UNIVERSIDADE FEDERAL DA BAHIA

INSTITUTO DE MATEMTICA
DEPARTAMENTO DE ESTATSTICA

NOTAS DE AULA
MAT236 MTODOS ESTATSTICOS
2 UNIDADE

Elaborada pelos professores:

Giovana Silva, Lia Moraes,
Rosana Castro e Rosemeire Fiaccone

Revisada em 2010.2
Monitora: Tatiana Felix da Matta

8. VARIVEL ALEATRIA
8.1 Conceitos Bsicos
Definio 1.
Sejam E um experimento e um espao amostral associado ao experimento.
Uma funo X que associe a cada elemento wi um nmero real, X(wi),
denominada varivel aleatria.

X
. w1
.w2
.w3
.w4

x1
x2
x3
x4

Uma varivel aleatria X , portanto, uma funo cujo domnio o espao amostral e
contra-domnio conjunto dos nmeros reais, ou seja, X: R
Exemplo 1:
a) E: Lanamento de uma moeda.
Assim, = {cara, coroa}={w1, w2}

1, se w = w 1 , ou seja se der cara,

X (w ) =
0, se w = w 2 , ou seja, se der coroa
b) E: Lanamento de duas moedas.
Seja X o nmero de caras obtidas no experimento.
Vamos denotar c: cara e k:coroa.
Assim, = { cc, ck, kc, kk }= { w1, w2, w3, w4 }
X(w1) = 2
X(w2 ) = X(w3) = 1
X(w4) = 0
c) E: Escolher um ponto ao acaso no intervalo [0,1]
Seja X o quadrado do valor escolhido.
Assim = [0,1], e X(w)= w2 w
d) E: Escolher um ponto ao acaso no crculo unitrio.
Seja X a distncia do ponto escolhido origem.

x2 + y2

Assim, = { (x,y) / x2 + y2 1} e X(w)=

1

Definio 2 .
Seja X uma varivel aleatria. Se X assume valores em um conjunto finito ou infinito
enumervel, ento X denominada varivel aleatria discreta.
Exemplo 2: Sorteio de n indivduos de uma populao.
X : o nmero de indivduos do sexo masculino sorteados => X() = {0, 1, 2, 3, ..., n}
Definio 3.
Seja X uma varivel aleatria. Se X assume valores em um conjunto infinito no
enumervel, ento X denominada varivel aleatria contnua.
Exemplo 3: Retirada ao acaso um parafuso da produo diria de uma fbrica e registro
de seu dimetro (em mm) e comprimento (em mm).
Suponha que esta fbrica produza parafusos com dimetro entre 3 e 10 mm e
comprimento entre 20 e 35 mm
X = Dimetro do parafuso => X() = [ 3, 10]
Y = Comprimento do parafuso Y() = [ 20, 35]

8.2 Distribuio de probabilidade de uma varivel aleatria discreta

Seja X uma v.a. discreta que assume os valores x1, x2,...,xn.... A distribuio de
probabilidades de X o conjunto de pares de valores que associa a cada valor da
varivel xi a probabilidade P(X = xi):
(x1, P(X = x1)), (x2, P(X = x2)), ..., (xn, P(X = xn)),...
De maneira que,

a) P ( X = x i ) = 1
i =1

b) P(X = x) = p(x) 0
Exemplo 4: E: lanamento de um dado honesto.
X: nmero da face observada => X() = {1, 2, 3, 4, 5, 6}
A distribuio de probabilidade ( ou funo de probabilidade) de X dada por:
X
P(X=x)

1
1/6

2
1/6

3
1/6

4
1/6

5
1/6

6
1/6

Exemplo 5: Considere novamente o exemplo do lanamento de duas moedas. Seja X o

nmero de caras
Resultados (w)

X (w)

(Cara, Cara)
(Cara, Coroa)
(Coroa, Cara)

2
1
1
2

Probabilidade
P (X = xi)

(Coroa, Coroa)

Obtemos ento,
P (X = 0) =
P (X = 1) = + =
P (X = 2) =
P (1 X < 2) = 3 4

Exemplo 6: (Morettin e Bussab, 2006)

Um empresrio pretende estabelecer uma firma para montagem de um produto
composto de uma esfera e um cilindro. As partes so adquiridas em fbricas diferentes,
e a montagem consistir em juntar as duas partes e pint-las. O produto acabado deve
ter o comprimento (definido pelo cilindro) e a espessura (definida pela esfera) dentro de
certos limites, e isso s poder ser verificado aps a montagem. Para estudar a
viabilidade do seu empreendimento, o empresrio quer ter uma idia da distribuio dos
lucros por pea montada.
Sabe-se que cada componente pode ser classificado como BOM, LONGO ou
CURTO, conforme sua medida esteja dentro da especificao, seja ela maior ou menor
que a especificada. Alm disso foram obtidos dos fabricantes o preo de cada
componente ( 5 unidades de dinheiro) e as probabilidades de produo de cada
componente com as caractersticas BOM , LONGO e CURTO. Estes valores esto na
tabela abaixo:
Distribuio da produo das fbricas A e B, de acordo com as medidas das peas
produzidas
Produto
Fbrica A
Fbrica B
Cilindro
Esfera
Dentro das especificaes ...... BOM (B)
0,80
0,70
Maior que as especificaes ...... LONGO (L)
0,10
0,20
Menor que as especificaes ...... CURTO (C)
0,10
0,10
Fonte: Retirada das especificaes tcnicas das fbricas A e B
Se o produto final apresentar algum componente com a caracterstica C, ele ser
irrecupervel, e o conjunto ser vendido como sucata ao preo de 5 unidades. Cada
componente longo pode ser recuperado a um custo adicional de 5 unidades. Se o preo
de venda de cada unidade de 25 unidades, como seria a distribuio das frequncias da
varivel X: lucro por conjunto montado?
A construo desta distribuio de frequncias vai depender de certas suposies
que faremos sobre o comportamento do sistema considerado. Em vista dessas
suposies, estaremos trabalhando com um modelo da realidade, e a distribuio que
obteremos ser uma distribuio terica, tanto mais prxima da distribuio de
frequncias real quanto mais fiis realidade forem as suposies.
Primeiramente, vejamos a construo do espao amostral para a montagem dos
conjuntos segundo as caractersticas de cada componente e suas respectivas
probabilidades. Desde que os componentes vm de fbricas diferentes, vamos supor que
a classificao dos cilindros segundo suas caractersticas sejam eventos independentes;
assim, obtemos a configurao abaixo.
3

Cilindro

Esfera

B
0,70

P(BB) = 0,56

0,20

P(BL) = 0,16

0,10
0,80

C
P(BC) = 0,08

0,10

0,70

P(CB) = 0,07

0,20

P(CL) = 0,02

0,10 C

P(CC) = 0,01

P(LB) = 0,07

P(LL) = 0,02

P(LC) = 0,01

0,10
0,70
L
0,20
0,10

O espao amostral em questo est apresentado na tabela abaixo, junto com as

respectivas probabilidades.
Tabela: Distribuio de probabilidade das possveis composies das montagens
Montagem Probabilidade Lucro por montagem (X)
BB
0,56
15
BL
0,16
10
BC
0,08
-5
LB
0,07
10
LL
0,02
05
LC
0,01
-5
CB
0,07
-5
CL
0,02
-5
CC
0,01
-5
Fonte: Informaes no texto
Assim, com os dados da tabela acima, vemos que X pode assumir um dos
seguintes valores:
15
se ocorrer o evento A1 = {BB}
10
se ocorrer o evento A2 = {BL,LB}
05
se ocorrer o evento A3 = {LL}
-5
se ocorrer o evento A4 = {BC,LC,CB,CL,CC}
Cada um desses eventos tem uma probabilidade associada, ou seja,
4

P(A1) = 0,56

P(A2) = 0,23

P(A3) = 0,02

P(A4) = 0,19

o que nos permite escrever a distribuio de probabilidade da varivel X, que o

empresrio poder usar para julgar a viabilidade econmica do projeto que ele pretende
realizar.
x
P(X = x)
15
0,56
10
0,23
05
0,02
-5
0,19
Total
1,00
Exerccios:
a) Suponha que X seja uma v.a. discreta e sua funo distribuio de probabilidade
seja P(X = k) = ck , para k = 1,2,3,4 e 5. Determine o valor da constante c. Res. 115 .
b) Considere um lote de peas que contm 20% de defeituosas. Extramos ao acaso trs
peas com reposio para anlise. Seja X a varivel aleatria que representa o nmero
de peas defeituosas. Estabelea a funo distribuio de probabilidade de X.
3
x
3 x
Resp. P(X = x) = (0,2 ) (0,8) , x=0,1,2,3
x

2 x

c) Determine o valor de c para que p(x)= c 3 , para x = 1,2,3,....

0 , caso contrrio

seja uma funo distribuio de probabilidade. Resp. 1

2

8.3 Distribuio de probabilidade de uma varivel aleatria contnua

Seja X uma varivel aleatria contnua. A distribuio de probabilidade dada
na forma de uma funo, chamada de densidade de probabilidade e denotada por f(x).

Uma funo de densidade de probabilidade (fdp) satisfaz as seguintes condies:

a) f(x) 0 , x R
b)

f(x)dx = 1

f(x)

Exemplos de funes de densidade:

0.7

0.4

0.6

0.3

0.5

f(x)

0.4
0.3
0.2

0.2

0.1

0.1

0.0

0.0
0

-4

-3

-2

-1

A funo densidade, por definio, possui rea sob a curva limitada pelo eixo x
igual a 1 e a probabilidade de X tomar um valor entre a e b obtida calculando-se a rea
compreendida entre esses dois valores. Isto , para qualquer a < b em R
b

P(a < X < b ) = f (x )dx

a

P(a<X<b)

Observaes importantes para uma varivel aleatria contnua:

1) Qualquer valor especificado de X tem probabilidade zero, isto , P(X = xi) = 0, pois
xi

P (X = x i ) = f(x)dx = 0
xi

2) Assim, as probabilidades abaixo sero todas iguais, se X for uma varivel aleatria
contnua:
P(a X b) = P(a X < b) = P(a < X b) = P(a < X < b).
Exemplo 7: Dada a seguinte funo
kx (1 x ), para 0 x 1
0, caso contrrio

f(x)=

ache o valor de k para que f(x) seja uma funo densidade de probabilidade.

Resoluo:
Para ser funo densidade temos que
2
1
1

x
k xdx - x 2 dx = k

2
0
0

f ( x)dx = 1 , ento k

x (1 - x) dx = 1

1
x3

= 1 k = 6
3
0

Exerccios:
2 x, 0 x 1
0, caso contrrio

1) Dada a funo densidade de probabilidade f(x) =

Determine i. P( X ) ii. P(1/3 X 2/3)
R : i) 1/4 ; ii)1/3 ; iii) 5/12

iii. P ( X 12 | 13 X 23 )

2) Seja X uma v.a. contnua com funo densidade de probabilidade dada por:
0,
kx,

f(x) =
4(1 x),
0,

x<0
0 x 1/2
1/2 < x 1
x >1

a) Determine k para que f(x) seja uma funo densidade. Resp. 4

b) P(1/3 < X < 3/4). Resp.47/72.

