CE-003 : Exerccios do Curso

Prof. Paulo Justiniano Ribeiro Jr

Ultima
atualizacao: 18 de novembro de 2006

Introdu
c
ao

No material abaixo est

ao indicados exerccios semanais que acompanham o desenvolvimento do curso alem de sugest
oes de
leitura sobre assuntos tratados em aula e selec
ao de exerccios recomendados nas referencias do curso.

Exerccios semanais

2.1

Semanas: 1 a 4

Assunto: estatstica descritiva Referencias para leitura/estudo/consulta:

Magalh
aes e Lima (6a ed.), Captulo 1 e Captulo 5 (pag 125-128, pag 134143)
Bussab e Morettin (5a ed.), Captulos 1 4

1. Os dados a seguir correspondem a teores de um elemento indicador da qualidade de um certo produto vegetal. Foram
coletadas 2 amostras referentes a 2 metodos de producao.

Metodo 1 0.9 2.5 9.2 3.2 3.7 1.3 1.2 2.4 3.6 8.3
Metodo 2 5.3 6.3 5.5 3.6 4.1 2.7 2.0 1.5 5.1 3.5
(a) Faca um histograma de todos os dados
(b) Faca um diagrama ramo-e-folhas de todos os dados
(c) calcule a media, vari
ancia e coeficiente de variacao para cada metodo
(d) compare os metodos baseando-se nos resultados dos do tem anterior
Respostas:
>
>
>
>

m1 <- c(0.9, 2.5, 9.2, 3.2, 3.7, 1.3, 1.2, 2.4, 3.6, 8.3)
m2 <- c(5.3, 6.3, 5.5, 3.6, 4.1, 2.7, 2, 1.5, 5.1, 3.5)
hist(c(m1, m2), breaks = 0:10)
stem(c(m1, m2))
The decimal point is at the |
0
2
4
6
8

|
|
|
|
|

9235
045725667
1135
3
32

> stem(c(m1, m2), scale = 2)

The decimal point is at the |
0
1
2
3
4
5
6
7
8
9
>
>
>
>
>
>
>
>
>

|
|
|
|
|
|
|
|
|
|

9
235
0457
25667
1
135
3
3
2

m1m <- mean(m1)

m1v <- var(m1)
m1cv <- 100 * sd(m1)/mean(m1)
m2m <- mean(m2)
m2v <- var(m2)
m2cv <- 100 * sd(m2)/mean(m2)
res <- matrix(c(m1m, m1v, m1cv, m2m, m2v, m2cv), nr = 3)
dimnames(res) <- list(c("m
edia", "vari^
ancia", "cv"), c("M
etodo 1", "M
etodo 2"))
res

m
edia

M
etodo 1
3.63000

M
etodo 2
3.960000

Frequency
4
0

Frequency
2
3

Histogram of c(m1, m2)

Histogram of c(m1, m2)

4
6
c(m1, m2)

10

4
6
c(m1, m2)

10

comparac
ao das medias
comparac
ao vari
ancias
ceficiente da variac
ao comparando variabilidades de grupos com medias diferentes

Outros possveis coment

arios
assimetria
presenca (ou n
ao) de dados discrepantes

2. Foram coletados dados de uma medida de produtividade de 40 funcionarios da linha de producao de 2 fabricas. A figura
abaixo mostra os boxplot obtidos com os dados dos dois grupos. Discuta o resultado comparando os dois grupos.

40

50

60

70

80

Resposta: Coment
arios mnimos:
O grupo 1 apresenta menor valor de medida de tendencia central (mediana) e maior variabilidade (amplitude interquartlica), apresentando ainda uma leve assimetria. O grupo 2 e mais homogeneo, porem apresenta 3 dados atpicos.
3. Os dados abaixo representam o valor das vendas semanais (em salarios mnimos) de vendedores de generos alimentcios.
(a) Faca o histograma das observac
oes;
(b) Calcule a media da amostra;
(c) Calcule o desvio padr
ao da amostra;

Vendas semanais
[30, 35)
[35, 40)
[40, 45)
[45, 50)
[50, 55)
[55, 60)
[60, 65)
[65, 70)

No de vendedores
2
10
18
50
70
30
18
2

Respostas:
> vendas <- seq(32.5, 67.5, by = 5)
> vendedores <- c(2, 10, 18, 50, 70, 30, 18, 2)
> dados <- rep(vendas, vendedores)

50
30
0 10

no. vendedores

70

(a) > hist(dados, breaks = seq(30, 70, by = 5), xlab = "vendas", ylab = "no. vendedores",
+
main = "")

30

40

50

60

70

vendas

(b) Calcule a media da amostra;

> mean(dados)
[1] 51.2
> weighted.mean(vendas, vendedores)
[1] 51.2
(c) Calcule o desvio padr
ao da amostra;
> sd(dados)
[1] 6.635522
4. Os dados a seguir s
ao medidas da intensidade de insolacao (watts/m2 ) tomadas em diferentes dias em um certo local.
562
918
957

869
558
693

708
768
835

775
870
905

775
918
939

704
940
955

809
946
960

856
661
498

655
820
563

806
898
730

878
935
753

909
952

> insola <- c(562, 869, 708, 775, 775, 704, 809, 856, 655, 806, 878, 909, 918,
+
558, 768, 870, 918, 940, 946, 661, 820, 898, 935, 952, 957, 693, 835, 905,
+
939, 955, 960, 498, 563, 730, 753)
(a) construa um histograma dos dados
(b) construa um box-plot
(c) comente sobre os principais aspectos da distribuicao destes dados baseando-se nos graficos do problema anterior

Respostas:
(a)

b) > par(mfrow = c(1, 2), mar = c(3, 3, 0, 0), mgp = c(2, 1, 0))
> hist(insola)
> boxplot(insola)

500

600

700

Frequency
4

800

900

Histogram of insola

500

600

700
800
insola

900

1000

Figura 1: Histograma (esquerda) e boxplot (direita) dos dados de insolacao da Questao 2.

