Probabilidade

Experimento: ensaio cient co objetivando a vericac ao de um feno meno. Experimentos determin sticos: as condic o es sob as quais um experimento e executado determinam o resultado do experimento. Experimentos n ao determin sticos ou probabil sticos: o resultado do experimento e aleato rio, ou seja, existe a incerteza do resultado.

Fen omeno aleat orio: situac ao ou acontecimento cujos resultados n ao podem ser determinados com certeza. Exemplos: amento de um dado; 1. Resultado do lanc 2. H abito de fumar de um estudante sorteado em sala; 3. Condic o es clim aticas do pro ximo domingo; ao do pro ximo m es; 4. Taxa de inac 5. Resultado de um exame de sangue.

Teoria dos Conjuntos

Evento: resultado ou conjunto de resultados de um experimento. Um u nico lanc amento de uma moeda. Eventos: A : {cara}; B : {coroa}.

Exemplos: 1. Lanc amento de um dado;

neo); 2. Exame de sangue (tipo sangu

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

O conjunto sem elementos e denotado por e e chamado de conjunto vazio. Espa co amostral: o conjunto de todos os resultados poss veis de um experimento e chamado espac o amostral.

3. Habito de fumar;

= {A, B, AB, O}

ao de uma l ampada; 4. Tempo de durac

ao Fumante} = {Fumante, N

= {t : t 0}

Exerc cio: Supor um u nico lanc amento de um dado, observa-se o nu mero impresso na face voltada para cima.

Opera c oes B asicas Entre Conjuntos

1. Denir o espac o amostral . 2. Denir os seguintes eventos: A: observar um nu mero par; mero mpar; B : observar um nu C : observar um nu mero maior do que 4; D: Observar o nu mero 8.

Uni ao: representa os elementos de que pertencem a pelo menos um dos eventos. n Ai . Nota c ao: A1 A2 ... An ou
i=1

rio de Exemplo: Considerando o experimento aleato lanc ar um dado com seis faces numeradas de 1 a 6, e sejam dois eventos, A = {1, 3, 5} e B = {4, 5, 6}, logo,

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

 Complementar: representa todos os elementos de exceto os de um evento de interesse. Nota c ao: Ac ou A. rio de Exemplo: Considerando o experimento aleato lanc ar um dado com seis faces numeradas de 1 a 6, e seja o evento A = {1, 3, 5}, logo, Resultados: A A = {2, 4, 6} . c A = e A Ac = .

Intersec c ao: representa os elementos de que ocorrem simultaneamente nos eventos. n Ai . Nota c ao: A1 A2 ... An ou
i=1

rio de Exemplo: Considerando o experimento aleato lanc ar um dado com seis faces numeradas de 1 a 6, e sejam dois eventos, A = {1, 2, 6} e B = {1, 2, 5}, logo,

B = {1, 2} .

Exerc cio: Seja o seguinte espac o amostral, e sejam tr es eventos desse espac o amostral, A = {1, 11, 13} , B = {1, 3, 6, 9, 11} e C = {3, 6, 8, 9} 1. Denir a uni ao entre os eventos A e B , comentar o resultado. 2. Denir a intersecc ao entre os eventos A e B , comentar o resultado. 3. Denir a intersecc ao entre os eventos A e C , comentar o resultado. 4. Denir o Complementar do evento B , comentar os resultados.
Deni c ao Cl assica de Probabilidade nu mero de elementos em A P (A) = nu mero total de elementos em .

= {1, 3, 6, 8, 9, 11, 13}

Eventos Disjuntos ou Mutuamente Exclusivos: dois eventos s ao disjuntos se sua intersecc ao e vazia, ou seja, A B = , Exemplo: Considerando o experimento aleato rio de lanc ar um dado com seis faces numeradas de 1 a 6, e sejam dois eventos, A = {1, 3, 6} e B = {2, 4, 5}, como A B = , ent ao, A e B s ao eventos disjuntos.

Diagrama de Venn

Exerc cio: Considerando o experimento aleato rio de lanc ar um dado n ao viciado com seis faces numeradas de 1 a 6. Denir a probabilidade de ocorr encia dos seguintes eventos: Exerc cio: Sombreie no diagrama de Venn os eventos: 1. A; B e C . 2. A B ; B C e A B C . 3. A B ; B C e A B C . 4. C c; (A B )c e (A B C )c. 1. A: 2. B : 3. C : 4. D: observar um nu mero par. mero mpar. observar um nu mero maior que 4. observar um nu observar o nu mero 8.