8.4 Funo de distribuio acumulada (FDA)

Seja X uma varivel aleatria, discreta ou contnua. Define-se a funo de
distribuio acumulada F da varivel aleatria X como
F(x) = P( X x).
Se X for uma varivel aleatria discreta
F(x) =

P(X = x )

j : x jx

em que o somatrio estendido a todos os valores xj que satisfaam condio xj x.

Se X for uma varivel aleatria contnua com funo densidade f(x),
x

F(x) = f(s)ds
-

Podemos utilizar a funo distribuio acumulada para calcular probabilidade da

seguinte maneira:
P(a < x b) = P( x b) P( x a ) = F(b) F(a )
7

Exemplo 8: Considere um lote de peas que contm 20% de defeituosas. Extramos ao

acaso trs peas com reposio para anlise. Seja X a varivel aleatria que representa o
nmero de peas defeituosas. A funo de probabilidade de X
3
x
3 x
P(X = x) = (0,2 ) (0,8 ) , x=0,1,2,3
x
e a funo de distribuio acumulada de X.

0, se x < 0

0,512 , se 0 x < 1

F(x) = 0,896, se 1 x 2
0,992, se 2 < x < 3

1, se x 3
Exemplo 9: Supe-se que o dimetro X de um cabo eltrico uma varivel aleatria
contnua, com funo densidade f(x) = 6x (1 - x) , 0 x 1.
a) Obtenha a funo de distribuio, F(x).
b) Calcule P( X 1/2 1/3 < X < 2/3), utilizando F(x).
Resoluo:
a) F(x) = 0 , se x < 0
x

6s(1 s)ds = 3x

2x3 , se 0 x 1

1 , se x > 1

1 1
F F
P(1/3 < X 1/2 )
2 3 = 0,5
=
b) P( X 1/2 1/3 < X < 2/3) =
2 1
P(1/3 < X < 2/3)
F F
3 3

8.5 Valor esperado (Esperana) de uma varivel aleatria

Como na estatstica descritiva podemos falar de medidas de tendncia central e
medidas de disperso (variabilidade) de uma distribuio de probabilidade. Estas
medidas so muito importantes para compreender o comportamento de uma varivel
aleatria. A mdia ou esperana de uma distribuio, como o prprio nome diz, a
mdia dos valores da varivel se observssemos a mesma repetindo o experimento um
nmero muito grande de vezes.
Caso discreto:
Seja uma v. a. discreta X com a seguinte distribuio de probabilidades:
X
P(X=x)

x1
p1

x2
p2
8

...
...

xn
pn

O valor esperado de X dado por:

E(X) =

x i P(X = x i ) =

i =1

x p

i i

i =1

Exemplo 10: Voltando ao exemplo 6, produto composto por uma esfera e um cilindro,
uma pergunta que logo ocorreria ao empresrio qual o lucro mdio por conjunto
montado que ele espera conseguir.
Resoluo:
Lucro mdio = (0,56)(15) + (0,23)(10) + (0,02)(5) + (0,19)(-5) = 9,85
Isto , caso sejam verdadeiras as suposies feitas para determinar a distribuio da
varivel aleatria, o empresrio espera ter, em mdia, lucro de 9,85 unidades por
conjunto montado.
Caso contnuo:
Seja X uma varivel aleatria contnua com funo densidade de probabilidade
f(x). O valor esperado de X definido por

E(X) =

xf(x)dx

Exemplo 11: Uma certa liga formada, combinando a mistura fundida de dois metais.
A liga resultante contm uma certa porcentagem de chumbo X, que pode ser
considerada uma v.a. com funo densidade:
3
f(x) = (10) 5 x(100 - x) , 0 x 100
5
Ento,
100
3
E(X) = x (10)- 5 x(100 - x)dx = 50
5
0
Isto significa que em mdia a liga contm 50% de chumbo.

8.5.1 Propriedades da Esperana

1) Dada uma constante a, temos:
E(a+X) = a + E(X)

E(aX) = a . E(X)

2) Sejam X1, X2, ..., Xn variveis aleatrias

E(X1+X2+...+Xn) = E(X1) + E(X2) + ... + E(Xn)
3) Sejam X e Y variveis aleatrias independentes. Ento,
E(XY) = E(X) . E(Y)
Exemplo 12: Suponha que L, o lucro lquido obtido na venda da liga do exemplo
anterior (por unidade de peso), a seguinte funo da porcentagem de chumbo:
9

L = C1 + C2X.
Ento o lucro esperado :
E(L) = E(C1 + C2X) = C1 + C2(50)

8.6. Varincia e Desvio padro de uma varivel aleatria

De modo geral, o desvio padro mais importante e mais til medida de
variao. O desvio padro de um conjunto de valores uma medida de variao dos
valores em relao mdia aritmtica. A varincia o quadrado do desvio padro. Ou
podemos dizer que o desvio padro igual a raiz quadrada positiva da varincia. Uma
dificuldade com a varincia que ela no expressa nas mesmas unidades dos dados
originais, enquanto que o desvio padro tem a mesma unidade de medida dos dados
originais. Assim se um conjunto de dados tem desvio padro de 3,00 dlares e uma
varincia de 9,00 dlares quadrado, temos que dlar quadrado um conceito abstrato,
logo a varincia difcil de ser compreendida.
Uma aplicao do desvio padro, quando temos um conjunto de dados com
distribuio aproximadamente em forma de sino. Conforme a figura abaixo:

99,7%
95%
68%

3 2 1

+1

+2

+3

Essa figura mostra como a mdia e o desvio padro esto relacionados com a
proporo dos dados que se enquadram em determinados limites. Assim, com uma
distribuio em forma de sino, temos que:

Cerca de 68% dos valores esto a 1 desvio padro a contar da mdia;

Cerca de 95% dos valores esto a 2 desvios padro a contar da mdia;

Cerca de 99,7% dos valores esto a 3 desvios padro a contar da mdia.

8.6.1 Varincia de uma varivel aleatria

Seja X uma v.a. com esperana E(X). Define-se a varincia de X por:
V(X) = E[(X E(X))2 = E(X2) [E(X)]2

10

em que

EX   =
 x PX = x , para X discreta


EX   =  x  fxdx, para X contnua

Exemplo 13: Voltando ao exemplo 6, produto composto por uma esfera e um cilindro,
calcule a varincia.
X
15
10
05
-5
Total
E(X2) =

x .P(W = x
2
i

i =1

2
i

W = X2
225
100
25
25

P(X = x)
0,56
0,23
0,02
0,19
1,00

P(W = x2)
0,56
0,23
0,02
0,19
1,00

) = 225.0,56 + 100 . 0,23 + 25.0,21 = 154,25

V(X) = 154,25 (9,85)2 = 57,23

Exemplo 14: Para o exemplo 11, a varincia :

100

3
(10) - 5 x(100 - x)dx = 3000
5
0
V(X) = 3000 (50)2 = 500

E(X2) =

8.6.1.1 Propriedades da varincia

a) Dada uma constante a, temos:
V(X+a) = V(X)
b) Dada uma constante a, temos:
V(aX) = a2 . V(X)
c) Sejam X1, X2, ... , Xn , n variveis aleatrias independentes. Ento
V(X1 + X2 + ... + Xn) = V(X1) + V(X2) + ... + V(Xn)
Exemplo 15: No exemplo 12, a varincia de L :
V(L) = C 22 V(X) = C 22 (500)

8.6.2. Desvio padro de uma varivel aleatria

DP( X) = V( X)
11

Exerccios:
1) Suponha que uma caixa contenha 5 bolas ( 1 preta e 4 brancas ). Retira-se
aleatoriamente uma bola de cada vez (com reposio) at que saia 4 vezes a bola
preta. Seja X o nmero de retiradas necessrias at que isto ocorra.
a) Determine os possveis valores de X e sua funo de probabilidade.
x 1 1 4
Resp.: P(X = x) =

3 5 5
4

x 4

, x = 4,5,6,...

2) O tempo T, em minutos, necessrio para um operrio processar certa pea, uma v.a.
com a seguinte distribuio de probabilidade:
T
P

2
0,1

3
0,1

4
0,3

5
0,2

6
0,2

7
0,1

a) Calcule o tempo mdio de processamento. Resp. E(T) = 4.6

b) Estabelea a funo de distribuio acumulada.
Resp.:
0 para t < 2
0,1 se 2 t < 3

0,2 se 3 t < 4

F(T) = 0,5 se 4 t < 5

0,7 se 5 t < 6

0,9 se 6 t < 7

1 se t 7

Para cada pea processada, o operrio ganha um fixo de 2,00 u.m. (unidade monetria),
mas se ele processa a pea em menos de 6 minutos, ganha 0,50 u.m. por cada minuto
poupado. Por exemplo, se ele processa a pea em 4 minutos, recebe a quantia adicional
de 1,00 u.m.
c) Encontre a distribuio, a mdia e a varincia da v.a. G: quantia em u.m. ganha
por pea.
G
P

4
0,1

3,5
0,1

3
0,3

12

2,5
0,2

2
0,2

2
0,1

 0 para G < 2
0,3 2 G 2,5

0,5 2,5 G < 3

E(X) = 2,75
Resp.: F (G ) =
e
VAR(X) = 0,4125
0,8 3 G < 3,5
0,9 3,5 G < 4

1 G 4
3) Suponha que a demanda (X) por certa pea, numa loja de autopeas, siga a seguinte
distribuio:
a2 k
P( X = k) =
, k = 1,2,3,4.
k!
1
a) Encontre o valor de a. Resp.: a =
6
b) Calcule a demanda esperada. Resp.: E(X) =

19
9

c) Qual a varincia da demanda da demanda? Resp.: VAR(X) =

680
27

4) Seja X uma v.a. com funo de densidade de probabilidade dada por:

0,

4x,

f(x) =
4(1 x),

0,

x<0
0x<

1
2

1
x <1
2
x 1

a) Determine a funo de distribuio acumulada.

0,
x<0

1
2x 2 ,
0x<

2
Resp.: F(X) =
1
- 2x 2 + 4x 1,
x <1
2

1,
x 1
b) Determine c, tal que P( X c) = 0,5. Resp.:c=0,5.
5) A demanda diria de arroz em um supermercado, em centenas de quilos, uma v.a. X
com funo densidade.

