Distribuies de Probabilidade Prof.

Daniel Prates Pgina 1

1. NOES BSICAS DE PROBABILIDADE

Definies:

- Experimento aleatrio: quando um experimento pode apresentar resultados diferentes,
quando repetido nas mesmas condies.

- Espao amostral: o conjunto de todos os resultados possveis de um experimento aleatrio.
Indicamos espao amostral por S e o nmero de seus elementos por n(S), por exemplo:
Lanando-se uma moeda duas vezes, ao acaso, a leitura da face superior pode apresentar os
seguintes resultados possveis: (K,K), (K,C), (C,K), (C,C).
Logo, S={(K,K), (K,C), (C,K), (C,C)} e n(S) = 4.

- Evento: Chama-se evento a qualquer subconjunto de um espao amostral. Considerando o
lanamento de um dado e a leitura dos pontos da face superior temos o espao amostral S =
{1, 2, 3, 4, 5, 6}
Um exemplo de evento a ocorrncia de nmero mpar. Indicando esse evento por A,
temos: A = {1, 3, 5}.

- Probabilidade de ocorrer um evento
Num experimento aleatrio, onde S um espao amostral, a probabilidade de ocorrer um
evento qualquer A o nmero P(A), dado por:

( )
( )
( )
n A
P A
n S
=


- Lei da soma para eventos mutuamente exclusivos
Eventos mutuamente exclusivos so aqueles cuja ocorrncia de um elimina a possibilidade de
ocorrncia do outro. Neste caso a probabilidade de ocorrncia de um ou outro evento
expressa por:
( ) ( ) ( )
P A ou B P A P B = +



Distribuies de Probabilidade Prof. Daniel Prates Pgina 2

- Lei da soma para eventos no mutuamente exclusivos

Neste caso podemos definir a seguinte expresso de probabilidade:

( ) ( ) ( ) ( )
P A ou B P A P B P A e B = +



- Lei do produto para eventos independentes

Dois eventos so independentes quando a probabilidade de ocorrer B no condicional
ocorrncia de A. A expresso que define a lei do produto para eventos independentes a
seguinte:
( ) ( ) ( )
P A e B P A P B =



- Lei do produto para eventos dependentes (ou condicionais ou ligados)

Neste caso temos a seguinte expresso de probabilidade:


( ) ( ) ( ) ( ) ( )
P A e B P A P B A P B P A B = =



- Variveis Aleatrias
Uma varivel Aleatria uma descrio numrica do resultado de um experimento. uma
funo com valores numricos, cujo valor determinado por fatores de chances. Ela pode ser
discreta quando toma valores que podem ser contados (ex. nmero de acidentes de trnsito em uma
semana), e pode ser contnua quando toma qualquer valor de determinado intervalo (ex. peso, altura,
tempo, etc.)











Distribuies de Probabilidade Prof. Daniel Prates Pgina 3

EXERCCIOS (Probabilidade)


1) Do-se as seguintes probabilidades para A e B: P(A) = 1/2, P(B) = 1/4, P(A | B) = 1/3.
Utilizando as leis de probabilidade, calcular
( ) ( ) ( ) , , P A P A B P A B .


2) Numa amostra de 40 indivduos, 10 acusam presso alta. Estime a probabilidade de outro indivduo
escolhido ao acaso, no mesmo grupo do qual foi extrada a amostra, tambm ter presso elevada.


3) Jogam-se dois dados. Qual a probabilidade de o produto dos nmeros das faces superiores estar entre
12 e 15 inclusive?


4) Uma moeda viciada de tal forma que a probabilidade de ocorrer cara duas vezes a de ocorrer
coroa. Jogada trs vezes a moeda, qual a probabilidade de aparecerem exatamente duas coroas?


5) Admitindo que a probabilidade de uma criana ser menino (H) seja 0,51, determinar a probabilidade de
uma famlia de seis filhos ter:
a) ao menos um H;
b) ao menos uma M.



6) Escolhido ao acaso um ponto no disco unitrio, determinar a probabilidade de o ponto estar no setor
[0, /6].


