UNIDADE II - INTRODUO A PROBABILIDADE

No estudo de variveis podemos

Determinsticos e Probabilsticos.

distinguir

dois

tipos

de

experimentos:

Experimentos Determinsticos: so aqueles cujos resultados so conhecidos,

mesmo antes de serem concretizados.
Experimentos Probabilsticos: tambm chamados aleatrios no esto associados
a resultados pr-estabelecidos, por mais que nos esforcemos em prever seus
resultados, ele s determinado aps a realizao do experimento.
Estes experimentos so considerados aleatrios se podem existir nas seguintes
condies:
- Pode-se repetir indefinidamente, sempre nas mesmas condies;
- No se pode dizer a priori o resultado do experimento;

- O resultado obtido pertence a um conjunto de resultados possveis

denominado de espao amostral.
ESPAO AMOSTRAL (S): So todos os resultados possveis de um experimento.
Exemplo I: Nascimento de uma criana quanto ao sexo.

S = {M, F}.

Exemplo II: Nascimento de duas crianas quanto ao sexo: S = {MM, MF, FM, FF}.
Exemplo III: Nascimento de trs crianas quanto ao sexo:
S = {MMM, MMF, MFM, FMM, FFM, FMF, MFF, FFF}.
Exemplo IV: Lanamento de um dado: S = {1, 2, 3, 4, 5, 6}
Exemplo V: Lanamento de dois dados:
S = {11, 12, 13, 14, 15, 16, 21, 22, 23, 24, 25, 26, 31, 32, 33, 34, 35, 36,
41, 42, 43, 44, 45, 46, 51, 52, 53, 54, 55, 56, 61, 62, 63, 64, 65, 66}.
EVENTOS (A, B C,...): So subconjuntos do espao amostral.
Principais Eventos:
1. Evento Impossvel:
experimento.

aquele

que

no

ocorre

em

nenhuma

prova

do

Exemplo: No lanamento de um dado verificar o nmero de elementos do seguinte

evento: A = {xi/xi > 6} => A = { } - Evento A no possui elementos.
2. Evento Certo: aquele que ocorre em qualquer prova de experimento.
Exemplo: No lanamento de um dado verificar o nmero de elementos do seguinte
evento: B = {xi/xi < 7} => B = {1, 2, 3, 4, 5, 6} Evento igual a S.
3. Evento Complementar (A): O complementar de um evento A tudo que pertence
ao espao amostral, mas no pertence a este evento. Isto : a intercesso
entre um evento e seu complementar sempre vazia.
Conceito de Probabilidade.
Probabilidade a razo entre o nmero de casos favorveis a determinado
evento e todos os elementos do espao amostral finito relativo a esse evento.
Isto : Seja A o evento e S seu espao amostral:

P(A)

n(A) / n(S)

Essa probabilidade deve satisfazer as seguintes condies:

- 0 P(A) 1. Limites do clculo de probabilidade: Evento Impossvel =>
P(A) = 0 e Evento Certo => P(A) = 1.
- P(S) = 1

- Se A e B so eventos mutuamente exclusivos: P(A B) = P (A) + P (B).

4. Teorema da soma: se A e B so dois eventos a probabilidade de A ou B
ocorrerem a soma das probabilidades dos eventos ocorrerem, observando o
fato deles serem mutuamente exclusivos ou no.
4.1. Eventos mutuamente exclusivos: Dois ou mais eventos so considerados
mutuamente exclusivos se a ocorrncia de um deles impossibilita a ocorrncia
do outro evento, isto eles no podem ocorrer ao mesmo tempo.
Eventos complementares so sempre mutuamente excludentes, mas a recproca nem
sempre sempre verdadeira.
Para dois eventos A e B, temos:

P(AUB)

Para trs eventos A, B e C, temos:

P(A) + P(B)

P(AUBUC)

P(A) + P(B) + P(C)

Exemplo: Um grupo de alunos formado por 10 nascidos no municpio de Simo

Dias, 6 no de Poo Verde e 4 no de Itabaiana. Escolhendo ao acaso um aluno
qual a probabilidade que ele tenha nascido em Simo Dias ou em Itabaiana.
Seja: A = {Aluno nascido em Simo Dias};

B = {Aluno nascido Itabaiana}

Estes eventos so mutuamente exclusivos, sendo escolhido aleatoriamente um de

Simo Dias, automaticamente no ocorre aluno de Itabaiana e vice-versa.
Neste caso a probabilidade procurada a seguinte:
P(AUB)

P(A) + P(B);

P(AUB)