13

 2
3 x, 0 x < 1
x
f(x) =
+ 1, 1 x < 3
3
c.c.
0

a) Determine a funo de distribuio acumulada.

x2
,
0 x <1

x 2
1
+ x - , 1 x < 3
Resp.: F(X) =
2
6

1, x 3

b) Qual a probabilidade, em um dia escolhido ao acaso, a demanda ser superior a 150

kg? Resp.:0,625
c) Calcule a E(X) e V(X). Resp.: E(X) =

4
77
e VAR(X) =
3
9

6) A v.a. contnua X tem funo densidade

3x 2 , 1 x 0
f(x) =
0 , c.c.
a) Se b for um nmero que satisfaa a -1 < b < 0, calcule P( X > b X < b/2).
7b3
Resp.: 3
b +8
b) Calcule E(Y) e V(Y), em que Y = 2X 3/5. Resp.: E(Y) =

21
3
e V(Y) =
10
20

3. Lista de Exerccios
1) Considere uma v.a. X com resultados possveis: 0,1,2,... . Suponha que P( X = j) =
(1-a) aj , j = 0,1,2,.. . Para que valores de a o modelo representa uma legtima
distribuio de probabilidade.
2) Uma urna contm 5 bolas de gude brancas e 3 pretas. Se 2 bolas de gude so
extradas aleatoriamente sem reposio e X denota o numero de bolas brancas
obtidas, encontre a distribuio de probabilidades de X.
14

3) O nmero de carros vendidos semanalmente num stand uma varivel aleatria X

com a seguinte funo de probabilidade
X
P(X=x)

1
c

2
c/2

3
c/3

4
c/4

a) Determine a funo de distribuio de X.

b) Calcule a probabilidade do nmero de carros vendidos no chegar a 4, sabendo que
este valor superior a 1.
c) Se os custos fixos semanais so de 30 unidades monetrias (u.m.) quando so
vendidos 2 ou menos carros e 15 u.m. quando se vende mais de 2 carros e, alm disso,
por cada carro vendido h um lucro de 35 u.m., determine a funo de distribuio da
receita lquida semanal.
4) A probabilidade de que um bit seja transmitido com erro por um canal de transmisso
digital 0,1. Assuma que as transmisses sejam ensaios independentes.
a) Seja X o nmero de bits transmitidos at que ocorra o primeiro erro. Determine a
distribuio de X.
b) Determine a probabilidade de se precisar observar mais que 5 ensaios de transmisso.
c) Determine a probabilidade de se precisar observar mais que 5 ensaios de transmisso,
aps j se ter observado 3 ensaios, sem que ocorresse erro.
d) Determine o nmero esperado de ensaios at o primeiro erro.
e) Seja Y o nmero de transmisses at a ocorrncia do quarto erro. Determine a
distribuio de Y.
f) Determine a probabilidade de se precisar observar no mximo 6 ensaios de
transmisso.
g) Determine o nmero esperado do nmero de ensaios at o quarto erro.
5) A probabilidade de um bem sucedido lanamento de foguete 0,8. Suponha que
tentativas de lanamento sejam feitas at que tenham ocorrido 3 lanamentos bem
sucedidos.
a) Qual a probabilidade de que exatamente 6 tentativas sejam necessrias?
b) Qual a probabilidade de que menos de 6 tentativas sejam necessrias?
c) Se cada tentativa de lanamento custa 5.000 u.m. e se um lanamento falho custa
500 u.m. adicionais, determine o custo esperado da operao.
d) Suponha agora que as tentativas sejam feitas at que trs lanamentos consecutivos
sejam bem sucedidos. Responda novamente as perguntas (a) e (b) nesse caso.
6) Os valores abaixo representam a distribuio de probabilidade de D, a procura diria
de um certo produto. Calcule E(D) e V(D):

P(D=d) 01

0,1

0,3

0,3

0,2

a) Calcule E(D) e V(D);

b) Estabelea a funo de distribuio acumulada.

15

7)O nmero de vendas realizadas por um agente de seguros diariamente uma v.a. com
funo de probabilidade
x
P(X=x)

0
w

1
z

2
t

3
z

4
w

a. Sabendo que em 10% dos dias as vendas so inferiores a um e que em 70% dos dias
so superiores a um, determine w, z e t.
b. Determine o nmero mdio de seguros vendidos diariamente.
c. Determine E[2X 1] e V [2X 1].
d. Determine a probabilidade de que, quando considerados dois dias, as vendas sejam
superiores, em cada um deles, a duas unidades.
e. Se cada seguro feito por 15000 unidades monetrias, determine a funo de
probabilidade da receita obtida com a venda dos seguros num dia.
f. Se num dia a receita for inferior a 50000 unidades monetrias, determine a
probabilidade de que seja superior a 20000 unidades monetrias.
8)Considere a varivel aleatria discreta coma seguinte funo distribuio

x<0
a ,
1 6 , 0 x < 2

F ( x) = 1 4, 2 x < 4
b, 4 x < 6

c, x 6
a) Sabendo que P (X = 6) = 1/2, determine, justificando, os valores de a, b e c.
2 3X
b) Calcule o valor esperado e a varincia da varivel aleatria Y =
.
4
9) Uma organizao financeira verificou que o lucro unitrio (L) obtido numa
operao de investimentos dado pela seguinte expresso : L = 1,1V - 0,9C - 4,5 .
Sabendo-se que o preo de venda unitrio (V) tem uma distribuio com mdia 50 u.m.
e desvio padro de 2,0 u.m e que o preo de custo unitrio ( C ) tem uma distribuio
de mdia 45 u.m. e desvio padro de 1,5 u.m.. Determinar a mdia e o desvio padro
do lucro unitrio.
10) Um estudo do peso dos crebros de homens suecos constatou que o peso X uma
varivel aleatria, com mdia 1400 gramas e desvio padro de 20 gramas. Determine
nmero positivo a e o nmero b tais que Y=aX+b tenha mdia 0 e desvio padro 1.
11) Em uma determinada localidade, a distribuio de renda em mil u.m. uma varivel
aleatria X com funo densidade.

f(x) =

1/10 x + 1/10 , para 0 x 2

- 3/40 x + 9/20 , para 2 < x 6
0 , para x < 0 ou x 6 .

a) Qual a renda mdia nesta localidade?

16

b) Escolhida uma pessoa ao acaso, qual a probabilidade de sua renda ser superior a
3.000,00 u.m?
c) Estabelea a funo de distribuio acumulada.
12) Suponha que X seja uma varivel aleatria com densidade:
k (1 | x |), - 1 x 1
f(x) =
c.c.
0,
a) Determine o valor de k;
b) Determine P(1/2 < X < 2/3)
c) Determine P(1/2 < X < 2/3 | X > 0)
d) Determine a funo de distribuio acumulada de X e utilize-a para determinar os
quartis de X e o percentil 90
e) Determine a moda de X.
13)Seja X uma v.a. contnua, que representa o tempo necessrio para a pintura de uma
pea de automvel, em horas, com funo densidade de probabilidade dada por:
0, x < 0

f ( x) = 9 x 2 8 x 3 , 0 x 1
0, x > 1

Determine:
a) a probabilidade de gastar menos de meia hora para a pintura;
b) a probabilidade para que o tempo gasto se situe entre e h;
c) o tempo mdio gasto na pintura da pea;
d) o desvio padro para o tempo gasto na pintura.
14) A percentagem de lcool (100 X) em certo composto pode ser considerada uma
varivel aleatria, onde X tem a seguinte funo densidade:
f(x) = 20 x3 (1-x) , 0 < x < 1.
a) Estabelea a funo de distribuio acumulada.
b) Calcule P ( X 2/3)
c) Suponha que o preo de venda desse composto dependa do contedo de lcool.
Especificadamente, se 1/3 < X < 2/3, o composto vendido por C1 dlares/galo;
caso contrrio, vendido por C2 dlares/galo, determine o lucro mdio por galo.
15)Seja X uma varivel aleatria contnua com funo densidade dada por:
ax , 0 x < 1
a,1x<2
f (x) =
-ax + 3a , 2 x < 3
0 , caso contrrio
a) Determine a constante a;
b) Se X1, X2, X3 forem trs observaes independentes de X, qual ser a probabilidade
de, exatamente, um desses trs nmeros ser maior que 1,5?
16)Considere X uma v.a. contnua com funo densidade de probabilidade dada por
17

1 + x, 1 <  < 0
fx =  1 x, 0 <  < 1 
0, c. c.
Determine a esperana matemtica e a varincia.
17)A quantidade de cerveja vendida diariamente numa feira (em milhares de litros)
uma varivel aleatria com a seguinte funo densidade de probabilidade
kx, 0 x 4
fx = k12 2x, 4 <  6
0, c. c.
a) Obtenha o valor de k e de E [3X + 2].
b) Considere os seguintes acontecimentos:
A = venda diria superior a 4000 litros
B = venda diria entre 3000 e 5000 litros
Indique, justificando, se A e B so independentes.
18)O tempo de vida, em horas, de um dispositivo, dado pela funo densidade.
f(t) = (1/50)e

t / 50)

, t 0.

Qual a probabilidade de que um desses dispositivos dure mais de 25 horas e menos de

75 horas? Sabendo-se que tal ocorreu, qual a probabilidade de que tenha durado mais de
50 horas?
19) Um dispositivo constitudo de 3 elementos independentes que falham numa
experincia com probabilidade 0,1. D a distribuio de probabilidade da v.a. X=
nmero de elementos que falham numa experincia.
20) Na venda de um certo produto tem-se duas opes :
a) Cobrar 1 u.m. por pea sem inspeo ;
b) Classificar o lote em produto de 1. e 2. mediante a seguinte inspeo : retiramos 5
peas do lote e se no encontrarmos mais do que uma defeituosa o lote ser de 1.
qualidade, sendo de 2. qualidade o lote que no satisfizer tal condio. O preo de
venda de 1,20 u.m. por pea do lote de 1. e 0,80 u.m. por pea do lote de 2. .
Sabendo-se que cerca de 10% das peas produzidas so defeituosas, analisar qual
das duas opes a mais vantajosa para o vendedor.
Gabarito
1) a < 1
2)
x
P(X=x)

0
C

1
c/2

3) a)12/25 b)10/13

c)
18

2
c/3

r
P(R=r)

4)

5
c

40
c/2

90
c/3

125
c/4

a) P(X=x) = 0,9x-1 0,1 , x= 1,2,3,... (distribuio geomtrica) b) 0,6561

#1
c) 0,81 d) 10 e) P(Y=y)= "
$ 0,9&' 0,1' (distrbuio binomial negativa )
41
f ) 0,0012 g) 4,4444

5) a) 0,0409

b)0,9421

c) 19.125

d)0,0041 e 0,6349

6) E(D) = 3,4 V(D) = 1,44

0, d<1
0,1 , 1 d < 2
0,2 , 2 d < 3
0,5 , 3 d < 4
0,8 , 4 d < 5
1, d 5.

F (d) =

7) a) w = 0,1, z = 0,2, t = 0,4.

e)
R
P(R=r)

0
0,1

8) a=0 b=7/12
11) a) 2,4667
c)

15000
0,2

c= 1

b) 2.
30000
0,4

c) E[2X 1] = 3, V [2X 1] = 4,8 d) 0,09

f)0,667
45000
0,2

60000
0,1

V(L) = 2,58

9) E(L) = 10

10) a=1/20 b= -70

b) 0,3375

F(x) =

0, x<0
x2/20 + x /10 , 0 x 2
-(3/80)x2 + (9/20)x 28/80 , 2 < x 6
1, x > 6.

