Você está na página 1de 413

Probabilidade I

Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

1 / 35


Introducao

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

2 / 35


Introducao

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

3 / 35


Introducao

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

4 / 35

Conceitos Fundamentais

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

5 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

6 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

7 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

8 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

9 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

10 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

11 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

12 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

13 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

14 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

15 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

16 / 35


Historia
da Estatstica no mundo

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

17 / 35


Introducao

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

18 / 35


Introducao

A Teoria das Probabilidades e o ramo da matematica


desenvolvido
para tratar com incertezas (aleatoriedade).

a propriedade de a sua observacao,


repetida
Muitos fenomenos
tem
especificadas, conduzir invariavelmente ao mesmo
sob condicoes
resultado.
Exemplos:
1

O fluxo de corrente eletrica


observavel
em um circuito simples (Lei
de Ohm: I = E/R).
cair atraves
do
O tempo em que uma bola atingir
p a o solo apos

t = 2d/g).
vacuo
(Lei da Gravitacao:

O ndice de massa corporal (IMC) em um estudo sobre Cancer


(IMC = peso/altura2 ).

sob as
Para tais exemplos, modelos que estipulam que as condicoes
quais um experimento seja executado determinam o resultado do
apropriados. Tais modelos sao
chamados de
experimento sao
modelos determinsticos.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

19 / 35


Introducao

A Teoria das Probabilidades e o ramo da matematica


desenvolvido
para tratar com incertezas (aleatoriedade).

a propriedade de a sua observacao,


repetida
Muitos fenomenos
tem
especificadas, conduzir invariavelmente ao mesmo
sob condicoes
resultado.
Exemplos:
1

O fluxo de corrente eletrica


observavel
em um circuito simples (Lei
de Ohm: I = E/R).
cair atraves
do
O tempo em que uma bola atingir
p a o solo apos

t = 2d/g).
vacuo
(Lei da Gravitacao:

O ndice de massa corporal (IMC) em um estudo sobre Cancer


(IMC = peso/altura2 ).

sob as
Para tais exemplos, modelos que estipulam que as condicoes
quais um experimento seja executado determinam o resultado do
apropriados. Tais modelos sao
chamados de
experimento sao
modelos determinsticos.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

19 / 35


Introducao

A Teoria das Probabilidades e o ramo da matematica


desenvolvido
para tratar com incertezas (aleatoriedade).

a propriedade de a sua observacao,


repetida
Muitos fenomenos
tem
especificadas, conduzir invariavelmente ao mesmo
sob condicoes
resultado.
Exemplos:
1

O fluxo de corrente eletrica


observavel
em um circuito simples (Lei
de Ohm: I = E/R).
cair atraves
do
O tempo em que uma bola atingir
p a o solo apos

t = 2d/g).
vacuo
(Lei da Gravitacao:

O ndice de massa corporal (IMC) em um estudo sobre Cancer


(IMC = peso/altura2 ).

sob as
Para tais exemplos, modelos que estipulam que as condicoes
quais um experimento seja executado determinam o resultado do
apropriados. Tais modelos sao
chamados de
experimento sao
modelos determinsticos.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

19 / 35


Introducao

A Teoria das Probabilidades e o ramo da matematica


desenvolvido
para tratar com incertezas (aleatoriedade).

a propriedade de a sua observacao,


repetida
Muitos fenomenos
tem
especificadas, conduzir invariavelmente ao mesmo
sob condicoes
resultado.
Exemplos:
1

O fluxo de corrente eletrica


observavel
em um circuito simples (Lei
de Ohm: I = E/R).
cair atraves
do
O tempo em que uma bola atingir
p a o solo apos

t = 2d/g).
vacuo
(Lei da Gravitacao:

O ndice de massa corporal (IMC) em um estudo sobre Cancer


(IMC = peso/altura2 ).

sob as
Para tais exemplos, modelos que estipulam que as condicoes
quais um experimento seja executado determinam o resultado do
apropriados. Tais modelos sao
chamados de
experimento sao
modelos determinsticos.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

19 / 35


Introducao

A Teoria das Probabilidades e o ramo da matematica


desenvolvido
para tratar com incertezas (aleatoriedade).

a propriedade de a sua observacao,


repetida
Muitos fenomenos
tem
especificadas, conduzir invariavelmente ao mesmo
sob condicoes
resultado.
Exemplos:
1

O fluxo de corrente eletrica


observavel
em um circuito simples (Lei
de Ohm: I = E/R).
cair atraves
do
O tempo em que uma bola atingir
p a o solo apos

t = 2d/g).
vacuo
(Lei da Gravitacao:

O ndice de massa corporal (IMC) em um estudo sobre Cancer


(IMC = peso/altura2 ).

sob as
Para tais exemplos, modelos que estipulam que as condicoes
quais um experimento seja executado determinam o resultado do
apropriados. Tais modelos sao
chamados de
experimento sao
modelos determinsticos.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

19 / 35


Introducao

A Teoria das Probabilidades e o ramo da matematica


desenvolvido
para tratar com incertezas (aleatoriedade).

a propriedade de a sua observacao,


repetida
Muitos fenomenos
tem
especificadas, conduzir invariavelmente ao mesmo
sob condicoes
resultado.
Exemplos:
1

O fluxo de corrente eletrica


observavel
em um circuito simples (Lei
de Ohm: I = E/R).
cair atraves
do
O tempo em que uma bola atingir
p a o solo apos

t = 2d/g).
vacuo
(Lei da Gravitacao:

O ndice de massa corporal (IMC) em um estudo sobre Cancer


(IMC = peso/altura2 ).

sob as
Para tais exemplos, modelos que estipulam que as condicoes
quais um experimento seja executado determinam o resultado do
apropriados. Tais modelos sao
chamados de
experimento sao
modelos determinsticos.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

19 / 35


Introducao

repetida sob condicoes

Existem outros fenomenos


cuja observacao,
conduz sempre ao mesmo resultado.
especificadas, nao
Exemplos:
1

Lancamento de uma moeda.

Jogo de futebol: SPORT x Nautico.

valida

Pode parecer impossvel fazer qualquer afirmacao


sob tais

fenomenos,
contudo a experiencia
mostra que muitos fenomenos

aleatorios
exibem uma regularidade estatstica que os torna passveis
de estudo.

Para tais fenomenos,


modelos que estipulam que as condicoes
do experimento determinam apenas o comportamento

apropriados.
probabilstico do resultado observavel
sao
chamados modelos probabilsticos.
Tais modelos sao
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

20 / 35


Introducao

repetida sob condicoes

Existem outros fenomenos


cuja observacao,
conduz sempre ao mesmo resultado.
especificadas, nao
Exemplos:
1

Lancamento de uma moeda.

Jogo de futebol: SPORT x Nautico.

valida

Pode parecer impossvel fazer qualquer afirmacao


sob tais

fenomenos,
contudo a experiencia
mostra que muitos fenomenos

aleatorios
exibem uma regularidade estatstica que os torna passveis
de estudo.

Para tais fenomenos,


modelos que estipulam que as condicoes
do experimento determinam apenas o comportamento

apropriados.
probabilstico do resultado observavel
sao
chamados modelos probabilsticos.
Tais modelos sao
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

20 / 35


Introducao

das
A teoria da probabilidade oferece metodos
de quantificacao

chances ou possibilidades de ocorrencia


associadas aos diversos

resultados de um experimento aleatorio.


qualquer acao

ou processo cujo resultado


Experimento Aleatorio:
E
um experimento aleatorio

esta sujeito a` incerteza. Isto e,


pode
fornecer diferentes resultados, embora seja repetido da mesma
maneira.

em comum?
Pergunta: O que os experimentos aleatorios
tem
Resposta:
I

Cada experimento pode ser repetido indefinidamente sob


essencialmente inalteradas.
condicoes

possamos afirmar que resultado particular ocorrera,

Embora nao
podemos descrever o conjunto de todos os resultados
nos
possveis do experimento.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

21 / 35


Introducao

Quando o experimento e executado repetidamente, sob as

ocorrer
mesmas condicoes,
os resultados individuais parecerao
`
de uma forma casual (acidental). No entanto, a medida que o
aumenta, surgem certos padroes
na
numero
de repeticoes

frequencia
de ocorrencia
dos resultados.

que torna possvel construir um modelo


E esta regularidade (padrao)

matematico
para analisar o experimento.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

22 / 35


Introducao
1.1: (Espaco Amostral)
Definicao
E o conjunto de todos os resultados possveis do experimento.

1.1: O espaco amostral e representado aqui por .


Observacao

1.2: O espaco amostral pode ser enumeravel


Observacao
finito ou

infinito, se pode ser colocado em correspondencia bi-unvoca com os

enumeravel,

numeros
naturais. Caso contrario,
sera nao
como a reta

real.
1.3: Cada resultado possvel e denominado elemento de
Observacao
e denotado por .
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

23 / 35


Introducao

Exemplos de experimentos aleatorios:


E1: Jogue um dado e observe a face superior.
vezes e observe a sequencia

E2: Jogue uma moeda tres


de
caras e coroas.
vezes e observe ao numero
E3: Jogue uma moeda tres
de

caras obtidos.
E4: Jogue uma moeda ate obter a primeira cara e observe a

sequencia
obtida.
E5: Jogue uma moeda ate obter a primeira cara e observe o

numero
de lancametos necessarios.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

24 / 35


Introducao

Exemplos de experimentos aleatorios:


3 defeituosas. As pecas sao

E6: Um lote de 10 pecas contem


ate que a ultima
retiradas uma a uma (sem reposicao)

peca defeituosa seja encontrada. O numero


total de

pecas retiradas do lote e contado.


de uma nova maquina

E7: Avaliacao
na Ambev. O tempo
decorrido (em horas) ate a falha e registrado.
de perdas na Energisa. O numero
E8: Avaliacao
de casas

clandestinas em uma comunidade e


com ligacoes
anotado.
do desempenho dos alunos de Probabilidade I.
E9: Avaliacao

A media final e anotada.


E10: Em um estudo sobre obesidade infantil, escolhe-se dez
anotados.
criancas cujos pesos sao
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

25 / 35


Introducao
Exerccio: Descreva um espaco amostral para cada um dos
experimentos descritos anteriormente.
Espacos amostrais:
E1: =.
E2: =, em que k = cara e c = coroa.
E3: =.
E4: =, em que k = cara e c = coroa.
E5: =.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

26 / 35


Introducao
Exerccio: Descreva um espaco amostral para cada um dos
experimentos descritos anteriormente.
Espacos amostrais:
E6: =
E7: =
E8: =
E9: =
E10: =

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

27 / 35

Exerccios
Exerccio 1: Descreva um espaco amostral para cada um dos
experimentos descritos abaixo.
(a) Uma moeda e lancada duas vezes e observam-se as
faces obtidas.

(b) Um dado e lancado duas vezes e a ocorrencia


de face
par ou mpar e observada.

10 bolas azuis e 10 vermelhas com


(c) Uma urna contem
rigorosamente iguais. Tres
bolas sao

dimensoes

selecionadas ao acaso com reposicao e as cores sao


anotadas.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

28 / 35

Exerccios
lancados simultaneamente e estamos
(d) Dois dados sao
interessados na soma das faces observadas.

(e) Em uma cidade, famlias com 3 criancas sao


selecionadas ao acaso, anotando-se o sexo de cada
uma.

(f) Uma maquina


produz 20 medicamentos por hora,
escolhe-se um instante qualquer e observa-se o numero

de defeituosas na proxima
hora.
(g) Uma moeda e lancada consecutivamente ate o

aparecimento da primeira cara. As faces observadas sao


anotadas.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

29 / 35


Introducao
1.2: (Evento)
Definicao
E qualquer subconjunto de resultados contidos no espaco amostral.
1.4: Como regra geral, uma letra maiuscula
Observacao
sera usada

para denotar um evento.


1.5: Quando um experimento e realizado, diz-se que
Observacao
ocorre o evento A se o resultado do experimento estiver contido em A.
1.6: O espaco amostral e o evento certo e o conjunto
Observacao
vazio e o evento impossvel.
1.7: Para um espaco amostral finito, o conjunto de todos
Observacao
os eventos possveis e dado por 2n .
IMPORTANTE: Escrevemos para indicar que o elemento
esta em . Escrevemos A para indicar que A e um
subconjunto do espaco amostral.
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

30 / 35


Introducao
Exerccio: Descreva o evento associado a cada experimento.
Eventos:
(E1) A =Um numero

mpar ocorre.
A=
de faces iguais.
(E2) =Obtencao
B=

(E7) C =A maquina
falha em menos de um dia.
C=

(E8) D =Pelo menos quatro casas apresentam ligacoes


clandestinas.
D=
(E9) E =O Aluno passa na disciplina.
E=
Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

31 / 35

Exerccios
Exerccio 2: Descreva um espaco amostral para cada um dos
experimentos descritos abaixo.
(a) Uma moeda e lancada duas vezes e observam-se as
faces obtidas.

(b) Um dado e lancado duas vezes e a ocorrencia


de face
par ou mpar e observada.

10 bolas azuis e 10 vermelhas com


(c) Uma urna contem
rigorosamente iguais. Tres
bolas sao

dimensoes

selecionadas ao acaso com reposicao e as cores sao


anotadas.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

32 / 35

Exerccios
lancados simultaneamente e estamos
(d) Dois dados sao
interessados na soma das faces observadas.

(e) Em uma cidade, famlias com 3 criancas sao


selecionadas ao acaso, anotando-se o sexo de cada
uma.

(f) Uma maquina


produz 20 pecas por hora, escolhe-se um
instante qualquer e observa-se o numero
de defeituosas

na proxima
hora.
(g) Uma moeda e lancada consecutivamente ate o
aparecimento da primeira cara.

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

33 / 35

Exerccio 3

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

34 / 35

Exerccio 4

Prof. Tarciana Liberal (UFPB)

Aula 1

04/14

35 / 35

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

1 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

2 / 25

sobre a teoria dos conjuntos


Uma revisao

Para apresentar os conceitos basicos


de probabilidade, usaremos
algumas ideias da teoria de conjuntos.
de objetos, representados por letras
Um conjunto e uma colecao
maiusculas
A, B, etc.

maneiras de descrever que objetos estao


contidos
Existem tres
no conjunto A:
1

Fazer uma lista dos elementos de A: A = {1, 2, 3, 4}.

Descrever o conjunto A por meio de palavras: A e formado pelas


notas dos alunos aprovados em Probabailidade I.

A = {x|0 x 1}; A e o conjunto de todos os numeros


reais entre

0 e 1.

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

3 / 25

sobre a teoria dos conjuntos


Uma revisao

Algumas Notacoes
Importantes:
A significa que e um elemento de A.
A notacao

pertence a A.
A notacao
/ A significa que nao
usaremos a
Para representar um conjunto, tambem

concernete a ,
notacao{ : p()}, onde p() e uma proposicao
e o conjunto consiste de todos os elementos para os quais p() e
verdadeira.
Exemplo: { : = 2k; k = 1, 2, . . .} e o conjunto de todos os
inteiros positivos pares.

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

4 / 25

sobre a teoria dos conjuntos


Uma revisao
1.3: Sejam A e B dois conjuntos. Diremos que A e um
Definicao
subconjunto de B, denotado por A B, se cada elemento de A e
um elemento de B (w A w B).
tambem
iguais se, e
1.4: (Igualdade entre conjuntos) A e B sao
Definicao
somente se, A B e B A. (w A w B).

Como consequencia
dessas definicoes,
temos os seguintes
resultados:
1

Para qualquer conjunto A, A e A A.

e um subconjunto de B, entao
existe pelo menos um
Se A nao
w A tal que w
/ B.

e igual a B, entao
existe pelo menos um w A tal que
Se A nao
w
/ B ou um w B tal que w
/A.

A C.
Se A B e B C, entao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

5 / 25

sobre a teoria dos conjuntos


Uma revisao

1.1 Algumas operacoes


entre conjuntos
1

UNIAO:
A B = {w : w A ou w B (ou ambos)}
A B sera formado por todos os elementos que estejam em A, ou

em B, ou em ambos (adicao).

INTERSEC
AO:
A B = {w : w A e w B}
A B sera formado por todos os elementos que estejam em A e

em B (multiplicacao).
COMPLEMENTAR: Ac = {w : w
/ A}
estejam
Ac sera formado por todos os elementos de que nao
em A.
DIFERENC
A: A B = {w : w A e w
/ B}
A B sera formado por todos os elementos de A, exceto os que
estejam em B (A B = A B c ).
tambem

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

6 / 25

sobre a teoria dos conjuntos


Uma revisao
1

DIFERENC
A SIMETRICA:
AB = {w : w A e w
/ B ou w
/ A e w B}
AB sera formado por todos os elementos de A B, exceto os
que estejam em A B (AB = (A B c ) (Ac B)).

de uniao
e intersecao
podem ser
1.8: As operacoes
Observacao
estendidas a mais de dois eventos.
A1 A2 . . . An ou

n
[

Ai

i=1

A1 A2 . . . An ou

n
\

Ai

i=1

grafica

IMPORTANTE: Uma representacao


utilizada para uma melhor
das operacoes
entre eventos e o diagrama de Venn.
visualizacao
Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

7 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

8 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

9 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

10 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

11 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

12 / 25

sobre a teoria dos conjuntos


Uma revisao
disjuntos ou
1.5: (Eventos disjuntos) Dois eventos sao
Definicao
mutuamente exclusivos se e somente se A B = .

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

13 / 25

sobre a teoria dos conjuntos


Uma revisao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

14 / 25

sobre a teoria dos conjuntos


Uma revisao

PARTIC
AO:
de se sao
disjuntos e
Diremos que A1 , . . . , An formam uma particao
e .
se sua uniao
n
[
Ai = , com Ai Aj = , para todo i 6= j.
i=1

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

15 / 25

sobre a teoria dos conjuntos


Uma revisao
1.6: (Espaco produto) Sejam 1 e 2 dois espacos
Definicao
amostrais. O espaco produto = 1 2 e dado por:
1 2 = {(w1 , w2 ) : w1 1

w 2 2 }

Exeperimento: Dois dados so jogados e as faces so


Exeperimento:
observadas.

Espao Amostral ():


1,1
1,2
1,3
1,4
1,5
1,6

Prof. Tarciana Liberal (UFPB)

2,1
2,2
2,3
2,4
2,5
2,6

3,1
3,2
3,3
3,4
3,5
3,6

4,1
4,2
4,3
4,4
4,5
4,6

Aula 2

5,1
5,2
5,3
5,4
5,5
5,6

6,1
6,2
6,3
6,4
6,5
6,6

08/11

16 / 25

sobre a teoria dos conjuntos


Uma revisao
1.7: (Produto entre eventos) Sejam A 1 e B 2 . O
Definicao
evento produto (produto cartesiano), denotado por A B e dado por
A B = {(w1 , w2 ) : w1 A

w2 B}

Exemplo: No lancamento de um dado, considere os eventos: A:


observar numero
par e B: Observar numero
menor que 3. Encontre

A B.

1.9: Em geral, A B 6= B A.
Observacao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

17 / 25

sobre a teoria dos conjuntos


Uma revisao

1.2 Algumas propriedades das operacoes


entre conjuntos
Algumas importantes propriedades satisfeitas pelos conjuntos,
` operacoes
definidas anteriormente sao
apresentadas a
relativas as
seguir.

Sejam A, B e C subconjuntos de , entao:


Leis da Identidade:
A =A

A=

A=

A=A

Leis do Complemento:
A Ac =
(Ac )c = A

A Ac =
c =

c =
Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

18 / 25

sobre a teoria dos conjuntos


Uma revisao

1.2 Algumas propriedades das operacoes


entre conjuntos
Leis Comutativas:
AB =BA

AB =BA

AB = BA

A B 6= B A

Leis Associativas:
A (B C) = (A B) C

A (B C) 6= (A B) C

A(BC) = (AB)C

Prof. Tarciana Liberal (UFPB)

A (B C) = (A B) C

Aula 2

08/11

19 / 25

sobre a teoria dos conjuntos


Uma revisao
Leis Distributivas:
A (B C) = (A B) (A C)

A (B C) = (A B) (A C)

A (B C) = (A B) (A C)

A (B C) 6= (A B) (A C)

A (B C) 6= (A B) (A C)

A (BC) = (A B)(A C)

A (B C) = (A B) (C A) 6= (A B) (A C)
A (BC) 6= (A B)(A C)
Outras propriedades
1

A (A B) e B (A B)

(A B) A e (A B) B

A B A B = B

A C e B C (A B) C

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

20 / 25

sobre a teoria dos conjuntos


Uma revisao
c T
Sn
(I)
Ai = ni=1 Aci
i=1
c Sn
Tn
(I)
= i=1 Aci
i=1 Ai

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

21 / 25

Exerccios
duas bolas brancas e tres
bolas vermelha. O
1. Uma urna contem
experimento e realizado em duas etapas. Retira-se uma bola ao
acaso da urna. Se for branca, lanca-se uma moeda; se for vermelha,
ela e devolvida a urna e retira-se outra bola. Anota-se o resultado
obtido. Obtenha o espaco amostral desse experimento.

lancados. Sejam os eventos: A=o primeiro numero


2. Dois dados sao

e maior que o segundo, B=o primeiro numero


e igual ao dobro do

segundo e C=a soma dos dois numeros


e maior ou igual a 8.

c
Descreva os eventos: A, B, C, A B, B C c , (Ac )c C e
(A (B C))c .

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

22 / 25

Exerccios
3. Considere os veculos que trafegam pela BR-230 na altura da
UFPB, no ponto em que podem continuar na BR-230(S), seguir em
a` UFPB(R) ou seguir em direcao
ao centro (L). Observe a
direcao
de cada um de 3 veculos sucessivamente:
direcao
1

Relacione todos os resultados do evento A em que todos os

veculos seguem na mesma direcao.

Relacione todos os resultados do evento B em que todos os

veculos seguem diferentes direcoes.

Relacione todos os resultados do evento C em que exatamente


veculos seguem para a UFPB.
dois dos tres

Relacione todos os resultados do evento D em que exatamente

dois veculos seguem na mesma direcao.

Relacione os resultados em D c , C D e C D.

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

23 / 25

Exerccios
4. Sendo A e B dois eventos em um mesmo espaco amostral, traduza

para a linguagem da Teoria dos Conjuntos, as seguintes situacoes:


(a) Pelo menos um dos eventos ocorra.

(b) O evento A ocorre mas B nao.

(c) Nenhum deles ocorre.

(d) Exatamente um dos eventos ocorre.

