Você está na página 1de 36

ESTATSTICA E PROBABILIDADE

MDULO 2
40% 35% 30% 25% 20% 15% 10% 5% 0% 0,0%
No respondeu
10
14

35,2%
12

15,9% 11,7% 11,0% 2,8% 0,0% 11,0% 6,9%

8 6 y = 0,25x - 3,69 R = 0,38

4,8%
4

0,7%
0,0 a 1,0

8,1 a 9,0

1,1 a 2,0

2,1 a 3,0

3,1 a 4,0

4,1 a 5,0

5,1 a 6,0

6,1 a 7,0

7,1 a 8,0

9,1 a 10

2
0

15

20

25

30

35

40

10,3 7,5 6,0 5,3 3,4 5,3 4,2 3,3 2,1 2,9 2,7 1,4 12,0 5,3 4,3 4,2 3,8 3,2 2,7 10,0 8,0

2010T4 2011T1 2011T2 2011T3

6,0
4,0 2,0

0,3

2,2

0,0

2011T4

PROFESSOR: Reinaldo Carvalho de Morais

CAPTULO 4 PROBABILIDADE
Pode-se definir probabilidade como uma medida de incerteza. Podemos us-la para avaliar a chance de determinado evento acontecer. Na linguagem estatstica, um evento qualquer ocorrncia que tenha uma probabilidade associada a ela. Por exemplo: o lanamento de um dado conta com seis resultados possveis. O evento nmero mpar tem 50% de probabilidade de acontecer, pois temos 3 nmeros mpares (1,3,5) dos 6 possveis. A probabilidade pode ser medida numa escala percentual ou numa escala unitria. Dessa forma, se um evento impossvel, ele tem probabilidade 0 ou 0% de probabilidade de acontecer. A certeza absoluta do acontecimento de algum evento confere probabilidade igual a 1. Podemos tambm falar em 100% de probabilidade.

4.1 Definies bsicas


Historicamente, existem trs diferentes abordagens conceituais desenvolvidas para definir probabilidade e para determinar seus valores: a abordagem clssica, a abordagem freqentista (ou emprica) e a abordagem subjetiva.

4.1.1 Abordagem clssica


Pela abordagem clssica, podemos determinar os valores das probabilidades com base no conhecimento do espao amostral. No lanamento de um dado, o espao amostral consiste no conjunto de todos os resultados possveis. No referido caso, os seis valores que podem ser obtidos. DEFINIES 4.1 EXPERIMENTO: Qualquer ao ou processo cujo resultado est sujeito incerteza. ESPAO AMOSTRAL (S) : Conjunto de todos os resultados possveis de um experimento. EVENTO: um subconjunto o espao amostral.

Exemplo 4.1 Um dado lanado uma vez. Estamos interessados nos resultados acima de 4. Dessa forma, temos: [a] Experimento: Lanamento de um dado. [b] Espao amostral (S): Conjunto de todos os possveis resultados do experimento. No caso o conjunto S {1,2,3,4,5,6}. [c] Evento: Representado por uma letra maiscula, consiste num subconjunto do espao amostral. Nesse caso, nos nmeros 5 e 6 do dado (Resultados acima de 4). A = {5,6}

Exemplo 4.2 Um dado lanado uma vez. Estamos interessados nos resultados mpares. Dessa forma, temos: [a] Experimento: Lanamento de um dado. [b] Espao amostral: S = {1,2,3,4,5,6} [c] Evento: A = {1,3,5} Observe que o conjunto A um subconjunto de S, conforme definio 4.1.

E se estivermos interessados nos nmeros inferiores a 3? [a] Experimento: Lanamento de um dado. [b] Espao amostral: S = {1,2,3,4,5,6} [c] Evento: A = {1,2}

Observao: Um evento geralmente representado pelas primeiras letras do alfabeto em maiscula (A,B,C,D,...).

Exemplo 4.3 Suponha que sejam lanados dois dados. O quadro abaixo mostra o conjunto dos possveis resultados:
1 2 3 4 5 6 1 [1,1] [2,1] [3,1] [4,1] [5,1] [6,1] 2 [1,2] [2,2] [3,2] [4,2] [5,2] [6,2] 3 [1,3] [2,3] [3,3] [4,3] [5,3] [6,3] 4 [1,4] [2,4] [3,4] [4,4] [5,4] [6,4] 5 [1,5] [2,5] [3,5] [4,5] [5,5] [6,5] 6 [1,6] [2,6] [3,6] [4,6] [5,6] [6,6]

[a] Experimento: Lanamento de dois dados. [b] Espao amostral: S = {[1,1],[1,2],[1,3], ... , [6,4],[6,5],[6,6]} [c] Suponha que tenhamos os seguintes eventos (subconjuntos do espao amostral):

A = Os dois dados apresentam valores iguais:


1 [1,1] [2,1] [3,1] [4,1] [5,1] [6,1] 2 [1,2] [2,2] [3,2] [4,2] [5,2] [6,2] 3 [1,3] [2,3] [3,3] [4,3] [5,3] [6,3] 4 [1,4] [2,4] [3,4] [4,4] [5,4] [6,4] 5 [1,5] [2,5] [3,5] [4,5] [5,5] [6,5] 6 [1,6] [2,6] [3,6] [4,6] [5,6] [6,6]

1 2 3 4 5 6

Portanto, P( A)

N ( A) 6 1 0,1666... N ( S ) 36 6

B = A soma deve ser superior a 8:


1 [1,1] [2,1] [3,1] [4,1] [5,1] [6,1] 2 [1,2] [2,2] [3,2] [4,2] [5,2] [6,2] 3 [1,3] [2,3] [3,3] [4,3] [5,3] [6,3] 4 [1,4] [2,4] [3,4] [4,4] [5,4] [6,4] 5 [1,5] [2,5] [3,5] [4,5] [5,5] [6,5] 6 [1,6] [2,6] [3,6] [4,6] [5,6] [6,6]

1 2 3 4 5 6

P( B)

C = O primeiro dado deve ter valor maior do que o segundo dado.

