Baixe o app para aproveitar ainda mais
Prévia do material em texto
EA D 6 Distribuições de Probabilidades 1. ObjetivOs • Entender o conceito de variável aleatória. • Visualizar a composição de uma distribuição de probabi- lidades. • Compreender e interpretar a curva normal como distri- buição de probabilidade. 2. COnteúdOs • Variáveis aleatórias. • Distribuição de probabilidade. • Distribuição normal padronizada. © Estatística138 3. ORientAÇÕes pARA O estudO dA unidAde Antes de iniciar o estudo desta unidade, é importante que você leia as orientações a seguir: 1) Sua formação é essencial, pois ela determinará posturas e escolhas no desenvolvimento de sua prática. Invista em você, faça da pesquisa e da interação com seus cole- gas de curso e com seu tutor hábitos que poderão ajudá- -lo a ampliar e aprofundar seus conhecimentos. 2) Reflita sobre alguns conceitos importantes vistos em Es- tatística e notação. 3) As variáveis que geralmente estudamos em Estatística possuem infinitos resultados e alguns não são enumerá- veis. Por exemplo, a renda de um indivíduo, o número de insetos em uma região, entre outros. Assim, a aplicação das probabilidades similares às estudadas na Unidade 5 fica comprometida, daí a importância das Distribuições de Probabilidades, que serão vistas nesta unidade. 4) Um conceito muito importante estudado em Estatística e presente no estudo das Distribuições de Probabilidades é a simetria. Sempre que temos a média de uma variável igual à mediana e igual à moda, temos uma variável si- métrica, que tem como principal característica apresen- tar menor variação do que uma variável não simétrica. 5) Em geral, adotamos letras do alfabeto grego para fa- zer referência a dados populacionais ou probabilísticos. Nesta unidade, utilizaremos a letra mu (m ) para repre- sentar a média da distribuição e a letra sigma (s ) para o desvio padrão. 4. intROduÇÃO à unidAde Na unidade anterior, estudamos a aplicação e os conceitos básicos da probabilidade frequentista, que é fundamentada na contagem de eventos. Assim, suas formulações são limitadas para aqueles casos em que podemos de fato contar os elementos. Con- Claretiano - Centro Universitário 139© U6 - Distribuições de Probabilidades tudo, nas variáveis trabalhadas aqui na Estatística, essa contagem é problemática, pois em alguns casos teremos infinitos resultados e em outros a variável é fracionária impedindo a contagem. Assim, trocamos o processo de cálculo fundamentado em contagens para um processo mais amplo, com base em uma distribuição de pro- babilidades. Para a montagem das distribuições de probabilidade, é im- portante inicialmente visualizar o que é uma variável aleatória. O estudo das probabilidades é importante no contexto da Estatística por causa das variáveis utilizadas serem resultado de coletas de dados, pesquisas, investigações, gerando dados com erro e, com isso, possuírem resultados sempre sujeitos a incerte- zas, que são caracterizadas como variáveis aleatórias. Então, te- mos uma chance de obtermos resultados representativos ou não, ou seja, existe sempre uma probabilidade de o erro ser suficiente para prejudicar a análise, e devemos conhecer essa probabilidade, ou seja, calculá-la. Devemos utilizar uma medida de probabilidade. Ocorre que a variável em estudo em uma amostra não tem um comportamen- to que possibilite uma contagem adequada, conforme definido na unidade anterior. Nesse sentido, as formulações da probabilidade não podem ser aplicadas de imediato, devem ser transformadas em uma dis- tribuição de probabilidades, que podem ser adaptadas aos proble- mas em questão. 