Aula 08

Estatística p/ Polícia Federal (Agente)

Pós-Edital

Autor:
Equipe Exatas Estratégia
Concursos
Aula 08
17 de Fevereiro de 2021

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08

Sumário

1. Variáveis Aleatórias Contínuas 5

1.1 Conceitos Fundamentais 5

1.2 Função de Distribuição Acumulada 14

1.3 – Medidas Tendência Central e de Dispersão 16

1.3.1 – Mediana 16

1.3.2 – Moda 17

1.3.3 – Esperança Matemática 1613716 19

1.3.4 – Variância 23

1.4 – Teoremas de Desigualdade 23

1.4.1 – Desigualdade de Chebyshev 24

1.3 – Desigualdade Unilateral 25

2. Momentos de uma Variável Aleatória 27

3. Transformação de Variáveis 30

4. Distribuições Conjuntas 34

4.1 – Covariância e Correlação 34

4.1.1 – Propriedades 36

4.1.2 – Variância da Soma e da Diferença 38

4.2 – Distribuições Conjuntas 40

4.2.1 – Probabilidades Marginais e Independência 42

4.3 – Distribuições Condicionais 44

4.3.1 – Esperança e Variância Condicionais 46

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

4.4 – Distribuição Multinomial 50

5 - Distribuições Contínuas 53

5.1 – Distribuição Uniforme 53

5.1.1 – Esperança e Variância 56

5.2 – Distribuição Exponencial 58

5.2.1 – Esperança, Variância e Propriedade 59

5.3 – Distribuição Normal 61

5.3.1 – Distribuição Normal Padrão 63

5.3.2 – Transformação entre Distribuições Normais 66

5.4 – Soma de Variáveis e o Teorema Central do Limite 72

5.4.1 – Teorema Central do Limite 72

5.4.2 – Soma de Variáveis com Distribuição Normal 74

5.4.1 – Aproximação da Binomial pela Normal 76

5.5 – Distribuição Qui-Quadrado 78

5.6 – Distribuição t de Student 81

5.7 – Distribuição F de Snedecor 85

Resumo da Aula 87

Questões Comentadas – CESPE 90

Variáveis Contínuas 90

Distribuições Conjuntas 98

Distribuições Contínuas 107

Lista de Questões – CESPE 124

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Variáveis Contínuas 124

Distribuições Conjuntas 126

Distribuições Contínuas 128

Gabarito 134

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Olá, concurseiro!

Sou a professora Luana Brandão! Tenho mestrado e doutorado em Engenharia de Produção pela
Universidade Federal Fluminense, além de já ter sido concurseira! Passei nos concursos de analista
e auditor da RFB e de auditor da SEFAZ/RJ, onde trabalho desde 2010.

Na aula de hoje, veremos variáveis aleatórias contínuas e suas distribuições de probabilidade.

Também veremos alguns tópicos específicos do edital da PF, que se aplicam tanto para variáveis
contínuas, quanto para variáveis discretas. São eles: momentos, transformação de variáveis e
distribuições condicionais.

Vamos começar?

“Objetivo alto, expectativa baixa, esforço constante”

Lama Michel Rinpoche

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1. VARIÁVEIS ALEATÓRIAS CONTÍNUAS

Variáveis aleatórias contínuas são aquelas que não podem ser enumeradas (isto é, contadas). São
exemplos desse tipo de variável, peso, comprimento, área, volume, distância, tempo, etc. Para
nenhum desses exemplos é possível contar a variável, apenas mensurar (medir) o seu valor. Isso
porque essas variáveis podem assumir quaisquer valores dentro de um intervalo.

1.1 Conceitos Fundamentais

Vamos começar com um exemplo de variável contínua: a altura de um adulto normal. Essa variável
pode assumir qualquer valor entre, digamos, 1,40m e 2,20m. Podemos encontrar valores como
1,70 ou 1,83, ou podemos melhorar a precisão da medição e encontrar 1,704 ou 1,829.
Aumentando ainda mais a precisão, podemos encontrar 1,7043 ou 1,8291,...

Considerando que podemos sempre acrescentar mais uma casa decimal na medida, há infinitos
valores possíveis para a altura. E isso vale para qualquer variável contínua.

Dessa forma, a probabilidade de uma variável assumir exatamente um valor específico (por
exemplo, exatamente 1,82908) é minúscula. Mais precisamente, essa probabilidade é zero!

Por isso, para variáveis contínuas, associamos as probabilidades a um intervalo de valores (ou
conjunto de intervalos). Ou seja, podemos calcular a probabilidade de a altura estar entre, por
exemplo, 1,82 e 1,83 ou entre 1,80 e 1,90.

Assim, em vez de termos uma função de probabilidade da forma 𝑓(𝑥) = 𝑃(𝑋 = 𝑥), como no caso
de variáveis discretas, para as variáveis contínuas, temos uma função densidade de probabilidade
(f.d.p.).

Suponha a seguinte função densidade de probabilidade (f.d.p.) para uma variável

aleatória contínua que assume valores no intervalo entre 0 e 1:

𝑓(𝑥) = 12𝑥 ! (1 − 𝑥), 𝑠𝑒 𝑥 ∈ [0,1]

Para ilustrar, inserimos abaixo o gráfico dessa f.d.p.:

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A probabilidade associada a um intervalo de valores corresponde à área abaixo da f.d.p.,

delimitada por esse intervalo. No exemplo acima, a probabilidade de 𝑥 pertencer ao intervalo
de 0,4 a 0,6 corresponde à área indicada abaixo pela seta:

Uma função densidade de probabilidade qualquer satisfaz às seguintes condições:

i) Uma probabilidade qualquer nunca é negativa, logo:

𝑓(𝑥) ≥ 0

Obs.: Quando 𝒇(𝒙) = 𝟎 para determinado intervalo, a probabilidade associada a esse

intervalo será zero.

ii) A probabilidade associada a todo o Espaço Amostral é igual a 100% = 1. Logo, a área
abaixo de toda a f.d.p. é igual a 1.

Se a f.d.p. for um segmento de reta, ou um conjunto de segmentos de retas, será

possível calcular a área da f.d.p. utilizando as fórmulas de geometria básica:

Á𝑟𝑒𝑎 𝑅𝑒𝑡â𝑛𝑔𝑢𝑙𝑜 = 𝐵𝑎𝑠𝑒 × 𝐴𝑙𝑡𝑢𝑟𝑎

Altura

Base

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

Equipe Exatas Estratégia Concursos
Aula 08
1613716

"#$%×'()*+#
Á𝑟𝑒𝑎 𝑇𝑟𝑖â𝑛𝑔𝑢𝑙𝑜 = 𝟐

Altura

Base

("#$% /#01+2"#$% /%31+)×'()*+#

Á𝑟𝑒𝑎 𝑇𝑟𝑎𝑝é𝑧𝑖𝑜 = !
Base Menor

Altura

Base Maior

Se a f.d.p. for uma curva, então precisaremos calcular a área por meio da integral
dessa função. Por isso, veremos agora um breve resumo das operações mais
comuns envolvendo integral.

Para uma potência qualquer de 𝑥 (exceto para 𝑛 = −1), a integral é dada por:

𝒙𝒏"𝟏
∫ 𝒙𝒏 . 𝒅𝒙 = 𝒏2𝟏

Por exemplo:

8 $"% 8&
∫ 𝑥 ! . 𝑑𝑥 = !29
= :

8 '$"% 8 '%
∫ 𝑥 ;! . 𝑑𝑥 = ;!29
= ;9

9
Se 𝑛 = −1, temos a integral de 𝑥 ;9 = 8, cujo resultado é o logaritmo na base e:

9
∫ 8 . 𝑑𝑥 = log % 𝑥 = ln 𝑥

Observação: o termo 𝑑𝑥 indica que estamos integrando em relação à variável 𝑥.

Pontue-se, ainda, que:

i) Quando houver uma multiplicação ou divisão por uma constante, basta

multiplicar ou dividir o resultado da integral pela constante:
7

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

8 ("%
∫ 𝑎. 𝑥 3 . 𝑑𝑥 = 𝑎. 329

8) 8* 8+
Por exemplo, ∫ 3𝑥 < . 𝑑𝑥 = 3. = , ∫ 9> . 𝑑𝑥 = 9>×?

ii) Se a integral for somente de uma constante, teremos:

∫ 𝑎. 𝑑𝑥 = 𝑎. 𝒙

Isso porque se considera que a constante está multiplicada por 𝑥 𝟎 = 1. Logo, o

𝒙𝟎"𝟏
resultado da integral é 𝟎2𝟏
=𝒙

Por exemplo, ∫ 𝑑𝑥 = ∫ 1. 𝑑𝑥 = 𝒙, ∫ 3. 𝑑𝑥 = 3𝒙

iii) A integral de uma potência de x na base e é ela mesma:

∫ 𝑒 8 𝑑𝑥 = 𝑒 8

Além disso, ∫ 𝑒 (82<) 𝑑𝑥 = 𝑒 (82<) , ∫ 𝑒 (8;:) 𝑑𝑥 = 𝑒 (8;:)

iv) A integral de uma soma (ou subtração) de expressões equivale à soma (ou
subtração) das integrais de cada expressão.

Por exemplo: ∫(𝑥 < + 3𝑥 ! − 𝑥 + 2) . 𝑑𝑥 = ∫ 𝑥 < 𝑑𝑥 + ∫ 3𝑥 ! 𝑑𝑥 − ∫ 𝑥. 𝑑𝑥 + ∫ 2. 𝑑𝑥

O resultado da integral, chamado de integrando, pode ser denotado por 𝑭(𝒙).

Para calcular a probabilidade de um intervalo, precisaremos da integral definida nesse intervalo.

Para um intervalo (a,b) qualquer, temos:
𝒃
𝑃(𝑎 < 𝑋 < 𝑏) = W 𝑓(𝑥). 𝑑𝑥 = 𝐹(𝒃) − 𝐹(𝒂)
𝒂

Ou seja, depois de calcularmos o integrando 𝐹(𝑥), aplicamos no ponto 𝒙 = 𝒃 (limite superior do

intervalo) e subtraímos o integrando no ponto 𝒙 = 𝒂 (limite inferior do intervalo).

Por exemplo, para calcular a integral de 𝑓(𝑥) = 3𝑥 ! no intervalo (0,1), aplicamos o resultado da
8&
integral 𝐹(𝑥) = ∫ 3𝑥 ! . 𝑑𝑥 = 3 :
= 𝑥 : no ponto 𝒙 = 𝟏, 𝑭(𝟏) = 𝟏𝟑 = 𝟏, e no ponto 𝒙 = 𝟎, 𝑭(𝟎) =
𝟎𝟑 = 𝟎, e subtraímos esses valores:
9
1: 0:
𝑃(𝟎 < 𝑋 < 𝟏) = W (3𝑥 ! ). 𝑑𝑥 = 3. − 3. = 1 − 0 = 1
> 3 3

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Para variáveis contínuas, não importa se definimos um intervalo com sinal de < ou
de ≤. Como a probabilidade de ser igual a um valor específico é zero, ou seja, P(X
= a) = 0 e P(X = b) = 0, então:

𝑃(𝑎 < 𝑋 < 𝑏) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 ≤ 𝑋 < 𝑏) = 𝑃(𝑎 < 𝑋 ≤ 𝑏)

Vimos que a probabilidade associada a todo o Espaço Amostral é igual a 1, certo? Então, para
uma f.d.p. cujo valor mínimo é 𝑥D e o valor máximo é 𝑥E , a integral definida nesse intervalo é igual
a 1, ou seja:

𝒙
𝑃(𝑆) = ∫𝒙 𝑺 𝑓(𝑥). 𝑑𝑥 = 1
𝑰

Se a f.d.p. apresentar uma função para toda a reta real, então temos 𝒙𝑰 = −∞ e 𝒙𝑺 = ∞.

É possível que uma variável tenha uma f.d.p. para um intervalo e outra f.d.p. para
outro intervalo, conforme exemplo da Banca CESPE abaixo.

!
:
𝑥, 𝑠𝑒 0 ≤ 𝑥 < 1
𝑓(𝑥) = _− 8 + = , 𝑠𝑒 1 ≤ 𝑥 ≤ 3b
< H
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜

Nesses casos, se precisarmos calcular a probabilidade associada a um intervalo

que englobe ambas as funções, será necessário calcular as integrais em separado
e, em seguida somá-las, como indicado no exemplo abaixo:

9 ! 9,= 8 =
𝑃(0,5 < 𝑥 < 1,5) = ∫>,= d: 𝑥e 𝑑𝑥 + ∫9 d− < + He 𝑑𝑥

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(2017 – TRF 2ª Região) Se x é uma variável aleatória contínua, então fx(x) pode ser da forma:

Está(ão) correta(s) a(s) afirmativa(s)

a) I, II e III.
b) II, apenas.
c) III, apenas.
d) I e II, apenas.
Comentários:
8
Para resolver essa questão, devemos verificar as condições (i) 𝑓(𝑥) ≥ 0 e (ii) ∫8 / 𝑓(𝑥). 𝑑𝑥 = 1 para
0
cada afirmativa.
Em relação a afirmativa I, temos:
4 1 1 4
𝑓(𝑥) = − g − 𝑥 ! h = − + 𝑥 !
3 4 3 3
Temos 𝑓(𝑥) ≥ 0 para os seguintes valores de 𝑥:
1 4
− + 𝑥! ≥ 0
3 3
4 ! 1
𝑥 ≥
3 3
1
1 3
𝑥 ≥3= ×
!
4 3 4
3
1
𝑥! ≥
4
Extraindo a raiz quadrada em ambos os lados da inequação, obtemos:

10

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1
|𝑥| ≥
2
9 9 9
Logo, temos 𝑓(𝑥) ≥ 0 apenas quando |𝑥| ≥ !, ou seja, para 𝑥 ≤ − ! ou 𝑥 ≥ !, e não para todo o
:
intervalo 𝑥 ∈ d0, !e. Portanto, a afirmativa I está incorreta.

Em relação a afirmativa II, temos 𝑓(𝑥) ≥ 0 quando:

4 :
𝑓(𝑥) = (𝑥 − 7) ≥ 0
37
<
Multiplicando ambos os lados da inequação por :J, temos:
𝑥: − 7 ≥ 0
𝑥: ≥ 7
&
𝑥 ≥ √7 ≅ 1,9
Logo, 𝑓(𝑥) ≥ 0 quando 𝑥 ≥ 1,9. Como 𝑥 ∈ (2,3), ou seja, 𝑥 > 2, então, 𝑓(𝑥) atende à primeira
condição. Vejamos a segunda:
8/ : : :
4 : 4. 𝑥 : 4 × 7 4. 𝑥 : 28
𝑃(𝑆) = W 𝑓(𝑥). 𝑑𝑥 = W (𝑥 − 7). 𝑑𝑥 = W o − p . 𝑑𝑥 = W o − p . 𝑑𝑥
80 ! 37 ! 37 37 ! 37 37
: :
4. 𝑥 : 28
𝑃(𝑆) = W . 𝑑𝑥 − W . 𝑑𝑥
! 37 ! 37

Os valores dessas integrais, sem considerar os limites, são:

4. 𝑥 : 4. 𝑥 :29 4. 𝑥 < 𝑥<

W 𝑑𝑥 = = =
37 37 × (3 + 1) 37 × 4 37

28 28
W 𝑑𝑥 = 𝑥
37 37

Aplicando os limites, temos:

:
4. 𝑥 : 3< 2< 81 16 65
W . 𝑑𝑥 = − = − =
! 37 37 37 37 37 37
:
28 28 28 28
W . 𝑑𝑥 = ×3− ×2=
! 37 37 37 37
Logo, a probabilidade do espaço amostral é:
65 28 37
𝑃(𝑆) = − = =1
37 37 37
Ou seja, a função II atende a ambas condições para uma f.d.p. e, portanto, está correta.
Em relação à afirmativa III, temos 𝑓(𝑥) ≥ 0 para os seguintes valores de 𝑥:

11

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

5. 𝑥 < 11. 𝑥
𝑓(𝑥) = − ≥0
11 13
5. 𝑥 < 11. 𝑥
≥
11 13
:
Como sabemos que 𝑥 ≠ 0, porque 𝑥 ∈ d! , 2e, então podemos dividir ambos os lados por 𝑥:
5. 𝑥 : 11
≥
11 13
121
𝑥: ≥
65
& 121
𝑥≥t ≅ 1,23
65
:
Logo, 𝑓(𝑥) ≥ 0 para 𝑥 ≥ 1,23. Como 𝑥 ∈ d! , 2e, ou seja, 𝑥 > 1,5, então 𝑓(𝑥) atende à primeira
condição. Vejamos a segunda:
8/ ! ! !
5. 𝑥 < 11. 𝑥 5. 𝑥 < 11. 𝑥
W 𝑓(𝑥). 𝑑𝑥 = W o − p . 𝑑𝑥 = W . 𝑑𝑥 − W . 𝑑𝑥
80 9,= 11 13 9,= 11 9,= 13

Os valores dessas integrais, sem considerar os limites, são:

5. 𝑥 < 5. 𝑥 <29 5. 𝑥 = 𝑥=
W . 𝑑𝑥 = = . 𝑑𝑥 =
11 11 × (4 + 1) 11 × 5 11

11. 𝑥 11. 𝑥 929 11. 𝑥 ! 11. 𝑥 !

W . 𝑑𝑥 = = . 𝑑𝑥 =
13 13 × (1 + 1) 13 × 2 26

Aplicando os limites, temos:

!
5. 𝑥 < 2= (1,5)=
W . 𝑑𝑥 = − ≅ 2,22
9,= 11 11 11
!
11. 𝑥 11. 2! 11. (1,5)!
W . 𝑑𝑥 = − ≅ 0,74
9,= 13 26 26
Logo, a probabilidade do espaço amostral é:
𝑃(𝑆) ≅ 2,22 − 0,74 = 1,48
Logo, a afirmativa III está incorreta, pois não atende à segunda condição.
Resposta: B.

(CESPE/2013 – CNJ)

12

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A função f(t) mostrada acima corresponde à função densidade de probabilidade do tempo gasto
(t, em meses) para se analisar um processo em determinada vara civil. Com relação essa função,
julgue os itens seguintes.
(CESPE/2013 – CNJ) A probabilidade de um processo, escolhido ao acaso, demorar menos de
três meses para ser analisado é superior a 0,99.
Comentários:
Por se tratar de uma variável contínua, temos 𝑃(𝑡 < 3) = 𝑃(𝑡 ≤ 3).
Pelo enunciado, observamos que para t > 3, a função densidade é igual a zero, ou seja:
𝑃(𝑡 > 3) = 0
Logo, a probabilidade complementar é:
𝑃(𝑡 ≤ 3) = 1 − 𝑃(𝑡 > 3) = 1 − 0 = 1
Como 1 é superior a 0,99, o item está certo.
Gabarito: Certo.

(CESPE/2013 – CNJ) A probabilidade de um processo, escolhido ao acaso, demorar mais de dois

meses para ser analisado é superior a 0,4.
Comentários:
A probabilidade de um processo demorar mais de 2 meses é igual à probabilidade de o processo
demorar entre 2 e 3 meses, uma vez que 𝑃(𝑡 > 3) = 0:
𝑃(𝑡 > 2) = 𝑃(2 < 𝑡 ≤ 3)
Pela f.d.p. fornecida, temos:
: :
𝑡 5
𝑃(2 < 𝑡 ≤ 3) = W 𝑓(𝑡). 𝑑𝑡 = W g− + h . 𝑑𝑡
! ! 4 6
) = )$ =
Considerando que ∫ d− < + He 𝑑𝑡 = − <×! + H 𝑡, então, aplicando os limites da integral, temos:
(3! − 2! ) 5 5 5 −15 + 20 5
𝑃(2 < 𝑡 ≤ 3) = − + (3 − 2) = − + = = ≅ 0,21
8 6 8 6 24 24
Logo, a probabilidade é inferior a 0,4.
Gabarito: Errado.

13

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1.2 Função de Distribuição Acumulada

Assim como para variáveis discretas, a função de distribuição acumulada (f.d.a.) ou função de
distribuição cumulativa, ou simplesmente, função de distribuição, para variáveis contínuas
também é definida como a probabilidade acumulada desde o início até o ponto indicado:

𝐹(𝑘) = 𝑃(𝑋 ≤ 𝑘)

Ou seja, a f.d.a. corresponde ao somatório da probabilidade desde o extremo inferior do intervalo

até o ponto k. Para variáveis contínuas, esse somatório corresponde à integral da f.d.p., desde o
seu limite inferior 𝑥D até o ponto:
𝒌
𝐹(𝑘) = 𝑃(𝑋 ≤ 𝒌) = W 𝑓(𝑥). 𝑑𝑥
80

A função de distribuição acumulada apresenta as seguintes características:

i) Por ser uma probabilidade, a f.d.a. assume valores entre 0 e 1:

𝟎 ≤ 𝑭(𝒙) ≤ 𝟏

Mais especificamente, no extremo inferior do intervalo, 𝒙𝑰 , a f.d.a. é igual a 0 e no

extremo superior do intervalo, 𝑺, a f.d.a. é igual a 1:
𝐹(𝑰) = 𝟎, 𝐹(𝑺) = 𝟏

Formalmente, dissemos que quando x tende a menos infinito (ou seja, x apresenta
valores muito pequenos), a f.d.a. é igual a 0 e quando x tende a mais infinito (ou seja, x
apresenta valores muito grandes), a f.d.a. é igual a 1:

lim 𝐹(𝑥) = 𝟎, lim 𝐹(𝑥) = 𝟏

8→;M 8→M

ii) 𝐹 é não decrescente.

Observe abaixo o gráfico de um exemplo de função de distribuição acumulada,

𝐹(𝑥) = 3𝑥 : .

14

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Observe que a função é crescente. Além disso, sabemos que o valor da f.d.a. no
extremo inferior é igual a zero, 𝐹(𝐼) = 𝟎 e no limite superior, igual a 1, 𝐹(𝑺) = 𝟏.
Assim, podemos observar pelo gráfico que 𝑥 pertence ao intervalo (0; 0,7).

(Adaptada: 2017 – TRF 2ª Região) Seja FX a função de distribuição cumulativa da variável aleatória
X e FY a função de distribuição cumulativa da variável aleatória Y. Sobre as propriedades da função
de distribuição cumulativa, julgue os itens a seguir.
I. FX é não decrescente, isto é, FX(a) ≤ FX(b) sempre que a < b, ∀ a,b, ∈ |R.
II. limx→ – ∞ FX (x) = 0 e limx→ ∞ FX (x) = 1.
Comentários:
Em relação ao item I, sabemos que uma função de distribuição acumulada é não decrescente. Ou
seja, se a < b, então o valor da função acumulada no ponto a é menor ou igual ao seu valor no
ponto b: F(a) < F(b). Portanto, o item I está certo.
Em relação ao item II, vimos que, quando x tende a menos infinito, a função acumulada é igual a
0 e, quando x tende a mais infinito, a função acumulada é igual a 1. Portanto, o item II está certo.
Resposta: Itens I e II certos.

15

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1.3 – Medidas Tendência Central e de Dispersão

A partir da f.d.p. ou da f.d.a., podemos calcular as medidas de tendência central (mediana, moda
e média) e de dispersão (variância e desvio padrão), como veremos nesta seção.

1.3.1 – Mediana

De aulas anteriores, sabemos que a mediana divide a distribuição em duas partes iguais, de modo
que metade das observações são superiores e metade das observações são inferiores, ou seja:

𝑃(𝑋 ≤ 𝑥/N ) = 50%

A partir da função de distribuição acumulada, temos:

𝐹(𝑥/N ) = 𝑃(𝑋 ≤ 𝑥/N ) = 50%

Suponha a mesma função de distribuição acumulada 𝐹(𝑥) = 3𝑥 : , com 𝑥 ∈ (0; 0,7).

A mediana dessa distribuição é, portanto:

𝐹(𝑥/N ) = 0,5
:
3𝑥/N = 0,5

: >,= 9
𝑥/N = :
=H

& 9
𝑥/N = •H ≅ 0,55

O gráfico a seguir representa a função acumulada supracitada, como vimos antes,

e a reta vermelha representa a mediana, que divide a distribuição em duas partes
iguais.

16

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1.3.2 – Moda

Como vimos em aulas anteriores, a moda corresponde ao valor com maior probabilidade. A moda
pode ser visualmente identificada, a partir do gráfico da f.d.p., pois é o valor de 𝑥 associado ao
maior valor da função densidade de probabilidade, 𝑓(𝑥).

Se a f.d.p., definida em determinado intervalo, for uma função que sabemos ser
decrescente ou crescente, então a moda será o extremo inferior ou superior,
respectivamente, do intervalo da função.

Moda Moda

17

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Se a f.d.p. for uma parábola com concavidade voltada para cima, a moda será
um dos extremos (ou ambos). Nessa situação, teste os dois extremos para saber
qual corresponde ao maior valor da f.d.p.; ou se ambos apresentam o mesmo
valor, caso em que haverá duas modas.

Moda(?) Moda(?)

Se for uma parábola com concavidade voltada para baixo, a moda será a média
entre as raízes. Raízes são os valores de x para os quais a função é igual a zero.

Moda

Porém, se não for possível identificar a moda dessa forma, então será necessário calcular a
derivada da f.d.p. O valor da moda será, então, o valor de 𝑥 para o qual a derivada da f.d.p. seja
igual a zero.

A derivada da função é o inverso da integral, ou seja, se a integral de uma função

f é F, então a derivada de F (que podemos representar por F’) é igual a f. Assim, as
expressões que vimos para o cálculo das integrais se invertem:

i) A derivada de uma variável 𝑥 qualquer, elevada a uma constante 𝒂 é:

N(8 𝒂 )
N8
= 𝑎. 𝑥 𝒂;𝟏

18

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Por exemplo:

N(8 𝟒 )
N8
= 4. 𝑥 𝟒;𝟏 = 4𝑥 :

N(8 '𝟐 )
N8
= −𝟐. 𝑥 ;𝟐;𝟏 = −2𝑥 ;:

N(#)
ii) A derivada de uma constante é zero: N8
=0

N(=) N(!>)
Por exemplo, N8
= 0, N8
=0

iii) A derivada de uma função qualquer 𝑓(𝑥) multiplicada por uma constante 𝒂
é igual ao produto da constante pela derivada da função. Por exemplo:

N(𝒂.8 𝒃 ) N() 𝒃 )
N)
= 𝑎. N)
= 𝑎. 𝒃. 𝑡 𝒃;𝟏

iv) A derivada de 𝑒 ) é o próprio 𝑒 ) :

N(𝒆𝒕 )
N)
= 𝒆𝒕

v) A derivada da soma de funções 𝒇(𝒕) e 𝒈(𝒕) é igual à soma das derivadas:

N(S())2 T())) N(S())) N(𝒈(𝒕))

N)
= N)
+ N)

Por exemplo, suponha que 𝑓(𝑥) = 𝑥 − 𝑥 ! , 𝑝𝑎𝑟𝑎 𝑥 ∈ [0,1] seja uma f.d.p. Vamos primeiro derivá-la:
𝑑
(𝑥 − 𝑥 ! ) = 1 − 2𝑥
𝑑𝑥
A moda corresponde ao valor de 𝑥 para o qual essa derivada seja nula, logo:

1 − 2𝑥 = 0
𝑥 = 0,5

1.3.3 – Esperança Matemática

Para o caso discreto, a esperança matemática é definida como:

𝐸(𝑿) = † 𝒙. 𝑃(𝑥)

19

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Para o caso contínuo, a situação é análoga. Porém, como os elementos não são contáveis, não
conseguimos somá-los. Por isso, substituímos a soma do produto, pela integral do produto.

Além disso, substituímos a probabilidade 𝑃(𝑥) pela função densidade de probabilidade da variável
contínua 𝑓(𝑥). Assim, para uma f.d.p. definida no intervalo de 𝑥D a 𝑥E , a esperança é:

8
𝐸(𝑿) = ∫8 / 𝒙. 𝑓(𝑥) . 𝑑𝑥
0

Em uma distribuição simétrica e unimodal (somente uma moda), temos Média =

Mediana = Moda. Nessa situação, podemos nos referir a esse valor central, dizendo
que a variável é simétrica em torno desse valor.

