Você está na página 1de 88

Prof. Ms.

Francisco de Assis Amaral Bastos


2 EDIO MAR 2013



















PROBABILIDADE




VARIVEIS
ALEATRIAS















PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
1

PROBABILIDADE
EXPERIMENTOS ALEATRIOS
Chama-se de um modo geral EXPERIMENTO ALEATRIO OU PROBABILSTICO todo experimento que repetido
em condies semelhantes conduz a resultados distintos.

So exemplos de experimentos aleatrios;

1
: Jogue um dado e observe o nmero mostrado na face superior
2
: Jogue dois dados distinguveis e observe os pares de nmeros nas faces superiores
3
: Jogue uma moeda 4 vezes e observe a quantidade de caras que aparecem
4
: Jogue uma moeda 4 vezes e observe a seqncia de caras e coroas obtidas
5
: Em uma linha de produo, fabrique peas em srie e conte o nmero de peas defeituosas produzidas em um
perodo de 24 horas
6
: Uma lmpada fabricada, em seguida ensaiada quanto durao de vida, pela colocao em um soquete e
anotao do tempo (em horas) at queimar
7
: Um lote de 10 peas contm 3 defeituosas. As peas so retiradas uma a uma (sem reposio) at que a ltima
pea defeituosa seja encontrada. A quantidade de peas retiradas contada
8
: Peas so fabricadas at que 10 peas perfeitas sejam produzidas. O total de peas fabricadas contado
9
: Peas so fabricadas at que uma pea defeituosa seja produzida. A sequncia das peas produzidas (B ou D)
anotada
ESPAO AMOSTRAL
O conjunto S de todos os resultados possveis de um experimento chamado de ESPAO AMOSTRAL.


1
: S
1
={1,2,3,4,5,6}

2
: S
2
={(x
1
,x
2
) , x
i
=1,2,3,4,5,6 , i=1,2}

3
: S
3
={0,1,2,3,4}

4
: S
4
={(x
1
,x
2
, x
3
,x
4
) , x
i
=C ou K , i=1,2,3,4}

5
: S
5
={0,1,2,3,...,N ; N = nmero mximo de peas produzidas em 24 horas}

6
: S
6
={tR , t>0}

7
: S
7
={3,4,5,6,7,8,9,10}

8
: S
8
={10,11,12,...}

9
: S
9
={D,BD,BBD,BBBD,...}


- DISCRETOS Quando os resultados do experimento so pontuais: S
1
, S
2
, S
3
, S
4
, S
5
, S
7,
S
8 e S
9


- CONTNUOS Quando os resultados do experimento podem assumir quaisquer valores dentro de um intervalo ou
unio de intervalos reais: S
6


Necessariamente, os espaos contnuos so INFINITOS, enquanto que os discretos podem ser FINITOS (S
1
, S
2
, S
3
,
S
4
, S
5
e S
7
) ou INFINITOS ENUMERVEIS (S
8
e S
9
).
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
2

EVENTO
No contexto dessa apostila, um EVENTO qualquer subconjunto de S. Na prtica, um evento corresponde ao
subconjunto formado pelos resultados do experimento, que atendem a determinada(s) caracterstica(s) de interesse. Por
exemplo, no lanamento de um dado uma nica vez (experimento
1
visto acima), se o interesse a obteno de um
nmero par, o evento correspondente ser o subconjunto A={2,4,6}. Ao se adquirir um determinado tipo de lmpada, pode-
se estar interessado em saber qual a probabilidade de que a mesma dure pelo menos 500 horas, neste caso o evento o
subconjunto B={tR , t500}. Se na realizao de um experimento ocorrer um resultado x pertencente a um subconjunto A,
ento diz-se que ocorreu o evento A, caso contrrio, A no ocorreu. Neste contexto podemos enunciar o seguinte:

1) Se A subconjunto de S, ento A dito um EVENTO;
2) Se A um conjunto unitrio ele dito um EVENTO SIMPLES;
3) Se A um conjunto no unitrio ele dito EVENTO COMPOSTO, composto pela unio de eventos simples;
4) C dito EVENTO IMPOSSVEL;
5) S dito EVENTO CERTEZA.
FUNO PROBABILIDADE
Na realizao de um experimento , a probabilidade de ocorrncia de um evento qualquer A uma funo P,
aplicada aos eventos associados ao espao amostral S, satisfazendo s seguintes condies:




para se 3)
2)
1)
j i A A A P A P
P(S)
) P(
j i
N i
i
N i
i
= = =
|
|
.
|

\
|
=
s - s

e e
|

, ) (
1
1 0












EXEMPLO

S = {a
1
,a
2
,a
3
,a
4
} Eventos de S: C,{a
1
},{a
2
},{a
3
},{a
4
},{a
1
,a
2
},{a
1
,a
3
},{a
1
,a
4
},{a
2
,a
3
},{a
2
,a
4
},{a
3
,a
4
}
{a
1
,a
2
,a
3
},{a
1
,a
2
,a
4
},{ a
1
,a
3
,a
4
},{a
2
,a
3
,a
4
},{a
1
,a
2
,a
3
,a
4
}
P(C)=0 P(S)=1
A
1
={a
1
} ; P(A
1
)=1/10 A
5
={a
2
,a
3
} ; P(A
5
)=5/10 = P(A
2
)+P(A
3
)
A
2
={a
2
} ; P(A
2
)=2/10 A
6
={a
2
,a
3
,a
4
} ; P(A
6
)=9/10 = P(A
5
)+P(A
4
) ou P(A
6
)=P(A
2
)+P(A
3
)+P(A
4
)
A
3
={a
3
} ; P(A
3
)=3/10
A
4
={a
4
} ; P(A
4
)=4/10



OBSERVAES

- P uma funo de conjuntos, P:S[0,1];

- Se para os conjuntos A
1
, A
2
,...,A
n
, no existir interseo entre eles, ou seja,
j i A A
j i
= = para | (condio 3), eles so ditos MUTUAMENTE EXCLUSIVOS.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
3

PROPRIEDADES DAS PROBABILIDADES
( ) ( ) ( ) ( )
n
n
n
r j i
r j i
n
j i
j i
n
i
i
n
i
i
j i
n
i
i
n
i
i
A A A P A A A P A A P A P A P
) A P(A ) P(A ) P(A ) A P(A
j i A A A P A P
A A P(A) ) A P(
P(

... 1 ... ) (
, ) (
, 1
0 )
2 1
1
3 2 1 1
2 1 2 1 2 1
1 1

= < < = < = =


= =
+ + =
|
|
.
|

\
|
+ =
= = =
|
|
.
|

\
|
=
=

5)
4)
para se 3)
de ar complement o onde 2)
1)


|
|













EXEMPLO

Considere uma roleta com os nmeros 1,2,3,4,5,6,7,8,9,10,11 e 12, cujas probabilidades de serem obtidos so,
respectivamente: P(1)=1/78, P(2)=2/78, P(3)=3/78, P(4)=4/78, P(5)=5/78, P(6)=6/78, P(7)=7/78, P(8)=8/78, P(9)=9/78,
P(10)=10/78, P(11)=11/78 e P(10)=12/78

No experimento que consiste em rodar a roleta uma nica vez, sejam os eventos:

A: o n par
B: o n mpar
C: o n primo
D: o n mltiplo de 4
E: o n mltiplo de 3, no primo

A={2,4,6,8,10,12}P(A)=P(2)+P(4)+P(6)+P(8)+P(10)+P(12)=2/78+4/78+6/78+8/78+10/78+12/78=42/78
B={1,3,5,7,9,11}P(B)=P(1)+P(3)+P(5)+P(7)+P(9)+P(11)=1/78+3/78+5/78+7/78+9/78+11/78=36/78

Observe que A e B so complementares, ento verifica-se que P(A)=1-P(B)=1-36/78=42/78, bem como P(B)=1-
P(A)=1-42/78=36/78.

C={2,3,5,7,11} P(C)=P(2)+P(3)+P(5)+P(7)+P(11)=2/78+3/78+5/78+7/78+11/78=28/78
D={4,8,12} P(D)=P(4)+P(8)+P(12)=4/78+8/78+12/78=24/78
E={6,9} P(E)=P(6)+P(9)=6/78+9/78=15/78

Como C, D e E so mutuamente exclusivos, no h qualquer intersesso entre eles, CD=|, CE=|, DE=| e
CDE =|, temos que,

P(CDE) = P(C)+P(D)+P(E) = 28/78+24/78+15/78 = 67/78

Como de fato,

CDE = {2,3,4,5,6,7,8,9,11,12} P(CDE) = P(2)+P(3)+P(4)+P(5)+P(6)+P(7)+P(8)+P(9)+P(11)+P(12)=
= 2/78+3/78+4/78+5/78+6/78+7/78+8/78+9/78+11/78 = 67/78

IMPORTANTE

- A terceira propriedade enunciada acima consiste na REGRA DA SOMA, ou seja, a
PROBABILIDADE DA UNIO de eventos a SOMA DAS PROBABILIDADES de cada evento,
observando-se que, caso haja alguma intersesso entre os eventos elas devem ser consideradas
(somadas ou subtradas) nesta soma, situao da quinta propriedade.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
4

Como B e C no so mutuamente exclusivos, pois existe intersesso entre eles, BC|, temos que,

BC = {3,5,7,11} P(BC) = 3/78+5/78+7/78+11/78 = 26/78
P(BC)=P(B)+P(C)- P(BC)=36/78+28/78-26/78=38/78

Como de fato,

BC={1,2,3,5,7,9,11}P(BC)=P(1)+P(2)+P(3)+P(5)+P(7)+P(9)+P(11)=1/78+2/78+3/78+5/78+7/78+9/78+11/78=38/78
DETERMINAO DAS PROBABILIDADES
Avaliando a definio de probabilidade, fcil verificar que a frequncia relativa atende s condies ali impostas.
Desta forma, a probabilidade de ocorrncia de um determinado evento A pode ser determinada a partir da realizao do
experimento uma certa quantidade de vezes n. A medida que o experimento vai sendo repetido, a frequncia relativa
n
n
f
A
A
=
, onde n
A
a quantidade de vezes que A ocorreu nas n repeties, tende a estabilizar-se em um valor p, que pode
ser considerado como uma boa aproximao da probabilidade desejada. evidente que, quanto maior a quantidade de
repeties do experimento, melhor ser a aproximao, isto pode ser representado pela expresso e figura abaixo.


























p f
A
n
=

lim

IMPORTANTE

- Para experimentos com espaos amostrais infinitos (contnuos), o procedimento descrito
acima o que deve ser aplicado. Naturalmente, na maioria situaes prticas invivel a
realizao repetida do experimento para se determinar probabilidades, nestes casos recorre-
se a ocorrncias passadas para estimao dessas probabilidades.

- Para espaos infinitos enumerveis, ou finitos em que seus eventos simples no tenham a
mesma probabilidade de ocorrer, tambm deve ser aplicado este procedimento. Mas, nestes
casos, se o experimento for composto pela realizao de outros experimentos, como o caso
do experimento
9
, apresentado como exemplo na definio de experimento aleatrio, onde a
fabricao em srie de peas um experimento composto do experimento que a fabricao
de uma nica pea, com os resultados possveis B ou D. Caso as probabilidades de ocorrncia
de B ou D forem previamente conhecidas elas determinam as probabilidades das sequncias
obtidas no evento composto.

- Para os espaos amostrais finitos em que seus eventos simples tm a mesma probabilidade
de ocorrer, as probabilidades podem ser determinadas a partir da contagem da quantidade de
elementos do espao amostral e dos eventos.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
5

ESPAOS AMOSTRAIS FINITOS
Seja um experimento aleatrio com uma quantidade finita n de resultados possveis, ou seja, seu espao
amostral S={a
1
,a
2
,...,a
n
} finito. Se P uma probabilidade, ento:

=
=
s s =
n
I
i
i i i
p )
p p }) ) P({a
1
1 2
1 0 1











EXEMPLO

Experimento: lanar uma moeda duas vezes e observar a sequencia de cara (C) e coroa (K) que aparece.

S={(CC),(CK),(KC),(KK)}
P({CC})=2/9, 0P({CC})1
P({KC})=4/9, 0P({KC})1
P({CK})=1/9, 0P({CK})1
P({KK)}=2/9, 0P({KK})1
P({CC})+P({KC})+P({CK})+P({KK)}=2/9+4/9+1/9+2/9=1
ESPAOS AMOSTRAIS FINITOS EQUIPROVVEIS
Se um experimento com espao amostral finito, S={a
1
,a
2
,...,a
n
}, e seus eventos simples, {a
1
}, {a
2
},..., {a
n
}, tm a
mesma probabilidade, P({a
i
}) = p, de ocorrer, ento:

1)
n
p
1
=

2) Se A um evento composto, com k elementos, A={a
j1,a
j2,...,a
jk
}, 1sksn, ento
n
k
A P = ) (


O resultado obtido em (2) comumente enunciado de uma das seguintes formas:

) (
) (
) (
) (
) (
S n
A n
A P
A
A P
S
A
A P
=
=
=
possveis casos de nmero
a favorveis casos de nmero
de elementos de nmero
de elementos de nmero







OBSERVAES

- O resultado (1) acima indica que cada evento simples {a
i
} tem probabilidade p
i
de ocorrer

- O item (2) resulta de que P(S)=1 (por definio):
S={a
1
}{a
2
}...{a
n
}P(S)=P({a
1
})+P({a
2
})+...+P({a
n
})1=P({a
i
})

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
6

















EXEMPLO

Experimento: lanar um dado e observar a face superior

S={1,2,3,4,5,6} n(S)=6 P(1)=1/6 P(2)=1/6 P(3)=1/6 P(4)=1/6 P(5)=1/6 P(6)=1/6
A n
o
par A={2,4,6} P(A)=n(A)/n(S) P(A)=3/6
PROBABILIDADE CONDICIONAL (CONDICIONADA)
Seja S um espao amostral associado a um experimento , a probabilidade condicionada ao evento B uma
funo aplicada aos eventos associados ao espao amostral, definida por:



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

=



Podemos interpretar a probabilidade condicional da seguinte forma:

Como se sabe que B ocorreu, o espao amostral reduz-se a S= B. Portanto, n(S) = n(B). Em S, os casos
favorveis a A so os elementos de A = AB, ento n(A) = n(AB), de forma que:






P(B)
B) P(A
n(S)
n(B)
n(S)
B) n(A
n(B)
B) n(A
) S n(
) A n(
) A P( P(A|B)

= = =
'
'
= ' =










IMPORTANTE

- Este resultado permite concluir que, em experimentos com espaos amostrais finitos
equiprovveis, a probabilidade de ocorrncia de determinado evento A igual proporo (ou
percentual) de elementos pertencentes ao evento A em relao ao total de elementos do espao
amostral S.

- Esta interpretao, reforada pelo mtodo da frequncia relativa, pode ser estendida para
qualquer situao, ou seja, a probabilidade de ocorrncia de um evento A dada pela proporo,
em relao todas a todas as possibilidades, favorvel a A. Por exemplo, se lanarmos
aleatoriamente um objeto sobre uma superfcie com 30% de sua rea pintada de vermelho, a
probabilidade de que o objeto atinja a cor vermelha de 0,30.


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
7

EXEMPLO

Um dado foi lanado e verificou-se que a face obtida apresenta um n menor do 4, qual a probabilidade desse n
ser par ?



( )
3
1
6 / 3
6 / 1
6
1
) (
6
3
) (
} 2 { } 3 , 2 , 1 { } 6 , 4 , 2 {
} 6 , 5 , 4 , 3 , 2 , 1 {
= =
= =
= = =
=
B A P
B A P B P
B A B A
S




EVENTOS MUTUAMENTE INDEPENDENTES
Seja S um espao amostral associado a um experimento e A e B dois eventos de S. Diz-se que A e B so
mutuamente independentes se e somente se:


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

Consequncias:

0 0 = = =
= =
P(B) P(A) MI B A B A
P(B) P(B|A) P(A) P(A|B) MI B A
ou so e ento Se 2)
e so e 1)
|



















Para exemplificar a primeira observao acima, suponha a seguinte situao dos eleitores de uma cidade em
relao preferncia entre os candidatos I, II e III:

CANDIDATO I CANDIDATO II CANDIDATO III TOTAL
HOMENS 20 50 10 80
MULHERES 30 40 50 120
TOTAL 50 90 60 200

Se considerarmos todos os eleitores, o percentual que prefere o candidato I de 25%. Se considerarmos apenas
os homens a preferncia pelo candidato I continua 25%, ou seja, P(I|H) = P(I) = 0,25 ento I e H so independentes. O
mesmo no acontece com o candidato II, cuja preferncia considerando-se todos os eleitores de 45% mas de 62,5% entre
os homens, ou seja P(II|H) = P(II) ento II e H so dependentes.
OBSERVAES

- O resultado encontrado em (1) mostra que se A e B so independentes, a ocorrncia de B no
afeta a probabilidade de ocorrncia de A. Ou seja, a proporo de elementos de A em S (espao
amostral) a mesma proporo de elementos de A em B. Em outras palavras, indiferente
trabalharmos em S ou em B, pois a probabilidade de ocorrncia de A a mesma em ambos os
casos, com o mesmo valendo para B em relao a A.

- J o resultado encontrado em (2), chama a ateno para um erro comum que , ao se dizer que
dois eventos, A e B, so independentes, consider-los exclusivos, ou seja, AB = |, ou vice e
versa.


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
8

EXEMPLO

Um dado foi lanado e verificou-se que a face obtida apresenta um n maior que 2, qual a probabilidade desse n ser par ?



( ) ) (
2
1
4
2
6 / 4
6 / 2
6
2
) (
6
4
) (
2
1
6
3
) (
} 6 , 4 { } 6 , 5 , 4 , 3 { } 6 , 4 , 2 {
} 6 , 5 , 4 , 3 , 2 , 1 {
A P B A P
B A P B P A P
B A B A
S
= = = =
= = = =
= = =
=






Conclui-se ento que A e B so mutuamente independentes.


A definio de eventos mutuamente independentes pode ser estendida para mais de dois eventos, A
1
, A
2
, ... , A
n
.
Neste caso, os n eventos so mutuamente independentes se e somente se as probabilidades de todas as intersees
possveis (2 a 2, 3 a 3,...) so iguais ao produto das probabilidades dos eventos includos na interseo:

( ) ( ) ( ) ( )
n k n i i i
A P A P A P A A A P
k
i i i i i i
k k
s s s < < < s
=
2 ... 1
... ...
2 1
2 1 2 1




OBSERVAO: ao todo so 2
n
-n-1 operaes a serem verificadas

Por exemplo, no caso de 4 eventos, A
1
, A
2
, A
3
e A
4
, para que eles sejam mutuamente independentes devemos ter:

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


EXEMPLO

Uma urna contem 3 bolas pretas (p
1
,p
2
e p
3
) e 4 bolas brancas (b
1
,b
2
,b
3
e b
4
). Seja o experimento que consiste na retirada
de uma amostra ordenada com reposio de 4 bolas da urna. Sejam os eventos: A
1
a primeira bola retirada branca, A
2

a segunda bola retirada branca, A
3
a terceira bola retirada branca e A
4
a quarta bola retirada branca. Mostre que
A
1
,A
2
,A
3
e A
4
so MUTUAMENTE INDEPENDENTES.

2401 7 ) (
4 *
4 , 7
= = = A S n


A
1
b---
7
4
2401
1372
) ( 1372 343 4 7 4 ) (
1
3 *
3 , 7
*
1 , 4 1
= = = = = = A P A A A n

De forma anloga encontramos
7
4
) (
7
4
) ( ,
7
4
) (
4 3 2
= = = A P A P A P e



PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
9

A
1
A
2
bb--
49
16
2401
784
) ( 784 49 16 7 4 ) (
2 1
2 2 *
2 , 7
*
2 , 4 2 1
= = = = = = A A P A A A A n


De forma anloga encontramos

49
16
) (
49
16
) ( ,
49
16
) ( ,
49
16
) ( ,
49
16
) (
4 3 4 2 3 2 4 1 3 1
= = = = = A A P A A P A A P A A P A A P e


Verifica-se, ento, que 4 , 3 , 2 , 1 , ; ;
49
16
7
4
7
4
) ( ) ( ) ( = = = = = j i j i A P A P A A P
j i j i


A
1
A
2
A
3
bbb-
343
64
2401
448
) ( 448 7 64 7 4 ) (
3 2 1
1 3 *
1 , 7
*
3 , 4 3 2 1
= = = = = = A A A P A A A A A n


De forma anloga encontramos

343
64
) (
343
64
) ( ,
343
64
) (
4 3 2 4 3 1 4 2 1
= = = A A A P A A A P A A A P e


Verifica-se, ento, que 4 , 3 , 2 , 1 , , ; ;
343
64
7
4
7
4
7
4
) ( ) ( ) ( ) ( = = = = = = k j i k j i A P A P A P A A A P
k j i k j i


Assim, A
1
,A
2
,A
3
e A
4
so MUTUAMENTE INDEPENDENTES.

A partir da expresso da probabilidade condicional,
( )
( )
( )
1
2 1
1 2
A P
A A P
|A A P

=
, chegamos ao resultado:

( ) ( ) ( )
1 2 1 2 1
|A A P A P A A P =

Estendendo para n eventos, tem-se:

)
1 2 1 2 1 3 1 2 1 2 1
=
n n n
A ... A |A )...P(A A |A )P(A |A )P(A P(A ) A ... A P(A

Se os eventos forem MUTUAMENTE INDEPENDENTES, passamos a ter:

) P(A A P ) A P(A
2 1 2 1
) ( = e

)
3 2 1 2 1 n n
)...P(A )P(A )P(A P(A ) A ... A P(A =











EXEMPLO

Considere uma urna com 10 bolas, sendo 4 brancas (b) e 6 pretas (p). Dessa urna so retiradas, sucessivamente, 5
bolas. Qual a probabilidade de que a sequncia das cores retiradas seja bppbp ?

IMPORTANTE

- Os resultados enunciados acima constituem o que se denomina REGRA DO PRODUTO, ou seja, a
probabilidade da interseo de dois ou mais eventos igual ao produto das probabilidades de
ocorrncia desses eventos, sendo que a probabilidade seguinte sempre condicionada ao que
ocorreu anteriormente.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
10

Definamos os eventos: A
1
bola branca na 1 retirada, A
2
bola preta na 2 retirada, A
3
bola preta na 3 retirada,
A
4
bola branca na 4 retirada e A
5
bola preta na 5 retirada.

O que se deseja calcular ) A A A A P(A
5 4 3 2 1


1 caso

Se as bolas forem retiradas sem reposio, os eventos A
1
, A
2
, A
3
, A
4
e A
5
no so mutuamente independentes, pois,
aps a retirada de uma bola, na retirada seguinte as probabilidades de retirada de uma determinada cor so diferentes das
anteriores, em funo da diminuio da quantidade de bolas na urna. Ento:

21
1
6
4
7
3
8
5
9
6
10
4
) )
4 3 2 1 5 3 2 1 4 2 1 3 1 2 1 5 4 3 2 1
= =
= = A A A |A P(A A A |A )P(A A |A )P(A |A )P(A P(A ) A A A A P(A


2 caso

Se as bolas forem retiradas com reposio, os eventos A
1
, A
2
, A
3
, A
4
e A
5
so mutuamente independentes, pois,
como aps a retirada de uma bola a mesma recolocada na urna, na retirada seguinte as probabilidades de retirada de
uma determinada cor so iguais s anteriores, pois a quantidade de bolas na urna permanece a mesma a cada retirada.
Ento:
3125
108
10
6
10
4
10
6
10
6
10
4
) )
5 4 3 2 1 5 4 3 2 1
= = = P(A )P(A )P(A )P(A P(A ) A A A A P(A

PARTIO DO ESPAO AMOSTRAL
Seja S um espao amostral associado a um experimento . Se B
1
.B
2
,...,B
n
so eventos satisfazendo a:



,...,n , i ) P(B
j i B B
S B
i
j i
n
i
i
2 1 0
) 2
) 1
1
= >
= =
=
=
3)


|





Ento os eventos B
i
formam uma PARTIO do espao amostral S.



