Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 1 Material de apoio – Controle Estatístico da Qualidade Parte II Profa. Karla Faccio 4. COMBINATÓRIA 4.1 Fatorial n! = n.(n - 1).(n - 2) ... 3.2.1 e tem-se também que 0! = 1 A relação n! = n.(n -1)! poderá ser útil em algumas situações. Exemplo: Um professor comprou 5 novos livros e quer colocá-los lado a lado em uma estante. Quantas maneiras diferentes existem de colocar os 5 livros? Solução: Para o primeiro espaço, existem 5 escolhas possíveis, uma para cada livro. Uma vez colocado o primeiro livro, restam 4 escolhas para o segundo espaço e assim por diante. Então o número de escolhas diferentes é: 5! = 5.4.3.2.1 = 120. 4.2 Permutações (Arranjos) Uma permutação consiste do número de possíveis maneiras de arranjar certos conjuntos de objetos. O número de permutações de n objetos distintos tomados em grupos de r, onde r é menor que n é representado por P(n, r), e P(n, r) = n.(n - 1).(n - 2) ... (n - r + 1). Ou o número de permutações pode ser expresso em função do fatorial da seguinte forma: )!( !),( rn nrnP Exemplo: Calcular cada permutação: P(4, 2) = 4.3 = 12 P(7, 3) = 7.6.5 = 210 P(5, 5) = 5.4.3.2.1 = 120 = 5! 4.3 Combinações Existem certos arranjos onde a ordem entre os elementos não é importante, por exemplo, para calcular a probabilidade de acertar a sena, a quina, etc. não é necessário saber a ordem em que os números foram sorteados, mas apenas a combinação de números. Permutações (arranjos) onde a ordem não interessa são denominadas de combinações. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 2 O número de combinações de n objetos tomados em grupos de r, onde r n é dado por: )!!.( ! ! ),(),( rnr n r rnPrnC Exemplo: Uma forma comum de pôquer consiste em conjuntos de cinco cartas cada, retiradas de um baralho padrão de 52 cartas. Quantos conjuntos diferentes são possíveis? Solução: Neste caso a ordem não é importante, pois um dado conjunto de cartas depende apenas das cartas que ele contém e não da ordem específica que ele foi dado. Neste caso, aplica-se o conceito de combinação: Assim 960.598.2 )!552!.(5 !52)5,52( C Exercício: Considere o jogo da Megasena, onde o jogador possui uma cartela com 60 números e pode escolher 6 números. Calcule o número de combinações possíveis. 5. DISTRIBUIÇÕES / MODELOS DE PROBABILIDADE A distribuição de probabilidade de uma variável aleatória X é uma descrição das probabilidades associadas com os valores possíveis de X. Em alguns casos, é conveniente expressar a probabilidade através de uma fórmula matemática, chamada de Modelo de Probabilidade. Há dois tipos de distribuição de probabilidades: 1. Distribuições Discretas: Uma variável aleatória é considerada discreta se puder assumir um número finito de valores, ou ainda, se assumir uma seqüência infinita tal como 0, 1, 2, etc. 2. Distribuições Contínuas: Quando a variável que está sendo medida é expressa em uma escala contínua, como por exemplo, o peso de peças produzidas, diâmetro, etc. No caso de distribuições discretas, a probabilidade que a variável X assuma um valor específico x é dada por: P(X = x) = f(x). Deste modo, a distribuição de probabilidades é definida por uma função de probabilidade. No caso de variáveis contínuas, as probabilidades são especificadas em termos de intervalos: b a dxxfbxaP )()( . Deste modo, a distribuição de probabilidades é definida por uma função de probabilidade. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 3 Condições Necessárias: Como os valores das distribuições de probabilidade são probabilidades (cada possível valor da variável aleatória tem uma probabilidade associada), as seguintes condições se aplicam a qualquer distribuição de probabilidades: 1)( xf , se X for uma variável aleatória discreta 0 ≤ P(x) ≤1 para todo x. 1)( dxxf , se X for uma variável aleatória contínua 0 ≤ P(x) ≤1 para todo x. Valor esperado, esperança matemática, média ou valor esperado de uma variável aleatória X O valor esperado de uma variável aleatória X usa o modelo de probabilidade para ponderar os valores possíveis de X. A média ou o valor esperado de X, denotado por ou E(X) é expressa da seguinte forma: n 1i )(. )( xfxXE se X for variável aleatória discreta ou dxxfxXE )(.)( se X for variável aleatória contínua Variância e desvio padrão de uma variável aleatória X A variância de uma variável aleatória X é dada por: Var(X) = E(X2) – [E(X)]2 , onde: n 1i 22 )(. )( xfxXE se X for variável aleatória discreta ou dxxfxXE )(.2 2)( se X for variável aleatória contínua E o desvio padrão é )(XVar UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 4 5.1 Distribuições / Modelos de Probabilidade para Variáveis Aleatórias Discretas Existem algumas distribuições de probabilidade para variáveis discretas que pela sua freqüência de uso vale a pena estudar mais detalhadamente. Estas distribuições apresentam expressões para o cálculo das probabilidades, isto é, as probabilidades f(x) podem ser avaliadas através de um modelo matemático conhecido. Distribuições deste tipo são: Binomial, Poisson, Bernoulli, Binomial Negativa, Hipergeométrica, Multinomial, Pascal, Geométrica, etc. Estudaremos a distribuição Binomial, a Hipergeométrica e a Poisson. 5.1.1 Distribuição / Modelo Binomial Seja um processo composto de uma seqüência de observações independentes, onde o resultado de cada observação pode ser um sucesso ou uma falha. A distribuição Binomial é usada com freqüência no controle de qualidade. Em aplicações de controle da qualidade, x em geral representa o número de defeituosos observados em uma amostra de n itens. É o modelo apropriado quando a amostragem é feita sobre uma população infinita ou muito grande. A distribuição Binomial é útil para avaliar experimentos em que somente dois resultados são possíveis: sucesso ou fracasso. As características desta distribuição são: 1º) O experimento pode ser repetido “n” vezes em condições essencialmente inalteradas; 2º) As probabilidades “p” (sucesso) e “1-p” (fracasso) permanecem constantes em todas as repetições. Definição: Seja E um experimento aleatório e S um espaço amostral associado. Seja A S um evento de S. Seja n o número de vezes que o experimento E é repetido e seja “p” a probabilidade de A ocorrer em cada uma das n repetições de E, de modo que, “p“ permaneça constante durante as n repetições de E. Como existem apenas duas situações: A ocorre ou A não ocorre, pode-se determinar a probabilidade de A não ocorrer como sendo q = 1 - p. A probabilidade “p” é denominada de probabilidade de sucesso e a probabilidade “q” de probabilidade de fracasso. A equação matemática para a distribuição Binomial para se obterem x sucessos com probabilidade p é: xnppCxXP xnx 1..)( , onde: )!!.( ! xnx nC nx Onde: nxC representa o número de combinações de n objetos tomados x de cada vez; P(X = x): probabilidade de x sucessosuma vez que n e p são conhecidos; n: tamanho da amostra; p: probabilidade de sucesso q = (1-p): probabilidade de falha; x: número de sucessos na amostra (x = 0, 1, 2, ... , n), ou seja, o valor que se deseja determinar. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 5 Para simplificar a notação de uma variável aleatória discreta X com distribuição Binomial de parâmetros “n” e “p”, representa-se X ~ B(n ; p). OBS. A Média ou Esperança matemática de uma variável aleatória com distribuição binomial é μ = E(X) = n.p e a Variância é dada por Var (X) = n.p.