UNIDADE III

Estatística

Profa. Ana Carolina Bueno

Exemplo 1

Suponha que um conjunto de 10 peças contenha oito em boas condições (B) e duas
defeituosas (D). Qual a probabilidade de que as duas peças selecionadas
sejam boas?

 Resposta = 0,6222
Exemplo 2

a) Se escolhermos aleatoriamente um dos dez algarismos (0,1,2,3,4,5,6,7,8,9), qual

a probabilidade de escolhermos 0 ou 1?

b) Considerando o mesmo conjunto de números, qual a probabilidade de obtermos

um número ímpar ou um número superior a 6?
Exemplo 3

 Dois carros são selecionados em uma linha de produção com 12 carros,

5 deles defeituosos.

a) Qual é a probabilidade de o segundo carro ser defeituoso, dado que o primeiro

carro era defeituoso? Resposta: 0,3636

b) Determine a probabilidade de ambos os carros serem defeituosos.

Resposta: 0,1515
Exemplo 4

Um banco de sangue cataloga os tipos sanguíneos – inclusive o fator RH positivo ou

negativo – dos doadores que doaram durante os últimos cinco dias. O número dos
que doaram cada tipo sanguíneo está relacionado na tabela a seguir.
Um dos doadores é selecionado ao acaso. Qual a probabilidade:
a) De o doador ter tipo sanguíneo O ou A. (R: 0,8508)
b) De um doador ter tipo sanguíneo O e RH negativo. (R: 0,0685)
c) De o doador ter tipo sanguíneo B ou ser Rh negativo. (R: 0,2469)
d) De um doador ter tipo sanguíneo A, dado que é Rh positivo. (R: 0,4041)
Tipos sanguíneos
O A B AB Total
Fator RH Positivo 156 139 37 12 344
Negativo 28 25 8 4 65
Total 184 164 45 16 409
Exemplo 4

Tipos sanguíneos
O A B AB Total
Fator RH Positivo 156 139 37 12 344
Negativo 28 25 8 4 65
Total 184 164 45 16 409
Interatividade

Um fabricante de lâmpadas para faróis automotivos testa as lâmpadas sob

condições de alta umidade e alta temperatura, usando a intensidade e vida útil como
parâmetros de interesse. A tabela mostra a performance de 130 lâmpadas. Assinale
a alternativa incorreta.
Vida útil
Satisfatória Insatisfatória
Intensidade Satisfatória 117 3
Insatisfatória 8 2

a) A probabilidade de que uma lâmpada selecionada

aleatoriamente seja insatisfatória sob qualquer
critério é de 1,54%.
b) A probabilidade de que a intensidade seja satisfatória
é de 92,31%.
Interatividade

c) A probabilidade de que ela tenha intensidade satisfatória ou vida útil satisfatória

é de 1,88%.

d) Os eventos intensidade e vida útil são eventos não excludentes.

e) A probabilidade de que tenha intensidade insatisfatória e vida útil satisfatória

é de 6,15%.
Distribuições de probabilidades

Relação entre as possíveis ocorrências de um experimento e a probabilidade dessa

ocorrência. É dividida em:

 Distribuições de probabilidades discretas,

sendo que a principal é a distribuição binomial.
Ocorrências Probabilidade
 Distribuições de probabilidades contínuas,
sendo que a principal é a distribuição normal. CaCa 27,04%
CaCo 24,96%
CoCa 24,96%
CoCo 23,07%
Distribuição binomial

 Apresentam exatamente dois resultados complementares.

 Em processos industriais, as peças falham ou não falham.

 Em propaganda, um consumidor reconhece um produto ou não.

 Lançar uma moeda 5 vezes e observar o número de caras.

 Numa linha de produção, observar 10 itens tomados

ao acaso e verificar quantos estão defeituosos.
Distribuição de probabilidades binomial

 Todos os possíveis
resultados associados
às suas probabilidades
correspondentes.

Fonte: livro-texto.
Exemplo – pessoas canhotas

 Dado que 10% das pessoas são canhotas, suponha que queiramos achar
a probabilidade de obter exatamente 3 estudantes canhotos em uma turma
de 15 estudantes. Algumas carteiras são adaptadas para estudantes canhotos
e a probabilidade resultante poderia afetar o número de tais carteiras a serem
encomendadas para as salas de aula.
Exemplo – pessoas canhotas

Condições:

 O número de provas (15) é fixo.

 As provas são independentes porque o fato de um estudante ser canhoto ou
destro não afeta a probabilidade de outro estudante ser canhoto.
 Cada prova tem duas categorias de resultados: o estudante é canhoto ou não é.
 A probabilidade (0,1) permanece constante para os diferentes estudantes.
Exemplo de pessoas canhotas

 Identificar n, x, p e q.