1 2 3 4 5 6

1 [1,1] [2,1] [3,1] [4,1] [5,1] [6,1]

2 [1,2] [2,2] [3,2] [4,2] [5,2] [6,2]

3 [1,3] [2,3] [3,3] [4,3] [5,3] [6,3]

4 [1,4] [2,4] [3,4] [4,4] [5,4] [6,4]

5 [1,5] [2,5] [3,5] [4,5] [5,5] [6,5]

6 [1,6] [2,6] [3,6] [4,6] [5,6] [6,6]

P(C )

D = A diviso do primeiro pelo segundo valor deve dar um nmero inteiro.

1 2 3 4 5 6

1 [1,1] [2,1] [3,1] [4,1] [5,1] [6,1]

2 [1,2] [2,2] [3,2] [4,2] [5,2] [6,2]

3 [1,3] [2,3] [3,3] [4,3] [5,3] [6,3]

4 [1,4] [2,4] [3,4] [4,4] [5,4] [6,4]

5 [1,5] [2,5] [3,5] [4,5] [5,5] [6,5]

6 [1,6] [2,6] [3,6] [4,6] [5,6] [6,6]

P ( D)

A abordagem clssica tambm conhecida como abordagem a priori. Tal denominao se d em funo do conhecimento da distribuio das probabilidades antes do sorteio. Exemplo 4.4 Em um baralho que contm quatro ases e 48 outras cartas, a probabilidade de que um s (A) seja obtido em uma simples retirada

P( A)

N ( A) 4 1 N ( S ) 52 13

4.1.2 Abordagem freqentista (ou emprica)


A expresso frequentista ocorre pelo fato de as probabilidades serem estimada com base na frequncia relativa com que os eventos ocorrem. Podemos utilizar a seguinte expresso matemtica:
P( A) n( A) n

O numerador da expresso acima se refere ao nmero de observaes de A. O denominador refere-se ao tamanho da amostra. Se estivermos interessados em estimar a probabilidade de uma ocorrncia de trnsito ser de gravidade: ALTA, MDIA ou BAIXA, numa determinada regio da cidade, podemos tomar a frequncia que cada uma ocorre na referida regio.

Exemplo 4.5 O Comandante de determinada Companhia deseja estimar a probabilidade de determinado acidente ser de GRAVIDADE ALTA numa dada regio da cidade. Para isso foi utilizada a seguinte tabela de frequncia relativa a partir do banco de dados com o histrico do de determinado ano:

GRAVIDADE BAIXA MDIA ALTA TOTAL

FREQNCIA ABSOLUTA 862 467 151 1480

FREQNCIA RELATIVA 58,2% 31,6% 10,2% 100,0%

A probabilidade desejada de 0,102 ou 10,2%. O conhecimento desse nmero pode auxiliar o comandante no planejamento das aes da Companhia. Exemplo 4.6 Numa linha de produo, foi verificado que a cada 1.000 peas inspecionadas, 7 apresentam dimetro fora da especificao. Qual a probabilidade de uma pea selecionada ao acaso estar fora da especificao?

P( A)

7 0,007 1000

Exemplo 4.7 Num banco de dados de uma seguradora contendo 500 clientes, 155 so jovens solteiros com menos de 25 anos. Se 13 deles se envolveram numa batida de trnsito no ano passado, estime a probabilidade desse evento ocorrer.

P(batida) = _______ =

4.1.3 Abordagem Subjetiva


Tanto a abordagem clssica como a da frequncia relativa produzem valores objetivos de probabilidade. Em comparao, na abordagem subjetiva a probabilidade de um evento consiste no grau de crena de um indivduo na ocorrncia do mesmo, baseado em evidncias disponveis para ele. Um exemplo poderia ser a crena de um profissional do ramo imobilirio na probabilidade de determinado imvel se valorizar acima da mdia do mercado em determinada regio da cidade. Um engenheiro pode acreditar que determinada mquina ir falhar ou apresentar defeito nos prximos meses com probabilidade 70%. Apesar se ser considerado um chute (pois no se baseou na frequncia relativa), essa probabilidade pode ser utilizada como base para a tomada de decises.

Exerccio 4.8 Para cada uma das seguintes situaes, indicar qual a melhor abordagem probabilstica para o contexto: clssica, de frequncia relativa ou subjetiva.

(a) Probabilidade de que haja uma recesso econmica no prximo ano. (b) Probabilidade de que um dado de seis lados mostre um 1 ou 6 em um nico lance. (c) Probabilidade de que numa caixa com 20 peas onde se sabe que uma defeituosa, uma pea escolhida aleatoriamente seja defeituosa. (d) Probabilidade de que uma pessoa escolhida aleatoriamente, que entra em um departamento de uma grande loja, faa uma compra naquele departamento. (e) Probabilidade de obter cara no lanamento de uma moeda. (f) Probabilidade de ter pelo menos dois alunos faltantes nessa turma em uma aula de Estatstica.

