Probabilidade

Observe o seguinte:
Sabia que, no mnimo, sao 50.630.860 jogadas necessarias para ganhar o
premio da Mega-Sena?
Se um macaco, batendo ao acaso no teclado do computador, com cer-
teza ele levaria 1.000.000.000.000.000.000.000.000.000.000.000.000 de anos
compondo uma obra se Shakespeare?
E
mais facil ganhar na Mega-Sena do que estar vivo?

Se voce levasse 300 milisegundos (0,30 s) para permutar bolinhas, ocorre-

ria:
2 bolinhas em 0,3 segundo;
5 bolinhas em 18 segundos,
8 bolinhas em quase 2 horas,
10 bolinhas em 6 dias,
11 bolinhas em 10 semanas,
12 bolinhas um mes,
13 bolinhas em 32 anos,
14 bolinhas em 450 anos...
... 40 bolinhas em 4.215.832.110.035.850.000.000.000.000.000.000.000
milenios - levaria mais tempo do que o BIG BANG ate hoje.
Como uma pessoa vive no naximo 120 anos, a probabilidade de uma pessoa
permutar acima de 13 bolinhas e nula. Entao, nao tente fazer isso!
Quer algo mais estranho? A probabilidade pode ser modelada pelas chamadas
distribui
coes de probabilidade.

Pr
e requisito
Teoria dos Conjuntos
Contagem

1
2

Princpios
Esitem tres tipos de interpretacao para a probabilidade:
Classica: Dene-se simplesmente pela parte de um todo. Dizemos que
todos os eventos sao equiprovaveis, isto e, todos apresentam a mesma
possibilidade de ocorrencia - probabilidade equiprov
avel entre eventos dis-
tintos.
#A
P (A) =
#A + #Ac
M aneiras de como pode ocorrer o evento A
P (A) =
numero de eventos simples dif erentes
Suponha o conjunto do alfabeto latino: alf abeto = {a, b, c, d, ...x, y, z}
com 24 elementos. Qual a probabilidade de retirar a letra s?
s 1 1
P (A) = c
= =
s+s 1 + 23 24
Frequentista: Simplemente e a proporcao de ocorrencia - probabilidade
proporcional.
#A
P (A) =
N
N umero de ocorrencias de A
P (A) =
N umero de repeticoes do experimento
Suponha lancar 48 vezes o dado de seis faces. Suponha que a face cinco
foi sorteada 8 vezes. Qual a probabilidade de retirar a face cinco?
8 1
P (5) = =
48 6
Beyesiana: Dene-se pela informacao inicial chamada de a priori. Quando
e lancada uma hipotese (semente) sobre um estimador, a probabilidade
beyesiana ajusta a informacao para a probabiliade mais adequada medi-
ante informac
oes repassadas.
P (X|) = l()P (|X)

Fundamentos
Em um espaco amostral de um experimento qualquer, a razao entre a ocorrencia
de um evento simples e chamado de probabilidade - dentre tantos outros eventos
possveis de ocorrencia.
Experimento: Qualquer procedimento, tecnica, mecanismo ou sistema
observacional que resulte na capacidade de mensurar a probabildade e
chamado de experimentacao ou simplesmente de experimento. Portanto,
o experimento observacional e qualquer procedimento de recolher
dados ou realizar mensuracoes em todos os nveis de medidas possveis.
Nao importa se as variaveis sao qualitativas ou quantitativas.
 3

Evento : E a colec o de resultados de um experimento. Todos os

a
resultados/medidas existentes e possveis sao os chamados eventos. Exem-
plo: Os eventos do lancamento de um dado sao face 1,face 2,face 3,face
4,face 5 e face 6. Ja para uma moeda seria cara (c) ou coroa (K).
Evento Simples i : E o resultado, ou experimento, que nao comporta
mais qualquer outra decomposicao. Por exemplo: Retirar cara ao jogar
uma moeda ou mensurar 127 Volts em um voltmetro sao os possveis
resultados.
Espa co Amostral : E um conjunto. Sao todos os eventos simples
possveis. Dene-se aqui o elemento mais importante da probabilidade -
o espaco.

Defini
coes Oficiais
Espaco Amostral
o conjunto de resultados possveis. Considera-se resultado possvel o
E
resultado elementar e indivisvel . A colecao de todos os resultados indivisveis
e o conjunto .

= { | = {1 , 2 , 3 , ...i , .., n }n }

.-Algebra (A)
Considere a classe dos eventos alatorios sob preposicoes
A1. A
A2. Se A A ent
ao Ac A
A3. Se A A e B A A B A
O -Algebra (A) e uma classe estendida de satisfazendo as propriedades de

classe A1, A2 e A3; torna-se Algebra. Desde que e um conjunto nao vazio.
Quando a extensao e proprietaria:
A4. A
n n
A5. n; A1 , A2 , ...An A i=1 Ai A i=1 Ai A
umero finito de aplicacoes operatorias e Ac .
sob fechamento em n

E
Dene-se a possibilidade por , ISTO NAO PROBABILIDADE, mas
sim a POSSIBILIDADE, representado por ,mediante as preposicoes A1, A2,
A3, A4 e A5. Por exemplo: quais as possibilidades de jogarmos uma moeda e
sortearmos cara/ coroa? Aplicaremos aqui preposicoes:
A1. A pois = {{c}, {k}} A = {{c}, {k}}
4

A2. Se A A entao Ac A pois:

C = A = {{}, }
cc = k A = {{c}, {k}}
k c = c A = {{c}, {k}}
A3. Se c A e k A c k A
A4. A pois = c
n n
A5. n; A1 , A2 , ...An , A1 = c, A2 = k A i=1 Ai A i=1 Ai
A
Finalmente as possibiliades sao dadas por

() = {, {c}, {k}, }

Dizemos que estas possibilidades de ocorrencia, o possvel e o impossvel estao

dentro de um conjuntor superior dito -Algebra (A). Observe que este conjunto
contem 2# = 22 = 4 elementos.

A = ()

A = () = {, {c}, {k}, }
O que isto signica? Signica que existe as possibiliades de ocorrer cara ou
coroa. O impossvel e representada pelo conjunto vazio . Entao existe a possi-
bilidade de jogarmos uma moeda e cair uma face do dado 6? Esta possibilidade
e conhecida como conjunto vazio, aquilo sem resposta, o impossvel que, por sua
vez, esta previsto dentro da classe -Algebra.

1. CASO DISCRETO: Se for nito e enumeravel o -Algebra para to-
das partes: A = P (). A quantidade de elementos formadores de A e
#A = 2# , onde # dene-se a quantidade de elementos i formadores
do conjunto.
2. CASO CONTINUO: Considera-se unioes enumeraveis de intervalos que
pertencem a toda -Algebra (A). Esta sigma e chamada de -Algebra de
Borel ou Boreliano Algebra [a,b] = {A [a, b] : A : borel}

Vari
avel Aleat
oria
Uma variavel aleatoria X em um espaco de probabilidade (, A, P ) e uma funcao
real denida no espaco tal que [X x] e o evento aleatorio para todo x ;

X:

avel aleatoria se [X x] Ax , onde dene-se uma funcao X. Desde

e vari
que [X x] = { : X() x}
 5

Figura 1: Variavel aleatoria X

Probabilidade
Dene-se probabilidade pelos sequintes axiomas:

AXIOMA 1. P (A) 0
AXIOMA 2. P () = 1
AXIOMA
n Aditividade Finita: Se Ai A sao disjuntos (2,2); entao
3-1.
n
P ( k=1 Ak ) = i=1 P (Ak )
AXIOMA 3-2. -aditividade:
( n )

n
limn P Ak = limn P (Ak )
k=1 i=1

Exercise 1
Defina o -
algebra em um lancamento de dados cara (c) e coroa (k).

