ) 0 P
= 1 % 47 , 86 8647 , 0
2
ou e =







Estatstica Prof. Isabel C. C. Leite 17


APROXIMAO DAS PROBABILIDADES BINOMIAIS COM AS PROBABILIDADES
DA DISTRIBUIO DE POISSON

Na aplicao do modelo de distribuio binomial, quando N for grande (N > 50) e Np < 5,
possvel obter as probabilidades binomiais por meio do modelo de Poisson.
A mdia da distribuio de probabilidade de Poisson utilizada como aproximao das
probabilidades binomiais :
Np =

Ex
3
: Em um cruzamento de duas avenidas de trfego intenso, a probabilidade de um carro sofrer
acidente de 0,0001. Se entre as 17 h e 19 h passam 1000 veculos nesse cruzamento, qual a
probabilidade de que dois ou mais acidentes ocorram durante esse perodo?

Soluo pela distribuio binomial:
p = 0,0001, N = 1.000, q = 0,9999
( ) ( ) ( ) [ ]
( ) ( ) ( ) ( )
(

+ =
+ =
999 1 1000 0
9999 , 0 0001 , 0
! 999 ! 1
! 1000
9999 , 0 0001 , 0
! 1000 ! 0
! 1000
1
1 0 1 2 P P X P

evidente que o clculo deste resultado muito trabalhoso.
Como N > 50 e Np = 0,1 < 5, podemos obter o resultado desejado pelo modelo de Poisson.
Assim, 1 , 0 0001 , 0 1000 = = = Np
( ) ( ) ( ) [ ]
( ) ( )
% 47 , 0 0047 , 0
! 1
1 , 0
! 0
1 , 0
1
1 0 1 2
1 , 0 1 1 , 0 0
ou
e e
P P X P
=
(

=
+ =
























Estatstica Prof. Isabel C. C. Leite 18


EXERCCIOS DISTRIBUIO DE PROBABILIDADES

1. O nmero de caminhes que chegam, por hora, a um depsito segue a distribuio de
probabilidade da tabela abaixo. Calcular (a) o nmero esperado de chegadas por hora e (b) a
varincia e desvio padro desta distribuio de probabilidade.
N de caminhes X 0 1 2 3 4 5 6
Probabilidade P(X) 0,05 0,10 0,15 0,25 0,30 0,10 0,05

2. Construir a tabela e o grfico da distribuio de probabilidade para a varivel aleatria: nmero
de coroas obtidas no lanamento de duas moedas.

3. Um homem de vendas calcula que cada contato resulta em venda com probabilidade de 20%.
Certo dia, ele contata dois possveis clientes. a) Construir a tabela de distribuio de
probabilidade para a varivel X: nmero de clientes que assinam um contrato de vendas. b)
Calcular a nmero esperado de clientes que assinam um contrato de vendas, a varincia e o
desvio padro desta distribuio.

4. O nmero de chamadas telefnicas recebidas por uma central e suas respectivas probabilidades
para um intervalo de um minuto so:




a) Determinar P(1 4 X ) e ( ) 1 > X P .
b) Qual o nmero esperado de chamadas em 1 minuto?
c) Sendo o coeficiente de variao o quociente entre o desvio padro e a mdia, avalie o
coeficiente de variao para esta distribuio.

5. Em uma sala, temos cinco rapazes e quatro moas. So escolhidas aleatoriamente trs pessoas.
Fazer X a varivel aleatria: nmero de rapazes. a) Construir a tabela de distribuio de
probabilidade da varivel X. b) Determinar a probabilidade do grupo escolhido ter no mximo
dois rapazes.

6. Admitindo que os nascimentos de meninos e meninas sejam iguais, calcular a probabilidade de
um casal com seis filhos ter quatro filhos homens e duas mulheres.

7. Em 320 famlias com quatro crianas cada uma, em quantas famlias seria esperado que
tivessem: a) nenhuma menina? b) trs meninos? c) quatro meninos?

8. Um time Y tem
3
2
de probabilidade de vitria sempre que joga. Se Y jogar cinco partidas,
calcule a probabilidade de Y vencer: a) exatamente trs partidas; b) ao menos uma partida; c)
mais da metade das partidas.