Média = Mediana = Moda

Pontue-se que todas as propriedades de esperança vistas na aula passada valem para variáveis
contínuas:

i) 𝑬(𝑿 + 𝒀) = 𝑬(𝑿) + 𝑬(𝒀)

ii) 𝑬(𝑿 − 𝒀) = 𝑬(𝑿) − 𝑬(𝒀)
iii) Se X e Y são independentes, então 𝑬(𝑿. 𝒀) = 𝑬(𝑿). 𝑬(𝒀)

iv) 𝑬(𝒌. 𝑿) = 𝒌. 𝑬(𝑿)

v) 𝑬(𝒌) = 𝒌

20

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(2014 – DETRAN/RO) Seja X uma variável aleatória contínua com função densidade de
probabilidade dada por:
2. 𝑥Š , 𝑠𝑒 2 < 𝑥 < 3
𝑓(𝑥) = ‰ 5 ‹
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
O valor esperado de X é, aproximadamente, igual a
a) 1,0
b) 1,5
c) 2,0
d) 2,5
e) 3,0
Comentários:
O valor esperado (ou média) de uma variável aleatória é definido como:
8/
𝐸(𝑋) = W 𝑥. 𝑓(𝑥). 𝑑𝑥
80
: :
2. 𝑥 2. 𝑥 !
𝐸(𝑋) = W 𝑥. . 𝑑𝑥 = W . 𝑑𝑥
! 5 ! 5
!.8 $ !.8 & !.8 &
Considerando que ∫ =
. 𝑑𝑥 = =×:
= 9=
, então aplicando os limites, temos:
2 2 2 × 19
𝐸(𝑋) = . (3: − 2: ) = . (27 − 8) = = 2,5333 …
15 15 15
Resposta: D.

(CESPE/2013 – CNJ)

21

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A função f(t) mostrada acima corresponde à função densidade de probabilidade do tempo gasto
(t, em meses) para se analisar um processo em determinada vara civil. Com relação essa função,
julgue o item seguinte.
(CESPE/2013 – CNJ) Cada processo demora, em média, pelo menos 1,5 mês para ser analisado.
Comentários:
A média (ou esperança) é dada por:

𝐸(𝑋) = W 𝑥. 𝑓(𝑥) . 𝑑𝑥

Como há funções diferentes para intervalos diferentes, então:

9 :
2 𝑡 5
𝐸(𝑇) = W 𝑡. 𝑡. 𝑑𝑡 + W 𝑡. g− + h . 𝑑𝑡
> 3 9 4 6
9 :
2 ! 𝑡 ! 5𝑡
𝐸(𝑇) = W 𝑡 . 𝑑𝑡 + W o− + p . 𝑑𝑡
> 3 9 4 6
Temos os seguintes resultados para as integrais, sem considerar os limites:
2 2 𝑡 : 2𝑡 :
W 𝑡 ! . 𝑑𝑡 = . =
3 3 3 9
𝑡 ! 5𝑡 𝑡! 5𝑡 𝑡: 5𝑡 ! −𝑡 : + 5𝑡 !
W o− + p 𝑑𝑡 = W − 𝑑𝑡 + W 𝑑𝑡 = − + =
4 6 4 6 4×3 6×2 12
Então, aplicando os limites das integrais, temos:
9
2 2 × (1: −0: ) 2
W 𝑡. 𝑡. 𝑑𝑡 = =
> 3 9 9
:
𝑡 ! 5𝑡 −(3: − 1: ) + 5 × (3! − 1! ) −26 + 5 × 8 14 7
W o− + p . 𝑑𝑡 = = = =
9 4 6 12 12 12 6
Logo, a esperança é:
2 7 4 + 21 25
𝐸(𝑇) = + = = ≅ 1,4
9 6 18 18
Ou seja, a esperança é inferior a 1,5 mês.
Gabarito: Errado.

(CESPE/2013 – CNJ) O tempo médio para se avaliar sequencialmente 10 processos é superior a

1 ano.
Comentários:
!=
Na última questão, calculamos que cada processo demora em média 9? ≅ 1,4 mês para ser
analisado. Logo, considerando as propriedades da esperança, 10 processos levam, em média:

22

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

25
𝐸(10. 𝑇) = 10. 𝐸(𝑇) = 10 × ≅ 14
18
Como 14 meses são superiores a 1 ano (composto de 12 meses), o item está correto.
Gabarito: Certo.

1.3.4 – Variância

A variância de uma variável aleatória 𝑋, seja ela discreta ou contínua, pode ser calculada como:

𝑉(𝑋) = 𝐸(𝑋 ! ) − [𝐸(𝑋)]!

Para variáveis discretas, o segundo momento 𝐸(𝑋 ! ) é dado por:

𝐸(𝑋 ! ) = † 𝒙𝟐 . 𝑃(𝑥)

Para variáveis contínuas, substituímos o somatório pela integral e a probabilidade 𝑃(𝑥) pela f.d.p.
𝑓(𝑥):

8
𝐸(𝑿𝟐 ) = ∫8 / 𝒙𝟐 . 𝑓(𝑥). 𝑑𝑥
0

Todas as propriedades de variância vistas na aula passada valem para variáveis contínuas:

i) 𝑉(𝑋 + 𝑘) = 𝑉(𝑋)
ii) 𝑉(𝑘. 𝑋) = 𝑘 ! . 𝑉(𝑋)
V X(V)
iii) 𝑉 dW e = W$

Além disso, vale ressaltar a seguinte propriedade, válida somente para variáveis independentes,
que também se aplica tanto para o caso discreto quanto para o caso contínuo:

iv) Se X e Y são independentes, então 𝑉(𝑋 + 𝑌) = 𝑉(𝑋) + 𝑉(𝑌)

Lembre-se que o desvio padrão é a raiz quadrada da variância!

1.4 – Teoremas de Desigualdade

Nesta seção, veremos a Desigualdade de Chebyshev e a Desigualdade Unilateral, cujo objetivo é

trazer uma estimativa de probabilidades, a partir da esperança e da variância da variável.
23

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1.4.1 – Desigualdade de Chebyshev

Antes de explicá-lo, vale pontuar que existem diversas maneiras de escrever o nome do
matemático russo: Chebyshev, Tchebychev, Tschebyscheff, Chebychov,...

Seja X uma variável aleatória com esperança 𝑬(𝑿) = 𝝁 e variância 𝑽(𝑿) = 𝝈𝟐 .

Então, para todo 𝛿 > 0, temos:

𝝈𝟐
𝑃(|𝑋 − 𝝁| ≥ 𝜹) ≤ 𝜹𝟐

O que essa desigualdade indica é que a probabilidade de X se distanciar da média (para cima ou
𝝈𝟐
para baixo) em mais que um determinado valor 𝜹 é, no máximo, igual à razão 𝜹𝟐 . Atente-se que:

𝑃(|𝑋 − 𝝁| ≥ 𝜹) = 𝑃(𝑋 ≤ 𝝁 − 𝜹 ∪ 𝑋 ≥ 𝝁 + 𝜹)

Vamos supor que uma fábrica produza, em média, 1000 unidades por dia de
determinado medicamento, com variância de 200 unidades2/dia. Com apenas
essas informações, vamos calcular a probabilidade de a fábrica produzir menos
que 900 unidades ou mais que 1100 unidades em um dia.

Em ambos os casos, temos uma “distância”, em relação à média, de 100 unidades,

pois |900 – 1000| = 100 e |1100 – 1000| = 100. Logo, 𝛿 = 100 unidades:

[$
𝑃(|𝑋 − 𝜇| ≥ 𝛿) ≤ \ $

!>>
𝑃(𝑋 < 900 ∪ 𝑋 > 1100) = 𝑃(|𝑋 − 1000| ≥ 100) ≤ (9>>)$

𝑃(𝑋 < 900 ∪ 𝑋 > 1100) ≤ 0,02

Podemos calcular também a probabilidade de produzir entre 900 e 1100 unidades

em um dia, dada por:

𝑃(900 < 𝑋 < 1100) = 1 − 𝑃(𝑋 < 900 ∪ 𝑋 > 1100)

𝑃(900 < 𝑋 < 1100) ≥ 1 − 0,02 = 0,98

24

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(2011 – TRT 1ª Região) Utilizando o Teorema de Tchebyshev, obteve-se que o valor máximo da
probabilidade dos empregados de uma empresa, que ganham um salário igual ou inferior a R$
1.500,00 ou um salário igual ou maior a R$ 1.700,00, é 25%. Sabendo-se que a média destes
salários é igual a R$ 1.600,00, encontra-se a respectiva variância, em (R$)2, que é
a) 2.500
b) 3.600
c) 4.900
d) 6.400
e) 10.000
Comentários:
Pelo Teorema de Chebyshev, sabemos que:
𝜎!
𝑃(|𝑋 − 𝜇| ≥ 𝛿) ≤
𝛿!
Sendo 𝜇 = 1600, então a distância em relação à média é maior que 𝛿 = 100, pois |1500 – 1600| =
100 e |1700 – 1600| = 100:
𝜎!
𝑃(|𝑋 − 1600| ≥ 100) ≤
100!
[$
O enunciado informa ainda que 𝑃(|𝑋 − 1600| ≥ 100) ≤ 25%, então concluímos que 9>>$
é igual a
25%:
𝜎!
= 25%
100!
𝜎 ! = 0,25 × 100 × 100 = 2500
Resposta: A.

1.3 – Desigualdade Unilateral

Existe, ainda, uma estimativa para a probabilidade de uma variável se afastar da média apenas
para cima, chamada de versão unilateral de Cantelli da desigualdade de Chebyshev (ou de
desigualdade unilateral de Chebyshev ou, ainda, de desigualdade de Cantelli):
25

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝝈𝟐
𝑃(𝑋 − 𝝁 ≥ 𝜹) ≤ 𝝈𝟐 2𝜹𝟐

Para o mesmo exemplo, podemos calcular a probabilidade de a fábrica produzir

mais que 1100 unidades, somente, sabendo que a média é de 1000 unidades e a
variância de 200 unidades2/dia. A distância em relação à média é 𝛿 = 100, então:

[$
𝑃(𝑋 − 𝜇 ≥ 𝛿) ≤ [$ 2\ $

!>>
𝑃(𝑋 − 1000 ≥ 100) ≤ !>>29>.>>>

𝑃(𝑋 ≥ 1100) ≤ 0,0196

Assim, a probabilidade de produzir menos que 1100 unidades é dada por:

𝑃(𝑋 < 1100) = 1 − 𝑃(𝑋 ≥ 1100)

𝑃(𝑋 < 1100) ≥ 1 − 0,0196 = 0,9804

(CESPE/2011 – EBC) Considerando as desigualdades usuais em teoria de probabilidades,

julgue o próximo item.
Suponha que uma variável aleatória X tenha média zero e variância finita e que, pela desigualdade
unilateral de Chebyshev, P(X≥ 25) ≤ 0,25. Nesse caso, a variância de X será superior a 200.
Comentários:
Pela desigualdade unilateral de Chebyshev, temos:
𝜎!
𝑃(𝑋 − 𝜇 ≥ 𝛿) ≤
𝜎! + 𝛿!
26

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Sabendo que 𝜇 = 0, 𝛿 = 25, temos:

𝜎!
𝑃(𝑋 ≥ 25) ≤
𝜎 ! + 25!
[$
Sabendo que 𝑃(𝑋 ≥ 25) ≤ 0,25, então concluímos que [$ 2!=$ é igual a 0,25:
𝜎!
= 0,25
𝜎 ! + 25!
𝜎 ! = 0,25 × (𝜎 ! + 625)
𝜎 ! = 0,25 × 𝜎 ! + 0,25 × 625
𝜎 ! − 0,25 × 𝜎 ! = 0,25 × 625
0,75 × 𝜎 ! = 0,25 × 625
0,25 × 625 625
𝜎! = = = 208,333 …
0,75 3
Resposta: Certo.

2. MOMENTOS DE UMA VARIÁVEL ALEATÓRIA

Em estatística, os momentos caracterizam as distribuições de probabilidade. O primeiro
momento caracteriza a tendência central; o segundo caracteriza a dispersão; o terceiro momento,
a assimetria; e o quarto, a curtose. Porém, é possível que distribuições distintas apresentem os
mesmos momentos.

Formalmente, o 𝒌-ésimo momento, ou momento de ordem 𝒌, 𝝁𝒌 , de uma variável aleatória 𝑋, é:

𝜇𝒌 = 𝐸(𝑋 𝒌 )

Essa definição vale tanto para variáveis discretas, quanto para variáveis contínuas.
Especificamente, para o caso discreto, temos:

𝜇𝒌 = 𝐸—𝑋 𝒌 ˜ = †(𝑥0 )𝒌 . 𝑃(𝑥0 )

0

Para o caso contínuo, a situação é análoga, substituindo o somatório, pela integral e a

probabilidade pela função densidade de probabilidade:

E
𝜇𝒌 = 𝐸—𝑋 𝒌 ˜ = W (𝑥0 )𝒌 . 𝑓(𝑥0 ). 𝑑𝑥
D

27

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Para 𝑘 = 1 (primeiro momento), temos:

𝜇9 = 𝐸(𝑋9 ) = 𝐸(𝑋)

Essa é a fórmula da esperança matemática. Por isso, dizemos que a esperança corresponde ao
primeiro momento, ou momento de ordem 1.

Para 𝑘 = 2 (segundo momento), temos:

𝜇! = 𝐸(𝑋 ! )

Essa é a fórmula que utilizamos para o cálculo da variância: 𝜎 ! = 𝐸(𝑋 ! ) − [𝐸(𝑋)]! . Ou seja,
podemos calcular a variância pela diferença entre o segundo momento e o quadrado do
primeiro momento:

𝝈𝟐 = 𝑬(𝑿𝟐 ) − [𝑬(𝑿)]! = 𝝁𝟐 − (𝝁𝟏 )!

O 𝒌-ésimo momento central, 𝝁𝒌𝑪 , de uma variável aleatória 𝑋, é definido como:

𝜇W7 = 𝐸 [(𝑋 − 𝜇)W ]

Essa definição também vale tanto para variáveis discretas, quanto para variáveis contínuas.
Especificamente, para o caso discreto, temos:

𝜇W7 = 𝐸 [(𝑋 − 𝜇)W ] = †(𝑥0 − 𝜇)W . 𝑃(𝑥0 )

0

Analogamente, para o caso contínuo, temos:

E
𝜇W7 = 𝐸 [(𝑋 − 𝜇)W ] = W (𝑥0 − 𝜇)W . 𝑓(𝑥0 ). 𝑑𝑥
D

Para 𝑘 = 1 (primeiro momento central), temos:

𝜇97 = 𝐸(𝑋 − 𝜇)

Ou seja, é o valor esperado da diferença entre os elementos e a média. Pela definição de média,
esse valor é igual a zero. Portanto, o primeiro momento central é sempre nulo.

Para 𝑘 = 2 (segundo momento central), temos:

𝜇!7 = 𝐸 [(𝑋 − 𝜇)W ]

28

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Essa é a definição de variância. Por isso, o segundo momento central, ou momento central de
ordem 2, é igual à variância.

𝒌-ésimo Momento

Variável Discreta: 𝜇W = 𝐸(𝑋 W ) = ∑0(𝑥0 )W . 𝑃(𝑥0 )

E
Variável Contínua: 𝜇W = 𝐸(𝑋 W ) = ∫D (𝑥0 )W . 𝑓(𝑥0 ). 𝑑𝑥

Esperança = 1º momento: 𝜇9 = 𝐸(𝑋)

Variância = 2º momento – (1º momento)2: 𝜎 ! = 𝐸(𝑋 ! ) − [𝐸(𝑋)]! = 𝜇! − (𝜇9 )!

𝒌-ésimo Momento Central

Variável discreta: 𝜇W = 𝐸 [(𝑋 − 𝜇)W ] = ∑0(𝑥0 − 𝜇)W . 𝑃(𝑥0 )

E
Variável contínua: 𝜇W = 𝐸 [(𝑋 − 𝜇)W ] = ∫D (𝑥0 − 𝜇)W . 𝑓(𝑥0 ). 𝑑𝑥

1º momento central sempre nulo: 𝜇97 = 0

2º momento = Variância: 𝜇!7 = 𝐸 [(𝑋 − 𝜇)W ] = 𝜎 !

(2017 – TRF – 2ª Região – Adaptada) Considerando os Momentos de uma variável aleatória,

julgue as afirmativas a seguir.
I – O k-ésimo momento é dado por 𝐸(𝑋 W ).
II – Duas variáveis aleatórias com funções densidade de probabilidade distintas podem ter os
mesmos momentos.

29

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Comentários:
Em relação ao item I, vimos que o k-ésimo momento de uma variável aleatória é, de fato, 𝜇W =
𝐸(𝑋 W ), logo o item I está correto.
Em relação ao item II, vimos que distribuições de probabilidade distintas podem ter os mesmos
momentos. Logo, variáveis contínuas podem ter f.d.p. distintas e apresentar os mesmos
momentos.
Resposta: Itens I e II Certos.

3. TRANSFORMAÇÃO DE VARIÁVEIS
Utilizamos a técnica da transformação de variáveis, quando conhecemos a função densidade de
probabilidade de uma variável 𝑋 e queremos encontrar a função de outra variável 𝑌, que possui
uma relação conhecida com 𝑋, da forma 𝑌 = ℎ(𝑋). Essa transformação funciona tanto para
variáveis discretas, quanto para variáveis contínuas.

Para variáveis discretas, conhecemos as probabilidades de X, 𝑃 [𝑋 = 𝑥 ], e queremos calcular as

probabilidades de Y, 𝑃[𝑌 = 𝑦]. Fazemos esse cálculo com base na relação entre Y e X que
conhecemos, 𝑌 = ℎ(𝑋):

𝑃[𝑌 = 𝑦] = 𝑃[ℎ(𝑋) = 𝑦] = 𝑃[𝑋 = ℎ;9 (𝑦)]

Essa expressão corresponde aos seguintes passos para encontrar 𝑃[𝑌 = 𝑦]:

i) Primeiro, invertemos a função ℎ, para encontrar a relação de X em função de Y, isto é,

𝑋 = ℎ;9 (𝑦).
ii) Em seguida, na expressão da probabilidade de X, substituímos o termo x pela
expressão 𝒉;𝟏 (𝒚).

Por fim, os possíveis valores que 𝑌 pode podem ser calculados como 𝒚 = 𝒉(𝒙).

Vamos considerar uma variável geométrica 𝑋, com probabilidade 𝑝 = 0,1, ou seja:

30

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑃[𝑋 = 𝑥] = 0,1 × 0,98;9 , com 𝑥 = 1, 2, 3, …

Além disso, seja 𝑌 = ℎ(𝑋) = 2𝑋 + 2. Primeiro calculamos 𝑋 = ℎ;9 (𝑦):

𝑌 = 2𝑋 + 2
]
𝑋 = !+1

^
Em seguida, na expressão de 𝑃[𝑋 = 𝑥] = 0,1 × 0,98;9 , substituímos 𝑥 por ! + 1:

8
𝑃[𝑌 = 𝑦] = 0,1 × 0,9$

Os possíveis valores de 𝑌 são 𝑦 = 2𝑥 + 2 para todos os possíveis valores de 𝑥 =

1, 2, 3, …, ou seja, 𝑦 = 4, 6, 8, …

Se as probabilidades de X, 𝑃[𝑋 = 𝑥], não forem uma função de 𝑥, ou seja, se elas forem fixas,
então não será necessário calcular a inversa 𝑋 = ℎ;9 (𝑦). Nesse caso, basta encontrar os possíveis
valores 𝒚𝒊 = 𝒉(𝒙𝒊 ) e substituir 𝑥0 por 𝑦0 .

Para ilustrar, considere os valores de X e as respectivas probabilidades indicadas na tabela abaixo:

𝑥! 𝑃(𝑥! )
1 15%
3 25%
5 40%
7 20%

Considerando 𝑌 = 𝑋 ! − 1, calculamos os valores de Y, como 𝑦0 = 𝑥0! − 1:

𝑥! 𝑦0 = 𝑥0! − 1 𝑃(𝑥! ) = 𝑃(𝑦! )

1 1 –1=0
2
15%
3 32 – 1 = 8 25%
5 52 – 1 = 24 40%
7 72 – 1 = 48 20%

Para a transformação de variáveis contínuas, temos uma situação parecida. Porém, ao invés de
substituir a expressão 𝑥 = ℎ;9 (𝑦) em 𝑃[𝑋 = 𝑥 ], utilizamos a Função de Distribuição Acumulada
(chamado Método da Função de Distribuição).

Sendo 𝐹V a f.d.a. de 𝑋 e 𝐹] a f.d.a. de 𝑌, então se 𝑌 = ℎ(𝑋) for uma função crescente, temos:

𝐹] [𝑦] = 𝐹V [ℎ;9 (𝑦)]

31

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Se a função for decrescente, temos:

𝐹] [𝑦] = 1 − 𝐹V [ℎ;9 (𝑦)]

Se conhecermos a função densidade de probabilidade de 𝑋, 𝑓V , e desejarmos calcular a função

densidade de probabilidade de 𝑌, 𝑓] , podemos fazer a transformação diretamente, sem precisar
calcular as funções acumuladas (Método Jacobiano):

N` '% (^)
𝑓] [𝑦] = 𝑓V [ℎ;9 (𝑦)]. ž N^
ž

Para ilustrar o método jacobiano, considere a f.d.p. de X, 𝑓V (𝑥) = 3𝑥 ! , 𝑝𝑎𝑟𝑎 𝑥 ∈ [0,1]

e 𝑌 = ℎ(𝑋) = 2𝑋. Primeiro, vamos calcular a função ℎ;9 :

]
𝑌 = 2𝑋 à 𝑋 = !

Assim, 𝑓V [ℎ;9 (𝑦)] corresponde a:

𝑓V (𝑥) = 3𝑥 !

^ ! :
𝑓V [ℎ;9 (𝑦)] = 3 d !e = < 𝑦 !

E o valor da derivada de ℎ;9 (𝑦) é:

8
N` '% (^) Na b 9
$
N^
= N^
=!

N` '% (^) N` '% (^) N` '% (^)

Como N^
é positivo, então ž N^
ž= N^
.

N` '% (^)
Assim, o produto 𝑓V [ℎ;9 (𝑦)] × ž N^
ž é:

: 9 :
𝑓] [𝑦] = < 𝑦 ! × ! = ? 𝑦 !

Como 𝑥 ∈ [0,1] e 𝑦 = 2𝑥, temos 𝑦 ∈ [0,2].

32

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Uma transformação muito comum é a transformação de lei quadrática: 𝑌 = 𝑋 ! . Nesse caso, a

função não é nem somente crescente e nem somente decrescente. Além disso, a inversa não
possui valor único, pois 𝑋 = ±√𝑌.

Nesse caso, temos:

9
𝑓] [𝑦] = ! 𝑓V —¡𝑦˜ + 𝑓V —−¡𝑦˜¢
√^

Nessa expressão, 𝑓V —¡𝑦˜ significa que, na f.d.p. de 𝑥, substituímos 𝑥 por ¡𝑦, e 𝑓V —−¡𝑦˜ significa
que substituímos 𝑥 por −¡𝑦.

Assim, se 𝑋 ≥ 0, então 𝑓V —−¡𝑦˜ = 0; e se 𝑋 ≤ 0, então 𝑓V —¡𝑦˜ = 0.

(CESPE/2020 – Analista Judiciário do TJ/PA) A função de densidade de probabilidade de uma

variável aleatória contínua X é expressa por:

Se 𝑌 = √𝑋 então a função de densidade da variável Y para y ≥ 0 é expressa por

a) 𝑓] (𝑦) = 𝑦 ;9 𝑒 ;!^ .
b) 𝑓] (𝑦) = 2𝑒 ;!^ .
$
c) 𝑓] (𝑦) = 𝑦 ;! 𝑒 ;!^ .
d) 𝑓] (𝑦) = 2𝑦𝑒 ;!^ .
e) 𝑓] (𝑦) = 𝑒 ;!^ .
Comentários:
Como 𝑥 ≥ 0, então 𝑌 = √𝑋 é sempre crescente. Logo, pelo método Jacobiano, temos:
𝑑ℎ;9 (𝑦)
𝑓] [𝑦] = 𝑓V [ℎ;9 (𝑦)]
𝑑𝑦
33

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Primeiro calculamos a inversa ℎ;9 :

𝑌 = √𝑋
𝑋 = 𝑌!
Assim, pela f.d.p. fornecida, temos:
$
;9 (𝑦)] !]
𝑒 ;!.d^ 𝑒 ;!.^
𝑓V [ℎ = 𝑓V [𝑦 = =
¡𝑦 ! 𝑦

E também:
𝑑ℎ;9 (𝑦) 𝑑𝑦 !
= = 2𝑦
𝑑𝑦 𝑑𝑦
Então, a função densidade de Y é dada por:
𝑒 ;!.^
𝑓] [𝑦] = × 2. 𝑦 = 2. 𝑒 ;!.^
𝑦
Resposta: B.

4. DISTRIBUIÇÕES CONJUNTAS
Nesta seção, estudaremos distribuições conjuntas, que permitem a análise simultânea de duas ou
mais variáveis. Vamos começar os nossos estudos pelas medidas utilizadas nessa análise.

4.1 – Covariância e Correlação

Nesta seção, estudaremos variáveis relacionadas (não independentes), em que o resultado de

uma influencia de alguma forma o resultado de outra. Por exemplo, a altura de uma criança é
dependente da altura de seus pais; o volume de água em uma caixa d’água se relaciona
diretamente com o seu peso; a demanda de certo produto varia de acordo com o seu preço.

Observe que existem variáveis fortemente relacionadas, como o volume e o peso de água, e outras
nem tanto, como a altura dos pais e a altura dos filhos. Também existem variáveis que se
relacionam em um mesmo sentido (quanto mais altos são os pais, mais altos os filhos tendem a
ser) e variáveis que se relacionam em sentidos opostos (quanto maior o preço, menor a demanda).

A covariância e a correlação caracterizam tanto a força da relação entre duas variáveis, quanto a
sua orientação (se variam no mesmo sentido ou em sentidos opostos). A covariância entre duas
variáveis aleatórias 𝑋 e 𝑌 (contínuas ou discretas), representada por 𝐶𝑜𝑣(𝑋, 𝑌), é, dada por:

34

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋. 𝑌) − 𝐸(𝑋). 𝐸(𝑌)

Para variáveis discretas, o valor de 𝐸(𝑋. 𝑌) é dado por:

∑0 𝑥0 . 𝑦0
𝐸(𝑋. 𝑌) =
𝑛

Se os valores de 𝑋 e 𝑌 estiverem associados a probabilidades distintas, nesses casos, ao invés de

dividir o somatório por 𝑛, multiplicamos cada produto 𝑥. 𝑦 pela respectiva probabilidade 𝑝(𝑥, 𝑦),
como as fórmulas de esperança que vimos. Para variáveis contínuas, substituímos o somatório pela
integral do produto.

De modo geral, quando a covariância das variáveis é positiva, elas variam no mesmo sentido
(relação positiva), em média; e quando a covariância é negativa, elas variam em sentidos opostos
(relação negativa), em média.

Entretanto, a força da relação entre duas variáveis é difícil de interpretar a partir da covariância.
Para isso, há o conceito de correlação (ou coeficiente de correlação), indicado por 𝝆, em que
dividimos a covariância pelo desvio padrão de ambas as variáveis:

e1f(V,])
𝜌(𝑋, 𝑌) = [9 .[:

O coeficiente de correlação mede a força e a orientação com que duas variáveis, 𝑋 e 𝑌, se

relacionam linearmente, podendo assumir valores no intervalo [-1,1]. Assim, como para a
covariância, valores positivos do coeficiente de correlação indicam uma relação entre as variáveis
no mesmo sentido e valores negativos indicam relação em sentidos opostos.

Além disso, quando 𝝆 = 𝟏, há uma correlação linear perfeita positiva, ou seja, as variáveis
apresentam uma relação linear entre si. É o caso do volume de água e do peso da caixa d’água.
Quando 𝝆 = −𝟏, há uma correlação linear perfeita negativa. Um exemplo dessa relação seria o
peso da caixa d’água e o seu espaço disponível.

Para variáveis independentes, temos 𝐶𝑜𝑣(𝑋, 𝑌) = 0 e, consequentemente, 𝝆 = 𝟎. Porém, é

possível que esses valores sejam iguais a zero e as variáveis não serem independentes!