(1-p) onde p é proporção/probabilidade de sucessos na amostra. Exemplo 1. Considere X como sendo a variável aleatória discreta igual ao “número de vezes que ocorre face cara em 5 lançamentos de uma moeda equilibrada”, determine a probabilidade de ocorrer: a) Duas caras. b) Quatro caras. c) No máximo duas caras. Solução: Neste caso, tem-se: n = 5 (número de lançamentos) X : número de caras nos 5 lançamentos X(S) = {0, 1, 2, 3, 4, 5} p = P(Cara em 1 lançamento ) = 0,50, pois a moeda é equilibrada. Logo q = 1 - p = 0,50 X ~ B(5 ; 0,5) Então: P(X = x) = f(x) = 5xC .0,5x.0,55-x, para x = 0,1,2,3,4,5. a) P(X = 2) = f(x) = 52C .0,52.0,55-2 = 10.0,25.0,125 = 0,3125 Logo, a probabilidade de ocorrer 2 caras é 0,3125, ou seja, tem 31,25% de chance disto ocorrer. b) P(X = 4) = f(x) = 54C .0,54.0,55-4 = 5.0,0625.0,5 = 0,1562 Logo, a probabilidade de ocorrer 4 caras é 0,1562, ou seja, tem 15,62% de chance disto ocorrer. c) P(X 2) = 50C .0,50.0,55-0 + 5 1C .0,51.0,55-1 + 5 2C .0,52.0,55-2 = 0,55 + 5.0,55 + 10.0,55 = 0,50 Logo, a probabilidade de ocorrer no máximo duas caras é 0,50, ou seja, tem 50% de chance disto ocorrer. Ou realizando as contas no Excel: a) =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(2;5;0,5;FALSO) b) =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(4;5;0,5;FALSO) b) =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(0;5;0,5;FALSO) + DISTR.BINOM(1;5;0,5;FALSO) + DISTR.BINOM(2;5;0,5;FALSO) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 6 Exemplo 2. Um processo industrial opera com média de 1% de defeituosos. Baseado em amostras de 100 unidades, calcule as probabilidades de uma amostra apresentar 0 , 1 , 2 , 3 e 4 defeituosos. Solução: Como a variável aleatória pode apresentar apenas duas possibilidades, ser boa ou defeituosa, a distribuição que melhor se ajusta é a distribuição binomial, com parâmetros p = 0,01 e n = 100, e como q = (1 – p) = (1-0,01) X ~ B(100 ; 0,01) Então, a probabilidade de uma amostra de tamanho n = 100 apresentar 0 defeituosos é: P(X = 0) = f(x) = 1000C .0,010.(1 - 0,01)100-0 = 0,366 Logo, a probabilidade de ocorrer 0 defeituosos é 0,366, ou seja, tem 36,6% de chance disto ocorrer. Ou realizando a conta no Excel: =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(0;100;0,01;FALSO) 1 defeituoso é: P(X = 1) = f(x) = 1001C .0,011.(1 - 0,01)100-1 = 0,370 Logo, a probabilidade de ocorrer 1 defeituoso é 0,370, ou seja, tem 37,0% de chance disto ocorrer. Ou realizando a conta no Excel: =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(1;100;0,01;FALSO) 2 defeituosos é: P(X = 2) = f(x) = 1002C .0,012.(1 - 0,01)100-2 = 0,185 Logo, a probabilidade de ocorrer 2 defeituosos é 0,185, ou seja, tem 18,5% de chance disto ocorrer. Ou realizando a conta no Excel: =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(2;100;0,01;FALSO) 3 defeituosos é: P(X =3) = f(x) = 1003C .0,013.(1 - 0,01)100-3 = 0,061 Logo, a probabilidade de ocorrer 3 defeituosos é 0,061, ou seja, tem 6,1% de chance disto ocorrer. Ou realizando a conta no Excel: =DISTR.BINOM(x;n;p;FALSO) ou seja: UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 7 =DISTR.BINOM(3;100;0,01;FALSO) 4 defeituosos é: P(X =4) = f(x) = 1004C .0,014.(1 - 0,01)100-4 = 0,015 Logo, a probabilidade de ocorrer 4 defeituosos é 0,015, ou seja, tem 1,5% de chance disto ocorrer. Ou realizando a conta no Excel: =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(4;100;0,01;FALSO) Exemplo 3: As entregas realizadas para uma empresa têm ocorrido dentro do prazo em 86% dos pedidos. Se são prometidas 20 entregas deste tipo, qual a probabilidade de que exatamente 15 ocorram no prazo indicado? E qual deve ser a quantidade de entregas no prazo mais provável de ocorrer? Solução: X ~ B(20 ; 0,86) Como p = 0,86 e n = 20, a probabilidade de obter x entregas no prazo é calculada usando, xnppCxXP xnx 1)( , neste exemplo, o solicitado é para x=15: 152086,0186,0)15( 152015 CXP = 0,0868 Logo, a probabilidade de ocorrer 15 entregas no prazo é 0,0868, ou seja, tem 8,68% de chance disto ocorrer. Ou realizando a conta no Excel: =DISTR.BINOM(x;n;p;FALSO) ou seja: =DISTR.BINOM(15;20;0,86;FALSO) E a quantidade de entregas no prazo mais provável de ocorrer será dada pelo cálculo da média (esperança matemática) da distribuição Binomial é μ = E(X) = np = 20 . 0,86 = 17,2 entregas, assim, espera-se que de 20 entregas, 17 ocorram no prazo. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 8 Exercício: Um processo opera segundo uma chance de falha de 2%. Coletando amostras de 25 unidades, qual a probabilidade de uma amostra selecionada apresentar: a) Exatamente 2 defeituosos. b) Pelo menos (no mínimo) 2 defeituosos. b) 2 defeituosos ou menos. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 9 5.1.2 Distribuição / Modelo Hipergeométrico Um experimento hipergeométrico é um experimento com as seguintes propriedades: - Uma amostra de tamanho n é selecionada aleatoriamente sem reposição de uma população de N itens. - Na população, r itens podem ser classificados como sucessos e N – r itens como fracassos. Considere o seguinte experimento estatístico: Você possui uma urna com 10 bolinhas de gude, das quais 5 são vermelhas e 5 são verdes. Você selecciona aleatoriamente 2 bolinhas de gude sem reposição e conta o número de bolinhas vermelhas que você selecionou. => Este seria um experimento Hipergeométrico. Note que não será um experimento Binomial, uma vez que o experimento Binomial exige que a probabilidade de sucesso seja constante em cada tentativa. Com o experimento acima, a probabilidade de um sucesso muda em cada tentativa. No início, a probabilidade de selecionar uma bolinha vermelha é 5/10. Se você selecionar uma bolinha vermelha na primeira tentativa, a probabilidade de selecionar uma bolinha vermelha na segunda tentativa é 4/9. E se você selecionar uma bolinha verde na primeira tentativa, a probabilidade de selecionar uma bolinha vermelha na segunda tentativa é 5/9. Note ainda que se você selecionou as bolinhas com reposição, a probabilidade de sucesso não mudaria, isto é, seria 5/10 em cada tentativa. Então, este seriaum experimento Binomial. Desta forma, considere um conjunto de N elementos, r dos quais tem uma determinada característica (r N) e N – r não tenham esta característica. Extrai-se n elementos (n N) sem reposição. Seja X a variável aleatória igual ao número de elementos que possuem a característica entre os n retirados. X é denominada de variável aleatória Hipergeométrica. As probabilidades de uma variável aleatória hipergeométrica podem ser avaliadas por: N n rN xn r x C CCxXP . )( , com x = 0,1,2,··· ,min(n,r) Uma vez que X = x, se e somente se, forem retirados x elementos dentre os r que possuem a característica e forem retirados n – x dentre os N – r que não possuem a característica. Para simplificar a notação de uma variável aleatória discreta X com distribuição Hipergeométrica de parâmetros “r”, “n” e “N”, representa-se X ~ (r ; n; N). UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 10 OBS: A Média ou Esperança matemática de uma variável aleatória com distribuição hipergeométrica é μ = E(X) = N nr. e a Variância é dada por Var (X) = )1( )(.)(.. N nN N rN N rn . OB: Se as extrações fossem feitas com reposição, iríamos ter uma distribuição Binomial, ou seja, para N suficientemente grande a distribuição Hipergeométrica pode ser aproximada pela distribuição Binomial. Exemplo 1: Uma caixa contém 12 lâmpadas das quais 5 estão queimadas. São escolhidas 6 lâmpadas ao acaso. Qual a probabilidade de que: a) Exatamente duas estejam queimadas? Solução: Tem-se N = 12, r = 5 e n = 6, ou seja, X ~ (5 ; 6; 12), então: 3788,0 . )2( 12 6 512 26 5 2 C CCXP = 37,88% Ou realizando a conta no Excel: =DIST.HIPERGEOM.N(x;n;r;N;FALSO) ou seja: =DIST.HIPERGEOM.N(2;5;6;12;FALSO) b) Pelo menos duas estejam queimadas? Solução: %88,878788,0..1)1()0(1)2(1)2( 12 6 512 16 5 1 12 6 512 06 5 0 C CC C CCXPXPXPXP Ou realizando a conta no Excel: =1 – (DIST.HIPERGEOM.N(0;5;6;12;FALSO) + DIST.HIPERGEOM.N(1;5;6;12;FALSO)) c) O número esperado de lâmpadas queimadas? Solução: E(X) = 50,2 12 6.5. N nr d) A variância do número de lâmpadas queimadas? Solução: s2= var (X) = 13,0 12.12.12 6.7.5 )1( )(.)