5. distRibuiÇÕes de pRObAbiLidAde Uma distribuição de frequências nada mais é do que uma forma de se caracterizar o comportamento das probabilidades considerando-se todos os possíveis resultados da variável aleató- ria. © Estatística140 O mais importante para nós é encontrarmos as propriedades regulares de uma distribuição de probabilidades, ou seja, suas par- ticularidades, focando nosso interesse maior que é associá-las aos dados amostrais. Retomemos o exemplo do lançamento das mo- edas e vamos construir diversas distribuições de probabilidades. Suponhamos o lançamento de uma moeda honesta (não viciada) n vezes. Para cada possível resultado, registramos o número de caras obtidas e calculamos a probabilidade de ocorrência. As probabili- dades, então, serão dispostas em gráficos de colunas. Para identificar de maneira clara as propriedades, vamos re- presentar graficamente, por meio de um gráfico de colunas, a ta- bela com as probabilidades para diversas situações de lançamento. Nos Gráficos 1, 2, 3, 4 e 5 a seguir, temos a situação para 5, 10, 20, 50n = e 100 lançamentos, respectivamente. Gráfico 1 Distribuição de probabilidades para 5n = lançamentos. Claretiano - Centro Universitário 141© U6 - Distribuições de Probabilidades Gráfico 2 Distribuição de probabilidades para 10n = lançamentos. Gráfico 3 Distribuição de probabilidades para 20n = lançamentos. © Estatística142 Gráfico 4 Distribuição de probabilidades para 50n = lançamentos. Gráfico 5 Distribuição de probabilidades para 100n = lançamentos. Note que todos os gráficos ficaram simétricos em torno de um ponto, que é a média do número de caras, e como trabalhamos com o espaço amostral, todos os gráficos somam 100%. Ainda, conforme aumentamos o n, as probabilidades diminuem (observe o eixo vertical) e os retângulos ficam mais próximos. Ao admitir que podemos generalizar para n →∞ , supomos que os retângulos ficarão praticamente grudados, gerando uma curva simétrica em torno da média, com frequência máxima na Claretiano - Centro Universitário 143© U6 - Distribuições de Probabilidades média e diminuindo conforme nos afastamos dela. Essa curva é chamada curva normal. 6. A CuRvA nORMAL COMO uMA distRibuiÇÃO de pRObAbiLidAdes As distribuições de probabilidades podem tomar uma diver- sidade de formas. Podemos ter distribuição perfeitamente simétri- ca ou sem nenhuma simetria, dependerá do tipo de variável a ser considerada. No entanto, dentre as formas possíveis, a que se tornou mais importante e popular foi a curva em forma de sino e simétrica co- nhecida como curva normal, por causa da presença de simetria em diversos cenários práticos. A partir de uma equação matemática, chegou-se a uma cur- va, denominada curva normal, que é um modelo teórico e é utili- zado para descrever e determinar os valores referentes às proba- bilidades. Para simplificar seu uso, representamos a curva normal graficamente e seus valores são obtidos por meio de uma tabela de referência. A curva normal é um ingrediente essencial para a tomada de decisão estatística, em que o pesquisador generaliza seus resulta- dos de amostra para populações. Para entender melhor essa curva, vamos às suas proprieda- des. propriedades da curva normal A curva normal possui a seguinte forma: © Estatística144 Note que a curva é simétrica, unimodal (apenas um pico) e que coincide com a média e com a mediana. Analisando a área sob a curva normal Por se tratar de dados probabilísticos (populacionais), repre- sentaremos a média da curva normal por m e seu desvio padrão por s. A média ( )m de uma distribuição normal situa-se exatamen- te no seu centro e o desvio padrão determina a forma como a cur- va terá seu caimento, se será mais espalhada ou se será mais con- centrada. De forma geral, temos: Dessa forma, utilizamos a distribuição normal na resolução de problemas, sempre utilizando a área sob a curva, e por isso pre- cisamos conhecê-la. E, para determinar uma parcela dessa área total, traçando segmentos da reta base até a curva, vejamos o exemplo no seguinte gráfico: Claretiano - Centro Universitário 145© U6 - Distribuições de Probabilidades O grande problema aqui passa a ser determinar o valor da área, pois é ela que representará nossas probabilidades.Como a figura não se assemelha com nenhuma daquelas que estudamos em geometria, a única forma de determinar as áreas é utilizar fer- ramentas de cálculo integral. Contudo, para facilitar a vida dos usuários, a fim de simplificar a utilização da curva normal, foi cria- da uma curva padronizada com valores tabelados. Mais adiante nessa unidade, você observará uma tabela com os valores da distribuição ou curva normal, conhecida como nor- mal padronizada. Ao longo dessa unidade aprenderemos a utilizar a curva e a tabela padronizada. 