Be ee ee Bee au Ree urs Tu eae ees i wt Dee ae! pret "do Departamento de Matemética.da Faculdady de Engenhar ego agar ure ed TE a Ea Rec een Cog ue Cas Paes ‘iMakRon Books ESTATISTICA BASICA — Volume | Probabilidade Luiz Gonzaga Morettin Pontificia Universidade Cat6lica de — Faculdade de Engenharia Indu: PUC-SP F MAKRON Books do Bras Rua Tabapua, 1.348, Ii CEP 04533-004 - So Paulo - SP (O11) 829-8604 e (011) 820-6622 Jelém + Belo Ho oli » Fort So Paulo Riv de Janeiro * Cuiahd » Curitiba * Fi Recife + Salvador Barcelona + Bogoté * Huenos Aires + Caracas * Ciudad de México * Frankfurt + Lisboa * Londres » Madrid + Montevideo » New York = Paris * Porto + Santistalstea Bisica — Volume | Probablidade — 73 Esigio ‘opyight © 1999 MAKRON Books do Brasi Ector Lida 1uguesa reservados pela MAKRON Books fe dessa publicarao poder sor reproduzica fia de qualquer mod: pia, de gravacso, ou Ouos, dos o¢ direitos par 2 lingu: Beast Edtora ica. Nenu: Ualguer cu am preva a DITOR: MILTON MIRA DE ASSUMPCAO FILHO las R. Camargo ‘odutora Eat anlee aa ‘arena da $. Frangoze lragio Elovénica e Fotolios: ERJ Informatica Datos de Catalogagao na Publicagao Moretin, Luiz Gonzaga Estatsiea BAsica — Volume | — Probablicade ‘do Paulo: Matron Books, 1999 ISBN: 85.946:10622 A minha esposa DINALVA EDUARDO. \DRIANA @ ALEXANDREMAKRON Books SUMARIO + — Prefécio da 72 Edigio Preficio da 64 Edigio ....... .xI 1. Espago Amostral a 1 Introdugio 1 2 Espago Amosteal 1.3 Classe dos Eventos Aleatérios 1-4 Operagdies com Eventos Aleatérios 1.5 Propriedades das Operagoes 1.6 Partiglo de um Espago Amostral 1L7 Problemas 8 2. Probabilidade ... 2.1 Fungo De Probabilidade 2.2 Teoremas 2.3 Eventos Equiprovaveis 24 Probabilidade Condicional le 2.5 Eventos Independentes Is 26 Teorema de Bayes 217 Problemas Resolvidos 2.8 Problemas Propostos 4 3. Variéveis Aleatérias Discretas 2 Esperanga Matemitica 3.1 Definig 3.4 Distribuigao Conjunta de Duas Variéveis Aleatériax vii OOummm fi Estatistica BAsiea— Volume 3.5 Fungo de Distribuigao 6s 3.6 Exercicios Resolvidos or 85 3.7 Exercicios Propostos, Disteibuigies Tedricas de Probabilidades de Varidveis Aleatérias Diseretas 93 4.1 Disteibuigio de Bernoulli 93 4,2 Distribuigao Geomsteic: 94 453 Disteibuigao de Pascal 7 4.4 Distribuigdo Hipergeométtica 98 455 Distribuigdo Binomial 100 446 Distribuigdo Polinomial ou Multinomia! 104 4.7 Distribuigdo de Poisson 106 4.8 Exercicios Resolvidos 10 4.9 Exercicios Propostos 12 1. Varkiveis Aleatérias Continuas .. sees 129 511 Definigdes aesssovecrcowved ID 5.2 Principais Distribvigbes Te6ricas de Probabilidades de Varidveis. rigs Continuas 7 veered d8S Distibuigio Uniforme . 135, istribuig3o Exponencial 138 5.2.3 Distribuigso Normai 140 53 Problemas Resolvidos ences 150 5.4 Prablemas Propostos 161 3. Aplicagies da Distribuigde Normal. +165 6.1 Distribuigbes de Fungbes de Variiveis Aleatrias Normais 16s 62 Aproximagio da Distribuigde Binomial Pela Distribuigo Normal 170 6.3 Exercicios Resolvidos 13 6.4 Exereicios Propastos 181 Pabelas/Formutirios 185 Respostas, 197 Refertncias Bibliogréficas 209 MAKRON Books PREFACIO DA 7° EDICAO + ca e modifica Feitas pequenss slteragbes na parte te Na presente edigio fi Hid o actéscimo de pelo menos 50 novos exercicios, que foram aplicados em avali ges pelo autor (0 autor agradece as sugesties apresentadas por colegas, p lage de alguns problemas noves. ncipalmente na formu:nas MAKRON Books PREFACIO DA 6° EDICAO e Este livro¢ o resultado de experiénias vividas a partir de 1967 no Colégio de Aplicas io “Fidelino de Figueiredo” da FFCL, da USP, no IME-USP, Departamento de Estatvctes nna Faculdade de Economia Sio Luis, na Escola de Administragio de Empresas de San Paulo da FGV e na FEI — Faculadade dle Engenharia Industial Foi também testado em cursos de especializagio para professores de Maternitica, sendo apresontado como um modo diditico de se ensinar Estatistica, ssa soma de cursos e experiéncias mostrou que a melhor maneira de apresentar a ‘matéria, para mim, € expor os assuntos para 0 eas0 discreto, onde 0s conecitos sao tats facilmente assimiléveis pelos alunos, passando a seguir para 0 caso continuo, onde esses ‘mesmos conreitos ficario sedimentados Procuro, na maioria dos casos, aprcsentar os conceitos por meio de problemas. para depois defini-los. Sio apresentados exercicios de splicagio pars cade sani ubordece bem como exereicios propostos, no final de cada capitulo, NNo final do livro sio apresentadas as tabelas das distribuiges Normal, Binomial ¢ de Poisson © um formulirio geral, que permitiré 20 aluno, devido ad uso constante aravar as vérias formulas usadas no livro. Visto que este livro foi usado em cursos de Economia, Administragio, Cincias Contabeis, Biologia, Matemética e Engenharia, penso que poderi ser aplicado em cursos das varias éreas de ensino, bastando ao professor dar uma maior ou menor “dosagem” 10 contetido matematico, Esta edigdo vem acrescida de 4) problemas resolvides, no final de cada capitulo, que foram aplicads em av alae {6e5 nos cursos por mim ministrados; ) novos problemas propostos, dentro da linha acima: ©) duas tabelas da Distibuigi6 Binomial, uma para n 30.6 outra para p = 1165, ‘Ao colocar pelo menos 220 exercicios (exemplos, problemas resolvidos & propostes) procuro dar 20 leitor maiores condigdes de assimilar 0 contetida teirico do livMARRON Books ESPAGO AMOSTRAL 4.1. INTRODUCAO esmos, qualquer que sejaonimero Ge oconncieveicads ‘e fe tomannct im eterinado soo, sabemes que a uma cet temperatura hae) a yasenge pat xd Nid, Ese cee carcieia um fentmane deterlnisco Nos fendmenos aleatérios, os resultados nao serdo previsiveis, mesmo que haja un e ronda mero de repeiges do mesmo fendmen, e Por exemple: comiderrmos um pomar eam centens de lrancins, as produ es de cada Plana sero feremes © no provsveie, mesmo que se condigder da Tempera, presto, unin, slo, ec, sjam a earn para todas as drvores, @ Nos experimentos aleatérios, mesmo que as condigdes iniiais sojum sempre 2B EXEMPLOS 2) langamento de uma moeda honest: 2} langamento de um dado @) langamento de duns mocdas 3} rela de uma cara de um barlho completo de &} ctcrminagdo a ide Gl de um components een, 2 ean exparmentoahnrio elf wonloas a Feukad obo, que no 6 pret iva do expenimento serdo 2 cartas 'No exemplo a os eventos axsociados sto cara (c) coroa (r); no exemple b pode ‘ocorrer uma das faces 1, 2,3, 4, $ ou 6. |atistica Basica cap. ESPAGO AMOSTRAL amostral de um experimento aleatirio é © conjunto dos resultados do experimen: ‘elementos do espago amosteal serdo chamados também de pomtas amostrais epresentaremos 0 espago amostral por Q, os exemplos dados em I.1, 0s espacos amostrais sto ) D= ler 9) @=1,2,3,4,5,6 2= €.N.(.0. GOD) 1) G2= Ap... Ko, Ap... Kp. AB... KE A 9) O=te RI D evento aleatério pode ser um tnico ponto amostral ou ume reunifo deles, como ‘08 no exemplo a seguir: “angam-se dois dados. Enumerar os seguintes eventos: A saida de faces igus: 3: saida de faces cuja soma seja igual a 10; saida de faces cuja soma seja menor que 2; da de faces cuja soma seja menor que 15, saida de faces onde uma face & o dobro da outra Determinagaa do espago la (produto cartesiano). nostral: podemos determini-lo por uma tabela de dupla el i ]2ifayzyg4ifsite Dy a) {oa [os | | oo | oe anleraleasleol es | ee en fealaa lan los [oo ao t@a las [ao | as | oo 6ol6al6a 16 | os | 66 wn | 62) 69 [os | eo (0s eventos pedidos sto: Ae (1.1).2.2), (8,344.4. (5, 9).66,6) B46) (5.5) (64) © =4 (evento impossfvel) Cap. Espago amosiral 3 = (1,262.1), 2,4). (3, 6). (4, 2606. 3) [Uma outra mansira de determinar o espaco amostral desse experimento € usar 6 diagrama em drvore, que seré Gtl para a esolugio de problemas fututamente Bis 0 processo: 6.3) 4) + 68) is 0A00 weon00 —_PONTOS AMOSTRA'SEstatistica Basica—Volume! Cap.1__ 3 CLASSE DOS EVENTOS ALEATORIOS FINICAO. E 0 conjunto formado de todos os eventas (subconjuntos) do espago aca efeito psa finite nplo, consideremes um e Q= eer classe dos eventoy alearios € i FiA)=4/e1.02, eheaylete4, ened €2 Para deterinarmeos © nimero de elements (eventos) de F(2) observamos que ¢ comesponde a(4 Kefroceaanien |? er. fe soesponde (1) irl. feed nareepoole (3) neticamente, se 6 ndimevo de pontos amostrnis de am espago amostral Finito & 2, eno \imero de eventos de F & 28, pois ~o- ep f 4 OPERACOES COM EVENTOS ALEATORIOS ideremos um espago amostal finito @ = e1,e2.€3,... eH Sejam A e B dois eventos de FO), As seguintes operagives sie definidas a) REUNIKO DEFINICAO. AUB reunido € formado pelos pontos amostrais que pe Cap.1 Espace [e) Qe Acuee B encem a pelo s b) INTERSECCAO DI eventos Ae B. FINICAO, AN B= ci€ Dige Accie B, secydo & formado pelos pontos amostrais que perencem simultaneament nO Obs, Se AM B=0, Ae B slo eventos mura ¢) COMPLEMENTAGAO AsA= We Qe A DEFINICAO. 2 r f wente exelusivos — \ Exempl primeira moeda Deterininar os eventos A safda de faces iguais e B Owe a de cura ni OOCOSOHCHHEHHEHOSEHOOHOEHOOCHOLOHABEOSitatstica Basioa Volume! Cap. AUB.AAB.A.B, (AUB) (A OB) AM B.AUB.B-AA-B, AABeEBNA Resolugdo: = COMED ED, A= (e660) B= (ch(c0) AU Bal(ecch (enh (e An B= (ec) Ae ten.eo} ne) P(e 2) (0) AnBetle.n) Boaslen PROPRIEDADES DAS OPERAGOES am A, Be C eventos asso vlidas: um espago amostral ©. As seguintes propriedades a) IDEMPOTENTES AMA=A AUA=A b) comuTarivas AUB=BUA ANB=BOA ©) associaTivas ANBAC)=(ANB)NC AUBUC)=(AUBIUC a Cap.1 Espace amostral 4) DISTRIBUTIVAS AUBAC)=(AUB)N(AUO) AABUC)=(ANB)U(ANC) e) ABSORCOES AUIANB)=A AQ(AUB)=A {) IDENTIDADES AnQ=A AvQ=a hh) “LEIS DAS DUALIDADES" ou “LEIS DE MORGAN (AnB)=Aod (AUB)=A0B Bssas propriedades so facilmente verificadas, 4.6 PARTICAO DE UM ESPAGO AMOSTRAL Rin Ze DEFINIGAO, Dizemos que os eventos At, Az, An forma amostral 2 se n uma partigdo do espaa) ») ° 17 1A 172 173 14 sitica Bésica — Volume! Cap. Avteiett ALM Aj=, paraiei =O PROBLEMAS Languit'se us moedas. Enumerar 0 espago amosiral ¢ 0s eventos fa) faces iguas b) cara na 14 meds; €) coroa na 22 e 38 moedas. Considere a experiéncia que consiste em pesquisar famfias com tres eriangas fom relayo a0 sexo das mesmas, segundo a ordem do nascimento, Enumerar o= 2) acorréncia de dois filhos do sexo masculino, bb) ocorréncia de pelo menos um filho do sexo masculino; {¢) ocorténcia de no maximo duss eriangas do sexo feminino. ‘Um tote contém pegas de 5, 10, 15, .. 30 mm de dimetso. Suponina que 2 ‘eas agjt scleionadas no Hote, Se xe y indicam respectivamente os difmetros be i ¢ 24 pegas selecionadas, o par (x, y) represents um ponto amostral. Usando o plano cartesiano, indicar os seguintes eventos: a) A=(x=y) b) B= (| bals dean EXEMPLOS DE APLICAGAO 1. Sendo P(A) =x, P(B) =y © P(A B) =z, calcula a) PKA UB b) PANE ©) FAB) d) AUB) Resolugao: a) (AUB) = PAB) = 1 - b) P(A 0B) = PUB) = 1- =P ANB)= 1-2 AUB)=1~ P(A) +PCB) B) =1-x-y €) PAB) = P(B--A)= P(B)~ P(A B)=y— 4) PAU B)= PIA) + PUB VB)= (1a) Fy12 Estatistiea Baslca— Volume! Cap.? 2. Demonsirar que P(A UB UC) = PLA) + PCB) + PIC) ~ PLA.) sei 1, so equiprove PANO) PBAC)+PA MB NC). = Plea) = p, isto €, quando todos tém a mesina probabilida Demonstragao: PAU BUC) =PKAUB)U ‘quando Pret) = Pt de oconer ]= PIA UB) + PIC =P(ALB)NC)=FA}#A)-RAN B+ PO)=PIA NOUBA RANA) Logo. 20:4 poses amas een) so epoca MO)=PAN)= RAC) FIBAC)- ch om dsp ants PkARCyn BNO amos sear posite dum te A C2, Sporas RAUBUO =A) RB) AO)-RANB)-RANC) ponosamesa PBAC)+PAMBAC) A cher uth 1 SkS k 2Pei j=l iat 3, Sejam A,B e C eventos tis que P(A) = P(B) = PCC) epBnc=! Pa Caleule a probabilidade de que e P(A) EXEMPLOS DE APLICAGAO 1. Retiva-se uma carta de um baralto completo de de sair um rei ou uma carta de espraias? Seja A: saida Ue um rei e B: saida de uma carta de espada Resotucd sama vemos que AB AC=6, logo PAA BAC) f Aplicando 0 resultado do problema anterior temos: A= (Ro, Re, Re, Rp) + PA) = PAUBUC) byt g-o-! 40-18 B XAUBU 3*5 5 B= (Ae.2e,.n Re) PB) = 53 2.3. EVENTOS EQUIPROVAVEIS Observames que AB = [Re ‘onsideremos 0 espago amostral Q. €n| associado a um experimento RANB)= 5 seats Logo Caamemos Pee = pai a P(A B)= POA} + PKB) — P(A AB) dpe PaauBy=se! 4 16 Pauey= 16ala: 5 sapazes com mais de 21 anos, 4 2.0 seguinte grupo de pessoas est numa rapazes com menos de 21 anos, 6 mocas com mais de 21 anos e 3 moyas com calhida ao acaso dente as 18. Os seguintes ‘menos de 21 anos. Uma pessoa & eventos slo definidos: ‘A> a pessoa tem mais a pessoa tem menos de 21 anos: Coa pesos é um rapaz: D: a pessoa é uma moss, Catcular a) ABU) b) AC 115K, 4r,6M, 3m) = p A= (SR.6M)— PIA) D= (6M, 3m) PD) 18 a) PB UD) =P(B) + PD)~PIBAD) 3 Como B.D = 3m), temos que PUB D)= 55. Logo: PBUD) i BU =a b) PA n ©) = PA UC) = 1 PAU C)= I~ PA)+ PIC)— PAC) Como A.A C='SR| e PAMC)= jy femnos que 1 pant -3 boy is76 Como A = Be € =D temos ap. 2 Probabilicae 15 Nem sempre ¢ possivel enumerar 0 espago amostral, Nesses casos, dever usar a andlise combinatéria como processo de contagem. V ximos exemplos, 3. Em um congresso cientifico existem 15 matemiticos € 12 estatisticos. Qual a Probabilidade de se formar um: matemiticos € 2 estatisticos? comissio com 5 membros, na qual fgurem 3 Resoluedo: A: comissio de 3 matemiticos e 2 esiatistico: o-(2 Jesnises (:} f 4. Qual a probabilidade de, num baralho com 52 cartas, a0 se retirarem 4 canas. a6 acaso, sem reposigio, se obter uma quadra? Resolucdo: A: sata de uma quaden | & ndimero de quééruptas 13 niimerw de quadras B Pay= 7s 4 4) 5. Caleular a probabilidade de se o de uma moed: cexatamente 3 earas ¢ 2 coroas em 5 lances Resolucdo: A: saida de 3 catas e 2 coroas n= 25=32 (mimero de quintuplas) 5) k=[3}=10 tnimeros de quiatuplas com 3 caras ¢ 2 coroas) stip aS P= 35 16 6. Uma uma contém as letras A, A. A, Ry Ry S. Retri-se letra por letra, Qual 2 probabilidade de sara palavra Araras’5 Estaisien Basia — Volume! Cap. 2 Az sida de palavra ARARAS. Resoluita: =60 .4 PROBABILIDADE CONDICIONAL \trodusireios a nogao de probabilidade condicional através do seguinte exemplo: CConsideremos 250 alunos que cursam o primeiro ciclo de uma faculdade. Destes unos 100 so homens (H) ¢ 150 so mulheres (M), 110 cursam fisica (F) e 140 cursam simice (Q). A distribuigdo dos alunos € a seguinte: iscipina F a Total men H 40 60 100 ™ 70 80 180 Total 110 140 | _| Um aluno é sorteado 20 acaso. Qual a probabilidade de que esteja cursando quimi- a, dado que & mulher? ry CObservamos, porém, que P(M ©. Q) a ei 20_ 29 PM) = 150 = 150. Cap. 2_ Provabilidade Loge: PO Q) Pm) = PEND Sejam Ac Qe Bc O. Definimos Probabilid corre (A/B) como segue je Condicional de A dade que Is carte" ®22) peo a0) = PROP) Rye Tanbén rar PB OM) eae ExEMPLO Sendo Pays 4) = Ze RIAL B= 1, exer RA) esol PAQB) mo RAB) = BAD, deems clr PAN como RAH) =P le AOR) (A) + PCB) = P(A MB), temos: 3 oRANB) © PAN: my 2 Logo, P(A/B)= 0 = 5 Tiramos da definigo da probabilidade condicional 0 chamado TEOREMA DO PRODUTO: Sejam A ¢ Qe B CQ. Entio P(A B)= PIB). POA/B) ou P(A 9B) = P(A): PIB/A). EXEMPLO Duas bolas vio ser retiradas de uma ur verdes. Qual a probabilidade de que ambas sm 2 bolas branes. 3 pretas e 4 2) sejam verdes? 'b) sejam da mesma cor? Resolusto: 28 avaa 9876 b) POMC) = PBB) + PPAP)+ PVA a) POV AV) =PLV): PV/V) = 132 sto 8798 18 A generalizago do teorema do produto & PUMA P(A1) -P(A2/A1)- P(A3/AL A). PAR/AL DARA AnD Resol indo o Problema 6 de 2.3, usando essa generalizagio, temos PARRA ANRNANS) P(A) PIR/A): PIAA) PIR/AA ROA) PIAA ROAD) PE/ANROAD, L 0 1 3 ARNAHE i EVENTOS INDEPENDENTES mACQeBEQ Intuitivamente se A e B sio independentes, P(A/B) = P(A) ¢ P(B/A) FINIGAO: & © B sao eventos independentes se P(A.