7) Um sistema tem dois componentes que operam independentemente. Suponhamos que as probabilidades
de falha dos componentes 1 e 2 sejam 0,1 e 0,2, respectivamente. Determinar a probabilidade de o
sistema funcionar nos dois casos seguintes:
a) os componentes so ligados em srie (isto , ambos devem funcionar para que o sistema funcione);
b) os componentes so ligados em paralelo (basta um funcionar para que o sistema funcione)





8) Aps seleo preliminar, uma lista de jurados consiste em 10 homens e sete mulheres. Escolhidos
dentre esses os cinco membros de um jri, a escolha recai somente sobre homens. O processo sugere
discriminao contra as mulheres? Responda calculando a probabilidade de no haver nenhuma mulher
no jri.







Distribuies de Probabilidade Prof. Daniel Prates Pgina 4

9) De acordo com certa tbua de mortalidade, a probabilidade de Jos estar vivo daqui a 20 anos 0,6, e a
mesma probabilidade para Joo 0,9. Determinar:
a) P (ambos estarem vivos daqui a 20 anos)
b) P (nenhum estar vivo daqui a 20 anos)
c) P (um estar vivo e outro estar morto daqui a 20 anos)






10) Um sistema automtico de alarme contra incndio utiliza trs clulas sensveis ao calor que agem
independentemente uma da outra. Cada clula entra em funcionamento com probabilidade 0,8 quando a
temperatura atingir 60 C. Se pelo menos uma das clulas entrar em funcionamento o alarme soa.
Calcular a probabilidade do alarme soar quando a temperatura atingir 60 C.




11) Uma companhia produz circuitos integrados em trs fbricas, I, II e III. A fbrica I produz 40% dos
circuitos, a fbrica II 15% e a fbrica III 45%. As probabilidades de que um circuito integrado produzido
por estas fbricas no funcionem so: 0.01, 0,04 e 0.03, respectivamente. Escolhido um circuito da
produo conjunta das trs fbricas, qual a probabilidade de o mesmo no funcionar?






12) Um sistema de proteo atua devido a falhas em duas subestaes A e B, que agem conjuntamente.
As probabilidades de falha nessas duas subestaes so P(A) = 0.002 e P(B) = 0.008. Sabe-se tambm
que a probabilidade de falha em A devido a falha em B 0.2. Determine a probabilidade do sistema de
proteo atuar.




13) Sabe-se que na fabricao de um certo artigo, defeitos de um tipo ocorrem com probabilidade 0.1 e
defeitos de outro tipo com probabilidade 0.05. Qual ser a probabilidade de que:
a) Um artigo no tenha defeito?
b) Um artigo seja defeituoso?
c) Um artigo tenha apenas um tipo de defeito, sabido que defeituoso?




14) A indstria Zeppelin, fabricante de eletrodomsticos, tem um processo de inspeo para controle de
qualidade com trs etapas. A probabilidade de um produto passar em qualquer uma dessas etapas de
inspeo sem ser detectado de aproximadamente 80%. Com base nesse valor, determine a
probabilidade de um produto passar pelas trs etapas de inspeo sem ser detectado.




Distribuies de Probabilidade Prof. Daniel Prates Pgina 5

15) Amostras de emisses de trs fornecedores so classificados com relao a satisfazer as
especificaes de qualidade do ar. Os resultados de 100 amostras so resumidos a seguir:


Conforme

Sim No
Fornecedor
1 22 8
2 25 5
3 30 10


Seja A o evento em que uma amostra seja proveniente do fornecedor 1 e B o evento em que uma amostra
atenda s especificaes. Se uma amostra for selecionada ao acaso, determine as seguintes probabilidades:
a) P(A)
b) P(B)
c) P(A) (significa probabilidade de no ocorrer A)
d) P(A B)
e) P(A B)



16) Discos de plstico de policarbonato, provenientes de um fornecedor, so analisados com relao
resistncia a arranhes e a choque. Os resultados de 100 discos esto resumidos a seguir:


Resistncia a choque

Alta baixa
Resistncia a
arranhes
Alta 70 9
Baixa 16 5


Seja A o evento em que um disco tenha alta resistncia a choque e seja B o evento em que um disco tenha
alta resistncia a arranhes. Determine as seguintes probabilidades.
a) P(A)
b) P(B)

RESPOSTAS:
1) N
2) 0,25
3) 1/6
4) 2/9
5) a) 0,986 b) 0,982
6) 1/12
7) a) 0,72 b) 0,98
8) SIM. (4,07%)
9) a) 0,54 b) 0,04 c) 0,42
10)
11) 2,35%
12) 0,84%
13) a) 99,5% b) 14,5% c) 96,5%



