Escolar Documentos
Profissional Documentos
Cultura Documentos
Departamento de Estatstica
Aula 1
04/14
1 / 35
Introducao
Aula 1
04/14
2 / 35
Introducao
Aula 1
04/14
3 / 35
Introducao
Aula 1
04/14
4 / 35
Conceitos Fundamentais
Aula 1
04/14
5 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
6 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
7 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
8 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
9 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
10 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
11 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
12 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
13 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
14 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
15 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
16 / 35
Historia
da Estatstica no mundo
Aula 1
04/14
17 / 35
Introducao
Aula 1
04/14
18 / 35
Introducao
t = 2d/g).
vacuo
(Lei da Gravitacao:
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
t = 2d/g).
vacuo
(Lei da Gravitacao:
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
t = 2d/g).
vacuo
(Lei da Gravitacao:
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
t = 2d/g).
vacuo
(Lei da Gravitacao:
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
t = 2d/g).
vacuo
(Lei da Gravitacao:
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
t = 2d/g).
vacuo
(Lei da Gravitacao:
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
valida
fenomenos,
contudo a experiencia
mostra que muitos fenomenos
aleatorios
exibem uma regularidade estatstica que os torna passveis
de estudo.
apropriados.
probabilstico do resultado observavel
sao
chamados modelos probabilsticos.
Tais modelos sao
Prof. Tarciana Liberal (UFPB)
Aula 1
04/14
20 / 35
Introducao
valida
fenomenos,
contudo a experiencia
mostra que muitos fenomenos
aleatorios
exibem uma regularidade estatstica que os torna passveis
de estudo.
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
em comum?
Pergunta: O que os experimentos aleatorios
tem
Resposta:
I
Embora nao
podemos descrever o conjunto de todos os resultados
nos
possveis do experimento.
Aula 1
04/14
21 / 35
Introducao
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.
matematico
para analisar o experimento.
Aula 1
04/14
22 / 35
Introducao
1.1: (Espaco Amostral)
Definicao
E o conjunto de todos os resultados possveis do experimento.
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
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.
Aula 1
04/14
24 / 35
Introducao
E7: Avaliacao
na Ambev. O tempo
decorrido (em horas) ate a falha e registrado.
de perdas na Energisa. O numero
E8: Avaliacao
de casas
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: =.
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: =
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.
dimensoes
Aula 1
04/14
28 / 35
Exerccios
lancados simultaneamente e estamos
(d) Dois dados sao
interessados na soma das faces observadas.
de defeituosas na proxima
hora.
(g) Uma moeda e lancada consecutivamente ate o
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
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=
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.
dimensoes
Aula 1
04/14
32 / 35
Exerccios
lancados simultaneamente e estamos
(d) Dois dados sao
interessados na soma das faces observadas.
na proxima
hora.
(g) Uma moeda e lancada consecutivamente ate o
aparecimento da primeira cara.
Aula 1
04/14
33 / 35
Exerccio 3
Aula 1
04/14
34 / 35
Exerccio 4
Aula 1
04/14
35 / 35
Probabilidade I
Departamento de Estatstica
Aula 2
08/11
1 / 25
Aula 2
08/11
2 / 25
0 e 1.
Aula 2
08/11
3 / 25
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.
Aula 2
08/11
4 / 25
Como consequencia
dessas definicoes,
temos os seguintes
resultados:
1
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
Aula 2
08/11
5 / 25
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
Aula 2
08/11
6 / 25
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
Aula 2
08/11
7 / 25
Aula 2
08/11
8 / 25
Aula 2
08/11
9 / 25
Aula 2
08/11
10 / 25
Aula 2
08/11
11 / 25
Aula 2
08/11
12 / 25
Aula 2
08/11
13 / 25
Aula 2
08/11
14 / 25
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
Aula 2
08/11
15 / 25
w 2 2 }
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
w2 B}
A B.
1.9: Em geral, A B 6= B A.
Observacao
Aula 2
08/11
17 / 25
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
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
A (B C) = (A B) C
Aula 2
08/11
19 / 25
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
Aula 2
08/11
20 / 25
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.
c
Descreva os eventos: A, B, C, A B, B C c , (Ac )c C e
(A (B C))c .
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 os resultados em D c , C D e C D.