“ B)= PLA) PCB). PLO PB) 3 moetdas. Veriticar se so independentes os eventos: A: sada de cara na 1 moeda: B:_saida de coroa na 28 ¢ 38 moedss. cap.2 Probabilidade 19 (coe), (eer), (ered (err) 2 PLA, B= (ern), ()) 2. AB) = 5 = 5 Loge: P(A): PIB) = 478 Come 1 AnB= {(em) e PANB)= 5 temos que A € B so eventos independentes, pois P(A. B)= P(A) PCR) Obs. 1. Para verifiearmos se 3 eventos A, B eC sto independentes. devemos verti se a8 4 proposigdes slo satstetas P(A): PCB): PIC) Se apenas uma nfo for satsfeta, os eventos win so independentes. D2. Se Ae R sin mutuamente exclusives, entio A # R sin depondentes, pois se A ocnire 'B no acone, ito , a ocorréncia de um evento condiciona a no-oooeréncia do ou. Resolveremos um problema que mostrard bem a distingdo entre eventos mutuamen te exclusivas e independentes, PROBLEMA Sejam A e B eventos tais que P(A) =0,2, PCB)=P, P(A UB) =0,6. Coleular P conside rando A ¢ B: a) muluamente exclusivos; ») in dente. Resolugdo: 8 06=0,.2+P-0 ‘a) Ae B mutuamente exclusives => P(A PAB by Ac B independentes = PIA. B) = P(A). PB) =02: Peomo PAW B) = PAU B)= = PCA) + PIB) ~ PLA VB) vem 0.6 = 0.2 + P se [P05] PA) + P{B) - P(A 9B) ver 02°20, Estatistica Bisica— Volume | Cap.2 fas = Bray EXEMPLO idade de que unm omem estes vive dagui 30 anos € 2; a de sua muller é de A 2 pyteminr a prbailade de que da 030 moe a) ambos eam vive 2} Some ome ej of eaten cae Resolucdo. Hi 9 homem estard vivo dagui a 30 anos; Ms mulher estaré viva dagui a 30 anos. Chamaremos de b) P(H 9M) = PCH) PUM) = ) PHM) = POH PUB = 5 ) PHM) = POH) POM) = 9) PH My = Pan) POM) = 3 LH OM) = PON) POM) = 2 e) PIN OM)= Patt) + PIM) — Pi M)=2 +2 ) PLO M)= PUtt)+ PUM) ~ POM) = 5+ 5 ~ = 45 | Cap.2_Probabildade 21 fou X: pelo menos um vivo Pox pixy=1-be 2.6 TEOREMA DE BAYES Teorema da Probabilidade Total *Sejam Aj, A2, An eventos que formam uma pantigdo do espasy ames, Seja Bum evento desse espaco, Entio PB) = 3 Pray PB/AL iI Demonstragao: Os eventos (B Ai) ¢ (BOVA}), para 14}, 11.2 one j= LQ io mutuamente exchosvos, pis (BAAN (BOA) = BOAO) =BO9=0 O evento B ocorre coma segue BAADUBAADUBAANL.. UB OAs P(B) = PUB. At) + PUB 9 Aa) +P AAs) +. + PUB An) e usando 0 teorema do produto vem: P(B) = P(A1) P(B/AL) + PCa). P(B/A2) + Av) ou P(B) = $ (A) PB, EXEMPLO Uma uma contém 3 bolas brancas © 2 amare, Unis segundss uma contém 4 bols se, também ao aca, elas, Escolhe-se, ao acaso, uma urna e dela tia uma bola, Qual a probabilidade de que seja brane?wwe basica— Volume! Cap.2_ soluge: a3 | | | a | Usando-se 0 Teorems do Frodtoe » Teorema da Pao bilidade Total temos, L P(A) - PCB, f P(A\/B) = PA) PBA) a. nyet 2 P(A) P(A) Paya! Pip 4-2 O Teorema de Bayes & também cham de Teoren i 2 6 wea THseiona uma das parcetas da probablidade pr Logo a bole branca pode ocomter ‘otal B=Bonu Bam EXEMPLO °(8)= PIB 1) + PB -\ 11) A urna A contém 3 fichas vermethas ¢ 2 uss €a uma B contém 2 vermelhas ¢ 8 aru 1B) =P) PBA) Pau). PB yy Joga-se uma mocda “honesta”. Se a mos pay=!3,1 219 xttai-se uma ficha Set coroa, extrai-se uma ficha ds 3730 tenia? tt fica vermelha€ extrada, Quals probs bilidade de ter saido cara no langarnento? da urna A: se Problema também pax er Fesolvido usandosse o di Resolugdn. =, 3s 1 | av | | m vA) L* | 2g TON. 5 . ia x a st | Querines: Key Ike hoa P(cy = PVC 5 Pn=! P(Vit) = 2 io ue forinam uma partigao do Q. §, WBCQ Ss ‘Como: 1 em Eat POD ERCAV + Hey Hay: tB/a tn PLA\/B), ' _ PO=PO)- PWC) 4P-Pewy hs ot mV) =cap. 24 Esttistica B Volume Probabilidade 25 Caleulamas agora MCV 2.7.2. As probabilidades de 3 jogadores A, B eC marcarem um gol quale cobram um woz tet 3 penaltisio 3, #6 f, respectivamente. Se cada um cobraruma Sinica vez, qual a piciy) = POC) _ 10 _3 ' bahilidade de que pelo menos um marque um gol? YOO. a8 probabilidade de que pelo menos um marque un a 2 4 7 10 PIA)= 3. PB)= 5 PO = 1H nbém pode ser resolvido pelo diagrama em drvore, como segue vs v0 3 PAUBUC)=1- PAU BUG =1-PAD BAC iS aa er) a pA) PB) PE) x07 307 c Y 35107!" 30750 Se 2.7.3) Em uma indistia ha 10 pessoas que ganham mais de 20 sarios minimos (sn. 20 que ganham enice 10 ¢ 20 s.m. e 70 que ganham menos de 10 sm. Teés ani pessoas desta indistria sio selecionadas. Determinar a probabilidade de que pelo . menos uma ganhe menos de 10 sm wo A z ‘Aza pessoa ganha mais de 20s.m.— P(A) = 0,10 B: a pessoa ganha entee 10 € 20s.m.—+ . P(B) = 020 Ca pessoa ganha menos de 10 sm.—+ P(C) = 0,70 PCUCUO=1-PEUCUE)= 4- P(ZATNT) PC) PC) PO = = 0,30. 0,30- 03% 2.7. PROBLEMAS RESOLVIDOS ‘2.7.1 Unwa urna contém 5 bolas brancas, 4 vermelhas ¢ 3 azuis, Extraem-se simulta rneamente 3 bolas. Achar a probabilidade de que: a) nenhuma seja vermetha; 'b) exatamente uma seja vermelha; ¢) ipdta seam da mes con 2.7.4 Ae B jogam 120 pantidas de xadrez, das quais A ganha 60, B ganha 40 € 20 {erminam empatadas. A ¢ B concordam em jogar 3 partidas. Determinar a proba- bide de 58 \ 2) A ganhar todas as av b) duas partidas terminarem empatadas; Lay ¢) Ac B ganharem aiternadamente, 87.6 1 01 8) psy -ravnH=t . pay= od ) PINS.) = PV Y= 49 110755 120° 2 ; wi FAV) we Bia, 01 b) EUS) = PVA VOY) PREA= 5 4170 w= fa ©) PITSM.C) =P BAB) +P AV AV) MADAMA)» Oa PE) = 1557 43,4.3.2,3.2 12076 5 . . 13 [2-1 ot 2 io 2 107 a4baat 22278 b) PE) =PENENE) (PR)! = a) RAMAN A)= bisa. 666° 2 PIAMB MA) + PIBOANB)= 5 54.5 c) P(Ac B alternadamente) va bil 237127 18 36 7.5. Sto retiradas ums 2 uma, alestoriamente, bolas de uma urna até obter-se a pri- meira bola branca. Mas 2 cada tentativa dobia-se a quantidade de bolas azuis colocadas na uma. Sabendo que inicialmente a uma contém 4 bolas azuis € 6 brancas, calcular a probabilidade de obter-se a primeira bola branca no méximo sa 38 tentativa mn 20 tentativa {84 2 tentativa {16 serene (fp (BIS) + PEALE. Bad) + CALS Ant 38) = 6.4 6.4 “o* 10 14." 10 6 Um ote de 120 pegas € entregue ao controle de qualidade de uma firma. O responsivel plo stor seleciona 5 pegas. © lot ser aceito se forem observadas (0 0u 1 defeitosas. Hé 20 defeituosas no lot. a) Qual a probabilidade de olote ser aceito? b) admitindo-se que o lte sea acito, qual a probabilidade deter sido abservado $6 um defeito? 201 fi P= 076 P@= 5 a) P(A) = P(Od ou Id) = P(Sd) + PCLd e 4) = Pda dd) + add dd)- PRi4= =0,4019 +0,4019 207 2.7.8 27.9 oap.2 Probabilidade 27 PUd OA) _ 0.4019 P(A) ~ 0,8038 ‘Accaixa A tem 9 cartas numeradas de 1 29. A caixa B tem 5 eartas numeradas ve 11a 5. Uma eaina € escolhida ao acaso e uma carta & retirada. Se 0 niinero & ps {qual a probabilidade de que a carta sorteada tenha vindo de A’ ed 4 PLA) PIA) =§ 1, ppm) =? 2 5 PP)= PANE) + PAP) POP) = PLA) PUPA) + PB): PPB) w14a,12 19 P= 3 942 5745 Pane) 29 10 PAP) POP) 19/4519 b) Paw) 0s PB) Num certo eolgio, 4% dos homens © 1% das mulheres tm isis de 1.75 de Stra 60% dos estodantes so mulheres, Um estan € escolido a0 tem mais de 1.75 m_ Qual a probabilidade de que sejs homer? {ro estdante tem mas de 1,75 one 0 LUO opie vs P(A) = 0.016 + 0,006 PIA)= 00: “ope A NMEA) 905 ora aS 1 099% PUA) PY Uma caixa tem 3 mcedas: uma nao viciads, Logo: 0016 _ 8 4022 Paya) oulra com 2 caras © ums terceina vin de mato qua probs de comer cra nea mond de. Uns moeda € selecionads a0 acaso na caixa, Saiu cara. Qual a probabilidade de que a ‘38 moeda tenha sido a selecionada?28 Estatistica Bésica— Volume! Cap.2 ‘A: primeira moeda B; segunda macda Ci tereeita movda Ld L iis P rene, 1 | ; - nena? 3] «R=! ‘ i BA is) 4s Loge: nC) Plc) ~ 17/30" 17 2.7.10 Uma urna contém 4 bolas brancas ¢ 6 bolas vermethas; ovtra uma contém 3 bolas brancas e 6 vermelhas. Passa-se uma bola, escalhida ac acaso, da primeira para a segunda uma, e em segui, retiram-se 5 bolas desta slima, com repos ‘plo, Qual a probabilidade de que ocorram 2 vermelhas ¢ 3 brancas nessa ordem? (097 04) p Soe, 2V €38)= 0.011862 Pve@Ve3B)) eve say PEEVE 0.002646 ON, anven', | Cap. 2 Probabitidade 29 vendew um carro da marca s. Qual « probshilidade de que o individuo que 6 ccomprou seja da classe B? Hans) HO—* Pwo, 2 wn s BE ~ ‘Too Qo * pics) sig — pwns) __ 375 PUB) = poy = 317100 “7 2.7.12UIm certo programa pode ser usado com uma entre duas sub-rotinas A eB, ependendo do problema. A experitncia tem mostrado que a sub-rotina A é uusada 40% das vezes e B é usada 60% das vezes. Se A é usada, existe 75% de chance de que © programa chegue a um resultado dentro do limite de tempo. Se B 6 usada, a chance & de SOM. Se 0 progs ‘tempo, qual a probabilidade de que a sub-rotina A tenha sido a escolhida? P(A) = 044 = PIR/A)= 0,79 = P(A. R)=0.300 P(B) =0,6 + PAR/B) = 0,50 = PLB. R) = 0300 Logo: P{R) = 0,300 + 0,300= 0,600 _PAGR) 03 EMAAR PIR) 0.6 a foi realizado dentro do limite de = 0,5 ou 50%, 2.7.13. uma X contém 2 bolas azuis, 2 brancas ¢ | cinza, © a urna Y contém 2 bolas ‘aus, 1 branca e 1 cinea, Retira-se uma bola de cada urna, Calcule a probabil dade de sairem 2 bolas brancas sabendo que sio bolas de mesma cor A}+ PBB) + ICC) Ptmesma corPB Bymesma cor) 7.14 Num periodo de um més, 100 pacientes softendo de determinada doenga foram internados em um hospital. Informagies sobre o método de tratamento aplicado tem cada paciente e 0 resultado final obtido estio no quadrado abaixo Jane] ] Resultado | \ comm | co _[ eo] 100 a) sorteando aleatoriamente um desses pacientes, determinar a probabilidade de o paciente escolhido: fay) ter sido submetid ao tratamento A, a2) {er sido totalmente cutado; 1) {er sido submetido ao tratamento A ter sido parcialmente cutado; fag) ter sido submetido ao tr b) os eventos “morte” e “tatamento A” sGo independentes? Justifica. ¢) sorteando dois das pacientes, qual a probabilidade de que: 61) tenbam recebido tratamentos diferentes? 2) pelo menos um deles tenha sido curado totalmente? amento A ou ter sido parcialmente curado, 0 a) at) PIA) ) 81) PLA) = 99 = 98 BO. -4 1007 2 Probabiidade 31 P(A) + P(PC) - P(A. PC ] | } PM): P(A) =0.2.x0,6= 0.12 1640.40.24 = 0.76 12 PMA) = =0,12 PIMA) = 169 = P(Mn A) =P(M)- P(A) Logo, 08 eventos “morte” ¢ “tratamento A” s ©) er) iratamentos diferentes P(x) = P(A B)+P(B MA) =2x 0.6 «04 2) surado totalmente PTA) 06 -06= Pei uz) 1 PQ) PG) = 0,36 = 0.64 2.7.15 A probabilidade de que um atleta A ultrapasse 17.30 m ni de 0,7. Oatleta da 4 saltos. Qual a probabilidade de a salts ultrapasse 17,30 m? 9 nico sate tiplo é e em pelo menos num dos Ptu)=0, P@)=03 Plu Vir UusUu)=1= PE Nasa Ma = 1 ~ PG) - PG) - Ps) - POs) = =03-03-0,3-0,3 = 0,081 = 0.9919 2.7.16 Um dado A tem 3 faces brancas ¢ 3 pretas; um did B possui 2 faces brancas. 2 pretas-e 2 vermethas; um dado C possui 2 faces brancas 4 pretas, € um dado D. 3 brancas ¢ 3 pretas. Langam-se 0% quatro dados. Qual a probabilidage de que a) pelo menos uma face seja bra bb) tr@s sejam pretas?2B 3B al Bi2P ad 2v 28 [3B Sar Pie Cuidado: as probabilidades das cores nfo sfo as mesmas nos quatro dads. P(Bi) PBa) - (Ba) - PCBs) = +E 2 oPinay+ PEAR OP sn Pe 324.3,3.2.23,944.3, 6'6'6'67°6'66 676.666 224s Ltt 5666 W369 18 3674 2.7.17 A urna | tem 3 bolas brancas e 2 preias, a uma II tem 4 bolas brancas e 5 pretas, ‘urna III tem 3 bolas brancas e 4 pretas. Passa-se uma bola, escolhida aleatoria- mente, de I para Il, Feito isto retira-se uma bola de Ie retiram-se 2 bolas de II. (Qual & probabilidade de sairem 3 bolas da mesma cor? PUBOB) 18 sig 3 EO), 8 > Pa) p RBOM, 15 ineany. i} penpy=3 __cap.? probabil PIMC) = PIB 23 PIMC) = 59°96 450767 50 2.7.16 Uma urna x tem 8 bolas pretas ¢ 2 verdes. A uma y tem 4 pretas e 5 verdes © a luena 2 tem 2 verdes ¢ 7 pretas. Passa-se uma bola de x para y. Feito isto, passa-se ‘uma bola de y para 2. A seguir, zeriram-se 2 bolas de z, com reposigZ0. Qual a probabilidade de que ocorram duas bolas verdes? p 2202, yy + a 93°08 vy + 0,036 02-02 p 22:2, w + 0.0082 y 08:03, ww» 0108 PCY nV) =0,016 + 0,036 + 0,0032 + 0,0108 = 0,065 2.7.19 Um aluno responde a um reste de mitipla escolha com 4 alternativas eo + sé-correta. A probabilidade do que ele saiba a resposta certa de uma quest 30%. Se ele nio sabe a resposta existe a possibilidade de acertar “no cht existe a possibilidade de ele obter a resposta certa por “cola Se ele aceriou a questio, qual a probabilidade de cle realmente saber a resposta? ede Nao - 2808S 93 OD ray-oas / 4 BBOD gas 7 PSA) _ 03 0.6316 Pea) 0,475 7 O88 P(s/a) uma empresa fotogrifica estima que a probabilidade cle que um fia snstantaneas tem tas panos, er 2.7.20 Um analists de firma eoncorrente planeje fabricar juipamentos para f¢ entre dos proximos 3 anos ¢ 0,30. Se a firma concortente SCOOKSSNHOSHSHOHSOSHOHOCHHOHOHOSHHOHGAAELALEE3A_Estatistica Bésica— Volume! Cap. 2 ceertamente construida uma nova fibrica, Se nio tem tais planos, hé ainda uma probabilidade de 0,60 de que, por outras eazbes, construa uma nova fabrica, Se iniciou os trabalhos de consirugio de uma nova fabrica, qual a probabilidade de PELANF) ose NN - > Pave) = ee np PEON, 427 A OFF PEPLONE)_ 03 m= = 03 = -04167 De PINE) "0.727 12 "O16 7.21 Uma urna X tem 6 bolas brancas e 4 azuis. A urna Y tem 3 bolas brancas e 5 azuis. Passam-se duas bolas de X para Y ¢ a seguir retiram-se duas bolas de Y com reposigio. Sabendo-se que ocorreram duas bales azuis, qual a probabilidade ue das azuis tenhiam sido transferidas de X para Y? ran) = 3068 0.3407 PRA S99 = 0.40 ~ £6 2a 0" io POA/2Ay=p 2A02A) _ $88/9000 _ 588 POAZA)=P 2a). * 306679000 3066 = 0.1918 PROBLEMAS PROPOSTOS A seguinte afirmagio tata da prohabilidade de que exatamente um dos eventos A ou B ocorra, Prove que: PQA B) U(AB)) = PLA) + PLB) — 271A 9B) —————————— _ a Cap.2 Probabitidade 35 2.8.2 Em uma prova cairam dois problemas. Sabe-se que 132 alunos acentaram « Primeiro, 86 erraram o segundo, 120 acertaram os dois e 54 aceriaram Problema, Qual a probabilidade de que um aluno, escolhide ao acaso: 2) nio tena acertado nenhum problema? b) tenha aceriado apenas 0 segundo problema? 2.8.3) Em uma cidade onde se publicam trésjornais A. B e C, constatou-se que entie 1000 familias, assinam: A: 470, B: 420, C: 315, Ae B: 110, AeC:220, BeC Escolhendo-se iio ueaso uma familia, qual a probabilidade 4) no assine nenhum dos trés jomais? 1b) assine apenas wa dos ts jormais? €) assine pelo menos dois jornais? 2.8.4 A tabela abaixo dé a distibuigio das probabilidades dos quato tipos sangtiineos. numa certa comunidad [tio sangiines [a | Ae oe] tipo especificaco al | Caleular a probabilidade de que a) um individuo, sorteado ao acaso nessa comunidade, t 1) dois individuos, sorteados ao acaso nessa comunidad B, nessa order; ©) um individuo, sorteado ao acaso nessa comunidade, no tenha 0 tipo Bow ro tenha o tipo AB. tipo 0: Fenhim tipo Ae tp 2.8.5 Quince pess jas numeradas de | a 15. Tres Pessoas so escolhidas ao acaso e sio retiradas da sala, Os mimeros de suas insignias s30 anotados. Qual a probabilidade de que as em uma sala estio usando ins €) 0 menor numero seja 7? 'b) o maior nimero seja 7? 2.8.6 Uma urna contém bolas numerads: 1, 2.3, caso. Eneontee 3 probabilidade consecutivos se a extragio €feita n, Duas bolas si {ue os mimetos das bos sejai inteitos15 Estatistica Basiea — Volume! Cap. 2 a) sem seposigie, b) coin reposigio. Colacantse 4 niinieros positives ¢ 6 negativos em 10 memérias de ura maquina de calcular (um em cada meméria), Efetua-se o produto dos contetidos de + imemérias selecionadas ao acaso, Qual a probabilidade de que seja positive? “Trés cartas vio ser retiadas de uin baralho de 52 cartas. Calcular a probabilidade de que fa) todas as trés sejam espadas bb) as ts cartas sejam do mesmo naipe: (0) as tréscartas sejam de naipes diferentes. 2.8.9. Uma uma contém 10 bolas verdes e 6 bolas azuis. Tiram-se 2 bolas 20 acaso. (Qual a probabilidade de que as duas bolas: a) sejam verdes? bb) sejam da mesma cor? €) sejam de cores diferentes? 2.8.10 De uma caixa com 10 JAmpadas, das quais 6 estio boas, retiram-se 3 Jampadas it. Qual a probabilidade de que: ‘0 acaso € que Sio testadas a sey a) todas acendam? bb) pelo menos uma Kimpada acenda? 