7. A CuRvA nORMAL pAdROniZAdA Para facilitar a vida dos usuários, foi desenvolvida uma ta- bela padronizada para a distribuição normal, que se encontra de- talhada no final da apostila, cujo padrão estabelece uma média 0=m e um desvio padrão 1s = . Após os conceitos aprendidos, podemos achar a porcenta- gem da área total sob a curva normal associada a qualquer interva- lo de interesse, bastando para isso padronizar nossa variável X de interesse e sua respectiva curva normal, a partir de uma fórmula conhecida como fórmula de padronização. Com essa fórmula, passamos de uma variável X, que possui uma média m qualquer e um desvio padrão s qualquer, para uma © Estatística146 variável que é conhecida como variável Z, que possui média 0=m e desvio padrão 1=s . A fórmula da padronização é a seguinte: XZ −= m s Onde: • Z é o valor da variável padronizada. • X é o valor da variável de interesse. • m é a média populacional de X. • s é o desvio padrão populacional de X. Antes de trabalharmos alguns exemplos, vamos explicar como se utiliza a Tabela da Normal Padronizada. Dê uma primeira olhada na tabela, ela está subdividida em três tabelas, para facili- tar a utilização. Note que a tabela possui duas colunas, visto que na coluna da direita estão colocados os valores da variável padro- nizada Z (com duas casas decimais) e que são obtidos mediante a fórmula anterior. Na coluna da esquerda estão colocadas as pro- babilidades (áreas) correspondentes ao intervalo que se inicia na média de Z (que vale zero) e termina em Z. Graficamente, temos: Exemplo • A probabilidade de Z variar de 0 até 1,33 é igual a 0,408241 ou 40,8241%. Claretiano - Centro Universitário 147© U6 - Distribuições de Probabilidades • A probabilidade de Z variar de 0 até 2,19 é igual a 0,485738 ou 48,5738%. • A probabilidade de Z variar de 0 até 7,66 é igual a 0,499999 ou 49,9999%. Note que a tabela não apresenta valores negativos para Z, pois como é simétrica, as áreas e probabilidades do lado positivo (a direita da média zero) são as mesmas que para o lado negativo (a esquerda da média zero). Observe, também, que, como a normal é simétrica, a proba- bilidade no intervalo entre a média e um valor negativo é exata- mente a mesma para esse valor positivo, por isso que trabalhamos apenas com os positivos. Assim temos, por exemplo, que: • A probabilidade de Z variar de −2,11 até 0 é igual a 0,482571 ou 48,2571%. • A probabilidade de Z variar de −3,03 até 0 é igual a 0,498777 ou 49,8777%. tabela 1 Tabela da Normal Padronizada para Zi de 0,00 a 1,43. Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) 0,00 0,000000 0,36 0,140576 0,72 0,264238 1,08 0,359929 0,01 0,003989 0,37 0,144309 0,73 0,267305 1,09 0,362143 0,02 0,007978 0,38 0,148027 0,74 0,270350 1,10 0,364334 0,03 0,011966 0,39 0,151732 0,75 0,273373 1,11 0,366500 0,04 0,015953 0,40 0,155422 0,76 0,276373 1,12 0,368643 0,05 0,019939 0,41 0,159097 0,77 0,279350 1,13 0,370762 0,06 0,023922 0,42 0,162757 0,78 0,282305 1,14 0,372857 0,07 0,027903 0,43 0,166402 0,79 0,285236 1,15 0,374928 0,08 0,031881 0,44 0,170031 0,80 0,288145 1,16 0,376976 0,09 0,035856 0,45 0,173645 0,81 0,291030 1,17 0,379000 0,10 0,039828 0,46 0,177242 0,82 0,293892 1,18 0,381000 0,11 0,043795 0,47 0,180822 0,83 0,296731 1,19 0,382977 © Estatística148 Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) 0,12 0,047758 0,48 0,184386 0,84 0,299546 1,20 0,384930 0,13 0,051717 0,49 0,187933 0,85 0,302337 1,21 0,386861 0,14 0,055670 0,50 0,191462 0,86 0,305105 1,22 0,388768 0,15 0,059618 0,51 0,194974 0,87 0,307850 1,23 0,390651 0,16 0,063559 0,52 0,198468 0,88 0,310570 1,24 0,392512 0,17 0,067495 0,53 0,201944 0,89 0,313267 1,25 0,394350 0,18 0,071424 0,54 0,205401 0,90 0,315940 1,26 0,396165 0,19 0,075345 0,55 0,208840 0,91 0,318589 1,27 0,397958 0,20 0,079260 0,56 0,212260 0,92 0,321214 1,28 0,399727 0,21 0,083166 0,57 0,215661 0,93 0,323814 1,29 0,401475 0,22 0,087064 0,58 0,219043 0,94 0,326391 1,30 0,403200 0,23 