1. Espaco Amostral:
= {c, k}

2. Complemento do Espaco Amostral:

c =

3. -
algebra:
A = {, c, k, }

sendo #A = 2# = 22 = 4, isto e, o sigma

algebra e formado por 4
objetos da classe.
6

4. Regras:

A1. A moeda A

A2. Se C A ent
ao C c (= K) A P (K) = 1 P (C)
A2.1. Se A ent
ao c (= ) A P () = 1 P ()

A3. Se C A e K A C K A
A4. A
2 2
A5. n; {C, K}, A i=1 Ai = A i=1 Ai = A
Probabilidade I

Fun
c
ao de Probabilidade
a func
E ao P que associa cada evento ao n
umero real no intervalo [0, 1].
P1. P () = 1

Signicado: Evento certo.

P2. P (A B) = P (A) + P (B) se mutualmente exclusivos: P (A B) = 0

Signicado: Exclusao
n
P3. P (ni=1 Ai ) = i=1 Ai

Signicado: A probabilidade da uniao dos eventos e a a soma das proba-

blilidades dos eventos.

Teorema da soma (OU )
Suponha o conjunto A e o conjunto B que interseccionam entre si. Conforme a
gura abaixo: Dene-se por = (A B), por outro lado podemos escrever a

uniao de ambos os conjuntos como:

(A B) = (A B) B

A retirada da parte B do conjunto A, pode ser descrito como:

(A B) (A B) = A

7
8

Utilizando o axioma probabilstico P (A B) = P (A) + P (B), obtemos:

P (A B) = P [(A B) B] P (A B) = P (A B) + P (B)(1)
P [(A B) (A B)] = P (A) P (A B) + P (A B) = P (A)(2)
Fazendo (1) = (2)
P (A B) = P (A B)
apenas com algumas manipulacoes...
P (A B) = P (A) + P (B) P (A B)
encontramos o TEOREMA DA SOMA:
P (A B) = P (A) + P (B) P (A B)

Tabela 1: TEOREMA DA SOMA

Interpreta c
ao: O teorema da soma garante a nao duplicidade de in-
oes. Observe que a interseccao do evento P (A B) pode ou nao existir,
formac
mas ambos os eventos existem. Compare o teorema da soma com a denicao de
probabilidade P2.

MUTUAMENTE EXCLUDENTES: A escolha de um evento exclui a outra

opc
ao. Ex: Cara (C) e Coroa (K).
P (A B) = 0 P (A B) = P (A) + P (B)

NAO
MUTUAMENTE EXCLUDENTES: A escolha de um evento nao
exclui a outra opcao. Ex. Sexo e Idade
P (A B) = P (A B) = P (A) + P (B) P (A B)

Caso 1: Quando n ao existe a interse c

ao entre eventos, dizemos que o
evento A exclui a possibilidade do evento B, em outras palavras, os eventos
s
ao mutualmente excludentes porque a escolha de um evento n ao interfere
na existencia da possibiliade de outro evento. Normalmente sao expressas em
vari
aveis dicotomozadas como sim/nao, 0/1, etc...Um exemplo classico e quando
jogamos uma moeda e a retirada da cara exclui naturalmente a retirada da coroa
e, vice-versa. Chamamos este efeito de eventos mutuamente excludentes.

Caso 2: Quando existe a interse c

ao entre os eventos, dizemos existir a
interac
ao entre os eventos A e B, em outras palavras, os eventos sao mutual-
mente n ao excludentes porque a escolha de um evento interfere na esolha
de outro. Torna-se comum nas variaveis de m ultipla dimensao. Um exemplo
cl
assico e quando relacionamos a informacao dupla de sexo e idade. A escolha
do sexo interage com a informacao da idade, pois duas pessoas de sexos dife-
rentes podem apresentar a mesma idade. Chamamos este efeito de eventos
mutuamente na o excludentes.
 9

Exercise 2 Uma carteira de seguro e composta por dois tipos de clientes: tipo A
com 200 pagadores do seguro previdenciario, B: 150 que pagam o seguro sa ude.
A empresa paga um OU outro benefcio ao funcion ario. Qual a probabilidade
de encontrar um cliente A OU um cliente B.
OU
A ou B A B
P (A ou B) = P (A B)

Aplicando o Teorema da Soma

P (A B) = P (A) + P (B) P (C = A B)
200 150
P (A B) = + 0 = 0, 571 + 0, 429 = 1
200 + 150 200 + 150
A probabilidade de encontrar um cliente do tipo A ou B e de 1, 100% (0
p(x) 1)
Exercise 3 Uma carteira de seguro e composta por tres tipos de clientes: tipo
A com 200 pagadores do seguro previdenci
ario, B: 150 que pagam o seguro saude
e C: 50 que pagam ambos os seguros. Qual a probabilidade de encontrar OU
um cliente A ou um cliente B. Obs. Resolva diretamente...
P (A ou B) = P (A B) = P (A) + P (B) P (C = A B)
200 150 50
P (AB) = + = 0, 50+0, 3750, 125 = 0, 75
200 + 150 + 50 200 + 150 + 50 200 + 150 + 50
A probabilidade de encontrar um cliente do tipo A ou B e de 0,75 (0
p(x) 1)

Exemplos Aplicados nas Areas
ADMINISTRAC
AO: Suponha duas liais. A probalilidade da lial A
falhar na entrega das encomendas e de 22%, enquanto a outra lial B de
falhar e de 12%, raro e quando ambas falham juntas - segundo a matriz.
Qual a probabilidade de uma das liais falharem?
A ou B
A B
P (A B)
P (A B) = P (A) + P (B) P (A B)
22 12 34
P (A B) = + 0= = 34%
100 100 100
A probabilidade da lial A ou da lial B falhar e de 34%

Obs: P (A B) = 0 por que nao existe a interacao entre ambos os eventos.

10

ENGENHARIA ELETRICA: A probalilidade de erro aceitavel na

demanda de energia residencial e de 8, 3% em um total de 1000 car-
gas. No caso do erro for superior a 250 casas, qual a probabilidade do
erro ser acetavel ou nao aceitavel? Lembre-se que a aceitacaoe nao
aceitac
aos
ao eventos mutuamente excludentes.

Sim ou N ao

Sim N ao
P (Sim N ao)
P (Sim N ao) = P (Sim) + P (N ao) P (Sim N ao)
8, 3 250 33, 33
P (Sim N ao) = + 0= = 33, 3%
100 1000 100
A probabilidade do erro independente da aceitacao e de 33, 3%.

Obs: P (Aceit nao) = 0 por que a aceitacao e mutuamente exclu-

dente da nao aceitacao.

LOG ISTICA: Uma ferrovia com capacidade exaustiva de 42.000 TU/Ano

leva no sentido da exportacao (E) 31.250 TU/ano e 15.000 TU/ano na im-
portac
ao (I). Em epoca de entre safras esta carga sobe 12.000 TU/ano.
Qual a probabilidade da logstica ocorrer no sentido exportacao ou im-
portac
ao?
E ou I
E I
P (E I)
P (E I) = P (E) + P (I) P (Aceit I)
31.250 15.000 12.000 34.250
P (E I) = + = = 81, 5%
42.000 42.000 42.000 42.000
A probabilidade de exportar ou importar e de 81, 5%.

