Engenharia de Produo

3 Perodo
Estatstica Aplicada II
UNIVERSIDADE SALGADO DE OLIVEIRA

UNIVERSIDADE SALGADO DE OLIVEIRA

TRABALHO DE ESTATSTICA APLICADA II

Curso de Graduao em Engenharia de Produo

DLAYTON AUGUSTO ARAJO DE SABIA - 600187611

HENRIQUE SOARES NUNES - 600258396
RENAN MOURA DA COSTA - 600287388
THIAGO DE PAIVA CARDOZO - 600297742

DISTRIBUIO TERICAS DE
PROBABILIDADES DE VARIVEIS
ALEATRIAS DISCRETAS

Orientador: Boris

!


1 - Distribuio de Bernoulli................................ ................................ ....................... 4

2- Distribuio Hipergeomtrica ................................ ................................ ................ 4

3 - Distribuio Binomial ................................ ................................ ............................ 6

4 - Funo da probabilidade ................................ ................................ ....................... 6

5 - Distribuio de Poison ................................ ................................ ........................... 8

EXERCCIOS PROPOSTOS COM RESOLUO E COMENTADOS: ............... 9

DISTRIBUIO TERICAS DE PROBABILIDADES DE

VARIVEIS ALEATRIAS DISCRETAS
1 - Distribuio de Bernoulli

A Distribuio de Bernoulli a distribuio discreta de espao amostral {0, 1},

com probabilidades P(0) = 1 - p e P(1) = p. O nome da distribuio se refere ao
cientista suo Jakob Bernoulli.
Sempre que uma experincia aleatria s tem dois resultados possveis pode ser
descrita por uma varivel aleatria de Bernoulli. Por conveno utilizam-se os
valores 0 e 1 (0 insucesso, 1 sucesso) e designa-se por ` a probabilidade da
varivel assumir o valor 1.
Exemplos de aplicao:
$c O sexo de um indivduo;
$c Pretende-se estudar a incidncia de uma certa doena numa certa

populao. X pode indicar se a doena est presente (X=1) ou ausente (X=0)

num indivduo da populao (selecionado ao acaso).
$c O fator Rh do sangue das pessoa (ou positivo ou negativo).

2- Distribuio Hipergeomtrica
Em teoria das probabilidades e estatstica, a distribuio hipergeomtrica uma
distribuio de probabilidade discreta que descreve a probabilidade de se
retirar U elementos do tipo A numa sequncia de extraes de uma populao
finita de tamanho N, com
elementos do tipo A e N-
elementos do tipo B, sem
reposio.

Seja i um conjunto tal que exi tem
elementos do ti o A e i
elementos do ti o

B Um conjunto de elementos selecionado, aleatoriamente e sem reposi o, do
conjunto de i elementos. A vari vel aleatria
denota o nmero de elementos
tipo A. Ento,
tem distri ui o hipergeomtrica e

onde   


 e onde
refere-se ao coeficiente binomial, o nmero
de combinaes possveis ao selecionar  elementos de um total .
Quando o tamanho da populao muito maior do que a amostra (isto ,i
muito maior que ) a distribuio hipergeomtrica razoavelmente bem
aproximada pela distribuio binomial com parmetros  (nmero de tentativas)
e  =
/ i (probabilidade de sucesso numa tentativa nica).

Um jogo de loteria consiste em selecionar seis dezenas do conjunto de cem dezenas

de 00 a 99, com uma bola para cada dezena e sem reposio. Num volante (carto
aposta) o jogador pode escolher de 6 a 12 dezenas. Qual a probabilidade de
acertar-se a quina (5 dezenas) marcando-se 10 dezenas no volante?
Temos:
!c

N: total de dezenas, i = 100

!c

n: total de dezenas sorteadas,  = 6

!c

: total de dezenas escolhidas,
= 10

!c

o: total de sucessos, queremos
= 5

A probabilidade de se acertar a quina de aproximadamente 0,0019%.

O interessante que o mesmo problema pode ser resolvido de outra forma.