EXEMPLO

S={0,1,2,3,4,5}
B
1
={0,2} B
2
={1,3,5} B
3
={6}
B
1
B
2
B
3
={0,1,2,3,4,5}=S
P(B
1
)=2/6>0 P(B
2
)=3/6>0 P(B
3
)=1/6>0
B
1
B
2
=C B
1
B
3
=C B
2
B
3
=C






PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
11

TEOREMA DA PROBABILIDADE TOTAL
Se B
1
, B
2
,...,B
n
so uma partio de um espao amostral S e A um evento qualquer de S, ento:


=
=
n
i
i i
) P(B ) P(A|B P(A)
1





EXEMPLO


Uma cidade dividida em 3 bairros, B
1
, B
2
e B
3
, com 50%, 30 % e 20%, respectivamente, da populao
economicamente ativa da cidade. Alm disso, 3% dos economicamente ativos do bairro B
1
, 4% do bairro B
2
e 5% do bairro
B
3
esto desempregados. Qual o percentual dos economicamente ativos desempregados da cidade ?

Representando o conjunto dos economicamente ativos desempregados por A, temos:



037 0 010 , 0 012 , 0 015 , 0
20 0 05 0 30 0 04 0 50 0 03 0
05 0 20 0
04 0 30 0
03 0 50 0
3 3 2 2 1 1
3 3
2 2
1 1
,
, , , , , ,
) )P(B P(A|B ) )P(B P(A|B ) )P(B P(A|B P(A)
, ) P(A|B , ) P(B
, ) P(A|B , ) P(B
, ) P(A|B , ) P(B
= + + =
= + + =
= + + =
= =
= =
= =





Ou seja, o percentual dos economicamente ativos desempregados de 3,7%.
TEOREMA DE BAYES
Seja S um espao amostral associado a um experimento . Se B
1
, B
2
, ..., B
n
so uma partio de S e A um evento,
com P(A)>0, ento:



=
n
i
i i
j j
j
) P(B ) P(A|B
) P(B ) P(A|B
|A) P(B
1












PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
12

EXEMPLO

Considerando o exemplo anterior (TEOREMA DA PROBABILIDADE TOTAL), daqueles economicamente ativos
desempregados, qual o percentual que reside no bairro B
1
, no bairro B
2
e no Bairro B
3
?


% 0 , 27 270 0
037 0
20 0 05 0
% 4 , 32 324 0
037 0
30 0 04 0
% 5 , 40 405 0
037 0
50 0 03 0
% 7 , 3 037 0 010 , 0 012 , 0 015 , 0
20 0 05 0 30 0 04 0 50 0 03 0
05 0 20 0 04 0 30 0 03 0 50 0
3 3
3
2 2
2
1 1
1
3 3 2 2 1 1
3 3 2 2 1 1
= =

= =
= =

= =
= =

= =
= = + + =
= + + = + + =
= = = = = =
,
,
, ,
P(A)
) )P(B P(A|B
/A) P(B
,
,
, ,
P(A)
) )P(B P(A|B
/A) P(B
,
,
, ,
P(A)
) )P(B P(A|B
/A) P(B
,
, , , , , , ) )P(B P(A|B ) )P(B P(A|B ) )P(B P(A|B P(A)
, ) P(A|B , ) P(B , ) P(A|B , ) P(B , ) P(A|B , ) P(B




A situao utilizada nos exemplos acima pode ser representada pela seguinte tabela, supondo que na cidade
existam 1.000 pessoas economicamente ativas (veja que pode ser utilizada qualquer quantidade de economicamente ativos,
basta obedecer aos percentuais informados).



BAIRRO B
1 BAIRRO B
2
BAIRRO B
3
TOTAL
EMPREGADOS 485 288 190 963
DESEMPREGADOS (A) 15 12 10 37
TOTAL 500 300 200 1.000


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
13

EXERCCIOS PROBABILIDADE GRUPO I
1) Sejam A e B eventos associados a um experimento . Para as afirmaes abaixo, d o significado em teoria dos
conjuntos:

a) ao menos A ou B ocorrem
b) ambos A e B ocorrem
c) nem A nem B ocorrem
d) A ocorre e B no ocorre
e) Exatamente um de A ou B ocorre
f) No mais que um de A ou B ocorre
g) Se A ocorre, B ocorre
h) O evento A ou B
i) O evento A e B
j) A e B mutuamente exclusivos

2) Sejam A,B e C eventos associados a um experimento . Para as afirmaes abaixo, d o significado em teoria dos
conjuntos:

a) Se A ocorre ento B no ocorre
b) Nenhum dos resultados A, B e C ocorre
c) Somente A ocorre
d) Ao menos um de A,B,C ocorre
e) Exatamente um deles ocorre
f) No mais que um ocorre
g) Ao menos dois ocorrem
h) Exatamente dois deles ocorrem
i) No mais que dois ocorrem
j) A e C ocorrem e B no ocorre
k) Todos ocorrem

3) Uma urna contm 3 bolas brancas, b
1
, b
2
e b
3
, e duas bolas pretas, p
3
e p
4
. Uma amostra de extenso 3, com reposio
(sem reposio) retirada da urna. Supondo S equiprovvel, qual a probabilidade de:

a) a 1 bola ser branca b) a 2 bola ser branca c) a 3 bola ser branca

4) Uma urna contm M bolas, sendo M
w
brancas e M-M
w pretas. Uma amostra de extenso n retirada, com reposio
(sem reposio), da urna. Supondo o espao equiprovvel, e o evento A
j
= a j-sima bola branca, mostre que P(A
j
) =
M
w
/M.

5) Uma urna contm 5 bolas , sendo 2 vermelhas e o restante amarelas. Desta urna retiramos 3 bolas, em extraes
sucessivas sem reposio. Se A, B e C so eventos dados por A: exatamente 1 bola vermelha, B: pelo menos 1 bola
amarela, C: pelo menos 1 bola amarela e 1 vermelha, determine P(A), P(B) e P(C) supondo S equiprovvel.

6) Uma urna contm 5 bolas, sendo 2 vermelhas e 3 amarelas. Desta urna so retiradas 4 bolas simultaneamente. Se A,
B, C e D so os eventos A: 2 bolas vermelhas e 2 amarelas, B: 1 bola vermelha e 3 amarelas, C: 1 amarela e 3
vermelhas e D: pelo menos 1 vermelha e 1 amarela, determine P(A), P(B), P(C) e P(D) supondo S equiprovvel

7) Uma urna contm 5 bolas, sendo 2 vermelhas e 3 amarelas. Desta urna so retiradas, com reposio, uma amostra no
ordenada de extenso 4. Se A, B, C, D, E e F so os eventos A: 2 bolas vermelhas e 2 amarelas, B: 1 bola vermelha e 3
amarelas, C: 1 amarela e 3 vermelhas, D: pelo menos 1 vermelha e 1 amarela, E: 4 vermelhas e F: 4 amarelas,
determine P(A), P(B), P(C), P(D), P(E) e P(F), supondo S equiprovvel.

8) Uma urna contm 5 bolas, sendo 2 vermelhas e 3 amarelas. Desta urna so retiradas, com reposio, uma amostra
ordenada de extenso 4. Se A, B, C, D, E e F so os eventos A: 2 bolas vermelhas e 2 amarelas, B: 1 bola vermelha e 3
amarelas, C: 1 amarela e 3 vermelhas, D: pelo menos 1 vermelha e 1 amarela, E: 4 vermelhas e F: 4 amarelas,
determine P(A), P(B), P(C), P(D), P(E) e P(F), supondo S equiprovvel.



PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
14

9) Em uma sala, 10 pessoas esto usando emblemas numerados de 1 a 10. Trs pessoas so escolhidas ao acaso e
convidadas a sair da sala simultaneamente determine a probabilidade de que:

a) o menor nmero de emblema seja 5? b) o maior nmero de emblema seja 5?

10) Dez fichas numeradas de 1 a 10 so misturadas em uma urna. Duas fichas numeradas (x
1
,x
2
) so extradas da urna
sucessivamente e sem reposio. Qual a probabilidade de que:

a) x
1
+x
2
=10 ? b) x
1 > x
2
dado que x
1
+x
2
=10

11) Dentre 6 nmeros positivos e 8 negativos, escolhem-se ao acaso 4 nmeros (com reposio) e multiplicam-se esses
nmeros. Qual a probabilidade de que o produto seja positivo?

12) Um lote contm n peas das quais se sabe serem r defeituosas. Se a ordem de inspeo das peas se fizer ao acaso,
qual a probabilidade de que a pea inspecionada em k-simo lugar (kr) seja a ltima pea defeituosa contida no lote?

13) Uma urna contem N objetos. So retirados ao acaso, com reposio, n (nN) objetos da urna. Qual a probabilidade de
que nenhum objeto seja escolhido mais de uma vez?

14) Considere um conjunto com N objetos. Sero formados n grupos (N mltiplo de n) com k=N/n objetos cada um. Se,
para a composio dos grupos, os objetos so selecionados aleatoriamente, qual a probabilidade de que r, rk, objetos
especficos pertenam a um mesmo grupo?

15) Uma loteria composta de N nmeros e apenas um prmio, ou seja, dos N nmeros sorteado apenas um, que
corresponde ao bilhete premiado. Um apostador (A) compra n bilhetes em apenas uma extrao enquanto que outro
apostador (B) compra um nico bilhete em n extraes diferentes. Qual dos dois tem maior probabilidade de ganhar ?
(considere vlida a seguinte desigualdade:
N
n
n
N
- >
|
.
|

\
|
1
1
1
).

16) Um prisioneiro possui 50 bolas brancas, 50 bolas pretas e 2 urnas iguais. O prisioneiro deve colocar, como preferir, as
bolas nas duas urnas (nenhuma das urnas pode ficar vazia). As urnas sero embaralhadas e o prisioneiro, de olhos
vendados, dever escolher uma delas e, em seguida, retirar uma bola da urna selecionada. Se a bola retirada for
branca, ele ser libertado. Como o prisioneiro deve proceder, na distribuio das bolas nas urnas, para maximizar a
probabilidade de ser libertado?

17) A urna 1 contm x bolas brancas e y bolas vermelhas. A urna 2 contm z bolas brancas e v vermelhas. Uma bola
escolhida ao acaso da urna 1 e colocada na urna 2. A seguir, uma bola escolhida ao acaso da urna 2. Qual a
probabilidade de que essa bola seja branca?

18) Suponha que A e B sejam eventos independentes associados a um experimento. Se a probabilidade de A ou B
ocorrerem for igual a 0,6 enquanto que a probabilidade de ocorrncia de A for 0,4 , determine a probabilidade de
ocorrncia de B.

19) Sejam A e B dois eventos associados a um experimento. Suponha que P(A)=0,4 e P(AB)=0,7. Seja P(B)=p. Para que
valores de p:

a) A e B so mutuamente exclusivos? b) A e B so independentes?

20) Suponha que um escritrio possua 100 mquinas de calcular. Algumas dessas mquinas so eltricas (E), enquanto
outras so manuais (M) e algumas so novas (N) e outras usadas (U):

E M TOTAL
N 40 30 70
U 20 10 30
TOTAL 60 40 100

Uma pessoa entra no escritrio, pega uma mquina ao acaso e descobre que nova. Qual a probabilidade de que seja
eltrica? Qual a probabilidade dela ser manual?

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
15

21) Numa certa faculdade, 25% dos estudantes foram reprovados em matemtica, 15% reprovados em qumica, e 10% em
matemtica e em qumica. Um estudante selecionado ao acaso.

a) Se ele foi reprovado em qumica, qual a probabilidade de que tenha sido reprovado em matemtica?
b) Se ele foi reprovado em matemtica, qual a probabilidade de que ele tenha sido reprovado em qumica?
c) Qual a probabilidade de que ele tenha sido reprovado em matemtica ou em qumica?

22) Numa certa faculdade, 4% dos homens e 1% das mulheres tm altura maior do que 1,80m. Alm disso, 60% dos
estudantes so mulheres. Se um estudante escolhido ao acaso e tem altura maior que 1,80m, qual a probabilidade de
que o estudante seja mulher?

23) Um homem possui duas moedas, uma comum (I) e outra de duas caras (II). Apanha uma moeda ao acaso e lana. Se
cair cara, qual a probabilidade de que a moeda lanada tenha sido a de duas caras?

24) As mquinas A,B e C fabricam, respectivamente, 50%, 30% e 20% da produo total de certo artigo. A probabilidade de
que a mquina a fabrique um artigo defeituoso 0,03, a B 0,04 e a C 0,05.

a) qual a probabilidade de que um artigo tomado ao acaso seja defeituoso?
b) Qual a probabilidade de que um artigo tomado ao acaso tenha sido fabricado pela mquina A, dado que
defeituoso?
c) Qual a probabilidade de que um artigo tomado ao acaso tenha sido fabricado pela mquina B, dado que
defeituoso?
d) Qual a probabilidade de que um artigo tomado ao acaso tenha sido fabricado pela mquina C, dado que
defeituoso?

25) Certa doena acha-se presente em cerca de 1 entre 1.000 pessoas. Um programa de provas deve ser executado
mediante o emprego de um aparelho de investigao que d uma leitura positiva com probabilidade de 0,99 para uma
pessoa doente e com probabilidade de 0,05 para uma pessoa sadia. Qual a probabilidade de que uma pessoa
escolhida ao acaso, cuja leitura positiva, tenha efetivamente a doena ?

26) Seja o experimento : lanar dois dados distinguveis e observar as faces superiores. Sejam os eventos A: o primeiro
dado mostra nmero par, B: o segundo dado mostra nmero mpar e C: ambos mostram pares ou ambos mostram
mpares. Mostre que os eventos so 2 a 2 independentes mas no so mutuamente independentes.

27) A probabilidade de fechamento de cada rel nos circuitos abaixo dada por p>0. Se todos os rels funcionam
independentemente, qual a probabilidade de que haja corrente entre os terminais L e R ?











28) Trs componentes, C
1
, C
2
e C
3
de um mecanismo so postos em srie. Suponha que esses componentes sejam
dispostos em ordem aleatria. Seja A o evento C
2
est direita de C
1
e B o evento C
3
est direita de C
1
. So os
eventos A e B mutuamente independentes ?

29) Num certo grupo racial a probabilidade de uma pessoa do sexo masculino ser daltnica p=0,16. So escolhidas ao
acaso duas pessoas , x e y, do referido sexo e do referido grupo racial. Determine a probabilidade de ambos serem
daltnicos sabendo-se que:

a) x daltnico b) Pelo menos 1 deles daltnico

30) Um submarino dispara 5 torpedos em cadncia rpida contra um navio. Cada torpedo tem probabilidade igual a 0,25 de
atingir o alvo. (a) Qual a probabilidade do navio receber pelo menos 1 impacto ? (b) exatamente 1 impacto ? (c)
exatamente k impactos (k=0,1,2,3,4,5) ?



PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
16

31) Para pessoas de 20,21 e 22 anos, as probabilidades de morte durante um certo ano so iguais a p
1
, p
2
e p
3

respectivamente. Se a,b e c so pessoas com 20,21 e 22 anos respectivamente, pede-se para calcular:

a) A probabilidade dos trs sobreviverem nesse ano
b) De todos terem morrido nesse ano
c) De no mximo ter ocorrido uma morte nesse ano
d) Pelo menos um deles ter morrido nesse ano

32) Uma montagem eletrnica formada de dois subsistemas A e B. De procedimentos de ensaios anteriores, as seguintes
probabilidades se admitem conhecidas: P(A falhe)=0,20; P(A e B falhem)=0,15 e P(B falhe sozinho)=0,15. Calcule as
seguintes probabilidades: (a) P(A falhe dado que B tenha falhado) (b) P(A falhe sozinho).

33) Duas mquinas, A e B, sendo operadas independentemente, podem ter alguns desarranjos cada dia. As probabilidades
de desarranjo de cada mquina esto na tabela abaixo.

NMERO DE
DESARRANJOS
0 1 2 3 4 5 6
MQUINA A 0,10 0,20 0,30 0,20 0,09 0,07 0,04
MQUINA B 0,30 0,10 0,10 0,10 0,10 0,15 0,15

Calcule as seguintes probabilidades: (a) A e B tenham o mesmo nmero de desarranjos (b) O nmero total de
desarranjos seja menor que 4; menor que 5 (c) A tenha mais desarranjos que B (d) B tenha duas vezes mais
desarranjos que A (e) B tenha 4 desarranjos, quando se saiba que B j tenha tido 2 desarranjos (f) O nmero mnimo
de desarranjos das duas mquinas seja 3; seja menor que 3 (g) O nmero mximo de desarranjos das mquinas seja
3; seja maior que 3

34) Um viajante deseja ir de uma cidade A a outra cidade B. As estradas existentes esto mostradas na figura abaixo. O
viajante no deve passar mais de uma vez pelo mesmo ponto. Ao partir de A, o viajante pode escolher as estradas I, II
e III com probabilidades 0,4, 0,4 e 0,2 respectivamente. Chegando encruzilhada M, vindo por III pode escolher as
estradas IV ou V com probabilidades 0,3 e 0,7, respectivamente. Chegando encruzilhada N, vindo de I ou II, pode
escolher IV, VI ou VII com probabilidades 0,2, 0,3 e 0,5, respectivamente. Porm, se ele chega a N por IV pode escolher
VI ou VII com probabilidades 0,4 e 0,6, respectivamente. (a) Se cada trajeto de A a B um evento simples, descreva o
espao amostral correspondente. (b) Qual a probabilidade do viajante: (i) Passar por C? (ii) Passar por D? (iii) Passar
por C e D? (iv) Passar por C ou D?












35) Um emissor opera com um alfabeto de trs smbolos, que representaremos por A
1
, A
2
e A
3
, sendo suas mensagens
nada mais que sequencias desses smbolos. Ao ser emitido o smbolo A
i
, a probabilidade de em seguida ser emitido o
smbolo A
j
dada por p
i,j
, essas probabilidades so chamadas de probabilidade de transio de A
i
para A
j
e a matriz
(p
i,j
) a respectiva matriz de transio.

Se tivermos
|
|
|
.
|

\
|
=
|
|
|
.
|

\
|
9 / 7 0 9 / 2
3 / 1 3 / 1 3 / 1
3 / 2 3 / 1 0
33 32 31
23 22 21
13 12 11
p p p
p p p
p p p
e houver probabilidades p
1
=5/21, p
2
=6/21 e p
3
=10/21 de uma
mensagem comear pelos smbolos A
1
, A
2
e A
3
, respectivamente, qual a probabilidade da mensagem comear: (a) por
uma das sequencias A
1
A
2
ou A
2
A
3
? (b) por uma sequencia da forma A
i
A
i
A
i
?

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
17

EXERCCIOS GRUPO II
1. Demonstre as seguintes propriedades da PROBABILIDADE:
( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( )
2 1 2 1
2 1 2 1 2 1
1 1
Se )
tarde ocomplemen onde 1 )
)
para se , )
0 ) ( )
A P A P A A e
A A A P A P d
A A P A P A P A A P c
j i A A A P A P b
P a
j i
n
i
i
n
i
i
s _
=
+ =
= = =
|
|
.
|

\
|
=

= =

|
|


2. Demonstre que:
( ) ( ) ( ) ( ) ( ) ( )
k
k
k
r j i
r j i
k
j i
j i
k
i
i k
A A A P A A A P A A P A P A A A P ... 1 ... ...
2 1
1
3 2 1
2 1

= < < = < =
+ + + =


(use induo matemtica)

3. Mostre que, num espao amostral finito equiprovvel S={a1,a2,...an} com P(ai) = p :
elementos k com evento um onde , ) ( )
1
)
k k
A
n
k
A P b
n
p a
=
=


4. Mostre que a funo ( ) B P | - (probabilidade condicional), definida por ( )
) (
) (
|
B P
B A P
B A P

= uma probabilidade,
ou seja:

j i A A B A P B A P c
S B S P b
B A P a
j i
n
i
i
n
i
i
= = =
|
|
.
|

\
|
=
s s

= =
com , ) | ( )
amostral espao o onde 1 ) | ( )
1 ) | ( 0 )
1 1
|



5. Se
n i i
B
,..., 2 , 1
) (
=
uma partio de S, ou seja,


n
i
j i i
j i B B S B
1
com
=
= = = | e A um evento qualquer,
mostre que:
( ) Bayes) de (Teorema
) | ( ) (
)
Total) ade Probabilid da (Teorema ) ( )
1
1
) B P(A| ) P(B
B A P B P
A B P b
) B P(A| ) P(B A P a
i
n
i
i
j j
j
i
n
i
i

=
=

=
=

6. Mostre que:

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
18

1 ) ( ou 0 ) ( MI e , Se )
0 ) ( ou 0 ) ( tes) independen e (mutuament MI so e ento Se )
= = _
= = =
B P A P B A B A b
B P A P B A B A a |


7. Se A1 e A2 so MI, mostre que:

MI so e )
MI so e )
MI so e )
2 1
1 2
2 1
A A c
A A b
A A a



PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
19

VARIVEIS ALEATRIAS
Uma varivel aleatria X uma funo que associa os elementos do espao amostral de um experimento aleatrio
a um nmero real, ou seja:
R S X :

Uma varivel aleatria pode ser discreta, quando seu espao amostral S
X
discreto (finito ou finito enumervel) ou
contnua, quando seu espao amostral S
X
contnuo (infinito).

















Para definirmos os elementos mais importantes das variveis aleatrias, vamos partir de uma varivel discreta, no
exemplo seguinte.

Seja o experimento que consiste em lanar uma moeda 3 vezes. Seja X a varivel aleatria que d a quantidade de
caras obtidas nos 3 lanamentos.






S = {KKK,KKC,KCK,CKK,KCC,CKC,CCK,CCC}, C cara, K coroa
X(KKK) = 0
X(KKC) = X(KCK) = X(CKK) = 1
X(KCC) = X(CKC) = X(CCK) = 2
X(CCC) = 3




A probabilidade de que a varivel aleatria X assuma algum valor dada pela probabilidade dos eventos de S
(espao amostral do experimento que originou X) associados ao resultado desejado de X.

No exemplo acima, considerando S equiprovvel, as probabilidades de se obter exatamente 0 caras, 1 cara, 2
caras e 3 caras, respectivamente, no lanamento de uma moeda 3 vezes so dadas por:

P(X=0) = P({KKK}) = 1/8
P(X=1) = P({KKC,KCK,CKK}) = 3/8
P(X=2) = P({KCC,CKC,CCK}) = 3/8
P(X=3) = P({CCC}) = 1/8





IMPORTANTE

- Se o espao amostral S do experimento que d origem varivel aleatria for discreto, o espao
amostral da varivel tambm ser discreto;

- Se S for contnuo, S
X
poder ser contnuo ou discreto. Por exemplo, ao se testar uma lmpada e
anotar o tempo at que ela queime, S contnuo, se X a varivel que associa o tempo obtido a
ele prprio, ento S
X
tambm contnuo, correspondendo ao prprio S, ao passo que, se
classificarmos uma lmpada como defeituosa se ela durar menos que 100 horas e como boa se
durar 100 horas ou mais, podemos associar os tempos inferiores a 100 ao valor 1 (defeituosa) e os
tempos maiores ou iguais a 100 ao valor 0 (boa). Neste caso, S
X
discreto.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
20




















VARIVEIS ALEATRIAS DISCRETAS
Se X uma varivel aleatria com espao amostral finito, S
X
={x
1
,x
2
,...,x
n
}, ou infinito enumervel, S
X
={x
1
,x
2
,...,x
n
,...},
ento X do tipo discreto, com:

=
= =
s = s
1
1 ) 2
1 0 ) 1
i
i
i
) x P(X
) x P(X





No lanamento de uma moeda 3 vezes com Xquantidade de caras, temos:


1
8
1
8
3
8
3
8
1
) (
1
8
1
) 3 ( 0
1
8
3
) 2 ( 0
1
8
3
) 1 ( 0
1
8
1
) 0 ( 0
3 2 1 0
4
1
= + + + = =
s = = s
s = = s
s = = s
s = = s
=

= i
i
X
x X P
X P
X P
X P
X P
} , , , { S








OBSERVAES

- O subconjunto (evento) de S associado a um valor x de X chamado de imagem inversa de x e
denotado por X
-1
(x), no exemplo apresentado, {KKK} a imagem inversa de 0, ou seja, X
-1
(0) =
{KKK};

- O conceito acima vale para qualquer subconjunto (evento) de S
X
, ou seja, se B um evento de S
X
,
sua imagem inversa o evento A de S que tem seus elementos associados a B, no exemplo
apresentado, o evento de S
X
Bobter no mximo 1 cara, B={0,1}, tem como imagem inversa o
evento de S, A={KKK,KKC,KCK,CKK}, ou seja, X
-1
({0,1})={KKK,KKC,KCK,CKK};

- Assim, podemos dizer que na observao de uma varivel aleatria, a probabilidade de que ocorra
um evento B, ou seja, seu valor x pertena ao subconjunto B, P(xB), dada pela probabilidade de
sua imagem inversa, no experimento que originou X: P(xB)=P(X
-1
(B)).