 Para x = 0, 1, 2, 3, ……, n

 n = número de provas

 x = número de sucessos em n provas

 p = probabilidade de sucesso em qualquer prova

 q = probabilidade de falha em qualquer prova (q = 1–p)

Exemplo – pessoas canhotas

 Identificar n, x, p e q.

 Com 15 estudantes em uma turma, temos n = 15.

 Queremos 3 estudantes canhotos (sucessos), e assim x = 3.

 A probabilidade de um estudante ser canhoto (sucesso) é 0,1 e, assim p = 0,1.

 A probabilidade de falha (não canhoto) é 1 – 0,1 = 0,9,

logo q = 0,9.

 x e p devem ambos referir-se ao mesmo conceito de

“sucesso”.
Métodos para determinar a distribuição binomial

 Utilização da fórmula da probabilidade binomial.

 Utilização de tabela.

 Utilização de programas estatísticos.

Fórmula da probabilidade binomial

 Para x = 0, 1, 2, 3, ……, n
 n = número de provas
 x = número de sucessos em n provas
 p = probabilidade de sucesso em qualquer prova
 q = probabilidade de falha em qualquer prova (q = 1–p)
Exemplo – pessoas canhotas

 Determine a probabilidade de obter 3 estudantes canhotos em uma turma

de 15 estudantes, dado que 10% da população é canhota.

 Isto é, determine P(3), se n = 15, x = 3, p = 0,1, q = 0,9.

n! n x
P( x)   p q
x

(n  x)! x!
Exemplo – pessoas canhotas

n!
P( x)   p x  q n x
(n  x)! x!
15! 15!
P(3)   0,13  0,9153   0,13  0,912
(15  3)!3! 12!.3!

[Link]! 2730
P (3)   0,001  0,282   0,001  0,282
12!.3.2.1 6

P(3)  0,1283
Uso da tabela de distribuição binomial

Fonte: Autoria própria.

Exemplo – pessoas canhotas

3 0,1285

Fonte: Autoria própria.

Média e Desvio padrão – pessoas canhotas

 Determine a média, a variância e o desvio padrão de obter 3 estudantes canhotos

em uma turma de 15 estudantes.

  n p
 2
 n pq

 n pq
Média e Desvio padrão – pessoas canhotas

 Determine a média, a variância e o desvio padrão de obter 3 estudantes canhotos

em uma turma de 15 estudantes.
  n p
  15  0,1  1,5
  n pq
2

 2  15  0,1 0,9  1,35estudantes ²

 n pq

  15  0,1 0,9  1,16estudantes

Interatividade

Um engenheiro de inspeção extrai uma amostra de 15 itens aleatoriamente

de um processo de fabricação sabido produzir 85% dos itens aceitáveis. Qual
a probabilidade de que 10 dos itens extraídos sejam aceitáveis?
a) 4,49%
b) 9,85%
c) 15,0%
d) 47,5%
e) 85%
Variável aleatória contínua

 Variáveis aleatórias contínuas são as susceptíveis de tomar qualquer valor real

num dado intervalo.

Exemplos:

 O peso de um indivíduo.
 O comprimento de uma folha.
 Pesos das moedas produzidas.
 Altura de mulheres adultas.
 Tempo entre as chegadas dos clientes em um banco.
 Quantidade em uma garrafa de refrigerante.
Curva normal

 As grandes amostras de certas variáveis aleatórias permitem construir gráficos que

têm aparência típica.

f(x) = 1 exp - (x – μ)2

.
√(2πσ2) 2σ2
Densidade 0 .03 0

Fonte: Autoria própria. 0.01 5

0.00 0

30 40 50 60 70 80 90 10 0
P es o
Distribuição normal

 Uma variável aleatória contínua tem distribuição normal se essa distribuição

é simétrica e apresenta a forma de um sino.

f(x)

σ
Fonte: Autoria própria.
µ = média
σ = desvio padrão

µ X
Distribuição normal

Fonte: Autoria própria.

Distribuição normal padronizada

 A variável Z possui média 0 e desvio-padrão 1.

 Z é variável contínua que representa o número de desvios a contar da média.

Fonte: Autoria própria.

Distribuição normal padronizada – tabela

 As probabilidades
associadas à
distribuição normal
padronizada são
facilmente obtidas
em tabelas.

Fonte: Autoria própria.

Análise gráfica

Fonte: livro-texto.
Distribuição normal – exemplo

 Uma empresa fabrica termômetros que devem acusar 0ºC no ponto de

congelamento da água. Testes feitos em uma grande amostra desses termômetros
revelaram que, no ponto de 0ºC, alguns acusavam valor inferior a 0ºC e outros
acusavam valor superior. Suponha que a leitura média seja 0ºC e que o desvio-
padrão das leituras seja 1,00ºC. Admita também que a distribuição de frequência
dos erros se assemelhe a uma distribuição normal.
Distribuição normal – exemplo

Escolhido um termômetro aleatoriamente, determine a probabilidade de que:

a) No ponto de congelamento da água o termômetro marque entre 0ºC e +1,58ºC.

