-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 1
AULA 6: Principais distribuies discretas
1. DISTRIBUIO UNIFORME DISCRETA
.............................................................................................
2
2. DISTRIBUIO DE BERNOULLI
........................................................................................................
3
3. DISTRIBUIO BINOMIAL
...............................................................................................................
8
3.1. Introduo
.............................................................................................................................................
8
3.2. Frmula da probabilidade para a varivel binomial
............................................................................
9
3.3. Mdia e varincia da distribuio binomial
.......................................................................................
23
3.4. Distribuio binomial e propores
...................................................................................................
27 4. DISTRIBUIO DE POISSON
..........................................................................................................
32
5. DISTRIBUIO GEOMTRICA
........................................................................................................
47
6. DISTRIBUIO HIPERGEOMTRICA
..............................................................................................
50
7. QUESTES APRESENTADAS EM AULA
..........................................................................................
53
8. GABARITO
.....................................................................................................................................
62
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 2
1. DISTRIBUIO UNIFORME DISCRETA
A distribuio uniforme discreta o tipo mais simples de varivel
aleatria. a varivel em que todos os valores tm a mesma
probabilidade de ocorrer.
Um exemplo bem simples, e que j temos trabalhado, o caso do
lanamento do dado de seis faces. A varivel que designa o resultado
do lanamento discreta (podem ocorrer apenas os valores 1, 2, 3, 4,
5 e 6). Alm disso, se o dado for honesto, todos os resultados so
equiprovveis.
Dizemos que a varivel em questo discreta e uniforme.
Seja X a varivel discreta uniforme que pode assumir n resultados
diferentes ( 1x , 2x , 3x , ...,
nx ). A esperana de X fica:
= 1
A esperana simplesmente a mdia aritmtica de todos os valores que
podem ocorrer.
Questo 1 TJ RO 2008 [CESGRANRIO]
Uma urna contm dez bolas, cada uma gravada com um nmero
diferente, de 1 a 10. Uma bola retirada da urna aleatoriamente e X
o nmero marcado nesta bola. X uma varivel aleatria cujo(a)
(A) desvio padro 10.
(B) primeiro quartil 0,25.
(C) mdia 5.
(D) distribuio de probabilidades uniforme.
(E) distribuio de probabilidades assimtrica.
Resoluo.
Neste exerccio, a varivel X discreta (assume apenas os valores
inteiros de 1 a 10).
Alm disso, ela uniforme, pois todas as possveis realizaes tm
probabilidade de 10% (ou seja, as probabilidades so todas iguais
entre si).
A questo no pediu, mas podemos calcular a sua esperana. A
esperana simplesmente a mdia aritmtica dos valores que X pode
assumir.
= 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 1010 = 5,5 Gabarito: D
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 3
2. DISTRIBUIO DE BERNOULLI
So de grande importncia alguns tipos de experimento em que a
varivel de interesse pode assumir apenas dois valores. Podemos
falar em sucessos e fracassos. Um exemplo o lanamento de uma moeda.
Temos dois resultados possveis (cara e coroa). Podemos considerar
que cara sucesso e coroa fracasso.
Em casos assim, comum atribuirmos ao sucesso o valor 1 e ao
fracasso o valor zero.
Seja X a varivel aleatria que assume o valor 1 quando o
resultado do lanamento da moeda cara e que assume o valor 0 quando
o resultado do lanamento coroa. A varivel aleatria X assume apenas
os valores 0 e 1. uma varivel de Bernoulli.
Alm disso, X tambm uma varivel discreta (pois assume apenas
alguns valores, quais sejam, 0 e 1).
Caso a moeda seja honesta, ento a probabilidade de sucesso igual
probabilidade de fracasso (e ambas valem 50%). Teramos uma
distribuio uniforme.
Neste caso, X seria discreta, uniforme e, alm disso, teria
distribuio de Bernoulli.
Mudemos de exemplo. Considere o lanamento de um dado de seis
faces. Se sair um mltiplo de 3, consideramos sucesso. Se no sair um
mltiplo de 3, consideramos fracasso.
Vamos criar uma varivel aleatria I. A nossa varivel aleatria I
vai se comportar da seguinte forma. Se o resultado do lanamento do
dado for 1, 2, 4, 5, teremos fracasso. Ento I assume valor
zero.
Se o resultado do lanamento do dado for 3 ou 6, teremos sucesso.
Ento I assume valor 1.
Dizemos que I uma varivel de Bernoulli. Ela tem a seguinte
distribuio de probabilidade:
I P
0 2/3
1 1/3
A probabilidade de I assumir o valor zero 2/3. E a probabilidade
de I assumir o valor 1 1/3.
Distribuio de Bernoulli
Assume apenas os valores 0 e 1.
A grande importncia da varivel de Bernoulli, em termos de
concursos, que ela serve pra gente estudar outra varivel: a
Binomial.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 4
Genericamente, indicamos por p a probabilidade sucesso e q a
probabilidade de fracasso. Com isso, a distribuio da varivel I
seria:
I Probabilidade
0 q
1 p
E sua esperana seria:
= 0 + 1 = Por sua vez, a esperana de I2 igual a:
= 0 + 1 = Disto resulta que a varincia de I igual a:
= = Colocando p em evidncia:
= 1 =
Mdia e varincia da varivel com distribuio de Bernoulli
= ! =
Exemplo 1
Considere a distribuio de probabilidades para a varivel Y:
Y Probabilidade
1 0,5
2 0,2
3 0,3
a) a varivel Y discreta ou contnua?
b) a varivel Y uniforme? Por qu?
c) a varivel Y tem distribuio de Bernoulli? Por qu?
d) calcule a esperana e a varincia de Y.
Resoluo:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 5
Foi dada a seguinte distribuio de probabilidade.
Y Probabilidade
1 0,5
2 0,2
3 0,3
A varivel Y discreta. Ela no pode assumir qualquer valor em um
dado intervalo real.
A varivel Y no pode ser classificada como uniforme. Na varivel
discreta uniforme, as probabilidades de ocorrncia de cada valor so
todas iguais entre si. No o caso desta questo. A probabilidade de Y
ser igual a 1 maior que a probabilidade de Y ser igual a 2.
A varivel Y tambm no pode ser classificada como de Bernoulli. A
varivel Y no assume apenas os valores zero e 1. Portanto, no tem
distribuio de Bernoulli.
Vamos agora calcular a esperana de Y. Como fazemos para qualquer
varivel discreta, consideramos que a probabilidade anloga freqncia
relativa simples.
= )()( ii yPyYE
8,19,04,05,03,032,025,01)( =++=++=YE
Finalmente, vamos calcular a varincia de Y.
47,28,05,03,032,025,01)( 2222 =++=++=YE
Logo:
22 )()( YYEYV =
76,08,14)( 2 ==YV
Exemplo 2
Considere a distribuio de probabilidades para a varivel Z:
Z Probabilidade
1,24 0,25
2 0,25
6,55 0,25
100 0,25
a) a varivel Z discreta ou contnua?
b) a varivel Z uniforme? Por qu?
c) a varivel Z tem distribuio de Bernoulli? Por qu?
Resoluo:
Foi dada a seguinte distribuio:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 6
Z Probabilidade
1,24 0,25
2 0,25
6,55 0,25
100 0,25
A varivel Z assume apenas alguns valores (so apenas 4). Ela uma
varivel discreta. Muita gente confunde isso. O fato de uma varivel
aleatria assumir valores no inteiros (como 1,24 ou como raiz de 2)
no significa que ela seja contnua. Se a varivel Z fosse contnua ela
poderia assumir qualquer valor real contido num dado intervalo.
Note que as probabilidades de todos os valores so iguais entre
si (todas valem 0,25). A varivel Z , portanto, uniforme.
Por outro lado, como ela no assume apenas os valores 0 e 1, ela
no pode ser classificada como de Bernoulli.
Exemplo 3
Considere a distribuio de probabilidades para a varivel K:
K Probabilidade
0 0,5
1 0,5
a) a varivel K discreta ou contnua?
b) a varivel K uniforme? Por qu?
c) a varivel K tem distribuio de Bernoulli? Por qu?
Resoluo:
Foi dada a seguinte distribuio de probabilidade:
K Probabilidade
0 0,5
1 0,5
A varivel K assume apenas alguns valores. Ela discreta.
Alm disso, as probabilidades so todas iguais entre si (valem 0,5
cada uma). Podemos classificar a varivel K como uniforme.
Por fim, a varivel K assume apenas os valores 0 e 1. Isso faz
com que ela, alm de ser discreta uniforme, tenha distribuio de
Bernoulli.
Exemplo 4
Considere a distribuio de probabilidades para a varivel T:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 7
T Probabilidade
0 0,75
1 0,25
a) a varivel T discreta ou contnua?
b) a varivel T uniforme? Por qu?
c) a varivel T tem distribuio de Bernoulli? Por qu?
Resoluo:
T Probabilidade
0 0,75
1 0,25
A varivel T discreta. Contudo, no uniforme, pois as
probabilidades no so iguais entre si (a probabilidade de T ser
igual a zero maior que a probabilidade de T ser igual a 1).
De modo diverso, T pode ser classificada como de Bernoulli, pois
assume apenas os valores 0 e 1.
Questo 2 GDF SEJUS 2010 [UNIVERSA]
Para uma determinada moeda viciada, a probabilidade de se obter
um resultado cara igual a 30%. Seja, ento, a varivel aleatria X que
assume apenas os valores 0 e 1, sendo 0 para resultado coroa e 1
para resultado cara. Assinale a alternativa que apresenta,
respectivamente, o valor mdio e a varincia de X.
(A) 0,21 e 0,3
(B) 0,7 e 0,21
(C) 0,21 e 0,7
(D) 0,3 e 0,21
(E) 0,3 e 0,7
Resoluo.
A probabilidade de sucesso 30% e a de fracasso 70% ( = 0,3; =
0,7). Logo:
= = 0,30 ! = = 0,3 0,7 = 0,21
Gabarito: D
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 8
3. DISTRIBUIO BINOMIAL
3.1. Introduo
A distribuio binomial aplicvel quando temos vrios experimentos
independentes e, a cada um deles, associamos apenas dois
resultados. Podemos pensar em resultados favorveis e resultados
desfavorveis. Ou em sucessos e fracassos.
Por exemplo: vamos lanar um dado. Vamos considerar um resultado
favorvel (sucesso) se sair um mltiplo de 3. Vamos considerar um
resultado desfavorvel (fracasso) se no sair um mltiplo de 3. Seja I
a varivel que, em caso de sucesso, assume o valor 1. E, em caso de
fracasso, assume o valor zero.