(.. N nN N rN N rn UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 11 Exemplo 2: Suponha que sejam selecionadas aleatoriamente 5 cartas de baralho, sem reposição, de um maço baralho que possui 52 cartas. Qual é a probabilidade de obter exatamente 2 cartas de baralho vermelhas (isto é, copas ou ouros)? Solução: Tem-se N = 52, r = 26 cartas vermelhas, n = 5 cartas selecionadas aleatoriamente e x = 2, Logo X ~ (26 ; 5; 52), então: %51,3232513,0 2598960 2600.325..)2( 52 5 26 3 26 2 52 5 2652 25 26 2 C CC C CCXP Assim, a probabilidade de selecionar aleatoriamente 2 cartas vermelhas é 32,51%. Ou realizando a conta no Excel: =DIST.HIPERGEOM.N(x;n;r;N;FALSO) ou seja: =DIST.HIPERGEOM.N(2;5;26;52;FALSO) Exercício 1: De uma urna com 8 bolas vermelhas, 6 pretas e 6 brancas são extraídas 10 bolas. Calcule qual a probabilidade de que sejam extraídas exatamente 4 bolas brancas considerando os casos: a) Sem reposição. b) Com reposição. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 12 Exercício 2: Suponha que sejam selecionadas aleatoriamente 5 cartas de um maço de baralho que possui 52 cartas. Qual é a probabilidade de obter 2 cartas de copas ou menos considerando os seguintes casos: a) Sem reposição. b) Com reposição. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 13 5.1.3 Distribuição / Modelo Poisson Depois da Binomial, a distribuição de Poisson é a distribuição de probabilidade discreta mais utilizada, pois pode ser aplicada a muitos casos práticos nos quais interessa o número de vezes que um determinado evento pode ocorrer durante um intervalo de tempo ou num determinado ambiente físico, por exemplo: O número de acidentes de carros por dia numa grande cidade. O número de chamadas telefônicas por hora recebidas na central telefônica durante o período normal de operação de uma empresa. O número de defeitos de soldagem em seis metros de tubo. O número de garrafas mal fechadas por trinta minutos na máquina de enchimento de cerveja. A variável aleatória envolvida é discreta (número de ocorrências), no entanto, a unidade de medida é contínua (tempo, área). Exemplos de variáveis que podem pertencer a uma distribuição de Poisson: - Número de carros que passam pelo pedágio em 1 hora. - Número de clientes atendidos por um caixa em 1 dia. - Número de mortes por afogamento das 5:00 às 17:00hs. - Número de partículas emitidas por um corpo radioativo num certo período de tempo. Ou seja, numa distribuição de Poisson sempre temos que definir o intervalo / período da variável. A aplicação típica da distribuição de Poisson no controle da qualidade é como um modelo para o número de defeitos (não-conformidades) que ocorre por unidade de produto (por m2, por volume ou por tempo). Diz-se que existe um processo de Poisson se pudermos observar eventos discretos numa área de oportunidade (um intervalo contínuo, por exemplo, de tempo, de comprimento, de área, etc) de maneira tal que, reduzindo suficientemente essa área de oportunidade que pode ser um intervalo de tempo, espaço, ou área na qual mais de uma ocorrência de um evento pode ocorrer: 1. A probabilidade de se observar apenas um sucesso no intervalo é estável; 2. A probabilidade de se observar mais de um sucesso no intervalo é zero; 3. A ocorrência de um sucesso em qualquer intervalo é estatisticamente independente da ocorrência em qualquer outro intervalo. A distribuição de Poisson possui apenas um parâmetro, o (lambda) que é taxa média de ocorrência por unidade de medida ou o número esperado de sucessos por unidade. A UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 14 variância desta distribuição é Var(X) = . O número de sucessos por área de oportunidade da variável aleatória X de Poisson varia de 0 a ∞. A equação matemática para a distribuição de Poisson para se obterem x sucessos, uma vez que sucessos são esperados é: ! .)( x exXP x , onde x = 0, 1, 2, ... Onde, P(x) = probabilidade de x sucessos, dado o conhecimento de = taxa / número esperado de sucessos. e = constante matemática (aproximadamente 2,71828). x = número de sucessos por unidade / número de eventos que ocorrem em um intervalo sobre o qual se espera uma média de ocorrências. A média e o desvio padrão da distribuição de Poisson são: e . Para simplificar a notação de uma variável aleatória discreta X com distribuição Poisson, com média , utiliza-se: X ~ P () Exemplo1: Em um certo tipo defabricação de fita magnética, ocorrem defeitos a uma taxa de 1 a cada 2000 metros. Qual a probabilidade de que um rolo com 2000 metros de fita magnética: a) Não tenha defeitos? b) Tenha no máximo dois defeitos? c) Tenha pelo menos dois defeitos? Solução: Neste caso, tem-se: taxa de defeitos / número esperado de defeitos a cada 2000 metros. X: número de defeitos a cada 2000 metros. S = {0, 1, 2, 3, ...} X ~ P(1) ! )( x exXP x , para x = 0,1,2,3,... a) P(X=0) = 1 01 !0 1 ee = 0,3679 Ou realizando a conta no Excel: =DIST.POISSON(x;média;FALSO) ou seja: =DIST.POISSON(0;1;FALSO) b) P(X 2) = [ P(X=0) + P(X=1) + P(X=2) ] = !2 1 !1 1 !0 1 211101 eee = 0,9197 Ou realizando a conta no Excel: =DIST.POISSON(0;1;FALSO) + DIST.POISSON(1;1;FALSO) + DIST.POISSON(2;1;FALSO) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 15 c) P(X2) = 1- P(X 1) =1 – [P(X=0) + P(X=1)] = 1- !1 1 !0 1 1101 ee = 1 – 2e-1 = 0,2642 Ou realizando a conta no Excel: =1 – ((DIST.POISSON(0;1;FALSO) + DIST.POISSON(1;1;FALSO)) Exemplo 2: Num livro de 800 páginas há 800 erros de impressão. a) Qual a probabilidade que uma página contenha pelo menos 3 erros? Variável estudada (X): número de erros por página. S = {0,1,2,3,4,...} X ~ P(1) Logo, = 1 (taxa / número de erros esperado por página) P(X 3) = !x e x = 1 – [ P(X 2) ] = 1 – [ P(X=0) + P(X=1) + P(X=2) ] = = 1 – !2 1 !1 1 !0 1 211101 eee = 1 – e-1 [ 1+1+1/2] = 0,0803 Ou realizando a conta no Excel: =1 – ((DIST.POISSON(0;1;FALSO) + DIST.POISSON(1;1;FALSO + DIST.POISSON(2;1;FALSO)) b) Qual a probabilidade que em 3 páginas haja pelo menos 2 erros? Y: número de erros em 3 páginas. S = {0,1,2,...} X ~ P(3) Logo, = 3 (taxa / número esperado de erros em 3 páginas) P(Y 2) = 1 – [ P(Y1) ] = 1 – [ P(Y=0) + P(Y=1) ] = 1 - !1 3 !0 3 1303 ee = 0,8008 Ou realizando a conta no Excel: =1 – ((DIST.POISSON(0;3;FALSO) + DIST.POISSON(1;3;FALSO)) Exemplo 3: Suponha que o número de óbitos semanais na emergência de um hospital siga uma distribuição de Poisson com = 3. Então, a probabilidade que uma semana apresente: X ~ P(3) a) Exatamente três 4 óbitos. ! )( x exXP x onde x = 4 e = 3, então: 1680,0 24 81.0497870,0 !4 3)4( 43 eP Ou realizando a conta no Excel: =DIST.POISSON(4;3;FALSO) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 16 b) Mais de três óbitos será. Ou realizando a conta no Excel: =1 – ((DIST.POISSON(0;3;FALSO) + DIST.POISSON(1;3;FALSO + DIST.POISSON(2;3;FALSO+DIST.POISSON(3;3;FALSO)) Exercício 1: O pessoal da inspeção da qualidade de uma empresa afirma que os rolos de fita isolante apresentam, em média, uma emenda a cada 50 metros. Calcule a probabilidade de ocorrer: a) Nenhuma emenda em um rolo de 140 metros. b) Pelo menos duas emendas em um rolo de 120 metros. c) Exatamente quatro emendas em um rolo de 100 metros. 