Aula 2
08/11
23 / 25
Exerccios
4. Sendo A e B dois eventos em um mesmo espaco amostral, traduza
Aula 2
08/11
24 / 25
Introducao
Aula 2
08/11
25 / 25
Probabilidade I
Departamento de Estatstica
Aula 3
03/14
1 / 13
Probabilidade
Aula 3
03/14
2 / 13
Probabilidade
Algumas Definicoes
de Probabilidade
classica
Classica:
Definicao
A definicao
de probabilidade refere-se a
P(A) =
Aula 3
03/14
3 / 13
Probabilidade
Aula 3
03/14
4 / 13
Probabilidade
Aula 3
03/14
5 / 13
Probabilidade
da definicao
classica
Aula 3
03/14
6 / 13
Probabilidade
classica
cardaca congenita?
Um jogo matematico
consiste em escolher ao acaso um ponto do
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
|A|
,
|Omega|
excede 2.
distancia
do ponto ao centro do crculo nao
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
P(A) =
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?
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
Frequencia
737
83
Aula 3
03/14
11 / 13
Introducao
Lancamento de uma
Exemplo 7 - Fenomeno
de Estabilizacao:
moeda.
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
precisao
` vezes, nao
podem ser realizados
Os experimentos aleatorios,
as
um numero
de vezes indefinidamente alto.
Aula 3
03/14
13 / 13
Probabilidade I
Departamento de Estatstica
Aula 3
04/14
1 / 20
Introducao
Diagrama de Arvore:
Aula 3
04/14
2 / 20
Introducao
quatro lampadas
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:
Aula 3
04/14
4 / 20
Introducao
Diagrama de rvore
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?
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?
Pn =
Prof. Tarciana Liberal (UFPB)
Aula 3
04/14
7 / 20
Introducao
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)?
Aula 3
04/14
9 / 20
Introducao
EXEMPLO 6:
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
Aula 3
04/14
11 / 20
Introducao
letras diferentes podem
EXEMPLO 7: Quantas palavras contendo tres
ser formadas?
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
b)n
Pn
r =0
Aula 3
n
r
ar bnr
04/14
14 / 20
Introducao
(ii)
n
r
=
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?
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.
Aula 3
04/14
17 / 20
Introducao
c) As lampadas
sejam da mesma potencia.
Aula 3
04/14
18 / 20
Introducao
entrevistadas em uma
Exerccio 3: Para escolher as casas que serao
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.
Aula 3
04/14
20 / 20
Probabilidade I
Departamento de Estatstica
Aula Probabilidade
05/14
1 / 23
Probabilidade
Probabilidade
de probabilidade apresentadas anteriormente podem
As definicoes
sao
mais rigorosa de
probabilidade.
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
Ai ) =
i=1
P(Ai )
i=1
Aula Probabilidade
05/14
3 / 23
Probabilidade
Propriedades de Probabilidade: Dado (, P), suponha que todos os
eventos nesse espaco
conjuntos mencionados a seguir sao
mensuravel.
Entao
dos
axiomas:
P1 P(Ac ) = 1 P(A) (P() = 0);
P(A) P(B);
P2 Se A B, entao
Aula Probabilidade
05/14
4 / 23
Probabilidade
DEMONSTRAC
AO:
Aula Probabilidade
05/14
5 / 23
Probabilidade
DEMONSTRAC
AO:
Aula Probabilidade
05/14
6 / 23
Aula Probabilidade
05/14
7 / 23
Aula Probabilidade
05/14
8 / 23
Exemplo 1 - Probabilidade
Aula Probabilidade
05/14
9 / 23
Exemplo 1 - Probabilidade
Aula Probabilidade
05/14
10 / 23
Probabilidade
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
Aula Probabilidade
05/14
11 / 23
Exemplo 2
Aula Probabilidade
05/14
12 / 23
Exemplo 2
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:
Aula Probabilidade
05/14
14 / 23
Exemplo 3
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
atividades.
10% gostam de sushi e musica
e 5% gostem das tres
Aula Probabilidade
05/14
16 / 23
Exemplo 5
Aula Probabilidade
05/14
17 / 23
Probabilidade
Aula Probabilidade
05/14
18 / 23
Exemplo 6 - Probabilidade
Aula Probabilidade
05/14
19 / 23
Exerccio 1
Aula Probabilidade
05/14
20 / 23
Probabilidade
colocados em teste
Exerccio 2: Dois processadores tipos A e B sao
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.