35

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2016 – TCE/PR) Se satisfação no trabalho e saúde no trabalho forem indicadores com

variâncias populacionais iguais a 8 e 2, respectivamente, e se a covariância populacional entre
esses indicadores for igual a 3, então a correlação populacional entre satisfação no trabalho e
saúde no trabalho será igual a:
a) 0,8125.
b) 1.
c) 0,1875.
d) 0,30.
e) 0,75.
Comentários:
Sabendo que V(X) = 8, V(Y) = 2 e Cov(X,Y) = 3, então a correlação é dada por:
𝐶𝑜𝑣(𝑋, 𝑌) 3 3 3
𝜌(𝑋, 𝑌) = = = = = 0,75
𝜎V . 𝜎] √8. √2 √16 4
Gabarito: E

4.1.1 – Propriedades

Veremos agora propriedades da covariância e da correlação, que também valem tanto para
variáveis discretas, quanto para variáveis contínuas.

i) 𝑪𝒐𝒗(𝑿, 𝒀) = 𝑪𝒐𝒗(𝒀, 𝑿)

A covariância é uma medida simétrica, ou seja, não importa qual é a variável que aparece primeiro.

Consequentemente, o coeficiente de correlação também é simétrico: 𝝆(𝑿, 𝒀) = 𝝆(𝒀, 𝑿)

ii) 𝑪𝒐𝒗(𝑿, 𝑿) = 𝑽𝒂𝒓(𝑿)

A covariância de uma mesma variável é igual à sua variância.

Dessa forma, o coeficiente de correlação de uma mesma variável é:

36

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝐶𝑜𝑣(𝑋, 𝑋) 𝑉𝑎𝑟(𝑋)
𝝆(𝑿, 𝑿) = = =𝟏
𝜎V . 𝜎V 𝜎V !

iii) 𝑪𝒐𝒗(𝒌, 𝑿) = 𝟎

A covariância entre uma constante e uma variável é igual a zero.

Consequentemente, temos 𝝆(𝒌, 𝑿) = 𝟎.

iv) 𝑪𝒐𝒗(𝑿 + 𝒀, 𝒁) = 𝑪𝒐𝒗(𝑿, 𝒁) + 𝑪𝒐𝒗(𝒀, 𝒁)

A covariância entre a soma de variáveis aleatórias X + Y e uma outra variável Z é igual à soma da
covariância entre X e Z com a covariância entre Y e Z.

v) 𝑪𝒐𝒗(𝒌. 𝑿, 𝒍. 𝒀) = 𝑪𝒐𝒗(𝒍. 𝑿, 𝒌. 𝒀) = 𝒌. 𝒍. 𝑪𝒐𝒗(𝑿, 𝒀)

A covariância entre duas variáveis aleatórias 𝑋 e 𝑌, multiplicadas por constantes, é igual ao produto
das constantes pela covariância entre as variáveis 𝑋 e 𝑌.

Já o coeficiente de correlação será 𝝆(𝒌. 𝑿, 𝒍. 𝒀) = 𝝆(𝑿, 𝒀), se 𝒌. 𝒍 > 𝟎 e que 𝝆(𝒌. 𝑿, 𝒍. 𝒀) = −𝝆(𝑿, 𝒀),
se 𝒌. 𝒍 < 𝟎.

Assim, o coeficiente de correlação não varia, em módulo, ao multiplicarmos as variáveis

aleatórias por constantes reais. Se as constantes tiverem o mesmo sinal, o coeficiente de
correlação se mantém o mesmo; se as constantes tiverem sinais opostos, o coeficiente de
correlação assume o sinal contrário.

Por fim, pontue-se que quando somamos constantes às variáveis, o coeficiente de correlação não
varia, sejam constantes positivas ou negativas:

𝜌(𝑋 + 𝑎, 𝑌 + 𝑏) = 𝜌(𝑋, 𝑌)

(2015 – Prefeitura de Recife/PE) Uma variável aleatória X tem média igual a 2 e desvio padrão
igual a 2. Se Y = 6 – 2X, então a média de Y, a variância de Y e o coeficiente de correlação entre
X e Y valem, respectivamente,
a) -2, 4 e 1.
b) -2, 16 e 1.
37

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

c) 2, 16 e -1.
d) 10, 2 e -1.
e) 2, 4 e -1.
Comentários:
Pelas propriedades da esperança, temos:
E(Y) = E(6 – 2X) = 6 – 2.E(X) = 6 – 2.2 = 2
Pela propriedade da variância, temos:
V(Y) = V(6 – 2X) = (-2)2.V(X) = 4.V(X) = 4.22 = 16
Pela propriedade do coeficiente de correlação, temos:
𝜌 (X,Y) = 𝜌 (X,-2X) = - 𝜌 (X,X) = -1.
Resposta: alternativa c.

4.1.2 – Variância da Soma e da Diferença

No caso geral, a variância da soma de duas variáveis aleatórias é dada pela seguinte fórmula:

𝑉𝑎𝑟(𝑋 + 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) + 2. 𝐶𝑜𝑣(𝑋, 𝑌)

Para a subtração das variáveis, temos:

𝑉𝑎𝑟(𝑋 − 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) − 2. 𝐶𝑜𝑣(𝑋, 𝑌)

Para ajudar a lembrar a fórmula, observe a similaridade das fórmulas acima com os produtos
notáveis:

(𝑥 + 𝑦)! = 𝑥 ! + 𝑦 ! + 2. 𝑥. 𝑦
(𝑥 − 𝑦)! = 𝑥 ! + 𝑦 ! − 2. 𝑥. 𝑦
Para variáveis independentes 𝑋, 𝑌, temos 𝐶𝑜𝑣(𝑋, 𝑌) = 0, portanto:

𝑉𝑎𝑟(𝑋 + 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌)

38

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(2016 – IBGE) Se duas variáveis aleatórias, X e Y, têm correlação linear negativa, então:
a) Quanto menor for o valor de X, menor será o valor de Y.
b) A soma dos valores esperados de X e Y é menor do que o valor esperado de X + Y.
c) O produto dos valores esperados de X e Y é menor do que o valor esperado do produto X.Y.
d) A soma das variâncias de X e Y é igual ou menor do que as variâncias de X + Y.
e) A soma das variâncias de X e Y é estritamente maior do que a variância de X + Y.
Comentários:
A questão informa que Cov(X,Y) < 0.
Em relação à alternativa A, como a covariância é negativa, então X e Y se relacionam em sentidos
opostos. Assim, quanto menor for o valor de X, maior será o valor de Y (em média).
Portanto: alternativa A incorreta.
Em relação à alternativa B, E(X + Y) = E(X) + E(Y), por definição, para quaisquer variáveis X e Y.
Portanto: alternativa B incorreta.
Em relação à alternativa C, o valor de E(X.Y) pode ser calculado a partir da covariância:
Cov(X,Y) = E(X.Y) – E(X).E(Y)
E(X.Y) = Cov(X,Y) + E(X).E(Y)
Sendo Cov(X,Y) < 0, então E(X.Y) < E(X).E(Y), ou seja, E(X).E(Y) > E(X.Y)
Portanto: alternativa C incorreta.
Em relação às alternativas D e E, o valor de V(X + Y) é:
V(X + Y) = V(X) + V(Y) + 2.Cov(X,Y)
Como Cov(X,Y) < 0, então V(X + Y) < V(X) + V(Y), ou seja, V(X) + V(Y) > V(X + Y).
Portanto: alternativa D incorreta e alternativa E correta.
Resposta: E.
(2015 – TJ/RO) Seja X = número de anos de condenação e Y = nível de renda do condenado (mil
reais). São fornecidas ainda as seguintes informações:
Var(X) = 25; Var (Y) = 16 e Var (X+Y) = 21

39

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Assim sendo, a correlação (Pearson) entre X e Y é igual a:

a) 0,20
b) 0,25
c) 0,50
d) -0,50
e) -0,10
Comentários:
A correlação é dada por:
𝐶𝑜𝑣(𝑋, 𝑌)
𝜌(𝑋, 𝑌) =
¡𝑉(𝑋). ¡𝑉(𝑌)
O valor de Cov(X,Y) pode ser obtido pela fórmula da variância da soma:
V(X + Y) = V(X) + V(Y) + 2.Cov(X,Y)
21 = 25 + 16 + 2.Cov(X,Y)
2.Cov(X,Y) = - 20
Cov(X,Y) = -10
Portanto:
𝐶𝑜𝑣(𝑋, 𝑌) −10
𝜌(𝑋, 𝑌) = = = −0,5
¡𝑉(𝑋). ¡𝑉(𝑌) 5×4

Resposta: D.

4.2 – Distribuições Conjuntas

As distribuições de probabilidade conjuntas apresentam os valores de probabilidade para duas

(ou mais) variáveis simultaneamente. No caso discreto, essas distribuições são denotadas por
𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) ou 𝑝(𝑥, 𝑦), que correspondem à probabilidade de 𝑋 = 𝑥 e de 𝑌 = 𝑦 (interseção):

𝑝(𝑥, 𝑦) = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦)

Essas probabilidades são normalmente representadas por uma tabela. A título de ilustração,
suponha 10 bolas numeradas de 1 a 10, em que o sucesso de X, em que X = 1, corresponde à
seleção de número múltiplo de 3 (e os demais resultados, ao fracasso, em que X = 0) e que o
sucesso de Y, em que Y = 1, corresponde à seleção de um número primo (e os demais, ao fracasso,
em que Y = 0).
40

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Assim, temos os seguintes valores de X e Y para cada bola:

Bola X Y
1 0 0
2 0 1
3 1 1
4 0 0
5 0 1
6 1 0
7 0 1
8 0 0
9 1 0
10 0 0

Assim, temos as seguintes probabilidades para cada combinação possível para X e Y:

o X = 0 e Y = 0 em 4 dos 10 resultados, logo P(X = 0, Y = 0) = 4/10 = 40%

o X = 0 e Y = 1 em 3 dos 10 resultados, logo P(X = 0, Y = 1) = 3/10 = 30%
o X = 1 e Y = 0 em 2 dos 10 resultados, logo P(X = 1, Y = 0) = 2/10 = 20%
o X = 1 e Y = 1 em 1 dos 10 resultados, logo P(X = 1, Y = 1) = 1/10 = 10%

Esses valores podem ser representado pela seguinte tabela de distribuição conjunta:

Y
0 1
0 40% 30%
X
1 20% 10%

Para distribuições conjuntas, a probabilidade associada a todo o Espaço Amostral também é de

100%, ou seja, a soma de todos os campos é necessariamente 100% = 1.

As distribuições conjuntas de variáveis contínuas são representadas pelas funções densidade de

probabilidade conjunta, indicadas por 𝑓V,] (𝑥, 𝑦) ou 𝑓(𝑥, 𝑦).

Tanto para o caso discreto quanto para o caso contínuo, a função de distribuição acumulada
conjunta é definida como:

𝐹(𝑥, 𝑦) = 𝑃(𝑋 ≤ 𝑥, 𝑌 ≤ 𝑦)

Novamente, essa probabilidade corresponde à interseção dos eventos, 𝑋 ≤ 𝑥 e 𝑌 ≤ 𝑦.

41

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

4.2.1 – Probabilidades Marginais e Independência

A partir da distribuição conjunta, podemos calcular as probabilidades das variáveis

individualmente, chamadas de probabilidades marginais. A partir da tabela de probabilidade
conjunta, obtemos as probabilidades marginais pela soma de cada linha e de cada coluna.

Abaixo, replicamos a tabela anterior, acrescentando os campos com os respectivos somatórios:

Y
P(X=x)
0 1
0 40% 30% 70%
X
1 20% 10% 30%
P(Y=y) 60% 40% 100%

Ou seja, os valores da probabilidade marginal de X, quais sejam, P(X = 0) e P(X = 1), são obtidos
pela soma das respectivas linhas; e os valores da probabilidade marginal de Y, quais sejam, P(Y =
0) e P(Y = 1), são obtidos pela soma das respectivas colunas.

Matematicamente, representamos o cálculo das funções de probabilidade marginais como:

𝑃(𝑋 = 𝑥) = ∑g 𝑝(𝑥, 𝑦g ) 𝑒 𝑃(𝑌 = 𝑦) = ∑0 𝑝(𝑥0 , 𝑦)

Pontue-se que o caso contínuo é análogo, substituindo-se as probabilidades pela função

densidade e o somatório pela integral.

As probabilidades marginais são muito importantes para sabermos se duas variáveis são
independentes ou não. Para que sejam independentes, é necessário termos a seguinte identidade
para todos os possíveis valores de X = x e Y = y:

𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑦)

Pela tabela acima, observamos que as variáveis não são independentes. Caso fossem
independentes, o valor de cada campo corresponderia ao produto entre a soma da linha e a
soma da coluna, conforme indicado a seguir:

Y
P(X=x)
0 1
0 70% x 60% = 42% 70% x 40% = 28% 70%
X
1 30% x 60% = 18% 30% x 40% = 12% 30%
P(Y=y) 60% 40% 100%

42

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Consequentemente, as proporções das probabilidades marginais se mantêm em todos os

campos. Ou seja, para todas as colunas, o valor de X = 0 corresponde a 70% do total da coluna e
o valor de X = 1 corresponde a 30% do total da coluna. Analogamente, para todas as linhas, o
valor de Y = 0 corresponde a 60% do total da linha e o valor de Y = 1 corresponde a 40% do total
da linha. Isso nos permite concluir que as variáveis são independentes.

(Adaptada: 2020 – UEPA) Considere o quadro abaixo, representando a distribuição conjunta de

X e Y.

Julgue as seguintes afirmações:

I. X e Y são independentes.
II. P(X =1 ou Y=2)=0,14.
Comentários:
Em atenção ao item I, X e Y são independentes se:
𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑦)
Para X = 1 e Y = 1, temos:

Ou seja, o lado esquerda da equação acima é 𝑃(𝑋 = 1, 𝑌 = 1) = 0,08

Já para o lado direito, temos:

Ou seja, 𝑃(𝑋 = 1) × 𝑃(𝑌 = 1) = 0,4 × 0,2 = 0,08. Logo, temos:

43

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑃(𝑋 = 1, 𝑌 = 1) = 𝑃(𝑋 = 1) × 𝑃(𝑌 = 1)

Agora fazemos o mesmo para os demais valores de X e de Y:
Para X = 2 e Y = 1, temos 𝑃(𝑋 = 2, 𝑌 = 1) = 0,06 e 𝑃(𝑋 = 2) × 𝑃(𝑌 = 1) = 0,3 × 0,2 = 0,06
Para X = 3 e Y = 1, temos os mesmos valores correspondentes a X = 2 e Y = 1.
Para X = 1 e Y = 2, temos 𝑃(𝑋 = 1, 𝑌 = 2) = 0,12 e 𝑃(𝑋 = 1) × 𝑃(𝑌 = 2) = 0,4 × 0,3 = 0,12
Para X = 2 e Y = 2, temos 𝑃(𝑋 = 2, 𝑌 = 2) = 0,09 e 𝑃(𝑋 = 2) × 𝑃(𝑌 = 2) = 0,3 × 0,3 = 0,09
Para X = 3 e Y = 2, temos os mesmos valores correspondentes a X = 2 e Y = 2.
Como as proporções se mantiveram para Y = 1 e Y = 2, então elas serão mantidas para Y = 3.
Portanto, as variáveis X e Y são independentes.
Resposta: Item I correto.
Em relação ao item II, a probabilidade da união é dada por:
𝑃(𝑋 = 𝑥 ∪ 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) + 𝑃(𝑌 = 𝑦) − 𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦)
Logo:
𝑃(𝑋 = 1 ∪ 𝑌 = 2) = 𝑃(𝑋 = 1) + 𝑃(𝑌 = 2) − 𝑃(𝑋 = 1, 𝑌 = 2)
𝑃(𝑋 = 1 ∪ 𝑌 = 2) = 0,4 + 0,3 − 0,12 = 0,58
Resposta: Item II errado.

4.3 – Distribuições Condicionais

Da Teoria de Probabilidade, sabemos que a probabilidade condicional corresponde às chances de

ocorrer um evento 𝑌 = 𝑦 (a posteriori), dado que ocorreu outro evento 𝑋 = 𝑥 (a priori), conforme
fórmula indicada a seguir.

𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦)
𝑃(𝑌 = 𝑦|𝑋 = 𝑥) =
𝑃(𝑋 = 𝑥)

Sabemos que a tabela de probabilidade conjunta apresenta as probabilidades das interseções,

𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦), e que, a partir dela, podemos calcular a probabilidade marginal 𝑃(𝑋 = 𝑥). Ou
seja, podemos calcular as probabilidades condicionais, a partir da tabela de distribuição conjunta.

Para o exemplo das bolas numeradas de 1 a 10, podemos calcular, por exemplo, a probabilidade
𝑃(𝑌 = 1|𝑋 = 0). Sabendo que 𝑃(𝑌 = 1, 𝑋 = 0) = 30% e 𝑃(𝑋 = 0) = 70%, então:

𝑃(𝑌 = 1 ∩ 𝑋 = 0) 30% 3
𝑃(𝑌 = 1|𝑋 = 0) = = =
𝑃(𝑋 = 0) 70% 7
44

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Pontue-se que, se as variáveis 𝑋 e 𝑌 forem independentes, então a probabilidade condicionada

é igual à probabilidade não condicionada:

𝑃(𝑌 = 𝑦|𝑋 = 𝑥) = 𝑃(𝑋 = 𝑥)

(2014 – DETRAN/RO) A tabela apresenta a distribuição conjunta de duas variáveis aleatórias X e

Y.

É correto afirmar que a probabilidade de X = 2, dado Y = 1, é

a) 0,1
b) 0,2
c) 0,3
d) 0,4
e) 0,5
Comentários:
A probabilidade condicional de X = 2 dado Y = 1 é calculada por:
𝑃(𝑋 = 2 ∩ 𝑌 = 1)
𝑃(𝑋 = 2|𝑌 = 1) =
𝑃(𝑌 = 1)
A probabilidade marginal de Y = 1 é dada por:
𝑃(𝑌 = 1) = 0,4 + 0,1 = 0,5
Sabendo que 𝑃(𝑋 = 2 ∩ 𝑌 = 1) = 0,1, então a probabilidade condicional é:
0,1
𝑃(𝑋 = 2|𝑌 = 1) = = 0,2
0,5
Resposta: B.

45

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

4.3.1 – Esperança e Variância Condicionais

É possível calcular as medidas de centralidade e dispersão que conhecemos para a distribuição

condicional. A esperança condicional 𝐸(𝑌|𝑋 = 𝑥) é dada por:

𝐸(𝑌|𝑋 = 𝑥) = † 𝑦g . 𝑃—𝑌 = 𝑦g |𝑋 = 𝑥˜
g

Ou seja, o cálculo da esperança condicional é como o da esperança que conhecemos, porém, ao

invés de multiplicar os valores da variável pela respectiva probabilidade marginal, multiplicamos
pela respectiva probabilidade condicional.

Também podemos encontrar a variância condicional, como indicado abaixo:

==189f94==

𝑉(𝑌|𝑋 = 𝑥) = 𝐸(𝑌 ! |𝑋 = 𝑥) − [𝐸(𝑌|𝑋 = 𝑥)]!

Para isso, precisamos do cálculo do segundo momento condicional, 𝐸(𝑌 ! |𝑋 = 𝑥), dado por:

!
𝐸(𝑌 ! |𝑋 = 𝑥) = †—𝑦g ˜ . 𝑃—𝑌 = 𝑦g |𝑋 = 𝑥˜
g

Com base na mesma tabela, vamos primeiro calcular 𝐸(𝑌|𝑋 = 0):

𝐸(𝑌|𝑋 = 0) = 0 × 𝑃(𝑌 = 0|𝑋 = 0) + 1 × 𝑃(𝑌 = 1|𝑋 = 0)

𝐸(𝑌|𝑋 = 0) = 𝑃(𝑌 = 1|𝑋 = 0)

: :
Como vimos antes, 𝑃(𝑌 = 1|𝑋 = 0) = J, logo, 𝐸(𝑌|𝑋 = 0) = J.

Para o cálculo da variância condicional 𝑉(𝑌|𝑋 = 0) = 𝐸(𝑌 ! |𝑋 = 0) − [𝐸(𝑌|𝑋 = 0)]! ,

precisamos do valor de 𝐸(𝑌 ! |𝑋 = 0):

𝐸(𝑌 ! |𝑋 = 0) = 0! × 𝑃(𝑌 = 0|𝑋 = 0) + 1! × 𝑃(𝑌 = 1|𝑋 = 0)

:
𝐸(𝑌 ! |𝑋 = 0) = 𝑃(𝑌 = 1|𝑋 = 0) = J

Logo, a variância condicional é:

46

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

: : ! !9;h 9!
𝑉(𝑌|𝑋 = 0) = J − dJe = <h
= <h

Também podemos calcular a esperança marginal de 𝑌, a partir da esperança condicional:

𝐸(𝑌) = 𝐸[𝐸(𝑌|𝑋)] = † 𝐸(𝑌|𝑋 = 𝑥0 ) × 𝑃(𝑋 = 𝑥0 )

0

Ou seja, somamos os produtos de 𝐸(𝑌|𝑋 = 𝑥0 ) pela respectiva probabilidade, para todos os

possíveis valores de 𝑥0 .

Para calcular a variância marginal, 𝑉(𝑌) = 𝐸(𝑌 ! ) − [𝐸(𝑌)]! , fazemos:

𝐸(𝑌 ! ) = 𝐸 [𝐸(𝑌 ! |𝑋)] = † 𝐸(𝑌 ! |𝑋 = 𝑥0 ) × 𝑃(𝑌 = 𝑥0 )

0

Vamos exemplificar esses cálculos com base na mesma tabela, replicada a seguir:

Y
P(X=x)
0 1
0 40% 30% 70%
X
1 20% 10% 30%
P(Y=y) 60% 40% 100%

O valor da esperança marginal de Y é dado por:

𝐸(𝑌) = 𝐸(𝑌|𝑋 = 0) × 𝑃(𝑋 = 0) + 𝐸(𝑌|𝑋 = 1) × 𝑃(𝑋 = 1)

Ou seja, precisamos de 𝐸(𝑌|𝑋 = 0), que já calculamos, e de 𝐸(𝑌|𝑋 = 1):

𝐸(𝑌|𝑋 = 1) = 0 × 𝑃(𝑌 = 0|𝑋 = 1) + 1 × 𝑃(𝑌 = 1|𝑋 = 1)

i(]j9,Vj9) 9>% 9
𝐸(𝑌|𝑋 = 1) = 𝑃(𝑌 = 1|𝑋 = 1) = i(Vj9)
= :>% = :

:
Sabendo que 𝐸(𝑌|𝑋 = 0) = J, o valor de 𝐸(𝑌) é:

: 9
𝐸(𝑌) = J × 0,7 + : × 0,3 = 0,3 + 0,1 = 0,4

47

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Para calcular o valor da variância marginal de Y, 𝑉(𝑌) = 𝐸(𝑌 ! ) − [𝐸(𝑌)]! ,

precisamos do valor de 𝐸(𝑌 ! ), dado por:

𝐸(𝑌 ! ) = 𝐸(𝑌 ! |𝑋 = 0) × 𝑃(𝑋 = 0) + 𝐸(𝑌 ! |𝑋 = 1) × 𝑃(𝑋 = 1)

Ou seja, precisamos de 𝐸(𝑌 ! |𝑋 = 0), que já calculamos, e de 𝐸(𝑌 ! |𝑋 = 1):

𝐸(𝑌 ! |𝑋 = 1) = 0! × 𝑃(𝑌 = 0|𝑋 = 1) + 1! × 𝑃(𝑌 = 1|𝑋 = 1)

𝐸(𝑌 ! |𝑋 = 1) = 𝑃(𝑌 = 1|𝑋 = 0)

9 9
Já calculamos 𝑃(𝑌 = 1|𝑋 = 0) = :, logo 𝐸(𝑌 ! |𝑋 = 1) = :. Sabendo que
:
𝐸(𝑌 ! |𝑋 = 0) = J, o valor de 𝐸(𝑌 ! ) é:

: 9
𝐸(𝑌 ! ) = J × 0,7 + : × 0,3 = 0,3 + 0,1 = 0,4

Assim, o valor da variância marginal de Y é:

𝑉(𝑌) = 0,4 − (0,4)! = 0,4 − 0,16 = 0,24

Também é possível calcular a esperança matemática, sem obter previamente as probabilidades

marginais, por meio das seguintes fórmulas:

𝐸(𝑋) = ∑0 ∑g 𝑥0 . 𝑝(𝑥0 , 𝑦g ) 𝑒 𝐸(𝑌) = ∑g ∑0 𝑦g . 𝑝(𝑥0 , 𝑦g )

Ou seja, para encontrar 𝐸(𝑌), podemos multiplicar os valores 𝑦 pelas probabilidades conjuntas e,
em seguida, somar os produtos para todos os possíveis valores 𝑦, como indicado abaixo:

𝐸(𝑌) = 0 × 40% + 0 × 20% + 1 × 30% + 1 × 10% = 0,4

E, para calcular a variância, também podemos calcular o segundo momento 𝐸(𝑌 ! ) sem obter
previamente as probabilidades marginais, por meio das seguintes fórmulas:

𝐸(𝑋 ! ) = ∑0 ∑g(𝑥0 )! . 𝑝(𝑥0 , 𝑦g ) 𝑒 𝐸(𝑌 ! ) = ∑g ∑0(𝑦g )! . 𝑝(𝑥0 , 𝑦g )

Ou seja, para encontrar 𝐸(𝑌 ! ), podemos multiplicar os valores 𝑦 elevados ao quadrado, pelas
probabilidades conjuntas e, em seguida, somar os produtos:

𝐸(𝑌 ! ) = 0! × 40% + 0! × 20% + 1! × 30% + 1! × 10% = 0,4

Aplicando as propriedades da esperança, é possível demonstrar que:

48

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑽(𝑿) = 𝑬[𝑽(𝑿|𝒀)] + 𝑽[𝑬(𝑿|𝒀)]

Ou seja, a variância marginal de X corresponde à soma da esperança da variância condicionada

X|Y com a variância da esperança condicionada X|Y.

(Adaptada: 2019 – DPE/RJ) Seja a distribuição de probabilidade conjunta de variáveis aleatórias

discretas conforme abaixo, onde k1 e k2 são probabilidades inicialmente desconhecidas.

Sendo assim, julgue o item a seguir:

Se k1 = 0,08, então a esperança condicional de Y dado X = 1, E(Y|X=1) é superior a 1,5
C – Certo.
E – Errado.
Comentários:
Sabemos que a esperança condicional é dada por:

𝐸(𝑌|𝑋 = 𝑥) = † 𝑦. 𝑃(𝑌 = 𝑦|𝑋 = 𝑥)

^

Explicitando a fórmula da probabilidade condicional, temos:

𝑃(𝑌 = 𝑦, 𝑋 = 𝑥) 1
𝐸(𝑌|𝑋 = 𝑥) = † 𝑦. = † 𝑦 × 𝑝(𝑥, 𝑦)
𝑃(𝑋 = 𝑥) 𝑃(𝑋 = 𝑥)
^ g

Para X = 1, temos:
1 1
𝐸(𝑌|𝑋 = 1) = (1 × 𝑝(1,1) + 2 × 𝑝(1,2)) = (1 × 0,16 + 2 × 𝑘! )
𝑃(𝑋 = 1) 𝑃(𝑋 = 1)
Sabendo que a soma de todos os campos é igual a 100%, então:
𝑃(𝑈) = 0,14 + 0,03 + 0,08 + 0,12 + 0,16 + 𝑘! + 𝑘9 + 0,25 = 1
𝑃(𝑈) = 0,78 + 𝑘! + 𝑘9 = 1
𝑘! + 𝑘9 = 0,22

49

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Se 𝑘9 = 0,08, então:
𝑘! = 0,22 − 0,08 = 0,14
Além disso, sabemos que a probabilidade marginal de X = 1 é dada por:
𝑃(𝑋 = 1) = 0,16 + 𝑘! = 0,16 + 0,14 = 0,3
Portanto, a probabilidade condicional é:
1 1 0,44
𝐸(𝑌|𝑋 = 1) = (1 × 0,16 + 2 × 𝑘! ) = (0,16 + 0,28) = ≅ 1,467
𝑃(𝑋 = 1) 0,3 0,3
Como 1,467 < 1,5, o item está errado.
Resposta: Errado.

