Вы находитесь на странице: 1из 77

2

ndice ndice ndice ndice



Sobre o autor............................................................................................................................... 4
Edio ........................................................................................................................................... 4
Contato ......................................................................................................................................... 4
Orientao de Estudos ............................................................................................................... 5
1. Clculo de Probabilidades ......................................................................................................... 8
1. Introduo ............................................................................................................................. 8
2. Experimentos aleatrios, espao amostral e eventos .......................................................... 9
3. Combinaes de eventos .................................................................................................... 10
3.1. Unio de dois eventos .................................................................................................. 10
3.2. Interseo de dois eventos .......................................................................................... 11
3.3. Eventos mutuamente exclusivos .................................................................................. 11
3.4. Complementar de um evento ...................................................................................... 11
4. Probabilidade de um evento ............................................................................................... 13
4.1. Probabilidade clssica (ou terica) ............................................................................... 13
4.2. Probabilidade emprica (ou estatstica) ....................................................................... 14
4.3. Probabilidade subjetiva ................................................................................................ 15
5. Probabilidade de um evento complementar ...................................................................... 15
6. Probabilidade da unio de dois eventos ............................................................................. 16
7. Espaos equiprovveis e no equiprovveis ....................................................................... 20
8. Independncia de dois eventos .......................................................................................... 23
9. Exerccios ............................................................................................................................. 28
2. Modelos Discretos de Distribuies de Probabilidades .......................................................... 41
1. Lei binomial da probabilidade - Ensaios de Bernoulli ......................................................... 41
2. Distribuio Binomial .......................................................................................................... 41
3. Exerccios ............................................................................................................................. 49
3. Modelos Contnuos de Distribuies de Probabilidades ........................................................ 52
1. Distribuio Normal ............................................................................................................ 52
2. rea sob a Curva Normal..................................................................................................... 57
3. Normal Padro .................................................................................................................... 58
4. Usando a tabela da Normal Padro .................................................................................... 59
5. Resumo das Propriedades da Distribuio Normal ............................................................. 65

3

6. Exerccios ............................................................................................................................. 72
Formulrio ................................................................................................................................... 76
Tabela Distribuio Normal Padro ......................................................................................... 77


4

Sobre Sobre Sobre Sobre o autor o autor o autor o autor

Conrad Elber Pinheiro graduado em Licenciatura em Matemtica pelo
Instituto de Matemtica e Estatstica da Universidade de So Paulo (USP)
e mestre em Estatstica tambm pela USP.


Edio Edio Edio Edio

Este material est sendo constantemente revisado, atualizado e corrigido.
Esta verso foi revisada e editada em setembro / 2013.


Contato Contato Contato Contato

Se voc possuir dvidas, sugestes ou quiser informar de algum erro
encontrado neste material, sinta-se a vontade para entrar em contato com o
autor via email: conrad.yy@gmail.com .



5

Orientao de Estudos Orientao de Estudos Orientao de Estudos Orientao de Estudos


Prezado(a) aluno(a),

Ao longo de todo o curso que ministro, costumo orientar os estudantes em
COMO estudar Matemtica, mais especificamente, Estatstica. Alguns
alunos seguem minhas orientaes logo de incio. Outros, demoram um tempo
maior para aprender a estudar. Digo aprender, pois muitas vezes o
mtodo de estudo que funciona bem em determinada disciplina no fornece
bons resultados em outra. Um exemplo: muitas pessoas tm facilidade em
estudar disciplinas de humanas: basta prestar ateno nas aulas e ler um
resumo que obtm timos resultados nas provas. Porm, isso no funciona na
Estatstica! Por isso, vou passar algumas orientaes que garanto que
funcionaro. Funcionaram comigo na poca em que era estudante.
Funcionaram com aqueles alunos que seguiram estas orientaes. Funcionar
com voc tambm!

Inicialmente, vale a pena destacar e enfatizar que a Estatstica uma
disciplina totalmente CUMULATIVA. Ou seja, muitas vezes, nas ltimas
aulas do curso, estaremos retomando conceitos que foram ensinados nas
primeiras aulas. Ento, siga estas orientaes:

1) no falte s aulas! Seja assduo, visto que se faltar, possivelmente ter
dificuldades em acompanhar o contedo das aulas seguintes, e de todo o
resto do curso! Lembre-se: estar presente no sinnimo de bom
desempenho. Participe das aulas, no necessariamente falando, mas
prestando ateno!

6

2) Anote tudo que for dado em lousa, seja teoria ou um exerccio. Alguns
alunos do a famosa desculpa: ou eu copio, ou eu presto ateno. Muito
bem, como j disse, isso desculpa! muito importante copiar o que est na
lousa, pois s assim voc ter um material de consulta. Tente conciliar as
coisas: preste ateno nas palavras do professor enquanto copia. Lembre-
se: copiar no ficar enfeitando o caderno! Acho muito bom cadernos
organizados e coloridos, mas, se preciso, copie tudo sem muito capricho e
depois passe a limpo suas anotaes. O importante que tenha, aps a aula,
anotado tudo que foi dado em lousa.

3) Caso precise, de fato, faltar alguma aula, procure ler e estudar o que
foi dado na(s) aula(s) que perdeu, alm de, claro, COPIAR tudo que foi
passado em lousa de algum colega.

4) Alguns alunos pensam que exerccio feito em lousa apenas para
exemplificar a matria e, por isso, no se preocupam em refazer esses
exerccios. Querem, logo aps a aula, pegar os exerccios que ainda no
foram resolvidos e tentar faz-los. ERRADO! O primeiro passo para
assimilar um contedo novo REFAZER OS EXERCCIOS RESOLVIDOS
EM LOUSA, tentando entender o passo a passo da resoluo. Feito isso,
passe para a resoluo dos exerccios propostos.

5) Consulte sempre! O nico momento em que voc no poder consultar
suas anotaes durante a prova. Enquanto estiver em sala de aula, ou fora
dela fazendo exerccios, procure consultar e se basear em exemplos
resolvidos. Esses exemplos iro lhe ajudar muito em algumas situaes.


7

6) Faa os exerccios da apostila. Muitas vezes, por questes de tempo,
fica invivel fazer todos os exerccios da apostila (embora isso seja o ideal).
Ao menos, refaa os exemplos dados em aula e faa alguns exerccios da
apostila. Essa ser a nica maneira de aprender o contedo. No adianta
prestar ateno durante a aula e copiar tudo que for passado em lousa. A
assimilao s ocorrer quando voc fizer, sozinho, alguns exerccios.

7) No deixe para estudar na ltima hora!!! Possivelmente voc escuta
isso desde criana. Mas, agora, leve isto risca! O contedo bastante
extenso. Voc no conseguir assimilar todo esse contedo se estudar
apenas uma semana antes da prova! Assim, procure reservar um horrio por
semana para estudar Estatstica. V fazendo os exerccios da aula e da
apostila lentamente, de acordo com as orientaes dadas pelo professor em
sala de aula. Estude sempre e no apenas nas vsperas de provas!


Seguindo estas orientaes, garanto a voc que conseguir aprender
Estatstica mais fcil do que voc imagina. Alunos meus que seguiram, foram
aprovados com tranquilidade. Se voc acha que muita coisa para ser feita,
ou se voc acha que o SEU mtodo de estudo relativamente bom, ok! Mas...
que tal mudar? Que tal voc, ao menos, TENTAR seguir as orientaes aqui
citadas? Acho que valer a pena!


Sucesso nos estudos! Sucesso nos estudos! Sucesso nos estudos! Sucesso nos estudos!


Prof . Conrad Prof . Conrad Prof . Conrad Prof . Conrad

8

1 11 1. Cl . Cl . Cl . Clculo de Probabilidades culo de Probabilidades culo de Probabilidades culo de Probabilidades

1. Introduo

Conscientemente ou inconscientemente, a probabilidade usada por todos ns
na hora de tomar decises em situaes de incerteza. Conhecendo ou no as
regras para o seu clculo, muitas pessoas se interessam por eventos ligados
s probabilidades. Do contrrio, como poderamos explicar o grande nmero de
indivduos que jogam em loterias, bingos, corridas de cavalos, etc.? A utilizao
das probabilidades indica a existncia ou no de um elemento de acaso
(incerteza) quanto ocorrncia ou no de um evento. Por exemplo, se
lanarmos uma moeda, no podemos afirmar se vamos obter cara ou coroa. A
probabilidade indicar uma medida de quo provvel a ocorrncia de
determinado evento.

So vrias as situaes em que desejvel ter uma medida (avaliao
numrica) de quo provvel a ocorrncia de determinado evento futuro:
lanamento de um produto, bons lucros em uma operao financeira, chover
amanh de manh, meu time ganhar o prximo jogo, etc.

Um breve histrico

A resoluo de problemas vinculados a jogos de azar esteve na origem da
teoria das probabilidades, que deu seus primeiros passos no sculo XVI. Os
jogadores da poca recorriam a matemticos como Tartaglia e Cardano,
solicitando-lhes informaes que os favorecessem nos jogos de dados e de
baralho.

Foi no sculo XVII, porm, que a teoria das probabilidades veio adquirir sua
forma atual. Os responsveis por isso foram trs franceses: o Cavaleiro de
Mr nobre e jogador inveterado e Blaise Pascal e Pierre de Fermat, dois
matemticos, que, embora amadores, deram contribuies muito importantes
para a Matemtica.

Em 1652, o Cavaleiro de Mr props a Pascal alguns problemas ligados aos
jogos de azar, um dos quais era este: num jogo de azar equilibrado, duas
pessoas apostaram 32 moedas de ouro cada uma. Combinou-se que ganharia
quem primeiro vencesse 3 partidas; no entanto, o jogo precisou ser
interrompido quando uma pessoa tinha vencido 2 partidas e a outra, 1 partida.
De que forma devem ser repartidas as 64 moedas de ouro?

Blaise Pascal refletiu nesse problema durante dois anos e, em 1654, passou-o
para o jurista Pierre de Fermat. Seguiu-se ento uma correspondncia entre
Pascal e Fermat, que veio constituir-se no ponto de partida da atual teoria das
probabilidades.

Pascal e Fermat comearam por concordar que, num jogo interrompido, as
moedas deveriam divididas de acordo com as perspectivas de vitrias de cada
jogador.

9

Pascal resolveu o problema analisando o que poderia ocorrer na 4 partida,
para a qual havia 2 possibilidades:

vence a 1 pessoa, que assim ganha o jogo e as 64 moedas;
vence a 2 pessoa, que desse modo fica em igualdade de condies
com a 1. Nesse caso, a deciso ocorreria somente na 5 partida.

Observemos que, se no houver a 5 partida, ou a 1 a vencedora (e ganha
as 64 moedas), ou ambas ficam em igualdades de condies (a, justo que
cada uma delas fique com 32 moedas). Portanto, ao fim da 4 partida, a 1
pessoa j tem garantido 32 moedas, e as 32 restantes tm a mesma
possibilidade de ir para uma ou para outra (que essas 32 moedas sejam ento
divididas em partes iguais pelos dois jogadores).

Com base nesse raciocnio, Pascal conclui que a 1 pessoa tinha direito a 48
(32 + 16) moedas, e 2 cabiam 16 moedas.

Notemos que Pascal resolveu o problema subdividindo-o em casos mais
simples, para os quais fossem muito mais bvias as possibilidades de ocorrer
um ou outro fato; em seguida agrupou esses casos para chegar resposta
desejada.
Fonte: TROTTA, F. Matemtica por assunto 4. s.e. So Paulo: Scipione, 1988


2. Experimentos aleatrios, espao amostral e eventos

Entendemos por experimento aleatrio os fenmenos que, quando repetidos
inmeras vezes em processos semelhantes, possuem resultados imprevisveis.
O lanamento de um dado e de uma moeda so considerados exemplos de
experimentos aleatrios. No caso dos dados podemos ter seis resultados
diferentes {1, 2, 3, 4, 5, 6} e no lanamento da moeda, dois {cara, coroa}.

Do mesmo modo, se considerarmos uma urna com 50 bolas numeradas de 1 a
50, ao retirarmos uma bola no saberemos dizer qual o nmero sorteado.
Essas situaes envolvem resultados impossveis de prever. Podemos
relacionar esse tipo de experimento com situaes cotidianas, por exemplo,
no h como prever a vida til de todos os aparelhos eletrnicos de um lote,
pois isso depender das condies de uso impostas pelas pessoas que
adquirirem o produto. Outro exemplo que demonstra a caracterstica de um
experimento aleatrio so as previses do tempo.

Os experimentos aleatrios produzem possveis resultados que so
denominados espaos amostrais. O espao amostral possui subconjuntos
denominados eventos. Como j citado anteriormente, temos que o nmero
possvel de elementos no lanamento de um dado o seu espao amostral,
que geralmente representado pela letra grega maiscula mega ( ). Ou
seja, neste caso temos:

={1, 2, 3, 4, 5, 6}.

10

Chamamos de evento a qualquer subconjunto de um espao amostral.
Geralmente os eventos so representados por letras maisculas. Podemos
definir um evento A da seguinte maneira:

A: sair um nmero par no lanamento de um dado.

Neste caso, A={2,4,6}.

e os subconjuntos, os possveis eventos so {(1), (2), (3), (4), (5), (6)}. No caso
da moeda, o espao amostral so os dois possveis resultados {cara e coroa} e
os eventos so {(cara), (coroa)}.


Exemplo 1: uma moeda lanada 2 vezes. Seja o evento A: sair faces
diferentes. Escreva o conjunto que representa o espao amostral e o evento A.

Vamos definir K como sendo sair cara e C sair coroa. Temos:

={(K,K), (K,C), (C,K), (C,C)} e

A={(K,C), (C,K)}.

Perceba que as letras K e C foram colocadas entre parnteses, como se fosse
um par ordenado de um plano cartesiano. Isso deve ser feito porque (K,C)
diferente de (C,K). Nessa notao, (K,C) indica a ocorrncia de cara no
primeiro lanamento e coroa no segundo. J (C,K) indica cara no primeiro e
coroa no segundo.

Nota: se ao invs de lanarmos uma moeda duas vezes lanssemos duas
moedas simultaneamente, os conjuntos e A seriam exatamente os mesmos.