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
Aula Probabilidade
05/14
23 / 23
Probabilidade I
Departamento de Estatstica
05/14
1/1
Introduo
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)
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)
05/14
4/1
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
05/14
6/1
Probabilidade Condicional
Solues
Sim
No
No sabe
Total
Joo Pessoa
100
125
75
300
1. P(sim)
2. P(Recife)
= 400/1.000 = 0,4
= 450/1.000 = 0,45
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 .
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 ).
05/14
9/1
Probabilidade Condicional
P (A|B ) =
P (A B )
P (B )
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).
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) .
i =1 P (Ai B )
P (B )
A |B ) =
i =1 i
P (Ai B )
i =1 P (B )
P ((
i =1 Ai )B )
P (B )
i =1
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)
05/14
13 / 1
Exemplo 8
05/14
14 / 1
Exemplo 8
05/14
15 / 1
Exemplo 9
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
No
1228
2393
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)
05/14
18 / 1
Probabilidade Condicional
Exemplo 11:
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.
05/14
20 / 1
Risco Reltivo
05/14
21 / 1
Exemplo 13
05/14
22 / 1
Exemplo 13
05/14
23 / 1
Exemplo 13
05/14
24 / 1
Exemplo 13
05/14
25 / 1
Probabilidade Condicional
05/14
26 / 1
Probabilidade Condicional
05/14
27 / 1
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?
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?
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?
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 )
05/14
32 / 1
Probabilidade Condicional
P (A) =
n
X
P (Bi )P (A|Bi )
i =1
05/14
33 / 1
Probabilidade Condicional
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).
05/14
34 / 1
Ilustrao
05/14
35 / 1
Ilustrao
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?
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?
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?
05/14
39 / 1
Probabilidade Condicional
P (A|Bj )P (Bj )
.
P (Bj |A) = Pn
P (A|Bi )P (Bi )
i =1
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.
05/14
41 / 1
EXEMPLO 18
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?
05/14
43 / 1
EXEMPLO 20
05/14
44 / 1
EXEMPLO 20
05/14
45 / 1
EXEMPLO 20
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.
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?
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)
05/14
49 / 1
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 )
05/14
51 / 1
Probabilidade Condicional
05/14
52 / 1
Probabilidade Condicional
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 ).
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.
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)
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?
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.
05/14
57 / 1
Probabilidade I
Departamento de Estatstica
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.
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 ) =
,
.
,
.
05/14
3 / 19
Variveis Aleatrias
05/14
4 / 19
Variveis Aleatrias
05/14
5 / 19
Variveis Aleatrias
05/14
6 / 19
Variveis Aleatrias
05/14
7 / 19
Variveis Aleatrias
X(CC) = 0
X(KC) = X(CK) = 1
X(KK) = 2
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)
05/14
9 / 19
Variveis Aleatrias
05/14
10 / 19
Variveis Aleatrias
EXEMPLO 7.1: Uma lmpada testada at queimar.
em
horas
de
caras
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)
05/14
12 / 19
Variveis Aleatrias
05/14
13 / 19
Variveis Aleatrias
05/14
14 / 19
Variveis Aleatrias
05/14
15 / 19
Variveis Aleatrias
05/14
16 / 19
Variveis Aleatrias
05/14
17 / 19
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 )
Eventos Equivalentes em
Probabilidade
05/14
19 / 19
Probabilidade I
Departamento de Estatstica
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.
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
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.
x 1.
x 1+
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 ) =
0, se x < 6;
(x 6)/2, se 6 x < 8;
1,
se
x 8.
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,
se
se
se
se
se
x < 0;
0 x < 1;
1 x < 2;
2 x < 3;
x 3.
05/14
6 / 25
05/14
7 / 25
Pn
i =1
p(xi ) = 1
Aula Funo de Distribuio
05/14
8 / 25
05/14
9 / 25
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)
05/14
10 / 25
05/14
11 / 25
Exemplos
05/14
12 / 25
Exemplos
05/14
13 / 25
Exemplos
X(
)
{DD} {DP,PD}
0
{PP}
2
05/14
14 / 25
Variveis Aleatrias
05/14
15 / 25
Exemplos
Representao Grfica
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
n e
n =1
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
05/14
18 / 25
Exemplos
EXEMPLO 8.3:
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).