10/20 + 4/20

14/20

0,7

70%

4.2. Eventos no mutuamente exclusivos: So aqueles que podem ocorrer ao

mesmo tempo, visto que existe um ou mais elementos comuns a estes eventos,
formando uma intercesso entre os mesmos.
Dois eventos: P(A B) = P(A) + P(B) P(A B)
Trs eventos: P(A B C) = P(A)+P(B)+P(C)P(A B)P(A C)P(B C)+P(A B C)
Exemplo: Num grupo de 100 pessoas, 80 tem sangue Rh positivo, 45 tem sangue
tipo O e 35 tem sangue O com RH positivo. Escolhendo ao acaso, uma pessoa
deste grupo, qual a probabilidade de seu sangue ser do tipo O ou ter Rh
positivo?
Seja: A = {Sangue tipo O} = 45

B = {Sangue com Rh positivo} = 80

P(A

B)=

35 Intercesso dos eventos A e B.

P(A

B)

B)

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

= 45/100 + 80/100 35/100 = 90/100 = 0,90 = 90%

5. Teorema do Produto: a probabilidade de dois e mais eventos ocorrerem

simultaneamente em uma prova igual ao produto das probabilidades destes
eventos, levando em conta o fato dos eventos serem Condicionados ou
Independentes.
5.1. Eventos Condicionados: So aqueles em que a probabilidades de ocorrncia
destes eventos est vinculado a ocorrncia de um ou mais eventos. Os eventos
condicionados so sorteados sem reposio do evento escolhido, deste modo
suas probabilidades de ocorrncias em cada prova do experimento so
diferentes. Sejam A e B dois eventos, denota-se P(B/A) a probabilidade
condicionada do evento B quando A tiver ocorrido, isto :
Para dois eventos: P(B/A) =
Para trs eventos:

P(ABC)

P(AB)/P(A)
=

ou

P(AB)

P(A) * P(B/A) * P(C/A e B)

P(A)*P(B/A)

Exemplo: De 8 alunas de uma classe, 3 tem olhos negros. Se duas delas so

escolhidas ao acaso, qual a probabilidade de ambas terem olhos negros?
A = {primeira aluna com olhos negros}; B = {segunda aluna com olhos negros}
P(AB)

P(A) * P(B/A)

3/8 * 2/7

6/56

0,1071

10,71%

5.2 Eventos Independentes: So aqueles que podem ocorrer ao mesmo tempo, isto
: a probabilidade de um deles ocorrer no depende da ocorrncia ou no do
outro evento. Estes eventos so escolhidos com reposio do evento sorteado,
deste modo suas probabilidades de ocorrncias em qualquer prova do
experimento no se alteram.
Dois eventos A e B, de S, so independentes se e somente se: P(A/B) = P(A)
P(B/A) = P(B)

Para dois eventos: P(AB) = P(A) * P(B);

Para trs eventos: P(ABC)

P(A) * P(B) * P(C)

Exemplo: De 8 alunas de uma classe, 3 tem olhos negros. Se duas delas so

escolhidas ao acaso com reposio da aluna sorteada, qual a probabilidade
de ambas terem olhos negros?
A = {primeira aluna com olhos negros};
P(AB) = P(A)*P(B)

=>

P(AB)

B = {segunda aluna com olhos negros}

3/8 * 3/8

9/64

0,1406

= 14,06%

5. Teorema de Bayes: A ocorrncia de certo acontecimento R pode estar

condicionada a um ou mais acontecimentos (A1, A2,...,An), que representam
parties mutuamente exclusivas de determinado espao amostral. Dessa forma,
o acontecimento R ser igual soma desses acontecimentos, ou seja:
P(R)

P(A1R) + P(A2R) + ... + P(AnR)

P(R)

P(A1)*P(R/A1) + P(A2)*P(R/A2) + ... + P(An)*P(R/An)

O teorema de Bayes, tambm chamado teorema das causas, relaciona-se a

acontecimentos que esto associados. Imaginando a possibilidade de existir
uma relao de causa e efeito entre os acontecimentos, esse teorema permitir
encontrar a probabilidade que certo evento Ai acarretou para a ocorrncia de
R, isto : P(Ai/R) = P(RAi)/P(R). Desenvolvendo e substituindo P(R) nessa
equao temos:
P(Ai/R)

(P(Ai)*P(R/Ai))/((P(Ai)*P(R/Ai))

Exemplo: Trs mquinas C1, C2 e C3 so utilizadas para fabricar arruelas.