Podemos pensar que a escolha aleatria feita pelo jogador, e que as dezenas
"premiadas" j esto definidas a priori (sem o jogador saber, claro). Isto ,
existem 2 tipos de dezenas, as "premiadas" e as "no premiadas", e o jogador
escolhe aleatoriamente (ou no, desde que o seu critrio de escolha seja
independente das dezenas "premiadas") as 10 dezenas do seu jogo. Assim
!c

N: total de dezenas, i = 100

!c

n: total de dezenas sorteadas/escolhidas pelo jogador),

!c

: total de dezenas premiadas,
= 6

!c

X: total de sucessos, queremos
= 5

= 10

O resultado o mesmo!

3 - Distribuio Binomial
Em teoria das probabilidades e estatstica, a distribuio binomial a distribuio
de probabilidade discreta do nmero de sucessos numa sequncia de tentativas
tais que as tentativas so independentes; cada tentativa resulta apenas em duas
possibilidades, sucesso ou fracasso (a que se chama de tentativa de Bernoulli); a
probabilidade de cada tentativa, `, permanece constante.



m
   



 


4 - Funo da probabilidade
Se a varivel aleatria
que contm o nmero de tentativas que resultam em
sucesso tem uma distribuio binomial com parmetros e `
escrevemos
~
B( , `). A probabilidade de ter exatamente  sucessos dado pela funo de
probabilidade:

para

Exemplo:

e onde

uma combinao.

Trs dados comuns e honestos sero lanados. A probabilidade de que o

nmero 6 seja obtido mais de uma vez : A probabilidade de que seja obtido 2
vezes mais a probabilidade de que seja obtido 3 vezes. Usando a distribuio
binomial de probabilidade:
Acha-se a probabilidade de que seja obtido 2 vezes:

Agora a probabilidade de que seja obtido 3 vezes:

Assim, a resposta :

5 - Distribuio de Poison

Funo de probabilidade da distribuio de Poison para vrios valores de .

Na teoria da probabilidade e na estatstica, a distribuio de Poisson uma

distribuio de probabilidade discreta. Ela expressa, por exemplo, a probabilidade
de um certo nmero de eventos ocorrerem num dado perodo tempo, caso estes
ocorram com uma taxa mdia conhecida e caso cada evento seja independente do
tempo decorrido desde o ltimo evento. A distribuio foi descoberta por SimonDenis Poisson (17811840) e publicada, conjuntamente com a sua teoria da
probabilidade, em 1838 no seu trabalho Reche
ches su
 `
 es ugeme s
e m
es c
m ees e m
e ce ("Inqurito sobre a probabilidade em
julgamentos sobre matrias criminais e civis"). O trabalho focava-se em certas
variveis aleatrias N que contavam, entre outras coisas, o nmero de ocorrncias
discretas (por vezes chamadas de "chegadas") que tinham lugar durante um
intervalo de tempo de determinado comprimento. A probabilidade de que existam
exactamente  ocorrncias ( sendo um inteiro no negativo,  = 0, 1, 2,)

onde
!c

e base do logaritmo natural (e = 2.71828...),

!c

! o factorial de ,

!c

um nmero real, igual ao nmero esperado de ocorrncias que ocorrem

num dado intervalo de tempo. Por exemplo, se o evento ocorre a uma
mdia de 4 minutos, e estamos interessados no nmero de eventos que

ocorrem num intervalo de 10 minutos, usaramos como modelo a

distribuio de Poisson com = 10/4 = 2.5.
Como funo de , esta a funo de probabilidade. A distribuio de Poisson
pode ser derivada como um caso limite da distribuio binomial.
A sua mdia e a sua varincia so iguais a .

EXERCCIOS PROPOSTOS COM RESOLUO E COMENTADOS:



4.9.1 Seja X:B   .Calcular:

m
 s s
ueses  e
    se
 u  s
u  m  e 

e
em s
u  m cm `
me
s e `  c `e 

  `  sm e ` e 
 em
ue 

X: B (10 , 2/5)
n = 10 , p = 0,40 , q = 0,60
A) P (X = 3)
10
3 . (0,40)3 . (0,60)7 = 0,214990

= 0,21499

B) P (X < 2) = P ( x = 0) + P ( x = 1) + P ( x = 2)
10
0.