Fonte: Autoria própria.

Distribuição normal – exemplo

 0,9429 – 0,5000
 0,4429

0,9429
Continuando o exemplo do termômetro

Escolhido um termômetro aleatoriamente, determine a probabilidade de que:

b) No ponto de congelamento da água, o termômetro marque -1,65º C.

Fonte: Autoria própria.

Usando a tabela da distribuição normal
Continuando o exemplo do termômetro

Escolhido um termômetro aleatoriamente, determine a probabilidade de que:

c) No ponto de congelamento da água, o termômetro marque entre -1,65º C

e 1,58º C.

 P(-1,65) = 0,0495
 P(1,58) = 0,9429
 P(-1,65<X<1,58) = 0,8934

Fonte: Autoria própria.

Continuando o exemplo

Escolhido um termômetro aleatoriamente, determine a probabilidade de que:

d) No ponto de congelamento da água, o termômetro marque um valor maior que

1,58º C.

 P(X>1,58) = 1,0000 – 0,9429

 P(X>1,58) = 0,0571

Fonte: Autoria própria.

Interatividade

Em relação à curva da distribuição normal ou curva de Gauss, são dadas

as afirmações a seguir.
I. É assimétrica em relação ao seu valor médio.
II. A área compreendida entre a curva e o eixo das abcissas é igual a 1.
III. É tanto mais achatada quanto maior for a média.
IV. A variável Z possui média 0 e desvio-padrão 1.

Assinale a alternativa com as afirmações incorretas.

a) I e II d) II e IV
b) I e III e) I, II, III e IV
c) II e III
Probabilidade na distribuição normal padronizada

 Para calcular probabilidades associadas à distribuição normal, usa-se um artifício.

Sabe-se que, se X tem distribuição normal com média μ e desvio-padrão σ,
a variável
X 
Z 

 tem distribuição normal padronizada.
 μ é a média aritmética
 σ é o desvio-padrão
 Z valores que indicam a distância ao longo da escala
horizontal
Distribuição normal – Exemplo de normalização

 Suponha um consultor investigando o tempo que os trabalhadores de uma fábrica

levam para montar determinada peça. Suponha que análises da linha de produção
tenham calculado tempo médio de 75 segundos e desvio padrão de 6 segundos

Escala de Z
Escala de X
Fonte: Autoria própria.
Exemplo

a) Suponha que o consultor queira saber qual a probabilidade de um trabalhador

levar um tempo entre 75 e 81 segundos para montar uma peça, ou seja,
P(75 ≤ X ≤ 81). Determine esta probabilidade.

Escala de Z
Escala de X
Fonte: Autoria própria.
Exemplo – resolvendo

X  75  75
Z1   0
 6

X  81  75
Z2   1
 6

Escala de Z
Escala de X

Fonte: Autoria própria.

Exemplo – resolvendo

 P(75<x<81)
 0,8413 – 0,5000
 0,3413

Fonte: Autoria própria.

0,8413
Continuando o exemplo

b) Qual a probabilidade de um trabalhador levar um tempo entre 66 e 81 segundos

para montar uma peça?

Sendo

Então P(X=66) =
 P(66<X<81) = 0,7745

Escala de Z
Escala de X
Fonte: Autoria própria.
Continuando o exemplo

Fonte: Autoria própria.

Distribuição normal – outros exemplos

A duração de certo componente eletrônico tem média de 850 dias e desvio-padrão

de 40 dias. Sabendo que a duração é normalmente distribuída, calcule a
probabilidade de esse componente durar:

a) Entre 800 e 950 dias.

b) Mais de 750 dias.

Distribuição normal – outros exemplos

a) Entre 800 X  800  850 950  850

Z1    1,25 Z2   2,5
e 950 dias  40
40

P1  P2  0,3944  0,4938  0,8882

P1  0,3944 P2  0,4938
Distribuição normal – outros exemplos

b) Mais de 750 dias

P1  P2  0,4938  0,5  0,9938
 Então,

P1  0,4938

P2  0,5
Outros exemplos
Interatividade

 O tempo gasto no exame vestibular de uma universidade tem distribuição Normal,

com média de 120 min. e desvio padrão de 15 min.

Sorteando um aluno ao acaso, qual a probabilidade de que ele termine o exame

antes de 100 minutos?

a) 50%
b) 40,82%
c) 20%
d) 9,18%
e) 1%
ATÉ A PRÓXIMA!