4.2 Eventos mutuamente excludentes


Dois ou mais eventos so mutuamente excludentes, ou disjuntos, se eles no podem ocorrer ao mesmo tempo. Ou seja, a ocorrncia de um evento automaticamente elimina a possibilidade de ocorrncia do outro evento (ou eventos). Por exemplo, suponha que consideramos dois possveis eventos: s e rei relativos retirada de uma carta de um baralho. Esses dois eventos so mutuamente excludentes porque qualquer carta retirada no pode ser um s e um rei ao mesmo tempo. um ou outro. Dois ou mais eventos so no excludentes quando possvel que eles ocorram juntos. Note que esta definio no indica que tais eventos devam necessariamente ocorrer sempre juntos. Por exemplo, suponha que consideramos dois eventos s e espada. Estes dois eventos no so mutuamente excludentes, porque uma carta pode ser tanto s como espada. Entretanto, isso no significa que todo s de espada, ou toda espada um s.

Exemplo 4.9 Em um estudo do comportamento do consumidor, um analista classifica as pessoas que entram em uma loja de roupas de acordo com o sexo (masculino ou feminino) e de acordo com a idade ( at 30 anos e mais de 30 anos). Estes dois eventos, ou classificaes masculino e feminino so mutuamente exclusivos, uma vez que uma pessoa s pode ser classificada em uma ou outra categoria. Similarmente, os eventos at 30 anos e sexo masculino no so mutuamente excludentes, porque uma pessoa escolhida aleatoriamente pode ter as duas caractersticas. Exerccio 4.10 O banco de dados abaixo se refere a 10 modelos de veculos fabricados por uma determinada montadora.
MODELO DE VECULO 1 2 3 4 5 6 7 8 9 10 SISTEMA DE FREIO ABS MECNICO MECNICO MECNICO MECNICO ABS ABS MECNICO MECNICO MECNICO

TRANSMISSO AUTOMTICA MANUAL MANUAL AUTOMTICA MANUAL AUTOMTICA AUTOMTICA MANUAL MANUAL MANUAL

VIDRO ELTRICO ELTRICO ELTRICO ELTRICO MANUAL ELTRICO ELTRICO MANUAL MANUAL ELTRICO

Assinale os eventos que so mutuamente exclusivos: [ ] Transmisso automtica x Transmisso manual [ ] Transmisso automtica x Freio ABS [ ] Freio ABS x Vidro manual [ ] Vidro manual x vidro eltrico

OPERAES ENTRE EVENTOS:


UNIO: INTERSEO:

EVENTOS MUTUAMENTE EXCLUSIVOS

COMPLEMENTAR:

4.3 Regras de adio


As regras de adio so usadas quando desejamos determinar a probabilidade de um evento ou outro (ou ambos) ocorrerem em uma simples observao.

Simbolicamente, podemos representar a probabilidade de um evento A ou um evento B como sendo designado por P(A U B) (l-se probabilidade de A unio B). DEFINIO 4.2 Sejam A e B eventos de determinado espao amostral (S). Ento:
P( A B) P( A) P( B) P( A B)

Exemplo 4.11

Na turma de LOGSTICA, 12 estudantes so casados e 17 estudantes so do sexo masculino.

ESTADO CIVIL SOLTEIRO CASADO TOTAL

GNERO FEMININO MASCULINO 12 10 5 7 17 17

TOTAL 22 12 34

Calcule a probabilidade de ser CASADO ou ser do sexo MASCULINO:

P( A B) P( A) P( B) P( A B)

P(CASADO MASCULINO) P(CASADO) P(MASCULINO) P(CASADO MASCULINO)

10

P(CASADO MASCULINO)

12 17 7 22 0,6471 34 34 34 34

Exerccio 4.12 Com base no banco de dados abaixo, determine as seguintes probabilidades:
MODELO DE VECULO 1 2 3 4 5 6 7 8 9 10 SISTEMA DE FREIO ABS MECNICO MECNICO MECNICO MECNICO ABS ABS MECNICO MECNICO MECNICO

TRANSMISSO AUTOMTICA MANUAL MANUAL AUTOMTICA MANUAL AUTOMTICA AUTOMTICA MANUAL MANUAL MANUAL

VIDRO ELTRICO ELTRICO ELTRICO ELTRICO MANUAL ELTRICO ELTRICO MANUAL MANUAL ELTRICO

[a] Probabilidade de selecionar um veculo com transmisso automtica:

[b] Probabilidade de selecionar um veculo com transmisso automtica e sistema de freio mecnico.

[c] Probabilidade de selecionar um veculo com transmisso automtica ou sistema de freio mecnico.

11

[d] Probabilidade de selecionar um veculo com vidro eltrico e transmisso manual.