(c) Resp: comentar sobre medida(s) de posic
ao, dispers
ao, assimetria e presenca de dados discrepantes
(d) > mean(insola)
[1] 807.9429
> median(insola)
[1] 835
(e) > sd(insola)
[1] 132.4044
> diff(fivenum(insola)[c(2, 4)])
[1] 199
(f) > 100 * sd(insola)/mean(insola)
[1] 16.38785
> diff(range(insola))
[1] 462
5. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a)
(b)
(c)
(d)

Captulo
Captulo
Captulo
Captulo

1,
1,
5,
5,

Pag
Pag
Pag
Pag

1921: 1, 2, 3, 4 e 5
2336: 2, 4, 6, 7, 9, 10, 12, 13, 14, 20, 21, 22
152153: 1, 2, 3
154164: 1 a 11

6. Exerccios recomendados de Bussab e Morettin (5a ed.)

(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)

Captulo
Captulo
Captulo
Captulo
Captulo
Captulo
Captulo
Captulo

2,
2,
2,
3,
3,
3,
4,
4,

pag
pag
pag
pag
pag
pag
pag
pag

15: 2
22: 4, 5, 6 e 7
2634: 9, 10, 11, 12, 13
40: 1, 2, 3, 6
51: 11
5868: 16, 19, 20, 21, 22, 23, 24, 25, 28, 29, 33, 34, 35
73: 1, 2
76: 6

2.2

Semanas: 5 e 6

Assunto: probabilidades Referencias para leitura/estudo/consulta:

Magalh
aes e Lima (6a ed.), Captulo 2
Bussab e Morettin (5a ed.), Captulo 5

Nota: os exerccios abaixo foram retirados de Dantas, C.A.B. Probabilidade: um curso introdut
orio. Edusp, 2000.
(2a ed).
1. Defina o espaco amostral para cada um dos experimentos aleatorios:
(a) lanca-se dois dados e anota-se a configurac
ao obtida
(b) conta-se o n
umero de pecas defeituosas, o intervalo de uma hora, de uma linha de producao
(c) investigam-se famlias de quatro criancas e anota-se a configuracao obtida, segundo o sexo
(d) numa entrevista telef
onica com dez assinantes, pergunta-se se o proprietario tem ou nao maquiona de secar roupa
(e) de um fich
ario com seis nomes, sendo tres de mulheres e tres de homens, seleciona-se ficha apos ficha ate que o
u
ltimo nome de mulher seja selecionado
2. Uma moeda e lancada tres vezes. Descreva o espaco amostral. Considere os eventos Ai : cara no i-esimo lancamento,
para i = 1, 2, 3. Determine os seguintes eventos: (a) Ac1 A2 ; (b) Ac1 A2 ; (c) (Ac1 Ac2 )c ; (d) A1 (A2 A3 )
3. Suponha que o espaco amostral e o intervalo [0, 1] dos reais. Considere os eventos A = [x : 1/4 x 5/8] e
B = [x : 1/2 x 7/8]. Determine os eventos: (a) Ac ; (b) A B c ; (c) (A B)c ; (d) Ac B.
4. (Dantas, 2000) A, B e C s
ao tres eventos de um mesmo espaco amostral, tais que: P (B) = 0, 5, P (C) = 0, 3, P (B|C) =
0, 4, P (A|(B C)) = 0, 5. Calcule P (A B C).
5. Sejam A e B dois eventos de um mesmo espaco de probabilidades. Sabendo-se que P (A) = 0, 7 e P (B) = 0, 6, determine
o valor m
aximo e mnimo de P (A B).
6. Uma urna contem duas bolas brancas e duas bolas pretas. As bolas sao retiradas ao acaso, sucessivamente e sem
reposic
ao.
(a) qual a probabilidade de sair uma bola preta na primeira retirada?
(b) qual a probabilidade de que aprimeira bola preta apareca apenas da quarta retirada?
(c) qual a probabilidade de que a segunda bola preta apareca logo na segunda retirada? qual a probabilidade de que
a segunda bola preta apareca apenas na quarta retirada?
7. Em media, 5% dos produtos vendidos por uma loja sao devolvidos. Qual a probabilidade de que, nas quatro pr
oximas
unidades vendidas deste produto, duas sejam devolvidas?
8. Uma cidade tem 30.000 habitantes e tres jornais, A, B e C. Uma pesquisa de opiniao revela que 12.000 leem A; 8.000
leem B; 7.000 leem A e B; 6.000 leem C; 4.500 leem A e C; 1.000 leem B e B; 500 leem A, B e C. Selecionamos ao
acaso um habitante dessa cidade. Qual a probabilidade de que ele leia: (a) pelo menos um jornal? (b) somente um
jornal?
9. A probabilidade de que a porta de uma casa esteja trancada `a chave e 3/5. Um chaveiro possui 25 chaves das quais
tres abrem a porta. Qual a probabilidade de que um indivduo entre na casa, se ele puder escolher, ao acaso, somente
uma chave do chaveiro?
10. Tres m
aquinas A, B e C produzem 50%, 30% e 20%, respectivamente, do total de pecas de uma fabrica. As porcentagens de produc
ao defeituaos destas m
aquinas s
ao 3%, 4% e 5%. Se uma peca e selecionada aleatoriamente, ache a
probabilidade de ela ser defeituosa. Se a peca selecionada e defeituosa, encontre a probabilidade de ter sido produzida
pela m
aquina C.
11. A probabilidade de que um aluno saiba a resposta de uma questao de um exame de m
ultipla escolha ep. Ha m respostas
possveis para cada quest
ao, das quais apenas uma e correta. Se o aluno nao sabe a resposta para uma dada quest
ao,
ele escolhe ao acaso uma das m respostas possveis. (a) qual e a probabilidade de o aluno responder corretamente uma
quest
ao? (b) se o aluno respondeu corretamente uma questao, qual a probabilidade de ele ter chutado a resposta?
12. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 2, Pag 4041: 1 a 5
(b) Captulo 2, Pag 4849: 1 a 6

(a)
(b)
(c)
(d)
(e)

2.3

Captulo
Captulo
Captulo
Captulo
Captulo

5,
5,
5,
5,
5,

pag
pag
pag
pag
pag

105106: 1 a 5
110: 7 a 11
115: 1522
120: 23
11264: 26 a 41, 57, 64

Semana: 7

Assunto: vari
aveis aleat
orias
1. Um vendedor de equipamento pesado pode visitar, num dia, um ou dois clientes, com probabilidade 1/3 ou 2/3
respectivamente. De cada contato, pode resultar a venda de um equipamento por R$50.000,00 (com probabilidade
1/10) ou nenhuma venda (com probabilidade 9/10). Indicando por Y o valor total das vendas diarias desse vendedor:
(a)
(b)
(c)
(d)

escreva a func
ao de probabilidade de Y e faca seu grafico
calcule o valor esperado de vendas di
arias
calcule a vari
ancia de Y
obtenha o func
ao de probabilidade (acumulada) e faca seu grafico.

2. Cinco m
aquinas trabalham de forma independente executando certas tarefas. A probabilidade de que uma delas
precise de manutenc
ao durante o perodo de uma semana e de 0.15. Considere o n
umero de maquinas que vao requerer
manutenc
ao durante uma semana:
(a)
(b)
(c)
(d)
(e)

monte a distribuic
ao de probabilidade da variavel em questao,
qual a probabilidade de que alguma m
aquina precise de manutencao,
qual a probabilidade de que no m
aximo duas maquinas precisem de manutnecao,
calcule o valor esperado e interprete este valor dizendo o que ele representa,
calcule a vari
ancia e interprete este valor dizendo o que ele representa.

