Estatística 2: Probabilidades de bolas em urnas

www.EditoraAtlas.com.
br
Estatstica
E
ste volume uma continuao natural do anterior, onde so enfocados: Estatstica Descritiva,
Medidas sobre uma Distribuio, Principais Estimadores e Probabilidades.
O volume 2 conceitua varivel aleatria e as principais distribuies de probabilidades necessrias
ao desenvolvimento da Inferncia Estatstica.
Aps alguns comentrios sobre Amostragens, apresenta os processos de Estimao por intervalo
e os Testes de Signicncia para os principais parmetros de populaes.
Finalizando, apresenta alguns testes de Hiptese com base na Curva Caracterstica da Operao. O
objetivo mostrar a diferena entre testes de signicncia e testes de hiptese e criar motivao
para o estudo desta importante ferramenta estatstica.
APLICAO
Livro-texto para a disciplina Estatstica/Estatstica I dos cursos de Economia, Administrao de
Empresas, Cincias Contbeis e outros cursos que usam a Estatstica como ferramenta de anlise.
Economia
Administrao
Cincias Contbeis
Para os cursos de:
2
Economia
Administrao
Cincias Contbeis
Para os cursos de:
SOLUO DE PROBLEMAS COM O USO DO EXCEL
Terceira Edio
M
e
d
e
i
r
o
s

M
e
d
e
i
r
o
s
G
o
n
a
l
v
e
s

M
u
r
o
l
o
E
s
t
a
t
s
t
i
c
a
Estatstica
Os autores acumulam larga experincia
no ensino de Matemtica, Estatstica e
Pesquisa Operacional em cursos superio-
res de Economia, Administrao e Cin-
cias Contbeis.
Ermes Medeiros da Silva licencia-
do em Matemtica pela Faculdade de Fi-
losoa, Cincias e Letras de Rio Claro-SP.
Elio Medeiros da Silva bacharel e
licenciado em Matemtica pela PUC-SP e
ps-graduado em Matemtica Aplicada
pela USP e em Administrao de Empre-
sas pela EAESP-FGV.
Valter Gonalves graduado em
Cin cias Econmicas e Administrao de
Empresas, ps-graduado em Engenharia
de Produo e Didtica do Ensino Superior.
Afrnio Carlos Murolo graduado
em Matemtica, com especializao em
Estatstica pela Unicamp, ps-graduado
em Administrao de Empresas, Didtica
do Ensino Superior e mestre em Engenha-
ria de Produo.
Outros livros dos autores
publicados pela Atlas

Clculo bsico para cursos
superiores

Estatstica: para os cursos de
Economia, Administrao e Cincias
Contbeis (vol. 1)

Matemtica: para os cursos de
Economia, Administrao e Cincias
Contbeis (2 volumes)

Matemtica bsica para cursos
superiores

Pesquisa operacional: para os
cursos de Administrao e Engenharia

Tabelas de estatstica
Er mes Medei r os da Si l va
El i o Medei r os da Si l va
Val t er Gonal ves
Af r ni o Car l os Mur ol o
6468.indd 1 26/09/2011 15:06:20
Ermes Medeiros
Elio Medeiros
Valter Gonalves
Afrnio Murolo
Estatstica 2
Soluo dos Exerccios Propostos
So Paulo
Editora Atlas S.A. 2011
Material de Consulta do Professor
Terceira Edio
Portal Atlas
ndice dos Exerccios
Item 1.3 Exerccios propostos
Exerccio 8 ........................ 6
Exerccio 9 ........................ 7
Exerccio 10 ...................... 8
Exerccio 4 ........................ 9
Exerccio 4 ...................... 10
Exerccio 5 ...................... 11
Exerccio 6 ...................... 12
Exerccio 7 ...................... 13
Exerccio 7 ...................... 14
Exerccio 9 ...................... 15
Exerccio 4 ...................... 16
Exerccio 5 ...................... 17
Exerccio 5 ...................... 18
Exerccio 3 ...................... 19
Exerccio 4 ...................... 20
Exerccio 5 ...................... 21
Exerccio 7 ...................... 22
Exerccio 8 ...................... 23
Exerccio 9 ...................... 24
Exerccio 10 .................... 25
Exerccio 12 .................... 26
Exerccio 13 .................... 27
Exerccio 14 .................... 28
Exerccio 15 .................... 29
Exerccio 1 ...................... 30
Exerccio 9 ...................... 31
Exerccio 10 .................... 32
Exerccio 10 .................... 33
Exerccio 2 ...................... 34
Exerccio 3 ...................... 35
Exerccio 4 ...................... 36
Exerccio 5 ...................... 37
Exerccio 4 ...................... 38
Exerccio 1 Listo ......... 39
Exerccio 10 Listo ....... 46
Estatstica 2 | Ermes Medeiros da Silva | Elio Medeiros da Silva | Valter Gonalves | Afrnio Carlos Murolo 4
Exerccio 5 ...................... 56
Exerccio 6 ...................... 57
Exerccio 8 ...................... 58
Exerccio 10 .................... 59
Exerccio 4 ...................... 60
Exerccio 5 ...................... 61
Exerccio 6 ...................... 62
Exerccio 8 ...................... 63
Exerccio 9 ...................... 64
Exerccio 5 ...................... 65
Exerccio 8 ...................... 66
Exerccio 9 ...................... 67
Exerccio 9 ...................... 68
Exerccio 10 .................... 69
Exerccio 3 ...................... 70
Exerccio 10 .................... 71
Exerccio 6 ...................... 72
Exerccio 8 ...................... 73
Exerccio 9 ...................... 74
Exerccio 3 ...................... 75
Exerccio 4 ...................... 76
Exerccio 7 ...................... 77
Exerccio 8 ...................... 78
Exerccio 5 ...................... 79
Exerccio 6 ...................... 80
Exerccio 8 ...................... 81
Exerccio 9 ...................... 82
Exerccio 3 ...................... 83
Exerccio 6 ...................... 84
Exerccio 9 ...................... 85
Exerccio 1 ...................... 86
Exerccio 2 ...................... 87
Exerccio 3 ...................... 88
Exerccio 5 ...................... 89
Exerccio 6 ...................... 90
Exerccio 1 ...................... 91
Exerccio 3 ...................... 92
Exerccio 4 ...................... 93
Exerccio 6 ...................... 94
Exerccio 8 ...................... 95
Exerccio 9 ...................... 96
Exerccio 1 ...................... 97
Exerccio 2 ...................... 98
Exerccio 3 ...................... 99
Exerccio 4 .................... 100
Exerccio 5 .................... 101
Exerccio 6 .................... 102
Exerccio 7 .................... 103
Exerccio 8 .................... 104
Exerccio 9 .................... 105
Exerccio 10 .................. 106
Exerccio 1 .................... 107
Exerccio 3 .................... 108
Exerccio 4 .................... 109
Exerccio 5 .................... 110
Exerccio 6 .................... 111
Exerccio 7 .................... 112
Exerccio 8 .................... 113
Exerccio 9 .................... 114
Exerccio 10 .................. 115
Exerccio 2 .................... 116
Exerccio 2 .................... 117
Exerccio 3 .................... 118
Exerccio 4 .................... 119
Exerccio 5 .................... 120
Exerccio 1 .................... 121
Exerccio 2 .................... 122
Exerccio 3 .................... 123
Exerccio 4 .................... 124
Exerccio 5 .................... 125
Exerccio 6 .................... 126
Exerccio 7 .................... 127
Exerccio 8 .................... 128
Exerccio 9 .................... 129
Exerccio 10 .................. 130
Exerccio 1 .................... 131
Exerccio 2 .................... 132
Exerccio 3 .................... 133
Exerccio 4 .................... 134
Exerccio 5 .................... 135
Exerccio 6 .................... 136
Exerccio 7 .................... 137
Exerccio 8 .................... 138
Exerccio 9 .................... 139
Exerccio 10 .................. 140
Exerccio 8
Estatstica 2 Terceira Edio
Medeiros, Medeiros, Gonalves, Murolo
Item 1.3 Ex. 8
Dados b = bola branca p = bola preta
Urna A contm 3b e 2p Urna B contm 5b e 1p
Soluo
Espao amostral: S ={ ( ) ( ) ( ) ( )
1 2 1 2 1 2 1 2
, , , , , , , b b b p p p p b }
( ) ( )
( ) ( )
( ) ( )
( ) ( )
2
1 2 1
1
2
1 2 1
1
2
1 2 1
1
2
1 2 1
1
5 3 1
6 5 2
1 3 1
6 5 10
1 2 1
6 5 15
5 2 1
6 5 3
b
P b b P P b
b
b
P b p P P p
p
p
P p p P P p
p
b
P p b P P p
p

= = =

= = =

= = =

= = =

Funo de probabilidade
( )
0 1 2
3 13 1

20 30 2
x
P x

2 1
Exerccio 9
Item 1.3 Ex. 9
Dados: b = bola branca A = urna A BA = bola branca da urna A
PA = bola preta da urna A B = urna B BB = bola branca da urna B
vB = bola vermelha da urna B.
Soluo
Retirar uma bola da urna A. Espao amostral: bA, pA, com ( )
3
7
P bA = e ( )
4
7
P pA = .
Retirar uma bola da urna B, aps a transferncia: Espao amostral: bB, pB, vB.
a) A bola retirada da Urna A branca: b) A bola retirada da urna A preta
( )
3
6
P bB = ( )
2
6
P bB =
A probabilidade de ocorrer bola branca ento: ( )
3 3 2 4 17
6 7 6 7 42
P bB = + =
Funo de probabilidade:
( )
0 1
25 17
x
42 42
x
P

1 0
Exerccio 10
Item 1.3 Ex. 10
Dados: B = pea boa D = pea defeituosa
Na urna: 3 peas boas e duas peas defeituosas
Soluo
O experimento encerra quando retiramos a segunda pea com defeito ou quando retiramos a
terceira pea boa, o que ocorrer primeiro. A rvore de deciso pode ser a seguinte:
D BBDD ( )
3 2 2 1 1
5 4 3 2 10
P BBDD = =
D B BBDB ( )
3 2 2 1 1
5 4 3 2 10
P BBDB = =
B B BBB ( )
3 2 1 1
5 4 3 10
P BBB = =
B D B B BDBB ( )
3 2 2 1 1
5 4 3 2 10
P BDBB = =
D BDBD etc
D BDD
B D DBBD
B DBBB
D B D DBD
D DD
O espao amostral equiprovvel. A funo de probabilidade ser, ento:
( )
2 3 4
0,1 0,3 0,6
x
P x

Exerccio 4
Item 1.4 Ex. 4
Dados: L = lucro por unidade vendida P(V) = expectativa de venda
La = lucro por unidade reaproveitada = Lucro custo adicional
P(R) = expectativa de reaproveitamento
K = proporo na produo
A, B, C, D = modelos de fralda descartveis
Soluo
A B C D
L 0,04 0,08 0,02 0,10
P(V) 0,70 0,80 0,60 0,60
La 0,02 0,03 0,01 0,06
P(R) 0,30 0,20 0,40 0,40
L . P(V) + La . P(R) 0,034 0,07 0,016 0,084
K 0,50 0,30 0,10 0,10
( ) ( ) ( )
. . K L P V La P R +
0,017 0,021 0,0016 0,0084

( ) ( ) ( ) ( )
. . 0, 048 por unidade vendida retorno K L P V La P R = + =

Exerccio 4
Item 1.4 Ex. 4
Dados x = nmero de bolos vendidos no dia
( ) ( ) ( ) ( )
( ) ( )
0 0, 01 1 0, 05 x=2 0, 20 3 0, 30
4 0, 29 x=5 0,15
P x P x P P x
P x P
= = = = = = =
= = =

Soluo
X 0 1 2 3 4 5
P(x) 0,01 0,05 0,20 0,30 0,29 0,15
Custo 50 50 50 50 50 50
Receita 0 20 40 60 80 100
Lucro 50 30 10 10 30 50
L.P(L) 0, 5 1, 5
2
3 8,7 7,5
L
2
2500 900 100 100 900 2500
L
2
.P(L) 25 45 20 30 261 375

( ) ( )
2
15, 2 L 756 LP L P L = =
( ) ( ) ( ) ( )
2
2 2 2
= 15, 2 L 756 15, 2 524, 96 L LP L L E E L = = = =

( ) 22, 91 L =

Exerccio 5
Item 1.4 Ex. 5
Dados: L = lucro na venda do automvel
Soluo

Dia 2. 3. 4. 5. 6.
Lucro 3.000 1.800 1.080 648 388,80
P(L) 0,5 0,3 0,1 0,05 0,05
L.P(L) 1.500 540 108 32,40 19,44
L
2
9.000.000 3.240.000 1.666.400 419.904 151.165,44
L
2
.P(L) 4.500.000 72.000 166.640 20.995,20 7.558,27

( ) ( ) . 2.199, 84 L L P L = =

( ) ( ) ( )
2
2 2 2
5.617.193, 45 2.199, 84 777.897, 43 L E L E L = = =

( ) 881, 98 L =

Exerccio 6
Item 1.4 Ex. 6
Dados: L = lucro no lanamento do produto
Soluo
L 100.000 50.000