2.8.14 Uma uma contém 5 bolas pretas, 3 vermelhas, 3 azuis € 2 amarelns. Extraem-se simultaneamente 5 bolas. Qual a probabilidade de que saiam 2 bolas pretas, 2 ‘auuis e uma amarela? 2.8.12 Uma uma contém 4 bolas brancas, 4 vermelhas e 2 pretas. Outra urna contérs 5 bolas braneas, 3 vermelhas e 3 pretas, Extraise uma bola de cada urna. Qual 3 probabilidade de que sejam da mesma cor? 2.8.13 Unis caixa contém 6 lampadas de 40 W, 3 de 60 W e I de 100 W. Retirara-se 5 impadas com reposigio, Qual a probabilidade de que’ a) saiam 3 de 40 W, 1 de 60 We 1 de 100 W? b) saiam 4 de 40 We | de 60 W? ¢) nao saia nenhuma de 60 W 2.8.14 Numa sala hi 4 casais, De ea probabilidade de serem escolhiios 3 homens ou 4 mulheres? al uin dos componentes & escol 2.8.15 As probabitidades de yin estuntante oo euise beisicn de una Faenlwe escother centre niatemiitica, fisica e estatistica si0 0.3, 0.3 ¢ 0.2, espeetivanncite, Selector ham-se a0 acaso 3 estudantes do ciclo basico desta Taculdade, Qual a probabil dade de que pelo menos um escolha estatistiea? 2.8.16 Duas pessoas langam, cada uima, 3 moedas, Qual a probabilidade de que trem © 2.8.17 De um grupo de 12 homens © 8 mulheres, cetiramese 4 pess comissio, Qual a probabilidaue de pa formar uma 2) pelo menos uns mulher fazer parte da comissio? bb) uma mulher fazer parte da comissio’? €) haver pessoas dos dois sexos na comissio? 2.8.18 A ¢ B altemadamente e nessa ordem, langam independentemente 3 moedas Ganha o primeiro que tirar faces iguais. O jogo termina com a vitéria de um deles. Qual a probabilidade de A ganhar? Qual a probabilidade de B ganhar? 19 Um tabuleiro quadrado contém 9 orificios dispostos em 3 linhas ¢ 3 eolunas, Em cada buraco cabe uma Gnica bola. Jogam-se 3 bolas sobre tabuleiro. Qual a probabilidade de que os orifieios ocupados nao estejarn alinhados” 2.8.20 Uma uma contém } bola azul e 9 brancas. Uma segunda uma contém x bolas azuis e as restantes biances, num total de 10 bolus, Realizam-se 2 experimentos, Sseparadamente c iulependentes entre si 2 10) retirar ao acaso uma bola de eada urna 29) reunic as bolas das 2 urnas e em seguida retirar 2 bolas a0 acoso, em 2 bolas Calcular © valor minimo de x, a fim de que * probabilidade de atu seja maior no 20 que no 1° experiment 2.8.21 Duas Limpadas muins so misturadas com 2 limpadas boas. As testadas uma a uma, até que 2 ruins sejam enconiradas. Qual a probabilidade de que a chiima ruim seja encontrada no: Limpadas so a) segundo tes! ) terceiro teste: ©) quarto teste. 2.8.22 Da produsio difria de pega de Retinamese § pegas da produgdo dessa miquina num deierminade dia, Qual 2 probabitidade de que na deterrninada miquiny, 10% sin defeituosas. 2) no miximo duas sejam boas? bb) pelo menos quatro sejam boas? COSHNSHSHSHHSHHHSHHSHHHHOHHHHHHCHHHOHOOEEEE ———_— Estatistica BAsiea— Volume |_ Ci ) exatamente trés sejam boas? dd) pelo menos uma seja defeituosa? {8.23 Quatro holsas de estudo serio sorteadas entr © 18 do segundo ciclo, Qual a probabilidade de ro cielo fe 30 estudantes: 12 do pr {que haja entre os sorteaos: 2) um do pins clo Be eum segunda ea 2} escmeno um dca cel J rancad&chve& de 2H 8.24 & probabilidade de que a porta de uma casa est 10 chaves em um chaveiro, Qual a probabilidade de que um individu entre na casa podendo utilizar. se necessério, apenas uma das chaves, tomada ao acaso do chaveiro? 8.25 Em uma uma estio colocadas § bol 1) Retirando-se 5 bolas, sem reposigio, calcular a probabilidade: fat) de as ts primeiras serem azuis e as das tltimas brances; az) de ocorrer 3 bolas azuis e duas brancas. ‘sem reposiga0, ealeular a probabilidade: las azuis € 10 bolas brancas. bb) Retirando-se 2 bola bb) de a segunda ser azul ba) de ter sido retiada a primcina branca, sabondo oe que » segunda & azul 2.8.26 Num supermercado ha 2000 limpadas, provenientes de 3 fabricas distintas X, Y eZ. X produziu $00, das quais 400 boas. Y produciu 700, das quais 600 boss, € Fas restantes, 628 quis 500 boas. Se sortearmos a0 acaso uma das kimpadas rnesse supermercado, qual a probabilidade de que: a) seja boa? bb) sendo defeituosa, tenha sido fabricada por X? 2.8.27 Uma em cada dez moedas apresenta o defeito de ser viciada, isto 6, « probabili- wr moeda & 0,8. Sorteamos ao aeaso uma mocda e @ dade de obtermos cara nes « probabilidade de termos Tangamos 5 vezes, obtendo-se 3 caras € 2 coroas. Qual escolhido a moeda viciada? 2.8.28 Uma uma contém 3 bolas brancas e 4 azuis. Uma outra contém 4 braneas © $ ‘azuis, Passa-se uma bola da primeira pura » segunda urna, e em sezuida, extra se uma bola da segunda urna, Qual a probubilidade de ser branes? una a partida Se stir 3,4 ou 5, perde: Se 2.8.29 Uma pessoa jaga um dado, Se sa 6 6 diteito de jogar novamente, Desta ver, se sat 4 sai Low 2, te sair outro mimero, perde. Qual a probabilidade de ganhar? 2.8.30 4 urna A tem 3 bolas pretas € 4 brancas. A uma B tem 4 bolas brine 2.8.31 A fbria A produziu 4000 I cap.2 Propabilidade 39 colocada na urna B- Retiram-se pretas. Uma bola € retirada ae acaso da uma a0 acaso 2 bolas da urna B. Qual a probabilidade de que: a) ambas sejam da mesma cor? 1b) ambas sejam de cores diferentes? npadas ea fébrica B 6000 limpadas. 805% das scolhese uma Hampadas de A sio boas e 60% das de B so boas também. E: ampada ao acaso das 10000 limrpadas. Qual a probabilidade que: a) seja boa sabendo-se que é da marca A? b) seja boa? ¢) seja defeituosa © da marca B? 4) sendo defeituosa, tenha sido fabricada por B? 2.8.32 A porcentagem de carros com defeito entregue 0 mercado por cel € historicamente estimada em 6%. A produgao da montadora ver ots fib cas distintas, da matriz A e das filiais Be C, nas seguintes proporwes: 60 30% 10%, respectivamente. Sabe-se que a proporgao de defeitos n9 malriz A € ‘dobro da filial B e, da filial B € o quédruplo da filial C. Determina’ 4 pore tagem de defeito de cada fabrics 2.8.33 Uma uma contém 4 bolas branease 5 pretas, 2 bolas siosetiradas a0 280d uma e substituidas por 2 bolas verdes. Depots disto, etiram-se 2 volts Qual a probabilidade de safem bolas brancas? 2.8.94 A uma I tem 3 bolas brancas ¢ 2 pretas. A urna Il tem 4 bolas brancis¢ 5 Prt a urna III tem 3 bolas brancas e 4 pretas. Passa-se uma bola, escolid lea ral a montadora fiamente, de | para Tl Depois disso, passa-se uma bola da urn 1 pst WF em seguida reticam-se 2 bolas de TI. Qual a probabilidade de safon 2 boas brancas? 2.8.35 Uma uma tem 5 bolas verdes, 4 azuis ¢ 5 braneas. Retiram-se 3 Wi8s com reposigdo. Qual a probabilidade de que no méxinio duas sejaim bras 2.8.36 Num congresso cientifico, a composigao de 4 comissbes A, B,C eDésseeult te: S homens (h) € 5 mulheres (m), 3 he 7m, 4 he 6 me 6 he 4 mespoctis mente, Uma pessoa escolhida ao acaso de cada comissio © & fmsdt ums ‘nova comissio E. Qual a probabilidade de que E seja composta po a) 2 mulheres 1b) pessoas do mesmo sexo: ‘¢) somente por homens. 2.8.37 A experitncia mostra que determinado aluno A tem pr ver e acertar um exercicio novo que Ihe € proposto. Seis novos jobabitidade 19 Fel40. Estatistia Basica — Volume |_Cap.? - apresentados ao sluno A para serem resolvids, Qual a probabilidade de que resolva e acerte: 1) no maximo 2 exereicios: ') pelo menos um exereicio 0) 0 seis exercicios. 2.8.38 A uma I tem 3 bolas brancas ¢ 4 pretas. A urna Il tem 4 bolas brancas e 5 pretas ‘A urna Ill tem 3 bolas brancas e 2 pretas e a uma IV tem 4 bolas brancas ¢ pretas, Passa-se uma bola, escolhida ao acaso de I para II ¢ também passa-se tima bola, escolhida a0 acaso, de II para 1V. Feito ist, retira-se uma bola da turna Il e uma bola da urna IV. Qual a probabilidade de safem bolas da mesma 2.8.39 Uma urna tem 3 bolas brancas, 3 pretas ¢ 4 azuis. 2 bolas dessa urna e substituidas por 5 vermelhas. Depois disso, retira-se 1 bola, Qual a probabilidade de sair bola azul? 2.8.40 Uma caixa A contém 6 bolas azuis e 4 vermelhas, e outra B contém 4 bolas azuis ‘¢ 6 vermelhas. Uma pessoa extrai ao acaso uma bola de uma das caixas. A probabilidade de que seja azul € O44, Qual a preferencia (probabilidade) da retiradas a0 acaso pessoa pela caixa A? 2.8.41 Sao dadas as umas A, B eC, Da uma A € retirada uma bola e coiocada na urna 3. Da uma B retira-se uma bola que € colocada na urna C, Retira-se entfo uima bola da urna C. A probabilidade de ocorrer bola de cor vermelha é 0,537. Deter minar 0 valor de x sabendo que as umas t&m as seguintes composigbes [3 vermethas (9 —x) vermelhas | 6 brancas x brancas 7 vermelhas + AS brancas 2.8.43} ma empresa produz o produto X em3 fabrics dstintas A, Be C, como segue 2 produgio de A'é 2 vezes a de B, ea de C é 2 vezes a de BO produto X € Srmazenado em wm depésito central, As proporgGes de produsio defetuosa sie Si de A, 3% de Be 4% de C, Retia-se uma unidade de X do depésivo © ‘eriicase que ¢defeituso. Qual a probabilidade de qe tena sido fabricado por B? 2.8.43 Trés miquinas A, B e C produzem, respectivamente, 40%, 50% e 10% da produ: ¢4o da empresa X. Historieamente as porcentagens de peas defeituasas produ Sas cm cada maquina slo: 5%, 3% € 3%, respectivamente, A empresa X ccontratou um engenheito para fazer uma revisio nas miquinas € no processo de produgio. Tal engenheiro conseguiu reducir pela metade a probabilidade de p igualou as porcentagens de defeitos das 8 defeituosss da empresa ©, ainda miquinas A e B,e a porcentagem de defeitos em C ficou na metade da consegut {da para B. Quais sio as novas porcentagens de deteitos de cada miquina’? | a 3 MAKRON Books VARIAVEIS ALEATORIAS DISCRETAS — 3.1 DEFINIGOES Na pritica é muitas vezes, mais interessant esr posable sorte Seve nh Go ge potas Introduziremos o conceito de varidveisaleatéras discret com o seguinte problema: Langam-se trés moedas. Seja X: niimero de ocorréncias da face cara, Determinar a distribuigho de probabilidade de X © espago amostral do experimento & ELC ME HOH DG Oe (6D. 0, (61. 0} Se X € o mimero de caras. X assume os valores 0, 1, 2€ 4. Podemos associar a esses mmeros eventos que correspondam 2 ocomréncia de nentuma, uma, duas ou trés ccaras respectivamente, como segue: X_ | Eventocortespondente | Ca er | 1 \* {ert Cork (Mh | 2 [As=fee.N (ene (neo) __[As= (co) Podemos também associar as probabilidades de X assumir um dos valores, a8 pro babilidades dos eventos correspondentes: POC = 0) = PAL) = POX = 1) = P(A2) = a COOCCeSCOOC OE OEC OOO OOH OAAAAAADAe2 Estat 3 Pix =2)=PIAN = 3 1 POX = R= PAD § Exquematicamente, Grafica _ + 700 {_x_| P00 3] i al, ° | 1 @ 1 [| a8 : 2 ud . [s 1 [ 1 a CObservamos que em © fizemos o seguinte tipo de associagio: EY > ae 1 LEntzo podemas dar a sepuinte defnigdo: varidvelaleatéria € a fungzo que associa «todo evento pertencente a uma partigio do espago amostral um Ginico nimero Fel ‘Notamos que a varidvel alealGria para ser discreta deve assumir valores em um conjunto finito ou em um conjunto infinito, porém enumerdvel, Indiearemos, no caso finite: XE xt 2, Ma Por ® podemos definir Fungia de Probabilidade DEFINICAO. Fungdo de Probabilidade & a funcao que associa a eada valor assumido pela varidvel aleatéria a probabilidade do evento correspondente, isto € P(X = 6) = POA T= 1 2s Ae conjunto {(xi, pox) i= Ie. 0) damos © nome de Distribuigdo de Probabitida des da varidvel aleatéria X como no quadro & ¢ grafico 4 E importante verificar que para que haja uma distibuigio de probabilidades Je uma variével aleat6ria X & necessério que E pag a EXEMPLOS DE APLICAGAO 4. Langam-se 2 dados. Seja X: soma das faces. Determinar a distribuigao de proba bilidades de X. the] ol . a | 306 % + + s | 46 % ¥ | as alos on 7 638 * : i ‘ a oa as wae 2. Suponhamos que a varidvel aleatéria X tenha fungao de probabilidade dada por Bow rxepedieh Caleta a) PLX ser par b) X23) €) P(X ser miltiplo de 3),44_Estatistca 8 Resolu: set par) = P(X = 2) + POX = 4) + PK = 6+ rad 4/41 4 tie * oat TH 1434 b) POX 2 3) = POX = 3) + PK =4) + PIX = = Vat, We at, “3716 ~ 2-4 PX 23) ~ (PK = 1) + PX =2) = af (¢) P(X ser multiplo de 3) = POX = Sly ly 2 1 vet ac ve WaT 3.2 ESPERANGA MATEMATICA Existem caractersticas numéricas que sio muito importantes em uma distribuigio de probabilidades de uma varidvel aleat6ria discreta. SE0 os pardmetros das distribuigoes. ‘Um primeiro pardmetro & a Esperanga Matemética (ou simplesmente média) de uma varidvel aleat6ria Introduzimos o conceite com o seguinte problema: Uma seguradora paga R$30,000,00 em caso de acidente de carro e cobra uma taxa de RS1,000,00. Sabe-se que a probabilidade de que um carro sofza acidente & de 3%. ‘Quanto espera a seguradora ganhar por carro segurado? Resolucdo: Suponhamos que entce 100 carros segurados, 97 dio luero de RS1,000,00 € 3 «dao prejuizo de R§29.000,00 ($30,000.00 ~ RS1.000,00). Lucro total = 97 » RS 1-000,00 = 3 = RS29 000,00 = R10 0.00 Lucra méiio por carro = R$10.000.00 : 100 = R100. vero por earto e 6 luero médio por carro de E(X), 97 1.000,00- 3 100 Se chamarmos de X: 100,00 bet= 000,00 atérias discretas 1000.00 — + 29.00.00 = ' lwo 1.000 00 — 0.03 - 29,000.00 000,00 ep (xi) =0.97 29.0000 p (x2) = 0.03 one Seja Xe m1 2, on Xa © POX = 8 = PO DEFINIGAO a) A esperanga matemética é um nimero real. E também uma média aritmética ponderada, como fo visto no exemplo, Notagio: E(X), HX), Has Hh EXEMPLOS DE APLICAGAO 1. Resolugio do problema pela 1X: “Lucro” por euro, Fazendo uma tabela, temos: fing. x Po X= PO) 1.000 0.97 970,00 | = 29,000 03 = 870/00 - 1 100,00 isto é, 0 lucro médio por cart & de RS100,00. ular E(X). 2.No problema da pag. 41, ca_ a 6 Estatistica Bisica — Volume! Cap. 3 Cap. Varlévas aleatérae decretas 47 eeticto: 4. Num jogo de datos, A paga RS20.00 ae langa 3 dados. Se sae face 1 em umn dos dados apenas, A ganha RS20,00. Se sair face 1 em dois dados apenas. A ganha R850,00, e se stir 1 nos trés dados, A ganha RS80,00. Caleular 0 lucro | * £09 x" POO iquido médio de A em uma jogada ° we o Resolugo: 1 38 38 ae bee RECEBE PAGA —-LUGRO LIQUID ‘A: apenas uma face 1 2 = oe aie penas uma face 20 2 ° Beapenasduas faces 1 50 20 20 1 128 = 18 - C:trés faces 1 80 20 60 Er Ds nenhuma face 1 ° 20 20 ‘ou o niémero médio de caras no langamento de 3 moedas & 1,5 caras eX: = 20,0, 30, 60 3. Suponhamos que um nimero sejasorteado de 1 a 10, inteiros positives. Seja X: Observamos que: niimero de divisores do nimero sorteado, Calcular 0 nimere médio de divisores i - <0 nero sorteado, PAy= he Resolugdo: 1 15 X: numero de divisores, logo PB) = % 35 Ne_[ Nie aivisores MO =4 ar 6 216 1 1 5 12s 2 2 - PO) = 5 216 2 a x | PRO |x POO Fazendo o dispositive pritico: 4 3 1 [ino [ino 5 2 2 ano_| eno x ra) x-F00 6 4 3_| 210 | so =20 vases | ~2500016 7 2 «| sio_| 1210 ° 75216 0 8 4 1 [| 27 30 197216 4507216 9 3 0 ete e216 10 4 | 1 = 1.9907216 niimero médio de divisores do miimero sorteado.48 Estatstica Baslea — Volume! Cap.3 PROPRIEDADES DA ESPERANCA MATEMATICA 41. E(k) = k, k: constant, Demonstragdo: + pix =k =k ist BA) = 2 k- pCa 2. E(k: X)=k- EX) Demonstragao + Ex posi) =k EX) Bk X)= Eki pos ist 3. E(X + ¥) = B(X) E(Y) ssa propriedade sera demonstrada posteriormente (pag. 60). ae] Sx] <2 cow lev] ist 5, E(aX + b) = aE (X) +b, ae b constantes Demonstragdo. BiaX +b) = EaX) + E(b) = ak (X) 4b 6. EX =0 Demonstragto: E(X ~ Hs) = EX) ~ B(fs) = BUX) 3.3 VARIANCIA (© fato de conhecermos a média de uma distribuiglo de probabilidades jé nos ajuda bastante, porém no temos uma medida que nos dé o grau de dispersio de probabilidade em torne dessa média Vimos que 0 desvio médio, E(X ~ jz) 6 nulo, logo ndo serve como medida de ispersio, ‘A medida que dé o grau de disperstio (ou de concentragio) de probabilidac tomo da média 6 a Vari Para efetuarmos o estude da var cia consideraremos as distribuigdes das variiveis aleatérias X e Y com as suas respectivas médias. POY | x POX 38 218 i. | “lel |-lalgls ficos das duas distribuigbes, para termos uma melhor idéia da con: So ou dispersio de probabilidades em torno da médie, que é 1 I” Notamos que hi uma grande concentragdo de probabilidades em X'e uma grande dispersao em Y, com relagio A médis Definiremos, agora, variincia, R(X) =E {Ld No caso discreto, seja X: x1, X24 Xn € PX DEFINIGAO Nowe. RX), V (X). 