(0,40)0 . (0,60)10 = 0,006046

10
1 . (0,40)1 . (0,60)9 = 0,040310

= 0,16729

10
2c . (0,40)2 . (0,60)8 = 0,120932

C) P (X > 4) = 1 P(x < 4) = 1 (P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3))

10
0 . (0,40)0 . (0,60)10 = 0,006046

'

10
1 . (0,40)1 . (0,60)9 = 0,040310
10
2 . (0,40)2 . (0,60)8 = 0,120932

1 0,382278 = 0,61772

10
3 . (0,40)3 . (0,60)7 = 0,214990

D) P (X 2 < 1) = P(x < 1 + 2) = P(X < 3)

10
0

. (0,40)0 . (0,60)10 = 0,006046

10
1c .(0,40)1 . (0,60)9 = 0,040310
10
2

= 0,16729

.(0,40)2 . (0,60)8 = 0,120932

E)c P(X - 2 <1) = P( 3 > x >1) = P(x = 1) + P(x = 2) + P(x = 3)

X2<1
X 2 > -1
X <3
X >1
10
1

(0,40)1 . (0,60)9 = 0,040310

10
2

(0,40)2 . (0,60)8 = 0,120932

10
3

(0,40)3 . (0,60)7 = 0,214990

= 0,37623

F) P(3 < X< 5) = P(x = 4) + P(x = 5)

10
4 . (0,40)4 . (0,60)6 = 0,250822

= 0,45148

''

10
5 . (0,40)5 . (0,60)5 = 0,200658

G) P(X - 3 > 1) = P( 4 < x < 2) = P(x = 3)

X3>1
X 3 < -1
X>4
X<2
10
3 . (0,40)3 . (0,60)7

= 0,2150

4.9.3- Uma remessa de 800 estabilizadores de tenso recebida pelo controle de

qualidade de uma empresa. So inspecionados 20 aparelhos da remessa, que ser
aceita se ocorrer no mximo um defeituoso. H 80 defeituosos no lote.Qual a
probabilidade de o lote ser aceito?
!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s e `  c `e 
  `  sm e ` e 
 em
ue

  
e ` se
  `e
ce u 
u e e efeuss cm   

emess  
e 
 se
  `e
ce u
es e  cheg
 
e  u 
 
u e seec 
ue s  `
ehs e esses  se
 ce  e se
 mUm ese
 `
eh efeus u se ems
ue ccu
 m   m
 s
u  m
X: B (20 , 80/800)
n = 20
p = 0,10

p = q = 0,90

P(x = 0) + P(x = 1)
20
0 . (0,10)0 . (0,90)20 = 0,121576
20
1 . (0,10)1 . (0,90)29 = 0,270170

= 0,39175

4.9.4- Numa cidade, selecionada uma amostra de 60 adultos e a esses indivduos

pedido para opinarem se so a favor ou contra determinado projeto. Como

'

resultado obtido observou-se 40 a favor. Se na realidade as opinies pr e contra

so igualmente divididas, qual a probabilidade de ter obtido tal resultado?
!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s e `  c `e 
  `  sm e ` e 
 em
ue

  
e` se
  `e
ce u 
u e e ` es `
 e c 
s
gume e s u se  `
 ` e 
 sm e ms se
  u  

e se
   em
ue se
 `c  s
u  m
X:B(60;0,5)
n = 60
p = 0,50 q = 0,50
p(x = 40)
60
40

. (0,50)40 . (0,50)20 = 0,003635

= 0,00364

4.9.5 Um rgo Governamental credencia a firma A para fazer vistorias em

carros recuperados ou construdos particularmente e dar a aprovao ou para
que determinado carro possa ser lacrado no DETRAN. Resolve testar se a firma A
est trabalhando de acordo com suas especificaes. De um lote de 250 carros
vistoriados e aprovados por A, escolhe 50 e faz novas vistorias. Se encontrar no
mnimo 2 que no meream aprovao, descredencia A. Sabendo-se que no lote de
250 carros h 8 carros que foram aprovados irregularmente, qual a probabilidade
do descredenciamento?
!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s
e `  c `e 
  `  
e ` se
 
