Escolar Documentos
Profissional Documentos
Cultura Documentos
INSTITUTO DE MATEMTICA
DEPARTAMENTO DE ESTATSTICA
NOTAS DE AULA
MAT236 MTODOS ESTATSTICOS
2 UNIDADE
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}
x2 + y2
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]
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
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
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
P(A1) = 0,56
P(A2) = 0,23
P(A3) = 0,02
P(A4) = 0,19
2 x
f(x)dx = 1
f(x)
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)
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
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
P(X = x )
j : x jx
F(x) = f(s)ds
-
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
x1
p1
x2
p2
8
...
...
xn
pn
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.
E(aX) = a . E(X)
L = C1 + C2X.
Ento o lucro esperado :
E(L) = E(C1 + C2X) = C1 + C2(50)
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.
10
em que
EX =
x PX = x , para X discreta
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
3
(10) - 5 x(100 - x)dx = 3000
5
0
V(X) = 3000 (50)2 = 500
E(X2) =
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
0,2 se 3 t < 4
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
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
680
27
4x,
f(x) =
4(1 x),
0,
x<0
0x<
1
2
1
x <1
2
x 1
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
x2
,
0 x <1
x 2
1
+ x - , 1 x < 3
Resp.: F(X) =
2
6
1, x 3
4
77
e VAR(X) =
3
9
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
1
c
2
c/2
3
c/3
4
c/4
P(D=d) 01
0,1
0,3
0,3
0,2
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) =
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.
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
5) a) 0,0409
b)0,9421
c) 19.125
d)0,0041 e 0,6349
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) =
0
0,1
8) a=0 b=7/12
11) a) 2,4667
c)
15000
0,2
c= 1
b) 2.
30000
0,4
60000
0,1
V(L) = 2,58
9) E(L) = 10
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
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
18) a) 0,3834
b) 0,3774
20) Opo B
20
n k
nk
p (1 p ) , k = 0,1,2,...n
P(Y = k) = k
0, c.c
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
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 "
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) =
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.
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
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
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
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
9) a) 0,1969
14) a) (0,9816)
d) 0,8088
11) 0,8185
b) 0,1606
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
f(+x) = f (- x) ;
P(- x X ) = P( X x );
-4
-3
-1
-2
1+
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
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)
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 =
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)
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)
32
33
= P(Z > 1) + P(Z < -3) =(0,5 - 0,3413) + (0,5 - 0,4987) = 0,1600
b) = 95
105 95
85 95
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
P(X < 2 ) =
x
0
1
2
1 lnx
dx = 0,7549 (Faa y = ln x)
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
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
b) E(X) =
x e
1
x
dx =
d) P( X > s + t | X > s) =
1
x
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
37
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
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) =
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
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) =
30 0,5
c) P( T > 30 ) = exp
= 0,8909
0,4
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].
R(t) = f(s) ds
t
C1
C2
Ou em paralelo,
C1
C2
41
1
- t
e
t 0 (distribuio exponencial).
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
43
t
t -1 exp , t 0, > 0, > 0
f(t ) =
, caso contrario
0
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
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
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
b) 0,9301
17) a) 737
b) 2,6%
18) a) 0,7788
b) 0,2224
b) 0,1512
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