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
21

DISTRIBUIO DE PROBABILIDADE
A partir dos valores acima, podemos montar a seguinte tabela:

x
i
P(X=x
i
)
0 1/8
1 3/8
2 3/8
3 1/8
SOMA 1

Esta tabela mostra a DISTRIBUIO DE PROBABILIDADE da varivel aleatria X.
FUNO DENSIDADE DE PROBABILIDADE f(x)
A funo densidade de probabilidade, no caso discreto, uma funo que, se aplicada a um valor x fornece a
probabilidade da varivel aleatria X assumir este valor:

=
=
s s

=
= =
=

1
2 1
2 1
1 2
1 0 1
,... ,..., , 0
,... ,..., ,
) (
:
i
i
n
n
) f(x )
f(x) )
x x x , x
x x x x) , x P(X
x f
R R f



No lanamento de uma moeda 3 vezes com Xquantidade de caras, temos:


=
=
|
|
.
|

\
|
=
3 , 2 , 1 , 0 0
3 , 2 , 1 , 0
8
1
3
) (
x
x
x x f



Ento,

) 3 (
8
1
8
1
1
8
1
)! 3 3 ( ! 3
! 3
8
1
3
3
) 3 (
) 2 (
8
3
8
1
3
8
1
)! 2 3 ( ! 2
! 3
8
1
2
3
) 2 (
) 1 (
8
3
8
1
3
8
1
)! 1 3 ( ! 1
! 3
8
1
1
3
) 1 (
) 0 (
8
1
8
1
1
8
1
)! 0 3 ( ! 0
! 3
8
1
0
3
) 0 (
= = = =

=
|
|
.
|

\
|
=
= = = =

=
|
|
.
|

\
|
=
= = = =

=
|
|
.
|

\
|
=
= = = =

=
|
|
.
|

\
|
=
X P f
X P f
X P f
X P f





PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
22


Grfico de f(x):




As funes densidade de probabilidade so extremamente teis, para generalizar o comportamento de variveis
aleatrias que seguem um determinado padro de comportamento. Por exemplo, consideremos o lanamento de uma
moeda n vezes. Podemos, ento, determinar a funo densidade de probabilidade para este caso genrico, n lanamentos,
e, a partir dela, calcularmos as probabilidades da varivel Xquantidade de caras, para qualquer nmero de lanamentos da
moeda.

No caso de 3 lanamentos, a expresso
8
1
3

|
|
.
|

\
|
x
pode ser escrita como
3
2
1
3
|
.
|

\
|

|
|
.
|

\
|
x
, onde 3 a quantidade de
lanamentos e
2
1
a probabilidade de se obter cara em um nico lanamento da moeda. Por analogia, se a quantidade de
lanamentos for n, o 3 ser substituido por n e a funo densidade passa a ser:

=
= |
.
|

\
|

|
|
.
|

\
|
=
n x
n x
x
n
x f
n
,..., 2 , 1 , 0 0
,..., 2 , 1 , 0
2
1
) (




Assim, no lanamento de uma moeda 10 vezes, a probabilidade de obtermos 4 caras ser dada por:

1024
210
2
1
4
10
) 4 ( ) 4 (
10
= |
.
|

\
|

|
|
.
|

\
|
= = = f X P


Agora, suponha que a probabilidade de se obter cara no nico lanamento de uma moeda seja
3
2
e no
2
1
. Qual
a expresso de f(x) para n lanamentos dessa moeda ?

A expresso
n
x
n
|
.
|

\
|

|
|
.
|

\
|
2
1
pode ser escrita como
x n x
x
n

|
.
|

\
|
|
.
|

\
|

|
|
.
|

\
|
2
1
2
1
, onde o primeiro
2
1
a probabilidade de
cara, resultado de interesse, e o segundo a probabilidade de coroa, veja que essas probabilidades so complementares.
Assim, se a probabilidade de cara agora
3
2
, a de coroa ser
3
1
e a expresso para f(x), em n lanamentos, por analogia,
passa a ser:

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
23

=
= |
.
|

\
|
|
.
|

\
|

|
|
.
|

\
|
=

n x
n x
x
n
x f
x n x
,..., 2 , 1 , 0 0
,..., 2 , 1 , 0
3
1
3
2
) (




Enfim, a situao acima pode ser generalizada para o caso de n repeties independentes de um experimento com
apenas dois resultados possveis, Ssucesso e Ffracasso, com probabilidades P(S)=p e P(F)=1-p=q. Assim, a varivel
aleatria Xquantidade de sucessos nas n repeties tem funo densidade de probabilidade dada por:

=
=
|
|
.
|

\
|
=

n x
n x q p
x
n
x f
x n x
,..., 2 , 1 , 0 0
,..., 2 , 1 , 0
) (





A varivel aleatria descrita acima dita ter DISTRIBUIO DE PROBABILIDADE BINOMIAL com parmetros n
e p, denotando-se por X~B(n,p).
FUNO DISTRIBUIO ACUMULADA DE PROBABILIDADE F(x)
A funo distribuio acumulada de probabilidade, em ambos os casos, discreto ou contnuo, uma funo que, se
aplicada a um valor x, fornece a probabilidade da varivel aleatria X assumir um valor menor ou igual a x:

) ( ) (
:
x X P x F
R R F
s =



No caso discreto temos:

s
= =
x x
i
i
x X P x F ) ( ) (



No exemplo do lanamento de uma moeda 3 vezes,com Xquantidade de caras, temos:










s s s
= = =
|
|
.
|

\
|
=
x x
i
x x
i
x x i i i i
x X P x f
x
x F ) ( ) (
8
1
3
) (

F(0) = P(X0) = P(X=0) = 1/8
F(1) = P(X1) = P(X=0)+P(X=1) = 1/8+3/8 = 4/8
F(2) = P(X2) = P(X=0)+P(X=1)+P(X=2) = 1/8+3/8+3/8 = 7/8
F(3) = P(X3) = P(X=0)+P(X=1)+P(X=2)+P(X=3) = 1/8+3/8+3/8+1/8 = 8/8 = 1


Observe que, para qualquer x pertencente aos reais, tem-se:

Se x<0 F(x)=0
Se 0x<1 F(x)=1/8
Se 1x<2 F(x)=4/8
x
i
P(X=x
i
) P(Xx
i
)
0 1/8 1/8
1 3/8 4/8
2 3/8 7/8
3 1/8 1
SOMA 1 -

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
24

Se 2x<3 F(x)=7/8
Se x3 F(x)=1




Grfico de F(x):


ESPERANA MATEMTICA (VALOR ESPERADO) E(X)
No caso discreto, a Esperana Matemtica de uma varivel aleatria X definida como:

=
= =
1
) ( ) (
i
i i
x X P x X E

A esperana matemtica de uma funo de X, g(X), dada por:

=
= =
1
) ( ) ( )) ( (
i
i i
x X P x g X g E

Para o lanamento de uma moeda 3 vezes, com Xquantidade de caras, temos:


3
8
24
8
1
3
8
3
2
8
3
1
8
1
0 ) ( ) (
2
3
8
12
8
1
3
8
3
2
8
3
1
8
1
0 ) ( ) (
2 2 2 2
4
1
2 2
4
1
= = + + + = = =
= = + + + = = =

=
=
i
i i
i
i i
x X P x X E
x X P x X E

















OBSERVAES

- fcil verificar que a Esperana Matemtica a mdia aritmtica dos valores da varivel X,
ponderados por suas probabilidades;

- A Esperana Matemtica indica a mdia dos valores observados de X em repetidas realizaes do
experimento. Por exemplo, a quantidade vendida de determinado produto em um ms uma
varivel aleatria e sua Esperana Matemtica a mdia mensal de vendas, ao longo do tempo.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
25




VARINCIA V(X)
A varincia de uma varivel aleatria definida como:

| |
2
) ( ) ( X E X E X V =


Desenvolvendo o segundo termo da expresso e aplicando as propriedades da esperana matemtica, que sero
vistas mais adiante, chega-se seguinte frmula alternativa (mais prtica e precisa) para o clculo da varincia:

| |
2 2
) ( ) ( ) ( X E X E X V =


















No lanamento da moeda 3 vezes, com Xquantidade de caras, temos:

| |
2
3
4
3
4
3
2
3
3 ) ( ) ( ) (
3 ) (
2
3
) (
2
2 2 2
2
2
= =
= |
.
|

\
|
= = =
= =
= =
X
X
X
X
X E X E X V
X E
X E
o
o



EXEMPLO

Um fabricante produz 10% de peas defeituosas (D) e 90% de peas no defeituosas (N). Se uma pea
defeituosa, o fabricante perde R$1,00 enquanto que se a pea no for defeituosa ele ganha R$5,00. Qual o ganho esperado
por pea produzida? E a varincia

f(-1) = P(X= -1) = P(D) = 0,10
f(5) = P(X=5) = P(N) = 0,90
E(X) = -1.f(-1) + 5.f(5) = (-1)(0,10) + (5)(0,90)
E(X) = -0,10 + 4,50 = R$4,40
E(X
2
) = (-1)
2
(0,10) + 5
2
(0,90) = 0,10 + 22,50 = 22,60
OBSERVAES IMPORTANTES

- Lembrando que a Esperana Matemtica a mdia dos valores da varivel aleatria e analisando a
definio de Varincia, verificamos que V(X) a mdia das distncias (ao quadrado) dos valores de
X em relao sua mdia E(X);

- O enunciado acima mostra que a Varincia uma medida indicativa do grau de disperso
(variabilidade) dos valores da varivel em torno de sua mdia, ou seja, quanto mais dispersos forem
os valores (grandes distncias em relao mdia), maior ser a Varincia;
- raiz quadrada da varincia, d-se o nome de Desvio Padro, denotado por
X
o
. Tambm
comum denotar a Varincia como
2
X
o e a Esperana como
X
.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
26

V(X) = 22,60 (4,40)
2
= 22,60 19,36 = 3,24 o = 1,80














VARIVEIS ALEATRIAS CONTNUAS
Seja X uma varivel aleatria. Diz-se que X uma varivel aleatria contnua se seu espao amostral S
X
um
intervalo ou um conjunto de intervalos reais.
FUNO DENSIDADE DE PROBABILIDADE
Se X uma varivel aleatria contnua e f(x) uma funo satisfazendo a:


1
0
0
=
e =
e >
}
+
-
X
X
f(x)dx
S x f(x)
S x f(x)
3)
2)
1)


Ento f(x) a funo densidade de probabilidade de X.

Diferente do caso discreto, a funo densidade de uma varivel aleatria contnua aplicada a um valor x no
fornece P(X=x). Para variveis contnuas, as probabilidades sero determinadas por reas sob f(x), lembrando que a rea
total sob f(x) igual a 1 (condio 3),logo, a rea sob a curva em determinado intervalo [a,b] a probabilidade de que X
assuma um valor dentro deste intervalo:




) ( ) (
1 ) (
b X a P dx x f
dx x f
b
a
s s =
=
}
}
+



Consequncias:

0 = = s s = =
< < = s < = < s = s s
}
c
c
f(x)dx c) X P(c c) P(X
b) X P(a b) X P(a b) X P(a b) X P(a
2)
1)




OBSERVAO

- Lembrando o que j foi ressaltado anteriormente, a Esperana Matemtica indica a mdia dos
valores observados de X em repetidas realizaes do experimento. Neste exemplo o experimento
consiste na fabricao de uma nica pea, de tal forma que em todo o seu processo de produo,
ao longo do tempo, o fabricante espera ganhar, em mdia, R$4,40 por pea produzida. Digamos
que ele produza 1.000.000 de peas em um ano, ento espera ganhar 1.000.000 x 4,40 =
R$4.400.000,00.

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
27

EXEMPLO




2
1
2
2
2
4
3
4
1
1
2
2
2 ) (
] 1 , 0 [ 0
1 0 2
4 / 3
4 / 1
2
4 / 3
4 / 1
1
0
2
1
0
= = = |
.
|

\
|
s s
= = =

e
s s
=
}
} }
+

x
xdx X P
x
xdx dx x f
x
x x
f(x)

FUNO DE DISTRIBUIO ACUMULADA DE PROBABILIDADE
Da mesma forma que no caso discreto, a Funo de Distribuio Acumulada de uma varivel contnua dada por
F(x)=P(Xsx), ento:

}

= s =
x
-
f(x)dx x) P(X F(x)


EXEMPLO

Seja X uma varivel aleatria com funo densidade de probabilidade dada por:
| |
| |

x
x x
f(x)

e
e
=
1 , 0 0
1 , 0 2


Sua funo de distribuio acumulada ser dada por:

>
s s
<
=
= + + = + + = >
= + = + = s s
= = <
} } }
} }
}



1 1
1 0
0 0
1 0 1 0 0 2 0 1
0 2 0 1 0
0 0 0
2
1
0 1
0
2
0
2
0
x
x x
x
F(x)
dx xdx dx F(x) x
x x xdx dx F(x) x
dx F(x) x
x
x
x
: ento
se
se
se















1
F(x)
0 1
2
0 1

OBSERVAO

- Se X uma varivel aleatria, discreta ou contnua, e F(x) a funo de distribuio de X, ento:

1 0 3
2
1 0 1
lim lim
= =
s <
e s s

F(x) e F(x) )
F(y) y F(x) ) se x
R x F(x) )
x x


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
28

ESPERANA MATEMTICA E VARINCIA
Para as variveis contnuas, a esperana e varincia, cujos significados j foram abordados no caso discreto, so
determinadas pelas expresses seguintes:

}
}
+

+

=
=
f(x)dx g(x) E[g(X)]
xf(x)dx E(X)

| |
2
) ( ) ( X E X E X V = ou | |
2 2
) ( ) ( ) ( X E X E X V =


EXEMPLO

Para a varivel aleatria com funo densidade de probabilidade dada por
| |
| |

, x
, x x
f(x)

e
e
=
1 0 0
1 0 2
, teremos:


18
1
3
2
2
1
) (
2
1
4
2
2 2
3
2
3
2
2 2
2
1
0
4
1
0
3
1
0
2 2 2
1
0
3
1
0
2
1
0
= |
.
|

\
|
= = = = = =
= = = = =
} } }
} } }
+

+

X V
x
dx x xdx x f(x)dx x ) E(X
x
dx x xdx x xf(x)dx E(X)

PROPRIEDADES DA ESPERANA MATEMTICA E VARINCIA
Se X uma varivel aleatria, discreta ou contnua, e c uma constante, as seguintes propriedades so verificadas:


ESPERANA VARINCIA

c c E
X cE cX E
c X E c X E
=
=
=
) (
) ( ) (
) ( ) (



3)
2)
1)

0 ) (
) ( ) (
) ( ) (
2
=
=
=
c V
X V c cX V
X V c X V



3)
2)
1)


EXEMPLO

Seja X uma varivel aleatria contnua com funo densidade de probabilidade dada por:

e
s s
s s +
=
] , [- x
x x
x x -
f(x)
1 1 0
1 0 1
0 1 1



Calcule E(X), E(X
2
), E(X+2) e E(2X
2
)


3
1
6
1
2 2 2
6
1
1 1
2 2 0 2 2 0 1 1
2 2
0
1
1
0
2 2 2
0
1
1
0
= = = = + + =
= + = + = + = + + =
} }
} }

. ) E(X ) X E( x)dx ( x x)dx ( x ) E(X


E(X) ) E(X x)dx x( x)dx x( E(X)

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
29

Calcule V(X), V(X+2) e V(2X)


6
1
0
6
1
3
2
6
1
4 2 2
6
1
1 1
6
1
2 0 1 1
2
2
0
1
1
0
2 2 2
0
1
1
0
= =
= = = = + + =
= = + = + + =
} }
} }

V(X)
V(X) X) V( x)dx ( x x)dx ( x ) E(X
V(X) ) V(X x)dx x( x)dx x( E(X)



EXEMPLO

A quantidade de falhas apresentadas por um certo tipo de equipamento uma varivel aleatria X com a seguinte
distribuio de probabilidade:

x P(X=x)
0 0,95
1 0,04
2 0,01

O custo de manuteno deste equipamento dado por C=1+5X. Qual o custo de manuteno esperado, por
equipamento?

E(X)=0x0,95 + 1x0,04 + 2x0,01 = 0,04 + 0,02 = 0,06
E(C)=E(1+5X) = E(1)+E(5X) = 1+5E(X) = 1+5x0,06 = 1,30
PRINCIPAIS VARIVEIS ALEATRIAS DISCRETAS
BINOMIAL B(n,p)
Seja
1
um experimento com apenas dois resultados possveis, S (sucesso) e F (fracasso), tal que P(S)=p e
P(F)=q=1-p. Seja o experimento que consiste em repetir n vezes, independentemente, o experimento
1
. Seja X a varivel
aleatria que d a quantidade de sucessos obtidos nas n repeties.


-p npq , q X) np V( E(X)
,...,n , , x
,...,n , , x p) ( p
x
n
f(x)
x n x
1
2 1 0 0
2 1 0 1
= = =

=
=
|
|
.
|

\
|
=





DETERMINAO DE f(x)

Considere a seguinte sequncia especfica:



_ _
n
x n x
F FFF S SSS

... ...


Onde x a quantidade de sucessos S e n-x a quantidade de fracassos F.
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
30



Assim, a probabilidade de ocorrncia desta sequncia especfica :


x n x
x n x
q p q qqq p ppp

=
_ _
... ...


A quantidade de sequncias com x sucessos e n-x fracassos dada pela permutao, com elementos repetidos, da
sequncia especfica considerada:


( )
|
|
.
|

\
|
=
x
n
x n x
n
! !
!

Ento, ( )
x n x
q p
x
n
x X P

|
|
.
|

\
|
= =



DETERMINAO DE E(X) e V(X)

A Distribuio Binomial (X) resultante da soma de n variveis aleatrias independentes (Y), com valores possveis
0 (fracasso) e 1 (sucesso) com probabilidades q e p, respectivamente. Ento:

q np pq pq pq Y V X V
np p p p Y E X E
pq p p p p Y V p p q Y E
p p q Y E
n
i
n
i
n
i
n
i

=
=
= + + + = =
= + + + = =
= = = = + =
= + =
1
1
2 2 2 2
... ) ( ) (
... ) ( ) (
) 1 ( ) ( 1 0 ) (
1 0 ) (
_
_




EXEMPLO

Sabe-se que uma determinada moeda apresenta cara 3 vezes mais freqentemente do que coroa. Essa moeda
lanada 5 vezes. Seja X o nmero de caras que aparecem. Estabelea a densidade de probabilidade discreta de X e calcule
a probabilidade de que o nmero de caras seja maior ou igual a 2 e menor ou igual a 4. Calcule E(X), V(X) e o.

=
= |
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
=
= =

3 , 2 , 1 , 0 , 0
3 , 2 , 1 , 0 ,
4
1
4
3
3
) (
4
1
) (
4
3
) (
3
x
x
x x f
K P C P
x x




PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
31

1024
765
1024
405 270 90
4
1
256
81
5
16
1
64
27
10
64
1
16
9
10
4
1
4
3
4
5
4
1
4
3
3
5
4
1
4
3
2
5
) 4 ( ) 3 ( ) 2 ( ) 4 2 (
1 4 2 3 3 2
=
+ +
= + + =
= |
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
+ |
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
= + + = s s f f f X P



4
15
16
15
16
15
4
1
4
3
5
4
15
4
3
5 = = = = = = V(X) E(X)
HIPERGEOMTRICA
Suponha que se tenha N objetos, dos quais R so de um tipo 1 e N-R de um tipo 2. Uma amostra no ordenada de
extenso nsN retirada, sem reposio, ao acaso. Seja X a varivel aleatria que d a quantidade de objetos do tipo 1 na
amostra.

=
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
,...,n , , x
,...,n , , x
n
N
x n
R N
x
R
x f
2 1 0
2 1 0
) (
0


1
1 1
1
1
N-
N-n
npq np e V(X) E(X)
N
R
p e q
N
R
p
N
n N
N
R
N
R
n (X) V
N
R
n E(X)
= = = = =

|
.
|

\
|
= =
fazendo




DETERMINAO DE f(x)

( )
( )
( ) S n
A n
x X P = =
onde S o espao amostral do experimento que consiste na retirada dos n objetos (no
ordenados e sem reposio) e A o evento formado pelos elementos de S que contm exatamente x objetos do tipo 1, ento
( )
|
|
.
|

\
|
=
n
N
S n
e
( )
|
|
.
|

\
|

|
|
.
|

\
|
=
x n
r N
x
R
A n
, logo,
( )
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
= =
n
N
x n
R N
x
R
x X P




EXEMPLO

Uma urna contm 15 bolas, sendo 10 brancas e 5 vermelhas. Uma amostra de extenso 4, no ordenada e sem
reposio, retirada ao acaso da urna. Seja X a varivel aleatria que d o nmero de bolas brancas na amostra.
Determine:

a) a densidade f de X
b) P(X=3)
c) E(X), V(X) e o


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
32

=
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
4 3 2 1 0 0
4 3 2 1 0
4
15
4
5 10
, , , , x
, , , , x
x x
f(x)






91
40
4
15
1
5
3
10
3 =
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
= =


) P(X

63
44
63
44
126
88
14
11
9
8
1 15
4 15
15
5
15
10
4
3
8
15
10
4
=
= = =

=
= =

V(X)
E(X)

GEOMTRICA
Seja
1
um experimento cujos resultados sejam sucesso S ou fracasso F, tal que P(S)=p e P(F)=q=1-p. Seja o
experimento constitudo da repetio, independentemente, de
1
at que ocorra um sucesso. Seja X a varivel aleatria que
d a quantidade de repeties necessrias para se obter um sucesso.

( )

=
=
=

,... 3 , 2 , 1 0
,... 3 , 2 , 1 1
1
x
x p p
f(x)
x



p q
p
q
X V
p
X E
= =
=
1 , ) (
1
) (
2




DETERMINAO DE f(x)

Os resultados possveis desse experimento so do tipo FFF...FS onde a quantidade de repeties x e a de
fracassos (F) x-1, de tal forma que ( ) ( )
1 1
1 ...

= = = =
x x
p p p q qp qqq x X P


EXEMPLO

Um dado lanado at que aparea um 6.

a) qual a probabilidade de que no mximo 6 lanamentos sejam necessrios?
b) Calcule E(X), V(X) e o


( )
30 30 36
6
5
6
1
6
5
6
6
1
1
6
5
1
6
5
6
5
6
5
6
5
6
5
6
5
6
5
6
1
6
2 1 0
2 1
6
5
6
1
6
5
6
1
1
6
1
2
6 6 5 4 3 2 1 0
1
= = = = = =
|
.
|

\
|
=
(
(

|
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
+ |
.
|

\
|
= s

=
= |
.
|

\
|

= = = =

V(X) E(X)
) P(X
,... , x
,... , x
(x) f - q p
x

BINOMIAL NEGATIVA (PASCAL)
Suponhamos que um experimento
1
tenha como resultados sucesso (S) ou fracasso (F), com P(S)=p e P(F)=1-p.
Seja o experimento que consiste em repetir o experimento
1
, independentemente, at que R sucessos ocorram. Seja X a
varivel que d a quantidade de repeties necessrias at que ocorram R sucessos.