9. Devido s altas taxas de juros, uma firma informa que 30% de suas contas a receber de outras
firmas comerciais se encontram vencidas. Se um contador escolhe aleatoriamente uma amostra
Nmero de chamadas (X) 0 1 2 3 4 5
Probabilidades P(X) 0,55 0,25 0,10 0,04 0,04 0,02
Estatstica Prof. Isabel C. C. Leite 19

de cinco contas, determinar a probabilidade de: a) nenhuma das contas estar vencida; b) a
maioria das contas estarem vencidas; c) exatamente 20% das contas estarem vencidas.

10. Uma fbrica de pneus verificou que, ao testar seus pneus nas pistas, havia em mdia um
estouro de pneu a cada 5.000 km. Qual a probabilidade de que
a. num teste de 3.000 km haja no mximo um pneu estourado?
b. um carro ande 8.000 km sem estourar nenhum pneu?

11. Certo posto de bombeiros recebe em mdia trs chamadas por dia. Calcular a probabilidade de:
a. receber quatro chamadas num dia;
b. receber trs ou mais chamadas num dia.

12. Suponha que haja em mdia dois suicdios por ano numa populao de 50.000 habitantes. Em
cada cidade de 100.000 habitantes, determine a probabilidade de que em dado ano tenha
havido: a) nenhum; b) um; c) dois; d) dois ou mais suicdios.

13. Certa loja recebe em mdia cinco clientes por hora. Qual a probabilidade de receber: a) dois
clientes em 24 minutos? b) pelo menos trs clientes em 18 minutos?

14. Uma amostra aleatria de 230 pessoas selecionada. Cada indivduo da amostra responde se
prefere um PC ou um VCR. Assumindo que 3% do pblico prefere um PC, determinar,
aproximadamente, a probabilidade de um grupo de 10 pessoas preferir PC.

15. Se a probabilidade de um indivduo sofrer uma reao nociva, resultante da injeo de um
determinado soro, 0,001, determinar a probabilidade de, entre 2000 indivduos: a) exatamente
trs; b) mais do que dois, sofrerem aquela reao.

16. Uma companhia de seguros est considerando a cobertura de uma doena relativamente rara na
rea geral de seguros mdicos. A probabilidade de que um indivduo selecionado
aleatoriamente venha a contrair a doena 0,001, sendo que 3.000 pessoas so includas no
grupo segurado.
a. Qual o nmero esperado de pessoas, no grupo, que tero a doena?
b. Qual a probabilidade de que nenhuma das 3.000 pessoas do grupo contraia a doena?

Respostas.
1. a) 3,15 b) Var(X) 2,13 e 46 , 1 =
2. 3. a)
X 0 1 2
P(X) 0,25 0,50 0,25

3. b) E(X) = 0,40 c) Var(X) = 0,32 e 56 , 0 = 4. a) 0,43 e 0,20 b) 0,83 c) 145,8%
5. a)
b) 37/42


6. 15/64 7. a) 20 b) 80 c) 20 8. a) 80/243 b) 242/243 c) 64/81
9. a)
( ) 1681 , 0 0 = P
b) ( ) 1631 , 0 3 = X P
c)
( ) 3602 , 0 1 = P

10. a) 0,8784 b) 0,2020 11. a) 0,1680 b) 0,5767
12. a) 0,0183 b) 0,0732 c) 0,1464 d) 0,9085 13. a) 0,2707 b) 0,1912
14. a) 0,0679 15. a) 0,180 b) 0,323 16. a) 3 pessoas b) 0,0498
X 0 1 2
P(X) 0,64 0,32 0,04
X 0 1 2 3
P(X) 1/21 5/14 10/21 5/42
Estatstica Prof. Isabel C. C. Leite 20



DISTRIBUIO CONTNUA DE PROBABILIDADE

A varivel aleatria X contnua e por isso no possvel enumerar todos os seus possveis
valores.
representada por uma curva contnua, a curva de probabilidade, cuja equao ( ) X P Y = .
( ) X P denominada funo densidade de probabilidade.
A rea total limitada por essa curva e os eixo dos X igual a 1.
A rea compreendida entre as verticais X = a e X = b (sombreada na figura) d a
probabilidade de X ser um valor entre a e b. ( ) B X a P