0,090954 0,59 0,222405 0,95 0,328944 1,31 0,404902 0,24 0,094835 0,60 0,225747 0,96 0,331472 1,32 0,406582 0,25 0,098706 0,61 0,229069 0,97 0,333977 1,33 0,408241 0,26 0,102568 0,62 0,232371 0,98 0,336457 1,34 0,409877 0,27 0,106420 0,63 0,235653 0,99 0,338913 1,35 0,411492 0,28 0,110261 0,64 0,238914 1,00 0,341345 1,36 0,413085 0,29 0,114092 0,65 0,242154 1,01 0,343752 1,37 0,414657 0,30 0,117911 0,66 0,245373 1,02 0,346136 1,38 0,416207 0,31 0,121720 0,67 0,248571 1,03 0,348495 1,39 0,417736 0,32 0,125516 0,68 0,251748 1,04 0,350830 1,40 0,419243 0,33 0,129300 0,69 0,254903 1,05 0,353141 1,41 0,420730 0,34 0,133072 0,70 0,258036 1,06 0,355428 1,42 0,422196 0,35 0,136831 0,71 0,261148 1,07 0,357690 1,43 0,423641 tabela 2 Tabela da Normal Padronizada para Z de 1,44 a 2,87. Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) 1,44 0,425066 1,80 0,464070 2,16 0,484614 2,52 0,494132 1,45 0,426471 1,81 0,464852 2,17 0,484997 2,53 0,494297 1,46 0,427855 1,82 0,465620 2,18 0,485371 2,54 0,494457 1,47 0,429219 1,83 0,466375 2,19 0,485738 2,55 0,494614 1,48 0,430563 1,84 0,467116 2,20 0,486097 2,56 0,494766 Claretiano - Centro Universitário 149© U6 - Distribuições de Probabilidades Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) 1,49 0,431888 1,85 0,467843 2,21 0,486447 2,57 0,494915 1,50 0,433193 1,86 0,468557 2,22 0,486791 2,58 0,495060 1,51 0,434478 1,87 0,469258 2,23 0,487126 2,59 0,495201 1,52 0,435745 1,88 0,469946 2,24 0,487455 2,60 0,495339 1,53 0,436992 1,89 0,470621 2,25 0,487776 2,61 0,495473 1,54 0,438220 1,90 0,471283 2,26 0,488089 2,62 0,495604 1,55 0,439429 1,91 0,471933 2,27 0,488396 2,63 0,495731 1,56 0,440620 1,92 0,472571 2,28 0,488696 2,64 0,495855 1,57 0,441792 1,93 0,473197 2,29 0,488989 2,65 0,495975 1,58 0,442947 1,94 0,473810 2,30 0,489276 2,66 0,496093 1,59 0,444083 1,95 0,474412 2,31 0,489556 2,67 0,496207 1,60 0,445201 1,96 0,475002 2,32 0,489830 2,68 0,496319 1,61 0,446301 1,97 0,475581 2,33 0,490097 2,69 0,496427 1,62 0,447384 1,98 0,476148 2,34 0,490358 2,70 0,496533 1,63 0,448449 1,99 0,476705 2,35 0,490613 2,71 0,496636 1,64 0,449497 2,00 0,477250 2,36 0,490863 2,72 0,496736 1,65 0,450529 2,01 0,477784 2,37 0,491106 2,73 0,496833 1,66 0,451543 2,02 0,478308 2,38 0,491344 2,74 0,496928 1,67 0,452540 2,03 0,478822 2,39 0,491576 2,75 0,497020 1,68 0,453521 2,04 0,479325 2,40 0,491802 2,76 0,497110 1,69 0,454486 2,05 0,479818 2,41 0,492024 2,77 0,497197 1,70 0,455435 2,06 0,480301 2,42 0,492240 2,78 0,497282 1,71 0,456367 2,07 0,480774 2,43 0,492451 2,79 0,497365 1,72 0,457284 2,08 0,481237 2,44 0,492656 2,80 0,497445 1,73 0,458185 2,09 0,481691 2,45 0,492857 2,81 0,497523 1,74 0,459070 2,10 0,482136 2,46 0,493053 2,82 0,497599 1,75 0,459941 2,11 0,482571 2,47 0,493244 2,83 0,497673 1,76 0,460796 2,12 0,482997 2,48 0,493431 2,84 0,497744 1,77 0,461636 2,13 0,483414 2,49 0,493613 2,85 0,497814 1,78 0,462462 2,14 0,483823 2,50 0,493790 2,86 0,497882 1,79 0,463273 2,15 0,484222 2,51 0,493963 2,87 0,497948 © Estatística150 tabela 3 Tabela da Normal Padronizada para Z maiores que 2,87. Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) 2,88 0,498012 3,24 0,499402 3,60 0,499841 3,96 0,499963 2,89 0,498074 3,25 0,499423 3,61 0,499847 3,97 0,499964 2,90 0,498134 3,26 0,499443 3,62 0,499853 3,98 0,4999662,91 0,498193 3,27 0,499462 3,63 0,499858 3,99 0,499967 2,92 0,498250 3,28 0,499481 3,64 0,499864 4,00 0,499968 2,93 0,498305 3,29 0,499499 3,65 0,499869 4,01 0,499970 2,94 0,498359 3,30 0,499517 3,66 0,499874 4,02 0,499971 2,95 0,498411 3,31 0,499534 3,67 0,499879 4,03 0,499972 2,96 0,498462 3,32 0,499550 3,68 0,499883 4,04 0,499973 2,97 0,498511 3,33 0,499566 3,69 0,499888 4,05 0,499974 2,98 0,498559 3,34 0,499581 3,70 0,499892 4,06 0,499975 2,99 0,498605 3,35 0,499596 3,71 0,499896 4,07 0,499976 3,00 0,498650 3,36 0,499610 3,72 0,499900 4,08 0,499977 3,01 0,498694 3,37 0,499624 3,73 0,499904 4,09 0,499978 3,02 0,498736 3,38 0,499638 3,74 0,499908 4,10 0,499979 3,03 0,498777 3,39 0,499651 3,75 0,499912 4,11 0,499980 3,04 0,498817 3,40 0,499663 3,76 0,499915 4,12 0,499981 3,05 0,498856 3,41 0,499675 3,77 0,499918 4,13 