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

24 / 25


Introducao

Prof. Tarciana Liberal (UFPB)

Aula 2

08/11

25 / 25

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

1 / 13

Probabilidade

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

2 / 13

Probabilidade

Algumas Definicoes
de Probabilidade

classica

Classica:

Definicao
A definicao
de probabilidade refere-se a

existe nenhuma razao


que
resultados equiprovaveis,
ou seja, nao

privilegie uns resultados contra outros e quando e enumeravel


finito
(um numero
finito de resultados possveis).

P(A) =

Prof. Tarciana Liberal (UFPB)

Numero de casos favoraveis a


Numero de casos possiveis

Aula 3

03/14

3 / 13

Probabilidade

Exemplo 1: Jogar uma moeda duas vezes. Anota-se a sequencia


de faces iguais e B =Obtencao
de duas caras.
obtida. A =Obtencao

Exemplo 2: Jogar uma dado. Anota-se o valor obtido. A =Sair um


numero
par e B =Sair um numero
maior que 4.

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

4 / 13

Probabilidade

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

5 / 13

Probabilidade
da definicao
classica

Exemplo 3: Possveis erros na utilizacao


de
probabilidade
Uma moeda e jogada duas vezes. o numero
de caras e anotado.

Obtenha a probabilidade de sair uma cara.

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

6 / 13

Probabilidade
classica

Uma outra dificuldade com a definicao


aparece quando
como as seguintes:
tentamos responder questoes
Qual a probabilidade de um indivduo pertencer ao grupo
sanguneo O?
Qual a probabilidade de um indivduo morrer antes de completar
40 anos?

Qual a probabilidade de um indivduo ser portados de uma lesao

cardaca congenita?

Um jogo matematico
consiste em escolher ao acaso um ponto do

crculo de raio 3. Qual a probabilidade da distancia


do ponto ao
exceder 2?
centro do crculo nao

de probabilidade.
Portanto, e necessario
considerar outras definicoes
Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

7 / 13


Introducao
for enumeravel,

Geometrica:

Definicao
Se nao
o conceito se

aplicara ao comprimento de intervalos, medida de areas


ou similares.
P(A) =
em que |

|A|
,
|Omega|

| podera ser um comprimento, uma area,


um volume, etc.

Exemplo 4: Escolher ao acaso um ponto do crculo de raio 3. A =A

excede 2.
distancia
do ponto ao centro do crculo nao

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

8 / 13

Probabilidade

Algumas Definicoes
de Probabilidade

considera o limite de
Frequentista: Esta definicao
Definicao

frequencias
relativas como o valor da probabilidade.

Se um experimento aleatorio
e repetido um numero
grande de vezes,

n, e seja nA o numero
de ocorrencias
do evento A . A

probabilidade de A e dada por

P(A) =

Prof. Tarciana Liberal (UFPB)

Aula 3

nA
,
n

03/14

9 / 13

Probabilidade
Exemplo 5: Um carregamento com 2000 computadores chegou na
Insinuante. Sabe-se que em 40 desses computadores foram
encontrados defeitos. Qual a probabilidade de um computador
escolhido ao acaso ser defeituoso?

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

10 / 13

Probabilidade
Exemplo 6:
Foram levantados dados relativos ao sistema sanguneo Rh em uma
Pessoa. Obtenha a
amostra de 820 indivduos residentes em Joao
probabilidade de um indivduo ter fator Rh+ ? E fator Rh ?
Categoria
Rh+
Rh

Prof. Tarciana Liberal (UFPB)

Frequencia
737
83

Aula 3

03/14

11 / 13


Introducao

Lancamento de uma
Exemplo 7 - Fenomeno
de Estabilizacao:
moeda.

Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

12 / 13

Probabilidade
frequentista de probabilidade
Problemas da nocao
de um experimento um numero
Requer a realizacao
infinito de

vezes.
Por exemplo, lancar infinitas vezes um dado para ver que as

de cada face convergem para


frequencias
relativas da aparicao
1/6.

Isso pode suprir-se na pratica,


realizando o experimento um
numero
de vezes suficientemente elevado, ate que tenhamos a

que requeiram nossos calculos.

precisao

` vezes, nao
podem ser realizados
Os experimentos aleatorios,
as
um numero
de vezes indefinidamente alto.

Por exemplo, calcular a probabilidade de morrer jogando na roleta

russa com um revolver.


Prof. Tarciana Liberal (UFPB)

Aula 3

03/14

13 / 13

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

1 / 20


Introducao

Alguns Conceitos Basicos


de Contagem
As ideias de contagem se relacionam com probabilidade. Dessa

forma, alguns procedimentos basicos


de contagem e enumeracao
apresentados.
serao
Suponha que um procedimento, designado por 1,
Regra da adicao:
que um
possa ser realizado de n1 maneiras. Suponha tambem
segundo procedimento, designado por 2, possa ser realizado de n2
disso, suponha que nao
seja possvel que ambos os
maneiras. Alem
o numero
procedimentos 1 e 2 sejam realizados em conjunto. Entao,

de maneiras pelas quais poderemos realizar ou 1 ou 2 sera n1 + n2.

Diagrama de Arvore:

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

2 / 20


Introducao

GENERALIZANDO: Se existirem k procedimentos e o i-esimo

procedimento puder ser realizado de ni maneiras, i = 1, . . . , k, entao,


o numero
de
maneiras
pelas
quais
poderemos
realizar
ou
o

procedimento 1, ou o procedimento 2, ou . . . ou o procedimento k , e

dado por n1 + n2 + . . . + nk , supondo-se que dois quaisquer deles nao


possam ser realizados conjuntamente.
EXEMPLO 1: Suponha que tenham entrado em cartaz 3 filmes e 2
pecas de teatro e que Diego tenha dinheiro para assistir a apenas 1
os programas que Diego pode fazer no sabado?

evento. Quantos sao

quatro lampadas

EXEMPLO 2: Uma caixa contem


de 40W , cinco de

60W e seis de 75W . Uma lampada


e sorteada ao acaso. Qual a

probabilidade que seja uma lampada


de 40W ou 75W ?

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

3 / 20


Introducao
Suponha que um procedimento, designado
Regra da multiplicacao:
por 1, possa ser realizado de n1 maneiras. Admita que um segundo
procedimento, designado por 2, possa ser realizado de n2 maneiras.
que cada maneira de executar 1 possa ser seguida
Suponha tambem
o procedimento
por qualquer daquelas para executar 2. Entao,
formado por 1 seguido de 2 podera ser executado de n1 n2 maneiras.

Diagrama de Arvore:

GENERALIZANDO: Se existirem k procedimentos e o i-esimo

procedimento puder ser realizado de ni maneiras, i = 1, . . . , k, entao,


o procedimento formado por 1, seguido por 2, . . . , seguido pelo
procedimento k , podera ser executado de n1 n2 . . . nk maneiras.
Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

4 / 20


Introducao

Diagrama de rvore

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

5 / 20


Introducao
EXEMPLO 3: Se no exemplo anterior, Diego tiver dinheiro para
os programas ao todo
assistir a um filme e a uma peca, quantos sao
que ele pode fazer?

Pessoa - Rio
EXEMPLO 3: Suponha que para fazer uma viagem Joao
pessoa, Maria pode usar como transporte o trem, o onibus,

- Joao
o
ou o carro. De quantos modos Maria pode escolher os
aviao
deseja usar na volta o mesmo meio de transporte
transportes se nao
usado na ida?

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

6 / 20


Introducao
SIMPLES:
PERMUTAC
AO
PROBLEMA: Tenho n objetos distintos. De quantas maneiras eu
posso dispor (permutar) esses n objetos?
Exemplo 4: Como eu posso permutar as letras: a,b,c?

Permutar os n objetos equivale a coloca-los


dentro de uma caixa com

n compartimento, em alguma ordenacao.


O primeiro compartimento pode ser ocupado por qualquer um dos n
objetos, o segundo compartimento por qualquer um dos (n 1)
objetos restantes, . . ., e o ultimo
compartimento apenas por um objeto.

temos que a caixa podera ser


Aplicando-se a regra da multiplicacao,
organizada de n (n 1) (n 2) . . . 1 maneiras. Assim, o
de n objetos diferentes e dado por
numero
de permutacoes

Pn =
Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

7 / 20


Introducao

os anagramas da palavra PRATICO?


EXEMPLO 5: Quantos sao

os anagramas da palavra PRATICO que comecam e


Quantos sao
terminam por consoante?

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

8 / 20


Introducao
EXEMPLO 6: De quantas formas podemos colocar em fila um casal e
seus 7 filhos (4 homens e 3 mulherees)?

a) sem nenhuma restricao;


b) de modo que os pais fiquem sempre juntos;
c) de modo que os pais fiquem sempre separados;
d) de modo que os quatro filhos homens fiquem sempre
juntos;

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

9 / 20


Introducao
EXEMPLO 6:

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

10 / 20


Introducao
ARRANJO SIMPLES:
PROBLEMA: Tenho n objetos distintos. De quantas maneiras eu
posso escolher r desses n objetos (0 r n)?
Considerando novamente o esquema de encher uma caixa de n
compartimentos, paramos desta vez, depois que o compartimento de
ordem r tenha sido ocupado. O primeiro compartimento pode ser
preenchido por qualquer um dos n objetos, o segundo compartimento
por qualquer um dos (n 1) objetos, . . ., e o de ordem r por
n (r 1) objetos.
o procedimento
Aplicando-se novamente a regra da multiplicacao,
completo podera ser executado de
n (n 1) (n 2) . . . (n r + 1) maneiras. Dessa forma, arranjos
todos os grupos distintos (ordenados) que diferem pela
simples sao

ordem e pela natureza dos elementos que compoem


cada grupo.
An,r =
Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

11 / 20


Introducao
letras diferentes podem
EXEMPLO 7: Quantas palavras contendo tres
ser formadas?

pessoas podem sentar-se em 5


EXEMPLO 8: De quantos modos tres
cadeiras em fila?

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

12 / 20


Introducao
SIMPLES:
COMBINAC
AO
PROBLEMA: Considere novamente n objetos distintos. De quantas
maneiras eu posso escolher r desses objetos, sem considerar a
ordem?
ab, ac, ad, bc, bd
EXEMPLO 9: Seja a, b, c, d e r = 2. Temos entao:
contaremos ba, ca, da,. . . porque os mesmos objetos estao

e cd. Nao
includos e somente a ordem e diversa.
simples sao
todos os grupos nao
ordenados que
Combinacoes
pela
diferem entre si apenas pela natureza dos elementos e nao
ordem.
Dessa forma, basta dividir o numero
de arranjos simples tomados r a r

r a r . Logo,
pelo numero
de permutacoes

Cn,r =
Prof. Tarciana Liberal (UFPB)

An,r
=
Pr
Aula 3

04/14

13 / 20


Introducao
1.14: Um smbolo especial e empregado para esse
Observacao
resultado.
 
n!
n
=
r
r !(n r )!



n
denominados coeficientes binomiais, porque
Os numeros
sao

eles aparecem como coeficientes no desenvolvimento da expressao


binomial (a + b)n .
Teorema Binomial: (a +

Prof. Tarciana Liberal (UFPB)

b)n

Pn

r =0

Aula 3

n
r

ar bnr

04/14

14 / 20


Introducao

1.15: Note que


Observacao
  

n
n
(i)
=
r
nr
(Numeros
Binomiais Complemetares)


(ii)

n
r

Prof. Tarciana Liberal (UFPB)


=

n1
r 1


+

Aula 3

n1
r


de Stifel)
(Relacao

04/14

15 / 20


Introducao
EXEMPLO 10: Quantas saladas contendo exatamente 4 frutas
podemos formar se dispomos de 10 frutas diferentes?

EXEMPLO 11: De quantos modos podemos escolher 6 pessoas,


incluindo pelo menos duas mulheres, em um grupo de 7 homens e 4
mulheres?

EXEMPLO 12: De quantos modos podemos dividir 8 pessoas em dois


grupos de 4 pessoas cada?

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

16 / 20


Introducao
Exerccio 1: Um lote e formado de 10 artigos bons, 4 com defeitos
ao
escolhidos ao
menores e 2 com defeitos graves. Dois artigos es
Ache a probabilidade de que:
acaso sem reposicao.
a) Ambos sejam perfeitos.
b) Ambos tenham defeitos graves.
c) Ao menos um seja perfeito.

d) No maximo
um seja perfeito.
e) Exatamente um seja perfeito.
f) Nenhum deles tenha defeitos graves.
g) Nenhum deles seja perfeito.

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

17 / 20


Introducao

Exerccio 2: Suponha que no exemplo da lampada,


duas sejam
a outra. Qual a probabilidade que
selecionadas ao acaso, uma apos
a) Exatamente duas sejam de 75W .

b) Sair uma de 40W e uma de 60W .

c) As lampadas
sejam da mesma potencia.

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

18 / 20


Introducao
entrevistadas em uma
Exerccio 3: Para escolher as casas que serao

pesquisa, um estatstico decide fazer um sorteio aleatorio.


Dez fichas
misturadas em uma urna. Duas fichas,
numeradas de 1 ate 10 sao
extradas da urna, sucessivamente e sem
numeradas (X , Y ), sao
A soma das fichas e o numero
reposicao.
da casa sorteada. Qual e a

probabilidade da casa 10 ser sorteada?

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

19 / 20


Introducao
divididos em seis
Exerccio 4: Para a Copa do Mundo 24 pases sao
grupos com 4 pases cada um. Supondo que a escolha do grupo de
cada pas e feita ao acaso, calcular a probabilidade de que dois pases
determinados A e B se encontrem no mesmo grupo.

Prof. Tarciana Liberal (UFPB)

Aula 3

04/14

20 / 20

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

1 / 23

Probabilidade
Probabilidade
de probabilidade apresentadas anteriormente podem
As definicoes

ser utilizadas para resolver inumeros


problemas. Contudo, elas nao

suficientes para uma formulacao


matematica

sao
mais rigorosa de
probabilidade.

Uma abordagem axiomatica


foi apresentada por Kolmogorov para
de conjuntos em que os
definir probabilidade como uma funcao
conjuntos e os elementos da imagem sao

elementos do domnio sao


numeros
reais entre zero e um.

5.1: Os axiomas matematicos


Observacao
apresentados por

Kolmogorov para definir probabilidade permitem incluir as definicoes


anteriores como casos particulares.
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

2 / 23

Probabilidade
P e uma probabilidade se
5.1: (Probabilidade) Uma funcao
Definicao
satisfaz os axiomas de Kolmogorov:
AXIOMA 1 Para todo subconjunto A A, P(A) 0;
AXIOMA 2 P() = 1

AXIOMA 3 Para toda sequencia


enumeravel
(A1 , A2 , . . . A) de
elementos mutuamente exclusivos, temos (P e -aditiva)
P(

Ai ) =

i=1

P(Ai )

i=1

5.2: (, P), sendo um conjunto nao-vazio


Observacao
e P uma

probabilidade, e denominado espaco mensuravel.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

3 / 23

Probabilidade
Propriedades de Probabilidade: Dado (, P), suponha que todos os
eventos nesse espaco
conjuntos mencionados a seguir sao

as seguintes propriedades sao


consequencias

mensuravel.
Entao
dos
axiomas:
P1 P(Ac ) = 1 P(A) (P() = 0);
P(A) P(B);
P2 Se A B, entao

P3 P(A B) = P(A) + P(B) P(A B) (generalizavel


para
qualquer n);
S
P
P4 P(
i=1 Ai )
i=1 P(Ai );
P5 Para todo A A, tem-se que 0 P(A) 1;
P6 P(B) = P(B A) + P(B Ac );
P7 P(A B) = P(A) P(A B);

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

4 / 23

Probabilidade

DEMONSTRAC
AO:

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

5 / 23

Probabilidade

DEMONSTRAC
AO:

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

6 / 23

Ilustrando Algumas Propriedades

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

7 / 23

Ilustrando Algumas Propriedades

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

8 / 23

Exemplo 1 - Probabilidade

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

9 / 23

Exemplo 1 - Probabilidade

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

10 / 23

Probabilidade

5.3: Para o espaco mensuravel


Observacao
(, P) foi definida uma
probabilidade para todo . neste caso, a probabilidade de
qualquer outro evento A e dada por
X
P(A) =
P()
:A

5.4 (Espaco Amostral Finito): Considerando a situacao


Observacao
em que e formado por um numero
finito de elementos e

= {1 , 2 , . . . , k }, a cada evento simples {i } associaremos um

numero
pi (probabilidade), que satisfaca as seguintes condicoes:

(i) pi 0, i = 1, 2, . . . , k;
(ii) p1 + p2 + . . . + pk = 1.
5.5 (Resultados Igualmente Provaveis):

No caso em
Observacao

que todos os resultados sao igualmente verossmeis, para


i = 1, . . . , k, temos que
1
p=
k
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

11 / 23

Exemplo 2

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

12 / 23

Exemplo 2

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

13 / 23

Probabilidade
EXEMPLO 3: Sejam A e B eventos mutuamente exclusivos. Seja
P(A) = 0.20 e P(B) = 0.30. Calcule as probabilidades:
1
2
3
4
5

P(Ac )
P(B c )
P(A B)
P(A B)
P(Ac B c )

sejam mutuamente
EXEMPLO 4: Suponha agora que A e B nao
exclusivos. Adicionalmente temos que P(A B) = 0.10. Calcule as
mesmas probabilidades anteriores:

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

14 / 23

Exemplo 3

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

15 / 23

Probabilidade
EXEMPLO 5: Na UFPB, 75% dos alunos praticam algum esporte, 20%
gostam de sushi e 40% gostam de musica.
Adicionalmente, suponha

que 15% corram e gostem de sushi, 30% corram e gostem de musica,

atividades.
10% gostam de sushi e musica
e 5% gostem das tres

Qual a probabilidade de uma pessoa selecionada aleatoriamente,


atividades.
estar engajada em pelo menos uma das tres

Qual a probabilidade de um morador gostar de exatamente um


tipo de atividade.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

16 / 23

Exemplo 5

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

17 / 23

Probabilidade

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

18 / 23

Exemplo 6 - Probabilidade

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

19 / 23

Exerccio 1

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

20 / 23

Probabilidade
colocados em teste
Exerccio 2: Dois processadores tipos A e B sao

por 50 mil horas. A probabilidade de que um erro de calculo


aconteca
em um processador do tipo A e de 1/30, no tipo B, 1/80 e, em ambos,
1/1000. Qual a probabilidade de que:
1
2
3

Pelo menos um dos processadores tenha apresentado erro?


Nenhum processador tenha apresentado erro?
Apenas o processador A tenha apresentado erro?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

21 / 23

Probabilidade
Exerccio 3: Uma moeda e viciada de forma que a probabilidade de
sair cara e 4 vezes maior que a de sair coroa. Para dois lancamentos
independentres dessa moeda, determinar:
1
2
3
4

O espaco amostral.
A probabilidade de sair somente uma cara.
A probabilidade de sair pelo menos uma cara.
A probabilidade de dois resultados iguais.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

22 / 23

Probabilidade
Exerccio 4: Seja P uma probabilidade sobre os eventos de um
espaco amostral . Sejam A e B eventos tais que P(A) = 32 e
P(B) = 49 . Prove que:
1
2
3

P(A B) 32
5
2
c
9 P(A B ) 9
4
1
9 P(A B) 9

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade

05/14

23 / 23

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

1/1

Introduo

provvel que voc ganhe um aumento.


.............. Se atingir todas as metas, claro!!!

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

2/1

Probabilidade Condicional
Probabilidade Condicional
EXEMPLO 1: Um lote formado pelos seguintes artigos: 80 no defeituosos e
20 defeituosos. Dois artigos so retirados do lote. Sejam
A = {1o artigo defeituoso} e B = {2o artigo defeituoso}. Calcule P (A) e
P (B ): (a) com reposio e (b) sem reposio.
(a) Se extrairmos com reposio, cada vez que estivermos extraindo
do lote, existiro 20 peas defeituosas em um total de 100. Assim,
P (A) = P (B ) = 20/100 = 1/5.
(b) Se estivermos extraindo sem reposio, ainda verdade que
P (A) = 1/5. Mas e sobre P (B )? evidente que para calcularmos
P (B ) necessrio conhecer a composio do lote no momento de
se extrair a segunda pea. Isto , devemos saber se A ocorreu ou
no.
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

3/1

Probabilidade Condicional
Em muitas situaes, informaes preliminares podem alterar as probabilidades
de eventos.
EXEMPLO 2: A probabilidade de chover no final da tarde poderia ser diferente se
tivermos informaes adicionais, tal como a situao climtica no dia anterior.
EXEMPLO 3: Seja A = uma mulher est grvida. Seja B = exame de farmcia
negativo. Sabendo da ocorrncia de B, a probabilidade de A (ela estar grvida)
ser alterada.
EXEMPLO 4: A probabilidade de um indivduo ter cirrose pode ser afetada pelo
fato dele ser ou no alcolatra.
Iremos estudar agora como a informao de que um evento B ocorreu afeta a
probabilidade de ocorrncia de um evento A.
Usaremos a notao P(A|B) para representar a probabilidade condicional de A
dado que ocorreu o evento B.
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

4/1

Probabilidade Condicional

Sempre que calcularmos P (A|B ), estaremos essencialmente calculando P (A)


em relao ao espao amostral reduzido B, em lugar de considerar o espao
amostral original .
EXEMPLO 5: Diagrama de Venn

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

5/1

Exemplo 6

Exemplo
Perguntou-se a uma amostra de adultos em trs cidades se eles
gostavam de um novo produto. Os resultados esto a seguir.

Sim
No
No sabe
Total

Joo Pessoa Recife


100
150
125
130
75
170
300
450

Campina Grande Total


150
400
95
350
5
250
250
1.000

Uma das respostas selecionada ao acaso. Determine:


1. P(sim)
2. P(Recife)
3. P(Campina Grande)
4. P(No | Campina Grande)

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

6/1

Probabilidade Condicional

Solues
Sim
No
No sabe
Total

Joo Pessoa
100
125
75
300

1. P(sim)
2. P(Recife)

Recife Campina Grande Total


150
150
400
130
95
350
170
5
250
450
250
1.000

= 400/1.000 = 0,4
= 450/1.000 = 0,45

3. P(Campina Grande) = 250/1.000 = 0,25


4. P(No|Campina Grande) = 95/250 = 0,38

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

7/1

Probabilidade Condicional
Avaliando os exemplos anteriores podemos concluir que:
Quando calcularmos P (A) estaremos nos perguntando quo provvel ser
estarmos em A, sabendo que devemos estar em .

Quando calcularmos P (A|B ) estaremos nos perguntando quo provvel


ser estarmos em A, sabendo que devemos estar em B.

Dado que B ocorreu, o espao amostral relevante no mais , mas


consiste em resultados contidos em B.