3. Combinaes de eventos

3.1. Unio de dois eventos

Sejam A e B dois eventos; ento A B corresponde a um evento que ocorrer
quando uma das trs condies forem satisfeitas:

I. ocorre A e no ocorre B;
II. no ocorre A e ocorre B;
III. ocorre A e ocorre B simultaneamente.

Fique atento: na lngua portuguesa, quando dizemos A ou B estamos
pensando em ocorrncias exclusivas, ou seja, em ocorre A e no ocorre B ou
em no ocorre A e ocorre B. Por exemplo, se algum lhe perguntar: voc
prefere Guaran ou Coca-Cola?, espera-se que a sua resposta seja uma das
duas bebidas. No esperamos que voc responda: quero os dois. Por isso
que a palavra ou em portugus dita exclusiva. J pensando na linguagem
matemtica, ou sinnimo de unio e, neste caso, quaisquer uma das

11

trs respostas mencionadas coerente. Por isso que ou em matemtica
dito inclusivo. Graficamente, a regio hachurada a seguir representa A B:





3.2. Interseo de dois eventos

Sejam A e B dois eventos; ento A B ser um evento que corresponde
ocorrncia de A e B simultaneamente. Dessa forma, podemos perceber que o
conjunto A B um subconjunto de A B:



3.3. Eventos mutuamente exclusivos

Se A B = , A e B so chamados mutuamente exclusivos.




3.4. Complementar de um evento
Seja A um evento; ento A (l-se: A barra) ser tambm um evento que
ocorrer se, e somente se, A no ocorrer. As figuras abaixo ilustram a situao
do complementar em relao a A:

12



Exemplo 2: suponhamos o lanamento de um dado. Sejam os eventos:

A: ocorrer um nmero mpar;
B: ocorrer um nmero primo.

Escrever os conjuntos que representam:

a) o espao amostral;

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

b) o evento A;

A={1,3,5}

c) o evento B;

Lembre-se que um nmero primo aquele que possui exatamente dois
divisores: o 1 e ele mesmo. O nmero 1 possui apenas um divisor, que o
prprio 1. Logo, o nmero 1 no primo!

B={2,3,5}

d) o evento ocorrer um nmero mpar ou primo;

Esse evento corresponde unio de A com B: A B = {1,2,3,5}

e) o evento ocorrer um nmero mpar e primo;

Esse evento corresponde interseco de A com B: A B = {3,5}

f) o evento no ocorrer um nmero mpar;

o mesmo que obter o conjunto complementar de A: A = {2,4,6}. Ou seja,
podemos dizer que A o evento sair um nmero par.

g) o evento no ocorrer um nmero primo.

Corresponde ao complementar de B: B = {1,4,6}.

13

4. Probabilidade de um evento

Existem trs tipos de de probabilidades: probabilidade clssica, probabilidade
emprica e probabilidade subjetiva. A probabilidade de que o evento E ocorrer
escrita como P(E) e l-se probabilidade de um evento E.

4.1. Probabilidade clssica (ou terica)

utilizada quando cada resultado de um espao amostral igualmente
possvel de ocorrer. Ela calculada pela frmula:

amostral espao do elementos de nmero
E conjunto do elementos de nmero
) n(
n(E)
) E ( P =

=

A probabilidade de ocorrer um evento E sempre um valor entre 0 e 1, ou seja,
entre 0% e 100%:

1 ) E ( P 0

Quando a probabilidade de um evento for 0, isso significa que no h
possibilidades desse evento ocorrer. Por isso, dizemos que um evento
impossvel. Em contrapartida, se a probabilidade for igual a 1, isto , a 100%,
isso indica que com certeza ocorrer tal evento. Por isso dizemos que um
evento certo.

Exemplo 3: lana-se um dado. Sejam os eventos:
A: obter nmero 5;
B: obter nmero 1 ou 6;
C: obter nmero 7;
D: obter um nmero de 1 a 6.
Calcular a probabilidade de ocorrer cada um dos eventos citados.

Inicialmente, vamos escrever o espao amostral e os conjuntos que
representam cada um dos eventos citados:

={1,2,3,4,5,6}
A={5}
B={1,6}
C= (pois no existe o nmero 7 no dado)
D={1,2,3,4,5,6}

Utilizando a definio de probabilidade, temos:

1667 , 0
6
1
) A ( P = ou 16,67%
3333 , 0
3
1
6
2
) B ( P = = ou 33,33%

14

0
6
0
) C ( P = = , ou seja, o evento C chamado de evento impossvel.
1
6
6
) D ( P = = ou 100%, ou seja, o evento D chamado de evento certo.


4.2. Probabilidade emprica (ou estatstica)

Quando um experimento (por exemplo, lanar um dado ou lanar uma moeda)
repetido muitas vezes, so formados padres regulares que permitem
encontrar a probabilidade emprica de que determinado evento ocorra.

Por exemplo: ao lanarmos uma moeda 10 vezes, pode ser que ocorra
obtermos 2 caras e 8 coroas. Porm, isso no significa que a probabilidade de
ocorrer cara no seja 50%. Se repetirmos o experimento lanar uma moeda em
torno de 10.000 vezes, muito provvel que o nmero de caras observadas
seja um valor bastante prximo de 5.000.

Esse fato explicado pela Lei dos Grandes Nmeros: conforme um
experimento repetido vrias vezes, a probabilidade emprica de um evento se
aproxima da sua probabilidade terica (real).

A probabilidade emprica de um evento E a frequncia relativa do evento E,
ou seja:

total s ocorrncia de nmero
E evento do s ocorrncia de nmero
) E ( P =


Exemplo 4: em um Servio de Atendimento ao Cliente (SAC) de uma empresa,
perguntado sobre o grau de satisfao do cliente com os servios prestados.
Em 1000 atendimentos, 550 consumidores disseram estar muito satisfeitos;
300 apenas satisfeitos; e o restante, insatisfeitos. Qual a probabilidade de a
empresa receber a ligao de um cliente insatisfeito?

Temos um total de 1000 550 300 = 150 clientes insatisfeitos. Seja o evento
A definido por receber a ligao de um cliente insatisfeito. Assim:

15 , 0
1000
150
) A ( P = = ou 15%.

Logo, a probabilidade de a empresa receber a ligao de um cliente
insatisfeito de 15%.






15

4.3. Probabilidade subjetiva

As probabilidades subjetivas resultam da intuio, de suposies
fundamentadas e de estimativas.

Por exemplo: um mdico acredita que a chance de um paciente que possui
ferimentos oriundos de um acidente de trnsito sobreviver 80%. Note que se
o mesmo paciente fosse avaliado por outro medido, essa probabilidade poderia
ser de, por exemplo, 90%.


5. Probabilidade de um evento complementar

Sendo A um evento e A o evento complementar e o fato de a soma das
probabilidades de todos os eventos ser sempre igual a 1, temos:

1 ) A ( P ) A ( P = +

Ou ainda:

) A ( P 1 ) A ( P =

Exemplo 5: a probabilidade de um equipamento sair de fbrica com defeito
de 0,5%. Qual a probabilidade de o equipamento sair funcionando
corretamente?

Definindo D: um aparelho apresentar defeito de fbrica, temos que D o
evento um aparelho no apresentar defeito de fbrica, ou seja, sair
funcionando corretamente.

Lembrando que 0,5% = 0,005, temos:

995 , 0 ) D ( P
005 , 0 1 ) D ( P
1 ) D ( P 005 , 0
1 ) D ( P ) D ( P
=
=
= +
= +


Logo, a probabilidade de 99,5%.

Exemplo 6: segundo os meteorologistas, a probabilidade de fazer um dia
ensolarado 45%; ficar nublado 30%. Qual a probabilidade de chover?

Vamos definir os eventos:
S: o dia ser ensolarado;
N: o dia ficar nublado;
C: haver chuva no dia.

16

Como a soma de todas as probabilidades sempre igual a 1, ento:

P(S) + P(N) + P(C) = 1
0,45 + 0,30 + P(C) = 1
P(C) = 1 0,45 0,30
P(C) = 0,25.

Ou seja, a probabilidade de chover de 25%.


6. Probabilidade da unio de dois eventos

Sejam A e B dois eventos tais que B A . Neste caso,

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


muito comum imaginarmos que a probabilidade de ocorrer A ou B (A U B)
seja igual a soma das probabilidades de A com as probabilidades de B. Isso s
vlido se estivermos trabalhando com eventos mutuamente exclusivos.

Se A e B so dois eventos tais que = B A (ou seja, so mutuamente
exclusivos) ento

P (A U B) = P(A) + P(B).

Em muitas situaes, podemos utilizar as frmulas acima para a resoluo de um
exerccio ou calcular a probabilidade diretamente, utilizando a definio.

Exemplo 7: escolhendo-se aleatoriamente um nmero natural de 1 a 20, qual
a probabilidade desse nmero ser mltiplo de 2 ou 3?

Sejam os eventos:

A: o nmero ser mltiplo de 2;
B: o nmero ser mltiplo de 3.

Logo, conclumos que:
A U B: o nmero ser mltiplo de 2 ou 3;
A B: o nmero ser mltiplo de 2 e 3.

Os conjuntos sero:

A = {2,4,6,8,10,12,14,16,18,20}
B = {3,6,9,12,15,18}
A B = {6,12,18}

As probabilidades so:


17

20
10
) A ( P = ;
20
6
) B ( P = e
20
3
) B A ( P = .

Logo,
20
13
20
3
20
6
20
10
) B A ( P = + = .

Observe que esse valor poderia ser obtido diretamente da definio de
probabilidade escrevendo o conjunto:

A U B = {2,3,4,6,8,9,10,12,14,15,16,18,20},

que possui 13 elementos.


Exemplo 8: (FUVEST) A probabilidade de que a populao atual de um pas
seja de 110 milhes ou mais de 95%. A probabilidade de ser 110 milhes ou
menos de 8%. Calcule a probabilidade de ser 110 milhes.

Vamos definir os eventos:

A: a populao tem 110 milhes ou mais;
B: a populao tem 110 milhes ou menos.

Logo, podemos concluir que o evento A B corresponde a populao possuir
exatamente 110 milhes. E, ainda, A U B corresponde a populao ter 110
milhes ou menos ou mais. Portanto, A U B corresponde todas as
possibilidades de tamanho da populao. Assim:


P (A U B) = P(A) + P(B) P(A B)
1 = 0,95 + 0,08 P(A B)
P(A B) = 0,95 + 0,08 1
P(A B) = 0,03

Logo, a probabilidade de a populao ter exatamente 110 milhes vale 3%.


Exemplo 9: suponhamos o lanamento simultneo de dois dados. Calcular a
probabilidade dos seguintes eventos:

A: ocorrncia de nmeros cuja soma seja menor ou igual a 6.
B: ocorrncia de nmeros cuja soma seja 8.
C: ocorrncia de nmeros cuja soma seja diferente de 8.
D: ocorrncia de nmeros iguais nos dois dados, ou de nmeros com soma
igual a 8.
E: ocorrncia de nmeros mltiplos de 3 em pelo menos um dos dados.

Podemos construir o espao amostral:


18

= {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), 2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6), (5,1),
(5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}

Perceba que nosso espao amostral possui 36 elementos e que, portanto,
poder ser um pouco mais difcil trabalharmos com a observao direta desse
conjunto. Assim, para situaes de lanamentos de 2 dados, podemos recorrer
a um mtodo prtico de resoluo que a construo de uma tabela. Note que
as bordas da tabela representam os resultados dos dados e o centro dela
corresponde soma dos resultados:

1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

Observe que na tabela temos os 36 possveis resultados do lanamento de
dois dados.

Para o clculo de P(A), basta observamos, na tabela, os resultados cuja soma
menor ou igual a 6. So, ao todo, 15 resultados:

1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

Logo,
12
5
36
15
) A ( P = = .

Com relao ao evento B, observamos facilmente que temos soma igual a 8
em 5 resultados. Portanto,
36
5
) B ( P = .

O evento C o complementar de B. Logo:

P(C) + P(B) = 1
P(C) = 1 P(B)
36
31
36
5
1 ) C ( P = = .

O evento D pede soma igual a 8 ou nmeros iguais nos dois dados. Assim, em
nossa tabela, vamos verificar quais so os resultados com soma 8 e aqueles

19

em que os resultados so nmeros idnticos nos dois dados (marcados com
X):

1 2 3 4 5 6
1 X
2 X 8
3 X 8
4 8
5 8 X
6 8 X

Note que o par (4,4) corresponde a interseco dos dois eventos. Portanto:

18
5
36
10
) D ( P = = .

Com relao ao evento E, apenas nos interessa os resultados dos dados em si,
e no a soma dos resultados. Assim, podemos utilizar uma tabela similar para
marcar os resultados que nos interessa. No caso, mltiplos de 3 nos dois
dados:

1 2 3 4 5 6
1 X X
2 X X
3 X X X X X X
4 X X
5 X X
6 X X X X X X

Ao todo, so 20 resultados de interesse. Logo,
9
5
36
20
) E ( P = = .





Exemplo 10: Em um grupo de 500 estudantes, 80 estudam Engenharia, 150
estudam Administrao e 10 estudam Engenharia e Administrao. Se um
aluno escolhido ao acaso, qual a probabilidade de que:

a) ele estude Administrao e Engenharia?
b) ele estude somente Engenharia?
c) ele estude somente Administrao?
d) ele no estude Engenharia nem Administrao?
e) ele estude Engenharia ou Administrao?

Uma forma simples de resolver este tipo de exerccio trabalhar com
conjuntos. Lembre-se que devemos iniciar sempre a partir da interseco.


20












Agora, podemos responder s questes:
a)
50
1
500
10
) E A ( P = =
b)
50
7
500
70
E) apenas ( P = =
c)
25
7
500
140
A) apenas ( P = =

d)
25
14
500
280
E) no e A o n ( P = =
e)
25
11
500
220
500
70 10 140
) E A ( P = =
+ +
=


7. Espaos equiprovveis e no equiprovveis

Quando a probabilidade de ocorrncia de cada elemento de um espao
amostral for a mesma, dizemos que temos um espao equiprovvel. Porm,
se a probabilidade de ocorrncia de cada elemento no for a mesma, dizemos
que temos um espao no equiprovvel.


Exemplo 11: uma urna contm 50 bolas idnticas. Se as bolas forem
numeradas de 1 a 50, qual a probabilidade de, em uma extrao ao acaso,

a) obtermos a bola de nmero 27?

Nosso espao amostral ={ 1, 2, ..., 50} e equiprovvel. Ocorrer a bola 27
significa que o evento possui apenas 1 elemento. Logo:

50
1
) A ( P = .

b) obtermos uma bola de nmero par?

A
E
10
80 10 =
70
150 10 =
140
500 140 10 70 = 280

21

Perceba que existem, de 1 a 50, 25 bolas pares. Ou seja, nosso evento
composto por 25 elementos. Assim:

2
1
50
25
) B ( P = = .

c) obtermos uma bola de nmero maior que 20?

O evento aqui C = { 21, 22, ..., 50}, composto por 30 elementos. Logo:

5
3
50
30
) C ( P = = .


Exemplo 12: considere a roleta indicada na figura ao lado:

Calcule a probabilidade de ser sorteado cada um dos
nmero mostrados.



Observe que o espao amostral = {1, 2, 3}. Porm, natural percebemos
que a chance de ser sorteado o nmero 3 maior que de sair o nmero 1 ou 2.
Logo, se trata de um espao no equiprovvel.