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
33

( )
p q
p
q
R X V
p
R
X E
R R R x
R R R x p p
R
x
x f
R x R
= = =

+ + =
+ + =
|
|
.
|

\
|

=

1 ) ( ) (
,... 2 , 1 , 0
,... 2 , 1 , 1
1
1
) (
2
,
,
,


DETERMINAO DE f(x)


Os resultados possveis desse experimento so do tipo FFF...FSSS...SS onde a quantidade de repeties x, a de
sucessos (S) R e a de fracassos (F) x-R. A probabilidade da sequncia especfica acima dada por
( )
R x R R R x
p p p q p qppp qqq

= = 1 . ... . Como o ltimo resultado obrigatoriamente sucesso (S), a quantidade de
sequncias possveis dada pela permutao, com elementos repetidos, dos x-1 primeiros resultados:

( )
( ) ( )
|
|
.
|

\
|

=


1
1
! 1 !
! 1
R
x
R R x
x
, ento
( ) ( )
R x R
p p
R
x
x X P

|
|
.
|

\
|

= = 1
1
1
.


EXEMPLO


Um dado lanado at que o nmero 6 aparea 3 vezes.

a) qual a probabilidade de que exatamente 6 lanamentos sejam necessrios?
b) Calcule E(X), V(X) e o



( )
90 90 36
6
5
3
6
1
6
5
3 18
6
1
1
3
46656
1250
216
125
216
1
10
216
125
216
1
2
5
6
5
216
1
2
1 6
6
, 5 4 3 0
, 5 4 3
6
5
216
1
2
1
5 , 4 3 0
5 , 4 3
6
5
6
1
1 3
1
6
5
6
1
1
6
1
3
2
3
3 3 3
= = = = = =
= =
|
|
.
|

\
|
= |
.
|

\
|

|
|
.
|

\
|
= =

=
= |
.
|

\
|

|
|
.
|

\
|
=

=
= |
.
|

\
|
|
.
|

\
|

|
|
.
|

\
|

= = = = =

V(X) E(X)
) P(X
... , , x
... , , x
x
f(x)
,... , x
,... , x
x
f(x) - q p R
x x






POISSON
Seja X uma varivel aleatria discreta assumindo os valores 0,1,2,...,n,..., se sua densidade de probabilidade
dada por:


= =

=
=
=

) ( ) (
,... ,..., 2 , 1 , 0 0
,... ,..., 2 , 1 , 0
!
) (
X V X E
n x
n x
x
e
x f
x

,
,



PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
34


Ento X dita ter distribuio de Poisson com parmetro >0.

A expresso de f(x) pode ser obtida pela aproximao da Distribuio Binomial ou pelo Processo de Poisson, que
sero vistos mais adiante.



EXEMPLO

A mdia anual de acidentes em um determinado cruzamento no horrio de pico igual a 3. Se essa quantidade X
tem distribuio de Poisson, qual a probabilidade de, num ano, acontecer pelo menos um acidente no horrio de pico ?

9502 , 0 0498 , 0 1 1
! 0
3
1 ) 0 ( 1 ) 1 (
3 ) ( 3 ) (
,... ,..., 2 , 1 , 0 0
,... ,..., 2 , 1 , 0
!
3
) (
3
0 3
3
= = = = = = >
= =

=
=
=

e
e
X P X P
X V X E
n x
n x
x
e
x f
x


,
,

BINOMIAL x POISSON
Suponha uma varivel aleatria B(n,p), com n grande e p pequeno. Por exemplo, n=1.000 e p=0,0001. A
probabilidade de que X seja igual a 3 ser dada por:

997 3
1000
9999 , 0 0001 , 0
3
1000
) 3 ( ) 3 (
1000 ,..., 2 , 1 , 0 0
1000 ,..., 2 , 1 , 0 9999 , 0 0001 , 0
1000
) (
|
|
.
|

\
|
= = =

=
=
|
|
.
|

\
|
=


,
,

f X P
x
x
x x f
x x



Observa-se que o clculo das probabilidades nesta situao torna-se bastante difcil, que pode ser contornado pela
seguinte aproximao, fazendo-se p=/n, com >0:




( )
! x
e
1 e 1
! x n
1
n
1
n
1 j n
! x
n
1
n
1
n
1 j n
! x n
1
n
1
n
1 j n
! x
n
1
n
1
n
1 j n
! x n
1
n
1
n
1 x
1
n
2
1
n
1
1 1
! x
n
1
n
1 x
1
n
2
1
n
1
1 1
! x n
n
n ! x
) 1 x n )...( 2 n )( 1 n ( n
) x X ( P
) p 1 ( p
! x
) 1 x n )...( 2 n )( 1 n ( n
) p 1 ( p
)! x n ( ! x
! n
) p 1 ( p ) x X ( P
x x
x
n
n
n
x
1 j n
x
x
n
n
n
x
1 j n
x
x n
x
1 j
x
n
x n
x
1 j
x
x n
x
x n
x
x
x n x x n x x n x n
x
lim lim lim
lim lim lim lim

|
.
|

\
|
|
.
|

\
|
|
.
|

\
| +
=
=

|
.
|

\
|
|
.
|

\
|

|
|
.
|

\
| +
=

+
(

+
=
(

|
.
|

\
|
|
.
|

\
|
|
.
|

\
|

=
=
(

|
.
|

\
|
|
.
|

\
|
|
.
|

\
|

= |
.
|

\
|
|
.
|

\
| +
= =

+
=

= = =
[
[ [
[
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
35

Ento, quando n grande e p pequeno, as probabilidades da Binomial, B(n,p), correspondente podem ser
calculadas por uma distribuio de Poisson com parmetro =np:

np X V np X E
n x
n x
x
np e
x f
x np
= =

=
=
=

) ( ) (
,... ,..., 2 , 1 , 0 0
,... ,..., 2 , 1 , 0
!
) (
) (

,
,


A soluo do problema acima pode, ento, ser aproximada por:

0000000754 , 0
120
90484 , 0 00001 , 0
! 5
1 , 0
) 5 (
1 , 0 0001 , 0 1000
1 , 0 5
=

= =
= = =

e
f
np



EXEMPLO

Ao decolar de um porta-avies, determinado tipo de avio tem probabilidade muito pequena, p=0,0002, de se
perder por queda no mar. Qual a probabilidade de dois ou mais acidentes dessa natureza em n=500 decolagens?

| |
( ) 0 1 , 0 1
0045 , 0
! 1
1 , 0
! 0
1 , 0
1 ) 1 ( ) 0 ( 1 ) 2 ( 1 ) 2 (
,... 2 , 1 , 0
!
1 , 0
) ( 1 , 0 0002 , 0 500
1 , 0 01
1 , 0 1 1 , 0 0
1 , 0
= + =
=
|
|
.
|

\
|
+ = = + = = < = >
= = = = = =

e e
e e
X P X P X P X P
x
x
e
x X P np
x
,

PROCESSO DE POISSON
Muitos fenmenos podem ser vistos como uma quantidade de ocorrncias de um evento dentro de um determinado
intervalo, ou espao, contnuo. Se o intervalo for o tempo, podemos ter, por exemplo, a quantidade de chamadas que
chegam a determinada central telefnica, a quantidade de acidentes de trnsito em determinado cruzamento, etc. Se o
espao contnuo for o volume de gua em um reservatrio de uma cidade, as ocorrncias podem ser a quantidade de
bactrias dentro deste volume. Podemos ter tambm a quantidade de falhas numa pea de um cabo eltrico, aqui o espao
contnuo o comprimento da pea. Um fenmeno com as mesmas caractersticas dos descritos acima chamado de
Processo de Poisson, desde que satisfaa s seguintes condies:

1) Se X
t
a varivel aleatria que d a quantidade de ocorrncias de um evento no intervalo (espao) contnuo
t, e Xt a varivel que d a quantidade de ocorrncias em um intervalo pequeno t de t, ento a
probabilidade de x ocorrncias no intervalo t diretamente proporcional a t, ou seja, P(Xt=x)=t.

2) A probabilidade de duas ou mais ocorrncias em um mesmo intervalo pequeno t de t desprezvel, ou seja,
P(Xt2)~0;

3) Se t
1
e t
2
forem dois intervalos pequenos de t no-superpostos, ento a ocorrncia ou a no-ocorrncia de
um evento em t
1
no exercero influncia sobre a ocorrncia ou no-ocorrncia de um evento em t
2
, ou
seja, as variveis
1
t
X
A
e
2
t
X
A
so independentes.

Assim, a probabilidade de ocorrncia de x eventos em um intervalo (espao) contnuo de comprimento t dada por:
( )
( )
,... 2 , 1 , 0 ,
!
= = =

x
x
e t
x X P
t x
t

que a Distribuio de Poisson com parmetro t.




PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
36

EXEMPLO

Uma adutora apresenta vazamentos a uma taxa de 2 por 100 Km. Considerando que a quantidade de vazamentos
segue um Processo de Poisson, qual a probabilidade de ocorrer no mximo um vazamento num trecho de 500 km ?


( ) ( ) ( ) 000499 , 0 11 10
! 1
10
! 0
10
1 0 1
10 500
100
2
100
2
10 10 10
10 1 10 0
= = + = + = = + = = s
= = =


e e e
e e
X P X P X P
t

PRINCIPAIS VARIVEIS ALEATRIAS CONTNUAS
NORMAL N(,o
2
)
2
2
1
2
2
1
) V(X E(X)
x - e

f(x)

x
= =
+ < < =
|
.
|

\
|




As probabilidades envolvendo a Distribuio Normal podem ser determinadas atravs da utilizao da distribuio
Normal Padro, definida a seguir.
NORMAL PADRO (REDUZIDA) N(0,1)
Se X tem distribuio N(,o
2
), ento

X
Z

=
tem distribuio Normal com mdia 0 e varincia 1, ou seja
Z~N(0,1)

1 0
2
1
2
2
= =
= = s = + < < =
}

V(Z) E(Z)
f(z)dz (z) z) P(Z F(z) z - e

f(z)
z
z
-


Verificao:

1
1 1
0
2
2 2
= = = |
.
|

\
|
= |
.
|

\
|
= |
.
|

\
|
=
= = = |
.
|

\
|
|
.
|

\
|
= |
.
|

\
|
= |
.
|

\
|
=

V(X)

X
V

X
V

X
V V(Z)

E(X)

X
E

X
E

X
E E(Z)


As probabilidades de uma varivel aleatria X com distribuio N(,
2
) podem ser determinadas pela
transformao, de X em Z:

)
1 2 2 1
2 1
2 1
(z ) (z ) z Z P(z

x
Z

x
P ) x X P(x = s s = |
.
|

\
|
s s

= s s

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
37


Os valores de u(z), para z0, esto tabelados no Anexo 1.


EXEMPLO

O processo de fabricao de determinado objeto apresenta variaes de tal forma que seu comprimento final
uma varivel aleatria com distribuio Normal de mdia =10 cm e varincia o
2
=4 cm
2
. Qual a probabilidade de que um
objeto escolhido ao acaso tenha comprimento:

a) entre 6 cm e 12 cm ?
b) maior do que 11 cm ?
c) menor do que 5 cm ?

( ) ( ) ( ) ( ) ( ) ( ) | |
( ) 8185 0 0228 0 8413 0 9772 0 1 8413 0
2 1 1 2 1 1 2
2
10 12
2
10 6
12 6
, , - , , - - ,
- - Z P Z
-
P X P
= = =
= = = s s = |
.
|

\
|
s s = s s a)


( ) ( ) ( ) ( ) 3085 0 6915 0 1 5 0 1 5 0 1 5 0
2
10 11
11 , , , , Z P , Z P
-
Z P Z P = = = s = > = |
.
|

\
|
> = > b)


( ) ( ) ( ) ( ) ( ) 0062 0 9938 0 1 5 2 1 5 2 1 5 , 2 5 2
2
10 5
5 , , , , Z P Z P , Z P
-
Z P X P = = = s = > = < = |
.
|

\
|
< = < c)

BINOMIAL x NORMAL
Para uma distribuio B(n,p), quando n grande e p prximo a 0,5, suas probabilidades podem ser aproximadas
por uma distribuio Normal com mdia =np e varincia
2
=npq. Ou seja:


( ) npq np N p n B
p
n
, ) , (
lim
2
1
=



VERIFICAO

Como
~

n n e n n
n n
, t 2 !
(Frmula de Stirling), temos:

(
(

|
.
|

\
|

|
.
|

\
|

=
(
(

|
.
|

\
|

|
.
|

\
|

=
(
(

|
.
|

\
|

|
.
|

\
|

=
|
|
.
|

\
|

|
|
.
|

\
|
|
|
.
|

\
|

=

~

=
|
|
.
|

\
|


k n k k n k
k k n
k n k
n k n k
k n k
n
k n k
n
k n k
k n k n k k
n n
k n k k n k
k n
nq
k
np
k n k
n
k n
q
k
p
n n
k n k
n
k n
q
k
p
n
k n k
n
q p
k n k
n
e e
e
k n k
n
q p
k n e k n k e k
n e n
q p
k n k
n
q p
k
n
) ( 2 ) ( 2
1
) ( 2 ) ( ) ( 2 2
2
] ) ( 2 ) )[( 2 (
2
)! ( !
!
) (
) (
t t
t t t
t
t t
t

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
38

( )
e
e
e e
nq
p
x npq x nq
np
q
x npq x np
nq
p
x k n
np
q
x k
nq
p
x
np
q
x
nq
p
x
np
q
x
y
k n k
k n k
k n k
k n k k n k
k n k k n k
k n k
npq
npq
np k
x
npq
npq npq
y e
nq
p
x
np
q
x
npq
q p q p
nq
p
x
np
q
x
p p
n
n
k
p np k
nq
p
x
np
q
x
n
k
n
k
n
nq
p
x
np
q
x
n
k n
n
k
n
nq
p
x
np
q
x
n k n k
n
nq
p
x
np
q
x
n
n
k n k
n
nq
p
x
np
q
x
k n k
n
npq
np k
x
nq
k n
np
k
k n k
n
k n k k n k
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+ +
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+
(
(

|
|
.
|

\
|
+
|
|
.
|

\
|
+
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+

= =
= =
=
|
|
.
|

\
|

|
|
.
|

\
|
+ =
= = +
|
|
.
|

\
|

|
|
.
|

\
|
+

~

|
|
.
|

\
|

|
|
.
|

\
|
+
|
.
|

\
|

=
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+

=
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+

=
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+

=
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+

=
(
(

|
|
.
|

\
|
|
|
.
|

\
|

=

1 ln ) ( 1 ln ) (
1 ln ) ( 1 ln
1 ln 1 ln 1 1 ln
) ln(
) (
) (
1
) (
1
) (
1
) (
2
1
) (
2
2
) (
) (
2
1
2
1
2
1
2
1
1 1
2
1
1 1 1 1
1 2
1 1
1 2
1 1
) (
2
1 1
) ( 2
1 1
) ( 2
1 1
) ( 2
) ( 2
) ( ) (
t
t
t t
t
t
t
t
t
t t
t
;
;
;
;

;

Aplicando a expanso da Srie de Taylor para as funes ln(1x), temos:

( ) ( )
e e e
e e e
e e
e e
npq
np k
npq
np k
x
x p q x p x npq x q x npq x
p x npq x q x npq x p x p x npq x q x q x npq x
nq
p x
nq
p
x npq x nq
np
q x
np
q
x npq x np
nq
p
x npq x nq
np
q
x npq x np
npq npq npq
npq npq npq
npq npq
npq npq
(
(

(
(

|
|
.
|

\
|

+
(

+
(

|
.
|

\
|
+ + |
.
|

\
|
+ +
(

|
.
|

\
|
+ + |
.
|

\
|
+ +
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+ +
(
(

|
|
.
|

\
|

|
|
.
|

\
|
+ +
= = ~
= = =
= =
=
2
) (
2
1
2
1
...
2
1
... ) (
2
1
...
2
1
2
1
...
2
1
...
2
1
...
2
1
...
2
1
...
2
...
2
1 ln ) ( 1 ln ) (
2
2
2
2 2 2 2
2 2 2 2 2 2
2 2
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
t t t
t t t
t t
t t





PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
39

Ento

e
npq
np k
k n k
npq
q p
k
n
(
(

~
|
|
.
|

\
|
2
) (
2
2
1
t



EXEMPLO

No lanamento de uma moeda 500 vezes, qual a probabilidade de que sejam obtidas pelo menos 270 caras ?

A varivel original
|
.
|

\
|
2
1
, 500 B
, deseja-se calcular P(X270)=1-P(X<270)=1-P(X269), aproximando-se pela
distribuio normal tem-se;


( ) 125 , 250
2
1
, 500
125
2
1
2
1
500 250
2
1
500
2
1
500
N B
npq np
p n
|
.
|

\
|
= = = =
= =



( )
( ) 0446 , 0 9554 , 0 1 70 , 1 1
125
19
1
125
19
125
250 269
269
= = u =
=
|
|
.
|

\
|
u =
|
|
.
|

\
|
u =
|
|
.
|

\
|
u = s X P

UNIFORME

12 2
0
1
2
a) (b
V(X)
b a
E(X)
a b
a x
F(x)
[a,b] x
[a,b] x
a b f(x)

=
+
=

e
e
=



a b
a x
a) (x
a b
t
a b
dt
a b
dt
a b
F(x)
x
a
x
a
x
a

=
} }
1 1 1 1


2 2
1
2
1
2 2
1
2
1 1 1
2 2 2 2 2
b a a) a)(b (b
a b
a b
a b
a b
a b
x
a b
xdx
a b
dx
a b
x E(X)
b
a
b
a
b
a
+
=
+

=
|
|
.
|

\
|

=
|
|
.
|

\
|

=
} }

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
40

12 12
2
12
3 6 3 4 4 4
4
2
3 2 3
3
3
1
3
1
3 3
1
3
1 1 1
2 2 2
2 2 2 2 2 2 2 2
2
2 2
2 2
2 2 3 3 3 3 3
2 2 2
a) (b a ba b
b ab a a ab b b ab a a ba b b a a ba b
V(X)
a ba b
a ba a)(b (b
a b
a b
a b
a b
a b
x
a b
dx x
a b
dx
a b
x ) E(X
b
a
b
a
b
a

=
+
=
=
+ +
=
+ +

+ +
= |
.
|

\
| +

+ +
=
+ +
=
=
|
|
.
|

\
| + +

=
|
|
.
|

\
|

=
|
|
.
|

\
|

=
} }
ento



EXEMPLO

O peso de determinado objeto uniformemente distribudo em [3,5]

a) determine f(x)
b) calcule P(3,5sXs4,5)
c) calcule E(X), V(X) e o

e
e
=

e
e
=
] , [ x
] , [ x
f(x)
] , [ x
] , [ x
- f(x) a
5 3 0
5 3
2
1
5 3 0
5 3
3 5
1
)


}
= = =

= = = s s
5 4
5 3
5 4
5 3
2
1
50 5 0
2
1
2
5 3 5 4
2
1
5 4 5 3 )
,
,
,
,
% ,
, ,
x dx ) , X , P( b


3
1
3
1
3
1
12
4
12
3 5
4
2
8
2
5 3
)
2
= = = = = = =
+
=
) - (
V(X) E(X) c
EXPONENCIAL
2
1 1
1
0 0
0 0

) V(X

E(X)
e F(x)
x
, x e
f(x)
x
x
= =
=

s
> >
=



x x
x
t
x
x
u u
x
t
e ) e (e e e du e F(x)
dt du t u dt e x F

= = = = =
= = =
}
}
1
) (
0
0
0 0
0


fazendo


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
41

dx e

dx e xe E(X)
dx , e du -e v x dx e u e dv dx , e x E(X)
x x x
x - x x
1 1
1
0 0
0
0
0
= = + =
= = = = =
=


} }
}
_
_
: ento temos fazendo



Procedendo analogamente a E(X), encontramos
( )

X E
2
2
2
=
, ento:
2
2
2
1 1 2

V(X) = |
.
|

\
|
=



EXEMPLO

Suponha que o tempo (min) das chamadas telefnicas de uma determinada cidade tenha distribuio exponencial
com parmetro =0,5. Determine:

a) f(x)
b) F(x)
c) a probabilidade de que uma ligao dure entre 1 min e 3 min
d) E(X) e V(X)

s
>
=
0 0
0 5 0
5 0
x
x e ,
f(x)
x , -


x , x
e e F(x)
5 0
1 1

= =



( ) ( ) % , , , , e e e -e ) )-F( F( ) X P(
, , , , -
34 38 3834 0 2231 0 6065 0 1 1 1 3 3 1
5 1 5 0 1 5 0 3 5 0
= = = = = = s s



2
2
4
5 0
1
2
5 0
1
min o) conversa de mdio ( tempo min = = = =
,
V(X)
,
E(X)
EXPONENCIAL x POISSON
Se X
t
um Processo de Poisson, j vimos que a probabilidade de ocorrncia de x eventos em um intervalo
(espao) contnuo de tamanho t dada pela Distribuio de Poisson:
( )
( )
,... 2 , 1 , 0
!
= = =

x
x
e t
x X P
t x
t
,

, onde a taxa de ocorrncias por unidade de t.


Seja T a varivel aleatria que d a distancia a partir de um ponto qualquer at a primeira ocorrncia do evento
.
Para facilitar o entendimento, vamos considerar que T o tempo de espera decorrido at a primeira ocorrncia de
um evento a partir de um instante qualquer. Assim, podemos denotar a probabilidade de que este tempo de espera seja
superior a t por P(T>t) e a probabilidade de que seja inferior ou igual a t por P(Tt)=1-P(T>t).

fcil perceber que a afirmao de que o tempo de espera at a primeira ocorrncia do evento superior a t
equivalente a afirmar que no existe qualquer ocorrncia do evento no intervalo t, ou seja, P(T>t)=P(X
t
=0), ento:

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
42

( ) ( ) ( )
( )
t
t
t
e
e t
X P t T P t T P

= = = = > = s 1
! 0
1 0 1 1
0
que a Funo de Distribuio
Acumulada de uma varivel aleatria Exponencial com parmetro , cuja derivada igual a
t
e


, sua Funo Densidade
de Probabilidade.


EXEMPLO

As mensagens destinadas a um determinado centro de atendimento chegam a uma taxa de 5 por minuto. Qual a
probabilidade de que o tempo de espera para o recebimento de uma mensagem seja inferior a 3 min ?


( ) 4512 , 0 5488 , 0 1 1 1 3
5
1
5
3
3
5
1
= = = = s
=

e e T P
) ( minuto por mensagens




EXEMPLO

Uma adutora apresenta vazamentos a uma taxa de 2 por 100 Km. Considerando que a quantidade de vazamentos
segue um Processo de Poisson, qual a probabilidade de percorrermos no mnimo 500 Km dessa adutora at encontrarmos
um vazamento ?


( ) 0000454 , 0 500
02 , 0
100
2
10 500 02 , 0
= = = >
= =

e e T P
km) por s (vazamento



PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
43

EXERCCIOS GRUPO I
1) Uma varivel aleatria X tem a seguinte distribuio de probabilidade:

X P(X=x)
1 3/a
2 5/a
3 7/a
4 9/a
5 11/a

2) Uma urna contm 1 bola marcada com o n
o
1, 2 com o n
o
2, e assim sucessivamente at n bolas marcadas com o n
o
n.
Uma bola retirada dessa urna. Seja X a varivel aleatria que associa a bola retirada ao seu nmero. Determine a
funo densidade de probabilidade f(x) e a funo de distribuio acumulada de probabilidade F(x) e esboce seus
grficos. Determine E(X) e V(X). Para n=6, calcule P(X=3), P(X>2), P(2sXs4), E(X) e V(X).

3) Suponha que uma urna contenha n bolas numeradas de 1 a n. Duas bolas so retiradas sucessivamente, com
reposio, da urna. Se X=mximo(x
1
,x
2
), determine f(x), F(x), E(X) e V(X).