DISTRIBUIO NORMAL

A distribuio ou curva normal (de Gauss) definida como segue:


2
) (
2
1
2
1
) (

=
x
e X f
,
onde: < < X
= mdia da distribuio
= desvio padro da distribuio
... 1416 , 3 = .
... 71828 , 2 = e
Esta funo certamente um dos exemplos mais importantes de distribuio de probabilidade
contnua. Cada distribuio normal fica determinada pelos parmetros (mdia) e (desvio
padro).
Notao:
( )
2
~ , X N







Estatstica Prof. Isabel C. C. Leite 21

As duas curvas abaixo mostram as mudanas na funo onde e variam. Em particular,
observe que estas curvas em forma de sino so simtricas em torno de X = . Possui um ponto de
mximo para X = e f(X) tende a zero quando X tende para .




VARIVEL NORMAL PADRONIZADA

Sendo X uma varivel aleatria com distribuio ( )
2
, N , quando 0 = e
2
1 = temos uma
distribuio padro ou reduzida, ou brevemente N(0,1).
Assim a funo densidade reduz-se a

2
1
2
1
( ) ,
2
z
f z e z

= < <


onde a varivel Z obtida pela transformao linear:

=
i
i
X
Z

A notao usada Z N(0,1) que tem distribuio normal de mdia zero e varincia 1.


TABELA DE CURVA NORMAL

H vrios tipos de tabelas que nos oferecem as reas (probabilidades) sob a curva normal. O tipo
mais freqente a tabela da faixa central. A tabela da faixa central d a rea sob a curva normal
padro entre Z = 0 e qualquer valor positivo de Z.

Exemplo: As alturas dos alunos de uma determinada escola so normalmente distribudas com
mdia 1,60 m e desvio padro 0,30 m. Encontre a probabilidade de um aluno medir:
a) entre 1,50 m e 1,80 m;
b) mais de 1,75 m;
c) menos de 1,48 m;
d) qual deve ser a medida mnima para escolhermos 10% dos mais altos?


Estatstica Prof. Isabel C. C. Leite 22

= 1,60 m
= 0,30 m

a) 33 , 0
30 , 0
60 , 1 50 , 1
1
=

= Z e
2
1, 80 1, 60
0, 66
0, 30
Z

= =
= = ) 66 , 0 33 , 0 ( ) 80 , 1 50 , 1 ( x P x P
% 5 , 37 3747 , 0 2454 , 0 1293 , 0 = + =









b) 5 , 0
30 , 0
60 , 1 75 , 1
=

= Z % 31 3085 , 0 1915 , 0 5 , 0 ) 5 , 0 ( ) 75 , 1 ( = = > = > Z P m X P

c) 4 , 0
30 , 0
60 , 1 48 , 1
=

= Z % 34 3446 , 0 1554 , 0 5 , 0 ) 4 , 0 ( ) 48 , 1 ( = = < = < x P x P

d) Na tabela Z
40%
=1,28
030
60 , 1
% 40

=
X
Z 98 , 1 60 , 1 ) 30 , 0 )( 28 , 1 ( = + = X m









1,50 1,60 1,80

-0,33 0 0,66

1,60 1,75

0 0,5

1,48 1,60

0,4 0

40% = 0,40
0 1,28
10%
1,60 1,98
Estatstica Prof. Isabel C. C. Leite 23


REFERNCIAS BIBLIOGRFICAS


MARTINS, Gilberto de A. Estatstica Geral e Aplicada. 3 ed. So Paulo: Atlas, 2005.
SPEIGEL, Murray R. Estatstica. 3 ed. So Paulo: Pearson Makron Books, 1993.
MORETTIN, Luiz Gonzaga. Estatstica Bsica Volume 1 Probabilidade 7 edio. So
Paulo: Pearson Makron Books, 1999.
BUSSAB, Wilton de O. MORETTIN, Pedro A. Estatstica Bsica. 5 edio. So Paulo:
Saraiva, 2006.