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
05/14
21 / 25
Exerccios
05/14
22 / 25
Exerccios
05/14
23 / 25
Exerccios
05/14
24 / 25
Exerccios
05/14
25 / 25
05/11
1/1
05/11
2/1
05/11
3/1
Rx
X(w)=x
Ry
h
h(x)=y
05/11
4/1
05/11
5/1
05/11
6/1
yi = h(xi ), i = 1, 2, . . . , n, . . .;
P ( Y = yi ) = p ( xi ) .
05/11
7/1
05/11
8/1
se
se X for par
X for mpar
05/11
9/1
05/11
10 / 1
05/11
11 / 1
05/11
12 / 1
05/11
13 / 1
05/11
14 / 1
05/11
15 / 1
Probabilidade I
Departamento de Estatstica
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:
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
06/14
3 / 19
Esperana
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 ) =
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
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,
se
se
se
se
se
x < 2
2 x < 1
1x <2
2x <4
x 4
06/14
7 / 19
Esperana
06/14
8 / 19
Esperana
06/14
9 / 19
Esperana
06/14
10 / 19
Esperana
06/14
11 / 19
Esperana
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)
06/14
13 / 19
Esperana
DEMONSTRAO DAS PROPRIEDADES:
06/14
14 / 19
Esperana
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
06/14
16 / 19
Esperana
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
06/14
18 / 19
Esperana
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.
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).
06/14
21 / 19
Probabilidade I
Departamento de Estatstica
Aula Varincia
07/14
1 / 14
Varincia
Aula Varincia
07/14
2 / 14
Varincia
Aula Varincia
07/14
3 / 14
Varincia
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.
Aula Varincia
07/14
5 / 14
Exemplo 11.1
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.
Aula Varincia
07/14
9 / 14
Varincia
Exerccio 11.1:
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.
Aula Varincia
07/14
11 / 14
Varincia
Exerccio 11.2:
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?
Aula Varincia
07/14
13 / 14
Varincia
Exerccio 11.3:
Aula Varincia
07/14
14 / 14
18/07
1/1
x k p ( xi ) .
i =1 i
18/07
2/1
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)
i =1
etxi p(xi ).
18/07
3/1
0,
0.5,
F (X ) =
0.75,
1,
se
se
se
se
x < 0;
0 x < 1;
1 x > 2;
x 2;
18/07
4/1
18/07
5/1
x2
2!
x3
3!
+ ... +
xn
n!
+ ...
(tx )2 (tx )3
(tx )n
+
+ ... +
+ ...
2!
3!
n!
MX (t ) = E (etX ) = E 1 + tX +
(tX )2 (tX )3
(tX )n
+
+ ... +
+ ...
2!
3!
n!
18/07
6/1
t 2 E (X 2 )
2!
t 3 E (X 3 )
3!
+ ... +
t n E (X n )
n!
+ ...
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)
18/07
7/1
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
18/07
8/1
18/07
9/1
n
Y
MXj (t ).
j =1
Demonstrao:
18/07
10 / 1
18/07
11 / 1
18/07
12 / 1
18/07
13 / 1
0
1/2
1
1/4
2
1/8
3
1/8
18/07
14 / 1
18/07
15 / 1
Probabilidade I
Departamento de Estatstica
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
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
x.
07/14
2 / 32
Distribuio Bernoulli
Distribuio de Bernoulli
Na prtica muitos experimentos admitem apenas dois resultados
Exemplo:
1.
2.
3.
4.
5.
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:
Notao: X~Bernoulli (p), indica que a v.a. X tem distribuio de Bernoulli com
parmetro p.
1
07/14
4 / 32
Distribuio Bernoulli
Esperana, Varincia e Funo Geradora de Momentos.
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.
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 .
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
07/14
8 / 32
Distribuio Binomial
Distribuio 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) =
07/14
10 / 32
Distribuio Binomial
07/14
11 / 32
Distribuio Binomial
07/14
12 / 32
Distribuio 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.