Axiomas de Probabilidade

Propriedades de Probabilidade

Kolmogorov apresentou um conjunto de axiomas matem aticos para denir probabilidade, s ao eles,

1. P () = 0. 2. Para qualquer evento A, P A = 1 P (A). 3. Para qualquer evento A, 0 P (A) 1. 4. Se A B , ent ao P (A) < P (B ).

P (Ai) .

e denominada probabilidade ao P () Ou seja, uma func se satisfaz as condic o es apresentadas nesses Axiomas.

1. Axioma 1: para qualquer evento A, P (A) 0. 2. Axioma 2: P () = 1. 3. Axioma 3: Para qualquer sequ encia de eventos, dis juntos, tem-se, P
i=1

Ai =

i=1

5. Para dois eventos A e B quaisquer, P A B = P (A) + P (B ) P A B (Regra de adic ao de probabilidades)

Exerc cio: Em uma comunidade, 20% dos indiv duos adultos s ao hipertensos, 40% s ao diab eticos e 15% s ao hipertensos e diab eticos. Se um indiv duo for escolhido ao acaso, qual a probabilidade dele: 1. Ser diab etico, mas n ao ser hipertenso? etico? 2. Ser hipertenso ou diab ao ser hipertenso e nem diab etico? 3. N Exerc cios da Sec ao 2.1 (Magalh aes, 2008): 1, 2, 3, 4 e 5

Probabilidade Condicional e Independ encia

Em muitas situac o es pr aticas, o feno meno aleato rio com o qual se trabalha pode ser separado em etapas. A informac ao do que ocorreu em uma determinada etapa pode inuenciar nas probabilidades de ocorr encias das etapas seguintes.

Sejam A e B dois eventos quaisquer, tal que P (B ) > 0, logo, P (A B ) . P (B ) P (A | B ) =

No caso de P (B ) = 0, alguns autores preferem igualar a probabilidade P (A | B ) a zero ou mesmo consider a-la indenida.
Independ encia de Eventos

Regra do produto de probabilidade Sejam A e B eventos de . Ent ao, P A B = P (A | B ) P (B ) ,

Dois eventos A e B s ao independentes se a informac ao da ocorr encia ou n ao de B n ao altera a probabilidade da ocorr encia de A, ou seja, P (A | B ) = P (A) , P (B ) > 0,
ao independentes, Resultado: Se dois eventos A e B s ent ao, P A B = P (A) P (B ) .

com P (B ) > 0

Exerc cio: Em uma comunidade, 20% dos indiv duos adultos s ao hipertensos, 40% s ao diab eticos e 15% s ao hipertensos e diab eticos. Se um indiv duo for escolhido ao acaso, qual a probabilidade dele ser hipertenso dado que ele e diab etico?

Se dois eventos s ao independentes, eles tamb em s ao disjuntos?

Parti c ao do Espa co Amostral

Os eventos C1, C2, . . . , Ck formam uma partic ao do espac o amostral se eles n ao t em intersecc ao entre si e se sua uni ao e igual ao espac o amostral. Isto e, Ci Cj = para i = j e Ci =

Exemplo: Uma empresa produz pec as em duas m aquinas I e II , que podem apresentar desajustes com probabilidade 0, 05 e 0, 10, respectivamente. No in cio do dia de operac ao um teste e realizado e caso a m aquina esteja fora de ajuste, ela car a sem operar nesse dia passando por revis ao t ecnica. Para cumprir o n vel m nimo de produc ao pelo menos uma das m aquinas deve operar. Voc e diria que a empresa corre o risco de n ao cumprir com suas metas de produc ao?

i=1

Teorema de Bayes: Supor que os eventos C1, C2, . . . , ao de e que suas probabilidades Ck formem uma partic sejam conhecidas. Suponha ainda que para um evento A, se conhec am as probabilidades P (A | Ci) para todo i = 1, 2, . . . , k . Ent ao, para qualquer j ,
P (A | Cj ) P (Cj ) P (Cj | A) = k , j = 1, 2, . . . , k. i=1 P (A | Ci ) P (Ci )