12) a) 1 b) 17/144

Q1=-0,293

c) 34/144

0, se x < - 1 ,

x + x / 2 + 1 / 2,1 x < 0

d) F(x) =
x x / 2 + 1 / 2,0 x < 1

1, se x 1

Q2=0 Q3=0,293 P90=0,5528

13) a) 0,25 b) 0,3828

c) 0,65

0 , x < 0

14) a)F(x) = 5x 4 - 4x 5 , 0 x 1
1 , x > 1

e) Mo=0

d) 0,47

b) 0,4609

19

c) C1 (0,4156) + C2 (0,5844)

15) a) a=0,5

b)0,375

16) a) E(x)=0 b) Var(x)= 1/6

17) a) k=1/12 E[3x+2]=11,99 b) No so independentes

19) X~bin (3;0,1)

18) a) 0,3834

b) 0,3774

20) Opo B

9. Alguns modelos probabilsticos para variveis aleatrias

9.1 Introduo
Existem modelos probabilsticos que ocorrem com frequncia na prtica. Nas
prximas sees, sero definidos alguns modelos, apresentando as condies que
devem ser satisfeitas e algumas caractersticas, tais como, esperana, varincia e como
calcular probabilidade.

9.2 Variveis Aleatrias Discretas

9.2.1 Distribuio de Bernoulli
Muitos experimentos so tais que os resultados possveis apresentam ou no uma
determinada caracterstica.
Exemplos:
a) Uma pea escolhida, ao acaso, de um lote contendo 500 peas: esta pea
defeituosa ou no.
b) Uma pessoa escolhida, ao acaso, dentre 1000 pessoas, ou no do sexo masculino.
c) Uma pessoa escolhida, ao acaso, entre os moradores de uma cidade, e pergunta-se
se ela diz SIM ou NO a um projeto governamental.
Em um experimento aleatrio com apenas dois resultados possveis podemos
associar o valor 1, se sucesso ocorre e o valor 0, se fracasso ocorre. Um experimento
deste tipo chamado de ensaio de Bernoulli. Suponha que um sucesso ocorra com
probabilidade p.
Seja X uma v.a. definida para este experimento. Ento,
X
1
0
P(X=x)
p
1-p =q
0 , x < 0

Funo de distribuio de X: F(x) = q , 0 x < 1

1, x 1

20

Esperana de X: E(X) = 1 . p + 0 . (1-p) = p

Varincia de X: V(X) = p p2 = p(1 - p) , onde E(X2) = 12 . p + 02 . (1-p) = p

9.2.2 Distribuio Binomial

Consideremos n repeties independentes de ensaios de Bernoulli (n 2). O
modelo binomial fundamenta-se nas seguintes hipteses:
a) n ensaios independentes e idnticos so realizados;
b) A probabilidade de sucesso igual a p em cada ensaio e q a probabilidade de
fracasso, sendo p + q = 1 .
Seja a varivel aleatria Y o nmero de sucessos nos n ensaios. Nestas condies
dizemos que Y tem distribuio binomial com parmetros n e p, onde os valores
possveis de y so{0,1,2,...,n}:
n = nmero de repeties do experimento e
p = probabilidade de sucesso em cada repetio
Notao: Y ~ B(n, p)

n k
nk
p (1 p ) , k = 0,1,2,...n
P(Y = k) = k

0, c.c

Por meio do binmio de Newton, verifica-se que

-

n
) " $ p, 1 p-, = .p + 1 p/- = 1.
k
,0

Exemplo 1:
Uma usina hidroeltrica tem 5 geradores que funcionam independentemente, cada um
com probabilidade 0,98 de estar em operao. Qual a probabilidade de que exatamente
dois estejam em funcionamento em determinado instante?
Y = nmero de geradores em funcionamento
p = 0,98 = probabilidade de um gerador estar em funcionamento (a probabilidade de
sucesso)
Entre os 5 estabelecimentos, ou seja, n = 5, qual a probabilidade de 2 terem tratores:
5
P(Y = 2) = (0,98)2 (1 - 0,98)5 - 2 = 10. (0,98)2.(0,02)3 = 0,000077
2

21

 Esperana e Varincia da distribuio Binomial

Se Y tem distribuio binomial de parmetros n e p
n

n
k p k (1 p) n k = np
(mdia)
E(Y) =
k

k =0

2
2
Var(Y) = E(Y ) - [E(Y)] = npq (varincia ),

em que E(Y 2 ) =

2 n k

k =0

p (1 p) n k
k

Demonstrao:
n
-!
EY = -,0 k " $ p, 1 p-, = -, ,!-,! p, 1 p-,
k
Fazendo s = k-1, tem-se:
-!

34 1
EY = -
p-3 = np -
30 3!-3! p
30 "

Com varincia: V(X) = npq DP(X) =

n 1 3 1
$p
p-3 = np.
s

npq

Exemplo 2:
Com os dados do exemplo anterior, calcular o nmero esperado de geradores em
funcionamento, a varincia e o desvio-padro:
E(X) = np = 5(0,98) = 4,9
Var(X) = npq = 5 (0,98) (0,02) = 0,098
DP(X) =

npq = 0,098 = 0,3130

Exerccios:
1) Das variveis abaixo descritas, assinale quais so binomiais, e para estas d os
respectivos campos de definio e distribuio de probabilidades. Quando julgar que a
varivel no binomial, aponte as razes de sua concluso.
a) De uma urna com 10 bolas brancas e 20 pretas, vamos extrair, com reposio, cinco
bolas.Seja X o nmero de bolas brancas nas 5 extraes. Resp.: Binomial
b) Refaa o problema anterior, mas desta vez as n extraes so sem reposio. Resp.:
No Binomial.

22

c) De 5 urnas com bolas pretas e brancas, vamos extrair de cada uma delas uma bola.
Suponha que X o nmero de bolas brancas obtidas no final. Resp.: No
binomial.
d) Em uma indstria existem 100 mquinas que fabricam determinada pea. Cada pea
classificada como sendo boa ou defeituosa. Escolhemos ao acaso um instante de
tempo, e verificamos uma pea de cada uma das mquinas. Suponha que X seja o
nmero de peas defeituosas. Resp.: No Binomial
2) Um fabricante de peas de automveis garante que uma caixa de suas peas conter,
no mximo, 2 defeituosas. Se a caixa contm 18 peas, e a experincia tem demonstrado
que esse processo de fabricao produz 5% das peas defeituosas, qual a probabilidade
de que uma caixa satisfaa a garantia? Resp.: 0,9419.

9.2.3 Distribuio de Poisson

Em muitos casos, conhece-se o nmero de sucessos, porm se torna difcil e, s
vezes, sem sentido, determinar o nmero de fracassos ou o nmero total de provas. Por
exemplo: automveis que passam numa esquina. Pode-se num determinado intervalo de
tempo anotar o nmero de carros que passaram, porm, o nmero de carros que
deixaram de passar pela esquina no poder ser determinado. Veremos que a
distribuio de Poisson se aplica nestes casos.
A distribuio de Poisson largamente usada quando de deseja contar o nmero
de eventos de um certo tipo, que ocorrem em um intervalo de tempo, superfcie, ou
volume.
Exemplos:
a)
b)
c)
d)

nmero de falhas de um computador em um dia de operao;

nmero de defeitos num pneu;
nmero de buracos por quilometro em uma rodovia;
nmero de clientes que chegam a uma determinada agncia bancria durante o
expediente.

Seja a varivel aleatria X o nmero de eventos de um certo tipo, que ocorrem

em um intervalo de tempo, ou superfcie, ou volume. Suponha que estes eventos
ocorrem em instantes aleatrios de tempo ou de espao e que as hipteses abaixo sejam
vlidas:
1) o nmero de ocorrncias de um evento em um intervalo de tempo, ou superfcie,
ou volume independente do nmero de ocorrncias do evento em qualquer
outro intervalo disjunto.
2) a probabilidade de duas ou mais ocorrncias simultneas praticamente zero.
3) o nmero mdio de ocorrncias por unidade de tempo, ou superfcie, ou volume,
, constante ao longo do tempo, ou superfcie, ou volume.
Nestas condies dizemos que X tem distribuio Poisson com parmetro =
t, o nmero mdio de eventos por unidade de intervalo de tempo, ou superfcie, ou
volume.
23

Notao:
X ~ Poisson( ) P(X = x) =

e - x
, x=0,1,2, ...,n,...
x!

(mdia)
E(X) =
Se X tem distribuio Poisson com parmetro
Var(X) = (varincia)
Demonstrao:
1. Sabe-se que E(X) =

x =0

x =0

xP(X = x) = x

e x
=
x!

x
x =1

e x
=
x(x - 1)!

e x

x =1 (x - 1)!
n

Fazendo x 1 = y, tem-se:

e y +1
y

e
=

y!
y=0
y = 0 y!

E(X) =

y
= e ,
Utilizando-se a frmula de Maclaurin (caso particular da frmula de Taylor),
y = 0 y!
obtm-se, E(X) =
2. De acordo com a definio de varincia, tem-se:
V(X) = E(X2) [ E(X) ]2 , onde j vimos que, [ E(X)]2= 2, e,

e x
e x
e x
= x2
= x
, fazendo y = x 1, tem-se:
E(X2) = x2
x!
x( x 1)! x =1 ( x 1)!
x =0
x =1

E(X ) = ( y + 1)
2

y =0

e y +1
e y
e y
= y
+
= 2 +
y!
y!
y!
y =0
y =0

V(X) = 2 + - 2, assim V(X) = .

Se a varincia DP(X) =

Exemplo 3: Em mdia h duas chamadas por hora num certo telefone. Calcular a
probabilidade de se receber no mximo 3 chamadas em duas horas e a probabilidade de
nenhuma chamada em 90 minutos.
X= nmero de chamadas telefnicas em duas horas
Ento,
= 2 (nmero mdio chamadas por hora )
t = 2 horas
= t = 4 (nmero mdio chamadas em duas horas )

24

P(X 3) =

e 4 4x
= 0,4331
x!
x=0

P(X = x) =
x =0

Y= nmero de chamadas telefnicas 90 minutos

Ento,
t = 90 minutos
= 2/60 ( nmero mdio de chamadas por minuto)
= t = 2/60 x 90 = 3 (nmero mdio chamadas em 90 minutos )
e 3 (3)
= 0,0498
0!
0

P(Y = 0) =
Exerccios:

1) Uma fbrica produz tecidos com mdia de 2,2 defeitos por jarda quadrada.
Determine as seguintes probabilidades:
a) no mais de 4 defeitos numa jarda quadrada; Resp.:0,9275
b) nenhum defeito em duas jardas quadradas; Resp.:0,0123
c) duas jardas quadradas cada uma com dois defeitos. Resp.: 0,0719

2) O nmero de petroleiros que chegam a uma refinaria em cada dia ocorre segundo
uma distribuio de Poisson, com = 2. As atuais instalaes podem atender, no
mximo, a 3 petroleiros por dia. Se mais de 3 aportarem num dia, o excesso
enviado a outro porto.
a) Em um dia, qual a probabilidade de se enviar petroleiros para outro porto? Resp.:
0,1431
b) De quanto devero ser aumentadas as instalaes para permitir atender a todos os
navios que chegarem pelo menos em 95% dos dias? Resp.: 2
c) Qual o nmero mdio de petroleiros que chegam por dia? Resp.: 2.