PROCESSOS AMBIENTAIS: Em 75% dos insumos agrcolas apreen-

didos pela polcia ambiental conrmaram a presenca de amonia N H4 em
sua composic
ao. Por outro lado, 12, 5% dos insumos apreendidos, alem
da amonia, tambem apresentaram uma alta na concentracao de nitrato.
Qual a probabilidade do insumo apresentar amonia ou nitrato em sua
composic
ao?
A ou B
A B
P (A B)
P (A B) = P (A) + P (B) P (A B)
 11

75 (100 75) 12 88
P (A B) = + = = 88%
100 100 100 100
A probabilidade de apresentar amonia e nitrato em sua composicao e de
88%.

Teorema multiplicativo (E )
Este teorema e um dos principais teoremas probabilsticos. Dene-se por:

P (A B) = P (A) P (B|A)
Le-se: A Probabilidade de ocorrer o evento A e B e a probabilidade de ocor-
rer o evento A no primeiro lance do experimento e ocorrer o evento B no
segundo lance do experimento, nesta ordem.

A escrita P (B|A) e interpretada como sendo P (atual|passado) ou

P (dependente|controle). Neste formato de escrita signica que o experimento
e dependente da informac ao atual, esta vinculado `a informacao passada, ou em
outras palavras, a vari
avel dependente e controlada. Porem, o contrario tambem
pode ocorrer e e quando o experimento for independente da informacao atual,
este se desvincula da informac ao passada, ou em outras palavras, a variavel
dependente se desvincula do controle. Existem dois procedimentos que geram
estes dois efeitos naturais:
Observe o exemplo classico da urna/bola: suponha retirarmos uma bola
vermelha de uma urna com duas bolas vermelhas = {bola1 , bola2 }. Dois
tipos de experimentos podem ocorrer:
COM REPOSIC
AO: Ao retirar uma bola a mesma e reposta `a urna. E
o experimento volta ao estado anterior, isto e, nao houve alteracao do
espaco amostral:
1. Antes da retirada = {bola1 , bola2 }
2. Depois da retirada = {bola1 , bola2 }.
P (A B) = P (A) P (B|A)
P (B|A) = P (B)
signica que B nao depende da retirada de A, entao:

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

Tabela 2: Experimento Independente (com reposicao)

SEM REPOSIC
AO: Ao retirar uma bola, esta escolhida n
ao
e reposta `a
urna. E o experimento gera um novo estado, isto e, houve alteracao do
espaco amostral:
12

1. Antes da retirada = {bola1 , bola2 }

2. Depois da retirada = {bola2 }.
Experimentos sem reposicao sao chamados tambem de experimentos
destrutivos.
P (B|A) = P (B|A)
signica que B depende da retirada de A.

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

Tabela 3: Experimento dependente (sem reposicao)

Caso 1: Quando n ao existe a intera cao entre os eventos, dizemos que

ambos os eventos A e B sao independentes, em outras palavras, os eventos
s
ao desconhecidosentre si porque a escolha de um evento nao interfere na
escolha de outro uma vez que o espa co amostral origial n ao foi alterado.
Um exemplo classico e quando fazemos a reposicao dos elementos escolhidos de
volta ao conjunto, e o caso classico da bola reposta `a urna. Chamamos isso de
evento independente ou reposto.

Caso 2: Quando existe a intera c

ao entre os eventos, dizemos que ambos
os eventos A e B sao dependentes, em outras palavras, os eventos sao co-
nhecidosentre si porque a escolha de um evento interfere na escolha de outro
uma vez que o espa co amostral origial foi alterado. A base da informacao
foi alterada para o proximo experimento. Um exemplo classico e quando nao
efetuamos a reposic
ao dos elementos ao conjunto, e o caso classico da bola nao
reposta `a urna. Muitos eventos de nao reposicao sao classicados como ex-
perimentos destrutveis, muito comum nas percias cientcas que envolvem
balstica. Chamamos isso de evento dependente ou na o reposto.

Interpreta cao: O teorema multiplicatico garante a dependencia ou a in-

dependencia das informacoes. Observe que a interseccao do evento e descrito
pela intera
cao que, na estatstica, descreve-se pela opera
cao multiplicadora.
Quando a interacao existe entre eventos, esta pode ocorrer de uma forma depen-
dente ou independente. No primeiro caso o espaco amostral e alterado enquanto
no segundo caso o espaco amostral nao e alterado.
 13

Exerccios
Exercise 4 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5
bolas brancas. Qual a probabilidade de retirar 1 bola branca e 1 bola vermelha?
Com reposic
ao.

B1 e V 1
B1 V1
P (B1 V1 )
P (B1 V1 ) = P (B1 )P (V1 |B1 )
P (B1 V1 ) = P (B1 )P (V1 )
( )( )
5 2
P (B1 V1 ) =
5+1+2 5+1+2
52 10
P (B1 V1 ) = = = 15, 6%
88 64
Exercise 5 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5
bolas brancas. Qual a probabilidade de retirar 1 bola branca e 1 bola vermelha?
Sem reposic
ao.

B1 e V 1
B1 V1
P (B1 V1 )
P (B1 V1 ) = P (B1 )P (V1 |B1 )
( )( )
5 2
P (B1 V1 ) =
5+1+2 4+1+2
52 10
P (B1 V1 ) = = = 17, 8%
87 56
14

Exercise 6 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5 bolas
brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Sem reposic
ao

V1 e V2

V1 V2
P (V1 V2 )
P (V1 V2 ) = P (V1 )P (V2 |V1 )
( )( )
2 1
P (V1 V2 ) =
5+1+2 5+1+1
21 2
P (V1 V2 ) = = = 0, 0357 = 3, 57%
87 56
Exercise 7 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5 bolas
brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Com reposic
ao.

V1 e V2

V1 V2
P (V1 V2 )
P (V1 V2 ) = P (V1 )P (V2 |V1 )
P (V1 V2 ) = P (V1 )P (V2 )
( )( )
2 2
P (V1 V2 ) =
5+1+2 5+1+2
22 4
P (V1 V2 ) = = = 0, 0625 = 6, 25%
88 64
 15

Exercise 8 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5 bo-
las brancas. Qual a probabilidade de retirar 2 bolas vermelhas e 1 branca? Sem
reposic
ao.

V1 e V2 e B1
V1 V2 B1
P (V1 V2 V3 ) = P (V1 )P (V2 |V1 )P (B1 |V2 ; V 1)
( )( )( )
2 1 1
P (V1 V2 V3 ) =
5+1+2 5+1+1 4+1+1
211 2
P (V1 V2 ) = = = 0, 005952 = 0, 59%
876 336

Exemplos aplicados nas

areas
ADMINISTRAC
AO: Suponha uma licitacao. A sua empresa e do ramo
de Arquitetura. A concorrencia e feita atraves de um sorteio contendo
tres chas representativas das areas de atuacao e do grau de necessidade:
2 chas vermelhas (Arquitetura), 1 cha azul (Recursos Humanos) e 5
brancas (Engenharia). A urna contem tais chas. Qual a probabilidade
de retirar 1 cha vermelha e 1 cha branca? Sem reposicao. Neste caso a
sua empresa seria convidada a apresentar-se juntamente com uma empresa
de engenharia.
V1 e B1
V1 B1
P (V1 B1 )
P (V1 B1 ) = P (V1 )P (B1 |V1 )
( )( )
2 5
P (V1 V2 ) =
5+1+2 5+1+1
25 10
P (V1 V2 ) = = = 17, 8 18%
87 56
A sua epresa tem aproximadamente 18% de ser entrevistada.
16