Distribuies de Probabilidade Prof. Daniel Prates Pgina 6

2. DISTRIBUIO DISCRETA DE PROBABILIDADES


uma distribuio de frequncia relativa para os resultados de um espao amostral (isto ,
para os resultados de uma varivel aleatria). Para uma varivel discreta X, a distribuio de
probabilidade definida por uma funo probabilidade, denotada por P(X). A funo probabilidade
fornece a probabilidade correspondente a cada um dos valores da varivel aleatria.
No desenvolvimento de uma funo probabilidade para qualquer varivel discreta, as duas
condies seguintes precisam ser satisfeitas.

Requisitos para uma distribuio discreta de probabilidade:

(1)
( ) 1 P x =

em que x assume todos os valores possveis. (Isto , a soma de todas as

probabilidades deve ser 1).
(2) 0 ( ) 1 P x s s para todo valor individual de x. (Isto , cada valor de probabilidade
deve estar entre 0 e 1, inclusive).

Exemplo:
Venda de automveis em uma concessionria de veculos.
Nos ltimos 300 dias de operao, os dados de vendas mostram 54 dias sem venda de automveis,
117 dias com um automvel vendido, 72 dias com dois automveis vendidos, 42 dias com trs
automveis vendidos, 12 dias com quatro automveis vendidos e 3 dias com cinco automveis
vendidos. Definimos a varivel aleatria de interesse como X = o nmero de automveis vendidos
durante um dia.

Face Freqncia Funo
Probabilidade
0 54 0,18
1 117 0,39
2 72 0,24
3 42 0,14
4 12 0,04
5 3 0,01
1
( ) X ( ) f ( ) X P
( ) = X P


Distribuies de Probabilidade Prof. Daniel Prates Pgina 7

A principal vantagem de se definir uma varivel aleatria e sua distribuio de probabilidade que,
uma vez que a distribuio de probabilidade seja conhecida, torna-se relativamente fcil determinar a
probabilidade de uma srie de eventos que podem ser de interesse de um tomador de decises. Por
exemplo, usando a distribuio de probabilidade como mostrado na tabela acima, vemos que o
nmero mais provvel de automveis vendidos durante um dia 1, com a probabilidade de P(1) =
0,39. Alm disso, h uma probabilidade P(3) + P(4) + P(5) = 0,14 + 0,04 + 0,01 = 0,19 de venderem
3 automveis ou mais durante 1 dia.

Esperana Matemtica: A mdia de uma varivel aleatria discreta o resultado mdio terico para
um nmero infinito de tentativas. Podemos considerar tal mdia como o valor esperado no sentido de
que o valor mdio que esperaramos se as tentativas pudessem continuar indefinidamente. O valor
esperado (tambm chamado esperana, ou valor esperado) tem aplicaes extensas e variadas e
desempenha importante papel em uma rea de aplicao chamada teoria da deciso.

Mdia e Esperana Matemtica: | | . ( ) x P x = e | | ( ) . ( ) E x x P x =
Demonstrao: | |
( . )
.
. . ( )
f x
f x f
x x P x
N N N

( (
= = = =
( (

Calculando-se o valor esperado (E) no exemplo acima teremos:

Face Freqncia Funo
Probabilidade
0 54 0,18 0
1 117 0,39 0,39
2 72 0,24 0,48
3 42 0,14 0,42
4 12 0,04 0,16
5 3 0,01 0,05
1
1,50
( ) X ( ) f ( ) X P
( ) = X P
( ) | | X P X
( ) | | = X P X


Supondo 30 dias de operao durante um ms, podemos usar o valor esperado de 1,50 para
prever vendas mensais mdias de 30(1,50) = 45 automveis.

Distribuies de Probabilidade Prof. Daniel Prates Pgina 8

Varincia e Desvio Padro para uma v.a.d:

Varincia:
2 2 2
. ( ) x P x ( =

Desvio Padro:
2
=

Regra de arredondamento para , e :
Arredonde os resultados usando uma casa decimal a mais do que o nmero de casas decimais usadas
para a varivel aleatria x. Se os valores de x forem inteiros, arredonde , e para uma casa
decimal.