`e
ce u 
u e e c

s 

egu
es cm   e c

s s
s 

e 
 se
  `e
ce u
es e  cheg
 
e  u   sm e
` e 
 em
ue 
  
e se
 s  seec s e `c   
`m   me
 m m `
  esc
ee cme  em
ue se
 `c 
s
u  m
n = 50 selecionados
X:B(50;8/250)
p = 0,03

q = 0,97

P (x > 2) = 1 (P(x<2) = 1 (P(x=0) + P(x=1))

50
0 . (0,03)0 . (0,97)10 = 0,218065

'a

50
1 . (0,03)0 . (0,97)10 = 0,337214

1 0,555279 = 0,444721

4.9.6-O nmero de partculas gama emitidas por segundo, por certa substncia
radioativa, uma varivel aleatria com distribuio de Poisson com     Se
um instrumento registrador torna-se inoperante quando h mais de quatro
partculas por segundo, qual a probabilidade de isso acontecer em qualquer dado
segundo?
`cms  !s
u e ms `
se
um s
u e `
e sc
e e
eU`
ess em um ce
 me
 e ee s c

e
em um  `e
 em` cs eses
c

m cm um U m c hec e cs c ee  se  e`e e e  em`
ec

 ese  m ee   "m  um c s e em
ue    m e #
`
cus `
segu  $ cm e  `
cus `
segu  se 
  `e
 e
ue
sg fc  fu   `
e %u  s   e
m &'! !$ %()R
e
ems
ue eu
 me s s s
ues e ms  m  m

   

P(x > 4) = 1 P(x < 4) = 1 - (P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4))
P(X=0) =
P(X=1) =
P(X=2) =
P(X=3) =
P(X=4) =

  


  


  


  


  


= 0,049787
= 0,149361
= 0,224041

1 0,815261= 0,184737

= 0,224041
= 0,168031

4.9.7- Uma mquina produz determinado artigo; no fim de cada dia de trabalho
ela inspecionada com a finalidade de se verificar a necessidade, ou no, de ser
submetida a ajuste ou reparo.Para tal fim, um inspetor toma uma amostra de 10
itens produzidos pela mquina decidindo por ajuste ao assinalar de um a cinco
itens defeituosos, e por reparo, no caso de mas de cinco itens defeituosos . Se a
mquina est produzindo, em mdia , 1% de itens defeituosos, determinar a
probabilidade , aps uma inspeo:

':

Ajuste menos que 5 c/ defeito P(x<5)

Reparo mais que 5 c/ defeito P(x>5)
Media = 1% c/ defeito p = 0,01

q = 0,99

n = 10 itens selecionados

A) De no ser necessrio ajuste ou reparo;

P(x=0) =
10
0 . (0,01)0 . (0,99)10

= 0,904382

B) De ser necessrio apenas ajuste;

P(x=1) + P(x=2) + P(x=3) + P(x=4) + P(x=5)
10
1 . (0,01)1 . (0,99)9 = 0,091351
10
2 . (0,01)2 . (0,99)8 = 0,004152
10
3 . (0,01)3 . (0,99)7 = 0,000111

= 0,09562

10
4 . (0,01)4 . (0,99)6 = 0,000001
10
2c . (0,01)5 . (0,99)5 = 0,904382

C) De ser necessrio reparo.

P(x=5)
10
5 . (0,01)5 . (0,99)5 = 0,00000002

=0

4.9.9- Em um pronto-socorro o nmero de atendimentos de emergncia segue uma

distribuio de Poisson com mdia de 60 atendimentos por hora.Calcular:

'

A) A probabilidade do pronto-socorro no efetuar nem um atendimento num

intervalo de cinco minutos.
!esc

 "m u *se 
eg
 e 
+s `
 ch

u s e me s
em , m us u se  e me  `
 c m u &fc
ems 
`
e `
 e
 e me  em  m us u se     e    fu 
 `
e
P(X=0)

 


     

B) A probabilidade do pronto-socorro efetuar pelo menos 2 atendimentos num

intervalo de 10 minutos.
!esc

 "m u *se 
eg
 e 
+s `
 ch

u s e me s
em , m us u se  e me  `
 c m u &fc
ems 
`
e `
 m
e gu   e me s em  m us u se    
e * `  `   fu   `
e
P(

 = 1 P(X < 2) = 1 (P(X=0) + P(X=1))

P(X=0) =
P(X=1) =

 
    