0,499982 3,06 0,498893 3,42 0,499687 3,78 0,499922 4,14 0,499983 3,07 0,498930 3,43 0,499698 3,79 0,499925 4,15 0,499983 3,08 0,498965 3,44 0,499709 3,80 0,499928 4,16 0,499984 3,09 0,498999 3,45 0,499720 3,81 0,499931 4,17 0,499985 3,10 0,499032 3,46 0,499730 3,82 0,499933 4,18 0,499985 3,11 0,499065 3,47 0,499740 3,83 0,499936 4,19 0,499986 3,12 0,499096 3,48 0,499749 3,84 0,499938 4,20 0,499987 3,13 0,499126 3,49 0,499758 3,85 0,499941 4,21 0,499987 3,14 0,499155 3,50 0,499767 3,86 0,499943 4,22 0,499988 3,15 0,499184 3,51 0,499776 3,87 0,499946 4,23 0,499988 3,16 0,499211 3,52 0,499784 3,88 0,499948 4,24 0,499989 3,17 0,499238 3,53 0,499792 3,89 0,499950 4,25 0,499989 Claretiano - Centro Universitário 151© U6 - Distribuições de Probabilidades Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) Zi P(0 < Z < Zi) 3,18 0,499264 3,54 0,499800 3,90 0,499952 4,26 0,499990 3,19 0,499289 3,55 0,499807 3,91 0,499954 4,27 0,499990 3,20 0,499313 3,56 0,499815 3,92 0,499956 4,28 0,499991 3,21 0,499336 3,57 0,499822 3,93 0,499958 4,29 0,499991 3,22 0,499359 3,58 0,499828 3,94 0,499959 4,30 0,499999 3,23 0,499381 3,59 0,499835 3,95 0,499961 ou + Vejamos alguns exemplos de como utilizar a curva normal padronizada e a tabela da normal padronizada. Exemplo 1 Suponha que estamos estudando a distribuição da renda anual (X) de caixas que trabalham no balcão de uma cadeia de lan- chonetes, em que a renda anual média é de R$ 14.000,00 e o des- vio padrão é de R$ 15.000,00 . Admitindo-se que a distribuição da renda anual seja normal, qual a probabilidade da renda anual estar entre R$ 14.000,00 e R$ 16.000,00 ? Devemos calcular a seguinte probabilidade: (14000 16000)P X< < Como a variável de interesse (que denotaremos por X) pos- sui uma média diferente de 0 e um desvio padrão diferente de 1, vamos inicialmente padronizá-la, transformá-la na variável padrão Z, da forma: Para 14000 1400014000 0 1500 X Z −= ⇒ = = Para 16000 14 00016000 1,33 1500 X Z −= ⇒ = = + Dessa forma, a questão passa a ser calcular o seguinte: (0 1,33)P Z< < . Graficamente, temos: © Estatística152 Consultando a Tabela da Normal Padronizada, temos direta- mente que a área do gráfico será igual a 0,408241 ou 40,8241%. Portanto, a probabilidade procurada é: (14000 16000) 40,8241%P x< < = Nem sempre as probabilidades procuradas serão calculadas de forma direta. Lembre-se de que a tabela só fornece a área (a probabilidade) no intervalo entre a média e um determinado valor de Z. Em situações onde o intervalo seja diferente desse, algumas regras deverão ser seguidas. Acompanhe os exemplos a seguir. Exemplo 2 As vendas mensais (X) de um determinado produto têm apresentado distribuição normal com média de 600 unidades/mês e desvio padrão 40 unidades/mês. Se a empresa decide fabricar 700 unidades naquele mesmo mês, qual é a probabilidade dela não poder atender todos os pedidos desse mês, por estar com a produção completa? A probabilidade a ser calculada é: ( 700)P X > . Inicialmen- te, vamos padronizar a variável X (número de unidades vendidas/ mês) para a variável Z da tabela, utilizando 600m = e 40s = : 700 600 100 2,5 40 40 XZ − −= = = =m s Claretiano - Centro Universitário 153© U6 - Distribuições de Probabilidades Graficamente, temos: Pela Tabela Normal Padronizada, a probabilidade entre 0 e 2,50 é 0,493790 ou 49,3790%. Assim: ( 700) 50% 49,3790% 0,6210%P X > = − = ou seja, a probabilidade de não atender todos os pedidos desse mês é de 0,621%. Note que a área de interesse em destaque no gráfico é a di- ferença entre a metade do gráfico e a área da tabela, assim, sub- traímos 50% do valor da tabela. Exemplo 3 Os balancetes semanais realizados por uma empresa mos- traram que o lucro realizado distribui-se normalmente com média igual R$ 48.000,00 e com desvio padrão igual a R$ 8.000,00 . Qual a probabilidade de que na próxima semana: a) o lucro seja menor que R$ 52.000,00 ? b) o lucro esteja entre R$ 40.000,00 e R$ 55.000,00 ? c) haja prejuízo? Dados do problema: a variável de interesse é o lucro sema- nal da empresa, que denotaremos por X, cuja média 48000=m e desvio padrão 8 000=s . © Estatística154 