P(L) 0,8 0,2
L . P(L) 80.000 10.000 70.000
L
2
10.000.000.000 2.500.000.000
L
2
. P(L) 8.000.000.000 500.000.000 8.500.000.000

( ) . ( ) 70.000 L L P L = =

( ) ( ) ( )
2
2 2 2
. 8.500.000.000 70.000 3.600.000.000 L L P L L P L = = =

( ) 60.000 L =

Exerccio 7
Item 1.4 Ex. 7
Dados: t = tempo de reparo do trem
Soluo
t 5 15

P(t) 0,4 0,6
t . P(t) 2 9 11

( ) ( ) . 11 t t P t = =
minutos

Exerccio 7
Item 1.4 Ex. 7
Dados: v = vendas por visita
Soluo
v 1.000 1.000 1.000 1.000

P(v) 0,8 0,8 0,8 0,8
v . P(v) 800 800 800 800 3.200

( ) ( ) . 3.200 v v P v = =

Exerccio 9
Item 1.4 Ex. 9
Dados: D = nmero de defeitos v = preo de venda
Soluo
D 0 1 2 3 4

v 10 5 2,5 1,25 0,625
P(D) 0,9 0,05 0,03 0,01 0,01
v . P(v) 9 0,25 0,075 0,0125 0,00625 9,34

( ) ( ) . 9, 34 v v P v = =

Exerccio 4
Item 1.6 Ex. 4
Dados: x = peso da caixa de papelo ( ) 200 gramas P x = ( ) 10 gramas x =
peso da unidade do produto
i
y = ( ) ( ) 1.000 gramas 5 gramas y y = =
peso total da caixa cheia z = i = 1,2,.....6
Soluo
( ) ( ) ( ) ( ) 6 6 6 1.000 200 6.200 gramas
i i
z y x y x = + = + = + =
( ) ( ) ( ) ( )
2 2 2 2
6 36 36 25 100 1.000 gramas
i i
z y x y x = + = + = + =
( ) 31, 62 gramas z =
Exerccio 5
Item 1.6 Ex. 5
Dados: x = custo unitrio ( ) 5 ( ) 0, 20 x x = =
P = preo unitrio ( ) 20 ( ) 1, 5 p p = =
Cf = custo fixo = 10.000
Soluo
a) Custo 1.000 10.000 (Custo) 1.000 ( ) 10.000 15.000 x x = + = + =

2 2 2
(Custo) 1.000 ( ) 40.000 x = =
(Custo) 200 =
b) Receita 1.000 (Receita) 1.000 ( ) 20.000 p p = = =

2 2 2
(Receita) 1.000 ( ) 225.000 p = =
(Receita) 1.500 =
C)
( )
Lucro 1.000 1.000 10.000
(Lucro) 1.000 ( ) ( ) 10000 5.000
p x
p x
=
= =

2 2
(Lucro) (Receita Custo) 225.000 40.000 265.000
(Lucro) 1.513, 27

= = + =
=

Exerccio 5
Item 2.2 Ex. 5
Dados: x = varivel com distribuio de Bernoulli
2
( ) 0, 24 x = ( ) 0, 5 x >
Soluo
2
( ) 0, 24 1 1 x p q p q q p = = + = =
Substituindo: ( )
2
1 0, 24 ou 0, 24 0 0, 4 ou 0, 6 p p p p p p = + = = =
Como ( ) 0, 5 , a soluo ( ) 0, 6 x p x = > =

Exerccio 3
Item 2.3 Ex. 3
Dados: x = varivel com distribuio binomial
S = valorizar ( ) 0, 4 P S =
F = desvalorizar ou ficar estvel ( ) 0, 6 P F =
Soluo
a) ( ) 10 0, 0001 (Tabela ou funo da tabela Excel com 10 e 0, 4) P x n p = = = =
b) ( ) ( ) ( ) ( ) 8 8 9 10 0,123 (Tabela ou funo da tabela Excel) P x P P P = + + =
c) ( ) 0 0, 06 (Tabela ou funo da tabela Excel) P x = =

Exerccio 4
Item 2.3 Ex. 4
S = com defeito ( ) 0, 30 P S =
F = sem defeito ( ) 0, 70 4 P F n = =
Soluo
a) ( ) ( ) ( ) 2 1 0 1 0, 3483 (Tabela ou funo Excel) P x P x P x = = = =
b) ( ) ( ) 1 2 0, 3483 P x P x > = =

Exerccio 5
Item 2.3 Ex. 5
S = defeito ( ) 0, 02 P S =
F = sem defeito ( ) 0, 98 25 P F n = =
Soluo
( )
2 23
25
2 0, 02 0, 98 0, 0754
2
P x

= = =

Exerccio 7
Item 2.3 Ex. 7
S = no comparecer ( ) 0,1 P S =
F = comparecer ( ) 0, 9 22 P F n = =
Soluo
a) ( ) 1 0, 3392 P x =
b) ( ) 3 0, 2080 P x = = (Tabela ou funo Excel)

Exerccio 8
Item 2.3 Ex. 8
S = candidato experiente
F = candidato no experiente
Soluo
Expectativa de no ocorrer candidato experiente: ( ) ( )
10
0
10
0 1 0, 9
0
P x p p

= = =

( )
10
1 0, 9 0, 0105 p p = = .
Neste caso, ( ) 1 0, 0105 0, 9505 P F q = = = .
Exerccio 9
Item 2.3 Ex. 9
Dados: x = varivel com distribuio normal
S = um acidente por dia ( ) 0, 25 P S =
F = nenhum acidente por dia ( ) 0, 75 P F =
Lucro por atendimento = 350
Tempo parado para retificar = 6 dias Tempo parado para trocar = 1 dia
Soluo
Expectativa de ganho em cinco dias = 0, 25 350 5 437, 50 =
Diferena de custo caso use a retfica = 500,00
Portanto ele deve usar a retfica, pois a expectativa de ganho em cinco dias de trabalho
(usando a troca), no compensa a diferena de custo.

Exerccio 10
Item 2.3 Ex. 10
S = ser recebido ( ) 0, 80 6 P S n = =
Soluo
a)
( ) ( ) ( ) ( ) 4 4 5 6
0, 24576 0, 393216 0, 262144 0, 9011
P x P x P x P x = = + = + = =
= + + =

b) ( ) 6 0, 2621 P x = =
c) ( ) 0 0, 0001 P x = =
(Use Tabela ou DISTRIBINOM do programa Excel)

Exerccio 12
Item 2.3 Ex. 12
S = cheque com problema ( ) 0,12 P S =
F = cheque bom ( ) 0, 88 10 P F n = =
C = custo da mercadoria L = Lucro na venda
Soluo
a) ( )
0 10
10
0 0,12 0, 88 0, 2785
0
P x
| |
= = =
|
\ .

b) ( )
5 0
5
5 5 0,12 0, 88 0, 000025
5
n P x
| |
= = = =
|
\ .

c) 0,5 pago 0, 3 L C =
com problema
Cheque 0,12 0,5 no pago L C =
0,88
bom 0, 3 L C =
dinheiro 0, 3 L C =
c1) aceitando pagamento com cheque
( ) ( )
( )
0, 3 0, 2 0, 8 0,12 0, 3 0, 5 0, 5 00 0, 88 0, 3
0, 2376
E L C C C C
E L C
= + + (

=

C2) no aceitando cheque para pagamento
( ) 0, 75 0, 3 0, 225 E L C C = =
Concluso: A esperana de lucro no caso de aceitar pagamento com cheque maior do que
ocorre quando o cheque no aceito. O pagamento com cheque deve ser mantido.
Exerccio 13
Item 2.3 Ex. 13
Dados : x = varivel com distribuio binomial
S = cliente com depsito na fila
n = 9
Soluo
P(S) = probabilidade de um cliente ter depsito a fazer e de no ter hbito de usar o caixa
automtico para depsitos.
Portanto, ( ) 0, 2 0, 7 0,14 P S = =
( ) ( )
0 9
9
1 1 0 1 0,14 0, 86 0, 7427
0
P x P x

= = = =

Exerccio 14
Item 2.3 Ex. 14
S = fazer pergunta ( ) 0, 20 P S =
30 minutos = tempo destinado a respostas
5 minutos = tempo para cada resposta
Soluo
a) Ocorrer no mximo duas perguntas sem resposta, significa ocorrer no mximo oito
perguntas, pois a capacidade de respostas de seis em 30 minutos.
( ) ( ) ( ) ( ) 8 0 1 ... 8 0, 9532 P x P x P x P x = = + = + = =
b) ( )
6
0
6 0, 2 0, 8 0, 9
i n i
i
n
P x
i

=

= =

O nmero mximo de 20 pessoas (Acompanhe na tabela ou simule na funo
DISTRIBINOM do Excel, com Nm_s = 6, Tentativas = simular, Probabilidade_s=0,20,
cumulativo =verdadeiro ).
Exerccio 15
Item 2.3 Exerccios propostos Ex. 15
S = completar a ligao ( ) 0, 70 P S = n = 3
Soluo
10 1: vai telefonar
3 5 0,5 2: no vai telefonar
1 0,973 6 0,5 20 3: completa a ligao
4 0,027 4: no completa
2 5 15 5: nibus espera
0,5 6: no espera
6 0,5
25
Obs. A probabilidade de o nibus esperar 0,50, pois no temos nenhuma informao a
respeito deste fato.
A probabilidade de a garota completar a ligao :
( ) ( ) 1 1 0 1 0, 027 0, 973 P x P x = = = = (veja Tabela ou DISTRIBINOM do Excel)
Calculando-se com auxlio da rvore de deciso a expectativa de custo caso ela v telefonar,
obtemos:
( ) ( ) 10 20 0, 5 0, 973 15 25 0, 5 0, 027 15,135 + + + =
Caso ela no v telefonar, o custo 15, menor que no caso anterior.
Concluso: no deve ir telefonar

Exerccio 1
S = carro roubado ( ) 0, 035 100 P S n = =
Soluo
a) ( ) ( ) ( ) ( ) 2 0 1 2 P x P x P x P x = = + = + = .
Como 30 e 0, 05 n p > < , usaremos a aproximao de Poisson.
3, 5 = roubos para 100 carros
( )
3,5 0
3, 5
0 0, 0302
0!
e
P x

= = =
( )
3,5 1
3, 5
1 0,105
1!
e
P x

= = =
( )
3,5 2
3, 5
2 0, 0,1850
2!
e
P x

= = =
Portanto, ( ) 2 0, 3209 P x =
b) Prejuzo equivale a mais de 10 carros roubados.
( ) 10 0, 001 P x > = ( Tabela ou DISTRBINOM do Excel)

Exerccio 9
Dados: ( ) Cov , 0, 02 x y =
x y 2 3
4 a 0,2
5 0,3 b

Soluo
x y 2 3
( )
i
P x n =
4 a 0,2 0, 2 a +
5 0,3 b 0, 3 b +

( )
j
P y y =
0, 3 a + 0, 2 b +

1) 0, 2 0, 3 1 0, 5 ou 0, 5 a b a b b a + + + = + = =
( ) ( ) ( ) 4 0, 2 5 0, 3 E x a b = + + + . Como ( ) 0, 5 ento, E 4, 8 b a x a = =
( ) ( ) ( ) 2 0, 3 3 0, 2 E y a b = + + + . Como ( ) 0, 5 ento, E 2, 7 b a y a = =

2) ( ) 8 15 5, 4 E x y a b = + + . Como ( ) 0, 5 ento, E 12, 9 7 b a x y a = =
( ) ( ) ( ) ( ) ( )( ) , 7 15 5, 4 4, 8 2, 7 0, 02 Cov x y E x y E x E y a b a a = = + + =
Ento,
2
0, 5 0, 06 0, 02 0,1 0, 4 ou 0, 4 0,1 a a a e b a e b + = = = = =
. x y
8 10 12 15
( ) P x y a
0,3 0,2 b
( ) x y P x y
8 a 3 2,4 15 b
Exerccio 10
Dados: ( , ) 0, 344 x y =

Soluo
x
y
1 3 5
( )
i
P x x =
2 0,1 a 0,3 0, 4 a +
4 0,2 b 0,1 0, 3 b +
( )
j
P y y =
0,3 a b + 0,4
Do quadro, 0, 7 1 0, 3 a b b a + + = = . Mas ( )
( ) ,
, 0, 344
( ) ( )
Cov x y
x y
x y

= =
x y
2 4 6 12 10 20

( ) x y 0,1 0,2 a b 0,3 0,1
x y ( ) x y 0,2 0,8 6a 12b 3 2 6 12 6 a b + +
( ) 6 12 6 6 12 0, 3 6 9, 6 6 a b a a a + + = + + =
( ) ( ) ( )
( )
( ) ( )
2 0, 4 4 0, 3 0, 3 3, 2 2
0, 3 3 0, 3 5 0, 4 3, 2
, 9, 6 6 3, 2 2 3, 2 0, 4 0, 64
E x a a a
E y
Cov x y a a a
= + + + =
= + + =
= =
( ) ( ) ( )
( )
( )
( )
2
2 2
2 2
2
2
2
2
( ) 4 0, 4 16 0, 6 3, 2 2 4 0, 8 0, 96
( ) 0, 3 9 0, 3 2, 5 0, 4 3, 2 2, 76
0, 4 0, 64
( , ) 0, 344
0, 4 0, 8 0, 96 2, 76
x a a a a a
y
a
x y
a a
= + + = + +
= + + =
= =
+ +