3528,06472,01]224042,0224042,0149361,0049787,0[1 !3 3 !2 3 !1 3 !0 3[131 33231303 eeeeXP UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 17 Exercício 2: Os e-mails de clientes de uma grande rede de compras via internet chegam a uma central de relacionamento a uma taxa de 6,5 e-mails por hora. Determine a probabilidade de que, durante uma hora: a) Não chegue nenhum e-mail. (R: 0,00150344) b) Cheguem 5 e-mails. (R: 0,1453689) c) Chegue mais de 2 e-mails. (R: 0,956964) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 18 5.2 Distribuições / Modelos de Probabilidade para Variáveis Aleatórias Contínuas A distribuição de probabilidade contínua mais importante e mais utilizada na prática é a Distribuição Normal. Outros modelos importantes de distribuições contínuas são: Uniforme, Exponencial, Gama, Weibull, Qui-Quadrado, t de Student, F de Snedecor, etc. 5.2.1 Distribuição / Modelo Exponencial Na distribuição de Poisson, a variável aleatória é definida como o número de ocorrências em determinado período, sendo a média das ocorrências no período definida como . Na Distribuição Exponencial, a variável aleatória é definida como o tempo entre duas ocorrências, sendo o tempo médio entre ocorrências igual a 1/. Por exemplo, se a média de atendimentos em um caixa bancário é de = 6 atendimentos por minuto, então o tempo médio entre atendimentos é 1/ = 1/6 de minuto ou 10 segundos. Se os questionamentos de probabilidade se referirem ao tempo entre as ocorrências, utilizamos o modelo exponencial. As distribuições exponenciais envolvem probabilidades ao longo do tempo ou da distância entre ocorrências num intervalo contínuo. Podem ser usadas para os tempos entre falhas de equipamentos elétricos, os tempos de entregas aos clientes de uma loja, para os tempos entre chamadas telefônicas etc. Pode-se usar também esta distribuição para calcular probabilidades de falhas (no campo da confiabilidade), ou seja, o intervalo de tempo decorrido entre o instante em que uma peça é sujeita a um esforço mecânico e o instante em que ocorre uma falha (a quebra da peça, por exemplo). O parâmetro representa a taxa de falha para o componente em uma unidade de tempo, e 1/ é o tempo médio até a falha. Se considerarmos a distribuição de Poisson como o modelo para o número de ocorrências de um evento no intervalo de [0, t] teremos: ! )()( x texXP xt e nesse caso pode ser demonstrado que a distribuição dos intervalos entre ocorrências irá seguir o modelo Exponencial com parâmetro . O modelo da distribuição Exponencial (ou seja, a função densidade de probabilidade da distribuição Exponencial) é dada por: tetf .)( , para t 0 0, caso contrário Para simplificar a notação de uma variável aleatória contínua T com distribuição Exponencial, com média 1/, utiliza-se: T ~ E( UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 19 A média e o desvio-padrão da distribuição Exponencial são calculados usando: 1 e 1 . A função densidade de probabilidade acumulada da distribuição Exponencial (a qual é utilizada para o cálculo das probabilidades) é dada por: 0 1}{)( a 0 tedteaTPaF a t Logo, aeaTP 1)( ou aeaTP )( Exemplo 1: Suponha que uma máquina falhe em média uma vez a cada dois anos. Calcule a probabilidade da máquina falhar durante o próximo ano. Solução: Com a máquina falha em média 1 vez a cada 2 anos – a taxa anual é de =1/2=0,5 por ano. Assim, T ~ E(0,5) 0,39350,6065-11)1()( 0,5.1 eTPaF Ou realizando a conta no Excel: =DISTR.EXPON(a;;VERDADEIRO) ou seja: =DISTR.EXPON(1;0,5;VERDADEIRO) UNIVERSIDADEDO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 20 Exemplo 2: Certo tipo de condensador tem tempo de vida distribuído exponencialmente com média de 250 horas. Determine a probabilidade de estes condensadores durarem menos que 320 horas. Solução: Sabe-se que o tempo de vida possui média de 250 horas, logo 250 = 1 , assim = 0,004 Assim, T ~ E(0,004) 0,7220,278-11)320()( 0,004.320 eTPaF Ou realizando a conta no Excel: =DISTR.EXPON(a;;VERDADEIRO) ou seja: =DISTR.EXPON(320;0,004;VERDADEIRO) Exemplo 3: O tempo de vida de certas lâmpadas fluorescentes tem distribuição exponencial com média de 1500 h. Qual é a probabilidade de uma lâmpada durar mais do que 3000 h? Solução: Sabe-se que o tempo de vida de lâmpadas possui média de 1500 horas, logo 1500 = 1 , assim = 0,0007 Assim, T ~ E(0,0007) 0,1225)3000( 000,0007..30 eTP Ou realizando a conta no Excel: =1 – DISTER.EXPON(a;;VERDADEIRO) ou seja: =1 – DISTR.EXPON(3000;0,0007;VERDADEIRO) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 21 Exercício 1: Admita que o tempo de espera por atendimento em uma agência bancária seja exponencialmente distribuído com média de 15 minutos. Determine a probabilidade de um cliente esperar: a) Menos de 5 minutos. b) Mais de 10 minutos. c) Entre 8 e 12 minutos. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 22 Exercício 2: Uma fábrica de lâmpadas especiais tem sua produção com um tempo de vida médio igual a 120 meses, seguindo comportamento exponencial. a) Qual é a probabilidade de uma lâmpada ter durabilidade superior a 100 meses? R: 0,4346 b) Qual deve ser a garantia do fabricante para que deva repor apenas 5% da produção? R: 6,2 meses UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 23 5.2.2 Distribuição / Modelo Normal (Curva de Gauss) A Distribuição Normal ou Gaussiana é essencialmente importante na estatística por três razões principais: 1. Inúmeros fenômenos contínuos parecem segui-la ou podem ser aproximados por meio da mesma. 2. Podemos utilizá-la para aproximar várias distribuições de probabilidade discretas. 3. Ela oferece a base para a inferência estatística clássica, devido à sua afinidade com o teorema do limite central (TCL). Os parâmetros da distribuição Normal são a média () e o desvio padrão (). Trata-se de uma distribuição simétrica, unimodal, em forma de sino. A função densidade de probabilidade da distribuição normal é dada por: 2 2 1 2 1)( x exf , onde: e = constante matemática (aproximada por 2,71828) constante matemática (aproximada por 3,14159) = média aritmética da população, onde , - < < = desvio padrão da população, onde > 0 x = qualquer valor da variável aleatória contínua, onde - < x < A distribuição Normal, independentemente dos valores dos parâmetros, apresenta sempre a seguinte relação: UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 24 Para simplificar a notação de uma variável aleatória contínua X com distribuição Normal, com média e desvio padrão , utiliza-se: X ~ N( A distribuição Normal acumulada é obtida calculando a probabilidade de X ser menor que um dado valor a: dxedxxfaFaXP xaa 2 2 1 2 1 )()()( Essa integral não pode ser resolvida em forma fechada, mas a solução está apresentada em tabelas da distribuição Normal padronizada onde se entra com a variável reduzida Z (número de desvios-padrões distantes da média) e encontra-se F(Z) ou vice-versa. )()( ZFaZPaXP Valor tabelado (Procurar na tabela da distribuição Normal padrão) Ou utilizando o Excel: =DIST.NORM(a;média;desvio padrão;VERDADEIRO) – utilizando o Excel ele nos fornece a área à esquerda de a, ou seja, fornece a P(Xa). )(111)( ZFaZPaXPaXP )()( ZFaZPaXP P(a < X < b) Probabilidade de X estar entre a e b, ou seja, é a área sob a curva entre a e b. x a f(x) a ba ba b UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 25 Distribuição Normal padrão ou Normal reduzida Seja X uma variável aleatória normalmente distribuída com quaisquer parâmetros média e desvio-padrão . Se realizarmos a transformação abaixo obteremos uma nova variável Z com média 0 e variância 1. X ~ N( ; ) aZ Z ~ N(0;1) Onde, a = valor de interesse da variável = média populacional da variável = desvio-padrão populacional da variável Qualquer variável com distribuição Normal pode ser padronizada para a Normal padrão. A distribuição Normal padrão (Z) é tabelada. OBS: P(Z < 0) = P(Z > 0) = 0,5. Exemplo: Transformação de uma variável X na variável padronizada Z (onde as probabilidades estão tabeladas de -∞ até um determinado z que é função de a). X ~ N(100,22) aZ Z ~ N(0,1) 100 102 104 10694 96 98 0 2 100100 z X Z0 +1 +2 +3-3 -2 -1 2 2 100104 z 3 2 10094 z 2100 10 0013,0394 zPxP 50,00100 zPxP 9772,02( zPXP UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 26 Uso da Tabela Normal Padrão Como encontrar a área sob a curva da distribuição Normal Padrão N(0;1)? Exemplo: Seja Z ~ N(0;1), calcular: SITUAÇÃO 1: PROBABILIDADE INFERIOR A UM VALOR a) P(Z 0,32) Procurando a P(Z 0,32) na tabela da Normal padrão: Logo, P(Z 0,32) = 0,6255. SITUAÇÃO 2: PROBABILIDADE SUPERIOR A UM VALOR b) P(Z 1,5) Logo, P(Z > 1,5) = 1 – P(Z 1,5) = 1 – 0,9332 = 0,0668. 