a) Queremos calcular ( 52000)P X < . De início, devemos padronizar a variável X para a variável Z da tabela normal padrão, por meio da fórmula da padronização: 52 000 48000 4 000 0,50 8000 8 000 XZ − −= = = =m s Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 0,50 é de 0,191462 ou 19,1462%. Assim: ( 52000) 50% 19,1462% 69,1462%P X < = + = ou seja, a probabilidade de que o lucro semanal seja menor que R$ 52.000,00 é de 69,1462%. Observe que a área de interesse em destaque no gráfico pos- sui o lado esquerdo completo, que vale metade, ou seja, 50%. En- tão somamos 50% com a área do valor Z calculado. a) Queremos calcular (40000 45000)P x< < . Padroni- zando os dois valores, temos: 40000 48000 8000 1,00 8000 8000 XZ − −= = = − = −m s Claretiano - Centro Universitário 155© U6 - Distribuições de Probabilidades 45000 48000 8000 3000 0,375 0,38 8000 XZ − −= = = = − = − = − m s Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 1,00 (veja que a probabilidade para −1,00 é a mesma que para 1,00 por causa da simetria) é de 0,341345 ou 34,1345%, e a proba- bilidade entre 0 e 0,38 é de 0,148027 ou 14,8027%. Assim: (40000 45000) 34,1345% 14,8027% 19,3318%P x< < = − = ou seja, a probabilidade de que o lucro semanal seja maior que R$ 40.000,00 e menor que R$ 45.000,00 é de 19,3318%. Observe que a área de interesse em destaque no gráfico é a diferença da área maior para a área menor, assim, subtraímos o maior valor do menor valor da tabela. a) Queremos calcular ( 0)P X < , já que para que o lucro seja interpretado como prejuízo ele deve ser negativo. Padronizando o valor, temos: 0 48000 48000 6,00 8000 8000 XZ − −= = = − = −m s © Estatística156 Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 6,00 é de 0,499999 ou 49,9999%. Assim: ( 0) 50% 49,9999% 0,0001%P X < = − = ou seja, a probabilidade de que haja prejuízo na próxima semana é de 0,00001%. Observe que a área de interesse em destaque no gráfico é a diferença entre a metade do gráfico e a área da tabela, assim, subtraímos 50% do valor da tabela. Exemplo 4 Sabe-se que a distribuição salarial entre 6 000 sujeitos que compõem a população economicamente ativa de um município é normal com média igual a R$ 1.565,30 e um desvio padrão de R$ 275,80 . Encontre a probabilidade e o número de sujeitos dessa população que possuem salário: a) entre R$ 1.300,00 e R$ 2.100,00 . b) maior que R$ 1.800,00 . Dados do problema: a variável de interesse é o salário dos sujeitos, que denotaremos por X, cuja média 1565,30=m e desvio padrão 275,80s = . Claretiano - Centro Universitário 157© U6 - Distribuições de Probabilidades c) Queremos calcular (1300 2100)P x< < . Padronizando os valores, temos: 1300 1565,30 265,30 0,96 275,80 275,80 XZ − −= == − = −m s 2100 1565,30 534,70 1,94 275,80 275,80 XZ − −= = = =m s Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 0,96 é de 0,331472 ou 33,1472%, e a probabilidade entre 0 e 1,94 é de 0,473810 ou 47,3810%. Assim: (1300 2100) 33,1472% 47,3810% 80,5282%P x< < = + = ou seja, a probabilidade de que o salário do sujeito esteja entre R$ 1.300,00 e R$ 2.100,00 é de 80,5282%. Observe que a área de interesse em destaque no gráfico é a soma de duas áreas, assim somamos os dois valores da tabela. d) Queremos calcular ( 1800)P X > . Padronizando os va- lores, temos: 1800 1565,30 234,70 0,85 275,80 275,80 XZ − −= = = − =m s © Estatística158 Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 0,85 é de 0,302337 ou 30,2337%. Assim: ( 1800) 50% 30,2337% 19,7663%P X > = − = ou seja, a probabilidade de que o salário do sujeito seja maior que R$ 1.800,00 é de 19,7663%. Exemplo 5 Em um determinado banco, pela avaliação de um longo perí- odo de dias de movimentação, constatou-se que os montantes diá- rios de depósitos eram normalmente distribuídos com média igual a R$ 12.000,00 e um desvio padrão de R$ 4.000,00 , e ainda que o montante de retiradas também segue uma distribuição normal, com média de R$ 10.000,00 e desvio padrão de R$ 5.000,00 . Calcule a probabilidade de nesse banco, no dia de amanhã: a) termos um montante de depósitos superiores a R$ 13.000,00 . b) termos um montante