Assim,
2
0, 4664282 0, 7732858 0, 096578 0 0, 32 ou 0, 20 a a a a + = = =
Como 0, 3 b a = , a soluo 0, 20 e 0,10 a b = =

x
y
1 3 5
2 0,1 a 0,3
4 0,2 b 0,1
Exerccio 10
( ) ( ) 60 0, 05 45 0,15 P x P x > = < =
Soluo
1) ( ) ( ) ( ) 60 0, 5 60 0, 05 60 0, 45 P x P x P x > = < < = < < =
Desta forma,
60
1, 64
= (veja Tabela)
2) ( ) ( ) ( ) 45 0, 5 45 =0,15 45 0, 35 P x P x P x < = < < < < =
Assim tambm,
45
1, 04
= (veja Tabela)
De 1 e 2 vem: 1, 64 60 e 1, 04 45 + = + =
2, 68 15 =5,597 = e 50, 82 =
Portanto ( ) : 50, 82 ; 31, 33 x N

Exerccio 2
Dados: ( ) ( )
1 2
500 ; 4 5 ; 0, 25 x N x N = =
Soluo
a)
1 2
x x x = +
1 2 1 2
( ) ( ) ( ) ( ) 500 5 505 x x x x x = + = + = + =
( ) ( ) ( ) ( )
2 2 2 2
1 2 1 2
4 0, 25 4, 25 x x x x x = + = + = + = , visto que x
1
e x
2

so
independentes.
Assim, ( ) 2, 06 x = e ( ) : 505 ; 4, 25 x N
b) ( ) ( ) 501 0, 5 501 505 P x P x < = < <

501 505
1, 94
2, 06
z

= = de onde, ( ) 501 0, 5 0, 4738 0, 0262 P x < = =

Exerccio 3
Dados: ( ) ( )
1 2
230 ; 9 30 ; 25 x N x N = =
Soluo
1 2
20 x x x = +
( ) ( ) ( )
1 2 1 2
2 2 2
1 2 1 2
( ) (20 ) 20 ( ) ( ) 20 230 30 4.630
20 400 400 9 25 3.625
x x x x x
x x x x

= + = + = + =
+ = + = + =

Portanto, ( ) ( ) 60, 21 e : 4.630 ; 3.625 x x N = .
( ) ( ) 4.660 0, 5 4.630 4.660 0, 5 0,1915 0, 3085 P x P x > = < < = = (veja Tabela)
Exerccio 4
Dados: ( )
1
: 70 ; 225 x N
Soluo
Carga:
1
10 x x =
( ) ( ) ( ) ( )
1 1
2 2 2
1 1
( ) (10 ) 10 ( ) 10 70 700
10 100 100 225 22.500 x 150
x x x
x x x

= = = =
= = = = =

Assim, ( ) : 700 ; 22.500 x N
a) ( ) ( )
880 700
880 0, 5 700 880 1, 20
150
P x P x z

> = < < = =
( ) 880 0, 5 0, 3849 0,1151 P x > = = (veja Tabela)
b) ( )
700
0, 0002 (veja bela) 3, 48 ou 1.222 Kg
150
a
P x a a
> = = =

Exerccio 5
Dados: ( ) ( )
1 2
: 60 ; 25 : 26 ; 16 x N x N
Soluo
Lucro ( )
1 2
1.000 L x x = =
( )
1 2 1 2
( ) (1.000 1.000 ) 1.000 ( ) 1.000 ( ) 1000 60 26 34.000 L x x x x = = = =
( ) ( ) ( ) ( ) ( )
2 2 2 2 2
1 2 1 2
1.000 1.000 1.000 41.000.000 L x x x x = = + =
( ) 6.403,12 L =
a) 25, 5% ( ) 0, 255 60.000 15.300 de vendas = =
( ) ( ) ( ) 15.300 0, 5 15.300 34.000 0, 5 0 3, 28 0, 9982 P L P L P z > = + < < = + < < =
b) 50% do custo = 0, 5 26.000 13.000 =
( ) ( ) ( ) 13.000 0, 5 13.000 34.000 0, 5 0 3, 28 0, 9995 P L P L P z > = + < < = + < < =
c) ( ) ( ) ( ) 0 0, 5 0 34.000 0, 5 0 5, 31 0 P L P L P z < = < < = < < =

Exerccio 4
Dados: S = completar a ligao na primeira tentativa
( ) 0, 6 P S = 42 n =
Soluo
Clculo do nmero mnimo de sucessos: ( ) 1, 5 3 42 90 24 x x x + = =
Portanto 24 ligaes do tipo S e 18 ligaes do tipo F completam 90 minutos.
a) ( ) ( ) ( ) 90min 24 24, 5 , para usar a normal para aproximar P t P x P x = < .
No caso, ( ) ( ) : 0, 6 42 ; 0, 6 0, 4 42 : 25, 2 ; 10, 08 N N =
24, 5 25, 2
0, 22
10, 08
z

= =
( ) 90min 0.5 0, 0851 0, 4149 P t = = (veja Tabela)
b) ( ) ( ) ( ) 120min 4 pois 1, 5 3 42 120 4 P t P x x x x = = = + = =
( )
4 38
42
4 0, 6 0, 4 0 ou pela normal
4
P x

= = =

( ) ( ) ( ) 4 3, 5 4, 5 6, 8 6, 5 0 P x P x P z = = < < = < < =
Exerccio 1 Listo
Item 5.6 Listo Ex. 1
Dados: x = varivel com distribuio binomial, conta o nmero de faris fechados
S = encontrar farol fechado n = 4 ( ) 0, 75 P S =
Soluo
Av 1 Av 2 Av 3 Av 4 Av 5
Posio s 9:50
Soluo:
a) Para que o tempo empregado seja no mximo 10 minutos, ele dever
encontrar, no mximo, dois faris fechados.
( ) ( ) 10min 2 0, 2617 (ver Tabela binomial ou
DISTRBINOM do Excel)
P t P x = =

b) ( ) ( ) ( ) ( ) 10 13 2 2 3 0, 4219 idem P t P x P x P x < < = > = = =
Exerccio 2 Listo
S = ser imediatamente atendido
( ) 0, 20 80 P S n = =
Soluo
a) ( ) 0, 2 80 16 x = =
( )
2
0, 20 0, 80 80 12, 8 x = ( ) 3, 58 x =
b)
( ) 0, 25 80 16
0, 20
80

=

Exerccio 4 Listo
Dados:
x =nmero de carros que chegam em 4 horas ( varivel com distribuio Poisson)
8 clientes 4 horas =
Soluo
a) 3 carros na fila requer 11 chegadas ( ) 11 0,184 P x = (Tabela ou funo
Poisson no Excel)
b)
( )
8
. 8
, 0, 85 0, 85
!
x
e
P x
x

= =

c) Na tabela ou na Poisson do Excel
( )
( )
10 0, 8159
11 0, 8892
P x
P x
=
=

Para garantir o atendimento, tenho que pensar em 11 carros. Sero 10 carros
atendidos e um carro na fila de espera.
Portanto,
4 60 minutos
24 minutos por carro
10 carros
t

= =

Exerccio 5 Listo
Dados: x = varivel com distribuio de Poisson
1 defeito 80 metros =
Soluo
a) x = mede o nmero de defeitos em 520 metros da bobina.
520
6, 5 defeitos para 520 m do plstico
80
= =
( ) 5 =0,3691 P x (Tabela ou Poisson do Excel)
b)
( ) ( )
0
.
0 0, 99 0, 99 ln 0, 99
0!
e
P x e
= = = = =
0, 01 = defeitos para cada 500 m, ou seja, 1 defeito para cada 50.000 m.

Exerccio 7 Listo
Dados: x = quantidade de nutriente na mistura
x
i
= quantidade de nutriente nos ingredientes, i = 1, 2, 3.
Soluo
a) Ingredientes na mesma proporo:
1 2 3
1 1 1
3 3 3
x x x x = + + .
1 2 3
1 1 1 200 150 100
( ) ( ) 150 por Kg
3 3 3 3
x x x x g
+ +
= + + = =
( ) ( )
2 2 2 2 2
1 2 3
1 1 1 1
12 6 10 31,11
3 3 3 9
x x x x

= + + = + + =

( ) 5, 58 g por Kg x =
b) Ingredientes na proporo de 2:3:5:
1 2 3
2 3 5
10
x x x
x
+ +
=
1 2 3
2 3 5 2 200 3 150 5 100
( ) ( ) 135 g por Kg
10 10
x x x
x
+ + + +
= = =
( )
2 2 1 2 3
2 3 5 4 144 9 36 25 100
34
10 100
x x x
x
+ + + +
= = =

( ) 5, 83 g por Kg x =

Exerccio 8 Listo
Dados: x = quantidade de nutriente na mistura
x
i
= quantidade de nutriente nos ingredientes, i = 1, 2, 3.
Soluo
X
i
200 150 100
( )
i
P x
P
1
0,5 P
1
0,5

( ) ( ) ( )
1 1
200 150 0, 5 50 140
i i
i
E x x P x P P = = + + =

1 1
50 15 P 0, 30 P = = e
2
0, 20 P =
As propores so: 3:2:5.

Exerccio 9 Listo
Dados: x
1
= nmero de defeitos da primeira mquina
( )
1
1
( ) 2 defeitos para 1.000 m
x 0, 4
x
s
=
=

X
2
= nmero de defeitos da segunda mquina
( )
2
2
x 0, 5
x
s
=
=

Soluo
Nmero de defeitos para rolo de 400 m (200 m cada mquina):
1 2
0, 2 0, 2 x x x = +
1 2
( ) (0, 2 0, 2 ) 0, 2 2 0, 2 3 1 defeito por rolo de 400 m x x x = + = + =
( )
2 2 2
1 2
0, 2 0, 2 0, 04 0, 4 0, 04 0, 5 0, 0164 x x s + = + =
( ) 0,128 defeitos por rolo de 400 m x s =

Exerccio 10 Listo
Dados: x
1
= nmero de defeitos da primeira mquina
( )
1
1
x 0, 4
x
=
=

X
2
= nmero de defeitos da segunda mquina
( )
2
2
x 0, 5
x
=
=

Soluo
a) Pior especificao: x = 0,4x
2

2
( ) (0, 4 ) 0, 4 3 1, 2 defeitos por rolo de 400 m x x = = =

( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( ) ( ) ( )
2 2 2 2
2
1 2
1 2
2 2 2 2
1 2
0, 4 0, 4 0, 5 0, 04 x 0, 2 def rolo de 400m
) Especificao: 0, 7 0, 4 0, 3 0, 4
( ) (0, 7 0, 4 0, 3 0, 4 ) 0, 28 2 0,12 3 0, 92 def rolo de 400 m
0, 7 0, 4 0, 3 0, 4 0, 28 0,16 0,12 0, 25
x x
b x x x
x x x
x x x

= = = =
= +
= + = + =
= + = + =
( )
0, 016
def
0,13
rolo de 400 m
x =

Exerccio 14 Listo
Dados: x =nmero de peixes fisgados em um dia (varivel com distribuio de Poisson).
( ) 7 peixes por dia x = =
Soluo
( ) ( ) ( ) no cumprir 12 1 12 1 0, 0532 0, 9468 P P x P x = < = = = (Tabela ou Excel)

Exerccio 17 Listo
Dados: x = nmero de crianas com mais de 5 cries
X = varivel com distribuio de Poisson com
( ) 10 x = = crianas com mais de 5 cries cada 100 crianas
Soluo
( ) 5 0, 067 P x = (Tabela ou funo Poisson do Excel)
Exerccio 21 Listo
Dados: D = depsito efetuado
D: N (8.000 ; 1.000
2
)
Soluo
a) ( ) ( )
10.000 8.000
10.000 2
1.000
P saldo positivo P D z

= = =
( ) ( ) 10.000 2 0, 0228 P D P z = > = (veja Tabela ou DIST.NORM do Excel)
b) ( ) ( )
5.000 8.000
dbito mximo de 5.000 5.000 3
1.000
P P D z

= = =
( ) ( ) 5.000 3 0, 9986 P D P z = > =

Exerccio 22 Listo
Dados: x = mede o nmero de chamadas recebidas pela empresa
X = varivel com distribuio de Poisson

50
( ) 12 10 ligaes por 12 minutos
60
x = = =
Soluo
( ) 12 0, 3033 P x = (veja Tabela ou funo POISSON no Excel)
Exerccio 23 Listo
Dados: ( ) : 25 ; 12 x N mede a valorizao do terreno em %.
( ) : 20 ; 4 y N mede a valorizao do investimento no mercado financeiro em %.
Soluo
( ) ( ) 16 0 2, 60 0, 5 0, 4953 0, 5 0, 9953 P x P z = < < + = + =
( ) ( ) 16 0 2 0, 5 0, 4772 0, 5 0, 9772 P y P z = < < + = + =
Nas condies apresentadas, o investimento em terreno o preferido.