Exerc cio: Supor que um fabricante de sorvetes recebe 20% de todo o leite que utiliza de uma fazenda F1, 30% de uma outra fazenda F2 e 50% de F3. Um o rg ao de scalizac ao inspecionou as fazendas de surpresa, e observou que 20% do leite produzido por F1 estava adulterado por adic ao de agua, enquanto que para F2 e F3, essa proporc ao era 5% e 2%, respectivamente. Na indu stria es de leite s ao armazenados em um refrigerador de sorvetes os galo sem identicac ao das fazendas. Um gal ao foi escolhido ao acaso e o leite estava adulterado. Qual a probabilidade de que a amostra adulterada tenha sido obtida do leite fornecido pela fazenda F1?
cios da Sec ao 2.2 (Magalh aes, 2008): 1, 3, 4, 5, 6. Exerc

2.3 Exerc cios (Magalh aes, 2008): 1, 4, 5, 6, 7, 8, 10, 11, 12, 14, 15, 17, 18, 19, 21, 23.

Vari aveis Aleat orias Discretas

Uma quantidade X e denominada vari avel aleato ria discreta se assume valores num conjunto enumer avel, com certa probabilidade. Fun c ao Discreta de Probabilidade: A func ao que encia de cada valor da atribui a probabilidade de ocorr vari avel aleato ria e denominada func ao de probabilidade (f.p.) e e denida por,
P (X = xi) = p (xi) = pi, i = 1, 2, . . . ou ainda,

Exerc cio: Com dados do u ltimo censo, a assistente social de um Centro de Sau de constatou que para as fam lias da regi ao, 20% n ao t em lhos, 30% t em um lho, 35% t em dois lhos e as restantes se dividem igualmente entre tr es, quatro ou cinco lhos. Supor que uma fam lia ser a escolhida aleatoriamente nessa regi ao e o nu mero de lhos averiguado. Denir a func ao de probabilidade para a vari avel aleato ria nu mero de lhos.

em que, 0 pi 1 e

X x1 x2 x3 pi p1 p2 p3 i pi = 1.

Fun c ao Distribui c ao de Probabilidade: A Func ao Distribuic ao de Probabilidade ou Func ao Acumulada de Probabilidade de uma vari avel aleato ria discreta X e denida por, F (x) = P (X x)

Medidas de Tend encia Central Para Vari aveis Aleat orias Discretas

M edia: = E (X ) = Mediana: Moda:

Exerc cio: Uma populac ao de 1000 crianc as foi analisada num estudo para determinar a efetividade de uma vacina contra um tipo de alergia. No estudo, as crianc as recebiam uma dose de vacina e apo s um m es passavam por um novo teste. Caso ainda tivesse tido alguma reac ao al ergica, recebiam outra dose da vacina. Ao m de 5 doses todas as crianc as foram consideradas imunizadas. Os resultados completos est ao na tabela a seguir. Doses 1 2 3 4 5 Freq. 245 288 256 145 66 Denir a func ao de probabilidade, a func ao acumulada de probabilidade e fazer um gr aco da func ao acumulada de probabilidade. Exerc cios da Sec ao 3.1 (Magalh aes, 2008): 1, 3, 4, 5, e 6.

p i xi

k i=1

M d : P (X M d) 0, 5 e P (X M d) 0, 5 M o = valor com maior probabilidade

Exerc cio: Considerar uma v.a. discreta X com func ao de probabilidade dada por, X 2 5 8 15 20 pi 0, 1 0, 3 0, 2 0, 2 0, 2 Encontrar a m edia, a mediana e a moda dessa vari avel aleato ria. Exerc cios da Sec ao 4.2 (Magalh aes, 2008): 4, 5, e 6.

Vari ancia Para Vari aveis Aleat orias Discretas Vari ancia:

2 = V ar (X ) =

Vari ancia (alternativa): V ar (X ) =

k i=1

k i=1

pi (xi )2

Exerc cio: Considerar uma v.a. discreta X com func ao de probabilidade dada por, X 2 5 8 15 20 pi 0, 1 0, 3 0, 2 0, 2 0, 2 Encontrar a vari ancia dessa vari avel aleato ria.