Suponha-se que cada arruela seja classificada: perfeita ou defeituosa. As
mquinas produzem respectivamente 40%, 40% e 20% da produo total daquela
Indstria. A percentagem de itens defeituosos da produo de C1, C2 e C3 3%,
2% e 1%. Seleciona-se aleatoriamente um item, verificando-se ser defeituoso.
Qual a probabilidade de pertencer mquina C2?
P(A2/R)

(P(A2)*P(R/A2))/((P(Ai)*P(R/Ai))

P(A2/R) = (0,4*0,02)/(0,4*0,03 + 0,4*0,02 + 0,2*0,01)

P(A2/R) =

0,008/0,0022 = 36,36%

Exerccios Propostos
1.
do
ao
a)

Uma caixa com 20 latas de leo de milho contm 4 com peso lquido abaixo
especificado e 16 de acordo com a especificao. Trs latas so escolhidas
acaso, sem reposio, e classificadas.
Qual a probabilidade de que seja encontrada exatamente 1 lata com peso
lquido abaixo do especificado?
b) Qual a probabilidade de se encontrarem pelo menos duas latas com peso
lquido abaixo do especificado?
2. De 8 alunas de uma classe, 3 tem olhos azuis. Se duas delas so escolhidas
ao acaso, qual a probabilidade de:
a) Ambas terem olhos azuis? b) Nenhuma ter olhos azuis? c) Pelo menos uma
ter olhos azuis?
3. Uma gaveta contm 5 pares de meias verdes e 3 de meias azuis. Tiram-se 2
meias ao acaso. Qual a probabilidade de se formar:
a) Um par verde? b) Um par de meias da mesma cor? c) Um par com meias de
cores diferentes?
4. Em uma cidade onde se publicam trs jornais A, B e C, constatou-se que
entre 1000 famlias, assinam: A: 470, B: 420, C: 315, A e B: 110, A e C: 220,
B e C: 140 e 75 assinam os trs. Escolhendo-se ao acaso uma famlia, qual a
probabilidade de que ela:
a) no assine nenhum dos jornais?
b) assine apenas um dos trs jornais?
c) assine pelo menos dois jornais?
5. Em uma universidade, 40% dos estudantes praticam futebol e 30% praticam
natao. Dentre os que praticam futebol, 20% praticam tambm natao. Qual o
percentual de estudantes que no pratica nenhum dos dois esportes?
6. Num grupo de 100 pessoas, 80 tem sangue RH positivo, 45 tem sangue tipo O
e 35 tem sangue O com RH positivo. Escolhendo ao acaso, uma pessoa deste
grupo, qual a probabilidade de seu sangue ser do tipo O ou ter RH positivo?
7. A probabilidade de que Joo resolva determinada questo 1/5, e a de que
Jos resolva 1/4. Se ambos tentarem independentemente resolver a questo,
qual a probabilidade de que a mesma seja resolvida?
8. Uma companhia de seguros vendeu aplices a 5 pessoas, todas da mesma idade
e com boa sade. De acordo com as tbuas atuariais, a probabilidade de que
uma pessoa daquela idade esteja viva daqui a 30 anos de 2/3. Calcular a
probabilidade de que daqui a 30 anos:
a) exatamente 2 pessoas estejam vivas;
b) todas as pessoas estejam vivas;
c) pelo menos 3 pessoas estejam vivas.
9. Nas galinhas andaluzas, a prole de duas aves azuis preta, azul e branca
na proporo de 1:2:1. Num lote de 20 frangos oriundos de duas aves azuis,
qual a probabilidade de tirarmos dois frangos azuis?
10. As probabilidades de trs mdicos obterem sucesso em um exame so
respectivamente 2/3, 4/5 e 7/10. Se cada um realiza o exame uma nica vez,
qual a probabilidade de apenas 1 obter sucesso na tarefa executada?
11. Uma sala possui 3 soquetes para lmpadas. De uma caixa com 10 lmpadas,
das quais 6 esto boas, retiram-se 3 lmpadas ao acaso e colocam-se as mesmas
nos bocais. Qual a probabilidade de que: a) todas acendam? b) pelo menos uma
lmpada acenda?