A cada lanamento, a probabilidade de ocorrer um evento favorvel
de 1/3 (ou seja, a probabilidade de I = 1 de 1/3). E a
probabilidade de ocorrer um evento desfavorvel 2/3 (a probabilidade
de I = 0 2/3). Como j vimos, I uma varivel de Bernoulli.
Segue a distribuio de probabilidades da varivel I:
I Probabilidade
0 2/3
1 1/3
Muito bem, s que no vamos lanar o dado uma nica vez. Vamos lanar
o dado trs vezes. A varivel aleatria X vai representar o nmero de
sucessos em trs lanamentos.
Um possvel resultado dos trs lanamentos seria: 2, 4, 3.
Vamos ver como se comporta a varivel I em cada um destes
lanamentos.
1 lanamento: 2 I = 0 (tivemos um fracasso, pois no saiu um
mltiplo de 3)
2 lanamento: 4 I = 0 (tivemos outro fracasso, pois no saiu um
mltiplo de 3)
3 lanamento: 3 I = 1 (tivemos um sucesso, pois saiu um mltiplo
de 3).
Nesse caso, em trs lanamentos, o nmero de casos favorveis foi de
1 (X = 1).
Se somarmos todos os valores que I assume, temos exatamente
1.
Ou seja, X igual soma de todos os valores de I.
Vamos mudar um pouco o exemplo.
Suponhamos agora que os resultados dos trs lanamentos foram: 3,
1, 6. Vamos ver como se comporta a varivel I em cada lanamento:
1 lanamento: 3 I = 1
2 lanamento: 1 I = 0
3 lanamento: 6 I = 1
Nesse outro caso, em trs lanamentos, o nmero de casos favorveis
foi de 2 (X = 2). Se somarmos todos os valores que I assume, temos
exatamente 2. Novamente, X igual soma de todos os valores de I.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 9
Esta varivel X dita binomial. Ela representa o nmero de casos
favorveis em um conjunto de experimentos que s admitem dois
resultados possveis (sucesso ou fracasso). Ela a soma de vrias
variveis de Bernoulli, todas independentes entre si.
Varivel binomial
Corresponde soma de vrias variveis de Bernoulli, independentes
entre si. Tem relao com o nmero de resultados favorveis em n
experimentos
3.2. Frmula da probabilidade para a varivel binomial
Para calcular a probabilidade de a varivel aleatria X, com
distribuio binomial, assumir um determinado valor k, basta aplicar
a seguinte frmula:
# = $ = %$& ' (' Nesta frmula, temos:
n a quantidade de experimentos
p a probabilidade de sucesso em cada experimento
q a probabilidade de fracasso em cada experimento
k representa a quantidade de sucessos para a qual estamos
querendo calcular a probabilidade
Exemplo:
Qual a probabilidade de, lanando uma moeda trs vezes, obtermos
duas caras?
Neste caso, so trs lanamentos, ou trs experimentos (n = 3).
Em cada experimento, a probabilidade de sucesso (ou ainda: a
probabilidade de obter cara) de 0,5 (p = 0,5). A probabilidade de
fracasso 0,5 (q = 0,5).
Queremos calcular a probabilidade de ocorrerem duas caras (k =
2).
Ficamos com:
# = 2 = %32& 0,5 0,5 = 3 0,5) = 38 = 37,5%
Vamos retomar o exemplo do lanamento do dado. Vamos comparar o
clculo da probabilidade usando a frmula e sem usar a frmula.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 10
Lanamos o dado trs vezes. A cada lanamento, consideramos sucesso
se o resultado for mltiplo de 3.
No nosso exemplo, a varivel binomial X s pode assumir quatro
valores (0, 1, 2 e 3). So trs lanamentos do dado. Ou no temos
nenhum sucesso. Ou apenas 1. Ou 2. Ou ento, em trs lanamentos,
temos trs sucessos (mltiplos de 3 em todos os lanamentos).
Vamos calcular a probabilidade de X assumir cada um desses
valores.
Para X ser igual a zero, precisamos que, nos trs lanamentos,
tenhamos nmeros que no so mltiplos de 3.
Queremos que ocorram, simultaneamente, os trs eventos:
Fracasso no primeiro lanamento
Fracasso no segundo lanamento
Fracasso no terceiro lanamento
Observe que o resultado de um lanamento no tem qualquer
influncia no resultado dos demais lanamentos. So trs eventos
independentes. Todos eles tm probabilidade de 2/3 de ocorrer. Nesse
caso, a probabilidade da interseco dos eventos igual ao produto das
probabilidades.
3
2
3
2
3
2)0( ==XP
3
3
2)0(
==XP
Para X ser igual a 1, precisamos ter exatamente 1 lanamento com
sucesso. Temos as seguintes hipteses:
Sucesso no primeiro lanamento, fracasso no segundo lanamento,
fracasso no terceiro lanamento;
Fracasso no primeiro lanamento, sucesso no segundo lanamento,
fracasso no terceiro lanamento;
Fracasso no primeiro lanamento, fracasso no segundo lanamento,
sucesso no terceiro lanamento.
Vamos ver a probabilidade para o primeiro caso. Temos:
Sucesso no primeiro lanamento
Fracasso no segundo lanamento
Fracasso no terceiro lanamento
So trs eventos independentes. O primeiro tem probabilidade 1/3.
Os demais tm probabilidade de 2/3 de ocorrer. A probabilidade da
interseco fica:
3
2
3
2
3
1
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 11
Para os demais casos, a conta exatamente a mesma. Ou seja, a
probabilidade de X ser igual a 1 fica:
==3
2
3
2
3
13)1(XP
Para X ser igual a 2, precisamos de dois sucessos e um fracasso.
Temos as seguintes hipteses:
Sucesso no primeiro lanamento, sucesso no segundo lanamento,
fracasso no terceiro lanamento;
Fracasso no primeiro lanamento, sucesso no segundo lanamento,
sucesso no terceiro lanamento;
Sucesso no primeiro lanamento, fracasso no segundo lanamento,
sucesso no terceiro lanamento.
Vejamos a probabilidade da primeira hiptese. So trs eventos
independentes. A probabilidade de sucesso 1/3. A de fracasso 2/3.
Ficamos com:
3
2
3
1
3
1
Para as demais hipteses, as contas so anlogas. A probabilidade
de X ser igual a 2 fica:
==3
2
3
1
3
13)2(XP
==3
2
3
13)2(
2
XP
Finalmente, para X ser igual a 3, precisamos de sucessos nos trs
lanamentos. Ficamos com:
==3
1
3
1
3
1)3(XP
Pronto. Calculamos as probabilidades de X assumir cada um dos
valores possveis.
Seja n o nmero de experimentos. Seja p a probabilidade de
sucesso em cada experimento. Seja q a probabilidade de
fracasso.
Nesse nosso exemplo, lanamos o dado 3 vezes (n = 3). E a
probabilidade de sucesso em cada lanamento era de 1/3 (p = 1/3). A
probabilidade de fracasso em cada experimento era de 2/3 (q =
2/3).
Para no precisarmos ficar fazendo todas essas contas que fizemos
acima para cada problema diferente, existe uma frmula que indica a
probabilidade da varivel binomial assumir um dado valor.
a que segue:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 12
knk qpk
nkXP
== )(
No custa relembrar o significado do smbolo de combinao:
!)!(
!
kkn
n
k
n
=
Vamos ver a aplicao da frmula ao nosso exemplo do dado. Lanamos
o dado trs vezes (3=n ). Consideramos sucesso se der mltiplo de 3.
Assim, a probabilidade de sucesso 1/3
( 3/1=p ) e a probabilidade de fracasso 2/3 ( 3/2=q ). Vamos
calcular, a ttulo de exemplo, a probabilidade de X ser igual a 2 (
2=k ).
knk qpk
nkXP
== )(
232
3
2
3
12
3)2(
==XP
12232
3
2
3
13
3
2
3
1
!2!1
!3)2(
=
==
XP
Que o mesmo resultado que tnhamos achado antes, sem a
frmula.
Varivel binomial
Seja X nossa varivel binomial. Ela representa o nmero de
sucessos em n experimentos (onde cada experimento pode resultar em
sucesso ou em fracasso).
A frmula da varivel binomial a que segue. A probabilidade de
termos k sucessos em n experimentos :
knk qpk
nkXP
== )(
Vamos praticar um pouco.
Questo 3 SEFAZ RJ 2007 [FGV]
Um candidato se submete a uma prova contendo trs questes de
mltipla escolha precisando acertar pelo menos duas para ser
aprovado. Cada questo apresenta cinco alternativas, mas apenas uma
correta. Se o candidato no se preparou e decide responder a cada
questo ao acaso, a probabilidade de ser aprovado no concurso igual
a:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 13
(A) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200
Resoluo.
Quando analisamos uma nica questo, podemos ter sucesso (acerta a
questo) ou fracasso (erra a questo). A probabilidade de sucesso de
20% e a de fracasso 80%.
2,0=p ; 8,0=q
Assim, quando analisamos uma nica questo, temos uma distribuio
de Bernoulli.
A quantidade de sucessos em trs experimentos corresponde,
portanto, soma de trs variveis de Bernoulli. Temos uma distribuio
binomial.
A probabilidade de 2 acertos em trs :
knkqpk
nkXP
== )(
=
== 12 8,02,0
2
3)2(XP 0,096
A probabilidade de 3 acertos :
=
== 03 8,02,0
3
3)3(XP 0,008
A probabilidade de ser aprovado :
104,0008,0096,0)3()2( =+==+= XPXP
Gabarito: A
Questo 4 CGU 2008 [ESAF]
Seja X a soma de n variveis aleatrias independentes de
Bernoulli, isto , que assumem apenas os valores 1 e 0 com
probabilidades p e p1 , respectivamente. Assim, a distribuio de X
:
a) binomial com parmetros n e p
b) gama com parmetros n e p
c) qui quadrado com n graus de liberdade
d) laplace
e) t de student com n-1 graus de liberdade
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 14
Resoluo:
Cobrana direta do resumo estudado nesta aula.
Gabarito: A.
Questo 5 PETROBRAS 2008/2 [CESGRANRIO]
Um estudante marca, ao acaso, as respostas de um teste de 10
questes de mltipla escolha, com 4 alternativas por questo. O nmero
mais provvel de acertos
(A) 1,5
(B) 2,0
(C) 2,5
(D) 3,0
(E) 3,5
Resoluo.