4.4 – Distribuição Multinomial

A distribuição multinomial é uma generalização da distribuição binomial, para quando houver

mais de dois resultados possíveis em cada ensaio, ou seja, quando os ensaios não forem
necessariamente de Bernoulli.

A distribuição multinomial considera 𝑁 ensaios independentes, em que cada ensaio pode resultar
em 𝒌 valores distintos, com probabilidades 𝑝9 , 𝑝! , … , 𝑝W , respectivamente, sendo ∑W0j9 𝑝0 = 1 (soma
de todas as probabilidades igual a 1). Nessa situação, as variáveis aleatórias 𝑋9 , 𝑋! , … , 𝑋W , chamadas
multinomiais, representarão o número de vezes que os resultados do tipo 1, 2, … , 𝑘,
respectivamente, forem observados.

Assim, o conjunto de variáveis 𝑋9 , 𝑋! , … , 𝑋W segue uma distribuição multinomial, em que a

probabilidade conjunta de 𝑋9 = 𝑛9 , 𝑋! = 𝑛! , ..., 𝑋W = 𝑛W , com ∑W0j9 𝑛0 = 𝑁 (soma de todos os
valores das variáveis igual ao número total de ensaios) é:

l!
𝑝(𝑛9 , 𝑛! , … , 𝑛W ) = 3 × (𝑝9 )3% × (𝑝! )3$ × … × (𝑝W )3;
% !3$ !…3; !

Essa fórmula é composta pela probabilidade de obter 𝑋9 = 𝑛9 , 𝑋! = 𝑛! , ..., 𝑋W = 𝑛W , nessa ordem,

dada por (𝑝9 )3% × (𝑝! )3$ × … × (𝑝W )3; . Como a ordem não precisa ser essa, multiplicamos esse
produto pela fórmula da permutação de 𝑁 elementos, com repetição de 𝑛9 , 𝑛! , … , 𝑛W elementos,
3 ,3$ ,…,3; l!
𝑃l % =3 .
% !3$ !…3; !

Essa distribuição é reduzida à binomial para 𝒌 = 𝟐.

50

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Suponha uma caixa com 10 bolas, das quais 4 são pretas, 3 são brancas, 2 são
azuis e 1 é verde, e que vamos selecionar uma bola ao acaso, observar a sua cor e
devolvê-la à caixa. Vamos repetir esse procedimento 5 vezes e calcular a
probabilidade de obter 2 vezes uma bola preta e 1 vez as demais cores.

Assim, 𝑋9 representará o número de vezes que obtemos uma bola preta, 𝑋!

representará o número de vezes que obtemos uma bola branca, 𝑋: representará
o número de vezes que obtemos uma bola azul e 𝑋< , o número de vezes que
obtemos a bola verde.

As respectivas probabilidades são:

< ! : ! 9 9
𝑝9 = 9> = = , 𝑝! = 9> , 𝑝: = 9> = = , 𝑝< = 9>

Logo, para 𝑛9 = 2 e 𝑛! = 𝑛: = 𝑛< = 1, temos a seguinte probabilidade:

l!
𝑝(𝑛9 , 𝑛! , 𝑛: , 𝑛< ) = 3 × (𝑝9 )3% × (𝑝! )3$ × (𝑝: )3& × (𝑝< )3<
% !3$ !3& !3< !

=! ! ! : 9 9 9 9 9
𝑝(2,1,1,1) = !!9!9!9! × d=e × d9>e × d=e × d9>e

< : 9 9 9<<
𝑝(2,1,1,1) = 5 × 4 × 3 × != × 9> × = × 9> = !=>> = 5,76%

O valor esperado e a variância são calculados para cada variável 𝑋0 , 𝑖 = 1, 2, … , 𝑘, como na

distribuição binomial: 𝐸(𝑋0 ) = 𝑁. 𝑝0 e 𝑉(𝑋0 ) = 𝑁. 𝑝0 (1 − 𝑝0 ).

A covariância entre duas variáveis 𝑋* e 𝑋f é dada por:

𝐶𝑜𝑣(𝑋* , 𝑋f ) = −𝑛. 𝑝* . 𝑝f

(CESPE/2013 – TRT 17ª Região) Considere que, em um tribunal, os processos sejam classificados
como urgentes (T1) e não urgentes (T2) e que os não urgentes sejam reclassificados como
51

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

importantes (T2.1) ou não importantes (T2.2). Considere-se, ainda, que a proporção de processos
do tipo T1 seja 0,5 e que, entre os processos do tipo T2, 0,2 sejam do tipo T2.1 e 0,8 do tipo T2.2.
Se X, Y e Z forem, respectivamente, as contagens de processos de tipos T1, T2.1 e T2.2 em
determinado momento, então a distribuição conjunta de (X, Y, Z) é uma multinomial com
parâmetros 0,5, 0,1 e 0,4.
Comentários:
Considerando que há mais do que dois resultados possíveis, não temos uma distribuição binomial,
mas sim uma distribuição multinomial.
Sabendo que X está associado aos processos urgentes (T1), então 𝑝8 = 0,5.
Considerando que Y está associada aos processos não urgentes e importantes (T2.1) e que
corresponde 0,2 dos processos não urgentes, então:
𝑝^ = 0,2 × 0,5 = 0,1
Considerando que Z está associada aos processos não urgentes e não importantes (T2.2) e que
corresponde a 0,8 dos processos não urgentes, então:
𝑝o = 0,8 × 0,5 = 0,4
Gabarito: Certo.
(Adaptada: 2019 – DPE/RJ) O nível de escolaridade dos cidadãos que necessitam recorrer à
Defensoria Pública do RJ segue uma distribuição multinomial com parâmetros p1 = 0,4, p2 = 0,3,
p3 = 0,2 e p4 = 0,1, que são as probabilidades de que pertençam à classe menos instruída (Cp1)
até a classe mais instruída (Cp4). Com base nessa distribuição, julgue o item a seguir.
Selecionando 10 pessoas ao acaso, com reposição, a probabilidade de obter as quantidades Cp1
= 4, Cp2 = 3, Cp3 = 2 e Cp4 = 1 é menor que 30%.
Comentários:
A probabilidade de 𝑛9 = 4, 𝑛! = 3, 𝑛: = 2, 𝑛< = 1 é dada por
𝑁!
𝑝(𝑛9 , 𝑛! , 𝑛: , 𝑛< ) = × (𝑝9 )3% × (𝑝! )3$ × (𝑝: )3& × (𝑝< )3<
𝑛9 ! 𝑛! ! 𝑛: ! 𝑛< !
10!
𝑝(4,3,2,1) = × (0,4)< × (0,3): × (0,2)! × (0,1)9
4! 3! 2! 1!
𝑝(4,3,2,1) = 10 × 9 × 4 × 7 × 5 × 0,0256 × 0,027 × 0,04 × 0,1 ≅ 0,348
Resposta: Errado.
(Adaptada: 2014 – HC-UFPE) Um geneticista acredita que a cor dos olhos, classificada em três
categorias (preto, marrom, verde/azul), ocorre, respectivamente, com as seguintes porcentagens:
30%, 50% e 20%. Com base nessa crença, julgue o item a seguir.
A probabilidade de selecionar ao acaso, com reposição, 3 pessoas com olhos pretos, 4 pessoas
com olhos marrons e 1 pessoa com olhos verdes/azuis é inferior a 10%.

52

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Comentários:
A probabilidade de 𝑛9 = 3, 𝑛! = 4, 𝑛: = 1, é dada por
𝑁!
𝑝(𝑛9 , 𝑛! , 𝑛: ) = × (𝑝9 )3% × (𝑝! )3$ × (𝑝: )3&
𝑛9 ! 𝑛! ! 𝑛: !
8!
𝑝(3,4,1) = × (0,3): × (0,5)< × (0,2)9
4! 3! 1!
𝑝(3,4,1) = 8 × 7 × 5 × 0,027 × 0,0625 × 0,2 = 0,0945
Resposta: Certo.

5 - DISTRIBUIÇÕES CONTÍNUAS
Agora, veremos distribuições teóricas de variáveis contínuas, que são bem importantes,
principalmente a distribuição normal.

5.1 – Distribuição Uniforme

Vimos que, para variáveis discretas, as distribuições uniformes apresentam o mesmo valor de
probabilidade para todos os resultados possíveis. Para variáveis uniformes contínuas, o
fundamento é o mesmo: a função densidade de probabilidade (f.d.p.) apresenta um valor
constante em todo o intervalo em que a está definida.

A figura abaixo ilustra a f.d.p. de uma variável com distribuição uniforme, que assume um valor
constante 𝑘, em um intervalo (𝑎, 𝑏):

a b

Ou seja, a função densidade de probabilidade para uma distribuição uniforme é da forma:

𝑘, 𝑠𝑒 𝑎 < 𝑥 < 𝑏
𝑓(𝑥) = ± ²
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜

Sabemos que a probabilidade de todo o Espaço Amostral é 100%. Logo, a área sob a função é
igual a 1:

Á𝑟𝑒𝑎 = 𝑏𝑎𝑠𝑒 × 𝑎𝑙𝑡𝑢𝑟𝑎 = (𝑏 − 𝑎) × 𝑘 = 1

53

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1
𝑘=
(𝑏 − 𝑎)

Ou seja, conhecendo o intervalo (𝑎, 𝑏), podemos calcular o valor da f.d.p. (𝑘). Assim, os limites do
intervalo são os únicos parâmetros da distribuição uniforme.

A probabilidade associada a um intervalo (𝑚, 𝑛), com 𝑎 < 𝑚 < 𝑛 < 𝑏, é:

Á𝑟𝑒𝑎 = 𝑏𝑎𝑠𝑒 × 𝑎𝑙𝑡𝑢𝑟𝑎 = (𝑚 − 𝑛) × 𝑘

9
Sabendo que 𝑘 = (p;#), temos:

(𝒏;𝒎)
𝑃(𝒎 < 𝑋 < 𝒏) = (𝒃;𝒂)

Ou seja, a probabilidade de um intervalo em uma distribuição uniforme é a razão entre a

amplitude desse intervalo e a amplitude do intervalo total.

a n m b
Lembre-se que, por se tratar de uma variável contínua, temos:

𝑃(𝑚 < 𝑋 < 𝑛) = 𝑃(𝑚 ≤ 𝑋 < 𝑛) = 𝑃(𝑚 < 𝑋 ≤ 𝑛) = 𝑃(𝑚 ≤ 𝑋 ≤ 𝑛)

A função de distribuição acumulada no ponto 𝑥 corresponde à probabilidade de a variável ser

menor ou igual a 𝑥, 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥). Para a distribuição uniforme, esse valor é igual à
probabilidade de a variável estar entre 𝑥 e o limite inferior do intervalo 𝑎. Logo, para 𝑎 < 𝑥 < 𝑏, a
função de distribuição acumulada é dada por:

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝑃(𝑎 ≤ 𝑋 ≤ 𝑥)

(8;#)
𝐹(𝑥) = (p;#)

(2019 – IF/PB) Daniel sempre pega o mesmo trem para ir ao colégio, pois somente um trem lhe
serve para não chegar atrasado. Ele sempre passa pela estação, de manhã, em qualquer momento,
54

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

entre 6 horas e 6 horas e 30 minutos. Um dia, Daniel se atrasou e chegou a estação às 6 horas e
24 minutos. Qual a probabilidade de que ele ainda consiga pegar o trem?
a) 16,7%
b) 20,0%
c) 9,6%
d) 49,0%
e) 51,0%
Comentários:
Como o trem passa em qualquer momento entre 6 horas e 6 horas e 30 minutos, temos uma
distribuição uniforme nesse intervalo.
Podemos nos preocupar somente com os minutos dessa hora, fazendo 𝑎 = 0 e 𝑏 = 30. A
probabilidade de o trem passar após 6 horas e 24 minutos, ou seja, entre m = 24 e b = 30 é:
(𝑛 − 𝑚)
𝑃(𝑚 < 𝑋 < 𝑛) =
(𝑏 − 𝑎)
(30 − 24) 6 1
𝑃(24 < 𝑋 < 30) = = = = 20%
(30 − 0) 30 5
Resposta: B.
(2019 – IF/PB) Adriano está muito interessado em comprar uma moto, mas como tem pouco
dinheiro resolveu participar de um leilão de motos, mesmo sabendo que existe outro interessado.
Pelas regras da administradora de leilões, quem der o lance mais alto, acima de R$ 5.000,00,
ganha. Supondo que o lance do seu adversário seja uma variável aleatória, uniformemente
distribuída entre R$ 5.000,00 e R$ 7.500,00. Qual a probabilidade de Adriano vencer, se der um
lance de R$ 6.000?
a) 10%
b) 20%
c) 30%
d) 40%
e) 50%
Comentários:
A probabilidade de Adriano vencer é igual à probabilidade de seu adversário dar um lance inferior
a 6000, considerando os limites a = 5 e b = 7,5
(6 − 5) 1
𝑃(5 < 𝑋 < 6) = = = 40%
(7,5 − 5) 2,5
Resposta: D.
55

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

5.1.1 – Esperança e Variância

A esperança matemática de uma variável uniforme é:

p2#
𝐸(𝑋) = !

Ou seja, a esperança matemática (ou média) dessa distribuição segue o conceito de média
aritmética, entre os extremos 𝑎 e 𝑏, conforme ilustrado a seguir.

𝑏+𝑎
a b
2

O valor da variância é:

(p;#)$
𝑉(𝑋) = 9!

(Adaptada: 2017 – IBGE) Sabe-se que o tempo de aplicação de um questionário em uma pesquisa
de campo é uma variável com distribuição uniforme entre 8 e 20 minutos. Um entrevistador
pretende aplicar três questionários.
Logo, é correto afirmar que.
a) a probabilidade de que todas as entrevistas durem mais do que 15 minutos é de 27/64;
b) a probabilidade de que duas entrevistas durem mais do que a média é igual a 5/8;
c) o desvio padrão do tempo de duração de cada entrevista é igual a 2 minutos;
d) a probabilidade de que apenas uma das entrevistas leve menos da metade do tempo máximo
é igual a 25/72.
Comentários:
Em relação à alternativa a, a probabilidade de um questionário durar mais que 15 minutos, sendo
a = 8 e b = 20, é:
56

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

20 − 15 5
𝑃(𝑋 > 15) = 𝑃(15 < 𝑋 < 20) = =
20 − 8 12
A probabilidade de os 3 questionários durarem mais que 15 minutos é o produto:
5 5 5 125
𝑃(𝑋 > 15) × 𝑃(𝑋 > 15) × 𝑃(𝑋 > 15) = × × =
12 12 12 1728
Portanto, a alternativa a está errada.
Em relação à alternativa b, precisamos calcular a média:
𝑏 + 𝑎 20 + 8
𝜇 = 𝐸(𝑋) = = = 14
2 2
A probabilidade 𝑃(𝑋 > 14) é dada por:
20 − 14 6
𝑃(𝑋 > 14) = 𝑃(14 < 𝑋 < 20) = = = 0,5
20 − 8 12
A probabilidade de 2 questionários, dentre 3, durarem mais que a média, é:
𝐶:,! × 𝑃(𝑋 > 14) × 𝑃(𝑋 > 14) = 3 × 0,5 × 0,5 = 0,75
Portanto, a alternativa b está errada.
Em relação à alternativa c, o desvio padrão é dado por:

(𝑏 − 𝑎)! 𝑏 − 𝑎
𝜎V = ¡𝑉(𝑋) = t =
12 √12
20 − 8 12
𝜎V = = = √12
√12 √12
Portanto, a alternativa c está errada.
Em relação à alternativa d, a probabilidade de uma entrevista levar menos da metade do tempo
máximo, 𝑃(𝑋 < 10) é:
10 − 8 2 1
𝑃(𝑋 < 10) = 𝑃(8 < 𝑋 < 10) = = =
20 − 8 12 6
A probabilidade de apenas um dos questionários durar menos de 10 minutos, e os demais, mais
=
que 10 minutos, com probabilidade 𝑃(𝑋 ≥ 10) = 1 − 𝑃(𝑋 < 10) = H, é:
1 5 5 25
𝑃(𝑋 < 10) × 𝑃(𝑋 ≥ 10) × 𝑃(𝑋 ≥ 10) × 𝐶:,! = × × ×3=
6 6 6 72
Portanto, a alternativa d está correta.
Resposta: D.

57

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

5.2 – Distribuição Exponencial

A distribuição exponencial se caracteriza por ter uma taxa de falha constante, sendo normalmente
associada a tempo, seja de um produto, de um ser vivo (como insetos, bactérias), de um
medicamento no organismo, etc. Uma variável 𝑋 com distribuição exponencial e parâmetro 𝜆 > 0
apresenta a seguinte função densidade:

;𝝀𝒙
𝑓(𝑥) = ±𝝀𝒆 , 𝑠𝑒 𝒙 ≥ 𝟎²
0, 𝑠𝑒 𝑥 < 0

A taxa da distribuição é o parâmetro 𝝀 (positivo), o qual representa a taxa de ocorrência por

unidade de tempo, enquanto 𝑥 é o período de tempo em relação ao qual se deseja calcular a
probabilidade de falha. Ambos devem utilizar a mesma unidade de tempo.

Para ilustrar, podemos supor, como exemplo, que o tempo de vida de um inseto seja uma
9
distribuição exponencial com parâmetro 𝜆 = 9! por dia e que se deseja calcular a probabilidade
de o inseto viver menos de 𝑥 = 3 dias. Outro exemplo seria o de uma lâmpada cuja vida útil siga
9
uma distribuição exponencial com parâmetro 𝜆 = 9>> por hora, em que se deseja calcular a
probabilidade de essa lâmpada durar mais que 100 horas.

Lembre-se que 𝑒, número de Euler, é um número irracional, cujo valor aproximado é 𝑒 ≅ 2,718.

A probabilidade de um intervalo 𝑃(𝑚 < 𝑋 < 𝑛) é calculada como:

𝑃(𝑚 < 𝑋 < 𝑛) = −𝑒 ;s3 + 𝑒 ;st

Conhecendo esse resultado, podemos calcular a probabilidade de o inseto durar menos de 𝑥 = 3

9
dias, com parâmetro 𝜆 = 9! por dia:

9 9 𝟏
𝑃(𝑋 < 3) = 𝑃(0 < 𝑋 < 3) = −𝑒 ;9!×: + 𝑒 ;9!×> = 𝟏 − 𝒆;𝟒 ≅ 0,22

Assim, a função de distribuição acumulada 𝐹(𝑥), é dada por:

𝐹(𝑥) = 𝑃(𝑋 < 𝑥) = 𝑃(0 < 𝑋 < 𝑥) = −𝑒 ;s8 + 𝑒 ;s.>

𝐹(𝑥) = 1 − 𝑒 ;s8

E a probabilidade de durar mais que 𝑥? Para isso, calculamos a probabilidade do evento

complementar. Sabemos que 𝑃(𝑋 ≥ 𝑥) = 1 − 𝑃(𝑋 < 𝑥), ou seja:

𝑃(𝑋 ≥ 𝑥) = 1 − 𝑃(𝑋 < 𝑥) = 1 − —1 − 𝑒 ;s8 ˜

58

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑃(𝑋 > 𝑥) = 𝑒 ;s8

Estamos falando em taxa de falha, parâmetro único 𝜆,... Percebeu alguma similaridade com a
distribuição de Poisson? Pois é! Essas distribuições guardam uma relação muito especial entre si:
a distribuição exponencial descreve o tempo entre as ocorrências de eventos sucessivos de uma
distribuição de Poisson!

(2016 – EBSERH) Um estatístico ajustou um modelo de distribuição exponencial à variável

aleatória correspondente ao tempo de falha T (tempo até falhar em anos) de um produto. O
modelo tem a expressão f(t) = 0,2e-0,2t t > 0. Então, a probabilidade de o produto falhar dentro da
garantia pretendida de 1 ano é
a) 0,818731
b) 0,821754
c) 0,803112
d) 0,181269
e) 0,196888
Comentários:
Trata-se de uma distribuição exponencial, com parâmetro 𝜆 = 0,2, em que se deseja calcular a
probabilidade 𝑃(𝑋 < 1):
𝐹(𝑥) = 𝑃(𝑋 < 𝑥) = 1 − 𝑒 ;s8
𝑃(𝑋 < 1) = 1 − 𝑒 ;>,! ≅ 0,181
Resposta: D.

5.2.1 – Esperança, Variância e Propriedade

A esperança matemática (ou média) da distribuição exponencial é:

9
𝐸(𝑋) = s

E a variância é dada por:

59

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

9
𝑉(𝑋) = s$

Vale destacar a seguinte propriedade: a distribuição exponencial é considerada “sem memória”,

ou seja, não importa o que já ocorreu, as probabilidades para o futuro permanecem a mesma:

𝑃(𝑋 > 𝑡 + 𝑠|𝑋 > 𝑠) = 𝑃(𝑋 > 𝑡)

Vamos considerar um exemplo numérico para facilitar o entendimento. Suponha que a taxa 𝜆
considere horas como unidade de tempo. Assim, sabendo que já se passaram 3 horas desde a
ocorrência do último evento, a probabilidade de se passar pelo menos 2 horas a mais (totalizando
5 horas) é igual à probabilidade de se passar pelo menos 2 horas até a ocorrência de um evento
qualquer.

(Adaptada: 2017 – IBGE) Suponha que o tempo de vida útil da lâmpada de um Scanner seja
distribuído exponencialmente com média de 600 horas.
Se T representa a durabilidade da lâmpada, é correto afirmar que:
a) P(T>600) = 0,50
b) P(200<T<600) = 0,25
c) P(T>1500) = 1 – e-2
d) P(T>1200|T>300) = P(Y>900)
e) P(T<450) = 1 – e-2/5
Comentários:
A partir da média, podemos encontrar o valor do parâmetro:
1
𝐸(𝑋) = = 600
𝜆
1
𝜆=
600
Em relação à alternativa a, temos:
𝑃(𝑋 > 𝑥) = 𝑒 ;s8
H>>
𝑃(𝑋 > 600) = 𝑒 ;H>> = 𝑒 ;9

60

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Esse valor é aproximadamente 0,368, portanto, a alternativa a está errada.

Em relação à alternativa b, temos:
𝑃(𝑚 < 𝑋 < 𝑛) = −𝑒 ;s3 + 𝑒 ;st
H>> !>> 9
𝑃(200 < 𝑋 < 600) = −𝑒 ;H>> + 𝑒 ;H>> = −𝑒 ;9 + 𝑒 ;:
Esse valor é aproximadamente 0,349, portanto, a alternativa b está errada.
Em relação à alternativa c, temos:
9=>> =
𝑃(𝑋 > 1500) = 𝑒 ; H>> = 𝑒 ;!
Esse valor é aproximadamente 0,082, enquanto a resposta é aproximadamente 0,865, portanto, a
alternativa c está errada.
Em relação à alternativa d, relacionada à falta de memória da distribuição, temos:
𝑃(𝑋 > 𝑡 + 𝑠|𝑋 > 𝑠) = 𝑃(𝑋 > 𝑡)
Sendo 𝑡 + 𝑠 = 1200 e 𝑠 = 600, e assim, 𝑡 = 900, temos:
𝑃(𝑋 > 1200|𝑋 > 600) = 𝑃(𝑋 > 900)
Portanto, a alternativa d está certa.
Em relação à alternativa e, temos:
𝐹(𝑥) = 𝑃(𝑋 < 𝑥) = 1 − 𝑒 ;s8
<=> :
𝑃(𝑋 < 450) = 1 − 𝑒 ;H>> = 1 − 𝑒 ;<
Portanto, a alternativa e está errada.
Resposta: D.

5.3 – Distribuição Normal

A distribuição normal, também chamada de gaussiana, é uma das distribuições contínuas mais
importantes! Essa distribuição depende dos parâmetros 𝝁, média, e 𝝈𝟐 , variância e está definida
para toda a reta real, 𝑥 ∈ (−∞, ∞). Denotamos essa distribuição por 𝑵(𝝁, 𝝈𝟐 ).

No gráfico abaixo, ilustramos uma f.d.p. com distribuição normal. Observe que a curva apresenta
um formato de sino, o que ocorre para todas as variáveis normais.

61

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

As distribuições normais são simétricas, ou seja, sua média equivale a sua mediana e a sua moda.
Logo, o valor de 𝝁 divide a distribuição em duas partes iguais. Sabendo que a área total, sob toda
a curva, corresponde à probabilidade de todo o Espaço Amostral e, portanto, a 100%, então:

𝑃(𝑋 > 𝜇) = 𝑃(𝑋 < 𝜇) = 50%

Mas a simetria não implica somente nisso. A partir da média, toda a distribuição de probabilidades
para os valores superiores é igual à distribuição para os valores inferiores. Assim, para qualquer 𝑘
real, a probabilidade de a variável ser maior do que 𝜇 + 𝑘 é igual à probabilidade de ser menor do
que 𝜇 − 𝑘:

𝑃(𝑋 > 𝜇 + 𝑘) = 𝑃(𝑋 < 𝜇 − 𝑘)

Lembre-se de que a probabilidade de um intervalo corresponde à área sob a f.d.p., limitada por
esse intervalo. Assim, a equivalência descrita acima, pode ser ilustrada, conforme gráfico abaixo:

𝑃(𝑋 < 𝜇 − 𝑘) 𝑃(𝑋 > 𝜇 + 𝑘)

𝜇−𝑘 𝜇+𝑘

Similarmente, as probabilidades associadas aos intervalos entre a média e esses limites 𝜇 + 𝑘 e

𝜇 − 𝑘 também são iguais, conforme equação abaixo e gráfico a seguir:

𝑃(𝜇 < 𝑋 < 𝜇 + 𝑘) = 𝑃(𝜇 − 𝑘 < 𝑋 < 𝜇)

62

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑃(𝜇 − 𝑘 < 𝑋 < 𝜇) 𝑃(𝜇 < 𝑋 < 𝜇 + 𝑘)

𝜇−𝑘 𝜇+𝑘

Podemos observar, ainda, que a curva normal apresenta duas assíntotas. De modo geral, uma
assíntota ocorre quando uma curva se aproxima cada vez mais a uma reta, porém sem tocá-la. A
curva normal se aproxima do eixo x (eixo das abcissas) tanto para 𝑥 → −∞, quanto para 𝑥 → +∞.
Por isso, dizemos que a curva normal é duplamente assintótica.

Podemos observar ainda que existem dois pontos de inflexão na curva normal. Pontos de inflexão
são aqueles em que a concavidade da curva muda. No início da curva normal, a concavidade está
voltada para cima. No ponto (aproximado) indicado pela seta da esquerda, a concavidade muda
para baixo, e no ponto (aproximado) indicado pela seta da direita, a concavidade muda novamente
para cima.

Esses pontos de inflexão ocorrem precisamente a 1 desvio padrão da média, ou seja, em 𝝁 − 𝝈 e

em 𝝁 + 𝝈.

5.3.1 – Distribuição Normal Padrão

Para calcular os valores de probabilidade, temos uma tabela, que relaciona os valores de intervalo
da variável aos respectivos valores de probabilidade. Essa tabela, inserida abaixo, se refere a uma
distribuição normal 𝑵(𝟎, 𝟏), isto é, com 𝝁 = 𝟎 e 𝝈𝟐 = 𝟏, chamada de normal padrão ou reduzida,
que denotamos por 𝒁.

Observe, pela ilustração gráfica anterior à tabela, que os valores desta correspondem à
probabilidade entre a média 𝜇 = 0 e o valor de 𝑧 indicado na tabela. Assim, os campos da tabela
informam a probabilidade 𝑃(0 < 𝑍 < 𝑧).
63

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

Equipe Exatas Estratégia Concursos
Aula 08
1613716

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999

64

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

E quanto aos valores de 𝑧? O valor de 𝑧 começa a ser lido na primeira coluna (que apresenta a
unidade e os décimos de 𝑧) e termina de ser lido na primeira linha (que apresenta os centésimos
de 𝑧). Assim, a probabilidade 𝑃(0 < 𝑍 < 𝑧) é o valor que está no campo, cuja linha corresponda à
unidade e ao décimo de 𝑧 e cuja coluna corresponda ao centésimo de 𝑧.

Por exemplo, para encontrar o valor de 𝑃(0 < 𝑍 < 1,96), precisamos buscar o número que está na
linha 1,9 e na coluna 0,06, conforme indicado abaixo. Podemos observar que 𝑃(0 < 𝑍 < 1,96) =
0,475.