CONTABILIDADE: Qual a probabilidade de duas das suas empresas

com problemas no sco carem na malha na em um total de 40 empresas?
E1 e E2
E1 E2
P (E1 E2 )
P (E1 E2 ) = P (E1 )P (E2 |E1 )
( )( )
1 1
P (E1 E2 ) =
40 39
1 1
P (E1 E2 ) = = 0, 064%
40 39
As duas empresas tem aproximadamente 0, 064% de ser escolhidas nesta
ordem.
PSICOLOGIA: Certas pessoas podem apresentar oscilacoes de perso-
nalidade, o chamado Transtorno Bipolar (TB). Escolhe-se uma pessoa ao
acaso (X) em um universo de 120 trabalhadores. Qual a probabilidade
dela apresentar esta psicopatia? Sabe-se que a probabilidade de ter a
psicopatia e de 28% da populacao.
X e TB
X TB
P (X T B)
P (X T B) = P (X)P (T B|X)
( )( )
1 28
P (X T B) =
120 100
1 28
P (X T B) = = 0, 23%
120 100
Aproximadamente 0, 23% e a probabilidade de encontrar um funcionario
com TB.
ENGENHARIA DA COMPUTAC
AO: Suponha uma caixa contendo
28 pentes de memoria (PE), 34 processadores (PR) e 17 placas mae (PM).
Qual a probabilidade de retirar qualquer duas pecas? Qual a probabili-
dade de sortear 2 pentes de memoria?
Retirar qualquer 2 pecas
#evento
P (2P ) =
#
2
P (2P ) =
28 + 34 + 17
P (2P ) = 2, 53%
 17

Sortear 2 pentes de memoria

PE e PE

PE PE
P (P E P E)
P (P E P E) = P (P E)P (P E|P E)
( )( )
1 1
P (P E P E) = 0, 016%
28 + 34 + 17 27 + 34 + 17
mais difcil retirar duas pecas especcas do que retirar qualquer
E
uma. A chance de retirar peca e:

P (2 Qualquer)
Chance =
P (2 P entes)

P (2 Qualquer) 2, 53
Chance = = = 156
P (2 P entes) 0, 016
o que signica que temos 156 vezes a chance de retirar qualquer peca
do que dois pentes de memoria.
18
Probabilidade II - Vari
aveis
Discretas

Conceitos b
asicos

M
edia Poderada
Iniciaremos este conceito com um exemplo pratico.

Exemplo: Suponha os pesos e as notas de um certo aluno na disciplina de

estatstica. Qual seria a media do aluno?

Peso Nota
Prova 1 40% 97
Prova 2 40% 80
Trabalho 20% 68

Tabela 4: Notas da Prova

40% 97 + 40% 80 + 20% 68

x
= = 84, 4
40% + 40% + 20%
o que equivale a escrever como:

n
i xi
= i=1
x n (1)
i=1 i

onde i sao os pesos referentes `a prova. Dizemos que a equacao 1 e a media

ponderada dos valores de xi vinculados e dependentes dos pesos i . Isto signica
que cada peso da uma maior import ancia a determinadas variaveis. Em
nosso caso seriam ambas as provas terem valores de importancia maior do que
o valor do trabalho.

19
20

Figura 2: Media Ponderada

Definic
ao da M edia Poderada: E a soma de todos os valores com as
suas respectivas e destintas importancias em relacao a todos os outros
dados do conjunto. Dene-se o formalismo por:
n
i xi
x = i=1n (2)
i=1 i
n ( )
i
x= x i n (3)
i=1 i=1 i
( )
i
f azendo p(xi ) = n (4)
i=1 i
n
x
= xi pi (5)
i=1

Dene-se a media ponderada por

n
i xi
= i=1
x n (6)
i=1 i
n
ou x
= xi pi (7)
i=1

onde pi pode ser a funcao referente a uma propor

cao - pbi , a algum peso
qualquer- ou a alguma frequ encia de observac
oes-f nos (dos) da-
dos.

Quando os pesos referem-se `as propor

coes escrevemos a media pon-
 21

derada por

n
x
= [
xi p(xi) (8)
i=1
( )
[ pbi
com p(x i) = n (9)
i=1 pbi

Quando os pesos referem-se a quaisquer pondera

cao escrevemos
a media ponderada por

n
x
= xi pi (10)
i=1
( )
i
com pi = n (11)
i=1 i
Este formato e utilizado em todos os casos.
Quando os pesos referem-se `as frequ
encias escrevemos a media pon-
derada por

n
x
= xi fi (xi ) (12)
i=1
( )
fi
com f (xi ) = n (13)
i=1 fi
Ete formato e ocialmente utilizado em tabelas de frequencias.

Esperanca Matem
atica
Se denirmos pi como sendo a probabilidade de ocorrer xi , a equacao 7 torna-
se a esperanca matematica:

n
x
= xi p(xi , ) (14)
i=1
( )
p()
com p(xi , ) = n (15)
i=1 p()

Definic
ao rigorosa da esperan ca matem atica: SeX e uma variavel

aleat
oria discreta com probabilidade p(xi , ), tal que i=1 p(xi , ) = 1 e
0 < p(xi , ) < 1, temos que a esperanca matematica e denida por:

E(X) = xi p(xi ; ) = P (X = xi ) (16)
i=1 i=1
22

se o espectro e discreto com p(xi ) a probailidade e,

E(X) = xi f (xi ; )dx = F (X = xi )dx (17)
i=1 i=1

se o espectro for contnuo, dizemos que f (xi ) e a densidade de probabili-

dade. Se o espectro for discreto, dizemos que p(xi ) e a probabilidade
verdadeira. Para o caso discreto, a soma nao depende da ordem dos termos
e a serie
em particular devera ser absolutamente convergente - quanto `a
soma i |xi |p(xi ) < . A denicao tambem sera valida para o espectro
contnuo sob condicoes de extrapolacao via o teorema fundamental do
calculo. A esperanca de X e tambem chamada de media.

Probabilidade complementar
De acordo com a denicao A1. da probabilidade
P () = 1
sumpondo o evento .
P ( c ) = 1
P () + P ( c ) = 1
P ( c ) = 1 P ()
Assim temos a probailidade do evento:
P ()
e a probabilidade complementar:
P ( c ) = 1 P ()

Expans
ao binomial
(
n= )
n i ni
(a + b)n = ab
i=1
i
(
n=
n!
)
n
(a + b) = ai bni
i=1
(n i)!i!

Distribui
cao Birnouli
apenas um modelo simples selecionador entre a probabiliade do evento e a
E
probabilidade complementar do evento: P ()P ( c ). O modelo e valido apenas
para um unico lancamento.
P (X = x) = px (1 p)1x
onde
 23

X e a vari
avel aleatoria
p e a probabiliade a priori (ja conhecida)
Para utilizac
ao da formula e como procede:
1. Resp. 1) Dene-se o sucesso:
2. Resp. 2) Dene-se a vari
avel aleatoria X
3. Resp. 3) Aloca-se a probabilidade sucesso p
ao na equacao P (X = x) = px (1 p)1x
4. Resp. 4) Faz-se a alocac
Calcula-se pela esperanca a media e a variancia da distribuicao birnouli:
MEDIA:
E(X) = p
VARIANCIA:
V AR(X) = p(1 p)
Exercise 9 Ao jogar uma moeda, qual a probabiliade de sair cara?
Resp. 1) Define-se o sucesso: cara.
Resp. 2) Define-se a vari oria X: cara (C 1) e coroa (K 0).
avel aleat
Resp. 3) Aloca-se a probabilidade sucesso p(cara): 1
2. Nada diz a respeito
da n
ao honestidade da moeda.
Resp. 4) Faz-se a alocac
ao na equac
ao:
P (X = x) = px (1 p)1x
( )1 ( )11
1 1
P (X = 1) = 1
2 2
( )1 ( )0
1 1
P (X = 1) = 1
2 2
1
P (X = 1) =
2