07/14
14 / 32
=
=
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)
07/14
15 / 32
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
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
07/14
16 / 32
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
= n2 p2 np2 + np
Var (X )
= n2 p2 np2 + np n2 p2
= np(1 p)
07/14
17 / 32
07/14
18 / 32
Distribuio Binomial
07/14
19 / 32
Distribuio Binomial
07/14
20 / 32
Distribuio Binomial
07/14
21 / 32
Distribuio Binomial
07/14
22 / 32
Distribuio Binomial
07/14
23 / 32
Distribuio 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.
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.
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?
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?
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.
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?
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
07/14
31 / 32
07/14
32 / 32
Probabilidade I
Departamento de Estatstica
08/14
1 / 13
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 .
x = 1, 2, . . .
NOTAO: X Geo(p)
08/14
3 / 13
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
08/14
4 / 13
E (X )
d X
= p
dq x =1
d
[q + q 2 + q 3 + ]
dq
q
d
= p
= p
= p
= p
dq 1 q
(1 q )1 q (1)
(1 q )2
1
= p
=
qx
(1 q )2
1
p2
1
p
08/14
5 / 13
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
X
d
dq
x =1
d X
dq x =1
d
xq x
xq x
q
(usando 4.)
dq (1 q )2
08/14
6 / 13
(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
08/14
7 / 13
E (X 2 )
Var (X )
=
=
=
(2 p )
p2
(2 p)
p2
1
p2
(2 p 1)
p2
(1 p)
p2
08/14
8 / 13
MX (t )
x =1
= p
X
x =1
=
=
(1 p)x
(1 p)
(1 p) x =1
e t (1 p )
(1 p ) 1 e t (1 p )
= p
etx
et
1 et (1 p)
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.
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?
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.
08/14
12 / 13
Distribuio Geomtrica
Verificao da Propriedade:
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?
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.
08/14
15 / 13
Distribuio Geomtrica
EXEMPLO 8: Verifique que a atribuio de probabilidade no modelo Geomtrico
satisfaz s propriedades de funo de probabilidade.
08/14
16 / 13
Probabilidade I
Departamento de Estatstica
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.
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.
Aula Poisson
08/14
3 / 19
Distribuio Poisson
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
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
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.
Aula Poisson
08/14
8 / 19
Distribuio Poisson
P (x ) =
et (t )x
x!
, se x = 0, 1, . . .
0,
caso contrrio
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?
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.
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.
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.
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.
n
n
= e
x e
x!
Aula Poisson
08/14
14 / 19
Distribuio Poisson
e 4 4 x
= 0,889.
x!
x =0
6
P( X 6) =
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?
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.
Aula Poisson
08/14
17 / 19
Distribuio Poisson
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?
Aula Poisson
08/14
19 / 19
Aula Poisson
16/08
1/1
Aula Poisson
16/08
2/1
Aula Poisson
16/08
3/1
Aula Poisson
16/08
4/1
Aula Poisson
16/08
5/1
E (X ) =
Var (X ) =
M X (t ) =
r
p
r (1 p)
p2
pet
1 (1 p)et
Aula Poisson
16/08
6/1
Aula Poisson
16/08
7/1
Aula Poisson
16/08
8/1
Aula Poisson
16/08
9/1
Aula Poisson
16/08
10 / 1
Aula Poisson
16/08
11 / 1
Aula Poisson
16/08
12 / 1
Probabilidade I
Departamento de Estatstica
Aula Hipergeomtrica
08/14
1 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
2 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
3 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
4 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
5 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
6 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
7 / 21
Distribuio Hipergeomtrica
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
Aula Hipergeomtrica
08/14
9 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
10 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
11 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
12 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
13 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
14 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
15 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
16 / 21
Distribuio Hipergeomtrica
Aula Hipergeomtrica
08/14
17 / 21
Distribuio Hipergeomtrica
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.
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.
Aula Hipergeomtrica
08/14
20 / 21
Distribuio Hipergeomtrica
Exemplo 5:
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
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
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.
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 ).
(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
Page 3
(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
Page 5
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
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
0 < < 1,
1)2x ,
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
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;
Page 2
(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
2
0.2
1/2
0.4
0
0.1
1
0.2
3/2
0.1
Page 4
Page 5
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?
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
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
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
(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
Page 3
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
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;
1
11/36
2
9/36
3
7/36
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
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.
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