A nica forma de A ocorrer, dado que B ocorreu, se um dos resultados da


interseo (A B ) ocorrer.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

8/1

Probabilidade Condicional
EXEMPLO 7: Dois dados so lanados. Considere os eventos: A =a soma dos
resultados igual a 10 e B =o primeiro nmero maior ou igual ao segundo.
Calcule P (A), P (B ), P (B |A) e P (A|B ).

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

9/1

Probabilidade Condicional

Definio 6.1: (Probabilidade Condicional)

Seja (, P ) um espao mensurvel. Se B e P (B > 0), a probabilidade


condicional de A dado B, definida por

P (A|B ) =

Prof. Tarciana Liberal (UFPB)

P (A B )
P (B )

Aula Probabilidade Condicional

05/14

10 / 1

Probabilidade Condicional
Observao 6.1: Se P (B ) = 0, P (A|B ) pode ser arbitrariamente definida. Alguns
livros consideram P (A|B ) = 0, nesse caso. Contudo, mais plausvel considerar
P (A|B ) = P (A).

Importante: Se A e B so desenhados de modo que as reas de A, B e A B


sejam proporcionais s suas probabilidades, ento P (A|B ), a proporo do
evento B ocupada pelo evento A.

PERGUNTA: P (A|B ), A A , realmente uma probabilidade em A?

RESPOSTA: Precisamos verificar os axiomas.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

11 / 1

Probabilidade Condicional
DEMONSTRAO:
(1) Para todo A segue que P (A|B ) 0.
verdade pois como P (A B ) 0 e P (B ) > 0, temos que
P (A|B ) =

P (AB )
P (B )

0.

(2) P (|B ) = 1
verdade pois P (|B ) =

P (B )
P (B )

P (B )

= P (B) .

(3) Seja (A1 , A2 , . . . ) tal que Ai Aj = para i 6= j ento,


S
P
P ( i =1 Ai |B ) = i =1 P (Ai |B )
verdade pois P (
P

i =1 P (Ai B )
P (B )

Prof. Tarciana Liberal (UFPB)

A |B ) =
i =1 i

P (Ai B )
i =1 P (B )

P ((

i =1 Ai )B )

P (B )

i =1

Aula Probabilidade Condicional

P(

i =1 (Ai B ))

P (B )

P (Ai |B ).

05/14

12 / 1

Probabilidade Condicional
IMPORTANTE: Como valem os axiomas, as propriedades de probabilidade so
mantidas (Ex: P (Ac |B ) = 1 P (A|B )).
IMPORTANTE: Temos ento duas maneiras de calcular a probabilidade
condicional P (A|B ):
(I) Empregando a definio anterior, em que P (A B ) e P (B ) so
calculadas em relao ao espao amostral original .
(II) Diretamente, pela considerao da probabilidade de A em relao
ao espao amostral reduzido B.
Voltando ao exemplo inicial. Qual a probabilidade da segunda pea ser defeituosa
(P (B ))?
P (B |A) = 19/99, porque se A tiver ocorrido, ento na segunda extrao restaro
somente 99 peas, das quais 19 delas sero defeituosas. De modo similar, temos
que P (B |Ac ) = 20/99.
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

13 / 1

Exemplo 8

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

14 / 1

Exemplo 8

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

15 / 1

Exemplo 9

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

16 / 1

Exemplo 10
Exemplo: Estatsticas dos ltimos anos do departamento estadual de estradas
so apresentadas na tabela a seguir, contendo o nmero de acidentes incluindo
vtimas fatais e as condies do principal motorista envolvido, sbrio ou
alcoolizado. Voc diria que o fato do motorista estar ou no alcoolizado interfere
na ocorrncia de vtimas fatais?
Motorista/vtimas Fatais
Sbrio
Alcoolizado

Prof. Tarciana Liberal (UFPB)

No
1228
2393

Aula Probabilidade Condicional

Sim
275
762

05/14

17 / 1

Probabilidade Condicional
Exemplo 11: Uma turma de estatstica teve a seguinte distribuio das notas
finais: 4 do sexo masculino e 6 do feminino foram reprovados, 8 do sexo
masculino e 14 do feminino foram aprovados. Para um aluno sorteado dessa
turma, denote por M se o aluno escolhido for do sexo masculino e por A se o
aluno foi aprovado. Calcule
(a) P (A M c )
(b) P (Ac M c )
(c) P (A|M )
(d) P (M c |A)
(e) P (M |A)

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

18 / 1

Probabilidade Condicional

Exemplo 11:

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

19 / 1

Probabilidade Condicional
Exemplo 12: Verifique se so vlidas as afirmaes:
(a) Se P (A) = 1/3 e P (B |A) = 3/5 ento A e B no podem ser
disjuntos.
(b) Se P (A) = 1/2, P (B |A) = 1 e P (A|B ) = 1/2 ento A no pode
estar contido em B.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

20 / 1

Risco Reltivo

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

21 / 1

Exemplo 13

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

22 / 1

Exemplo 13

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

23 / 1

Exemplo 13

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

24 / 1

Exemplo 13

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

25 / 1

Probabilidade Condicional

A mais importante consequncia da definio de probabilidade condicional,


obtida ao se escrever:
P (A B ) = P (A|B )P (B )
P (A B ) = P (B |A)P (A)

Teorema 6.1: (Regra do Produto)


Seja A1 , A2 , . . . , An , com P (ni=1 Ai ) > 0, ento
P (A1 A2 . . . An ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 ) . . . P (An |A1 A2 . . . An1 )

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

26 / 1

Probabilidade Condicional

Demonstrao: Faremos por induo. Para n = 2, pela definio de


probabilidade condicional, temos que P (A1 A2 ) = P (A1 )P (A2 |A1 ).
Suponha que o resultado vlido para n = k , ou seja
P (A1 A2 . . . Ak ) = P (A1 )P (A2 |A1 ) . . . P (An |A1 A2 . . . Ak 1 ). Assim, para
n = k + 1 temos que
P (A1 A2 . . . Ak Ak +1 ) = P [(A1 A2 . . . Ak ) Ak +1 ] =
P (A1 A2 . . . Ak )P (Ak +1 |A1 A2 . . . Ak ) = P (A1 )P (A2 |A1 ) . . . P (Ak +1 |ki=1 Ai )

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

27 / 1

Probabilidade Condicional

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

28 / 1

Probabilidade Condicional
Observao 6.2: Podemos aplicar esse teorema para calcular a probabilidade da
ocorrncia conjunta dos eventos.
Voltando ao exemplo inicial das peas defeituosas. Qual a probabilidade de que
ambas as peas sejam defeituosas?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

29 / 1

Probabilidade Condicional
Exemplo 14: Das pacientes de uma clnica de ginecologia com idade acima de
40 anos, 60% so ou foram casadas e 40% so solteiras. Sendo solteira, a
probabilidade de ter tido um distrbio hormonal no ltimo ano de 10%,
enquanto que para as demais essa probabilidade aumenta para 30%.
(a) Qual a probabilidade de uma paciente escolhida ao acaso ter um
distrbio hormonal e ser solteira?
(b) Se escolhermos duas pacientes ao acaso e com reposio, qual
a probabilidade de pelo menos uma ter o distrbio?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

30 / 1

Probabilidade Condicional
Exemplo 15: Sabe-se que 80% dos pnaltis marcados a favor do Brasil so
cobrados por jogadores do Flamengo. A probabilidade de um pnalti ser
convertido de 40% se o cobrador for do Flamengo e de 70% em caso contrrio.
Um pnalti a favor do Brasil acabou de ser marcado. Qual a probabilidade do
pnalti ser cobrado por um jogador do Flamengo e ser convertido?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

31 / 1

Probabilidade Condicional
Definio 6.2: Dizemos que os eventos B1 , B2 , . . . , Bk formam uma partio do
espao amostral quando: (i)Bi Bj = , para todo i 6= j; (ii)ki=1 Bi = e
(iii)P (Bi ) > 0 para todo i.
Explicando: Quando o experimento realizado, um e somente um, dos eventos
Bi ocorre.
Seja A um evento qualquer referente a e B1 , B2 , . . . , Bk uma partio de ,
podemos escrever ento: A = (A B1 ) (A B2 ) . . . (A Bk )

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

32 / 1

Probabilidade Condicional

Teorema 6.2: (Teorema da Probabilidade Total)

Seja B1 , B2 , . . . , Bn uma partio de com P (Bi ) > 0, para todo i = 1, . . . , n.


Ento, para todo A A , tem-se que

P (A) =

n
X

P (Bi )P (A|Bi )

i =1

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

33 / 1

Probabilidade Condicional

Demonstrao: Pela regra do produto, temos que P (Bi )P (A|Bi ) = P (A Bi ).


Como para i = 1, . . . , n os eventos A Bi so disjuntos, temos que

Pn

i =1

P (Bi )P (A|Bi ) =

Pn

i =1

Sn

P (A Bi ) = P [

i =1

(A Bi )] = P [A (

Sn

i =1

Bi )] =

P (A).

Importante: Esse resultado representa uma relao extremamente til, porque


frequentemente, P (A) pode ser difcil de ser calculada diretamente. No entanto,
com a informao adicional de que Bi tenha ocorrido, seremos capazes de
calcular P (A|Bi ) e, em seguida empregar o teorema acima.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

34 / 1

Ilustrao

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

35 / 1

Ilustrao

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

36 / 1

Probabilidade Condicional
Voltando ao exemplo inicial. Qual a probabilidade da segunda pea ser defeituosa
(P (B )) se as retiradas so sem reposio?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

37 / 1

Probabilidade Condicional
EXEMPLO 16: No exemplo da Clnica, qal a probabilidade de uma paciente
escolhida ao acaso ter tido um distrbio hormonal?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

38 / 1

Probabilidade Condicional
EXEMPLO 17: Um determinado produto produzido por trs fbricas 1, 2 e 3.
Sabe-se que 1 produz o dobro de peas que 2, e 2 e 3 produzem o mesmo
nmero de peas. Sabe-se tambm que 2% das peas produzidas por 1 e por 2
so defeituosas, enquanto que 4% daquelas produzidas por 3 so defeituosas.
Todas as peas produzidas so colocadas em um depsito, e depois uma pea
extrada ao acaso. Qual a probabilidade de que uma pea seja defeituosa?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

39 / 1

Probabilidade Condicional

Teorema 1.3: (Teorema de Bayes)

Seja B1 , B2 , . . . , Bn uma partio de com P (Bi ) > 0, para todo i = 1, . . . , n.


Ento, para todo A A , com P (A) > 0 e para todo j = 1, 2, . . . , n, tem-se que

P (A|Bj )P (Bj )
.
P (Bj |A) = Pn
P (A|Bi )P (Bi )
i =1

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

40 / 1

Probabilidade Condicional
Demonstrao:
Na expresso do lado direito, o numerador P (A Bj ) pela regra do produto. O
denominador P (A) pelo teorema da probabilidade total. Portanto, pela definio
de probabilidade condicional o teorema est demonstrado.

Importante: Este resultado til quando conhecemos as probabilidades dos Bi e


as probabilidades condicionais de A dado Bi , mas no conhecemos diretamente
a probabilidade de A.

Observao 6.3: A frmula de Bayes , s vezes, chamada de frmula de


probabilidades posteriores. As probabilidades P (Bi ) podem ser chamadas
probabilidades a priori e as P (Bi |A), probabilidades a posteriori.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

41 / 1

EXEMPLO 18

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

42 / 1

Probabilidade Condicional
EXEMPLO 19: Considere que no exemplo 1 um produto escolhido e
verificado ser defeituoso. Qual a probabilidade dele ter vindo da fbrica 3?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

43 / 1

EXEMPLO 20

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

44 / 1

EXEMPLO 20

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

45 / 1

EXEMPLO 20

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

46 / 1

Probabilidade Condicional
EXEMPLO 21: Ana Rafaela entrega a Rosivan uma carta, destinada ao seu
namorado, para ser colocada no correio. Entretanto, ele pode esquecer com
probabilidade 0.1. Se no se esquecer, a probabilidade de que o correio extravie
a carta de 0.1. Finalmente, se foi enviada pelo correio a probabilidade de que o
namorado no a receba de 0.1.
(a) Se o namorado de Ana Rafaela no recebeu a carta, qual a
probabilidade de Rosivan ter esquecido de coloc-la no correio?
(b) Avalie as possibilidades desse namoro continuar, se a
comunicao depender das cartas enviadas.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

47 / 1

Probabilidade Condicional
EXEMPLO 22: Em um exame h trs respostas para cada pergunta e apenas
uma delas certa. Portanto, para cada pergunta, um aluno tem probabilidade 1/3
de escolher a resposta certa se ela estar advinhando e 1 se sabe a resposta. Um
estudante sabe 30% das respostas do exame. Se ele deu a resposta correta para
uma das perguntas, qual a probabilidade de que a adivinhou?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

48 / 1

Probabilidade Condicional
J consideramos eventos A e B que no podem ocorrer conjuntamente
(A B = ). Tais eventos so denominados mutuamente excludentes.
Se A e B forem mutuamente excludentes, ento P (A|B ) = 0, porque a
ocorrncia de B impede a ocorrncia de A.
Em muitas situaes saber que B j ocorreu nos d alguma informao
bastante definida referente probabilidade de ocorrncia de A.
Existem, porm, muitas situaes nas quais saber que algum evento B
ocorreu no tem qualquer interesse quanto ocorrncia ou no ocorrncia
de A.
EXEMPLO 23: Um dado equilibrado jogado duas vezes. Seja A =o primeiro
dado mostra um nmero par e B =o segundo dado mostra 5 ou 6.
Os eventos A e B so inteiramente no relacionados. Saber que B ocorreu no
fornece qualquer informao sobre a ocorrncia de A.
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

49 / 1

Probabilidade Condicional

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

50 / 1

Probabilidade Condicional
Definio 6.3: (Independncia de dois eventos)
Sejam A e B eventos em (, A , P ). A e B so eventos independentes se
P (A|B ) = P (A) ou P (B |A) = P (B ).
A condio de independncia pode tambm ser expressa na seguinte forma
alternativa e equivalente:
P (A B ) = P (A)P (B )

Importante: Diremos que os eventos A e C so condicionalmente independentes


dado B se P (A C |B ) = P (A|B )P (C |B ).
Definio 6.4: (Independncia de vrios eventos)
Os eventos A1 , A2 , . . . , An em (, A , P ) so independentes se, para toda coleo
de ndices 1 i1 < i2 < . . . < ik n e 2 k n, tivermos
P (Ai1 Ai2 . . . Aik ) = P (Ai1 )P (Ai2 ) . . . P (Aik )
Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

51 / 1

Probabilidade Condicional

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

52 / 1

Probabilidade Condicional

Proposio 6.1: Se A e B so independentes, ento A e B c tambm so


independentes (e tambm Ac e B, e ainda Ac e B c ).

Demonstrao:
P (A B c ) = P (A) P (A B ). Como A e B so independentes, ento
P (A B ) = P (A)P (B ). Substituindo, temos que
P (A B c ) = P (A) P (A)P (B ) = P (A)(1 P (B )) = P (A)P (B c ).

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

53 / 1

Probabilidade Condicional
EXEMPLO 24: Se P (A B ) = 0.8; P (A) = 0.5 e P (B ) = x, determine o valor de
x no caso de:
(a) A e B serem mutuamente exclusivos.
(b) A e B serem independentes.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

54 / 1

Probabilidade Condicional
EXEMPLO 25: Em uma certa populao, a probabilidade de gostar de teatro de
1/3, enquanto que a de gostar de cinema 1/2. Determine a probabilidade de
gostar de teatro e no de cinema, nos seguintes casos:
(a)
(b)
(c)
(d)
(e)

Gostar de teatro e gostar de cinema so eventos disjuntos.


Gostar de teatro e gostar de cinema so eventos independentes.
Todos que gostam de teatro gostam de cinema.
A probabilidade de gostar de teatro e de cinema de 1/8.
Dentre os que no gostam de cinema, a probabilidade de no
gostar de teatro 3/4.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

55 / 1

Probabilidade Condicional
EXEMPLO 26: Suponha que em um levantamento estatstico efetuado em
determinada populao verificou que o nmero de casais hipertensos de 7.2%.
Se nessa mesma populao 23% de indivduos do sexo masculino e 18% do
sexo feminino so hipertensos, ento existe dependncia (ou associao) entre o
fato de o homem e a mulher do casal apresentarem hipertenso?

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

56 / 1

Probabilidade Condicional
EXEMPLO 27: Uma caixa contm 5 bolas brancas e trs bolas pretas. Duas
bolas so retiradas simultaneamente ao acaso e substitudas por trs bolas azuis.
Em seguida duas novas bolas so retiradas da caixa. Calcule a probabilidade de
que essas duas ltimas bolas sejam da mesma cor.

Prof. Tarciana Liberal (UFPB)

Aula Probabilidade Condicional

05/14

57 / 1

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

1 / 19

Variveis Aleatrias
Ao descrever o espao amostral de um experimento aleatrio, no especificamos
que um resultado individual seja um nmero.
Exemplos:
(i) Jogue uma moeda trs vezes e observe a sequncia de caras e
coroas.

=
(ii) De um lote de 4 peas das quais 2 so defeituosas, peas so
extradas at as 2 defeituosas sejam retiradas.

=
(iii) Observar o sexo das crianas em famlias com trs filhos.

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

2 / 19

Variveis Aleatrias
Contudo, em muitas situaes experimentais, estaremos interessado na
mensurao de algo e no seu registro como um nmero.
Mesmo nos exemplos apresentados acima poderemos atribuir um nmero real a
cada elemento do espao amostral.
Exemplos:
(i) Seja X o nmero de caras.
X (kkk ) =
, X (kkc ) = X (ckk ) = X (kck ) =
X (kcc ) = X (ckc ) = X (cck ) =
e X (ccc ) =

,
.

(ii) Seja X o nmero de peas retiradas.


X (DD ) =
, X (DPD ) = X (PDD ) =
X (DPPD ) = X (DPDP ) = . . . =
.

(iii) Seja X o nmero de meninos.


X (MMM ) =
, X (MMF ) = X (MFM ) = X (FMM ) =
X (MFF ) = X (FMF ) = X (FFM ) =
e X (FFF ) =
Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

,
.
05/14

3 / 19

Variveis Aleatrias

Na realizao de um fenmeno aleatrio, comum termos interesse em


uma ou mais quantidades.
Elas so funes dos resultados que ocorreram e, em muitas situaes, a
prpria funo identidade. Nesses casos, os elementos resultantes so as
quantidades de interesse.
Em geral, antes da realizao de um fenmeno aleatrio, no sabemos seu
resultado. Entretanto, seu espao de probabilidade pode ser estabelecido
de forma a avaliar a probabilidade de qualquer evento de interesse.
Podemos tambm atribuir probabilidades s funes desses eventos.

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

4 / 19

Variveis Aleatrias

Aps a realizao do fenmeno teremos uma observao conhecida que, no


entanto, no mais aleatria. Podemos considerar que a observao
conhecida do fenmeno aleatrio produz um particular valor observado da
varivel aleatria.
Assim, uma outra realizao do fenmeno forneceria um outro valor
observado da varivel, na maioria das vezes, diferente do anterior.
Desejamos ento atribuir um nmero real x a cada resultado do espao
amostral .
x = X ()
O domnio de X , e os nmeros na imagem so nmeros reais.

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

5 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

6 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

7 / 19

Variveis Aleatrias

Experimento: jogar 2 moedas e observar o resultado


(K = cara e C = coroa)
X: nmero de caras em 2 lances de moeda
KK
KC
CK
CC

X(CC) = 0
X(KC) = X(CK) = 1
X(KK) = 2

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

X() (imagem)

P(X = 0) = P(CC)
P(X = 1) = P(KC CK)
P(X = 2) = P(KK)

05/14

8 / 19

Variveis Aleatrias
Definio 7.1: (Varivel Aleatria) Seja (, A , P ) um espao de probabilidade.
Uma funo X : R, que associa a cada elemento de um nmero real
uma varivel aleatria.
Uma varivel aleatria , portanto, uma funo do espao amostral nos
reais, para a qual possvel calcular a probabilidade de ocorrncia de seus
valores.
Em geral, as variveis aleatrias so representadas por letras maisculas
do fim do alfabeto.
IMPORTANTE: A funo X deve ser unvoca, isto , para todo deve
haver apenas um X () associado. Contudo, diferentes valores de podem
levar a um mesmo valor de X .
O espao imagem, RX , composto de todos os possveis valores de X .
O espao amostral original corresponde ao resultado do experimento.
Enquanto que RX o espao amostral associado varivel aleatria X .
Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

9 / 19

Variveis Aleatrias

Em geral, as variveis aleatrias so representadas por letras maisculas


do fim do alfabeto.
IMPORTANTE: A funo X deve ser unvoca, isto , para todo deve
haver apenas um X () associado. Contudo, diferentes valores de podem
levar a um mesmo valor de X .
O espao imagem, RX , composto de todos os possveis valores de X .
O espao amostral original corresponde ao resultado do experimento.
Enquanto que RX o espao amostral associado varivel aleatria X .

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

10 / 19

Variveis Aleatrias
EXEMPLO 7.1: Uma lmpada testada at queimar.

= {(d , t )|d = dia, t = momento}


X = tempo

em

horas

Uma vez que = (d , t ) tenha sido observado, o clculo de X () no


envolve qualquer aleatoriedade.
Quando especificado, X () fica completamente determinado.
EXEMPLO 7.2: Trs moedas so atiradas sobre a mesa.

= {kkk , kkc , kck , ckk , kcc , ckc , cck , ccc }


X = numero

de

caras

To logo as moedas repousem a fase aleatria do experimento terminou.


A contagem do nmero de caras feita depois que os aspectos aleatrios
do experimento tenham terminado.
Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

11 / 19

Variveis Aleatrias
Os eventos associados a so relacionados a eventos associados com RX , a
partir da seguinte definio:
Definio 7.2: (Eventos Equivalentes) Seja o espao amostral de um
experimento. Seja X uma varivel aleatria definida em com espao imagem
RX . Seja A um evento em e B um evento em RX . os eventos A e B so
equivalentes se
A = { |X () B }
EXPLICANDO: A ser constitudo por todos os resultados em , para os quais
X () B.
EXEMPLO 2.3: Considere o lanamento de duas moedas. Seja X o nmero de
caras obtido.