Distribui
cao Binomial
Dene-se com a distribuic
ao de varias Birnoulis. Em outras palavras seria jogar
ao mesmo tempo um saco de moedas.
( )
n x
P (X = x) = p (1 p)nx
x
para varias opc
oes
n ( )
n x
P (X n) = p (1 p)nx
x=1
x

onde
24

X e a vari
avel aleatoria
n quantidade de elementos (ex: no de moedas)

p e a probabiliade a priori (ja conhecida do sucesso)

( )
nx e a combinatoria Cn,x = (nx)!x!n!
que dene o n
umero de sucessos
possveis em n jogadas ou por n elementos.
Calcula-se pela esperanca a media e a variancia da distribuicao binomial:

MEDIA:
E(X) = np
VARIANCIA:
V AR(X) = np(1 p)

Para utilizac
ao da formula e como procede:

1. Resp. 1) Dene-se o sucesso:

2. Resp. 2) Dene-se a quantidade de elementos Birnouli

3. Resp. 3) Dene-se a variavel aleatoria X

4. Resp. 4) Aloca-se a probabilidade sucesso p

5. Resp. 5) Faz-se a alocacao na equacao Binomial.

 25

Exercise 10 Ao jogar cinco moedas, qual a probabiliade de sair 4 caras?

Resp. 1) Define-se o sucesso: cara.
Resp. 2) Define-se a vari oria X: cara (C 1) e coroa (K 0).
avel aleat
Resp. 3) Aloca-se a probabilidade sucesso p(cara): 1
2. Nada diz a respeito
da n
ao honestidade da moeda.

Resp. 4) Faz-se a alocac

ao na equac
ao:
( )
n x
P (X = x) = p (1 p)nx
x
( ) ( )4 ( ( ))54
5 1 1
P (X = 4) = 1
4 2 2
( ) ( )4 ( ( ))54
5! 1 1
P (X = x) = 1
(4 5)!4! 2 2
( )4 ( )1
1 1
P (X = 1) = 5
2 2
5
P (X = 1) = = 15, 6%
32
Exercise 11 Ao jogar uma u
nica moeda duas vezes, qual a probabiliade de sair
pelo menos 1 cara?

METODO
CONVENCIONAL:
Reescrita do problema na sequencia lida

P (C) = (C1 e K2 ) ou (K1 e C2 ) ou (C1 e C2 )

Transcric
ao no fomato de conjuntos

P (C) = (C1 K2 ) (K1 C2 ) (C1 C2 )

Aplicac
ao da probabilidade

P (C) = P ((C1 K2 ) (K1 C2 ) (C1 C2 ))

Aplicac
ao do Teorema da Soma

P (C) = P (C1 K2 ) + P (K1 C2 ) + P (C1 C2 ))

Aplicac
ao da multiplicac
ao

P (C) = P (C1 )P (K2 |C1 ) + P (K1 )P (C2 |K1 ) + P (C1 )P (C2 |C1 )
26

COM REPOSIC - mesma moeda

AO

P (C) = P (C1 )P (K2 ) + P (K1 )P (C2 ) + P (C1 )P (C2 )

c
alculo...
( )( ) ( )( ) ( )( )
1 1 1 1 1 1
P (C) = + +
2 2 2 2 2 2

...resposta...
3
P (C) =
4

DISTRIBUIC BINOMIAL:
AO

Resp. 1) Define-se o sucesso: cara.

Resp. 2) Define-se a vari oria X: cara (C 1) e coroa
avel aleat
(K 0).
1
Resp. 3) Aloca-se a probabilidade sucesso p(cara): 2. Nada diz a
respeito da n
ao honestidade da moeda.
Resp. 4) Faz-se a alocac
ao na equac
ao:

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

2 ( ) ( )x (
( ))2x
2 1 1
P (X 2) = 1
x=1
x 2 2

Pronto ! Somente expandir o c

alculo...
( ) ( )1 ( ( ))21 ( ) ( )2 ( ( ))22
2 1 1 2 1 1
P (X 2) = 1 + 1
1 2 2 2 2 2
( ) ( )1 ( ( ))1 ( ) ( )2 ( ( ))0
2! 1 1 2! 1 1
P (X 2) = 1 + 1
(2 1)!1! 2 2 (2 2)!2! 2 2
( )1 ( )1 ( )2
1 1 1
P (X 2) = 2 +1 1
2 2 2
( ) ( )
1 1
P (X 2) = 2 +
4 4

3
P (X 2) =
4
 27

A REPOSIC
AO
A distribuicao binomial pode ser interpretada como sendo um experimento re-
posto, isto e, com reposic o.
a
Exercise 12 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5
bolas brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Com reposic
ao
(vide exercicio 7)
2 2
p(vermelho) = =
2+1+5 8
( )
n x
P (X = x) = p (1 p)nx
x
( )2 ( )22
2! 2 2
P (X = 2) = 1
(2 2)!2! 8 8
( )2 ( )
2 4
P (X = 2) = = = 0, 0625 = 6, 25%
8 64

Exemplos aplicados nas

areas
ARQUITETURA: Determine a probabilidade de selecionar 3 projetos
das 15 opcoes para aprovacao junto ao CREA. A selecao de qualquer
projeto e de 10%.
( )
n x
P (X = x) = p (1 p)nx
x
n!
P (X = x) = px (1 p)nx
(n x)!x!
15!
P (X = 3) = (10%)3 (1 10%)153
(15 3)!3!
P (X = 3) = 455 0, 001 0, 282429536 = 0, 129 = 12, 9%

LOG ISTICA: Foram feitas 15 tentativas de entregas no mesmo dia com

apenas 13 sucessos efetuados? A proporcao de entrega da unidade dos
Correiros e de 76%. Qual a probabilidade de entrega desta unidade?
(n)
P (X = x) = px (1 p)nx
x
n!
P (X = x) = px (1 p)nx
(n x)!x!
15!
P (X = 13) = (76%)1 3(1 76%)1513
(15 13)!13!
P (X = 13) = 90, 64%
Signica que se a unidade manter a proporcao de entrega de 76% ainda e
aceit
avel.
28

PEDAGOGIA Sao escolhidos 3 livros infantis para analise em um todo

de 15 obras por 4 pedagogos. Sabendo que a probabilidade de escolher
1
uma obra e 15 , qual a probabilidade de escolher os mesmos 3 livros pelos
pedagogos? ( )
n x
P (X = x) = p (1 p)nx
x
n!
P (X = x) = px (1 p)nx
(n x)!x!
4! 1 1
P (X = 3) = ( )3 (1 )43
(4 3)!3! 15 15
P (X = 3) = 0, 11%
Signica que sera muito difcil dos 4 pedagogos escolherem as mesmas
obras para analise, apenas 0, 11% a probabilidade de que isso ocorra.
 29

Distribui
cao Hipergeom
etrica
Enquanto a distribuicao Binomial e para o caso com reposicao a distribuicao
hipergeometrica e para o caso sem reposica o.
(xt )(N xt )
x
P (X = x) = (Nnx
)
n

onde
N e o tamanho da populac
ao
n e o tamanho da amostra
xt e o sucesso da populac
ao (t de total)
x e o sucesso da amostra
Calcula-se pela esperanca a media e a variancia da distribuicao Hipergeometrica:
N Xt
Fazendo XN =p e
t
N =q

MEDIA:
E(X) = np
n
VARIANCIA:
V AR(X) = npq N
N 1

Um exemplo muito comum desta distribuicao e o jogo da MEGA-SENA.

Exercise 13 Para ganhar na MEGA-SENA precisa acertar 6 n

umeros de uma
serie de 60. Qual a probabilidade de ganhar?