A probabilidade de acerto de cada questo de 25% (so 4
alternativas e apenas uma correta). O nmero de acertos uma varivel
aleatria binomial, onde n = 10 e p = 0,25.
As alternativas a, c e e trazem valores impossveis de serem
obtidos. No possvel termos 1,5 acertos. Ou 2,5 acertos. Ou 3,5
acertos. Estes valores tm probabilidade zero.
Ficamos, portanto, entre as alternativas b e d.
Vamos calcular a probabilidade de 2 acertos.
knk qpk
nkXP
== )(
82 75,025,02
10)2(
==XP
82 75,025,045)2( ==XP
Vamos agora calcular a probabilidade de 3 acertos.
knk qpk
nkXP
== )(
73 75,025,03
10)3(
==XP
73 75,025,0120)3( ==XP
Dividindo as duas probabilidades:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 15
73
82
75,025,0120
75,025,045
)3(
)2(
=
==
XP
XP
1120
130
120
345
25,0120
75,045
)3(
)2( >===
==
XP
XP
Conclumos que )3()2( =>= XPXP .
Gabarito: B
Questo 6 AFRFB 2009 [ESAF]
Em um experimento binomial com trs provas, a probabilidade de
ocorrerem dois sucessos doze vezes a probabilidade de ocorrerem trs
sucessos. Desse modo, as probabilidades de sucesso e fracasso so,
em percentuais, respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
d) 20 % e 80 %
e) 25 % e 75 %
Resoluo.
So 3 experimentos ( 3=n ). A probabilidade de 2 sucessos dada
por:
12
2
3)2( qpXP
==
= qp 23
A probabilidade de trs sucessos :
03
3
3)3( qpXP
==
= 3p
O exerccio disse que a primeira probabilidade 12 vezes a
segunda.
32 123 pqp =
pq = 4 (equao I)
A probabilidade de sucesso somada com a probabilidade de
fracasso igual a 100%.
1=+ qp (equao II)
Substituindo I em II:
14 =+ pp
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 16
2,0=p
Logo:
8,0=q
Gabarito: D
Questo 7 SUSEP 2010 [ESAF]
Um estudo indica que, nas comunidades que vivem em clima muito
frio e com uma dieta de baixa ingesto de gordura animal, a
probabilidade de os casais terem filhos do sexo masculino igual a
1/4. Desse modo, a probabilidade de um casal ter dois meninos e trs
meninas igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
Resoluo
Podemos pensar que, a cada parto, temos um experimento. Teremos
sucesso se nascer menino. E queremos calcular a probabilidade de
exatamente 2 sucessos em 5 experimentos (ou seja, 2 meninos em 5
partos).
Ficamos com:
knk qpk
nkXP
== )(
=
==
32
4
3
4
12
5)2(XP
512
135
1024
2710 =
No h alternativa correta. A questo foi anulada.
Gabarito: Anulado
Questo 8 SEFAZ MG 2005 [ESAF]
Suponha que a probabilidade de que se encontre um erro contbil
grave em uma auditoria seja 0,2. Se dez auditorias independentes so
realizadas, assinale a opo que d a probabilidade de que no mais do
que uma detecte erro contbil grave.
a) 5/48,2
b) 0,400
c) 0,210
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 17
d) ( )105/48,2 e) ( )95/48,2
Resoluo.
O nmero de erros graves segue uma distribuio binomial.
Podemos pensar que cada auditoria um experimento. Em cada
experimento, o sucesso ocorre quando encontrado um erro grave.
Queremos que o nmero de sucessos seja zero ou 1.
Podemos dividir o problema em duas partes.
Primeiro: calculando a probabilidade de termos zero sucessos (k
= 0).
n = 10
p = 0,2
q = 0,8
k = 0
A probabilidade fica:
knk qpk
nkXP
== )(
0100 8,02,00
10)0(
==XP
0108,011)0( ==XP 108,0)0( ==XP
Segundo: calculando a probabilidade de termos um sucesso (k =
1).
n = 10
p = 0,2
q = 0,8
k = 1
A probabilidade fica:
knk qpk
nkXP
== )(
1101 8,02,01
10)1(
==XP
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 18
91 8,02,010)1( ==XP 91 8,02,010)1( ==XP
98,02)1( ==XP
Somando as duas probabilidades, ficamos com:
=== )10( XXP 910 8,028,0 +
=== )10( XXP )28,0(8,0 9 +
Lembrando que 5/48,0 = , temos:
=== )10( XXP )8,2(5/4 9
Gabarito: E.
Questo 9 CGU 2008 [ESAF]
Seja X uma varivel aleatria discreta com funo de probabilidade
binomial )(xf , onde knx
kn ppCkf= )1()( , e knC , o nmero de combinaes de n elementos
tomados k a k.
Sendo 6=n e 3/1=p , determine )6(f .
a) 1/729
b) 1
c) 0
d) 64/729
e) 8/729
Resoluo.
Temos uma varivel binomial. O exerccio pediu para calcularmos a
probabilidade de 6=X.
Basta aplicar a frmula que vimos (e que o prprio exerccio
forneceu).
knk qpk
nkXP
== )(
729/1)3/1()3/2()3/1(6
6)6( 6666 ==
== XP
Gabarito: A.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 19
Questo 10 CGU 2008 [ESAF]
Seja )(kF a funo de distribuio da varivel aleatria definida na
questo anterior,
determine )0(F .
a) 0
b) 1/729
c) 64/729
d) 243/729
e) 1.
Resoluo.
A funo de distribuio nos fornece a probabilidade de X ser menor
ou igual a um dado valor k.
Se 0=k , a funo nos dir qual a probabilidade de X ser menor ou
igual a zero.
Como X uma varivel binomial, ela s assume valores maiores ou
iguais a zero. Lembrem-se de que a varivel binomial tem relao com o
nmero de casos favorveis em um nmero n de experimentos (no d pra
ter, por exemplo, menos dois casos favorveis).
Assim, )0(F corresponde probabilidade de 0=X .
Aplicando a frmula:
knk qpk
nkXP
== )(
729/64)3/2()3/2()3/1(0
6)0( 6060 ==
== XP
Gabarito: C.
Questo 11 IRB 2004 [ESAF]
Suponha que o motor de um avio em vo falhe, independentemente
dos outros motores, com probabilidade 1 , sendo um nmero entre zero
e um. O avio capaz de fazer um vo seguro se pelo menos a metade de
seus motores estiverem funcionando propriamente. Assinale a opo que
corresponde aos valores de para os quais voar num avio com 4
motores mais seguro do que voar num bimotor.
a) p=0,500
b) p=0,200
c) p deve estar entre 0,500 e 0,655
d) p deve ser menor do que 0,200
e) p deve ser maior que 2/3
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 20
Resoluo:
Seja p a probabilidade de um motor funcionar perfeitamente e q
(= 1 p) a probabilidade do motor falhar.
Avio bimotor
A quantidade de motores funcionando adequadamente tem distribuio
binomial com parmetros n = 2 e p.
Para que ele voe de forma segura, devemos ter uma das seguintes
situaes:
os dois motores funcionam: # = 2 = +, , = exatamente um motor
funciona: # = 1 = +, = 2
A probabilidade de o avio voar seguramente igual a:
+ 2
Avio com quatro motores
A quantidade de motores funcionando adequadamente tem distribuio
binomial com parmetros n = 4 e p.
Para que ele voe de forma segura, devemos ter uma das seguintes
situaes:
os quatro motores funcionam: # = 4 = +-,- - , = - exatamente trs
motores funcionam: # = 3 = +-,) ) = 4) exatamente dois motores
funcionam: # = 2 = +-, = 6
Somando tudo:
- + 4) + 6
Comparando os dois avies
Para que o avio com quatro motores seja mais seguro, a sua
probabilidade de vo seguro deve ser maior que a do bimotor:
- + 4) + 6 > + 2
Substituindo q por 1 p:
- + 4) 1 + 6 1 > + 2 1 - + 4) 4- + 6 1 2 + > + 2 1
- + 4) 4- + 6 12) + 6- > + 2 2 3- 8) + 7 2 > 0
Dividindo todos os termos por p:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 21
3) 8 + 7 2 > 0 Para resolvermos a inequao, antes, vamos
resolver a equao correspondente:
3) 8 + 7 2 = 0 Notem que uma raiz imediata p = 1.
Vejam:
3 1) 8 1 + 7 1 2 = 3 8 + 7 2 = 0 Deste modo, a primeira raiz
1.
Razes
p = 1
Dividindo o polinmio por p 1:
3) 8 + 7 2 1 3) 3 3 5 + 2 5 + 7 2
5 + 5 2 2 2 2
0 Obtivemos:
3 5 + 2 = 0 Aplicando Bhaskara:
= 5 4 3 2 = 1 As razes ficam:
= 5 12 3
3 = 5 + 16 = 1
33 = 5 16 =46 =
23
Razes
p = 1
p = 1
p = 2/3
Deste modo, o polinmio 3) 8 + 7 2 pode ser reescrito assim: 3 1
1 4 235
Agora vamos fazer o estudo dos sinais desta funo acima.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 22
Logo, a funo polinomial maior que 0 para > 2/3. Gabarito:
E
Questo 12 SERPRO 2001 [ESAF]
Um aspecto importante do servio de manuteno de programas numa
empresa tem a ver com a velocidade (presteza) com que uma chamada
de servio (de manuteno) atendida. Historicamente, numa determinada
empresa, observa-se que as chances so de 50% de que uma chamada
seja atendida num perodo inferior a 1 hora. Se 5 chamadas de
manuteno so realizadas nessa empresa, assinale a opo que d a
probabilidade de que pelo menos 3 chamadas sejam atendidas em menos
de 1 hora.
a) 50,00%
b) 12,50%
c) 75,00%
d) 31,25%
e) 18,75%
Resoluo:
A quantidade de chamadas atendidas em menos de 1 hora segue uma
distribuio binomial de parmetros n = 5 e p = 0,5.