= {kk , kc , ck , cc }
RX = {0, 1, 2}
Seja B = {1}, temos que A = {kc , ck }.
Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

12 / 19

Variveis Aleatrias

Definio 7.3: Seja A um evento em e B um evento em RX , ento definimos a


probabilidade de B como
PX (B ) = P (A)
Lembrando: A = { |X () B }.
Observao 7.1: PX ser a medida de probabilidade induzida por X no espao
X . Assim, (X , PX ) ser o espao de probabilidade induzido pela varivel
aleatria X .
Observao 7.2: Omitiremos o subscrito para que a notao no fique muito
carregada.

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

13 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

14 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

15 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

16 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

17 / 19

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Variveis Aleatrias

05/14

18 / 19

Variveis Aleatrias
EXEMPLO: Considere o lanamento de dois dados honesto. Seja Y a soma das
faces superiores.
Eventos (Y )

Prof. Tarciana Liberal (UFPB)

Eventos Equivalentes em

Aula Variveis Aleatrias

Probabilidade

05/14

19 / 19

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

1 / 25

Funo de Distribuio
Definio 8.1:(Funo de Distribuio) Seja X uma varivel aleatria em (, P ),
sua funo de distribuio definida por
F (x ) = P (X (, x ]) = P (X x ),
com x percorrendo todos os reais.
O conhecimento da funo de distribuio permite obter qualquer
informao sobre a varivel.
Mesmo que a varivel s assuma valores em um subconjunto dos reais, a
funo de distribuio definida em toda reta.
F tambm conhecida como funo de distribuio acumulada, por
acumular as probabilidades dos valores inferiores a x.

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

2 / 25

Funo de Distribuio
PROPRIEDADES: As condies necessrias e suficientes para que uma funo
seja uma funo de distribuio so:
(F1)

lim F (x ) = 0 e lim F (x ) = 1;

(F2) F
contnua direita, isto , para
xn x tem-se que F (xn ) F (x )
lim F (xn ) = F (x + ) = F (x ) ;
xn x

(F3) F no decrescente, isto , F (x ) F (y ) sempre que x y ,


x , y R.
Demonstrao:
(F1) Se xn , ento [X xn ] = { : X () xn } e
F (xn ) = P (X xn ) 0. Se xn +, ento [X xn ] e
F (xn ) = P (X xn ) 1.
(F2) Se xn x, ento [X xn ] [X x ] e, pela continuidade de
probabilidade, F (xn ) = P (X xn ) P (X xn ) = F (x ).
(F3) x y [X x ] [X y ]. Logo,
F (x ) = P (X x ) P (X y ) = F (y ).
Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

3 / 25

Exemplos
Exemplo 8.1:
Seja,

F (x ) =

0,
1/2,

1,

se
se
se

x < 0;
0 x < 1;
x 1.

Pergunta: F uma funo de distribuio?


lim F (x ) = 0 pois F (x ) = 0 para x < 0. lim F (x ) = 1 pois F (x ) = 1 para
x

x 1.

Exceto nos pontos 0 e 1, F contnua nos reais. Para os pontos 0 e 1 temos


continuidade direita, isto ,
F (0) = lim F (x ) = 1/2 e F (1) = lim F (x ) = 1
x 0+

x 1+

F no decrescente, isto , para x < y , temos que F (x ) < F (y ). Por


exemplo, para x = 0 < 1 = y , temos que F (0) < F (1).
Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

4 / 25

Exerccios
Exerccio 8.1: Seja X uma varivel aleatria e F uma funo. Verifique que F
uma funes de distribuio:

a) F (x ) =

Prof. Tarciana Liberal (UFPB)

0, se x < 6;
(x 6)/2, se 6 x < 8;
1,

se

x 8.

Aula Funo de Distribuio

05/14

5 / 25

Exerccios
Exerccio 8.2: Seja X uma varivel aleatria e F uma funo. Verifique que F
uma funes de distribuio:

0,

1
/
8,
1/2,
b) F (x ) =

7/8,
1,

Prof. Tarciana Liberal (UFPB)

se
se
se
se
se

x < 0;
0 x < 1;
1 x < 2;
2 x < 3;
x 3.

Aula Funo de Distribuio

05/14

6 / 25

Variveis Aleatrias Discretas


A classificao das variveis aleatrias feita de acordo com os valores que
assumem.
Essa classificao tem estreita relao com o comportamento da funo de
distribuio da varivel.
Construa os grficos das funes de distribuio do exemplo 8.1 e do exerccio
8.1. O que voc pode concluir?

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

7 / 25

Variveis Aleatrias Discretas


Definio 8.2: (Varivel aleatria discreta) Uma varivel aleatria X discreta se
assume um nmero enumervel (finito ou infinito) de valores.
Isto , os valores possveis de X podem ser postos em lista como x1 , x2 , . . . , xn .
EXEMPLOS:
Nmero de filhos;
Nmero de peas defeituosas;
Nmero de tumores detectados por um exame.
Definio 8.3: (Funo de probabilidade) A funo de probabilidade de uma
varivel aleatria discreta X uma funo que atribui probabilidade a cada um
dos possveis valores xi assumidos pela varivel aleatria X , isto ,
p(xi ) = P (X = xi ) = P ({ : X () = xi })
para todo i = 1, 2, . . . , n e deve satisfazer as seguintes condies:
(i) 0 p(xi ) 1, i;
(i)

Pn

i =1

Prof. Tarciana Liberal (UFPB)

p(xi ) = 1
Aula Funo de Distribuio

05/14

8 / 25

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

9 / 25

Variveis Aleatrias Discretas


Definio 8.4: Para uma varivel aleatria discreta a funo de distribuio
dada por,
X
F (x ) =
p(xi ),
xi x

para todo x R.
Dada a funo de distribuio de uma varivel discreta possvel obter a funo
de probabilidade correspondente.
p(xi ) = F (xi ) F (xi ),
em que F (xi ) representa o limite de F tendendo a xi pela esquerda (isto por
valores inferiores a xi ).
Para as variveis discretas, a funo de distribuio descontnua e tem a forma
de escada. Seus pontos de descontinuidade so os valores assumidos pela
varivel.
Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

10 / 25

Variveis Aleatrias Discretas

A magnitude de cada salto p(xi ) = F (xi ) F (xi ).


Observao 8.1:Da definio 8.4 segue que
P (a < X b) = F (b) F (a);
P (a X b) = F (b) [F (a) P (X = a)] = F (b) F (a );
P (a X < b) = [F (b) P (X = b)] [F (a) P (X = a)] = F (b ) F (a );
P (a < X < b) = [F (b) P (X = b)] F (a) = F (b ) F (a).

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

11 / 25

Exemplos

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

12 / 25

Exemplos

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

13 / 25

Exemplos

Considere um lote com 4 peas, das quais 2 so


defeituosas, e retire ao acaso duas peas, com
reposio.

Seja D = a pea defeituosa e P = a pea perfeita.


Ento, ={DD, DP, PD, PP}
Definindo X como sendo o nmero de peas perfeitas,
temos:

X(
)

Prof. Tarciana Liberal (UFPB)

{DD} {DP,PD}
0

Aula Funo de Distribuio

{PP}
2

05/14

14 / 25

Variveis Aleatrias

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

15 / 25

Exemplos

Representao Grfica

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

16 / 25

Exemplos
EXEMPLO 8.2: Suponha que uma vlvula eletrnica seja colocada em um
soquete e ensaiada. A probabilidade de que o teste seja positivo 3/4.
Considere uma grande quantidade de vlvulas. Os ensaios continuam at que a
primeira vlvula positiva aparea. Seja a varivel aleatria X o nmero de testes
necessrios para concluir o experimento.

n 1
p(n) = P (X = n) =

p(n) =

n =1

3
4
3

1+
1

4 1 1

1
4

1
16

n = 1, 2, . . .

+ ...

=1

Assim, como p(n) 0,


probabilidade.
Prof. Tarciana Liberal (UFPB)

n e

n =1

p(n) = 1, temos que p(n) uma funo de

Aula Funo de Distribuio

05/14

17 / 25

Exemplos

Exemplo 2.7
Considere uma varivel aleatria X com a seguinte funo de
probabilidade:
c
P( X = k ) =
2c

, para k = 1, 3, 5
, para k = 2, 4

a) Determine o valor da constante c" que torna legtima a funo


de probabilidade acima.
b) Determine a funo de distribuio acumulada F e construa o
grfico.
c) Calcule a P(X>1), P(X3), P(X4), P(5/2<X5).

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

18 / 25

Exemplos
EXEMPLO 8.3:

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

19 / 25

Exemplos
EXEMPLO 8.4: Seja X uma varivel aleatria discreta com funo de distribuio
dada por: F (2) = 0.3, F (0) = 0.5, F (1) = 0.6, F (2) = 0.8 e F (5) = 1.
a) Obtenha a distribuio de probabilidade de X .
b) Calcule P (1 X 4).

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

20 / 25

Exerccios

Exerccios
Uma livraria mantm extensos registros das vendas dirias dos
livros. Com os dados coletados construiu a seguinte distribuio
de probabilidade da varivel aleatria X = nmero de livros
vendidos por semana:
xi

p(xi) 0,05 0,15 0,42 0,20 0,08 0,10

a) Obtenha a funo de distribuio de X.


b) Calcule a probabilidade de se vender mais que 2 livros vendidos
por semana.
c) Calcule a probabilidade de se vender no mximo um livro.
d) O lucro da livraria obtido atravs da relao Y=3X2+X-2. Qual a
distribuio de probabilidade do lucro.
Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

21 / 25

Exerccios

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

22 / 25

Exerccios

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

23 / 25

Exerccios

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

24 / 25

Exerccios

Prof. Tarciana Liberal (UFPB)

Aula Funo de Distribuio

05/14

25 / 25

Clculo das Probabilidades I


Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

1/1

Funo de Varivel Aleatria


Seja Y uma funo de uma varivel aleatria X .
EXEMPLOS:
Obter o lucro em funo da demanda.
Obter a rea de um crculo em funo do raio.
Obter o gasto com educao em funo do nmero de filhos.
Obter o tempo de durao de um equipamento em funo da temperatura.
Espera-se que, uma vez que o valor de X o resultado de um experimento
aleatrio, o valor de Y tambm seja.
Espera-se tambm que, uma vez que Y funo de X , a funo de probabilidade
de Y possar ser, de algum modo, obtida do conhecimento da funo de
probabilidade de X .

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

2/1

Funo de Varivel Aleatria


Seja X uma varivel aleatria definida no espao de probabilidade (, A , P ).
Suponha que Y = h(X ) seja uma funo real de X .
Assim, Y = h(X ) uma varivel aleatria, porque para todo , um valor de
Y fica determinado, y = h[X ()].
Como anteriormente, RX o contradomnio de X , o conjunto de todos os valores
possveis da funo X . De forma anloga denominaremos RY como o
contradomnio da varivel aleatria Y , o conjunto de todos os valores possveis
de Y .
Assim, com base na definio de eventos equivalentes (definio 2.2) temos que,
seja A um evento em RX e B um evento em RY os eventos A e B sero
equivalentes se A for constitudo por todos os resultados em RX , para os quais
h(x ) B.
Adicionalmente, com base na definio de probabilidade para eventos
equivalentes (definio 2.3) temos que, seja A um evento em RX e B um evento
em RY ento a probabilidade de B obtida por PY (B ) = P (Y 1 (B )) = P (A).
Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

3/1

Funo de Varivel Aleatria

Rx

Prof. Tarciana Liberal (UFPB)

X(w)=x

Aula Funo de Varivel Aleatria

Ry
h

h(x)=y

05/11

4/1

Funo de Varivel Aleatria


EXEMPLO: Seja Y = X 2 , com x > 0.
Ento os eventos A : {X > 2} e B : {Y > 4} so equivalentes.
Porque se Y = X 2 , ento {X > 2} ocorrer se, e somente se, {Y > 4} ocorrer.
EXEMPLO: Seja, X o nmero de irmos de cada aluno. O valor gasto por dia
com lanche dos filhos na escola/faculdade dado por Y = X 2 + 5. Encontre a
distribuio de probabilidade da quantia gasta por dia.

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

5/1

Funo de Varivel Aleatria


EXEMPLO:

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

6/1

Funo de Varivel Aleatria


Variveis Aleatrias Discretas:
Caso 1: X uma varivel aleatria discreta.
Se X for uma varivel aleatria discreta, ou seja os possveis valores de X podem
ser enumerados como x1 , x2 , . . . , xn , . . ., teremos que Y = h(x ) tambm ser uma
V.A. discreta Ou seja, os possveis valores de Y podem ser enumerados como
y1 = h(x1 ), y2 = h(x2 ), . . ..
Procedimento Geral: Se x1 , x2 , . . . , xn , . . . forem os possveis valores de X , com
p(xi ) = P (X = xi ), e h fpr uma funo tal que, a cada valor y corresponda
exatamente um valor x, ento a distribuio de probabilidade de Y ser obtida
por:
(i) Valores possveis de Y :
(ii) Probabilidades de Y :

Prof. Tarciana Liberal (UFPB)

yi = h(xi ), i = 1, 2, . . . , n, . . .;
P ( Y = yi ) = p ( xi ) .

Aula Funo de Varivel Aleatria

05/11

7/1

Funo de Varivel Aleatria


Exemplo 2.18: Suponha que a varivel aleatria X tome os trs valores 1, 0 e
1, com probabilidades 1/3, 1/2 e 1/6, respectivamente. Seja Y = 3X + 1.
Obtenha a distribuio de probabilidade de Y .

IMPORTANTE: No caso em que vrios valores de X levam ao mesmo valor de Y ,


temos que: sejam xi1 , xi2 , . . . , xik , . . . os valores de X tais que h(xij ) = yi , para todo
j. Ento P (Y = yi ) = p(xi1 ) + p(xi2 ) + . . ..
Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

8/1

Funo de Varivel Aleatria


Exemplo 2.19: Suponha que no exemplo anterior Y = X 2 . Obtenha a distribuio
de probabilidade de Y .

Exemplo 2.20: Suponha que X assuma os valores 1, 2, . . . , n, . . . e seja


P (X = n) = (1/2)n . Seja a V.A. Y ,
Y =1
Y = 1

se

se X for par
X for mpar

Encontre a distribuio de probabilidade de Y .

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

9/1

Funo de Varivel Aleatria

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

10 / 1

Funo de Varivel Aleatria

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

11 / 1

Funo de Varivel Aleatria

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

12 / 1

Funo de Varivel Aleatria

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

13 / 1

Funo de Varivel Aleatria


EXEMPLO:

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

14 / 1

Funo de Varivel Aleatria


EXEMPLO:

Prof. Tarciana Liberal (UFPB)

Aula Funo de Varivel Aleatria

05/11

15 / 1

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

1 / 19

Esperana
Nos modelos matemticos aleatrios parmetros podem ser empregados
para caracterizar a distribuio de probabilidade.
Essas quantidades podem ser utilizadas com resumo do comportamento da
varivel e servem como parmetros para vrios modelos.
EXEMPLOS:

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

2 / 19

Esperana
Definio 10.1:(Valor Esperado de uma Varivel Discreta) Seja X uma varivel
aleatria discreta, com valores possveis x1 , x2 , . . . , xn , . . .. Seja p a funo de
probabilidade. O valor esperado, esperana matemtica ou mdia de X ,
denotado por E (X ) ou definido como
E (x ) =

xi p(xi ),

i =1

se i =1 |xi |p(xi ) < (a srie convergir absolutamente). Se essa condio no


vale, diremos que o valor esperado no existe.
O valor esperado pondera os valores assumidos pelas respectivas
probabilidades e no precisa ser um dos valores possveis da varivel.

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

3 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

4 / 19

Esperana
Exemplo 10.2: Suponha a seguinte regra de um jogo com um dado equilibrado:
em cada rodada, o jogador paga a uma banca R $1 para jogar e ganha R $1, se
der face 4 ou 5 e R $2 se der face 6. Nos demais resulatdos, ele no ganha nada.
Esse jogo interessante para quem?
Seja X o saldo em uma jogada.
xi
p(xi )

1
1/2

0
1/ 3

1
1/ 6

E (x ) =

O valor esperado obtido no um valor resultante de apenas uma jogada. Ele


deve ser interpretado como a mdia dos resultados de uma longa repetio
desse jogo.
Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

5 / 19

Esperana
Exemplo 10.3: Seja X uma V.A.D. com funo de probabilidade dada por

(
p(x ) =

1
,
2|x |(|x |+1)
1
,
2x (x +1)

E (x ) =

se

x = 1, 2, . . .

se

x = 1, 2, . . .

xi p ( xi ) +

i = 1

X
i =1

xi p(xi ) =

X
i =1

2x (x + 1)

xi p(xi )

i =1

1X

2 i =1 ( x + 1 )

11
2 2

+ + . . . = ,
3

pois a soma acima parte da srie harmnica que diverge.


Para a parte negativa, o clculo similar e resulta em .
Logo, no existe valor esperado nesse caso.
Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

6 / 19

Esperana
Exerccio 10.1: Seja X uma varivel aleatria discreta com funo de distribuio
apresentada a seguir. Obtenha o valor esperado de X .

0,

1/8,
5/8,
F (x ) =

7/8,
1,

Prof. Tarciana Liberal (UFPB)

se
se
se
se
se

x < 2
2 x < 1
1x <2
2x <4
x 4

Aula Esperana e Varincia

06/14

7 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

8 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

9 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

10 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

11 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

12 / 19

Esperana
PROPRIEDADES DA ESPERANA:
P1 Se X = c, em que c uma constante, ento E (c ) = c.
P2 Multiplicando-se uma varivel aleatria por uma constante, sua
mdia fica multiplicada por essa constante: E (cX ) = cE (X ).
P3 A esperana da soma ou da diferena de duas variveis aleatrias
, respectivamente, a soma ou a diferena das esperanas.
E (X + Y ) = E (X ) + E (Y )
E (X Y ) = E (X ) E (Y ).
Consequentemente, para X1 , X2 , . . . , Xn variveis aleatrias. Ento
E

n
X

Xi =

i =1

n
X

E (Xi )

i =1

.
Observao 10.1: Note que toda funo de uma varivel aleatria X tambm
uma varivel aleatria. Podemos, portanto, falar na esperana de X 2 , 2X + 1,
dentre outras. Por exemplo:
P
E (X 2 ) = i =1 xi2 p(xi )
Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

13 / 19

Esperana
DEMONSTRAO DAS PROPRIEDADES:

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

14 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

15 / 19

Esperana

Exerccio 2.9
1) Considere a seguinte distribuio de probabilidade para o
nmero de dias (X) que um livro fica emprestado, alm da
data de vencimento:
x

p(x)

0.4

0.2

0.2

0.1

0.1

a) Calcule o nmero esperado de dias de atraso.


b) Suponha que o usurio atrasar a entrega em um prazo
superior a + dias, onde = E(X) e = desvio padro de X,
fica em um cadastro de usurio devedor. Calcule a
probabilidade dessa ocorrncia.

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

16 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

17 / 19

Esperana

Exerccios 2.11
Uma livraria mantm extensos registros das vendas dirias dos
livros. Com os dados coletados construiu a seguinte distribuio
de probabilidade da varivel aleatria X = nmero de livros
vendidos por semana:
xi

p(xi) 0,05 0,15 0,42 0,20 0,08 0,10

a) Calcule o nmero esperado de livros vendidos por semana.


b) Calcule a Var(X).
c) Calcule a probabilidade de se vender mais que 2 livros por
semana. Calcule a probabilidade de se vender no mximo um
livro.
d) O lucro da livraria obtido atravs da relao Y=3X2+X-2. Qual o
lucro esperado da livraria?

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

18 / 19

Esperana

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

19 / 19

Esperana
Exerccio :
Uma loja de eletrodomsticos vende freezers verticais com 13.5, 15.9 e 19.1 ps
cbicos de espao com as seguintes probabilidades: 0.2, 0.5 e 0.3.
Calcule E (X ).
Se o preo de um freezer com X ps cbicos de capacidade for 25X 8.5,
qual ser o preo esperado pago pelo prximo cliente a comprar um freezer?
Qual a varincia do preo pago pelo prximo cliente?
Suponha que, apesar de a capacidade nominal de um freezer ser X , a
capacidade real seja X 0.01X 2 . Qual a capacidade real esperada do
freezer compradp pelo prximo cliente. Resolva usando as propriedades da
esperana.

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

20 / 19

Esperana
Exerccio :
A funo de probabilidade da varivel X P (X = k ) = 1/5 para k = 1, 2, . . . , 5.
Calcule E (X ) e, usando esses resultados, determine E ((X + 3)2 ) e Var (3X 2).

Prof. Tarciana Liberal (UFPB)

Aula Esperana e Varincia

06/14

21 / 19

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

1 / 14

Varincia

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

2 / 14

Varincia

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

3 / 14

Varincia

PERGUNTA: Suponha que X represente a durao de vida de lmpadas. Qual o


significado de termos E (X ) = 1000 horas.
Poderia significar que a maioria das lmpadas deveria durar um perodo
compreendido entre 900 horas e 1100 horas.
Poderia significar tambm que as lmpadas fornecidas so formadas de
dois tipos de lmpadas: cerca da metade so de muita boa qualidade e
duraro aproximadamente 1.300 horas, enquanto que a outra metade so
de m qualidade e duraro aproximadamente 700 horas.
Existe ento uma necessidade de introduzir uma medida quantitativa que venha a
distinguir entre essas duas situaes.

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

4 / 14

Varincia
Definio 11.1: Seja X uma varivel aleatria definida no espao de
probabilidade (, A , P ). Ento a varincia da varivel aleatria X , denotada por
Var (X ) ou 2 ,
Var (X ) = E [X E (X )]2 = E (X 2 ) [E (X )]2
A varincia sem dvida a medida de variabilidade mais importante. Ela o
parmetro de algumas distribuies.
A raiz quadrada positiva de Var (X ) denominada de desvio-padro e
denotada por .
O desvio padro tem a mesma unidade de medida da varivel.