Exerccio 24 Listo
Dados: x = varivel normal, representa as vendas por nmero do calado, com ( ) 39 x = .
Soluo
Clculo de ( ) x para as condies do problema. Para 95% da rea sob a curva normal,
devemos ter 1, 96 z = . Como x assume valores inteiros, devemos ter:

( )
( )
42, 5 39
1, 96 1, 785 x
x

= = . Ento,
( )
2
: 39 ; 1, 785 x N .
Considerando uma rea de 70% sob a curva normal, teremos:
35% 1, 04 z = . Desta forma,
2
2
39
1, 04 o que acarreta 40, 85
1, 785
x
x
= =
35% 1, 04 z = . Desta forma,
1
1
39
1, 04 o que acarreta 37,15
1, 785
x
x
= = .
Hipteses para 70% de rea, preservando os calados com nmeros mais vendidos:
1) De 36,5 a 40,5. rea 71,87%. Abandonar calados de nmeros 36, 41, 42.
2) De 37,5 a 40,5. rea 60%. Invivel
3) De 37,5 a 41,5. rea de 71,87%. Abandonar calados de nmeros 36, 37, 42.
As hipteses 1 e 3 so solues para o problema.

Exerccio 26 Listo
Dados: x = representa a medida do molde.

( )
2
( ) ; 0, 2 x N x =
Soluo
Devemos procurar a mdia do molde para que 10% das peas moldadas fique acima de
30,5 Cm.
30, 5 ( )
10% 1, 28 ou 1, 28 ( ) 30, 244
0, 2
x
z x
= = =
Assim, o nmero de peas fundidas deve ser dado por:
30, 244 30
61 peas
0, 004
n

= = .
Exerccio 27 Listo
Dados: vr = velocidade real do carro.
Vl = velocidade mostrada no velocmetro

Soluo
Como o velocmetro marca velocidade ( vv) 5% a menos que a velocidade real vr,devemos ter:
0, 95 vl vr = ou
0, 95
vl
vr = . Na marca de 98 km/h no velocmetro teremos
98
0, 95
vr = .
Assim,
2
; 2
0, 95
vl
vr N

=

e no caso,
2
98
; 2
0, 95
vr N

=

98
100
0, 95
1, 58
2
z

= =
( ) ( ) 100 0, 5 0 1, 58 0, 5 0, 3413 0, 9429 P v P z > = + < < = + =

Exerccio 30 Listo
Dados: A primeira opo formada por 3 trechos com tempos de percurso normais:
( ) ( ) ( ) 1: 1, 5 ; 0, 25 2 : 2, 0 ; 0,16 3: 0, 5 ; 0, 01 T N T N T N
A segunda opo formada por 4 trechos com tempos de percurso normais:

( ) ( ) ( ) ( ) 1: 1, 0 ; 0, 09 2 : 1, 0 ; 0, 04 3: 1, 0 ; 0,16 4 : 1, 0 ; 0,10 T N T N T N T N
Soluo
A soma das normais que formam o primeiro trecho ( ) 1 2 3: 4 ; 0, 42 T T T N + +
A soma das normais que formam o segundo trecho ( ) 1 2 3 4 : 4 ; 0, 39 T T T T N + + +
As opes apresentam a mesma mdia de 4 horas. Como a segunda opo apresenta menor
variabilidade, a mais confivel.
Exerccio 5
Item 6.6 Ex. 5
Soluo
Consultando a Tabela para n = 8 graus de liberdade, encontramos o valor 17,53
associado probabilidade 0,025.
Portanto,
( )
2
17, 53 1 0, 025 0, 975 P = =
No Excel a funo DIST.QU com os parmetros X: 17,53 e GRAUS_LIBERDADE: 8,
fornece
( )
2
17, 53 0, 025 P =
Exerccio 6
Item 6.6 Ex. 6
Soluo
Consultando a Tabela para n = 25 graus de liberdade, obtemos na coluna 0,975 o valor
1
13,12 K = e na coluna 0,025 o valor
2
40, 65 K =
No Excel a funo INV.QUI fornece os valores com Probabilidade: 0,975 e 0,025 e
GRAUS_LIBERDADE: 25
Exerccio 8
Item 6.6 Ex. 8
Soluo
Consultando a Tabela para n = 10 graus de liberdade o valor 3,94, obtemos 0,950.
Portanto
( )
2
, 94 0, 95 P = . Consultando o valor 20,48 obtemos 0,025. Portanto
( )
2
20, 48 0, 025 P > = .
Assim,
( )
2
3, 94 20, 48 0, 95 0, 025 0, 925 P < < = =
Exerccio 10
Item 6.6 Ex. 10
Soluo
Consultando a Tabela da varivel normal padro o valor ( ) 0, 40, P z k < = obtemos o
valor 1, 28 z = . Portanto, ( ) 1, 28 . 0,10 P z > = .
Substituindo na frmula de
2
, obtm-se:
( )
2
2
1, 28 2 40 1
51, 696
2
+
= = .

Exerccio 4
Item 7.2 Ex. 4
Dados: x tem distribuio de Poisson com mdia ( ) 5 x =
Amostra com 100 n = elementos.
Soluo
Como ( ) ( )
2
( ) 5 5 ou seja, 5 x x x = = =

Assim,
( ) 5 x x = =
e
( )
5
100
x =

Fazendo a aproximao da distribuio de Poisson pela distribuio normal:
5, 5 5
2, 24
5
100
z

= = .
Procurando na distribuio normal padro o valor 2, 24 z = obtm-se 0,4875.
Portanto, ( ) ( ) 6 0, 5 6 0, 5 0, 4875 0, 0125 P x P x = = =

Exerccio 5
Item 7.2 Ex. 5
Dados: x = varivel com distribuio normal, mede o rendimento dos ttulos em uma
carteira
de investimentos.
( ) ( ) 0,10 0, 02 x x = = Retirada amostra de 40 elementos (n = 40)

Soluo
A distribuio amostral das mdias de 40 elementos tem:
( ) ( ) 0,10 x x = = e ( )
( ) 0, 02
0, 00316
40 40
x
x

= = =
Queremos avaliar ( ) 0, 09 P x > . Neste caso
0, 09 0,10
3,16
0, 02
40
z

= =
Consultado a Tabela obtemos ( ) 0, 09 0, 4992 0, 5 0, 9992 P x > = + =
(na funo DIST.NORMAL do Excel com os parmetros X: 0,09; Mdia: 0,10;
Desv_Padro:0,0316 e Cumulativo: Verdadeiro, obtemos ( ) 0, 09 0, 0008 P x < = )

Exerccio 6
Item 7.3 Ex. 6
Amostra com ( ) 2 x = :
Classes Int classe f
i
1 5 7 3
2 7 9 7
3 9 11 10
4 11 13 8
5 13 15 7
6 15 17 5

Soluo
448
11, 20
40
i i
i
x f
x
f
= = =

( ) ( )
2 2
( ) 1
x x
P x z x x z
n n

< < + =

2 2
11, 20 2, 05 ( ) 11, 20 2, 05 0, 96
40 40
P x

< < =

( ) 10, 55 ( ) 11, 85 0, 96 P x < < =
Exerccio 8
Item 7.3 Ex. 8
Dados: Amostra: n = 100; 2, 40 x = ; ( ) ( )
2
0,16; 0, 4 x x = = ; 1 0, 90 =
Soluo
1 0, 90 1, 64 z = =
( ) ( )
2 2
( ) 1
x x
P x z x x z
n n

< < + =

0, 4 0, 4
2, 40 1, 64 ( ) 2, 40 1, 64 0, 90
100 100
P x

< < + =

( ) ( ) 2, 33 ( ) 2, 47 0, 90 P x P x < < = =
Exerccio 9
Item 7.3 Ex. 9
Dados: Amostra: n = 100; 2, 40 x = ; ( ) ( )
2
0,16; 0, 4 x x = = ; 1 0, 80 =

Soluo
( ) ( )
2 2
( ) 0, 80
x x
P x z x x z
n n

< < + =

1 0, 80 1, 28 z = =
0, 4 0, 4
2, 40 1, 28 ( ) 2, 40 1, 28 0, 80
100 100
P x

< < + =

( ) 2, 35 ( ) 2, 45 0, 80 P x < < =
Concluso: O preo mximo deve ser menor que 2,35 um/Kg
Exerccio 5
Item 7.4 Ex. 5
Dados: Populao: N=40 mquinas. Amostra: n=5 mquinas
( ) 4 0,15 4 0, 6 x x = = = 1 0, 98 =
Soluo
Como a amostra representa mais de 5% da populao, devemos usar o fator de
correo
( ) ( )
2 2
( ) 1
1 1
x x
N n N n
P x z x x z
N N
n n

< < + =

1 0, 98 2, 33 z = =
0, 6 40 5 0, 6 40 5
4 2, 33 ( ) 4 2, 33 0, 98
40 1 40 1
5 5
P x

< < + =

( ) 3, 41 ( ) 4, 59 0, 98 P x < < =
a) A previso mnima para o tempo de concerto de 3,41 h e a previso mxima
de 4,59 h.
b) Estimativa pontual: 4 40 160 = h
Exerccio 8
Item 7.4 Ex. 8
Dados: Populao: 80 unidades Amostra: 10 unidades
120 . x u m =

1 0, 95 =

( ) 20 . . x u m =

Soluo
Como a amostra representa mais de 5% da populao devemos usar o fator de
correo.
Erro padro de estimativa:
( )
2
1
x
N n
e z
N
n

1 0, 95 =

1, 96 z =

20 80 10
1, 96 11, 67
80 1
10
e

= =

( ) 120 11, 67 ( ) 120 11, 67 0, 95 P x < < + =

( ) 108, 33 ( ) 131, 67 0, 95 P x < < =

Se ele pode pagar no mximo 3% do valor dos ttulos, com 95% de confiana ele pode
pagar entre 3% de 108,33 = 3,25 e 3% de 131,67=3,95
a) Sim, pode pagar 3,00
b) No, pois no pode pagar mais que 3,95

Exerccio 9
Item 7.4 Ex. 9
Dados: x = varivel normal, mede o tempo de emisso da nota fiscal
Populao: 100 NF Amostra: 40 NF com 20 min x =
Vamos considerar ( ) 0, 30 20 6 min x = .
Soluo
Como a amostra representa mais de 5% da populao, devemos aplicar o fator de
correo. Dado 1 0, 95 = , temos
2
1, 96 z
= . Neste caso, o erro padro de

estimativa :
( )
2
6 100 40
1, 96 1, 45
1 100 1
40
x
N n
e z
N
n

= = =

( ) ( ) 20 1, 45 ( ) 20 1, 45 18, 55 ( ) 21, 45 0, 95 P x P x < < + = < < =
O tempo mdio mnimo para preenchimento manual de 18,55 min, contra o tempo
do computador de 12 min.
O ganho ser, portanto
18, 55 12
0, 3531
18, 55
t
G
t

= = = ou 35,31%.
Exerccio 9
Item 7.6 Ex. 9
Dados: x = varivel normal, mede o preo de venda do produto.
Amostra: 40 elementos com 26 x = e ( ) 2 s x = .
Soluo
Para 1 0, 90 = ,
0,10; 39
1, 68 t = . O erro padro de estimativa :
( )
0,10; 39
2
1, 68 0, 53
40
s x
e t
n
= = = .
Portanto, ( ) ( ) 26 0, 53 ( ) 26 0, 53 25, 47 ( ) 26, 53 0, 90 P x P x < < + = < < = .
Como 50% de 25,47 12,73, o custo mximo para garantir certamente a viabilidade
de 12,73 u.m.
Exerccio 10
Item 7.6 Ex. 10
Dados: x = varivel normal, mede o tempo gasto na visita ao cliente
Y = varivel normal, mede a venda por cliente visitado
Amostra com 10 elementos de uma populao com 65 elementos fornece:
90 s ( ) 13 x x = = ( ) 650 100 y s y = =
Soluo
Intervalo de confiana de 80% para o tempo mdio de visita:
0,1: 9 0,1: 9
13 65 10 13 65 10
90 ( ) 90 0, 80
65 1 65 1
10 10
P t x t

< < + =

( ) 84, 74 ( ) 95, 26 0, 80 P x < < =
Intervalo de confiana de 80% para a Vanda mdia por cliente:
0,1: 9 0,1: 9
100 65 10 100 65 10
650 ( ) 650 0, 80
65 1 65 1
10 10
P t x t

< < + =

( ) 609, 55 ( ) 690, 45 0, 80 P y < < =
Nmero de clientes visitados por ms na previso otimista:
80 60
57
84, 74
=
Receita no ms com a previso otimista: 57 690, 45 39.355, 65 =
Comisso no ms neste caso: 4% 39.355, 65 1.574, 23 de =
Exerccio 3
Item 7.7 Ex. 3
Dados: x = varivel normal Populao: N = 100 elementos ( ) 4 x =
Erro padro de estimativa mximo admitido: 2 e =
Nvel de confiana: 1 0, 98 =
Soluo
( )
( ) ( ) ( )
2
2 2
2
2 2 2 2 2 2
2
2, 33 4 100
18
1 2 100 1 2, 33 4
z x N
n
e N z x