4) Seja (a
ij
) uma matriz real (todos os seus termos so nmeros reais), com n linhas e m colunas. Dois jogadores, A e B,
participam de um jogo que consiste no seguinte: o jogador A seleciona uma linha da matriz escolhendo ao acaso um
nmero de 1 a n enquanto B seleciona uma coluna escolhendo ao acaso um nmero de 1 a m. Se i e j forem as
escolhas de A e B, respectivamente, B pagar a A uma quantia equivalente a a
ij
se a
ij
>0, caso a
ij
<0 ento ser A que
pagar a B o equivalente a a
ij
, se a
ij
=0 no haver pagamento. Seja X a varivel aleatria que d o ganho do jogador A,
que ser negativo se B ganhar. Considerando que as escolhas feitas por A e B so independentes, determine o ganho
esperado do jogador A, nos seguintes casos:

a) Se n=m=2, p a probabilidade de A selecionar i=1, p a probabilidade de B selecionar j=1 e
|
|
.
|

\
|


=
|
|
.
|

\
|
1 1
1 1
22 21
12 11
a a
a a

b) Se m e n so quaisquer, sendo p
i
a probabilidade de A escolher o nmero i e p
j
a probabilidade de B escolher o
nmero j

5) Considerando a situao do item (a) do problema 4, verificar que, no caso de p>1/2, tem-se:

a) E(X)=0 para p=1/2

b) E(X) assume valor mximo 2p-1, para p=1

6) Num jogo que consiste no lanamento de um dado 3 vezes, um apostador paga R$ 2,00 para entrar no jogo mas ganha
R$ 3,00 por cada n
o
6 que aparece. Qual o ganho esperado desse apostador?

7) Um exame falso-verdadeiro constitudo de 10 questes. Qual a probabilidade de se obter 70% ou mais de respostas
certas ? Exatamente 70% ? Determine o valor esperado e a varincia da quantidade de questes certas.

8) Um exame constitudo de 20 questes, cada questo com 5 itens, sendo 4 errados e 1 certo. Qual a probabilidade de
se acertar 60% ou mais das questes ? Determine o valor esperado e a varincia da quantidade de questes certas.

9) Qual a probabilidade de se encontrar 2 ou menos peas defeituosas em um pacote de 5 peas retiradas, sem
reposio, de um lote contendo 6 peas boas e 4 com defeito ? Determine o valor esperado e a varincia da
quantidade de peas defeituosas no pacote de 5 peas.

10) A probabilidade de um acesso bem sucedido a determinada pgina na Internet 0,8. Supondo que tentativas de
acesso sejam feitas at que tenha ocorrido 1 acesso bem sucedido:

a) Qual a probabilidade de que exatamente 6 tentativas sejam necessrias ?
b) Qual a probabilidade de que menos de 6 tentativas sejam necessrias ?
c) Qual a probabilidade de que mais de 3 tentativas sejam necessrias ?
d) Qual a probabilidade de que mais de 1 tentativa sejam necessrias ?
e) Qual a quantidade esperada de tentativas, e a varincia ?
a) determine o valor de a
b) determine f(x) e F(x)
c) esboce os grficos de f(x) e F(x)
d) calcule E(X) e V(X)
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
44


11) Resolva o problema anterior para que tenham ocorrido 3 acessos bem sucedidos.

12) Seja X uma varivel aleatria com funo densidade de probabilidade dada por:

e
s s +
s s
s s
=
] 3 0 [ 0
3 2 3
2 1
1 0
) (
, x
x a -ax
x a
x ax
x f







13) Seja X uma varivel aleatria Binomial, B(4,1/2)

a) Determine f(x) e esboce seu grfico
b) Determine F(x) e esboce o seu grfico
c) Calcule P(1<Xs2); P(1sXs2); P(1<X<2) e P(1sX<2)
d) Calcule E(X) e V(X)

14) O tempo de durao, em mil horas, de determinado equipamento uma varivel aleatria com funo densidade de
probabilidade dada por:

( )
( )
| |

e
s s
< s
=
3 , 1 0
3 2 3
2 1 1
) (
x
x x k
x x- k
x f
,
,
,


a) Determine o valor de k, a funo de distribuio acumulada de probabilidade F(x), E(X) e V(X). Esboce os grficos
de f(x) e F(x).
b) O lucro lquido (do fabicante) por equipamento dado por
X C C L
2 1
=
, qual o lucro esperado do fabricante, por
equipamento ?
c) Determinado comprador ganha, por equipamento, R$5,00 se o mesmo durar entre 1,5 e 2,5 mil horas e perde
R$2,00 caso contrrio. Qual o ganho esperado do comprador, por equipamento ?

15) Na produo de petrleo a temperatura de distribuio T (
o
C) decisiva na determinao da qualidade do produto final.
Suponha que T seja uma varivel aleatria uniformemente distribuda em (150,300). Admita-se que produzir um galo
de petrleo custa C
1
dlares. Se o leo for destilado uma temperatura menor do que 200
o
C o produto conhecido
como NAFTA e se vende por C
2
dlares por galo. Se o leo for destilado uma temperatura maior, do que 200
o
C o
produto denominado LEO REFINADO DESTILADO e se vende por C
3
dlares por galo. Determine o lucro lquido
esperado por galo.

16) A probabilidade de que um pacote de mensagens enviado a partir de certo dispositivo no chegue ao seu destino p.
Suponha que duas mensagens devem ser enviadas ao custo de c
1
e c
2
respectivamente. Deve-se decidir em enviar as
mensagens em um nico pacote ou em pacotes separados. Trs critrios de deciso podem ser adotados: (I) escolher
a forma de envio para a qual o valor esperado da perda seja mnimo; (II) escolher a forma de envio que tenha maior
probabilidade de chegada de ambas as mensagens e (III) escolher a forma de envio para a qual a probabilidade de
chegada de pelo menos uma das mensagens maior. Qual deve ser a deciso, para cada um dos critios?

17) O dimetro de um cabo eltrico normalmente distribudo com mdia 0,8 e varincia 0,0004.

a) Qual a probabilidade de que o dimetro de um cabo escolhido ao acaso ultrapasse 0,81?
b) Se o dimetro do cabo diferir da mdia em mais de 0,02 le considerado defeituoso. Qual a
probabilidade de se encontrar um cabo defeituoso?
c) Se o cabo for defeituoso, o fabricante perde R$0,01. Se seu dmetro estiver entre a mdia e 0,78, o
fabricante ganha R$0,05 e se estiver entre a mdia e 0,82 le ganha R$0,10. Qual o ganho esperado por
cabo?
d) Qual deve ser o dimetro de um orifcio de modo que 95% dos cabos passem pelo mesmo ?
e) Em um lote de 5 cabos, qual a probabilidade de que exatamente 3 sejam defeituosos ?

a) Determine o valor de a para que f(x) seja realmente uma funo densidade
de probabilidade
b) Esboce o grfico de f(x)
c) Determine F(x) e esboce seu grfico
d) Calcule P(1/2sXs5/2), P(1/2sX<5/2), P(1/2<Xs5/2) e P(1/2<X<5/2)
e) Calcule E(X) e V(X)

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
45

18) A altura, em metros, das pessoas que frequentam determinado restaurante tem distribuio normal N(1,60;0,04). Qual
deve ser a altura da porta do restaurante para que 90% das pessoas no tenham que se abaixar para ultrapass-la?

19) A probabilidade de que um certo tipo de pea seja defeituosa 0,40. Num lote de 10 peas, qual a probabilidade de
que no mximo 1 tenha defeito ? (utilize as distribuies Binomial e Normal e compare os resultados)

20) A durao das chamadas telefnicas de determinada central tem distribuio exponencial com parmetro . Se a
durao mdia dessas chamadas de 3 min, qual a probabilidade de que em 5 chamadas pelo menos uma dure
menos de 1,5 min ?

21) Um nmero X escolhido ao acaso no intervalo [1,4]. Calcular:

a) A probabilidade de que o nmero escolhido esteja entre 2 e 3
b) Entre 0,5 e 2,5
c) seja exatamente o 2
d) Calcule a esperana e a varincia de X

22) A incidncia anual de poliomielite, num determinado pas, de 3 casos por 100.000 pessoas. Supondo esse dado
fidedigno, qual a probabilidade de ocorrerem no mximo 5 casos anuais, numa cidade com 60.000 habitantes?

23) Uma certa liga formada pela unio da mistura em fuso de dois metais. A liga resultante contm uma certa
porcentagem X de chumbo que pode ser considerada uma varivel aleatria com funo densidade de probabilidade
dada por:

e
s s
=

[0,100] x 0
100 X 0 ) 100 ( 10
5
3
) (
5
x x
x f . Suponha que P, o lucro lquido obtido pela venda dessa liga (por
libra) seja a seguinte funo da porcentagem contida: P=C
1
+C
2
X. Calcule o lucro lquido esperado (por libra).


24) Suponha que um dispositivo eletrnico tenha uma durao de vida X (em unidades de 1.000 horas), a qual
considerada uma varivel aleatria contnua com funo densidade de probabilidade dada por

s
>
=

0 0
0
x
x e
f(x)
x
.
Suponha que o custo de fabricao de um desses dispositivos seja US$2,00. O fabricante vende a pea por US$5,00
mas garante o reembolso total se Xs0,9. Qual ser o lucro esperado, por pea fabricada ?

25) Considere a implantao de uma central telefnica em um escritrio com n telefones individuais e uma certa quantidade
de linhas que permitam ligaes externas. Se a probabilidade de que cada um desses telefones se encontre ocupando
uma linha externa num momento qualquer for igual a p, qual o nmero mnimo de linhas externas que a central deve ter
para se ter uma probabilidade no inferior a 0,95 de haver, a qualquer momento, linha externa disponvel para uma
pessoa que necessite fazer uma ligao externa?
EXERCCIOS GRUPO II
1) Sendo X uma varivel aleatria e c uma constante, mostre que:


0 ) ( ) (
) ( ) ( ) ( ) (
) ( ) ( ) ( ) (
2
= =
= =
= =
c V c c E
X V c cX V X cE cX E
X V c X V c X E c X E
f) c)
e) b)
d) a)



2) Mostre que
2 2
)} ( { ) ( ) ( X E X E X V =

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
46

3) Se X uma varivel aleatria com mdia e varincia
2
o , mostre que a varivel
o

=
X
Z tem mdia 0 e
varincia 1, ou seja, E(Z)=0 e V(Z)=1.


PARA OS PROBLEMAS 4,5 E 6, CONSIDERE AS SEGUINTES PROPRIEDADES DA ESPERANA E DA VARINCIA:

tes independen so se , b)
a)
n n n
n n
X X X X V X V X V X X X V
X E X E X E X X E(X
,..., , ) ( ... ) ( ) ( ) ... (
) ( ... ) ( ) ( ) ...
2 1 2 1 2 1
2 1 2 1
+ + + = + + +
+ + + = + + +



4) Seja E1 um experimento com apenas 2 resultados possveis, S (sucesso) e F (fracasso), com probabilidades p e q,
respectivamente, de ocorrerem. Sejam E o experimento que consiste em n repeties, independentes, de E1 e X a
varivel aleatria que d a quantidade de sucessos obtidos nas n repeties (DISTRIBUIO BINOMIAL). Mostre que:

npq X V np X E ,...,n , , x q p x X P
x n x
n
x
= = =
|
.
|

\
|
= =

) ( ) ( 2 1 0 ) ( c) b) , a)

5) Seja E1 um experimento com apenas 2 resultados possveis, S (sucesso) e F (fracasso), com probabilidades p e q,
respectivamente, de ocorrerem. Sejam E o experimento que consiste em repetir E1, independentemente, at que r
sucessos ocorram e X a varivel aleatria que d a quantidade de repeties necessrias at se obter os r sucessos.
(DISTRIBUIO BINOMIAL NEGATIVA OU DE PASCAL). Mostre que:

2
) ( ) ( 2 1
1
1
) (
p
rq
X V
p
r
X E ,... ,r r,r x q p
r
x
x X P
x-r r
= = + + =
|
|
.
|

\
|

= = c) b) , a)

6) Seja E1 um experimento com apenas 2 resultados possveis, S (sucesso) e F (fracasso), com probabilidades p e q,
respectivamente, de ocorrerem. Sejam E o experimento que consiste em repetir E1, independentemente, at que 1
sucesso ocorra e X a varivel aleatria que d a quantidade de repeties necessrias at se obter 1 sucesso
(DISTRIBUIO GEOMTRICA DISCRETA). Mostre que:

2
1
) (
1
) ( 3 2 1 ) (
p
q
X V
p
X E ,... , , x pq x X P
x
= = = = =

c) b) , a)

PARA OS PROBLEMAS 5 E 6, VEJA: MEYER. P.L. Probabilidade - Aplicaes Estatstica



7) Mostre que as seguintes funes so densidades de probabilidade. Determine F(X), E(X), V(X) e esboce os grficos de
f(x) e F(x):

Uniforme o Distribui
,
,

e
e
=
] , [ 0
1
) (
b a x
[a,b] x
a b x f

l Exponencia o Distribui
,
, , e
x -

<
> >
=
0 0
0 0
) (
x
x
x f





8) Sendo X uma varivel aleatria ) , (
2
o N , determine (x,y) do ponto mximo e dos pontos de inflexo de f(x).

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
47

SOLUO - EXERCCIOS DE PROBABILIDADE GRUPO I

EXERCCIO 1

B A x a e )
B A x b e )
B A x c e )
B A x d e )
( ) ( ) B A B A x e e )
( ) B A x f e )
B A B x A x g _ e e )
B A h )
B A i )
| = B A j )

EXERCCIO 2

B A B x A x a _ e e )
C B A x b e )
C B A x c e )
C B A x d e )
( ) ( ) ( ) B A C C A B C B A x e e )
( ) ( ) ( ) ( ) C B A B A C C A B C B A x f e )
( ) ( ) ( ) ( ) C B A C B A C B A C B A x g e )
( ) ( ) ( ) A C B B C A C B A x h e )
( ) C B A x i e )
( ) B C A x j e )
( ) C B A x k e )


EXERCICIO 3

COM REPOSIO:

3
3 , 5
5 ) ( = =
-
A S n
5
3
5
5 3
) ( ) ( )
3
2
*
2 , 5
*
1 , 3
=

= = - - A P A A A n b A a
5
3
) ( ) ( ) = - - A P a b A b i tem ao anl ogo
5
3
) ( ) ( ) ( ) = - - A P b e a b A c i tens aos anl ogo
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
48

SEM REPOSIO: Basta utilizar ARRANJO SIMPLES, os resultados sero os mesmos anteriores, todos iguais a
5
3


EXERCCIO 4

uma generalizao do exerccio 3.

COM REPOSIO:
M
M
A
A A
A P A A A n
A S n
w
n M
n M M
n M M
n M
w
w
=

= =
=

*
,
*
1 ,
*
1 ,
*
1 ,
*
1 ,
*
,
) ( ) (
) (


SEM REPOSIO:
M
M
A
A A
A P A A A n
A S n
w
n M
n M M
n M M
n M
w
w
=

= =
=

,
1 , 1 ,
1 , 1 ,
,
) ( ) (
) (


OBS: faa o desenvolvimento dos arranjos e as simplificaes necessrias.


EXERCCIO 5

Populao: 2 bolas vermelhas e 3 amarelasN=5.

Amostra (ordenada sem repetio):
60
! 2
! 5
) ( 3
3 , 5
= = = = A S n n


60
36
) ( 36
! 2 ! 1
! 3
! 1
! 3
! 1
! 2
) (
2 , 1
3 2 , 3 1 , 2
= = = = A P P A A A n vaa A


1
60
60
) ( 60 6 36 18
! 0
! 3
! 1 ! 2
! 3
! 1
! 2
! 1
! 3
! 2 ! 1
! 3
! 0
! 2
! 2
! 3
) (
3 , 3
1 , 2
3 1 , 2 2 , 3
2 , 1
3 2 , 2 1 , 3
= = = + + = + + =
= + + =
B P
A P A A P A A B n aaa aav avv B ou ou


60
54
) ( 54 36 18
! 1 ! 2
! 3
! 1
! 2
! 1
! 3
! 2 ! 1
! 3
! 0
! 2
! 2
! 3
) (
1 , 2
3 1 , 2 2 , 3
2 , 1
3 2 , 2 1 , 3
= = + = + =
= + =
C P
P A A P A A C n aav avv C ou



EXERCCIO 6

Populao: 2 bolas vermelhas e 3 amarelasN=5

Amostra (no ordenada sem repetio): 5
! 1 ! 4
! 5
) ( 4
4 , 5
= = = = C S n n
5
3
) ( 3 3 1
! 1 ! 2
! 3
! 0 ! 2
! 2
) (
2 , 3 2 , 2
= = = = = A P C C A n vvaa A


5
2
) ( 2 1 2
! 0 ! 3
! 3
! 1 ! 1
! 2
) (
3 , 3 1 , 2
= = = = = B P C C B n vaaa B


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
49

0 ) ( = = C P C avvv C |


1
5
5
) ( 5 2 3 2 1 1 3
! 1 ! 1
! 2
! 0 ! 3
! 3
! 0 ! 2
! 2
! 1 ! 2
! 3
0 ) (
1 , 2 3 , 3 2 , 2 2 , 3
= = = + = + = + =
= + + =
D P
C C C C D n aaav aavv avvv D ou ou



EXERCCIO 7

Populao: 2 bolas vermelhas e 3 amarelasN=5.

Amostra (no ordenada com repetio):
70
! 4 ! 4
! 8
) ( 4
4 , 8 4 , 5
= = = = =
-
C C S n n


70
18
) ( 18 6 3
! 2 ! 2
! 4
! 1 ! 2
! 3
) (
2 , 4 2 , 3 2 , 3 2 , 2
= = = = = =
- -
A P C C C C A n vvaa A


70
20
) ( 20 10 2
! 2 ! 3
! 5
! 1 ! 1
! 2
) (
3 , 5 1 , 2 3 , 3 1 , 2
= = = = = =
- -
B P C C C C B n vaaa B


70
12
) ( 12 4 3
! 1 ! 3
! 4
! 2 ! 1
! 3
) (
3 , 4 1 , 3 3 , 2 1 , 3
= = = = = =
- -
C P C C C C C n avvv C


70
50
) ( 50 20 18 12
2 10 3 6 4 3
! 1 ! 1
! 2
! 2 ! 3
! 5
! 1 ! 2
! 3
! 2 ! 2
! 4
! 1 ! 3
! 4
! 2 ! 1
! 3
) (
1 , 2 3 , 5 2 , 3 2 , 4 3 , 4 1 , 3
1 , 2 3 , 3 2 , 2 2 , 3 3 , 2 1 , 3
= = + + =
= + + = + + = + + =
= + + =
- - - - - -
D P
C C C C C C
C C C C C C D n aaav aavv avvv D ou ou


70
5
) ( 5
! 1 ! 4
! 5
) (
4 , 5 4 , 2
= = = = =
-
E P C C E n vvvv E


70
15
) ( 15
! 2 ! 4
! 6
) (
4 , 6 4 , 3
= = = = =
-
E P C C F n aaaa F



EXERCCIO 8

Populao: 2 bolas vermelhas e 3 amarelasN=5.

Amostra (ordenada com repetio):
625 5 ) ( 4
4
4 , 5
= = = =
-
A S n n


625
216
) ( 216 6 9 4 6 3 2 ) (
2 2 2 , 2
4 2 , 3 2 , 2
= = = = =
- -
A P P A A A n vvaa A


625
216
) ( 216 4 27 2 4 3 2 ) (
3 1 3 , 1
4 3 , 3 1 , 2
= = = = =
- -
B P P A A B n vaaa B


625
96
) ( 96 4 8 3 4 2 3 ) (
3 1 3 , 1
4 3 , 2 1 , 3
= = = = =
- -
C P P A A C n avvv C


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
50

625
114
) ( 114 54 36 24 2 27 4 9 8 3 2 3 2 3 2 3
) (
1 3 2 2 3 1
1 , 2 3 , 3 2 , 2 2 , 3 3 , 2 1 , 3
= = + + = + + = + + =
= + + =
- - - - - -
D P
A A A A A A D n aaav aavv avvv D ou ou


625
16
) ( 16 2 ) (
4
4 , 2
= = = =
-
E P A E n vvvv E


625
81
) ( 81 3 ) (
4
4 , 3
= = = =
-
E P A F n aaaa F



EXERCCIO 9


Populao: N=10

Amostra (no ordenada sem reposio):
120
! 7 ! 3
! 10
) ( 3
3 , 10
= = = = C S n n


120
10
) ( 10
! 3 ! 2
! 5
1 ) ( ] 5 [ ] 5 [ ] 5 [
2 , 5
= = = = > > A P C A n A


120
6
) ( 6
! 2 ! 2
! 4
1 ) ( ] 5 [ ] 5 [ ] 5 [
2 , 4
= = = = < < B P C B n B




EXERCCIO 10


Populao: N=10

Amostra (ordenada sem reposio):
90
! 8
! 10
) ( 2
2 , 10
= = = = A S n n


90
8
) ( 8 ) ( )} 4 , 6 ( ); 6 , 4 ( ); 3 , 7 ( ); 7 , 3 ( ); 2 , 8 ( ); 8 , 2 ( ); 1 , 9 ( ); 9 , 1 {( } 10 ) , {( )
2 1 2 1
= = = = + = A P A n x x x x A a


8
4
90
8
90
4
) (
) (
) (
)} 6 , 4 ( ); 7 , 3 ( ); 8 , 2 ( ); 9 , 1 {( } 10 ^ ) , {( } ) , {(
90
8
) ( 8 ) ( )} 4 , 6 ( ); 6 , 4 ( ); 3 , 7 ( ); 7 , 3 ( ); 2 , 8 ( ); 8 , 2 ( ); 1 , 9 ( ); 9 , 1 {( } 10 ) , {( )
2 1 2 1 2 1 2 1 2 1
2 1 2 1
= =

=
= = + . s = s =
= = = = + =
A P
B A P
A B P
x x x x x x B A x x x x B
A P A n x x x x A b













PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
51

EXERCCIO 11

Populao: N=14: 6 positivos (+) e 8 negativos (-)

Amostra (ordenada com reposio):
38416 14 ) ( 4
4
4 , 14
= = = =
-
A S n n


2401
1201
38416
19216
14
6 8 6
14
8
14
6
14
8
14
8
14
6
14
6
14
8
14
8
14
8
14
8
14
6
14
6
14
6
14
6
) ( ) )( )( )( ( ) )( )( )( ( ) )( )( )( (
4
2 2
4
4
4
4
2 , 2
4
= =

+ + = +
+ + = + + + + + +
P
A P A ou ou




EXERCCIO 12


|
|
.
|

\
|
|
|
.
|

\
|

=
|
|
.
|

\
|

|
|
.
|

\
|
=



=


=



=
=

= =


r
n
r
k
A P
r
k
r
n
A P
r k r
k
n
r n r
n
k n
r r k k n
k r n r
k n
n
r r k k n
k r n r
A P
r r k k n
k r n r
r r k
k
r r
r
r k r n
r n
A n
P A A A n D D DDD B BBB A
k n
n
A S n
r r k
k r r r k r n
k
r r k
k n
1
1
) (
1
1 1
) (
)]! 1 ( ) 1 [( )! 1 (
)! 1 (
!
)! ( !
!
)! (
)! 1 ( )! ( )! (
)! 1 ( )! ( !
)! (
!
)! 1 ( )! ( )! (
)! 1 ( )! ( !
) (
)! 1 ( )! ( )! (
)! 1 ( )! ( !
)! 1 ( )! (
)! 1 (
)]! 1 ( [
!
)]! ( ) [(
)! (
) (
) ( ... ...
)! (
!
) (
1 ,
1 1 , ,
1
1
,
_
_ _




EXERCCIO 13


1
,
*
,
)! (
)! 1 ( )! (
!
) (
)! (
!
) (
) (

= =
= =
n n
n N
n
n N
N n N
N
N
n N
N
A P
n N
N
A A n
N A S n










PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
52

EXERCCIO 14



!
2
...
2
!
) 2 (
...
2
) (
n
k
k
k
k N
k
k N
k
N
n
k
k
k
k n N
k
k N
k
k N
k
N
S n
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
=
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
=




)! 1 (
2
...
2
)! 1 (
] ) 3 ( ) [( ) (
...
] ) [( ) ( ) ( ) (
) (

|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

=
=

|
|
.
|

\
|
|
|
.
|

\
| +
|
|
.
|

\
| +
|
|
.
|

\
|
|
|
.
|

\
|

=
n
k
k
k
k N
k
k N
r k
r N
n
k
k
k
k n r k r N
k
k r k r N
k
r k r N
r k
r N
A n




|
|
.
|

\
|
|
|
.
|

\
|

=
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

=
k
N
r k
r N
n
k
k
k
k N
k
k N
k
N
n
n
k
k
k
k N
k
k N
r k
r N
A P



2
...
2
!
)! 1 (
2
...
2
) (



EXERCCIO 15


Jogando n bilhetes em uma nica extrao tem-se:


N
n
A P
n A n A A
N S n
=
=
=
) (
) (
) (
Ganhar


Jogando n bilhetes em n extraes tem-se:


n
n n
n
n
n
n
N
B P B P
N N
N
N
N
B P
N B n B B
B B
N S n
|
.
|

\
|
= =
|
.
|

\
|
= |
.
|

\
|
=

=
=

=
1
1 1 ) ( 1 ) (
1
1
1 ) 1 (
) (
) 1 ( ) (
) (
Ganhar No
Ganhar




Comparando as duas probabilidades:

Como
n n
N N
n
N N
n
|
.
|

\
|
> |
.
|

\
|
s
1
1 1
1
1 1
tem-se que ) ( ) ( B P A P >

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
53


EXERCCIO 16

Considere que o prisioneiro coloque k bolas, das quais a brancas, em uma urna e 100-k, das quais 50-a brancas, na outra.