2 p i xi 2 = E X 2 [E (X )]2

Propriedades da M edia e Vari ancia

Principais Modelos Discretos

Y = aX + b

E (Y ) = aE (X ) + b

Exerc cios da Sec ao 4.3 (Magalh aes, 2008): 4 e 5.

V ar (Y ) = a2V ar (X )

avel aleato ria disc Modelo Uniforme Discreto: Seja X uma vari reta cujos poss veis valores s ao representados por x1, x2, x3, . . . , xk . A vari avel aleato ria X vai seguir distribuic ao Uniforme Discreta se atribui a mesma probabilidade 1/k a cada um desses k valores, isto e, sua func ao de probabilidade e dada por, 1 P (X = xi) = , i = 0, 1, 2, . . . , k. k

Exerc cio: Uma rifa tem 100 bilhetes numerados de 1 a 100. Tenho 5 bilhetes consecutivos numerados de 21 a 25, e meu colega tem outros 5 bilhetes, com os nu meros 1, 11, 29, 68 e 93. Quem tem maior probabilidade de ser sorteado?

 Modelo Bernoulli: Uma vari avel aleato ria X segue distribuic ao Bernoulli se seus valores s ao dicoto micos (0 ou 1) e representam a ocorr encia de fracasso ou sucesso. Com p representando a probabilidade de sucesso, 0 p 1, sua func ao de probabilidade e dada por, P (X = x) = px (1 p)1x , x = 0, 1.
ao de n ensaios de Bernoulli inde Modelo Binomial: Considerando a repetic pendentes e todos com a mesma probabilidade de sucesso p. A vari avel aleato ria discreta X que representa o nu mero total de sucessos desse experimento, segue distribuic ao Binomial com par ametros n e p, X b (n, p), se sua func ao de probabilidade e dada por,

Exerc cio: O escore em um teste internacional de proci encia na l ngua inglesa varia de 0 a 700 pontos, com mais pontos indicando um melhor desempenho. Informac o es coletadas durante v arios anos, permitem estabelecer o seguinte modelo para o desempenho no teste:
Pontos [0, 200) [200, 300) [300, 400) [400, 500) [500, 600) [600, 700) pi 0,06 0,15 0,16 0,25 0,28 0,10

P (X = x) = em que,

n x

n x

px (1 p)nx , x = 0, 1, 2, . . . , n = n! . x! (n x)!

V arias universidades americanas, exigem um escore m nimo de 600 pontos para aceitar candidatos de pa ses de l ngua n ao inglesa. De um grande grupo de estudantes brasileiros que prestam o u ltimo exame, escolhe-se ao acaso 20 deles. Qual seria a probabilidade de no m aximo 3 atenderem ao requisito m nimo mencionado?
cios da Sec ao 3.2 (Magalh aes, 2008): 1, 2, 3, 4, 5, 6, 7. Exerc

Modelo Geom etrico: Seja p a probabilidade de sucesso de um experimento, a distribuic ao geom etrica pode ser pensada como o nu mero de ensaios de Bernoulli que precedem o primeiro sucesso. Uma vari avel aleato ria X segue distribuic ao geom etrica de par ametro ao de probabilidade e dada por, p, X G (p), se sua func P (X = x) = p (1 p)x , 0 p 1 e k = 0, 1, 2, . . .
ao est a sendo analisada para efeito Exerc cio: Uma linha de produc de controle de qualidade das pec as produzidas. Tendo em vista o alto padr ao requerido, a produc ao e interrompida para regulagem toda vez que uma pec a defeituosa e observada. Admitindo que cada pec a processada tem a mesma probabilidade 0, 01 de ser defeituosa, independente da qualidade das demais, qual a probabilidade da vig esima pec a observada ser defeituosa?

Modelo Poisson: Seja a frequ edia ou esperada de ocorencia m r encias de um evento de interesse num determinado intervalo de tempo, uma vari avel aleato ria X tem distribuic ao de Poisson com par ametro > 0, X P (), se sua func ao de probabilidade e dada por, ex , x = 0, 1, 2, . . . P (X = x) = x! ao de part culas radioativas tem sido modelada Exerc cio: A emiss atrav es de uma distribuic ao de Poisson, com o valor do par ametro dependendo da fonte utilizada. Suponha que o nu mero de part culas alfa, emitidas por minuto, seja uma vari avel aleato ria seguindo o modelo de Poisson com par ametro 5, isto e, a taxa m edia de encia e de 5 emisso es a cada minuto. Calcular a probabilidade ocorr de haver mais de 2 emisso es em um minuto.