4 Lista de Exerccios
1) Se X ~ B(n,p), sabendo-se que E(X) = 12 e 2 = 3, determinar:
a) n
e) E(Z) e V(Z),onde Z = (X-12)/ 3
b) p
f) P(Y 14/16), onde Y = X/n
c) P(X < 12)
g) P(Y 12/16), onde Y = X/n
d) P(X 14)
2) Uma fileira de luzes de Natal contm 20 lmpadas ligadas em srie, isto , se uma
delas falha, toda a fileira falhar. Cada lmpada tem 0,02 de probabilidade de falhar
25

durante um perodo de 3 anos. As lmpadas falham independente umas das outras. Qual
a probabilidade de toda a fileira de lmpadas permanecer sem falhar durante trs anos?
3)O nmero de partculas radioativas emitidas por uma fonte segue distribuio de
Poisson com = 0,5 partculas por segundo. Determine a probabilidade de a fonte
emitir:
a) uma partcula em um segundo?
b) mais de uma partcula em um segundo?
c) uma partcula em trs segundos?
d) no mximo duas partculas em 3 segundos?
e) Uma chapa fotogrfica sensibilizada ao ser atingida por 3 ou mais partculas. Se 5
chapas so colocadas, uma aps outra, durante 2 segundos cada uma em frente fonte,
qual a probabilidade de exatamente uma delas ser sensibilizada?
4) Seja X o nmero de peas defeituosas sadas de certa linha de produo. Sabe-se que,
para determinado lote, X binomial com mdia 240 e varincia 48. Determine a
distribuio de probabilidade de X e a probabilidade do lote no conter nenhuma pea
defeituosa.
5) Um industrial fabrica peas, das quais 1/5 so defeituosas. Dois compradores, A e B,
classificaram as partidas adquiridas em categorias I e II, pagando 1,20 u.m. e 0,80 u.m.
respectivamente do seguinte modo:
Comprador A : retira uma amostra de 5 peas; se encontrar mais que uma defeituosa,
classifica como II.
Comprador B : retira uma amostra de 10 peas; se encontrar mais que duas defeituosa,
classifica como II.
Em mdia, qual comprador oferece maior lucro?
6) Numa via de mo nica que termina numa ponte , quer se estudar o trfego.
Encontra-se que esse volume de 120 veculos/hora, em mdia. Assume-se que a
chegada de veculos constitui um processo de Poisson. Ache a probabilidade de que:
a) num perodo de um minuto mais de trs veculos cheguem ao pedgio ;
b) em 3 minutos cheguem mais do que 1 veculo .
7) Numa linha adutora de gua, de 60 km de extenso , o nmero de vazamento no
perodo de um ms em mdia 4 . Qual a probabilidade de ocorrer, durante o ms,
pelo menos um vazamento num setor de 3 km de extenso?
8) Um fabricante afirma que apenas 5% de todas as vlvulas que produz tem durao
inferior a 20 h. Uma indstria compra semanalmente um grande lote de vlvulas desse
fabricante, mas sob a seguinte condio: ela aceita o lote se, em 10 vlvulas escolhidas
ao acaso, no mximo uma tiver durao inferior a 20 horas; caso contrrio o lote
rejeitado.
a) Se o fabricante de fato tem razo, qual a probabilidade de um lote ser rejeitado?
b) Suponha agora que o fabricante esteja mentindo, isto , na verdade a proporo de
vlvulas com durao inferior a 20 h de 10%. Qual a probabilidade do lote ser aceito,
segundo o critrio acima?
9) Certa fbrica produz fusveis eltricos, dos quais 15% so defeituosos. Achar a
probabilidade de que, numa amostra de 10 fusveis selecionados ao acaso, tenhamos:
26

a) nenhum defeituoso.
b) pelo menos um defeituoso.
c) no mximo um defeituoso.
10) Um fabricante de peas de automveis garante que uma caixa de suas peas conter
no mximo duas defeituosas. Se a caixa contm 18 peas, e a experincia tem
demonstrado que este processo de fabricao produz 5% das peas defeituosas, qual a
probabilidade de que uma caixa satisfaa a garantia?
11) Certa companhia area chegou concluso de que 4% das pessoas que compram
passagens no comparecem ao embarque. De modo a obter maior aproveitamento nas
vendas, passou a adotar o critrio de vender 77 passagens para um vo com 75 lugares.
Determine a probabilidade de que todas as pessoas que compaream encontraro lugar
no citado vo.
12) Em um certo tipo de fabricao de fita magntica, ocorrem cortes a uma taxa de 1
por 2.000 cm. Qual a probabilidade de que um rolo com 2.000cm tenha:
a) nenhum corte?
b) no mximo dois cortes?
c) pelo menos dois cortes?
13)Numa determinada estrada ocorrem em mdia 2 acidentes para cada 100km. Qual a
probabilidade de que :
a) em 250 km ocorram pelo menos 3 acidentes?
b) em 300 km ocorram 5 acidentes?
14)Uma fonte mineral contm um nmero mdio de quatro bactrias por cm3 de gua.
Dez tubos de ensaio, de 1 cm3, so enchidos com este lquido. Supondo que a
distribuio de Poisson aplicvel, encontre a probabilidade:
a) De que todos os 10 tubos de ensaio apresentem bactrias, isto , contenham ao
menos uma bactria cada;
b) De que exatamente oito tubos de ensaio apresentem bactrias.

Gabarito
1) a) n = 16 e p=0,75 c) 0,3699 d) 0,1971

e) E(Z) = 0 e V(Z) = 1 f) 0,1971 g) 0,6301

2) 0,6676

c) 0,3347

3) a) 0,3033

b) 0,0902

4) n = 300

300 4 1

P(X = 0) =
0 5 5

p=0,8

5) Comprador A

6) a) 0,1429

b) 0,9826

b) 0,8031 c) 0,5443

10) 0,9419

12) a) 0,3679

b) 0,9197

13) a) 0,8753

c) 0,2642

b) 0,16%

27

e) 0,2873

300

7)0,1813 8) a) 0,0861 b) 1-0,2639

9) a) 0,1969

14) a) (0,9816)

d) 0,8088

11) 0,8185
b) 0,1606

9.3 Variveis Aleatrias Contnuas

9.3.1. Distribuio Normal ( ou Gaussiana )
Existem vrias distribuies tericas que podem ser usadas para representar
fenmenos reais. Dentre estas, uma das mais importantes a distribuio normal. A
seguir faremos um breve estudo desta distribuio.
Importncia da distribuio normal:
123-

Representa com boa aproximao as distribuies de freqncias observadas

de muitos fenmenos naturais e fsicos;
Distribuies importantes, como por exemplo a binomial e Poisson, podem
ser aproximadas pela normal, simplificando o clculo de probabilidades;
A distribuio amostral das mdias (e propores) em grandes amostras se
aproxima da distribuio normal, o que nos permite fazer estimaes e testes
estatsticos.

Uma varivel aleatria X, que assume valores em R, tem distribuio normal com
parmetros e 2 se sua funo de densidade probabilidade dada por:
f(x) =

1 x 2
exp
, < x < , < < e > 0
2 2
2
1

Notao: X ~ N( , 2 )
O histograma a seguir foi construdo a partir de dados provenientes de uma
distribuio normal. A curva desenhada sobre o histograma representa a funo
densidade de uma distribuio normal. Vemos que este grfico do tipo simtrico.
Grfico da funo densidade da distribuio normal com parmetros =10 e 2=4

28

 importante ressaltar a diferena que existe entre o histograma e a curva: o

histograma uma representao da distribuio dos elementos (dados) de uma amostra
extrada de uma populao, enquanto a curva representa a distribuio terica que
melhor se aproxima do histograma observado.
Propriedades:
a)
E(X) = e V(X) = 2 ( - desvio padro);
b)
A curva normal simtrica com relao a sua mdia , ou seja:

f(+x) = f (- x) ;

P(- x X ) = P( X x );

P(X > ) = P (X < ) = 0,5.

c)
A moda e a mediana de X so iguais a ;
d)
A distncia entre e os pontos de inflexo da curva igual a ;
Distribuio Normal
N( ,2 )

-4

-3

-1

-2

1+

Exemplos de curvas da distribuio normal para diferentes valores dos parmetros

mdias diferentes, desvios padro iguais ( = 10 cm)
0.045

0.04

= 165

0.035

= 179

0.03

0.025

0.02

0.015

0.01

0.005

0
123

130

137

144

151

158

165

172

altura (cm)

29

179

186

193

200

207

mesma mdia, desvios padro distintos

= 172 cm
0.09

0.08

0.07

= 12
=7
=5

0.06

0.05

0.04

0.03

0.02

0.01

0
128 132 136 140 144 148 152 156 160 164 168 172 176 180 184 188 192 196 200 204 208

altura (cm)

Clculo das probabilidades de uma distribuio normal

A probabilidade de uma varivel aleatria normal X assumir valores entre dois
nmeros a e b (a < b) igual rea sob a curva no intervalo [a,b], isto ,
b
1 x 2
1
P(a < X < b) =
exp
dx
2
2
a
Esta probabilidade pode ser obtida atravs de uma transformao na varivel aleatria X
como veremos a seguir.
A distribuio normal possui um importante propriedade que permite que
qualquer varivel aleatria com esta distribuio possa ser transformada em uma outra
varivel com distribuio normal com parmetros = 0 e 2 =1.

Teorema:
Se X ~ N ( , 2) ento a varivel transformada Z =
N(0,1), isto , 67 =

:;

<7

: :

, < ? < .

(X )

tem distribuio

(X )
X a
Portanto, P ( X a ) = P

= P ( Z z ) com Z =

As probabilidades para a distribuio normal (0,1) tambm chamada de Normal

Padro ou Normal Padronizada esto tabeladas. Pelo exposto acima vemos que atravs
desta tabela podemos obter as probabilidades para qualquer outra distribuio normal.
H vrios tipos de tabelas que nos fornece as probabilidades para a distribuio
normal padro. Faremos uso do tipo que est em anexo. Essa tabela fornece a rea sob a

30

curva no intervalo de zero at o ponto z, isto , P(0 Z z). Os elementos dessa tabela
so:
Na primeira coluna encontra-se a parte inteira e a primeira casa decimal do
valor de z;
A primeira linha refere-se segunda casa decimal do valor de z;
As probabilidades so encontradas no cruzamento das linhas com as colunas.
Graficamente, a probabilidade fornecida pela tabela a seguinte:

f(z)

A rea sombreada no grfico corresponde seguinte probabilidade:

E

@0 < A < ? = B C?D?.

