estatistca 3

Prévia do material em texto

02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 1/26
ESTATÍSTICA E PROBABILIDADEESTATÍSTICA E PROBABILIDADE
APLICADAAPLICADA
DISTRIBUIÇÕES DEDISTRIBUIÇÕES DE
PROBABILIDADEPROBABILIDADE
DISCRETADISCRETA
Autor: Me. Raimundo Almeida
R e v i s o r : H u g o E s t e v a m d e S a l e s C â m a ra
I N I C I A R
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 2/26
introduçãoIntrodução
Nesta unidade, utilizaremos os resultados da estatística descritiva, apoiados com a
teoria básica das probabilidades para estudar algumas distribuições de
probabilidade.
As distribuições de probabilidade estão presentes em diversas aplicações do nosso
dia a dia, como na realização de experimentos simples (como lançamento de um
dado) e em exemplos mais complexos (como implantar um sistema de controle da
qualidade em uma linha de produção industrial).
Neste momento, concentraremos nossa atenção para as distribuições discretas,
focando nas Distribuições Binomial e de Poisson. Em outra oportunidade,
trabalharemos com a distribuição contínua mais estudada no mundo: a distribuição
Normal.
Bons estudos!
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 3/26
Variáveis aleatórias são variáveis que assumem valores numéricos para cada
resultado de um experimento. Ainda, para ser classi�cada como aleatória, a variável
deve ser associada a valores determinados pelo acaso.
Para ilustrar o conceito de variável aleatória, considere o lançamento simultâneo de
dois dados. A tabela seguinte representa a combinação de possibilidades de
resultados do experimento.
Variáveis AleatóriasVariáveis Aleatórias
e Distribuições dee Distribuições de
ProbabilidadeProbabilidade
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 4/26
Uma possível variável aleatória para esse experimento seria contar quantas vezes
sai o número 5 nesse lançamento:
Variável aleatória:
X: número de vezes que sai o número 5 no lançamento de dois dados.
Observe que existem 3 possibilidades de valores para a variável aleatória X:
   ,     e   .
Para cada variável aleatória, podemos relacionar uma distribuição de probabilidade,
que consiste em uma associação na qual, para cada valor da V.A., associamos a
sua probabilidade de ocorrência .
No exemplo do lançamento dos dados, para o caso da variável aleatória que
de�nimos, a distribuição de probabilidade é dada por:
Tabela 3.1 - Possíveis resultados no lançamento de dois dados 
Fonte: Elaborada pelo autor.
= 0x1 = 1x2 = 2x3
( )xi
(P( ) = )x1 pi
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 5/26
Tabela 3.2 - Distribuição de probabilidade para a variável aleatória X 
Fonte: Elaborada pelo autor.
Toda variável aleatória que possui uma quantidade enumerável de valores possíveis 
 é classi�cada como discreta. Por exemplo, no caso da variável aleatória de
contagem do resultado 5 no lançamento do dado, temos um conjunto de três
possibilidades (0, 1 e 2). Logo, esse é um exemplo de variável aleatória discreta.
Considere, agora, a quantidade de litros de óleo diesel produzidos em uma indústria.
Observe que as possibilidades de resultados para essa V.A. não se restringem a
números inteiros (0 litros, 1 litro, 2 litros, 3 litros,..., n litros,...), podendo assumir
qualquer valor real positivo, por exemplo, 3,816 litros. Nesse caso, estamos tratando
de uma variável aleatória contínua.
Como já mencionado, esta unidade será destinada para as variáveis discretas. Em
outra oportunidade, você conhecerá mais sobre as variáveis contínuas.
                       