3. Mostre que as func

oes abaixo s
ao func
oes de densidade de probabilidade e determine o valor de k.
(a) f (x) = kx2 para 0 < x < 4
(b) f (x) = k(1 + 2x) para 0 < x < 2
(c) f (x) = kex para x > 0
4. Considere a f.d.p. no segundo tem do problema anterior.
(a)
(b)
(c)
(d)
(e)
(f)

Calcule
Calcule
Calcule
Calcule
Calcule
Calcule

P [X > 1, 5]
P [0, 7 < X < 1, 2]
o valor esperado de X
a vari
ancia de X
a mediana de X
os quartis da distribuic
ao de X

5. A func
ao de distribuic
ao acumulada de uma certa variavel aleatoria e:

x < 2
0
0,
25x
+
0,
5
2 x < 2
f (x) =

1x 2
(a)
(b)
(c)
(d)
(e)

Determine
Determine
Determine
Determine
Determine

P [X < 1, 8]
P [X > 1, 5]
P [X < 2]
P [1 < X < 1]
a media e mediana de X

6. Exerccios recomendados de Magalh

aes e Lima (6a edicao)
(a) Captulo 3, Pag 6768: 1, 3, 4, 5, 6
(b) Captulo 6, Pag 175177: 1, 2, 3, 5
7. Exerccios recomendados de Bussab e Morettin (5a ed.)
(a) Captulo 6, pag 135: 1 a 6
(b) Captulo 6, pag 136: 7 e 8

0.4
0.0

0.2

px

0.6

0.8

> plot(x, px, ty = "h")

0e+00

2e+04

4e+04

6e+04

8e+04

1e+05

6e+04

8e+04

1e+05

0.95
0.90
0.85

cumsum(px)

1.00

d) > plot(x, cumsum(px), type = "S")

0e+00

2e+04

4e+04
x

Respostas
1. > x <- c(0, 1, 2) * 50000
> x
[1] 0e+00 5e+04 1e+05
(a) >
>
>
>
>
>

px0 <- (1/3)

px1 <- (1/3)
px2 <- (2/3)
px <- c(px0,
names(px) <px

* (9/10) + (2/3) * (9/10) * (9/10)

* (1/10) + 2 * (2/3) * (9/10) * (1/10)
* (1/10) * (1/10)
px1, px2)
x

0
50000
1e+05
0.840000000 0.153333333 0.006666667
> sum(px)
[1] 1
(b) > sum(x * px)
[1] 8333.333
(c) > sum(x^2 * px) - (sum(x * px))^2

[1] 0.4437053125 0.3915046875 0.1381781250 0.0243843750 0.0021515625 0.0000759375

(b) > 1 - dbinom(0, size = 5, prob = 0.15)
[1] 0.5562947
(c) > sum(dbinom(0:2, size = 5, prob = 0.15))
[1] 0.9733881
(d) > sum((0:5) * dbinom(0:5, size = 5, prob = 0.15))
[1] 0.75
(e) > sum(((0:5)^2) * dbinom(0:5, size = 5, prob = 0.15)) - (sum((0:5) * dbinom(0:5,
+
size = 5, prob = 0.15)))^2
[1] 0.6375
3. (a) f (x) 0
> f1 <> achaK
> k1 <> k1

para todo 0 < x < 4)

function(x, kk) ifelse((x > 0 & x < 4), kk * (x^2), 0)
<- function(k) (integrate(f1, low = 0, upp = 4, kk = k)$value - 1)^2
optimize(achaK, c(-10, 10))$min

[1] 0.046875
> integrate(f1, low = 0, up = 4, kk = k1)
1 with absolute error < 1.1e-14
(b) f (x) 0
> f2 <> achaK
> k2 <> k2

para todo 0 < x < 4)

function(x, kk) ifelse((x > 0 & x < 2), kk * (1 + 2 * x), 0)
<- function(k) (integrate(f2, low = 0, upp = 2, kk = k)$value - 1)^2
optimize(achaK, c(-10, 10))$min

[1] 0.1666667
> integrate(f2, low = 0, up = 2, kk = k2)
1 with absolute error < 1.1e-14
(c) f (x) 0
> f3 <> achaK
> k3 <> k3

para todo 0 < x < 4)

function(x, kk) ifelse(x > 0, kk * exp(-x), 0)
<- function(k) (integrate(f3, low = 0, upp = Inf, kk = k)$value - 1)^2
optimize(achaK, c(0, 10))$min

[1] 1
> integrate(f3, low = 0, up = +Inf, kk = k3)
1 with absolute error < 5.7e-05
4. (a) > integrate(f2, low = 1.5, up = 2, kk = k2)
0.375 with absolute error < 4.2e-15
(b) > integrate(f2, low = 0.7, up = 1.2, kk = k2)
0.2416667 with absolute error < 2.7e-15
(c) > ef2 <- function(x) x * f2(x, kk = k2)
> EX <- integrate(ef2, low = 0, up = 2, k = k2)$value
> EX
[1] 1.222222
(d) > vf2 <- function(x) ((x - EX)^2) * f2(x, kk = k2)
> VX <- integrate(vf2, low = 0, up = 2, k = k2)$value
> VX
[1] 0.2839506
(e) > md.f <- function(md) (integrate(f2, low = 0, up = md, kk = k2)$value - 0.5)^2
> optimize(md.f, low = 0, up = 2)$min
[1] 1.302774
(f) > q1.f <- function(md) (integrate(f2, low = 0, up = md, kk = k2)$value - 0.25)^2
> optimize(q1.f, low = 0, up = 2)$min
[1] 0.8228739