12. Uma urna contm 4 bolas brancas, 4 bolas vermelhas e 2 pretas. Outra
contm 5 bolas brancas, 3 vermelhas e 3 pretas. Extrai-se uma bola de cada
urna. Qual a probabilidade de que sejam da mesma cor?
13. Uma urna contm 3 bolas brancas e 4 azuis. Uma outra contm 4 bolas
brancas e 5 azuis. Passa-se uma bola da primeira para Segunda urna, e em
seguida, extrai-se uma bola da Segunda urna. Qual a probabilidade de ser
branca?
14. Uma urna contm 5 bolas brancas e 3 vermelhas e a outra urna contm 4
bolas brancas e 5 vermelhas. Uma urna escolhida aleatoriamente e uma bola
retirada e colocada na outra urna; ento, uma bola
retirada da Segunda
urna. Encontre a probabilidade de: a) ambas serem da mesma cor b) ambas serem
de cores diferentes.
15. Suponha que temos duas urnas 1 e 2, cada uma contm duas gavetas. A urna
1 contm uma moeda de ouro em uma gaveta e uma moeda de prata na outra
gaveta; enquanto a urna 2 contm uma moeda de ouro em cada gaveta. Uma urna
escolhida ao acaso; a seguir uma de suas gavetas aberta ao caso. Verificase que a moeda encontrada nesta gaveta de ouro. Qual a probabilidade de que
a moeda provenha da urna 2?
16. Um indivduo pode chegar ao emprego utilizando-se apenas de um desses
meios de locomoo: bicicleta, motocicleta ou carro. Sabe-se que por
experincia a probabilidade de ele se utilizar do carro de 0,6; de
bicicleta 0,1 e de motocicleta 0,3. A probabilidade de chegar atrasado, no
caso de se utilizar do carro, 0,05; de motocicleta 0,08, e de bicicleta,
0,02. Certo dia ele chegou atrasado. Qual o meio de locomoo mais provvel
de ter sido escolhido?
17. Uma pesquisa realizada junto aos vestibulandos com opes para o curso de
economia revelou que 30% dos candidatos fizeram o curso de contabilidade, 23%
fizeram o curso cientfico e, outros cursos, 47%. A pesquisa revelou 65% de
vagas para os candidatos que cursaram o cientfico, 18% dos que fizeram
outros cursos tambm esperam aprovao e 35% dos candidatos que cursaram
contabilidade foram aprovados. Aps as aprovaes escolheu-se, ao acaso, uma
prova de candidatos aprovados. Qual a probabilidade desta prova pertencer a
cada um dos grupos citados?

VARIVEIS ALEATRIAS DISCRETAS

Uma varivel aleatria dita discreta quando ela assume um nmero finito de
valores num intervalo finito, isto : uma funo que associa a cada
elemento do seu espao amostral, um nmero real. A soma das probabilidades de
todos os valores assumidos por esta varivel corresponde ao espao amostral
da varivel, sendo, portanto igual a 1.
Distribuio de Probabilidade de uma Varivel Aleatria Discreta
Seja Xi uma Varivel Aleatria Discreta definida num espao amostral (S), tal
que X possa assumir valores: xi = x1, x2,...,xn, com respectivas
probabilidades pi = p1, p2,...,pn. A associao entre os valores assumidos
por esta varivel X e respectivas probabilidades de ocorrncia, determina a
Distribuio (Funo) de Probabilidade dessa varivel.
A distribuio dada por P(X = xi) satisfaz as seguintes condies:
P(xi)

P(xi) = 1

Exemplo: Seja X uma varivel aleatria que representa o nmero de meninas de

uma famlia com 4 crianas. Determine a distribuio de probabilidade de X.
S = {MMMM; MMMF; MMFM; MFMM; FMMM; MMFF; MFMF; MFFM; FFMM; FMFM; FMMF; FFFM;
FFMF; FMFF; MFFF; FFFF}.
Seja:

A = {Nascimento de meninas}

Distribuio de Probabilidade de A
X = xi

pi = P(X=xi)

1/16

4/16

6/16

4/16

1/16

Funo de Distribuio Acumulada de X

Seja X uma varivel aleatria. Define-se a funo acumulada de X como:
F(X)

P(X xi),

X R

Distribuio acumulada relativa ao nascimento de meninas do exemplo anterior:

X = xi

pi = Fxi

1/16

5/16

11/16

15/16

Parmetros de uma Varivel Aleatria Discreta.

1 - Valor Esperado ou Esperana Matemtica: Se xi = x1, x2,...,xn so os
possveis valores de varivel aleatria discreta e pi = p1, p2,...,pn as
respectivas probabilidades da varivel assumir esses valores ento o valor
esperado ou esperana matemtica (media), de X, representado por E(X) ou ,
definido por:
E(X) = xi * pi
Considerando o nascimento de meninas do exemplo anterior o valor esperado
dessa ocorrncia :
E(X) = = 0*1/16 + 1*4/16 + 2*6/16 + 3*4/16 + 4*1/16

32/16

2 Varincia: Seja X uma varivel aleatria discreta, definimos a varincia

de X, denotada por V(X) ou , da seguinte maneira:

V(X) = = (xi - )*pi. ou

V(X) = E(X) [E(X)]

sendo:

E(X) = xi*pi

Considerando o nascimento de meninas do exemplo anterior a varincia dessa

ocorrncia :
V(X)

= (0 2)*1/16 + (1 2)*4/16 + (2 2)*6/16 + (3 2)*4/16 +

+ (4 2)*1/16

=>

V(X)

16/16

Propriedades da Mdia:
1: E(K)

(K constante).