Modelo Hipergeom etrico: Considerar um conjunto ao do tipo I e n m s ao de n objetos dos quais m s do tipo II. Para um sorteio de r objetos (r < n) feito ao acaso e sem reposic ao, X e o nu mero de objetos selecionados do tipo I. A vari avel aleato ria X segue distribuic ao Hipergeom etrica se sua func ao de probabilie dada por, dade
P (X = x) = m x , x = 0, 1, 2, . . . , min (r, m) .

Exerc cio: Uma f abrica produz pec as que s ao embaladas em caixas com 25 unidades. Para aceitar o lote enviado para a f abrica, o controle de qualidade de uma empresa procede da seguinte forma. Sorteia uma caixa do lote e, em seguida, sorteia cinco pec as, sem reposic ao, dessa mesma caixa. Se constatar no m aximo duas defeituosas, aceita o lote fornecido pela f abrica. Se a caixa sorteada tem 4 pec as defeituosas, qual a probabilidade de rejeitar o lote?
cios (Magalh aes, 2008): 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 3.4 Exerc 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26 e 27. cios da Sec ao 3.3 (Magalh aes, 2008): 1, 2, 3, 4, 5 e 6. Exerc

n r

nm rx

Valor Esperado e Vari ancia Para Modelos Discretos Esperado

1+k 2

Vari aveis Aleat orias Cont nuas

Vari ancia p (1 p) np (1 p)
1p p2 k 2 1 12

p np
rm n

1p p

Uma quantidade X e denominada vari avel aleato ria cont nua se assume valores num conjunto n ao enumer avel, ou seja, seus valores pertencem a um intervalo dos nu meros reais. Fun c ao Densidade de Probabilidade: Uma func ao f (x) e uma func ao cont nua de probabilidade ou func ao densidade de probabilidade (f.d.p.) para uma vari avel aleato ria cont nua X , se satisfaz duas condic o es. f (x) 0, para todo x (, ).

Modelos Discretos Valor Uniforme (1, k ) Bernoulli (p) Binomial (n, p) Geom etrica (p) Poisson () etrica (n, m, r) Hipergeom

r(r1)m(m1) n(n1)

Exerc cios da Sec ao 4.3 (Magalh aes, 2008): 6.

4.4 Exerc cios (Magalh aes, 2008): 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30 e 31.

e igual a 1. area denida por f (x) A

Ou seja, Para a b,

f (x) dx = 1

P (a X b) = Para qualquer valor de x,

f (x) dx

b
a

P (X = x) = 0

Exerc cio: Em um teste educacional com crianc as, o tempo para a realizac ao de uma bateria de questo es de racioc nio verbal e lo gico e medido e anotado para ser comparado com um modelo teo rico. Este teste e utilizado para identicar o desenvolvimento das crianc as e auxiliar a aplicac ao de medidas corretivas. O modelo teo rico considera T : tempo de teste em minutos, como uma vari avel aleato ria cont nua com func ao densidade de probabilidade dada por, 1 40 (t 4) , se 8 t 10 3 , se 10 t 15 ario caso contr f (t) =
ao de densidade e calcular Vericar se a func ao f (t) satisfaz a denic a probabilidade do tempo do teste estar entre 9 e 12 minutos.
20 0,

Medidas de Tend encia Central Para Vari aveis Aleat orias Cont nuas

Vari ancia Para Vari aveis Aleat orias Cont nuas Vari ancia:

M edia: Mediana: Moda:

2 = V ar (X ) =

= E (X ) =

xf (x) dx

(x )2 f (x) dx

V ar (X ) =

M d : P (X M d) 0, 5 e P (X M d) 0, 5 M o = max f (x)
x

Vari ancia (alternativa): x2f (x) dx 2 = E X 2 [E (X )]2

Exerc cio: Arqueo logos estudaram uma certa regi ao e estabeleceram um modelo teo rico para a vari avel C : comprimento de fo sseis da regi ao (cm). Supor que C e uma vari avel aleato ria cont nua com a seguinte func ao densidade de probabilidade, + 1 , se 0 c 20 caso contr ario f (c) =
1 40 c 10

0,

edia, a mediana, a moda e a vari ancia da v.a. C . Determinar a m

Propriedades da M edia e Vari ancia

Principais Modelos Cont nuos

Y = aX + b

E (Y ) = aE (X ) + b

V ar (Y ) = a2V ar (X )

Exerc cios da Sec ao 6.1 (Magalh aes, 2008): 1, 2, 3, 4 e 5.