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

5 / 14

Exemplo 11.1

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

6 / 14

Varincia
PROPRIEDADES DA VARINCIA:
P1 Se X = c, em que c uma constante, ento Var (c ) = 0.
P2 Multiplicando-se uma varivel aleatria por uma constante, sua
varincia fica multiplicada pelo quadrado dessa constante:
Var (cX ) = c 2 Var (X ).
P3 Se somarmos ou subtrarmos uma constante a varivel aleatria,
sua varincia no se altera: Var (X + c ) = Var (X c ) = Var (X ).
P4 Sejam X1 e X2 variveis aleatrias, assim
Var (X1 + X2 ) = Var (X1 ) + Var (X2 ) + 2Cov (X1 , X2 )
Var (X1 X2 ) = Var (X1 ) + Var (X2 ) 2Cov (X1 , X2 ),
em que Cov (X1 , X2 ) = E [(X1 E (X1 ))(X2 E (X2 ))] = E (X1 X2 ) E (X1 )E (X2 )
a covarincia entre as variveis X1 e X2 .
Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

7 / 14

Varincia
PROPRIEDADES DA VARINCIA:
P5 Sejam X1 , . . . , Xn variveis aleatrias, assim
Pn
P n 1 P n
Pn
Var ( i =1 Xi ) = i =1 Var (Xi ) + 2 j =1 i =j +1 Cov (Xi , Xj ) em
que
Cov (Xi , Xj ) = E [(Xi E (Xi ))(Xj E (Xj ))] = E (Xi Xj ) E (Xi )E (Xj ).
Observao 11.1: A covarincia uma medida de dependncia linear entre as
variveis e pode assumir valores de qualquer sinal.
Observao 11.2: Se X1 , . . . , Xn forem independentes temos que
E (Xi Xj ) = E (Xi )E (Xj ) e assim, Cov (Xi , Xj ) = 0. Consequentemente, temos que
Pn
Pn
Var ( i =1 Xi ) = i =1 Var (Xi ).
Observao 11.3: Se a covarincia for zero no h dependncia linear entre as
variveis, mas pode haver outro tipo de relao entre elas e, portanto, no
podemos dizer que so independentes.
Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

8 / 14

Varincia
Exerccio 11.1: Uma turma de Estatstica contm 3 alunos canhotos e 24
destros. Selecionam-se aleatoriamente dois estudantes diferentes para um
projeto de coleta de dados, representando-se por X o nmero de estudantes
canhotos escolhidos, calcule a mdia, a varincia e o desvio padro da varivel
aleatria X.

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

9 / 14

Varincia
Exerccio 11.1:

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

10 / 14

Varincia
Exerccio 11.2: Uma indstria pretende comprar trs lotes de peas que so
produzidas por dois fornecedores, A e B. Ela inicia, comprando de um dos
fornecedores escolhido ao acaso e, se ficar satisfeita com o material entregue,
compra o prximo lote do mesmo fornecedor. Se no ficar satisfeita, troca o
fornecedor. Admita que para cada lote o ndice de satisfao de 80% para A e
70% para B. Calcule a mdia e a varincia do nmero de lotes fornecidos por A.

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

11 / 14

Varincia
Exerccio 11.2:

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

12 / 14

Varincia
Exerccio 11.3: A experincia de diversas companhias de resgate de navios
naufragados indica que a probabilidade de um resgate ser bem sucedido na
primeira tentativa de 0.6; caindo para a metade a cada nova tentativa. Uma
empresa de resgate tem como norma no realizar mais de trs tentativas e cobra
50 mil reais para iniciar os trabalhos e mais 10.000x (k 1) reais, com k sendo o
nmero de tentativas.
a) Qual o custo mdio dos servios dessa empresa?
b) Se um navio resgatado pode render ao proprietrio 65 mil reais,
interessante para ele contratar essa empresa? Justifique.
a) Qual a varincia do nmero de tentativas? E do custo dos
servios?

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

13 / 14

Varincia
Exerccio 11.3:

Prof. Tarciana Liberal (UFPB)

Aula Varincia

07/14

14 / 14

Clculo das Probabilidades I


Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

1/1

Funo Geradora de Momentos

Calculamos algumas caractersticas da varivel aleatria X , tais como E (X ) e


Var (X ), atravs da distribuio de probabilidade de X .
possvel introduzir uma outra funo que facilita o clculo de probabilidades e
de outras quantidades relacionadas.
Definio 2.12: Seja X uma varivel aleatria. Ento o momento de ordem k
definido como,
k = E (X k ),
se E (|X k |) < .
Para o caso discreto, temos que: k = E (X k ) =

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

x k p ( xi ) .
i =1 i

18/07

2/1

Funo Geradora de Momentos


O momento central de ordem k definido como,

k = E ((X )k ).
O valor esperado o momento de ordem 1 e a varincia o momento central de
ordem 2, que pode tambm ser obtida como a diferena entre o momento de
ordem 2 e o quadrado do momento de ordem 1.
Definio 2.13:(Funo Geradora de Momentos) A funo geradora de
momentos da varivel X definida por
MX (t ) = E (etX ),
desde que a esperana seja finita para t real em algum intervalo t0 < t < t0 , com
t0 > 0.
Para o caso discreto, temos que: MX (t ) = E (etX ) =
Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

i =1

etxi p(xi ).
18/07

3/1

Funo Geradora de Momentos


A definio de funo geradora de momentos requer que a soma seja finita para
valores de t em uma vizinhana de zero, garantindo algumas propriedades
importantes. Assim, diremos que a funo geradora de momentos no existe
para valores de t, fora de algum intervalo ao redor de zero, em que finita.
EXEMPLO 2.25: Seja X uma V.A. com a seguinte funo de distribuio.
Obtenha a funo geradora de momentos de X .

0,
0.5,
F (X ) =

0.75,
1,

Prof. Tarciana Liberal (UFPB)

se
se
se
se

x < 0;
0 x < 1;
1 x > 2;
x 2;

Aula Funo Geradora de Momentos

18/07

4/1

Funo Geradora de Momentos


EXEMPLO 2.25:

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

5/1

Funo Geradora de Momentos


PROPRIEDADES:
Apresentaremos agora a justificativa de se denominar MX funo geradora de
momentos.
Lembrando que eX pode ser escrita com uma expanso em srie de potncias.
ex = 1 + x +

x2
2!

x3
3!

+ ... +

xn
n!

+ ...

Temos ento que


etx = 1 + tx +

(tx )2 (tx )3
(tx )n
+
+ ... +
+ ...
2!
3!
n!

Aplicando esperana em ambos os lados obtemos do lado esquerdo MX (t ). Para


o lado direito, admitimos ser vlido permutar soma infinita e esperana.

MX (t ) = E (etX ) = E 1 + tX +

Prof. Tarciana Liberal (UFPB)

(tX )2 (tX )3
(tX )n
+
+ ... +
+ ...
2!
3!
n!

Aula Funo Geradora de Momentos

18/07

6/1

Funo Geradora de Momentos


MX (t ) = 1 + tE (X ) +

t 2 E (X 2 )
2!

t 3 E (X 3 )
3!

+ ... +

t n E (X n )
n!

+ ...

J que MX (t ) uma funo da varivel t, podemos tomar a derivada de MX (t )


em relao a t, supondo que o lado direito possa ser escrito como a soma infinita
das respectivas derivadas.

MX0 (t ) =

2tE (X 2 ) 3t 2 E (X 3 )
nt n1 E (X n )

MX (t ) = 0 + E (X ) +
+
+ ... +
+ ...
t
2!
3!
n!
MX0 (t ) = E (X ) + tE (X 2 ) +

t 2 E (X 3 )
2!

+ ... +

t n1 E (X n )

(n 1)!

+ ...

Para t = 0 obtemos
MX0 (0) = E (X )
Assim, a primeira derivada da F.G.M. calculada para t = 0, fornece o primeiro
momento que o valor esperado da varivel aleatria.
Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

7/1

Funo Geradora de Momentos


Calculando a segunda derivada de MX (t ) temos que,
MX00 (t ) = E (X 2 ) + tE (X 3 ) + . . . +

t n 2 E (X n )

(n 2)!

+ ...

Para t = 0 obtemos
MX00 (0) = E (X 2 )
Continuando dessa forma, teremos o seguinte teorema
Teorema 2.2: Suponha que a funo geradora de momentos de X exista para
|t | < t0 , t0 > 0. Ento E (X n ) existe para n = 1.2. . . . e temos:
(0 n )

E (X n ) = MX

(t ) t =0 =


n

M
(
t
)
.
X
tn
t =0

A demonstrao desse teorema j est apresentada acima.

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

8/1

Funo Geradora de Momentos


IMPORTANTE:
Se a f.g.m. existe, ento para t = 0 tem-se que
MX (0) = E (et 0 ) = E (1) = 1.
E (X n ), n = 1, 2, . . ., so denominados momentos de ordem n da varivel
aleatria X , em relao a zero.
Assim, mostramos que a partir do conhecimento da f.g.m. os momentos
podem ser gerados.
Em particular, Var (X ) = E (X 2 ) [E (X )]2 = M 00 (0) [M 0 (0)]2 .
Teorema 2.3: Suponha que a varivel aleatria X tenha funo geradora de
momentos MX . Seja Y = aX + b em que a e b so constantes. Ento, a f.g.m. de
Y dada por:
MY (t ) = ebt MX (at )
Demonstrao:

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

9/1

Funo Geradora de Momentos


Teorema 2.4: Sejam X1 , X2 , . . . , Xn variveis aleatrias independentes, com
MX1 , MX2 , . . . , MXn sendo suas respectivas funes geradoras de momentos para t
em alguma vizinhana de zero. Se Y = X1 + X2 + . . . + Xn , ento a funo
geradora de momentos de Y existe e dada por:
MY (t ) =

n
Y

MXj (t ).

j =1

Demonstrao:

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

10 / 1

Funo Geradora de Momentos

Teorema 2.4: Sejam X e Y variveis aleatrias com funo geradora de


momentos MX (t ) e MY (t ), respectivamente. Se MX (t ) = MY (t ), para todo t em
|t | < t0 , t0 > 0, ento X e Y tem a mesma distribuio de probabilidade.
Em outras palavras, se X e Y tm a mesma F.D.A. ento elas possuem a mesma
f.g.m., do mesmo modo se X e Y tem a mesma f.g.m., ento elas possuem a
mesma F.D.A..
A demonstrao desse teorema no ser feita pois precisaramos de alguns
resultados que esto fora do contedo desse curso.

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

11 / 1

Funo Geradora de Momentos


EXEMPLO 2.26: A partir da funo geradora de momentos do exemplo 2.25
obtenha a E (X ) e a Var (X ).

EXEMPLO 2.27: Um vendedor de carros usados acha que vende 1, 2, 3, 4, 5 ou 6


carros por semana com a mmesma probabilidade. Encontre a funo geradora de
momentos de X e a partir da f.g.m. obtenha a E (X ) e Var (X ).

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

12 / 1

Funo Geradora de Momentos


EXEMPLO 2.27:

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

13 / 1

Funo Geradora de Momentos


EXEMPLO 2.28: Seja X o nmero de faltas dos alunos de Probabilidade I. A
distribuio de probabilidade de X dada por
x
p(x )

0
1/2

1
1/4

2
1/8

3
1/8

a) Determine a mdia e a varincia de X a partir da funo geradora


de momentos.
b) Se Y = 5X 3, encontre a funo geradora de momentos de Y .

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

14 / 1

Funo Geradora de Momentos


EXEMPLO 2.29: Suponha que a f.g.m. da varivel aleatria X seja da forma
MX (t ) = (0.4et + 0.6)8
a) Calcule E (X ) e Var (X ).
b) Qual ser a f.g.m. da varivel aleatria Y = 3X + 2?
c) Obtenha a esperana de Y .

Prof. Tarciana Liberal (UFPB)

Aula Funo Geradora de Momentos

18/07

15 / 1

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

1 / 32

Distribuies Discretas
Apresentaremos agora alguns dos modelos mais importantes para variveis aleatrias
discretas.
Seguem, abaixo, alguns resultados que sero utilizados em algumas demonstraes.
Seja a > 0 e b < 1.
1. (a + b)n =
2. ex =

Pn

( n ) x n x
x =0 x a b

xn
n=0 n!

3.

ax =

4.

xax

5.

x =k

x =1

x =2 x (x

(a + b)n1 =

P n 1

x =0

(nx 1)ax bn1x ;

ak
,
1 a

k 0;

a
(1a)2

;
2

1)ax = (12a
;
a )3
n 1

6. x (x ) = n(x 1);
n 1

7. ( r ) = nr ( r 1 );
8.

Pr

9.

x =0

m
(mx)(nr
x )
(nr)

=1 e

x =0 [(1 a)e

10. (11b)r =

t ]x

x =0 b

Pr 1 (mx1)(nr 11mx1)
x =0

1
1(1a)et

1
(nr
)
1

para t < ln

=1

1
1 a

, pois (1 a)et < 1 para a srie ser convergente.

x.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

2 / 32

Distribuio Bernoulli
Distribuio de Bernoulli
Na prtica muitos experimentos admitem apenas dois resultados
Exemplo:
1.

Uma pea classificada como boa ou defeituosa;

2.

O resultado de um exame mdico para deteco de uma doena positivo ou


negativa.

3.

Um entrevistado concorda ou no com a afirmao feita;

4.

No lanamento de um dado ocorre ou no face 6;

5.

No lanamento de uma moeda ocorre cara ou coroa.

Estas situaes tem alternativas dicotmicas e podem ser representadas


genericamente por resposta do tipo sucesso-fracasso. Associaremos p, a
probabilidade de sucesso, ao evento que nos interessa e 1-p, ser a
probabilidade de fracasso.
Esses experimentos recebem o nome de Ensaios de Bernoulli e originam uma
v.a. com distribuio de Bernoulli.
1

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

3 / 32

Distribuio Bernoulli
Distribuio de Bernoulli
Uma V.A. (X) de Bernoulli aquela que assume apenas dois valores 1
se ocorrer sucesso (S) e 0 se ocorrer fracasso (F), com
probabilidade de sucesso p, isto ,
1, se ocorrer sucesso
X=
0, se ocorrer fracasso
Temos ento que:

A funo de probabilidade de X dada por:


p(x)=px (1-p)1-x , para x=0,1.

Notao: X~Bernoulli (p), indica que a v.a. X tem distribuio de Bernoulli com
parmetro p.
1

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

4 / 32

Distribuio Bernoulli
Esperana, Varincia e Funo Geradora de Momentos.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

5 / 32

Distribuio Bernoulli
EXEMPLO 1: Suponha que a probabilidade de bito de um paciente, ao dar
entrada na terapia intensiva, seja de 25% (risco de morte). Seja X uma varivel
binria indicadora de bito, se um paciente der entrada no CTI, obtenha a
distribuio de probabilidade, a mdia e a varincia.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

6 / 32

Distribuio Bernoulli
EXEMPLO 2: Seja X uma varivel aleatria de Bernoulli com p = 0.6. Encontre a
funo de distribuio acumulada de X .

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

7 / 32

Distribuio Binomial
Distribuio Binomial
Exemplo 2: Suponha que uma moeda lanada 3 vezes e
probabilidade de cara seja p em cada lanamento. Determinar a
distribuio de probabilidade da varivel X, nmero de caras nos 3
lanamentos.
Denotemos:
S: sucesso, ocorrer cara (k)
F:fracasso, ocorrer coroa(c)

P(sucesso)=p

P(fracasso)=q=1-p

={FFF.FFS, FSF,SFF,FSS, SFS, SSF,SSS}


Xi

uma varivel aleatria Bernoulli (i=1,2,3).


1

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

8 / 32

Distribuio Binomial
Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

9 / 32

Distribuio Binomial
Da temos que:

P ( X = 0) = P({FFF }) =
P ( X = 1) = P ({FFS , FSF , SFF }) =
P ( X = 2) = P({FSS , SFS , SSF }) =
P ( X = 3) = P ({SSS}) =
A funo de probabilidade da v.a. X dada por:

P(X = x)
O comportamento de X , pode ser representado pela seguinte funo:

P ( X = x) =

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

10 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

11 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

12 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

13 / 32

Distribuio Binomial
Distribuio de uma v.a. Binomial
Considere a repetio de n ensaios idnticos de Bernoulli independentes.
Seja X o nmero total de sucessos obtidos.
Diremos que X segue o modelo Binomial com parmetros n e p e sua funo de
probabilidade dada por:

n x
p (1 p ) n x , x = 0,1, L , n
p ( x ) = P ( X = x ) = x

0,
c.c

n
n!
onde =
, representa o coeficient e Binomial.
x x! ( n x )!

Notao, X~B(n,p), para indicar que v.a. X tem distribuio Binomial com
parmetros n e p.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

14 / 32

Esperana, Varincia e Funo Geradora de Momentos.


E (X )

=
=

n
X
x =0
n
X

x =1
n
X

= n

n
x

n1
x 1

= np

x =1

= np

y =0

px (1 p)nx (iniciando

n1
x 1

x =1
n
X

n 1
X

soma

em

1 e

usando

6.)

p x (1 p )n x
p.px 1 (1 p)nx 1+1

n1
x 1

n1
y

px 1 (1 p)(n1)(x 1) (fazendo
py (1 p)n1y (usando

y = x 1)

1.)

= np(p + 1 p)n1
= np
Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

15 / 32

Esperana, Varincia e Funo Geradora de Momentos.


2

E (X )

=
=
=
=

n
X

x =1
n
X

n
x

px (1 p)nx (usando

n
x

[x (x 1) + x ]

x =1
n
X

x (x 1)

x =1
n
X

x =1
n
X

(x 1)n

= n

(n 1)

x =1

= n(n 1)p

n
X
x =1

Prof. Tarciana Liberal (UFPB)

n
x

artificio

x 2 = x (x 1) + x )

px (1 p)nx

p (1 p )

n x

n
X
x =0

n1
x 1

n2
x 2

n
x

px (1 p)nx

px (1 p)nx + E (X )

n2
x 2

p2 px 2 (1 p)nx 2+2 + np

px 2 (1 p)(n2)(x 2) + np

Aula Distribuio de Bernoulli e Binomial

07/14

16 / 32

Esperana, Varincia e Funo Geradora de Momentos.

E (X )

= n(n 1)p

n
X

x =2

= n(n 1)p

n 2
X

y =0

n2
x 2

n2
y

px 2 (1 p)(n2)(x 2) + np

(y = x 2)

py (1 p)(n2)y + np

= n(n 1)p (p + 1 p)n2 + np


2

= n2 p2 np2 + np

Var (X )

= n2 p2 np2 + np n2 p2
= np(1 p)

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

17 / 32

Esperana, Varincia e Funo Geradora de Momentos.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

18 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

19 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

20 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

21 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

22 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

23 / 32

Distribuio Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

24 / 32

Distribuio Binomial
EXEMPLO 4: Discuta a validade do modelo binomial nos seguintes casos:
a) Dos alunos de uma grande universidade, sorteamos 5 e contamos
quantos se declaram usurios de drogas.
b) Escolhemos 20 lmpadas ao acaso na prateleira de um
supermercado, sendo 10 de uma fbrica e 10 de outra. Contamos
o nmero total de defeituosas.
c) Quinze automveis 0 km de uma mesma marca e tipo so
submetidos a um teste anti-poluio e contamos o nmero deles
que passaram no teste.
d) Um motorista submetido a um teste em que deve estacionar seu
veculo num pequeno espao (baliza). Em 10 tentativas, contamos
o nmero de vezes em que o motorista estacionou corretamente.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

25 / 32

Distribuio Binomial
EXEMPLO 5: Determinar a probabilidade de, ao lanar trs vezes uma moeda
honesta, aparecerem:
a) 3 caras.
b) 2 caras e 1 coroa.
c) 2 coroas e 1 cara.
d) 3 coroas.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

26 / 32

Distribuio Binomial
EXEMPLO 6: Em um determinado processo de fabricao, 10% das peas so
consideradas defeituosas. As peas so acondicionadas em caixas com 5
unidades cada uma.
a) Qual a probabilidade de haver exatamente 3 peas defeituosas em
uma caixa?
b) Qual a probabilidade de haver pelo menos duas peas defeituosas
em uma caixa?
c) Se a empresa paga uma multa de R $10.00 por caixa em que
houver alguma pea defeituosa, qual o valor esperado da multa
em um total de 1000 caixas?
d) Considerando 10 caixas com 5 peas em cada, qual a
probabilidade de que seja necessrio pagar multa para no mximo
uma caixa?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

27 / 32

Distribuio Binomial
EXEMPLO 7: Um exame consta de 10 perguntas de igual dificuldade e mesma
pontuao. Sendo 7 a nota de aprovao, qual a probabilidade de que seja
aprovado um aluno que sabe 40% da matria?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

28 / 32

Distribuio Binomial
EXEMPLO 8: Um produtor de sementes vende pacotes com 20 sementes cada.
Os pacotes que apresentarem mais de uma semente sem germinar sero
indenizados. A probabilidade de uma semente germinar 0.98.
a) Qual a probabilidade de um pacote no ser indenizado?
b) Se o produtor vende 1000 pacotes qual o nmero esperado de
pacotes indenizados?
c) Quando o pacote indenizado, o produtor tem um prejuzo de
R $1.20, e se o pacote no for indenizado, ele tem um lucro de
R $2.50. Qual o lucro lquido esperado por pacote?
d) Calcule a mdia e a varincia da varivel nmero de sementes
que no germinam por pacote.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

29 / 32

Distribuio Binomial
EXEMPLO 9: Uma mquina apresenta 20% de defeitos na sua produo. Um
inspetor de qualidade, ignorando a percentagem real de defeitos da mquina,
retira ao acaso uma amostra de 8 peas da sua produo. Qual a probabilidade
de que ele venha a concluir, com base nessa amostra, que a proporo de
defeitos superior a 20%? Tirando-se 6 amostras de 8 peas cada uma, qual a
probabilidade de se terem 3 amostras com mais de um defeito?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

30 / 32

Distribuio Binomial
EXEMPLO 10: Verifique que a atribuio de probabilidade nos modelos Bernoulli
e Binomial satisfazem s propriedades de funo de probabilidade. EXEMPLO

11: Se X tem distribuio Binomial com parmetros n e p, qual a distribuio de


Y = n X?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

31 / 32

Uso da Tabela da Binomial

Prof. Tarciana Liberal (UFPB)

Aula Distribuio de Bernoulli e Binomial

07/14

32 / 32

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

1 / 13

Distribuio Geomtrica

Considere novamente uma sequncia de ensaios de Bernoulli


independentes.
Suponha agora que o experimento repetido at que ocorra sucesso pela
primeira vez.
A varivel aleatria X definida agora como o nmero de repeties
necessrias para se obter o primeiro sucesso.
IMPORTANTE: No modelo Binomial o nmero de repeties
predeterminado (fixo), ao passo que no modelo Geomtrico o nmero de
repeties uma varivel aleatria.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

2 / 13

Distribuio Geomtrica
EXEMPLO 1: Um dado lanado e sua face observada. Seja X o nmero de
lanamentos at que saia a face 6. Obtenha a distribuio de probabilidade de Y .

Nestas condies, a varivel X segue distribuio geomtrica com parmetro p e


tem funo de probabilidade dada por:
p(x ) = P (X = x ) = p(1 p)x 1 ,

x = 1, 2, . . .

NOTAO: X Geo(p)

O modelo geomtrico pode ser interpretado tambm como o numero de


fracassos anteriores ao primeiro sucesso. Nesse caso, temos que
p(x ) = P (X = x ) = p(1 p)x ,
x = 0, 1, 2, . . ..