0,62550,62170,61790,3 0,58700,58310,57920,2 0,54770,54370,53980,1 0,50790,50390,50000,0 210z 0,62550,62170,61790,3 0,58700,58310,57920,2 0,54770,54370,53980,1 0,50790,50390,50000,0 210z UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 27 SITUAÇÃO 3: PROBABILIDADE ENTRE DOIS VALORES c) P(1,32 < Z 1,79)Logo, P(1,32 < Z 1,79) = P(Z 1,79) – P(Z 1,32) = 0,9633 - 0,9066 = 0,0567. d) P(-1 Z 2) Logo, P(–1 Z 2) = P(Z 2) – P(Z –1) = = 0,9772 – 0,1587 = 0,8185. Como encontrar o valor z da distribuição Normal Padrão N(0;1)? Exemplo: Seja Z ~ N (0 ; 1), calcular: a) P(Z z) = 0,975 Se z é tal que P(Zz) = 0,975. Zz Zz UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 28 Pela tabela, z = 1,96, ou seja, este é o valor crítico cuja a área à esquerda deste z vale 0,975 (“miolo” da tabela). b) P(– z Z z) = 0,80 Se z é tal que P(Z – z) = P(Z z) = 0,1. Isto é, P(Z z) = 0,90 e assim, pela tabela, z = 1,28 e – z = 1,28. c) P(Z z) = 0,975 Como P(Z z) = 0,975, então: P(Z z) = 1 – P(Z z) P(Zz) = 0,0250 assim, pela tabela da Normal padrão, z = -1,96. d) P(Z z) = 0,3 Como P(Z z) = 0,3, então: P(Z z) = 1 – P(Z z) P(Z z) = 0,7 assim, pela tabela da Normal padrão, z = 0,53. Zz– z Zz– z Zz Zz Zz Zz UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 29 Exemplo 1: O peso de um produto é uma característica muito importante. Sabe-se que o peso segue um modelo normal com média 1000 gramas e desvio padrão 40 gramas. Se a especificação técnica estabelece que o peso deve ser maior que 950 gramas, qual a probabilidade de que um pacote selecionado aleatoriamente satisfaça a especificação? X ~ N(1000 ; 42) Z ~ N(0 ; 12) 8944,01056,01)25,1(1 40 10009501)950(1)950( ZPZPXPXP A probabilidade de que um pacote selecionado aleatoriamente satisfaça a especificação é de 89%. Exemplo 2: Sabe-se que X representa medições feitas em um processo que segue o modelo Normal com média 100 e desvio padrão 10. Se forem feitas 4000 medições, quantas estarão entre 95 e 112? X ~ N(100 ; 102) Z ~ N(0 ; 12) 5764,03085,08849,0 )05,()2,1()2,15,0( 10 100112 10 10095)11295( ZPZPZPZPXP Ou seja, aproximadamente 58% estarão entre 95 e 112. Padronização UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 30 Exemplo 3: Seja X ~ N(10 ; 64) ( = 10, 2 = 64 e = 8). Calcule: a) P(6 X 12) 2902,03085,05987,0 )05,()25,0()25,05,0( 8 1012 8 106)126( ZPZPZPZPXP b) P(X 8 ou X > 14) 7098,0]6915,01[4013,0)]5,0(1[)25,0( )5,0()25,0( 8 1014 8 108)14()8( ZPZP ZPZPZPZPXPXP c) k tal que P(X k) = 0,05 ZZ ZZ z Pela Z z Pela Z UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 31 95,0 8 1005,0 8 1005,0)( kZPkZPkXP Como z é tal que P(Zz) = 0,95, pela tabela da distribuição Normal padrão, observa-se que z = 1,64. Logo, 12,2364,1 8 10 kkz d) k tal que P(X k) = 0,025 025,0 8 10025,0)( kZPkXP Como z é tal que P(Z - z) = 0,025, pela tabela da distribuição Normal padrão, observa- se que z = -1,96. Logo, 68,596,1 8 10 kkz ZZ UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 32 Exercício 1: Suponha que X: consumo diário de água, em litros, seja razoavelmente normal com média 20 e desvio padrão 4 entre as famílias de um bairro. Se observarmos uma particular família deste bairro ao acaso, determine a probabilidade de que seu consumo de água seja: a) Inferior a 20 litros. b) Inferior a 17 litros. c) Superior a 24 litros. d) Entre 18 e 29 litros. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 33 Exercício 2: Supondo que os pesos do papel descartado semanalmente pelas residências tenham distribuição normal com média de 9,4 kg e desvio-padrão de 4,2 kg, determine a probabilidade de uma residência aleatoriamente selecionada descartar: a) Menos de 10 Kg. (R: 0,5557) b) Mais de 12 Kg. (R: 0,2676) c) Entre 5,0 kg e 8,0 kg. (R: 0,2238) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 34 EXERCÍCIOS (Distribuições probabilísticas): 1. Um vendedor recebe 20 endereços para visitar a cada dia. Um morador de cada endereço manifestou, por correspondência, interesse de receber o vendedor e discutir o produto. A experiência do vendedor é que é feita uma venda em cada 10 domicílios. Qual é a probabilidade de que sejam feitas 5 vendas em determinado dia? 2. A probabilidade de um componente eletrônico falhar durante sua utilização é de 2%. Em um teste de qualidade deste componente, 6 unidades foram testadas. Qual a probabilidade de: a) Todas unidades funcionarem corretamente. b) Ocorrer falha em 3 unidades. e) Ocorrer falha em no máximo 1 unidade. 3. Um lote de aparelhos de TV é recebido por uma firma. 10 aparelhos são inspecionados. O lote só é aceito se todos os itens forem perfeitos. Sabendo-se que a probabilidade de um aparelho ser defeituoso é de 1%, qual a probabilidade da firma aceitar todo o lote? 4. Um vendedor de seguros vende apólices a 5 homens, todos da mesma idade e de boa saúde. De acordo com as estatísticas, a probabilidade de um homem dessa idade estar vivo daqui a 30 anos é de 67%. Determine a probabilidade de estarem vivos neste prazo todos os cinco homens. 5. Uma confecção de roupa infantil suspeita que 30% de sua produção apresenta algum defeito. Se tal suspeita é correta, determine a probabilidade de que, em uma amostra de 4 peças sejam encontradas: a) Todas defeituosas. b) Nenhuma defeituosa. c) Uma peça defeituosa. d) No máximo 2 defeituosas. 6. (2014/1) Um fabricante de peças de automóveis garante que uma caixa de suas peças conterá, no máximo, duas defeituosas. Se uma caixa contém 18 peças, e a experiência tem demonstrado que esse processo de fabricação produz 5% de peças defeituosas, qual a probabilidade de que uma caixa satisfaça a garantia? 7. Uma firma exploradora de petróleo verificou que 5% dos poços que perfura acusam depósito de gás natural. Se ela perfurar 6 poços, determine a probabilidade de pelo menos 1 ser depósito de gás natural. 8. A probabilidade de um carro de determinada marca apresentar problemas no vidro elétrico dianteiro é de 2%. Se 8 carros desta marca são vendidos, qual a probabilidade de metade deles apresentar problemasvidro elétrico dianteiro? 9. Acredita-se que 20% dos moradores das proximidades de uma grande indústria siderúrgica têm alergia aos poluentes lançados ao ar. Calcule a probabilidade de que pelo menos 4 moradores tenham alergia entre 6 selecionados ao acaso. UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 35 10. A probabilidade do pouso de um avião ocorrer com sucesso usando um simulador de vôo é 70%. Quatro estudantes de pilotagem são convidados a tentar voar no avião usando o simulador. Qual é a probabilidade de: a) 2 deles pousarem com sucesso. b) todos pousarem com sucesso. c) nenhum deles pousarem com sucesso. d) no máximo 2 deles pousarem com sucesso. 11. Uma moeda é lançada 20 vezes, independentemente. Qual é a probabilidade de saírem 8 caras? 12. Numa criação de coelhos, 40% são machos. Qual a probabilidade de que nasçam pelo menos 2 coelhos machos num dia em que nasceram 20 coelhos? 13. Uma prova tipo teste tem 50 questões independentes. Cada questão tem 5 alternativas e apenas uma correta. Se um aluno resolve a prova respondendo ao acaso as questões, qual a probabilidade de tirar nota 5,0? 14. Em uma urna existem 18 bolas brancas e duas pretas. Calcule as probabilidade de retiradas 7 bolas, sair apenas uma bola preta, nos seguintes casos: a) As bolas são repostas na urna após as retiradas. b) As bolas não são repostas na urna após as retiradas. 