3: E(X Y)

5: E(XY)

E(X) * E(Y)

E(X) E( Y)

2:

E(KX)

4:

E(X K)

K * E(X)
=

E(X) K

se X e Y so independentes

Propriedades da Varincia:
1: V(K)

3: V(X K)
independentes

2:
=

V(KX)

V(X)

K * V(X)

4: V(X + Y) = V(X) + V(Y) se X e Y so

PRINCIPAIS DISTRIBUIES DE VARIVEL ALEATRIA DISCRETA

Distribuio Binomial
uma distribuio de probabilidade indicada para variveis cujos resultados
esto associados a ocorrncia ou no do experimento investigado. Alm disso,
essa distribuio apropriada para pequenas amostras (n<30), desde que o
experimento investigado atenda as seguintes caractersticas:
1. O nmero de provas do experimento deve ser conhecido.
2. Todas as provas do experimento devem ser independentes.
3. Cada tentativa do experimento admite apenas dois resultados: sucesso ou
fracasso.
Sucesso (p):
observada.

representa

probabilidade

de

ocorrncia

da

caracterstica

Fracasso (q): representa a probabilidade de que a caracterstica observada

no ocorra.
Observao: Sucesso e fracasso so eventos complementares, portanto: p+q = 1.
Frmula da Binomial:

P(X = k) = p k .q n k ;
k

Notao: X~B(n;p).

A varivel X tem distribuio Binomial, com parmetros n e p.

Ex. Em determinado Hospital 6 pacientes devem submeter-se a um tipo de
operao na qual a probabilidade de xito de 70%. Qual a probabilidade de
que 2 pacientes consigam sobreviver.
Soluo:

p = 0,7 e q = 0,3;

X B(6; 0,7)

k = {0, 1, 2, 3, 4, 5 6}

P(X=2) = (6!/4!*2!)*0,7*0,7*0,3*0,3*0,3*0,3 = 15*0,49*0,0081 = 0,05953 = 5,9%

Parmetros da Binomial:

Esperana Matemtica (Mdia) e Varincia

Esperana (Mdia)

E(X) = n * p

Var(X) = n * p * q

Distribuio de Poisson
Trata-se do caso limite da Distribuio Binomial quando o nmero de provas
tende para infinito, enquanto a probabilidade do evento investigado tende
para zero. uma distribuio indicada para eventos independentes e raros.
Essa distribuio refere-se contagem do nmero de vezes que ocorre
determinado sucesso por unidade de tempo (ms, dia, hora, minuto, etc.), por
unidade de medida (comprimento, rea, peso, etc.) ou por contagem (erros de
impresso, acidentes de trnsito, reaes alrgicas a medicamentos, partos
prematuros, etc.).
Em muitos casos, conhece-se o nmero de sucessos, porm torna-se difcil e,
s vezes, sem sentido determinar o nmero de fracassos ou o total de
resultados, como por exemplo: automveis que passam numa esquina. Poderemos
num determinado intervalo de tempo anotar o n. de carros que passaram,
porm, o n. dos que deixou de passar no poder ser determinado.

P(X k )

Seja X o n. de sucessos no intervalo ento:

Esperana Matemtica (mdia) e Varincia:

E( X ) =

e .k
k!
e

Var( X ) =

Ex: Uma pesquisa cientifica revelou que para cada 1000 pessoas entrevistadas,
uma est sujeita choque traumtico quando da aplicao de penicilina.
Determine a probabilidade de que, entre 700 pessoas entrevistadas ao acaso,
no mximo duas sofra aquele choque nas mesmas condies.
Seja: x = {Choque traumtico recebidos pelas pessoas}
n = 1000;

p = 0,001;

=>

= 1000*0,001 = 1;

Para 700 pessoas:

= 0,70

P(x 2) = P(x = 0) + p(x = 1) + P(x = 2) = ^0,7*(0,7/0!) + ^0,7*(0,7/1!) +

+ ^0,7*(0,7/2!)

= ^0,7*(3,89/2)

= 0,9659

Exerccios Propostos
1. Qual a esperana matemtica e o desvio padro de um jogo no qual se pode
ganhar R$ 25,00 com a probabilidade 0,2; R$ 10,00 com a probabilidade 0,3 e
R$ 4,00 com 0,5?
2. Joga-se uma moeda trs vezes. Seja X o nmero de caras. a) Construir a
distribuio de probabilidade e a funo de distribuio acumulada de X. b)
Determinar: E(X) e V(X).
3. Seja X uma varivel aleatria que representa o nmero de meninas em
famlias com 5 crianas. Determine a distribuio de probabilidade de X e a
funo de distribuio acumulada. Calcule tambm E(X) e V(X).
4. Um aluno conhece bem 60% da matria dada. Num exame, com 5 perguntas
sorteadas ao acaso sobre toda a matria, que probabilidade tem de responder
mais da metade das perguntas?
5. Uma companhia de seguros vendeu aplices a 5 pessoas, todas da mesma idade
e com boa sade. De acordo com as tbuas atuariais, a probabilidade de que
uma pessoa daquela idade esteja viva daqui a 30 anos de 2/3. Calcular a
probabilidade de que daqui a 30 anos: a) Exatamente 2 pessoas estejam vivas;
b) Todas as pessoas estejam vivas;
c) Pelo menos 3 pessoas estejam vivas.