= = =
+ +

Exerccio 10
Item 7.7 Ex. 10
Dados: x = varivel normal, mede o rentabilidade de empresas de uma indstria
Amostra de n = 10 elementos fornece: ( ) 0, 05 0, 016 x s x = =
Erro mximo permitido: 0, 01 e = Nvel de confiana: 1 0, 95 =
Soluo
( )
2
2
2
2, 26 0, 016
13, 075 ou 14 elementos
0, 01
t s x
n
e

= = =

Exerccio 6
Item 7.8 Ex. 6
Dados: x = varivel binomial. S = mulher. Amostra de n = 100 elementos forneceu:
0, 40 p = .
Nvel de confiana 1 0, 98 = .
Soluo
Para
2
1 0, 98 devemos ter 2, 33 z
= = .
a)
2 2

1
pq pq
P p z p p z
n n

< < =

0, 4 0, 6 0, 4 0, 6
0, 4 2, 33 0, 4 2, 33 0, 98
100 100
P p

< < + =

( ) 0, 2859 0, 5141 0, 98 P p < < =
b) No. A proporo pode ser maior que 50%.
Exerccio 8
Item 7.8 Ex. 8
Dados: x = varivel binomial. S = bia com defeito
Amostra de n = 50 bias de populao de N = 2.000 bias:
Nvel de significncia: 0, 04 =
Soluo
Como a proporo de elementos da amostra
50
0, 025 0, 05
2.000
n
N
= = < , no
usaremos o fator de correo.
2
0, 04
50
p = = e
0,02
2
2, 05 z z
= =
2 2

1
pq pq
P p z p p z
n n

< < + =

0, 04 0, 96 0, 04 0, 96
0, 04 2, 05 0, 04 2, 05 0, 96
50 50
P p

< < + =

( ) ( ) 0, 0168 0, 0968 0, 96 ou 0 0, 0968 0, 96 P p P p < < = < < =

Exerccio 9
Item 7.8 Ex. 9
Dados: x = varivel binomial
Intervalo de confiana para a proporo de bias defeituosas ao nvel de
confiana de 96%: ( ) 0 0, 0968 0, 96 P p < < =
Lucro por bia vendida: 5 u.m.
Prejuzo por bia vendida com defeito: 3.u.m
Soluo
Valor esperado do lucro por bia na pior hiptese, isto , assumindo a proporo de
defeituosas de 0,0968.
3
0,0968 3 0, 0968 5 0, 9032 4, 2256 + =
0,9032
5
Portanto, o lucro esperado para o lote na viso pessimista :
2.000 4, 2256 8.451, 20 = u.m. o que supera a meta de 8.000 u.m.
Exerccio 3
Item 7.9 Ex. 3
Dados: x = varivel binomial. S = escolha da embalagem E
2
.
Amostra de n = 100 elementos forneceu 0, 42 p = .
Erro mximo admitido: e = 0,06.
Soluo
0,02
2
1 0, 96 2, 05 z z
= = =

2
2
2
2 2

2, 05 0, 42 0, 58
284, 37
0, 06
z pq
n
e

= = = ou n = 285 elementos

.
Exerccio 4
Item 7.9 Ex. 4
Dados: x = varivel binomial. S = escolha da embalagem E
2
.
Soluo
Para o nvel de confiana 1 0, 96 = ,
0,02
2
2, 05 z z
= = .
Se no h confiana no resultado do levantamento feito, devemos usar a proporo 0, 50 p =
(o que significa sem informao a respeito da proporo de sucessos e, em consequncia a
maior amostra para o nvel de significncia adotado).
2
2
2
2 2

2, 05 0, 50 0, 50
291, 84
0, 06
z pq
n
e

= = = ou n = 292 elementos.
.
Exerccio 7
Item 7.9 Ex. 7
Dados: x = varivel binomial. S = indivduo com sangue tipo O
+
.
Soluo
Para o nvel de confiana de 0,96 teremos
0,02
2
2, 05 z z
= = .
Como a amostra representa
50
0, 083 0, 05
600
= > dos elementos da populao,
devemos usar o fator de correo.
( ) ( )
2
2
2
2 2 2
2

2, 05 0, 32 0, 38 600
377, 47
1 0, 03 600 1 2, 05 0, 32 0, 68
z pqN
n
e N z pq

= = =
+ +
, ou seja 378
elementos.

.
Exerccio 8
Item 7.9 Ex. 8
Dados: x = varivel Binomial. S = sair face 5 no lanamento do dado
Amostra de n = 10 elementos forneceu a proporo de sucessos :

2
0, 20
10
p = = . Nvel de confiana: 1 0, 90 = .
Erro mximo permitido 0, 02 e = .
Soluo
Para 1 0, 90 = devemos ter
0,05
2
1, 64 z z
= = .
2
2
2
2 2

1, 64 0, 2 0, 8
1075, 84
0, 02
z pq
n
e

= = = ou seja n = 1.076 elementos.

Exerccio 5
Item 7.10 Ex. 5
Dados:
x
1
= varivel normal. Amostra de n
1
= 30 elementos forneceu:
( )
1 1
40 2, 3 x s x = =
x
2
2
= 30 elementos forneceu:
( )
2 2
50 4, 2 x s x = =
Nvel de confiana:
0,05
2
1 0, 90 t 1, 68 t
= = = .
Soluo
Temos que calcular o nmero de graus de liberdade
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
2, 3 4, 2
30 30
2 2 46, 06
2, 3 4, 2
30 30
30 1 30 1 1 1
s s
n n
GL
s s
n n
n n

+ +

= = =

+ +
+ + + +
ou GL = 46
Erro padro:
2 2
1 2
1 2 2
s s
e z
n n
= + =
2 2
2, 3 4, 2
1, 68 1, 47
30 30
+ =
( ) ( ) ( )
( )
1 2
1 2
50 40 1, 47 ( ) ( ) 50 40 1, 47 0, 90
8, 53 ( ) ( ) 11, 47 0, 90
P x x
P x x

< < + =
< < =

Exerccio 6
Item 7.10 Ex. 6
Dados:
x
1
1
= 20 elementos forneceu: ( )
1 1
1.000 5 x s x = =
x
2
2
= 20 elementos forneceu: ( )
2 2
120 3 x s x = =
Nvel de confiana: 1 0, 95 = .
Soluo
Temos que calcular o nmero de graus de liberdade da distribuio t:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
5 3
20 20
2 2 32, 39
5 3
20 20
20 1 20 1 1 1
s s
n n
GL
s s
n n
n n

+ +

= = =

+ +
+ + + +
ou GL = 32
0,05
2
t 2, 04 t
= =
Erro padro:
2 2
1 2
1 2 2
s s
e z
n n
= + =
2 2
5 3
2, 04 1, 82
20 20
+ =
( ) ( ) ( )
( )
1 2
1 2
1.000 120 2, 66 ( ) ( ) 1.000 120 2, 66 0, 90
117, 34 ( ) ( ) 1.122, 66 0, 90
P x x
P x x

+ < < + + =
< + < =

Exerccio 8
Item 7.10 Ex. 8
Dados: Q x
1
= quantidade de p de caf usada x
1
= custo correspondeste do caf
Q x
2
= quantidade de acar usado x
2
= custo correspondente do acar
Aps amostra de 30 elementos foram anotados
Insumos custos

( )
( )
1 1
2 2
10 1, 2
13 3
Qx s Qx
Qx s Qx
= =
= =

( )
( )
1 1
2 2
0, 05 0, 006
0, 0117 s 0, 0027
x s x
x x
= =
= =

Soluo
Clculo do nmero de graus de liberdade da distribuio t;
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
0, 006 0, 0027
30 30
2 2 41, 06 41
0, 006 0, 0027
30 30
30 1 30 1 1 1
s s
n n
GL GL
s s
n n
n n

+ +

= = =

+ +
+ + + +

Portanto,
0,0025 ; 41
2, 02 t = .
Erro padro: e =
( ) ( )
2 2
2 2
1 2
1 2 2
0, 006 0, 0027
2, 02 0, 00243
30 30
s x s x
t
n n
+ = + =

( )
1 2 1 2 1 2
( ) ( ) 0, 95 P x x e x x x x e + < + < + + =
( )
( )
1 2
1 2
0, 05 0, 0117 0, 00243 ( ) ( ) 0, 05 0, 0117 0, 00243 0, 95
0, 059 ( ) ( ) 0, 064 0, 95
P x x
P x x

+ < + < + + =
< + < =

, o intervalo de confiana de 95% para o custo do cafezinho.

Exerccio 9
Item 7.10 Ex. 9
Dados: Amostra da demanda d: 160, 140, 138, 157, 169, 150
Amostra da produo p: 160, 140, 120, 100, 150, 130
Soluo
Demanda:
904
150, 67
6
i
d
d
n
= = =
( )
( )
2
2
651, 33
130, 27
1 5
i
d d
s d
n

= = =

800
133, 33
6
i
p
p
n
= = =
( )
( )
2
2
2.333, 33
466, 67
1 5
i
p p
s p
n

= = =

( ) ( ) 11, 41 21, 60 s d s p = =
Clculo dos graus de liberdade:

2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
11, 41 21, 60
6 6
2 2 8, 62 8
11, 41 21, 60
6 6
6 1 6 1 1 1
s s
n n
GL GL
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= = =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ + + +

0,05
2
1, 86 t t
= = . Erro padro e =
( ) ( )
2 2
2 2
1 2 2
11, 41 21, 6
1, 86 18, 55
6 6
s d s p
t
n n
+ = + =
( ) ( )
( ) ( ) 1 P d p e d p d p e
(
< < + =

( ) 150, 67 133, 33 18, 55 ( ) ( ) 150, 67 133, 33 18, 55 0, 90 P d p < < + =
( ) 1, 21 ( ) ( ) 35, 89 0, 90 P d p < < =
O intervalo mostra que no podemos afirmar que a demanda excede a produo em
pelo menos 10 unidades.

Exerccio 3
Item 7.11 Ex. 3
Dados: x
1
= varivel binomial S = escolha da marca A de yogurte
X
2
= varivel binomial S = escolha da marca A de margarina
Amostra de n = 50 elementos mostrou:
1 2
0, 26 0, 30 p p = =
Soluo
0,05
2
1, 64 z z
= =
Erro padro:
1 1 2 2
1 2 2
0, 26 0, 74 0, 30 0, 70
1, 64 0,147
50 50
p q p q
e z
n n

= + = + =
( )
2 1 2 1 2 1
1 P p p e p p p p e < < + <
( )
1 2
0, 30 0, 26 0,147 0, 30 0, 26 0,147 0, 90 P p p < < + =
( )
2 1
0,107 0,187 0, 90 P p p < < =

Exerccio 6
Item 7.11 Ex. 6
Dados: x
1
= varivel binomial S = usar carro prprio
Amostra 1 de n = 36 elementos fornece:
1
8
0, 222
36
p = =
X
2
= varivel binomial S = usar carro prprio
2
8
0, 20
40
p = =
Soluo
0,02
2
1 0, 96 2, 05 z z
= = =
Erro padro:
1 1 2 2
1 2 2
0, 22 0, 78 0, 20 0, 80
2, 05 0, 0939
36 400
p q p q
e z
n n

= + = + =
( )
2 1 2 1 2 1
1 P p p e p p p p e < < + <
( )
1 2
0, 22 0, 20 0, 0939 0, 22 0, 20 0, 0939 0, 96 P p p < < + =
( )
2 1
0,170 0, 214 0, 96 P p p < < =

Exerccio 9
Item 7.11 Ex. 9
Dados: x
1
= varivel binomial S = cliente da empresa A
1
26
0, 325
80
p = =
X
2
= varivel binomial S = cliente da empresa A
2
35
0, 50
70
p = =
Soluo
0,05
2
1 0, 90 1, 64 z z
= = =
Erro padro:
1 1 2 2
1 2 2
0, 325 0, 675 0, 50 0, 50
1, 64 0,13031
80 70
p q p q
e z
n n

= + = + =
( )
2 1 2 1 2 1
1 P p p e p p p p e < < + <
( )
1 2
0, 50 0, 325 0,13031 0, 50 0, 325 0,13031 0, 90 P p p < < + =
( )
2 1
0, 045 0, 305 0, 90 P p p < < =

Nesse nvel de confiana, fica claro que a proporo certamente melhorou.