Notao:
s = desvio padro amostral
s
2
= varincia amostral
= desvio padro populacional

2
= varincia populacional

Nota: Artigos em peridicos cientficos e reportagens usam, em geral, SD (de Standard deviation) ou
DP para desvio padro e VAR para varincia.

















Distribuies de Probabilidade Prof. Daniel Prates Pgina 9

2.1 - DISTRIBUIO DE BERNOULLI (Modelo de Bernoulli)


Quando executamos um experimento (ensaio) do tipo Bernoulli, associado a este ensaio, temos
uma varivel aleatria com o seguinte comportamento:
Suponhamos a realizao de um experimento E, cujo resultado pode ser um sucesso (se acontecer o
evento que nos interessa) ou um fracasso ( o evento no se realiza).
Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p + q = 1.
Definimos a seguinte v.a. discreta: X : n de sucessos em uma nica tentativa do experimento.
X assume os valores:
0,
1,
fracasso
X
sucesso

com P(X = 0) = q e P(X = 1) = p

Nessas condies a v.a.d. X tem distribuio de Bernoulli, e sua funo de probabilidade dada por:

1
( ) .
x x
P X x p q

= =


Esperana (mdia) e Varincia:
Calcularemos a mdia e a varincia da varivel com distribuio de Bernoulli.
X P(X) X.P(X) X
2
.P(X)
0 q 0 0
1 P P P
Total 1 P p

Logo: E(X) = p e Var(X) = p p Var(x) = p(1 p) Var(x) = p.q

Exemplo: Uma urna contem 30 bolas brancas e 20 verdes. Retira-se uma bola dessa urna. Seja X: n
de bolas verdes. Calcular E(X), VAR(X) e determinar P(X).

Soluo:
30 3
0
50 5
20 2
1
50 5
q
X
p

= =

= =

( ) ( )
1
( ) 2 5 . 3 5
x x
P X x

= =

E(X) = p = 2/5 Var(X) = p.q = (2/5).(3/5) = 6/25

Distribuies de Probabilidade Prof. Daniel Prates Pgina 10

2.2- DISTRIBUIO BINOMIAL


Se executarmos um experimento tipo Bernoulli, independentemente, n vezes podemos ter de 0 a
n sucessos. O nmero total de possveis sucessos em n repeties do experimento dado pela
combinao de:
( )
!
! !
x
n
n
n
C nCx
x x n x
| |
= = =
|

\ .
, onde:
n = n total de repeties do experimento
x = n de sucessos ocorridos em n repeties
x = 0, 1, 2, 3, ..., n.
Assim a probabilidade de ocorrer x sucessos em n repeties do experimento calculada por:

( ) . .
x n x
P X x nCx p q

= =


A Esperana, a Varincia e o Desvio Padro da v.a.d do tipo Binomial so calculadas
respectivamente por:
E(X) = n.p VAR(X) = n.p.q DP(X) = ( ) VAR X

. n p =

2
. . n p q =

2
=

Em resumo, as trs propriedades bsicas que caracterizam uma v.a. Binomial so:
1. A varivel resultado de contagem;
2. Os experimentos devem ser independentes;
3. A probabilidade de sucesso a mesma a cada repetio do experimento.

Exemplo 1: Um levantamento da Associao Americana de Investidores Pessoa Fsica concluiu que
20% dos seus membros tinham comprado aes diretamente atravs de uma oferta pblica inicial.
Em uma amostra de 10 membros destes associados verifique:
(a) Qual a probabilidade de que exatamente trs membros tenha comprado tais aes?





Distribuies de Probabilidade Prof. Daniel Prates Pgina 11

(b) Qual a probabilidade de que pelo menos um membro tenha comprado tais aes?




(c) Qual a probabilidade de que no mximo 9 membros tenha comprado tais aes?




(d) Qual o nmero esperado de membros que compraram tais aes?




(e) Qual a probabilidade de 30% dos membros comprarem tais aes?





Exemplo 2: Repita o exemplo acima considerando que a probabilidade de comprar tais aes de
40% e os itens a at e consideraro os membros que no compraram tais aes.










Exemplo 3 Anexo 1 (pg. 20)

Distribuies de Probabilidade Prof. Daniel Prates Pgina 12

EXERCCIOS - (Distribuio Binomial)

1. Uma carta retirada de um baralho e em seguida recolocada. Se esse experimento for
repetido cinco vezes, qual ser a probabilidade de trs cartas de paus serem selecionadas?
(a) Identifique n, p, q e x.
(b) Use a frmula da probabilidade binomial.