       
       
       
xi pi
= 0x1
=p1
25
36
= 1x2
=p2
10
36
= 2x3
=p3
1
36
( )xi
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 6/26
Histogramas de Distribuição de
Probabilidade Discreta
Um histograma é um grá�co de barras que associa cada classe a uma frequência,
podendo ser uma frequência absoluta ou relativa.
Para o caso das distribuições de probabilidade, o histograma terá cada classe
representando os possíveis resultados da variável aleatória. O eixo vertical indicará
a probabilidade de ocorrência de cada classe.
O histograma a seguir representa a distribuição de probabilidade da variável
aleatória X já mencionada anteriormente (número de vezes que sai o número 5 no
lançamento de dois dados).
Como estamos trabalhando com probabilidades, duas características comuns a
todas as distribuições podem ser observadas no histograma anterior:
1. , ou seja, a soma de todas as probabilidades é sempre igual a
1.
2. , ou seja, para qualquer resultado da V.A., a probabilidade
associada é sempre um número real maior ou igual a zero e menor ou igual
Figura 3.1 - Histograma da distribuição de probabilidade da V.A X 
Fonte: Elaborada pelo autor.
= 1∑ni=1 pi
0 ≤ ≤ 1pi
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 7/26
a 1.
Medidas de Tendência Central para
Variáveis Aleatórias Discretas
De modo análogo à forma que as medidas de média, variância e desvio-padrão,
podemos associar tais valores a cada variável aleatória. Ou seja, para cada
experimento, podemos de�nir várias variáveis aleatórias que, por sua vez, para cada
V.A. será associada a uma distribuição de probabilidades que, assim terá uma média,
uma variância e um desvio-padrão.
A tabela seguinte contém a relação de fórmulas utilizadas para o cálculo dessas
medidas de tendência central e dispersão.
Figura 3.2 - Média, variância e desvio-padrão de uma variável aleatória discreta 
Fonte: Elaborada pelo autor.
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 8/26
Tabela 3.3 - Medidas de tendência central e dispersão de uma variável aleatória discreta 
Fonte: Elaborada pelo autor.
No exemplo da variável aleatória X (número de vezes que sai o número 5 no
lançamento de dois dados), teremos as seguintes medidas.
1. MÉDIA
 vezes
2. VARIÂNCIA
vezes ao quadrado
3. DESVIO-PADRÃO
 vezes
A média, em uma V.A. discreta também é chamada de valor esperado da variável.
Média
     
Variância
 
Desvio-padrão
μ = [ ⋅ ]∑ xi pi
= [ ⋅ ]  =   [ ⋅ ] −σ2 ∑ ( − μ)xi 2 pi ∑ x2i pi μ
2
σ = [ ⋅ ]∑ ( − μ)xi 2 pi
− −−−−−−−−−−−−−
√
μ = 0 ⋅ + 1 ⋅ + 2 ⋅ = ≃ 0, 332536
10
36
1
36
12
36
= ⋅ + ⋅ + ⋅ ≃ 0, 28σ2 (0 − 0, 33)2 2536 (1 − 0, 33)
2 10
36 (2 − 0, 33)
2 1
36
σ = ≃ 0, 530, 28
− −−−
√
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 9/26
praticarVamos Praticar
A tabela a seguir corresponde à variável aleatória X que corresponde ao número de
banheiros em uma residência brasileira em dezembro de 2019.
Tabela 3.4 - Distribuição de probabilidade do número de banheiros em casas brasileiras 
Fonte: Elaborada pelo autor.
A partir dos dados da tabela, assinale a alternativa que corresponde ao número médio de
banheiros no Brasil em dezembro de 2019.
                                                                         
0 0,01
1 0,29
2 0,53
3 0,17
x P (x)
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 10/26
a) 1,86 banheiros.
b) 0,09 banheiros.
c) 1,15 banheiros.
d) 2,03 banheiros.
e) 3,44 banheiros.
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 11/26
Agora que você já conhece as características gerais de uma variável aleatória
discreta e sua distribuição de probabilidade, vamos nos concentrar no estudo de
uma V.A. especí�ca que gera uma distribuição de probabilidade muito utilizada em
problemas do dia a dia de qualquer pro�ssional da área de exatas: adistribuição
Binomial.
Conceito
Uma distribuição de probabilidade binomial resulta de um experimento
que satisfaz os seguintes requisitos: 
 