Se dividirmos o crculo em 4 partes iguais, percebemos que o nmero 1 e o
nmero 2 ocupam uma das quatro partes cada um. J o nmero 3 ocupa duas
das quatro partes. Dessa forma, fcil concluir que:

4
1
) 1 ( P = ;
4
1
) 2 ( P = ;
2
1
4
2
) 3 ( P = = .

Resumidamente, perceba que a probabilidade de ocorrer cada um dos
nmeros diretamente proporcional rea desses nmeros na roleta.


Exemplo 13: a probabilidade de ocorrer cara no lanamento de uma moeda
viciada 0,62. Qual a probabilidade de ocorrer coroa?

Embora se trate de mais um caso de espao no equiprovvel, a resoluo
deste exemplo praticamente intuitiva. Seja K o evento sair cara e C sair
coroa. Ento:

P(K) + P(C) = 1
P(C) = 1 0,62
P(C) = 0,38 ou 38%


1
3
2

22

Exemplo 14: em uma moeda viciada, a probabilidade de ocorrer cara igual a
quatro vezes a probabilidade de ocorrer coroa. Calcule a probabilidade de
ocorrer cara em um lanamento dessa moeda.

Usando as mesmas suposies do exemplo anterior temos tambm que:
P(K) = 4.P(C).

Como P(K) + P(C) = 1, substituindo a expresso anterior temos:

4.P(C) + P(C) = 1
5.P(C) = 1
5
1
) C ( P = .
Logo,
5
4
) K ( P = .


Exemplo 15: trs cavalos P, Q e R

disputam um preo, no qual s se premiar
o vencedor. Um apostador afirma que a probabilidade de P vencer o dobro da
probabilidade de Q e que Q tem o triplo da probabilidade de ganhar de R. Qual
a probabilidade que cada cavalo tem de vencer?

Pelo enunciado temos:
P(P) = 2.P(Q) (I)
P(Q) = 3.P(R) . (II)

Substituindo (II) em (I) temos:

P(P) = 2.3.P(R)
P(P) = 6.P(R). (III)

Sabemos que

P(P) + P(Q) + P(R) = 1. (IV)

Substituindo (II) e (III) em (IV) obtemos:


6.P(R) + 3.P(R) + P(R) = 1

10.P(R) = 1
10
1
) R ( P = .

Substituindo o resultado em (II) e (III) obtemos:

10
3
) Q ( P = e
10
6
) P ( P = .


23


Exemplo 16: em um lanamento de um dado viciado, a probabilidade de
observarmos um nmero proporcional a esse nmero. Calcule a
probabilidade de ocorrer nmero maior ou igual a 5.


Seja k um nmero real. A probabilidade de ocorrer uma face proporcional ao
valor dessa face. Ento, temos a tabela:

face probabilidade
1 k
2 2k
3 3k
4 4k
5 5k
6 6k
soma 1

k + 2k + 3k + 4k + 5k + 6k = 1
21k = 1
21
1
k = .

As probabilidades de ocorrer face 5 e 6 so, respectivamente,
21
5
e
21
6
.
Portanto,

P(face maior ou igual a 5) =
21
5
+
21
6
=
21
11
.



8. Independncia de dois eventos

Dois eventos so estatisticamente independentes se a ocorrncia de um deles
no afetar a ocorrncia do outro. Por exemplo: ao lanarmos uma moeda
honesta e observarmos o resultado, podemos ter obtido uma cara. Se
lanarmos novamente, a probabilidade de obtermos outra cara no ser
alterada em funo do resultado obtido na(s) jogada(s) anterior(es), ou seja, a
probabilidade continua sendo 50%.

Dessa maneira, se A e B so eventos independentes ento


P (A B) = P(A) . P(B) .



24

Essa regra vlida para n eventos independentes A
1
, A
2
, ..., A
n
. Isto vlido
desde que todas as combinaes entre dois ou mais eventos sejam
independentes:


P (A
1
A
2
... A
n
) = P(A
1
) . P(A
2
) ... P(A
n
) .


Caso A e B no sejam eventos independentes, dizemos que A e B so
dependentes.


Exemplo 17: uma experincia consiste em lanar, simultaneamente, um dado
e duas moedas. Qual a probabilidade de obter a face quatro no dado e duas
caras?

Como os eventos so, claramente, independentes, visto que o resultado obtido
nas moedas e no dado no so influenciados um pelo outo, temos:

P(K K 4) = P(K) . P(K) . P(4) =
24
1
6
1
.
2
1
.
2
1
= .


Exemplo 18: lana-se uma moeda 3 vezes. Sejam os eventos:
A: ocorrem pelo menos duas caras.
B: ocorrem resultados iguais nos trs lanamentos.

Novamente, estamos trabalhando com eventos independentes. Uma maneira
de resolver este exerccio, sem a necessidade de se escrever todas as
possibilidades do espao amostral, trabalhar com o que chamamos de
rvore de possibilidades ou rvore de probabilidades. A rvore deve partir
de um ponto e passar, at o final dela, por todas as possibilidades de
resultados. Em seus galhos, anotamos as probabilidades de ocorrncias. Ao
final dela, multiplicamos os resultados de cada galho para sabermos a
probabilidade de um evento em especfico. Note que este mtodo indicado
apenas para eventos independentes.

Inicialmente, vamos montar apenas as possibilidades. Perceba que, partindo
do primeiro galho (lado esquerdo da rvore) e fazendo um caminho completo
at o final, obtemos todos os 8 elementos do espao amostral, conforme
mostra o lado direito.










25






















Agora, vamos marcar as probabilidades nos galhos. Neste caso, por se tratar
de uma moeda honesta, a probabilidade de cara e de coroa so iguais a 0,5.























Indicamos com as letras A e B os casos de interesse, de acordo com os
eventos A e B definidos. Para obtermos as probabilidades de cada evento,
basta somarmos os resultados indicados na rvore:

K
K
K
K
K
K
K C
C
C
C
C
C
C
KKK
KKC
KCK
KCC
CKK
CKC
CCK
CCC
K
K
K
K
K
K
K C
C
C
C
C
C
C
0,5.0,5.0,5 = 0,125
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5
0,5.0,5.0,5 = 0,125
0,5.0,5.0,5 = 0,125
0,5.0,5.0,5 = 0,125
0,5.0,5.0,5 = 0,125
0,5.0,5.0,5 = 0,125
0,5.0,5.0,5 = 0,125
0,5.0,5.0,5 = 0,125
A
A
A
A
B
B

26

P(A) = 4 . 0,125 = 0,5 ou 50% e

P(B) = 2 . 0,125 = 0,25 ou 25%.


Exemplo 19: duas pessoas praticam tiro ao alvo. A probabilidade da 1
a
atingir
o alvo P(A) =
3
1
e a probabilidade da 2
a
atingir o alvo P(B) =
3
2
. Admitindo
A e B independentes, se as duas derem um tiro ao alvo cada uma, qual a
probabilidade de:

a) ambas atingirem o alvo?
b) ao menos uma atingir o alvo?

Vamos resolver, novamente, este exemplo usando a rvore de modo a tornar a
resoluo por este mtodo prtica mais clara. Primeiro, construmos a rvore
com as possibilidades, marcando em seguida, nos galhos, as probabilidades de
ocorrncia. A seguir, calculamos as probabilidades de cada caminho, bastando
multiplicar as probabilidades anotadas em cada galho:























As letras ao lado direito indicam os casos de interesse para respondermos aos
itens a e b do enunciado. Assim:

a) P(ambas acertarem) =
9
2
.
b) P(ao menos uma acertar) =
9
7
9
4
9
1
9
2
= + + .
acerta
acerta
acerta
erra
erra
erra


A B
1 pessoa
2 pessoa








B
B

27

Exemplo 20: As probabilidades de que duas pessoas A e B resolvam um
problema so: P(A) =
3
1
e P(B) =
5
3
. Qual a probabilidade de que:

a) ambos resolvam o problema?
b) ao menos um resolva o problema?
c) nenhum resolva o problema?
d) A resolva o problema, mas B no?
e) B resolva o problema, mas A no?

Vamos construir a rvore de probabilidades:























As probabilidades pedidas so:
a) P(ambos resolvam) =
15
3
.
b) P(ao menos um resolva) =
15
11
15
6
15
2
15
3
= + + .
c) P(nenhum resolva) =
15
4
.
d) P(A resolva e B no) =
15
2
.
e) P(A no resolva e B resolva) =
15
6
.




resolve
resolve
resolve
no
resolve
no
resolve
no
resolve


A B
Pessoa A
Pessoa B








B
B
C
D
E

28

9. Exerccios

1) Lana-se um dado ao acaso. Determine a probabilidade de se obter na face
superior:
a) o nmero 2
b) um nmero maior que 4
c) um mltiplo de 3
d) um divisor de 20
e) um nmero mpar
f) um nmero par
g) um nmero primo
h) um nmero maior ou igual a 6
i) um nmero maior que 6

2) Um baralho tem 52 cartas, das quais 4 so reis e 4 so valetes. Retira-se
uma carta ao acaso. Determine a probabilidade de:
a) de ser retirado um rei
b) no ser retirado um valete

3) Escolhido ao acaso um elemento do conjunto dos divisores de 30, determine
a probabilidade de que ele seja primo.

4) (Unesp-SP) Joo lana um dado sem que Antnio veja. Joo diz que o
nmero mostrado pelo dado par. A probabilidade de Antnio descobrir esse
nmero :
a)
1
2
b)
1
6
c)
4
6
d)
1
3
e)
3
36


5) Determine a probabilidade de se obterem os eventos a seguir, no
lanamento simultneo de 2 dados, observadas as faces voltadas para cima.
a) nmeros iguais
b) nmeros diferentes
c) nmeros cuja soma igual a 5
d) nmeros cujo produto par
e) nmeros cuja soma mpar
f) nmeros cuja soma menor que 12
g) nmeros cuja soma maior que 12
h) nmeros primos nos 2 dados

6) Uma urna contm 30 bolinhas numeradas de 1 a 30. Retirando-se ao acaso
uma bolinha da urna, qual a probabilidade de essa bolinha ter um nmero
mltiplo de 4 ou de 3?

7) A probabilidade de um cavalo vencer trs ou menos corridas de 58%; a
probabilidade de ele vencer trs ou mais corridas de 71%. Qual a
probabilidade de o cavalo vencer exatamente trs corridas?

8) Num domin (28 peas),qual a probabilidade de, escolhendo uma pea ao
acaso, retiramos uma que tenha repetio de nmeros (0-0, 1-1, ......, 6-6)?


29

9) (FGV-SP) Uma fatia de po com manteiga pode cair no cho de duas
maneiras apenas:
com a manteiga para cima (evento A);
com a manteiga para baixo (evento B).
Uma possvel distribuio de probabilidade para esses eventos :
a) P(A) = P(B) = 3/7
b) P(A) = 0 e P(B) = 5/7
c) P(A) = 0,3 e P(B) = 1,3
d) P(A) = 0,4 e P(B) = 0,6
e) P(A) = 6/7 e P(B) = 0

10) Numa cidade com 1000 eleitores vai haver uma eleio com dois
candidatos, A e B. feita uma prvia em que os 1000 eleitores so
consultados, sendo que 510 j se decidiram, definitivamente, por A. Qual a
probabilidade de que A ganhe a eleio?

11) Sabendo-se que a probabilidade de que um animal adquira certa
enfermidade, no decurso de cada ms, igual a 30%, a probabilidade de que
um animal sadio venha a contrair a doena s no 3ms igual a:

a) 21%
b) 49%
c) 6,3%
d) 14,7%
e) 26%

12) (VUNESP) A eficcia de um teste de laboratrio para checar certa doena
nas pessoas que comprovadamente tm essa doena de 90%. Esse mesmo
teste, porm, produz um falso-positivo (acusa positivo em quem no tem
comprovadamente a doena) da ordem de 1%. Em um grupo populacional em
que a incidncia dessa doena de 0,5%, seleciona-se uma pessoa ao acaso
para fazer o teste. Qual a probabilidade de que o resultado desse teste venha a
ser positivo?

13) Jogando 3 dados simultaneamente, qual a probabilidade de se obter soma
menor ou igual a 4 ?

14) Seja = {a, b, c, d} o espao amostral de um experimento aleatrio.
Consideremos a seguinte distribuio de probabilidades: P(a) = 1/8, P(b) = 1/8,
P(c) = 1/4, P(d) = x. Determine o valor de x.

15) Dos 100 alunos de uma turma, 40 gostam de lgebra, 30 gostam de
Geometria, 10 gostam de lgebra e Geometria, e h os que no gostam de
lgebra nem de Geometria. Um aluno escolhido ao acaso. Qual a
probabilidade de ele gostar de:
a) lgebra?
b) Geometria?
c) lgebra e Geometria?
d) lgebra ou Geometria?


30

16) Uma urna contm 3 bolas numeradas de 1 a 3 e outra urna com 5 bolas
numeradas de 1 a 5. Ao retirar-se aleatoriamente uma bola de cada uma, a
probabilidade da soma dos pontos ser maior do que 4 :

a) 3/5
b) 2/5
c) 1/2
d) 1/3
e) 2/3

17) Em uma caixa h 4 bolas verdes, 4 azuis, 4 vermelhas e 4 brancas. Se
tirarmos sem reposio 4 bolas desta caixa, uma a uma, qual a probabilidade
de tirarmos nesta ordem bolas nas cores verde, azul, vermelha e branca?

18) (UFSCar-SP) Uma urna tem 10 bolas idnticas, numeradas de 1 a 10. Se
retirarmos uma bola da urna, determine a probabilidade de no obtermos a
bola nmero 7.

19) (FGV-SP) Uma urna contm 50 bolinhas numeradas de 1 a 50. Sorteando-
se uma bolinha, determine a probabilidade de que o nmero observado seja
mltiplo de 8.

20) (F. Objetivo-SP) Um dado honesto tem suas faces numeradas de 1 a 6.
Joga-se este dado duas vezes consecutivas. Determine a probabilidade de
obter um nmero par no primeiro lanamento e um nmero maior ou igual a 5
no segundo lanamento.

21) (CESGRANRIO-RJ) Dois dados so lanados sobre uma mesa. Determine
a probabilidade de ambos dados mostrarem, na face superior, nmeros
mpares.

22) De um grupo de 200 pessoas, 160 tm fator Rh positivo, 100 tm sangue
tipo O e 80 tm fator Rh positivo e sangue tipo O. Se uma dessas pessoas for
selecionada ao acaso, qual a probabilidade de:
a) seu sangue ter fator Rh positivo?
b) seu sangue no ser tipo O?
c) seu sangue ter fator Rh positivo ou ser tipo O?