   
  

= 0,00004539
= 0,0004539

1 0,0004992 = 0,999501

4.9.10- Uma fbrica de automveis verificou que ao testar seus carros na pista de
prova h, em mdia, um estouro de pneu em cada 300 m, e que o nmero de
pneus estourados segue razoavelmente uma distribuio de Poisson.Qual a
probabilidade de que:
A) Num teste de 900 m haja no mximo um pneu estourado?
!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e
#-. `c
ems  mUm  ` eu esu
 e 
  m `
es  e
    e `  `   fu   `
e


     

 

'V

P(
 = P(X=0) + P(X=1)

P(X=0) =
P(X=1) =

  


  
 

= 0,049787

= 0,149361

= 0,199148

B) Um carro ande 450 m na pista sem estourar nenhum pneu?

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e
#- `c
ems  ` eu esu
 e 
  m `
es  e     e
`   fu   `
e

      
 

P(X=0) =

    


= 0,223130

4.9.11 -Uma fbrica produz isoladores de alta tenso que so classificados como
bons e ruins de acordo com um teste padro. Da produo de um retiram-se 10
isoladores, que no laboratrio apresentam-se como sendo 8 bons e 2 ruins.Pede-se
calcular a probabilidade deste resultado, admitindo que a mquina produza em
mdia:
A) 95% de bons e 5% de ruins
!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s
e `  c `e 
  `  
e ` se
 
`e
ce u e s
es  s  
e 
 se
  `e
ce u
es e  cheg


e  u  e s
es
u s  sm e ` e 
 em
ue 
  

e se
 s  s
es   ./   `
ce gem e s
es  s e    
`
ce gem e s
es
u s
10
8 . (0, 95)8 . (0, 05)2 = 0,074634

= 0,07463

B)90% de bons e 10% de ruins

!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s
e `  c `e 
  `  
e ` se
 
`e
ce u e s
es  s  
e 
 se
  `e
ce u
es e  cheg


'


e  u  e s
es
u s  sm e ` e 

 em
ue 
  

e se
 s  s
es   ./   `
ce gem e s
es  s e    
`
ce gem e s
es
u s

10
8 . (0, 90)8 . (0, 10)2 = 0,193710

= 0,19371

4.9.12-Oito dados so lanados simultaneamente.Seja X o nmero de vezes que

ocorre a face 3, calcule:
p = 1/6.

X:B (8 ; )


A) Pm  
  m   
m   
m  

8
2 . (0, 16)2 . (0, 84)6 = 0,251810
8
3 . (0, 16)3 . (0, 0,84)5 = 0,095927
8
3c . (0, 16)4 . (0, 84)4 = 0,022839

B) P(

  

  ! m   
m   
m  

8
0 . (0, 16)0 . (0, 84)8 = 0,247875
8
1 . (0, 16)1 . (0, 0,84)7 = 0,37771
8
2 . (0, 16)2 . (0, 84)6 = 0,251810

1 0,877456 = 0,122605

C)E(X) = n*p

8.=

=

'

D)VAR(X)



. =


4.9.13- Calcular em 9 lances de uma moeda no viciada a probabilidade que se

tenha:
!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s e `  c `e 
  `  me `
se
h es
`c
ems  e ch ce `
 s s s  me u se `0    
e

mm se
  mesm `e
ce u e ` sms se
   sm e ` e 

em
ue 
  
e se
 s .  me s e `c   `m  m  
me
 me 

ue # c
s
p = 1/2

X:B (9 ; )


A) Menos de 3 caras
P(X=0) + P(X=1) + P(X=2)
9
0

. (0, 5)0 . (0, 5)9 = 0,001953

9
1

. (0, 5) . (0, 5) = 0,017578

9
2

. (0, 5)2 . (0, 5)7 = 0,070312

= 0,08984

B) Pelo menos 4 caras

!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s e `  c `e 
  `  me `
se
h es
`c
ems  e ch ce `
 s s s  me u se `0    
e

mm se
  mesm `e
ce u e ` sms se
   sm e ` e 

em
ue 
  
e se
 s .  me s e `c  *  `m  m
m# 
P(
9
0

  ! m   
m   
m  
m  

. (0, 5)0 . (0, 5)9 = 0,001953

']