2. Uma sondagem indica que 21% dos homens dos Estados Unidos consideram a pescaria sua
atividade favorita de lazer. Voc seleciona ao acaso cinco norte-americanos e pergunta a eles
se pescar sua atividade favorita de lazer. Obtenha a probabilidade de (1) exatamente dois
deles responderem sim, (2) pelo menos dois deles responderem sim, (3) menos do que
dois deles responderem sim.








3. Um inspetor de qualidade extrai uma amostra de 10 tubos aleatoriamente de uma carga muito
grande de tubos que se sabe que contm 20% de tubos defeituosos. Qual a probabilidade de
que no mais do que 2 dos tubos extrados sejam defeituosos? R: 0,6778






4. Um engenheiro de inspeo extrai uma amostra de 15 itens aleatoriamente de um processo de
fabricao sabido produzir 85% de itens aceitveis. Qual a probabilidade de que 10 dos itens
extrados sejam aceitveis? R: 0,0449







5. Se 4 moedas honestas forem lanadas simultaneamente (ou 1 moeda honesta for lanada 4
vezes), calcule a distribuio de probabilidade completa.





Distribuies de Probabilidade Prof. Daniel Prates Pgina 13

6. Acredita-se que 20% dos moradores das proximidades de uma grande indstria siderrgica
tem alergia aos poluentes lanados ao ar. Admitindo que este percentual de alrgicos real
(correto), calcule a probabilidade de que pelo menos 4 moradores tenham alergia entre 13
selecionados ao acaso. R: 0,2526






7. Trs em cada quatro alunos de uma universidade fizeram cursinho antes de prestar vestibular.
Se 16 alunos so selecionados ao acaso, qual a probabilidade de que:
(a) Exatamente 12 tenham feito cursinho? R: 0,2252
(b) Pelo menos 12 tenham feito cursinho? R: 0,6302
(c) No mximo 13 tenham feito cursinho? R: 0,8029
(d) Em um grupo de 80 alunos selecionados ao acaso, qual o nmero esperado de alunos que
fizeram cursinho? E a varincia? R: 60 e 15








8. Uma amostra aleatria de 15 pessoas obtida de uma populao em que 40% tm uma
determinada posio poltica. Qual a probabilidade de exatamente 6 indivduos na amostra
ter essa determinada posio poltica? Resposta: 0,2066








9. As linhas telefnicas em um sistema de reservas de uma companhia area esto todas
ocupadas 40% do tempo. Suponha que os eventos em que as linhas estejam ocupadas em
sucessivas chamadas sejam independentes. Considere que 10 chamadas aconteam.
(a) Qual a probabilidade de que para exatamente trs chamadas as linhas estejam ocupadas?
(b) Qual a probabilidade de que para no mnimo uma chamada as linhas no estejam
ocupadas?
(c) Qual o nmero esperado de chamadas em que as linhas estejam todas ocupadas?
R: a) 0,215 b) 0,994 c) 4






Distribuies de Probabilidade Prof. Daniel Prates Pgina 14

10. Estima-se que cerca de 30% dos frangos congelados contenham suficiente nmero de
bactrias salmonelas causadoras de doenas, se forem assados inadequadamente. Um
consumidor compra 12 frangos congelados. Qual a probabilidade do consumidor ter mais
de 6 frangos contaminados? Resposta: 0,039







11. Seis parafusos so escolhidos ao acaso da produo de uma certa mquina, que apresenta
10% de peas defeituosas. Qual a probabilidade de serem defeituosos dois deles?
R: 0,0984








12. Dos estudantes de um colgio 41% fumam cigarro. Escolhem-se seis ao acaso para darem
uma opinio sobre o fumo. Determine a probabilidade de:
(a) Nenhum dos seis ser fumante,
(b) Todos os seis fumarem.
(c) Ao menos a metade dos seis ser fumante.
R:a) 4,22% b) 0,48% c) 47,65%









13. 12% dos que reservam lugar num voo faltam ao embarque. O avio comporta 15 passageiros.
(a) Determine a probabilidade de que todos os 15 que reservaram lugar compaream ao
embarque.
(b) Se houve 16 pedidos de reserva, determine a probabilidade de uma pessoa ficar de fora.
(c) Se houve 16 pedidos de reserva, determine a probabilidade do avio voar lotado.
R: a) 14,70% b) 12,93% c) 41,15%