2.4

Semana: 8

Assunto: distribui
c
oes de probabilidade e distribui
c
oes discretas
1. De acordo com certo instituto 25% das televis
oes s
ao sintonizadas em uma novela chamada Os Mensaleiros do Apocalipse
quando esta e exibida. Calcule as probabilidades de, durante a exibicao da novela, tomando-se televisoes escolhidas
aleatoriamente:
(a) 5 entre 15 estejam sintonizadas na novela
(b) ao menos 5 entre 15 estejam sintonizadas na novela
(c) no m
aximo 5 entre 10 esteja sintonizadas na novela
(d) nenhuma entre 6 estar sintonizada
2. Um f
abrica tem uma media semanal de 0,5 acidentes de trabalho. Determine a probabilidade de que em uma semana
qualquer se tenha:
(a) 0 acidentes
(b) 1 acidente
(c) 2 acidentes
(d) algum acidente
3. Um estudo sobre fitas magneticas de armazenagem de dados de computador mostrou que a incidencia de defeitos
e de 2,0 defeitos para cada 500 metros de fita. Tomando-se 100 metros de fita selecionados aleatoriamente, qual a
probabilidade de n
ao se obter nenhum defeito?
4. Um fabricante de pecas de autom
oveis garante que, uma caixa de suas pecas contera, no maximo, dias defeituosas.
Se a caixa contem 18 pecas, e a experiencia tem demonstrado que este processo de fabricacao produz 5% das pecas
defeituosas, qual a probabilidade de que uma caixa satisfaca a garantia?
5. Uma f
abrica produz v
alvulas, das quais 20% s
ao defeituosas. As valvulas sao vendidas em caixas com 10 pecas. Se a
caixa n
ao tiver nenhuma defeituosa, seu preco de venda e de 10 u.m (u.m. = unidade monetaria); tendo uma, o preco
e de 8 u.m.; duas ou tres, o proco e de 6 u.m. e mais de tres, o preco e de 2 u.m. Qual o preco medio de uma caixa?
6. Um teste m
ultipla escolha tem 25 quest
oes, cada uma com 4 alternativas. Assuma que um estudante simplesmente
chute a resposta em cada quest
ao.
(a) qual a probabilidade de que o estudante responda mais que 20 questoes corretamente?
(b) qual a probabilidade de que um estudante responda menos que 5 questoes corretamente?
7. A probabilide de sucesso no alinhamento
optico num conjunto de prudutos opticos de armazenagem de dados e de 0,8.
Assumindo independentes,
(a) qual a probabilidade de que o primeiro sucesso no alinhamento requeira exatamente quatro tentativas?
(b) qual a probabilidade de que o primeiro sucesso no alinhamento requeira no maximo quatro tentativas?
(c) qual a probabilidade de que o primeiro sucesso no alinhamento requeira pelo menos quatro tentativas?
8. Assuma que cada tentativa de chamada que voce faz para um programa de uma radio tenha probabilidade de 0,02 de
ser atendida, isto e, n
ao obter um sinal de ocupado. Assuma tambem que as chamadas sao independentes.
(a) Qual a probabilidade de que sua primeira chamada aceita seja na decima tentativa?
(b) Qual a probabilidade de voce precisar fazer mais que cinco chamadas para conseguir ser atendido?
(c) Qual o n
umero medio de chamadas necess
arias para conseguir ser atendido?
(d) Voce gostaria de ser atendido duas vezes. Qual a probabilidade de ter que tentar 6 vezes para conseguir ser
atendido duas vezes.
(e) Qual a probabilidade de precisar ligar ao menos seis vezes para ser atendido duas vezes?
9. Um sistema tolerante a falhas ue processa transacoes para firmas de servicos financeiros usa tres computadores separados. Se o sistema operacional de um deles falha, um dos demais e colocado online automaticamente e apos um segundo
falhar, o u
ltimo entra online automaticamente. Assuma que a probabilidade de falha em uma transacao e de 106 e
que as transac
oes podem ser consideradas eventos independentes.
(a) qual o n
umero esperado de transac
oes feitas antes que todos os computadores falhem?
(b) qual a vari
ancia do n
umero esperado de transacoes feitas antes que todos os computadores falhem?

(b) Qual a probabilidade de que pelo menos uma das inaceitaveis esteja na amostra?
(c) Qual a probabilidade de que exatamente uma das inaceitaveis esteja na amostra?
(d) Qual o n
umero medio de inaceit
aveis em amostras deste tamanho?
11. Efetividade de inspe
c
ao Suspeita-se que materiais qumicos adquiridos de certo fornecedor estejam com nvel de
umidade acima do aceit
avel. Amostras de 30 unidades sao testadas verificando-se o nvel de umidade. Detemine a
proporc
ao de unidades do fornecedor que ultrapassa a umidade aceitavel de forma que a probabilidade seja de 90 de
que ao menos uma unidade na amostra de 30 falhe no teste (i.e. tenha conte
udo de umidade acima do aceitavel).
12. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 3, Pag 7677: 1 a 7
(b) Captulo 3, Pag 83-84: 1 a 6
(c) Captulo 3, Pag 8592: 1 a 7, 10 a 12, 16 a 27
13. Exerccios recomendados de Bussab e Morettin (5a ed.)
(a) Captulo 6, pag 151152: 20, 22 a 27
(b) Captulo 6, pag 157161: 29 a 37, 39, 40, 56
Respostas
1. (a) > dbinom(5, size = 15, prob = 0.25)
[1] 0.1651460
(b) > 1 - sum(dbinom(0:4, size = 15, prob = 0.25))
[1] 0.3135141
(c) > sum(dbinom(0:5, size = 10, prob = 0.25))
[1] 0.9802723
(d) > dbinom(0, size = 6, prob = 0.25)
[1] 0.1779785
2. (a) > dpois(0, lambda = 0.5)
[1] 0.6065307
(b) > dpois(1, lambda = 0.5)
[1] 0.3032653
(c) > dpois(2, lambda = 0.5)
[1] 0.07581633
(d) > 1 - dpois(0, lambda = 0.5)
[1] 0.3934693
3. X P oisson( = 0.4)
(a) P[X=0] =
> dpois(0, lam = 0.4)
[1] 0.67032

2.5

Semana: 8 (cont.)

Assunto: distribui
c
oes de probabilidade e distribui
c
oes contnuas
1. O intervalo entre chamadas a um servico de suporte tecnico e distribuido exponencialmente com tempo medio entre
chamadas de 15 minutos.
(a) Qual a probabilidade de n
ao haver chamadas em um intervalo da 30 minutos?
(b) Qual a probabilidade de se ter ao menos uma chamada em um intervalo de 10 minutos?
(c) Qual a probabilidade que a primeira chamada chegue entre 5 a 10 minutos apos a abertura do servico?
(d) Determine to intervalo de tempo para o qual a probabilidade de haver ao menos uma chamada no intervalo seja
de 0,90.

3. Seja X uma v.a. com distribuic

ao Gaussiana de media 10 e desvio padrao de 2 unidades. Determine:
(a) P [X < 13]
(b) P [X > 9]
(c) P [6 < X < 14]
(d) P [5 < X < 9]
4. O tempo de reac
ao de motoristas a um estmulo visual e distribuido segundo uma distribuicao normal de media 0,4
segundos e desvio padr
ao de 0.05 segundos.
(a) Qual a probabilidade de uma reac
ao demore mais que 0,5 segundos?
(b) Qual a probabilidade de que a reac
ao demore entra 0,4 e 0,5 segundos?
(c) Qual o tempo de reac
ao que e excedido em 90% das vezes?
5. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 6, Pag 193194: 1 a 9
(b) Captulo 6, Pag 195196: 1 a 33
6. Exerccios recomendados de Bussab e Morettin (5a ed.)
(a) Captulo 7, pag 182183: 13 a 21
(b) Captulo 7, pag 194199: 31, 33 a 39
Respostas
1. X exp(1/15)
(a) > 1 - pexp(30, rate = 1/15)
[1] 0.1353353
(b) > pexp(10, rate = 1/15)
[1] 0.4865829
(c) > qexp(0.9, rate = 1/15)
[1] 34.53878
(d) 15 minutos
2. sem resposta
3. (a) > pnorm(13, mean = 10, sd = 2)
[1] 0.9331928
(b) > 1 - pnorm(9, mean = 10, sd = 2)
[1] 0.6914625
(c) > pnorm(14, mean = 10, sd = 2) - pnorm(6, mean = 10, sd = 2)
[1] 0.9544997
(d) > pnorm(9, mean = 10, sd = 2) - pnorm(5, mean = 10, sd = 2)
[1] 0.3023279
4. (a) > 1 - pnorm(0.5, mean = 0.4, sd = 0.05)
[1] 0.02275013
(b) > pnorm(0.5, mean = 0.4, sd = 0.05) - pnorm(0.4, mean = 0.4, sd = 0.05)
[1] 0.4772499
(c) > qnorm(0.1, mean = 0.4, sd = 0.05)
[1] 0.3359224