15. Uma loja tem um lote de 10 fechaduras, das quais 5 têm defeitos. Se uma pessoa comprar 3 fechaduras, qual a probabilidade de encontrar no máximo uma defeituosa? 16. Numa Loteria, um apostador escolhe 6 números de 1 a 54. Qual a probabilidade dele acertar 5 números? 17. Num lote de 30 lâmpadas, sendo 4 defeituosas, foi selecionado sem reposição 3 lâmpadas. Qual a probabilidade de ter obtido pelo menos uma defeituosa? 18. De um lote de 140 celulares, foram selecionados sem reposição 20 celulares. a) Se 20 celulares são defeituosos, qual é a probabilidade de que ao menos um celular defeituoso apareça na amostra ? b) Se 5 celulares são defeituosos, qual é a probabilidade de que ao menos um celular defeituoso apareça na amostra? 19. Uma urna contém 16 bolas brancas e 14 pretas. Calcular a probabilidade de ao serem retiradas 5 bolas, 3 serem brancas, quando a amostragem for: a) Sem reposição. b) Com reposição. 20. De 6 empregados, 3 estão na companhia há cinco anos ou mais. Se 4 empregados são aleatoriamente escolhidos desse grupo de 6, qual a probabilidade de que 2 estejam na companhia há cinco anos ou mais? 21. Em um lote de 20 motores há dois defeituosos. São retiradas cinco unidades para inspeção. Qual a probabilidade de se encontrar uma unidade defeituosa entre as cinco retiradas para inspeção? UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 36 22. Na Mega-Sena, um apostador escolhe 7 dezenas dentre 60. Qual a probabilidade dele acertar as 6 dezenas corretas? 23. Na Mega-Sena, um apostador escolhe 6 dezenas dentre 60. Qual a probabilidade dele acertar as 6 dezenas corretas? 24. (2017/1) Suponha que 10 peixes especiais são pescados e colocados no açude de um sitiante, que passa a ter, então, um total de 40 peixes. Num certo dia, o sitiante autoriza a realização de uma pescaria. Assuma que a quantidade de peixes no açude até esse dia não se alterou. Se 5 peixes são pescados, calcule a probabilidade de 2 peixes serem especiais: a) Supondo que os peixes pescados são colocados de volta no lago. b) Supondo que os peixes pescados não são colocados de volta no lago. 25. Uma máquina produz 2 lâmpadas defeituosas a cada hora de produção. Qual a probabilidade desta máquina produzir 10 lâmpadas defeituosas no período de 12 horas? 26. Na central telefônica do salão de beleza "Beleza Pura" chegam 50 chamadas por hora. Qual a probabilidade de que: a) Num minuto não haja nenhum chamado b) Em 2 minutos ocorram 2 chamados 27. Na estrada Tabaí-Canoas em dias de chuva, ocorrem 2 acidentes a cada 50 Km. Qual a probabilidade de que em: a) 100 Km não ocorram acidentes? b) 160 Km ocorram 5 acidentes? 28. Certa loja recebe, em média, 5 clientes por hora. Qual a probabilidade desta loja receber 2 clientes em 30 minutos? 29. Um fábrica produz tecidos com 2.2 defeitos, em média, por peça. Determine a probabilidade de haver 3 defeitos em 2 peças. 30. O número de mortos por suicídio em Nova York ocorre a uma taxa de 2 por dia. Determine a probabilidade de que não ocorram mortes por suicídio no período de 1 semana. 31. A taxa de chegada de clientes em uma agência bancária é de 4 clientes por minuto. Determine a probabilidade de chegarem 12 clientes nos próximos 2 minutos. 32. O fluxo de carros que passam por um determinado pedágio é de 1,7 carros por minuto. Qual a probabilidade de passarem exatamente 2 carros em 2 minutos? 33. Numa central telefônica chegam 300 telefonemas por hora. Qual a probabilidade de que: a) Num minuto não ocorra qualquer chamada? b) Em 2 minutos ocorram 3 chamadas? c) Em 5 minutos ocorram pelo menos 3 chamadas? UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 37 34. Uma fábrica de pneus de competição verificou ao testar seus estouros na pista, que havia em média, um estouro a cada 5000 Km. Qual a probabilidade que num teste de 3000 Km haja 1 pneu estourado? 35. O número de mensagens enviadas para um boletim em um computador ocorre com uma taxa de 5 mensagens por hora. Qual a probabilidade de que: a) 5 mensagens cheguem em 1 hora b) Menos de 2 mensagens cheguem em meia hora. 36. (2014/1) Os passageiros de uma empresa aérea chegam aleatoriamente e independentemente ao balcão de controle de passageiros de um importante aeroporto internacional. A taxa média de chegada são 10 passageiros por minuto. Calcule a probabilidade de ninguém chegar no período de 15 segundos. 37. Falhas ocorrem no interior plástico usado em automóveis a uma taxa de 0,02 falhas por painel. Se 50 painéis forem inspecionados, qual a probabilidade de que não haja falhas? 38. (2016/1) Na pintura de paredes aparecem defeitos em média na proporção de 1 defeito por metro quadrado. Qual é a probabilidade de aparecerem 2 defeitos numa parede 2m x 2m? 39. (2016/2) O pessoal de inspeção de qualidade afirma que os rolos de fita isolante apresentam, em média, uma emenda a cada 50 metros. Calcule a probabilidade de ocorre: a) Nenhuma emenda em um rolo de 125 metros. b) Pelo menos uma emenda em rolo de 100 metros. 40. Uma ferramenta produzida por uma indústria apresenta uma vida média de 80 horas. Considerando o comportamento segundo a distribuição exponencial, qual a probabilidade de essa ferramenta durar mais de 100 horas? 41. Certo tipo de fusível tem duração de vida que segue uma distribuição exponencial com vida média de 100 horas. Qual é a probabilidade de um fusível durar mais de 150 horas? 42. Uma fábrica de tubos de TV determinou que a vida média dos tubos de sua fabricação é de 800 horas de uso contínuo e que a vida útil dos tubos segue uma distribuição exponencial. Qual a probabilidade de que a fábrica tenha de substituir um tubo gratuitamente, se oferece uma garantia de 300 horas de uso? 43. A duração de certo tipo de condensador segue uma distribuição exponencial com média de 200 horas. Qual o percentual de condensadores que duram: a) Menos de 100horas? b) Mais de 500 horas? c) Entre 200 e 400 horas? 44. Uma companhia fabrica lâmpadas com uma duração média de 100 horas e distribuição exponencial. a) Qual a probabilidade de uma lâmpada durar de 163 a 185 horas? UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 38 b) Qual deve ser a garantia do fabricante para repor apenas 5% da produção? 45. O tempo até a falha do ventilador de motores a diesel tem uma distribuição Exponencial com parâmetro horas. Qual a probabilidade de um destes ventiladores falhar nas primeiras 24000 horas de funcionamento? 46. Certo tipo de condensador tem tempo de vida distribuído exponencialmente com média de 250 horas. Determine a probabilidade destes condensadores durarem menos que 320 horas. 47. Os tempos até a falha de um dispositivo eletrônico seguem o modelo exponencial com uma taxa de falha a = 0,012 falha/hora. Indique qual a probabilidade de um dispositivo escolhido ao acaso sobreviver: a) No máximo 100 horas? b) No máximo 50 horas? 48. O prazo de operação medido em horas de uma máquina de embalagem de frascos sem interrupções para manutenção tem distribuição exponencial com média de 2 horas. Qual a probabilidade desta máquina conseguir operar mais de 1 hora sem interrupção? 49. Certo tipo de fusível tem duração de vida que segue uma distribuição exponencial com vida média de 100 horas. a) Qual é a probabilidade de um fusível durar mais de 150 horas? b) Cada fusível tem um custo de R$ 10,00 e, se durar menos de 200 horas, existe um custo adicional de R$ 8,00. Qual é o preço justo a pagar por cada fusível? 50. Um componente eletrônico tem distribuição exponencial, com média de 50 horas. Suposta uma produção de 10.000 unidades, quanto deles espera-se que durem entre 45 e 55 horas? 