4.4 Eventos independentes e probabilidade condicional


Dois eventos so independentes quando a ocorrncia ou no ocorrncia de um evento no tem efeito sobre a probabilidade de concorrncia do outro evento. Dois eventos so dependentes quando a ocorrncia ou no ocorrncia de um evento afeta a probabilidade de ocorrncia do outro evento. Exemplo 4.13 (adaptado de KAZMIER, 2007) Os resultados do lanamento de uma moeda por duas vezes consecutivas so considerados independentes, pois o resultado do primeiro lanamento no afeta as respectivas probabilidades de cara ou coroa ocorrerem no segundo lanamento. A retirada de duas cartas sem reposio de um baralho so eventos dependentes, pois as probabilidades associadas segunda retirada so dependentes do resultado da primeira retirada. Especificamente, se um s ocorre na primeira retirada, ento a probabilidade de um s ocorrer na segunda retirada a razo do nmero de ases que sobraram no baralho pelo nmero total de cartas restantes no baralho. Exemplo 4.14 O sorteio da mega sena dessa semana independente do sorteio da semana passada. Exemplo 4.15 Se uma pista molhada altera a probabilidade de acidente numa rodovia ento os eventos: [A = pista molhada] e [B = acidente] so DEPENDENTES.

Quando dois eventos so dependentes, o conceito de probabilidade condicional empregado para designar a probabilidade de ocorrncia de um evento relacionado. A expresso P(B/A) indica a probabilidade do evento B ocorrer dado que o evento A ocorreu. Note que B / A no uma frao. Expresses de probabilidade condicional no so requeridas para eventos independentes, pois, por definio, no h relao entre a ocorrncia de tais eventos.

12

Exclusividade mtua indica que os dois eventos no podem ocorrer juntos, enquanto independncia indica que a probabilidade de ocorrncia de um evento no afetada pela ocorrncia do outro evento. Portanto, segue-se que se dois eventos so mutuamente exclusivos, este um exemplo de eventos altamente dependentes, pois a probabilidade de um evento, dado que o outro ocorreu ser sempre igual a zero.

4.5 Regras de multiplicao


As regras de multiplicao esto interessadas na determinao da probabilidade da ocorrncia conjunta de A e B. H duas variaes da regra de multiplicao, de acordo com a dependncia ou independncia de dois eventos. A regra de multiplicao para eventos independentes Exemplo 4.16: Atravs da equao acima, se uma moeda lanada duas vezes, a probabilidade de que ambos os resultados sejam caras (1/2)(1/2)=(1/4).

DIAGRAMA DE RVORE O diagrama de rvore particularmente til como um mtodo de ilustrar os possveis eventos associados com observaes sequenciais, ou tentativas sequenciais. A figura abaixo um exemplo deste tipo de diagrama para eventos associados ao lanamento de uma moeda por duas vezes, e identifica os resultados possveis e a probabilidade em cada ponto da sequncia.
1 LANAMENTO 2 LANAMENTO ESPAO AMOSTRAL PROBABILIDADE ASSOCIADA 1/4

1/2 CARA 1/2 1/2

CARA

(CARA, CARA)

COROA

(CARA, COROA)

1/4

1/2 1/2 COROA 1/2

CARA

(COROA, CARA)

1/4

COROA

(COROA, COROA)

1/4

TOTAL

4/4

13

Exerccio 4.17 (adaptado de MAGALHES e LIMA, 2005) Peas produzidas por uma mquina so classificadas como defeituosas, recuperveis ou perfeitas com probabilidade 0,1; 0,2 ou 0,7; respectivamente. De um grande lote, foram sorteadas duas peas com reposio. Represente a situao via DIAGRAMA DE RVORE:
1 SORTEIO 2 SORTEIO ESPAO AMOSTRAL PROBABILIDADE ASSOCIADA

DEFEITUOSA DEFEITUOSA RECUPERVEL PERFEITA

DEFEITUOSA RECUPERVEL RECUPERVEL PERFEITA

DEFEITUOSA PERFEITA RECUPERVEL PERFEITA

[a] Qual a probabilidade de sortear duas peas [b] Qual a probabilidade de sortear uma pea defeituosas? perfeita e uma recupervel?

[c] Qual a probabilidade de sortear pelo menos [d] Qual a probabilidade de sortear uma pea uma pea perfeita? recupervel ou uma perfeita?

14

Exerccio 4.18 Imagine que no caminho de volta da faculdade para casa, voc passe por 3 sinais de trnsito. Considere que a probabilidade de encontrar um sinal fechado seja de 0,3. Considere que a probabilidade de encontrar um sinal aberto seja de 0,7. [a] Construa o diagrama de arvore representando as possibilidades.
ESPAO AMOSTRAL PROBABILIDADE ASSOCIADA

[a] Qual a probabilidade de encontrar os 3 sinais [b] Qual a probabilidade de encontrar pelo fechados? menos 1 sinal fechado?

[c] Qual a probabilidade de encontrar no mximo [d] Qual de encontrar exatamente 1 sinal aberto? 2 sinais abertos?

[e] Qual a probabilidade de encontrar os 3 sinais [f] Qual de encontrar no mnimo 1 sinal aberto? abertos

15

Exerccio 4.19 A probabilidade de ocorrncia de turbulncia em um determinado percurso a ser feito por uma aeronave de 0,2 em um circuito dirio. Seja X o nmero de vos com turbulncia em um total de 3 desses vos (ou seja, uma semana de trabalho). Qual a probabilidade de que: [a] Construa o diagrama de arvore representando as possibilidades.
ESPAO AMOSTRAL PROBABILIDADE ASSOCIADA

[a] Qual a probabilidade de haver turbulncia nos [b] Qual a probabilidade de haver turbulncia trs vos? em pelo menos um vo?

[c] Qual a probabilidade de haver turbulncia em [d] Qual de haver turbulncia em exatamente 1 vo? no mximo dois vos?

[e] Qual a probabilidade de no haver turbulncia [f] Qual a probabilidade de haver turbulncia nos trs vos? em exatamente dois vos?