METODO
CONVENCIONAL:
Reescrita do problema na sequencia lida

S = (S1 e S2 e S3 e S4 e S5 e S6 )

ou (S2 e S1 e S3 e S4 e S5 e S6 )
ou (S2 e S3 e S1 e S4 e S5 e S6 )
...ou ...
ou ... (S6 e S5 e S4 e S3 e S2 e S1 )
Transcric
ao no fomato de conjuntos

S = (S1 S2 S3 S4 S5 S6 )

(S2 S1 S3 S4 S5 S6 )
(S2 S3 S1 S4 S5 S6 )
... ...
... (S6 S5 S4 S3 S2 S1 )
30

Aplicaca
o da probabilidade e da soma

P (S) = P (S1 S2 S3 S4 S5 S6 )

+ P (S2 S1 S3 S4 S5 S6 )

+ P (S2 S3 S1 S4 S5 S6 )

... + ...

+ ... P (S6 S5 S4 S3 S2 S1 )

Permutac
ao de elementos

(S1 ; S2 ; S3 ; S4 ; S5 ; S6 ; S7 )

Pn = n! = 6! = 6.5.4.3.2.1 = 720

Aplicaca
o da soma

P (Stotal ) = Pn P (S)

SEM REPOSIC - a escolha e destrutiva

AO

P (S) = P (S1 )P (S2 |S1 )P (S3 |S2 ; S1 )P (S4 |S3 ; S2 ; S1 )P (S5 |S4 ; S3 ; S2 ; S1 )P (S6 |S5 ; S4 ; S3 ; S2

P (Stotal ) = Pn P (S)
1 1 1 1 1 1
P (Stotal ) = 6!
60 59 58 57 56 55
720
P (Stotal ) =
60.59.58.57.56.55
1
P (Stotal ) = = 0, 000001997%
50.063.860
A pbobabilidade de ganhar na MEGA-SENA e de 0, 000001997%, o
que significa necessitar de jogar no mnimo 50.063.860 de apostas
para ganhar uma u nica vez.

DISTRIBUIC HIPERGEOMETRICA
AO

Tamanho da populac
ao: N = 60
Sucesso da populac
ao: xt = 6
Tamanho da amostra: n = 6
Sucesso da amostra: x = 6
 31
(xt )(N xt )
x
P (X = x) = (Nnx
)
n
(6)(606)
P (X = 6) = 6
(6066
)
6
(6)(54)
P (X = 6) = (60)0
6

6
1
P (X = 6) = (60)
6
1
P (X = 6) = ( )
60!
(606)!6!

1
P (X = 6) =
50.063.860

SEM REPOSIC
AO
A distribuic
ao hipergeometrica pode ser interpretada como sendo um experi-
mento nao reposto, isto e, sem reposic
ao.

Exercise 14 Suponha uma caixa contendo 2 bolas vermelhas, 1 bola azul e 5

bolas brancas. Qual a probabilidade de retirar 2 bolas vermelhas? Sem reposic
ao
(vide exercicio 7)
Vamos pensar.....
(#Retirar2V ermelhasDeU mSubconjuntoDe2V ermelhas) (#RetirarN enhumaOutra)
P (2V ) =
#Retirar2BolasV ermelhasQuaisquerEmU mConjuntoDe8Bolas
C2,2 C(82),(22)
P (X = 2) =
C8,2
(2)(82)
P (X = 2) = 2
(822
) = 3, 57%
2
Ou seja, (xt )(N xt )
x
P (X = x) = (Nnx
)
n

Populac
ao: N = 8
Amostra: n = 2
Retiradas efetuadas: x = 2
Bolas vermelhas: xt = 2
Compare o resultado deste problema com o exerccio 6.
32

Exemplos aplicados nas

areas
TECNOLOGIA DA INFORMAC
AO: Suponha 12 arquivos. Um
subconjunto de 8 destes estao corrompidos e deverao ser reinstalados de-
morando em media 10 segundos. Ao escolher 10 arquivos aleatoriamente
para vericac
ao, qual a probabilidade de escolher 6 corrompidos? Quanto
tempo levara para conclusao da reinstalacao? O que o programa devera
informar ao usuario?

Tamanho da populacao: N = 12
Sucesso da populacao: xt = 8
Tamanho da amostra: n = 10
Sucesso da amostra: x = 6
(xt )(N xt )
x
P (X = x) = (Nnx
)
n

Aplicando os termos e, calculando...

(8)(128)
P (X = 6) = 6
(12)
106
= 42, 42%
10

A probabilidade de encotrar 6 arquivos defeituosos e de 42, 42% podendo

demorar um minuto, ou seja, o programa devera informar ao usuario que
a probabilidade de demorar um minuto e de 42, 42%.

ENGENHARIA DA PRODUC MECANICA:

AO De uma entrega
com 27 caixas foram misturadas 6 caixas com produtos defeituosos. Em
uma amostra de 4 caixas, qual a probabilidade de despachar uma caixa
de produtos defeituosos?

Tamanho da populacao: N = 27
Sucesso da populacao: xt = 6
Tamanho da amostra: n = 4
Sucesso da amostra: x = 1
(xt )(N xt )
x
P (X = x) = (Nnx
)
n

Aplicando os termos e, calculando...

(6)(276)
P (X = 1) = 1
(2741
) = 45, 7%
4

A probabilidade de despachar uma caixa com defeito em 4 caixas e de

45%.
 33

Distribui
cao Poisson
A distribuic
ao de Poisson e uma distribuicao parcialmente discreta e parcial-
mente contnua. e denido por:

x e
P (X = x) = sendo = t
x!
onde

e o coeciente de Poisson

e a esperanca E(X) da distribuicao.

x e o sucesso (discreto).

e e o n
umero de Euler (e=2,71828182818...).

Calcula-se pela esperanca a media e a variancia da distribuicao Poisson:

MEDIA:
E(X) =

VARIANCIA:
V AR(X) =

A distribuic
ao de Poisson e muito u
til em nos casos que dados discretos sao
atribudos em ambientes contnuos. Por exemplo, o bombardeio em uma area
aonde os lancamentos das bombas sao discretas na regiao, contnua, como e
a area. Outro exemplo seria um call-center onde a chegada de um telefonema
(discreto) aparece no decorrer da evolucao do tempo (contnuo). Portanto alguns
exemplos do uso da distribuic ao de Poisson sao:

Teoria da Fila: Call-Center, la em banco/supermercados, curto-circuitos,

epidemias...

Produc
ao: defeitos da linha de producao, teste de qualidade, entrada de
ensumos, sada de produtos...

Emiss
ao de partculas: tecnologia militar, radiacao, balstica, optica fsica...

Biometria: apontamento supercial, mensuracao biometrica...

Exercise 15 TEORIA DA FILA: O n umero medio da chegada das pessoas no

caixa de um banco e de = 0, 98 pessoas/minuto. Qual a probabilidade de
chegar exatamente 2 pessoas em quatro minutos?