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

3 / 13

Esperana, Varincia e Funo Geradora de Momentos.

E (X )

xp(1 p)x 1

x =1

= p

x (1 p )x 1

x =1

= p

xq x 1

x =1

= p

X
d

dq
x =1

qx

Como a srie x =1 (1 p)x = x =1 q x converge, pois 1 p < 1, logo podemos


permutar a ordem do somatrio com a derivao.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

4 / 13

Esperana, Varincia e Funo Geradora de Momentos.

E (X )

d X

= p

dq x =1
d

[q + q 2 + q 3 + ]
dq

q
d

= p
= p
= p
= p

(temos uma P .G. infinita)

dq 1 q

(1 q )1 q (1)
(1 q )2
1

= p
=

qx

(1 q )2
1
p2

1
p

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

5 / 13

Esperana, Varincia e Funo Geradora de Momentos.


E (X 2 )

x 2 p(1 p)x 1

x =1

= p

x 2 (1 p)x 1

x =1

= p

x 2 q x 1

x =1

= p
= p
= p

Prof. Tarciana Liberal (UFPB)

X
d

dq
x =1

d X

dq x =1
d

xq x

xq x
q

(usando 4.)

dq (1 q )2

Aula Distribuio Geomtrica

08/14

6 / 13

Esperana, Varincia e Funo Geradora de Momentos.


E (X 2 )

(1 q )2 1 q2(1 q )(1)
(1 q )4

1 2q + q 2 + 2q 2q 2
= p
(1 q )4

= p

= p

1 q2

(1 q )4

1 (1 p)2
= p
(1 (1 p))4

1 (1 2p + p2 )
= p
(1 1 + p)4

= p
= p
Prof. Tarciana Liberal (UFPB)

2p p2

p4

p (2 p )

p4

Aula Distribuio Geomtrica

08/14

7 / 13

Esperana, Varincia e Funo Geradora de Momentos.

E (X 2 )

Var (X )

=
=
=

Prof. Tarciana Liberal (UFPB)

(2 p )
p2

(2 p)
p2

1
p2

(2 p 1)
p2

(1 p)
p2

Aula Distribuio Geomtrica

08/14

8 / 13

Esperana, Varincia e Funo Geradora de Momentos.

MX (t )

etx p(1 p)x 1

x =1

= p

X
x =1

=
=

(1 p)x
(1 p)

(1 p) x =1

[et (1 p)]x (usando 3.)

e t (1 p )

(1 p ) 1 e t (1 p )

= p

Prof. Tarciana Liberal (UFPB)

etx

et
1 et (1 p)

Aula Distribuio Geomtrica

08/14

9 / 13

Distribuio Geomtrica
EXEMPLO 2: A probabilidade de que haja alguma falha no lanamento de uma
nave espacial 10%. Qual a probabilidade de que para lanar a nave seja
necessrio:
a) 2 tentativas?
b) no mximo 3 tentativas?
c) Calcule o nmero esperado de tentativas de lanamento da nave
espacial. Calcule tambm a varincia e o desvio padro do
nmero de tentativas de lanamento.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

10 / 13

Distribuies Discretas
EXEMPLO 3: Em determinada localidade, a probabilidade de ocorrncia de
chuva forte em algum dia nos meses de dezembro e janeiro igual a 0.1.
Admitindo independncia de um dia para o outro, qual a probabilidade da
ocorrncia da primeira chuva no dia 3 de janeiro?

EXEMPLO 4: A probabilidade de que uma droga apresente reao positiva 0.4.


Qual a probabilidade de que menos de 5 reaes negativas ocorram antes da
primeira positiva?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

11 / 13

Distribuio Geomtrica
PROPRIEDADE IMPORTANTE: Falta de Memria da Geomtrica
Seja X Geo(p), ento, para quaisquer nmeros inteiros positivos m e n, temos
que
P (X m + n|X m) = P (X n).
Essa propriedade conhecida como falta de memria e indica a maneira
com a varivel incorpora a informao anterior.
Ou seja, a varivel "lembra" do presente mas "esqueceu" o que ocorreu no
passado.
Por exemplo, se X for a espera em dias para a ocorrncia de um certo
evento a probabilidade condicional de espera de pelo menos m + n dias,
sabendo que o evento no ocorreu antes de m dias a mesma de esperar
pelo menos n dias.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

12 / 13

Distribuio Geomtrica
Verificao da Propriedade:

EXEMPLO 5: Seja X o nmero de jogadas de um dado honesto at que se


observe um 6. Suponha que o dado tenha sido jogado 5 vezes sem sair um 6.
Qual a probabilidade de que sejam necessrias mais de duas jogadas adicionais?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

13 / 13

Distribuio Geomtrica
EXEMPLO 6: Andr deve a Renata R $130, 00. Cada viagem de Renata casa
de Andr custa R $50, 00 e a probabilidade de Andr ser encontrado em casa
1/3. Se Renata encontrar Andr, conseguir cobrar a dvida.
a) Qual a probabilidade de Renata ter de ir mais de 3 vezes casa
de Andr para conseguir cobrar a dvida?
b) Se na segunda vez em que Renata foi casa de Andr ainda no
o encontrou, qual a probabilidade de conseguir cobrar na 3a vez?

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

14 / 13

Distribuio Geomtrica
EXEMPLO 7: Uma moeda equilibrada lanada sucessivamente, de modo
independente, at que ocorra a primeira cara. Seja X a varivel aleatria que
conta o nmero de lanamentos at ocorrncia de cara. Determine:
a) A probabilidade de serem necessrios no mximo 3 lanamentos.
b) A probabilidade da moeda ser lanada pelo menos 2 vezes.
c) Quantas vezes deve, no mnimo, ser lanada a moeda para
garantir a ocorrncia de cara com pelo menos 0.8 de
probabilidade.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

15 / 13

Distribuio Geomtrica
EXEMPLO 8: Verifique que a atribuio de probabilidade no modelo Geomtrico
satisfaz s propriedades de funo de probabilidade.

Prof. Tarciana Liberal (UFPB)

Aula Distribuio Geomtrica

08/14

16 / 13

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

1 / 19

Distribuio Poisson
Modelo Poisson
Na prtica muitos experimentos consistem em observar a
ocorrncia de eventos discretos em um intervalo
contnuo (unidade de medida).
Exemplos:
1.

Nmero de consultas a uma base de dados em um minuto.

2. Nmero de casos de Dengue por kilometro quadrado no estado da


PB.
3. Nmero de manchas (falhas) por metro quadrado no esmaltado de
uma geladeira.
4. Nmero de chamadas que chegam a uma central telefnica de uma
empresa num intervalo de tempo (digamos das 8:00 s 12:0) .
5. Nmero de carros que chegam ao Campus entre 7:00 e 10:00.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

2 / 19

Distribuio Poisson
Distribuio de uma v.a. Poisson
Uma varivel discreta X tem distribuio de Poisson com
parmetro > 0 se sua funo de probabilidade dada por:

e x

P ( X = x ) = x!
0;

x = 0,1, 2, L
c.c.

X: nmero de eventos discretos em t unidades de


medida.
: mdia de eventos discretos em t unidades de medida
Notao:
X~P().

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

3 / 19

Distribuio Poisson

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

4 / 19

Distribuio Poisson
Esperana, Varincia e Funo Geradora de Momentos.

E (X )

X
x e

x!

x =0

= e
= e

X
x 1
(x 1)!
x =1

X
x 1
(x 1)!
x =1

Fazendo y = x 1, temos que

E (X )

= e

X
y

y!
y =0

= e e

=
Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

5 / 19

Distribuio Poisson
Esperana, Varincia e Funo Geradora de Momentos.

E (X 2 )

x2

x e

x =0

x!

x (x 1)

[x (x 1) + x ]

x =0

x e

x =0

= e

x!

x =0

x e
x!

x e
x!

x (x 1)

x =2

x e
x!

X
2 x 2
+
(x 2)!
x =2

Fazendo y = x 2, temos que

E (X )

= e

X
y

y!
y =0

+ = 2 e e +

= 2 +
Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

6 / 19

Distribuio Poisson
Esperana, Varincia e Funo Geradora de Momentos.
Assim,

Var (X )

= E (X 2 ) [E (X )]2
= 2 + 2
= .

Se X P (): E (X ) = e Var (X ) = .

MX (t )

etx

x e

x =0

= e

x!

X
(et )x
x =0

= e
Prof. Tarciana Liberal (UFPB)

x!

= e ee

(et 1)

Aula Poisson

08/14

7 / 19

Distribuio Poisson
Exemplo 1: Suponha que uma central telefnica de uma empresa receba em
mdia 300 telefonemas por hora. Qual a probabilidade de que:
a) No ocorra nenhuma chamada em um minuto.
b) Em dois minutos ocorram 3 chamadas.
c) No ocorram chamadas em t minutos.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

8 / 19

Distribuio Poisson

Observao: Do exemplo 1 pode-se concluir que a probabilidade de ocorrncia


de um determinado evento em t unidades dada por:

P (x ) =

et (t )x
x!

, se x = 0, 1, . . .
0,
caso contrrio

Importante: X e devem estar na mesma unidade de medida.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

9 / 19

Distribuio Poisson
Exemplo 2.
Uma indstria de tintas recebe pedidos de seus vendedores atravs de fax,
telefone e internet. Chegam na indstria em mdia 5 pedidos por hora.
a) Qual a probabilidade de se receber mais que 2 pedidos por hora?
b) Em um dia de trabalho (8 horas), qual a probabilidade de haver exatamente
50 pedidos?
c) No haver nenhum pedido, em um dia de trabalho, um evento raro?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

10 / 19

Distribuio Poisson
EXEMPLO 2.1: Na reviso de um livro encontrou-se, em mdia, 1.2 erros por
pgina. Das 600 pginas do livro, estimar o nmero das que no precisam ser
modificadas por no apresentarem defeitos.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

11 / 19

Distribuio Poisson
EXEMPLO 3: Uma mquina, quando funciona adequadamente, d um lucro de
R $C por hora (C > 2). Suponha que o nmero de falhas durante qualquer
perodo de t horas tenha distribuio de Poisson com parmetro t. Se a mquina
falhar x vezes durante as t horas, a empresa perde R $X 2 + X . Encontre o valor
de t para o qual o lucro esperado se torne mximo.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

12 / 19

Distribuio Poisson
RELAO ENTRE POISSON E BINOMIAL: Seja X B (n, p). Vamos obter a
distribuio de Poisson como aproximao da Binomial.
Defina E (X ) = np =

 
P (X = x )

=
=
=

px (1 p)nx

n (n 1) . . . (n x + 1)

x!

n (n 1) . . . (n x + 1)

x!

nx

nx

Considere agora que a probabilidade p seja de tal modo pequena que, quando n
se aproxima do infinito, possa ser considerado como aproximadamente
constante.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

13 / 19

Distribuio Poisson
RELAO ENTRE POISSON E BINOMIAL:
Na aplicao do limite, temos que
limn 1 n

=1

limn

n(n1)...(nx +1)
nx

= 1.

Temos tambm que


lim

n
n

= e

Segue ento que,


lim P (X = x ) =

x e
x!

que corresponde funo de probabilidade Poisson ().

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

14 / 19

Distribuio Poisson

Exemplo 4. A probabilidade de que um rebite particular na superfcie


da asa de uma aeronave seja defeituoso 0,001. H 4000 rebites na
asa. Qual a probabilidade de que seja instalados no mais de seis
rebites defeituosos?
Se X: nmero de rebites defeituosos na asa da aeronave. Ento,
X~B(4000,0.001)
6 4000

(0,001)x (0,999)4000x = 0,8894.


P( X 6) =
x
x=0

Usando a aproximao de Poisson, =4000(0,001)=4 X~P(4)

e 4 4 x
= 0,889.
x!
x =0
6

P( X 6) =

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

15 / 19

Distribuio Poisson
EXEMPLO 4.1: Em um cruzamento com trfego intenso, a probabilidade de um
carro sofre acidente bastante pequena e estimada como p = 0.0001. Durante
certa parte do dia, por exemplo das 17:00 s 18:00 horas, um grande nmero de
carros passa pelo cruzamento, algo como 10.000 carros. Nessas condies, qual
a probabilidade de que 2 ou mais carros sofram um acidente naquele perodo?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

16 / 19

Distribuio Poisson
EXEMPLO 5: Verifique que a atribuio de probabilidade no modelo Poisson
satisfaz s propriedades de funo de probabilidade.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

17 / 19

Distribuio Poisson

Exemplo 6. O nmero de falhas em um certo tipo de placa plstica tem taxa


mdia de 0,05 defeito por m2. Na construo de um barco, necessrio cobrir
uma superfcie de 3m x 2m com essa placa. Qual a probabilidade de que no
haja mais de uma falha nessa superfcie?
Na construo de 5 barcos, qual a probabilidade de que pelo menos 4 no
apresentem defeito na superfcie?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

18 / 19

Distribuio Poisson
EXEMPLO 7: Um distribuidor de gasolina tem capacidade de receber, nas
condies atuais, no mximo, trs caminhes por dia. Se chegarem mais que trs
caminhes, o excesso deve ser enviado a outro distribuidor, e, neste caso, h
uma perda mdia de R $800, 00 por dia em que no se podem aceitar todos os
caminhes.
a) Qual a probabilidade de chegarem de trs a cinco caminhes no
total de dois dias?
b) Qual a probabilidade de, em um certo dia, ter que mandar
caminhes para outro distribuidor?
c) Qual a perda mdia mensal (trinta dias) devido a caminhes que
no puderam ser aceitos?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

08/14

19 / 19

Clculo das Probabilidades I


Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

1/1

Distribuio Binomial Negativa

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

2/1

Distribuio Binomial Negativa

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

3/1

Distribuio Binomial Negativa

A ideia repetir o experimentos de Bernoulli de maneira independente e


parar quando o evento de interesse ocorrer pela r-sima vez.
Do mesmo modo que no caso da varivel com distribuio geomtrica,
pode-se definir X de maneiras diferentes, cada qual dando origem a uma
variao da distribuio Binomial Negativa.
O termo negativa vem da inverso do interesse de anlise (nmero de
observaes para r sucessos) em relao distribuio binomial (nmero
de sucessos para n observaes).

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

4/1

Distribuio Binomial Negativa


Para que o r-simo sucesso ocorra na x-sima tentativa necessrio que
haja um sucesso nesta tentativa e, alm disso, hajam r-1 sucessos nas k-1
tentativas anteriores, evento esse cuja probabilidade dada pela
distribuio binomial.

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

5/1

Distribuio Binomial Negativa


Esperana, Varincia e Funo Geradora de Momentos.

E (X ) =

Var (X ) =

M X (t ) =

Prof. Tarciana Liberal (UFPB)

r
p

r (1 p)
p2
pet

1 (1 p)et

Aula Poisson

16/08

6/1

Distribuio Binomial Negativa

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

7/1

Distribuio Binomial Negativa


Exemplo 2: Suponha que P (nascimentod em enino) = 0.5. Um casal quer ter
exatamente duas meninas e ter filhos at essa condio ser satisfeita.
a)
b)
c)
d)

Qual a probabilidade da famlia ter x filhos homens?


Qual a probabilidade da famlia ter quatro filhos?
Qual a probabilidade de a famlia ter no mximo quatro filhos?
Quantos filhos homens espera-se que essa famlia tenha?
Quantos filhos espera-se que essa famlia tenha?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

8/1

Distribuio Binomial Negativa


Exemplo 2:

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

9/1

Distribuio Binomial Negativa


Exemplo 3: Uma lotao com capacidade para 5 passageiros, s pode parar no
ponto de nibus. A probabilidade de haver uma pessoa esperando lotao em um
ponto de nibus qualquer de 0.3 e nunca h mais de um passageiro esperando
a lotao. Roberto espera a lotao no dcimo ponto de nibus. Sabendo-se que
a lotao saiu vazia do ponto inicial, qual a probabilidade de conseguir o ltimo
lugar na lotao?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

10 / 1

Distribuio Binomial Negativa


Exemplo 4: Uma companhia recebeu uma encomenda para fundir 3 peas
complicadas. A probabilidade de se conseguir um molde adequado 0.4, sendo o
molde destrudo quando da retirada da pea. O custo de cada molde R $500, 00
e se o molde no for adequado, a pea refugada, perdendo-se R $700, 00 de
material.
a) Qual a probabilidade de se fundir no mximo 6 peas para atender
a encomenda?
b) Qual o preo a ser cobrado pelo servio para se ter um lucro
esperado de R $1000, 00 na encomenda?

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

11 / 1

Distribuio Binomial Negativa


Exemplo 2:

Prof. Tarciana Liberal (UFPB)

Aula Poisson

16/08

12 / 1

Probabilidade I
Departamento de Estatstica

Universidade Federal da Paraba

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

1 / 21

Distribuio Hipergeomtrica

Consideremos um conjunto de N elementos, r dos quais tm uma


determinada caracterstica (r N ). Sero extrados n elementos (n N )
SEM REPOSIO.
Seja X o nmero de elementos com a referida caracterstica que estaro
entre os n retirados.
X tem distribuio hipergeomtrica com parmetros N, r e n.

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

2 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

3 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

4 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

5 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

6 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

7 / 21

Distribuio Hipergeomtrica

A rigor, os possveis valores de X so os inteiros tais que Max(0,n-N+r) X min(r,n).

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

8 / 21

Distribuio Hipergeomtrica
Esperana, Varincia e Funo Geradora de Momentos.

E (X ) =

Var (X ) =

N n
N 1

nr
N

r
r
.n .
. 1
N

A funo geradora de momentos no possui uma forma simples.


possvel verificar que a mdia acima igual a mdia da distribuio
binomial com p = r /N, enquanto que a varincia difere apenas pelo fator de
correo de populao finita.

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

9 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

10 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

11 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

12 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

13 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

14 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

15 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

16 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

17 / 21

Distribuio Hipergeomtrica

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

18 / 21

Distribuio Hipergeomtrica
Exemplo 4: De um lote que contm 25 peas, das quais 5 so defeituosas, so
escolhidas 4 ao acaso. Seja X o nmero de defeituosas encontradas. Estabelea
a distribuio de probabilidade de X, quando:
As peas forem escolhidas com reposio;
As peas forem escolhidas sem reposio.

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

19 / 21

Distribuio Hipergeomtrica
Exemplo 5: Numa urna existem vinte bolas brancas e duas pretas. Calcule as
probabilidades de, retiradas 7 bolas, sair apenas uma bola preta, nos dois casos
As bolas forem escolhidas com reposio;
As peas forem escolhidas sem reposio.

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

20 / 21

Distribuio Hipergeomtrica
Exemplo 5:

Prof. Tarciana Liberal (UFPB)

Aula Hipergeomtrica

08/14

21 / 21

UNIVERSIDADE
FEDERAL DA
PARABA

DEPARTAMENTO DE ESTATSTICA
CENTRO DE CINCIAS EXATAS E DA NATUREZA
Campus I - Cidade Universitria
Telefone: (83)3216-7785

www.de.ufpb.br
58059-900 - Joo Pessoa, PB, Brasil

PROGRAMA DE COMPONENTE CURRICULAR DO CURSO DE BACHARELADO EM


ESTATISTICA DA UFPB
DADOS DO COMPONENTE

Nome

Prrequisitos

N de
crditos

Carga
horria
total

Probabilidade I

60

Cdigo

Distribuio da carga
horria total
Terica
60

Prtica

Perodo
1

STATUS DO COMPONENTE
X

Obrigatria

Optativa

EMENTA
Tpicos da Teoria dos Conjuntos. Mtodos de Enumerao. Coeficientes Binomiais. Teorema Binomial.
Modelos Matemticos. Espao Amostral. Eventos. Probabilidade. Probabilidade em Espaos Amostrais
Finitos e Equiprovveis. Probabilidade Condicional e Independncia. Variveis Aleatrias Discretas.

CONTEDO PROGRAMTICO
1 Programa:
1. Tpicos Da Teoria Dos Conjuntos
1.1. Pertinncia e Incluso
1.2. Igualdade de conjuntos
1.3. Operaes com conjuntos e suas propriedades
1.4. Funes indicadoras de conjuntos e suas propriedades
1.5. Produto Cartesiano
1.6. Partio
1.7. Conjuntos enumerveis
1.8. Conjuntos no-enumerveis
1.9. Relao de Contingncia

2. Mtodos de Enumerao
2.1. Nmero de Elementos de um Conjunto
2.2. Tcnicas Especiais de Contagem
2.2.1 Arranjos Simples
2.2.2 Combinao Simples
2.2.3 Arranjos Completos
2.2.4 Combinaes Completas
2.2.5 Permutao Simples
2.2.6 Permutao com Elementos Repetidos
3. Coeficientes Binomiais
3.1. Nmeros Binomiais
3.2. Propriedades dos Nmeros Binomiais
3.2.1. Nmeros Binomiais Complementares
3.2.2. Relao de Stifel
3.2.3. Frmula de Euler
3.2.4. Soma dos Coeficientes dos Termos no Binmio de Newton
3.2.5. Teorema Binomial
4. Modelos Probabilsticos
4.1. Experimentos Aleatrios
4.2. Espao Amostral e Eventos
4.3. Frequncia Relativa de um evento e propriedades da frequncia relativa
4.4. lgebra e -lgebra de Eventos e suas propriedades
4.5. Exemplos simples de probabilidades discretas e contnuas
4.6. Probabilidade
4.6.1. Definio de Probabilidade
4.6.2. Propriedades da Probabilidade
4.6.3. Construo de um Espao de Probabilidade
4.7. Probabilidade Condicional e Independncia
4.7.1. Eventos Dependentes
4.7.2. Probabilidade Condicional
4.7.3. Teorema do Produto
4.7.4. Teorema da Probabilidade Total
4.7.5. Teorema de Bayes
4.7.6. Eventos Independentes
5. Variveis Aleatrias Unidimensionais
5.1. Varivel Aleatria: motivao, exemplos
5.2. Definio formal de uma varivel aleatria
5.3. Funo de distribuio de uma varivel aleatria
5.4. Distribuio de uma varivel aleatria
5.5. Construo de grficos das funes de variveis aleatrias
5.6. Eventos Equivalentes
5.7. Espao de Probabilidade Induzido por uma Varivel Aleatria
5.8. Varivel Aleatria Discreta e Funo de Probabilidade
5.9. Funo de Distribuio Acumulada

5.10. Valor Esperado e Varincia de uma Varivel Aleatria


6. Principais Distribuies de Probabilidade Variveis aleatrias Discretas
6.1. Distribuies Discretas
6.1.1. Distribuio de Bernoulli
6.1.2. Distribuio Binomial
6.1.3. Distribuio de Poisson
6.1.4. Distribuio Geomtrica
6.1.5. Distribuio de Pascal
6.1.6. Distribuio Hipergeomtrica
6.1.7. Distribuio Binomial Negativa
6.1.8. Esperana de funes de variveis aleatrias discretas.
6.1.9. Momentos
6.1.10. Varincia
6.1.11. Desvio Padro
6.1.12. Aproximao da distribuio Binomial pela distribuio de Poisson

BIBLIOGRAFIA BSICA
Dantas, C. A. B. Probabilidade: Um Curso Introdutrio. Ed. USP, So Paulo, 1997.
Hoel, P. G., Port, S. C., Stone, C. Introduo Teoria das Probabilidades. Editora Intercincia, Rio de
Janeiro, 1978.
Lipschutz, S. Probabilidade. 3 edio, Coleo Schaum, Ed. McGraw-Hill do Brasil, So Paulo, 1972.
James, B. Probabilidade: Um Curso em Nvel Intermedirio. IMPA, 1981
Magalhes, M. N. Probabilidade e Variveis Aleatrias. Ed. Universidade de So Paulo, 2004.
Meyer, P. Probabilidade Aplicaes Estatstica. So Paulo, Ao Livro Tcnico/Edusp, 1969.