1. O experimento tem um número �nito de tentativas. 
2. As tentativas devem ser independentes (o resultado de qualquer
tentativa individual não afeta as probabilidades nas outras tentativas). 
3. Cada tentativa deve ter todos os resultados classi�cados em duas
categorias (em geral, chamadas de sucesso e fracasso). 
4. A probabilidade de sucesso permanece constante em todas as
tentativas (TRIOLA, 2013, p. 180).
Distribuição deDistribuição de
ProbabilidadeProbabilidade
BinomialBinomial
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 12/26
Para exempli�car, voltemos ao exemplo da distribuição já trabalhada na seção
anterior (número de vezes que sai o número 5 no lançamento de dois dados).
Observe que nesse caso temos satisfeitos os quatro requisitos da de�nição de
probabilidade binomial:
1. O lançamento de dois dados pode ser interpretado como dois (número
�nito) lançamentos.
2. O resultado do primeiro lançamento do dado não interfere no resultado do
segundo lançamento, por isso são classi�cados como independentes.
3. Cada lançamento pode resultar em um sucesso (sair 5) ou em um fracasso
(sair um número diferente de 5).
4. A probabilidade de sair 5 é sempre igual a em cada um dos lançamentos.
Em qualquer distribuição binomial, a probabilidade de ocorrência de sucessos em
um conjunto de tentativas pode ser calculada a partir da expressão seguinte:
sendo:
 a probabilidade de sucesso em uma tentativa;
 a probabilidade de fracasso em uma tentativa;
 o número de tentativas;
 a quantidade de sucesso nas tentativas.
Exercício resolvido:
No lançamento de dois dados não viciados, qual é a probabilidade de ocorrência de
exatamente UM resultado igual a 5?
Solução:
Nesse exemplo, temos que (dois lançamentos), (um sucesso), 
 e .
X
1
6
P (x) = ,        (equação A)
n!
(n − x)!x!
pxqn−x
p
q
n
x n
n = 2 x = 1
p = 1/6 q = 5/6
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 13/26
Aplicando a equação A, temos:
Observe que o resultado encontrado no exercício acima coincide com o valor
indicado na distribuição de probabilidade da V.A. X, calculada na seção 1. 
Para �xação do conteúdo, vamos a mais um exemplo do uso da fórmula A.
Exemplo:
A marca BRverde é uma empresa especializada em comunicação voltada para a
conscientização da população brasileira sobre os cuidados que devemos ter com o
meio ambiente e as consequências que podem resultar de um consumismo
desenfreado.
P (1) = ⋅ ⋅ = ⋅ ⋅ =
2!
(2 − 1)!1!
( )1
6
1
( )5
6
2−1 2
1 ⋅ 1
1
6
5
6
10
36
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 14/26
Para veri�car a e�cácia de suas ações, a empresa realizou uma enquete e constatou
que apenas 17% da população de Recife reconhecem a sua marca.
Numa família de 35 pessoas residentes em Recife, qual é a probabilidade de 2 ou
menos pessoas conhecerem a marca BRverde?
Solução:
Para responder a essa pergunta, considere o experimento que consiste em escolher
um dos 35 familiares e veri�car se ele conhece (sucesso) ou não (fracasso) a marca
BRverde. O que se deseja descobrir, para a população n=35, é a probabilidade para 
.
Observe que a probabilidade de sucesso é igual a 17/100~=~0,17. Sendo assim, a
probabilidade de fracasso é igual a 1-0,17=0,83.
Aplicando a fórmula:
Como , temos:
. 
praticar
x ≤ 2
P(0) = ⋅ (0, 17 ⋅ (0, 83 = 1, 47 ⋅
35!
(35 − 0)!0!
)0 )35−0 10−3
P(1) = ⋅ (0, 17 ⋅ (0, 83 = 1, 05 ⋅
35!
(35 − 1)!1!
)1 )35−1 10−2
P(2) = ⋅ (0, 17 ⋅ (0, 83 = 3, 67 ⋅
35!
(35 − 2)!2!
)2 )35−2 10−2
= P(0) + P(1) + P(2)P(x≤2)
= 0, 00147 + 0, 01054 + 0, 03672 = 0, 04873 = 4, 87%P(x≤2)
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 15/26
praticarVamos Praticar
Uma prova contém 10 questões de múltipla escolha com 5 alternativas. Para acertar uma
questão, o aluno precisa assinalar a única alternativa que é correta. Nesse contexto,
assinale a alternativa que apresenta a probabilidade de um aluno que “chuta” todas as
questões acertar exatamente 3 exercícios?
a) 10%
b) 20%
c) 30%
d) 40%
e) 50%
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 16/26
Agora que já sabemos identi�car distribuições binomiais e calcular as probabilidades
nesse contexto, vamos aprender a determinar as principais medidas de tendência
central e dispersão.
A tabela a seguir corresponde às fórmulas para os cálculos de média, variância e
desvio-padrão (restritos apenas às distribuições binomiais). 
DistribuiçãoDistribuição
Binomial - Média,Binomial - Média,
Variância e Desvio-Variância e Desvio-
PadrãoPadrão
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 17/26
Tabela 3.5 - Medidas de tendência central e dispersão para uma distribuição binomial 
Fonte: Elaborada pelo autor.
Para exercitar, vamos calcular (mais uma vez) a média, a variância e o desvio-padrão
para a variável aleatória X que corresponde ao número de vezes que sai o número 5
no lançamento de dois dados.
1. MÉDIA:
 vezes
2. VARIÂNCIA
 vezes ao quadrado
3. DESVIO-PADRÃO
 vezes
Observe que os resultados encontrados coincidem com os obtidos quando aplicadas
as fórmulas para distribuições discretas gerais. 
Média
                                                      