As probabilidades de 3, 4 e 5 chamadas atendidas em menos de 1
hora so:
# = 3 = +7,) 0,5) 0,5 = 10 0,57 # = 4 = +7,- 0,5- 0,5 = 5 0,57 #
= 5 = +7,7 0,57 0,5, = 0,57
Somando tudo, temos a probabilidade de pelo menos 3 chamadas
atendidas em menos de 1 hora:
10 + 5 + 1 0,57 = 1627 =
1632 = 50%
Gabarito: A
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 23
Questo 13 SUSEP 2006 [ESAF]
Se p a probabilidade de um evento acontecer em uma tentativa
nica e seu complemento (1 p) a probabilidade do evento no ocorrer
(distribuio binomial), ento a probabilidade do evento ocorrer
exatamente X vezes, em n tentativas dada por:
apx=+,; ; (; b1 ;(; c = ;(;
d = 1 + +,;;(; e = ; (;
Resoluo:
Cobrana direta da frmula da probabilidade da distribuio
binomial.
Gabarito: A
3.3. Mdia e varincia da distribuio binomial
Se X tem distribuio binomial, sua mdia e sua varincia ficam:
= =
Para ter ideia de onde vm esses resultados, vamos continuar com
o lanamento do dado. O resultado considerado favorvel se sair um
mltiplo de 3. desfavorvel se no sair um mltiplo de 3. Vamos lanar o
dado 3 vezes. Nossa varivel aleatria X vai representar o nmero de
casos favorveis nesses lanamentos. , portanto, uma varivel
binomial.
Vamos calcular a probabilidade de X assumir cada valor. J at
fizemos essa conta quando comeamos a estudar a varivel binomial.
Mas ok, vamos l de novo.
Para X assumir valor zero, precisamos que os trs lanamentos
sejam desfavorveis.
n = 3
k = 0
p = 1/3
q = 2/3
030
3
2
3
10
3)0(
==XP
27
8
3
2
3
1
!0!3
!3)0(
030
=
==
XP
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 24
Para X assumir valor 1, precisamos que exatamente um dos trs
lanamentos resulte em mltiplo de 3.
n = 3
k = 1
p = 1/3
q = 2/3
27
12
3
2
3
13
3
2
3
1
!1!2
!3)1(
21131
=
=
==
XP
Para X assumir o valor 2, precisamos que exatamente dois dos trs
lanamentos resultem em mltiplo de 3.
n = 3
k = 2
p = 1/3
q = 2/3
27
6
3
2
3
13
3
2
3
1
!2!1
!3)2(
12232
=
=
==
XP
Por fim, para X assumir o valor 3, precisamos que todos os
lanamentos resultem em mltiplo de 3.
n = 3
k = 3
p = 1/3
q = 2/3
27
1
3
2
3
11
3
2
3
1
!3!0
!3)3(
03333
=
=
==
XP
Queremos calcular a mdia desta varivel aleatria.
Para calcular a mdia de qualquer varivel discreta, consideramos
que as probabilidades so anlogas s frequncias relativas.
X P PX 0 8/27 0
1 12/27 12/27
2 6/27 12/27
3 1/27 3/27
Total 1 1
E a mdia da nossa varivel X fica:
11
1 ==
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 25
Vamos agora calcular a sua varincia.
X 2X P PX 2
0 0 8/27 0
1 1 12/27 12/27
2 4 6/27 24/27
3 9 1/27 9/27
Total 1 45/27
= 4527 E a varincia de X seria:
= = 4527 1 =
1827 =
23
S que todo esse passo a passo d muito trabalho.
Quando X for uma varivel aleatria binomial, um jeito mais rpido
de calcular a sua mdia e sua varincia :
np=
npq=2
Para calcular a mdia, basta multiplicar o nmero de experimentos
(no nosso caso, lanamos o dado trs vezes, n = 3) pela probabilidade
de sucesso em 1 experimento (neste caso, em um lanamento, a
probabilidade de sair um mltiplo de 3 1/3).
Logo:
np=
13
13 ==
E para varincia fazemos a mesma coisa. S que, alm dos passos
acima, multiplicamos pela probabilidade de fracasso em um
experimento (neste caso, em um lanamento, a probabilidade de sair
um nmero que no seja mltiplo de 3 2/3).
npq=2
3
2
3
2
3
132 ==
Mdia e varincia da varivel binomial
=
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 26
! =
Estas expresses para a mdia e a varincia da distribuio binomial
podem ser facilmente obtidas com a utilizao das propriedades da
esperana.
A varivel binomial X corresponde soma de n variveis de
Bernoulli, designadas por I.
=
=n
iiIX
1
Cada varivel I tem mdia p e varincia pq.
A esperana de X, portanto, equivale esperana da soma de n
variveis I. Vimos que a esperana da soma igual soma das
esperanas.
=)(XE npIEn
ii =
=1
Quando temos variveis independentes, a varincia da soma igual
soma das varincias. Portanto:
npqIVn
ii =
=1
Questo 14 GDF SEJUS 2010 [UNIVERSA]
Em certo plano amostral, em uma populao de 100 elementos,
optou-se pelo seguinte critrio: joga-se uma moeda (honesta) e, se
der cara, o elemento entra na amostra; se der coroa, ele no entra
na amostra. Qual o tamanho esperado dessa amostra?
(A) 10
(B) 20
(C) 30
(D) 40
(E) 50
Resoluo.
Seja X a quantidade de elementos selecionados. X uma varivel
binomial com n = 100 e p = 0,5.
A mdia de X fica:
= = 100 0,5 = 50 Gabarito: E
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 27
3.4. Distribuio binomial e propores
A distribuio binomial muito aplicada quando estamos interessados
em propores de uma dada populao.
Considere uma cidade com 100.000 habitantes em que 2/5 so
favorveis a uma dada poltica urbana. Ou ainda: a proporo de
habitantes favorveis poltica urbana de 40%. Vamos entrevistar cinco
pessoas ao acaso. A nossa varivel aleatria X vai designar o nmero
de pessoas entrevistadas que so favorveis poltica urbana.
Primeiramente, vamos supor que nosso processo ocorre com
reposio.
Como assim? O que significa processo com reposio?
Listamos todas as pessoas. Sorteamos uma. Entrevistamos tal
pessoa. Depois disso, o nome dela volta para a lista, podendo ser
sorteada novamente.
A nossa varivel X pode assumir os valores 0, 1, 2, 3, 4, 5. um
caso anlogo ao lanamento do dado. So cinco experimentos
independentes e, em cada um deles, a probabilidade de ocorrer o
resultado favorvel de 2/5. Como X designa o nmero de pessoas
favorveis poltica (= nmero de sucessos), X uma varivel
binomial.
Assim, temos:
n = 5 (nmero de experimentos)
p = 2/5 (probabilidade de resultado favorvel em um experimento o
mesmo valor da proporo de pessoas favorveis poltica)
q = 3/5 (probabilidade de resultado desfavorvel em um
experimento)
A probabilidade de X assumir cada um dos valores possveis dada
abaixo:
X P
0 0,07776
1 0,2592
2 0,3456
3 0,2304
4 0,0768
5 0,01024
Todos os valores acima foram calculados com a frmula da varivel
binomial dada abaixo.
knk qpk
nkXP
== )(
por isso que a proporo est relacionada com a varivel binomial.
Ela tem relao com a probabilidade de sucesso e fracasso (valores de
p e q).
Vamos agora mudar um pouco o exemplo.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 28
Poderamos fazer a entrevista de um modo um pouco diferente.
Podemos fazer um experimento sem reposio, o que at mais comum. No
queremos entrevistar a mesma pessoa duas vezes. Uma vez que um nome
sorteado, ele no volta para lista, de modo que uma pessoa jamais
poderia ser sorteada mais de uma vez.
Neste caso, no temos mais uma varivel binomial. Continuamos
tendo cinco experimentos. S que eles no so mais independentes entre
si (e, para termos varivel binomial, os n eventos tm que ser
independentes). A probabilidade de, no segundo experimento, ser
entrevistada uma pessoa favorvel poltica urbana depende do
resultado do primeiro experimento.
So 100.000 habitantes. 40.000 so favorveis referida poltica.
60.000 so contrrios.
Suponhamos que a primeira pessoa entrevistada foi favorvel
poltica. Entrevistada a primeira pessoa, a situao a seguinte:
temos agora 99.999 pessoas
restaram 39.999 favorveis poltica
A probabilidade de a segunda pessoa tambm ser favorvel :
39.999/99.999. Este nmero diferente de 2/5.
De outro modo, se a primeira pessoa foi contrria referida
poltica, temos:
99.999 pessoas ainda restam com chances de serem
entrevistadas
todas as 40.000 favorveis poltica ainda podem ser
entrevistadas
A probabilidade da segunda pessoa ser favorvel : 40.000/99.999,
que tambm diferente de 2/5.
Notem que a probabilidade de sucesso e fracasso no segundo
experimento (na segunda entrevista) depende do resultado do
experimento anterior. Ou seja, os experimentos no so independentes.
Concluso: no temos uma varivel binomial.
Mesmo nossa varivel no sendo exatamente binomial, obedecidas
algumas condies, podemos consider-la aproximadamente binomial.
exatamente o caso acima. Para ficar mais claro, vamos para uma
situao extrema. Suponha que as quatro primeiras pessoas
entrevistadas foram favorveis poltica. Qual a probabilidade da
quinta pessoa tambm ser?
restam 99.996 pessoas
destas, 39.996 so favorveis poltica urbana
Portanto, a probabilidade procurada : 39.996/99.996 = 0,399976.
Este nmero muito prximo de 2/5 (=0,4).
A proximidade tanta que podemos considerar que esta distribuio
praticamente binomial. Ou seja, mesmo que no haja reposio, podemos
considerar que, a cada novo entrevistado, a probabilidade de a
pessoa ser favorvel poltica urbana de 2/5. Isto porque, mesmo na
situao extrema acima, o valor obtido ainda foi muito prximo de 2/5.
Utilizaremos esta propriedade nas prximas aulas.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 29
Ento, resumindo, temos que:
a varivel binomial til para estudarmos propores
as probabilidades de sucesso e fracasso tm relao com a proporo
de ocorrncia de um dado fenmeno/resultado/valor/etc.
Questo 15 TRT 2 REGIO 2008 [FCC]
Em uma grande cidade, a probabilidade de uma pessoa responder
corretamente a uma questo formulada por um entrevistador igual a
40%. Selecionando ao acaso trs pessoas sem reposio e fazendo a
pergunta para cada uma independentemente, a probabilidade de pelo
menos uma acertar a resposta igual a
(A) 78,4%
(B) 60,0%
(C) 54,6%
(D) 48,0%
(E) 44,8%
Resoluo:
Vamos designar por I varivel aleatria que assume o valor 1
quando a pessoa selecionada responde corretamente e 0 quando
responde incorretamente. I uma varivel de Bernoulli.