= 0, 98 pessoas/minuto

t = 4 minutos

= t = 0, 98 4 = 3, 92 pessoas (Esperado em 4 minutos)

x=2
34

e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
3, 922 e3,92
P (X = 2) = = 0, 1524 = 15, 2%
2!
A probabilidade de chegar exatamente 2 pessoas nos pr oximos quatro minutos
no caixa e de 15, 2%.
Exercise 16 LINHA DE PRODUC A f
AO: abrica de fitas fez uma amostra do
produto utilizando-se uma fita de 420 metros. A finalidade da amostra e de
mensurar os possveis defeitos da fabricacao. Foram contados 68 falhas (pontos
ou buracos) na fita. Qual a probabilidade de encontar 2 defeitos em um metro
de fita na linha de produc
ao?
= 68
420 = 0, 161 defeitos/metro.
t = 1 metro de fita
= t = 0, 161 1 = 0, 161 defeito (Esperado em 1 metro de fita)
x = 2 defeitos
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
0, 1612 e0,161
P (X = 2) = = 0, 1114 = 1, 11%
2!
A probabilidade de encontrar exatamente 2 defeitos por metro na linha de produc
ao
e de 1, 1%.
Exercise 17 TECNOLOGIA MILITAR: Para analisar bombas V-1, na Se-
gunda Gerra Mundial, 576 regi oes no sul de Londres, com area de 0, 25km2
cada foram utilizadas no experimento. A area foi atingida por 535 bombas. Es-
colhida aleatoriamente uma regiao, determine a probabilidade de ser atingida
exatamente 2 vezes.
= 535
576 = 0, 929 impactos medio por regi
ao
t=1u
nica regi
ao
= t = 0, 929 1 = 0, 929 impactos (Esperado em 1 regi
ao)
x = 2 impactos
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
0, 9292 e0,929
P (X = 2) = = 0, 170 = 17, 1%
2!
A probabilidade de acertar exatamente 2 bombas na regi ao delimitada foi de
17%.
 35

Exemplos aplicados nas

areas
ENGENHARIA MECANICA: Em uma linha de producao verica-
se a existencia de em media uma falha a cada 400 metros de perl de
alumnio. Qual a probabilidade de encontrar exatamente 3 falhas na fa-
bricac
ao de 1000 metros de perl?
1
= 400 = 0, 0025 falhas/metro
t = 1000 metros de perl
= t = 0, 0025 1000 = 2, 5 falhas (Esperado em 1000 metros de
perl)
x = 3 falhas
e e o numero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
2, 53 e2,5
P (X = 2) = = 0, 2137 = 21, 37%
3!
A probabilidade de encontrar exatos 3 defeitos de fabricacao em 1000
metros de perl e de 21, 3%.
FABRICAC MECANICA:
AO Um bloco de folha de metal foram per-
furados erradamente 18 folhas, dado um bloco de 250 folhas. Qual a pro-
babilidade de encontrar exatamente 80 falhas na perfuracao de 5 folhas
em um bloco unico?
18
= 250 = 0, 072 falhas/folhas-bloco
t = 5 250 = 1250 folhas
= t = 0, 072 1250 = 90 falhas (Esperado em 1250 folhas)
x = 80 falhas
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
908 0e90
P (X = 2) = = 0, 0250 = 25, 0%
80!
A probabilidade de encontrar exatos 80 falhas noa perfuracao dos blocos
e de 25, 0%.
PSICOLOGIA: O dist urbio da fobia por aranhas (aracnofobia), ocorre
em pessoas com historicos de acidentes graves logo na infancia. Se du-
rante o tempo de reproduc
ao destes animais que, em torno de 60 dias do
ver
ao (segunda metade de dezembro ate a primeira metade de fevereiro), o
aumento populacional das aranhas inevitavelmente tara o contato com os
seres humanos. Na literatura, uma pessoa qualquer fara o contato, nesta
epoca reprodutiva, uma media de 2,8 contatos/dia. Qual a probabiliade
de uma pessoa apresentar o surto da fobia 6 vezes durante 3 dias?
36

= 2, 8 surto-contato/dia
t = 3 dias
= t = 2, 8 3 = 8, 4 surto-contato (Esperado em 4 dias)
x = 6 surto-contato
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
8, 46 e8,4
P (X = 2) = = 0, 1097 = 10, 97%
6!
A probabilidade da pessoa apresentar a fobia de aranhas 6 vezes durante
3 dias e de 10, 97%.

TRANSPORTE: A empresa de transporte TRANPOLIM abastece 52

cidades. Durante uma semana 14,49 caminhoes bi-trem chegam ate esta
unidade operacional sem formar las. Qual a probabiliade de 7 caminhoes
chegarem em 2 dias e comecar a gerar las? Se a probabilidade for maior
do que 23% gera-se la.
14,49
= 7 = 2, 07 bi-trens/dia
t = 2 dias
= t = 2, 07 2 = 4, 14 bi-trens (Esperado em 2 dias)
x = 7 caminhoes bi-trem
e e o n
umero de Euler (e=2,71828182818...).
x e
P (X = x) =
x!
4, 147 e4,14
P (X = 2) = = 0, 0658 = 6, 58%
7!
A probabilidade de chegar 7 caminhoes bi-trem em 2 dias e de 6, 58%,
portanto provavelmente nao gerara las.
Lista de Exerccios

Probabilidade
Teoria
Responda o que se pede:
1. Quais os tipos de interpretacao probabilstica?
2. O que e um evento?
3. Qual a diferenca entre evento e espaco amostral?
4. Dena o espaco amostral .
Dena matematicamente.
1. Sigma-Algebra
2. Espaco Amostral
3. Vari
avel Aleatoria
4. Probabilidade
Interprete com as suas proprias palavras
1. Sigma-Algebra
2. Espaco Amostral
3. Vari
avel Aleatoria
4. Probabilidade
Dado o segunte experimento: Jogar um dado de seis faces:
1. Dena o espaco amostral
2. Qual a vari
avel aleatoria X?
3. Dena o Sigma-Algebra

37
38

4. Teste os axiomas probabilsticos:

AXIOMA 1. P (A) 0
AXIOMA 2. P () = 1
AXIOMA3-1. Aditividade
n Finita: Se Ai A sao disjuntos (2,2);
n
ent
ao P ( k=1 Ak ) = i=1 P (Ak )
AXIOMA 3-2. -aditividade:
( n )

n
limn P Ak = limn P (Ak )
k=1 i=1

Problemas
Teorema da Soma e Mutuamente excludentes e Mutuamente n
ao ex-
cludentes
Responda se os eventos sao mutuamente excludentees ou nao:
1. Jogar uma moeda e retirar cara ou coroa.
2. Tirar um 4 ou um 6 ao lancar um dado.
3. Jogar uma moeda, retirar cara e depois lancar um dado e retirar o valor
4.
Calcule as probabilidades:
1. Calcule a probabilidade de jogar uma moeda e retirar cara ou coroa.
2. Calcule a probabilidade de tirar um 4 ou um 6 ao lancar um dado.
3. Calcule da probabilidade de jogar uma moeda, retirar cara e depois lancar
um dado e retirar o valor 4.

Teorema da Multiplica
cao e depend
encia e independ
encia
Responda se os eventos sao dependentes ou nao:
1. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, sem reposicao.
2. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, com reposicao.
3. Jogar uma moeda, retirar cara e depois lancar um dado e retirar o valor
4.
Calcule as probabilidades:
1. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, sem reposicao.
 39

2. Uma urna com 2 bolas brancas, 3 verdes e 1 vermelha retirar uma bola
verde dado que foi retirada uma bola branca, com reposicao.

3. Jogar uma moeda, retirar cara e depois lancar um dado e retirar o valor
4.

Casos Mistos
Calcule as probabilidades

1. Uma urna contem 3 bolas vermelhas, 4 azuis e 2 brancas. Qual a proba-

bilidade de:

Retirar uma bola vermelha

Retirar uma bola vermelha ou uma azul
Retirar uma bola vermelha e uma branca
Retirar duas bolas brancas
retirar uma bola verde

2. Uma urna contem 2 bolas verdes, 3 azuis, 2 vermelhas e 1 branca. Qual a

probabilidade de:

Retirar uma bola vermelha, dado que foi retirada uma verde (sem
reposic
ao)
Retirar uma bola verde, dado que foi retirada uma vermelha (sem
reposic
ao)
A ordem nos dois topicos acima alterou o resultado?
Retirar uma bola vermelha, dado que foi retirada uma verde (com
reposic
ao)
Retirar uma bola verde, dado que foi retirada uma vermelha (com
reposic
ao)
A ordem nos dois topicos acima alterou o resultado?