Z ... 0,05 0,06 0,07 ...

... ... ... ... ... ...
1,8 ... 0,4678 0,4686 0,4693 ...
1,9 ... 0,4744 0,475 0,4756 ...
2 ... 0,4798 0,4803 0,4808 ...
... ... ... ... ... ...

Também podemos fazer o caminho inverso, qual seja, encontrar o valor de 𝑧 que corresponde à
probabilidade desejada. Vamos encontrar o valor de 𝑧 tal que 𝑃(0 < 𝑍 < 𝑧) = 0,40, por exemplo.
Para isso, devemos buscar o valor 0,40 nos campos da tabela. Como não consta exatamente esse
valor, somente 0,3997 e 0,4015, optamos pelo valor mais próximo, isto é, 0,3997. Este se encontra
na linha 1,2 e na coluna 0,08, conforme indicado abaixo. Logo, concluímos que 𝑧 = 1,28.

Z ... 0,07 0,08 0,09

... ... 0,3577 0,3599 0,3621
1,1 ... 0,379 0,381 0,383
1,2 ... 0,398 0,3997 0,4015
1,3 ... 0,4147 0,4162 0,4177
... ... ... ... ...

Para resolver questões envolvendo a tabela normal padrão é importante lembrar que essa
distribuição é simétrica, com média 𝜇 = 0.

𝑃(0 < 𝑍 < 𝑧) = 0,5 − 𝑃(𝑍 > 𝑧)

P(0 < Z < z)

P(Z > z)

z 65

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑃(−𝑧 < 𝑍 < 0) = 𝑃(0 < 𝑍 < 𝑧)

P(-z < Z < 0) P(0 < Z < z)

z z

𝑃(𝑍 < −𝑧) = 𝑃(𝑍 > 𝑧)

P(Z > z) P(Z > z)

z z

A questão pode solicitar a probabilidade da forma 𝑃(|𝑍| < 𝑧) ou 𝑃(|𝑍| > 𝑧). Para resolvê-las, é
importante lembrar que:

𝑃(|𝑍| < 𝑧) = 𝑃(−𝑧 < 𝑍 < 𝑧) = 𝑃(−𝑧 < 𝑍 < 0) + 𝑃(0 < 𝑍 < 𝑧)

𝑃(|𝑍| > 𝑧) = 𝑃(𝑍 < −𝑧 ∪ 𝑍 > 𝑧) = 𝑃(𝑍 < −𝑧) + 𝑃(𝑍 > 𝑧)

Existem, ainda, outros tipos de tabela para a distribuição normal padrão, que apresentam as
probabilidades para outros intervalos, como 𝑃(−∞ < 𝑍 < 𝑧), que corresponde à função da
distribuição normal acumulada.

A sua prova vai apresentar alguma tabela para a distribuição normal padrão, ou alguns valores que
lhe permita resolver a questão.

5.3.2 – Transformação entre Distribuições Normais

Mas, e se a média da distribuição for diferente de zero e/ou a variância for diferente de 1?

Para isso, fazemos uma transformação de uma distribuição normal qualquer para uma distribuição
normal padrão, conforme indicado abaixo:

8;u
𝑧= [

66

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Vamos calcular, por exemplo, a probabilidade 𝑃(𝑋 > 7), em que 𝜇 = 1 e 𝜎 = 3. Pela transformação
para a normal padrão, temos:
𝑥−𝜇 7−1
𝑧= = =2
𝜎 3
Pela tabela da normal padrão, temos 𝑃(0 < 𝑍 < 2) = 0,4772, logo:

𝑃(𝑍 > 2) = 0,5 − 0,4772 = 0,0228

Portanto, 𝑃(𝑋 > 7) = 2,28%.

Também podemos fazer o caminho inverso, encontrando 𝑥, a partir de 𝑧. Por exemplo, podemos
calcular 𝑥 tal que a probabilidade de 𝑃(𝑋 < 𝑥) = 0,8, para a distribuição normal com os mesmos
parâmetros do exemplo anterior.

Considerando a simetria em torno de zero da normal padrão, temos que:

𝑃(0 < 𝑍 < 𝑧) = 𝑃(𝑍 < 𝑧) − 0,5

Assim, precisamos encontrar, na tabela normal padrão, o valor de 𝑧 que corresponde a
𝑃(0 < 𝑍 < 𝑧) = 0,8 − 0,5 = 0,3. Observamos que esse valor é 𝑧 = 0,84. Pela transformação,
podemos encontrar o valor de 𝑥:
𝑥−𝜇
𝑧=
𝜎
𝑥 = 𝑧. 𝜎 + 𝜇 = 3 × 0,84 + 1 = 3,52
Conhecendo essa transformação e a tabela normal padrão, podemos calcular as probabilidades
associadas a intervalos genéricos, em função do desvio padrão.

Para 𝑃(𝜇 − 𝜎 < 𝑋 < 𝜇 + 𝜎), utilizamos a seguinte transformação, para 𝑥 = 𝜇 + 𝜎, é:

𝑥−𝜇 𝜇+𝜎−𝜇
𝑧= =𝑧= =1
𝜎 𝜎
Para 𝑥 = 𝜇 − 𝜎, temos:
𝑥−𝜇 𝜇−𝜎−𝜇
𝑧= =𝑧= = −1
𝜎 𝜎

De maneira geral, quando os intervalos são da forma 𝑃(𝜇 − 𝑘 < 𝑋 < 𝜇 + 𝑘), em
que os extremos são equidistantes da média, basta fazermos a transformação
67

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

para um dos extremos, pois o outro estará associado ao mesmo valor, porém
multiplicado por –1.

Por exemplo, vamos aplicar a transformação para os extremos 𝑥$ = 𝜇 + 3 e 𝑥0 =

𝜇 − 3:

8= ;u u2:;u :
𝑧$ = [
= [
=[

8> ;u u;:;u :
𝑧0 = [
= [
= −[

Podemos observar que 𝑧0 = −𝑧$ .

Pela tabela da curva normal, temos 𝑃(0 < 𝑍 < 1) = 0,3413 e, assim:

𝑃(−1 < 𝑍 < 1) = 𝑃(−1 < 𝑍 < 0) + 𝑃(0 < 𝑍 < 1) = 2 × 0,3413 = 0,6826
Portanto, a probabilidade de uma variável normal qualquer se afastar da média (para cima ou para
baixo) em até 1 desvio padrão é aproximadamente 68%.

Para 𝑃(𝜇 − 2𝜎 < 𝑋 < 𝜇 + 2𝜎), temos:

𝑥 − 𝜇 𝜇 + 2𝜎 − 𝜇
𝑧= = =2
𝜎 𝜎
Pela tabela, temos 𝑃(0 < 𝑍 < 2) = 0,4772 e, assim:

𝑃(−2 < 𝑍 < 2) = 𝑃(−2 < 𝑍 < 0) + 𝑃(0 < 𝑍 < 2) = 2 × 0,4772 = 0,9544
Portanto, a probabilidade de uma variável normal qualquer se afastar da média (para cima ou para
baixo) em até 2 desvios padrão é aproximadamente 95%.

Para 𝑃(𝜇 − 3𝜎 < 𝑋 < 𝜇 + 3𝜎), obtemos, pela transformação, 𝑧 = 3.

Pela tabela, temos 𝑃(0 < 𝑍 < 3) = 0,4987 e, assim, 𝑃(−3 < 𝑍 < 3) = 2 × 0,4987 = 0,9974.

Portanto, a probabilidade de uma variável normal qualquer se afastar da média (para cima ou para
baixo) em até 3 desvios padrão é aproximadamente 99,7%.

Essas probabilidades (68% para 𝜇 ± 𝜎; 95% para 𝜇 ± 2𝜎 e 99,7% para 𝜇 ± 3𝜎) são chamadas de
Regra Empírica.

68

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2018 – Oficial Técnico de Inteligência da ABIN) Em uma fábrica de ferragens, o

departamento de controle de qualidade realizou testes na linha de produção de parafusos. Os
testes ocorreram em dois campos: comprimento dos parafusos e frequência com que esse
comprimento fugia da medida padrão. Historicamente, o comprimento médio desses parafusos é
3 cm, e o desvio padrão observado é 0,3 cm. Foram avaliados 10.000 parafusos durante uma
semana. Desses, 1.000 fugiram às especificações técnicas da gerência: o comprimento do parafuso
deveria variar de 2,4 cm a 3,6 cm. O chefe da linha de produção, porém, insiste em afirmar que,
em média, 4% da produção de parafusos fogem às especificações. O departamento de controle
de qualidade assume que os comprimentos dos parafusos têm distribuição normal.
A partir dessa situação hipotética, julgue o item subsequente, considerando que Φ(1) = 0,841,
Φ(1,65) = 0,95, Φ(2) = 0,975 e Φ(2,5) = 0,994, em que Φ(z) é a função distribuição normal
>,>:?<
padronizada acumulada, e que 0,002 seja valor aproximado para •9>.>>>.

Considere que o maior parafuso já encontrado na linha de produção tenha 3,75 cm de

comprimento. Nesse caso, a probabilidade de que um parafuso escolhido aleatoriamente tenha
comprimento maior que esse será superior a 1%.
Comentários:
Para calcular a probabilidade de P(X > 3,75), utilizamos a transformação para x = 3,75, com média
de 3cm (𝜇 = 3) e desvio padrão de 0,3cm (𝜎 = 0,3):
𝑥−𝜇
𝑧=
𝜎
3,75 − 3 0,75
𝑧= = = 2,5
0,3 0,3
Observamos, pelos valores da tabela normal padrão fornecidos, que 𝑃(𝑍 ≤ 2,5) = 0,994. Logo:
𝑃(𝑍 > 2,5) = 1 − 𝑃(𝑍 ≤ 2,5) = 1 − 0,994 = 0,006 = 0,6%
Esse valor é inferior a 1%.
Gabarito: Errado.
(2019 – UFAC) Suponha que a renda de cada estudante da Universidade Federal do Acre - UFAC
seja distribuída conforme uma distribuição normal com média igual a R$ 800,00 (oitocentos reais)
e desvio padrão de R$ 300,00 (trezentos reais). Se aleatoriamente sortearmos um(a) discente da
UFAC, a probabilidade deste aluno ter uma renda superior a R$ 1.200,00 (um mil e duzentos reais)
é aproximadamente igual a: [Utilize um das seguintes informações se necessário: Φ (1,33) =
69

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

0,9082, Φ (1,1) = 0,8643 em que Φ representa a função de distribuição acumulada da distribuição

normal padrão.]
a) 90,82%
b) 9,18%
c) 86,43%
d) 13,57%
e) 15,45%
Comentários:
Sendo 𝜇 = 800 e 𝜎 = 300, temos a seguinte transformação para 𝑥 = 1200:
𝑥 − 𝜇 1200 − 800 400
𝑧= = = ≅ 1,33
𝜎 300 300
Pela tabela, que representa a função de distribuição acumulada, 𝐹(𝑧) = 𝑃(−∞ < 𝑍 < 𝑧), temos:
𝑃(−∞ < 𝑍 < 1,33) = 0,9082
Assim, 𝑃(𝑍 > 1,33) é:
𝑃(𝑍 > 1,33) = 1 − 𝑃(−∞ < 𝑍 < 1,33)
𝑃(𝑍 > 1,33) = 1 − 0,9082 = 0,0918
Resposta: B.
(2014 – EMPLASA) O tempo de vida da população de um determinado país tem distribuição
normal com a média igual a 68 anos e o desvio padrão igual a 11. Considere os valores da tabela
e a fórmula:

A probabilidade de uma pessoa viver mais do que 90 anos é de

a) 15,87%
b) 6,68%
c) 4,82%
d) 3,36%
e) 2,28%
70

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Comentários:
Sendo 𝜇 = 68 e 𝜎 = 11, temos a seguinte transformação para 𝑥 = 90:
𝑥 − 𝜇 90 − 68 22
𝑧= = = =2
𝜎 11 11
Pela tabela, que apresenta a probabilidade 𝑃(0 < 𝑍 < 𝑧), temos:
𝑃(0 < 𝑍 < 2) = 0,4772
Logo:
𝑃(𝑍 > 2) = 𝟎, 𝟓 − 𝑃(0 < 𝑍 < 2) = 𝟎, 𝟓 − 0,4772 = 0,0228
Resposta: E.
(2018 – SES/DF)

(V;u)
A variável normal padronizada Z é dada por 𝑍 = [ , em que X é uma variável que tem
distribuição normal de média µ e variância σ² , conforme a figura apresentada. Considerando uma
variável X que tem distribuição normal de média µ = 15,6 e variância σ² = 0,25, assinale a
alternativa que indica a probabilidade p(15 < X < 16,2).
Dado: Tabela – Áreas de uma distribuição normal padrão

a) 0,1151
b) 0,2302
c) 0,3849
71

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

d) 0,7698
e) 0,8849
Comentários:

Sendo 𝜎 ! = 0,25, temos 𝜎 = ¡0,25 = 0,5. Sendo 𝜇 = 15,6, temos a seguinte transformação para
𝑥 = 16,2:
𝑥 − 𝜇 16,2 − 15,6 0,6
𝑧= = = = 1,2
𝜎 0,5 0,5
Para 𝑥 = 15, temos:
𝑥 − 𝜇 15 − 15,6 −0,6
𝑧= = = = −1,2
𝜎 0,5 0,5
Pela tabela, que apresenta os valores para 𝑃(0 < 𝑍 < 𝑧), observamos que 𝑃(0 < 𝑍 < 1,2) =
0,3849. Portanto:
𝑃(−2,4 < 𝑍 < 2,4) = 2 × 0,3849 = 0,7698
Resposta: D.

5.4 – Soma de Variáveis e o Teorema Central do Limite

5.4.1 – Teorema Central do Limite

Um dos motivos pelos quais a Distribuição Normal (ou de Gauss) é tão importante em Estatística
decorre do Teorema Central do Limite:

Para variáveis aleatórias 𝑋9 , 𝑋! , … , 𝑋3 independentes e identicamente distribuídas

(i.i.d), a distribuição da soma 𝑋9 + 𝑋! + ⋯ + 𝑋3 tende a uma distribuição normal, à
medida em que 𝑛 cresce, cuja média e variância são dadas por:

𝐸(𝑌) = 𝐸(𝑋9 ) + 𝐸(𝑋! ) + ⋯ + 𝐸(𝑋3 ) = 𝑛. 𝐸(𝑋)

𝑉(𝑌) = 𝑉(𝑋9 ) + 𝑉(𝑋! ) + ⋯ + 𝑉(𝑋3 ) = 𝑛. 𝑉(𝑋)

Note que as variáveis podem apresentar qualquer distribuição, mesmo assim, a sua soma seguirá
uma distribuição normal.

Ainda que as variáveis não sejam identicamente distribuídas, isto é, ainda que apresentem
distribuições distintas, mesmo assim, a sua soma terá, aproximadamente, uma distribuição

72

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

normal, desde que as variáveis sejam independentes e tenham variâncias semelhantes. Nesse
caso, a esperança e variância serão:

𝐸(𝑌) = 𝐸(𝑋9 ) + 𝐸(𝑋! ) + ⋯ + 𝐸(𝑋3 )

𝑉(𝑌) = 𝑉(𝑋9 ) + 𝑉(𝑋! ) + ⋯ + 𝑉(𝑋3 )

(2017 – IBGE) Sejam X1, X2, X3, ..., X64 variáveis aleatórias discretas, com distribuição Binomial,
todas com p = 0,25 e n = 12. Também são conhecidos valores da função distribuição acumulada
da normal-padrão, mais especificamente: ɸ(2) = 0,977, ɸ(1,5) = 0,933, ɸ(1,25) = 0,894.
No caso da extração de uma amostra (n = 64), a probabilidade de que a soma dos valores seja
superior a 207 é igual a:
a) 0,023
b) 0,046
c) 0,067
d) 0,106
e) 0,134
Comentários:
Vimos que, pelo Teorema Central do Limite, a soma de muitas variáveis independentes
identicamente distribuídas Xi, cada uma com média E(X) e variância V(X), é uma variável Y, com
distribuição aproximadamente normal, com média E(Y) = n.E(X) e variância V(Y) = n.V(X).
Para uma distribuição binomial, temos:
𝐸(𝑋) = 𝑛. 𝑝 = 12 × 0,25 = 3
12 × 3 9
𝑉(𝑋) = 𝑛. 𝑝. 𝑞 = 12 × 0,25 × 0,75 = =
4×4 4
Então:
𝜇] = 𝐸(𝑌) = 𝑛. 𝐸(𝑋) = 64 × 3 = 192
9
𝜎]! = 𝑉(𝑌) = 𝑛. 𝑉(𝑋) = 64 × = 144
4
O desvio padrão de Y é, portanto: 𝜎] = ¡𝜎]! = √144 = 12.
Assim, a probabilidade 𝑃(𝑌 > 207) pode ser calculada pela seguinte transformação:

73

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑥 − 𝜇 207 − 192 15
𝑧= = = = 1,25
𝜎 12 12
O enunciado informa que 𝑃(−∞ < 𝑍 < 1,25) = 0,894 . Logo:
𝑃(𝑍 > 1,25) = 1 − 𝑃(−∞ < 𝑍 < 1,25) = 1 − 0,894 = 0,106
Resposta: D.

5.4.2 – Soma de Variáveis com Distribuição Normal

Se as variáveis forem independentes e seguirem distribuição normal, então a soma terá

distribuição normal, em que a média corresponde à soma das médias das variáveis e a variância,
à soma das variâncias das variáveis:

𝐸(𝑌) = 𝐸(𝑋9 ) + 𝐸(𝑋! ) + ⋯ + 𝐸(𝑋3 )

𝑉(𝑌) = 𝑉(𝑋9 ) + 𝑉(𝑋! ) + ⋯ + 𝑉(𝑋3 )

No tópico anterior, dissemos que a soma de muitas variáveis se aproxima de uma

distribuição normal. Agora, temos uma situação exata: a soma de variáveis
normais independentes é uma variável com distribuição normal (mesmo que sejam
apenas 2 variáveis normais).

Pontue-se que a soma, a subtração, a multiplicação ou a divisão de uma distribuição normal por
uma constante real também apresenta distribuição normal, cuja média e variância podem ser
calculadas pelas propriedades de esperança e variância que vimos nas aulas passadas. Supondo a
variável 𝑌 = 𝑎𝑋 − 𝑏, sendo 𝑎 e 𝑏 constantes reais, então:

𝐸(𝑌) = 𝐸(𝑎𝑋 − 𝑏) = 𝑎. 𝐸(𝑋) − 𝑏

𝑉(𝑌) = 𝑉(𝑎𝑋 − 𝑏) = 𝑎! . 𝑉(𝑋)
Além disso, se uma variável normal (ou mais) for subtraída, a variável resultante também seguirá
distribuição normal. Supondo 𝑌 = 𝑋9 − 𝑋! , em que 𝑋9 e 𝑋! são variáveis normais, com médias 𝐸(𝑋9 )
e 𝐸(𝑋! ), e variâncias 𝑉(𝑋9 ) e 𝑉(𝑋! ), então, 𝑌 terá distribuição normal, com parâmetros:

74

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝐸(𝑌) = 𝐸(𝑋9 ) − 𝐸(𝑋! )

𝑉(𝑌) = 𝑉(𝑋9 ) + 𝑉(𝑋! )

(2020 – FADESP) A variável aleatória X tem distribuição normal com média µ = 2 e variância σ2 =
9. Seja Y uma variável aleatória definida por Y = 2X + 1. Nestas condições, pode-se afirmar que Y
tem distribuição
a) normal com média µ = 2 e variância σ2 = 30.
b) qui-quadrado com média µ = 5 e variância σ2 = 36.
c) normal com média µ = 5 e variância σ2 = 9.
d) normal com média µ = 5 e variância σ2 = 36.
Comentários:
Vimos que a soma de variáveis normais segue uma distribuição normal, mesmo quando somadas
a uma constante. Logo, a variável Y possui distribuição normal, com média:
E(Y) = E(2X + 1) = 2.E(X) + 1
Sendo E(X) = 2, temos:
E(Y) = 2.2 + 1 = 5
A variância é:
V(Y) = V(2X + 1) = 4V(X)
Sendo V(X) = 36, então:
V(Y) = 4.9 = 36.
Resposta: D.
(2018 – Petrobras) As variáveis aleatórias X e Y são independentes. A variável X segue uma
distribuição Normal com média 4 e variância 16, e a Y segue uma distribuição Normal com média
9 e variância 1. A distribuição de X - Y é Normal com
a) média -5 e variância 15.
b) média -5 e variância 17.
c) média 5 e variância 15.
d) média 5 e variância 17.
75

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

e) média 13 e variância 15.

Comentários:
Vimos que a diferença de variáveis normais segue uma distribuição normal, com média:
𝜇 = 𝜇V − 𝜇] = 4 − 9 = −5
E variância:
𝜎 ! = 𝜎V! + 𝜎]! = 16 + 1 = 17
Resposta: B.

5.4.1 – Aproximação da Binomial pela Normal

Como consequência do Teorema Central do Limite, podemos aproximar uma distribuição

binomial X a uma distribuição normal 𝑌, para 𝒏 grande. A média e a variância da distribuição
normal são iguais à média e à variância da distribuição binomial, em que 𝑞 = 1 − 𝑝:

𝐸(𝑌) = 𝐸(𝑋) = 𝑛. 𝑝
𝑉(𝑌) = 𝑉(𝑋) = 𝑛. 𝑝. 𝑞
Consequentemente, para 𝑛 grande, podemos aproximar a probabilidade de uma variável binomial
𝑋 apresentar valores dentro de um intervalo [𝑎, 𝑏], ou seja, 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏), à probabilidade de uma
variável normal 𝑌 apresentar valores dentro de um intervalo (𝑎, 𝑏):

𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) ≅ 𝑃(𝑎 < 𝑌 < 𝑏)

O número exato de ensaios necessários que permite essa aproximação é controverso (e também
depende do grau de precisão desejado). O que se sabe é que quanto maior 𝒏 e quanto mais
próximo de 𝟏Š𝟐 é o valor de 𝒑, mais a distribuição binomial se aproxima da normal. De maneira
geral, a questão fornecerá elementos que permitirão concluir que a distribuição binomial pode ser
aproximada a uma normal.

Correção de Continuidade

Por se tratar de uma distribuição discreta sendo aproximada a uma distribuição contínua, para
melhorar a precisão dos resultados, é necessário introduzir uma correção de continuidade.

Para isso, devemos aumentar o intervalo da binomial da forma [𝑎, 𝑏], isto é, com os extremos
incluídos, em 0,5 unidade para cada extremo. Assim, o intervalo da distribuição normal
correspondente será (𝑎 − 0,5, 𝑏 + 0,5), ou seja:

𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) ≅ 𝑃(𝑎 − 0,5 < 𝑌 < 𝑏 + 0,5)

76

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Se o intervalo desejado não incluir um dos extremos, ou ambos, então primeiro ajustamos o
intervalo para incluí-lo(s), somando ou subtraindo 1 unidade, conforme o caso, e, em seguida,
aplicamos essa correção.

Por exemplo, a probabilidade 𝑃(1 < 𝑋 < 5), para uma variável binomial (que assume apenas
valores inteiros), é equivalente à probabilidade 𝑃(2 ≤ 𝑋 ≤ 4). Agora sim, aplicamos a correção de
continuidade:

𝑃(1 < 𝑋 < 5) = 𝑃(2 ≤ 𝑋 ≤ 4) ≅ 𝑃(1,5 < 𝑌 < 4,5)

Vamos considerar um exemplo de uma variável binomial 𝑋, com 𝑛 = 50 e 𝑝 = 0,5.

Suponha que estejamos interessados em calcular a probabilidade de os valores de
𝑋 estarem no intervalo [20,30], que corresponde a um intervalo em torno da média
𝐸(𝑋) = 𝑛. 𝑝 = 25.

Pela distribuição binomial, teríamos que calcular:

𝑃(20 ≤ 𝑋 ≤ 30) = 𝑃(𝑋 = 20) + 𝑃(𝑋 = 21) + ⋯ + 𝑃(𝑋 = 30)

50 50 50
𝑃(20 ≤ 𝑋 ≤ 30) = d e 0,5!> . 0,5:> + d e 0,5!9 . 0,5!h + ⋯ + d e 0,5:> . 0,5!>
20 21 30

Cansativo, não é? Usando a função do Excel, específica para calcular a

probabilidade de um intervalo para uma distribuição binomial, pode-se obter o
resultado 0,8811, aproximadamente.

Aproximando essa distribuição a uma variável normal, 𝑌, com média 𝜇] = 𝑛. 𝑝 =

25 e variância 𝜎]! = 𝑛. 𝑝. (1 − 𝑝) = 12,5 (desvio padrão 𝜎] ≅ 3,5355), temos a
seguinte transformação, com a correção de continuidade:

𝑃(20 ≤ 𝑋 ≤ 30) ≅ 𝑃(19,5 < 𝑌 < 30,5)

Para 𝑥 = 30,5, com 𝜇 = 25 e 𝜎 ≅ 3,5355, temos a seguinte transformação:

8;u :>,=;!=
𝑧= [
≅ :,=!==
≅ 1,56

Pela tabela normal, podemos observar que 𝑃(0 < 𝑍 < 1,56) = 0,4406. Logo:

𝑃(−1,56 < 𝑍 < 1,56) = 2 × 0,4406 = 0,8812

77

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Note como esse resultado é (extremamente) próximo do resultado exato!

Logo, para resolver questões envolvendo a aproximação de uma distribuição binomial X a uma
distribuição normal Y, precisamos:

i. Calcular a média e a variância da distribuição, 𝐸(𝑌) = 𝐸(𝑋) = 𝑛. 𝑝 e 𝑉(𝑌) = 𝑉(𝑋) = 𝑛. 𝑝. 𝑞

ii. Aplicar a correção de continuidade 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) ≅ 𝑃(𝑎 − 0,5 < 𝑌 < 𝑏 + 0,5)
8;u
iii. Utilizar a transformação para a normal padrão 𝑧 = [
iv. Consultar a tabela da normal padrão para encontrar os valores de probabilidade

(Adaptada: 2020 – UEPA) Julgue a seguinte afirmação.

O Teorema do Limite Central garante que, para n suficientemente grande, a distribuição de
Bernoulli pode ser aproximada pela distribuição de Poisson.
Comentários:
Vimos que o Teorema Central do Limite garante que, para n suficientemente grande, a distribuição
binomial pode ser aproximada pela distribuição Normal. Portanto, a afirmação está errada.
Pontue-se que a distribuição de Bernoulli sequer apresenta o parâmetro n, pois ela presume um
único ensaio.
Resposta: Errado.

5.5 – Distribuição Qui-Quadrado

A distribuição Qui-Quadrado resulta da soma de distribuições normais reduzidas (ou padrão)

independentes, elevadas ao quadrado. Ou seja, a distribuição qui-quadrado 𝒳W! corresponde à
soma dos quadrados de 𝑘 variáveis com distribuição normal padrão, 𝑍0 ~𝑁(0,1):

𝒳W! = ∑W0j9(𝑍0 )!

Dizemos que a distribuição apresenta 𝒌 graus de liberdade, que é o único parâmetro da

distribuição. Em particular, para 𝑘 = 1, isto é, havendo uma única variável normal reduzida ao
quadrado, 𝑍 ! , temos uma distribuição qui-quadrado com um grau de liberdade, 𝒳9! .
78

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Pontue-se que, se as variáveis normais 𝑋0 não forem reduzidas, ou seja, se apresentarem média
𝜇0 e desvio padrão 𝜎0 , é necessário aplicar a transformação para a normal reduzida, antes de elevar
ao quadrado:
W W
𝑋0 − 𝜇0 !
𝒳W! !
= †(𝑍0 ) = † g h
𝜎0
0j9 0j9

Caso especial: para 𝑘 = 2, a distribuição qui-quadrado é também uma distribuição

𝟏 9
exponencial, com 𝝀 = 𝟐! A média dessa distribuição é, portanto, 𝐸(𝑋) = s = 𝟐.

Para a distribuição qui-quadrado, os diferentes graus de liberdade reproduzem funções densidade

de probabilidade distintas, conforme ilustrado abaixo1.

Pode-se observar que as variáveis com distribuição qui-quadrado são não negativas (afinal
correspondem à soma do quadrado de variáveis) e assimétricas à direita.