Sejam os eventos:

U1o prisioneiro seleciona a urna com k bolas (a brancas)
U2o prisioneiro escolhe a urna com 100-k bolas (50-a brancas)
Bo prisioneiro seleciona uma bola branca
Lprisioneiro libertado

Ento:

) 100 (
) 2 100 ( 50
2
1
) (
100
50
2
1
2
1
) (
) 2 ( ) 2 ( ) 1 ( ) 1 ( ) (
) 2 ( ) 1 ( ) (
k k
k a k
L P
a
k
k
a
L P
U B P U P U B P U P L P
B U P B U P L P

+
=

+ =
+ =
+ =


Veja que k50, caso contrrio P(L)<0.
Para k=50 temos que
2
1
) ( = L P , independentemente do valor de a.

Para k<50 (U1 com a menor quantidade de bolas), temos:

Para k fixo P(L) cresce se a cresce P(L) mxima em a=k, pois ak


k k
k
k k
k k k
L P k a

+
= =
100
25
1
100
75
) 100 (
) 2 100 ( 50
2
1
) (
que mxima para k mnimo, ou seja, para k=1

Ento, como para P(L) ser mxima deve-se ter a=k e k=1, conclui-se que a urna U1 deve ter uma nica bola e essa bola
deve ser branca, ou seja, k=a=1, e a probabilidade mxima :

75 , 0
99
74
99
25
1 ) ( ~ = = L P




EXERCCIO 17

B
I
retirar bola branca da urna I
V
I
retirar bola vermelha da urna I
B
II
retirar bola branca da urna II


1 1
1
) ( ) ( ) ( ) (
) ( ) ( ) ( ) ( ) (
+ +

+
+
+ +
+

+
= + =
= + = =
v z
z
y x
y
v z
z
y x
x
V B P V P B B P B P
B V P B B P B P B V B B B
I II I I II I
II I II I II II I II I II


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
54


EXERCCIO 18

3
1
6 , 0
2 , 0
) ( ) ( 6 , 0 4 , 0 6 , 0 ) ( 4 , 0 ) ( 4 , 0 6 , 0
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) (
4 , 0 ) (
6 , 0 ) (
= = + = + =
+ = + =
=
=
=
B P B P B P B P
B P A P B P A P B A P B P A P B A P
B P A P B A P MI B e A
A P
B A P



EXERCCIO 19

5 , 0 4 , 0 4 , 0 7 , 0 ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( )
3 , 0 4 , 0 7 , 0 ) ( ) ( ) ( ) ( ) ( ) (
0 ) ( )
) ( 7 , 0 ) ( 4 , 0 ) (
= + = + = + =
=
= + = + = + =
= =
= = =
p p p B P A P B P A P B A P B P A P B A P
B P A P B A P MI B e A b
p p B P A P B A P B P A P B A P
B A P B A ME B e A a
p B P B A P A P





|



EXERCCIO 20


7
3
70
30
100
70
100
30
) (
) (
) ( )
7
4
70
40
100 70
100
40
) (
) (
) ( )
= = =

=
= = =

=
N P
N M P
N M P b
N P
N E P
N E P a





EXERCCIO 21

M reprovado em Matemtica P(M) = 0,25
Q reprovado em Qumica P(Q) = 0,15
MQ reprovado em Matemtica e Qumica P(MQ) = 0,10

30 , 0 10 , 0 15 , 0 25 , 0 ) ( ) ( ) ( ) ( )
5
2
25
10
25 , 0
10 , 0
) (
) (
) ( )
3
2
15
10
15 , 0
10 , 0
) (
) (
) ( )
= + = + =
= = =

=
= = =

=
Q M P Q P M P Q M P c
M P
Q M P
M Q P b
Q P
Q M P
Q M P a






EXERCCIO 22

M Mulher P(M) = 0,60
H Homem P(H) = 0,40
A altura maior que 1,80 04 , 0 ) ( 01 , 0 ) ( = = H A P M A P
11
3
22
6
022 , 0
006 , 0
016 , 0 006 , 0
006 , 0
04 , 0 40 , 0 01 , 0 60 , 0
01 , 0 60 , 0
) ( ) ( ) ( ) (
) ( ) (
) ( = = =
+
=
+

=
+
=
H A P H P M A P M P
M A P M P
A M P


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
55

EXERCCIO 23

I moeda comum P(I)=0,5
II moeda com duas caras P(II)=0,5
C cara 1 ) ( 5 , 0 ) ( = = II C P I C P
3
2
75
50
75 , 0
5 , 0
1 5 , 0 5 , 0 5 , 0
1 5 , 0
) ( ) ( ) ( ) (
) ( ) (
) ( = = =
+

=
+
=
II C P II P I C P I P
II C P II P
C II P



EXERCCIO 24

A pea fabricada pela mquina A P(A) = 0,50
B pea fabricada pela mquina B P(B) = 0,30
C pea fabricada pela mquina C P(C) = 0,20

D pea defeituosa 05 , 0 ) ( 04 , 0 ) ( 03 , 0 ) ( = = = C D P B D P A D P

270 , 0
37
10
037 , 0
010 , 0
) ( ) ( ) ( ) ( ) ( ) (
) ( ) (
) ( )
324 , 0
37
12
037 , 0
012 , 0
) ( ) ( ) ( ) ( ) ( ) (
) ( ) (
) ( )
405 , 0
37
15
037 , 0
015 , 0
) ( ) ( ) ( ) ( ) ( ) (
) ( ) (
) ( )
037 , 0 010 , 0 012 , 0 015 , 0 05 , 0 20 , 0 04 , 0 30 , 0 03 , 0 50 , 0 ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
~ = =
+ +
=
~ = =
+ +
=
~ = =
+ +
=
= + + = + + = + + =
C D P C P B D P B P A D P A P
C D P C P
D C P d
C D P C P B D P B P A D P A P
B D P B P
D B P c
C D P C P B D P B P A D P A P
A D P A P
D A P b
C D P C P B D P B P A D P A P D P a








EXERCCIO 25

D pessoa doente P(D) = 0,001
S pessoa sadia P(S) = 0,999

P teste positivo 05 , 0 ) ( 99 , 0 ) ( = = S P P D P P

0194 , 0
05094 , 0
0099 , 0
04995 , 0 00099 , 0
00099 , 0
05 , 0 999 , 0 99 , 0 001 , 0
99 , 0 001 , 0
) ( ) ( ) ( ) (
) ( ) (
) ( ~ =
+
=
+

=
+
=
S P P S P D P P D P
D P P D P
P D P





EXERCCIO 26

36 6 ) (
2 2
6
= = = A S n


2
1
36
18
) ( 18 ) (
)} 6 , 6 ( ), 5 , 6 ( ), 4 , 6 ( ), 3 , 6 ( ), 2 , 6 ( ), 1 , 6 ( ), 6 , 4 ( ), 5 , 4 ( ), 4 , 4 ( ), 3 , 4 ( ), 2 , 4 ( ), 1 , 4 ( ), 6 , 2 ( ), 5 , 2 ( ), 4 , 2 ( ), 3 , 2 ( ), 2 , 2 ( ), 1 , 2 {(
= = =
=
A P A n
A


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
56

2
1
36
18
) ( 18 ) (
)} 5 , 6 ( ), 5 , 5 ( ), 5 , 4 ( ), 5 , 3 ( ), 5 , 2 ( ), 5 , 1 ( ), 3 , 6 ( ), 3 , 5 ( ), 3 , 4 ( ), 3 , 3 ( ), 3 , 2 ( ), 3 , 1 ( ), 1 , 6 ( ), 1 , 5 ( ), 1 , 4 ( ), 1 , 3 ( ), 1 , 2 ( ), 1 , 1 {(
= = =
=
B P B n
B

2
1
36
18
) ( 18 ) (
)} 5 , 5 ( ), 3 , 5 ( ), 1 , 5 ( ), 5 , 3 ( ), 3 , 3 ( ), 1 , 3 ( ), 5 , 1 ( ), 3 , 1 ( ), 1 , 1 ( ), 6 , 6 ( ), 4 , 6 ( ), 2 , 6 ( ), 6 , 4 ( ), 4 , 4 ( ), 2 , 4 ( ), 6 , 2 ( ), 4 , 2 ( ), 2 , 2 {(
= = =
=
C P C n
C


4
1
36
9
) ( 9 ) ( )} 5 , 6 )( 5 , 4 ( ), 5 , 2 ( ), 3 , 6 ( ), 3 , 4 ( ), 3 , 2 ( ), 1 , 6 ( ), 1 , 4 ( ), 1 , 2 {( = = = = B P B A n B A


4
1
36
9
) ( 9 ) ( )} 6 , 6 ( ), 4 , 6 ( ), 2 , 6 ( ), 6 , 4 ( ), 4 , 4 ( ), 2 , 4 ( ), 6 , 2 ( ), 4 , 2 ( ), 2 , 2 {( = = = = C P C A n C A


4
1
36
9
) ( 9 ) ( )} 5 , 5 ( ), 3 , 5 ( ), 1 , 5 ( ), 5 , 3 ( ), 3 , 3 ( ), 1 , 3 ( ), 5 , 1 ( ), 3 , 1 ( ), 1 , 1 {( = = = = C P C B n C B


0 ) ( = = C B A P C B A |

MI C B A C P B P A P C B A P
C B A
MI C B C P B P C B P
MI C A C P A P C A P
MI B A B P A P B A P





so no
tes i ndependen a so
so
so
so
, ,
8
1
2
1
2
1
2
1
) ( ) ( ) ( 0 ) (
2 2 , ,
, ) ( ) (
2
1
2
1
4
1
) (
, ) ( ) (
2
1
2
1
4
1
) (
, ) ( ) (
2
1
2
1
4
1
) (
= = = =

= = =
= = =
= = =



EXERCCIO 27

R
i
o rel i est fechado P(R
i
)=p

) 2 ( 2 ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) (
)] ( ) [( ) ( ) ( )] ( ) [( ) (
)
2 2 4 2 4 2 2
4 3 2 1 4 3 2 1
4 3 2 1 4 3 2 1 4 3 2 1
4 3 2 1
p p p p p p p R P R P R P R P R P R P R P R P
R R R R P R R P R R P R R R R P P
R R R R a
= = + = +
= + = =



corrente passar
: fechados esti verem e se ou fechados esti verem e se corrente passa


... )] ( ) [( )
4 3 5 2 1
= R R R R R P b

... )] ( ) ( ) [( )
4 3 4 5 1 2 1
= R R R R R R R P c

... )] ( ) ) ( ) [( )
6 5 4 3 2 3 1
= R R R R R R R P d









PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
57

EXERCCIO 28

MI B A B P A P B A P B A n C C C C C C B A
B P B n C C C C C C C C C B
A P A n C C C C C C C C C A
S n C C C C C C C C C C C C C C C C C C S
so no , ) ( ) (
3
1
6
2
) ( 2 ) ( } , {
2
1
6
3
) ( 3 ) ( } , , {
2
1
6
3
) ( 3 ) ( } , , {
6 ) ( } , , , , , {
2 3 1 3 2 1
3 1 2 2 3 1 3 2 1
2 1 3 2 3 1 3 2 1
1 2 3 2 1 3 1 3 2 3 1 2 2 3 1 3 2 1
= = = = =
= = = =
= = = =
= =



EXERCCIO 29

X x daltnico
Y y daltnico
XY ambos so daltnicos
XY pelo menos um daltnico

087 , 0
84 , 1
16 , 0
2 ) 2 ( ) (
) (
) (
)] ( ) [(
) ( )
16 , 0
) (
) (
) (
) (
) ( )
) 2 ( 2 ) ( ) ( ) ( ) (
) ( ) ( ) (
) (
) (
2
2
2 2
2
~ =


=
= = =

=

=
= = + = + =
= =
=
=
p
p
p p
p
Y X P
Y X P
Y X P
Y X Y X P
Y X Y X P b
p
p
p
X P
Y X P
X P
X Y X P
X Y X P a
p p p p p p Y X P Y P X P Y X P
p Y P X P Y X P
p Y P
p X P






EXERCCIO 30

75 , 0 25 , 0 1 ) ( 1 ) (
25 , 0 ) (
= = =
=
A P E P E
A P A
errar
acertar


5
5
75 , 0 1 ) (
75 , 0 75 , 0 75 , 0 75 , 0 75 , 0 75 , 0 ) ( ) (
) ( 1 ) ( )
=
= = =
=
i mpacto um menos pel o
i mpacto nenhum
i mpacto nenhum i mpacto um menos pel o



P
EEEEE P P
P P a


4
75 , 0 25 , 0 5 ) ( ) ( ) ( ) ( ) (
) ( ) ( )
= + + + + =
= =
EEEA P EEAE P EEAEE P EAEEE P AEEEE P
EEEEA EEEAE EEAEE EAEEE AEEEE P P b

ou ou ou ou i mpacto um exatamente


5 , 4 , 3 , 2 , 1 , 0 , 75 , 0 25 , 0
5
) (
75 , 0 25 , 0 ) ( ... ... )
5
5 ,
5
5
5
5
=
|
|
.
|

\
|
=
=

k
k
k P
P k P E EE A AA k c
k k
k k k k
k k
i mpactos exatamente
i mpactos exatamente i mpactos exatamente


_
_ _






PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
58

EXERCCIO 31

A a morre P(A)=p
1

B b morre P(B)=p
2

C c morre P(C)=p
3


) 1 )( 1 )( 1 ( 1 ) ( 1 ) ( )
) 1 )( 1 ( ) 1 ( ) 1 ( ) 1 )( 1 ( ) 1 )( 1 )( 1 (
) ( ) ( ) ( ) ( )
) ( ) ( ) ( ) ( )
) 1 )( 1 )( 1 ( ) ( ) ( ) ( ) ( )
3 2 1
3 2 1 3 2 1 3 2 1 3 2 1
3 2 1
3 2 1
p p p C B A P C B A P d
p p p p p p p p p p p p
C B A P C B A P C B A P C B A P c
p p p C P B P A P C B A P b
p p p C P B P A P C B A P a
= =
+ + + =
= + + +
= =
= =








EXERCCIO 32

Sejam os eventos:

A A falhar
B B falhar
C=A-B A falhar sozinho
D=B-A B falhar sozinho

P(A)=0,20 P(AB)=0,15 P(D)=0,15

( ) 50 , 0
30 , 0
15 , 0
) (
) (
30 , 0 15 , 0 15 , 0 ) ( ) ( ) ( ) ( ) ( ) ( )
= =

=
= + = + = = =
B P
B A P
B A P
B A P D P B P B A D B A A B B a



05 , 0 15 , 0 20 , 0 ) ( ) ( ) (
) ( ) ( ) ( ) ( ) ( ) ( )
= = =
+ = = =
C A P A P C P
B A P C P A P B A C B A B A A b





EXERCCIO 33

Considere P
A
(a) a probabilidade de que A tenha a desarranjos, P
B
(b) a probabilidade de que a mquina B tenha b
desarranjos e P(a,b) a probabilidade de que A tenha a desarranjos e B tenha b desarranjos, conjuntamente. Como as
mquinas funcionam independentemente tem-se que P(a,b)=P
A
(a)P
B
(b). A tabela abaixo, chamada de Distribuio
Conjunta de Probabilidades, apresenta, em suas clulas, essas probabilidades.


a
P
B
(b)
0 1 2 3 4 5 6
b
0 0,03 0,06 0,09 0,06 0,027 0,021 0,012 0,3
1 0,01 0,02 0,03 0,02 0,009 0,009 0,004 0,1
2 0,01 0,02 0,03 0,02 0,009 0,007 0,004 0,1
3 0,01 0,02 0,03 0,02 0,009 0,007 0,004 0,1
4 0,01 0,02 0,03 0,02 0,009 0,007 0,004 0,1
5 0,015 0,03 0,045 0,03 0,0135 0,0105 0,006 0,15
6 0,015 0,03 0,045 0,03 0,0135 0,0105 0,006 0,15
P
A
(a) 0,1 0,2 0,3 0,2 0,09 0,07 0,04 1
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
59

Para determinao das probabilidades pedidas, basta identificar na tabela os pares (a,b) que satisfazem s condies
especificadas e somar as probabilidades P(a,b) correspondentes. Veja a soluo do item a e, para os demais, s seguir o
mesmo procedimento.


1255 , 0 006 , 0 ... 02 , 0 03 , 0
15 , 0 04 , 0 ... 1 , 0 2 , 0 3 , 0 1 , 0 ) 6 ( ) 6 ( ... ) 1 ( ) 1 ( ) 0 ( ) 0 (
) 6 , 6 ( ... ) 1 , 1 ( ) 0 , 0 ( ) ( )} 6 , 6 ( ),..., 1 , 1 ( ), 0 , 0 {( } ) , {( )
= + + + =
= + + + = + + + =
= + + + = = = =



B A B A B A
P P P P P P
P P P A P b a b a A a



a
P
B
(b)
0 1 2 3 4 5 6
b
0 0,03 0,06 0,09 0,06 0,027 0,021 0,012 0,3
1 0,01 0,02 0,03 0,02 0,009 0,009 0,004 0,1
2 0,01 0,02 0,03 0,02 0,009 0,007 0,004 0,1
3 0,01 0,02 0,03 0,02 0,009 0,007 0,004 0,1
4 0,01 0,02 0,03 0,02 0,009 0,007 0,004 0,1
5 0,015 0,03 0,045 0,03 0,0135 0,0105 0,006 0,15
6 0,015 0,03 0,045 0,03 0,0135 0,0105 0,006 0,15
P
A
(a) 0,1 0,2 0,3 0,2 0,09 0,07 0,04 1


} 5 ) , {(
} 4 ) , {( )
2
1
< + =
< + =
b a b a A
b a b a A b




} ) , {( ) b a b a A c > =

} 2 ) , {( ) a b b a A d = =

) (
) (
) (
)} 4 ) , {(
)} 2 ) , {( )
1
2
1 2 2 2 1
2
1
A P
A P
A A P A A A
b b a A
b b a A e
= =
= =
> =





3 ) , min( ) , {(
} 3 ) , min( ) , {( )
2
1
< =
= =
b a b a A
b a b a A f




} 3 ) , max( ) , {(
} 3 ) , max( ) , {( )
2
1
> =
= =
b a b a A
b a b a A g









PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
60

EXERCCIO 34




)} , ( ); , , ( ); , , ( ); , ( ); ; ( ); ; ; ( ); , ( ); , ( ); , , {( ) V III VII IV III VI IV III VII II VI II V IV II VII I VI I V IV I S a =

62 , 0 036 , 0 436 , 0 22 , 0 ) ( ) ( ) ( ) (
036 , 0 6 , 0 3 , 0 2 , 0 ) (
436 , 0 6 , 0 3 , 0 2 , 0 5 , 0 4 , 0 5 , 0 4 , 0 ) (
22 , 0 6 , 0 3 , 0 2 , 0 4 , 0 3 , 0 2 , 0 2 , 0 4 , 0 2 , 0 4 , 0 ) (
)
= + = + =
= =
= + + =
= + + + =

D C P D P C P D C P
D C P
D P
C P
D D C C b




" " " " por passa vi aj ante o por passa vi aj ante o




EXERCCIO 35

63
11
3
1
21
6
3
1
21
5
) ( ) ( ) ( )
3 , 2 2 2 , 1 1 3 2 2 1 3 2 2 1
= + = + = + = p p p p A A P A A P A A A A P a ou



1701
544
1701
490
189
6
9
7
21
10
3
1
21
6
0
21
5
) ( ) ( ) ( ) ( ) ( )
2 2
2
3 , 3 3 , 3 3 2 , 2 2 , 2 2 1 , 1 1 , 1 1
3 3 3 2 2 2 1 1 1 3 3 3 2 2 2 1 1 1
= + = |
.
|

\
|
+ |
.
|

\
|
+ = + + =
= + + = =
p p p p p p p p p
A A A P A A A P A A A P A A A A A A A A A P A A A P b
i i i
ou ou





III
I
II
0,4
A N
N
N
M
M
M
B
B
B
B
B
B
B
B
B
0,4
0,4
0,2
0,2
0,2
0,3
0,3
0,3
0,5
0,5
0,7
0,6
1,0
1,0
(C)
(C)
(C)
(C e D)
(D)
(D)
IV
IV
IV
V
V
V
VI
VI
VI
VII
VII
VII
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
61

SOLUO - EXERCCIOS DE VARIVEIS ALEATRIAS GRUPO I



EXERCCIO 1

35 1
11 9 7 5 3
) = = + + + + a
a a a a a
a


5 , 4 , 3 , 2 , 1
5 , 1
5 1 ,
35
1 2
1 , 0
) (
5 , 4 , 3 , 2 , 1 , 0
5 , 4 , 3 , 2 , 1 ,
35
1 2
) ( ) =

>
s s
+
<
=

=
=
+
=

s
i
x x
i
x
x
x
x
x
x F
x
x
x
x f b
i
,


) c




49
82
49
625 707
7
25
7
101
) (
7
101
35
505
35
11
5
35
9
4
35
7
3
35
5
2
35
3
1 ) (
7
25
35
125
35
11
5
35
9
4
35
7
3
35
5
2
35
3
1 ) ( )
2
2 2 2 2 2 2
=

= |
.
|

\
|
=
= = + + + + =
= = + + + + =
X V
X E
X E d






EXERCCIO 2

2
) 1 (
... 3 2 1 ) (
+
= + + + + =
n n
n S n

n x
n x
n x
n n
x
x
x F
n x
n x
n n
x
x f
n n
x
n n
x
x X P
i
x x
i
i
,..., 2 , 1
, 1
1 ,
) 1 (
2
1 , 0
) (
,..., 2 , 1 , 0
,..., 2 , 1 ,
) 1 (
2
) (
) 1 (
2
2
) 1 (
) ( =

>
s s
+
<
=

=
=
+ =
+
=
+
= =

s
,

GRFICOS...