de retiradas inferiores a R$ 13.000,00 . Dados do problema: devemos ter um cuidado a mais para resolver esse exercício, pois são dadas duas variáveis diferentes: o montante de depósitos e o montante de retiradas. Denotaremos Claretiano - Centro Universitário 159© U6 - Distribuições de Probabilidades o montante diário de depósitos por X, cuja média 12000=m e desvio padrão 4000=ó , e, em seguida, mostraremos o montante diário de retiradas por Y, cuja média 10000=m e desvio padrão 5000=ó . c) Queremos calcular ( 13000)P X > . Padronizando os va- lores, temos: 13000 12000 1000 0,25 4000 4000 XZ − −= = = =m s Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 0,25 é de 0,098706 ou 9,8706%. Assim: ( 13000) 50% 9,8706% 40,1294%P X > = − = ou seja, a probabilidade de que o montante diário de depósitos seja maior que R$ 13.000,00 é de 40,1294%. d) Queremos calcular ( 13000)P Y < . Padronizando os va- lores, temos: 13000 10000 3000 0,60 5000 5000 YZ − −= = = =m s Graficamente, temos: © Estatística160 Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 0,60 é de 0,225747 ou 22,5747%. Assim: ( 13000) 50% 22,5747% 72,5747%P X > = + = ou seja, a probabilidade de que o montante diário de retiradas seja menor que R$ 13.000,00 é de 72,5747%. Exemplo 6 Sabe-se que um determinado produto perecível da cesta básica teve uma demanda média de 100 unidades nos últimos 15 meses, com um desvio padrão de 12 unidades. Um determinado estabelecimento comercial está adquirindo uma grande quantidade desse produto para seu estoque, acreditando que, se os preços se mantiverem estáveis, irá vender neste mês mais do que 180 unidades do produto. Qual a probabilidade de que isso realmente ocorra, ou seja, de que o estabelecimento realmente venda mais de 180 unidades? Considerando o resultado obtido, o que poderia ser recomendado ao comerciante? Dados do problema: a variável em questão é a demanda por certo produto da cesta básica, que denotaremos por X, cuja média 100=m e desvio padrão 12=ó . Claretiano - Centro Universitário 161© U6 - Distribuições de Probabilidades Inicialmente, queremos calcular ( 180)P X > . Padronizando os valores, temos: 180 100 80 6,67 12 12 XZ m s − − = = = = Graficamente, temos: Pela Tabela da Normal Padronizada, a probabilidade entre 0 e 6,67 é de 0,499999 ou 49,9999%. Assim: ( 180) 50% 49,9999% 0,0001%P X > = − = ou seja, a probabilidade de que o estabelecimento de fato comercialize mais que 180 unidades do produto é de 0,0001%. Como o produto é perecível, não é recomendável que o estabelecimento adquira uma quantidade muito grande, pois a probabilidade de comercializá-lo é baixa. Assim, recomenda-se que seja comprado em menor quantidade. Mas, pergunta-se: Quanto comprar? Por exemplo, quantas unidades o estabelecimento deveria comprar a fim de que a probabilidade de comercialização seja de 85%, ou seja, qual o valor de K para a probabilidade ( ) 75%P X K> = ? Esse tipo de problema também pode ser resolvido com a normal padronizada, invertendo o processo de resolução. Vamos © Estatística162 representar a situação pedida no gráfico, ou seja, vamos marcar no eixo horizontal um ponto K de forma que a área abaixo de K seja igual a 85%: Note que acima do ponto K, temos uma das metades do gráfico (50%) mais uma fatia que deverá corresponder a 35% (50% 35% 85%+ = pedidos). Assim, K deve ser um valor da tabela que forneça uma área de 35%. Consultando a tabela, na coluna das probabilidades (a coluna da direita), vamos procurar pelo valor mais próximo de 35% ou 0,35. Ao procurar, encontramos como mais próximo o valor 0,350830, que corresponde a um valor de 1,0Z = . Como o ponto está do lado esquerdo do gráfico (à esquerda da média zero), 1,04Z = . Substituindo o valor de Z na fórmula da padronização, podemos achar o valor de K procurado, da forma: 1001,04 12 12,48 100 100 12,48 87,52 X KZ K K m s − − = ⇒ − = ⇒ ⇒ − = − ⇒ ⇒ = − = Claretiano - Centro Universitário 163© U6 - Distribuições de Probabilidades Portanto, para ter uma probabilidade de comercialização em torno de 85%, o estabelecimento deveria adquirir uma quantidade próxima de 87 unidades. 