Variância
                                           
Desvio-padrão
                                            
μ = np
= npqσ2
σ = npq− −−√
mu = np = 2 ⋅ ≃ 0, 3316
= npq = 2 ⋅ ⋅ ≃ 0, 28σ2 16
5
6
σ = ≃ 0, 530, 28
− −−−
√
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 18/26
praticarVamos Praticar
De�nimos que, em um dado experimento, um valor é classi�cado como não usual quando
este se distancia da média em um valor superior ao dobro do desvio padrão.
Considerando que uma pesquisa foi feita com 894 clientes de uma empresa, constatou-se
que 193 votaram na opção A, conforme �gura seguinte:
Pensando em um resultado estimado para essa pesquisa, determine o valor mínimo usual
de votos na opção A e assinale a alternativa correspondente.
a) 135 votos.
b) 142 votos.
c) 159 votos.
d) 182 votos.
Figura 3.3 - Votantes na opção A 
Fonte: Elaborada pelo autor.
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 19/26
e) 171 votos.
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 20/26
Para �nalizar nosso estudo sobre variáveis discretas, concentraremos nossa atenção
a mais uma clássica distribuição: a distribuição de Poisson.
A distribuição de Poisson é uma distribuição de probabilidade discreta
que se aplica a ocorrências de eventos ao longo de intervalos especi�cados.
A variável aleatória é o número de ocorrências do evento no intervalo. O
intervalo pode ser de tempo, distância, área, volume ou alguma unidade
simular. A probabilidade de ocorrência de vezes em um intervalo é dada
pela fórmula: 
 