Exerccio 1
Item 7.12 Ex. 1
Dados: x = varivel normal, mede o nmero de peas defeituosas com ( )
2
16 x = .
Amostra de n = 51 elementos fornece: ( )
2
14 s x =
Soluo
Para o nvel 1 0, 98 = com n = 51 e Graus de liberdade 1 50 n = teremos (Tabela
ou funo INV.QUI do Excel) Probabilidade: 0,98 e GL: 50
2
1
29, 71 =
Probabilidade: 0,02 e GL = 50
2
2
76,15 =
( )( )
( )
( )( )
2 2
2
2 2
2 1
1 1
1
s x n s x n
P x

< < =

( )
2
14 50 14 50
0, 98
76,15 29, 71
P x

< < =

( ) ( )
2
9,19 23, 56 0, 98 P x < < =

Exerccio 2
Item 7.12 Ex. 2
Dados: x
1
= varivel normal, mede a TIR do projeto
Amostra de n = 81 elementos fornece: ( ) 4 s x =
Soluo
2
1
60, 39 =
2
2
101, 89 =
( )( )
( )
( )( )
2 2
2
2 2
2 1
1 1
1
s x n s x n
P x

< < =

( )
2
16 80 16 80
0, 95
101, 89 60, 39
P x

< < =

( ) ( )
2
12, 56 21, 20 0, 95 P x < < =
Exerccio 3
Item 7.12 Ex. 3
Dados: x = varivel normal, mede a receita das vendas
Amostra de n = 12 elementos fornece:
45 62 ... 60
52
12
i
x
x
n
+ + +
= = =

e ( )
( ) ( ) ( )
2 2 2
2
45 52 ... 60 52
59, 45
1 11
i
x x
s x
n
+ +
= = =

Soluo
Para o nvel 1 0, 95 = com n =12 e Graus de liberdade 1 11 n = teremos (Tabela
2
1
3, 82 =
2
2
21, 92 =
( )( )
( )
( )( )
2 2
2
2 2
2 1
1 1
1
s x n s x n
P x

< < =

( )
2
59, 45 11 59, 45 11
0, 95
21, 92 3, 82
P x

< < =

( ) ( )
2
29, 84 171, 20 0, 95 P x < < =

Exerccio 5
Item 7.12 Ex. 5
Dados: x
1
= varivel normal, mede o peso das aves
Amostra de n = 30 aves fornece: ( ) 1, 8 e s 0, 2 x Kg x Kg = =
Soluo
2
1
17, 71 =
2
2
42, 56 =
( )( )
( )
( )( )
2 2
2
2 2
2 1
1 1
1
s x n s x n
P x

< < =

( )
2
0, 04 29 0, 04 29
0, 90
42, 56 17, 71
P x

< < =

( ) ( )
2
0, 027 0, 065 0, 90 P x < < =
Exerccio 6
Item 7.12 Ex. 6
Dados: x
1
= varivel normal, mede a TIR do projeto
Amostra de n = 81 elementos fornece: ( ) 0, 2 s x Kg =
Soluo
2
1
14, 26 =
2
2
49, 59 =
( )( )
( )
( )( )
2 2
2 2
2 1
1 1
1
s x n s x n
P x

< < =

( )
0, 04 29 0, 04 29
0, 98
49, 59 14, 26
P x

< < =

( ) ( )
0,153 0, 285 0, 98 P x < < =
Exerccio 1
Item 8.3 Ex. 1
Dados: x = varivel normal com ( )
2
3 x =

Amostra de n = 20 elementos fornece: 50 x =
Nvel de significncia: 0,10 =
Soluo
Teste
0
: ( ) 53
: ( ) 53
a
H x
H x

Para o nvel 0,10 = (Tabela ou funo INV.NORMP do Excel) retorna 1, 64
t
z =
( )
( ) 50 53
7, 75
3
20
c
x x
z
x
n

= = =
Como
c t
z z < , rejeitamos
0
H ao nvel de significncia 10% = .

Exerccio 3
Item 8.3 Ex. 3
Dados: x
1
= varivel normal com ( ) ( ) 6 e 0, 5 x x = =
Amostra de n = 15 elementos fornece: 4 x = ( ) 1 s x =
Soluo
Teste
0
: ( ) 6
: ( ) 6
a
H x
H x
<

Para o nvel 0, 05 = (Tabela ou funo INV.NORMP do Excel) retorna 1, 64
t
z =
( )
( ) 4 6
15, 49
0, 5
15
c
x x
z
x
n

= = =
Como
c t
z z < , rejeitamos
0

Exerccio 4
Item 8.3 Ex. 4
Dados: x = varivel normal com ( ) 18 x =
Amostra: 12 elementos, forneceu 17 x = e ( ) 3 s x = . Nvel de
significncia: 0,10 =
Soluo

Teste
0
: ( ) 18
: ( ) 18
a
H x
H x

Para o nvel 0,10 = (Tabela ou funo INVT do Excel) com Probabilidade: 0,10 e
Graus_liberdade: 11 retorna o valor 1, 80
t
t =
( )
( ) 17 18
1,15
3
12
c
x x
t
s x
n

= = =
Como
c t
t t > , aceitamos
0

Exerccio 6
Item 8.3 Ex. 6
Dados: x
1
= varivel normal
Amostra: 12, 16, 15, 14, 17, 10, 9, 15, 13, 16.
Soluo

137
13, 7
10
i
x
x
n
= = =
( )
( )
2
2
64,10
7,122
1 9
i
x x
s x
n

= = =
( ) 2, 67 s x =
Teste
0
: ( ) 15
: ( ) 15
a
H x
H x
<

Para o nvel 0, 05 = (Tabela ou funo INVT do Excel) com Probabilidade: 0,10 e
t
t =
( )
( ) 13, 7 15
1, 54
2, 67
10
c
x x
t
s x
n

= = =
Como
c t
t t > , aceitamos
0

Exerccio 8
Item 8.3 Ex. 8
Dados: x = varivel normal com ( ) 4 x =
Amostra: 25 elementos, forneceu 5 x = e ( ) 1, 2 s x = . Nvel de
significncia: 0, 05 =
Soluo

Teste
0
: ( ) 4
: ( ) 4
a
H x
H x
>

t
t =
( )
( ) 5 4
4,17
1, 2
25
c
x x
t
s x
n

= = =
Como
c t
t t > , rejeitamos
0

Exerccio 9
Item 8.3 Ex. 9
Dados: x = varivel normal, mede o IRR do projeto em %.
Amostra de 40 elementos

Soluo

( ) ( ) 20, 70
i i
x E x P x = =
( ) ( ) ( )
2
2 2
432, 20 428, 49 3, 71
i
s x E x E x = = =

( ) 1, 93 s x =

No caso, o pior erro a taxa ser menor que 21%.

Teste
0
: ( ) 21
: ( ) 21
a
H x
H x
<

Graus_liberdade: 39 retorna o valor e 1, 68
t
t =
( )
( ) 20, 70 21
0, 98
1, 93
40
c
x x
t
s x
n

= = =
Como
c t
t t > , aceitamos
0

x 18 20 22 24 Soma
p(x) 0,2 0,4 0,25 0,15

x.p(x) 3,6 8 5,5 3,6 20,7
x*2.p(x) 64,8 160 121 86,4 432,2
Exerccio 1
Item 8.4 Ex. 1
Dados: x = varivel binomial S = mulher em cargo administrativo p = 0,15
Amostra de n = 200 elementos obteve:
40
0, 20
200
p = =
Nvel de significncia: 0,05.
Soluo
Teste
0
` : 0,15
: 0,15
a
H p
H p
=
>

Ao nvel 0, 05 = , 1, 64
t
z = (Tabela ou INV.NORMP com PROBABILIDADE: 0,95)
0, 20 0,15
1, 98
0,15 0, 85
200
c
p p
z
pq
n

= = =

Como
c t
z z > , rejeitamos a hiptese nula. Ao nvel de 5%, a proporo de mulheres
aumentou.

Exerccio 2
Item 8.4 Ex. 2
Dados: x
1
= varivel binomial S = pea defeituosa p = 0,03
8
0, 04
200
p = =
Soluo
Teste
0
` : 0, 03
: 0, 03
a
H p
H p
=
>

Ao nvel 0, 025 = , 1, 96
t
0, 04 0, 03
0, 83
0, 03 0, 97
200
c
p p
z
pq
n

= = =

Como
c t
z z < , aceitamos a afirmao do vendedor.

Exerccio 3
Item 8.4 Ex. 3
Dados: x = varivel binomial S = indivduo com renda inferior a dois salrios mnimos
Amostra de n =60 elementos obteve: 0, 41 p =
Nvel de significncia: 0,05
Soluo
Teste
0
` : 0, 40
: 0, 40
a
H p
H p
=
>

Ao nvel 0, 05 = , 1, 64
t
0, 41 0, 40
0,16
0, 40 0, 60
60
c
p p
z
pq
n

= = =

Como
c t
z z < , aceitamos a hiptese nula. Ao nvel de 5%, a porcentagem ainda de
40%.

Exerccio 4
Item 8.4 Ex. 4
Dados: x
1
= varivel binomial S = animal morto p = 0,10
Amostra de n = 100 animais forneceu:
4
0, 04
100
p = =
Soluo
Teste
0
` : 0,10
: 0,10
a
H p
H p
=
<

Ao nvel 0, 05 = , 1, 64
t
0, 04 0,10
2
0,10 0, 90
100
c
p p
z
pq
n

= = =

Como
c t
z z < , rejeitamos a hiptese nula. O ndice de mortalidade diminuiu.

Exerccio 5
Item 8.4 Ex. 5
Dados: x = varivel binomial S = resposta positiva ao plano de frias p = 0,20
15
0, 30
50
p = =
Soluo
Teste
0
` : 0, 20
: 0, 20
a
H p
H p
=
>

Ao nvel 0, 06 = , 1, 55
t
0, 30 0, 20
1, 77
0, 20 0, 80
50
c
p p
z
pq
n

= = =

Como
c t
z z > , rejeitamos a hiptese nula. Ao nvel de 6% podemos afirmar que o
nmero de respostas favorveis aumentou.

Exerccio 6
Item 8.4 Ex. 6
Dados: x
1
= varivel binomial S = projeto vivel p = 0,50
Amostra de n = 31 elementos forneceu: 0, 60 p =
Soluo
Teste
0
` : 0, 50
: 0, 50
a
H p
H p
=
>

Ao nvel 0,10 = , 1, 28
t
0, 60 0, 50
1,11
0, 50 0, 50
31
c
p p
z
pq
n

= = =

Como
c t
z z < , aceitamos a hiptese nula. Ao nvel de significncia de 0,10, a proporo
ainda de 50%, o que contradiz a expanso da economia.

Exerccio 7
Item 8.4 Ex. 7
Dados: x = varivel binomial S = financiamento a pequena empresa p = 0,20
12
0, 30
40
p = =
Soluo
Teste
0
` : 0, 20
: 0, 20
a
H p
H p
=
>

Ao nvel 0,10 = , 1, 28
t
0, 30 0, 20
1, 58
0, 20 0, 80
40
c
p p
z
pq
n

= = =

Como
c t
z z > , rejeitamos a hiptese nula. Ao nvel de 10%, podemos afirmar que a
poltica foi bem sucedida.
Exerccio 8
Item 8.4 Ex. 8
Dados: x
1
= varivel binomial S = inseticida eficiente p = 0,70
32
0, 27 0, 73
120
q p = = =
Soluo
Teste
0
` : 0, 70
: 0, 70
a
H p
H p
=
>

Ao nvel 0, 025 = , 1, 96
t
0, 73 0, 70
0, 72
0, 70 0, 30
120
c
p p
z
pq
n

= = =

Como
c t
z z < , aceitamos a hiptese nula. A toxicidade est controlada ao nvel de 70%.

Exerccio 9
Item 8.4 Ex. 9
Dados: x
1
= varivel binomial S = pagamento vista p = 0,76
40
0, 778
180
p = =
Soluo
Teste
0
` : 0, 76
: 0, 76
a
H p
H p
=
>

Ao nvel 0, 05 = , 1, 64
t
0, 778 0, 76
0, 57
0, 76 0, 24
180
c
p p
z
pq
n

= = =

Como
c t
z z < , aceitamos a hiptese nula. Ao nvel de 5%, podemos afirmar que a
poltica foi bem sucedida.

Exerccio 10
Item 8.4 Ex. 10
Dados: x
1
= varivel binomial S = favorvel pena de morte p = 0,52
280
0, 56
500
p = =
Soluo
Teste
0
` : 0, 52
: 0, 52
a
H p
H p
=
>

Ao nvel 0,10 = , 1, 28
t
0, 56 0, 52
1, 79
0, 52 0, 48
500
c
p p
z
pq
n

= = =

Como
c t
z z > , rejeitamos a hiptese nula. A proporo de favorveis aumentou aps a
divulgao do crime.
Exerccio 1
Item 8.5 Ex. 1
Dados: x
1
= varivel normal com ( )
2
1
5 x =
Amostra de n = 20 elementos forneceu
1
32 x =
X
2
= varivel normal com ( )
2
2
5 x =
Amostra de n = 20 elementos forneceu:
2
33, 5 x =
Nvel de significncia: 0, 03 = .
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
Clculo de t
t
:
Clculo de z
t
. Tabela com
0,015
2
2,17 z z
= =
(ou INV.NORMP, com Probabilidade
0,985)

Clculo de
c
t :
1 2
2 2
1 2
1 2
32 33, 5
2,12
5 5
20 20
c
x x
t
s s
n n

= = =
+
+

Como
c t
t t > , aceitamos a hiptese nula. Ao nvel de 3%, podemos afirmar que as
populaes apresentam a mesma mdia.

Exerccio 3
Item 8.5 Ex. 3
Dados: x
1
= varivel normal
Amostra de n = 25 elementos forneceu: ( )
1 1
50 4 x s x = =
X
2
= varivel normal
Amostra de n = 30 elementos forneceu: ( )
2 2
48 3 x s x = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
4 3
25 30
: 2 2 45, 36
4 3
25 30
25 1 30 1 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ + + +
GL = 45
0,05; 45
2, 01 t =
Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
50 48
2, 06
4 3
25 30
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t > , rejeitamos a hiptese nula. As mdias populacionais so diferentes.