Problemas Aplicados
1. O administrador entrevistou 50 funcionarios. Destes 12 nao querem fazer
hora extra, 34 nao se importam de fazer hora extra e 4 nao responderam:

Desenhe pelo diagrama de Venn (teoria dos conjuntos) a formatacao

do problema.
Qual a probabilidade de escolher um funcionario que nao quer fazer
hora extra.
Qual a probabilidade de escolher um funcionario que nao quer fazer
hora extra ou nao se importam de fazer hora extra.
40

Qual a probabilidade de escolher um funcionario que nao quer fazer

hora extra e nao se importam de fazer hora extra.

2. Um contador informou ao administrador que das 120 folhas de notas s-

cais, 14% destas estavam erradas, 20% destas estavam quase certas - com
algumas ressalvas, 2% estavam certas porem rasuradas, 4% com rasuras e
o restante certas.

Qual a probabilidade de retirar uma nota scal rasurada ou certa?

Em uma amostra retirar uma nota scal certa, dado que retirou uma
nota scal errada? Sem reposicao.
Retirar duas notas scais quase certas?
Retirar, com reposicao, 2 notas certas e 1 nota quase certa.
Retirar, sem reposicao, 2 notas erradas e 1 nota quase certa.
Retirar, com reposicao, no primero momento, 2 notas certas e 1 nota
quase certa ou retirar, sem reposicao, no segundo momento, 2 notas
erradas e 1 nota quase certa.

3. Um engenheio eletronico, responsavel pelo balanco de pecas da empresa,

constatou: 1200 caixas de diodos IN 4004, 1120 caixas de tiristores, 750
caixas de capacitores eletrolticos, 1300 caixas de resistores de baixa potencia,
40 caixas de autotransformador, 500 caixas de diodos com tiristoes, 410
caixas de resistores de baixa potencia com capacitores.

Qual a probabilidade de retirar 1 caixa de diodos IN 4004?

Qual a probabilidade de retirar 1 caixa de diodos ou 1 caixa de tiris-
tores?
Retirar uma caixa de resistores de baixa potencia e 1 caixa de capa-
citores?
Retirar 2 caixas de capacitoes eletrilticos dado que retirou uma caixa
de de resistores de baixa potencia com capacitores, sem reposicao.

Probabilidade II
Teoria
Qual a nalidade do uso das distribuicoes abaixo:

1. Birnouli

2. Binomial

3. Hipergeometrica

4. Poisson
 41

Distribuic
ao Formula Media E(X) Variancia VAR(X)
Birnouli
Binomial
Hipergeometrica
Poisson

Tabela 5: Resumo

Preencha o quadro acima:

Complete ou melhore a frase

1. A distribuic
ao birnouli e a mais (simples/diccil) de todas as distribuicoes

2. A distribuic
ao Binomial, tem este nome devido `a expansao (............)

3. Hipergeometrica e a distribuicao apropriada na aplicacao de eventos (com/sem)

reposic
ao.

4. Poisson e a distribuic
ao mais utilizada no meio insustrial devido a sua
utilizac
ao nos processo de (..........) de qualidade.

Problemas
Distribui
cao birnouli
Calcule a probabilidade:

1. Ao jogar uma moeda nao honesta onde a probabiliade de sair cara e de

3/4. Calcule a probabilidade de retirar uma coroa.

2. Ao jogar uma moeda honesta onde a probabiliade de sair cara e de 1/2.

Calcule a media e a vari
ancia do evento.

3. Joga-se um dado de outo faces (dado piao). Qual a probabilidade de sair

a face 2?

Distribui
cao binomial
Calcule as probabilidades:

1. Joga-se 5 moedas identicas. Qual a probabilidade de sair 2 coroas?

2. Joga-se a mesma moeda 6 vezes. Qual a probabilidade de sair a metade

cara?

3. P (X = 4), com n = 9, p = 2/3.

4. P (X 5), com n = 6, p = 1/2.

5. P (X = 5), com n = 5, p = 1/5.

42

6. P (2 X 4),

7. P (X = 4), com n = 5, p = 2/3. com n = 6, p = 1/3; calcule a media e a

vari
ancia do processo.

8. P (X 4), com n = 5, p = 0, 25; calcule a media e a variancia do processo.

9. P (X = 0), com n = 2, p = 1/2; calcule a media e a variancia do processo.

Distribui
cao Hipergeom
etrica
Calcule as probabilidades:

1. Um tanque com 27 pescados, sendo que 9 peixes sao mais frescos. Qual a
probabilidade do cliente escolher 8 peixes sendo 2 peixes frescos?

2. A empreiteira contratou 40 funcinarios sendo 18 marceneiros. Uma curso

de capacitac
ao dos funcionarios escolheu 12 trabalhadores, qual a proba-
bilidade de 5 marceneiros participarem do curso? Alem disso, calcule a
media e a vari
ancia do evento.

3. Uma urna com 2 bolas vermelhas, 1 verde e 4 amarelas. O que e mais

provavel, retirar 1 bola vermelha ou retirar 2 bolas amarelas? (sem re-
posic
ao)

4. Percia criminal: um perito contabil imagina que o acusado desviou 7

tipos de impostos num total de 12, de acordo com a lei. O perito man-
dou amostrar uma quantidade de 4 impostos para saber se a metade dos
impostos escolhidos foram desviados, caraterizando assim o estelionato.
Qual a probabilidade do perito escolher dois dos impostos desviados? Se
a probabiliade for acima de 40% o acusado e estelionatario. Alem disso,
calcule a media e a variancia do evento.

5. P (X = 3); N = 10, n = 4, Xt = 5

6. P (X 4), com N = 6, n = 5, Xt = 1.

7. P (2 X 4), com N = 8, n = 6, Xt = 3.

Distribui
cao Poisson
Calcule as probabilidades:

1. Os aeroportos brasileiros apresentam problemas serios referentes `a la.

Se durante um unico dia um grande aeroporto registra 3,186 pousos por
minuto, qual a probabilidade de em 20 minutos registrar 60 pousos? Se
a probabilidade for menor do que 60% o cliente pode correr o risco de
esperar muito mais do que manda a lei.
 43

2. Numa linha de produc ao, 6% das pecas sao defeituosas. As pecas sao
condicionadas em 20 unidade R$10, 00 se em uma caixa houver 3 ou mais
pecas defeituosas. Quanto representa o custo de idenizacaod e cada peca.
Dado: (0, 94)1 0 0, 539

3. Uma rede computacional recebe 0,9798 conexoes por minuto. Qual a pro-
babilidade de 2 conexoes estarem ativas quando o tempo de conexao for
de 30 segundos? Qual a media e a variancia na quantidade das conexoes.
4. Uma caneta a laser usada em cirugia dispara 5.827 pontos por segundo.
Em uma area da pele de 2 cm2 o sistema optico sudivide a mesma area
em 980 quadriculados para nao repetir o disparo na mesma regiao acima
de 6 vezes. A area atingida deve preenchida em 99, 998% da area total.
Como a mao do cirurgiao oscila ao usar a caneta, determine a probabiliade
de atingir a mesma regiao acima de 6 vezes? Sujestao: P (X > 6) =
1 P (X 6).

5. P (X = 3); = 0, 4
6. P (X = 4); = 1, 2, t = 2

7. P (X 3); = 0, 5
8. P (2 X 4); = 0, 25; t = 10