Observamos, ainda, que quanto maior o grau de liberdade, isto é, quanto mais variáveis normais
ao quadrado são somadas, mais simétrica será a distribuição. Inclusive, pelo Teorema Central do
Limite, a distribuição qui-quadrado se aproxima a uma distribuição normal, para 𝒌 elevado.

1
Gráfico do professor Ivan Balducci da Universidade Estadual Paulista, FOSJC/UNESP, disponível em
https://slideplayer.com.br/slide/45581/.
79

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A soma das variáveis 𝒳W!% , 𝒳W!$ , … , 𝒳W!( , com distribuição qui-quadrado, com
𝑘9 , 𝑘! , … , 𝑘3 graus de liberdade, respectivamente, apresenta distribuição qui-
quadrado com 𝑘9 + 𝑘! + ⋯ + 𝑘3 graus de liberdade.

A média e a variância da distribuição qui-quadrado são, respectivamente:

𝐸(𝒳W! ) = 𝑘

𝑉(𝒳W! ) = 2𝑘

Assim como a distribuição normal, a distribuição qui-quadrado também está associada a uma
tabela que associa uma probabilidade 𝑃(𝒳W! < 𝑥) ou 𝑃(𝒳W! > 𝑥) a um valor positivo 𝑥, de acordo
com o grau de liberdade 𝑘. A tabela abaixo apresenta os valores para 𝑃(𝒳W! < 𝑥).

80

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A primeira (e a última) coluna apresenta os graus de liberdade 𝑘, nessa tabela denotado por 𝑛. A
primeira linha apresenta os valores de probabilidade 𝑃(𝒳W! < 𝑥) e nos campos da tabela constam
os valores de 𝑥. Por exemplo, a mediana para uma distribuição com 5 graus de liberdade, isto é,
o valor de 𝑥 para o qual 𝑃(𝒳=! < 𝑥) = 50%, conforme se observa na linha 𝑛 = 5 e na coluna 𝑃 =
0,5, é 𝑥 = 4,351.

Pelo fato de a distribuição não ser simétrica, a distribuição acima da média é diferente daquela
abaixo da média. Por isso, a tabela apresenta os valores de probabilidade para toda a distribuição,.

(Adaptada: 2017 – TRF 2ª Região) Sobre a distribuição qui-quadrado, julgue a afirmativa a seguir.
Se X for uma variável aleatória com distribuição qui-quadrado e n graus de liberdade, sua variância
será Var(X) = 2n.
Comentários:
Para a distribuição qui-quadrado com 𝑘 graus de liberdade, temos 𝑉(𝒳W! ) = 2𝑘.
Resposta: Certo.

5.6 – Distribuição t de Student

A distribuição 𝑡 de Student (ou t-Student) é definida da seguinte forma, em que 𝑍 é uma variável
normal padrão, 𝒳W! é uma variável com distribuição qui-quadrado, com 𝒌 graus de liberdade,
sendo 𝑍 e 𝒳W! independentes:

v
𝑇=
$
w𝒳;
;

A variável 𝑇 apresenta 𝒌 graus de liberdade, que também é o único parâmetro da distribuição.

81

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

O gráfico abaixo2 apresenta as funções densidade de probabilidade para distribuições t-Student,

com 1, 5 e 25 graus de liberdade.

Observa-se que, assim como a normal padrão, a distribuição t-Student é simétrica, com média
𝝁 = 𝟎 e formato de sino, assumindo valores em toda a reta real, (−∞, ∞). Porém, em comparação
com a normal, a curva t-Student é mais baixa na região central e mais larga nos extremos. Ou
seja, a distribuição t-Student apresenta maior variabilidade.

Pode-se observar, ainda, que a distribuição t-Student se aproxima da curva normal à medida que
o grau de liberdade cresce (outra consequência do Teorema Central do Limite).

A variância da distribuição t-Student é dada por:

W
𝑉(𝑇) = W;! , 𝑝𝑎𝑟𝑎 𝑘 > 2

Pontue-se que a variância não é definida para 𝒌 ≤ 𝟐 e a média não é definida para 𝒌 = 𝟏.

Ressalte-se que a distribuição t-Student para 𝑘 = 1 consiste na razão entre duas

variáveis normais padrão independentes:

v% v% v
𝑇= $
= = v%
x𝒳% xv$$ $
%

2
Obtido na apresentação das aulas da Prof. Tarciana Liberal, da Universidade Federal da Paraíba,
disponível em http://www.de.ufpb.br/~tarciana/Probabilidade2/Aula15.pdf
82

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Nesse caso, temos um caso específico da distribuição de Cauchy, que

corresponde à razão entre duas variáveis normais independentes.

Essa distribuição também é simétrica e mais achatada em relação à normal.

Porém, podemos dizer que é uma distribuição patológica, pois os seus momentos
não estão definidos, ou seja, não apresenta média ou variância definidas.

A distribuição t-Student também apresenta uma tabela que associa aos valores de probabilidade
os intervalos de valores de 𝑡, de acordo com o grau de liberdade, conforme indicado a seguir.
Observe pelo gráfico anterior a essa tabela, que os seus valores de probabilidade são da forma
𝑃(𝑇 < 𝑡).

83

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A primeira coluna apresenta os graus de liberdade, enquanto a primeira linha apresenta os valores
de probabilidade acumulada, associadas aos valores de 𝑡 indicados nos campos. Por exemplo,
para 5 graus de liberdade (5ª linha), o valor que delimita uma probabilidade de 90%, 𝑃(𝑇 < 𝑡) =
0,9 (6ª coluna), é 𝑡 = 1,48.

Lembre-se que a distribuição é simétrica, com média, mediana e moda iguais a 𝜇 = 0. Assim,
𝑃(𝑇 < 0) = 0,5 e 𝑃(𝑇 < −𝑡) = 𝑃(𝑇 > 𝑡), como para a curva normal.

(Adaptada: 2017 – TRF 2ª Região) Sobre a distribuição t-student, julgue a afirmativa a seguir.
Considere uma variável aleatória Z com distribuição normal padrão e uma outra variável aleatória
V com distribuição qui-quadrado e v graus de liberdade. Se Z e V forem independentes, então a
v
variável aleatória 𝑇 = @
tem distribuição t de student com v graus de liberdade.
x
A

Comentários:
v
Vimos que a distribuição t-Student é definida como 𝑇 = , o que equivale ao que consta na
$
w𝒳;
;

afirmativa.
Resposta: Certo.

(CESPE/2020 – Analista Judiciário do TJ/PA) Se X e Y são variáveis aleatórias normais

V
independentes, tais que X ~ N(0,1) e Y ~ N(0,1), a razão ]
segue uma distribuição
a) de Cauchy
b) de Pareto
c) de Weibull
d) t de Student com 2 graus de liberdade
e) normal padrão
Comentários:
A razão entre variáveis independentes com distribuição normal segue uma distribuição de Cauchy,
que corresponde à razão entre duas variáveis normais.

84

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Note que X e Y são variáveis normais padrão. Nesse caso, temos também uma distribuição t de
Student, porém com 1 grau de liberdade, e não 2, como descrito na alternativa D.
Resposta: A.

5.7 – Distribuição F de Snedecor

Essa distribuição não é muito cobrada, mas como há algumas questões da CESPE sobre ela, então
vamos explicá-la. A distribuição 𝐹 de Snedecor (ou de Fisher, ou de Fisher-Snedecor) é definida
da seguinte forma, em que 𝒳W!% e 𝒳W!$ são variáveis independentes com distribuição qui-quadrado,
com 𝑘9 e 𝑘! graus de liberdade, respectivamente:

𝒳;$%
z
W%
𝐹W% ,W$ = 𝒳;$
$z
W$

A variável 𝐹W% ,W$ apresenta 𝒌𝟏 graus de liberdade no numerador e 𝒌𝟐 graus de liberdade no

denominador, os quais são os parâmetros da distribuição.

Por resultar da divisão entre duas variáveis não negativas, a variável assume apenas valores não
negativos. Além disso, assim como a distribuição qui-quadrado, esta é assimétrica à direita.

A média dessa distribuição é dada por:

W$
𝜇=W , 𝑝𝑎𝑟𝑎 𝑘! > 2
$ ;!

Assim, para a distribuição F de Snedecor, temos média 𝜇 > 1, sendo reduzida conforme 𝑘!
aumenta. (Observe que essa é a mesma fórmula da variância da t-Student!)

Também existe uma tabela para que possamos associar probabilidades aos intervalos de valores.
Porém, como a distribuição depende de 2 parâmetros, sendo um associado às linhas e o outro, às
colunas, a tabela é apresentada para valores fixos de probabilidade. A tabela abaixo, por
exemplo, apresenta os valores de 𝑓 que delimitam uma probabilidade 𝑃(𝐹 > 𝑓) = 0,05.

Com essa tabela, podemos calcular o valor de 𝑓 que delimita uma probabilidade 𝑃(𝐹 > 𝑓) = 0,05
para uma distribuição com 5 graus de liberdade no numerador (indicados nas linhas) e 10 graus
de liberdade no denominador (indicado nas colunas), por exemplo. Pela 5ª coluna e 10ª linha da
tabela, podemos observar que 𝑓 = 3,33.

85

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Por outro lado, se precisássemos calcular o valor associado a uma outra probabilidade, 𝑃(𝐹 > 𝑓) =
0,1, por exemplo, precisaríamos de outra tabela.

(Adaptada: 2017 – TRF 2ª Região) Sobre a distribuição F, julgue a afirmativa a seguir.

Se uma variável aleatória Y segue a distribuição F, então seus valores são não negativos e a forma
da sua distribuição é controlada pelos graus de liberdade.
Comentários:
Vimos que a distribuição F assume apenas valores não negativos, e depende dos graus de
liberdade no numerador e no denominador.
Resposta: Correto.

86

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

RESUMO DA AULA
Variáveis Contínuas

Þ Probabilidade associada a um intervalo, com 𝑓(𝑥) ≥ 0 e 𝑃(𝑆) = 1:

p
𝑃(𝑎 < 𝑋 < 𝑏) = W 𝑓(𝑥). 𝑑𝑥 = 𝐹(𝑏) − 𝐹(𝑎)
#

8
Þ Esperança: 𝐸(𝑋) = ∫8 / 𝑥. 𝑓(𝑥) . 𝑑𝑥
0

8
Þ Variância, 𝑉(𝑋) = 𝐸(𝑋 ! ) − [𝐸(𝑋)]! , com 𝐸(𝑋 ! ) = ∫8 / 𝑥 ! . 𝑓(𝑥). 𝑑𝑥
0

[$
Þ Desigualdade de Chebyshev: 𝑃(|𝑋 − 𝜇| ≥ 𝛿) ≤ \ $

[$
Þ Desigualdade Unilateral: 𝑃(𝑋 − 𝜇 ≥ 𝛿) ≤ [$ 2\ $

Momentos de uma Variável

Þ 𝒌-ésimo momento: 𝜇W = 𝐸(𝑋 W )

o Variável discreta: 𝜇W = 𝐸(𝑋 W ) = ∑0(𝑥0 )W . 𝑃(𝑥0 )

E
o Variável contínua: 𝜇W = 𝐸(𝑋 W ) = ∫D (𝑥0 )W . 𝑓(𝑥0 ). 𝑑𝑥

Transformação de Variáveis

Þ 𝒚 = 𝒉(𝒙)

o Variáveis Discretas: 𝑃[𝑌 = 𝑦] = 𝑃 [𝑋 = ℎ;9 (𝑦)]

N` '% (^)
o Variáveis Contínuas: 𝑓] [𝑦] = 𝑓V [ℎ;9 (𝑦)]. ž N^
ž

Distribuições Conjuntas

Þ Covariância: 𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸(𝑋. 𝑌) − 𝐸(𝑋). 𝐸(𝑌)

e1f(V,])
Þ Correlação: 𝜌(𝑋, 𝑌) = [9 .[:

Þ Variância da Soma e da Diferença:

𝑉𝑎𝑟(𝑋 + 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) + 2. 𝐶𝑜𝑣(𝑋, 𝑌)

87

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑉𝑎𝑟(𝑋 − 𝑌) = 𝑉𝑎𝑟(𝑋) + 𝑉𝑎𝑟(𝑌) − 2. 𝐶𝑜𝑣(𝑋, 𝑌)

Þ Eventos Independentes: 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑦) ∀(𝑥, 𝑦)

Þ Esperança Condicional: 𝐸(𝑌|𝑋 = 𝑥) = ∑g 𝑦g . 𝑃—𝑌 = 𝑦g |𝑋 = 𝑥˜

Þ Variância Condicional, 𝑉(𝑌|𝑋 = 𝑥) = 𝐸(𝑌 ! |𝑋 = 𝑥) − [𝐸(𝑌|𝑋 = 𝑥)]! com:

!
𝐸(𝑌 ! |𝑋 = 𝑥) = †—𝑦g ˜ . 𝑃—𝑌 = 𝑦g |𝑋 = 𝑥˜
g

Þ Esperança Marginal: 𝐸(𝑋) = ∑0 ∑g 𝑥0 . 𝑝(𝑥0 , 𝑦g )

Þ Variância Marginal: 𝑉(𝑋) = 𝐸 [𝑉(𝑋|𝑌)] + 𝑉[𝐸(𝑋|𝑌)]

Distribuições Contínuas
9
Þ Distribuição Uniforme, 𝑓(𝑥) = (p;#) , 𝑠𝑒 𝑎 ≤ 𝑥 ≤ 𝑏:

(3;t)
o Probabilidade de um intervalo: 𝑃(𝑚 < 𝑋 < 𝑛) = (p;#)

p2# (p;#)$
o Esperança: 𝐸(𝑋) = !
e Variância: 𝑉(𝑋) = 9!

Þ Distribuição Exponencial, 𝑓(𝑥) = 𝜆𝑒 ;s8 , 𝑠𝑒 𝑥 ≥ 0:

o Probabilidade de um intervalo: 𝑃(𝑚 < 𝑋 < 𝑛) = −𝑒 ;s3 + 𝑒 ;st

9 9
o Esperança: 𝐸(𝑋) = s e Variância: 𝑉(𝑋) = s$

o Propriedade: 𝑃(𝑋 > 𝑡 + 𝑠|𝑋 > 𝑠) = 𝑃(𝑋 > 𝑡)

Þ Distribuição Normal, 𝑁(𝜇, 𝜎 ! ) – Simétrica, definida para (−∞, ∞)

8;u
o Transformação para a normal padrão 𝑁(0,1): 𝑧 = [

Þ Teorema Central do Limite: Soma de muitas variáveis segue distribuição normal,

aproximadamente.

Þ Distribuição Qui-quadrado, Assimétrica, definida para 𝑥 ≥ 0

𝒳W! = †(𝑍0 )!
0j9

88

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

Equipe Exatas Estratégia Concursos
Aula 08
1613716

o Esperança: 𝐸(𝑋) = 𝑘 e Variância: 𝑉(𝑋) = 2𝑘

Þ Distribuição t-Student – Simétrica, definida para (−∞, ∞), com média 𝜇 = 0 e formato de
sino mais “achatado” do que normal:

𝑍
𝑇=
!
•𝒳W
𝑘
W
o Variância: 𝑉(𝑋) = W;! , 𝑝𝑎𝑟𝑎 𝑘 > 2

Þ Distribuição Fisher-Snedecor, Assimétrica, definida para 𝑥 ≥ 0

𝒳W!%
Á
𝑘
𝐹W% ,W$ = ! 9
𝒳W$
Á
𝑘!
W$
o Esperança: 𝐸(𝑋) = W , 𝑝𝑎𝑟𝑎 𝑘! > 2
$ ;!

89

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

QUESTÕES COMENTADAS – CESPE

Variáveis Contínuas

1. (CESPE/2011 – Analista de Correios) Julgue o próximo item, referentes à probabilidade

e às variáveis aleatórias.

A função de distribuição cumulativa de uma variável aleatória é sempre uma função decrescente
e assume valores no intervalo [0,1].

Comentários:

A função de distribuição acumulada, ou cumulativa, é uma função crescente, com valores entre 0
e 1.

Gabarito: Errado.

(CESPE/2014 – Analista Judiciário do TJ/SE) Considerando que X seja uma variável aleatória
contínua, tal que E(X) = 1 e E(X 2 ) = 4, julgue os itens seguintes.

2. (CESPE/2014 – Analista Judiciário do TJ/SE) Var(X) = 2

Comentários:

Conhecendo 𝐸(𝑋) = 1 e 𝐸(𝑋 ! ) = 4, podemos calcular a variância como:

𝑉(𝑋) = 𝐸(𝑋 ! ) − [𝐸(𝑋)]! = 4 − 1! = 3

Gabarito: Errado.

3. (CESPE/2014 – Analista Judiciário do TJ/SE) O coeficiente de variação é igual ou

superior a 2.

Comentários:

O coeficiente de variação é dado por:

90

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝜎
𝐶X = =
𝑚é𝑑𝑖𝑎 𝐸(𝑋)

Sabemos que a média é 𝐸(𝑋) = 1 e, pelo que calculamos no item anterior, a variância é 𝑉(𝑋) = 3.
O desvio padrão, raiz quadrada da variância, é:

𝜎 = ¡V(X) = √3

Logo, o coeficiente de variação é:

√3
𝐶X = = √3 ≅ 1,7
1

Logo, o coeficiente de variação é inferior a 2.

Gabarito: Errado.

4. (CESPE/2014 – Analista Judiciário do TJ/SE) P(X > 4) ≤ ¼

Comentários:

Pela desigualdade lateral de Chebyshev, temos:

𝜎!
𝑃(𝑋 − 𝜇 ≥ 𝛿) ≤
𝜎! + 𝛿!

Sabendo que 𝜇 = 𝐸(𝑋) = 1 e que 𝜎 ! = 𝑉𝑎𝑟(𝑋) = 3, então:

3 3
𝑃(𝑋 ≥ 4) = 𝑃(𝑋 − 1 ≥ 3) ≤ !
=
3+3 12

1
𝑃(𝑋 ≥ 4) ≤
4

Lembre-se que, por ser uma variável contínua, temos 𝑃(𝑋 > 4) = (𝑋 ≥ 4).

Gabarito: Certo.

5. (CESPE/2020 – Analista Judiciário do TJ/PA) Se Y for uma variável aleatória contínua e

simétrica em torno de zero, tal que P(Y 2 < 4) = 0,4, então P(Y > 2) será igual a

91

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

a) 0,2

b) 0,3

c) 0,4

d) 0,5

e) 0,6

Comentários:

Se Y2 < 4, então extraindo a raiz de ambos os lados, temos:

¡𝑌 ! < √4

|𝑌| < 2

O enunciado informa que essa probabilidade é de 0,4:

𝑃(𝑌 ! < 4) = 𝑃(|𝑌| < 2) = 0,4

Pelo complementar, temos:

𝑃(|𝑌| > 2) = 1 − 𝑃(|𝑌| < 2) = 1 − 0,4 = 0,6

Substituindo o módulo, temos:

𝑃(|𝑌| > 2) = 𝑃(𝑌 < −2 ∪ 𝑌 > 2) = 𝑃(𝑌 < −2) + 𝑃(𝑌 > 2) = 0,6
Como a distribuição é simétrica em torno de zero, então:

𝑃(𝑌 < −2) = 𝑃(𝑌 > 2)

Logo:

𝑃(𝑌 < −2) + 𝑃(𝑌 > 2) = 2. 𝑃(𝑌 > 2) = 0,6

𝑃(𝑌 > 2) = 0,3

Gabarito: B.

6. (CESPE/2013 – Analista Judiciário do TRT 17ª Região) Com base em distribuições

contínuas, julgue o item subsequente.

92

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Considere que uma variável aleatória contínua e simétrica em zero tenha função densidade de
probabilidade f(x) tal que

Nesse caso, P(X ∈ [-k;k]) = 0.

Comentários:

Sabemos que a probabilidade associada a certo intervalo para uma variável contínua é:

p
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = W 𝑓(𝑥). 𝑑𝑥
#

Assim, as integrais fornecidas no enunciado correspondem às seguintes probabildades:

>
W 𝑓(𝑥). 𝑑𝑥 = 𝑃(−𝑘 ≤ 𝑋 ≤ 0)
;W

W
W 𝑓(𝑥). 𝑑𝑥 = 𝑃(0 ≤ 𝑋 ≤ 𝑘)
>

Sendo a variável simétrica em zero, então:

𝑃(−𝑘 ≤ 𝑋 ≤ 0) = 𝑃(0 ≤ 𝑋 ≤ 𝑘)

Pela inequação fornecida no enunciado, temos:

𝑃(−𝑘 ≤ 𝑋 ≤ 0) ≤ 0 ≤ 𝑃(0 ≤ 𝑋 ≤ 𝑘)

Logo:

𝑃(0 ≤ 𝑋 ≤ 𝑘) ≤ 0 ≤ 𝑃(0 ≤ 𝑋 ≤ 𝑘)

Ou seja, essa probabilidade é, ao mesmo tempo, menor ou igual a zero e maior ou igual a zero. A
única possibilidade é ela ser igual a zero. Logo:

𝑃(−𝑘 ≤ 𝑋 ≤ 0) = 𝑃(0 ≤ 𝑋 ≤ 𝑘) = 0

Assim, a probabilidade desejada é:

𝑃(−𝑘 ≤ 𝑋 ≤ 𝑘) = 𝑃(−𝑘 ≤ 𝑋 ≤ 0) + 𝑃(0 ≤ 𝑋 ≤ 𝑘) = 0

Gabarito: Certo.
93

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

7. (CESPE/2014 – Analista Judiciário do TJ/SE) Nas estatísticas do Poder Judiciário, a taxa

de congestionamento (X), que consiste em um indicador que permite medir a efetividade da
movimentação processual de um tribunal, é uma variável aleatória contínua com função de
densidade f(x) expressa por:

Com base nessas informações, julgue o próximo item.

O valor de β é superior a 450 e inferior a 500.

Comentários:

Sabemos que a probabilidade de todo o Espaço Amostral é 1. Como x varia entre 0 e 1, temos:

9
𝐹(1) = W 𝑓(𝑥). 𝑑𝑥 = 1
>

9
𝐹(1) = W 𝛽. 𝑥 ? . (1 − 𝑥)! . 𝑑𝑥 = 1
>

Desenvolvendo a expressão (1 − 𝑥)! , temos:

9
𝐹(1) = W 𝛽. 𝑥 ? . (1 − 2𝑥 + 𝑥 ! ). 𝑑𝑥 = 1
>

Aplicando a propriedade distributiva da multiplicação, temos:

9
𝐹(1) = W 𝛽. (𝑥 ? − 2. 𝑥 h + 𝑥 9> ) . 𝑑𝑥 = 1
>

Separando os termos da integral (integral da soma/subtração equivale à soma/subtração da

integral):

9 9 9
𝐹(1) = W 𝛽. 𝑥 𝑑𝑥 − W 2. 𝛽. 𝑥 𝑑𝑥 + W 𝛽𝑥 9> 𝑑𝑥 = 1
? h
> > >

Os resultados das integrais, desconsiderando os limites, são:

?
𝑥h
W 𝛽. 𝑥 𝑑𝑥 = 𝛽
9

94

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

h
𝑥 9>
W 2. 𝛽. 𝑥 𝑑𝑥 = 2. 𝛽
10

9>
𝑥 99
W 𝛽. 𝑥 𝑑𝑥 = 𝛽
11

Aplicando os limites, temos:

9
(1h − 0h ) 1 𝛽
W 𝛽. 𝑥 ? 𝑑𝑥 = 𝛽 =𝛽 =
> 9 9 9

9
h
(19> − 09> ) 1 𝛽
W 2. 𝛽. 𝑥 𝑑𝑥 = 2. 𝛽 = 2𝛽 =
> 10 10 5

9
(199 − 099 ) 1 𝛽
W 𝛽. 𝑥 9> 𝑑𝑥 = 𝛽 =𝛽 =
> 11 11 11

Logo, a probabilidade de todo o Espaço Amostral é:

𝛽 𝛽 𝛽 𝛽
𝐹(1) = − + = =1
9 5 11 495

𝛽 = 495

Logo, o valor de 𝛽 é superior a 450 e inferior a 500.

Gabarito: Certo.

8. (CESPE/2020 – Analista Judiciário do TJ/PA) O tempo de duração de processos judiciais

(em anos) que tramitam em certo tribunal é representado por uma variável aleatória
contínua Y cuja função de distribuição acumulada é expressa por:

A partir dessa situação hipotética, assinale a opção correta.

a) A mediana de Y é superior a 1.

95

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

b) P(Y = 1) = 0,75

c) A moda da variável Y é igual a 1,5

d) O valor esperado de Y é igual a 1.

e) A variância de Y é inferior a 100.

Comentários:

Em relação à alternativa A, a mediana é calculada, a partir da função acumulada, como:

𝐹(𝑦/N ) = 0,5

Considerando o valor da função acumulada fornecida no enunciado, temos:

1 !
1−g h = 0,5
2𝑦/N

1 !
g h = 0,5
2𝑦/N

1
! = 0,5
4𝑦/N
!
2. 𝑦/N =1
!
𝑦/N = 0,5

Extraindo a raiz de ambos os lados da equação, temos:

|𝑦/N | = ¡0,5

Como 𝑦 ≥ 0,5, então 𝑦 só pode ser positivo. Logo:

𝑦/N = ¡0,5

Esse valor é menor que 1, portanto, a alternativa A está incorreta.

Em relação à alternativa B, como se trata de uma variável contínua, a probabilidade de a variável

assumir exatamente determinado valor é zero, então P(Y = 1) = 0. Logo, a alternativa B está
incorreta.

96

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Em relação à alternativa C, a moda é o valor de y que maximiza a f.d.p. Vamos, então, calculá-la,
pela derivada da função de distribuição acumulada fornecida pelo enunciado:

𝑑 1
𝑓(𝑦) = Æ1 − 𝑦 ;! Ç
𝑑𝑦 4

1 1
𝑓(𝑦) = 0 − × (−2. 𝑦 ;: ) =
4 2. 𝑦 :

Por se tratar de uma divisão, quanto maior y, menor o valor de f(y). Assim, a moda é o menor valor
possível para a variável: 𝑦/1 = 0,5. Logo, a alternativa C está incorreta.

Em relação à alternativa D, o valor esperado é:

8/
𝐸(𝑌) = W 𝑦. 𝑓(𝑦) . 𝑑𝑦
80

9
Sabendo que 𝑦 ≥ 0,5 e 𝑓(𝑦) = !.^ & , temos:

M M M
1 1 1 ;!
𝐸(𝑌) = W 𝑦. . 𝑑𝑦 = W . 𝑑𝑦 = W . 𝑦 . 𝑑𝑦
>,= 2. 𝑦 : >,= 2. 𝑦
!
>,= 2

Desconsiderando os limites, o resultado da integral é:

1 1 𝑦 ;9 1
W . 𝑦 ;! 𝑑𝑦 = × =−
2 2 −1 2𝑦

Aplicando os limites da integral, temos3:

1 1
𝐸(𝑌) = − g − h
2 × ∞ 2 × 0,5

A divisão de um número finito por infinito é 0, logo:

1
𝐸(𝑌) = − g0 − h=1
2 × 0,5

Logo, a alternativa D está correta.

B B
3
Formalmente, não representamos a divisão por infinito como . O correto seria lim . Porém, essa
C D→C D
expressão pode confundir alguns alunos e por isso preferimos a primeira forma para simplificar.
97

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A variância é dada por:

𝑉(𝑌) = 𝐸(𝑌 ! ) − [𝐸(𝑋)]!

Sendo:
8/ M M
!) !
1 !
1 1
𝐸(𝑌 = W 𝑦 . 𝑓(𝑦) . 𝑑𝑦 = W 𝑦 . . 𝑑𝑦 = W × . 𝑑𝑦
80 >,= 2. 𝑦 : >,= 2 𝑦

Desconsiderando os limites, temos:

1 1 1
W × 𝑑𝑦 = ln 𝑦
2 𝑦 2

Em seguida, devemos aplicar os limites da integral. Porém, o logaritmo de infinito é infinito. Ou

seja, 𝐸(𝑌 ! ) = ∞ e, consequentemente, 𝑉(𝑌) = ∞. Por isso, a alternativa E está incorreta.

Gabarito: D.