51. (2014/2) Uma lâmpada tem duração de acordo com a seguinte função densidade de probabilidade Exponencial: xexf .001,0.001,0)( , para x 0 0, caso contrário Determine a probabilidade de que a lâmpada dure menos do que sua duração média. 52. Suponha que a duração de ligações telefônicas em certa empresa tenha distribuição exponencial e que, em média, cada ligação dure 10 minutos. Se apenas um telefone está disponível e alguém começa a usar o telefone imediatamente antes de você, determine a probabilidade de que você precise esperar: a) Mais que 10 minutos. b) Entre 10 e 20 minutos. c) Mais que 12 minutos. 53. Uma fábrica de lâmpadas especiais tem sua produção com um tempo de vida médio igual a 120 meses, seguindo um comportamento exponencial. Qual é o percentual de lâmpadas com durabilidade superior a 100 meses? UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 39 54. (2014/2) Carros chegam a um posto de gasolina aleatoriamente a cada 2 minutos em média. Determine a probabilidade de o tempo entre chegadas não exceder 1 minuto. 55. (2016/1) Em uma fábrica as falhas no equipamento industrial ocorrem exponencialmente. Sabe-se que a probabilidade de que a primeira falha ocorra após 1 hora de trabalho é de 0,22313. Determine a probabilidade de que a primeira falha ocorra após 3 horas de trabalho. 56. (2017/2) O prazo de operação, medido em horas, de uma máquina de embalagem de frascos sem interrupções para manutenção tem distribuição exponencial com média de 2,2 horas. Qual a probabilidade desta máquina conseguir operar mais de 1 horas sem interrupções? 57. A duração de certo componente eletrônico pode ser considerada normalmente distribuída com média de 850 dias e desvio-padrão 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. 58. Determinado atacadista efetua suas vendas por telefone. Após alguns meses, verificou-se que os pedidos se distribuem normalmente com média de 3.000 pedidos e desvio-padrão de 180 pedidos. Qual a probabilidade de que um mês selecionado ao acaso esta empresa venda menos de 2700 pedidos. 59. O conteúdo líquido das garrafas de 300 ml de um refrigerante é normalmente distribuído com média de 300 ml e desvio-padrão de 2 ml. Determine a probabilidade de uma garrafa selecionada ao acaso apresentar conteúdo líquido: a) Inferior a 306 ml. b) Superior a 305 ml. c) Entre 302 e 304 ml. 60. O lucro mensal obtido com ações de determinada empresa tem distribuição normal com média de 12 mil reais e desvio-padrão de 5 mil reais. Qual a probabilidade de que em determinado mês o lucro desta empresa seja: a) Superior a 18 mil reais. b) Inferior a 8 mil reais. c) Entre 10 e 15 mil reais. 61. Durante o mês de dezembro aumenta a procura por concessão de crédito para pessoa física. De acordo com dados históricos é possível verificar que a procura segue uma distribuição aproximadamente normal com média de 12,8 milhões e desvio-padrão de 15 milhões. Se as instituições de crédito reservar 25 milhões para concessão de crédito, qual a probabilidade de faltar dinheiro para emprestar? 62. Suponha que a renda média anual de uma grande comunidade tenha distribuição normal com média de 15 mil reais e com um desvio-padrão de 3 mil reais. Qual a probabilidade de que um indivíduo aleatoriamente selecionado deste grupo apresente uma média salarial anual superior a 18 mil reais? UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 40 63. O escore de um estudante no vestibular é uma variável com distribuição normal com média de 550 pontos e desvio-padrão de 30 pontos. Se a admissão em certa faculdade exige um escore mínimo de 575 pontos, qual é a probabilidade de um aluno ser admitido nesta faculdade? 64. O tempo de reação de um motorista para o estímulo visual é normalmente distribuído com uma média de 0,4 segundos com um desvio-padrão de 0,05 segundos. Qual a probabilidade de que uma reação de um motorista requeira: a) Mais de 0,5 segundos. b) Entre 0,4 e 0,5 segundos. 65. O período de falta de trabalho em um mês por causa de doenças dos empregados é normalmente distribuído com uma média de 100 horas e desvio-padrão de 20 horas. Qual a probabilidade desse período no próximo mês estar: a) Entre 50 e 80 horas. b) Superior a 90 horas. c) Inferior a 60 horas. 66. (2014/2) As vendas de um determinado produto tem distribuição aproximadamente normal, com média de 500 unidades e desvio padrão de 50 unidades. Se a empresa decide fabricar 600 unidades no mês de estudo, qual é a probabilidade de que não possa atender a todos os pedidos desse mês, por estar com a produção esgotada? 67. (2015/2) Suponha que o tempo necessário para atendimento de clientes em uma central de atendimento telefônico siga uma distribuição normal com média de 8 minutos e desvio padrão de 2 minutos. Qual é a probabilidade de que um atendimento dure: a) Menos de 5 minutos. b) Entre 7 e 10 minutos. 68. (2015/1) Uma fábrica de pneumáticos fez um teste para medir o desgaste de seus pneus e verificou que o mesmo obedecia a uma distribuição normal, com média de 48.000 Km e desvio padrão de 1.500 Km. Calcular a probabilidade de que um pneu escolhido ao acaso: a) Dure mais que 47.000 Km. b) Dure menos que 48.000 Km. c) Dure entre 44.000 Km e 49.000 Km. 69. (2016/2) O padrão de qualidade recomenda que os pontos impressos por uma impressora estejam entre 3,7 mm e 4,3 mm. Uma impressora imprime pontos, cujo diâmetro médio é igual a 4 mm e o desvio padrãoé 0,19 mm. Suponha que o diâmetro dos pontos tenha distribuição normal. a) Qual é a probabilidade do diâmetro de um ponto dessa impressora estar fora do padrão? b) Qual é a probabilidade do diâmetro de um ponto dessa impressora estar abaixo de 3,8 mm? c) Qual é a probabilidade do diâmetro de um ponto dessa impressora estar dentro do padrão? UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 41 70. (2016/2) Os salários semanais dos operários industriais são distribuídos normalmente em torno de uma média de $360,00 com desvio padrão de $50,00. Pede- se: a) Encontre a probabilidade de um operário ter salário semanal situado entre $300,00 e $400,00. b) Encontre a probabilidade de um operário ter salário semanal abaixo de $290,00. c) Encontre a probabilidade de um operário ter salário semanal acima de $360,00. 71. (2017/1) A saída de uma bateria segue razoavelmente o modelo Normal com média de 12,15 Volts e desvio padrão de 0,25 Volts. Encontre a probabilidade de não atender as especificações de 12 Volts ± 0,5 Volts. 72. (2017/2) A força de tensão de sacos plásticos de supermercado é normalmente distribuída com média de 40 lb/in2 e desvio padrão de 2,3 lb/in2. O comprador exige que os sacos tenham resistência de pelo menos 25 lb/in2. Qual a probabilidade do produto atender a especificação? 