16

Exerccio 4.20 A probabilidade de que um cliente potencial contatado pelo telefone faa uma compra 0,23. Suponha que o vendedor tenha feito 3 ligaes. [a] Construa o diagrama de arvore representando as possibilidades.

[a] Qual a probabilidade de realizar 3 vendas?

[b] Qual a probabilidade de realizar 2 vendas?

[c] Qual a probabilidade de realizar 1 venda?

[d] Qual a probabilidade de no realizar nenhuma venda?

[e] Qual a probabilidade de realizar no mnimo [f] Qual a probabilidade de realizar no mximo uma venda? duas vendas?

17

4.6 Tabelas de Probabilidade Conjunta


Numa tabela de probabilidade conjunta possveis eventos (ou resultados) para uma varivel so listados como cabealhos de linhas, todos os possveis eventos para uma segunda varivel so listados como cabealhos de coluna e os valores inseridos em cada clula da tabela a probabilidade de cada ocorrncia conjunta. Geralmente, as probabilidades em tais tabelas so baseadas nas frequncias de ocorrncia observadas para vrios eventos conjuntos, em vez de serem a prior por natureza. A tabela de frequncia de ocorrncias conjuntas, as quais fornecem as base para a construo de uma tabela de probabilidades conjuntas, chamada de tabela de contingncia. Exemplo 4.21 A Tabela abaixo uma tabela de contingncia que descreve 200 pessoas que entraram em uma loja de roupas de acordo com sexo e idade, enquanto a Tabela B a tabela de probabilidades conjuntas correspondente. As frequncias divulgadas em cada clula da tabela de contingncia so convertidas em um valor de probabilidade atravs da diviso pelo numero total de observaes, nesse caso, 200.

IDADE < 25 25 ou + TOTAL

SEXO TOTAL Masculino (M) Feminino (F) 60 50 110 80 10 90 140 60 200 SEXO TOTAL Masculino (M) Feminino (F) 0,30 0,25 0,55 0,40 0,05 0,45 0,70 0,30 1,00

IDADE < 25 25 ou + TOTAL

A probabilidade de 0,30 na linha 1 e coluna 1 da tabela B indica que h uma probabilidade de 0,30 que uma pessoa escolhida aleatoriamente desse grupo de 200 pessoas seja um homem abaixo de 25 anos. A probabilidade marginal de 0,70 para a coluna 1 indica que h uma probabilidade de 0,70 que a pessoa escolhida aleatoriamente seja do sexo masculino.

18

No contexto das tabelas de probabilidade conjunta, uma probabilidade marginal tambm assim chamada porque um total de uma linha ou uma coluna. Enquanto que os valores de probabilidade nas clulas so correspondentes probabilidade de ocorrncia conjunta, as probabilidades marginais so incondicionais, ou simplesmente, probabilidades de eventos particulares. Como uma tabela de probabilidade conjunta tambm inclui todos os valores de probabilidade incondicional como totais marginais, podemos usar a equao abaixo para determinar qualquer valor de probabilidade condicional.

Exemplo 4.22 Suponha que estamos interessados na probabilidade de que uma pessoa escolhida aleatoriamente na tabela B do exerccio anterior seja abaixo de 25 dado que um homem(M). A probabilidade, usando a equao acima

P( 25 / M )
Exemplo 4.23

P( M ( 25)) 0,30 0,43 P( M ) 0,70

O quadro abaixo resume os dados de 16 alunos de uma turma de Estatstica.

IDADE Abaixo de 25 25 ou mais TOTAL

Capital 8 2 10

Interior 3 3 6

TOTAL 11 5 16

[a] Qual a probabilidade de ter 25 ou mais, dado que nasceu na capital? P(25/Capital) = [b] Qual a probabilidade de ter nascido na capital, dado que tem 25 anos ou mais? P(Capital/25) =

19

[c] Qual a probabilidade de ter nascido na capital ou ter menos de 25 anos? P(C ou < 25) = [d] Qual a probabilidade de ter nascido na capital e ter menos de 25 anos? P(C e < 25) = [e] Qual a probabilidade de ter menos de 25 anos? P( < 25) = Exerccio 4.24 A tabela abaixo representa a quantidade de veculos vendidas por uma concessionria no ano de 2010 de acordo com o estado civil do comprador (solteiro/casado) e o tipo de veculo. Uma venda acaba de ser feita.

ESTADO TIPO DE VECULO CIVIL COMPACTO MDIO GRANDE SOLTEIRO 181 117 46 CASADO 87 244 125 TOTAL 268 361 171

TOTAL 344 456 800

[a] Qual a probabilidade de ter vendido um [b] Qual a probabilidade de ter vendido um veculo COMPACTO? veculo para um comprador CASADO?

[d] Qual a probabilidade de ter [c] Qual a probabilidade de ter vendido um vendido um veculo COMPACTO ou o veculo GRANDE e o comprador ser SOLTEIRO? comprador ser CASADO?

[e] Qual a probabilidade de ter vendido um [f] Qual a probabilidade de ter vendido um veculo GRANDE dado que o comprador veculo COMPACTO dado que o comprador CASADO? SOLTEIRO?

20

Exerccio 4.25 De 50 alunos de uma turma de Engenharia, 20 gostam da disciplina de Estatstica, 15 gostam da disciplina de Clculo e 10 gostam de ambas. [a] Construa uma TABELA DE DUPLA ENTRADA que ilustre os eventos designados como E e C.