2.6

Semana: 02-06/10

Assunto: aproxima
c
ao da binomial e Poisson pela normal
1. Se X Bin(n = 16, p = 0.5) use a distribuuic
ao normal para calcular, aproximadamente, a probabilidade P [12 X
15]. Compare a resposta com o valor exato calculado pela distribuicao Binomial.
2. Em um canal de comunicac
ao digital, assuma que o n
umero de bits recebidos com erro possa ser modelado com uma
vari
avel aleat
oria com distribuic
ao Binomial, e assuma que a probabilidade de um bit ser recebido com erro seja de
1 105 . Se 16 milh
oes de bits s
ao transmitidos, qual a probabilidade de que mais de 150 erros ocorram? Indique
como seria encontrada a soluc
ao pela Binomial e resolva usando a aproximacao pela normal.
3. Considere o problema do exemplo anterior. Para ver quao bem a aproximacao funciona, assuma que apenas 50 bits
ser
ao transmitidos e que a probabilidade de erro seja 0.1. Calcule a probabilidade exata de que no maximo 2 erros
ocorram e obtenha o mesmo valor usando a aproximacao pela normal. Mostre em um grafico as f.d.p. da vari
avel
Binomial e normal.
4. Assuma que o n
umero de partculas em um centmetro quadrado de poeira segue uma distribuicao Poisson com media
1000. Se um centmetro quadrado e analisado, qual a probabilidade de que menos de 950 partculas sejam encontradas?
(indique como seria a soluc
ao pela Poisson e resolva usando a aprovimacao pela normal). Qual a probabilidade de que
em 10 cm de poeira seja encontradas mais que 10.000 partculas?
5. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 6, Pag 203: 31
Respostas
1. > pN <- pnorm(15.5, mean = 16 * 0.5, sd = sqrt(16 * 0.5 * (1 - 0.5))) - pnorm(11.5,
+
mean = 16 * 0.5, sd = sqrt(16 * 0.5 * (1 - 0.5)))
> pN
[1] 0.03997074
> pB <- pbinom(15, size = 16, prob = 0.5) - pbinom(11, size = 16, prob = 0.5)
> pB
[1] 0.03839111
2.
X
X

n
umero de bits
B(16.000.000, 105 )

X N (160, 160)
P (X > 150) = ?
> pnorm(150.5, mean = 160, sd = sqrt(160), low = F)
[1] 0.773686
3.
X
X

N (5, 0.5)

P (X 2)

n
umero de bits
B(50, 0.1)
?

> pbinom(2, size = 50, prob = 0.1)

[1] 0.1117288
> pnorm(2.5, mean = 5, sd = sqrt(0.5))
[1] 0.000203476
4.
X

n
umero de paticulas porcm2

> pnorm(949.5, mean = 1000, sd = sqrt(1000))

[1] 0.0551384
> pnorm(10000.5, mean = 10000, sd = sqrt(10000), low = F)
[1] 0.4980053

2.7

Semana: 02-06/10

Assunto: outras distribui

c
oes contnuas
1. Seja uma v.a. X com f.d.p. X 2 ( = 7)
(a) encontre o valor k tal que P[X < k] = 0,05
(b) encontre o valor k tal que P[X > k] = 0,80
(c) encontre o valor k tal que P[X > k] = 0,50
(d) encontre P [X < 5]
(e) encontre P [3, 5 X 15, 3]
(f) encontre P [X 19, 2]
(g) encontre P [X < 4, 5|X > 16, 3]
2. Seja uma v.a. X com f.d.p. X t( = 15)
(a) encontre o valor k tal que P[X < k] = 0,025
(b) encontre o valor k tal que P[X > k] = 0,90
(c) encontre o valor k tal que P[X > k] = 0,10
(d) encontre P [X < 2]
(e) encontre P [1, 5 X 1, 5]
(f) encontre P [X 1]
(g) encontre P [X < 2.5|X > 2.5]
3. Seja uma v.a. X com f.d.p. X F (1 = 5, 2 = 8)
(a) encontre o valor k tal que P[X > k] = 0,025
(b) encontre o valor k tal que P[X < k] = 0,90
(c) encontre o valor k tal que P[X > k] = 0,10
(d) encontre P [X > 4.5]
(e) encontre P [X < 3.2]
(f) encontre P [0.2 X 4]
(g) encontre P [X < 0.25|X > 5]
Respostas
1. > qchisq(0.05, df = 7)
[1] 2.16735
> qchisq(0.2, df = 7)
[1] 3.822322
> qchisq(0.5, df = 7)
[1] 6.345811
> pchisq(5, df = 7)
[1] 0.3400368
> pchisq(15.3, df = 7) - pchisq(3.5, df = 7)

[1] 0.007583373
> pchisq(4.5, df = 7) + pchisq(16.3, df = 7, lower = F)
[1] 0.3017952
2. > qt(0.025, df = 15)
[1] -2.131450
> qt(0.1, df = 15)
[1] -1.340606
> qt(0.9, df = 15)
[1] 1.340606
> pt(2, df = 15)
[1] 0.9680275
> pt(1.5, df = 15) - pt(1.5, df = 15)
[1] 0
> pt(-1, df = 15, lower = F)
[1] 0.833415
> pt(-2.5, df = 15) + pt(2.5, df = 15)
[1] 1
3. > qf(0.025, df1 = 5, df2 = 8, lower = F)
[1] 4.817276
> qf(0.9, df1 = 5, df2 = 8)
[1] 2.726447
> qf(0.1, df1 = 5, df2 = 8, lower = F)
[1] 2.726447
> pf(4.5, df1 = 5, df2 = 8, lower = F)
[1] 0.03003188
> pf(3.2, df1 = 5, df2 = 8, lower = F)
[1] 0.07010112
> pf(4, df1 = 5, df2 = 8, lower = F) - pf(0.2, df1 = 5, df2 = 8, lower = F)
[1] -0.9127496
> pf(0.25, df1 = 5, df2 = 8, lower = F) + pf(5, df1 = 5, df2 = 8, lower = F)
[1] 0.950879