Seja X a soma dos valores de I, para as trs pessoas
escolhidas.
Como estudamos acima, X uma varivel binomial.
Certo???
Errado!!!
Para que X seja binomial, as variveis I1, I2 e I3,
correspondentes primeira, segunda e terceira pessoas escolhidas,
devem ser independentes.
Suponha que a cidade em questo seja minscula. So apenas 100
habitantes. 40 delas sabem responder pergunta (e acertam). As
outras 60 no sabem responder e erram.
Para a primeira pessoa escolhida, a probabilidade de acerto de
40% (40 pessoas sabem responder, em 100 possveis).
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 30
Como a escolha sem reposio, para a segunda pessoa, a
probabilidade de acerto no mais de 40%. Se a primeira pessoa
acertou, ento sobraram 39 pessoas que sabem responder, em 99
possveis. A probabilidade de acerto passou para 39/99.
Caso contrrio, se a primeira pessoa errou, ento a probabilidade
de a segunda pessoa acertar de 40/99.
Ou seja, as variveis I1, I2 e I3 so dependentes. Quando isso
ocorre, X no mais binomial.
Para contornarmos este problema, a questo disse para
considerarmos que a populao grande.
Ou seja, a cidade no tem apenas 100 habitantes, como vimos
acima. A cidade teria, por exemplo, 1.000.000 (um milho) de
habitantes.
Neste caso, mesmo que a escolha seja sem reposio, podemos
considerar que X aproximadamente binomial. E a aproximao realmente
muito boa.
Isso ocorre porque o tamanho da amostra pequeno em relao ao
tamanho da populao. Assim, diminuir uma pessoa em um total de
1.000.000 faz pouca diferena.
Sabendo disso, podemos aproximar, considerando que I1, I2 e I3
so independentes. Todas elas apresentam probabilidade de sucesso de
40% = 0,4 e, consequentemente, probabilidade de fracasso de 60% ( =
0,6). Pede-se a probabilidade de pelo menos uma pessoa acertar a
resposta.
# 1 =? Observem a expresso pelo menos uma. Sempre que temos esta
expresso, trabalhamos com o evento complementar.
Vamos calcular a probabilidade do evento complementar:
# = $ = %$& ' (' # = 0 = %30& 0,4
, 0,6)(, = 0,6) = 0,216 Logo:
# 1 = 1 # = 0 = 1 0,216 = 0,784 Gabarito: A
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 31
Questo 16 SAD PE 2009 [CESPE]
A figura acima apresenta a distribuio percentual da populao de
crianas e jovens entre cinco a dezenove anos de idade que nunca
procurou um dentista, por renda domiciliar per capita no Brasil em
1998. As diferenas entre os diversos grupos de renda per capita
acentuada. Aproximadamente 25% da populao brasileira com idade
entre cinco e dezenove anos nunca procuraram um dentista.
Entretanto, este valor sofre oscilaes segundo a renda variando de
50,7% naqueles domiclios com renda de at R$ 37,75 a 1,5% naqueles
domiclios com renda per capita entre R$ 1.813,00 e R$
40.500,00.
A. Nunes et al. Medindo as desigualdades em sade no Brasil,
OPAS/OMS, 2001 (com
adaptaes)
Considerando que uma amostra aleatria simples de cinco mil
indivduos fosse retirada da populao de crianas e jovens entre cinco
e dezenove anos de idade no Brasil em 1998, se X representa o nmero
de indivduos nessa amostra que nunca procurou um dentista, ento a
varincia de X
A) inferior a 400.
B) superior a 400 e inferior a 600.
C) superior a 600 e inferior a 800.
D) superior a 800 e inferior a 1.000.
E) superior a 1.000.
Resoluo
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 32
25,2% da populao brasileira com idade entre cinco e dezenove
anos nunca procuraram um dentista. Isto significa que, para cada
pessoa entrevistada, h 25,2% de chance de o indivduo nunca ter
procurado um dentista. Consequentemente, h 74,8% de chance de a
pessoa j ter procurado um dentista.
Como estamos interessados nos casos em que a pessoa no procura o
dentista, temos:
p = 25,2% ; q = 74,8%
A amostra tem tamanho 5.000.
n = 5.000
A varincia fica:
48,942748,0252,0000.5)( === npqXVar
Gabarito: D
4. DISTRIBUIO DE POISSON
Vimos que a distribuio binomial til para calcularmos a
probabilidade de, em n experimentos, termos k casos favorveis. A
frmula estudada foi:
knk qpk
nkXP
== )(
Pois bem. possvel demonstrar que, quando n grande e p pequeno, a
frmula
knk qpk
nkXP
== )( pode ser aproximada por:
# = $ = B(C '
$! O smbolo e representa um nmero real, que vale aproximadamente
2,7.
Segundo Bussab e Morettin, no livro Estatstica Bsica, a
aproximao boa se 7np .
Muitos tipos de variveis so bem descritas por meio da distribuio
de probabilidades dada por
# = $ = B(C '
$! Essa a distribuio de Poisson. comum substituir o produto np
pela letra (lmbda).
Como a esperana da varivel binomial dada por np , dizemos que
corresponde ao nmero esperado de ocorrncias.
A distribuio de Poisson descreve muito bem o nmero de ocorrncias
ao longo do tempo (ou ao longo de uma superfcie). Alguns exemplos
seriam:
O nmero de carros que passam por uma cabine de pedgio, durante 5
minutos;
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 33
O nmero de telefonemas recebido por uma central de atendimento,
durante 2 horas;
O nmero de clientes que entram na fila de um banco, durante 1
hora.
O nmero de defeitos observados em 2 metros quadrados de
material;
Distribuio de Poisson
# = $ = B(E F'
$! Pode ser usada no lugar da distribuio binomial, quando o
nmero de experimentos grande (n grande) e quando a probabilidade de
sucesso pequena (p pequeno).
Muito til para representar alguns tipos de ocorrncias em um
determinado tempo/superfcie
Questo 17 CGU 2008 [ESAF]
Tem-se que xnxxn ppCxf= )1()( , , onde xnC , o nmero de
combinaes de n
elementos tomados x a x, )(xf a funo de probabilidade de uma
varivel aleatria
binomial. Fazendo-se na sua expresso 0p e n , mas com =np , )(xf
tem como limite a funo de probabilidade de uma varivel aleatria de
Poisson, que :
a) ex
b) !x
ex
c) xe
d) /xe
e) )(/1 xex
Resoluo.
Quando n grande e p pequeno, a expresso knk qpk
nkXP
== )( pode ser
aproximada por:
( )!
)(k
npekXP
knp ==
Vimos tambm que comum chamar o produto np de .
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 34
( )!
)(k
ekXP
k ==
Que frmula da probabilidade para a distribuio de Poisson.
Em vez de usar a letra k , a questo est usando x (minsculo).
Gabarito: B
Questo 18 TRF 1 Regio/2001 [FCC]
A probabilidade de que um item produzido por uma mquina seja
defeituoso de 10%. Uma amostra de 30 itens produzidos por esta
mquina selecionada ao acaso. Use a aproximao pela distribuio de
Poisson para determinar a probabilidade de que no mais do que um
item defeituoso seja encontrado nesta amostra.
a) 34 e
b) 24 e
c) 33 e
d) 341 e
e) 331 e
Resoluo.
Antes de resolvermos a questo da maneira solicitada pelo
enunciado, vamos usar a distribuio binomial.
Podemos considerar que, a cada item selecionado, temos um
experimento. Estamos interessados nos itens defeituosos. Se o item
sorteado for defeituoso, consideramos um caso favorvel. Caso
contrrio, consideramos um caso desfavorvel. A probabilidade de
sucesso, em um experimento, de 10% (p = 0,1). O nmero de
experimentos de 30 (n = 30). Seja X o nmero de itens defeituosos na
amostra de 30 itens. Queremos a probabilidade de X ser igual a zero
ou 1.
Basta aplicar a frmula:
knk qpk
nkXP
== )(
300 9,01,00
30)0(
==XP
Usando a calculadora:
04239,0)0( =XP
291 9,01,01
30)1(
==XP
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 35
Novamente com o auxilio de calculadora:
14130,09,01,030)1( 291 ==XP
Assim, a probabilidade de termos um ou nenhum item defeituoso na
amostra de:
18369,004239,014130,0 =+
Pronto. Achamos a probabilidade, considerando a distribuio
binomial.
Agora vamos usar a distribuio de Poisson.
Ns vimos que, em certas situaes, a frmula da distribuio binomial
pode ser aproximada por:
# = $ = B(E F'
$!
Onde o nmero esperado de ocorrncias. Em mdia, 10% dos itens
produzidos so defeituosos. Numa amostra com 30 itens, espera-se que
existam 3 itens defeituosos ( 3= ). Note que: 31,030 === np .
A probabilidade de termos zero itens defeituosos fica:
# = 0 = B() 3,
0! = B()
A probabilidade de termos 1 item defeituoso na amostra de:
# = 1 = B() 3
1! = 3B()
Assim, a probabilidade de termos zero ou um item defeituoso
de:
333 43 =+ eee
Gabarito: A
Por curiosidade, usando a calculadora, temos:
19915,04 3 e
O resultado foi relativamente prximo daquele calculado sem a
aproximao (usando a distribuio binomial).
Pergunta: Professor, como vou saber quando para usar a
distribuio binomial e quando vou utilizar a distribuio de
Poisson?
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 36
Neste exerccio em particular, era perfeitamente possvel usar a
distribuio binomial. Em geral, se for possvel usar a binomial,
use-a!
Neste caso, s usamos a distribuio de Poisson porque a questo
disse expressamente para fazer isso. Do contrrio, usaramos a
distribuio binomial mesmo.
Questo 19 MPE PE/2006 [FCC]
O nmero de falhas de certo tipo de placa trmica tem distribuio
de Poisson, com taxa mdia de 0,1 defeitos por m2. Na confeco da
superfcie de um armrio, necessrio cobrir uma superfcie de 2m por 2m
com essa placa.
A probabilidade de que haja pelo menos uma falha nessa superfcie
de:
a) 1,0e
b) 1,01 e
c) 4,01 e
d) 4,0e
e) 4,04,11 e
Resoluo.
Exerccio bem parecido com o anterior.
Seja X a varivel que designa o nmero de falhas. Vamos calcular a
probabilidade de X seja igual a zero.
( )!
)(k
ekXP
k ==
A taxa mdia de 0,1 defeito por m2. Em 4 m2, o nmero esperado de
0,4 defeitos
( 4,0= ).