23) Uma moeda viciada de tal modo que sair cara duas vezes mais
provvel do que sair coroa. Calcule a probabilidade de:
a) ocorrer cara no lanamento dessa moeda;
b) ocorrer coroa no lanamento dessa moeda.

24) Os jogadores A, B, C e D disputam um torneio onde A e B tm chances
iguais, C e D tambm tm chances iguais, mas A tem o dobro das chances
de C. Qual a probabilidade de B vencer? Qual a probabilidade de D vencer?


31

25) (UFR-RJ) Os cavalos X, Y e Z disputam uma prova ao final da qual no
poder ocorrer empate. Sabe-se que a probabilidade de X vencer igual ao
dobro da probabilidade de Y vencer. Da mesma forma, a probabilidade de Y
vencer igual ao dobro da probabilidade de Z vencer. Calcule a probabilidade
de:
a) X vencer;
b) Y vencer;
c) Z vencer.

26) (UF-PI) No lanamento de um dado vicioso, as faces diferentes de 5
ocorrem com probabilidade p, enquanto a face 5 ocorre com a probabilidade
3p. Assim sendo, determine o valor de p.

27) No lanamento de uma moeda defeituosa, qual a probabilidade de sair
cara, sabendo-se que esta o sxtuplo da probabilidade de sair coroa?

28) Trs carros, A, B e C, participam de uma corrida. A tem duas vezes mais
probabilidades de ganhar que B e B tem trs vezes mais probabilidades de
ganhar que C. Determine as probabilidades de vitria de cada carro.


29) Lana-se um dado viciado, de forma que cada nmero par sai o triplo de
vezes que cada nmero mpar.
a) qual a probabilidade de ocorrer um nmero mpar? E um nmero par?
b) Qual a probabilidade de ocorrer um nmero menor que 4?
c) Qual a probabilidade de que saia um nmero mltiplo de 2 ou 3?


30) Trs corredores, A, B e C, participam de uma competio. A e B tm a
mesma probabilidade de vencer e cada um tem quatro vezes mais
probabilidades de vencer do que C. Calcule P(A), P(B) e P(C).


31) Uma urna I tem 3 bolas vermelhas e 4 pretas. Outra urna II tem 6 bolas
vermelhas e 2 pretas. Uma urna escolhida ao acaso e dela escolhida uma
bola tambm ao acaso. Qual a probabilidade de observarmos:
a) urna I e bola vermelha?
b) urna I e bola preta?
c) urna II e bola vermelha?
d) urna II e bola preta?


32) Uma urna tem 8 bolas vermelhas, 3 brancas e 4 pretas. Uma bola
escolhida ao acaso e, sem reposio desta, outra escolhida, tambm ao
acaso. Qual a probabilidade de:
a) a 1
a
bola ser vermelha e a 2
a
branca?
b) a 1
a
bola ser branca e a 2
a
vermelha?
c) a 1
a
e a 2
a
serem vermelhas?
d) sarem uma bola vermelha e uma bola branca?


32

33) A urna I tem 3 bolas vermelhas e 4 brancas, a urna II tem 2 bolas
vermelhas e 6 brancas e a urna III tem 5 bolas vermelhas, 2 brancas e 3
amarelas. Uma urna selecionada ao acaso e dela extrada uma bola,
tambm ao acaso. Qual a probabilidade de a bola ser:
a) vermelha?
b) branca?
c) amarela?


34) Em um lote da fbrica A existem 18 peas boas e 2 defeituosas. Em outro
lote da fbrica B, existem 24 peas boas e 6 defeituosas, e em outro lote da
fbrica C, existem 38 peas boas e 2 defeituosas. Um dos 3 lotes sorteado
ao acaso e dele extrada uma pea ao acaso. Qual a probabilidade de a pea
ser:
a) boa?
b) defeituosa?


35) (EU-RJ)
Protticos e dentistas dizem que a procura por dentes postios no
aumentou. At declinou um pouquinho. No Brasil, segundo a Associao
Brasileira de Odontologia (ABO), h 1,4 milho de pessoas sem nenhum
dente na boca, e 80% delas j usam dentadura. Assunto encerrado.
(Adaptado de: Veja, outubro de 1997)

Considere que a populao brasileira seja de 160 milhes de habitantes.
Escolhendo ao acaso um desses habitantes, a probabilidade de que ele no
possua nenhum dente na boca e use dentadura, de acordo com a ABO, de:
a) 0,28%
b) 0,56%
c) 0,70%
d) 0,80%

36) (UMC-SP) Escolhendo ao acaso uma pessoa numa certa populao, a
probabilidade de ela ser surda de 0,004, a probabilidade de ela ser cega
0,007 e a probabilidade de ela ser surda e cega de 0,0006. A probabilidade
de ela ser cega ou surda :
a) 0,0116
b) 0,005
c) 0,011
d) 0,0104
e) 0,0011

37) A probabilidade de certo homem sobreviver mais 10 anos, a partir de certa
data, 0,4, e de que sua esposa sobreviva mais 10 anos a partir da mesma
data 0,5. Qual a probabilidade de:
a) ambos sobreviverem mais 10 anos a partir daquela data?
b) ao menos um deles sobreviver mais 10 anos a partir daquela data?


33

38) A probabilidade de que um aluno A resolva certo problema P(A) = 1/2, a
de que outro aluno B resolva P(B) = 1/3 e a de que um terceiro aluno C o
resolva P(C) = 1/4. Qual a probabilidade de que:

a) os trs resolvam o problema?
b) ao menos um resolva o problema?


39) Renato tem probabilidade
1
4
de convidar Alice para um passeio num
domingo. A probabilidade de que Csar a convide
2
5
e a de Olavo
1
2
. Qual
a probabilidade de que:

a) os trs a convidem para o passeio?
b) nenhum a convide para o passeio?
c) ao menos um a convide para o passeio?


40) Em uma escola de idiomas com 2000 alunos, 500 alunos fazem o curso de
ingls, 300 fazem o curso de espanhol e 200 cursam ambos os cursos.

a) Selecionando-se um estudante ao acaso, qual a probabilidade de que ele
estude ingls ou espanhol?
b) Selecionando-se um estudante do curso de ingls, qual a probabilidade dele
tambm estar cursando o curso de espanhol?


41) As probabilidades de que duas pessoas A e B resolvam um problema so:
P(A) =
1
3
e P(B) =
3
5
. Qual a probabilidade de que:
a) ambos resolvam o problema?
b) ao menos um resolva o problema?
c) nenhum resolva o problema?
d) A resolva o problema, mas B no?
e) B resolva o problema, mas A no?


42) Uma moeda lanada 10 vezes. Qual a probabilidade de:
a) observarmos 10 caras?
b) observarmos 10 coroas?
c) observarmos 6 caras e 6 coroas?


43) Uma urna contm 20 bolas numeradas de 1 a 20. Retira-se uma bola
aleatoriamente. Sejam os eventos:
A: a bola retirada possui um nmero mltiplo de 2;
B: a bola retirada possui um nmero mltiplo de 5.
Determine a probabilidade do evento A U B.


34

44) Uma pesquisa realizada entre 1000 consumidores, registrou que 650 deles
trabalham com cartes de crdito da bandeira MasterCard, que 550 trabalham
com cartes de crdito da bandeira VISA e que 200 trabalham com cartes de
crdito de ambas as bandeiras. Qual a probabilidade de ao escolhermos deste
grupo uma pessoa que utiliza a bandeira VISA, ser tambm um dos
consumidores que utilizam cartes de crdito da bandeira MasterCard?

45) Uma urna contm 6 bolas pretas, 2 bolas brancas e 10 amarelas. Uma bola
escolhida ao acaso. Qual a probabilidade de:
a) a bola no ser amarela?
b) a bola ser branca ou preta?
c) a bola no ser branca, nem amarela?

46) Em um circuito eltrico, 3 componentes so ligados em srie e trabalham
independentemente um do outro. As probabilidades de falharem o 1, 2 e 3
componentes valem respectivamente p
1
= 0,1, p
2
= 0,1 e p
3
= 0,2. Qual a
probabilidade de que no passe corrente pelo circuito?




47) (Vunesp-SP) Para uma partida de futebol, a probabilidade de o jogador R
no ser escalado 0,2, e a probabilidade de o jogador S ser escalado 0,7.
Sabendo que a escalao de um deles independente da escalao do outro,
determine a probabilidade de dois jogadores serem escalados.

48) (EU-RJ)





Suponha haver uma probabilidade de 20% para uma caixa de Microvlar ser
falsificada. Em duas caixas, a probabilidade de pelo menos uma delas ser falsa
:

a) 4% b) 16% c) 20% d) 32% e) 36%

49) (U. F. So Carlos-SP) Gustavo e sua irm Caroline viajaram de frias para
cidades distintas. Os pais recomendam que ambos telefonem quando
chegarem ao destino. A experincia em frias anteriores mostra que nem
sempre Gustavo e Caroline cumprem esse desejo dos pais. A probabilidade de
Gustavo telefonar 0,6 e a probabilidade de Caroline telefonar 0,8. A
probabilidade de pelo menos um dos filhos contatar os pais :

a) 0,20 b) 0,48 c) 0,64 d) 0,86 e) 0,92


35


50) (Cesgranrio-RJ) As probabilidades de trs jogadores marcarem um gol
cobrando um pnalti so, respectivamente,
1
2
,
2
5
e
5
6
. Se cada um bater um
nico pnalti, determine a probabilidade de todos errarem.

51) Numa bolsa temos cinco moedas de R$ 1,00 e quatro de R$ 0,50. Qual a
probabilidade de, ao retirarmos duas moedas, obtermos R$ 1,50?

52) Uma urna I contm uma bola vermelha e duas brancas. A urna II contm
duas bolas vermelhas e uma branca. Tiramos aleatoriamente uma bola da urna
I, colocamos na urna II e misturamos. Em seguida, tiramos aleatoriamente uma
bola da urna II. Qual a probabilidade de tirarmos uma bola branca da urna II?

53) A probabilidade de um aluno X resolver este problema
5
3
e a do aluno Y

7
4
. Qual a probabilidade de que o problema seja resolvido?


54) No lanamento de um dado, qual a probabilidade de sair o nmero 5 ou um
nmero par?


55) Um nmero escolhido ao acaso no conjunto {1, 2, 3, ..., 20}. Verifique se
so independentes os eventos:
a) X: o nmero mltiplo de 3 e Y: o nmero par.
b) M: o nmero primo e N: o nmero mpar.


56) (FGV) Cada dia em que uma pessoa joga numa loteria, ela tem uma
probabilidade de ganhar igual a 1/1000, independentemente dos resultados
anteriores.

a) Se ela jogar 30 dias, qual a probabilidade de ganhar ao menos uma vez?
b) Qual o nmero mnimo de dias em que ele dever jogar para que a
probabilidade de que ela ganhe ao menos uma vez seja maior do que 0,3%?


57) Sejam dois eventos quaisquer A e B contidos em um espao amostral de
modo que P(A) = 0,3 e P(B) = 0,5. Determine os maiores e menores valores
possveis para ( ) e ( ). Represente cada uma das quatro
situaes com um diagrama.


58) Sejam dois eventos quaisquer A e B contidos em um espao amostral de
modo que P(A) = 0,75 e P(B) = 0,25. Determine os maiores e menores valores
possveis para ( ) e ( ). Represente cada uma das quatro
situaes com um diagrama.


36

59) Sejam dois eventos quaisquer A e B contidos em um espao amostral de
modo que P(A) = 0,8 e P(B) = 0,6. Determine os maiores e menores valores
possveis para ( ) e ( ). Represente cada uma das quatro
situaes com um diagrama.

60) (ENEM) Rafael mora no Centro de uma cidade e decidiu se mudar, por
recomendaes mdicas, para uma das regies: Rural, Comercial, Residencial
Urbano ou Residencial Suburbano. A principal recomendao mdica foi com
as temperaturas das ilhas de calor da regio, que deveriam ser inferiores a
31C. Tais temperaturas so apresentadas no grfico:

Escolhendo, aleatoriamente, uma das outras regies para morar, a
probabilidade de ele escolher uma regio que seja adequada s
recomendaes mdicas
a) 1/5
b) 1/4
c) 2/5
d) 3/5
e) 3/4

61) (FUVEST) Um dado cbico, no viciado, com faces numeradas de 1 a 6,
lanado trs vezes. Em cada lanamento, anota-se o nmero obtido na face
superior do dado, formando-se uma sequncia (a, b, c). Qual a probabilidade
de que b seja sucessor de a ou que c seja sucessor de b?

a) 4/27
b) 11/54
c) 7/27
d) 10/27
e) 23/54


37

62) (CESGRANRIO) Joga-se N vezes um dado comum, de seis faces, no
viciado, at que se obtenha 6 pela primeira vez. A probabilidade de que N seja
menor do que 4

a) 150/216
b) 91/216
c) 75/216
d) 55/216
e) 25/216

63) (UFMG) Em uma mesa, esto espalhados 50 pares de cartas. As duas
cartas de cada par so iguais e cartas de pares distintos so diferentes.
Suponha que duas dessas cartas so retiradas da mesa ao acaso. Ento,
CORRETO afirmar que a probabilidade de essas duas cartas serem iguais

a) 1/100
b) 1/99
c) 1/50
d) 1/49

64) (FGV) Uma urna contm cinco bolas numeradas com 1, 2, 3, 4 e 5.
Sorteando-se ao acaso, e com reposio, trs bolas, os nmeros obtidos so
representados por x, y e z . A probabilidade de que xy + z seja um nmero par
de

a) 47/125
b) 2/5
c) 59/125
d) 64/125
e) 3/5

65) (PUCCAMP) Numa certa populao so daltnicos 5% do total de homens
e 0,05% do total de mulheres. Sorteando-se ao acaso um casal dessa
populao, a probabilidade de ambos serem daltnicos

a) 1/1.000.
b) 1/10.000.
c) 1/20.000.
d) 1/30.000.
e) 1/40.000.