8. questÕes AutOAvALiAtivAs Confira, a seguir, as questões propostas para verificar seu de- sempenho no estudo desta unidade: 1) Uma empresa metal-mecânica produz um tipo especial de motor. A quanti- dade em estoque desse motor segue uma distribuição normal com média de 200 unidades e desvio padrão de 18. Qual é a probabilidade, em um dado momento, de o estoque da empresa apresentar mais de 220 unidades? 2) Em uma indústria cerâmica, os pisos da categoria PEI4 são produzidos de forma a possuírem uma largura média igual a 30 cm, com um desvio pa- drão igual a 1 cm. Uma determinada peça não é aprovada no controle de qualidade se sua largura for inferior a 28 cm ou superior a 32 cm. Então, qual a probabilidade de um determinado piso ser rejeitado no controle de qualidade? 3) Pelos balanços realizados nos últimos anos, sabe-se que em uma grande rede de supermercados o consumo médio (em unidades monetárias) é igual a R$ 80,00 com um desvio padrão igual a R$ 50,00. Considerando um dia qualquer de funcionamento dessa rede, qual a probabilidade de que o consumo esteja entre R$ 100,00 e R$ 150,00? 4) O Departamento de Marketing de uma empresa, a fim de motivar seus fun- cionários, decidiu premiar 5% dos seus vendedores mais eficientes. Sabe- -se que as vendas individuais dos funcionários dessa empresa se distribuem normalmente, com uma média de 240 unidades e um desvio padrão de 30 unidades. Então, quantas unidades devem ser vendidas, no mínimo, para que um funcionário seja premiado? 5) Em um determinado processo de controle de qualidade, foi utilizada uma amostra de lotes suficientemente grande, e o número de defeitos por lote apresentou uma distribuição normal com média igual a 6 defeitos com um desvio padrão igual a 2 defeitos. Sob essas condições, se for admitido um máximo de 2% de lotes de reprovados, por possuírem uma quantidade de defeitos acima do permitido, qual a quantidade mínima de defeitos que um determinado lote deve possuir para ser reprovado? © Estatística164 Gabarito Depois de responder às questões autoavaliativas, é impor-tante que você confira seu desempenho, a fim de que possa saber se é preciso retomar o estudo desta unidade. 1) 13,35%. 2) 4,55%. 3) 26,3821%. 4) Devem ser vendidas, no mínimo, 290 unidades. 5) Devem possuir, no mínimo, 11 defeitos. 9. COnsideRAÇÕes Nesta unidade, vimos que a curva normal é um importante instrumento para reconhecer situações e auxiliar na tomada de decisões em exercícios que envolvam o cálculo das probabilidades. Os conceitos colocados nessa unidade servirão de base para apli- cação nos testes de estimação e de hipóteses que serão enfocados nas unidades seguintes. Ainda, para possibilitar uma ampliação da aplicação da cur- va normal em Estatística, deveremos estender a discussão para os componentes amostrais, ou seja, as médias e as proporções obti- das nas amostras. Quando relacionamos as distribuições de pro- babilidades com as amostras, estamos construindo as chamadas distribuições amostrais, que serão estudadas na unidade seguinte. 10. RefeRênCiAs bibLiOGRáfiCAs COSTA NETO, P. L. O. Estatística. 2. ed. São Paulo: Edgard Blϋcher, 2002. FONSECA, J. S. Curso de Estatística. 6. ed. São Paulo: Atlas, 1996. KAZMIER, L.; CRUSIUS, C. A. Estatística aplicada à Economia e Administração. São Paulo: Makron Books, 1982. Claretiano - Centro Universitário 165© U6 - Distribuições de Probabilidades LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D. Estatística: teoria e aplicações. Rio de Janeiro: LTC, 2000. MARTINS, G. A. Estatística geral e aplicada. 2. ed. São Paulo: Atlas, 2002. ______. Princípios de Estatística. 4. ed. São Paulo: Atlas, 1990. MEYER, P. L.; LOURENÇO FILHO, R. C. B. Probabilidade: aplicação à Estatística. Rio de Janeiro: LTC, 1975. MORETTIN, L. G. Estatística básica: probabilidade e inferência. São Paulo: Pearson, 2010. OLIVEIRA, F. E. M. Estatística e probabilidade. 2. ed. São Paulo: Atlas, 1999. STEVENSON, W. J.; FARIAS, A. A. Estatística aplicada à Administração. São Paulo: Harper & How do Brasil, 1986. TRIOLA, M. F. Introdução à Estatística. 7. ed. Rio de Janeiro: LTC, 1999.
Compartilhar