3
1 2
6
) 1 2 )( 1 (
) 1 (
2
) 1 (
2
) 1 (
2
) 1 (
2
) ( ) (
1
2
1
2
1 1
+
=
+ +

+
=
+
=
+
=
|
|
.
|

\
|
+
= = =

= = = =
n n n n
n n
k
n n
x
n n n n
x
x x X P x X E
n
k
n
i
i
n
i
i
i
n
i
i i


2
) 1 (
2
) 1 (
) 1 (
2
) 1 (
2
) 1 (
2
) 1 (
2
) ( ) (
2
1
3
1
3
1
2
1
2 2
+
= |
.
|

\
| +

+
=
+
=
+
=
|
|
.
|

\
|
+
= = =

= = = =
n n n n
n n
k
n n
x
n n n n
x
x x X P x X E
n
k
n
i
i
n
i
i
i
n
i
i i


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
62



18
) 1 2 ( 2 ) 1 ( 9
9
) 1 2 (
2
) 1 (
3
1 2
2
) 1 (
) (
2 2
2
+ +
=
+

+
= |
.
|

\
| +

+
=
n n n n n n n n n
X V

=
=
= =
6 , 5 , 4 , 3 , 2 , 1 , 0
6 , 5 , 4 , 3 , 2 , 1 ,
21 ) ( 6
x
x
x
x f n

7
3
21
9
21
4
21
3
21
2
) 4 ( ) 3 ( ) 2 ( ) 4 2 (
7
1
21
3
21
2
21
1
) 2 ( ) 1 ( ) 2 (
7
1
21
3
) 3 (
= = + + = = + = + = = s s
= = + = = + = = >
= = =
X P X P X P X P
X P X P X P
X P

3
13
3
1 6 2
3
1 2
) ( =
+
=
+
=
n
X E

9
20
18
40
18
) 1 6 2 ( 2 ) 1 6 ( 6 9
18
) 1 2 ( 2 ) 1 ( 9
) (
2 2
= =
+ +
=
+ +
=
n n n
X V



EXERCCIO 3

2 2
) ( ) ( n S n A S n
n
= =


2
1 2
) ( ) ( 1 2 1 ) 1 ( 2 ) ( )} , ( ); 1 , ( );...; 2 , ( ); 1 , ( ); , 1 ( );...; , 2 ( ); , 1 {(
n
x
x X P A P x x A n x x x x x x x x x x A

= = = = + = =

>
= s s

<
=

=
=

=

n x
n x n x
n
x
x
x F
n x
n x
n
x
x f
x x
i
i
i
, 1
,..., 2 , 1 , 1 ,
1 2
1 , 0
) (
,..., 3 , 2 , 1 , 0
,..., 3 , 2 , 1 ,
1 2
) (
2
2
-



n
n n
n
n n
n
n n n
n
n
n
n n
n
n n n n
n n
n
x
n n
n n
x
n
x x
n n
x
x X E
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
i
6
) 1 4 )( 1 (
6
) 3 2 4 )( 1 (
6
) 1 ( 3 ) 1 2 )( 1 ( 2
2
1
3
) 1 2 )( 1 (
2
1
6
) 1 2 )( 1 ( 2
2
1 2
2
) 1 (
2
2
1 1 2
) (
2
1
2
2 2
1
2
2
1 1
2
2
1
2
+
=
+ +
=
+ + +
=
+

+ +
=
=
+

+ +
=
+
=
+
= |
.
|

\
|
= |
.
|

\
|
=

= = = = =


n
n n n n
n
n n n
n n n n n
n
n n n n n
n
x x
n n
x
x X E
n
i
i
n
i
i
n
i
i
i
12
) 1 2 )( 1 ( 2 ) 1 ( 6
6
) 1 2 )( 1 (
2
) 1 (
6
) 1 2 )( 1 (
2
) 1 ( 1
6
) 1 2 )( 1 (
2
) 1 (
2
1
2
1 1 2
) (
2 2
2 2
2
2
2
1
2
1
3
2
1
2
2 2
+ + +
=
+ +

+
=
=
(

+ +

+
=
(
(

+ +
|
.
|

\
| +
= |
.
|

\
|
= |
.
|

\
|
=

= = =


| |
2
2 2 2
2
2 2 2 2
2
2 2 2
2
2
36
) 1 2 )( 1 ( 6 ] ) 1 4 ( 18 [ ) 1 (
36
) 1 4 ( ) 1 ( ) 1 2 )( 1 ( 6 ) 1 ( 18
36
) 1 4 ( ) 1 ( ) 1 2 )( 1 ( 2 ) 1 ( 6 3
6
) 1 4 )( 1 (
12
) 1 2 )( 1 ( 2 ) 1 ( 6
) (
n
n n n n n n
n
n n n n n n n
n
n n n n n n n
n
n n
n
n n n n
X V
+ + +
=
+ + + +
=
=
+ + + +
= |
.
|

\
| +

+ + +
=







PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
63

EXERCCIO 4

1 ) ' ( 2 ' 4 ) (
) ' 1 )( 1 ( ' ) ' 1 )( 1 ( ' ) 1 ( ) 1 ( ) 1 ( 1 ) (
) 1 ( ) ' 1 ( ' ) 1 ( ) 1 (
) ' 1 )( 1 ( ' ) 1 (
' 1 ) 2 ( ' ) 1 (
1 ) 2 ( ) 1 ( )
+ + =
+ + = = + = =
+ + = =
+ = =
= =
= =
p p pp X E
p p pp p p pp X P X P X E
p p p p p p X P
p p pp X P
p B P p B P
p A P p A P a




escolher escolher
escolher escolher



= =
=
=
=
n
j
ij j i
m
i
j
i
a p p X E
p j B P
p i A P b
1 1
' ) (
' ) (
) ( )

escolher
escolher


EXERCCIO 5

1 ' 2 ) ' 2 1 ( ) 2 ' 4 ( )) ( max(
1 ) ( 0 )
2
1
2 ' 4
' 2 1
0 ) ( )
,
2
1
' , 0 ' 2 1 0 2 ' 4 , ) (
) ' 2 1 ( ) 2 ' 4 ( ) (
= + =
= >
=

= = =
> < = > = + =
+ =
p p p X E
p p p X E a ii
p
p
a
b
p X E i
p p b p a b ap X E
p p p X E

) de mximo (valor em mximo seu atinge e com cresce
para
hiptese por pois e



EXERCCIO 6

5 , 0 2
2
1
3 2 ) ( 3 ) ( ) 2 ( ) 3 ( 2 3
2
1
6
1
3 ) (
6
1
, 3 ~
3 6
= = = = =
= =

|
.
|

\
|

X E G E E X E X G
X E B X
G
X
j ogador do ganho
vezes dado do l anamento no nmeros de quanti dade





EXERCCIO 7

DISTRIBUIO BINOMIAL COM PARMETROS n=10 E p=1/2

5 , 2
2
1
5 ) ( 5
2
1
10 ) (
1719 , 0
1024
176
10
2
1 10 45 120
10
10
9
10
8
10
7
10
10
2
1
10
7
) ( ) 7 (
10 ,..., 2 , 1 , 0 , 0
10 ,..., 2 , 1 , 0 ,
10
2
1
10
10 ,..., 2 , 1 , 0 , 0
10 ,..., 2 , 1 , 0 ,
10
2
1
2
1
10
) ( ) (
2
1
, 10 ~
= = = = = =
(

|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|

|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
|
.
|

\
|
~ =
+ + +
= + + + =
=
= = >
=
=
=
=
=

= = =
npq X V np X E
x
x X P X P
x
x
x
x
x
x x
x
x X P x f
B X






PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
64

EXERCCIO 8

DISTRIBUIO BINOMIAL COM PARMETROS n=20 E p=0,8=1/5

2 , 3
5
4
4 ) ( 4
5
1
20 ) (
000102 , 0
20
12
20
5
4
5
1
20
20
12
) ( ) 12 (
20 ,..., 2 , 1 , 0 , 0
20 ,..., 2 , 1 , 0 ,
20
5
4
5
1
20
) ( ) (
5
1
, 20 ~
= = = = = =
~
=

=
=
= = >
=
=

= = =
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|

|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
|
.
|

\
|
npq X V np X E
x
x x
x
x
x X P X P
x
x
x x
x
x X P x f
B X






EXERCCIO 9

DISTRIBUIO HIPERGEOMTRICA COM PARMETROS N=10 E R=4

=
=
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
= = = =
5 , 4 , 3 2 1 0
5 , 4 , 3 2 1 0
5
10
5
6 4
) ( 5 4 10
, , , x
, , , x
x x
x f n R N
0






42
31
252
186
252
20 6 15 4 6 1
5
10
3
6
2
4
5
10
4
6
1
4
5
10
5
6
0
4
) 2 ( ) 1 ( ) 0 ( ) 2 ( = =
+ +
=
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
+
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
+
|
|
.
|

\
|
|
|
.
|

\
|
|
|
.
|

\
|
= = + = + = = >

X P X P X P X P


3
2
9
6
1 10
5 10
10
6
10
4
5
1
2
10
4
5
10
6
10
4
5 = =

= = = = = = =
-
-
N
n N
npq V(X) np E(X) q p n




EXERCCIO 10

DISTRIBUIO GEOMTRICA COM PARMETRO p=0,8

=
=
=

,... 3 , 2 , 1 0
,... 3 , 2 , 1 2 , 0 8 , 0
1
x
x
f(x)
x




000256 , 0 0032 , 0 8 , 0 2 , 0 8 , 0 ) 6 ( ) 6 ( )
5
= = = = = f X P a


| | 99968 , 0 2486 , 1 8 , 0 2 , 0 2 , 0 2 , 0 2 , 0 2 , 0 8 , 0 ) 5 ( ) 4 ( ) 3 ( ) 2 ( ) 1 ( ) 6 ( )
4 3 2 1 0
= = + + + + = + + + + = < f f f f f X P b


| | | | 008 , 0 992 , 0 1 24 , 1 8 , 0 1 2 , 0 2 , 0 2 , 0 8 , 0 1 ) 3 ( ) 2 ( ) 1 ( 1 ) 3 ( 1 ) 3 ( )
2 1 0
= = = + + = + + = s = > f f f X P X P c


2 , 0 8 , 0 1 2 , 0 8 , 0 1 ) 1 ( 1 ) 1 ( 1 ) 1 ( )
0
= = = = = = > f X P X P d


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
65

3125 , 0
64 , 0
2 , 0
8 , 0
2 , 0
) ( 25 , 1
8 , 0
1 1
) ( )
2 2
= = = = = = =
p
q
X V
p
X E e




EXERCCIO 11

DISTRIBUIO DE PASCAL COM PARMETROS p=0,8 E R=3

=
=
|
|
.
|

\
|
=

,... 5 , 4 , 3 0
... 5 , 4 , 3 2 , 0 8 , 0
2
1
) (
3 3
x
x
x
x f
x
,
,




04096 , 0 008 , 0 512 , 0 10 2 , 0 8 , 0
2
5
) 6 ( ) 6 ( )
3 3
= =
|
|
.
|

\
|
= = = f X P a


9428 , 0 84 , 1 512 , 0 ) 24 , 0 6 , 0 1 ( 512 , 0 2 , 0
2
4
2 , 0
2
3
2 , 0
2
2
8 , 0 ) 5 ( ) 4 ( ) 3 ( ) 6 ( )
2 1 0 3
= = + + =
(

|
|
.
|

\
|
+
|
|
.
|

\
|
+
|
|
.
|

\
|
= + + = < f f f X P b


488 , 0 512 , 0 1 8 , 0 1 2 , 0 8 , 0
2
2
1 ) 3 ( 1 ) 3 ( )
3 0 3
= = =
|
|
.
|

\
|
= = > f X P c


1 ) 1 ( ) = > X P d


9375 , 0
64 , 0
6 , 0
8 , 0
2 , 0
3 ) ( 75 , 3
8 , 0
3
) ( )
2 2
= = = = = = =
p
q
R X V
p
R
X E e




EXERCCIO 12


2
1
1 3
2
5
2
1 3
2 2
1 ) 3 ( )
3
2
3
2
2
2
1
1
0
2
3
2
1
0
2
1
= = + +
= + + = + + +
} } }
a a
a
a
a
x a
x
a x a
x
a dx a ax adx axdx a




e
s s +
< s
< s
=
] 3 0 [ 0
3 2
2
3
2
2 1
2
1
1 0
2
) (
)
, x
x
x
-
x
x
x
x f
b








PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
66

1 0 1 0
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 3
4
5
2
3
4
2
2
3
4 2
1
4
1
0
2
3
2 2
1
2
0 ) ( ) ( ) ( ) ( ) ( 3 2
4
1
2 2
1
4
1
0
2
1
2
0 ) ( ) ( ) ( ) ( 2 1
4 4
0
2
0 ) ( ) ( ) ( 1 0
0 0 ) ( ) ( 0 )
3
3
0
0
3
3
2
2
1
1
0
0
2 2
2
2
1
1
0
0
2
2
1
1
0
0
1
1
0
0
1
1
0
0
2 2
0
0
0
0
= + + =
= + + = + + + + = >
+ =
|
|
.
|

\
|
+ + + + =
= |
.
|

\
|
+ + + + = + + + = < s
=

+ + = + + = + + = < s
= + = + = + = < s
= = = <
} } } } } } } }
} } } } } } } }
} } } } } }
} } } }
} }












x x
x x
x x
x x
x x
dt t f dt t f dt t f dt t f dt t f dt t f dt t f dt t f x F x
x x x x
dt
t
dt dt
t
dt dt t f dt t f dt t f dt t f x F x
x x
dt dt
t
dt dt t f dt t f dt t f x F x
x x
dt
t
dt dt t f dt t f x F x
dt dt t f x F x c




>
s s +
< s
< s
<
=
3 1
3 2
4
5
2
3
4
2 1
4
1
2
1 0
4
0 0
) (
2
2
x
x
x x
x
x
x
x
x
x F








8
7
4
2
1
4
5
2
2
5
3
4
2
5
2
1
2
5
2
5
2
1
2
5
2
1
2
5
2
1
2
5
2
1
)
2 2
=
|
.
|

\
|

|
|
|
|
|
.
|

\
|

+
|
.
|

\
|
= |
.
|

\
|
|
.
|

\
|
= |
.
|

\
|
< < = |
.
|

\
|
s < = |
.
|

\
|
< s = |
.
|

\
|
s s F F X P X P X P X P d


| |
16
35
4
9
16
71
2
3
16
71
) ( ) ( ) (
16
71
6
27
8
65
6
7
8
1
6
3
8 6 8 2
3
2 2 2
2
3
2 2
1
2
) ( ) (
2
3
4
15
6
19
4
3
6
1
2
3
6 4 6
2
3
2 2 2 2
3
2 2
1
2
) ( ) ( )
2
2 2
3
2
3
3
2
4
2
1
3
1
0
4
3
2
2
3
2
3
2
1
2
1
0
3
3
2
2
2
1
2
1
0
2 2 2
3
2
2
3
2
3
2
1
2
1
0
3
3
2
3
2
2
2
1
1
0
2
3
2
2
1
1
0
= = |
.
|

\
|
= =
= + + = + + = + + =
= |
.
|

\
|
+ + + = =
= + + = + + =
= + + = |
.
|

\
|
+ + + = =
} } } }
} } } }
} } } } } } } }
+

+

X E X E X V
x x x x
dx
x
dx
x
dx
x
dx
x
dx
x
x dx x dx
x
x dx x f x X E
x x x x
dx
x
dx
x
dx
x
dx
x
dx
x
x dx x dx
x
x dx x xf X E e














PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
67

EXERCCIO 13


=
=
|
|
.
|

\
|
=

=
= |
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
=

4 , 3 , 2 , 1 , 0 0
4 , 3 , 2 , 1 , 0 ,
16
1 4
) (
4 , 3 , 2 , 1 , 0 0
4 , 3 , 2 , 1 , 0
2
1
2
1 4
) (
)
4
x
x
x x f
x
x
x x f
a
x x
,

,
,

16
1
16
1
4
4
) 4 (
16
4
16
1
3
4
) 3 (
16
6
16
1
2
4
) 2 (
16
4
16
1
1
4
) 1 (
16
1
16
1
0
4
) 0 (
=
|
|
.
|

\
|
=
=
|
|
.
|

\
|
=
=
|
|
.
|

\
|
=
=
|
|
.
|

\
|
=
=
|
|
.
|

\
|
=
f
f
f
f
f



>
= s s
|
|
.
|

\
|
<
=

s
4 1
4 , 3 , 2 , 1 , 0 4 0 ,
16
1 4
0 0
) (
)
x
x x
x
x
x F
b
i
i
,
,
,
x x
i

1
16
16
16
1
16
4
16
6
16
4
16
1
) 4 (
16
15
16
4
16
6
16
4
16
1
) 3 (
16
11
16
6
16
4
16
1
) 2 (
16
5
16
4
16
1
) 1 (
16
1
) 0 (
= = + + + + =
= + + + =
= + + =
= + =
=
F
F
F
F
F




16
6
2 2 1 0 ) 2 1 (
16
10
16
6
16
4
2 1 2 1
16
6
) 2 ( ) 2 1 ( )
= = < s = < <
= + = + = s s = = s <
) f( ) X P( X P
) f( ) f( ) X P( f X P c




1
2
1
2
1
4 ) ( 2
2
1
4 ) ( ) = = = = = = npq X V np X E d



EXERCCIO 14


e
s s
< s
= = = +
} }
] 3 , 1 [ , 0
3 2 , 1 3
2 1 , 1
) ( 1 1 ) 3 ( ) 1 ( )
3
2
2
1
x
x
x x
x f k dx x k dx x k a








1 ) ( 3
2
7
3
2
4 3
2 2
1
) ( ) 3 ( ) 1 ( ) ( 3 2
2
1
2
) ( ) 1 ( ) ( 2 1
0 ) ( 1
2 2
2
2
1
2
1
= >
+ =
|
|
.
|

\
|
+ + = + = < s
+ = = < s
= <
} }
}
x F x
x
x
x
x
x F dt t dt t x F x
x
x
x F dt t x F x
x F x
x
x





PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
68



>
< s +
< s +
<
=
3 1
3 2
2
7
3
2
2 1
2
1
2
1 0
) (
2
2
x
x x
x
x x
x
x
x F
,
,
,
,




= = + =
= + =
} }
} }
) ( ) 3 ( ) 1 ( ) (
) 3 ( ) 1 ( ) (
3
2
2
2
1
2 2
3
2
2
1
X V dx x x dx x x X E
dx x x dx x x X E



= = = = ) ( ) ( ) ( ] [ ) ( )
2 1 2 1 2 1
X E C C X C E C E X C C E L E b

= = = = = |
.
|

\
|
s s = =
= |
.
|

\
|
|
.
|

\
|
= |
.
|

\
|
s s
) 5 ( 1 ) 2 (
2
5
2
3
) 5 (
2
3
2
5
2
5
2
3
)
X p X P X P G P
F F X P c





EXERCCIO 15

TTemperatura:

>
e

s
=

e
e
=

e
e
=
300 , 1
) 300 , 150 ( ,
150
150
150 , 0
) (
) 300 , 150 ( , 0
) 300 , 150 ( ,
150
1
) (
) 300 , 150 ( , 0
) 300 , 150 ( ,
150 300
1
) (
t
t
t
t
t F
t
t
t f
t
t
t f


LLucro lquido:

1
2 3
3 1 2 1 3 1 3 1 2 1 2 1
3 1 3 1
2 1 2 1
3 3
2
150
50
) (
150
100
) ( ) ( ) ( ) ( ) ( ) (
150
50
) 200 ( 1
150
100
150
200 300
) 200 (
) 200 ( 1 ) 200 ( 1 ) 200 ( 1 ) 200 ( ) ( 200
) 200 ( ) 200 ( ) 200 ( ) ( 200
C
C C
C C C C C C L P C C C C L P C C L E
F F
F T P T P T P C C L P C C L T
F T P T P C C L P C C L T
L L
T T
T T T T L
T T T L
+ + = + = = + = =
= =

=
= s = < = > = = = >
= s = < = = = <




EXERCCIO 16

C0nenhuma mensagem se extravia
C1apenas a mensagem de custo c1 se extravia
C2apenas a mensagem de custo c2 se extravia
C3ambas as mensagens se extraviam
C4pelo menos uma mensagem no se extravia






PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
69

MTODO 1 (apenas 1 pacote) X1

P1(C0)=1-p perda=0
P1(C1)=0 perda=c1
P1(C2)=0 perda=c2
P1(C3)=p perda=c1+c2
P1(C4)=1-P1(C3)=1-p

E(X1)=0(1-p)+p(c1+c2)= p(c1+c2)


MTODO 2 (2 pacotes) X2

P2(C0)=(1-p)(1-p)=(1-p)
2
perda=0
P2(C1)=(1-p)p perda=c1
P2(C2)=p(1-p) perda=c2
P2(C3)=pp=p
2
perda=c1+c2
P2(C4)=1-P2(C3)=1-p
2

E(X2)=0(1-p)
2
+(1-p)pc1+p(1-p)c2+p
2
(c1+c2)=p(1-p)(c1+c2)+p
2
(c1+c2)=(c1+c2)[p(1-p)+p
2
]=p(c1+c2)

CRITRIO I (menor valor esperado):
Como E(X1)=E(X2) indiferente a escolha do mtodo de envio

CRITRIO II (maior probabilidade de ambas as mensagens no se extraviarem):
Como P1(C3)>P2(C3) deve-se escolher o mtodo 1

CRITRIO III (maior probabilidade de pelo menos uma mensagem no se extraviar):
Como P2(C4)>P1(C4) deve-se escolher o mtodo 2


EXERCCIO 17


) 0004 , 0 ; 8 , 0 ( ~
02 , 0 0004 , 0
8 , 0
2
N X
)
`

= =
=
o o



3085 , 0 6915 , 0 1 ) 5 , 0 ( 1 ) 5 , 0 ( 1
02 , 0
8 , 0 81 , 0
) 81 , 0 ( ) = = u = s = |
.
|

\
|
> = > Z P Z P X P a


( ) ( ) ( ) ( ) | |
( ) | | ( ) | | | | 3174 , 0 1587 , 0 2 ) 8413 , 0 1 ( 2 ) 1 ( 1 2 1 1 1 1
1 1 1
02 , 0
8 , 0 82 , 0
02 , 0
8 , 0 78 , 0
02 , 0 8 , 0 02 , 0 8 , 0 02 , 0 8 , 0 )
= = = u = u + u =
= u + u = |
.
|

\
|
> + |
.
|

\
|
< = > < = <

ou Z P Z P X X P X P b


04821 , 0 $ 3413 , 0 10 , 0 3413 , 0 05 , 0 3174 , 0 01 , 0 ) (
3413 , 0 ) 82 , 0 8 , 0 ( ) 10 , 0 (
3413 , 0
2
6826 , 0
2
) 3174 , 0 1 (
) 8 , 0 78 , 0 ( ) 05 , 0 (
3174 , 0 ) 01 , 0 (
)
R G E
X P G P
X P G P
G P
G c
= + + =
= s s = =
= =

= s s = =
= =





fabri cante do ganho


( ) cm 8328 , 0 64 , 1
02 , 0
8 , 0
95 , 0
02 , 0
8 , 0
95 , 0
02 , 0
8 , 0
95 , 0 ) = =

= |
.
|

\
|
u = |
.
|

\
|
s = s x
x x x
Z P x X P d


PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
70

148989 , 0 6826 , 0 3174 , 0
3
5
) 3 (
)
2 3
3174 , 0 ) 82 , 0 78 , 0 ( 5 ) , ( ~
=
|
|
.
|

\
|
= =
= < < = =
Y P
Y e X P p n p n B Y

l ote no s defei tuoso cabos de quanti dade




EXERCCIO 18

( ) m

856 , 1 28 , 1
2 , 0
60 , 1
90 , 0
2 , 0
60 , 1
90 , 0
2 , 0
60 , 1
90 , 0
2 , 0 04 , 0 60 , 1
) 04 , 0 ; 60 , 1 ( ~
2
= =

= |
.
|

\
|
u = |
.
|

\
|
s = s
= = =
x
x x x
Z P x X P
N X
o o



EXERCCIO 19


BINOMIAL

0464 , 0 0403107840 , 0 0060466176 , 0 6 , 0 4 , 0
1
10
6 , 0 4 , 0
0
10
) 1 ( ) 0 ( ) 1 (
4 , 0 10 ) 4 , 0 ; 10 ( ~
9 1 10 0
= + =
|
|
.
|