em que 
(TRIOLA, 2013, p. 193)
Para que a fórmula anterior possa ser aplicada, devemos ter certeza de estar
trabalhando com um evento situado em algum intervalo, além de garantir que cada
Distribuição deDistribuição de
PoissonPoisson
x
x
P (x) =
⋅μx e−μ
x!
e ≃ 2, 7182.
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 21/26
ocorrência seja aleatória, independente e uniformemente distribuída nesse
intervalo.
Para exempli�car, considere o seguinte:
saibamaisSaiba mais
A distribuição de Poisson difere de uma
distribuição binomial nestes aspectos
fundamentais:1. A distribuição binomial é afetada pelo
tamanho da amostra e pela probabilidade ,
enquanto a distribuição de Poisson é afetada
apenas pela média .
2. Na distribuição de binomial, os valores
possíveis da variável aleatória são 0, 1,..., , mas
uma distribuição de Poisson tem, para valores
possíveis de , 0, 1, 2, … , sem nenhum limite
superior.
O vídeo seguinte mostra mais sobre as
diferenças entre as distribuições binomial e de
Poisson.
ASS IST IR
n p
μ
x n
x
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 22/26
Na construção de um prédio residencial, ocorreram, nos últimos 42 dias, 17
acidentes de trabalho. Selecionando-se ao acaso um determinado dia, dentre os 42
avaliados, qual é a probabilidade de ter ocorrido 3 acidentes nesse dia?
Para responder a essa pergunta, considere uma distribuição de Poisson com média
igual a:
 acidentes.
Sendo assim, .
praticarVamos Praticar
Em um ano bissexto, houve 1687 nascimentos em uma cidade do interior do Rio Grande do
Sul. Selecionando aleatoriamente um dia desse ano, assinale a alternativa que apresenta a
probabilidade de termos exatamente 2 nascimentos nessa cidade.
a) Aproximadamente 3,58%
b) Aproximadamente 22,58%
c) Aproximadamente 15,58%
d) Aproximadamente 10,58%
e) Aproximadamente 8,58%
μ = = 0, 40481742
P (3) = ≃ 0, 007375 = 0, 74
⋅0,40483 e−0,4048
3!
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 23/26
indicações
Material
Complementar
L I V R O
Introdução à Estatística - Atualização da
Tecnologia - Capítulo 5
Mario F. Triola
Editora: LTC
ISBN: 9788521634256
Comentário: Neste livro, você encontrará outros exemplos
e aplicações de todo o conteúdo trabalhado na unidade,
além de inúmeros exercícios para fortalecer e �xar seu
aprendizado.
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 24/26
W E B
Estatística - Aula 11 - Distribuições de
probabilidade - UNIVESP
Comentário: O vídeo em questão faz parte de uma coleção
de materiais didáticos disponíveis gratuitamente no
Youtube pela UNIVESP - Universidade Virtual do Estado de
São Paulo. Nele você poderá revisar todo o conteúdo da
unidade e acessar um canal repleto de materiais sobre
estatística e matemática em geral
Para conhecer o vídeo completo, acesse o link a seguir.
A C E S S A R
https://www.youtube.com/watch?v=j3Zbup0KMxYr
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 25/26
conclusão
Conclusão
O material que você acabou de ler, vai auxiliar em diversos contextos da sua vida
pro�ssional, uma vez que qualquer distribuição de probabilidade discreta pode ser
estudada sob o viés do conteúdo desta unidade.
Com esse conhecimento, você já está apto a calcular a probabilidade de ocorrência
de defeitos em produtos numa linha de produção, calcular a chance de aprovação em
uma prova de múltipla escolha, analisar dados estatísticos discretos sobre a
ocorrência de um fenômeno e outras diversas aplicações úteis no dia a dia de
qualquer pessoa.
Para �xar o conteúdo, não se esqueça de exercitar bastante e, caso ache necessário,
revise a unidade.
referências
Referências
Bibliográ�cas
PORTAL Action. 2.2 - Variável Aleatória Discreta. Disponível em:
http://www.portalaction.com.br/probabilidades/22-variavel-aleatoria-discreta.
Acesso em: 10 fev. 2020.
http://www.portalaction.com.br/probabilidades/22-variavel-aleatoria-discreta
02/08/2021 Ead.br
https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 26/26
TRIOLA, Mario F. Introdução à Estatística: atualização da tecnologia. v. único. 11.
ed. Rio de Janeiro: LTC, 2013.
UNIVESP. Estatística - Aula 11 - Distribuições de Probabilidade. 2015. Disponível
em: https://www.youtube.com/watch?v=j3Zbup0KMxY. Acesso em: 22 dez. 2019.
https://www.youtube.com/watch?v=j3Zbup0KMxY