2X) OF lcularemos a VAR (X) do exemplo com essa frmulax | Px x-poy | =H | =e | ox -a2= PO | ° 1/8 ° “1 | 118 1 68 68 ° ° ° 2 18 28 1 1 ve 1 wet VAR 0X) Deduziremos uma frmula mais fécil operacionalmente de ser aplicada VAR (X) = E (IX ~ ial)? = E (X? + 22a * X= =E 2) + BU) E ue XI =X?) + 12 — 2 E (X) = EO) + HE =B(%)- 2 ou VAR (X) = E (X2) — {6())? onde E 0X2) = Bx? p(w i= Caleularemos a VAR (¥) usando essa férmula y | Pm | vepm | v-pm -2 | 1% = 215 a5 = 15. 15 15 15 ° ° 15 36 95 5 55 255 1 E (2) = 095 VAR (¥) = B(¥9) = (EY) Bip VAR (= 32-1 VAR (¥) = 268 5 CObservando novamente os grificos ¢ os valores de VAR (X) © VAR {Y), cone! mos que: Quanto menor u varidncia, menor o grau de dispersdo de probabilidades em tomo da média © vice-versa; quanto maior a varidncia, maior o grau de dispersdo da probabitidade ey torno da média. ‘A variancia € um quadrado, e muitns vezes 0 resultado toma-se artificial, Por exem plo: «altura média de um grupo de pessoas & 1,70 m e variéncia 25 em?. Fica um tanto ‘quanto esquisito cm? em altura ‘Contornamos esse “problema” definindo Desvio Padrao, DEFINI (0. Desvio Pairao da variivel X 6 a raiz quadrada da variincia de X, isto 6 (on = NODS =05 Joy =V68 =2,61 Nos exemplos Usando a tabela da distibuigdo normal (que sera estudada posteriormente, vemos {que no intervalo de (\.~ 0) a (H+0) 0 grau de concentrago de probabilidades em torno dda média & de 68%; no intervalo de (\t~26) a (du +20). © grau de concentragio de probabilidades em tomo da média & de 95% e essa concentraglo € de 99,75 no intervaio de (y.~ 30) a (1+ 30). wa20 wn-o k}__— 90% pte tte tte | opie — Exemplificando, edisermos que a aura média() do homer brasil aul & de 1,70 me desvio pad (6) Sem, estaemnos dizendo que ene: 1,65 me 1.75 m encontramos 68% da populagdo masculina aula brasileira 1160 me 1.80 m encontramos 95% ds populagdo microlina adulta brasil 1138 me 1.85 mencontramos 99.7% da popula masculina adult brasila EXEMPLO DE APLICAGAO (Os empregados A, B, C ¢ D ganham 1, 2, 2 e 4 salérios minimos, respectivamente. Retiram-se amosiras com reposigio de 2 individuos e mede-se 0 sakirio médio da amos- tra reirada. Qual a média e desvio padrio do salério médio amostral?Tmresras | Sais | AA 10 rw 1 AC 15 AD 25 BA 15 on 20 [ac 2.0 a 30 Seja X: salério médio amostral x | Peo | x-pey | P00 10 | me | 16 16 15 | ane | one ene 20 | ane | ene en 25 | ane | sie 1256 30_| ane | rane 38016 ao_| ine 106 1 E (x2) = 00.516 Logo: €(X)= 2.22.25, mélia do saisio médio amostal (oy = 059375 (2) =o.s ) [ec] desis ptt do aso mio ma PROPRIEDADES DA VARIANCIA 1. VAR (k) = 0, k:constante Demonstragdv: VAR (k) = E (Ik (K)P) = E (Ik - ki?) =0 | Cap. 3_Varidveis aleatorias discretas 53 2. VAR (kX) = kB VAR IX) VAR (kX) = (1kX ~E (XO)2} = E (UX ~ KE (X)P) = FE (PIX -EQ0P) = E (IX-EQUR) = k= VAR (X) 3. VAR (X # Y) = VAR (X) + VAR (Y) # 2 cov (X, Y) VAR (X +) =E (|(X+¥) - EX + VV} Demonstracao: E(x - EQ) 20Y - EP) = E(IX-EQOR#1Y-EQP 2[X—E(X)) “|Y-EQ)IF =E (IX -EQ)P) +E (IY- EP} £28 (IX-EQOI-[Y-EQ)} = VAR (X) + VAR (¥) #2 cov (X, Y) DEFINIGAO. COVARIANCIA ENTRE Xe ¥. cov (X,Y) = E (XE ()} “Y- EY) ‘A covaridncia mede o grau de dependéncin entre as duis varidveis Xe ¥ a.van($ x B var cm+2¥ cov ixiX) 1 5. VAR (aX +b) = a2 VAR (X), a b constantes, Demonstragao: VAR (aX +b) = VAR (aX) + VAR (b) + 2 cov (aX. b) como cov (aX, b) = E {aX ~ E (aX)]{b ~ E (b)]} = 0, temos VAR (aX £b) = a2 VAR (X) 3.4 DISTRIBUIGAO CONJUNTA DE DUAS VARIAVEIS ALEATORIAS ur mais de umm resultado de um experimen Muitas vezes estaremos interessados em to aleat6rio, Faremos, apenas, 0 estud das variveis aleatirias bidimensionais. Introduziremos esse assunto com o seguinte problema reais) © da Dado 0 quadro a seguir, eferente a0 salitio e tempo de serviyo de determinar a distribuigao conjunta de probsbilidade da varivel X: saléri variivel Y= npo de en anos OOOO ee cceoncccccceeoeecoceoncnes= 2o0_| 000 =| Facemos uma tabela de dupla entrada onde, no Probabilidade conjunta das varidveis X e Y exemplo: P(X = 500. ¥ = 4) = 6 ganhe 500 e te © servigo, 0. = 5) = 2. pois ten servigo, De modo andlogo, calcularemos as demais probab em no quad Totais das colunas INCAO DE PROBABILIDADE CONJUNTA Beja X uma var el aleatéria que assum res x1 leatoria que assume 08 valores yi, y2, yp EFINICAO. A funglo de probabilidade conjunta associ 1. asm probabil i Y= ¥))= plas 9). Damos © nome de distribuigd conjunta de probabil ali. ¥ (6s: 9, pox. mej Observamos que A tepresentagao erdlica da variavel bidimensional (X. * dois operdrios que ganham 600 as | ie Lite | 8 J pels Te Pe ts orp da Pols ndo hi nenhum operitio que idades conjuntas, que apare- | wo fe to = | Xo Am © Y uma varisvet da par (Ris Y= Ly wae DISTRIBUIGOES MARGINAIS DE PROBABILIDADES Distribuigdo Marginal de X Da tabela © tiramos a tabela: A Probabilidade Marginal de X PIX = 600, ¥ =4) + P(X = 600, Y = 5) + PLX = 600, ¥ = 6 42,1 3 1o* 10710 Logo podemos definic Probabitidade Marginal de X = xj, = fx DEFINIGAO,pecccccvccccccccceccceccccaasananaa Cap.3_Vatiavels a stgrias alscretas 57 56 Estaistica Bdslea — Volume! Cap. . @ ae x PO) | x POD Erxen=2 £ pmp=t 300 | 110 | s0on0 im vist : | - 00 | ao | te0010 DISTRIBUIGAO MARGINAL DEY =a Taha | Da tabela © tramos a tabela 200 | ano | 2acono 1 680 EX) = 680 ¥ Pa) - 4 110 0 salirio médio dos opesirios € de RS680,00 5 3h 1] Y poy | y-Pm 6 eno | 4 wo | a0 1 5 ano_|_1si0_| Observamos que a probabilidade marginal de 6 eno 10 | P(X = 500, ¥ = 6) + POX = 600, or 1 55. Ba)=55 | L 2,2 6 ; Pca, yee tt 2,2 6 © temnpe métio de servigo dos opeitios € 5 anos ¢ meio. P= 800. Y= 9) = 19 +19 +10 T1019 T° Se dos ope DISTRIBUIGOES CONDICIONAIS Poderemos estar interessados em calcular © sakirio médio dos operitios com 5 anos de Logo podemos definir a Probabilidade Marginal de DEFINIGKO servigo, por exemplo « ‘Queremos Pry=yp= 8 PX=n, Y= yh i= 12 oan EQUY =5) . DEFINIGAO a 8 Pike Wl Zpa=sy=8 Focus m ra jeniet RY =y) 40 Podemos, dada a distibuigio conjunta de probabilidade mostrada ua tabela DEFINIGRO calcular E(K): slr médio e EY): tempo médio de servigo PX =x:Y¥=y), i=fixo P= IK = x) = ® P=) j= 2am ERX =x) 40 DEFINIGAO f. Bye POY, F= bene EOUY ¥ Se j= finoeee go estatistica Bésiea — Volume! C2P.9_ DEFINIGAO Q & ,. pUKiy, i= fixe sevaxaan=B we povadeE a Eg 2512 om Assim PIX = SO0rY oO" gy = PRX 600. PX = OY == yes) 3/103 —sopyy 2) B= 100-Y=5)_ 10 1 Poke TOON =S)=" yes)” 3710" 3 POX a3) =0 Caleutando ECX/Y = 5) temos: x Poy = 8) | x» POY =5) 500 ° © 600 28 120073, 700 118 7003 wo | ° 190018 ERY = 5) = 633,33 6 aaldrig médio dos operirios com S anos de servigo € de RS633.33. Da mesma forma podemos definir y= aim? Peavy) ou VAR VAR(XIY « yj) = E(X27¥ = yi) ~ (HOY = yp? conde BIXeY =y) =f Cap. 3_Varidveis seatérias discrotas $9 VARYIX ) E yw? pGi/ad.00 4) = EVIK = 4) ~ (BUYIN = DF VAR(YIX, onde EQ =n) =E FOV - ‘Como aplicagio desta definigBes podemos calcula 0 tempo meio de serigo ¢ desvio pads dos operirios com salarios de RS700.00. ‘Queremos ECY/X = 700) € VAR(YIX = 700) Y POWIK = 700) Y- PIYIK y2-P(yiK=700)_| 4 o ° ° | 5 2518 : =| | VARIAVEIS ALEATORIAS INDEPENDENTES sejan |X! Me sme POC xD =P To be nyne PCY yi) = plyyei= 12s DEFINIGAO. As vardves aleatrias X ¢ Y so independentes se somente se P(X sw x. ¥ = yp) = POX = xi) * PCY = yh para tod pars Dei = be Bow me d= 2 [As variiveis Xe ¥ do problema © nso sto inde crvdentes pois, por exemple. oa) mR 10° 10> 100 $00, ¥ = 4) = 0 € POX = $00) PLY = 4) =60. Estatstica B PIX = 500, Y = 4) # PLX = 500) ° PCY FUNGOES DE VARIAVEIS ALEATORIAS Conhecidas X e ¥ e P(X, Y), poderemos estar intressados em caleular F(X, ¥), ito 6 fungdes de Xe ¥ como X + Y, XY. X* ¥, 2X + 3Y, 3X = 2Y, ete mos primeiramente alguns resultados importantes. X19, em € PUK Gide i= Ione Ye yrs y2s ye PCY = 99) =P (GD j= en 8 Logo (&, Yo: (1 71s Ley) oo Om Yad € PX =x Yeypep Guy inp 1. [EX Y= EO)FE) Demonstragao: BxEN=L Lousy pouw=2 La poiwe Lis in je yi PO) Ex £ ponyed yf powsy= ist yeti £ y-poy=BO02EQ) 1 x pO= {Demonstramos a propriedade 3 da Esperanga) z Y)- E00" EOY Demonstragdv. oy (X,Y) = E {IX = Bal ~ ny] = E (XY =X Hy — Ha Y + + Hey) = EX Y)~ BX “y) “Es? Y + E (ic ny) = BOX" YY y” EO) = cap. 3_Vatliveis ateate pe BOY) 4h By BOX YI ty ahs =e fy tHe Hy ELK YH“ By 3. Se Xe Y sio indepe entio E(X* Y= EX) E(Y) Demonstrade: EK-y=2 Po y= Sai-yis pas POD= (XE) Epo yi poy ist ie 4, Se Xe Y sito independentes, entio cov (X, Y) = 0. AA reeiproca nfo é verdadeira 5.SeXe Vs jo VAR (Xt Y)= VAR (X) + VAR (¥). 6.Se Xi, X2. independentes, ent Xm Sio independentes. entio ale var] § xie€ var os. ye APLICAGAO ° 1 2 16 | 28 w | 0 Dada a distibuigdo conjunta de probabildades da varivel (X, Y).representad pela tabelaacima, calla a) EOX-3y) b) cov (x, ¥) ©) VAR OX -3Y) 0) EO/X=1)ae: | estatisticn Bssica — Volume! Cap. 3 usr Y}o]s]2]3 Poy | xP) | x2- POO ° ve [ae [ie {io | 4 ° oi 1 0 |e | 28 | we] 48 a8 Tom | [30 [se | ve + [ew yey | 0 | a6 | 68 | 30 EM =15 ye-py | 9 | 98 | 126 | 9 ey) obseramos que P= 0, Y=0)= nex =0)= $e = 0} P(X =0, ¥ =0) 2 P(X =0)° PY =0) Xe ¥ ndo sao independentes. VARY) © 87 | Caleularemos agora a cov (X, Y). Definiremos a variével Z = X + Y e faremos a istrbuiglo de Z. z Pe) ZPQ 0 ° 1 8 2 ae 3 ae | a mech | a_i] EQsEK-Y) Cap. 3. Variaveisalestérins discretas 63 Como cov (X,Y) = EQ Y= E(X) EY) temos 05+ 15= cov (XY 9) E (2X -3Y) =2E (X)-3B(¥)=2°0,5-3°15=-35 by cov (X, ¥ ‘e) VAR (2X ~ 3Y) = VAR (2X) + VAR (3* ¥) = 2cov (2X, 3¥) = AVAR (X) +9 VAR (¥)~ [2 cov (X.Y) = 402549: 0,75~ 12 5 Obs. cov (2X, 3Y) = E{(2X ~ E @X)) (BY -E GY) = =B|[2X-2E 00) BY -3E(¥)} = 68 [[X—B (XY ~ E(Y)]} = 6 cov (X,Y) A)E(Y/X=1) ¥ Po/x=1) | v¥-POX=1) ° ° ° 1 4 a 2 24 44 3 14 3 dt 2 E(W/X=1) COEFICIENTE DE CORRELAGAO Se estivermos estudando a dependéncia entre as varidveis X: altura do pai em em e Y: altura do Ie filho em cm, a0 calcularmos @ covaridneia teremos uma medida ao quad do (cm?), Além disso, © campo de variago da covaridncia € muito amplo, isto <. ~e cco (X, Y 0, cov (X, Y)>0. O diagrama de dispersio é: DEFINIGAO [ » » 0 ¢ p <0, as “nuvens” de pontos dos ispersio (2) (b)apresentamn uma “tendéncia” Tinear. Quanto mais priximo for p de ie p de ~ 1, maior 0 grau de dependéncia entre as variveis © maior a confiabiidade de se escrever uma variével em Fungo da outra por meio do processo dos minimos {quadrados, por exemplo. EXEMPLO DE APLICAGAO Dada a distibuigdo conjunta bidimensional (X, Y) representa pela tabela de dupla | ear, determina: | ap yh represenago espacial de P(X. Y: €) se posatel area de regessdo de V em fungio de X665 Estatiation Basie smo! Cap. 3 Resolucto: ye P iy) e-Piy) Verificando se X e ¥ sto independentes P(X=0, Y=0)=0 a pocaoyed reves! reveoed ‘eget neo-prenet ted P(X=0, ¥=0)#P(X=0)- P(Y #0) Xe Y nfo slo independentes. SejaZ =X Y, Calcularemos E (X* Y) z Pa Q 2 | m4 2 2 ° | 0 3 | 1 os | VAR (X) VAR (¥) Como p=~1, exist’ uma reta de regressio de Y em fungtio de X, Y =aX +t esse exemplo especifico fécil determinarmos esta equagio, sem 0 uso do provess dos minimos quadrados, pois, graficanven) 4 POLY A equagiio da reta—<$— — ce Estatistica Béslea — Volume! Cap. 9 - - _ - Cop.3._Vardvelsateatoriasdiserotas 69 3.5 FUNGAO DE DISTRIBUIGAO pee [ra] “2 wf oe jit od St : 2 i O dominio de F (x) € R ¢ o contradominio € 0 conjumto PROPRIEDADES DE F (x) Definimos: Fungo de Distribuigio de X FG)=PREW=E p00] : 1. [osFest | Como F (x) =P (x Sx) 0SP(X=a) S19 0S F(X)S1 2, [Few=0 1) +P x=2)=03 ee ace 1+ PX =2)+PX=3) | FE a) link @)=9 ‘Temos entio: | —— 3) + PIX=3)=05+04=0.7 (como se pode ver no exerci P53) +P K=4)= FO) +P 8) = poe oo t 3. |Fireet P(x 10%) = 1—P (Nenhum > 10%) = 1-[#] = ,8683 b) A: conseguir desconto de 30% — P (A\ P(ARReA=[> 0965 6) X: Deseontoistica Basie —Volume!_G2p.3 x 20 20 10 5 LL 4 E(X) = 12.5% Desconto médio {6.5 Um banco pretende aumentar a eficigncia de seus eaixas. Oferece um prémio de 150,00 para cada cliente atendido além de 42 clientes por dia. O banco tem tum ganho operacional de RS100.00 para cada cliente atendido além de 41. As probabilidades de atendimento sio, wen] 2 | «| «@ [as | 208 | 004 | oot | 0.006 | o004 [eronsitzaco | 008 {Qual a esperanga de ganho do banco se este novo sistema for implantado? X: ganho (Iuero} neciontos| Paga | Gana | x | PO |x-Po% asa | 000 | 000 | o00| 086 | 000 [42 0,00 | 100,00 106,00} 0,06 6,00 aa__| 160.00 | 20000 | s000| 04 | 200 aa | 800.00 | s0000 | 000] 001 | 090 25 | 480,00 | 400,00 | —s0.00| 006 | -0.20 46 600,00 | 50000 |- 10000] 0008 | -040 | : 1 720 | — E(X)= 7.30 Logo, 0 sistem € vantajoso para © banc. _ __Cap.3_Varidveisalestorias discretas 75 3.6.6 Sabe-se que uma moeda mostra a face cara quaico vezes mais do que a face ‘coroa, quando langada, Esta moeda ¢ langada 4 vezes. Seja X 0 nimeto de ue aparece, determine a) EO) b) VAR(X) ©) P(X22) d) PUlsx<3) Seja P(r) peP(c)=4pcomp+4p=1— logo Flows Pi) P(X =0)=P (41) =(02)* = 0.0016 PK (dee 3r)= (0,8) - (0,2) 4 = 0,0256 P(X =2)=P (2ee21)= (0,8)? - (0,2 6=0,1536 P(X=3)=P Gee 11)= (0,8) - (0.2) 4= 0.4096 Px (de) = (0,8)* = 0.4096 x Px xP | xe PR | Po | 0 | 00016 0 0 + | 0.0256 0.0256 0.0256 2 | 0.1596 oss | 3 | 0.4096 1.2288 3,6864 4 | 04086 1.6384 65596, 3.20 10,88 a) E (X)=3.20 b) VAR (X)= 10.88 -3.202 = 0,64 ©) P(X 22)=P(X=2)#P(X=3)+P(X=4) = 0.15364 04096 + 0,4096 = 0.9728 ou P(X 22)=1-P(K<2)=1- = 1 -|0.0016 + 0,0256, 9) PU Sx 6 3)=PIX= 1) HPC X=0)+P (X= 1) = 0.0272 = 09728 = 0.0256 + 0,1536=0,1792ay £40.3 Vativels aleatoiaswiseratas 77 @ 76_Estatistica Basica— Volume! Cap.3_ _ ovas tenha uma ou duas 3.6.7 As probabilidades de que um aluno no periodo das provas, no mesmo dia, sio 0,70 e 0,30 respectivamente. A probabilidade de que deixe de fazer uma prova, por razdes diversas, € 0,20. O tempo de duragio de X 0 tempo total gasto, por dia, que ele usa ia quantas horas gasta, por dia, resolvendo as cada prova & de 90 minutos. Fa fazendo as provas, Achar em mé as are oo oF PES gue 2 a... ae og pi SUPEPD, 9, S S rey ~ 0656 (08) pq PEP EP), 0,197 —__+ r¢r2) = 0.192 02.08.2 x | Poo | x-P@ o [ose] o 90 | 0656 | 59.04 10 _| 0192 | 2856 ae | E(X)=93,6min = 1h 34 min. 3.6.8 Um jogador A aposta com B RS100,00 € langa 2 dados, nos quais as probsbilids des de sair cada face so proporcionais aos valores da face. Se sair soma 7, ganha R$S0,00 de B. Se sair soma 11, ganha RS100,00 de B ¢ se sair soma 2, ganha RS200,00 de B. Nos demais casos A perde a apasta. Qual a esperanga de lwczo (ganho) do jogador A em uma tnica jopada? Sejam: como LPi)=1 = 2p=1 v 2 Logo Pil) 4 X: som: iI PQ) soma 11 PG) Zoey 2 T: outa soma 4 raed X= (1,6) 3413.46, 9965,2 5 5 Pod Y=16.6.6, 6 PO=7, Z={a,))} Logo 58 1 Pox 2® pry) “ai e portanto 36 1 P 6 1 m 4410 4410 441” 441 Pasa | Recobe | x-uerct| Po | x-ray woo | 50 | -s0 | seaar | ~20coraa1 100 | 100 0 | orai ° woo | 200 | 100 | asi root 100 9 | =100 | eases |-se.ooraen | 36,100/48 xs Ta Loge £0)="59 4 [Eo == RSTIS8 Portanto a esperanga de ganho do jogador A em uma tnica jo (6.1) egativasa Bdsien—Volume!