[b] Determine a probabilidade de que um aluno goste de Estatstica ou Clculo.

[c] Qual a probabilidade de gostar de Estatstica, dado que gosta de Clculo?

[d] Qual a probabilidade de sortear um aluno que no goste nem de Estatstica, nem de Clculo?

[e] Qual a probabilidade de gostar de Clculo, dado que gosta de Estatstica?

Exerccio 4.26 Numa cidade do interior de Minas Gerais, estima-se que cerca de 20% dos habitantes so obesos. Sabe-se que 50% dos obesos praticam esporte, enquanto que essa porcentagem entre os no obesos de 40%, conforme tabela abaixo. Para um indivduo escolhido aleatoriamente nessa cidade, obtenha:

OBESIDADE SIM NO TOTAL

ESPORTE SIM NO 10% 10% 32% 48% 42% 58%

TOTAL 20% 80% 100%

[a] Probabilidade de no praticar esportes.

[b] Probabilidade de ser obeso, dado que no pratica esportes.

21

[c] Probabilidade de ser obeso ou no praticar esportes.

[d] No ser obeso dado que pratica esportes.

Exerccio 4.27 A Tabela de contingncia abaixo apresenta uma classificao resume informaes de um banco de dados relacionado ao tempo de atendimento de ocorrncias de trnsito.

FIM DE SEMANA SIM NO TOTAL

TEMPO DE ATENDIMENTO (EM MINUTOS) 30 minutos ou menos mais de 30 minutos 71 7 158 21 229 28

TOTAL 78 179 257

[a] Qual a probabilidade de a ocorrncia de trnsito ter acontecido no fim de semana?

[b] Qual a probabilidade de a ocorrncia de transito ter acontecido no fim de semana e durar 30 minutos ou menos?

[c] Qual a probabilidade de a ocorrncia durar mais de 30 minutos dado que foi no final de semana

[d] Qual a probabilidade de a ocorrncia durar mais de 30 minutos?

[e] Qual a probabilidade de a ocorrncia no ter sido no fim de semana dado que durou mais de 30 minutos?

[f] Qual a probabilidade de a ocorrncia ter durado 30 minutos ou menos?

22

Exerccio 4.28 Um levantamento socioeconmico entre os habitantes de uma cidade revelou que: 17% tm casa prpria; 22% tm automvel; 8% tm casa prpria e automvel. [a] Construa uma TABELA DE DUPLA ENTRADA que ilustre os eventos designados como C e A.

[b] Qual a probabilidade de sorter uma pessoa que no tem nem casa prpria, nem carro?

[c] Qual a probabilidade de ter carro, dado que tem casa prpria?

[d] Qual a probabilidade de ter casa prpria, dado que tem carro?

[e] Qual a probabilidade de ter casa prpria ou ter carro?

Exerccio 4.29 Um Engenheiro de Segurana do Trabalho elaborou a seguinte tabela de dupla entrada para resumir 500 acidentes.

GRAVIDADE TOTAL ALTA MDIA BAIXA MANH 15 85 200 300 TARDE 35 65 100 200 TOTAL 50 150 300 500 TURNO
[a] Qual a probabilidade ocorrer um acidente com GRAVIDADE ALTA, dado que foi a TARDE? [B] Qual a probabilidade a probabilidade de ocorrer um acidente a TARDE, dado que foi de GRAVIDADE ALTA?

23

[c] Qual a probabilidade ocorrer um acidente de GRAVIDADE ALTA e ter sido a TARDE?

[d] Qual a probabilidade de ocorrer um acidente de GRAVIDADE ALTA ou ter sido a TARDE?

Exerccio 4.30 (adaptado de MONTGOMERY et al, 2009, pag. 25): Um fabricante de faris para automveis testa lmpadas sob ambientes com alta umidade e com alta temperatura, usando intensidade e vida til como as respostas de interesse. A seguinte tabela mostra o desempenho de 130 lmpadas:

INTENSIDADE SATISFATRIA INSATISFATRIA TOTAL

VIDA TIL SATISFATRIA INSATISFATRIA 117 3 8 2 125 5

TOTAL 120 10 130

[a] Uma lmpada selecionada aleatoriamente. Qual a probabilidade de ter a intensidade satisfatria e a vida til satisfatria:

[b] Uma lmpada selecionada aleatoriamente. Qual a probabilidade de ter a intensidade satisfatria ou a vida til satisfatria:

[c] Uma lmpada selecionada aleatoriamente. Qual a probabilidade de ter a intensidade insatisfatria ou a vida til insatisfatria:

24

CAPTULO 5
DISTRIBUIES DE PROBABILIDADE PARA VARIVEIS ALEATRIAS
5.1 Definio de varivel aleatria
Uma varivel aleatria definida como sendo um evento numrico no qual seu valor determinado por um processo probabilstico. Por exemplo: o sexo de um beb ao nascer um evento probabilstico, pois apresenta um conjunto de possibilidades, com probabilidades associadas. Tal conjunto com dois possveis resultados: masculino e feminino, com probabilidades associadas (aproximadamente 0,49 e 0,51, respectivamente). Quando valores de probabilidade so atribudos a todos os valores numricos possveis de uma varivel aleatria X, tanto por uma listagem quanto por uma funo matemtica, o resultado uma distribuio de probabilidades. Podemos fazer uma estimativa da distribuio de probabilidades atravs da distribuio de frequncia. Se numa turma de Estatstica com 50 alunos, tivermos 30 solteiros, 15 casados e 5 divorciados, temos uma distribuio onde a probabilidade de sortear um solteiro 0,60, de sortear um casado 0,30 e de sortear um divorciado 0,10. A soma das probabilidades para todos os possveis resultados numricos deve ser igual a 1. Valores de probabilidade individuais devem ser indicados pelo smbolo f(x), o qual indica que uma funo matemtica est envolvida, atravs de P(X=x), o que reconhece que uma varivel aleatria pode ter vrios valores especficos, ou simplesmente P(X). Para uma varivel aleatria discreta os valores observados podem ocorrer somente em pontos isolados ao longo de uma escala de valores. As principais distribuies discretas so: Distribuio Binomial e Distribuio de Poisson. Para uma varivel aleatria contnua todos os possveis valores fracionrios da varivel no podem ser listados, portanto as probabilidades que so determinadas por uma funo matemtica so ilustradas graficamente atravs de uma funo de densidade de probabilidade, ou uma curva de probabilidade. A principal distribuio contnua a distribuio Normal.

25

5.2 Descrio de uma varivel aleatria discreta


Assim como para colees de amostras e dados da populao, tambm til descrever uma varivel aleatria em termos de sua mdia e sua varincia, ou desvio padro. A mdia de uma varivel aleatria X chamada de valor esperado (ou esperana matemtica) e representada por E(X). Para uma varivel aleatria discreta ela a mdia ponderada de todos os valores possveis da varivel com suas respectivas probabilidades usadas como pesos. O valor esperado de uma varivel discreta tem a seguinte frmula:

Exemplo 5.1 O nmero de vans que foram requisitadas por uma agncia de locao de veculos durante um perodo de 50 dias est identificado na tabela abaixo:

As frequncias observadas forma convertidas em probabilidades para este perodo de 50 dias. Podemos observar que a probabilidade de exatamente 7 vans serem requisitadas em um dia escolhido aleatoriamente neste perodo de 0,20 e a probabilidade de seis ou mais serem requisitadas 0,28 + 0,20 + 0,08 = 0,56.

26

Exerccio 5.2 Os dados abaixo consistem numa distribuio de frequncia para a varivel nmero de irmos. Calcule o valor esperado.

Nmero de irmos X
0 1 2 3 4 5

Frequencia
4 9 14 7 4 2 40

Probabilidade P[X]

Valor Ponderado X . P[X]

O valor esperado :

A VARINCIA de uma varivel aleatria X indicada por V(X). Ela calculada em relao a E(X) como a mdia da distribuio de probabilidade. A forma geral dos desvios para a frmula da varincia de uma varivel aleatria discreta

Exemplo 5.3 A planilha para o clculo da varincia para a demanda de vans locadas apresentada na Tabela abaixo. Conforme indicado a varincia tem valor de 1,74.

27

Exerccio 5.4 O nmero de viaturas retornando de uma ocorrncia policial a cada hora foi observado como seguindo a distribuio de probabilidade abaixo. Calcule:

[a] O nmero esperado X de chegadas por hora.

[b] A varincia.

[c] O desvio padro para a varivel aleatria discreta.

Exerccio 5.5 Numa obra da construo civil, um engenheiro resolveu estimar a probabilidade de falta de algum trabalhador atravs da frequncia relativa. Sendo X o nmero de trabalhadores que faltam ao trabalho, segue a distribuio de probabilidades. Calcule:
X 0 1 2 3 4 5 P(X) 0,53 0,23 0,12 0,07 0,03 0,02

28

[a] O nmero esperado de trabalhadores faltantes.

[b] A varincia do Nmero de trabalhadores faltantes

[c] O desvio padro do Nmero de trabalhadores faltantes.

5.3 A Distribuio Binomial


A distribuio binomial uma distribuio de probabilidade discreta que aplicvel como modelo para tomada de deciso em situaes nas quais o processo de amostragem pode ser assumido como em conformidade com um processo de Bernoulli. Um processo de Bernoulli um processo de amostragem no qual [1] Somente dois eventos mutuamente exclusivos em cada tentativa, ou observao, so possveis. Por convenincia eles so chamados de sucesso e falha. [2] Os resultados em uma srie de tentativas, ou observaes, constituem eventos independentes. [3] A probabilidade de sucesso em cada tentativa, indicada por p, permanece constante de uma tentativa para outra. A distribuio binomial pode ser usada na determinao da probabilidade de obter um designado nmero de sucesso s em um processo de Bernoulli. Trs valores so requeridos: O nmero designado de sucessos (X); O nmero de tentativas ou observaes (n); A probabilidade de sucesso de cada tentativa (p). A frmula para determinao da probabilidade de um nmero especfico de sucessos X para uma distribuio binomial

29

Exerccio 5.6 Estima-se que numa ocorrncia de trnsito com vtimas, a probabilidade de embriaguez do motorista seja 0,35. Se acontecerem 6 acidentes com vtimas em determinada regio da cidade, qual a probabilidade de: [a] Todos os motoristas terem ingerido bebida [b] 3 motoristas alcolica? alcolica? terem ingerido bebida

[c] Nenhum motorista ter ingerido bebida [d] 2 motoristas alcolica? alcolica?

terem

ingerido

bebida

Exerccio 5.7 Um teste de mltipla escolha contem 8 questes com 4 alternativas cada. Suponha que um estudante chute todas as questes da prova. [a] Qual a probabilidade de acertar 3 questes? [b] Qual a probabilidade de acertar todas as questes?