73. (2017/2) O diâmetro de uma peça segue a distribuição Normal com média 25,08 e desvio padrão 0,11. Se as especificações para esse eixo são 25,00 ± 0,15, determine o percentual (probabilidade) de unidades produzidas em conformidade com as especificações. RESPOSTAS: 1. Binomial (n = 20 e p = 1/10) R: P(X=5) = 0,0319 2. Binomial a) (n = 6 e p = 0,98) R: P(X=6) = 0,8858 b) (n = 6 e p = 0,02) R: P(X=3) = 0,0001 c) (n = 6 e p = 0,02) R: P(X ≤ 1) = 0,9943 3. Binomial (n = 10 e p = 0,99) R: P(X=10) = 0,9044 4. Binomial (n = 5 e p = 0,67) R: P(X=5) = 0,1350 5. Binomial (n = 4 e p = 0,30) a) R: P(X=4) = 0,0080 b) R: P(X=0) = 0,2401 c) R: P(X=1) = 0,4116 d) R: P( X≤ 2) = 0,9163 6. Binomial (n = 18 e p = 0,05) R: P(X ≤ 2) = 0,94187 7. Binomial (n = 6 e p = 0,05) R: P(X ≥ 1) = 0,2649 8. Binomial (n = 8 e p = 0,02) R: P(X=4) = 0,000010331 9. Binomial (n = 6 e p = 0,20) R: P(X ≥ 4) = 0,01696 10. Binomial (n = 4 e p = 0,70) a) R: P(X=2) = 0,2646 b) R: P(X=4) = 0,2401 c) R: P(X=0) = 0,0081 d) R: P(X ≤ 2) = 0,3483 11. Binomial (n = 20 e p = ½) R: P(X=8) = 0,1201344 12. Binomial (n = 20 e p = 0,40) R: P(X ≥ 2) = 0,999476 13. Binomial (n = 50 e p = 1/5) R: P(X=25) = 0,0000016 14. a) Binomial R: 0,3720 (n=7; p=2/20; x = 1) b) Hipergeométrica R: 0,4789 (N=20; n=7; x=1; r=2) UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 42 15. Hipergeométrica R: 0,50 16. Hipergeométrica R: 0,0000112 (N=54; n=6; x=5; r=6) 17. Hipergeométrica (N=30; n=3; r=4) R: 0,359606 18. Hipergeométrica a) R: 0,964 b) R: 0,5429 19. a) R: 0,35 (utiliza-se a Hipergeométrica (N=30; n=5; x=3; r=16)) b) R: 0,33 (utiliza-se a Binomial com n=5, x=3 e p=16/30) 20. Hipergeométrica R:0,60 21. Hipergeométrica R: 0,3947 22. Hipergeométrica R: 1,3982.10-7 (N=60; n=7; x=6; r=6) 23. Hipergeométrica R: 1,9974.10-8 (N=60; n=6; x=6; r=6) 24. a) Binomial R: 0,26367 (n = 5 e p = 10/40) b) Hipergeométrica R: 0,27767 (N=40; n=5; r=10) 25. Poisson X = nº de lâmpadas defeituosas por hora P(X=10) = 0,0006596 26. Poisson X = nº de chamadas por hora a) P(X=0) = 0,44 b) P(X=2) = 0,26 27. Poisson X = nº de acidentes por Km a) P(X=0) = 0,018 b) P(X=5) = 0,149 28. Poisson X = nº de clientes por hora P(X =2) = 0,256 29. Poisson X = nº defeitos por peça P(X=3) = 0,174 30. Poisson X = nº de mortos por suicídio por dia P(X=0) = 0,0000008 31.Poisson X = nº de clientes que chegam por minuto P(X =12) = 0,048 32. Poisson X = nº de carros que passam pelo pedágio por minuto P(X=2) = 0,193 33. Poisson X = nº de chamadas telefônicas por hora a) P(X = 0) = 0,00673795 b) P(X = 3) = 0,007566655 c) P(X ≥ 3) = 0,999999995 34. Poisson X = nº de estouros a cada Km P(X=1) = 0,329 35. Poisson X = nº de mensagens por hora a) P(X=5) = 0,175 b) P(X<2) = P(X=0) + P(X=1) = 0,08 + 0,205 = 0,285 36. Poisson P(X = 0) = 0,082085 37. Poisson X = nº falhas por painel P(x=0) = 0,368 38. Poisson R: 0,146525 39. Poisson a) R: 0,082085 b) R: 0,864665 40. Exponencial R: 0,2865 41. Exponencial R. 0,2231 42. Exponencial R: 0,3127 43. Exponencial a) R: 39,35% b) R: 8,21% c) R: 23,26% 44. Exponencial a) R: 0,0387 b) R: 5,13hs 45. Exponencial R: 0,567 46. Exponencial R: 0,72196 47. Exponencial a) R: 0,6988 b) R: 0,4512 48. Exponencial R: 0,6065 49. Exponencial a) R: 0,2231 b) R:16,92 50. Exponencial R: 737 51. Exponencial R: 0,63212056 52. Exponencial a) R: 0,3678 b) R: 0,2325 c) R: 0,3012 53. Exponencial R.: 0,4346 54. Exponencial R: 0,39345 UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 43 55. Exponencial R: 0,011108997 56. Exponencial R: 0,606531 57. Normal a) 0,9992 b) 0,8665 c) 0,0132 58. Normal P(vender < 2700 pedidos) = 0,0475 59. Normal a) 0,9987 b) 0,0062 c) 0,1359 60. Normal a) 0,1151 b) 0,2119 c) 0,3812 61. Normal P(faltar dinheiro) = 0,2090 62. Normal P(média salarial anula > 18 mil reais) = 0,1587 63. Normal P(aluno ser admitido) = 0,2033 64. Normal a) 0,0228 b) 0,4772 65. Normal a) 0,1525 b) 0,6915 c) 0,0228 66. Normal R: 0,9772 67. Normal a) 0,0668 b) 0,5328 68. Normal a) 0,7486 b) 0,50 c) 0,7448 69. Normal a) 0,1142 b) 0,1469 c) 0,8858 70. Normal a) 0,6730 b) 0,0808 c) 0,50 71. Normal R: 0,0855 72. Normal R: 0,9850 73. Normal R: 0,7206 UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 44 Tabela da Distribuição Normal Padrão P(Z<z) – VALORES POSITIVOS z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359 0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753 0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141 0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879 0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224 0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549 0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852 0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133 0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389 1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621 1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830 1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015 1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177 1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319 1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441 1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545 1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,96250,9633 1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706 1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767 2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817 2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857 2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890 2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916 2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936 2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952 2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964 2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974 2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981 2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986 3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990 3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993 3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995 3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997 3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998 3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 Zz Zz UNIVERSIDADE DO VALE DO RIO DOS SINOS Ciências Exatas e Tecnológicas CEQ – Profª Karla Faccio 45 Tabela da Distribuição Normal Padrão P(Z<z) – VALORES NEGATIVOS z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641 -0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247 -0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859 -0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483 -0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121 -0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776 -0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451 -0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148 -0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867 -0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611 -1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379 -1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170 -1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985 -1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823 -1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681 -1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559 -1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455 -1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367 -1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294 -1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233 -2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183 -2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143 -2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110 -2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084 -2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064 -2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048 -2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036 -2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026 -2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019 -2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014 -3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010 -3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007 -3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005 -3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003 -3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002 -3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 -3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 -3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 -3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 -3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 Zz Zz
Compartilhar