Nota c ao: X U [a, b].

avel aleato ria cont nua Modelo Uniforme Cont nuo: Uma vari X segue distribuic ao uniforme cont nua no intervalo [a, b], a < b, se sua func ao densidade de probabilidade e dada por, 1 , a x b. ba

f (x) =

Modelo Exponencial: Uma vari avel aleato ria cont nua X , assumindo valores n ao negativos, segue distribuic ao exponencial com par ametro > 0 se sua f.d.p. e dada por, f (x) = ex, x 0. Nota c ao: X Exp ().

Exerc cio: Com o objetivo de vericar a resist encia ` a press ao de agua, os t ecnicos de qualidade de uma empresa inspecionam os tubos de PVC produzidos. Os tubos inspecionados t em 6 metros de comprimento e s ao submetidos a grandes presso es at e o aparecimento do primeiro vazamento, cuja dist ancia a uma das extremidades (xada a priori) e anotada para ns de an alise posterior. Escolhe-se um tubo ao acaso para ser inspecionado. Admitindo igual probabilidade de ocorr encia de vazamento em todos os pontos, determinar a probabilidade de que o vazamento esteja, no m aximo, a 1 metro das extremidades.

Exerc cio: O intervalo de tempo em minutos entre emisso es consecutivas de uma fonte radioativa e uma vari avel aleato ria com distribuic ao exponencial de par ametro = 0, 2. Qual a probabilidade de haver uma emiss ao em um intervalo superior ou igual a 7, sabendo-se que ele e superior ou igual a 5 minutos.

Modelo Normal: Uma vari avel aleato ria cont nua X segue distribuic ao normal com par ametros e 2 > 0 se sua func ao densidade de probabilidade e dada por, (x )2 1 , x . f (x) = exp 2 2 2 Nota c ao: X N , 2 .

 A vari ancia 2 e respons avel pela forma da curva.

A m edia e respons avel pela locac ao (posic ao) da curva.

Exerc cio: Seja X uma vari avel aleato ria que representa a press ao sangu nea sisto lica. Considerar que, para a populac ao de homens de 18 a 74 anos de um certo pa s, a press ao sisto lica segue distribuic ao aproximadamente normal com m edia de 129 mmHg e desvio padr ao de 19, 8 mmHg . Qual e a probabilidade, de nesta populac ao, ser selecionado um indiv duo com press ao sangu nea sisto lica entre 90, 2 mmHg e 167, 8 mmHg ?

A integral a baixo so pode ser resolvida de modo aproximado e por m etodos num ericos, b (x )2 1 exp , x . 2 2 2 f (x) =
a

Considerando a vari avel aleato ria, X Z= Se X N , 2 ent ao Z N (0, 1), ou seja,

E (Z ) = E X = 0 e V ar (Z ) = V ar X

= 1.

Os valores da distribuic ao normal padr ao, Z N (0; 1), s ao tabelados.

Portanto, Valor Esperado e Vari ancia Para Modelos Cont nuos

Modelos Cont nuos Valor Esperado Vari ancia Uniforme [a, b] Exponencial () Normal , 2
a+b 2 1 (ba)2 12 1 2

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

avel aleato ria que representa a press ao Exerc cio: Seja X uma vari sangu nea sisto lica. Considerar que, para a populac ao de homens de 18 a 74 anos de um certo pa s, a press ao sisto lica segue distribuic ao aproximadamente normal com m edia de 129 mmHg e desvio padr ao de 19, 8 mmHg . Qual e a probabilidade, de nesta populac ao, ser selecionado um indiv duo com press ao sangu nea sisto lica entre 90, 2 mmHg e 167, 8 mmHg ?

Exerc cios da Sec ao 6.2 (Magalh aes, 2008): 1, 2, 3, 4, 5, 6, 7, 8 e 9. 6.3 Exerc cios (Magalh aes, 2008): 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32 e 33.