BIBLIOGRAFIA COMPLEMENTAR
Woodroofe, M. Probability With Application.s McGraw-Hill, 1975.
Ross, S. M. Introduction to Probability Models. 4th ed., Academic Press, 1989
Feller, W. Introduction to Probability Theory and its Application. 3. ed. New York, John Wiley & Sons, 1978.
Larson, H. Introduction to Probability Theory and Statistical Inference, 3. ed., Wiley, New York, 1982.

Universidade Federal da Paraba


Departamento de Estatstica
Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

1. Suponha que o conjunto fundamental seja formado pelos inteiros positivos de 1 a 10. Sejam A = {2, 3, 4},
B = {3, 4, 5} e C = {5, 6, 7}. Enumere os elementos dos seguintes conjuntos:
(a) A c B .
(b) A c B
(c) (A c B c )c
(d) (A (B C )c )c
(e) (A (B C ))c
2. Quais das seguintes relaes so verdadeiras?
(a) (A B ) (A C ) = A (B C )
(b) (A B ) = (A B c ) B
(c) A c B = A B
(d) (A B )c C = A c B c C
(e) (A B ) (B c C ) =
3. Peas que saem de uma linha de produo so marcadas defeituosa (D) ou no defeituosa (N ). As peas
so inspecionadas e sua condio registrada. Isto feito at que duas peas defeituosas consecutivas
sejam fabricadas ou que quatro peas tenham sido inspecionadas, aquilo que ocorra em primeiro lugar.
Descreva um espao amostral para esse experimento.
4. Uma caixa com N lmpadas contm r lmpadas (r < N ) com filamento partido. Essas lmpadas so
verificadas uma a uma, at que uma lmpada defeituosa seja encontrada. O nmero de lmpadas
verificadas anotado.
(a) Descreva um espao amostral para este experimento.
(b) Suponha que as lmpadas acima sejam verificadas uma a uma, at que todas as defeituosas tenham sido encontradas. Descreva o espao amostral para este experimento.
5. Sejam A, B e C trs eventos associados a um experimento. Exprima em notaes de conjuntos, as
seguintes afirmaes verbais:
(a) Ao menos um dos eventos ocorre.
(b) Exatamente um dos eventos ocorre.
(c) Exatamente dois dos eventos ocorrem.
(d) No mais do que dois eventos ocorrem simultaneamente.
6. Verifique que para dois eventos quaisquer, A 1 e A 2 , temos que P(A 1 A 2 ) P(A 1 ) + P(A 2 ).
7. Um certo tipo de motor eltrico falha se ocorrer uma das seguintes situaes: emperramento dos mancais, queima dos enrolamentos e desgaste das escovas. Suponha que o emperramento seja duas vezes
mais provvel do que a queima, esta sendo quatro vezes mais provvel do que o desgaste das escovas.
Qual ser a probabilidade de que a falha seja devida a cada uma dessas circunstncias?
8. Suponha que A e B sejam eventos tais que P(A) = x , P(B ) = y e P(A B ) = z . Exprima cada uma das
seguintes probabilidades em termos de x , y e z .
(a) P(A c B c ).

Universidade Federal da Paraba


Departamento de Estatstica
Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(b) P(A c B ).
(c) P(A c B ).
(d) P(A c B c ).
9. Suponha que A, B e C sejam eventos tais que P(A) = P(B ) = P(C ) = 1/4, P(A B ) = P(C B ) = 0 e
P(A C ) = 1/8. Calcule a probabilidade de que ao menos um dos eventos A, B ou C ocorra.
10. Um mecanismo pode ser posto em uma dentre quatro posies: a, b, c e d. Existem oitos desses mecanismos em um sistema.
(a) De quantas maneiras esse sistema pode ser disposto?
(b) De quantas maneiras esse sistema pode ser disposto se dois mecanismos adjacentes no estiverem
em igual posio?
(c) Quantas maneiras de dispor sero possveis se somente as posies a e b forem usadas e o forem
com igual frequncia? (DICA: Permutar aaaabbbb. necessrio considerar o conceito de permutao com repetio. Exemplo: De quantas formas eu posso permutar o cdigo 11122244? Use
n!
8!
= 3!3!2!
.)
n !n !...n !
1

(d) Quantas maneiras sero possveis, se somente duas posies forem usadas, e dessas posies uma
ocorrer trs vezes mais frequente que a outra?
11. Duas vlvulas defeituosas se misturam com duas vlvulas perfeitas. As vlvulas so ensaiadas, uma a
uma, at que ambas as defeituosas sejam encontradas.
(a) Qual ser a probabilidade de que a ltima vlvula defeituosa seja encontrada no segundo ensaio?
(b) Qual ser a probabilidade de que a ltima vlvula defeituosa seja encontrada no terceiro ensaio?
(c) Qual ser a probabilidade de que a ltima vlvula defeituosa seja encontrada no quarto ensaio?
(d) Some os nmeros obtidos em (a), (b) e (c). O resultado surpreendente?
12. Sejam A e B dois eventos associados a um experimento. Suponha que P(A) = 0.4 e P(A B ) = 0.7). seja
P(B ) = p .
(a) Para que valor de p , A e B sero mutuamente excludentes?
(b) Para que valor de p , A e B sero independentes?
13. Uma moeda equilibrada lanada duas vezes.
(a) Se o seu interesse o nmero de caras, qual seria o espao amostral?
(b) Apresente um outro espao amostral mais detalhado.
(c) Estabelea uma correspondncia entre os elementos dos espaos amostrais apresentados.
(d) Indique as probabilidades dos elementos em cada espao amostral.
(e) Com o espao amostral de (a ) voc poderia calcular a probabilidade de ocorrer cara no primeiro
ou coroa no segundo lanamento?
(f ) Como ficaria a resposta de (e ) utilizando o espao amostral de (b )?
14. Quatro universidades 1, 2, 3, 4 esto participando de um torneio de futebol. Na primeira etapa, 1 jogar
com 2 e 3 com 4. Os dois vencedores disputaro o campeonato e os dois perdedores tambm jogaro.
(a) Relacione todos os resultados do espao amostral.

Page 2

Universidade Federal da Paraba


Departamento de Estatstica
Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(b) Represente por A o evento em que 1 ganha o torneio. Relacione os resultados de A.


(c) Represente por B o evento em que 2 seja um dos finalistas do campeonato. Relacione os resultados
de B .
(d) Quais os resultados de A B e de B A? Quais so os resultados de A c ?.
15. Um estado tem um milho de veculos registrados e est considerando a possibilidade de utilizar placas de licenciamento com seis smbolos, sendo os trs primeiros letras e os trs ltimos dgitos. Esse
esquema vivel?
16. Uma caixa contm quatro lmpadas de de 40W , cinco de 60W e seis de 75W . Se as lmpadas forem
selecionadas uma a uma em ordem aleatria, qual a probabilidade de ao menos duas serem selecionadas para obter uma de 75W ?
17. Demonstre as 7 propriedades de probabilidade apresentadas em sala.
18. Trs casais compraram ingressos de teatro e esto sentados em uma fileira que consiste em apenas
seis assentos. Se eles se sentarem de uma forma aleatria qual ser a probabilidade de Carlos e Paula
(marido e mulher) se sentarem nos dois assentos da esquerda? Qual a probabilidade de Carlos e Paula
se sentarem um ao lado do outro?
19. A probabilidade de uma mulher estar viva daqui a 30 anos de 3/4 e de seu marido de 3/5. Calcule a
probabilidade de
(a) apenas o homem estar vivo;
(b) pelo menos um estar vivo;
(c) ambos estarem vivos.
20. O seguinte grupo de alunos de Clculo das Probabilidades I est numa sala: 5 homens maiores de 21
anos, 4 homens com menos de 21 anos, 6 mulheres maiores de 21 anos e 3 mulheres menores de 21
anos. Uma pessoa escolhida ao acaso. Seja A = a pessoa maior de 21 anos, B = a pessoa menor de
21 anos, C = a pessoa homen e D = a pessoa mulher. Calcule:
(a) P(B D).
(b) P(A c C c ).
21. Em uma fbrica de parafusos as mquina A, B e C produzem, respectivamente, 25%, 35% e 40% do total
produzido. Da produo de cada mquina, 5%, 4% e 2%, respectivamente, so parafusos defeituosos.
escolhe-se ao acaso um parafuso e se verifica ser defeituoso. Qual ser a probabilidade que o parafuso
venha da mquina A? Da B ? Da C ?
22. Uma vlvula a vcuo pode provir de trs fabricantes, com probabilidades p 1 = 0.25, p 1 = 0.50 e p 3 =
0.25. As probabilidades de que, durante determinado perodo de tempo, a vlvula funcione bem so,
respectivamente, 0.1, 0.2 e 0.4 para cada um dos fabricantes. Calcule a probabilidade de que uma vlvula escolhida ao acaso funcione bem durante o perodo de tempo especificado.
23. Trs jornais A, B e C so publicados em uma cidade e uma recente pesquisa entre os leitores indica o
seguinte: 20% lem A; 26% lem B ; 14% lem C ; 8% lem A e B , 5% lem A e C ; 2% lem A, B e C e 40%
lem B e C . Para um adulto escolhido ao acaso, calcule a probabilidade de que:
(a) Ele no leia qualquer dos jornais.
(b) Ele leia exatamente um dos jornais.

Page 3

Universidade Federal da Paraba


Departamento de Estatstica
Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(c) Ele leia ao menos A e B , se se souber que ele l ao menos um dos jornais publicados.
24. Uma fbrica produz uma pea atravs de duas operaes: Inicialmente a pea moldada numa mquina M e, em seguida, passa por uma de duas impressoras, I 1 ou I 2 , sendo que 70% das peas so
impressas em I 1 . A probabilidade de uma pea apresentar defeito de moldagem 0,03. Alm disso, a
probabilidade de surgir um defeito de impresso de 0,05 para I 1 e de 0,02 para I 2 . Note que os defeitos de moldagem e de impresso so independentes entre si. No final de um dia, retira-se da produo
total da fbrica uma pea ao acaso.
(a) Qual a probabilidade da pea apresentar um defeito qualquer?
(b) Supondo que a pea apresenta um defeito de impresso, qual a probabilidade de ter sido impressa
em I 1 .
25. Em uma seleo para uma vaga de estatstico de uma grande empresa verificou-se que dos 100 candidatos 40 tinham experincia anterior e 30 possuam curso de especializao. Vinte dos candidatos
possuam tanto experincia profissional como tambm algum curso de especializao. Escolhendo um
candidato ao acaso, qual a probabilidade de que:
(a) Ele tenha experincia ou algum curso de especializao?
(b) Ele tenha experincia ou algum curso de especializao, mas no ambos?
(c) Ele tenha experincia anterior, dado que ele tenha algum curso de especializao?
(d) Ele no tenha nem experincia anterior nem curso de especializao?
(e) Os eventos ter experincia anterior e possuir curso de especializao so independentes?
26. A gaveta de um aluno de Clculo das Probabilidades I possui 8 pares de meia sendo 5 brancas e 3 pretas.
No cesto de roupa suja encontramos 3 pares brancas e 4 pares pretas. O aluno utilizou dois pares de
meia durante a semana e posteriormente colocou-as no cesto de roupa suja. Em seguida, um par de
meias retirado do cesto para ser lavada. Qual a probabilidade do par de meias ser branca?
27. Uma pea usada na fabricao de carros podem apresentar um certo defeito de fabricao. Suponha
que 95% de todas as peas passem na inspeo inicial. Das 5% com falhas, 20% possuem defeitos to
srios que devem ser descartadas. As peas restantes so enviados para correo, onde 40% no podem
ser salvas e so descartadas. As outras 60% so corrigidas e, depois, passam na inspeo.
(a) Qual a probabilidade de uma pea selecionada aleatoriamente passar na inspeo inicialmente ou
aps a correo?
(b) Dado que a pea tenha passado na inspeo, qual a probabilidade dela ter passado na inspeo
inicial e no ter precisado de correo?
28. Dentre 6 nmeros positivos e 8 negativos, escolhem-se ao acaso (sem reposio) 4 nmeros e multiplicamse esses nmeros. Qual ser a probabilidade de que o produto seja um nmero positivo?
29. Na elaborao de um algoritmo quantos cdigos de quatro smbolos podero ser formados se temos
um total de seis smbolos:
(a) Se nenhum smbolo puder ser repetido?
(b) Qualquer smbolo puder ser repetido qualquer nmero de vezes?
30. Em uma sala, 10 pessoas esto usando emblemas numerados de 1 at 10. Trs pessoas so escolhidas
ao acaso e convidadas a sarem da sala simultaneamente. O nmero de seu emblema anotado.

Page 4

Universidade Federal da Paraba


Departamento de Estatstica
Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(a) Qual a probabilidade de que o menor nmero do emblema seja 5?


(b) Qual a probabilidade de que o maior nmero do emblema seja 5?
31. Uma montagem eletrnica formada de dois subsistemas A e B. De ensaios anteriores as seguintes probabilidades so admitidas conhecidas: P(A f a l ha r ) = 0.20, P(A e B f a l he m ) = 0.15 e
P(B f a l he soz i nho) = 0.20. Calcule as seguintes probabilidades: P(A falhe|B tenha falhado)
e P(A falhe sozinho).
32. O Sport ganha com probabilidade 0.7 se chove e com 0.8 se no chove. Em setembro a probabilidade
de chuva de 0.3. O Sport ganhou uma partida em setembro, qual a probabilidade de ter chovido nesse
dia?
33. Uma rede local de computadores composta por um servidor e cinco clientes. Dos pedidos de um tipo
de processamento cerca de 10% vem do cliente A, 15% do B, 15% do C, 40% do D e 20% do E. Caso o
pedido no seja feito de forma adequada, o processamento apresentar erro. Usualmente ocorrem os
seguintes percentuais de pedidos inadequados: 1% do cliente A, 2% do cliente B, 0, 5% do cliente C, 2%
do cliente D e 8% do cliente E.
(a) Qual a probabilidade do sistema apresentar erro?
(b) Sabendo-se que o processo apresentou erro calcule a probabilidade de que o processo tenha sido
pedido pelo cliente E.
34. Nos cursos de Estatstica 5% dos homens e 2% das mulheres esto acima dos pesos ideais. Um estudante escolhido aleatoriamente. Sabe-se tambm que 60% dos estudantes so homens. Sorteando-se
aleatoriamente um estudante, calcule a probabilidade de que ele:
(a) esteja acima do peso;
(b) seja mulher, sabendo que o mesmo est acima do peso.
35. Trs companhias A, B e C disputam a obteno do contrato de fabricao. A chefia do departamento de
vendas de A estima que sua companhia tem probabilidade igual da companhia B de obter o contrato,
mas que por sua vez igual a duas vezes a probabilidade de C obter o mesmo contrato. Determine a
probabilidade de A ou C obter o contrato.
36. Uma caixa A contm uma bola vermelha e uma bola preta. Uma outra caixa B contm um bola branca
e uma vermelha. Escolhemos, ao acaso, uma das caixas e uma bola tambm retirada ao acaso.
(a) Indique um espao amostral para esse experimento, incluindo a caixa escolhida e a cor da bola.
(b) Indique um outro espao amostral, considerando somente a cor da bola escolhida.
(c) Suponha que as duas caixas so agrupadas em uma s, qual a probabilidade de, em duas retiradas
ao acaso e sem reposio, obtermos bolas de cores diferentes?
(d) Suponha agora que uma bola retirada, ao acaso, da urna A e colocada em B. Determine a probabilidade de que em duas retiradas em B, ao acaso e com reposio, obtermos pelo menos uma
bola vermelha.
37. Os componentes que chegam em um distribuidor so verificados em busca de defeitos por dois inspetores diferentes. O primeiro inspetor detecta 90% de todos os componentes defeituosos, assim como
o segundo inspetor. Pelo menos um inspetor no detecta 20% de todos os componentes defeituosos.
Qual a probabilidade de que um componente com defeito seja detectado apenas pelo primeiro inspetor? Por exatamente um dos inspetores?

Page 5

Universidade Federal da Paraba


Departamento de Estatstica
Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

38. Um por cento de todos os indivduos de certa populao so portadores de determinada doena. Um
teste de diagnstico para essa doena tem uma taxa de deteco de 90% para portadores e 5% para
no-portadores. Suponha que o teste seja aplicado independentemente a duas amostras de sangue do
mesmo indivduo selecionado aleatoriamente.
(a) Qual a probabilidade de ambos os testes terem o mesmo resultado?
(b) Se ambos os testes forem positivos, qual ser a probabilidade do indivduo selecionado ser um
portador?

Page 6

Universidade Federal da Paraba


Departamento de Estatstica
Lista 2 - Junho de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

1. Sabe-se que uma determinada moeda apresenta cara trs vezes mais frequente do que coroa. Essa
moeda jogada trs vezes. Seja X o nmero de caras que aparece. Determine
(a) Determine a funo de probabilidade de X.
(b) Determine a funo de distribuio acumulada.
(c) Obtenha a funo geradora de momentos de X.
(d) A partir da funo geradora de momentos, obtenha a esperana e a varincia de X.
2. Suponha que a V.A. X tenha os possveis valores: 1, 2, 3, . . . e p(x) = P (X = j) = 1/2j , j =
1, 2, . . .. Calcule:
(a) P (X

ser par).

(b) P (X 5).
(c) P (X

ser divisvel por 3).

(d) p(x) uma funo de probabilidade? Justifique.


3. Foguetes so lanados at que o primeiro lanamento bem sucedido tenha ocorrido Se isso no
ocorrer at 5 tentativas, o experimento suspenso e o equipamento inspecionado. Admita que
exista uma probabilidade constante de 0.8 de haver um lanamento bem sucedido e que os sucessivos lanamentos sejam independentes. Suponha que o custo do primeiro lanamento seja R$K,
enquanto que os lanamentos subseqentes custam R$K/3. Sempre que ocorre um lanamento
bem sucedido h um ganho financeiro de R$1000, 00. Se K = 300, obtenha a distribuio de
probabilidade do lucro. Qual o lucro esperado?
4. Suponha que a varivel aleatria discreta X tome os valores 1, 2 e 3 com igual probabilidade. Ache
a distribuio de probabilidade de Y = 2X + 3. Obtenha F(x) e verifique que ela realmente uma
funo de distribuio acumulada.
5. Um lote de 10 motores eltricos deve ser ou totalmente rejeitado ou vendido, dependendo do
resultado do seguinte procedimento: dois motores so escolhidos ao acaso e inspecionados Se um
ou mais forem defeituosos, o lote ser rejeitado; caso contrrio, ser aceito Suponha que cada motor
custe R$75, 00 e seja vendido por R$100, 00. Se o lote contiver 1 motor defeituoso, qual ser o
lucro esperado do fabricante? E o desvio padro do lucro?
6. Suponha que X seja uma V.A. para a qual E(X) = 10 e V ar(X) = 25. Para quais valores positivos
de a e b deve Y = aX b ter valor esperado 0 e varincia 1?
7. Seja X o resultado da jogada de uma moeda equilibrada.
(a) Determine a funo geradora de momentos de X.
(b) Empregando a f.g.m. calcule E(X) e V ar(X).
8. Se a V.A. X tiver uma f.g.m. dada por MX (t) = 3/(3 t), qual ser o desvio padro de X?
9. Sejam F e G funes de distribuio. F + G tambm funo de distribuio?
10. Mostre que se F e G forem funes de distribuio ento, para 0 1, F + (1 )G tambm
funo de distribuio.
11. Determine condies sobre as constantes c, de modo que as expresses abaixo sejam funo de
probabilidade.

Universidade Federal da Paraba


Departamento de Estatstica
Lista 2 - Junho de 2014
Disciplina: Probabilidade I
(a) p(x) = cx ,
(b) p(x) = (c

0 < < 1,
1)2x ,

Prof.: Tarciana Liberal


x = 0, 1, 2, . . ..

x = 1, 2, . . ..

12. As empresas areas algumas vezes fazer overbook de vos. Suponha que, para um avio de 50
lugares, tenha sido vendidas 55 passagens. Defina a V.A. Y como o nmero de passageiros com
passagens que compareceram ao vo. A funo de probabilidade de Y dada por:
y
p(y)

45
0.05

46
0.10

47
0.12

48
0.14

49
0.25

50
0.17

51
0.06

52
0.05

53
0.03

54
0.02

55
0.01

(a) Qual a probabilidade de que o vo acomode todos os passageiros que comparecerem?


(b) Se voc for a primeira pessoa da lista de espera, qual ser a probabilidade de estar no vo?
(c) Calcule a probabilidade do item anterior se voc for a terceira pessoa da lista de espera.
13. Seja X = o resultado de uma dado lanado uma vez. Seja Y = 1/X o valor que voc ganha na
jogada. Se oferecessem a voc 1/3.5, voc aceitaria a quantia garantida ou faria a aposta?
14. Utilizando a expresso V ar(X) = E(X 2 ) (E(X))2 e as propriedades da esperana, demonstre
que V ar(aX + b) = a2 2 .
15. Um par de dados no viciados lanado. Seja X a varivel aleatria denotando o menor dos dois
nmeros observados.
(a) Encontre a distribuio de probabilidades.
(b) Encontre a esperana e a varincia de X.
(c) Obtenha a esperana de X a partir da F.G.M. e compare com a esperana obtida no item
anterior.
16. A funo P (x) = x/5, em que x assume os valores 0, 1, 2 e 3, define uma funo de probabilidades?
Justifique.
17. Dada a distribuio de probabilidades:
x
p(x)

0
0

1
a2

2
a2

3
a

4
a

5
a2

(a) Qual o valor de a para que p(x) seja uma funo de probabilidade.
(b) Calcule P (X 4)
(c) Calcule P (|X 3| < 2)
(d) Obtenha F (x) e verifique se ela satisfaz as condies para ser uma funo de distribuio
acumulada.
18. Uma V.A. X tem funo de distribuio dada por:

F (X) =

0, se x < 0;
1, se x 0;

(a) Verifique se F (x) realmente uma funo de distribuio acumulada.