Distribuições Conjuntas

(CESPE/2013 – CNJ) Uma máquina de café expresso precisa ser reiniciada algumas vezes
durante o dia, devido ao uso excessivo. A tabela abaixo mostra a distribuição de probabilidade
conjunta do número de vezes que ela é reiniciada na parte da manhã (M) e na parte da tarde
(T).

Considerando essa tabela, julgue os próximos itens.

9. (CESPE/2013 – CNJ) O número médio de vezes que a máquina é reiniciada na parte da

manhã é inferior a 1.

Comentários:

O somatório dos campos da tabela de probabilidade conjunta é 100%, portanto:

0,1 + 0,1 + 0,3 + 0,04 + 0,06 + 0,12 + 0,06 + 0,1 + 𝑥 = 1

98

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

0,88 + 𝑥 = 1

𝑥 = 0,12

A média de uma variável, E(X), pode ser calculada somando-se os produtos dos valores de x
multiplicados pelas respectivas probabilidades conjuntas:

𝐸(𝑋) = † † 𝑥. 𝑝(𝑥, 𝑦)
8 ^

𝐸(𝑋) = 0 × 0,1 + 0 × 0,1 + 0 × 0,3 + 1 × 0,04 + 1 × 0,06 + 1 × 0,12 + 2 × 0,06 + 2 × 0,1 + 2 × 0,12

𝐸(𝑋) = 0,22 + 0,12 + 0,2 + 0,24 = 0,78

Logo, o número médio de vezes que a máquina é reiniciada na parte da manhã é inferior a 1.

Gabarito: Certo.

10. (CESPE/2013 – CNJ) O número de vezes que a máquina é reiniciada na parte da tarde
depende do número de vezes que ela é reiniciada pela manhã.

Comentários:

Essa questão indaga quanto à dependência entre as variáveis aleatórias. Para verificar isso, é
importante calcular as probabilidades marginais, em que X corresponde à manhã e Y, à tarde.

Sabendo que 𝑥 = 0,12, temos:

𝑃(𝑋 = 0) = 0,1 + 0,1 + 0,3 = 0,50

𝑃(𝑋 = 1) = 0,04 + 0,06 + 0,12 = 0,22

𝑃(𝑋 = 2) = 0,06 + 0,1 + 0,12 = 0,28

𝑃(𝑌 = 0) = 0,1 + 0,04 + 0,06 = 0,20

𝑃(𝑌 = 1) = 0,1 + 0,06 + 0,1 = 0,26

𝑃(𝑌 = 2) = 0,3 + 0,12 + 0,12 = 0,54

Se X e Y são independentes, então:

𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑦)

99

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Para X = 0 e Y = 0, temos 𝑃(𝑋 = 0, 𝑌 = 0) = 0,10 e o seguinte produto das probabilidades

marginais:

𝑃(𝑋 = 0) × 𝑃(𝑌 = 0) = 0,5 × 0,2 = 0,10

Para X = 0 e Y = 1, temos 𝑃(𝑋 = 0, 𝑌 = 1) = 0,10 e o seguinte produto das probabilidades

marginais:

𝑃(𝑋 = 0) × 𝑃(𝑌 = 1) = 0,5 × 0,26 = 0,13

Como 0,13 ≠ 0,10, as variáveis não são independentes.

Gabarito: Certo.

11. (CESPE/2010 – INMETRO) As variáveis discretas X e Y possuem a distribuição conjunta

na forma P(X = x, Y = y) = d(x + 2y), em que x ∈ {0, 1, 2} e y ∈ {0, 1, 2, 3, 4}. Para os casos em
que x ∉ {0, 1, 2} ou y ∉ {0, 1, 2, 3, 4}, P(X = x, Y = y) = 0. Com base nessas informações, assinale
a opção correta.

a) P(X=2,Y=3)=0,10.

b) d = 1/75.

c) As variáveis aleatórias X e Y são independentes.

d) P(X≥1,Y≥3)=7/15.

e) Com respeito à distribuição marginal, tem-se que P(X = 0) = 3/75.

Comentários:

Vamos representar a distribuição conjunta fornecida, pela seguinte tabela, em que X corresponde
às linhas e Y, às colunas:

X\Y 0 1 2 3 4
0 d.(0+2.0)=0 d.(0+2.1)=2d d.(0+2.2)=4d d.(0+2.3)=6d d.(0+2.4)=8d
1 d.(1+2.0)=d d.(1+2.1)=3d d.(1+2.2)=5d d.(1+2.3)=7d d.(1+2.4)=9d
2 d.(2+2.0)=2d d.(2+2.1)=4d d.(2+2.2)=6d d.(2+2.3)=8d d.(2+2.4)=10d

Sabemos que a soma de todos os campos é igual a 1, logo:

0 + d + 2d + 2d + 3d + 4d + 4d + 5d + 6d + 6d + 7d + 8d + 8d + 9d + 10d = 75d = 1
100

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

1
𝑑=
75

Assim, a resposta é a alternativa B. Porém, vejamos as demais alternativas.

Em relação à alternativa A, temos:

8
𝑃(𝑋 = 2, 𝑌 = 3) = 8𝑑 =
75

Logo, a alternativa A está incorreta.

Em relação à alternativa C, para que as variáveis sejam independentes, devemos ter:

𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑦)

Para 𝑋 = 0 e 𝑌 = 0, por exemplo, temos:

4
𝑃(𝑋 = 0) = 0 + 2𝑑 + 4𝑑 + 6𝑑 + 8𝑑 = 20𝑑 =
15
3 1
𝑃(𝑌 = 0) = 0 + 𝑑 + 2𝑑 = 3𝑑 = =
75 25

Logo:

4 1 4
𝑃(𝑋 = 0) × 𝑃(𝑌 = 0) = × =
15 25 375

Como 𝑃(𝑋 = 0, 𝑌 = 0) = 0, então temos 𝑃(𝑋 = 0, 𝑌 = 0) ≠ 𝑃(𝑋 = 0) × 𝑃(𝑌 = 0). Logo, as variáveis
não são independentes. Assim, a alternativa C está errada.

<
Sabendo que 𝑃(𝑋 = 0) = 9=, podemos concluir que a alternativa E está errada.

Em relação à alternativa D, temos:

𝑃(𝑋 ≥ 1, 𝑌 ≥ 3) = 𝑃(𝑋 = 1, 𝑌 = 3) + 𝑃(𝑋 = 1, 𝑌 = 4) + 𝑃(𝑋 = 2, 𝑌 = 3) + 𝑃(𝑋 = 2, 𝑌 = 4)

34
𝑃(𝑋 ≥ 1, 𝑌 ≥ 3) = 7𝑑 + 9𝑑 + 8𝑑 + 10𝑑 = 34𝑑 =
75

Assim, a alternativa D está errada.

Gabarito: B.

101

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2018 – Analista Administrativo EBSERH) Todo paciente que chega a determinado

posto hospitalar é imediatamente avaliado no que se refere à prioridade de atendimento.
Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não emergente”
(Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma
distribuição de Poisson com média igual a 20. Considerando que W represente o total diário
𝒙
de pacientes emergentes, de tal sorte que 𝑷(𝑾 = 𝒘|𝑿 = 𝒙) = d e 𝟎, 𝟏𝒘 𝟎, 𝟗𝒙;𝒘 , em que 0
𝒘
≤ w ≤ x e x ≥ 0, julgue os itens subsequentes.

12. (CESPE/2018 – Analista Administrativo EBSERH) A variância do número diário de

pacientes que chegam a esse posto hospitalar é igual a 20 pacientes2.

Comentários:

Sabendo que X representa as quantidades diárias de pacientes que chegam ao posto e segue uma
distribuição de Poisson com média 20 (l = 20), então a variância é:

VAR(X) = l = 20

Gabarito: Certo.

13. (CESPE/2018 – Analista Administrativo EBSERH) A variável Y segue uma distribuição de

Bernoulli, cuja probabilidade de sucesso é igual a 0,9.

Comentários:

Sabendo que W representa o total de pacientes emergentes, então pela fórmula binomial
fornecida no enunciado, podemos deduzir que a probabilidade de um paciente ser emergente é
0,1 e de ele ser não emergente é 0,9.

Pela informação de que Y = 0 ou Y = 1, sabemos que Y segue distribuição de Bernoulli. O sucesso

de Y corresponde ao paciente ser não emergente, cuja probabilidade é de 0,9.

Gabarito: Certo.

14. (CESPE/2018 – Analista Administrativo EBSERH) Se, em determinado dia, 10 pacientes

forem atendidos nesse posto hospitalar, então a probabilidade de se registrar, entre esses
pacientes, exatamente um paciente emergente será igual a 0,1.

Comentários:
102

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Sabendo que X representa as quantidades diárias de pacientes que chegam ao posto, então, pelo
enunciado, temos X = 10. Considerando que W representa o total de pacientes emergentes,
então a probabilidade de termos W = 1 é, de acordo com a função de probabilidade fornecida:

𝑥
𝑃(𝑊 = 𝑤|𝑋 = 𝑥) = d e 0, 1| 0, 98;|
𝑤
10
𝑃(𝑊 = 1|𝑋 = 10) = d e 0, 19> 0, 99>;9
1
10!
𝑃(𝑊 = 1|𝑋 = 10) = 0, 19> 0, 9h = 10 × 0, 19> 0, 9h ≅ 3,8 × 10;9>
1! 9!

Esse é um valor muito pequeno, muito menor que 0,1.

Gabarito: Errado.

15. (CESPE/2013 – TRT 17ª Região) No que se refere a distribuições discretas, julgue o
seguinte item.

9 𝑛
Para a distribuição conjunta 𝑃(𝑁 = 𝑛, 𝑋 = 𝑥) = H × d e 𝑝 8 (1 − 𝑝)3;8 , em que n = 1, ..., 6 e x é uma
𝑥
contagem, as variáveis N e X são dependentes.

Comentários:

Pela função descrita no enunciado, podemos observar que a variável X segue uma distribuição
binomial, com parâmetros p e N. Sabemos que N pode assumir os valores n = 1, 2, ... 6. Assim,
dependendo do valor de n, as probabilidades de X variam. Dessa forma, as variáveis são
dependentes.

Gabarito: Certo.

16. (CESPE/2013 – TRT 17ª Região) Considerando o conceito de distribuição de

probabilidade, julgue o item a seguir.

Todos os eventos independentes são disjuntos.

Comentários:

103

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Eventos disjuntos apresentam interseção nula, ou seja, 𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦) = 0. Por outro lado,
eventos independentes são definidos como:

𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑥)

É possível que:

𝑃(𝑋 = 𝑥 ∩ 𝑌 = 𝑦) = 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑥) ≠ 0

Logo, eventos independentes não são necessariamente disjuntos.

Gabarito: Errado.

(CESPE/2011 – SEDUC/AM)

A respeito da distribuição conjunta (XY), de variáveis aleatórias discretas, apresentada acima,

julgue os itens a seguir.

17. (CESPE/2011 – SEDUC/AM) A variância de X é menor que 𝝀. 𝒑𝟒

Comentários:

Pela função de probabilidade conjunta fornecida no enunciado, podemos observar que Y segue
uma distribuição de Poisson com parâmetro 𝜆:

𝑒 ;s 𝜆^
𝑃(𝑌 = 𝑦) =
𝑦!
E que X|Y segue uma distribuição Binomial, com parâmetros 𝑝 e 𝑌 = 𝑦:

𝑦 𝑦!
𝑃(𝑋 = 𝑥|𝑌 = 𝑦) = d e 𝑝 8 (1 − 𝑝)^;8 = 𝑝 8 (1 − 𝑝)^;8
𝑥 𝑥! (𝑦 − 𝑥)!
O produto dessas duas fórmulas de probabilidade resulta na função apresentada no enunciado.

A variância da distribuição binomial (marginal) pode ser calculada a partir da variância e esperança
condicionais:

𝑉(𝑋) = 𝐸 [𝑉(𝑋|𝑌)] + 𝑉[𝐸(𝑋|𝑌)]

Como X|Y é uma distribuição binomial, com parâmetros 𝑝 e 𝑌 = 𝑦, então a variância condicional é

104

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑉(𝑋|𝑌) = 𝑛. 𝑝. 𝑞 = 𝑌. 𝑝. 𝑞 = 𝑌. 𝑝. (1 − 𝑝)
E a esperança condicional é:

𝐸(𝑋|𝑌) = 𝑛. 𝑝 = 𝑌. 𝑝
Então, substituindo esses valores na fórmula da variância marginal acima, temos:

𝑉(𝑋) = 𝐸 [𝑌. 𝑝. (1 − 𝑝)] + 𝑉 [𝑌. 𝑝]

Aplicando as propriedades da variância e da esperança, obtemos:

𝑉(𝑋) = 𝑝. (1 − 𝑝). 𝐸(𝑌) + 𝑝! 𝑉(𝑌)

Como Y segue uma distribuição de Poisson, com parâmetro 𝜆, então 𝐸(𝑌) = 𝑉(𝑌) = 𝜆, logo:

𝑉(𝑋) = 𝑝. (1 − 𝑝). 𝜆 + 𝑝! 𝜆 = 𝑝. 𝜆 − 𝑝! . 𝜆 + 𝑝! . 𝜆 = 𝑝. 𝜆

Como 𝑝 ≤ 1, então, ao elevarmos 𝑝 à potência de 4, obtemos um número menor que 𝑝. Assim:

𝑉(𝑋) = 𝑝. 𝜆 ≥ 𝜆. 𝑝<

Gabarito: Errado.

18. (CESPE/2011 – SEDUC/AM) O valor esperado de X é negativo.

Comentários:

O valor esperado de X (marginal), a partir do valor esperado condicionado, é dado por:

𝐸(𝑋) = 𝐸 [𝐸(𝑋|𝑌)]
Sabemos que X|Y é uma distribuição binomial, com parâmetros 𝑝 e 𝑌 = 𝑦, logo:

𝐸(𝑋|𝑌) = 𝑛. 𝑝 = 𝑌. 𝑝
Substituindo esse resultado na fórmula acima e aplicando a propriedade da esperança, temos:

𝐸(𝑋) = 𝐸 [𝑌. 𝑝] = 𝑝. 𝐸(𝑌)

Como Y segue uma distribuição de Poisson, com parâmetro 𝜆, então 𝐸(𝑌) = 𝜆, logo:

𝐸(𝑋) = 𝜆. 𝑝
Como 𝜆 e 𝑝 são positivos, então 𝐸(𝑋) é positivo.

Gabarito: Errado.
105

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2011 – SEDUC/AM)

Julgue os próximos itens, considerando que o vetor aleatório (X, Y) possui distribuição
conjunta de probabilidade conforme o quadro acima.

19. (CESPE/2011 – SEDUC/AM) As variáveis aleatórias Z = X + Y e W = X – Y são

dependentes.

Comentários:

As variáveis aleatórias Z e W são independentes se:

𝑃(𝑍 = 𝑧 ∩ 𝑊 = 𝑤) = 𝑃(𝑍 = 𝑧) × 𝑃(𝑊 = 𝑤)

Sabemos que Z = X + Y e W = X – Y, logo a probabilidade conjunta 𝑃(𝑍 = 𝑧, 𝑊 = 𝑤) exige que
ambas as equações sejam atendidas:

𝑍 =𝑋+𝑌 =𝑧
𝑊 =𝑋−𝑌 =𝑤
Somando ambas as equações, temos:

𝑍+𝑊 =𝑋+𝑌+𝑋−𝑌 =𝑧+𝑤

𝑍 + 𝑊 = 2𝑋 = 𝑧 + 𝑤
𝑧+𝑤
𝑋=
2
Sabendo que 𝑌 = 𝑋 − 𝑤, então:
𝑧+𝑤 𝑧−𝑤
𝑌= −𝑤 =
2 2
Logo:
𝑧+𝑤 𝑧−𝑤
𝑃(𝑍 = 𝑧, 𝑊 = 𝑤) = 𝑃 g𝑋 = ,𝑌 = h
2 2
o2| o;|
Para facilitar, podemos, inclusive, dizer que !
=𝑥e !
= 𝑦:

𝑃(𝑍 = 𝑧, 𝑊 = 𝑤) = 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦)

106

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Logo, se 𝑋 e 𝑌 forem independentes, então 𝑍 e 𝑊 também serão. Pela tabela, observamos que as
proporções das probabilidades marginais (na última linha e na última coluna) não se mantêm para
todos os campos da tabela.

Por exemplo, para X = -1 e Y = -1, temos, pela tabela, 𝑃(𝑋 = −1, 𝑌 = −1) = 0 e o produto das
probabilidades marginais resulta em:
1 1 1
𝑃(𝑋 = −1) × 𝑃(𝑌 = −1) = × =
5 5 25
Ou seja, temos:

𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) ≠ 𝑃(𝑋 = 𝑥) × 𝑃(𝑌 = 𝑦)

Assim, 𝑋 e 𝑌 são dependentes. Logo, Z e W também são.

Gabarito: Certo.

20. (CESPE/2011 – SEDUC/AM) A correlação linear entre X e Y é nula; disso se conclui que
ambas são independentes.

Comentários:

Sabemos que o fato de a correlação linear ser nula, 𝝆 = 𝟎, não implica na independência de X e
Y, por isso o item está errado.

Gabarito: Errado.

Distribuições Contínuas

21. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A respeito de uma variável

aleatória contínua U, uniformemente distribuída no intervalo [0, 1], julgue o seguinte item.

A variância de U é inferior a 1/10.

Comentários:

Para uma distribuição uniforme no intervalo a = 0 e b = 1, a variância é dada por:

(𝑏 − 𝑎)!
𝑉(𝑋) =
12

107

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(1 − 0)! 1
𝑉(𝑋) = =
12 12

Como 1/12 é inferior a 1/10, o item está correto.

Gabarito: Certo.

(CESPE/2013 – Estatístico da FUB) Considerando que, em um circuito elétrico, a corrente I siga

uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa
por W = I2, julgue os itens a seguir relativos às transformações de variáveis.

22. (CESPE/2013 – Estatístico da FUB) A função de distribuição acumulada de W é F(w) =

P(W ≤ w) = w2 , em que 0 ≤ w ≤ 1.

Comentários:

A função de distribuição de uma variável aleatória W = I2 pode ser descrita como

𝐹(𝑤) = 𝑃(𝑊 ≤ 𝑤) = 𝑃(𝐼 ! ≤ 𝑤)

Aplicando a raiz em ambos os lados da inequação, temos:

𝐹(𝑤) = 𝑃—|𝐼| ≤ √𝑤˜

Sendo I uma variável não negativa, pois assume valores no intervalo (0,1), então, não precisamos
do módulo:

𝐹(𝑤) = 𝑃—𝐼 ≤ √𝑤˜

Sabendo que I apresenta distribuição uniforme no intervalo a = 0 e b = 1, então a probabilidade

𝑃—𝐼 ≤ √𝑤˜ pode ser calculada como:

√𝑤 − 𝑎 √𝑤 − 0
𝑃—𝐼 ≤ √𝑤˜ = = = √𝑤
𝑏−𝑎 1−0

Gabarito: Errado

23. (CESPE/2013 – Estatístico da FUB) Nesse circuito, a potência esperada é igual a 1/3.

Comentários:

108

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

O valor esperado de W = I2, sendo I uma distribuição uniforme, no intervalo (a,b), é dado por:

p p
1
𝐸(𝑊) = 𝐸(𝐼 ! ) = W 𝑥 ! . 𝑓(𝑥). 𝑑𝑥 = W 𝑥 ! . . 𝑑𝑥
# # 𝑏−𝑎

Sendo a = 0 e b = 1, temos:

p 9
1
𝐸(𝑊) = W 𝑥 ! . . 𝑑𝑥 = W 𝑥 ! . 𝑑𝑥
# 1−0 >

8&
Sabendo que ∫ 𝑥 ! 𝑑𝑥 = :
, então aplicando os limites, temos:

9
1: − 0: 1
𝐸(𝑊) = W 𝑥 ! . 𝑑𝑥 = =
> 3 3

Gabarito: Certo.

24. (CESPE/2013 – Estatístico da FUB) A variância de W é maior que 0,10.

Comentários:

A variância de uma variável aleatória W qualquer pode ser calculada como:

𝑉(𝑊) = 𝐸(𝑊 ! ) − [𝐸(𝑊)]!

Sendo W = I2, temos:

𝑉(𝐼 ! ) = 𝐸(𝐼 < ) − [𝐸(𝐼 ! )]!

9
Na última questão, vimos que 𝐸(𝑊) = 𝐸(𝐼 ! ) = :. Agora, vamos calcular 𝐸(𝑊 ! ) = 𝐸(𝐼 < ), sendo 𝐼
uma distribuição uniforme:

p p
1
𝐸(𝑊 ! ) = 𝐸(𝐼 < ) = W 𝑥 < . 𝑓(𝑥). 𝑑𝑥 = W 𝑥 < . . 𝑑𝑥
# # 𝑏−𝑎

Sendo a = 0 e b = 1, temos:

p 9
1
𝐸(𝑊 ! ) = W 𝑥 < . . 𝑑𝑥 = W 𝑥 < . 𝑑𝑥
# 1−0 >

8)
Sabendo que ∫ 𝑥 < 𝑑𝑥 = =
, então aplicando os limites, temos:

109

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

!)
1= − 0= 1
𝐸(𝑊 = =
5 5

A variância de W é, portanto, dada por:

𝑉(𝑊) = 𝑉(𝐼 ! ) = 𝐸(𝐼 < ) − [𝐸(𝐼 ! )]!

1 1 ! 1 1 9−5 4
𝑉(𝑊) = −g h = − = = ≅ 0,089
5 3 5 9 45 45

Logo, a variância é inferior a 0,1.

Gabarito: Errado.

(CESPE/2016 – Analista de Controle Externo do TCE/PA) Se o tempo de espera por

atendimento (T, em minutos) em determinada repartição pública segue uma distribuição
exponencial com média igual a 30 minutos, então

25. (CESPE/2016 – Analista de Controle Externo do TCE/PA) a probabilidade de ocorrer o

evento [T = 30], isto é, P([T=30]), é igual a zero.

Comentários:

Sabemos que, para variáveis contínuas, associamos probabilidades aos intervalos, ao invés de
probabilidades da forma P(X = x), justamente porque essa probabilidade é zero.

Gabarito: Certo.

26. (CESPE/2016 – Analista de Controle Externo do TCE/PA) P(T > 35 | T > 30) = P(T > 35).

Comentários:

A distribuição exponencial apresenta a propriedade “sem memória”, ou seja:

𝑃(𝑋 > 𝑡 + 𝑠|𝑋 > 𝑠) = 𝑃(𝑋 > 𝑡)

Sendo X = T, s = 30 e t = 5, temos:

𝑃(𝑇 > 35|𝑇 > 30) = 𝑃(𝑇 > 5)

Gabarito: Errado.
110

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2013 – Analista Judiciário da STM) Supondo que o custo unitário X de um processo

de execução fiscal na justiça federal seja descrito por uma distribuição exponencial com média
igual a R$ 5.000, julgue os próximos itens.

27. (CESPE/2013 – Analista Judiciário da STM) P(X > 5.000 | X > 1.000) < P(X > 5.000).

Comentários:

A distribuição exponencial apresenta a propriedade “sem memória”, ou seja:

𝑃(𝑋 > 𝑡 + 𝑠|𝑋 > 𝑠) = 𝑃(𝑋 > 𝑡)

Sendo s = 1000 e t = 4000, temos:

𝑃(𝑋 > 5000|𝑋 > 1000) = 𝑃(𝑋 > 4000)

A probabilidade 𝑃(𝑋 > 4000) é maior do que 𝑃(𝑋 > 5000), pois 4000 < 5000. Logo:

𝑃(𝑋 > 5000|𝑋 > 1000) > 𝑃(𝑋 > 5000)

Gabarito: Errado.

28. (CESPE/2013 – Analista Judiciário da STM) Para cada r = 1, 2, 3, ... , o momento de

ordem r da variável X, E[X'] é tal que E[X'] = (R$ 5.000) r.

Comentários:

O momento de ordem r de uma variável aleatória contínua é dada por:

E
+)
𝜇+ = 𝐸(𝑋 = W (𝑥)+ . 𝑓(𝑥0 ). 𝑑𝑥
D

Para uma variável com distribuição exponencial, a f.d.p. é dada por:

𝑓(𝑥) = 𝜆𝑒 ;s8 , 𝑠𝑒 𝑥 ≥ 0

Assim, o momento de ordem r de uma variável com distribuição exponencial é:

M
+)
𝜇+ = 𝐸(𝑋 = W (𝑥)+ . 𝜆. 𝑒 ;s8 . 𝑑𝑥
>

111

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

O valor de 𝜆 pode ser obtido a partir do valor da média fornecido:

1
𝐸(𝑋) = = 5000
𝜆

1
𝜆=
5000

Assim, o momento de ordem k para essa variável é:

8
+)
(𝑥)+ . 𝑒 ;=>>>
M
𝜇+ = 𝐸(𝑋 =W . 𝑑𝑥
> 5000

Essa integral não é trivial de ser calculada, porém é possível deduzir que o resultado dessa integral
é diferente de 5000r. Inclusive, a derivada de 5000r em relação a x (cálculo inverso) é zero, ou seja,
G
'
(8)F .% )HHH
diferente de =>>>
.

Gabarito: Errado.

(CESPE/2016 – Analista da FUNPRESP-JUD) Considerando que Z represente uma distribuição

normal padrão, julgue os itens subsequentes

29. (CESPE/2016 – Analista da FUNPRESP-JUD) A variável aleatória 5 × Z + 3 segue uma

distribuição normal com média igual a 3 e variância igual a 5.

Comentários:

De acordo com as propriedades da esperança, temos:

𝐸(5𝑍 + 3) = 5. 𝐸(𝑍) + 3

Sabemos que, para uma distribuição normal padrão, temos 𝐸(𝑍) = 0, logo:

𝐸(5𝑍 + 3) = 5 × 0 + 3 = 3

De acordo com as propriedades da variância, temos:

𝑉(5𝑍 + 3) = 25. 𝑉(𝑍)

Sabemos que, para uma distribuição normal padrão, temos 𝑉(𝑍) = 1, logo:

𝑉(5𝑍 + 3) = 25 × 1 = 25
112

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Logo, a variância está errada.

Gabarito: Errado.

30. (CESPE/2016 – Analista da FUNPRESP-JUD) A simetria de Z implica que P(Z ≥ 2) = 1 –

P(Z ≤ -2).

Comentários:

A simetria da curva normal com média igual a zero implica na seguinte relação entre P(Z ≥ 2) e P(Z
≤ -2):

𝑃(𝑍 ≥ 2) = 𝑃(𝑍 ≤ −2)

Essa relação está ilustrada no gráfico abaixo.

-2 0 2

Assim, a relação descrita no enunciado está incorreta.

Gabarito: Errado.

31. (CESPE/2018 – Oficial Técnico de Inteligência da ABIN) Se X e Y forem variáveis

independentes e tiverem distribuição normal com médias μX e μY, respectivamente, e
variâncias σ2x e σ2y , respectivamente, então a soma X + Y terá média μX + μY e
variância σ2x + σ2y.

Comentários:

A soma de variáveis independentes com distribuição normal e médias 𝜇9 e 𝜇! e variâncias 𝜎9! e 𝜎!! ,
tem distribuição normal, com média 𝜇9 + 𝜇! e variância 𝜎9! + 𝜎!! .

Gabarito: Certo.

113

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2018 – Agente de Polícia Federal) O valor diário (em R$ mil) apreendido de

contrabando em determinada região do país é uma variável aleatória W que segue distribuição
normal com média igual a R$ 10 mil e desvio padrão igual a R$ 4 mil. Nessa situação hipotética,
julgue os próximos itens.

32. (CESPE/2018 – Agente de Polícia Federal) Se W1 e W2 forem duas cópias independentes

e identicamente distribuídas como W, então a soma W1 + W2 seguirá distribuição normal com
média igual a R$ 20 mil e desvio padrão igual a R$ 8 mil.

Comentários:

A soma de variáveis independentes com distribuição normal, médias 𝜇9 e 𝜇! e variâncias 𝜎9! e 𝜎!! ,
tem distribuição normal, com média 𝜇9 + 𝜇! e variância 𝜎9! + 𝜎!! .