\
|
+
|
|
.
|

\
|
= = + = = s
= =


X P X P X P
p n B X


NORMAL

0262 , 0 9738 , 0 1 ) 94 , 1 ( 1 ) 94 , 1 ( ) 936491673 , 1 (
8297 5491933384 , 1
4 1
) 1 (
) 4 , 2 ; 4 ( ~ 8297 5491933384 , 1 4 , 2 6 , 0 4 4 4 , 0 10
2
= = u = u = s = |
.
|

\
|
s = s
= = = = = = =
Z P Z P X P
N X npq np o o




EXERCCIO 20


39346934 , 0 60653066 , 0 1 1 ) 5 , 1 ( ) 5 , 1 ( ) 5 , 1 (
0 , 1 ) (
0 , 0
0 ,
3
1
) (
3
1
3
1
) ( ) ( ~
3
5 , 1
3
3
= = = = s = <
> =

<
>
=
= = =

e F X P X P
x e x F
x
x e
x f
X E Exp X
X
x
x


tempo














PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
71

EXERCCIO 21

4
3
12
9
12
) 1 4 (
) ( 5 , 2
2
4 1
) ( )
0 ) 2 ( )
2
1
6
3
3
2
3
3
1 5 , 2
) 2 ( ) 5 , 2 ( ) 5 , 2 5 , 0 ( )
3
1
3
1
3
2
3
1 2
3
1 3
) 2 ( ) 3 ( ) 3 2 ( )
4 , 1
] 4 , 1 [ ,
3
1
1 , 0
) (
] 4 , 1 [ , 0
] 4 , 1 [ ,
3
1
) (
) 4 , 1 ( ~
2
= =

= =
+
=
= =
= = =

= = s = s s
= =

= = s s

>
e

<
=

e
e
=
X V X E d
X P c
F X P X P b
F F X P a
x
x
x
x
x F
x
x
x f
Uniforme X









EXERCCIO 22


989622 , 0
! 5
8 , 1
! 4
8 , 1
! 3
8 , 1
! 2
8 , 1
! 1
8 , 1
! 0
8 , 1
) 4 ( ) 3 ( ) 2 ( ) 1 ( ) 0 ( ) 5 (
,... 2 , 1 , 0 ,
!
8 , 1
) (
8 , 1
100000
3 60000
100000
3
60000
5 4 3 2 1 0
8 , 1
8 , 1
=
|
|
.
|

\
|
+ + + + + =
= = + = + = + = + = = s
= = =
=

= =

=
=

e
X P X P X P X P X P X P
x
x
e
x X P
np
p
n
x





EXERCCIO 23



2 1 2 1 2 1 2 1
3
3 3
8 8
5
4 3
5
100
0
4
100
0
3
5
100
0
3
100
0
2 5
100
0
5
5
50 ) ( ) ( ) ( ) ( ) (
50
20
10
12
3 4
10
5
3
4
1
3
1
10
5
3
4
10
3
10
10
5
3
4
100
3
100
100 10
5
3
4 3
100 10
5
3
100 10
5
3
) 100 ( 10
5
3
) (
0
) 100 ( 10
5
3
) (
C C X E C C X C E C E X C C E P E
x x
dx x dx x x x x X E
x x
x f
+ = + = + = + =
= =

= |
.
|

\
|
=
|
|
.
|

\
|
=
|
|
.
|

\
|
=
=
|
|
.
|

\
|
= |
.
|

\
|
= =

e
s s
=

} } }
[0,100] x
100 X 0








PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
72


EXERCCIO 24


0328 , 0 $ 40656966 , 0 3 59343034 , 0 2 ) (
3 2 5 9 , 0 2 9 , 0
40656966 , 0 59343034 , 0 1 ) 9 , 0 ( 59343034 , 0 1 ) 9 , 0 ( ) 9 , 0 (
1 ) ( ) 1 ( ~
0 0
0
9 , 0
US L E
L X L X
X P e F X P
e x F Exp X
x
x e
f(x)
x
x
= + =
= = > = s
= = > = = = s
=

s
>
=






EXERCCIO 25

Dada uma pessoa que necessite fazer uma ligao externa, designemos por X a varivel aleatria igual quantidade de
outras pessoas ocupando linha externa, assim, X tem distribuio Binomial B(n-1 ,p):

1 ,..., 3 , 2 , 1 , 0 , ) 1 ( ) ( =
|
|
.
|

\
|
= =

n x p p
x
n
x X P
x n x

Se x
0
a quantidade de linhas externas existentes, a probabilidade de que, a determinado instante, se tenha uma linha
externa desocupada dada por:

|
|
.
|

\
|
= s
1
0
0
0
) 1 ( ) 1 (
x
x
x n x
p p
x
n
x X P


Como F(x)=P(Xx) crescente com 1 ) ( lim =
+
x F
x
existir um x
0
tal que F(x
0
-1)>0,95, que o nmero mnimo de linhas
procurado.

Obs: dependendo dos valores de n-1 e p, pode-se utilizar a aproximao pela Distribuio de Poisson ou Normal.

Para n=51 e p=0,10 temos:

x P(Xx) x P(Xx)
0 0,00515 7 0,87785
1 0,03379 8 0,94213
2 0,11173 9 0,97546
3 0,25029 10 0,99065
4 0,43120 11 0,99678
5 0,61612 12 0,99900
6 0,77023 13 ~1

Veja que tem-se P(Xx)>0,95 em x=9, ou seja, x
0
-1=9, ento a quantidade (mnima) de linhas externas desejada x
0
=10




PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
73

APNDICE 1

CONJUNTOS


Na teoria dos conjuntos so consideradas noes primitivas (aceitas sem definio):

- Conjunto
- Elemento
- Pertinncia entre elemento e conjunto

A noo matemtica de conjunto a mesma da linguagem comum: agrupamento, classe, coleo, etc.
RELAO DE PERTINNCIA
Se A um conjunto e x um elemento que pertence a A ento escreve-se A xe , caso contrrio escreve-se A xe .
DESCRIO DE UM CONJUNTO
Existem duas maneiras para descrever um conjunto e seus elementos:

- Enumerao enumeram-se, citam-se ou escrevem-se seus elementos: } 7 , 5 , 3 , 2 { = A
- Propriedade dos elementos define-se uma propriedade caracterstica P, de seus elementos:
} 11 { que do menor positivo primo x x A =
CONJUNTO UNITRIO
aquele que possui apenas um elemento: } 2 { = A
CONJUNTO VAZIO
aquele que no possui elementos, denotado por |. Em geral descrito por uma propriedade logicamente falsa:
| = = = } { x x x A .

CONJUNTO UNIVERSO
Usualmente denotado por U ou O o conjunto no qual se procura a soluo, ou solues, de um problema especfico. Ao
se descrever um conjunto atravs de determinada propriedade P, fundamental definir o conjunto U, que restringir o
espao de busca pelas solues: } { P x U x A e propriedad a tem e =

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
74

CONJUNTOS IGUAIS
Os conjuntos A e B so iguais se todos os elementos de A pertencem a B e, reciprocamente, todo elemento de B pertence
a A.

) )( ( B x A x x B A e e =
SUBCONJUNTO
Um conjunto A subconjunto do conjunto B e, e somente se, todo elemento de A tambm pertence a B.

) )( ( B x A x x B A e e c

- O smbolo c denominado sinal de incluso
- A notao B Ac indica que A subconjunto de B, A est contido em B ou A parte de B
- A notao B A. indica que A no est contido em B
- Tambm usa-se A B e l-se B contm A

Se A, B e C so conjuntos quaisquer, valem as seguintes propriedades da incluso:

- A c |
- A Ac (reflexiva)
- B A A B B A = c . c (anti-simtrica)
- C A C B B A c c . c (transitiva)
CONJUNTO DAS PARTES
O conjunto das partes de A aquele formado por todos os subconjuntos de A, e denota-se por ) (A

- ) (A um conjunto cujos elementos tambm so conjuntos, neste caso, se B subconjunto de A , correta a
notao ) (A B e
- Se A tem n elementos, ) (A tem 2
n
elementos, isto , a quantidade de subconjuntos de A 2
n
, incluindo o
conjunto vazio
UNIO (REUNIO)
A unio de dois conjuntos A e B, denotada por B A o conjunto formado pelos elementos que pertencem a A ou a B,
isto , pertencem a pelo menos um deles.

} { B x A x x B A e v e =





PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
75

Se A, B e C so conjuntos quaisquer, valem as seguintes propriedades da unio:

- A A A = (idempotente)
- A A = | (elemento neutro)
- A B B A = (comutativa)
- ) ( ) ( C B A C B A = (associativa)
INTERSEO
A interseo de dois conjuntos A e B, denotada por B A o conjunto formado pelos elementos que pertencem a A e a
B.

} { B x A x x B A e . e =

- Se | = B A eles so ditos disjuntos, ou exclusivos
- Se para n conjuntos,
n
A A A ,..., ,
2 1
, tem-se que eles so dois a dois disjuntos, ou
seja, ) )( ( | = =
j i
A A j i ,eles so ditos mutuamente exclusivos

Se A, B e C so conjuntos quaisquer, valem as seguintes propriedades da interseo:

- A A A = (idempotente)
- A U A = (elemento neutro)
- A B B A = (comutativa)
- ) ( ) ( C B A C B A = (associativa)
PROPRIEDADES ENVOLVENDO UNIO E INTERSEO
Se A, B e C so conjuntos quaisquer, valem as seguintes propriedades gerais:

- A B A A = ) (
- A B A A = ) (
- ) ( ) ( ) ( C A B A C B A = (distributiva da unio em relao interseo)
- ) ( ) ( ) ( C A B A C B A = (distributiva da interseo em relao unio)
DIFERENA
A diferena entre dois conjuntos A e B, denotada por A-B dada pelo conjunto formado pelos elementos de A que no
pertencem a B.

} { B x A x x B A e . e =
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
76

DIFERENA SIMTRICA
A diferena simtrica entre dois conjuntos A e B, denotada por B AA dada por:

) ( ) ( A B B A B A = A
Se A e B so conjuntos quaisquer, valem as seguintes propriedades para a diferena simtrica:

- A A = A|
- | = AA A
- A B B A A = A
COMPLEMENTAR
Se A e B so conjuntos com B Ac , o complementar de A em relao a B, denotado por
A
B
C , o conjunto formado pelos
elementos de B que no pertencem a A, ou seja:

A B C
A
B
= .

- O complementar de um conjunto A em relao ao conjunto universo U pode ser denotado simplesmente por
c
A
ou A

Se A e B so subconjuntos de um conjunto universo U, valem as seguintes propriedades:

- | = A A e U A A =
- | = U e U = |
- A A =
- B A B A =
- B A B A =

Veja que essas propriedades valem para A e B em relao a qualquer outro conjunto que no seja o universo.
PARTIO
Dados os conjuntos
n
A A A ,..., , ,
2 1
O , ento
n
A A A ,..., ,
2 1
formam uma partio de O se:

- n i A
i
,..., 2 , 1 , = =|
- O =
=

n
i
i
A
1

- j i A A
j i
= = , |

Observe que
n
A A A ,..., ,
2 1
so subconjuntos de A

PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
77

PARTIO ORDENADA

Chama-se de partio ORDENADA de O a SEQUENCIA de conjuntos ( )
n
A A A ,..., ,
2 1


Aqui, ( )
n
A A A A ..., , ,
3 2 1
e ( )
n
A A A A ..., , ,
3 1 2
, por exemplo, so parties diferentes.


PARTIO NO ORDENADA

Chama-se de partio NO ORDENADA de O a FAMLIA de conjuntos { }
n
A A A ,..., ,
2 1


Aqui, { }
n
A A A A ..., , ,
3 2 1
e { }
n
A A A A ..., , ,
3 1 2
, por exemplo, so parties iguais.
PRINCPIO DA INCLUSO-EXCLUSO
A quantidade de elementos de um conjunto A ser denotada por #A ou n(A).

Dados dois conjuntos, A e B, a quantidade de elementos da unio dos mesmos dada por:

) ( ) ( ) ( ) ( B A n B n A n B A n + =

Para trs conjuntos, tem-se:

) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( C B A n C B n C A n B A n C n B n A n C B A n + + + =

Denotando os conjuntos por
3 2 1
, , A A A podemos escrever:

) ( ) ( ) ( ) (
3 2 1
2 1
3 2 1
A A A n A A A n A A A n
n
j i
j i
n
i
i
+ =

= < =


Por induo finita prova-se que:

( ) ( ) ( ) ( )
n
n
n
r j i
r j i
n
j i
j i
n
i
i
n
i
i
A A A n A A A n A A n A n A n

... 1 ... ) (
2 1
1
3 2 1 1

= < < = < = =


+ + =
|
|
.
|

\
|








PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
78



APNDICE 2

TCNICAS DE CONTAGEM


PERMUTAES

Quantidade de maneiras que se pode ordenar um conjunto de objetos.


PERMUTAES SIMPLES


Quantidade de maneiras que se pode ordenar n objetos distintos:
n
a a a ,..., ,
2 1



! n P
n
=

EXEMPLO

Determinar a quantiidade de todas as ordenaes possveis dos nmeros 1,2 e 3.

1,2,3 ; 1,3,2 ; 2,1,3 ; 2,3,1 ; 3,1,2 ; 3,2,1

6 3 2 1 ! 3
3
= = = P


PERMUTAES CATICAS

Quantidade de permutaes dos objetos ) ,..., , (
2 1 n
a a a nas quais nenhum deles ocupa sua posio original.

=
n
i
i
n
i
n D
0
!
) 1 (
! ou D
n
= inteiro mais prximo de
e
n!



EXEMPLO

Determinar a quantidade de permutaes caticas dos nmeros 1,2 e 3.

2,3,1 ; 3,1,2


2
6
2
6
6
1
2
1
1
1
1
1
6
! 3
) 1 (
! 2
) 1 (
! 1
) 1 (
! 0
) 1 (
6
!
) 1 (
! 3
3
0
3 2 1 0
3
= = |
.
|

\
|
+ =
(

=

= i
i
i
D
Ou

2 ... 2 , 2
! 3
3
= = D
e





PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
79



PERMUTAES DE ELEMENTOS REPETIDOS (ANAGRAMAS)


Quantidade de maneiras que se pode ordenar n elementos, nem todos distintos:

n n n n
a a a a a a a a a
k
n
k k k
n n
k
= + + + ...
,... , ,..., ,... , , ,...
2 1
2 2 2 1 1 1
2 1
_ _ _

! !... !
!
2 1
,..., ,
2 1
k
n n n
n
n n n
n
P
k
=



EXEMPLO

Determinar a quantidade de anagramas que podem ser formados com a palavra ANA

ANA , AAN , NAA

3
1 2 1
3 2 1
! 1 ! 2
! 3
1 , 2
3
=


= = P




PERMUTAES CIRCULARES

Quantidade de maneiras que se pode colocar n objetos distintos,
n
a a a ,..., ,
2 1
, em n lugares (equiespaados) em torno de
um crculo, considerando-se equivalentes as disposies que possam coincidir por rotao.


)! 1 ( = n PC
n



EXEMPLO


Determinar a quantidade de maneiras que se pode dispor 4 pessoas em uma mesa redonda.






6 ! 3
4
= = PC




PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
80



ARRANJOS

Quantidade de subgrupos ORDENADOS, com k elementos, que podem ser formados a partir de um grupo com n elementos
distintos.


ARRANJOS SIMPLES

Quantidade de subgrupos ORDENADOS, com k elementos, no repetidos, que podem ser formados a partir de um grupo
com n elementos distintos.

)! (
!
,
k n
n
A
k n

=


EXEMPLO

Dado o conjunto {a1,a2,a3}, os subgrupos ordenados com 2 elementos no repetidos que podem ser formados so:

{ } 6
)! 2 3 (
! 3
) ( ] , [ ], , [ ], , [ ], , [ ], , [ ], , [
2 , 3 2 3 3 2 1 3 3 1 1 2 2 1
=

= = = A S n a a a a a a a a a a a a S


ARRANJOS COM REPETIO (COMPLETOS)

Quantidade de subgrupos ORDENADOS, com k elementos, podendo ser repetidos, que podem ser formados a partir de um
grupo com n elementos distintos.





EXEMPLO

Dado o conjunto {a1,a2,a3}, os subgrupos ordenados com 2 elementos, com repetio, que podem ser formados so:

{ } 9 3 ) ( ] , [ ], , [ ], , [ ], , [ ], , [ ], , [ ], , [ ], , [ ], , [
2 *
2 , 3 3 3 2 3 1 3 3 2 2 2 1 2 3 1 2 1 1 1
= = = = A S n a a a a a a a a a a a a a a a a a a S



COMBINAES

Quantidade de subgrupos NO ORDENADOS, com k elementos, que podem ser formados a partir de um grupo com n
elementos distintos.



COMBINAES SIMPLES

Quantidade de subgrupos NO ORDENADOS, com k elementos, no repetidos, que podem ser formados a partir de um
grupo com n elementos distintos.


k
k n
n A =
*
,
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
81

)! ( !
!
,
k n k
n
C
k n

=

EXEMPLO

Dado o conjunto {a1,a2,a3}, os subgrupos no ordenados com 2 elementos no repetidos que podem ser formados so:

{ } 3
)! 2 3 ( ! 2
! 3
) ( ] , [ ], , [ ], , [
2 , 3 3 2 3 1 2 1
=

= = = C S n a a a a a a S


COMBINAES COM REPETIO (COMPLETAS)

Quantidade de subgrupos ORDENADOS, com k elementos, podendo ser repetidos, que podem ser formados a partir de um
grupo com n elementos distintos.

k k n k n
C C
, 1
*
, +
=


EXEMPLO

Dado o conjunto {a1,a2,a3}, os subgrupos no ordenados com 2 elementos, com repetio, que podem ser formados so:


{ } 6
)! 2 4 ( ! 2
! 4
) ( ] , [ ], , [ ], , [ ], , [ ], , [ ], , [
2 , 4 2 , 1 2 3
*
2 , 3 3 3 3 2 2 2 3 1 2 1 1 1
=

= = = = =
+
C C C S n a a a a a a a a a a a a S


RETIRADA DE BOLAS DE UMA URNA

Para contarmos de quantas maneiras podemos retirar uma amostra de n bolas de uma urna contendo N bolas distinguveis
temos as situaes a seguir. Denotaremos esta quantidade por n(A).

OBS: Amostra ordenada significa que a ordem de retirada das bolas levada em considerao, por exemplo, o resultado
(b
1
,b
2
) diferente do resultado (b
2
,b
1
) devendo, portanto, os dois serem contados. O mesmo no acontece na amostra no
ordenada, onde apenas um deles contado. Na amostra com reposio as bolas retiradas so recolocadas (repostas) na
urna, podendo ser retiradas novamente.


AMOSTRA ORDENADA COM REPOSIO


*
,
) (
n N
A A n =


EXEMPLO


Retirar uma amostra de 2 bolas, ORDENADA COM REPOSIO, de uma urna contendo 3 bolas distinguiveis.



9 3 ) (
2 *
2 , 3
= = = A A n
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
82





AMOSTRA ORDENADA SEM REPOSIO

n N
A A n
,
) ( =

EXEMPLO

Retirar uma amostra de 2 bolas, ORDENADA SEM REPOSIO, de uma urna contendo 3 bolas distinguiveis.






AMOSTRA NO ORDENADA COM REPOSIO

*
,
) (
n N
C A n =


EXEMPLO

Retirar uma amostra de 2 bolas, NO ORDENADA COM REPOSIO, de uma urna contendo 3 bolas distinguiveis.






AMOSTRA NO ORDENADA SEM REPOSIO

n N
C A n
,
) ( =


EXEMPLO

Retirar uma amostra de 2 bolas, NO ORDENADA SEM REPOSIO, de uma urna contendo 3 bolas distinguiveis.








3
)! 2 2 ( ! 2
! 3
) (
2 , 3
=

= = C A n
6
)! 2 4 ( ! 2
! 4
) (
2 , 4 2 , 1 2 3
*
2 , 3
=

= = = =
+
C C C A n

6
)! 2 3 (
! 3
) (
2 , 3
=

= = A A n
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
83

DISTRIBUIO DE BOLAS EM URNAS

Para contarmos de quantas maneiras podemos distribuir n bolas em N urnas numeradas temos que considerar as seguintes
situaes. Denotaremos esta quantidade por n(B).

OBS: Distribuio sem excluso significa que uma urna pode no receber bolas ou receber uma ou mais bolas. Distribuio
com excluso significa que uma urna pode no receber bolas ou receber apenas uma bola.



BOLAS DISTINGUIVEIS SEM EXCLUSO

*
,
) (
n N
A B n =


EXEMPLO

Distribuir 2 bolas DISTINGUVEIS em 3 urnas, SEM EXCLUSO.





BOLAS DISTINGUIVEIS COM EXCLUSO

n N
A B n
,
) ( =

EXEMPLO

Distribuir 2 bolas DISTINGUVEIS em 3 urnas, COM EXCLUSO.













6
)! 2 3 (
! 3
) (
2 , 3
=

= = A B n
9 3 ) (
2 *
2 , 3
= = = A B n
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
84


BOLAS NO DISTINGUIVEIS SEM EXCLUSO

*
,
) (
n N
C B n =


EXEMPLO

Distribuir 2 bolas NO DISTINGUVEIS em 3 urnas, SEM EXCLUSO.






BOLAS NO DISTINGUIVEIS COM EXCLUSO

n N
C B n
,
) ( =


EXEMPLO

Distribuir 2 bolas NO DISTINGUVEIS em 3 urnas, COM EXCLUSO.

















3
)! 2 3 ( ! 2
! 3
) (
2 , 3
=

= = C B n

6
)! 2 4 ( ! 2
! 4
) (
2 , 4 2 , 1 2 3
*
2 , 3
=

= = = =
+
C C C B n
PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
85

PRINCPIO DA INCLUSO-EXCLUSO

Dados os conjuntos
n
A A A S ,..., , ,
2 1
, sendo
n
A A A ,..., ,
2 1
subconjuntos de S e as seguintes somas:

) ... (
...
) (
) (
) (
) (
2 1
1
3
1
2
1
1
0
n n
n
n k j i
k j i
n
n j i
j i
n
i
i
A A A n S
A A A n S
A A n S
A n S
S n S
=
=
=
=
=

s < < s
s < s
=


Observe que cada soma, a partir de
1
S , tem n k C
k n
,..., 2 , 1 ,
,
= parcelas.

Ento, tem-se:

a) A quantidade de elementos de S que pertencem a exatamente p (pn) dos subconjuntos
n
A A A ,..., ,
2 1
:

=
+ +
=
p n
k
k p k k p
k
p
S C a
0
,
) 1 (


b) A quantidade de elementos de S que pertencem a pelo menos p (pn) dos subconjuntos
n
A A A ,..., ,
2 1
:

=
+ +
=
p n
k
k p k k p
k
p
S C b
0
, 1
) 1 (

c) A quantidade de elementos de S que pertencem a
n
A A A ....
2 1
:

n
n
n
S S S S A A A n
1
3 2 1 2 1
) 1 ( ... ) .... (

+ + + =







PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
86


APNDICE 3

DISTRIBUIO N(0,1)
valores de u(z)=P(Z s z) para z > 0


Z
0 1 2 3 4 5 6 7 8 9
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990







PROBABILIDADE E VARIVEIS ALEATRIAS Prof. MSc Francisco de Assis Amaral Bastos
87

BIBLIOGRAFIA


- Probabilidade - Aplicaes Estatstica, Paul L. Mayer, Ao Livro Tcnico S.A.

- Estatstica Aplicada e Probabilidade para Engenheiros, Douglas C. Montgomery, George S. Runger, LTC

- Probabilidade, Teresinha de Maria B. Sampaio Xavier, Airton Fontenele Sampaio Xavier, Coleo Universitria de
Problemas, LTC

- Anlise Combinatria e Probabilidade, Augusto Cesar de Oliveira Morgado et all, Coleo do Professor de
Matemtica, Sociedade Brasileira de Matemtica