6. A probabilidade de um indivduo apresentar crie dentria em determinada

populao de 30%. Entre seis pessoas escolhidas ao acaso, qual a
probabilidade de que duas no apresentarem crie dentria?
7. A probabilidade de que um atleta ultrapasse 17,30m num nico salto triplo
de 70%. O atleta d 4 saltos. Qual a probabilidade de que pelo menos um dos
saltos ultrapasse 17,30m?
8. Certo curso de treinamento aumenta a produtividade de uma populao de
funcionrios em 80% dos casos. Se 10 funcionrios quaisquer participam deste
curso, encontre a probabilidade de: a) Exatamente 7 funcionrios aumentarem a
produtividade. b) No mais do que 8 funcionrios aumentarem a produtividade.
9.A probabilidade de um menino ser daltnico e 6%. Qual a probabilidade de
serem daltnicos todos os 4 meninos que se apresentaram, em determinado dia,
para um exame oftalmolgico?
10. Estima-se em 1% a probabilidade de vender aplices de seguro a pessoas
que respondem a um anncio especial. Nessa base se 800 pessoas respondem a um
anncio, qual a probabilidade de que pelo menos duas compre a referida
aplice?
11. A proporo de partos prematuros numa populao de 10 por 1000. Qual a
probabilidade de haver no mximo 1 parto prematuro em 500 partos realizados.
12. Sendo 1% a proporo de canhotos numa populao, qual a probabilidade de
termos pelo menos um canhoto numa classe de 50 alunos?
13. Em uma cidade com 250.000 habitantes o nmero de acidentes de trnsito
de 3 por dia, em cada 100.000 habitantes. Qual a probabilidade de que
ocorram, nessa cidade, em um dia mais de 2 acidentes?

VARIVEL ALEATRIA CONTNUA

Seja X uma varivel aleatria. Se o nmero de valores possveis de X for
infinito no numervel, denomina-se X de Varivel Aleatria Contnua. Como se
sabe, as variveis contnuas resultam, em geral, de mensuraes (medidas) e
podem assumir qualquer valor em um intervalo real. Assim: comprimento, rea,
altura, volume, peso, presso, renda familiar, etc, so alguns exemplos de
variveis contnuas.
Funo Densidade de Probabilidade.
Seja X uma varivel aleatria contnua. A funo f, denominada
densidade de probabilidade (fdp) de X satisfaz as seguintes condies:
a) f(X) 0, para todo X R
Alm disso, para qualquer

b) f(X)*dX

a < b

em R,

P(a < X < b)

funo

f(X)*dX

Observaes:
1)

P(X = x0)

0,

visto que:

P(X = x0) = f(X)*dX

2)
P(a X b) = P(a X < b) =
seja uma varivel aleatria continua.

P(a < X b)

P(a < X < b), caso X

3)
Ao calcular a integral de f(X) entre dois limites temos a probabilidade
da varivel, que representa a rea sob a curva da varivel investigada.
Parmetros de uma Varivel Aleatria Contnua.
Esperana Matemtica (Mdia):
Varincia:

V(X)

E(X)

E(X) [E(X)]

Exemplo: Seja X uma varivel

densidade de probabilidade:
f(X)

1/2x

f(X) = 0
E(X)

se

aleatria

contnua

com

seguinte

funo

caso contrrio

X*f(X)*dX = 1/2*X*dX

E(X) =

X*1/2*X*dX

V(X)

E(X) [E(X)]

X*f(X)*dX

P(1 X 1,5) =

= 1/2 XdX

1/2*X*dX
=

1/2*X*dX

2 - (4/3)
=

1/2 X*dX

= 1/2 * [2/3 - 0/3]

1/2 * [2/4 - 0/4]

=

2/9
=

DP

4/3

2/9

1/2*[1,5/2 - 1/2]

0,47

5/16

Distribuio Normal ou Distribuio de Gauss.

Trata-se de uma das mais importantes distribuies de probabilidades, uma vez
que para amostras grandes vrios fenmenos estudados convergem para uma curva
normal. Para estas amostras medida que n tende para infinito a

probabilidade de ocorrncia da caracterstica investigada (p) tende a ser

equivalente a probabilidade de que esta caracterstica no ocorra (q).
A apresentao grfica dessas variveis pode ser feita atravs de um
histograma ou polgono de freqncias. Estes diagramas para uma varivel
normal refletem o movimento da mesma, em torno de sua maior ordenada. Este
movimento vai tomando a forma de sino medida que o intervalo de classe
tenda para zero, conforme podemos investigar no histograma abaixo:

A caracterizao de distribuies contnuas se d atravs de uma funo

densidade de probabilidade e com seu uso podemos calcular a probabilidade de
uma varivel aleatria pertencer a um determinado intervalo.
Os parmetros e 2 referem-se respectivamente a mdia e a varincia da
varivel aleatria X. Sendo: - < < e 0 < < .
Dizemos que a Varivel Aleatria X tem distribuio normal, com parmetros
e 2, e sua funo densidade de probabilidade dada por:

f (x)

1
2

.e

( x )2
2 2

para todo x

R,

Notao: X~N( ,

A figura abaixo ilustra uma particular curva normal, determinada por valores
particulares de e 2.