66) (MACKENZIE) Num conjunto de 8 pessoas, 5 usam culos. Escolhidas ao
acaso duas pessoas do conjunto, a probabilidade de somente uma delas usar
culos :

a) 15/28
b) 15/56
c) 8/28
d) 5/56
e) 3/28

38

Respostas Respostas Respostas Respostas


1. a)
1
6
b)
1
3
c)
1
3
d)
2
3
e)
1
2

f)
1
2
g)
1
2
h)
1
6
i) 0
2. a)
1
13
b)
12
13

3.
3
8

4. D
5. a)
1
6
b)
5
6
c)
1
9
d)
3
4

e)
1
2
f)
35
36
g) 0 h)
1
4

6.
1
2

7. 29%
8.
1
4

9. D
10. 1 ou 100%
11. D
12. 1,445%
13.
1
54

14. x =
1
2

15. a)
40
100
= 40% b)
30
100
= 30%
c)
10
100
= 10% d)
60
100
= 60%
16. A
17. 8/1365
18. 0,9
19.
3
25

20.
1
6

21.
1
4

22. a)
4
5
b)
1
2
c)
9
10


23. a)
2
3
b)
1
3

24. B =
1
3
e C =
1
6

25. a)
7
4
b)
7
2
c)
7
1

26. p =
1
8

27. P(cara) =

0,8571
28. P(A) =
3
5
, P(B) =
3
10
e P(C) =
1
10

29. a) P(mpar) =
4
1
e P(par) =
4
3

b)
5
12
c)
5
6

30. P(A) =
4
9
, P(B) =
4
9
e P(C) =
1
9

31. a)
3
14
b)
2
7
c)
3
8
d)
1
8

32. a)
4
35
b)
4
35
c)
4
15
d)


33. a)
11
28
b)
71
140
c)
1
10

34. a)
53
60
b)
7
60

35. C
36. D
37. a) 0,20 b) 0,70

39

38. a)
1
24
b)
4
3

39. a)
1
20
b)
9
40
c)
31
40

40. a) 3/7 b) 2/5
41. a)
1
5
b)
11
15
c)
4
15
d)
2
15
e)
2
5

42. a)
1
1024
b)
1
1024
c) 0
43.
3
5

44. 4/11
45. a)
4
9
b)
4
9
c)
1
3

46. 0,352
47. 0,56
48. E
49. E
50.
1
20


51.
9
5

52.
12
5

53.
35
29

54.
3
2

55. a) independentes

b) dependentes

56. a) 1

0,0296

b) >
,
,
3,003. Logo: 4 dias.


57.
mn ( ) = 0,5

mx ( ) = 0,8

mn ( ) = 0

mx ( ) = 0,3



58.
mn ( ) = 0,75

mx ( ) = 1

mn ( ) = 0

mx ( ) = 0,25










A
B

A
B

A
B

A
B

B
A

A
B

A B

A B

40

59.
mn ( ) = 0,8

mx ( ) = 1

mn ( ) = 0,4

mx ( ) = 0,6


60. E
61. C
62. B
63. B
64. C
65. E
66. A



B
A

A
B

A
B

A
B

41

2. Modelos Discretos de Distribuies de 2. Modelos Discretos de Distribuies de 2. Modelos Discretos de Distribuies de 2. Modelos Discretos de Distribuies de
Probabilidades Probabilidades Probabilidades Probabilidades

1. Lei binomial da probabilidade - Ensaios de Bernoulli

Consideremos um experimento que consiste em uma seqncia de ensaios ou
tentativas independentes, isto , ensaios nos quais a probabilidade de um
resultado em cada ensaio no depende dos resultados ocorridos nos ensaios
anteriores, nem dos resultados nos ensaios posteriores. Em cada ensaio,
podem ocorrer apenas dois resultados, um deles que chamaremos de sucesso
(S) e outro que chamaremos de fracasso (F). probabilidade de ocorrer
sucesso em cada ensaio chamaremos de p; a probabilidade de fracasso
chamaremos de q, de tal modo que q=1p. Tal tipo de experimento recebe o
nome de ensaio de Bernoulli.

Exemplos de ensaio de Bernoulli

1) Uma moeda lanada 5 vezes. Cada lanamento um ensaio, em que dois
resultados podem ocorrer: cara ou coroa. Chamemos de sucesso o evento
sair uma cara e de fracasso o evento sair uma coroa. Em cada ensaio, p=0,5
e q=0,5.

2) Uma urna contm 4 bolas vermelhas e 6 brancas. Uma bola extrada,
observada sua cor e reposta na urna; este procedimento repetido 8 vezes.
Cada extrao um ensaio, em que dois resultados podem ocorrer: bola
vermelha ou bola branca. Chamemos de sucesso o evento sair bola
vermelha. Conseqentemente, fracasso corresponde ao evento sair bola
branca. Neste caso,
10
4
p = e
10
6
q = .

2. Distribuio Binomial

Antes de apresentarmos a frmula e suposies da distribuio Binomial de
probabilidades, vamos analisar um exemplo e deduzir a frmula a partir dele.

Exemplo 1: uma prova consta de 10 testes com 5 alternativas cada um, sendo
apenas uma delas correta. Um aluno que nada sabe a respeito da matria
avaliada, chuta uma resposta para cada teste. Qual a probabilidade dele
acertar exatamente 6 testes?

A probabilidade de acertar um teste aleatoriamente 2 , 0
5
1
= . Logo, a de errar
esse teste de 8 , 0
5
4
5
1
1 = = .


42

Vamos considerar uma situao bastante especfica: o aluno acerta os testes
de 1 6 e erra os testes de 7 10. A probabilidade de isso acontecer obtida
utilizandose o Princpio Fundamental da Contagem:

0,2 . 0,2 . 0,2 . 0,2 . 0,2 . 0,2 . 0,8 . 0,8 . 0,8 . 0,8 =
= (0,2)
6
. (0,8)
4
0,000026 ou 0,0026%.

Porm, essa apenas uma situao de acertos / erros possvel. O nmero total
de maneiras que esse aluno pode acertar 6 testes de um total de 10 testes
calculada utilizandose combinao (visto que a ordem dos acertos NO
importa):

210
)! 6 10 !.( 6
! 10
C
6 , 10
=

= maneiras.

Para cada uma dessas 210 formas, temos uma probabilidade de acerto igual a
calculada anteriormente. Logo, a probabilidade de esse aluno acertar 6 testes
qualquer :

210 . (0,2)
6
. (0,8)
4
0,0055 ou 0,55%.

Vamos definir a varivel aleatria X que representa sucesso como sendo:

X: nmero de testes que o aluno acerta (sucesso).

Associada a X, temos a probabilidade de sucesso p=0,2 e, conseqentemente,
a probabilidade de fracasso q=10,2=0,8 (probabilidade de errar o teste).

Lembrando que
|
|

\
|
=
6
10
C
6 , 10
, podemos escrever que a probabilidade do aluno
acertar 6 testes :

P(X=6) =
|
|

\
|
6
10
. (0,2)
6
. (0,8)
4


Generalizando, se em cada uma das n repeties de Ensaios de Bernoulli a
probabilidade de ocorrer um evento definido como sucesso sempre p, a
probabilidade de que esse evento ocorra em apenas k das n repeties dada
por:


k n k
) p 1 .( p .
k
n
) k X ( P

|
|

\
|
= =






43


Resumindo: um experimento binomial deve satisfazer os seguintes critrios:

1) O experimento repetido n vezes, onde cada tentativa independente das
demais.
2) H apenas dois resultados possveis em cada tentativa: um de interesse,
associado varivel X, chamado de sucesso e o seu complementar que o
fracasso.
3) A probabilidade de sucesso ser denotada por p e a mesma em cada
tentativa (entenda Ensaio de Bernoulli). Logo, a probabilidade de fracasso
ser denotada por q = 1 p.

Observaes importantes: comum queles que esto iniciando os estudos
da distribuio Binomial acharem que a varivel definida como sucesso precisa
ser algo bom. Porm, isso no est correto. A varivel X, ou seja, o sucesso,
dever ser algo que nos interesse. Por exemplo, poderamos definir como
sucesso:

alunos reprovados em determinado ano;
nmero de bitos em uma UTI;
nmero de fumantes presentes em uma reunio;
acertar um alvo num torneio de tiro;
entrevistados serem do sexo masculino;
sair cara no lanamento de uma moeda;
sair face 5 ou 6 no lanamento de um dado.

Ou seja, a varivel sucesso pode ser ou pode no ser algo bom! s vezes,
pode ser algo imparcial, como face de uma moeda ou dado, ou sexo de uma
pessoa.

Exemplo 2: para entender melhor a frmula, vamos recapitular o clculo de
probabilidades com base em um exemplo. Responda rapidamente a pergunta:
um casal deseja ter 4 filhos, 2 homens e 2 mulheres. Supondo que a
probabilidade de nascimento de um homem (H) ou uma mulher (M) seja a
mesma, qual a probabilidade de tal fato acontecer?

Muitas pessoas respondem 50%. Se voc foi uma delas, a pergunta seguinte
possivelmente ser por qu? No ???. A resposta no! O que mostra que
muitas vezes a intuio nos engana, enfatizando a importncia da
probabilidade (veja, por exemplo, o caso de um mdico obstetra ou um
laboratrio que muitas vezes precisa conhecer clculos de probabilidades
como este).

Faremos, inicialmente, um mtodo mais trabalhoso, mas que certamente
convencer o leitor de que tal probabilidade no 50%. Depois, faremos o
clculo utilizando um modelo probabilstico.

Listemos todas as possibilidades de nascimentos:



44



HHHH
HHHM
HHMH
HMHH
MHHH
HHMM
HMHM
MHHM
HMMH
MHMH
MMHH
HMMM
MHMM
MMHM
MMMH
MMMM

Das 16 possibilidades listadas, note que em 6 delas ocorrem o nascimento de 2
homens e 2 mulheres. Logo, a probabilidade disso ocorrer :

37,5% ou 375 , 0
16
6
P = = .

Ou seja, a probabilidade inferior a 50%, mais precisamente, vale 37,5%, o
que contradiz a intuio da maioria das pessoas.

Uma outra forma de resolver esse mesmo problema utilizando a Binomial.

Agora, para resolvermos essa situao apresentada atravs da Binomial,
vamos determinar que nosso interesse seja o nmero de homens que nascem.
Essa ocorrncia ser chamada de sucesso. Assim:

X: nmero de homens que nascem (sucesso)

Logo, nascer mulher indicaria fracasso. No nenhum tipo de preconceito,
mas sim, uma questo Estatstica. Poderamos, sem problemas, ter trocado
homem por mulher e vice-versa.

A probabilidade de sucesso a probabilidade de em um nascimento qualquer
ocorrer um homem, ou seja,

5 , 0
2
1
p = = .

Temos interesse que, em 4 nascimentos, 2 sejam homens e 2 sejam mulheres.
Como chamamos de sucesso nascer homem, temos interesse no nascimento
de 2 homens ou, em linguagem matemtica, X=2. Logo, o valor de k 2 (basta
comparar a frmula X=k com o que acabamos de escrever X=2).

45


Obtemos, portanto:

375 , 0
8
3
4
1
.
4
1
. 6
2
1
1 .
2
1
.
2
4
) 2 X ( P
2 4 2
= = = |

\
|
|

\
|
|
|

\
|
= =

,

que o mesmo valor obtido utilizando o mtodo anterior.

Cabe ressaltar que a frmula apresentada no tem carter mstico algum.
possvel fazer a sua deduo e, para isso, basta utilizarmos a lgica
desenvolvida no mtodo anterior. Vejamos:

Suponhamos 4 caixas numeradas, e que iremos colocar em cada uma delas
um carto que possui uma letra H ou um carto que possui uma letra M.
Suponhamos que temos um par de cartes mestre que sero utilizados na
escolha de uma das letras e que tenhamos uma outra pilha de cartes que
sero colocados nas caixas.

Inicialmente, escolheremos duas delas para colocarmos um carto que possui
a letra H. O nmero de maneiras que podemos fazer tal escolha no depende
da ordem, ou seja, escolher a caixa 1 e 3 indiferente de escolher a 3 e 1,
visto que colocaremos cartas iguais dentro de cada uma delas. Utilizamos a
combinao:








6
2
4
C
2 , 4
=
|
|

\
|
=

Logo, h 6 maneiras de se fazer tal escolha.

Fixemos uma das escolhas, como por exemplo, H nas caixas 1 e 3. Nas caixas
2 e 4 colocaremos cartas com a letra M. A probabilidade de tal fato ocorrer
pode ser expressa atravs do princpio multiplicativo. A probabilidade de
ocorrer cada H de 0,5 (pois sorteamos as letras a partir dos cartes-mestre) e
de ocorrer M tambm 0,5.

Assim, a probabilidade de sortearmos H na primeira vez, M na segunda, H na
terceira e M na quarta dada por

0,5.0,5.0,5.0,5 = (0,5)
4
= 0,0625.

Como tal fato (2 H e 2 M) pode ocorrer de 6 maneiras diferentes temos que a
probabilidade final fica
1 2 3 4
H H
M
H
Cartes mestre

46


P = 6 . 0,0625 = 0,375.

Note que 0,5 = 1 0,5 = 1 p. O raciocnio aqui desenvolvido o mesmo que
se faz para deduzir a frmula da Distribuio Binomial.


Exemplo 3: uma urna tem 4 bolas vermelhas (V) e 6 brancas (B). Uma bola
extrada, observada sua cor e reposta na urna. O experimento repetido 5
vezes. Qual a probabilidade de observarmos exatamente 3 vezes bola
vermelha?

Inicialmente, vamos definir a varivel aleatria de interesse:

X: nmero de bolas vermelhas observadas (sucesso).

Logo, a probabilidade de sucesso ser p=4/10=0,4. Utilizando a frmula
apresentada, em que n=5 (nmero de retiradas) e k=3 (nmero de bolas
vermelhas que temos interesse em observar), temos:

2304 , 0 6 , 0 . 4 , 0 .
3
5
) 4 , 0 1 .( 4 , 0 .
3
5
) 3 X ( P
2 3 3 5 3
=
|
|

\
|
=
|
|

\
|
= =

ou 23,04%.

Exemplo 4: numa cidade, 10% das pessoas possuem carro de marca A. Se 30
pessoas so selecionadas ao acaso, com reposio, qual a probabilidade de
exatamente 5 pessoas possurem carro de marca A?

Definindo X: nmero de pessoas que possuem o carro da marca A (sucesso),
temos associada uma probabilidade de sucesso p=0,10. Sendo n=30 e k=5,
temos:

1023 , 0 9 , 0 . 1 , 0 .
5
30
) 1 , 0 1 .( 1 , 0 .
5
30
) 5 X ( P
25 5 5 30 5

|
|

\
|
=
|
|

\
|
= =

ou 10,23%.


Exemplo 5: admitese que uma vlvula eletrnica, instalada em determinado
circuito, tenha probabilidade 0,3 de funcionar mais de 600 horas. Analisando
se 10 vlvulas, qual ser a probabilidade de que, entre elas, pelo menos 3
continuem funcionando aps 600 horas?

Seja X: nmero de vlvulas que permanecem funcionando aps 600 horas.
Temos que a probabilidade de sucesso p=0,3. Perceba que estamos
realizando 10 Ensaios de Bernoulli (n=10). Logo, queremos calcular:

P(X3) = P(X=3) + P(X=4) + P(X=5) + ... + P(X=9) + P(X=10).