9
1

. (0, 5)1 . (0, 5)8 = 0,017578

9
2

. (0, 5)2 . (0, 5)7 = 0,070312

9
3

. (0, 5)3 . (0, 5)6 = 0,164062

1 0,253905 = 0,7461

C) Exatamente 2 caras
!e
 u  s
u  m  e  
e
em s
u  m
cm `
me
s e `  c `e 
  `  me `
se
h es
`c
ems  e ch ce `
 s s s  me u se `0    
e

mm se
  mesm `e
ce u e ` sms se
   sm e ` e 

em
ue 
  
e se
 s .  me s e `c  m
P(X=2)
9
2

. (0, 5)2 . (0, 5)7 = 0,070312

= 0,070312

4.9.14- Um caixa de banco atende 150 clientes por hora. Qual a probabilidade de
que atenda:
A) Nenhum cliente em 4 minutos
!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e -,
`c
ems  e me s em  m us  e     e `   fu  
`
e
 "#$

    

"#$

P(X=0) =

    
  

= 0,000045

B) No mximo dois clientes em 2 minutos

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e -,
`c
ems  e me s em  m us  e     e  sm e `  `
  fu   `
e

 %&


%&



P(
 = P(X=0) + P(X=1) + P(X=2)

P(X=0) =
P(X=1) =
P(X=2) =

  
 

  
 

  
 



= 0,006737
= 0,033689

= 0,124652

= 0,084224

4.9.16 -Na fabricao de peas de determinado tecido aparecem defeitos ao acaso,

um a cada 250 m. Supondo-se a distribuio de Poisson para os defeitos, qual a
probabilidade de que na produo de 1000 m:
!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e
- `c
ems  efes  e     e `   fu   `
e

"

   
 "

A) No haja defeito
P(X=0) =

  
 

= 0,018316

B) Aconteam pelo menos 3 defeitos num perodo de 80 dias de trabalho a

produo diria de 625 m. Em quantos dias haver uma produo sem defeito?
P(

 1 'm  (

P(X=1) =
P(X=2) =

  
 

  
 



1 - P(X=0) + P(X=1) + P(X=2)

= 0,073263
0  ,

1 0,238104 = 0,761896 =6,6 dias

'

4.9.17- O CRH de uma firma entrevista 150 candidatos a emprego por hora. Qual
a probabilidade de entrevistar:
A) No mximo 3 candidatos em 2 minutos?
 "#$

   
"#$


P(
 P(X=0) + P(X=1) + P(X=2) + P(X=3)

P(X=0) =
P(X=1) =
P(X=2) =
P(X=3) =

  
 

  
 

  
 



  
 



= 0,265024

= 0,006737
= 0,033689
= 0,084224
= 0,140374

B) Exatamente 8 candidatos em 4 minutos?

 "#$

    
"#$


P(X=8) =

    
  

= 0,112599



4.9.18 -Seja X:B (300; 0,01). Usando aproximao pela Poisson, calcular:
X:B (300;0,01)

      

A) Pm  


   

= 0,168031



B) Pm
P(X=0) =
P(X=1) =

 = 1 p(  )) = 1 p(X=0) + p(x=1)

  
 

  


= 0,049787
= 0,149361

= 0,800852



C) Pm  
  P(X=2) + P(X=3) + P(X=4)

P(X=2) =
P(X=3) =
P(X=4) =


   



  
 




   



= 0,224042
= 0,224042

= 0,616115

  

4.9.19 -Um inspetor de qualidade recusa peas defeituosas numa proporo de

10% das peas examinadas. Calcular a probabilidade de que sejam recusadas:
A) Pelo menos 3 peas de um lote com 20 peas examinadas?
P(

 ) = 1 p(  ( ) = 1 [ P (X=0) + P(X=1) + P(X=2) ]

P(X=0) =
P(X=1) =
P(X=2) =

  
 

  
 

  
 



= 0,135335
= 0,270670

1 0,676684= 0,323316

= 0,270670

B) No mximo 2 peas de um lote de 25 peas examinadas?