0

Como a curva normal padro uma funo simtrica em relao 0:

f(z)=f (- z) ;
P(- z Z 0)= P(0 Z z );
P(Z > 0 ) = P (Z < 0) = 0,5.
Exemplos de uso da tabela da distribuio normal padro:

Calcule P(0 Z 0,51 )

A rea que representa esta probabilidade :

A seguir, como obter essa probabilidade na tabela da distribuio normal padro

z

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.0

0.0000000

0.0039894

0.0079783

0.0119665

0.0159534

0.0199388

0.0239222

0.0279032

0.0318814

0.0358564

0.1

0.0398278

0.0437953

0.0477584

0.0517168

0.0556700

0.0596177

0.0635595

0.0674949

0.0714237

0.0753454

0.2

0.0792597

0.0831662

0.0870644

0.0909541

0.0948349

0.0987063

0.1025681

0.1064199

0.1102612

0.1140919

0.3

0.1179114

0.1217195

0.1255158

0.1293000

0.1330717

0.1368307

0.1405764

0.1443088

0.1480273

0.1517317

0.4

0.1554217

0.1590970

0.1627573

0.1664022

0.1700314

0.1736448

0.1772419

0.1808225

0.1843863

0.1879331

0.5

0.1914625

0.1949743

0.1984682

0.2019440

0.2054015

0.2088403

0.2122603

0.2156612

0.2190427

0.2224047

0.6

0.2257469

0.2290691

0.2323711

0.2356527

0.2389137

0.2421539

0.2453731

0.2485711

0.2517478

0.2549029

31

Calcule P(-2,35 Z 0)

Calcule P(-1 Z 1)

A rea que representa esta probabilidade :

Esta rea pode ser separada em duas subreas, que so:

P(-1 Z 1) = P(-1 Z 0) + P(0 Z 1) = 0, 3413 + 0, 3413 = 0, 6826

Calcule P(Z 1,62)

32

Esta rea pode ser pensada da seguinte forma :

P(Z 1,62) = 0,5 P(0 Z 1,62 ) = 0,5 0,4474 = 0,0526

Calcule P(1,03 Z 2,01 )

A rea que representa esta probabilidade :

Esta rea pode ser pensada da seguinte forma:

P(1,03 Z 2,01 ) = P(0 Z 2,01) - P(0 Z 1,03)

Determine z tal que P(0 Z z0) = 0,395

33

Para encontrar o ponto z0 , que corresponda probabilidade P(0 Z z0) = 0,395,

procure no meio da tabela da curva normal padro o valor da rea exata ou o mais
prximo possvel da requerida. Neste caso, o ponto procurado 1,25. Logo, z0 = 1,25
Exemplos:
1) Usando a tabela da normal padro podemos obter:
P(0 Z 1) = 0,3413
P(-2,55 Z 1,2) = 0, 4946+ 0,3849 = 0,8795
P(Z 1,93) =0,5 0, 4732 = 0,0268
2) A caracterstica da qualidade de interesse, associada a um processo que est sob
controle estatstico, normalmente distribuda com mdia 100 e desvio padro 5. As
especificaes estabelecidas para esta caracterstica da qualidade so 95 10.
a) Qual e a proporo de no-conformidade referente a esta caracterstica?
b) Qual e a proporo de no-conformidade referente a esta caracterstica, se o
processo passasse a operar centrado no valor 95, chamado valor nominal da
especificao?
Resoluo:
105 100
85 100

a) P(X > 105) + P(X < 85) = P Z >

+ P Z <
=
5
5

= P(Z > 1) + P(Z < -3) =(0,5 - 0,3413) + (0,5 - 0,4987) = 0,1600

b) = 95
105 95
85 95

P(X > 105) + P(X < 85) = P Z >

+ P Z <
=
5
5

= P(Z > 2) + P(Z < -2) =2 (0,5 0,4772) = 0,0456

9.3.2 Distribuio Log-normal

Seja X uma varivel aleatria contnua com valores positivos. Dizemos que X
tem distribuio log-normal com parmetros e 2 , para < < e 2 > 0, se
a varivel Y = ln X normalmente distribuda com mdia e varincia 2 .
A funo de densidade de probabilidade de X dada por:

f(x) =

1
e
x.. 2

1 lnx

Propriedades:
+

1) E(X) = e

2
2

2) V(X) = e

2
2

(e

34

, para x > 0

O histograma a seguir foi construdo a partir de dados provenientes de uma

distribuio log-normal. A curva desenhada sobre o histograma representa a funo
densidade de uma distribuio log-normal. Vemos que este grfico do tipo assimtrico
positivo.
Grfico da funo densidade da distribuio log-normal com parmetros =1 e 2=0,2

Exemplo 3: Apenas para ilustrar a forma da distribuio log-normal, que

acentuadamente assimtrica positiva, supondo que a distribuio tem = 0 e = 1,
calcular a probabilidade da varivel aleatria X assumir um valor inferior a 2.
2

P(X < 2 ) =

x
0

1
2

1 lnx

dx = 0,7549 (Faa y = ln x)

Exemplo 4: Em uma srie de experincias verificou-se que os ganhos de corrente de

I
certos transistores (os quais so proporcionais ao logaritmo neperiano de S , relao
IE
das intensidades de corrente de sada e de entrada) seguem distribuio normal com
I
parmteros 2 e 0,01. Qual a probabilidade de que tenhamos S entre 6,1 e 8,2?
IE
Soluo:

I
Como o ganho de corrente se mede com unidades tais que se igualam a ln S e se os
IE
I
ganhos seguem uma distribuio normal ento S segue a distribuio log-normal.
IE

35

I
Da, P 6,1 S 8,2 = 0,8508 0,0274 = 0,8234
IE

9.3.3 Distribuio Exponencial

Esta distribuio bastante utilizada na teoria da confiabilidade para modelar os
tempos de espera entre ocorrncias de eventos em um Processo de Poisson. Em geral
este modelo probabilstico tambm utilizado para modelar tempo de espera em uma
fila, tempo de sobrevivncia de um grupo de pacientes aps o incio de um tratamento e
tempo de vida de material eletrnico.
O histograma a seguir foi construdo a partir de dados provenientes de uma
distribuio exponencial. A curva desenhada sobre o histograma representa a funo
densidade de uma distribuio exponencial. Vemos que este grfico do tipo
assimtrico positivo.
Grfico da funo densidade da Distribuio exponencial com parmetro =1000

Uma varivel aleatria contnua X, que assume valores no-negativos, ter uma
distribuio exponencial com parmetro > 0, se sua fdp for dada por:
1 1 x
,x0
e
f(x ) =
0
, caso contrrio

Notao: X ~ exp( )
Propriedades:
a) A funo de distribuio dada por:
x
1
,x<0
0
1 x

F(x) = P(X x) =
e
ds =
x

1 e , x 0
0

36

Portanto, P(X > x ) = e-(1/)x

b) E(X) =

x e

1
x

dx =

c) V(X) = E(X ) E (X) = 2 = em que E(X ) = x

2

d) P( X > s + t | X > s) =

1
x

P(X > s + t e X > s) P(X > s + t ) e

=
=
P(X > s)
P(X > s)

dx = 2 .

1
( s + t)

1
- s

=e

1
-- t

para

quaisquer s, t > 0
Este ltimo resultado mostra que a distribuio exponencial apresenta a
propriedade de no possuir memria. Isto significa que a probabilidade de
sobreviver mais t unidades de tempo a mesma, quer j se tenham passado s unidades
de tempo, ou 0 unidades. Ou seja, no h envelhecimento. Esta hiptese
frequentemente razovel para a vida de materiais eletrnicos.
Exemplo 5: Uma lmpada tem a durao de acordo com a densidade exponencial com
=1000.
Determinar:
a) a probabilidade de que essa lmpada queime antes de 1.000 horas;
b) a probabilidade de que ela queime depois de sua durao mdia;
c) a varincia da distribuio do tempo de durao dessa lmpada.
Resoluo: Seja T o tempo de durao da lmpada.
1
1000
1 1000 t
e
dt = 1 - e -1 = 1 - 0,3679 = 0, 6321
a) P( T < 1.000) =
1000
0
b) P( T > 1000) = 0,3679
c) V(T) = (1000)2

9.3.3

Distribuio Gama

A distribuio gama tem aplicao em Teoria de Confiabilidade.

O histograma a seguir foi construdo a partir de dados provenientes de uma
distribuio gama. A curva desenhada sobre o histograma representa a funo densidade
desta distribuio que tambm do tipo assimtrico positivo.

37

Grfico da funo densidade da distribuio gama com parmetros r=2 e =3

Uma varivel aleatria contnua X, que assume valores no-negativos, ter uma
distribuio gama com parmetros > 0 e r >0, se sua fdp for dada por:
1
( x) r-1 e x/ , x > 0

f(x ) = r (r )
0
, caso contrrio

Na densidade acima, o smbolo denota a funo gama, que dada por:

(k ) = x p 1e x dx, definida para k > 0.

0

Pode-se mostrar que se p for um nmero inteiro positivo, obtm-se que (k) = (k-1)!
Notao: X ~ gama(r, )
Propriedades:
a) Se r=1 tem-se f(x) =

e que a densidade de uma distribuio exponencial.

Portanto, a distribuio exponencial um caso particular da distribuio gama.

b) E(X) =r;
c) V(X) = r2
d) Um caso particular, muito importante, da distribuio gama ser obtido se r =
n/2 e = 2, em que n um inteiro positivo. Esta distribuio denominada quiquadrado com n graus de liberdade.
38

Exemplo 6: Em certa cidade o consumo dirio de gua (em milhes de litros) segue
aproximadamente uma distribuio Gama (2,3). Se a capacidade diria para essa cidade
de 9 milhes de litros de gua, qual a probabilidade que em um certo dia o
fornecimento de gua seja inadequado?
Resoluo:
X: Consumo dirio de gua em milhes de litros

1
x 21e 3 dx = 0,1992
P(X > 9) = 2
9 3 (2 )

Obs.: Esta integral deve ser resolvida por partes, lembrando tambm que (n) = (n-1)!
para n inteiro positivo.
9.3.4. Distribuio Weibull
A distribuio Weibull tem uma aplicao importante em Teoria de
Confiabilidade.
O histograma a seguir foi construdo a partir de dados provenientes de uma
distribuio Weibull. A curva desenhada sobre o histograma representa a funo
densidade desta distribuio, que tambm do tipo assimtrico positivo.

0.0

0.1

0.2

f(x)

0.3

0.4

Grfico da funo densidade da Distribuio Weibull com parmetros =2 e =2

Uma varivel aleatria contnua X, que assume valores no-negativos, ter uma
distribuio Weibull com parmetros > 0 e > 0, se sua fdp for dada por:
-1
x
x
exp

, x 0
f(x ) =

, caso contrrio
0
39

Propriedades:

1
a) E(X) = + 1

1
2 2
b) V(X) = + 1 + 1



0, x 0

x
c) F(x) =
1
exp
x 0

d) Se =1 tem-se f ( x) =

. Portanto, a distribuio exponencial um caso

particular da distribuio Weibull.