Note que teramos que calcular cada uma das probabilidades envolvidas nessa
soma utilizando a frmula apresentada, ou seja, teramos que aplicar a frmula

47

8 vezes para, em seguida, somar todos os resultados. Neste caso, vamos
utilizar uma propriedade, j vista, de eventos complementares:

P(X3) = 1 P(X<3) =

= 1 [ P(X=0) + P(X=1) + P(X=2)] =

=
(

|
|

\
|
+
|
|

\
|
+
|
|

\
|

2 10 2 1 10 1 0 10 0
) 3 , 0 1 .( 3 , 0 .
2
10
) 3 , 0 1 .( 3 , 0 .
1
10
) 3 , 0 1 .( 3 , 0 .
0
10
1 =
=
(

|
|

\
|
+
|
|

\
|
+
|
|

\
|

8 2 9 1 10 0
7 , 0 . 3 , 0 .
2
10
7 , 0 . 3 , 0 .
1
10
7 , 0 . 3 , 0 .
0
10
1 =
= 1 0,3828 = 0,6172 ou 61,72%.


Exemplo 6: em uma grande pesquisa com 6000 respondentes, determinouse
que 1500 dos entrevistados assistiam determinado programa de TV. Se 20
pessoas so escolhidas ao acaso, qual a probabilidade de que ao menos 19
assistam a esse programa?

Definindo a varivel aleatria que indica sucesso:

X: nmero de pessoas que assistem ao programa.

Perceba que a probabilidade de sucesso (p) pode ser calculada a partir do
enunciado:

25 , 0
6000
1500
p = = .

Logo, queremos calcular:

P(X19) = P(X=19) + P(X=20) =
=
0 20 1 19
75 , 0 . 25 , 0 .
20
20
75 , 0 . 25 , 0 .
19
20
|
|

\
|
+
|
|

\
|
=
5,5.10
11
, ou seja, a probabilidade de 19 ou 20 pessoas assistirem ao
programa muito pequena, quase zero, visto que vale 0,0000000055%.


Exemplo 7: vamos supor o lanamento de uma moeda honesta (ou seja,
P(cara)=P(coroa)=0,5). Suponhamos que voc faa uma aposta com um amigo
seu: ganha aquele que obtiver mais caras (no seu caso) ou coroas (no caso
dele) em 7 lanamentos.

A probabilidade de voc ganhar ocorre quando sarem 4 ou 5 ou 6 ou 7 caras.
Utilizando o modelo Binomial onde:

X: nmero de caras (sucesso)
n = 7 lanamentos

48

k = 4,5,6,7
p = 0,5

Otemos:

P(ganhar) = P(X=4) + P(X=5) + P(X=6) + P(X=7) =
5 , 0
2
1
. 1
2
1
. 7
2
1
. 21
2
1
. 35
2
1
1
2
1
7
7
2
1
1
2
1
6
7
2
1
1
2
1
5
7
2
1
1
2
1
4
7
7 7 7 7
7 7 7 6 7 6 5 7 5 4 7 4
= |

\
|
+ |

\
|
+ |

\
|
+ |

\
|
=
= |

\
|
|

\
|
|
|

\
|
+ |

\
|
|

\
|
|
|

\
|
+ |

\
|
|

\
|
|
|

\
|
+ |

\
|
|

\
|
|
|

\
|
=


Resultado interessante, no? Ou seja, ao invs de fazer essa aposta, poderiam
ter feito a tradicional aposta de cara x coroa.


Exemplo 8: Suponhamos a mesma situao do exemplo anterior, mas agora,
voc pega, sem seu amigo perceber, uma moeda viciada em que a
probabilidade de ocorrer uma cara de 0,75 ou
4
3
. Neste caso, p=0,75 e a
probabilidade de voc ganhar :

P(ganhar) = P(X=4) + P(X=5) + P(X=6) + P(X=7) =

|

\
|
|

\
|
|
|

\
|
+ |

\
|
|

\
|
|
|

\
|
+ |

\
|
|

\
|
|
|

\
|
+ |

\
|
|

\
|
|
|

\
|
=
7 7 7 6 7 6 5 7 5 4 7 4
4
3
1
4
3
7
7
4
3
1
4
3
6
7
4
3
1
4
3
5
7
4
3
1
4
3
4
7

9294 , 0 ou 92,94%.

Logo, muito provvel que voc ganhe a aposta usando essa moeda viciada.


Exemplo 9: Overbooking prtica realizada na aviao do mundo todo.
Consiste na empresa area vender mais bilhetes do que o disponvel no vo
com base na mdia de desistncia dos vos anteriores. Uma empresa area
possui um avio com capacidade para 100 lugares. Se para um certo vo essa
empresa vendeu 103 passagens e, admitindo que a probabilidade de um
passageiro no comparecer para embarque de 1%, qual a probabilidade de
algum passageiro no conseguir embarcar?

Este um problema clssico resolvido utilizando a Binomial. Aqui, muito
comum haver uma certa confuso na elaborao do que o sucesso bem
como do que se deseja calcular. Assim, vamos definir:

X: nmero de passageiros que comparecem ao embarque (sucesso).

Neste caso, p=0,99. Temos, ainda, que n=103, visto que cada um dos 103
passageiros pode comparecer ao embarque (sucesso) ou no comparecer
(fracasso). Queremos calcular a probabilidade de que algum passageiro no

49

consiga embarcar, ou seja, de que compaream ao embarque mais de 100
passageiros:

P(X>100) = P(X=101) + P(X=102) + P(X=103) =
=
0 103 1 102 2 101
01 , 0 . 99 , 0 .
103
103
01 , 0 . 99 , 0 .
102
103
01 , 0 . 99 , 0 .
101
103
|
|

\
|
+
|
|

\
|
+
|
|

\
|
=
=
0 103 1 102 2 101
01 , 0 . 99 , 0 . 1 01 , 0 . 99 , 0 . 103 01 , 0 . 99 , 0 . 5253 + + =
= 0,9150 ou 91,50%.

Espantoso? Pois , a probabilidade de haver problemas devido ao excesso de
passageiros para esse vo bastante elevada e igual a 91,5%.


3. Exerccios

1) Uma moeda lanada 6 vezes. Qual a probabilidade de observarmos
exatamente duas caras?

2) Um dado lanado 5 vezes. Qual a probabilidade de que o 4 aparea
exatamente 3 vezes?

3) Uma pessoa tem probabilidade 0,2 de acertar num alvo toda vez que atira.
Supondo que as vezes que ela atira so ensaios independentes, qual a
probabilidade de ela acertar no alvo exatamente 4 vezes, se ela d 8 tiros?

4) A probabilidade de que um homem de 45 anos sobreviva mais 20 anos
0,6. De um grupo de 5 homens com 45 anos, qual a probabilidade de que
exatamente 4 cheguem aos 65 anos?

5) Uma moeda lanada 6 vezes. Qual a probabilidade de observarmos ao
menos uma cara?

6) Um time de futebol tem probabilidade p = 0,6 de vencer todas as vezes que
joga. Se disputar 5 partidas, qual a probabilidade de que vena ao menos
uma?

7) Uma prova consta de 5 testes com 4 alternativas cada um, sendo apenas
uma delas correta. Um aluno que nada sabe a respeito da matria da prova,
chuta uma resposta para cada teste. Qual a probabilidade desse aluno:
a) acertar os 5 testes?
b) acertar apenas 4 testes?
c) acertar apenas 3 testes?
d) acertar apenas 2 testes?
e) acertar apenas 1 teste?
f) errar todos os testes propostos?
g) qual o resultado mais provvel obtido pelo aluno?



50

8) Foi realizada uma pesquisa com 500 pessoas para verificar se assistiam
determinado programa de televiso. Duzentas pessoas afirmaram assistir. Se,
a partir da populao, retirarmos 8 indivduos, qual a probabilidade de que no
mximo 6 assistam o programa?

9) Um aluno tem o domnio de 70% do contedo que ser cobrado em uma
prova. Sabendose que essa prova composta por 10 questes, qual a
probabilidade de ele acertar, ao menos, 7 questes para ser aprovado?

10) Em uma UTI, em mdia 5% dos bebs que nascem prematuros no
sobrevivem. Se, atualmente, h 40 bebs prematuros, qual a probabilidade de
que no mximo 5% dos bebs no sobrevivam?

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

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

13) A probabilidade de um atirador acertar o alvo
3
1
. Se ele atirar seis vezes,
qual a probabilidade de:
a) acertar exatamente dois tiros?
b) no acertar o alvo?

14) Se 5% das lmpadas de certa marca so defeituosas, ache a probabilidade
de que, numa amostra de 100 lmpadas, escolhidas ao acaso, tenhamos:
a) nenhuma defeituosa;
b) trs defeituosas;
c) mais do que uma boa.

15) Um dado lanado 5 vezes. Qual a probabilidade de que a face 2
aparea pelo menos uma vez nos 5 lanamentos?











51


Respostas Respostas Respostas Respostas

1) 0,2344
2) 0,03215
3) 0,0459
4) 0,2592
5) 0,98439
6) 0,9898
7) a) 1/1024 b) 15/1024 c) 90/1024 d) 270/1024 e) 405/1024 f) 243/1024
g) O resultado mais provvel que o aluno acerte apenas 1 teste.
8) 0,9915
9) 0,6496
10) 0,6767
11) a) 20 b) 80 c) 20
12) a) 80/243 b) 242/243 c) 64/81
13) a) 80/243 b) 64/729
14) a) (0,95)
100

b)
|
|

\
|
3
100
(0,05)
3
.(0,95)
97
c) 1(0,05)
100
100.(0,95).(0,05)
99

15)
5981 , 0
7776
4651



52

3 33 3. Modelos . Modelos . Modelos . Modelos Contnuos Contnuos Contnuos Contnuos de Distribuies de de Distribuies de de Distribuies de de Distribuies de
Probabilidades Probabilidades Probabilidades Probabilidades

Como j vimos, uma varivel aleatria pode ser discreta ou contnua. Quando a
varivel contnua, ou seja, assume valores em intervalos da reta dos nmeros
reais, a distribuio de frequncia de uma amostra de observaes pode ser
representada atravs de um histograma.

Agora, porm, queremos analisar a populao de onde foi retirada essa
amostra. Como no temos acesso ao histograma de frequncias relativo
populao, no conseguimos determinar, diretamente, o clculo de qualquer
probabilidade. Para o clculo exato, necessitamos de um modelo para a
distribuio de frequncias da populao. Estudaremos, aqui, dois dos
principais modelos contnuos: a Normal e a Exponencial.

Os modelos que sero analisado representam comportamentos de uma
extensa srie de variveis do mundo dos negcios e tambm distribuies
tericas de probabilidades que so fundamentais para os mtodos de
inferncia estatstica. Tais modelos so expressos por funes matemticas
denominadas funes densidade de probabilidade.

A rea sob a curva que expressa a funo densidade de probabilidade igual
a 1 (total das probabilidades), sendo que a probabilidade de uma particular
observao pertencer a um intervalo dado pela rea sob a curva,
correspondente ao intervalo, conforme podemos observar na figura seguinte:




1. Distribuio Normal

O mundo normal! Acredite se quiser! Muitos dos fenmenos aleatrios que
encontramos na prtica apresentam uma distribuio muito peculiar, chamada
Normal.

Um modelo probabilstico aquele que nos diz, ou melhor, nos traduz na forma
de nmeros o comportamento de uma varivel. Por exemplo, j fizemos

53

algumas anlises das variveis altura e peso. Considerando o caso de grandes
amostras aleatrias ou mesmo da populao, tanto o peso como a altura tem
um comportamento muito parecido. Vejamos, por exemplo, a varivel altura,
considerando-se o sexo masculino e sendo a populao os habitantes do
Brasil. Essa varivel dita Normal, conforme discutiremos mais adiante.

Essa distribuio de frequncia denominada curva normal, considerada um
modelo terico ou ideal que resulta muito mais de uma equao matemtica do
que de um real delineamento de pesquisa com coleta de dados.

A curva normal um tipo de curva simtrica, suave, cuja forma lembra um sino.
Ela unimodal, sendo seu ponto de frequncia mxima situado no meio da
distribuio, em que a mdia, a mediana e a moda coincidem.



Para exemplificarmos, suponhamos 2000 lanamentos de 200 moedas
honestas. Utilizando um software de simulao, obtivemos os seguintes
resultados:


[80 ... 81] 5
[82 ... 83] 6
[84 ... 85] 16
[86 ... 87] 19
[88 ... 89] 39
[90 ... 91] 60
[92 ... 93] 91
[94 ... 95] 111
[96 ... 97] 165
[98 ... 99] 194
[100 ... 101] 227
[102 ... 103] 220
[104 ... 105] 206
[106 ... 107] 174
[108 ... 109] 155
[110 ... 111] 123
[112 ... 113] 84
[114 ... 115] 49
[116 ... 117] 21
[118 ... 119] 18
[120 ... 121] 6
[122 ... 123] 8
[124 ... 125] 2
[126 ... 127] 1

54


sample mean = 102.132
sample st dev = 7.238

A partir desses dados, construmos o histograma:



Observando tal histograma e a tabela anterior, notamos que a mdia est entre
as duas classes com maiores frequncias. Alm disso, considerando-se a
mdia, percebemos que o histograma parece ser simtrico ao redor dela. A
frequncia menor quanto mais nos afastamos da mdia, tanto para mais
quanto para menos, sendo que as menores frequncias ocorrem nas pontas do
grfico.

Note que quanto mais classes usamos, mais fcil fica identificarmos um
formato criado pelas colunas do histograma. Esse formato faz lembrar um sino,
conforme a figura seguinte:





Limpando o grfico acima, temos:

79.50 127.50
0
227
Freq
heads
79.50 127.50
0
227
Freq
heads

55




Essa curva que chamamos de sino recebe um nome especial: Curva Normal.

A Curva Normal a representante do modelo normal e obtida a partir da
funo densidade que nada mais do que uma funo que origina o grfico
anterior.

Assim, se X uma varivel aleatria com distribuio Normal com mdia e
varincia
2
(notao: X ~ N(,
2
)) ento a sua funo densidade dada por

2
2
2
) x (
e
2
1
) x ( f


=


A Normal apresenta as seguintes propriedades:

- simtrica ao redor da mdia;
- a rea sobre a curva igual a 1;
- para valores muito grandes de x, tendendo a infinito (ou muito
pequenos, tendendo a menos infinito), a curva tende a zero.

Note que conforme o caso, poderemos ter curvas com formatos diferentes,
ou seja, mais para a direita, mais para a esquerda, mais ou menos
achatadas... enfim, cada caso poder gerar uma curva diferente. Vejamos
mais um caso.

Consideremos o lanamento de dois dados no viciados. Estamos
interessados em analisar a soma dos resultados obtidos em cada jogada.
Realizando uma simulao e construindo o histograma dos resultados,
obtemos:


80.0 90.0 100.0 110.0 120.0 130.0 80.0 90.0 100.0 110.0 120.0 130.0
Mdia = 102,3

56




No caso simulado, obtivemos:

sample mean = 7.07200
sample st dev = 2.34282

Ou seja, = 7,07 e s = 2,34, onde indica a mdia e s o desvio padro da
amostra. Isolando a curva da normal temos:



Assim, conforme havamos dito, existem diferentes curvas, que variam
conforme os valores da mdia e do desvio-padro.