_Cap.3 cap.3 va rias clscretas 73 | 8.6.10 Dadas as distcibuigdes das varidveis X e Y, independentes, consteuir a distribu 0 para x <0 | ‘g40 conjunta de (X, Y). Sendo Z= 3X + Y, caleular a E(Z)e VAR (2), usando OL paraOsX | o o f EM=E(Z W)=46 neAS Estotstiea Basiea — Volume! Cap 3 3.6.14 As varidveis aleatérias X e Y sio independentes e t8m as seguintes dstribuigdes de probabilidades: [Po [em] o | 08 2 | 04 2 [07 3 | os i Te sejam (22%! ssom (FE eW=Z"T,ealeular EW). aE é 7] SQ 4 6 POX), xX nm) oa 0 1 Os: Para cada elula vale: z T wd Pe P OD Loge 3.7 EXERCICIOS PROPOSTOS 3.7.1 Uma uma tem 4 bolas brancas e 3 preta. Retiram-se 3 bolas sem reposigdo. Seja X: nimero de bolas brancas, determinar a distrbuigio de probabilidades de X 3.7.2. Fazer o exercicio anterior considerando extragao com reposigio. 9.7.3. Datla a tabeta [x Joo Ta 3 4 | r | , p FP [ew | o | » e | op e ep | a) Ache p b) Calcule P(X 24) ¢ P(X <3) ) Calcule P(X 31<2) 3.7.4 As probabilidades de que haja 1, 2, 3, 4 ou 5 pessoas em cada ear que v3 20 Titoral num sibado sio, respectivamente: 0,05; 0,20; 0,40; 0,25 e 0,10. Qual 0 nimero médio de pessoas por carro? Se chegam no litoral 4000 eartos por hora {qual o nimero esperado de pessoas. em 10 horas de contagem? 3.7.5. Uma uma contém 6 bolas numeradas de 1 6, Uma pessoa pars RS6(V,00 € retira leatoriamente uma bola, Se retirar bolt 6 recebe RS1.SOO.00. se retiar as bolas 2, 3, 4 ou 5 nada reeehe. e se retrar a bola 1 ira escolher ura bola. sem repor a primeira, ¢ se esta segunda for a bola 6, reeebe RS3.600,00. caso jewando espera lverar Fio, muda revebe, Calcular quanto a pessoa que SCOSOHNHSCOHSHOHSHSHSHOHHOSCH ECOSOC HOCOCOCE(16 Estatstia Bésica— Volume Cap. 9 3.7.6. Um produtor de sementes vende pacotes com 15 sementes cada um, Os paces ‘que apresentam mais de duas sementes sem germinar sto indenizados. A probe- bilidade de uma semente germinar € de 959 a) Qual a probabilidade de um pacote nao ser indenizado? b) Se o produtor vende 2000 pacotes, qual o mimero esperado de pacotes que ser indenizados? €¢) Se um pacote ¢ indenizado 0 produtor tem um prejufzo de RS24.50, ¢ se o pacote nio é indenizado, iem um lucro de RS50.40. Qual o lucro esperado por pacote? 3.7.7 Dois jogadores fazein uma aposta. A paga RS100,00 para B ¢ langa duas moedas viciadas nio simultancamente, A probabilidade de sair cara da 18 moeda é 0.3, € da 24 moeda é 0,2. Se sair cara na 1 moeda tem o direito de Langar a 28, se sait ‘cara na 28 moeda ganba R§200,00, ¢ se sair coroa, ganha R$100,00. Se sair Corod na 1* moeda, A nada ganha. Qual a esperanga de luera do jogador A em ‘uma tnica jogada? Um jogador A paga RS5,00 a B c lana um dado. Se sair face 3 ganha RS20.00 Se sair faces 4, 5 04 6, perde. Se sair faces 1 ou 2 tem o direito de joger rovamente, Desta vez lang2 dois dados. Se sair duas faces 6, eanha R$50.00. Se sair uma face 6, recebe 0 dinheito pago de volta. Nos demais easos. perde, Seja X 0 lucre liquide do jogador A nesse jogo. Determinar: a) Distribuigdo de probabilidade de X, b) EW, ©) VAR IX). 9.7.9. Calcular a média € a varifincia da variével X, onde X assume os valores 1, 2,3, 1, equiprovavelmente 3.7.10 A fungio de probabilidades da varivelaleutGria X & P (X 5. Caleular E (X) ¢E (X2), ¢ usando esses resultados caleular? a) EC +3) b) VAR@X=2) 3.7.11 Sendo P (X= x) =0.5% x = 1.2, 3, caloular E (%), 3.7.12 Um jogadi RS0,00, Se, no entanto $20.00. Qual or langa um dado, Se aparecerem os auimeras I, 2 ou 3, rece ebe RS5,00. Se aparecer 6, ganha sparecer 4 ou S, re nho medio do jagador? eee | cap. 413 Uma pessoa vende colhedeiras de milho. Visita semenalmente uma, duas ou tees propriedades rurais com probabilidades 0.2, 0,5 e 0.3, respectivamente. De ead ccontato pode conseguir a venda de | colhedeira por RS120,000.00 cor probah) lidade 0,3, ou nenhuma venda com probabilidade 0,7. Determinar 0 valor ‘ota cesperado (médio) das vendas semanais, 3.7.14 Seja X: nimero de caras e Y: nimero de coroas quando sio lancadas 2 meeda Calcular média e varidncia de Z=2X + ¥ 3.7.15 Um * consiste de uma 56 com probabilidades ‘nat consiste de wina série de. vibrag ss de magnitude X. Um “r ie de vibragGes de magnitude Y, tendo os valores 2, 0 e 1 o3°6 de vibragdes sincronizadas, @ soma consiste de vibragdes de_ magnitude X-+ ¥. Construir a fungio de probabilidade de Z, calcular F(Z) e VAR (Zi ‘admitindo independéncia entre uid e sinal. X assume os valores 1,0 e~ 1. cada _ respectivamente, Se rufdose sinais slo combin: 1 ‘um com probabilidade probabitidade 3 3.7.16 Seja X: renda familiar em R$1.000.00 e Y: mimero de carros ds familia. Consi dere 0 quadro: 2[3 [a ete fete [+I Caleular a) B@X-3Y, b) COVEK. ¥9; ©) VARGX-3Y): 9) 8.7.17 Num posto de vistoria de carros foram imero de irregulatidades nos it dades nos documentos (Y) sio os dados no 4) te de carrelagio entre as varidveis entre X e Y. -xamninados 10 veiculos, sendo que 0 suranga (X) € 0 nmero de irregular de \dro a seguir, Caleule © coeficien88 Estatistica Basica— Volume! Cap. 3 [veieios | 2 38 4 5 6 7 x |o 20 1 2 Lv [o 1 0 3.7.18 Dada a distribvigdo conjunta de probabilidades de variével ( ce temtar eserever ¥ em fungi de X. 1 ott Y), determinar p 0 2 4 ° os ° ° 1 ° 02 0.05 2 ° 0 0.25 3.7.19 Sejam X: anos de experineia em vendas YY: unidades difrias vendidas. Ry 2 3 x 2 ons 0.08 0.02 + 0,04 0,18 0,08 C 6 | __0,02 0,26 0,12 3 ° 002 0.08 Dada a tabela da distibuigdo conjunta de X e Y, cateulr: a) cov (X.Y) be. 3.7.20 Dada a tabela da distibuigao conjunta,ealeular a) FX -3Y} b) VAR (3X + 2Y), ©) »: d) EX | Cap.3_Varlvots aleaérias discretas 89 1 2 3 4 wea | we. wie 124 wie V6 16 — 124 wie ane. | 3.7.21 Uma uma contém 3 bolas vermelias © 2 verdes. Desa urn sem reposigao. Sejam: {0 se primeira bola for verde; %=11 sea primeira bota for verme [ose a segunda bla for vere [1 se a segunda bola for vermetha, y a) Determinar a distibuigio conjunta para Xe Y. bb) Calcular & (X), E (¥), VAR (X), VAR (Y). ©) E(X+ Ye VAR (X+ ¥), retiram-se 2 bolas 6) p. 3.7.22 As varidveisaleatiras X ¢ Y sio independents ¢ 18m a seguntedisribuigio de probabilidades. x [Peo ¥ Poy) | 04 02 2_| 06 + | 08 atria Z calcular E (Z) e VAR (2). ‘Considerando a varidvet l probabilidades de Z.¢ com el 3.7.23 6 varia e probabilidades; el alenria bidimensional (X, Y) tem a seguint X + Y, construratabela da disteibuigio de te tabela de distribuiga090. Estatistica Bésica— Volume! Cap.3 - Calcular a) EQX +), b) p: ¢) VAR(Y/X=2) 3.7.24 As varidveis aleatrias X e Y sio independentes e tam as seguintes distibuigdes: Se] Considerando a varidvel Z = j PW xe 2} =X-¥, construir a tabela da 2 | 0a 02 | distribuigin de Z, ¢ usando a ta alse oa | _ bela, calcular E(Z) © VAR (2), 4 | 02 8.7.25 Dada a distribuigo conjunta de (X, Y), determinar a média variéneia de: a) X+¥ b) X-y K x uy 1 2 3 1 ser | ver_| ser 2 aer_| ser | ar 3 zer | apr | 207 26 As variiveis X e Y sdo independentes e suas distibuigbes slo x 234 y 123 P(X) 030403 PY) 050,302 Seja Z=1X-2¥1, deiermine F(Z) usando a distribuigho de probabilidade de Z. 12 seguinte tabela de distribuigde conjunta: 27 Supona que Xe Y t 1 2 1 ou 2 ot oa 1 _Cap.3._Varisvelsaleatr Sdiscretas 91 a) Determinar a fungi de probabilidade de X + Yc, a partir dat. E(X-4Y). De ‘outra mancira pode-se obter a mesma resposta? bb) Determinar a fungio de probabilidade de (XY) e, em sepuida, caleular E (xy) (©) Mostrar que, embora E (XY) = E (X) * E(Y) acorra, X e ¥ ni sio inde dente. 8.7.28 Suponha que (X, Y) tenha a se Ty * | # inte distribuigio de probabilidade — 1 118 6 0 2 vs a 2s a) Mostre que a tabela anterior é realmente uma distribuigSo de probabilidade bb) Caleule E(X/Y = 2); €) Caleule VAR (Y/X 3.7.29 As vari aleatérias X e Y slo independentes, a) Completar 6 quadro, determinando os valores de a,b ec b) Seja Z=I3X — 4¥ I, calcular E (Z) usando a distribuigio de probabilidade Je z; ¢) Caleular VAR (3X ~2Y). es] t 2 3 Pm 1 0.08 0.08 a 3 ° 5 e PM) a b c 1 | 3.7.30 As variéveis X ¢ Y sio independentes e t&m média ¢ vantincia iguais a 5 6 p Xede3 para Y. Calcular a média ¢ varidncia de a) X-¥: b) 2X +3Yvolume! Cap-3 3.7.31 Sendo 2 = 5X + 3Y ~ 4, onde Xe Y sio independentes, E (X)=3, VAR (X) E(¥)=d.e VAR (Y)=3. Determinar E (Z) e VAR (2) 3.7.32 Ei um pequeno grupo de casais empregados, a venda X do marido ¢ Y da le probabilidades dada sbaixo: respectiva esposa tem sua distribuiga0 con mS Xe Y em milhares y 2” 8 a de reais [os > | » | » a l [ 15 | 3p 2p e a) Seja W =0,6X +0,8Y a renda do casal apés dedugdo de impostos, qual sua média e sua varifincia? b) Xe Y sio independemtes? Qual € 0 cocficiente de comrclaglo pay? 3.7.33.A funglo de probabilidade conjunta de duas variéveis X ¢ Y € dada por (2+ y?), para X +0, 1,2,3€ hun de potbicade de mgnal de X€# (6) = 35 x04) X= 0.1.2.3 que a fungi de probabilidade de marginal de ¥ € P (Y 3.7.34 a) Complete o quadro abaixo, supondo que X e Y slo independentes; b) Calcule a esperanga de Y, dado que X ¢) Seja Z = 4X 3Y, caleule EZ) e V2); d) Dé @ distibuigao de Ze obtenha através da mesina os valores de E(Z) € V @), (Note que esses tio os mesmos obtidos no item c.) 2 3 4 Po 1 0,08 2 3 03 Pay 08 1 4 *“ DISTRIBUICOES TEORICAS DE PROBABILIDADES DE VARIAVEIS ALEATORIAS DISCRETAS MARRON 4.1 DISTRIBUICAO DE BERNOULLI Consideremos uma nica temtativa de um experimento aleat6rio. Podemos ter sucesso ou {fracasso nessa tentativa Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p+q=L Seja X: mimero de sucessos em uma inica tentativa do experimento. X assume o valor 0 que corresponde ao iracasso, com probabilidade g, ou o valor J, que corresponde ‘a0 sucesso, com probabilidade p. _ {0 fracasso = | sucesso Nesaas condigGer o varidvel aleatiria X tem distribuigdo de BERNOULLI, « sin fungio de probabilidade € dada por: com PX © PXK=N=p. Pa ESPERANGA E VARIANCIA Calcularemos média e a varisncia da variivel com distribuigdo de BERNOULLL. | T x Pom | x-PX Poo | ° 4 ° ° — 4 u -—!_| _F oe seh ft Fqxy=P VAR (X)= P=P2=P(L=P)= py |EXEMPLO DE APLICAGAO Uma uma tem 30 bolas brancas ¢ 20 verdes. Retirase uma bola desss uma, Seja X ihamero de bolas vetdes, calcular E(X) ¢ VAR (X) determinar P(X), 3 o-q= 3 5075 1op= | ] | Pe © B= 2.3 VAR()=p9= 5° 5735 X tem distribu xa 099 4 PIX=nepteal 1p 7 EQ)=pe VAR()=pa io de BERNOULLI 4.2. DISTRIBUIGAO GEOMETRICA Consideremos tentativas sucessivas e independentes de um mesmo experimento aleat6~ rio, Cada tentativa admite sucesso com probabilidade p e fracasso com probabilidade 4 ptq=l Seja X: mimero de tent Logo, X assume os valores: iparecimento do primeira sucess. 90 (8) ¢ PIX= =p 1a 1? tentativa e sucesso na s 1, que corresponde 80 Su 2, que earresponde ao fracasso (F) P(X=2)=PEAS)=4" ps ida, (FS) ¢ que cortesponde a (FES) e P(X=3)=P(FAFOS)=4" 4° p=? P: X =4, que corresponde a (FFFS) © P(X Cap. 4 Distribuigses tedreas de probabilidades de varivols aeatérias ciscret X= x.que corresponde a FE... FS. com A varidv Observamos que: tem entdo distribuigdo yeométrica E pixem=¥ prqr-'=p E qh !=pu tasers EXEMPLOS DE APLICAGAO 1.4 probabidade de se encontrar aberto 0 sina ¢ Qual a probabilidade de que seja necessério passar pelo Wocal encontrar o sinal aberto pela primeira vee? Xz nimero de vezes necessérias para encontrar © sinal abert. p= 0.20 = 0380 P(X=5) = (O80 (020)= veres, para 08192 2, Qual a probabilidade de que um dado deva ser langado 1S vezes para que na 1S vez ocorra a face 6 pela primeira ver? Bag X: ndimero de langamentos necesstios 6 i rex=19-(2)"-(!Jponnss o aparecimento da primeira face ESPERANCA E VARIANCIA Para determinarmos a média ea varidncia da distribuigho geométrica, usaremos os re 4.4 (yn) nye! ds36. Estatstien Bésica— Volume! Cap i |g é Z 2A (E fen) =3 $4 09, mos pontos onde a fungao derivived 2A (Emeka p & téoia BODE x-Pocew=£ x-prgt taps agtte P a_| p 3 dq a) (-q? anuancia Oye Eat atl =p$ eat =p xix—1)- gt le pS xh 1 Pad xQ-1ygt-24 1 apg 5 ote aE xx gt 2+ = pg . @ 1 #{a]yt Pa ae |Z tpn ae tinal 1 (4 P JAR (X) = ry P AR (X) Cap. 4 Distibuigées te Resuio: 7 ~ X tem distibuigaio geom x jews P&exegr-!-pe | ‘ var a= be 4.3 DISTRIBUIGAO DE PASCAL Suponhamos que um experimento aleatério sje te Seja P(A) = p (sucesso) € P(A) = q (fracasso) em cada tentativa do experimento Seja X: niimero de repericées neces, Ser= 1, X tem distribuigao geometric Se X Scone (F~ 1) vezes nas (x 1) repetigses anteriores, x, © evento A ocorre pela Pocea=[t7 lp ger] A varivel X assim definida tem distvibuigio de Po EXEMPLO DE APLICAGAO A probabilidade de que um sinal de trénsio esteja aberto sima vez. na repetigdo Ge Probabildades do vaiveis aloatéias dscretos_97 niimero x. Logo A Probabilidade de que seja necessério passar pelo local 10 vezes para encontra pela 49 vez? X: mlimero de passagens pela esquin rad p=020 9 =0.80 P (X= 10)=[9}- (0.2094 - (0,80)6 = 0.035232 ESPERANCA E VARU Usand x © VAR (X) da distribuig os resultados de Qual aBésica—Volume | Cap. 4 _ P x) VAR ()= "4 Loe Resumo X: tem distribuigdo de Pascal = =1) Pane [tT] |pranxee ee B=f vaRag= P P 4 DISTRIBUIGAO HIPERGEOMETRICA snsideremos uma popuilagdo com N elementos, dos quais tém uma determinada carac- fstica (a retirada de um desses elementos corresponde ao sucesso). Retiramos desse :pulagso, sem reposieZo, uma amostra de tamanho m Seja X: miimero de sucessos na amostra (saida do elemento com a caracteristca). Qual a P(X=h)? ‘ at | mani frasasos ( aa Jot Loge. ico hipergeométrica Cap. 4 _Distribuigoes te6ricas de probabilidades de vardveis aloatGrias discretas $9 EXEMPLOS DE APLICAGAO 1, Pequenos motores so guardados em caixas de 50 unidades. Un inspetor de quai dade examina cada caixa, antes da posterior remessa, testando § motores. 5: ‘hum motor for defeituoso, a caixa ¢ aceita, Se pelo menos um for defeituaso, todos (08 50 motores slo testados. Ha 6 motores defeituosos numa caixa, (Qual a probabilidade de que seja ecessério examinar todas os motores essa ais? 1X: miimero de motores deveituosos da amostr, (X21) (6)(44 (5) () 126 = 0.4874 2, De um baralho com 52 cartas, etiram-se 8 eartas ao acaso, sem reposigio, Qual (12\(40)) WC) ( PX 3. Uma firma compra kimpadas por centenss. Examina sempre uma amostra de 15 limpadas para verificar se estio boas, Se uma centena inelui 12 {impadas que ‘madas, qual a probabilidade de se escolher uma amostra com peta menos un impada queimada? X: nGmero de limpadas queimadas na amostra Poe el -POetnl P=) 12/88) ois (a me s ESPERANCA E VARIANCIA Detain i E(xyem € VAROO=np-N—™ SNe ———100 Estatistica Basica— volume! Cap 4 _ Demonstra-se que assintoticamente (1 <=) Uisea ne WAR x)= | Resumo: PIX eco =m . e VaR =m =p) N22 [eens 4.5 DISTRIBUIGAO BINOMIAL Consideremos 1 tentativas independentes de um mesmo experimento aleatério. Cada tentativa admite apenas dois resultados: fracasso com probabilidades q e sucesso com probabilidade p, p-+.q= 1. As probabilidades de sucesso e fracasso so as mesmas para ‘cada tentativa Seja X; mimera de sucessos em n rentativas. Determinaremos a fungio de probabilidades da varivel X, isto €, P(X =K). Um resultado particular (RP): S85... SFFF.. E bak Logo, P(RP)=P (SSS... SFFF..F)= Peppeag-ge pa? mk (Considerando todas as n-iplas com k sucessos, tems “Cap. Dietibuigdesteoricas de probabilidades de varavesaleatiias discrete 101 | [Kew] ExEMPLOS DE APLICAGAO Resolucao: X: mimero de sucessos (cara X=0.1 PO = 0.12013 (iabela: pg. 189) 2. Numa eriagdo de eoelhos, 40% sio machos. Qual a probabilidade de que nasgam pelo menos 2 coelhos machos num dia em que nascerain 20 coelhow? Xz niimero de eoelhos machos (em), 1, 20 P (eam) = p= 0.40 = X: B (20; 0, 40) P(X <2)=1-P(X=0)4 P(X=1) = (20 (20), {2 | (0.00008 + 0,00049) = 0.99048 0,40)! (0,60)! ](0.40# (0.60r na provi tipo teste tem 50) questdes independentes. Cad quest correta, Se um aluno resolve a prova respond: ilidade de trar nots 5 0 a esmo as questies, qual a pro X: ndimer X:0, 1102 Estatistice Sasica — Volume | Cap. 4 ESPERANGA E VARIANCIA ge X: Bin, pl P(X =k) =["]pk qn & ESPERANGA = 1 = Din= x)! 