Exerccio 4
Item 8.5 Ex. 4
Dados: x
1
= varivel normal, mede a vida til de pneus em uso urbano
Amostra de n = 40 pneus forneceu: ( )
1 1
50.000 4.000 x Km s x Km = =
X
2
= varivel normal, mede a vida til de pneus em uso interurbano
2 2
53.000 5.000 x Km s x Km = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
<
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
4.000 5.000
40 40
: 2 2 76, 23
4.000 5.000
40 40
41 41 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ +
GL = 76
0,05; 76
1, 67 t =
Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
50.000 53.000
2, 96
4.000 5.000
40 40
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , rejeitamos a hiptese nula. Os pneus usados em nibus urbanos
desgastam mais rapidamente.
Exerccio 5
Item 8.5 Ex. 5
Dados: x
1
= varivel normal, mede a vida til de pneus em uso urbano
Amostra de n = 10 alunos forneceu: ( )
1 1
166min 23min x s x = =
X
2
= varivel normal, mede a vida til de pneus em uso interurbano
Amostra de n = 10 alunos forneceu: ( )
2 2
151min 16min x s x = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
>
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
23 16
10 10
: 2 2 17, 6
23 16
10 10
10 1 10 1 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ + + +
GL = 17
0,05;17
1, 74 t =
(Tabela com p = 10 e GL = 17 ou INVT com Probabilidade 0,10 e
Graus_Liberdade 17)

Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
166 151
1, 69
23 16
10 10
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , aceitamos a hiptese nula. Ao nvel de 5% podemos afirmar que os
mtodos apresentam a mesma eficincia.

Exerccio 6
Item 8.5 Ex. 6
Dados: x
1
= varivel normal, mede o consumo dos homens
Amostra de n = 20 homens forneceu: ( )
1 1
650 60 x g s x g = =
X
2
= varivel normal, mede o consumo das mulheres
Amostra de n = 10 mulheres forneceu: ( )
2 2
35 50 x g s x g = =
Nvel de significncia: 0,10 = .
Soluo
Teste
0 1 2
1 2
1
: ( ) ( ) 0
2
1
: ( ) ( ) 0
2
a
H x x
H x x

<
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
60 50
20 10
: 2 2 23, 59
60 50
20 10
21 11 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ +
GL = 23
0,10; 23
1, 32 t =
Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
50.000 53.000
2, 96
4.000 5.000
40 40
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , rejeitamos a hiptese nula. As mulheres consomem mais que a metade
do consumo dos homens.

Exerccio 7
Item 8.5 Ex. 7
Dados: x
1
= varivel normal, mede o nmero de cries dos alunos do grupo tratado
com flor. Amostra de n = 30 alunos forneceu: ( )
1 1
1, 8 0, 5 x s x = =
X
2
= varivel normal, mede o nmero de cries do grupo sem o tratamento.
2 2
2, 2 0, 6 x s x = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
<
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
0, 5 0, 6
30 50
: 2 2 72, 09
0, 5 0, 6
30 50
30 1 50 1 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ + + +
GL = 72
0,05; 72
1, 67 t =
Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
50.000 53.000
2, 96
4.000 5.000
40 40
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , rejeitamos a hiptese nula. Ao nvel de 5% podemos afirmar que o
tratamento com cloro diminuiu a incidncia de cries.

Exerccio 8
Item 8.5 Ex. 8
Dados: x
1
= varivel normal, mede o tempo de embalagem manual
Amostra de n = 60 embalagens forneceu: ( )
1 1
4, 2 min 0, 5 min x s x = =
X
2
= varivel normal, mede o tempo de embalagem automtico
2 2
4 min 1, 2 min x s x = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
>
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
0, 5 1, 2
60 60
: 2 2 79, 56
0, 5 1, 2
60 60
61 61 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ +
GL = 79
0,025; 79
1, 99 t =
Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
4, 2 4
1,19
0, 5 1, 2
60 60
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , aceitamos a hiptese nula. Automatizar a embalagem no melhora o
tempo deste servio.

Exerccio 9
Item 8.5 Ex. 9
Dados: x
1
= varivel normal, mede o nvel de vendas da regio com desconto
Amostra de n = 30 pontos de vendas forneceu: ( )
1 1
180 30 x s x = =
X
2
= varivel normal, mede o nvel de vendas da regio sem desconto
2 2
170 30 x s x = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
>
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
30 30
30 30
: 2 2 60
30 30
30 30
30 1 30 1 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ + + +
GL = 60
0,025; 60
2, 00 t =
(Tabela com p = 0,05 e GL = 60 ou INVT com Probabilidade 0,05 e
Graus_liberdade 60)

Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
180 170
1, 29
30 30
30 30
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , aceitamos a hiptese nula. Ao nvel de 2,5% podemos afirmar que o
desconto no aumentou as vendas

Exerccio 10
Item 8.5 Ex. 10
Dados: x
1
= varivel normal, mede o volume de vendas do produto sem desconto
1 1
170 30 x un s x un = =
X
2
= varivel normal, mede o volume de vendas aps desconto
2 2
230 10 x un s x un = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
<
Clculo de t
t
:
2 2
2 2 2 2
1 2
1 2
2 2 2 2
2 2 2 2
1 2
1 2
1 2
30 10
30 30
: 2 2 35, 80
30 10
30 30
31 31 1 1
s s
n n
Gl
s s
n n
n n
| | | |
+ +
| |
\ . \ .
= =
| | | | | | | |
| | | |
\ . \ . \ . \ .
+ +
+ +
GL = 35
0,025 ; 35
2, 03 t =
Clculo de
c
t :
1 2
2 2 2 2
1 2
1 2
170 230
10, 39
30 10
30 30
c
x x
t
s s
n n

= = =
+ +

Como
c t
t t < , rejeitamos a hiptese nula. As vendas aumentaram com o desconto
concedido.

Exerccio 2
Item 8.6 Ex. 2
Dados: x
1
= varivel binomial, mede a quantidade de homens que compram o
produto. Amostra de n = 80 homens forneceu:
28
=0,35
80
p =
X
2
= varivel binomial mede a quantidade de mulheres que compram o
produto. Amostra de n = 100 mulheres forneceu:
40
0, 40
100
p = =
Soluo
Teste
0 1 2
1 2
: 0
: 0
a
H p p
H p p
=
Para
0,05
0,10 1, 64 z = = .
1 2
1 2

1 1
c
p p
z
pq
n n
=
| |
+
|
\ .
onde
1 1 2 2
1 2
80 0, 35 100 0, 40
0, 38
80 100
n p n p
p
n n
+ +
= = =
+ +

0, 35 0, 40
0, 69
1 1
0, 38 0, 62
80 100
c
z

= =
| |
+
|
\ .

Como 1, 69 1, 69
c
z < < , aceitamos a hiptese nula. No h diferena significativa
entre as propores dois grupos ao nvel de 10%.

Exerccio 2
Item 8.6 Ex. 2
Dados: x
1
= varivel binomial, mede a quantidade de deprimidos entre motoristas de
taxi. S = motorista de taxi com depresso.
Amostra de n = 20 motoristas forneceu:
10
=0,25
40
p =
X
2
= varivel binomial mede a quantidade de deprimidos entre pessoas pouco
expostas ao trnsito. S = pessoa com depresso
Amostra de n = 10 pessoas forneceu:
8
0, 20
40
p = =
Soluo
Teste
0 1 2
1 2
: 0
: 0
a
H p p
H p p
=
>
Para
0,03
0, 03 1, 88 z = = .
1 2
1 2

1 1
c
p p
z
pq
n n
=
| |
+
|
\ .
onde
1 1 2 2
1 2
40 0, 25 40 0, 20
0, 225
40 40
n p n p
p
n n
+ +
= = =
+ +

0, 25 0, 20
0, 54
1 1
0, 225 0, 775
40 40
c
z

= =
| |
+
|
\ .

Como
c t
z z < , aceitamos a hiptese nula. No h diferena significativa entre as
propores de deprimidos dos dois grupos.

Exerccio 3
Item 8.6 Ex. 3
Dados: x
1
= varivel binomial, mede a quantidade de indivduos com doena pulmonar
entre fumantes. Amostra de n
1
= 50 motoristas forneceu:
1
8
=0,16
50
p =
X
2
= varivel binomial mede a quantidade de indivduos com doena pulmonar
entre no fumantes. Amostra de n
2
= 80 pessoas forneceu:
2
6
0, 075
80
p = =
Soluo
Teste
0 1 2
1 2
: 0
: 0
a
H p p
H p p
=
>
Para
0,10
0,10 1, 28 z = = .
1 2
1 2

1 1
c
p p
z
pq
n n
=
| |
+
|
\ .
onde
1 1 2 2
1 2
50 0,16 80 0, 075
0,11
50 80
n p n p
p
n n
+ +
= = =
+ +

0,16 0, 075
1, 51
1 1
0,11 0, 89
50 80
c
z

= =
| |
+
|
\ .

Como
c t
z z > , rejeitamos a hiptese nula. Ao nvel de 10% podemos afirmar que o uso
do cigarro aumenta a incidncia de doenas pulmonares.

Exerccio 4
Item 8.6 Ex. 4
Dados: x
1
= varivel binomial, mede a quantidade de votos no interior
S = voto favorvel ao candidato
Amostra de n = 200 eleitores forneceu:
90
=0,45
200
p =
X
2
= varivel binomial mede a quantidade de votos na capital.
S = pessoa com depresso.
Amostra de n = 100 eleitores forneceu:
40
0, 40
100
p = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
>
Para
0,04
0, 04 1, 75 z = = .
1 2
1 2

1 1
c
p p
z
pq
n n
=
| |
+
|
\ .
onde
1 1 2 2
1 2

200 0, 45 100 0, 40
0, 4333
200 100
n p n p
p
n n
+ +
= = =
+ +

0, 45 0, 40
0, 824
1 1
0, 4333 0, 5667
200 100
c
z

= =
| |
+
|
\ .

Como
c t
z z < , aceitamos a hiptese nula. No h diferena significativa entre as
propores de eleitores favorveis ao candidato na capital e no interior.

Exerccio 5
Item 8.6 Ex. 5
Dados: x
1
= varivel binomial, mede a venda de apartamentos entre casados.
S = venda efetiva.
Amostra de n = 200 motoristas forneceu:
25
=0,125
200
p =
X
2
= varivel binomial mede a venda de apartamentos entre solteiros.
S = venda efetiva
Amostra de n = 120 pessoas forneceu:
30
0, 25
120
p = =
Soluo
Teste
0 1 2
1 2
: ( ) ( ) 0
: ( ) ( ) 0
a
H x x
H x x

=
<
Para
0,05
0, 05 1, 64 z = = .
1 2
1 2

1 1
c
p p
z
pq
n n
=
| |
+
|
\ .
onde
1 1 2 2
1 2

200 0,125 120 0, 25
0,172
100 120
n p n p
p
n n
+ +
= = =
+ +

0,125 0, 25
2, 87
1 1
0,172 0, 828
200 120
c
z

= =
| |
+
|
\ .

Como
c t
z z < ,rejeitamos a hiptese nula. A proporo de descasados que efetiva a
compra maior.

Exerccio 1
Item 8.7 Ex. 1
Dados: x = varivel normal
Amostra: n = 25 elementos fornece ( ) 4 s x =
Soluo
( )
( )
2
0
2
: 15
: 15
a
H x
H x

2
2 ; 24; 0,025
39, 36 = (Tabela ou INV.QUI do Excel, com Probabilidade 0,025 e
Graus_liberdade 24)

2
1 ; 24; 0,975
Graus_liberdade 24)
( ) ( )
( )
( )
2 2
2
1
2
1 25 1 4
25, 6
15
n
n s x
x

= = =
Como
2
1,
2 2
2, t c t
< < , aceitamos a hiptese nula. A varincia no se diferencia
significativamente de 15.

Exerccio 2
Item 8.7 Ex. 2
Dados: x
1
= varivel normal
Amostra: n = 10 fornece ( ) 7 s x =
Soluo
( )
( )
2
0
2
: 45
: 45
a
H x
H x
>

2
2 ; 9; 0,025
Graus_liberdade 9)
( ) ( )
( )
( )
2 2
2
1
2
1 10 1 7
9, 80
45
n
n s x
x

= = =
Como
2 2
9 2, t
< , aceitamos a hiptese nula. A varincia no se diferencia
significativamente de 45.
Exerccio 3
Item 8.7 Ex. 3
Dados: x = varivel normal em porcentagem
Amostra: n = 10 fornece
8 7 ..... 7, 5
7, 5
10
x
+ + +
= =
( )
( ) ( ) ( )
2 2 2
2
8 7, 5 ... 7, 5 7, 5
2, 78
1 9
i
x x
s x
n
+ +
= = =

Soluo
( )
( )
2
0
2
: 6, 25
: 6, 25
a
H x
H x
<

2
1,
4,17
t
= (Tabela ou INV.QUI do Excel, com Probabilidade 0,90 e
Graus_liberdade 9)
( ) ( )
( )
( )
2
2
1
2
1 10 1 2, 78
4, 00
6, 25
n
n s x
x

= = =
Como
2 2
9 1, t
< , rejeitamos a hiptese nula. Ao nvel de 10% podemos afirmar que
o desvio-padro menor que 2,5%. O gerente tem razo.