Sendo 𝜇9 = 𝜇! = 10 mil e 𝜎9! = 𝜎!! = 4! = 16 mil2, então a distribuição W1 + W2 tem média e

variância dadas respectivamente por:

𝜇 = 𝜇9 + 𝜇! = 10 + 10 = 20

𝜎 ! = 𝜎9! + 𝜎!! = 16 + 16 = 32

O desvio padrão de W1 + W2 é, então:

𝜎 = ¡𝜎 ! = √32 ≅ 5,7

Gabarito: Errado.

33. (CESPE/2018 – Agente de Polícia Federal) P(W > R$ 10 mil) = 0,5.

Comentários:

Considerando que a distribuição normal é simétrica em torno da média, então:

𝑃(𝑊 > 𝜇) = 0,5

Como 𝜇 = 10 𝑚𝑖𝑙, então:

𝑃(𝑊 > 10 𝑚𝑖𝑙) = 0,5

Gabarito: Certo.

114

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑾;𝟐𝟎
34. (CESPE/2018 – Agente de Polícia Federal) A razão segue distribuição normal
√𝟒
padrão.

Comentários:

A subtração e divisão de uma variável normal por uma constante resulta em uma distribuição
normal. Para saber se essa distribuição será padrão ou não, vamos calcular os seus valores de
esperança e variância, considerando as respectivas propriedades:

𝑊 − 20 𝐸(𝑊) − 20
𝐸g h=
√4 √4

Sendo 𝐸(𝑊) = 10, conforme enunciado, temos:

𝑊 − 20 10 − 20 −10
𝐸g h= = = −5
√4 √4 2

Como a média dessa distribuição é diferente de zero, ela não é a normal padrão.

Gabarito: Errado.

35. (CESPE/2013 – TRT 17ª Região) No que se refere a distribuições discretas, julgue o
seguinte item.

A aproximação da distribuição binomial pela normal não se aplica com base no teorema limite
central, visto que a binomial não se relaciona com uma soma de variáveis aleatórias.

Comentários:

O Teorema Central do Limite garante que, para n suficientemente grande, a distribuição binomial
pode sim ser aproximada pela distribuição Normal.

Pontue-se, ainda, que a distribuição binomial é uma soma de variáveis de Bernoulli.

Gabarito: Errado.

36. (CESPE/2018 – Agente de Polícia Federal) Uma amostra aleatória simples Y1, Y2,
..., Y25 foi retirada de uma distribuição normal com média nula e variância σ2, desconhecida.
Considerando que P(x2 ≤ 13) = P(x2 > 41) = 0,025, em que x2 representa a distribuição qui-
quadrado com 25 graus de liberdade, e que 𝑺𝟐 = ∑𝟐𝟓 𝟐
𝒊j𝟏 𝒀𝒊 , julgue o item a seguir.
115

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A variância da distribuição X2 com 25 graus de liberdade é superior a 40.

Comentários:

A variância da distribuição qui-quadrado, com k = 25 graus de liberdade, é:

𝑉(𝑋) = 2𝑘 = 2 × 25 = 50

Assim, a variância é superior a 40.

Gabarito: Certo.

(CESPE/2018 – Analista Judiciário STM) Supondo que Z seja uma distribuição normal padrão,
considere as seguintes transformações de variáveis aleatórias: W = 1 – Z e V = Z2 – W2+ 1. A
respeito dessas variáveis aleatórias, julgue os itens a seguir.

37. (CESPE/2018 – Analista Judiciário STM) A variável aleatória W segue distribuição normal
com variância unitária.

Comentários:

Sendo Z uma variável com distribuição normal, então a variável W = 1 – Z segue distribuição
normal. Pelas propriedades da variância, temos:

V(W) = V(1 – Z) = V(Z)

Sendo Z uma variável com distribuição normal padrão, então V(Z) = 1, logo:

V(W) = 1

Assim, a variância de W é unitária.

Gabarito: Certo.

38. (CESPE/2018 – Analista Judiciário STM) A variável aleatória V segue distribuição normal.

Comentários:

Pelo enunciado, temos V = Z2 – W2+ 1, em que W = 1 – Z. Logo:

116

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑉 = 𝑍 ! − (1 − 𝑍)! + 1 = 𝑍 ! − (1 − 2𝑍 + 𝑍 ! ) + 1 = 𝑍 ! − 1 + 2𝑍 − 𝑍 ! + 1 = 2𝑍

Sabendo que Z segue distribuição normal, então 2Z também segue.

Gabarito: Certo.

39. (CESPE/2018 – Analista Judiciário STM) A variância da variável aleatória V é igual a 2.

Comentários:

Na questão anterior, calculamos que, sendo V = Z2 – W2+ 1, com W = 1 – Z, então V = 2Z. Pelas
propriedades da variância de V, temos:

𝑉(𝑉) = 𝑉(2𝑍) = 2! 𝑉(𝑍) = 4 × 1 = 4

Gabarito: Errado.

(CESPE/2018 – Analista Administrativo – EBSERH) Considerando que X e Y sejam variáveis

aleatórios mutuamente independentes que seguem distribuição normal padrão, julgue os
próximos itens.

40. (CESPE/2018 – Analista Administrativo – EBSERH) A soma S = X + Y e a diferença D =

X – Y seguem distribuições distintas.

Comentários:

Tanto a soma de variáveis, quanto a diferença entre variáveis, com distribuição normal, apresenta
distribuição normal. Vejamos os seus valores de média e variância.

A média de S = X + Y é:

E(S) = E(X + Y) = E(X) + E(Y).

Sendo X e Y variáveis normais padrão, então E(X) = E(Y) = 0:

E(S) = 0 + 0 = 0

A variância de S = X + Y, para X e Y independentes, é:

V(S) = V(X + Y) = V(X) + V(Y).

117

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

Sendo X e Y variáveis normais padrão, então V(X) = V(Y) = 1:

V(S) = 1 + 1 = 2

A média de D = X – Y é:

E(D) = E(X – Y) = E(X) – E(Y) = 0.

A variância de D = X – Y, para X e Y independentes, é:

V(D) = V(X – Y) = V(X) + V(Y) = 1 + 1 = 2.

Assim, S e D são variáveis normais, com média igual a zero e variância igual a 2. Portanto, seguem
distribuições iguais.

Gabarito: Errado.

41. (CESPE/2018 – Analista Administrativo – EBSERH) A soma dos quadrados Q = X2 +

Y2 segue uma distribuição exponencial com média igual a 2.

Comentários:

A soma de k variáveis independentes com distribuição normal padrão elevadas ao quadrado segue
distribuição qui-quadrado, com k graus de liberdade.

Especialmente para k = 2, a distribuição qui-quadrado segue também uma distribuição

9 9
exponencial, com 𝜆 = !. A esperança dessa distribuição é 𝐸(𝑋) = s = 2.

Gabarito: Certo.

(CESPE/2016 – Auditor de Controle Externo do TCE/PA) Considerando que Z e W sejam

variáveis aleatórias independentes que seguem distribuição normal padrão, julgue os itens
subsequentes.

42. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A transformação 6Z + 3 resulta

em uma distribuição normal com variância igual a 9.

Comentários:

118

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A soma e multiplicação de uma variável normal por constantes resultam em uma distribuição
normal, em que a variância é dada por:

𝑉(6𝑍 + 3) = 36. 𝑉(𝑍)

Sendo Z uma variável normal padrão, temos V(Z) = 1, logo:

𝑉(6𝑍 + 3) = 36

Gabarito: Errado.

𝑾
43. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A razão 𝒁
segue uma
distribuição com variância igual a 1.

Comentários:

A razão entre duas variáveis com distribuição normal seguem uma distribuição de Cauchy.
Especificamente, se as variáveis forem normais padrão, essa distribuição também será de t-
Student, com grau de liberdade k = 1. De qualquer forma, a variância não está definida.

Gabarito: Errado.

44. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A soma dos quadrados Z² + W²

segue distribuição t de Student.

Comentários:

A soma dos quadrados de variáveis com distribuição normal padrão define uma distribuição qui-
quadrado.

Gabarito: Errado.

45. (CESPE/2010 – Estatístico do MS) A distribuição F de Snedecor é definida pela razão de

duas distribuições quiquadrado independentes.

Comentários:

119

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A distribuição F de Snedecor é definida como indicado abaixo, em que as variáveis 𝒳W!> seguem
distribuição qui-quadrado independentes:

𝒳W!%
Á
𝑘
𝐹W% ,W$ = ! 9
𝒳W$
Á
𝑘!

Logo, essa distribuição é definida pela razão entre distribuições qui-quadrado independentes
divididas pelo respectivo grau de liberdade.

Gabarito: Errado.

46. (CESPE/2010 – Estatístico do MS) A média de uma distribuição F de Snedecor depende

de dois parâmetros: o número de graus de liberdade do denominador e o número de graus
de liberdade do numerador.

Comentários:

A média da distribuição F de Snedecor é dada por:

𝑘!
𝜇= , 𝑝𝑎𝑟𝑎 𝑘! > 2
𝑘! − 2

Logo, a média depende apenas do número de graus de liberdade do denominador.

Gabarito: Errado.

(CESPE/2013 – MPU)

A figura acima mostra a forma do gráfico da função de densidade de uma distribuição t de

Student com 16 graus de liberdade (T16), com a indicação de alguns valores x e de duas

120

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

probabilidades associadas a esses quantis. Com base no gráfico e nas informações, julgue os
seguintes itens.

47. (CESPE/2013 – MPU) P(2,12 < T16 < 2,921) = 0,04.

Comentários:

Temos que:

𝑃(−2,921 < 𝑇9H < 2,921) =

= 𝑃(−2,921 < 𝑇9H < −2,12) + 𝑃(−2,12 < 𝑇9H < 2,12) + 𝑃(2,12 < 𝑇9H < 2,921)

Pelo gráfico, observamos que P(-2,921 < T16 < 2,921) = 0,99 e P(-2,12 < T16 < 2,12) = 0,95, logo,
substituindo esses valores na equação acima, temos:

0,99 = 0,95 + 𝑃(2,12 < 𝑇9H < 2,921) + 𝑃(−2,921 < 𝑇9H < −2,12)

𝑃(2,12 < 𝑇9H < 2,921) + 𝑃(−2,921 < 𝑇9H < −2,12) = 0,04

Sabendo que a distribuição é simétrica em torno de 0, temos:

𝑃(2,12 < 𝑇9H < 2,921) = 𝑃(−2,921 < 𝑇9H < −2,12)

Assim:

𝑃(2,12 < 𝑇9H < 2,921) + 𝑃(2,12 < 𝑇9H < 2,921) = 0,04

0,04
𝑃(2,12 < 𝑇9H < 2,921) = = 0,02
2

Gabarito: Errado.

48. (CESPE/2013 – MPU) A sequência (Tn), em que Tn é a distribuição t de Student

com n graus de liberdade, converge em distribuição para a distribuição normal padrão à
medida que n aumenta.

Comentários:

A distribuição t-Student se aproxima da curva normal à medida que o grau de liberdade cresce
(consequência do Teorema Central do Limite).

Gabarito: Certo.
121

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

49. (CESPE/2013 – MPU) Se T20 representa uma distribuição t de Student com 20 graus de
liberdade, então P(T20 < 2,921) > 0,99.

Comentários:

Pelo gráfico, podemos observar que P(-2,921 < T16 < 2,921) = 0,99, logo, P(T16 < 2,921) > 0,99.
Com o aumento do grau de liberdade, a distribuição t-Student se aproxima da normal,
aumentando a probabilidade dos valores centrais e diminuindo a probabilidade dos valores
extremos. Assim, a probabilidade associada a esse mesmo intervalo será ainda maior.

Ou seja, P(T20 < 2,921) > 0,99.

Gabarito: Certo.

50. (CESPE/2013 – MPU) Se Y representa uma distribuição F de Snedecor com 1 grau de

liberdade no numerador e 16 graus de liberdade no denominador, então P(0 < Y < 2,122 ) =
0,95.

Comentários:

Se Y apresenta distribuição F de Snedecor, então:

𝒳W!%
Á
𝑘
𝑌 = 𝐹W% ,W$ = ! 9
𝒳W$
Á
𝑘!
Sendo 𝑘9 = 1 e 𝑘! = 16, como informado, então:

𝒳9!Š
𝑌 = 𝐹9,9H = ! 1
𝒳9HŠ
16
Sabendo que a distribuição qui-quadrado com um grau de liberdade corresponde ao quadrado
de uma variável normal padrão, então:

𝑍!
𝑌= !
𝒳9HŠ
16
v
Considerando que a variável t-Student é definida como 𝑇 = , então, para 𝑘 = 16, temos:
$
w𝒳;
;

122

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

𝑍
𝑇9H =
!
•𝒳9H
16
Ou seja:

𝑌 = 𝑇9H !
Portanto:

𝑃(0 < 𝑌 < 2,12! ) = 𝑃—0 < 𝑇9H ! < 2,12! ˜

Extraindo a raiz de todos os temos:

𝑃—0 < 𝑇9H ! < 2,12! ˜ = 𝑃(0 < |𝑇9H | < 2,12)

A probabilidade de o módulo de 𝑇9H ser menor que 2,12 (necessariamente, o módulo é maior que
zero) é dada por:

𝑃(|𝑇9H | < 2,12) = 𝑃(−2,12 < 𝑇9H < 2,12)

Pelo gráfico, observamos que 𝑃(−2,12 < 𝑇9H < 2,12) = 0,95. Logo, 𝑃(0 < 𝑌 < 2,12! ) = 0,95.

Gabarito: Certo.

123

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

LISTA DE QUESTÕES – CESPE

Variáveis Contínuas

1. (CESPE/2011 – Analista de Correios) Julgue o próximo item, referentes à probabilidade

e às variáveis aleatórias.

A função de distribuição cumulativa de uma variável aleatória é sempre uma função decrescente
e assume valores no intervalo [0,1].

(CESPE/2014 – Analista Judiciário do TJ/SE) Considerando que X seja uma variável aleatória
contínua, tal que E(X) = 1 e E(X 2 ) = 4, julgue os itens seguintes.

2. (CESPE/2014 – Analista Judiciário do TJ/SE) Var(X) = 2

3. (CESPE/2014 – Analista Judiciário do TJ/SE) O coeficiente de variação é igual ou

superior a 2.

4. (CESPE/2014 – Analista Judiciário do TJ/SE) P(X > 4) ≤ ¼

5. (CESPE/2020 – Analista Judiciário do TJ/PA) Se Y for uma variável aleatória contínua e

simétrica em torno de zero, tal que P(Y 2 < 4) = 0,4, então P(Y > 2) será igual a

a) 0,2

b) 0,3

c) 0,4

d) 0,5

e) 0,6

124

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

6. (CESPE/2013 – Analista Judiciário do TRT 17ª Região) Com base em distribuições

contínuas, julgue o item subsequente.

Considere que uma variável aleatória contínua e simétrica em zero tenha função densidade de
probabilidade f(x) tal que:

Nesse caso, P(X ∈ [-k;k]) = 0.

7. (CESPE/2014 – Analista Judiciário do TJ/SE) Nas estatísticas do Poder Judiciário, a taxa

de congestionamento (X), que consiste em um indicador que permite medir a efetividade da
movimentação processual de um tribunal, é uma variável aleatória contínua com função de
densidade f(x) expressa por:

Com base nessas informações, julgue o próximo item.

O valor de β é superior a 450 e inferior a 500.

8. (CESPE/2020 – Analista Judiciário do TJ/PA) O tempo de duração de processos judiciais

(em anos) que tramitam em certo tribunal é representado por uma variável aleatória
contínua Y cuja função de distribuição acumulada é expressa por:

A partir dessa situação hipotética, assinale a opção correta.

a) A mediana de Y é superior a 1.

b) P(Y = 1) = 0,75
125

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

c) A moda da variável Y é igual a 1,5

d) O valor esperado de Y é igual a 1.

e) A variância de Y é inferior a 100.

Distribuições Conjuntas

(CESPE/2013 – CNJ) Uma máquina de café expresso precisa ser reiniciada algumas vezes
durante o dia, devido ao uso excessivo. A tabela abaixo mostra a distribuição de probabilidade
conjunta do número de vezes que ela é reiniciada na parte da manhã (M) e na parte da tarde
(T).

Considerando essa tabela, julgue os próximos itens.

9. (CESPE/2013 – CNJ) O número médio de vezes que a máquina é reiniciada na parte da

manhã é inferior a 1.

10. (CESPE/2013 – CNJ) O número de vezes que a máquina é reiniciada na parte da tarde
depende do número de vezes que ela é reiniciada pela manhã.

11. (CESPE/2010 – INMETRO) As variáveis discretas X e Y possuem a distribuição conjunta

na forma P(X = x, Y = y) = d(x + 2y), em que x ∈ {0, 1, 2} e y ∈ {0, 1, 2, 3, 4}. Para os casos em
que x ∉ {0, 1, 2} ou y ∉ {0, 1, 2, 3, 4}, P(X = x, Y = y) = 0. Com base nessas informações, assinale
a opção correta.

a) P(X=2,Y=3)=0,10.

b) d = 1/75.

c) As variáveis aleatórias X e Y são independentes.

d) P(X≥1,Y≥3)=7/15.

126

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

e) Com respeito à distribuição marginal, tem-se que P(X = 0) = 3/75.

(CESPE/2018 – Analista Administrativo EBSERH) Todo paciente que chega a determinado

posto hospitalar é imediatamente avaliado no que se refere à prioridade de atendimento.
Suponha que o paciente seja classificado como “emergente” (Y = 0) ou como “não emergente”
(Y = 1), e que as quantidades X, diárias, de pacientes que chegam a esse posto sigam uma
distribuição de Poisson com média igual a 20. Considerando que W represente o total diário
𝒙
de pacientes emergentes, de tal sorte que 𝑷(𝑾 = 𝒘|𝑿 = 𝒙) = d e 𝟎, 𝟏𝒘 𝟎, 𝟗𝒙;𝒘 , em que 0
𝒘
≤ w ≤ x e x ≥ 0, julgue os itens subsequentes.

12. (CESPE/2018 – Analista Administrativo EBSERH) A variância do número diário de

pacientes que chegam a esse posto hospitalar é igual a 20 pacientes2.

13. (CESPE/2018 – Analista Administrativo EBSERH) A variável Y segue uma distribuição de

Bernoulli, cuja probabilidade de sucesso é igual a 0,9.
14. (CESPE/2018 – Analista Administrativo EBSERH) Se, em determinado dia, 10 pacientes
forem atendidos nesse posto hospitalar, então a probabilidade de se registrar, entre esses
pacientes, exatamente um paciente emergente será igual a 0,1.

15. (CESPE/2013 – TRT 17ª Região) No que se refere a distribuições discretas, julgue o
seguinte item.

9 𝑛
Para a distribuição conjunta 𝑃(𝑁 = 𝑛, 𝑋 = 𝑥) = H × d e 𝑝 8 (1 − 𝑝)3;8 , em que n = 1, ..., 6 e x é uma
𝑥
contagem, as variáveis N e X são dependentes.

16. (CESPE/2013 – TRT 17ª Região) Considerando o conceito de distribuição de

probabilidade, julgue os itens a seguir.

Todos os eventos independentes são disjuntos.

(CESPE/2011 – SEDUC/AM)

127

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A respeito da distribuição conjunta (XY), de variáveis aleatórias discretas, apresentada acima,

julgue os itens a seguir.

17. (CESPE/2011 – SEDUC/AM) A variância de X é menor que 𝝀. 𝒑𝟒

18. (CESPE/2011 – SEDUC/AM) O valor esperado de X é negativo.

(CESPE/2011 – SEDUC/AM)

Julgue os próximos itens, considerando que o vetor aleatório (X, Y) possui distribuição
conjunta de probabilidade conforme o quadro acima.

19. (CESPE/2011 – SEDUC/AM) As variáveis aleatórias Z = X + Y e W = X – Y são

dependentes.

20. (CESPE/2011 – SEDUC/AM) A correlação linear entre X e Y é nula; disso se conclui que
ambas são independentes.

Distribuições Contínuas

21. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A respeito de uma variável

aleatória contínua U, uniformemente distribuída no intervalo [0, 1], julgue o seguinte item.

A variância de U é inferior a 1/10.

128

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2013 – Estatístico da FUB) Considerando que, em um circuito elétrico, a corrente I siga

uma distribuição uniforme no intervalo (0,1) e que a potência W desse circuito seja expressa
por W = I2, julgue os itens a seguir relativos às transformações de variáveis.

22. (CESPE/2013 – Estatístico da FUB) A função de distribuição acumulada de W é F(w) =

P(W ≤ w) = w2 , em que 0 ≤ w ≤ 1.

23. (CESPE/2013 – Estatístico da FUB) Nesse circuito, a potência esperada é igual a 1/3.

24. (CESPE/2013 – Estatístico da FUB) A variância de W é maior que 0,10.

(CESPE/2016 – Analista de Controle Externo do TCE/PA) Se o tempo de espera por

atendimento (T, em minutos) em determinada repartição pública segue uma distribuição
exponencial com média igual a 30 minutos, então:

25. (CESPE/2016 – Analista de Controle Externo do TCE/PA) a probabilidade de ocorrer o

evento [T = 30], isto é, P([T=30]), é igual a zero.

26. (CESPE/2016 – Analista de Controle Externo do TCE/PA) P(T > 35 | T > 30) = P(T > 35).

(CESPE/2013 – Analista Judiciário da STM) Supondo que o custo unitário X de um processo

de execução fiscal na justiça federal seja descrito por uma distribuição exponencial com média
igual a R$ 5.000, julgue os próximos itens.

27. (CESPE/2013 – Analista Judiciário da STM) P(X > 5.000 | X > 1.000) < P(X > 5.000).

28. (CESPE/2013 – Analista Judiciário da STM) Para cada r = 1, 2, 3, ... , o momento de

ordem r da variável X, E[X'] é tal que E[X'] = (R$ 5.000) r.

129

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2016 – Analista da FUNPRESP-JUD) Considerando que Z represente uma distribuição

normal padrão, julgue os itens subsequentes.

29. (CESPE/2016 – Analista da FUNPRESP-JUD) A variável aleatória 5 × Z + 3 segue uma

distribuição normal com média igual a 3 e variância igual a 5.

30. (CESPE/2016 – Analista da FUNPRESP-JUD) A simetria de Z implica que P(Z ≥ 2) = 1 –

P(Z ≤ -2).

31. (CESPE/2018 – Oficial Técnico de Inteligência da ABIN) Se X e Y forem variáveis

independentes e tiverem distribuição normal com médias μX e μY, respectivamente, e
variâncias σ2x e σ2y , respectivamente, então a soma X + Y terá média μX + μY e
variância σ2x + σ2y.

(CESPE/2018 – Agente de Polícia Federal) O valor diário (em R$ mil) apreendido de

contrabando em determinada região do país é uma variável aleatória W que segue distribuição
normal com média igual a R$ 10 mil e desvio padrão igual a R$ 4 mil. Nessa situação hipotética,
julgue os próximos itens.

32. (CESPE/2018 – Agente de Polícia Federal) Se W1 e W2 forem duas cópias independentes

e identicamente distribuídas como W, então a soma W1 + W2 seguirá distribuição normal com
média igual a R$ 20 mil e desvio padrão igual a R$ 8 mil.

33. (CESPE/2018 – Agente de Polícia Federal) P(W > R$ 10 mil) = 0,5.

𝑾;𝟐𝟎
34. (CESPE/2018 – Agente de Polícia Federal) A razão segue distribuição normal
√𝟒
padrão.

35. (CESPE/2013 – TRT 17ª Região) No que se refere a distribuições discretas, julgue o
seguinte item.

130

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

A aproximação da distribuição binomial pela normal não se aplica com base no teorema limite
central, visto que a binomial não se relaciona com uma soma de variáveis aleatórias.

36. (CESPE/2018 – Agente de Polícia Federal) Uma amostra aleatória simples Y1, Y2,
..., Y25 foi retirada de uma distribuição normal com média nula e variância σ2, desconhecida.
Considerando que P(x2 ≤ 13) = P(x2 > 41) = 0,025, em que x2 representa a distribuição qui-
quadrado com 25 graus de liberdade, e que 𝑺𝟐 = ∑𝟐𝟓 𝟐
𝒊j𝟏 𝒀𝒊 , julgue o item a seguir.

A variância da distribuição X2 com 25 graus de liberdade é superior a 40.

(CESPE/2018 – Analista Judiciário STM) Supondo que Z seja uma distribuição normal padrão,
considere as seguintes transformações de variáveis aleatórias: W = 1 – Z e V = Z2 – W2+ 1. A
respeito dessas variáveis aleatórias, julgue os itens a seguir.

37. (CESPE/2018 – Analista Judiciário STM) A variável aleatória W segue distribuição normal
com variância unitária.

38. (CESPE/2018 – Analista Judiciário STM) A variável aleatória V segue distribuição normal.

39. (CESPE/2018 – Analista Judiciário STM) A variância da variável aleatória V é igual a 2.

(CESPE/2018 – Analista Administrativo – EBSERH) Considerando que X e Y sejam variáveis

aleatórios mutuamente independentes que seguem distribuição normal padrão, julgue os
próximos itens.

40. (CESPE/2018 – Analista Administrativo – EBSERH) A soma S = X + Y e a diferença D =

X – Y seguem distribuições distintas.

41. (CESPE/2018 – Analista Administrativo – EBSERH) A soma dos quadrados Q = X2 +

Y2 segue uma distribuição exponencial com média igual a 2.

131

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

(CESPE/2016 – Auditor de Controle Externo do TCE/PA) Considerando que Z e W sejam

variáveis aleatórias independentes que seguem distribuição normal padrão, julgue os itens
subsequentes.

42. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A transformação 6Z + 3 resulta

em uma distribuição normal com variância igual a 9.

𝑾
43. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A razão 𝒁
segue uma
distribuição com variância igual a 1.

44. (CESPE/2016 – Auditor de Controle Externo do TCE/PA) A soma dos quadrados Z² + W²

segue distribuição t de Student.

45. (CESPE/2010 – Estatístico do MS) A distribuição F de Snedecor é definida pela razão de

duas distribuições quiquadrado independentes.

46. (CESPE/2010 – Estatístico do MS) A média de uma distribuição F de Snedecor depende

de dois parâmetros: o número de graus de liberdade do denominador e o número de graus
de liberdade do numerador.

(CESPE/2013 – MPU)

A figura acima mostra a forma do gráfico da função de densidade de uma distribuição t de

Student com 16 graus de liberdade (T16), com a indicação de alguns valores x e de duas
probabilidades associadas a esses quantis. Com base no gráfico e nas informações, julgue os
seguintes itens.
132

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

 Equipe Exatas Estratégia Concursos
Aula 08
1613716

47. (CESPE/2013 – MPU) P(2,12 < T16 < 2,921) = 0,04.

48. (CESPE/2013 – MPU) A sequência (Tn), em que Tn é a distribuição t de Student

com n graus de liberdade, converge em distribuição para a distribuição normal padrão à
medida que n aumenta.

49. (CESPE/2013 – MPU) Se T20 representa uma distribuição t de Student com 20 graus de
liberdade, então P(T20 < 2,921) > 0,99.

50. (CESPE/2013 – MPU) Se Y representa uma distribuição F de Snedecor com 1 grau de

liberdade no numerador e 16 graus de liberdade no denominador, então P(0 < Y < 2,122 ) =
0,95.

133

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva

Equipe Exatas Estratégia Concursos
Aula 08
1613716

GABARITO
1. ERRADO 18. ERRADO 35. ERRADO
2. ERRADO 19. CERTO 36. CERTO
3. ERRADO 20. ERRADO 37. CERTO
4. CERTO 21. CERTO 38. CERTO
5. LETRA B 22. ERRADO 39.ERRADO
6. CERTO 23. CERTO 40.ERRADO
7. CERTO 24. ERRADO 41. CERTO
8. LETRA D 25. CERTO 42.ERRADO
9. CERTO 26. ERRADO 43. ERRADO
10. CERTO 27. ERRADO 44. ERRADO
11. LETRA B 28. ERRADO 45. ERRADO
12. CERTO 29. ERRADO 46. ERRADO
13. CERTO 30. ERRADO 47. ERRADO
14. ERRADO 31. CERTO 48. CERTO
15. CERTO 32. ERRADO 49. CERTO
16. ERRADO 33. CERTO 50. CERTO
17. ERRADO 34. ERRADO

134

Estatística p/ Polícia Federal (Agente) Pós-Edital

www.estrategiaconcursos.com.br

10818680407 - Amanda Lopes da Silva