( )!
)(k
ekXP
k ==
( ) 4,004,0!0
4,0)0(
=== eeXP
Portanto, a probabilidade que no haja defeitos na placa de 4,0e
.
Desse modo, a probabilidade de haver pelo menos uma falha nessa
placa de:
4,01 e
Gabarito: C.
Interessante notar o seguinte. O exerccio pediu para usarmos a
distribuio de Poisson.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 37
Mas, mesmo que ele no tivesse dito nada a respeito,
necessariamente teramos que usar a distribuio de Poisson. No d para
usar a distribuio binomial aqui. Por qu?
Tanto na distribuio binomial quanto na de Poisson, a varivel de
interesse o nmero de ocorrncias de alguma coisa.
Vamos retomar a Questo 18. L a varivel de interesse era o nmero
de itens defeituosos produzidos pela mquina. Trata-se de uma
varivel discreta, que pode assumir apenas os valores 0, 1, 2, 3,
...., 29, 30.
Pois bem, a cada item analisado, temos um experimento. A
probabilidade de sucesso (=item defeituoso) de 10%. A probabilidade
de fracasso de 90%.
Se, a ttulo de exemplo, quisermos calcular a probabilidade de
termos exatamente 1 item defeituoso, usamos a frmula da varivel
binomial. Ela vai nos dar a probabilidade de haver exatamente 1
defeituoso (e, consequentemente, 29 itens sem defeito).
Ficaria assim:
291 9,01,01
30)1(
==XP
Pois bem, estamos calculando a probabilidade de:
Termos 1 item defeituoso
Termos 29 itens no defeituosos
Tudo isso, verificado em 30 experimentos
Mudemos de exerccio. Vamos agora para a Questo 19.
Vamos calcular a probabilidade de ter exatamente uma falha na
superfcie, usando a distribuio binomial.
Vamos considerar sucesso sempre que observarmos uma falha. Vamos
considerar fracasso sempre que no observarmos qualquer falha.
Pergunta: quanto experimentos foram realizados?
No d para saber.
O que seria um experimento? Seria a anlise de 1 m2 de superfcie?
Seria a anlise de 1 cm2 de superfcie? No temos como contar quantos
experimentos foram feitos.
E mais: no sabemos quantos fracassos ocorreram.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 38
Estamos interessados em calcular a probabilidade de exatamente
uma falha no material. Estamos considerando que cada falha um caso
favorvel (=sucesso). Ou seja, queremos saber a probabilidade de, em
uma placa de 4m2, termos exatamente 1 falha. Queremos a
probabilidade de 1 caso favorvel.
Ok, para os casos favorveis tranquilo.
Contudo, no d para contar quantos seriam os casos desfavorveis.
Quantas falhas deixaram de ocorrer? Outra vez, no temos
resposta.
Sempre que estivermos diante de situaes assim, no d para usar a
distribuio binomial. Da partimos para a distribuio de Poisson.
A varivel que apresenta distribuio de Poisson discreta. sempre
nmero de ocorrncias de alguma coisa (portanto, s pode assumir os
valores 0, 1, 2, 3, 4, ...).
Mas, em geral, um nmero de ocorrncias contado sobre uma base
contnua. Neste exerccio, tnhamos o nmero de ocorrncias de falhas em
uma rea (a rea tem natureza contnua: pode assumir qualquer valor
real maior que zero).
Outro caso tpico o nmero de chamadas telefnicas numa central de
atendimento. Novamente, estamos contando o nmero de ocorrncias (a
varivel de interesse discreta). Mas o tempo contnuo. O tempo pode
assumir qualquer valor real maior que zero. Novamente, teremos as
mesmas dificuldades: como contar quantos experimentos aconteceram?
Cada segundo um experimento? Cada minuto? Cada hora? Como contar os
casos desfavorveis? Como contar quantas chamadas no ocorreram? Como
contar quantas ligaes no foram feitas?
Binomial versus Poisson
Sempre que for possvel usar a varivel binomial, use-a (exceto se
o exerccio disser usar a varivel de poisson).
H casos em que no possvel usar a distribuio binomial. So casos
em que o nmero de ocorrncias contado num campo contnuo (como
espao/rea e tempo). Nestas situaes: use a distribuio de poisson
Apenas por curiosidade, a ideia da distribuio de Poisson a
seguinte.
No caso das falhas na superfcie de 4 m2, supe-se que seria
possvel dividir esta superfcie em reas muito pequenas. Muito
pequenas mesmo. reas infinitesimais. Isto de tal forma que a
probabilidade de ocorrncia de duas ou mais falhas em cada uma
destas pequenas reas seja igual a zero.
Cada reazinha analisada, para ver se contempla uma falha. Ou
seja, a cada rea temos um experimento. Se a rea apresentar uma
falha, temos sucesso. Do contrrio, temos fracasso.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 39
Feito isso, aplica-se a frmula da distribuio binomial. S que
como as reas tm que ser bem pequenas mesmo, ento o nmero de
experimentos bem grande. Quando n bem grande e p pequeno, da
possvel demonstrar que a frmula da varivel binomial tende a
( )!
)(k
ekXP
k ==
.
Ou seja: a frmula da varivel de Poisson baseada na distribuio
binomial. Seria uma distribuio binomial especial (especial porque
se aplica a casos em que o nmero de experimentos bem grande, uma
vez que as ocorrncias so contadas num campo contnuo).
Questo 20 MPE PE 2006 [FCC]
Considerando os dados da questo anterior, responda ao que
segue.
Na confeco de 3 superfcies deste tipo, a probabilidade de que
exatamente duas no apresentem defeito :
a) 4,024,0 )1(3 ee
b) 1,03 e
c) )1(3 2,0 e
d) 1,021,0 )1(3 ee
e) 8,04,0 )1(3 ee
Resoluo:
Podemos aplicar a frmula da distribuio binomial.
Note que aqui a situao muda completamente.
No exerccio anterior, estvamos contando quantas falhas ocorriam
em uma rea (contnua). Usamos a distribuio de Poisson.
Agora mudou tudo. Estamos contando quantas placas de 4m2
apresentam defeitos. A contagem no se d mais em funo de uma
superfcie/rea. A contagem por placa de 4m2.
Cada placa analisada corresponde a um experimento. Se a placa
apresentar falhas, temos um caso favorvel. Do contrrio, temos um
caso desfavorvel. D para contar quantos so os experimentos, quantos
so os sucessos e quantos so os fracassos.
Temos:
n = 3 (so confeccionadas trs placas)
4,01 = ep (a probabilidade de caso favorvel placa defeituosa foi
calculada no exerccio anterior.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 40
4,0= eq (probabilidade de caso desfavorvel placa sem
defeitos)
1=k (queremos exatamente uma placa com defeito 1 caso
favorvel)
Aplicando a frmula da varivel binomial:
knk qpk
nkXP
== )(
( ) ( ) 134,014,011
3)1(
== eeXP
( ) ( )24,04,013)1( == eeXP ( ) ( )8,04,013)1( == eeXP
Gabarito: E
Questo 21 TRT 2 REGIO 2008 [FCC]
O nmero de peas defeituosas fabricadas por uma empresa tem
distribuio de Poisson, com uma taxa mdia de 1 pea defeituosa por
1.000 peas fabricadas. Adquirindo 100 peas desta empresa, a
probabilidade de, no mximo, uma pea ser defeituosa igual a
(A) e0,2
(B) e0,1
(C) 1,1 e0,1
(D) 0,1e0,1
(E) 2 e0,2
Resoluo:
Em 100 peas, espera-se que 0,1 pea seja defeituosa (basta fazer
regra de trs).
F = 0,1 Para termos no mximo 1 pea defeituosa, devemos ter:
- 0 peas defeituosas
ou
- 1 pea defeituosa.
# = 0 = 1 = # = 0 + # = 1
= B(EF,0! +
B(EF1!
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 41
= B(,, 0,1,
0! +B(,, 0,1
1! = B(,, + 0,1 B(,, = B(,, 1 + 0,1
= 1,1 B(,, Gabarito: C
Questo 22 MPU/2007 [FCC]
O nmero de pacientes atendidos por um clnico geral segue uma
distribuio de Poisson com taxa de 4 pacientes por hora. A
probabilidade de que pelo menos um paciente consulte o clnico geral
em um perodo de 15 minutos :
a) 11 e
b) 41 e
c) 4e
d) 4e
e) 1e
Resoluo.
Notem que a contagem de pacientes se d por tempo (que contnuo).
o caso tpico de utilizao da distribuio de Poisson.
Antes de fazer qualquer conta, notem que a letra D totalmente
absurda. O nmero e aproximadamente igual a 2,7. Quando elevado
quarta potncia, fica ainda maior. Portanto, na letra D temos uma
probabilidade maior que 1, o que impossvel. Uma probabilidade, no
mximo, de 100%.
Se em uma hora, em mdia, so atendidos 4 pacientes, ento o nmero
esperado de pacientes no perodo de 15 minutos 1 (basta fazer regra
de trs). Portanto, 1= . Seja X a varivel que designa o nmero de
pacientes atendidos. Queremos calcular a probabilidade de X ser
maior que zero.
Para tanto, primeiro vamos calcular a probabilidade de X ser
igual a zero.
( )!
)(k
ekXP
k ==
( ) 101!0
1)0(
=== eeXP
Portanto:
11)0( = eXP
Gabarito: A.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 42
Questo 23 SEFAZ RJ 2009 [FGV]
O nmero de clientes que buscam, em cada dia, os servios de um
renomado cirurgio tem uma distribuio de Poisson com mdia de 2
pacientes por dia. Para cada cirurgia efetuada, o cirurgio recebe
R$ 10.000,00. No entanto, ele consegue fazer o mximo de duas
cirurgias em um dia; clientes excedentes so perdidos para outros
cirurgies.
Assinale a alternativa que indique o valor esperado da receita
diria do cirurgio.
(considere e2 = 0,14)
(A) R$ 5.600,00.
(B) R$ 8.400,00.
(C) R$ 10.000,00.
(D) R$ 14.400,00.
(E) R$ 20.000,00.
Resoluo.
Seja X a varivel que indica o nmero de clientes que buscam o
cirurgio, por dia. X tem distribuio de Poisson.
( )!
)(k
ekXP
k ==
.
202
!0
2)0(
=== eeXP
212
2!1
2)1(
=== eeXP
J achamos as probabilidades de X ser igual a zero e de X ser
igual a 1.