4-H emos msMn- 1 EQQ=n-p"E prghy-lensp E Say | ues VARIANCIA B(x2)=2 9 . Distribuigdes te6ricas de probabilidades de variivels aleatérias oi Boe =¥ x (2) pegs a « 0p - 2 xenep (= 2-1-0) E(X2)= PX np fazendo y =x~2 tomo E0@)=n(9-I-P pro gn-y-24 Logo: VAR(X) = a(n =np (I VaR EXEMPLO DE APLICAGAO. ‘Achar a média e a varidncia da vaviével aleatoria Y = 3X + 2, sendo X: B (20:0, 3) Resolusao: B(X)=np=20- 03 VAR (X) = npa= 20 E()=EGX4 VAR (¥)= VAR GX,104 Volume |_ap.4 _ ; Resumo: a) Se X: Bn. p) + PX =k) =(?] pkg | EO 4.6 DISTRIBUICAO POLINOMIAL OU MULTINOMIAL. Ax que formam uma nto aleatério e k eventos At, A2. As, Consideremos um experime partigio do espago amostral do experimé 'Sejam P (Ai) = pid = 1, 2, nk (Probabilidades de sucessos) Consideremos 1 tentativas independentes do mesmo experimento, sendo que os pi, & k permanecem constantes durante as repetigdes, com >. pi Sejam X1, X2y =. X08 nkimeros de ocorténcias de At, A, Ak, fespectivamente, & com ¥ xi=n estas condigées PC com £ ni=n. Esta fungio de probabilidade caracteriza a disiribuigdo polinomial ow multinomial de Xi, i= 1.2, ok Quando em0s a distribuigio binomial, pois P(Xt=m, X2=m2)= a Pt Pa pa=1~py Cap. 4_Distrituigges tedricas de probabilidades de vard alors diseretas 105 EXEMPLOS DE APLICAGAO 1. Uma urna reposigio, Qual a probabilidade de sair 4 bolas brancus, 2 pretas e 2 azuis? sm 6 bolas brancas, 4 pretas © 5 azuis, Retiram-se 8 bolas com pisP@)= 5-5 Xz" si X3: sada de 2 bolas acuis, Xi X24 Xy=8 2. Langa-se um dado 30 veves, Qual a probabilidade de que cals face ovorra exata mente 5 veres? Resolugdo. X1: ocorréncia de 5 faces | X2i ocorséncia de 5 faces 2 1X3; ocorréncia de 5 faces 3 Xa: ocorréncia de 5 faces 4 Xs: ocorréncia de $ faces 5 Xe: ocorréncia de 5 faces 6. PX 5,X4=5,X5=5, Xo=5)= 301 (1). ft ow ls) () 5.X2=5.X! 6 ESPERANGA E VARIANCIA Se Xi, i= 1,2, k tem distribuigio multinomial, éféeil ver que E(XD= nip VAR (Xi) =m)" Pu gid= Ls ZookDISTRIBUICAO DE MACAO DA DISTRIBU DISTRIBUICAO DE nN ‘maior Valor tabetado,n ue €2 chamada Distribuigaa ge p £0, 4 binomial tom > a), EXEMPLOS DE APLIcAcAg 1.Seje X: B (200. 0, 100 ) |(o.01y0 01), Caleular P(x = 10) y108 Estaistica Basica— Volume! Cap 4 2. A probabilidade de uma Limpacl se queimar ao ser ligada & |). Nu Ampadas se queimarem 0 0 com 100 Kitpadas, qual 2 probabilidade de 2 Seve ligadas: X: numero de lirapadas queimadas x: B| 109, Logo, pex=9-[laonroso Jsando a aproximagdo pela Poisson )- O01=1 1 _{100 \ P(K=2)=5 P(K=2) DISTRIBUIGAO DE POISSON Consideremos a probabilidade de ocorréncia de sucessos em um determinado intervalo, 'A probabilidade da ocorrencia de um sucesso no intervalo ¢ proporcional av in valo, A probabilidade ‘lagéo a probabilidade de um sucesso. tero de sucessos no intervalo, entdo: mais de um sucesso nesse intervalo é bastante pequena com onde A é 4 média A vaiivel X asin definida rem dis A distribuigao de Poisson é muito usada na distribuigo do nimero d ibuigdio de Poi 1. earros que passam por um eruzamento por minuto, durante uma certa hora do dias e110 tipograficos por pagina, em um material impresso; 3, defeitos por unidade (m?, m¥, m, ete.) por pega fabricada 4, coldnias de bactérias numa dada cultura por 0,01 mm?, numa plaqueta de a crosesipio; ano, numa cidade 5. mortes por ataque de eoragao py E aplicada também em problemas de flay de ey ral, € outs. Cap. 4 Distribuigbes teoricas de probsbilidades de variavels alontorias devotes 109 ESPERANGA E VARIANCIA Céleulo da média Catculo da v E(x) EXEMPLOS DE APLICAGAO 41. Num livro de 800 paginas hi 800 erros de aque ums pagina contenta px X: mimera de erros por peigin aya1- POX x impressdo. Qual a probsbilids +P£79 + 0.367879 + 0,183940 = 0.919698 = 0,0803 2. Numa central telefnica chegam 300 telefonemas por hora. Qual a probabilidade de que: a) num minuto nd aja nenfum chamado b) em 2 minutos haja 2 chamados 6) em f minutos nao haja chamados fa) X: niimero de chamadas por minuto —* 2.= P(x=0) * = 0.006738 €) Fminutos © A= St eS (50) a P(X =0)= 4.8 EXERCICIOS RESOLVIDOS 4.8.1 Qual a probabilidade de que no 25° langamento de um dado ocorra a face 4 pela St vez? X: ndimero de langamentos nevessérios para evorrer a 5# face 4, (Pascal) Pee eayir6(8¥"_ [Sascae roxnae(2\(5) (8) = [noaseane 4.8.2 Uma urna tem 20 bolas pretas © 30 brancas, Retiramse 25 bolas com reposigho Qual a probabilidade de q a) 2 sejam pretas? 'b) pelo menos 3 sejam pretss? cap.4 Dist XX: niimero de bolas pretas +P Logo X: B (25; 0.4) }c0.4 .67 = [0.00038 P(X <3)=1~ P(X=O) + PERS 1) a} PO b) Pix23) =2)= + Pox=2)=1-{"S}nepas oo} = (0 +0,00005 +0,00038 = 1 - 0.00043, = [ase 4.8.3. Numa estrada hé 2 acidentes para cada 100 km, Qual a probabilidade de que em: + PSJoaroom: (hoa 1) 250 km ocorram pelo menos 3 acidentes? 'b) 300 km ocorram 5 acidentes? X niimero de acidentes por B km (Poisson) a) P= 2502-5 P(xeg| PK + P(K=2))= 1 ~10,049787 + 0.149361 + 051681 PRO) PER=1) + 0.224042) 0.4231 45-458 a 0046330 4.8.8 Numa linha adutora de gua, de 60 km de extensio, acorrem 30 vazamentos no periodo de um més, Qual a prababilidade de ocorrer, durante 0 ms, pelo menos 3 vazamentos num certo setor de 3 km de extensio? X: mimero de vazamentos por 3 km 60k + 30,vazamenos| 9 5 3km 2 Px P(X <3)=1- P(X=0) + PR = 1) +P =) Jeas e's a5! ear) _ lo ton a | |1 estatistica Basiea—Volume | Cap. = 1 0.223130+0,334695 + 0.251021, = =1-o808846= [0.191154] 3.9 Numa fita de som, hi um defeito em cada 200 pes. Qual a probabilidade de que: fa) em 500 pés no acontesa defeito? bb} em 8000 pés ocorram pelo menos 3 defeitos? X: nimeto de defeitos por B pés (Poisson) 500+ R= 2.5 a) pxaoj= tO . [0.082085 7 b) P= 800+ 4.40 P(X23)=1-P(K <3)=1- PKBI=1-PK ia " <4l et a2| + ay (0.18316 + 0.073263 + 0.146575) = 3810 0.761896 8.10 0 niimeco de mortes por afogumento em fins de semana, numa cidade praiana, & die 2 paca cada 50.000 habitantes. Qual a probabitidade de que em: ) 200.000 habitantes ocorram 5 afogamentos? 1b) 112 500 habitantes ocorram pelo menos 3 afogamentos? X: nimero de afogamentos por fb habitantes (Poisson) a) B= 200.000 2=8 eta P(X=5)= = Soe b) B= 112.5000 A=45 PX Px<3 (o.011109+ + 0,049990 + 0,112479 = 1 ~0,173578 = 0.826422 LTT Cap. 4 Distribuigdes tricns de probabilidades de v aleatrias iscrotas 115 4.8.11 Uma firma recebe 720 mensagens em seu fax em 8 horas de funcionamento, Qual a probabilidade de que: 1a) ew 6 minutos receba pelo menos 4 mensiizens? b) em 4 minutos nio receba nenhuma mens: X; nimero de mensagens por b minutos a) B=6 minotos "0 mersagens > $80 il =) 0 1 Deg e998 P(X24) -P(X<4) ° * a + Phe = 0.000123 + 0,001 111 +0,004998 + 0.014994 = 1 - 0.021226 = S784 4.8.12 Consideer 10 tentativas independentes de um experimento, Cad tentativa admite sucesso com probabilidade 0,05. Seja X: ndmero de sucesso: fa) Caleular P (1 2)= 1 ~ 0.00003 + 0,000 =1-0,00082= [0.99948 4.8.14 Um tenico vista os elientes que compraram assinatura de um canal de TW para verifiear o decodificador, Sabe-se, por experincia, que 90% desses aparelhos rio apresentam defeitos. a) Determinar a probabilidade de que em 20 aparelhos pelo menos 17 nio apresentem efeitos. b) Se a probabilidade de defeito for de (0,0035, qual a probabilidade de que em 2000 vistas ocorra no miximo 1 defeito? fa) X: niimera de decodificadores sem defeito X: B(20;0.90) Pix (0.90520 (0,10) 7)- [R907 esa) | Cap. 4 Distribuigdes tedricas de probabildades de variévelsaloaérias diseretas 117 0.190124 0.28518 + 0.27017 + 012158 = 0,86705 bb) X: némero de decodificadores deteituosos '¥: B (2000; 0,0035) Fazendo a aproximagio pela Poisson temos 2000+ 0.0085 -* Pwsiy= FP =0,000912-+ 0006385 = 0.007295 motores para méquinas de lavar roupas separa de su linha de ria de 350 pegas uma amostra de 30 itens para inspegdo. O niimero 4.8.15 Uma fibres produgao di de pogas defeituosas é de 14 por dia ‘Qual a probabilidade de que 4 amostra contenha pelo me os 3 motores defeituo niimero de motores defeituosos na amostra X: Hipergeométrica N=350) r=l4 30 (3) eg PIR9 (3s0) * (350) * (350 (3) @)" d+PC = PX=0)4 PK 4.8.16 Seja X: B (200; 0,04). Usando aproximagio, calcular a) PIX=6) b) P(X +20> p) Sendo Z=4X ~ 5, calenlar E (Z) e VAR (2) W=E(X)= 200° 0,04 6? = VAR (X) = 200 "0,04 * 0,96 = 7.68 > 0 = 9000000008888 82O8 HARADA A AMAAAptoximando pela Poisson temos 200 0,04=8 a) P(X=6) >) p(x e202 mI 8)=P(X> 2.46) = Pix P(xs2) ~ 0000336 + 0.002684 + 0.010735 1-oo1s7ss= [osssz feware-s [van c2)=16- van 0) = 16-158 [2] a) Pix=7) b) P2SK<6) ©) Fx 23) - = 0,010735 + 0,028626 + 0,057252 + 0,09160: = [otss2ie P(X <3)=1— POX=0) 4 PK) 1 —foanina36 + 0.002684 +0,000735 Cap. 4_Dictibuigdes todricas do probebiidades de varivels aleatérias discrotas 118 4.8.18 Uma uma tem 10 bolas e 40 pretas 28) Qual a probabilidade de que a 62 ota retrada com reposigio sea a 18 bran 'b) Qual a probabilidade de que de 16 bolas retiradas sem reposigio acortam 3 brancas? ©) Qual a probabilidade de que a 154 bola extraida com reposigdo seja a 62 trance? 6) Qual a probabilidade de que em 30 bolas retirada com reposigio ocorram 0 rmiximo 2 brancas? @) Seo nGimero de botas na uma fosse 50 brancas © 950 pretas, qual a probabil dade de que retirando-se 260 bolas, com reposigSo, corressem pelo menos 3 brancas? 8) Geométrca 10 P50 083 -0.2= [0.065536 =0249=08 Pw b) Hipergeométriew: Pm Gls) y= ft) 0293073 16} 4) Binomial ~* X: B (30; 0.2) ©) Pascal Px 2sy+("?}02)' (08? + 00124 + 0,00929| 0. Estatistiea BAsiea Cap. 4 Disteibuigoes todricns de probabiidades de varidvels Volume | Cap. 4 ©) X: (200; 0,05) ~ Usaremos a aproximasio pela Poisson = X: nimero de artigos defeituoses = 0,09823=0,9017 Y: pagamento por caixa do consuimidor y Pov voP Oy 3.19 20% dos reftigeradores produzides por uma empresa sto defeituosos. Os apare 25,00 0,00378 0,045 Ihos so vendidos em lotes com 50 unidades. Um comprador itlotou 0 seguin! ~ 09445 1,60565 procedimento: de cada lote ele testa 20 aparelhos © se houver pelo menos 2 ue 8 defeituasos 0 lote & reeitado, 10,00 0.9017 sor | Admitindo-se que 0 comprador tenha aceitado © lote, qual a probabilidade de ter 1 10,71785 ‘observado exatamente um aparelho defeituoso”? ~ 1X: niimero de defeituosos no lote de 20 aparethos Ba) =10.72) X: B20; 0,2) ue € © prego médio por caixa da proposta do comprador. P (Aceitar) = P(X <2) gue € © press Pe POR=0)+PXa1= Logo, 0 fabricante deve manter seu prego de R$20,00 por eaiva =(Pjoaroam. *) 029 a) = 4.8.21 Sejam X e Y vatveis leas independenes com distbuiges de Poisson, X : com média 0,2, X =0, 1, 2, ¢ ¥ com média 1, Y= 0, 1,2, 3,4, SejaZ=12X ~ YI. =0,12158+0,27017= 0.39175 determinar E @Z) usando a distribuigdo de probabilidade de Z P (X= 1/Aceito = P=) _ 027017 _ [0.68965 s valores de P(X) © P CY) foram trados da tabela da distibuigdo de Poisson, “ P (Aceitar) ~ 0.39175 para 4 =0,2 € A= 1, respectivamente, fazendo 0 arredondamento na 24 decimal. -20 Um determinado artigo € vendido em caixa a prego de RS20,00 cada um. B caracteristica de produgdo que 20% destes artigos sejam defeituosos. Um com x_| Po Po Prador fez seguinteproposta: de cada cixaescoe 25 artigos, a aca, e pga 0 | ose 0 | os7 Por esixa 1 | ox os? 825,00 se nenhum atigo for dfeitvoso dos seecionados " 002 2 | one RS17,00 se um ou dois artigos forem defeituosos: 3 | 006 $10.00 se trés ow mais forem defeituosos. O que é melhor para o fabricante : : 002 ‘anter 0 seu prego de R$20.00 por caixa ov a tara proposta do constmidor?Sato fs te fe fe | em o. | em | vee [ars | ons | aoe | ome 1 | eos [oc | oes] om | 0 | one | 2 [om | oo | o | o | 0 | om os7_ | oa7_| ote | os | 002 1 z | P@ |z-r@ -E@ o fee 0 Fmx-¥) 1 [a7 | oar 2 [oat | ow 3 [006 | 0x8 [008 | 12 a 4s 494 492 493 EXERCICIOS PROPOSTOS Scia x a(.5) Cateuae 5 a) P(X=3) e) P(X-215 1), b) P(X <2, f) PG 1); 4) PIX-2<1 h) E(X)e VAR(X):, bs Seja X: B (n, p). Sabendo-se que E(X)= 12 © VAR (X) E(Z)e VAR (2), sendo Z, x- i) E(Z)e VAR @) sendo 2= ~— 4, determinar n, p. Uma remessa de 800 estabiizadores de tensio € recebida pelo controle de quali- dade de uma empresa. Sio inspecionados 20 aparelhos da remessa, que serd aceita se ocorter no méximo um defeiiuoso, Hi 80 defeituosos no fote. Qual a probabilidade de o Tote ser nceito? 49.4 495 496 49.7 498 de probabiiiades de variéves. to diserotas 129 Numa cidade, ¢ selecionada uma amostra de 60 adultos e & esses individuos & pedido para opinarem se so a favor ou contra determinado projeto, Como rest. tado obtido, observou-se 40 a favor. Se na realidace as opinides pre contra si igualmente divididas, qual & a probabilidade de ter obtido tal resultado’ Um Orgio Governamental credencia a firma A para fazer vistorias em carros recuperados ou construfdos particularmente ¢ dar a aprovacio ou nao para que determinado carro possa ser lacrado no DETRAN. Resolve testar se a firma A esté trabalhando de acordo com suas especificagoes. De um lote de 250 carro: vistoriados e aprovados por A, escolhe 50 e faz novas vistorias. Se encontrar no rminimo 2 que no meregam a aprovagio, deseredencia A. S\ lote de 250 hi 8 carros que foram aprovads irregularmente, qual a probabilida de do descredenciamento? © miimero de panticulas gama emitidas por segundo, por certa substincta radio. ativa, & uma varidvel aleatéria com distribuigio de Poisson com A= 3.0. Se um instrumento registrador torna-se inoperante quando hé mais de 4 particulas por segundo, qual a probabilidade de isio acontecer em qualquer dado segundo” ‘Um méquina 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 méquina, decidindo por ajuste ao assinalar de um a cinco itens defeituoses, e por reparo, no caso de mais de cinco itens Uefeituosos. Se & ‘méquina esté produzindo, em média, 1% de itens defeituosos, determinar a pro- babilidade, apés uma inspegio: a) de nao ser necessério ajuste ou reparo; b) de ser necessério apenas ajusie; c) de ser necessério reparo, Na fabricaglo de um tecido ocorrem 2 tipos de defeitos: falha na pigmentagao & falha na trama. © quadro abaixo representa a distribuigdo de probabilidades de ‘ocorréncias destes defeitos em uma peca, sendo X a quantidade de falhas de jgmentagao ¢ Y a quantidade de falhas de trama. ‘8) Qual a probabilidade de se encontrar, num lote de 20 pecas, no méximo 18 pegas sem qualquer defeito? bb) Qual a probabilidade de se encontrar, num lote de 25 pegas, no méximo 3 pegas com pelo menos 3 defeitos em cada uma? 2 ° 1 2 ° o7 0.05 0.06 0.05 0.02 0.05 2 0.02 0.03 0.915flume! Cap. 124. Estotstica Basiea 4.9.9 Em um pronto-socorro © ndmero de atendimentos de emergéncia segue uma distibuigéo de Poisson com média de 60 atendimentos por hora Caleu! 8) A probabilidade do pronto-socorto nfo efetvar nenhum atendimento num in tervalo de $ minutos ) A probabilidade do pronto-socorr efetuar pelo menos 2 atendimentos nn intervalo de 10 minutos. 