2.8

Semana: 09-13/10 e 16-19/10

Assunto: distribui
c
oes amostrais
1. A resistencia de um concreto tem media de 2500 psi e desvio padrao de 50 psi. Encontre a probabilidade de que uma
amostra aleat
oria de n = 5 corpos de prova possua um diametro medio amostral que esteja no intervalo de 2499 a 2510.
2. Uma populac
ao normal tem media 100 e vari
ancia 25. Qual deveria ser o tamanho de uma amostra de tal forma que
o erro padr
ao da media amostral fosse de 1,5 ?
3. O tempo que um passageiro gasta esperando para fazer um ckeck-in em um aeroporto e uma variavel aleat
oria com
media 8,2 minutos e desvio padr
ao de 1,5 minutos. Suponha que uma amostra aleatoria de n = 49 passageiros e
observada. Encontre a probabilidade de que o tempo medio de espera na fila desta amostra seja:
(a) menos que 10 minutos
(b) entre 5 e 10 minutos
(c) menos que 6 minutos
4. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 7, Pag 227-228: 1, 4, 5, 6 e 7
5. Exerccios recomendados de Bussab e Morettin (5a ed.)
(a) Captulo 10, pag 274277: 7 a 13
(b) Captulo 10: pag 281: 17 e 18
(c) Captulo 10: pag 283288: 21, 22, 24 a 29, 33, 34
Respostas
1. > diff(pnorm(c(2499, 2510), mean = 2500, sd = 50/sqrt(5)))
[1] 0.1904749
2. > ceiling(25/(1.5^2))
[1] 12
3. (a) > pnorm(10, m = 8.2, sd = 1.5/7)
[1] 1
(b) > diff(pnorm(c(5, 10), m = 8.2, sd = 1.5/7))
[1] 1
(c) > pnorm(6, m = 8.2, sd = 1.5/7)
[1] 4.979314e-25

2.9

Semana: 22-26/10

Assunto: distribui
c
oes amostrais (cont.)
1. Uma amostra aleat
oria de 50 capacetes usados por motociclistas e pilotos de corridas foi submetida a um teste de
impacto. Em 18 destes capacetes foi observado algum dano.
(a) encontre um intervalo de confianca de 95% para a proporcao p de capacetes deste tipo que mostrariam danos para
este teste.
(b) idem para um intervalo de confianca a 99%.
(c) usando a estimativa pontual de p obtida da amostra preliminar de 50 capacetes, encontre o n
umero de capacetes
que deveria ser testado para que no intervalo de confianca (95%) a margem de erro obtida na estimac
ao fosse
menor que 0,02.
(d) Qual deveria ser o tamanho da amostra caso quisessemos, com 95% de confianca, que o erro em estimar p fosse
menor que 0,02, independentemente do valor de p.
2. De 1000 casos selecionados ao acaso de c
ancer de pulmao, 823 resultaram em morte.
(a) Qual a margem de erro a 90, 95 e 99% associada `a estimativa da taxa de morte?

 sabido que o diametro do anel e distribudo

3. Uma ind
ustria produz aneis para pistons de veculos automotores. E
aproximadamente segundo uma distribuic
ao normal com desvio padrao de 0,001 mm. Uma amostra aleatoria de 15
aneis tem um di
ametro medio de 74,036 mm. Construa um intervalo de confianca de 99% para o diametro medio do
piston.
> 74.036 + qnorm(c(0.005, 0.995)) * 0.001/15
[1] 74.03583 74.03617
4. Um produtor de detergente lquido est
a interessado na uniformidade da maquina usada para encher as embalagens.
Para verificar isto foi tomada uma amostra de 20 garrafas para as quais foi medido o volume de lquido. A vari
ancia
amostral foi de S 2 = 0.0153 unidades2 . Assumindo que a distribuicao dos volumes e aproximadamente normal N (, 2 ).
(i)obtenha um intervalo de confianca de 95% para a vari
ancia da populacao.
(ii)deseja-se que o desvio padr
ao do processo de enchimento seja inferior a 0.15 para evitar que uma quantidade
consider
avel de garrafas tenha baixo volume. Baseando-se no intervalo de confianca pode-se dizer que o desvio
padr
ao est
a dentro da especificac
ao desejada?

> c((20 - 1) * 0.0153/qchisq(0.975, df = 19), (20 - 1) * 0.0153/qchisq(0.025,

+
df = 19))
[1] 0.008848688 0.032639023
5. Um sistema operacional para um computador pessoal foi estudado extensivamente e se sabe que o desvio padr
ao do
tempo de resposta a um particular comando e de = 8 milisegundos. Uma nova versao do sistema operacional e
instalada e desejamos tomar uma amostra para estimar o tempo de resposta medio para o novo sistema, assegurando
que o comprimento do intervalo de confianca para seja de no maximo 5 milisegundos. Se assumirmos que o tempo de
resposta no novo sistema operacional tem distribuicao normal e assumindo que = 8 milisegundos permanece v
alido
para o novo sistema, qual o tamanho de amostra e recomendado?
Vamos assumir IC de 95%:
> n <- (2 * qnorm(0.975) * 8/5)^2
> n
[1] 39.33654
6. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 7, Pag 234235: 1 a 5
(b) Captulo 7. Pag 235242: 5, 9 a 18, 20 a 2933, 34
7. Exerccios recomendados de Bussab e Morettin (5a ed.)
(a) Captulo 10, pag 274277: 7 a 13
(b) Captulo 10: pag 281: 17 e 18
Respostas
1. (a) intervalo assint
otico:
> phat <- 18/50
> ica <- phat + qnorm(c(0.025, 0.975)) * sqrt(phat * (1 - phat)/50)
> ica
[1] 0.2269532 0.4930468
intervalo conservador
> icc <- phat + qnorm(c(0.025, 0.975)) * sqrt(1/(4 * 50))
> icc
[1] 0.2214096 0.4985904
(b) intervalo assint
otico:
> phat <- 18/50
> ica <- phat + qnorm(c(0.005, 0.995)) * sqrt(phat * (1 - phat)/50)
> ica
[1] 0.1851469 0.5348531

[1] 0.1778614 0.5421386

(c) > ceiling(phat * (1 - phat) * (qnorm(0.975)^2)/(0.02^2))
[1] 2213
2. (a) > phat <- 823/1000
> me90 <- qnorm(0.95) * sqrt(phat * (1 - phat)/1000)
> me90
[1] 0.01985244
> me95 <- qnorm(0.975) * sqrt(phat * (1 - phat)/1000)
> me95
[1] 0.02365564
> me99 <- qnorm(0.995) * sqrt(phat * (1 - phat)/1000)
> me99
[1] 0.03108878
(b) > ceiling(phat * (1 - phat) * (qnorm(0.975)^2))/(0.03^2)
[1] 1111.111
> ceiling(phat * (1 - phat) * (qnorm(0.975)^2))/(0.005^2)
[1] 40000