30

[c] Qual a probabilidade de errar todas as questes?

[d] Qual a probabilidade de acertar 5 questes?

[e] Qual a probabilidade de acertar 1 questo?

[f] Qual a probabilidade de acertar 2 questes?

Exerccio 5.8 Uma pesquisa com 337 alunos de uma determinada faculdade investigou o nmero de reprovaes de cada um no semestre anterior. Constatou-se que 177 estudantes no foram reprovados nenhuma vez. Alm disso, 84 estudantes tiveram 1 reprovao. Ocorreram tambm: 35 casos de 2 reprovaes, 22 casos de 3 reprovaes, 14 casos de 4 reprovaes e 5 casos de 5 reprovaes. A tabela abaixo apresenta os valores que a varivel Nmero de reprovaes pode assumir. A tabela mostra tambm a estimativa de probabilidade para cada um desses valores.
X P( X )

X 0 1 2 3 4 5

P( X )

X2

X 2 P( X )

177/337 84/337 35/337 22/337 14/337 5/337 337/337 = 1


E( X )

E( X 2 )

Calcule:

31

[a] O nmero esperado de [b] A varincia do Nmero de reprovaes. reprovaes.

[c] O desvio padro do Nmero de reprovaes.

Exerccio 5.9 Uma moeda lanada 7 vezes. Calcule: [a] Probabilidade de aparecer cara 3 vezes. [b] Probabilidade de aparecer cara 4 vezes.

[c] No aparecer cara nenhuma vez.

[d] Aparecer cara 7 vezes.

Exerccio 5.10 Nos ltimos 180 dias ocorreram acidentes em 99 dias numa determinada rodovia. [a] Calcule a probabilidade de ocorrer acidente [b] Calcule a probabilidade de ocorrer no em 2 dos prximos 7 dias. ocorrer acidente nos prximos 3 dias.

32

Exerccio 5.11 (WAPOLE, 2008) Suponha que, para um grande carregamento de chips de circuito integrado, a probabilidade de falha em qualquer um deles seja de 0,10. Calcule a probabilidade de que, no mximo, trs chips falhem em uma amostra aleatria de 20.

Exerccio 5.12 Nos ltimos 360 dias ocorreram acidentes em 54 dias numa determinada rodovia. [a] Calcule a probabilidade de ocorrer acidente [b] Calcule a probabilidade de ocorrer no em 2 dos prximos 5 dias. ocorrer acidente nos prximos 4 dias.

[c] Calcule a probabilidade de ocorrer 1 ou mais [d] Calcule a probabilidade de ocorrer no acidentes nos prximos 4 dias. mximo 2 acidentes nos prximos 5 dias.

33

Exerccio 5.13 Imagine que no caminho de volta da faculdade para casa, voc passe por 5 sinais de trnsito. Considere que a probabilidade de encontrar um sinal fechado seja de 0,3. Considere que a probabilidade de encontrar um sinal aberto seja de 0,7. [a] Qual a probabilidade de encontrar todos os [b] Qual a probabilidade de encontrar todos os sinais fechados? sinais abertos?

[c] Qual a probabilidade de encontrar pelo [d] Qual a probabilidade de encontrar no menos 2 sinais abertos? mximo 3 sinais abertos?

34

Exerccio 5.14 A probabilidade de que um cliente potencial contatado pelo telefone faa uma compra 0,17. [a] Em 5 ligaes, qual a probabilidade de que [b] Em 10 ligaes, qual a probabilidade de que sejam efetuadas 2 vendas? sejam efetuadas 2 vendas?

[c] Em 7 ligaes, qual a probabilidade de efetuar [d] Em 7 ligaes, qual a probabilidade de efetuar no mximo 2 vendas? pelo menos 2 vendas?

35

REFERNCIAS BIBLIOGRFICAS
DEVORE, Jay L. Probabilidade e Estatstica para Engenharia e Cincias, 2006. GRIFFITHS, Dawn. Use a cabea! Estatstica. Rio de Janeiro: Altabooks, 2009. KAZMIER, Leonard J. Estatstica Aplicada Administrao e Economia. Bookman, 2007. LEVINE, D. M.; Berenson, M. L.; Stephan, D. Estatstica: Teoria e aplicaes. LTC Ed. Rio de Janeiro. MAGALHES, Marcos Nascimento, LIMA, Antnio Carlos Pedroso de. Noes de Probabilidade e Estatstica. 6. Edusp, 2007. MONTGOMERY, D. C.; RUNGER, G. C. Estatstica aplicada e probabilidade para engenheiros. 3.ed. Rio de Janeiro: LTC, 2009. MOORE, David S. A estatstica bsica e sua prtica. Rio de Janeiro. LTC, 2005. MOORE, David. S, McCABE, George P., DUCKWORTH, William M., SCLOVE, Stanley L. A Prtica da Estatstica Empresarial. Como Usar Dados para Tomar Decises. Rio de Janeiro: LTC, 2006. TRIOLA, Mrio F. Introduo Estatstica. LTC. 10a edio 2008. 722p. VIEIRA, S. Introduo bioestatstica. 3.ed. Rio de Janeiro: Campus, 2008. 4 edio. WALPOLE, Ronald. E. Probabilidade e estatstica para engenharia e cincias. So Paulo: Pearson Prentice Hall, 2009.

36