Exemplo 7: O tempo de vida, em horas, de um componente eletrnico segue a
distribuio Weibull com = 0,4 e = 0,5.
a) Qual a vida mdia?
b) Calcule a varincia do tempo de vida desse componente.
c) Qual a probabilidade do tempo de vida desse componente ultrapassar 30 horas?
Resoluo:
T: tempo de vida do componente eletrnico em horas
a) E(T) = (0,4)(3) = 0,8

b) V(T) = (0,4) (5) [(3)] = 8

2

30 0,5
c) P( T > 30 ) = exp
= 0,8909
0,4

9.4 Introduo Teoria da Confiabilidade

9.4.1 Conceitos
Considere que um componente ser observado sob condies de esforo, desde
o instante t=0 at que pare de funcionar adequadamente sob o esforo aplicado. A
durao at falhar ou durao da vida pode ser considerada como uma varivel aleatria
contnua T com alguma funo densidade de probabilidade f(t).
Alguns exemplos deste tipo de experimento so: observar uma lmpada at que
queime, uma viga sob uma carga at a ruptura, um fusvel intercalado em um circuito ou
um dispositivo eletrnico posto em servio at que falhe.
40

Definio 1.
A confiabilidade de um componente na poca t, denotada por R(t), definida
como
R(t) = P(T > t),
em que T a durao da vida do componente. R denominada funo de
confiabilidade.
Esta definio simplesmente afirma que a confiabilidade de um componente
igual probabilidade de que o componente no falhe durante o intervalo [0, t].

Em termos da funo densidade de T, temos:

R(t) = f(s) ds
t

Para a funo de distribuio acumulada temos:

R(t) = 1 - P( T t) = 1 - F(t)
O conceito de confiabilidade um dos mais importantes para um estudo dos
modelos de falhas. Estudaremos as seguintes questes:
a) Que lei de falhas subjacente ser razovel admitir, isto , que forma a
funo densidade de T deve ter ?
b) Suponha-se que temos dois componentes, C1 e C2, com leis de falhas
conhecidas. Esses componentes podem estar associados em srie

C1

C2

Ou em paralelo,
C1

C2

para constituir um sistema. Qual ser a confiabilidade do sistema? Qual a densidade

razovel para a descrio do fenmeno de interesse?
Abaixo descreveremos os modelos mais usuais utilizados para descrever falhas
de componentes.

9.4.2 A lei de falhas exponencial

Ao estudarmos a distribuio exponencial vimos que a propriedade de falta de
memria caracterstica da mesma. A hiptese subjacente para a utilizao deste
modelo de falhas , portanto, de que no haja desgaste do componente ou pea. Isto
significa que mesmo depois que a pea estiver em uso sua probabilidade de falhar no
se altera com o passar do tempo.

41

Uma consequncia desta suposio , que a fdp da varivel aleatria associada

durao at falhar, T, ser dada por: f(t) =

1
- t

e
t 0 (distribuio exponencial).

bastante razovel admitir-se que um fusvel ou rolamento de rubis sejam to

bons quanto novos, enquanto estiverem ainda funcionando. Isto , se o fusvel no
tiver fundido, estar praticamente em estado novo; nem o rolamento se alterar muito
devido a desgaste. Em casos, tais como esses, a lei de falhas exponencial representa um
modelo adequado com o qual se estudem as caractersticas de falhas da pea. Entretanto
existem situaes em que a exponencial no satisfatria, por exemplo, se um pedao
de ao for submetido a esforo continuado, haver obviamente alguma deteriorao.
Paul Meyer

Exemplo 8: (Meyer, 1983)

Seja um componente eletrnico que segue a lei de falhas exponencial. Dados os
parmetros
= 100 e R(t) = 0,90, determine o valor de t, nmero de horas.
0,90=e-0,01t t = 10,54 horas
Logo, se cada um de 100 desses componentes estiver operando durante 10,54 horas,
aproximadamente 90 no falharo durante aquele perodo.
Exemplo 9: (Meyer, 1983)
Considere um circuito eletrnico constitudo de 4 transistores de silcio, 10 dodos de
silcio, 20 resistores sintticos e 10 capacitores cermicos, operando em srie contnua e
os componentes so independentes. Suponha que sob certas condies de trabalho, isto
, tenso, corrente e temperatura prescritas, cada uma dessas peas siga a lei de falhas
exponencial com os seguintes parmetros:
diodos de silcio:
1/0,000002
transistores de silcio: 1/0,000010
resistores sintticos: 1/0,000001
capacitores cermicos: 1/0,000002
Qual a confiabilidade do sistema para t = 10 horas?
Resoluo:
Para componentes independentes ligados em srie temos que a confiabilidade do
sistema o produto das confiabilidades individuais dos componentes. Portanto,
R(t) = (e-t.0,000002)10. (e-t.0,00001)4(e-t.0,000001)20. (e-t.0,000002)10 = e-0,000 1t
Assim, para um perodo de 10 horas de operao, a probabilidade de que o
circuito no falhe ser dada por e-0,0001(10) = 0,999. A durao at falhar esperada do
circuito igual a 1/0,0001 = 10.000 horas.
Exemplo 10: (Meyer,1983)
Suponhamos que trs unidades sejam operadas em paralelo. Admita-se que todas sigam
a lei de falhas exponencial com o parmetro = 100. Qual a confiabilidade do sistema?
Resoluo:

42

Para a unidade isolada, R1(t) = e-(1/)t, enquanto para as trs unidades em paralelo,
R2(t) = 1 (1 e-(1/)t)3.
Tabela: Confiabilidade para trs unidades operando em paralelo, taxa de falhas
constante = 100
T
R1(t)
R2(t)
t/
e-(1/)t
1-e-(1/)t (1-e-(1/)t)3
10 0,10 0,9048 0,9048 0,0952
0,0009 0,9991
50 0,50 0,6065 0,6065 0,3935
0,0609 0,9391
100 1,00 0,3679 0,3679 0,6321
0,2526 0,7474
150 1,50 0,2231 0,2231 0,7769
0,4689 0,5311
200 2,00 0,1353 0,1353 0,8647
0,6465 0,3535
250 2,50 0,0821 0,0821 0,9179
0,7734 0,2266
300 3,00 0,0498 0,0498 0,9502
0,8580 0,1420
350 3,50 0,0302 0,0302 0,9698
0,9121 0,0879
400 4,00 0,0183 0,0183 0,9817
0,9461 0,0539
No grfico a seguir vemos as curvas de confiabilidade para a unidade isolada e,
tambm, para trs unidades em paralelo. Note que a curva de confiabilidade para as trs
unidades em paralelo est sempre acima, mostrando que a ligao de componentes em

paralelo tem sempre maior confiabilidade do que quando utilizamos um nico

componente.
9.4.3

A lei de falhas Weibull

A distribuio de Weibull representa um modelo adequado para uma lei de

falhas, sempre que o sistema for composto de vrios componentes e a falha seja devida
mais grave imperfeio ou irregularidade dentre um grande nmero de imperfeies
do sistema.
Seja T o tempo at a falha de um componente, com fdp dada por:

43


t
t -1 exp , t 0, > 0, > 0
f(t ) =

, caso contrario
0

J vimos que esta a densidade de Weibull com parmetros e .

t
A funo de confiabilidade R dada por R(t) = exp , que uma funo

decrescente de t.
Exemplo 9: Dois dispositivos eletrnicos com lei de falhas Weibull, com parmetros
respectivamente: 1= 1000, 1=2 ; 2=1200, 2=3, so ligados em paralelo formando um
nico sistema com funcionamento independente. Determinar:
a) a confiabilidade de cada um dos dispositivos aps 1000h;
b) a confiabilidade do sistema.
Resoluo:
2

a) R1(t) = e

1000

1000

= e-1 = 0,3679

R2(t) = e

1000

1200

-1

=e

b) R(t) = e + e

5

6

5

6

=0,5606

- e .e 6

= 0,7223

H vrias outras maneiras de combinar componentes, e apenas selecionamos

algumas delas:

(c) Sistema de reserva. Consideramos dois componentes, o segundo dos quais

fica de reserva e funciona se, e somente se, o primeiro componente falhar. Neste caso,
o segundo componente arranca (instantaneamente) e funciona no lugar do primeiro
componente.
44

Exerccios:
1. Testes para medir a durao de aparelhos eletrodomsticos mostram que o modelo
adequado o normal com = 26.000 horas e = 4.000 horas. Pede-se a probabilidade
de que um aparelho escolhido ao acaso dure:
a) mais que 25.000 horas;
b) menos que 30.000 horas;
c) sabe-se que se um defeito aparecer dentro do tempo de garantia a fbrica deve
consert-lo, tendo assim um prejuzo. Qual deve ser a garantia para que a
porcentagem de aparelhos consertados dentro da garantia seja inferior a 10%?
d) Quanto espera o fabricante ganhar por produto se o custo de fabricao A u.m., o
preo de venda B u.m. e o custo do conserto, quando dentro da garantia ( veja item
c) C u.m.?
2) O nmero de pedidos para compra de certo produto que uma companhia recebe por
semana distribui-se normalmente com mdia de 150 unidades e desvio padro de 30
unidades. Se em uma semana o estoque disponvel de 180 unidades, qual a
probabilidade de que os pedidos sejam atendidos? Qual deveria ser o estoque para
que, com probabilidade de 0,97 pudssemos atender aos pedidos?
3) O tempo que uma pessoa leva para ser servida numa lanchonete uma varivel
aleatria tendo distribuio exponencial com mdia de 4 minutos. Qual a
probabilidade que uma pessoa seja servida em menos do que 3 minutos em ao
menos 4 dos prximos 6 dias?
4) Suponha que um sistema contm certo tipo de componente cujo tempo de vida em
anos at falhar dado pela varivel aleatria T distribuda aleatoriamente com
parmetro = 5. Se cinco desses componentes so instalados em diferentes
sistemas, qual a probabilidade que ao menos dois estejam funcionando ao fim de 8
anos?
5) Sabe-se que a varivel aleatria T (durao de um componente) segue o modelo
Weibull com = 5.000 e = 0,7. Ache t para que R(t) = 0,80 e R(500).
5 LISTA DE EXERCCIOS
1) Seja Z uma varivel aleatria com distribuio normal padro. Determine o valor de
z:
a) P(Z<z)=0,09
b) P(-1,71<Z<z)=0,25
c) P(-z<Z<z)= 0,90
d) P(-z<Z<z)= 0,99
2) Sejam z1 e z2, simtricos, dois particulares valores de Z. Determine-os tais que:
a) P ( z1Zz2 ) = 0,9216
b) P ( z1 Z z2 ) = 0,8858