2.10

Semana: 29/10 - 02/11

Assunto: Testes de Hip

oteses Referencias para leitura/estudo/consulta:
Magalh
aes e Lima (6a ed.), Captulo 8
Bussab e Morettin (5a ed.), Captulo 12

1. Defina os termos:
(a) hip
otese estatstica
(b) erro tipo I
(c) erro tipo II
(d) hip
otese unilateral
(e) hip
otese bilateral
(f) nvel de signific
ancia (tamanho do teste)
(g) poder do teste
(h) regi
ao de rejeic
ao da hip
otese nula H0 (regi
ao crtica)
2. Um fabricante de fibras texteis est
a investigando uma nova formulacao na composicao do material que o fornecedor
garante que tem uma medida de elasticidade com media de 12 kg com desvio padrao de 0,5 kg. O fabricante deseja
testar a hip
otese H0 : = 12 versus H1 : < 12 usando uma amostra aleatoria de 4 unidades.
(a) qual a probabilidade do erro tipo I se a regi
ao crtica e definida como x
< 11, 5 kg?
(b) Encontre a probabilidade do erro tipo II para o caso do valor verdadeiro da elasticidade media ser de 11,25 kg.
3. O calor (em calorias por grama) em uma mixtura de cimento tem distribuicao aproximadamente normal onde assume-se
que a media e de 100 e o desvio padr
ao de 2. Desejamos testar H0 : = 100 versus H1 : 6= 100 com uma amostra de
9 unidades.
(a) Encontre a probabilidade do erro tipo I quando a regiao de nao rejeicao da hipotese nula e definida como sendo
98, 5 x
101.5.
(b) Encontre a probabilidade do erro tipo II caso a verdadeira media seja de 103.
(c) Encontre a probabilidade do erro tipo II caso a verdadeira media seja de 105. O valor de aqui e maior ou
menor do que no tem anterior? Por que?
4. Um engenheiro pesquisador de um fabricante de pneus esta investigando a vida dos pneus com um novo componente
de borracha. Ele produziu 16 pneus com este novo componente e os testou anotando a kilometragem de vida u
til em
um teste de estrada. Os dados em km s
ao mostrados abaixo.

(a) O engenheiro gostaria de demonstrar que o tempo medio de vida dos novos pneus excede 60.000 km. Formule as
hip
oteses e proceda um teste adequado tirando conclusoes com = 0, 05.
(b) Suponha que o tempo medio de vida com a nova formulacao seja de 61.000 km. O engenheiro gostaria de detectar
esta diferenca com probabilidade de ao menos 0,90. O tamanho de amostra usado de n = 16 foi adequado? (para
fazer os c
alculos e tirar conclus
oes use a vari
ancia amostral S como uma estimativa de ).
5. A frac
ao de circuitos integrados defeituosos produzidos num processo fotolitografico esta sendo estudada. Tomou-se
uma amostra aleat
oria de 300 circuitos que foram testados, dos quais 13 revelaram-se defeituosos. Use estes dados para
testar a hip
otese a respeito da proporc
ao p da defeituosos H0 : p = 0, 05 versus H1 : p 6= 0, 05.
6. Exerccios recomendados de Magalh
aes e Lima (6a edicao)
(a) Captulo 8, Pag 244246: 1 a 5
(b) Captulo 8, Pag 256257: 1 a 6
7. Exerccios recomendados de Bussab e Morettin (5a ed.)
(a)
(b)
(c)
(d)
(e)

Captulo
Captulo
Captulo
Captulo
Captulo

12,
12,
12,
12,
12,

pag
pag
pag
pag
pag

329330: 1, 2, 4 e 5
334: 6 a 9
337: 10 a 13
341: 14
343-334: 16 e 17

Respostas
1.
2. > pnorm(11.5, m = 12, sd = 0.5/sqrt(4))
[1] 0.02275013
> pnorm(11.5, m = 11.25, sd = 0.5/sqrt(4), lower = F)
[1] 0.1586553
3. > pnorm(98.5, m = 100, sd = 2/sqrt(9)) + pnorm(101.5, m = 100, sd = 0.5/sqrt(9),
+
lower = F)
[1] 0.01222447
> pnorm(101.5, m = 103, sd = 2/sqrt(9)) - pnorm(98.5, m = 103, sd = 2/sqrt(9))
[1] 0.01222447
> pnorm(101.5, m = 105, sd = 2/sqrt(9)) - pnorm(98.5, m = 105, sd = 2/sqrt(9))
[1] 7.60496e-08
4. > km <- c(60613, 59784, 60545, 69947, 59836, 60221, 60257, 60135, 59554, 60311,
+
60000, 60220, 60252, 50040, 59997, 60523)
> t.test(km, alt = "greater", mu = 60000)
One Sample t-test
data: km
t = 0.1533, df = 15, p-value = 0.4401
alternative hypothesis: true mean is greater than 60000
95 percent confidence interval:
58541.81
Inf
sample estimates:
mean of x
60139.69
> vc <- qnorm(0.95, m = 60000, sd = sqrt(var(km)/16))
> P <- pnorm(vc, m = 61000, sd = sqrt(var(km)/16))
> {
+
if (P < 0.9)

tamanho de amostra n=16 insuficiente para detectar diferen

ca
5. > prop.test(13, 300, p = 0.05, alt = "two.sided", conf = 0.95, cor = F)
1-sample proportions test without continuity correction
data: 13 out of 300, null probability 0.05
X-squared = 0.2807, df = 1, p-value = 0.5962
alternative hypothesis: true p is not equal to 0.05
95 percent confidence interval:
0.02549645 0.07271747
sample estimates:
p
0.04333333

2.11

Semanas: 6 a 10/11, 13 a 18/11

Assunto: Testes de Hip

oteses (cont.) Referencias para leitura/estudo/consulta:
Magalh
aes e Lima (6a ed.), Captulo 9, ate p
agina 321
Bussab e Morettin (5a ed.), Captulo 13