4.9.10 Uma Fabrica de automéveis verificou que ao testar seus caros na pista de prova hi, em média, um estouro de pneu em cada 300 km, e que o mimero de pneus estourados segue razoavelmente uma disuibuigio de Poisson. Qual a probabili- dade de que a) num teste de 900 km haja no maximo um pneu estourado? Bb) um carro ane 450 km na pista sem estourarnenhum pneu? 4.9.11 Uma fibrica produz isoladores de alta tensdo que sio classificados como bons © ruins de acordo com um teste padrio, Da produgio de um dia retiraram-se. 10 isoladores que no laboratério apresentam-se como sendo 8 bons © 2 ruins. Pede-se calcular a probabilidade deste resultado, admitindo que a mSquina pro- duza em média: a) 95% de bons € 59% ue suis 1b) 90% de bons e 10% de ruins 4,9.12 Oito dados so langados simultaneamente, Seja X 0 nimero de vezes que ocorre a face 3, calcul: a) Pl 4) bj PIX=5 o) PIXS2 d) PUX-21<1) 1 4.9.21 A probabilidade de um atirador acertar no alvo num dnico tiro & 4. O atirader stra 20 vezes no ulvo, Qual « probubilidade de ncertar 0000000000000 0000S 000800880800 82008126. Estatistica Basics — Volume! Cap. 4 a) Exatamente 5 vezes bb) Pelo menos 3 vezes €) Nenhuma vez d) No maxima 4 vezes 4.9.22 De acordo com a Divisio de Estatistica Vital do Departamento de S: EVA. a média anval de afogamentos acidentais neste pais € de 3 por 100,000 individuos, Determinar a probabilidade de que em uma cidade com 300.000 habitantes se verifiquers a) Nenhum afogamento 'b} No maximo 2 afozamentos ©) Mais d e menos de 8 afogamentos 4.9.23 Em probabilidade de que este comm um motor, hi falhas em 2 componentes, a cada S horas. Qual a a) Em 10 horas de testes nenhum componente falhe 'b) Em 7 1/2 horas de testes ocosram no méximo falhas em 3 componentes 4.9.24 Num lote de 40 pegas, 20% so defeituosas. Retiram-se 10 pegas do Tote. Qual a probabilidade de se encontrar: a) 3 defeituose ) No maximo 2 deteituosas 4.9.25 Uma urna contém 8 bolas trancas ¢ 12 pres, Reticam-se 10 bolas com reposi- ‘elo, Qual a probabilidade de ave a) No maximo 2 sejam brancas bb) 3 sejam brancas 4.9.26 A probablidade de uina miquina produzic uma pega defeituosa, num di, & de ou 8) Quil a probabilidade de que em 20 pegas produzidas pela miquina num dia cocorram 3 defeituosas? ) Qual a probabilidade de que at 2 produzida no dia seja a 43 defsituo €) Qual a probabilidade de que « 108 pega produzida num dia seja a 18 defeituo 4) Sepa sgas das 400 prodtucidas num dia. Qual a probabil seam defeituosas, sabendo-se que das 400, 20 sio defeituosas? ade da maquina produzir uma pesa defeituosa, num dia, fosse {de 0.01, qual a probabilidade de se ter no miximo 4 defeituosas em um dia de 500 pegs produridas’ Cap. 4_Distribuigées tedrcas de probabilidades de variavels aleatérias iscretas 127 4.9.27 Sabe-se que niimero de viajantes por veiculos tipo VAN em determinada rodo- via segue aproximadamente uma distibviga0 binomial com pardimetros n = 10 e 3 (utilize apenas 2 casas decimais). a) Calcular 6 ndimero médio de ocupantes por veiculo, 'b) Qua! a probabilidade de que num determinado dia o quinto veieulo que pas sar por esta rodovia seja 0 segundo a transportar mais do que 3 pessoas ©) A iaxa de pedigio nesta rodovia é cobrada da seguinte maneirs: se 0 veiculo ‘ransporta uma pessoa apenas (86 0 motorista) & cobrado RS 6 Jo tem 2 ou 3 ocupantes. RS 4,00; e se tiver mais do que 3 ocupantes, RS 2,00, Calcular a arrecadagao méia didria, sabendo-se que em média passan 300 vefculos par dia neste pedagio. [ge| akon Books VARIAVEIS ALEATORIAS CONTINUAS s | 5.1. DEFINIGOES L_& | Pot | 4 | oaAs dreas dos rotingulos sao: hie 1.0.L=0,l = An=P(X= 1) Agee ba hy = 1.0.2=02 « Are = P (X= Anebs:ha= L04=04 = An=P(X=3) An ebg ha= 1.0.2=0,2 +. An =P(X Aya bs: hs= 1.0.12 0,1 2. Ag =P(X=5) Para ealcularmos, por exemplo, P (1 SX $3), basta calcular a soma das dreas Ar £3)=5.Ay=0.1 +0,2+04=0,. Ans € Ary isto 6, P( Se tomarmas os pontos médios das bases superiores dos retingulos e ligarmos os rmesmos por uma curva, teremos, se considerarmos X uma varidvel aleatéria ums fungio continua f (X), representada no grifico Podemos entio definir Varidvel aleatiria continua: uma varibvel aleatéria X é te at A. fungio f(x) € chamada funeito de Obs p.5_Varidvelsaloatéras continuas 131 (corresponde & area by Podemos estender todas as definigd limitada pela Fungo f(x), eine dos X e elas retas X = de varidveis aleat6rias diseretas para vai DEFINICAO eo=f" x-tee des DEFINIGAO var oes” a-BOo? toe ‘ou | VAR (X)=E (X?)-|E QQ) | onde Ee) =f” 2 fond Teen pecan Faerxsn=[" F990 4 Fe Podemos encontrar a fd.p., se exist. a partir de F (x), pois: d F (= ftx dx os pontos onde F (x) é derivével [rr32. Entaistica Bisioa — Volume! cap. 7 sp. 5. Vortvesaastrinscontinuas 199 :XERCICIOS DE APLICAGAO. t 1. verifear se fey = {> SO EFS uma fd. 8) £0) 20 para todo x >) J” roydre] exe syax= 0 io € uma 6p 1 [reer entio f(x) € uma Fangio densidade de probabilidce _ fx se 0exs1 a 2.Sejat(ay=ft se SxS) 2d Determinar 2) be ia de que (4) soja Fal ) 0 grfico de f(x) «) pfosxs!) aE) 1) Fay=f ti as=f 2sas= (2) e) VAR IX! ‘ 0 ) Fa Lope: 9) grilico de F(x Resolugto Fa) \ x t ' Jo etax J kxax 2 a b) fo) ,ica Bésloa — Volume! Cap. 5 9) +P 8, Seja X uma varivel FO=19 se x20 ou > Cateular P/ xs Resolugto Como 0, axde ol? 4 Ns 49 _ 36s 4 axdx 0] G 4. Seja X: tempo durante © qual um equip X 6 dada por 1 soo? fi=4 1 x eat6ria continua com fa.p. dada por certo periodo de tempo, em minutos. A fungao densidade de probabil Cap. _Varidvels aleatérias continuas 13 Calcular E (X), ou seja, 0 tempo médio em que 0 equipament carga méxima Resolucio 15008 *9%4, coq 15992 P=) [fey apo o 2 / isos |(5]|, tes Fy] |= beam Graficamente fo af 300 ° 1300” 3000 5.2 PR!NCIPAIS DISTRIBUICOES TEORICAS DE PROBABILIDADES DE VARIAVEIS ALEATORIAS CONTINUAS Algumas distibuigaes de varidveis ale do de trés delas, dando maior destaq Distribuigso 5.2.1 DISTRIBUIGAO UNIFORME ‘Uma varivel aleatéria continua X tem distribuigic valo fa, b] se a sua fd.p, & dada por forme de probabilidades no inter [kseasxsh O=lOsexd ica Basica — Volume! Cap.5 A funcio de distribuigio de X & dada por: Foe f 5h — osensa F (x)=) 58 veacxcd 1 eh seni Fo oem E(X)= 1 4 cap. varia (rias continuss 137 VAR () 3 VaR (x)= O29 EXEMPLOS DE APLICACAO 1. Um ponto é escolhide a0 acaso no intervalo [0, 2]. Qual a prababilidade de que esteja enue Le 1,5? Resolugdo 1 para0Sxs2 F(y=]2? Josex2 1 dax=h¢ Pasxs) x) 2.A dureza Hi de uma pega de ago pode ser pensada como seado uma variével aleatéria com distibuicio uniforme no intervalo {50, 70] da escala de Rockwe! Caleular a probabilida Resolugdo sayafih 90» 510 1 ah=eay| =4 5 2035 | P(SSsh<60)Jolume! Cap. 5 138, Estatitica Basic 5.2.2 DISTRIBUIGAO EXPONENCIAL Uma vari em 0 © grafico da fed.p. de X me se x20 © 0 griico & A experanga da distibuigdo de X € eatéria continua X tem distribuigdo exponencial de probabilidade se a B(X)=f" x he Max em tim xe*= tim So=tim 5.3.2 A variivel aleatiria X tem Fp, dada pelo grético abaixo, Determinar a) P(X>2) 4r00 b) mua que P(X> m)= 2) mal que P(X> m)=2 EO ) VAR (X) @) Fix)e seu gritico x ft 1 | Jno = 4 jo 4 a0 + t0 | Js o af 1 |} 4-w se Osxea reve] |0 se x<0 ou x>4 a) P(X>2)=1-P(Xs2)=1Cop.5 Vardvels sleaérias continuas 153 152. Estalistica Basica — Volume | _Cap.5 psontees_ : . bf aooaed = 1-[" Leone! 1 ed ie . Ugq-22).7 + mame i4=0 {252 5.3.9 A fdlp. de varidvelslectria continua X € dada pelo gfico, Deter mal al*™—2 |r m=258 : vo que POX ema 5 Pc Loge: [mass . EX) fp gig ) = Ag=l + 2 £6) o + r@ya3-2 a) o 2 4 | Porat x para ¢ rm=bs © [ose x1 CaleularP (420 x 4)i, ap. _Variaveis aleatéviae continuas 155 Bo%=[ 608 o£ Logo VAR (X)=0.3-05= 06: PQI-26.< x cH +29)=P(0S-2- 022 x <6, ey soos 6% - 5 {[oa?_oge)_ 2-3] : -{ 298-296} onssa107= [aprons 5.3.6 Uma variével alearia continua X tem sua fd.p. dada pelo grific: kK a) Determninar k b) Calcular P(s X < 2) (6) Caleular E (X) a) Usaremos o fato de que a soma das duas ser 3°K=1 4 K+6K=2 = K=2 *. xel M92 se tensa 0 se x<0 ou xod5.3.7 5.3.8 0.4286 K 2k Sendo £ x) =4| . 0 se x £0, caleular a) K b) PS 30- A probabilidade de um cabo sair com diimetso defeity 18125 ~ P(X $05). $0 2 c so & dada pe bos so produzides, qual prohahilidade de que 2) Polo menos 2sejam dfeituosos? b) Exatamente 6 sejam deeinoson pecsosy[ Fee b=308-8)| = 3-3 ’ py =05125-03125 + pi158 Estatistica Basica~ Volume! Cap.5 a) P b) Pex =6)=(77]10.2)5 08)! 0.16335 x 9:3-10 0s salirios dos dietores das empresas de $0 Paulo dstibuem:se normalmente vom média de RS8.000.00 e desviospadrio d= R$500,00, Qual a percentagem de Giretores que recebem: a} Menos de RS6470.08) 1) Entre RS8.920.00 e RS9.380,00? [u=s00 -80 X: satério {H= 800 _, 7_ X-8000 = 500 Snr a) P(X <6.470) = P (Z<3,06) = 0,5 -0,498893 1001107 = 8470-8 a P(L84S2<2.76) = = 0497110 ~ 0467116 = = 0.029904 m= 3.06 b) P(8.920 _X-910 a) XN (910, 100) 18> 2=%58 X < 900) =P (Z$~ 1)=0.5 -0341345= 0,158655 ‘Logo, com a regulagem de 910 g, 15.8796 das latasterdo peso inferior «900 g, 0 fo satisfaz a exigéncia do LPM. que b) 900- 10 na deve ser Portanto, para que a exigéncia do 1LP.M. seja observada, a mg ads para 9164 g.L X:1N (9164; 100) €) X: ndmero de latas com peso liquido menor do que 900 p= 0,05, X; B (20; 0.05) PiX<3)=1 (0.05) (0.95 910.95)! +2 ans? wasys 5.4 5.4.4 5.4.2 5.4.3 5.4.4 5.45 Gap. 5 _Variaveisaleatorias continuas =1~ 0.35849 +0.37735 + 0.18%68'= 1 ~0.92552= [04 PROBLEMAS PROPOSTOS Dadas a funges abso, verifcr para que valves de K pod ser considera fldp. CaleularE(X)e VAR (X _ {ie se 05x82 (ya {K2=n se 05 FTO se x<0 ou x> I ke? ©) 4a) [Ke par f= 10 para x<0 x20 Fazer o prifico da fungao de distribuigdo F (x) das Fugbes do exervicio anterior Uma varidvel aleat6ria continua X tem a fungio de distribuigao dada por se x0 F(x)={x3 se Om=P(X2 © srstico da fp, de uma varidvel sleatéria contfaua X € dado a seguir Caleul a) Pex 1) b) PXS1) e) EX) +00) 1 a) 7 Dada a f.p. de uma variével aleatéria X: _ [és(t-») 36 0<451 F0)=19 se x<0 ou x>l caleular Pio < X < p49), A duray2o de uma Limpada é uma variével aleatéria T,cuja fp. L 1000 parat> , reper parat 20 (em horas) 0 se <0 Caleular probabilidade de uma limpada a) Se quecimar antes de 1.000 horas 1) Durar entre 80 1.200 horas. Yarisvessleatorias continuns 163 5.4.10 Na leitura de uma ese focom istibuis uniform de probabitidade. Caleular a média e a variéncia da dist igo dos erro. 5.4.11 Dada a varidvel aleatsria Z="—"%, doterminar B (Z) © VAR (Z), sendo que X ox em Eakp. dada por tope[e* se x20 Jo se x<0 5.4.12 A duragio X de um tubo de televisto tem fe. p [Ke-M se x20 OV ge xed Seja py=P(ASX-S2+ 1). Entdo p, & da forma (1 —a)a*, Determinar « 5.4.13 A fulp. de uma variivel aleatGria continua X € dada pos _ [1-3/2 se 0x52 FOD=10 se x0 ou x>? Seja py = Pixs 12) 4) Considere experimentos independentes, onde p= 1,24~ p, € a probabllidade de sucesso. Qual a probabilidade de que em 25 t mento ocorram pelo menos 3 sucessos? 'b) Se a probabilidade de sucesso for tativas do mesmo experi 1,24 p,)/200, em 1,000 tentativas independentes do experimento, qual a probabilidade de que ocorram no maxi 5.4.14.0 iimetro X de um tubo é uma varidvelaleatéria continua eo two? lo se x<0 ow x>1 se Oexst A probabilidade de um tubo sair com defeito (diimeteo fora das especificagbes) p=0,5125—P (x $0.5), Se 25 tubos so fabricados, qual a probabilidade de 1m defeituosos: que a) Pelo menos 4 tubes’ b) Exatam 5.4.15 Foi feito um estudo sobre a altura dos alunos de uma faculdade, observando-se e 6 thos? que ela se disteibuis normslmente com média de 1,72 m e desvio-padrio Cem. Quill poreemtagem dos alunos com altura164 Estatistica BAsiea— Volume! _Cap.5 fa) Entre 1.57 me 1.87 m? b) Acima de 1.90 m? 5.4.16 Uma varifvel aleatéria X € normalmente distibufda com méidia 60 variancia 64. Deverminar a) P(X 274) b) P(X-601<8) ¢) PX 60125) 5.4.17 Um estudo das modificaydes percentuais dos pregos, no atacado, de produtos industrializados, mostrou que hi distibuigio normal com média de 50% © des vio-pulrio de 10% Qual a porcentagem dos artigos que: a) S b) Sofceram aumentos entre 30% e 80%? 5.4.18 0 volume de correspondéncia recebido por uma fitma quinzenalmente tem dis- tribuigdo normal com méidia de 4.000 cartas e desvio-padio de 200 cartas. Qual 4 porcentagem de quinzenas em que a firma recebe: a) Enire 3.600 e 4.250 cartas? b) Menos de 3.400 cartas? €) Mais de 4.636 carts? 5.4.19 Numa fabrica foram instaladas 1,000 limpadas nowvas. Sabe.se que a dusagio ‘média das limpadas € de 800 horas e desvio-padrio de 100 horas, com distibu 0 normal, Determinar a quantdade de Jimpadas que dura: a) Menos de 500 horas ) Mais de 700 horas ©) Entce S16 e 684 horas 5.4.20 Um fabricante de méquinas de lavar sabe, por longa experiéneia, que a dur suas miquinas tem distibuigao normal com miéia de 1-000 dias € 200 dias. Oferece uma garania de | ano (365 dias) Produz mensamente mdquinas. Quantas espera trocar pelo uso da garantia dal, mensalmente? 5.4.21 0 didmetto X de um cabo de i V.a. com Distrbuig’o Normal, com ‘média de 21mm e desvio-padrio de 1.5 min. A probabilidade de umn cabo sai com diimetro fora das especifiagies & py =0,691799 ~ P (X> 23). Consideran- 2 p= p1/800 a probabitidade de'um cabo produ ser rejeitado, determina probabilidade de que, n sluyio de 8.000 vabos, no maximo 3 sejam rejeitados, | B MakRov Books APLICACOES DA DISTRIBUIGAO NORMAL DISTRIBUIGOES DE FUNCOES DE VARIAVEIS ALEATORIAS NORMAIS Sejm E (Xi), VAR (Xij=@2,F= 1,2... sn, isto € XEN Gu. of) Cone mos varivel X= Xs . Eno X também é normlnenedisibuida XN D 1 Demonsiagto: No faremos a demonstag de que vive X em dsb now Seam XeNqu.e) XN 2.63) Xa: N (Un, og) © Xi, calcularemos F(X) e VAR (X), independentes © X VAR (X)= VAR (E Xi)=T_ VAR (Xi) +2 COCCOCOOHOOC CRO RAaMMamamaasennnn~~~~166 _Estatistica Basic 1 slo independentes, a cov (Xi, Xj) =0. Como as varidveis Xi i jal miei Loge: VAR(X)=3 VAR(X)=2 of 2, Nas condigdes de ©. se pi= eno X: N (ny 0 Demonstragdo: De ® tiramos EQQ=5 w=¥ w=op ist iat VAR (X)=¥ of =¥, 0? = no! 3. Sejam XN 4,01 = 1 1, variéveis independentes. Seja x! tx 1 KN {ue ) Demonsiracéo: 1 = enw » Xi = 3S vaRixy = 4 -no! m XN Qo) i Y= at biX1 + b2X2 +... aX. Ent + varidvels independentes © seja Cap. 6 _Aplicagoes da distibuigée normal 167 YNG@+E by E(Y)=E (a+ bIXt +b2X2 +... + bgXa) = a+ DIE (Xt) + B2E (Xa) ++ BoE (Xn) Sasbre wnt bas p+ tba Hn = aed bus VAR (Y) = VAR (a+ biX1 + baX2 +... + baXa) = fF VAR (X1) +b3 VAR (Xa) +. +} VAR (Xp) = sb} +o; +b505+ EXEMPLOS DE APLICAGAO 10 peso de um cigarro € soma dos pesos do papel ¢ do fumo,e vale em méaia 1,200 g com 6 =0,060 g. O peso médio do papel é 0,040 g com 6 = 0,020 g. Besos pesos tém distribuigdo normal. Os vigastos sto feltos em uma maquina que pesa 0 fumo a ser usado, coloca © papel © enrola o cigaro, © peso médio do fumo em cada cigarro ¢ 0 desvio-padido. Qual a probabilidade de que um cigarro tenbia menos de 1,130 x de furno? Resolugio: Facames: X: peso do cigarro Y¥; peso do papel : peso do fumo Logo F= X~¥ com Xe Y independentes. 0.06 2 0.02% remos [H0=1208 © MOS 1, = 0.04 B € 0 Precisamos determinat yp e of Calculando-se a esperanga e a variincia de F tems b= E (X -¥)=B (X)-E(¥)=1.20-004= 16 ¢ VAR (X-¥) = VAR (X) + VAR (¥ = 0,067 + 0,022 = 0,0036 + 0.0004 = 0,040 Oe |Basica — Volume! Cap. 6 F:N (1,16; 0,004) e op = 063 = [, a = [, Caleulando-se a probabilidade tems: P(F 1,13) =P (ZS— 0,48) =0,5 ~ 0.184386 0315614] {Uma maquina automética encbe latas baseada no peso bruto das mesmas. O peso Druto tem distribuigdo normal com = 1.000 g ¢ 0=20 g. As latas tém peso distribuido normalmente, com 1 =90 g.e @= 10 g. Qual a probabilidade de que uma Ista tena, de peso ligui a) Menos de 830 2? bb) Mais de 870 2? €) Entre 860 ¢ 920 g? Sejam 1: peso bruto X2: peso de lata Seja X: peso liquide Logo Tem 1: N (1.000, 2: N (90, 100) 00) CCaleularemos E (X) © VAR (X). E (X)=E (Xt ~ Xa) = E(X1)~ E(X2) = 1,000 - 90= 910 VAR [X)= VAR (Xt ~ X2) = VAR (X1) + VAR (Xa) ~ 2 cov (X1, X2 ‘ov (Xt, X2) = 4014 10) 0 = 500 XEN 10, 300) ] = {H=910 a) POX 0,5 0.499828 = b) P(X > 87) =P (Z> ©) P(860 7.722)=P@>~ 1,78) =P(-L78SZ<0)+0,5=0,5 +0,462462 = = [0.962462 | a Cap. 6_Aplicagées da dietibuigéo normal 177 6.3.4. Sejam Xi: N (40, 4), 1 = 1, 2 0 independentes. Seja X também com distribuigio normal a) Determinar Xu, tal qu b) Cateular P (IX-~ 101s 820) a) = 0.84 a 3 ©) Caleular P[2 w-200 5x5 Fu +206 Como: ‘ leo -e8 xy=¥ «0-000 J vin . |varoo VAR( ; 20-4=80 vi 7 senna = 2298, [2-5 a) Za= 0,99 b) P(X 101< 820) =P (820 X~ 10 < 820) =P (8105 X £830) =P 180,09¢7.