P(X
 ) = P(X=0) + P(X=1) + P(X=2)
P(X=0) =
P(X=1) =
P(X=2) =

  

 


   


   



= 0,082084
= 0,205212

= 0,543811

= 0,256515

4.9.20- Sendo X:B (200;0,025) e usando aproximao de Poisson calcular:

X:B (200;0,025)

x     

A) Pm * + = 1 p(  + ) =

a

P(X=0) =

  
 

  


P(X=1) =
P(X=2) =
P(X=3) =
P(X=4) =

  
 



  
 



  
 



= 0,006738
= 0,033690
= 0,084224

1 0,440493 = 0,559507

= 0,140374
= 0,175467

B) Pm  
P(X=5) =

  
 



= 0,1754673

= 0,1754673

C) Pm
 = P(x=0) + P(x=1) + P(x=2)

P(X=0) =

  
 

  


P(X=1) =
P(X=2) =

  
 



= 0,006738
= 0,033690

= 0,124652

= 0,084224

D) Pm, ! ,   = P( 1 < x < 3) = P(x = 2)

X2<1
X<3
P(X=2) =

X 2 > -1
X>1
  
 

= 0,084224



4.9.21- A probabilidade de um atirador acertar no alvo num nico tiro . O

atirador atira 20 vezes no alvo. Qual a probabilidade de acertar:
So 20 tentativas independentes de um mesmo experimento aleatrio
X:B (20,)

x   = 5

:

A) Exatamente 5 vezes
P(X=5)
20
5

. (0,25)5 . (0,75)15

= 0,202331

B) Pelo menos 3 vezes

P(X 3) = 1 p (X<3) = 1 (P(x=0) + P(x=1) + P(x=2)
20
0

. (0,25)0 . (0,75)20 = 0,003171

20
1 . (0,25)1 . (0,75)19 = 0,021141

1 0,091259 = 0,908741

20
2 . (0,25)2 . (0,75)18 = 0,066947

C) Nenhuma vez
P(x=0)
20
0

. (0,25)0 . (0,75)20

= 0,003171

D) No mximo 4 vezes
P(X
 ) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)
20
0

. (0,25)0 . (0,75)20 = 0,003171

20
1 . (0,25)1 . (0,75)19 = 0,021141
20
2 . (0,25)2 . (0,75)18 = 0,066947
20
3 . (0,25)3 . (0,75)17 = 0,133895

;
= 0,414839

20
4c . (0,25)4 . (0,75)16 = 0,189685

4.9.22 -De acordo com a Diviso de Estatstica Vital do Departamento de Sade

dos EUA, a mdia anual de afogamentos acidentais neste Pas de 3 por 100.000
indivduos . Determinar a probabilidade de que em uma cidade com 300.000
habitantes se verifiquem:
A) Nenhum afogamento
  


 

P(X=0) =

  
 



= 0,000123

B) No mximo 2 afogamentos
Pm
2) P(X=0) + P(X=1) + P(X=2)
P(X=0) =
P(X=1) =
P(X=2) =

  


  
 

  


= 0,000123
= 0,001110

= 0,006231

= 0,004998

C) Mais de 4 e menos de 8 afogamentos

P(4< X < 8) = P(X=5) + P(X=6) + P(X=7)
P(X=5) =
P(X=6) =
P(X=7) =

  


  


  


= 0,060726
= 0,091090
= 0,117116

= 0,268932

V

4.9.23- Em teste com um motor, h falhas em 2 componentes, a cada 5 horas.Qual

a probabilidade de que:
A) Em 10 horas de teste nenhum componente falhe
 -./01

   
 -./01

P(X=0) =

  2
 

= 0,018316

B) Em 7 horas de teste ocorram no mximo falhas em 3 componentes

m
3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)
 

   
  

P(X=0) =
P(X=1) =
P(X=2) =
P(X=3) =


   


   

  
 




   



= 0,049787
= 0,149361
= 0,224041

= 0,647232

= 0,224041

4.9.24- Num lote de 40 peas,20% so defeituosas. Retiram-se 10 peas do

lote.Qual a probabilidade de se encontrar :
A) 3 defeituosas
P(X=3)




3 43  4
3
4

   

B) No mximo 2 defeituosas
m
2) = P(X=0) + P(X=1) + P(X=2)

P(X=0) =

343
 4

P(X=1) =

3 43  4

P(X=2) =

  