Distribuies de Probabilidade Prof. Daniel Prates Pgina 15

2.3 - DISTRIBUIO DE POISSON

uma distribuio de probabilidade discreta que se aplica a ocorrncias de eventos ao longo de
intervalos especificados. A varivel aleatria x o nmero de ocorrncias do evento no
intervalo. O intervalo pode ser de tempo, distncia, rea, volume ou alguma unidade similar. A
probabilidade de ocorrncia do evento x vezes em um intervalo dada pela frmula:

.
( )
!
x
e
P x
x

=
ou
( )
( ) .
. .
( )
!
x
t
t e
P x
x

=


Onde:
X: o nmero de ocorrncias;
e : a base dos logaritmos naturais (e ~ 2,71828);
: a taxa mdia por unidade;
t : o nmero de unidades.

A quantidade t representa o nmero mdio de ocorrncias ( ) no intervalo t t = .

Requisitos:
- A varivel aleatria x o nmero de ocorrncias de um evento ao longo de algum intervalo.
- As ocorrncias devem ser aleatrias.
- As ocorrncias devem ser independentes umas das outras.
- As ocorrncias tenham a mesma probabilidade sobre o intervalo considerado.

Parmetros:
- A mdia
- O desvio padro =





Distribuies de Probabilidade Prof. Daniel Prates Pgina 16

Exemplo 1: Bombas da Segunda Guerra Mundial Ao analisar os impactos das bombas V 1 na
Segunda Guerra Mundial, o sul de Londres foi subdividido em 576 regies, cada uma com uma rea
de 0,25 km. Um total de 535 bombas caiu na rea combinada das 576 regies.
(a) Se uma regio selecionada aleatoriamente, ache a probabilidade de ela ter sido
bombardeada exatamente duas vezes.


(b) Com base na probabilidade encontrada na parte (a), quantas das 576 regies espera-se que
sejam atingidas exatamente duas vezes?



No exemplo precedente, podemos calcular tambm as probabilidades e valores esperados para 0, 1,
2, 3, 4, 5 impactos. (Paramos em x = 5 porque nenhuma regio foi atingida mais de cinco vezes, e as
probabilidades para x > 5 so 0,000 quando arredondadas para trs casas decimais.) Tais
probabilidades e valores esperados esto listados na tabela abaixo.

Impactos de Bombas V 1 para 576 Regies do Sul de Londres
Nmero de Impactos
de Bombas
Probabilidade
Nmero esperado de
regies
Nmero real de regies
0 0,395 227,5 229
1 0,367 211,4 211
2 0,170 97,5 93
3 0,053 30,5 35
4 0,012 6,9 7
5 0,002 1,2 1


Exemplo 2: Suponhamos que os navios cheguem a um porto a razo de 2 navios/hora, e que essa
razo seja bem aproximada por um processo de Poisson. Observando o processo por um perodo de
meia hora (t = 1/2), determine a probabilidade de:
(a) no chegar nenhum navio;
(b) chegarem 3 navios.


Exemplo 3: Determinar a probabilidade de haver 4 peas defeituosas numa amostra de 300, extrada
de um grande lote onde h 2% de defeituosas.




Distribuies de Probabilidade Prof. Daniel Prates Pgina 17

EXERCCIOS - (Distribuio de Poisson)

1. Uma mquina produz 9 peas defeituosas a cada 1000 peas produzidas. Calcule a probabilidade
de que em um lote que contm:
(a) 200 peas, sejam encontradas 8 peas defeituosas;
(b) 500 peas, no haja nenhuma pea defeituosa.



2. Um processo mecnico produz tecido para tapetes com uma mdia de 2 defeitos por jarda.
Determine a probabilidade de uma jarda quadrada ter exatamente 1 defeito, admitindo que um
processo possa ser bem aproximado por uma distribuio de Poisson.



3. Suponhamos que os defeitos em fios para tear possam ser aproximados por um processo de
Poisson com mdia 0,2 defeitos por metro. Inspecionando-se pedaos de fio de 6 metros de
comprimento, determine a probabilidade de encontrarmos menos de 2 defeitos.