Lembramos que a rea abaixo desse grfico vale 1. Ou seja, a rea
corresponde a uma probabilidade.



1.50 12.50
0
173
Freq
sum
1.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.011.012.013.014.015.016.0
0.1
1.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.011.012.013.014.015.016.0
0.1

57

2. rea sob a Curva Normal

aquela regio do plano compreendida entre a curva e o eixo das abscissas,
que corresponde em qualquer distribuio normal a 100% dos dados
considerados.

Exemplo 1: consideremos uma populao de uma cidade A e de uma outra
cidade B. Suponhamos que todas as pessoas tenham informado as
respectivas alturas (em centmetros). E deseja-se fazer uma comparao
entre tais populaes. As principais estatsticas obtidas por essa pesquisa
foram:

Populao A Populao B
Mdia ( ) 174 178
Varincia (
2
) 64 1

Um pesquisador deseja sortear aleatoriamente pessoas para fazer um teste
sobre DNA e crescimento e, para isso, gostaria de coletar (aleatoriamente!)
pessoas com mais de 1,80m. Em qual das duas populaes ser mais fcil
achar pessoas com tais caractersticas?

Para isso, podemos dizer que estamos trabalhando com duas variveis:

X
A
: altura de 1 pessoa selecionada ao acaso na populao A
X
B
: altura de 1 pessoa selecionada ao acaso na populao B

Nosso objetivo calcular as seguintes probabilidades:

P(X
A
> 180) e P(X
B
> 180).

Mas antes, calculemos o valor do desvio-padro () de cada uma das
populaes. Lembrando que o desvio-padro nada mais do que a raiz
quadrada da varincia. Logo:

8 64
A
= =
1 1
B
= =

Utilizando um software possvel calcularmos tais probabilidades. Esse
software calcula, na verdade, a rea abaixo da curva:

P(X
A
> 180) = 0,2266 ou 22,66%.

P(X
B
> 180) = 0,0228 ou 2,28%.

Portanto, o pesquisador ter mais facilidade de achar pessoas com mais de
1,80m na populao A. Aleatoriamente falando, tal probabilidade de 22,66%.


58

Esse resultado pode parecer estranho, visto que a populao B possui uma
mdia de alturas superior ao da populao A. Porm, tal fato explicado
atravs da variabilidade dos resultados, ou melhor, pelo desvio-padro.


Exemplo 2: Consideremos, ainda, o exemplo anterior. S que, agora, temos
interesse em obter pessoas que tenham entre 1,75m e 1,80m. Qual populao
possui um nmero maior de habitantes nessa faixa de altura?

Aqui, queremos calcular as seguintes probabilidades:
P(175 < X
A
< 180) e
P(175 < X
B
< 180) .

Novamente, usando um software, obtemos:

P(175 < X
A
< 180) = 0,2236 e

P(175 < X
B
< 180) = 0,9759.

Portanto, evidente que a populao B, mais uma vez, representa a melhor
escolha, pois a probabilidade de escolhermos uma pessoa nessa faixa de
altura na populao B quase 100%, ou seja, quase todos habitantes possuem
as alturas procuradas.






3. Normal Padro

Em muitos livros de Estatstica podemos encontrar uma tabela da Normal
Padro. uma tabela que nos fornece valores das reas (= probabilidades) de
acordo com o valor de x, exatamente como fizemos nos exemplos anteriores
com o auxlio do software Winstats.

A maioria dos softwares de Estatstica possuem comandos que permitem
calcularmos o valor das reas sobre curvas como a Normal, dentre eles, o
SAS, o Excel, o S-PLUS, e outros. Porm, se no temos acesso a um
computador, podemos usar a Tabela da Normal. Mas, como dissemos
anteriormente, existem diversas curvas da normal, que variam segundo a
mdia e varincia. Isso significa que teramos que ter inmeras tabelas da
normal... o que no parece muito vivel.

Dessa forma, criou-se uma maneira mais simples de se obter as reas
desejadas. Criou-se uma curva denominada Normal Padro, que corresponde
Meu computador deu pau! Como calcular as
probabilidades da Normal?

USE A NORMAL PADRO !

59

a uma distribuio normal com mdia zero e desvio-padro um.
Geralmente a varivel aleatria associada distribuio normal padro
chamada de Z. Em notao:





A grande vantagem de usarmos tal distribuio o fato de trabalharmos
apenas com uma distribuio e, portanto, com uma nica tabela. Tudo mais
fcil!

Porm, como fazer para obtermos tal varivel Z (padronizada) a partir de uma
varivel aleatria qualquer X tal que X ~ N( ,
2
) ?

Basta padronizarmos ou normalizarmos a varivel X atravs da frmula:





onde:
= mdia de X
= desvio-padro de X

4. Usando a tabela da Normal Padro

Existem algumas variaes de apresentao da tabela. No nosso caso,
utilizaremos uma tabela tal que P(0 Z z
c
) = p, ou seja, a probabilidade
fornecida pela tabela (p) corresponde ao intervalo que vai de 0 at um
certo nmero z
c
no eixo x. Esquematicamente, a tabela da normal nos
fornece a probabilidade correspondente rea a seguir:






Z ~ N(0,1), ou seja,
Z
= 0 e
Z
= 1

0
zc
p

60





Veja, esquematicamente, como deve ser a leitura da tabela:



















Exemplo 3 Padronizao

Voltemos ao caso do exemplo anterior onde tnhamos = 174 e = 8.
Queramos calcular P(X > 180). Vamos normalizar a varivel X (ou seja,
transform-la em Z) e utilizar a tabela para obter a probabilidade desejada.

( ) 75 , 0 Z P
8
174 180 X
P ) 180 X ( P > = |

\
|
>


= >

Para obtermos a probabilidade desejada, devemos lembrar que a nossa tabela
nos fornece a probabilidade de 0 at um certo valor.






Dado Z = 0,75, vejamos como obter a probabilidade a partir da tabela da
Normal Padro. Na coluna mais esquerda, tomamos a parte inteira e a
primeira decimal de Z, no caso, 0,7. Na linha superior, observamos o valor da
segunda casa decimal, no caso 5 (lembre-se que o nmero 0,75). A clula
correspondente linha do nmero 0,7 e da coluna de 5 o valor da
probabilidade. No caso, p=0,2734.



2 casa decimal de Z
Parte
inteira e
1 casa
decimal
de Z
Probabilidade
Leitura da Tabela
Consultando a tabela da Normal

61

Parte inteira e primeira decimal
de z
Segunda casa decimal de
z
0 1 2 3 4 5 6 7 8 9
0,0
0,000
0
0,004
0
0,008
0 0,0120 0,0160 0,0199
0,023
9
0,027
9
0,031
9
0,035
9
0,1
0,039
8
0,043
8
0,047
8 0,0517 0,0557 0,0596
0,063
6
0,067
5
0,071
4
0,075
3
0,2
0,079
3
0,083
2
0,087
1 0,0910 0,0948 0,0987
0,102
6
0,106
4
0,110
3
0,114
1
0,3
0,117
9
0,121
7
0,125
5 0,1293 0,1331 0,1368
0,140
6
0,144
3
0,148
0
0,151
7
0,4
0,155
4
0,159
1
0,162
8 0,1664 0,1700 0,1736
0,177
2
0,180
8
0,184
4
0,187
9
0,5
0,191
5
0,195
0
0,198
5 0,2019 0,2054 0,2088
0,212
3
0,215
7
0,219
0
0,222
4
0,6
0,225
7
0,229
1
0,232
4 0,2357 0,2389 0,2422
0,245
4
0,248
6
0,251
7
0,254
9
0,7
0,258
0
0,261
1
0,264
2 0,2673 0,2704 0,2734
0,276
4
0,279
4
0,282
3
0,285
2
0,8
0,288
1
0,291
0
0,293
9 0,2967 0,2995 0,3023
0,305
1
0,307
8
0,310
6
0,313
3
0,9
0,315
9
0,318
6
0,321
2 0,3238 0,3264 0,3289
0,331
5
0,334
0
0,336
5
0,338
9
1,0
0,341
3
0,343
8
0,346
1 0,3485 0,3508 0,3531
0,355
4
0,357
7
0,359
9
0,362
1


Ento:



3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
0,75
Em vermelho, temos a
rea (probabilidade)
fornecida pela tabela.
p=0,2734

62



Como fazer para calcular o valor desejado a partir do valor da tabela?

Bem, preciso relembrar as propriedades da curva da normal, em especial
duas delas:

1) a rea abaixo da curva igual a 1;
2) a curva simtrica em torno da mdia (no caso da normal padro, em
torno do zero).

Logo, conclumos, que a rea correspondente metade da curva igual a
0,5:



Ento, podemos observar que:

P(0 Z 0,75) + P(Z > 0,75) = 0,5

P(Z > 0,75) = 0,5 P(0 Z 0,75)

3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
0,75
Em laranja, temos a rea
(probabilidade) que
desejamos obter.
p = 0,5

63

P(Z > 0,75) = 0,5 0,2734

P(Z > 0,75) = 0,2266

Logo, a probabilidade procurada de 0,2266 que corresponde ao mesmo valor
obtido utilizando-se o software (exemplos anteriores).

Exemplo 4 Padronizao

Consideremos a mesma situao das alturas, ou seja, = 178, = 1 e
queramos calcular a probabilidade P(175 < X < 180).

Normalizando a varivel X temos:

) 2 Z 3 ( P
1
178 180 X
1
178 175
P ) 180 X 175 ( P < < = |

\
|
<


<

= < <

Graficamente:


Porm, a nossa tabela s nos fornece os valores:

3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
Em vermelho, temos a
rea (probabilidade) que
desejamos obter.

64



E, tambm, fornece o valor de:



Logo, a rea procurada corresponde soma das reas parciais:

P(3 < Z < 2) = 0,4772 + 0,4987 = 0,9759,

que igual probabilidade obtida atravs do software (exemplos anteriores).

Assim, mostramos que a tabela pode ser muito til, principalmente quando no
temos um computador ou software adequado por perto.


Exemplo 5 Teste de aptido

Em um certo teste de aptido para contratao de determinada empresa, os
candidatos devem realizar uma sequncia de tarefas no menor tempo possvel.
Suponhamos que o tempo necessrio para completar esse teste tenha uma
distribuio Normal com mdia 45 minutos e desvio-padro de 20 minutos.
Suponhamos que, numa primeira etapa, esse teste foi aplicado com uma
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0
0.1
0.2
0.3
0.4
0,4772
0,4987
Lembre-se que, como a
curva simtrica, a
rea correspondente ao
intervalo de 3 0
igual a rea de 0 3!

65

amostra de 50 candidatos. Qual a probabilidade de encontrarmos algum
candidato que tenha um tempo superior a 50 minutos (candidato muito lento)
ou inferior a 30 minutos (que seria impossvel completar o teste)? Qual o
nmero aproximado de candidatos com tal perfil?

Inicialmente, seja X uma varivel que indique o tempo de execuo das tarefas
tal que X ~ N(45, 20
2
). Desejamos calcular:

P(X > 50) + P(X < 35) =

= = |

\
|
<


+ |

\
|
>


20
45 30 X
P
20
45 50 X
P

= P(Z > 0,25) + P (Z < -0,75) =



= (0,5 0,0987) + (0,5 0,2734) =

= 0,6279 ou 62,79%

Como 0,6279 . 50 = 31,39, temos que o nmero de pessoas aproximado que
contenham tais caracterstica de 32 pessoas. Ento, nesse teste a empresa
j exclui 32 candidatos, restando apenas 18 para continuarem no processo de
seleo.

5. Resumo das Propriedades da Distribuio Normal
1) A varivel aleatria X pode assumir todo e qualquer valor real.
2) A representao grfica da distribuio normal uma curva em forma de
sino, simtrica em torno da mdia, que recebe o nome de curva normal ou de
Gauss.
3) A rea total limitada pela curva e pelo eixo das abscissas igual a 1, j que
essa rea corresponde probabilidade de a varivel aleatria X assumir
qualquer valor real.
4) A curva normal assinttica em relao ao eixo das abscissas, isto ,
aproxima-se indefinidamente do eixo das abscissas sem, contudo, alcan-lo.
3.0 2.0 1.0 1.0 2.0 3.0 4.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0 4.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0 4.0
0.1
0.2
0.3
0.4
3.0 2.0 1.0 1.0 2.0 3.0 4.0
0.1
0.2
0.3
0.4

66

5) Como a curva simtrica em torno da mdia, a probabilidade de ocorrer
valor maior que a mdia igual probabilidade de ocorrer valor menor do que
a mdia, isto , ambas as probabilidades so iguais a 0,5 ou 50%. Cada
metade da curva representa 50% de probabilidade.
6) Uma varivel Normal X com mdia e desvio padro pode ser
transformada em uma varivel Normal Padro Z pela frmula


=
X
Z .

Exemplo 6: Qual a probabilidade de escolher-se de forma aleatria, numa
s tentativa, uma pessoa que tenha renda anual entre US$ 4.000 e US$
7.000, morador de uma cidade. Sendo a renda mdia desta cidade US$
5.000 e o desvio padro de US$ 1.500? Sabese que a renda populacional
possui uma distribuio Normal.

Sendo X: renda anual de uma pessoa em dlares, temos:

) 33 , 1 Z 67 , 0 ( P
1500
5000 7000
Z
1500
5000 4000
P ) 7000 X 4000 ( P < < = |

\
|
< <

= < <


Consultado a tabela da normal, verificamos que a probabilidade entre z=0 e
z=1,33 vale 0,2486. A probabilidade entre z=0 e z=1,33 igual, devido
simetria da curva, probabilidade entre z=0 e z=1,33 e vale 0,4082. Logo:

P(0,67<Z<1,33) = 0,2486 + 0,4082 = 0,6568 ou 65,68%.


Exemplo 7: Os pesos de 600 estudantes so normalmente distribudos com
mdia 65,3 kg e desvio padro 5,5 kg. Determine o nmero de estudantes
que pesam:
a) entre 70 kg e 80 kg
b) mais que 63,2 kg
c) mais que 72 kg

Resoluo

Seja X: peso de um estudante em kg.
a) ) 67 , 2 Z 85 , 0 ( P
5 , 5
3 , 65 80
Z
5 , 5
3 , 65 70
P ) 80 X 70 ( P < < = |

\
|
< <

= < < =
= 0,4962 0,3023 = 0,1939.

Logo, haver 0,1939 . 600 = 116,34 ~ 116 estudantes pesando entre 70kg e
80kg.

b) 6480 , 0 1480 , 0 5 , 0 ) 38 , 0 Z ( P
5 , 5
3 , 65 2 , 63
Z P ) 2 , 63 X ( P = + = > = |

\
|
> = > .