Page 2

Universidade Federal da Paraba


Departamento de Estatstica
Lista 2 - Junho de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(b) Voc acha que X realmente uma varivel aleatria discreta? Justifique sua resposta.
(c) Obtenha a funo de probabilidade e faa o seu grfico.
(d) Faa o grfico da funo de distribuio acumulada.
19. Um caa nquel tem dois discos que funcionam independentemente um do outro. Cada disco tem
10 figuras: 4 mas, 3 bananas, 2 peras e 1 laranja. Uma pessoa paga R$8, 00 e aciona a mquina.
Se aparecerem 2 mas, ganha R$4, 00. Se aparecerem 2 bananas, ganha R$8, 00. Ganha R$14, 00
se aparecerem 2 peras e ganha R$18, 00 se aparecerem 2 laranjas. Se voc fosse jogar apenas uma
vez, qual desses valores voc acha que deve ganhar? Justifique. Qual o valor esperado de ganho?
20. A probabilidade de um homem de 40 anos morrer antes de completar 41 anos de 0, 00353. Ele
contrai um emprstimo de R$15.000, 00 para pagamento total daqui a um ano e deseja fazer um
seguro de vida por esse prazo, de modo que, se morrer no decorrer do ano, a dvida fique remida (ou
seja, a seguradora pagar a dvida). Qual o prmio que ele deve pagar companhia seguradora?
Considere o prmio mnimo, sem as devidas taxas de administrao, custeio de despesas, etc.
Prmio o valor pago pelo segurado seguradora.
21. Um empregado de uma loja de bebidas e comestveis instalada em um estdio de futebol deve escolher entre trabalhar atrs de um balco de cachorro-quente recebendo a quantia fixa de R$50, 00
por noite e andar pelas arquibancadas vendendo cerveja, recebendo por comisso. Se for escolhida
a venda de cerveja, o empregado pode ganhar R$90, 00 numa noite quente, R$75, 00 numa noite
moderada, R$45, 00 numa noite fria e R$15, 00 numa noite muito fria. Nessa poca do ano, as
probabilidades de noites quentes, moderadas, frias e muito frias so 0,1; 0,3; 0,4 e 0,2, respectivamente.
(a) Determine o valor esperado a ser ganho pelo vendedor de cerveja naquela noite;
(b) Calcule o desvio padro;
(c) Que produto o empregado deve vender? Por qu?
(d) Quais so os resultados dos itens (a), (b) e (c) se as probabilidades forem 0,3; 0,2; 0,3 e 0,2,
respectivamente?
22. Se a V.A. X tiver uma f.g.m. dada por MX (t) = 0.5 + 0.25(et + e2t ), qual ser o valor mdio e o
desvio padro de X?
23. Se E(X) = 1 e V ar(X) = 5, determine:
(a) E((2 + X)2 )
(b) V ar(4 + 3X)
24. Suponha que a V.A. X assuma os valores 1, 2, 3, . . . e que P (X = r) = k(1 )r1 , 0 < < 1.
(a) Determine a constante k.
(b) Determine P (X 2).
(c) Obtenha a funo geradora de momentos de X.
25. Se uma varivel aleatria X tem funo geradora de momentos MX (t), prove que a varivel aleatria
Y = aX + b tem funo geradora de momentos etb MX (at).
26. A funo de probabilidade da varivel aleatria X est apresentada abaixo. Seja Y = X 2 . Calcule
E(Y ):

Page 3

Universidade Federal da Paraba


Departamento de Estatstica
Lista 2 - Junho de 2014
Disciplina: Probabilidade I
x
p(x)

2
0.2

1/2
0.4

0
0.1

1
0.2

Prof.: Tarciana Liberal

3/2
0.1

(a) Diretamente, sem primeiro obter a funo de probabilidade de Y .


(b) Obtendo primeiramente a funo de probabilidade de de Y .
27. Justifique porque esse grfico representa uma funo de distribuio acumulada.

Page 4

Universidade Federal da Paraba


Departamento de Estatstica
Lista 2 - Junho de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

Page 5

Universidade Federal da Paraba


Departamento de Estatstica
Lista 3 - Agosto de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

1. Verifique que a atribuio de probabilidade nos modelos bernoulli, Binomial, Geomtrico, Poisson e
Hipergeomtrico satisfazem s propriedades de funo de probabilidade.
2. Considere um dado equilibrado. Para cada uma das situaes abaixo, identifique o modelo e obtenha
a funo de probabilidade, esperana e variana da varivel.
(a) O dado lanado 3 vezes, de forma independente. Estamos interessados no nmero de vezes que
ocorreu a face 1.
(b) O dado lanado sucessivamente, de forma independente, at ocorrer a face 6. Estamos interessados em quantos lanamentos foram necessrios.
(c) O dado lanado 1 vez. Estamos interessados na ocorrncia de nmero mltiplo de 3.
(d) O dado lanado sucessivamente, de forma independente, at aparecer 3 faces 6. Estamos interessados em quantos lanamentos foram necessrios.
(e) Considerando agora 6 dados viciados e 4 honestos. Iremos retirar uma amostra de 3 dados. Estamos interessados no nmero de dados honestos na amostra.
3. Se X G eo(p ), qual o modelo de Y = X + 1? Interprete.
4. O presidente de uma grande empresa toma decises jogando dardos em um quadro. A seo central
marcada com SIM e representa um sucesso. A probabilidade que ele acerte um SIM 0.6, e essa probabilidade permance constante de uma jogada para outra. O presidente continua a jogar at que faa
trs acertos. A regra de deciso do presidente simples. Se ele faz trs acertos no mximo at na quinta
jogada, ele decide favoravelmente questo. Qual a probabilidade que ele decida favoravelmente?
5. Seja X P() responda:
(a) Se P(X = 1) = P(X = 2) qual o valor de P(X < 4)?
(b) Sendo P(X = 1) = 0.1 e P(X = 2) = 0.2 quanto vale P(X = 3)?
6. Doze refrigeradores de uma marca foram devolvidos ao distribuidos por causa de um rudo. Suponham
que sete desses refrigeradores possuam um compressor defeituoso e os outros cinco tenham problemas
graves. Se os refrigeradores forem examinados em ordem aleatria, seja X o nmero de refrigeradores
examinados entre os seis primeiros com compressores defeituosos.
(a) Qual a probabilidade de serem examinados 5 refrigeradores com compressores defeuituosos?
(b) Qual a probabilidade de serem examinados at 4 refrigeradores com compressores defeuituosos?
(c) Calcule a probabilidade de X exceder o valor da mdia em mais de 1 desvio padro.
(d) Considere uma entrega de 400 refrigeradores, dos quais 40 possuem compressores com defeito. Se
X for o nmero de compressores defeituosos entre 15 refrigeradores selecionados aleatoriamente,
descreva uma forma menos cansantiva de calcular (ao menos aproximadamente) P(X 5) em vez
de usar a distribuio hipergeomtrica.
7. Suponha que uma impressora de alta velocidade cometa erros, segundo um modelo de Poisson com
uma taxa de 2 erros por pgina.
(a) Qual a probabilidade de encontrar pelo menos um erro em uma pgina escolhida ao acaso.
(b) Se 5 pginas so sorteadas, ao acaso e de forma independente, qual a probabilidade de pelo
menos 1 pgina com pelo menos 1 erro por pgina?
(c) No item anterior, considere a varivel que conta o nmero de pginas com pelo menos 1 erro. Qual
o modelo dessa varivel?

Universidade Federal da Paraba


Departamento de Estatstica
Lista 3 - Agosto de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

8. O nmero de navios petroleiros que chegam a determinada refinaria, cada dia, tem distribuio de
Poisson, com parmetro = 2. As atuais instalaes do porto podem atender a trs petroleiros por dia.
Se mais de trs petroleiros aportarem por dia, os excedentes a trs devero seguir para outro porto.
(a) Em um dia, qual a probabilidade de se ter de mandar petroleiros para outro porto?
(b) Qual o nmero esperado de petroleiros a chegarem por dia?
(c) Qual o nmero esperado de petroleiros a serem atendidos diariamente?
(d) Qual o nmero esperado de petroleiros que voltaro a outros portos diariamente?
9. Um lote de 25 tubos de televiso submetido a um procedimento de teste de aceitao. o procedimento
consiste em extrair aleatoriamente 5 tubos, sem reposio, e test-los. Se dois ou menos tubos falharem, os restantes so aceitos. Caso contrrio, o lote rejeitado. Suponha que o lote contenha quatro
tubos defeituosos.
(a) Qual a probabilidade exata de aceitao do lote?
(b) Qual a probabilidade de aceitao do lote calculada pela distribuio binomial com p =

4
?
25

(c) Suponha que o tamanho do lote fosse de 100. A aproximao binomial seria satisfatria?
10. Ache a mdia e a varincia da distribuio Binomial usando a funo geratriz de momento.
11. Ache a mdia e a varincia da distribuio geomtrica, usando a funo geratriz de momentos.
12. Certo tipo de cmera digital oferecida em duas verses, de trs e quatro megapixel. Uma loja recebeu
uma encomenda de 15 dessas cmeras, das quais seis com resoluo de trs megapixel. Suponha que
cinco delas sejam selecionadas aleatoriamente para serem estocadas atrs do balco. Seja X o nmero
de cmeras de trs megapixel selecionadas para amarzenagem atrs do balco.
(a) Que tipo de distribuio tem X (nome e valores de todos os parmetros)?
(b) Calcule P(X = 2), P(X 2) e P(X 2).
(c) Calcule o valor mdio e o desvio padro de X .
13. Ache a mdia e a varincia da distribuio binomial negativa (pascal), usando a funo geratriz de
momentos.
14. Fixado um inteiro positivo n, consideremos uma famlia de variveis aleatrias x p , 0 p < 1, onde x p
possui distribuio binomial de parmetros n e p . Determine o conjunto de parmetros p tal que
P(X = 0) > P(X = 1)
15. Turistas chegam a uma cidade segundo uma distribuio de Poisson. Se dois ou mais turistas aparecem,
o guia organiza uma excurso e aluga um nibus. Na terceira vez que alugar um nibus, ganha uma
comisso. Qual a probabilidade de demorar exatamente 6 dias para ganhar a comisso, se em mdia
aparecem 14 clientes por semana?
16. Seja um conjunto de N elementos dos quais r tm uma certa caracterstica. Determine a distribuio
de probabilidade (nome da distribuio e parmetros) do nmero de retiradas com reposio at se
obter
(a) o primeiro elemento com essa caracterstica;
(b) o s-simo elemento com essa caracterstica.

Page 2

Universidade Federal da Paraba


Departamento de Estatstica
Lista 3 - Agosto de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

17. Suponha que a probabilidade de nascimento de menino seja de 0.5. Um casal quer ter duas meninas e
ter filhos at essa condio ser satisfeita.
(a) Qual a probabilidade da famlia ter x filhos homens?
(b) Qual a probabilidade da famlia ter quatro filhos?
(c) Qual a probabilidade da famlia ter no mximo quatro filhos?
(d) Quantos filhos homens espera-se que essa famlia tenha? Quantos filhos espera-se que essa famlia
tenha?
18. Uma urna tem 5 bolas brancas e 7 bolas pretas. Extraindo-se simultaneamente 3 bolas, qual a probabilidade de se obter
(a) 2 brancas e 1 preta?
(b) alguma preta?
19. Um experimento consiste em quatro provas de Bernoulli independentes, com probabilidade de sucesso
p em cada prova. A varivel aleatria X o nmero de sucessos. Enumere a distribuio de probabilidade de X .
20. Qual o erro que se poder cometer ao se utilizar a aproximao da distribuio binomial com n = 20 e
p = 0.05 pela distribuio de Poisson de mesma mdia para calcular P(X = 19)? E se usssemos n = 100?
21. Uma gelogo coletou 10 amostras de rocha basltica e 10 de granito. Ele pediu ao estatstico do laboratrio para selecionar aleatoriamente 15 amostras para anlise.
(a) Como possvel obter o nmero mais provvel de amostras de granito selecionadas para anlise?
(b) Qual a probabilidade de todas as amostras de um dos dois tipos de rocha serem selecionadas
para anlise?
(c) Qual a probabilidade de o nmero de amostras de granito selecionadas para anlise estarem
dentro de 1 desvio padro do valor mdio?
22. Em uma indstria ocorrem quedas de energia eltrica ao acaso e independentes entre si com intervalo
mdio entre as quedas de 8 horas. Calcular a probabilidade de que em 30 dias tenhamos 4 dias sem
problemas de queda de energia.
23. Um arrombador de casas tem em poder um grande nmero de chaves falsas. A probabilidade de uma
chave falasa abrir a porta de 0.05. Para cada tentativa, leva exatamente 3 minutos para se certificar
que a chave serve ou no. Uma ronda noturna passar 10 minutos aps o ladro comear sua primeira
tentativa e o prender com certeza se estiver fora da casa e com probabilidade 0.4 se estiver dentro da
casa. Qual a probabilidade do ladro ser preso?
24. Uma grande companhia de seguros descobriu que 0.2% da populao de Joo Pessoa se machuca como
consequencia de determinado tipo de acidente. Essa companhia tem 15.000 aplices de seguro com
cobertura contra tal acidente. Qual a probabilidade de que trs ou menos reclamaes sejam preenchidas contra essas aplices no prximo ano.
25. A oficina de manuteno de uma indstria pode atender, no laboratrio, 4 casos de quebras de mquinas por dia. Em mdia, quebram-se 3 mquinas por dia. Se quebrarem mais de 4 em um dia a oficina
dever fazer horas extras para atender a essas ocorrncias. Qual a probabilidade de, em uma semana (6
dias), fazerem-se horas extras em 2 ou mais dias?

Page 3

Universidade Federal da Paraba


Departamento de Estatstica
Lista 3 - Agosto de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

26. Um dado formado com chapas de plstico de 10 10 cm. Em mdia aparecem 50 defeitos por cada
metro quadrado de plstico.
(a) Qual a probabilidade de uma determinada face apresentar exatamente 2 defeitos?
(b) Qual a probabilidade de o dado apresentar no mnimo dois defeitos?
(c) Qual a probabilidade de pelo menos 5 faces serem perfeitas?
(d) Lanado o dado, qual a probabilidade de que a soma do ponto com o nmero de defeitos da face
obtida seja menor do que 3?

Page 4

Universidade Federal da Paraba


Departamento de Estatstica
Gabarito Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

1. (a) (R: {5})


(b) (R: {1, 3, 4, 5, 6, 7, 8, 9, 10})
(c) (R: {2, 3, 4, 5})
(d) (R: {1, 5, 6, 7, 8, 9, 10})
(e) (R: {1, 2, 5, 6, 7, 8, 9, 10})
2. Quais das seguintes relaes so verdadeiras?
(a) (R:V)
(b) (R:V)
(c) (R:F)
(d) (R:V)
(e) (R:V)
3. (R: DD, NDD, DNDD, DNDN, DNND, DNNN, NDND, NDNN, NNDD, NNDN, NNND, NNNN).
4. (a) (R: = {1, 2, . . . , N r + 1})
(b) (R: = {r, r + 1, . . . , N })
5. (a) (R:A B C )
(b) (R:(A B c C c ) (A c B C c ) (A c B c C ))
(c) (R:(A B C c ) (A B c C ) (A c B C ))
(d) (R:(A B C )c )
6.
7. (R:1/13, 4/13, 8/13)
8. (a) (R:1 z )
(b) (R:y z )
(c) (R:1 x + z )
(d) (R:1 x y + z )
9. (R:5/8)
10. (a) (R:48 )
(b) (R:4 37 )
(c) (R: DICA: Permutar aaaabbbb. necessrio considerar o conceito de permutao com repetio.
!
8!
Exemplo: De quantas formas eu posso permutar o cdigo 11122244? Use n !n n!...n
= 3!3!2!
. 70
1 2
k!
formas)
(d) (R:336 formas)
11. (a) (R:1/6)
(b) (R:1/3)
(c) (R:1/2)

Universidade Federal da Paraba


Departamento de Estatstica
Gabarito Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(d)
12. (a) (R:0.3)
(b) (R:0.5)
13. (a)
(b)
(c)
(d)
(e)
(f )
14. (a) (R: = {1324, 1342, 1423, 1432, 2314, 2341, 2413, 2431, 3124, 3142, 4123, 4132, 3214, 3241, 4213, 4231})
(b) (R: A = {1324, 1342, 1423, 1432}).
(c) (R: B = {2314, 2341, 2413, 2431, 3214, 3241, 4213, 4231}).
(d)
15.
16. (R: 9/15)
17.
18. (R: 1/15 e 1/3)
19. (a) (R: 3/20)
(b) (R: 18/20)
(c) (R: 9/20)
20. (a) (R:13/18)
(b) (R:1/6)
21. (R: 0.362, 0.406, 0.232).
22. (R:0.225).
23. (a) (R:0.65)
(b) (R:0.22)
(c) (R:4/5)
24. (a) (R: 0.06977)
(b) (R: 0.85)
25. (a) (R: 50%)
(b) (R: 30%)
(c) (R: 2/3)
(d) (R: 50%)

Page 2

Universidade Federal da Paraba


Departamento de Estatstica
Gabarito Lista 1 - Maio de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

(e) (R: no)


26. (R: 119/252)
27. (a) (R: 0.974)
(b) (R: 0.9754)
28. (R:0.5045)
29. (a) (R: )
(b) (R: )
30. (a) (R: 1/12)
(b) (R: 1/20)
31. (R:0.43; 0.05)
32. (R:0.27)
33. (a) (R: 0.02875)
(b) (R: 0.5565)
34. (a) 0.038
(b) 0.21
35. 3/5
36. (a)
(b)
(c) 5/6
(d) 13/18
37. 0.1; 0.2
38. (a) 0.90415
(b) 0.7659

Page 3

Universidade Federal da Paraba


Departamento de Estatstica
GABARITO Lista 2 - Junho de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

1.

F (X ) =

0,

1
,
64
10
,
64
37
,
64

xi
p (x i )

0
1/64

2. (a)

1
.
3
1
.
16
1
.
7

(b)
(c)

1
9/64

2
27/64

x
0x
1x
2x
1, 1 x

3
27/64

(d)
3. E (L) = 674.72
L
p (l )

700
0.8

600
0.16

500
0.032

400
0.0064

300
0.00128

4. Distribuio de probabilidade de Y .
yi
p (y i )

5
1/3

7
1/3

9
1/3

5. E (X ) = 50; DP(X ) = 400


6. a = 1/5 e b = 2.
7. (a) M X (t ) = 12 (e t + 1).
(b) E (X ) =

1
2

e V a r (X ) = 14 .

8. 1/3
9. No. (Mostre porqu).
10. Sim (Mostre porqu).
11. (a) c = 1 .
p
(b) c = 1 + 2/2.
12. (a) 0.83
(b) 0.66
(c) 0.27
13. Faria a aposta pois

1
3.5

= 0.28 e E (Y ) = 0.41.

700
0.00032

< 0;
< 1;
< 2;
< 3;
3;

Universidade Federal da Paraba


Departamento de Estatstica
GABARITO Lista 2 - Junho de 2014
Disciplina: Probabilidade I
x
p (x )

1
11/36

2
9/36

3
7/36

Prof.: Tarciana Liberal


4
5/36

5
3/36

6
1/36

14. Demonstre.
15. (a)
(b) E (X ) = 2.5 e V a r (X ) = 2.1
(c)
16. No. Justifique sua resposta.
17. (a) 1/3
(b) 4/9
(c) 7/9
(d)
18. (a)
(b)
(c)
(d)
19.
20.
21.
22.
23. (a)
(b)
24. (a)
(b)
(c)
25.
26. (a)
(b)
27.

Page 2

Universidade Federal da Paraba


Departamento de Estatstica
GABARITO Lista 3 - Agosto de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

1.
3
(1/6)x (5/6)3x , E (X ) = 1/2 e V a r (X ) = 5/12.
x
p (x ) = 1/6(5/6)x 1 , E (X ) = 6 e V a r (X ) = 30.

2. (a) X B (3, 1/6), logo p (x ) =


(b) X G eo(1/6), logo

(c) X B e r nou l l i (1/3), logo p (x ) = (1/3)x (2/3)1x , E (X ) = 1/3 e V a r (X ) = 2/9.


(d) X B N (3, 1/6),
(e) X HG (10, 3, 4),
3. Y tem o valor 0 e corresponde a uma translao da Geomtrica com p (x ) = p (1 p )x , x 0. Y conta o
nmero de fracassos anteriores ao primeiro sucesso.
4. 0.6826
5. (a) 0.8571
(b) 0.1954
6. (a) 0.114
(b) 0.879
(c) 0.121
(d) Use distribuio binomial com n = 15 e p = 0.10.
7. (a) 0.8647
(b) aproximadamente 1.
(c) Binomial com n = 5 e p = 0.8647.
8. (a) 0.1429
(b) 2
(c) 1.782
(d) 0.218
9. (a) 0.98
(b) 0.97
(c)
10.
11.
12. (a) Hipergeomtrica com N = 15, r = 6 e n = 5.
(b) P(X = 2) = 0.4196; P(X 2) = 0.7133; P(X 2) = 0.7063
(c) E (X ) = 2; DP(X ) = 0.9258
13.
14. 0 p < 1/(1 + n)
15. 0.0379

Universidade Federal da Paraba


Departamento de Estatstica
GABARITO Lista 3 - Agosto de 2014
Disciplina: Probabilidade I

Prof.: Tarciana Liberal

16. (a)
(b)
17. (a) Considerar que X conta os fracassos antes dos r sucessos.
(b) 0.188
(c) 0.688
(d) 2 e 4
18. (a) 0.3182
(b) 0.3182
19.
20.
21. (a) usar hipergeomtrica com parmetros n = 15, r = 10 e N = 20.
(b) 0.0325
(c) 0.697
22. 0.045
23. 0.916
24. Usar aproximao da Binomial para Poisson com parmetro 30. R:4.66x 1010
25. 0.2956
26. (a) 0.0758
(b) 0.8008
(c) 0.2436
(d) 0.2527

Page 2