4. As chamadas de emergncia chegam a uma central de polcia a razo de 4 por hora no perodo de
1 as 6 da manh em dias teis e podem ser aproximadas por uma distribuio de Poisson. Responda:
(a) Quantas chamadas de emergncia so esperadas num perodo de 30 minutos?
(b) Qual a probabilidade de nenhuma chamada num perodo de 30 minutos?







5. A entrega de mercadorias em um depsito feita a razo de 2,8 caminho por hora. Determine a
probabilidade de chegarem 3 ou mais caminhes:
(a) Num perodo de 30 minutos;
(b) Num perodo de 1 hora;
(c) Num perodo de 2 horas;









Distribuies de Probabilidade Prof. Daniel Prates Pgina 18

6. O nmero de petroleiros que chegam a uma refinaria em cada dia ocorre segundo uma distribuio
de Poisson, com = 2. As atuais instalaes podem atender, no mximo, a 3 petroleiros por dia. Se
mais de 3 aportarem num dia, o excesso enviado a outro porto. Em um dia, qual a probabilidade de
se enviar petroleiros para outro porto?




7. A chegada de nibus em um terminal acontece a razo de 3 por minuto. Supondo que tenha uma
distribuio de Poisson, determine a probabilidade de:
(a) chegarem 8 nibus em 2 minutos;
(b) chegarem 4 nibus em 5 minutos;




8. Suponhamos que os navios cheguem a um porto razo de = 2 navios / hora e que essa razo
seja bem aproximada a um processo de Poisson. Observando o processo durante um perodo de meia
hora (t = 0,5), determine a probabilidade de:
(a) no chegar nenhum navio;
(b) chegarem 3 navios;
(c) chegarem mais de 3 navios em 2 horas.




9. PABX - Uma central telefnica tipo PABX recebe uma mdia de 5 chamadas por minuto. Qual a
probabilidade deste PABX no receber nenhuma chamada durante um intervalo de 1 minuto?



10. Dentes-de-Leo Estudam-se os dentes-de-leo por causa de seus efeitos sobre a colheita e
crescimento de gramado. Em uma regio, a mdia de dentes-de-Leo por metro quadrado era de
7,0 (com base em dados do Manitoba Agriculture and Food).
(a) Ache a probabilidade de no se achar qualquer dente-de Leo em uma rea de 1 m.
(b) Ache a probabilidade de, pelo menos, um dente-de-Leo em uma rea de 1 m.
(c) Ache a probabilidade de, no mximo, dois dentes-de-Leo em uma rea de 1 m.




11. Decaimento Radioativo Os tomos radioativos so instveis porque tm muita energia. Quando
liberam sua energia extra, dizemos que eles decaem. Ao se estudar o csio 137, observou-se que,
durante o curso do decaimento em 365 dias, 1.000.000 de tomos radioativos foram reduzidos a
977.287 tomos radioativos.
(a) Ache o nmero mdio de tomos radioativos perdidos em um dia durante o decaimento.
(b) Ache a probabilidade de que, em um determinado dia, 50 tomos radioativos decaiam.




Distribuies de Probabilidade Prof. Daniel Prates Pgina 19

Poisson como aproximao para a Distribuio Binomial

A distribuio de Poisson , algumas vezes, usada para aproximar a distribuio binomial quando n
muito grande e a probabilidade p pequena. Uma regra emprica usar tal aproximao quando as
duas condies seguintes forem satisfeitas:

(1) 100 n >
(2) 10 n p s

Exemplo Loteria de Pick 4 de Kentucky Na loteria Pick 4 de Kentucky, voc paga i dlar para
escolher uma sequncia de quatro dgitos, por exemplo, 2283. Se voc joga esse jogo uma vez todos
os dias, ache a probabilidade de ganhar exatamente uma vez em 365 dias.

































Distribuies de Probabilidade Prof. Daniel Prates Pgina 20

Anexo 1: Exemplo 3 (Computacional): Os resultados de um levantamento recente indicam que 71%
dos norte-americanos usam mais de um molho para temperar seus cachorros-quentes. Se
selecionarmos ao acaso 250 pessoas nos Estados Unidos, qual ser a probabilidade de que
exatamente 178 delas usem mais de um molho?

Passo 1: Acessando a distribuio binomial.


Passo 2: Digitando os valores.