E quanto aos demais casos? E quanto aos casos em que X maior ou
igual a 2?
Bem, eles podem ser tratados em conjunto. Isto porque, se X for
maior ou igual a 2, o cirurgio s poder atender 2 clientes. Sua
receita diria, em qualquer desses casos, ser de R$ 20.000,00.
Assim, pouco importa se, num dado dia, 2 clientes procuram o
cirurgio, ou se 20 clientes procuram o cirurgio. Nos dois casos ele
s ter uma receita de R$ 20.000,00.
Por isso, vamos tratar todos estes casos de forma conjunta.
?)2( =XP
= )2( XP ( ))1()0(1 =+= XPXP = )2( XP 231 e
Seja Y a varivel que indica a receita diria do cirurgio. A
tabela abaixo relaciona os valores de X e suas probabilidades com
os respectivos valores de Y.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 43
X Y Probabilidade
0 0 2e 1 10.000 2
2e maior ou igual a 2 20.000 231 e
A esperana de Y fica:
)31(000.202000.100)( 222 ++= eeeYE 22 000.60000.20000.20)( +=
eeYE
2000.40000.20)( = eYE
14,0000.40000.20)( =YE
600.5000.20)( =YE = 14.400
Gabarito: D
Questo 24 TRT 4 REGIO 2009 [FCC]
Suponha que o nmero de partculas emitidas por uma fonte
radioativa durante um perodo de tempo t seja uma varivel aleatria
com distribuio de Poisson. Sabe-se que a probabilidade de que no
haja emisses durante o tempo t 1/4. A probabilidade de que haja
pelo menos duas emisses durante o tempo t
(A) 14ln
(B) 4
4ln4
(C) 4
4ln
(D) 4
4ln1
(E) 4
4ln3
Resoluo.
Temos:
# = 0 = 14 B(E F,
0! =14
B(E = 14 equaoI Aplicando logaritmo neperiano dos dois lados da
igualdade:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 44
lnPB(EQ = ln 4145 Quando o logaritmo incide sobre uma potncia,
podemos descer o expoente, multiplicando:
lnB = ln 4145 Quando a base igual ao logaritmando, o logarimto
vale 1.
F 1 = ln 4145 Podemos separar o logaritmo da diviso em uma
subtrao de logaritmos:
F 1 = ln1 ln4 Quando o logaritmando vale 1, o logaritmo vale
0.
F = ln4 F = ln4 equaoII
A probabilidade de uma emisso :
# = 1 = B(E F1!
# = 1 = B(E F Substituindo o valor de B(E, encontrado na equao
I:
# = 1 = 14 F
Substituindo o valor de F dado em II: # = 1 = 14 ln4
Finalmente, podemos calcular a probabilidade de pelo menos duas
emisses:
# 2 = 1 # < 2 = 1 # = 0 # = 1
= 1 14 ln44
= 4 1 ln44
= 3 ln44 Gabarito: E
Questo 25 TRT 7 REGIO 2009 [FCC]
Seja X a varivel aleatria que representa o nmero de chamadas por
minuto recebidas por um PBX. Sabe-se que X tem mdia e que P(X = 3)
= P(X = 4). Supondo que a distribuio de
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 45
Poisson seja adequada para X, a probabilidade de que ocorra uma
chamada em 30 segundos
(A) e4 .
(B) 4e4 .
(C) e2.
(D) 2e2.
(E) 1 2 e2.
Resoluo:
# = 3 = B(E F)
3!
# = 4 = B(E F-
4! Igualando as duas probabilidades:
B(E F)3! =
B(E F-4!
F)3! =
F-4!
1 = F4 F = 4
Assim, em 1 minuto esperam-se 4 chamadas.
Logo, em meio minuto, esperam-se 2 chamadas.
A probabilidade de uma chamada em meio minuto :
# = 1 = B( 21! = 2 B
(
Gabarito: D
Questo 26 AFRFB 2009 [ESAF]
O nmero de petroleiros que chegam a uma refinaria ocorre segundo
uma distribuio de Poisson, com mdia de dois petroleiros por dia.
Desse modo, a probabilidade de a refinaria receber no mximo trs
petroleiros em dois dias igual a:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 46
Resoluo.
Precisamos simplesmente aplicar a frmula da distribuio de
Poisson vrias vezes.
Em dois dias, o nmero esperado de petroleiros igual a 4.
4= Aplicando a frmula:
=+++ )3()2()1()0( PPPP
+++
!3
4
!2
4
!1
4
!0
4 32104e =
=
3
714e
Gabarito: C
Para encerrar os comentrios da distribuio de Poisson, faltou
dizer o seguinte. Se X tem distribuio de Poisson, ento:
== )()( XVXE
A varincia e a esperana de X so iguais a .
Mdia e varincia da varivel com distribuio de Poisson
= = F
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 47
5. DISTRIBUIO GEOMTRICA
Suponha que realizamos repetidas vezes um experimento de
Bernoulli, at que obtenhamos o primeiro sucesso. A varivel X indica
o nmero de tentativas at conseguirmos o primeiro sucesso. X uma
varivel com distribuio geomtrica.
Exemplo: X designa o nmero de lanamentos de uma moeda at
obtermos cara pela primeira vez.
Outro exemplo: X designa o nmero de lanamentos do dado at
obtermos um mltiplo de 3.
No primeiro caso, a cada lanamento a chance de sucesso (cara)
50%. Dizemos que = 0,5 No segundo caso, a cada lanamento do dado a
chance de sucesso (mltiplo de 3) 1/3. Assim = 1 3.
A probabilidade de o primeiro sucesso ocorrer na k-sima
tentativa :
1 '( possvel ento calcular a mdia e a varincia de X, assim:
= 1
= 1
Questo 27 TRE ES 2011 [FCC]
O custo para a realizao de um experimento de 500 reais. Se o
experimento falhar haver um custo adicional de 100 reais para a
realizao de uma nova tentativa. Sabendo-se que a probabilidade de
sucesso em qualquer tentativa 0,4 e que todas so independentes, o
custo esperado de todo o procedimento at que o primeiro sucesso
seja alcanado
a) 1.500.
b) 1.400.
c) 1.300.
d) 1.200.
e) 1.000.
Resoluo:
Primeira soluo
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 48
Primeiramente, vou resolver a questo do jeito que eu faria
durante a prova. Infelizmente, para essa soluo no h resposta.
Eu interpretei o enunciado da seguinte forma.
Na primeira tentativa, o custo de R$ 500,00.
Na segunda tentativa,o custo de R$ 100,00 ( o custo adicional),
que, somado ao custo inicial, resulta num custo total de R$
600,00
Na terceira tentativa, o custo de R$ 100,00 (mais outro custo
adicional), que, somado ao que foi gasto at aqui, resulta num custo
acumulado de: 600 + 100 = 700
E assim por diante. A cada nova tentativa, nosso gasto
aumentaria em R$ 100,00 (custo adicional para cada tentativa).
Muito bem.
Seja "X" a varivel que indica a quantidade de experimentos
necessria para que ocorra o primeiro sucesso. "X" segue uma
distribuio geomtrica, com parmetro = 0,4. A esperana de "X" dada
por
= 1 =10,4 = 2,5
So realizadas, em mdia, 2,5 experincias at que ocorra o primeiro
sucesso. O primeiro experimento tem custo de R$ 500,00. Os outros
tm custo de R$ 100,00 cada. Somando tudo, o gasto total seria
de:
500 + 2,5 1 100 = 650 E no h resposta com esse valor.
Segunda soluo
Essa segunda soluo eu s fiz porque olhei o gabarito e vi que a
resposta a letra "B". Ao indicar que o custo adicional de R$
100,00, a banca quis dizer que cada novo experimento custa R$
600,00 (ou seja, custa os R$ 500,00 iniciais mais R$ 100,00).
Assim:
Na primeira tentativa, o custo de R$ 500,00.
Na segunda tentativa, o custo de R$ 600,00, que, somado ao custo
inicial, resulta num custo total de R$ 1.100,00
Na terceira tentativa, o custo de R$ 600,00, que, somado ao que
foi gasto at aqui, resulta num custo acumulado de: 600 + 1.100 =
1.700
E assim por diante.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 49
J vimos que so realizadas, em mdia, 2,5 experincias. A primeira
tem custo de R$ 500,00. As outras custam R$ 600,00 cada uma. O
custo total ser de:
500 + 2,5 1 600 = 1400 Gabarito: B
Questo 28 ISS SP 2012 [FCC]
Suponha que ao realizar um experimento ocorra o evento A com
probabilidade p e no ocorra com probabilidade (1-p). Repetimos o
experimento de forma independente at que A ocorra pela primeira
vez. Seja: X = nmero de repeties do experimento at que A ocorra
pela primeira vez. Sabendo que a mdia de X 3, a probabilidade
condicional expressa por P (X = 2 | X 3) igual a
a) 5/27
b) 4/27
c) 2/9
d) 1/3
e) 6/19
Resoluo:
Temos uma distribuio geomtrica. Sua mdia :
= 1
3 = 1
= 13 Logo, temos:
# = 1 = = 13
# = 2 = 1 = 23 13 =
29
# = 3 = 1 = 4235 13 =
427
# 3 = 13 +29 +
427 =
9 + 6 + 427 =
1927
Por fim:
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 50
# = 2| 3 = # = 2# 3 =291927
= 619
Gabarito: E
6. DISTRIBUIO HIPERGEOMTRICA
Suponha que temos 50 itens fabricados, sendo que 45 so normais e
5 so defeituosos.
Extramos uma amostra de tamanho 3, sem reposio. E queremos
calcular a probabilidade de exatamente 2 itens defeituosos na
amostra.
Seja X a varivel que indica a quantidade de itens defeituosos na
amostra.
# = 2 =? Vamos calcular os casos possveis. Temos um caso de
combinao de 50 elementos, tomados 3 a 3.
+7,,) Agora os casos favorveis. Para a escolha dos dois itens
com defeito, temos um caso de combinao de 5 elementos, tomados 2 a
2. E para a escolha do item normal, temos um caso de combinao de 45
elementos, tomados 1 a 1.