<3,36) = 0,5-+0,499610= [0,599610 | Tho 800 000 0008000000000082000040020000083 Estatistica Basiea — Volume! Cap.6 ©) P(3u-2005x<3y4200 [5 4 (301,205x <7788)=P (-35,79<72.< 5 =0,491106=0,008894 -3579 2370 *5_Uim clevador tem seu funcionamento bloqueado se sua carga for superior a 450 ke, Sabendo que 0 peso de um adulto é uma variével aleatéria com distribuigo ‘normal, sendo a média igual a 70 kg ¢ o desvio igual a IS kg, calcule a probabi- lidade de ocorrero blaqueio numa tentative de transportar 6 adultos. ‘Xs: Peso de um adulto Xi: N (79, 225) EY) E(X)=6-70=420 Y: Peto de 6 adultos + Ex: 6 VAR (Y= VAR (Xi) = 6 - 225 = 1350 1 in ee a P (Bloqucio) = P (Y > 450) = P (2 > 0,82) = 0,5~P 0SZ50,82)=0,5 ~ 0.293892 (Bloqueio) = 0,206108, © peso de uma caixa de pegas ¢ uma variévelaleatéria com distribuigdo normal de probabilidade, com média de 60 kg e desvio-padrlo de 4 kg, Um carevamen- to de 200 eaixas de pegas é feito. Seja X 9 peso do carregamento ¢ X tem Uisteibuigdo normal, Determinar a) (XX ~ 12,10015323) b) Xq al que P(X 2 Xap 0.973 Cap.6 Aplicagées da dietibuigde normal 179 Xi: N (60, 16) Peso da Caixa i XN (12.000, 3.200) B= 12000 X- 12000 5657 a) POX 12.1001 32)= P(-32£X~12100¢ 22)=PUROKENS 12 (1.205 282,33)=P (052 £2,33)-P OSZ< 1,20)= 1.490097 ~0.384930= [0.105167 b) PIX2 Xa) =0.973 11,891.39 6.3.7 O custo de um produto A 6 determinado por custos fixos, mao-de obra e maté ria-prima, Sabemos que os custos fixos si0 de RS1,000,00 e desvio-padrin de °R$80,00, com distribuigdo normal, e que 0 custo da mao-de-obra segue distribu: 680 normal com média de RS5.000.00 e desvio-padrio de RSi00,00. 0 custo da ‘matéria-prima € o dobro do custo da mio-de-obra e também segue ua distibus ‘gio normal, Admitindo-se que custo fixo, matéria-prima © mto-de-obra se) independentes e que 0 custo do produto A tena uma distibuigo normal. determine a) Qual a média © 0 desvio do custo de A ) Qual a probabilidade de A custar mais RS16.500,00 1c) Qual a probabilidade de que 0 custo de A csteja entre RSIS.O0.00) © RS16.900.00.a) Sejam: XI: custo fixo X2: custo da mlo-de-obra Xx custo da maté X: custo de A prima Como X3= 2 Xe temos: E (Xs) =2 B (Xa) VAR (X3) =4 VAR (Xa) Loge: X12 N (1,000, 6.400) X2: N (5.000, 10.000) Xt: N (10.000, 40.000) Ecomo Xi#X2X9 Temos: E(X) =1.000 + 5.000 + 10,000 E(x) =16.000 VAR (X) = 6.900 + 10,000 + 40,000 VAR (X) = 56.400 ; 400) + {H= 16.000 X:N (16,000, 56.400) + |H= 16000 b) P(X > 16:500) (222,11) =05-P (0sZ52,11)= 0,5 ~0,482571 = [0.017429 ©) P(15.800 < X < 16.900) =P(-0.8452.<3.79) 299546 + 0.999925 = [0.799471 63.8 6.4 6.44 | Cap. 6_Aplicagses da dletibuigde normal 181 Isso 16000 16900 ‘Um eriador possui 5,000 cabegas de vaca leiteira. Sabendo-se que cada vaca produz em média 3 litros por dia, obedecendo a uma distribuigde normal. com Adesvio-padrao de 0,5 lito, calcular a probabilidade de lzir,diariamente a) Mais de 15.110 fitros b) Entre 14.910 e 14.960 liteos Xi: Producto da vaca i Xi: NG: X: Produgio Total E(X)=myt=5.000 3 = 15,000 VAR (X) = no = 5.000 0,25 = 1.250 XN (15.000; 1.251 = 15.000 X= 15.000 5 = V1.250 = 35,36 35,36 a) P(X> 15.110)=P(Z23,11)=05 -POSZ=3,11)= =P(-255SZ50)—P(- 11325 0)= ,494614—0370762~ [0,123 EXERCICIOS PROPOSTOS Sejam Xi: N (200, 60) & X2: N (100, 20) varidveis independentes, Seja X nor malmente distribuida, tal que X = X1 ~ X2. Calcutar: a) P92 Xs 106) b) PUIDEX< 117) €) P(X 10015 14) BOOM A MAA B eee een amon nen eee nnn ree82_Estatistica GAsica— Volume! Cap.6 a2 43 4A AS 46 az 48 Sejam as variéveis normalmente distriburdase independentes, X1:.N (100, 20) Xz: N (100, 30) Xx N (160, 40) XN (200, 40) ‘Seja X também com distibuisao normal, sendo que X =2 Xi ~X2+3X1~ Xa Caleular: a) P(X 2420); b) PIX <436y: ©) P(3W 7 ‘Numa binomial em que n = 100 € 70-a 80 sucessos, inclusive os extents. 5, calcular a prababilidade de se obter de Um dado € tancado 120 vezes. Determinar a probabilidade de aparecer face 4 a) 18 vezes ou menos b) 14 vezes ou menos, admitindo-se que o dado no seja vieiado ‘Uma méquina produz parafusos, dos quais 10% sio defeituosos, Usando a apr: ximagao da distribuig30 binomial pela normal, determina: uma amostra formada 30 act tem defeituosos! sbabilidide de 0 de 400 parafusos produzidos pela miguina, se a) No maximo 30. b) Entre 30 ¢ 50 (inclusive os extremos) __cap.6_Aplicagbes ©) Mais de 35 ¢ menos de 45, ) Mais de 55 6.4.9 Determninar a probabilidade de que em 200 lances de uma moeda, resultem a) 80- 4.000) distibulgao normal 6.4.13 A montagem de uma peca é feta em 3 etapas, iudependentes entre si, Os tempos ‘de montage de cada etapa sio normalmente distribufdos, como segue: 0 tempo total de montagem também & n lidade de que & montagem da pega seja fits: fa) em mais de 660 minutos? b) entre 896 minutos e 915 minutos? Jormalmente distibufdo. Qual a probab ————————___< || 1a4_Estatisica Basica — Volume Cap. 6 AKRON 6.4.14 Sacos de feijto sio completados auiomaticamente por ume méquina, com pes fos Inédo pot sco de 60 kg, desvo-patao de 1.5 kg e disuibuigSo normal. No | Processo de armazenagem e transporte a perda média por saco & de 1,2 ke ¢ ‘esvio-padrio de Ot kg, também com distibuicio normal. Calcular a probabil dade de que numa remessa de 140 sacos de fijo 0 peso total nao ultrapasse 8.230 kg TABELAS / FORMULARIOS | + | TABELAL _ . | Faetetoe TX | efter Pete | [EUR EEa ce Se el16. Estatistica Basia — Volume ‘TABELA I Distrito BinomiatTabelas /formulérios 189 188, Estaisticn Bdsica — Volume | raseca = at = — Dinnideshomt — | poxaya(*) hare 7 rane | - . ko a=(s)rt 3 tations [rena =()phg 3 | =] ewe ry | 35 | 0,30 ] 40 | 050 | N=7 « MTeTel ; NO] oor Face | , ' a | aos | ar | a2 | aas | ox | ew | ox uns a * “ ‘ © | 93207 | égase | steso | 2972 | 13348 | 08235 | 02800 | co7s 1 7 1 | 06590 | 25728 | 37201 | 36700 | 31146 | 24706 | 13064 | osess | 6 © [aaa [ges [ame | we Porm [oo Tenor [oe | @ 1 | Se | Bas | Hm | | 3 | eee | meet ase) 1 | is | sas | ees | ty | es [es Tuer Tene |” | Se | ie | te) as | 2 | ae | ty | ee | 2 Gas | les | tats | dn | Ze | ts [ar | aut | at 2 | is | aes | same | ase | oe | Se | ae amet | 2 ns is | cd | er | eas | sees [ui | rn | S/S) Ser] |S | sith | Sat) ut | at) {| tn |Get | fone | lt | Tice | BS} | Bam [eae |e & | Bs | ma | Sa | ae | aus eet | ar ie | 3 | fo | Si! | Sie iss | ost | rt | a | Ban | $ | im | ee | i | Set | Sat | okt | Sut | et |} {| Si | oon | sve | ans | Sint | mst | rz | aay | oe }) | Ste | os | Ss | zs | St | eae | oraz | seus | ah r | tts | Ss | ew | oer | SU | Saat [ana |: |e wer am | aos | oso | om | om | ave | oxo | ox [S 3 _| 2000 | 0000 | vo000 | 09000 | 90000 | ooca2 | ooo2s | 00196 | 00 | | 1 ron iste { N ca | o> | wav | a2 | o2s | 030 ae | 00 Nels 1 desis | Tass | Goass | 0278s | ooaon | conte {sora | ans | aaam0 | onto | orzas | colon cospne | 2uemn | insee | Sane? | omae | Sates © | scons | 4sa29 | anses [assis | orsae | acts | oooe7 | oma fsisa | frase | 2oaas | I1see | ones | o1en9 3 | aoost | aesre | seats | aise | oss | oaoes | onto | ooose toss) | ros10 | sedan | aotee | tat | caese 2 | aosar | izes | axos0 | 2300 | Ys591 | optse | eatse | oon tos | osess | tna | setae | desea | ore8 3. | oxoso | osors | toast | 2sis | 23520 | tnooe | oatse | annus | woot | oosts | oraes | iran | 22520 | tees | Tae7e | ones 5 | avo | oonss | onosr | tosis | sie | aacts | isso | ontee | econo | oooos | oniss | oss | coins | 14724 | zoe | Ts214 i | ‘2200 | 00000 | ootss | oazis | oso | it44a | 19990 | 19ra ‘o0on | ooo | conas | oorss | on | oxs37 | 5926 | Teal] ‘0200 | e009 | ooozs | o1st2 | assa2 | oms13 | intoe | 19638 ‘oxcoa | ooev0 | ooos | cose | oxsit | exer? | ioe | T9838 ‘ooo00 | ooo | coves | 0020s | os | danke | Lamia | 7620 fm | oones | ooon0 | tose | cost | 201 | orto | sore none | 05000 | coneo | coos? | geata | St1s9 | oeiz1 | Ist38 0090 | o0000 | conan | cord | Booes | ooass | o2eey | coioe ‘none | coon | cove | once | 900% | cease | asso | 13013, ‘oe | d90m | toe | tovor | dons | Soles | se |c7303 ‘avon | fone | soe | somoa | oe | G0023 | goes | 03636 twee | 0000 | voce | cooee | 9900) | ooaas | 9130 | O14 1} ooian | oo0c0 | 000 | oseo: | oooia | eoose | gone | oxtee 12 | 06000 | om | eos0o | oan | S000: | ooos | coves | o1388 i. 13 | 0900} ceoaa | c0600 | oto | enove | oaot | ona3s | 00380 9 | to i «| onto | cones | coooo | oieno | avon | tenon | cove? | ove {cor | Sosm | Sogn | Samo | eo | moa | encoun | towvo | oooo> | soe | coosa | oon | soaat | 0002 | tous 15 | eoa00 | cone» | sono | oneoo | onan | ene | noon | cans 60100 | oooo0 | cove | ene | coano | cee | oooo0 | e000 ‘e000 | sooo | sooo | nase | eno | enone | eons | ostos sooo | to | aie | Seo | tees | tooo | tions - T Nets} as | o9s | as0 | om | 075 | 0% | oso | oso | XE rasa] oo | ass | owe | ate | ars | am | om | on aheilts | D OOROARABRARAMMAAAMAAMAAR EAR DORADO ~-Tabelas /formulérios 191 - * Doel Romi rxen-(2 al es Fy i |i (Dee — : 7) 1 | o | ome | are Y care | ome once | canoe | 28 1 | aeea | seen | toe | eas | a cones | cone | 34 : 3 | cones | rae | aso | ast?) ost mise | oar | 22 {| eet ie | at | te | tenth te | | | | coos | oes | aus | sn: | test | aoio2 ois | ease | 20 ! ©) elon | otoe | oxi | sess | anes | ens | oun | cost | 9 2 $ Soom | cons | ooaz | anos | seser | itt» | ame | ones | te 2 i 2] Goon | tows | ors | ces | sane | iste | iss | exes | 7 5 | toe | toom | oone | oases | ant | see | site| oss | 6 18 | bine | toot | enor | o1rns | ones | eee | tite | one | 18 5 i XT | fine | toe | cont | ora oree | esis ist | ress] 6 8 | Me) ie |e J | wir | se | eam | as |e | \ 12 | fom | ine | ono | sors | rs | ine | ats | ise | 12 Xe | toe | toe | ose | otros | ene | toes | ose | sat | 31 . {E | fie | tow | como | owt | corr | eos | ona | oraz | 10 3 6 ten | veo | se ‘onto> | cocox | 0003 | ooses | ocoss | o> : 1% | Sine | Stoo | toe | ore | oxor | eons | cata | 3223 | os TE | bon | tro | tin | temo | oie | wc) > | or 15 | cor | tour | oton | sro | tors | eco | ozs | vases | os s 22 | fee | tow | como | oan | ere | eon | eons | ooist | os - ‘| exn00 | 0000 | 0000 | o.aca | ono0e | aode0 | oooo1 | 0003s | ov i 22 | imo | se | or | cre | in| cn | coe | too | 58 | owe | tmeo | evo | eo | ores | sae | come | ea) | 32 4 ie * wm |e tre | nn | vee | ee | wi | 0: i = 25 | tom | omar | tno | sano | ace | ator | oe | exo | 0 i | ki | aos | 7| 192 _Estaistion Bésiea— Volume! Tabelas Mormulirios 183 Distibuigio Binomial Po=Ky=(2)pk a | rocss (2) | le = | rf} Np fee ee [oe [oe [ae [one | : | | | = o 21464 | 04239 | von2e e002 | 00000 | 00000 | 30 1 ne : san | ee | eo | ans | tor | ore | eto | | — : dstt | zz | oes | sous | ent | srt | som | : ; tans | es aon | coms | fon | + ‘o4sig | 17707 | 13252 02084 | 00120 | 00002 | 26 | hay s 91235 | 1ozai | 17228 | 10473 | oneas | oo4is | 00013 | 25 | a 3 ‘ curt | ocs| tue [ica | ons [ott | aos | 3 # 7 : aio | es | se | ace one | - & [eae | oor | tsi |e | issn | soe | eae || 22 2 | 2 | coon | ooo | oo1s7 | osise | s2sei | 15729 10] 00000 | oaoeo | aus? | ser | osose | raise 11 exo | enon | eoor | rena | esor | tear | ass | come - |i 12 | 00000 woo | esos 0538 | o2s06 | oraas | 14738 | cavss = on - a 13 | ewoo | evo | Some | ana | aise | exer | tee | Se 5 te | So | smo | omen | cay | sttt | ee |e Jute | - | 1s cote | ios | aro | cows | srs | ossy ta : | 16 | omoo | cone | cost | ioe | soca | ons ~ lee 17 | oom | ein | soe | oot | eer | ene 5 — 18 amo | ero | cota | eo | cont | snse je _ 18 | ono | eee | eco | ooo | sce | ons : ~ |gE2EE 2» | oon | cn | Sc | com | eo | exer ve 7 SSEEEE - 21 | exon | ce | sore | res | enon | sr ® i 2 | cow | oo | ecco | cmv | enon | some ° i . 2 | como | eon | tooo | sin | enon | See ° Pr 2% | otos | cre | sor | ine | orce | oe we oo 2 | oom | xo | soon | enn | eran | sore ts a 2% | nwo | ero | coos | eae | eon | Sore oe ui * ‘ 2 | ero ‘wom % 2 | exon | eno | sco | tone | too | oor | ono | eee | 2 | | 2 | 00000 | eowan | aco | coo | co000 20 | ewe | ono | oe | cone | ona ‘wooo | 000 | con60 | 01 10600 | 00000 | cono0 | 00 wen] om | os | om | aa | a i |_| eno | 060 | asaMAKRON Books RESPOSTAS 3 CAPITULO 1 ATA Q= (ove), (er), (ee), (er) e60), (se), (re), (err) a) A= (coe), (a) b) B= (ccc), (cen), (re). (ers) ¢) C=|(er, (an) 4.7.2. 92= (bbb), (bhm), Camb), (ame), (rah), (ohm), (mm, (mmm a) A= (hum), (hm, (mh) b) B= (mmm 6) C= (mmm) 1.73 a) A=fx=y}=45. 5) (10, 10), (15, 15), 20, 20), (25, 25), 0.30 b) B=|y 188 @OCOOHOHOOOOOOOOHHOHOSOO OOOOH OOOEG:10 1" 12 13, 14 15 16 7 18 19 20 21 22 23 24 25 26 27 510,00 $75,600.00 a) 0.1 e} 1001 0.4694 097 ¢ 0.68 ay -55 by 8.18 by 06: 046; 024 ¢ 0.24 ©) 12 © 036 sae 04 1) 70 by 0,059 522 e 3012 a) 385 € 148 140. a 4 Use EX +Y) » 4 £0 EY) a 028 0533 053 ~025 1 36 3.7.28 9 16 3.7.29 a) 02;d4c04 eo 2d b) 468 37.30 alc 9 © 51 37.31 Be 7 37.32 a) | b) ky io indepen p=— 0.3333 3.7.34 a) User P i.) =P (8 P (9) pa tod par Us y= b) 33 CAPITULO 4 4.9.4 3) 0.21499 1 0514s b) 016729 2) 001526 ©) 061772 hae 24 @) 016729 vmod ©) 037623 492 13,2204 yy 49.3. 039175 4.9.4 0,o0364 4.9.5 9.499071 4.9.6 0.188737 4.9.7 9) 0.90838 a0 b) 0.09562 49.8 3) 09928 by 0.76360 49.92) 01006738 by 0.999501 41 34 Estatistcn 83 9.10 ott 9.12 9.13 a14 215 3.16 9A7 9.18 9.19 9.20 3.24 3.22 323 3.24 3.25 3.26 ay 0.199148 a) 0.07463 by 013484 a) 0.08984 b) 0.7461 a) 0.000045 Aplicar as propriedades da esper a) 018316 a) 0,265026 a) 0.168031 b) 0.800852 a) 032307 a) 0,559507 b) 0.175467 a) 0,20233 b) 0.90874 a) 0.000123 ©) 0.268933 a) 0,018316 a) 0.222363 a) 0.16729 1) 0.190120 0013562 ©) 0.038742 ©) 0.0703 b) 0124682 igae da varinc b) 0761896 66 dias b) 04112599 ©) 0616115 b) os3710 ©) 0124652 4) 0.084224 ©) 0,00317 4) 0148s b) 0.006232 49.27» 3 ©) R51.026,00 ®) or24s9 capiTuLo s 5419 2355 02 6 348 542 9 +0 » ° +P) 1 543 5S 350 Respostas 20536 _Estatistica Basics — Volume Aa AS As AT 48 49 4.10 4a 442 413 444 4.15 4.16 417 4.18 4.19 4.20 arr 0.676677 0.16335 0.02% 0.52869 97.59% hos CAPITULO 6 6.4.1 a) U.s61838 by 0.102640 6.4.2 a) 0.03836. ») 0.99343) 6.4.3 a) 0.176186 6.4.4 0.134991 645 9 I 6.4.6 0.026190 647 2) 0.355691 6.4.8 a) 0.057053 ») 0919882 6.4.9 a) 0994220 b) 0.068112 6.4.10 47.26 6.4.11 a) 0.999908 6.4.12 a) G.000046 6.4.13 a) 0974012 6.4.14 0,456 Respostes 207 OS8508 4) 0.003940 0028524| i MAKRON | Books | é | 1 MEVER, Pu L.Probebildade:Aplcaes &Buac, Lvs Tenia Clem | tfieos Baitora SA, Rio de Jairo, 1983. bo: ay R. Esti, Mikon Book do Brat Edo Lats, Sto Pou 3. SPIEGEL, Muay R, Probab Ewa. Etora McGrail do Bra Li, So Pao. 97. 4 BROWKER, Albert H. & LIEBERMAN, Gerald J. Engineering Statistics, Prentice HA Ine. aglow Cty, 199 § LIPSCHUTZ: Seymour Probolidde Patera McGraw Hil do Bri Lis So Pas 7 6 BLACKWELL, David. Euartce Raroa. Pita MeGraw-Hi do Basi Lida Sto Pa, 1973 | 7 LINDGREN, BW & MCELRATHS G. W. digo 8 Breitizn, Ao Uo | 7 ERS cin ta Rio de Toco. 972 | 8 LINDGREN, B. W. Statistica! Theory. The McMillan Company, London, 1968. 9 HOEL, Paul G. Estatistica Elementar. Editora Atlas S.A, Sio Paulo, 1977. 40 KARMEL. P.H& POLASEK Mattie Gere Aplicada pare Economists Eaton A Ss Sao Fol. 18 | 44. maTHER, Kem, Etonnor de Boman, ora Pligon-Bdusp, Sho Plo oe 42 SANDERS, Donald. & MURPH, A.F_& ENG, Robe 1 Suis A Fresh Aroroech:weceorsit Ropar Lid Toye WI 13 WOLF, Frank L. Elements of Probe and Satsice. McGraw Kogausks Lid, Tokyo, 1975. oo 808 0000000000000 O0OO08O008008OCO8O8a. Estatstica Bisioa — Volume | FF canon, vests eminence ari, i a2 a McGraw-Hill do Brasil Lida, Sao Paulo, 1 55 NOETHER. Gosia. tna & Enis: Uvex Abordagem to-Pur £2 53 rica, Guanabara Dois, Rio de Janeiro, 1983. Bap i ; WONNACOTT, Thomas H.& WONNACOTT, Ronald J voto 0 Essie. ee Livros Técnicos Clenicos Ediora $A. Rio de Jani in a= g i 225 | 2 $ & = s - 3 - bad % wakRoy EI & % 8 ey oa A 2 H Es a tg CADASTRO PARA MALA DIRETA