Principais Caractersticas da Distribuio Normal:

a: E(X) =
f(X);

b: Var(X) = c: - e +

so pontos de inflexo de
1

d: X =

ponto de mximo de f(X), e o valor mximo

e: f(X) simtrica em torno de: X = , isto : f( + ) = f( - );

f: O grfico uma curva em forma de sino, simtrica em torno da mdia .
Portanto os valores eqidistantes da mdia ocorrem com igual probabilidade.
g: A rea total sob a curva vale 1. Essa rea corresponde probabilidade da
varivel aleatria assumir qualquer valor real.
Dificuldades de uso de uma Distribuio Normal:
a: Integrao de f(X), necessitando o desenvolvimento em sries;
b: f(X) depende de dois parmetros, e , e para trabalhar esta funo
necessria elaborao de tabelas de probabilidades para as diversas
combinaes de e .
Em funo das dificuldades apresentadas o mais indicado transformar a
varivel (X) em uma outra varivel (z), gerando uma Distribuio Normal
Padronizada com parmetros conhecidos, isto : media = 0 e varincia = 1.
A varivel aleatria z tem distribuio N(0,1), sendo definida por:
z = (Xi - )/
E[z] = E[Xi - ]/ = 1/{E[Xi - ]} = 1/{E[Xi] E[]} = 1/{ - } = 0
Var[z] = Var[Xi - ]/ = 1/{Var[Xi - ]} = 1/{Var[Xi]} =

/ =

Ex: Sendo X~N(, 2) determinar: P(X1 X X2).

P(X1 X X2)
Usando

Tabela

P{(Xi - )/
de

Probabilidades

(Xi - )/}

da

Distribuio

Normal

Padronizada,

encontramos valores de probabilidades para z equivalentes aos que poderiam

ser encontrados para a varivel X a partir do uso de f(X), visto que as reas
ocupadas sob a curva pelas variveis X e z so sempre equivalentes.
Exemplo: Uma mostra de 600 carneiros da raa Corriedale apresenta mdia de
produo de l de 60 kg com desvio padro de 8 kg. Quantos animais produzem
l: a) Entre 60 e 70 kg. b) Acima de 72 kg.
a) P(X1 X X2)

P{(Xi - )/

(Xi - )/}

P(60 X 70) = P{(60 60)/8 z (70 - 60)/8} = P{0 z 1,25} = 0,3944

Nmero de animais = 0,3944*600 =
b) P(X Xi)
P(X 72)

=
=

236,64 237

P{ z (Xi - )/} = P{z (72 - 60)/8} = P{z 1,5}

0,5 0,4332

0,0668

40 animais

Aproximao da Binomial pela Normal.

Uma outra razo da importncia da Normal se refere possibilidade de
aproximao com outras distribuies, com no caso da Distribuio Binomial.
Esta aproximao pode ser utilizada quando o nmero de observaes
relativamente grande (n 30), desde que: n*p e n*q sejam: 5.
Quando se usa a Normal para aproximar probabilidades binomiais a mdia
aritmtica e o desvio padro so calculados com base nos parmetros relativos
ao valor esperado e a varincia do nmero de sucessos para a distribuio
binomial, isto :
E(X) = = n*p

Var(X)

n*p*q

Para n suficientemente grande, a varivel z :

z = (Xi n*p)/n*p*q N(0;1)
Para melhorar ainda mais esta aproximao, devemos utilizar a correo de
continuidade, conforme frmula a seguir:
P(X k) P(X k 0,5);
0,5)

P(X = K) = P(A X B) P(A 0,5 X B +

A correo de continuidade necessria, visto que neste processo de

aproximao, o evento discreto que est sendo investigado considerado como
existindo em um intervalo contnuo de valores, cujos limites esto em torno
do valor de referncia ou desse intervalo com afastamento de 0,5 unidades.
Ex I: Uma varivel aleatria tem distribuio binomial com parmetros n = 10
e p = 1/2. Calcular: P(Y 7).