Com isso, o nmero de casos favorveis fica:
+7, +-7, A probabilidade obtida dividindo o nmero de casos
favorveis pelo nmero de casos possveis:
# = 2 = +7, +-7,+7,,) Dizemos que X tem distribuio
hipergeomtrica. Genericamente, se tivermos N elementos, dos quais k
tm determinada caracterstica, e extrairmos uma amostra de tamanho
n, ento a probabilidade de x sucessos :
# = = +',; +W(',(;+W, A mdia e a varincia de X so:
= = X X 1
Onde:
p a proporo de itens com a caracterstica desejada (na
populao)
q = 1 - p
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 51
= $X ; = 1 Se a amostragem fosse com reposio, o nmero de itens
defeituosos na amostra seguiria uma distribuio binomial, com mdia e
varincia . No entanto, como a amostragem sem reposio, isso d origem
distribuio hipergeomtrica. A mdia se mantm em .Mas temos uma
alterao na varincia: ela multiplicada por X X 1 que chamado de
fator de correo para populaes finitas.
Questo 29 MPU 2007 [FCC]
Em uma livraria 4 livros didticos com defeito foram misturados a
outros 16 livros sem defeito. Um professor foi livraria e escolheu,
aleatoriamente, 4 desses livros para presentear seus alunos. A
probabilidade de ter escolhido 3 livros com defeito a)
%43& %161 &
%204 &
b)
%163 & %41&
%204 &
c)
%164 & 0,8- 0,2
d)
%204 & 0,8-0,2Z
e)
%163 & 0,8-0,2
Resoluo:
O enunciado est impreciso. O examinador quis se referir
probabilidade de retirar exatamente trs livros com defeito.
Casos possveis:
Para a escolha dos 4 livros entre os 20 existentes temos
combinao de 20, tomados 4 a 4:
+,,-
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 52
Casos favorveis:
Para a escolha dos 3 defeituosos entre os 4 existentes, temos
combinao de 4, tomados 3 a 3:
+-,) Para a escolha do livro normal entre os 16 existentes,
temos combinao de 16, tomados 1 a 1:
+Z, Aplicando o princpio fundamental da contagem:
+Z, +-,) Probabilidade A probabilidade dada pela relao entre
nmero de casos favorveis e nmero de casos possveis.
# = +Z, +-,)+,,- Gabarito: A
Questo 30 MDIC 2012 [ESAF]
Em uma populao de 50 empresas de uma regio, 20 so empresas
exportadoras. Qual o valor mais prximo do nmero esperado de
empresas exportadoras em uma amostra aleatria de tamanho 20
retirada sem reposio da populao?
a) 10 b) 8 c) 7,5 d) 6 e) 4
Resoluo:
Temos uma distribuio hipergeomtrica. O tamanho da amostra 20 (n
= 20) e a proporo populacional de empresas exportadoras 2/5 (p =
2/5).
A esperana da distribuio hipergeomtrica :
= = 20 25 = 8 Gabarito: B
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 53
7. QUESTES APRESENTADAS EM AULA
Questo 1 TJ RO 2008 [CESGRANRIO]
Uma urna contm dez bolas, cada uma gravada com um nmero
diferente, de 1 a 10. Uma bola retirada da urna aleatoriamente e X
o nmero marcado nesta bola. X uma varivel aleatria cujo(a)
(A) desvio padro 10.
(B) primeiro quartil 0,25.
(C) mdia 5.
(D) distribuio de probabilidades uniforme.
(E) distribuio de probabilidades assimtrica.
Questo 2 GDF SEJUS 2010 [UNIVERSA]
Para uma determinada moeda viciada, a probabilidade de se obter
um resultado cara igual a 30%. Seja, ento, a varivel aleatria X que
assume apenas os valores 0 e 1, sendo 0 para resultado coroa e 1
para resultado cara. Assinale a alternativa que apresenta,
respectivamente, o valor mdio e a varincia de X.
(A) 0,21 e 0,3
(B) 0,7 e 0,21
(C) 0,21 e 0,7
(D) 0,3 e 0,21
(E) 0,3 e 0,7
Questo 3 SEFAZ RJ 2007 [FGV]
Um candidato se submete a uma prova contendo trs questes de
mltipla escolha precisando acertar pelo menos duas para ser
aprovado. Cada questo apresenta cinco alternativas, mas apenas uma
correta. Se o candidato no se preparou e decide responder a cada
questo ao acaso, a probabilidade de ser aprovado no concurso igual
a:
(A) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 54
Questo 4 CGU 2008 [ESAF]
Seja X a soma de n variveis aleatrias independentes de
Bernoulli, isto , que assumem apenas os valores 1 e 0 com
probabilidades p e p1 , respectivamente. Assim, a distribuio de X
:
a) binomial com parmetros n e p
b) gama com parmetros n e p
c) qui quadrado com n graus de liberdade
d) laplace
e) t de student com n-1 graus de liberdade
Questo 5 PETROBRAS 2008/2 [CESGRANRIO]
Um estudante marca, ao acaso, as respostas de um teste de 10
questes de mltipla escolha, com 4 alternativas por questo. O nmero
mais provvel de acertos
(A) 1,5
(B) 2,0
(C) 2,5
(D) 3,0
(E) 3,5
Questo 6 AFRFB 2009 [ESAF]
Em um experimento binomial com trs provas, a probabilidade de
ocorrerem dois sucessos doze vezes a probabilidade de ocorrerem trs
sucessos. Desse modo, as probabilidades de sucesso e fracasso so,
em percentuais, respectivamente, iguais a:
a) 80 % e 20 %
b) 30 % e 70 %
c) 60 % e 40 %
d) 20 % e 80 %
e) 25 % e 75 %
Questo 7 SUSEP 2010 [ESAF]
Um estudo indica que, nas comunidades que vivem em clima muito
frio e com uma dieta de baixa ingesto de gordura animal, a
probabilidade de os casais terem filhos do sexo masculino igual a
1/4. Desse modo, a probabilidade de um casal ter dois meninos e trs
meninas igual a:
a) 37/64
b) 45/216
c) 1/64
d) 45/512
e) 9/16
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 55
Questo 8 SEFAZ MG 2005 [ESAF]
Suponha que a probabilidade de que se encontre um erro contbil
grave em uma auditoria seja 0,2. Se dez auditorias independentes so
realizadas, assinale a opo que d a probabilidade de que no mais do
que uma detecte erro contbil grave.
a) 5/48,2
b) 0,400
c) 0,210
d) ( )105/48,2 e) ( )95/48,2 Questo 9 CGU 2008 [ESAF]
Seja X uma varivel aleatria discreta com funo de probabilidade
binomial )(xf , onde knx
kn ppCkf= )1()( , e knC , o nmero de combinaes de n elementos
tomados k a k.
Sendo 6=n e 3/1=p , determine )6(f .
a) 1/729
b) 1
c) 0
d) 64/729
e) 8/729
Questo 10 CGU 2008 [ESAF]
Seja )(kF a funo de distribuio da varivel aleatria definida na
questo anterior,
determine )0(F .
a) 0
b) 1/729
c) 64/729
d) 243/729
e) 1.
Questo 11 IRB 2004 [ESAF]
Suponha que o motor de um avio em vo falhe, independentemente
dos outros motores, com probabilidade 1 , sendo um nmero entre zero
e um. O avio capaz de fazer um vo seguro se pelo menos a metade de
seus motores estiverem funcionando propriamente. Assinale a opo que
corresponde aos valores de para os quais voar num avio com 4
motores mais seguro do que voar num bimotor.
a) p=0,500
b) p=0,200
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 56
c) p deve estar entre 0,500 e 0,655
d) p deve ser menor do que 0,200
e) p deve ser maior que 2/3
Questo 12 SERPRO 2001 [ESAF]
Um aspecto importante do servio de manuteno de programas numa
empresa tem a ver com a velocidade (presteza) com que uma chamada
de servio (de manuteno) atendida. Historicamente, numa determinada
empresa, observa-se que as chances so de 50% de que uma chamada
seja atendida num perodo inferior a 1 hora. Se 5 chamadas de
manuteno so realizadas nessa empresa, assinale a opo que d a
probabilidade de que pelo menos 3 chamadas sejam atendidas em menos
de 1 hora.
a) 50,00%
b) 12,50%
c) 75,00%
d) 31,25%
e) 18,75%
Questo 13 SUSEP 2006 [ESAF]
Se p a probabilidade de um evento acontecer em uma tentativa
nica e seu complemento (1 p) a probabilidade do evento no ocorrer
(distribuio binomial), ento a probabilidade do evento ocorrer
exatamente X vezes, em n tentativas dada por:
apx=+,; ; (; b1 ;(; c = ;(;
d = 1 + +,;;(; e = ; (;
Questo 14 GDF SEJUS 2010 [UNIVERSA]
Em certo plano amostral, em uma populao de 100 elementos,
optou-se pelo seguinte critrio: joga-se uma moeda (honesta) e, se
der cara, o elemento entra na amostra; se der coroa, ele no entra
na amostra. Qual o tamanho esperado dessa amostra?
(A) 10
(B) 20
(C) 30
(D) 40
(E) 50
Questo 15 TRT 2 REGIO 2008 [FCC]
Em uma grande cidade, a probabilidade de uma pessoa responder
corretamente a uma questo formulada por um entrevistador igual a
40%. Selecionando ao acaso trs pessoas
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 57
sem reposio e fazendo a pergunta para cada uma
independentemente, a probabilidade de pelo menos uma acertar a
resposta igual a
(A) 78,4%
(B) 60,0%
(C) 54,6%
(D) 48,0%
(E) 44,8%
Questo 16 SAD PE 2009 [CESPE]
A figura acima apresenta a distribuio percentual da populao de
crianas e jovens entre cinco a dezenove anos de idade que nunca
procurou um dentista, por renda domiciliar per capita no Brasil em
1998. As diferenas entre os diversos grupos de renda per capita
acentuada. Aproximadamente 25% da populao brasileira com idade
entre cinco e dezenove anos nunca procuraram um dentista.
Entretanto, este valor sofre oscilaes segundo a renda variando de
50,7% naqueles domiclios com renda de at R$ 37,75 a 1,5% naqueles
domiclios com renda per capita entre R$ 1.813,00 e R$
40.500,00.
A. Nunes et al. Medindo as desigualdades em sade no Brasil,
OPAS/OMS, 2001 (com
adaptaes)
Considerando que uma amostra aleatria simples de cinco mil
indivduos fosse retirada da populao de crianas e jovens entre cinco
e dezenove anos de idade no Brasil em 1998, se X representa o nmero
de indivduos nessa amostra que nunca procurou um dentista, ento a
varincia de X
A) inferior a 400.
-
Estatstica para Bacen reas 2 3 e Prof. Vtor Menezes Aula 6
Prof. Vtor Menezes www.estrategiaconcursos.com.br 5