1. O conte
udo de acucar da calda de pessegos enlatados tem distribuicao normal, e pensa-se que a variancia e de 2 = 18
2
(mg ). Testar a hip
otese H0 : = 18 versus H1 : 6= 18 sabendo que uma amostra aleatoria de n = 10 latas produziu
um desvio padr
ao amostral de S = 4.8 mg, usando = 0, 05. Encontre o valor-P deste teste.
2. Duas m
aquinas s
ao usadas para encher garrafas com volume lquido desejado de 16 oncas. Pode-se assumir que o
volume segue uma distribuic
ao normal, com desvio padrao 1 = 0, 020 e 2 = 0, 025 oncas. Um membro do time
de controle de qualidade suspeita que ambas m
aquinas enchem as garrafas com o mesmo volume, independente deste
volume ser ou n
ao igual a 16 oncas. Uma amostra aleatoria de 10 garrafas foi tomada de cada maquina e so volumes
anotados conforme a tabela a seguir.
M
aquina 1
M
aquina 2

16,03
16,02

16,04
15,97

16,05
15,96

16,05
16,01

16,02
15,99

16,01
16,03

15,96
16,04

15,98
16,02

16,02
16,01

15,99
16,00

(a) teste para cada m

aquina individualmente, usando = 0, 05 a hipotese de que o volume esta dentro da especificac
ao.
Encontre o valor-P destes testes.
(b) Voce acha que a suspeita do engenheiro est
a correta? Faca um teste adequado utilizando = 0, 05. Encontre o
valor-P deste teste.
(c) Qual o poder deste teste caso a verdadeira diferenca de medias seja de 0,08?
(d) suponha que as vari
ancias das duas m
aquinas nao sao conhecidas. Utilizando os dados da amostra, teste a hip
otese
de que as vari
ancias dos volumes s
ao diferentes.
(e) repita o teste de comparac
ao dos volumes medios, assumindo agora que as variancias das maquinas sao desconhecidas.
3. Dois municpios A e B s
ao conectados por uma avenida para a qual esta se discutindo o limite de velocidade. Uma
amostra aleat
oria de 500 indivduos do municpio A mostrou que 385 estavam a favor do aumento do limite de velocidade
para 80 km/h. J
a no municpio B uma amostra de 400 adultos mostrou que 267 estavam a favor de tal aumento. Faca
um teste de hip
otese ( = 0, 05) para verificar se as proporcoes de habitantes favoraveis ao aumento de velocidade nos
dois municpios s
ao iguais. Encontre o valor-P deste teste.
4. (Magalh
aes e Lima, pg 257, exerccio 4) O consumo medio de gasolina num certo tipo de automovel e de 15 km/litro,
segundo informac
oes da montadora. Uma revista espacializada verificou o consumo em 25 desses veculos, escolhidos
ao acaso, e constatou consumo medio de 14,3 km/litro. Admita que o consumo siga o modelo Normal com vari
ancia
igual a 9 (km/litro)2 .
Teste, ao nvel de signific
ancia de 6%, a afirmacao da montadora de que a media de consumo e igual a 15 km/litro,
contra a alternativa de ser igual a 14 km/litro.
Determine a probabilidade do erro tipo II.

5. Exerccios recomendados de Magalh

aes e Lima (6a edicao)
(a) Captulo 9, Pag 312313: 1 a 6
(b) Captulo 9, Pag 320321: 2, 3 e 4

(a) Captulo 13, pag 361: 1 a 3

(b) Captulo 13, pag 365366: 4 a 9
(c) Captulo 13, pag 384388: 20 a 22, 24 a 26, 29 a 34
(d) Captulo 13, pag 341: 14
(e) Captulo 13, pag 343-334: 16 e 17
Respostas
1. >
>
>
+
+
+
+

chi2c <- (10 - 1) * (4.8^2)/18

chi2t <- qchisq(c(0.025, 0.975), df = 9)
{
if (chi2c < chi2t[1] | chi2c > chi2t[2])
cat("rejeita-se H0\n")
else print("nao rejeita-se H0\n")
}

[1] "nao rejeita-se H0\n"

2. >
>
>
>

m1 <- c(16.03, 16.04, 16.05, 16.05, 16.02, 16.01, 15.96, 15.98, 16.02, 15.99)
m2 <- c(16.02, 15.97, 15.96, 16.01, 15.99, 16.03, 16.04, 16.02, 16.01, 16)
valorPa1 <- 2 * pnorm(abs(mean(m1) - 16)/(0.02/sqrt(length(m1))), low = F)
valorPa1

[1] 0.01770607
> valorPa2 <- 2 * pnorm(abs(mean(m2) - 16)/(0.025/sqrt(length(m2))), low = F)
> valorPa2
[1] 0.5270893
> valorPb <- 2 * pnorm(abs(mean(m1) - mean(m2))/sqrt((0.02/length(m1)) + (0.02/length(m2))),
+
low = F)
> valorPb
[1] 0.874367
> vc <- qnorm(0.975, sd = sqrt((0.02/length(m1)) + (0.02/length(m2))))
> poder <- 2 * pnorm(vc, m = 0.08, sd = sqrt((0.02/length(m1)) + (0.02/length(m2))),
+
lower = F)
> poder
[1] 0.4870221
> var.test(m1, m2)
F test to compare two variances
data: m1 and m2
F = 1.4103, num df = 9, denom df = 9, p-value = 0.6168
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.3502877 5.6776841
sample estimates:
ratio of variances
1.410256
> t.test(m1, m2, var.eq = T)
Two Sample t-test
data: m1 and m2
t = 0.7989, df = 18, p-value = 0.4347
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.01629652 0.03629652

3. > prop.test(c(385, 267), n = c(500, 400), alt = "two.sided", conf = 0.95, cor = F)
2-sample test for equality of proportions without continuity correction
data: c(385, 267) out of c(500, 400)
X-squared = 11.6956, df = 1, p-value = 0.0006265
alternative hypothesis: two.sided
95 percent confidence interval:
0.04340589 0.16159411
sample estimates:
prop 1 prop 2
0.7700 0.6675
4. Soluc
ao:
Seja X: o consumo em km/litro, X N (, 2 = 9).
N (, 2 = 9/25). Sob H0 : = 15 e para = 0, 06 o
Deseja-se testar H0 : = 15 vs Ha : = 14. Sabe-se que X
valor crtico e de: Portanto se o valor obtido na amostra for menor que o valor crtico rejeita-se H0 , caso contr
ario n
ao
rejeita-se.
Para calcular a probabilidade do erro tipo II fazemos:
> xc| = 14]
= P [erro tipo II] = P [n
ao rejeitarH0 |H0e falsa] = P [X
> xc <- qnorm(0.06, m = 15, sd = sqrt(9/25))
> xc
[1] 14.06714
> {
+
+
+
+ }

if (14.3 < xc)

cat("rejeita-se H0, ou seja, as dados apoiam a hip
otese de que a m
edia
e 14.\n")
else cat("n~
ao rejeita-se H0, ou seja, os dados apoiam a hip
otese de que a m
edia
e 15\n")

n~
ao rejeita-se H0, ou seja, os dados apoiam a hip
otese de que a m
edia
e 15
> pnorm(xc, m = 14, sd = sqrt(9/25), lower = F)
[1] 0.4554541