67

Portanto, esperase encontrar 0,6480 . 600 = 388,8 ~ 389 estudantes com
peso superior a 63,2kg.

c) 1112 , 0 3888 , 0 5 , 0 ) 22 , 1 Z ( P
5 , 5
3 , 65 72
Z P ) 72 X ( P = = > = |

\
|
> = > .
Assim, devemos encontrar 0,1112 . 600 = 66,72 ~ 67 estudantes com mais de
72kg.


Exemplo 8: sendo Z uma varivel Normal Padro, calcule as seguintes
probabilidades:
a) P (0 < Z < 1,44)
b) P (1,48< Z < 2,05)
c) P (Z > 2,03)
d) P (Z > 2,03)
e) P (0,72 < Z < 1,89)
f) P (0,72 Z < 1,89)
g) P (0,72 < Z 1,89)
h) P (0,72 Z 1,89)
i) P(Z = 0,72)
j) P(Z = 1,89)
k) P(Z>4,5)
l) P(Z<4,5)

Resoluo

Observe que a varivel j est padronizada. Logo, basta consultarmos a tabela
para efetuar os clculos. Sugesto: para compreender melhor, sempre faa um
esboo da rea procurada.

a) P (0 < Z < 1,44) = 0,4251
b) P (1,48< Z < 2,05) = 0,4306 + 0,4798 = 0,9104
c) P (Z > 2,03) = 0,5 + 0,4788 = 0,9788
d) P (Z > 2,03) = 0,5 0,4788 = 0,0212
e) P (0,72 < Z < 1,89) = 0,4706 0,2642 = 0,2064

Para os itens seguintes, perceba que h apenas a alterao entre os
smbolos < e . Pensando que a probabilidade corresponde a rea sob a
curva e que a rea sob um nico ponto uma linha e, portanto, tem rea
igual a zero, conclumos que a adio ou remoo de um ponto no interfere
no resultado final. Ou seja:
f) P (0,72 Z < 1,89) = 0,2064
g) P (0,72 < Z 1,89) = 0,2064
h) P (0,72 Z 1,89) = 0,2064

A rea sob um ponto uma linha, ou seja, a rea igual a zero:
i) P(Z = 0,72) = 0
j) P(Z = 1,89) = 0


68

Note que a tabela no possui valores de probabilidade para z muito grande
(geralmente acima de 4, dependendo da tabela utilizada). Ao mesmo tempo,
note que para os ltimos valores da tabela, a probabilidade se aproxima de 0,5.
Ento:
k) P(Z>4,5) = 0,5 0,5 = 0
l) P(Z<4,5) = 0,5 + 0,5 = 1


Exemplo 9: Se X uma varivel aleatria tal que X~N(20; 49), Calcule
P(X<30).

Pela notao da distribuio Normal, X possui mdia 20 e varincia 49.
Logo, o desvio padro vale 7. Assim:

9236 , 0 4236 , 0 5 , 0 ) 43 , 1 Z ( P
7
20 30
Z P ) 30 X ( P = + = < = |

\
|
< = < .

Exemplo 10: o salrio semanal dos operrios de construo civil de certo
pas distribudo normalmente em torno da mdia de $ 80, com desvio
padro de $5.

a) Qual o valor do salrio para escolhermos 10% dos operrios com
maiores remuneraes?
b) Qual o maior salrio correspondente aos 20% dos trabalhadores que
ganham menos?

Resoluo

Este exemplo o contrrio dos anteriores. Antes, conhecamos o valor da
varivel X, padronizvamos para a varivel Z e, usando a tabela da Normal
Padro, obtnhamos o valor da probabilidade procurada. Aqui, vamos fazer
exatamente o mesmo caminho s que ao contrrio.

a) Queremos calcular um salrio a de modo que:
P(X>a) = 0,10.

Padronizando:

10 , 0
5
80 a
Z P = |

\
|
> .

Ou seja, nosso interesse procurar um valor de z na tabela de modo que a
rea da curva a seguir seja 0,10.


69





Consequentemente, vamos procurar na tabela o valor que mais se aproxima de
0,40 (veja a figura seguinte):






Observando a tabela, encontramos o valor de z mais prximo probabilidade
0,40:

0,10
z = ?
z = ?
0,40

70



Ou seja, o valor de z desejado z=1,28. Isso significa que P(Z>1,28) 0,10.
Comparando com a expresso obtida 10 , 0
5
80 a
Z P = |

\
|
> , temos a seguinte
igualdade:
28 , 1
5
80 a
=


Portanto, a=86,4. Concluso: existem 10% dos operrios que ganham acima
de $86,40. Esse , portanto, o salrio procurado.

b) Agora, desejamos saber o salrio b que separa os 20% que ganham menos
dos demais, ou seja:

P(X<b)=0,20
20 , 0
5
80 b
Z P = |

\
|
<

Graficamente, queremos achar, na tabela da Normal Padro, o valor de z que
satisfaz ao grfico:


71





Observando a tabela da Normal Padro, devemos procurar a probabilidade
mais prxima de 0,30:



Ou seja, o valor procurado z=0,84. Porm, olhando o ltimo grfico, devemos
ficar atento para o fato de que o valor que desejamos est esquerda do
zero, ou seja, um valor negativo. Devido simetria da curva da Normal,
conclumos que o valor de z que realmente queremos z=0,84. Em outras
palavras, temos que P(Z<0,84) 0,20. Logo:
z = ?
0,20
0,30

72


84 , 0
5
80 b
=

e, portanto, b=75,8.

Assim, o salrio semanal de $ 75,80 separa os 20% dos operrios que
recebem menos.

Exemplo 11: em uma escola, as notas de um exame so normalmente
distribudos com mdia de 72 pontos e desvio padro de 9. O professor
atribuir conceito A aos 8% dos melhores alunos. Qual a menor nota (valor
inteiro) que um aluno pode tirar de modo a garantir um conceito A?

Seja k a nota procurada e seja X a varivel que representa a nota de um aluno.
Queremos:

P(X>k)=0,08
08 , 0
9
72 k
Z P = |

\
|
> .

Buscando na tabela da normal o valor de z que mais se aproxima da
probabilidade igual a 0,50,08=0,42, encontramos z=1,41. Ou seja,
P(Z>1,41)=0,08. Logo:

69 , 84 k 41 , 1
9
72 k
= =

. Ou seja, a menor nota que o aluno deve tirar para


garantir um conceito A 85.



6. Exerccios

1) O tempo necessrio em uma oficina para o conserto da transmisso de um
tipo de carro segue distribuio normal com mdia de 45 minutos e desvio-
padro de 8 minutos. O mecnico comunicou a um cliente que o carro estar
pronto em 50 minutos. Qual probabilidade do mecnico atrasar o seu servio?

2) A durao de certo componente eletrnico pode ser considerada
normalmente distribuda com mdia de 850 dias e desvio padro de 45 dias.
Calcular a probabilidade de um componente durar:
a) Entre 700 e 1000 dias
b) Mais de 800 dias
c) Menos de 750 dias

3) Determinado atacadista efetua suas vendas por telefone. Aps alguns
meses, verificou-se que os pedidos se distribuem normalmente com mdia de
3.000 pedidos e desvio-padro de 180 pedidos. Qual a probabilidade de que
um ms selecionado ao acaso esta empresa venda menos de 2700 pedidos.


73

4) O contedo lquido das garrafas de 300 ml de um refrigerante
normalmente distribudo com mdia de 300 ml e desvio padro de 2 ml.
Determine a probabilidade de uma garrafa selecionada ao acaso apresentar
contedo lquido:

a) inferior a 306 ml
b) Superior a 305 ml
c) entre 302 e 304 ml

5) O lucro mensal obtido com aes de determinada empresa tem distribuio
normal com mdia de 12 mil reais e desvio padro de 5 mil reais. Qual a
probabilidade de que em determinado ms o lucro desta empresa seja:

a) superior a 18 mil reais
b) inferior a 8 mil reais
c) entre 10 e 15 mil reais

6) Durante o ms de dezembro aumenta a procura por concesso de crdito
para pessoa fsica. De acordo com dados histricos possvel verificar que a
procura segue uma distribuio aproximadamente normal com mdia de 12,8
milhes e desvio padro de 15 milhes. Se as instituies de crdito
reservarem 25 milhes para concesso de crdito, qual a probabilidade de
faltar dinheiro para emprestar?

7) Suponha que a renda mdia anual de uma grande comunidade tenha
distribuio normal com mdia de 15 mil reais e com um desvio-padro de 3 mil
reais. Qual a probabilidade de que um indivduo aleatoriamente selecionado
deste grupo apresente uma mdia salarial anual superior a 18 mil reais?

8) O escore de um estudante no vestibular uma varivel com distribuio
normal com mdia de 550 pontos e desvio padro de 30 pontos. Se a
admisso em certa faculdade exige um escore mnimo de 575 pontos, qual a
probabilidade de um aluno ser admitido nesta faculdade?

9) As vendas de determinado produto tm apresentado distribuio normal com
mdia de 600 unidades e desvio padro de 40 unidades. Se a empresa decide
fabricar 700 unidades naquele mesmo ms, qual a probabilidade dela no
poder atender a todos os pedidos desse ms por estar com o estoque
esgotado?

10) O volume de enchimento de uma mquina automtica usada para encher
latas de bebidas gasosas distribudo normalmente com uma mdia de 12,4
onas e um desvio padro de 0,1 ona. Qual a probabilidade do volume de
enchimento ser:

a) inferior a 12 onas
b) entre 12,1 e 12,6 onas
c) superior a 12,3 onas


74

11) O tempo de reao de um motorista para o estmulo visual normalmente
distribudo com uma mdia de 0,4 segundos com um desvio-padro de 0,05
segundos. Qual a probabilidade de que uma reao de um motorista requeira:

a) mais de 0,5 segundos
b) entre 0,4 e 0,5 segundos

12) O perodo de falta de trabalho em um ms por causa de doenas dos
empregados normalmente distribudo com uma mdia de 100 horas e desvio
padro de 20 horas. Qual a probabilidade desse perodo no prximo ms estar:

a) entre 50 e 80 horas
b) superior a 90 horas
c) inferior a 60 horas

13) X N(10; 100). Calcular P (12 < X 20).

14) X N(30; 16). Calcular P (X < 19).

15) X N(20; 25). Calcular P (X 30).

16) X N(50; 81). Calcular P (40 X < 60).

17) X N(10; 16). Calcular P (X 5).

18) Uma pesquisa indica que as pessoas usam seus computadores por uma
mdia de 2,4 anos antes de troclos por uma mquina nova. O desvio padro
0,5 anos. Um dono de computador selecionado de forma aleatria.
Encontre a probabilidade de que ele v usar o computador por menos de 2
anos antes de troclo. Considere uma distribuio normal de probabilidades.

19) Uma pesquisa indica que para cada ida ao supermercado, uma pessoa
gasta uma mdia de 45 minutos, com desvio padro de 12 minutos naquela
loja. Esse tempo gasto na loja normalmente distribudo. Uma pessoa entra na
loja.

a) Qual a probabilidade de que essa pessoa fique na loja entre 24 e 54
minutos?
b) Qual a probabilidade de que essa pessoa fique na loja mais que 39 minutos?
c) Se 200 pessoas entrarem na loja, quantas devem permanecer nela entre 24
e 54 minutos?
d) Se 200 pessoas entrarem na loja, quantas devem permanecer nela por mais
de 39 minutos?

20) As pontuaes para um teste de servio civil so normalmente distribudas
com uma mdia de 75 pontos e um desvio padro de 6,5. Para ser adequado
ao emprego de servio civil, voc deve ter pontuao dentro dos 5% primeiros
colocados. Qual a menor pontuao que voc pode obter e ainda assim ser
adequado ao emprego? Considere que a pontuao um valor inteiro.


75

21) Em uma amostra escolhida aleatoriamente de homens com idade entre 35
e 44 anos, a mdia do nvel de colesterol total era de 210 mg/dl. Suponha que
os nveis totais de colesterol sejam normalmente distribudos com desvio
padro igual a 38,6 mg/dl. Encontre o nvel total de colesterol mais alto que um
homem nessa faixa etria pode ter dentre os 1% dos homens com menores
nveis de colesterol.

22) Voc vende uma marca de pneus de automveis que tem uma expectativa
de vida que normalmente distribuda com uma vida mdia de 30.000 milhas e
um desvio padro de 2.500 milhas. Voc quer dar uma garantia de troca de
pneus grtis que no durem muito. Como voc poderia honrar sua garantia se
voc est disposto a trocar 10% dos pneus que vende?

23) Uma mquina de venda automtica, distribui caf em um copo de 8
decilitros. A quantidade de caf no copo normalmente distribuda com desvio
padro de 0,03. Voc pode deixar o caf transbordar 1% das vezes. Qual
quantidade voc deveria marcar como a quantidade mdia de caf a ser
distribudo?

24) Os pesos do contedo de uma caixa de cereais so normalmente
distribudos com um peso mdio de 20 onas e um desvio padro de 0,07
ona. Caixas nos 5% mais baixos no atendem s condies mnimas de peso
e devem ser embaladas novamente. Qual o peso mnimo exigido para uma
caixa de cereais?



Respostas Respostas Respostas Respostas

1) 0,2643
2) a) 0,9992 b) 0,8665 c) 0,0132
3) 0,0475
4) a) 0,9987 b) 0,0062 c) 0,1359
5) a) 0,1151 b) 0,2119 c) 0,3811
6) 0,2090
7) 0,1587
8) 0,2033
9) 0,0062
10) a) 0 b) 0,9759 c) 0,8413
11) a) 0,0228 b) 0,4772
12) a) 0,1525 b) 0,6915 c) 0,0228
13) 26,2%
14) 0,3%
15) 97,72%
16) 73,3%
17) 89,44%
18) 21,19%
19) a) 0,7333 b) 0,6915 c) 147 pessoas d) 138 pessoas
20) 86 pontos
21) 120 mg/dl
22) Pneus que gastam antes de completarem 26.800 milhas.
23) 7,93 decilitros.
24) 19,88 onas


76

Formulrio Formulrio Formulrio Formulrio



Unio de eventos:

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



Eventos independentes:

) B ( P ). A ( P ) B A ( P =



Binomial:
k n k
) p 1 .( p .
k
n
) k X ( P

|
|

\
|
= =



Normal:


=
X
Z




77

Tabela Tabela Tabela Tabela Distribuio Normal Padro Distribuio Normal Padro Distribuio Normal Padro Distribuio Normal Padro




Distribuio Normal: Valores de p tais que P(0 Z z) = p
Parte inteira
e primeira
decimal de z
Segunda casa decimal de z
0 1 2 3 4 5 6 7 8 9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000