3  4




3  4

  

3 43
4



3 4

= 0,688265

  

4.9.25- Uma urna contm 8 bolas brancas e 12 bolas pretas.Retiram-se 10 bolas

com reposio.Qual a probabilidade de que:
P= 8/20 = 0,40 q = 0,60
A) No mximo 2 sejam brancas
5m
2) = P(X=0) + P(X=1) + P(X=2)

10
0

. (0,40) 0 . (0,60)10 = 0,006047

10
1

. (0,40) 1 . (0,60)9 = 0,040310

10
2

. (0,40) 2 . (0,60)8 = 0,120932

= 0,16729

B) 3 sejam brancas
P(X=3)
10
3

. (0,40) 3 . (0,60)7

= 0,214991

4.9.26- A probabilidade de uma mquina produzir uma pea defeituosa, num dia,
de 0,1.
A) Qual a probabilidade de que em 20 peas produzidas pela maquina num dia,
ocorram 3 defeituosas?

P(x=3)
20
3

. (0,10)3 . (0,90)17 = 0,1901198

=0,190120

B) Qual a probabilidade de que a 18 pea produzida no dia seja a 4 defeituosa?

P(x=18) =
17
3

. (0,10) 4 . (0,90)14 = 0,01555621

=0,0155562

C) Qual a probabilidade de que a 10 pea produzida num dia seja a 1 defeituosa?

P(x=10) =
(0,90) 9 . 0,10 = 0,0387420

=0,0387420

D) Separa-se um lote de 50 peas das 400 produzidas num dia. Qual a

probabilidade de que 5 sejam defeituosas, sabendo-se que das 400, 20 so
defeituosas?
P = 20/400 = 0,05, q = 0,95.
50
5

. (0,05) 5 . (0,95)45 = 0,065840

= 0,062105

E) Se a probabilidade da mquina produzir uma pea defeituosa, num dia, fosse de

0,01, qual a probabilidade de se ter no mximo 4 defeituosas em um dia de 500
peas produzidas?
mdia = 0,01
P(x<4) = P(x=0) + P(x=1) + P(x=2) + P(x=3) + P(x=4) = 0,44115
P(X=0) = e-5. . 50 = 0,006737
0!
P(X=1) = e-5. . 51 = 0,033689
1!
P(X=2) = e-5. . 52 = 0,084224
2!

= 0,440493

]

P(X=3) = e-5. . 53 = 0,140373

3!
P(X=4) = e-5. . 54 = 0,175467
4!

4.9.27- Sabe-se que o nmero de viajantes por veculos tipo VAN em determinada
rodovia segue aproximadamente uma distribuio binomial com parmetros n=
10 e p= 0,3(utilize apenas 2 casas decimais).
n = 10

p = 0,3

q = 0,7

A) Calcular o nmero mdio de ocupantes por veculo .

n . p = 10 . 0.3

=3

B) Qual a probabilidade de que um determinado dia o quinto veculo passar por

essa rodovia seja o segundo a transportar mais do que 3 pessoas? = 0,072459
P(x>3) = 1 P(x=0) + P(x=1) + P(x=2) = 1 0,423128 = 0,576872
P(X=0) = e-3. . 30 = 0,049787
0!
-3. . 1
P(X=1) = e 3 = 0,149361
1!
P(X=2) = e-3. . 32 = 0,224041
2!
P = 0,57

q =0,43

P(x = 5) =
4
1

. (0,57) . (0,43)3 = 0,103327

= 0,440493

C) A taxa de pedgio nesta rodovia cobrada da seguinte maneira:se o veculo tem

2 ou 3 ocupantes, R$ 4,00; e se tiver mais do que 3 ocupantes,R$ 2,00. Calcular a
arrecadao meia diria, sabendo-se que em mdia passam 300 veculos por dia
neste pedgio.
4,00 1 veiculo
X - 300 veiculos = x = 1.200,00

o dobro
2,00 1 veiculo
X - 300 veiculos = x = 600,00
Se P(x>3) = 0,57 .1.200 = 684,00
Se P(x = 2 ou 3 ) = 0,22 . 600 = 132,00 = R$816
(1.200 + 600) 816 = 984,00

= R$1.026,00