45

3) Suponha que as amplitudes de vida de dois aparelhos eltricos, D1 e D2, tenham

distribuio N(42,36) e N(45,9), respectivamente. Se o aparelho e para ser usado por
perodo de 45 horas, qual aparelho deve ser preferido?
3) Uma enchedora automtica de garrafas de refrigerante esta regulada para que o
volume mdio de liquido em cada garrafa seja de 1.000 cm3 e o desvio padro de 10
cm3. Pode-se admitir que a distribuio da varivel seja normal.
a) Qual a probabilidade de garrafas em que o volume de liquido e menor que 990 cm3?
b) Qual a probabilidade de garrafas em que o volume de liquido no se desvia da
mdia em mais que dois desvios padro?
4) Uma empresa produz televisores e garante a restituio da quantia paga se qualquer
televisor apresentar algum defeito grave no prazo de 6 meses. Ela produz televisores
do tipo A comum e do tipo B luxo, com um lucro respectivo de 1.000 u.m. e 2.000
u.m. caso no haja restituio, e com um prejuzo de 3.000 u.m. e 8.000 u.m. se
houver restituio. Suponha que o tempo para a ocorrncia de algum defeito grave
seja, em ambos os casos, uma varivel aleatria com distribuio normal,
respectivamente, com medias 9 meses e 12 meses, e varincias 4 meses2 e 9 meses2.
Se tivesse que planejar uma estratgia de marketing para a empresa, voc
incentivaria as vendas dos aparelhos do tipo A ou do tipo B?
5) Suponha que o dimetro mdio dos parafusos produzidos por uma fabrica de 0,25
polegadas e o desvio padro 0,02 polegadas. Um parafuso considerado defeituoso
se seu dimetro maior que 0,28 polegadas ou menor que 0,20 polegadas. Suponha
distribuio normal.
a) encontre a probabilidade de parafusos defeituosos; qual deve ser a medida mnima
para que tenhamos no mximo 12% de parafusos defeituosos.
7) A durao de certos tipos de amortecedores, em km rodados normalmente
distribuda, possui durao mdia de 5000 km e desvio-padro de 1000 km
a) Qual a probabilidade de um amortecedor escolhido ao acaso durar entre 4500 e 6350
km?
b) Se o fabricante desejasse fixar uma garantia de quilometragem, de tal forma que se a
durao do amortecedor fosse inferior a garantia, o amortecedor seria trocado, de quanto
deveria ser esta garantia para que somente 1% dos amortecedores fossem trocados?
8) Suponha que T, a durao ate falhar de uma peca, seja normalmente distribuda com
E(T) = 90 horas e desvio padro 5 horas. Quantas horas de operao devem ser
consideradas, a fim de se achar uma confiabilidade de 0,90.
9) Suponha que a durao de vida de um dispositivo eletrnico seja exponencialmente
distribuda. Sabe-se que a confiabilidade desse dispositivo para um perodo de 100
horas de operao de 0,90. Quantas horas de operao devem ser levadas em conta
para conseguir-se uma confiabilidade de 0,95?
10) A durao de vida de um satlite uma varivel aleatria exponencialmente
distribuda, com durao de vida esperada igual a 1,5 anos. Se trs desses satlites
forem lanados simultaneamente, qual ser a probabilidade de que ao menos dois deles
ainda venham a estar em rbita depois de 2 anos?
46

11) Suponha que n componentes, que funcionem independentemente, sejam ligados em

srie. Admita que a durao at falhar, de cada componente, seja normalmente
distribuda, com esperana de 50 horas e desvio padro de 5 horas.
a) se n=4, qual ser a probabilidade de que o sistema ainda esteja a funcionar depois
de 52 horas de operao?
b) se n componentes forem instalados em paralelo, qual dever ser o valor de n, para
que a probabilidade de falhar durante as primeiras 55 horas seja aproximadamente
igual a 0,01?
12) Estudos meteorolgicos indicam que a precipitao pluviomtrica mensal em
perodos de seca numa certa regio pode ser considerada como seguindo a distribuio
Normal de mdia 30mm e varincia 16mm2.
a) Qual a probabilidade de que a precipitao pluviomtrica mensal no perodo da seca
esteja entre 24mm e 38mm?
b) Qual seria o valor da precipitao pluviomtrica de modo que exista apenas 10% de
chance de haver uma precipitao inferior a esse valor?
c) Construa um intervalo central em torno da mdia que contenha 80% dos possveis
valores de precipitao pluviomtrica.
13) Se a altura de 300 estudantes so normalmente distribuda com mdia igual a
172,72cm e varincia 49,5cm2, determine:
a) quantos estudantes tm altura superior a 182,88cm;
b) qual a altura que separa os estudantes em dois grupos de forma que um deles seja
formado pelos 30% mais altos.
14) Suponha que as notas de um vestibular tenham distribuio normal com mdia 60 e
desvio-padro de 15 pontos.
a) se voc prestou este vestibular e obteve nota igual a 80 pontos, qual a sua posio em
termos de unidades de desvios padro, com relao a mdia das notas?
b) Se foram considerados aprovados os candidatos que obtiveram nota mnima
correspondente a 1 desvio padro acima da mdia, qual a nota mnima de aprovao na
escala original?
15) Em uma fbrica de chocolate verifica-se que os bombons so acondicionados
automaticamente em caixas com aproximadamente 1 Kg. Verifica-se que 25,14% das
caixas tem peso inferior a 1 Kg. A mquina de acondicionamento foi regulada
aumentando-se o peso mdio da caixa de 3g e verificou-se ento que a porcentagem
com peso inferior a 1 Kg foi de 12,5%. Admitir distribuio normal.
a) Calcular a mdia e o desvio-padro
b) De quanto deve ser novamente aumentado o peso mdio para que essa porcentagem
caia para 4%?
16) Experimentam-se trs elementos que trabalham independentemente entre si. A
durao de trabalho sem falhas dos elementos tem respectivamente para o 1o., 2o e 3o. as
seguintes funes densidades:
f 3 (t ) = 0.3 e -0.3 t
f 1 (t ) = 0.1 e -0.1 t
f 2 (t ) = 0.2 e -0.2 t
Ache a probabilidade que no intervalo de tempo (0, 10)
i.
Falhe ao menos um elemento
ii.
Falhem no menos que dois elementos
47

17) Um componente eletrnico tem distribuio exponencial, com mdia de 50 horas.

Suposta uma produo de 10 000 unidades, quanto deles espera-se que durem entre 45 e
55 horas?
18) O tempo de vida de certo dispositivo eletrnico de 4.000 h e segue uma
distribuio exponencial. Determine a probabilidade de que:
a) um dispositivo esteja funcionando no final de 2.000 h, dado que est funcionando no
final de 1.000 h;
b) num conjunto de 4 dispositivos, somente um queime antes de 3.000 h de
funcionamento.
19) Dois dispositivos eletrnicos com lei de falhas exponencial com mdia
respectivamente 5h e 10 h so ligados em paralelos formando um nico sistema e
funcionando independentemente. Determinar:
a) A confiabilidade de cada um dos dispositivos aps 20 horas;
b) A confiabilidade do sistema todo aps 20 horas;
20) Encontrou-se num certo processo de triturao de pedras que os dimetros D das
pedras quebradas seguem aproximadamente uma distribuio log-normal com mdia 1,5
cm e desvio padro 0,3 cm.
a) Qual a probabilidade de uma pedra exceder 2 cm?
b) Qual a probabilidade de uma pedra ser menor que 1 cm?
21) Trs componentes, que funcionam independentemente, so ligados em um sistema
nico, como est indicado a figura abaixo. Suponha que a confiabilidade de cada um
dos componentes, para um perodo de operao de t horas seja R(t) = e 0.03 t .Se T for a
durao at falhar do sistema completo (em horas), qual ser a confiabilidade do
sistema?
C1
C3
C2

22) Determine a probabilidade de trabalho sem falha de uma pea no decorrer de 1000h
se a confiabilidade da mesma est subordinada a distribuio gama com r =4 e
=1/1000h.
23) Sabe-se que T, tempo de operao sem falhas de um componente segue a
distribuio de Weibull.
a) Se = 2000, = 0,5 determine R(22), E(T) e V(T).
b) Se = 1/2000, = 1,5 determine t para que R(t) = 0,90.
24) Seja X uma varivel aleatria com distribuio Weibull com =200 e =3.
a) Determine os quartis de X
b) Suponha que X represente o tempo de vida de um componente. Determine a
confiabilidade desse componente para 50 horas.
48

c) Determine a probabilidade de que o componente dure mais que 250 horas, uma vez
que j esteja em funcionamento por 200 horas.
d) Determine a durao esperada do componente. Use os seguintes fatos: (1,3) =
0,8975.
25) Sabe-se que o tempo de falha (em anos) de certo transistor tem distribuio
exponencial com =20 anos.
a) que proporo desse transistor sobreviver a 6 anos de uso?
b) qual o tempo mediano de vida?
c) este transistor ser utilizado em um produto cujo fabricante ir estipular certo perodo
de garantia. Qual tempo de garantia passvel de ser estipulado, caso o fabricante
concorde em arcar com o custo de no mximo 5% de falhas neste perodo?
d) se o fabricante desejar estipular um perodo de garantia de 2 anos, qual a proporo
esperada de falhas associadas ao transistor neste perodo?
26) A densidade do tempo de falha para um pequeno sistema de computador tem
distribuio de Weibull, com =1/4 e =200.
a) Que proporo dessas unidades sobreviver a 1000 horas de uso?
b) Qual o tempo mdio de falha?

Gabarito
1) a)-1,34 b) -0,54 c) 1,64 d) 2,58
3) D2

4) a) 0,1587

6) a) 0,60295
11) a) 0,014
13) a) 22

2) a) -1,76 e 1,76

b) 0,9545
b) 2670 km

b) 27

5) Tipo B
8) 83,6 horas

12) a) 0,9104

b) 176,41

b) -1,58 e 1,58

6) a) 0,072

b) 0,2178

9) 51,29 horas

b) 24,88

14) a) 1,333

10)

0,1719

c) [24,88 ; 35,12]

b) 75

15) a) mdia=1,0042Kg e desvio=0,0063 Kg b) 0,006825g

16) a) 0,9975

b) 0,9301

17) a) 737

19) a) =1/10; 0,135 e =1/5; 0,0183

20) a) 6,2%

b) 2,6%

18) a) 0,7788

b) 0,2224

b) 0,1512

21) 2e-0,06t e-0,09t

22) 0,981

23) a) R(22)= 0,9004 ; E(T)= 4000 horas ; V(T)=80000000 horas b) 446,15 horas
24) a) Q1=132,03 Q2=176,99 Q3=223,01 c)0,9845 c)0,3855 d)179,5
25) a ) 0,7408
26) a) 0,2242

b ) 13,86 anos

c ) aprox. 1 ano

b ) 4800

49

d) 0,0952

REFERNCIAS BIBLIOGRFICAS
MEYER, Paul L. Probabilidade : aplicaes estatstica. 2. ed. Rio de Janeiro: Livros
Tcnicos e Cientficos, 1983. 426.
MONTGOMERY, Douglas C.; RUNGER, George C.; HUBELE, Norma Faris. Estatstica
aplicada engenharia. Rio de Janeiro: LTC, 2004. 335 p.
MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira. Estatstica bsica. 5. ed. So
Paulo: Saraiva, 2006. 526 p.

50

51