= n*p = 10*1/2 = 5;

n*p*q

= 10*1/2*1/2

= 2,5;

= 1,58

P(X 7) P(X 6,5) P{X (6,5 5)/1,58}) P{X 0,95) = 0,1711

Para um z N(0,1). Utilizando a tabela da Binomial, vemos que a probabilidade
verdadeira 0,172. Mostrando uma diferena insignificante.
Ex II: 60% dos alunos de uma Faculdade so do sexo feminino,
probabilidade e de que numa classe de 30 alunos 20 sejam mulheres.

qual

Como o valor procurado (20 alunas) corresponde a uma a varivel discreta

ele deve corresponder ao intervalo contnuo de 19,5 e 20,5.

= n*p = 30*0,60 = 18;

P(X = 20) = P(A X B)

n*p*q

= 30*0,60*0,40

= 7,2;

= 2,68

P(A 0,5 X B + 0,5)

P(X = 20) P(20 0,5 X 20 + 0,5) =

P(19,5 X 20,5)

P(X = 20) = (19,5 18)/2,68 z (20,5 18)/2,68

P(X = 20) = 0,56 z 0,93) = 0,3238 0,2123 = 0,1115 = 11,15%
Ex III: Atravs de uma pesquisa de mercado uma fbrica de camisas concluiu
que os consumidores, para um novo produto a ser lanado, tm mdia 3,3 com

desvio padro 0,8. Diante desta perspectiva qual a probabilidade de camisas

de nmero 2 e 3 que devem ser fabricadas?
Observao: Tamanho dos consumidores uma varivel contnua, mas o nmero da
camisa a ser confeccionado discreto, devemos ento usar a aproximao da
normal pela binomial.
P(X = 2) = P(A X B)

P(A 0,5 X B + 0,5)

P(X = 2) P(2 0,5 X 2 + 0,5) =

P(1,5 X 2,5)

P(X = 2) = (1,5 3,3)/0,8 z (2,5 3,3)/0,8

P(X = 2) = P(-2,25 z -1,00) = 0,4878 0,3413 = 0,1465 = 14,65%
P(X = 3) = P(A X B)

P(A 0,5 X B + 0,5)

P(X = 3) P(3 0,5 X 3 + 0,5) =

P(2,5 X 3,5)

P(X = 2) = (2,5 3,3)/0,8 z (3,5 3,3)/0,8

P(X = 2) = P(-1,00 z 0,25) = 0,3413 + 0,0987 = 0,4400 = 44,00%
Exerccios Propostos
1 - Seja X uma varivel aleatria contnua com a seguinte funo densidade de
probabilidade: f(X) = 5X
se
0 X 1;
f(X) = 0
caso contrrio.
Calcular: Esperana Matemtica, Desvio Padro e P(X 0,5).
2 Sabendo que uma varivel aleatria continua apresenta a densidade de
probabilidade: f(X) = 0,5 X no intervalo de {0 ; 2}.
Determinar: Esperana Matemtica, Desvio Padro e P(X > 0,5).
3 A pintura de um cartaz de propaganda consome certo tempo de execuo, que
corresponde a uma varivel aleatria contnua cuja funo densidade
indicada por: F(X) = 9X - 8X no intervalo de {0 ; 1}, determinar:
a) A probabilidade que se gaste menos de meia hora (1/2) para a pintura.
b) A probabilidade para que o tempo gasto se situe entre 1/2 e 3/4 de hora.
c) A Esperana Matemtica e o Coeficiente de Variao.
4. Certa pea de reposio para veculos automotores tem durao mdia de
15.000 km com desvio padro de 1.000 km, dependendo das condies de uso, e
distribuem-se normalmente. Se for oferecida para esta pea uma garantia de
13.000 km, quantas peas deveriam ser substitudas antes de completar-se a
garantia? Sabe-se que a venda anual dessas peas de 23.000 unidades.
5. Uma mostra de 600 carneiros da raa Corriedale apresenta mdia de produo
de l igual a 60 kg e desvio padro igual a 8 kg. Quantos animais produzem l
acima de 70 kg?
6. Suponhamos que o peso de uma populao de sunos est normalmente
distribudo com media = 230 kg e = 20. Qual a probabilidade de ocorrncia
de sunos com pesos entre 220 e 280 kg?
7. Dois estudantes foram informados de que alcanaram as variveis reduzidas
(z) de 0,8 e 0,4, respectivamente, em um exame de mltipla escolha de
matemtica. Se seus graus foram 88 e 64, respectivamente, determinar: mdia e
desvio padro dos graus do exame.
8. Certa empresa necessita, para sua linha de montagem, de determinado tipo
de arruelas. Estas arruelas devem estar normalmente distribudas com mdia de

0,502 mm e desvio padro de 0,005 mm de dimetro. A finalidade, para a qual

estas arruelas so necessrias, permite uma tolerncia mxima da medida mdia
mais ou menos um desvio padro. Caso isso no ocorra, a linha de montagem
rejeita as peas. Qual a quantidade de peas que podem ser rejeitadas em um
lote de 10.000 arruelas?