Exerccio 4
Item 8.7 Ex. 4
Dados: x
1
= varivel normal
Amostra: n = 40 fornece ( )
2
6, 4 s x =
Soluo
( )
( )
2
0
2
: 8, 2
: 8, 2
a
H x
H x
<

2
1 ; 39; 0,05
Graus_liberdade 39)
( ) ( )
( )
( )
2
2
1
2
1 40 1 6, 4
30, 43
8, 2
n
n s x
x

= = =
Como
2 2
39 1, t
> , aceitamos a hiptese nula. A rede local tem razo ao afirmar que
os preos apresentam grande variao.

Exerccio 5
Item 8.7 Ex. 5
Dados: x = varivel normal
Amostra: n = 15 fornece ( ) 2, 3 s x =
Soluo
( )
( )
2
0
2
: 4
: 4
a
H x
H x
>

2
2 ;14; 0,10
Graus_liberdade 14)
( ) ( )
( )
( )
2 2
2
1
2
1 14 1 2, 3
18, 52
4
n
n s x
x

= = =
Como
2 2
14 2, t
< , aceitamos a hiptese nula. Ao nvel de 10% podemos afirmar que
a Prefeitura tem razo.

Exerccio 6
Item 8.7 Ex. 6
Dados: x
1
= varivel normal mede o comprimento das peas
Amostra: n = 20 fornece ( ) 2 s x =
Soluo
( )
( )
2
0
2
: 7, 84
: 7, 84
a
H x
H x
<

2
1 ;19; 0,10
Graus_liberdade 19)
( ) ( )
( )
( )
2 2
2
1
2
1 20 1 2
9, 69
7, 84
n
n s x
x

= = =
Como
2 2
19 2, t
< , rejeitamos a hiptese nula. A variao realmente diminuiu.

Exerccio 7
Item 8.7 Ex. 7
Dados: x = varivel normal. Amostra: n = 40 fornece ( )
2
6, 4 s x = . Nvel de
significncia: 0,10
Soluo
( )
( )
2
0
2
: 144
: 144
a
H x
H x
>

x f x.f
( )
2
.
i
x x f
50 4 200 1653,772
60 7 420 747,4396
70 8 560 0,888711
80 6 480 560,6705
90 5 450 1933,895

30 2110 4896,667

.
70, 333
x f
x
f
= =

( )
( )
2
2
.
168, 85
1
x x f
s x
f
= =

,
2
2
39, 08
t
Graus_liberdade 29)
( ) ( )
( )
( )
2
2
1
2
1 30 1 168, 85
34, 00
144
n
n s x
x

= = =
Como
2 2
29 2, t
< , aceitamos a hiptese nula. Ao nvel de 10% podemos afirmar que
a variao nas vendas no maior que a afirmada.

Exerccio 8
Item 8.7 Ex. 8
Dados: x
1
= varivel normal mede o peso dos botijes de gs
( ) ( ) 13 0, 250 x Kg x Kg = =
Amostra: n = 26 fornece ( ) 0, 305 s x Kg =
Soluo
( )
( )
2
0
2
: 0, 0625
: 0, 0625
a
H x
H x
>

2
2 ; 25; 0,05
Graus_liberdade 25)
( ) ( )
( )
( )
2 2
2
1
2 2
1 26 1 0, 305
37, 21
0, 250
n
n s x
x

= = =
Como
2 2
19 2, t
< , aceitamos a hiptese nula. Ao nvel de 5% de significncia,
conclumos que o produto est dentro da especificao.

Exerccio 9
Item 8.7 Ex. 9
Dados: x = varivel normal.
Amostra: n = 10 fornece ( ) 1, 6 s x = . Nvel de significncia: 0,10
Soluo
( )
( )
2
0
2
: 4, 41
: 4, 41
a
H x
H x
<

2
; 1
4,17
t
Graus_liberdade 9)
( ) ( )
( )
( )
2 2
2
1
2
1 10 1 1, 6
5, 22
4, 41
n
n s x
x

= = =
Como
2 2
9 1, t
> , aceitamos a hiptese nula. Ao nvel de 10% podemos afirmar que a
poltica no foi eficaz.

Exerccio 10
Item 8.7 Ex. 10
Dados: x
1
= varivel normal mede o volume das mercadorias ( ) 12 x l =
Amostra: n = 25 fornece ( ) 10 s x l =
Soluo
( )
( )
2
0
2
: 144
: 144
a
H x
H x
<

2
1 ; 24; 0,10
Graus_liberdade 24)
( ) ( )
( )
( )
2 2
2
1
2 2
1 25 1 10
16, 67
12
n
n s x
x

= = =
Como
2 2
19 1, t
> , aceitamos a hiptese nula. Ao nvel de 10% de significncia
conclumos que a afirmao do funcionrio no correta.

Exerccio 1
Item 8.8 Ex. 1
Dados: x
1
= varivel normal. Amostra: n
1
= 11 fornece ( )
1
15 s x =
x
2
2
= 15 elementos fornece ( )
2
10 s x = .
Soluo
Teste

( ) ( )
( ) ( )
2 2
0 1 2
2 2
1 2
: 0
: 0
a
H x x
H x x

=
>

( ) 11 1; 15 1 ; 0,05
2, 60 F

= (Tabela Fisher ou funo INVF do Excel, com Probabilidade:
0,05; Graus_liberdade1: 10; Graus_liberdade2: 14)
( )
2
2 10 ; 14 ,
15
2, 25
10
c
F = =
Como
c t
F F < , aceitamos a hiptese nula. Ao nvel de 5%, podemos afirmar que as
populaes apresentam a mesma varincia.

Exerccio 2
Item 8.8 Ex. 2
Dados: x
1
= varivel normal.
Amostra: n
1
= 11 fornece ( )
1
15 s x =
x
2
= varivel normal.
Amostra de n
2
2
10 s x = .
Soluo
Teste

( ) ( )
( ) ( )
2 2
0 1 2
2 2
1 2
: 0
: 0
a
H x x
H x x

=
>

( ) 11 1; 15 1 ; 0,10
2,10 F

= (Tabela Fisher ou funo INVF do Excel, com Probabilidade:
0,10; Graus_liberdade1: 10; Graus_liberdade2: 14)
( )
2
2 10 ; 14 ,
15
2, 25
10
c
F = =
Como
c t
F F > , rejeitamos a hiptese nula. Ao nvel de 10%, podemos afirmar que a
varincia de
1
x significativamente maior que a varincia de
2
x .

Exerccio 3
Item 8.8 Ex. 3
Dados: x
1
1
= 20 fornece ( )
1
8 s x =
x
2
2
2
9, 6 s x = .
Soluo
Teste

( ) ( )
( ) ( )
2 2
0 2 1
2 2
2 1
: 0
: 0
a
H x x
H x x

=
>

( ) 8 ; 19 ; 0,025
2, 96 F = (Tabela Fisher ou funo INVF do Excel, com Probabilidade: 0,025;
Graus_liberdade1: 8; Graus_liberdade2: 19)
( )
2
2 8 ; 19 ,
9, 6
1, 44
8
c
F = =
Como
c t
F F < , aceitamos a hiptese nula. Ao nvel de 2,5%, podemos afirmar que as
varincias so iguais.

Exerccio 4
Item 8.8 Ex. 4
Dados: x
1
= varivel normal mede o peso de sunos
Amostra: n
1
= 51 fornece ( )
1
2, 4 s x Kg =
x
2
= varivel normal mede o peso de sunos
Amostra de n
2
2
3,1 s x Kg = .
Soluo
Teste

( ) ( )
( ) ( )
( ) ( )
( ) ( )
2 2 2 2
0 1 2 0 2 1
2 2 2 2
1 2 2 1
: 0 : 0
ou
: 0 : 0
a a
H x x H x x
H x x H x x

= =

< >

( ) 50 ; 50 ; 0,10
( )
2
2 50 ; 50 ,
3,1
1, 67
2, 4
c
F = =
Como
c t
primeira rao superior segunda rao.

Exerccio 5
Item 8.8 Ex. 5
Dados: x
1
1
= 10 fornece ( )
1
1, 4 s x =
x
2
2
2
0, 9 s x = .
Soluo
Teste

( ) ( )
( ) ( )
2 2
0 1 2
2 2
1 2
: 0
: 0
a
H x x
H x x

=
>

( ) 9 ; 9 ; 0,10
( )
2
2 10 ; 14 ,
1, 4
2, 42
0, 9
c
F = =
Como
c t
F F < , aceitamos a hiptese nula. Ao nvel de 10%, podemos afirmar que as
populaes apresentam a mesma varincia.
Exerccio 6
Item 8.8 Ex. 6
Dados: x
1
= varivel binomial S = atitude favorvel ao produto no mercado A
Amostra: n
1
= 51 fornece
10
51
p =
x
2
= varivel binomial S = atitude favorvel ao produto no mercado C
Amostra de n
2
= 100 elementos fornece
30
100
p = .
Soluo
Teste

( ) ( )
( ) ( )
( ) ( )
( ) ( )
2 2 2 2
0 1 2 0 2 1
2 2 2 2
1 2 2 1
: 0 : 0
ou
: 0 : 0
a a
H x x H x x
H x x H x x

= =

< >

( ) 99 ; 50 ; 0,05
( )
2
1 1 1 1
10 41
51 8, 039
51 51
s x n p q = = = ( )
2
2 2 2 2
30 70
100 21
100 100
s x n p q = = =
( ) 99 ; 50 ,
21
2, 61
8, 039
c
F = =
Como
c t
varincia dos indivduos da classe A menor.

Exerccio 7
Item 8.8 Ex. 7
Dados: x
1
1
= 31 fornece ( )
1
5000 s x =
x
2
2
2
7000 s x = .
Soluo
Teste

( ) ( )
( ) ( )
2 2
0 2 1
2 2
2 1
: 0
: 0
a
H x x
H x x

=
>

( ) 50 ; 30 ; 0,05
( )
2
2 10 ; 14 ,
7000
1, 96
5000
c
F = =
Como
c t
F F > , rejeitamos a hiptese nula. Ao nvel de 5%, podemos afirmar que o
primeiro grupo mais eficiente que o segundo grupo.

Exerccio 8
Item 8.8 Ex. 8
Dados: x
1
= varivel normal mede o tempo para correr 200 m no grupo 1
Amostra: n
1
= 21 fornece ( )
1
6 s x s =
x
2
= varivel normal mede o tempo para correr 200 m no grupo 2.
Amostra de n
2
2
4, 5 s x s = .
Soluo
Teste

( ) ( )
( ) ( )
2 2
0 2 1
2 2
2 1
: 0
: 0
a
H x x
H x x

=
>

( ) 20 ; 50 ; 0,05
( )
2
2 50 ; 50 ,
6
1, 777
4, 5
c
F = =
Como
c t
F F < , aceitamos a hiptese nula. Ao nvel de 5%, podemos afirmar que no
h diferena significativa entre as homogeneidades dos dois grupos.

Exerccio 9
Item 8.8 Ex. 9
Dados: x
1
= varivel normal mede a TIR do projeto 1
Amostra:
1
21,13
i i
i
x f
x
f
= =

( )
( )
2
1
5, 57
1
i i
i
x x f
s x
f
= =

X
2
Amostra:
2
19, 50
i i
i
x f
x
f
= =

( )
( )
2
2
5, 60
1
i i
i
x x f
s x
f
= =

Soluo
Teste

( ) ( )
( ) ( )
( ) ( )
( ) ( )
2 2 2 2
0 1 2 0 2 1
2 2 2 2
1 2 2 1
: 0 : 0
ou
: 0 : 0
a a
H x x H x x
H x x H x x

= =

< >

( ) 15 ; 30 ; 0,10
( ) 50 ; 50 ,
5, 60
1, 00
5, 57
c
F = =
Como
c t
existe diferena significativa entre as varincias.

TIR 17 19 21 23 25
Freq 3 7 10 7 4
TIR 15 17 19 21 23
Freq 1 3 6 3 3
Exerccio 10
Item 8.8 Ex. 10
Dados: x
1
Amostra:
1
8, 88
i i
i
x f
x
f
= =

( )
( )
2
1
4, 94
1
i i
i
x x f
s x
f
= =

X
2
Amostra:
2
11, 68
i i
i
x f
x
f
= =

( )
( )
2
2
7,10
1
i i
i
x x f
s x
f
= =

Soluo
Teste

( ) ( )
( ) ( )
( ) ( )
( ) ( )
2 2 2 2
0 1 2 0 2 1
2 2 2 2
1 2 2 1
: 0 : 0
ou
: 0 : 0
a a
H x x H x x
H x x H x x

= =

< >

( ) 50 ; 50 ; 0,05
( ) 50 ; 50 ,
7,10
1, 44
4, 94
c
F = =
Como
c t
existe diferena significativa entre as varincias.

TIR 5 7 9 11 13
Freq 6 13 15 12 5
TIR 8 10 12 14 16
Freq 10 12 12 10 7

Estatística 2: Probabilidades de bolas em urnas

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística 2: Probabilidades de bolas em urnas

Enviado por

Direitos autorais:

Formatos disponíveis

www.EditoraAtlas.com.

= . Neste caso, o erro padro de

Você também pode gostar