Questões

Prof. Eduardo F. Costa

1) Em uma certa fábrica existem dois tipos de máquinas produzindo, A e B. As
proporções dos números de falhas para cada tipo de máquina é dada na Tabela 1.

N. f alhas A B

0 0, 3 0, 4
1 0, 2 0, 3
2 0, 2 0, 2
3 0, 15 0, 05
4 0, 15 0, 05

Tabela 1: Proporções de falhas para cada máquina.

Pede-se:

(a) Qual é a probabilidade de que tanto A como B tenham exatamente 3 falhas

cada?

(b) Qual é a probabilidade de que A e B tenham o mesmo número de falhas?

(c) Qual é a probabilidade de que o total de falhas não exceda 3?

2) Um lote contém n peças, das quais q são defeituosas. Entre as peças defeituosas,
encontram-se r peças tão defeituosas que são impróprias para o uso. Se fizermos
uma inspeção ao acaso (sem ordem pré-estabelecida), uma a uma, qual é a proba-
bilidade de que a penúltima peça imprópria seja encontrada na k-ésima inspeção?

3) Para um certo tipo de transformador, a probabilidade de haver n + 1 falhas du-

rante um certo perı́odo de tempo é a metade da probabilidade de haver n falhas.
Pede-se:

(a) Qual é a probabilidade de que haja um número impar de falhas?

(b) Qual é, aproximadamente, o número de falhas esperado?

4) Na fabricação de lingotes de 1kg de um tipo de mineral muito caro, a concentração

do minério é medida através de um sensor. Como resultado desta medição, obteve-
se a f.d.p. abaixo:
(
cx2 (1 − x) 0 ≤ x ≤ 1
f (x) = (1)
0 caso contrário.
onde c é uma constante a ser determinada.
Entretanto, o sensor apresenta uma não linearidade: a saı́da obtida é igual ao
quadrado da entrada (obs: lembre-se que a fdp acima corresponde à saı́da do sen-
sor!).
O lucro alcançado no mercado
√ por cada lingote é uma função da concentração
real do minério: L = 1000 Y , sendo Y a concentração real.
Pergunta-se: qual é o lucro esperado por lingote?

5) Em uma central de telefones, há cinco equipamentos atendendo chamadas. Cada

equipamento comete um certo número de erros, fazendo com que a chamada dire-
cionada a ele não seja atendida. A proporção do tráfego e a proporção de falhas é
dada pela Tabela 2. Qual é a probabilidade de que uma chamada não seja atendida?

Equipamento Fração do tráfego Fração de cham. não atendidas

1 0, 3 1/100
2 0, 2 1/100
3 0, 2 2/100
4 0, 2 2/100
5 0, 1 4/100

Tabela 2

6) Suponha que, na questão 1, a probabilidade de que uma chamada não seja aten-
dida é de 0,001. Pede-se:

(a) Qual é a probabilidade de que, em 100 chamadas, haja não mais que 3 não
atendidas?
(b) Considerando um total de 100 chamadas, qual é o número esperado de cha-
madas não atendidas?

7) Um sistema de computadores usa o bit de paridade para conferir se os dados que

chegam estão corretos. Isto funciona da seguinte maneira: no emissor, conta-se o
número de ‘1’ que aparece nos primeiros 7 bits e, se este número for par, define-se
o oitavo bit como sendo 0; se este número for impar, define-se o oitavo bit como
sendo 1. Veja a Figura 1.
Sabe-se que há uma probabilidade de 0, 01 de que um bit enviado como sendo
‘1’ chegue ao receptor como sendo ‘0’. Sabe-se também que ‘1’ é duas vezes mais
freqüente do que ‘0’. (Leve em conta esta hipótese para o bit de paridade, também.)
Pergunta-se:

(a) Qual é a probabilidade de que, em 100 bytes (palavras de 8 bits), haja mais
que 3 erros não detetados pelo receptor?
 emissor receptor
1 1
1 0
0 0
1 transmissão 1
0 0
1 1
0 0
0 bit de paridade 0

Figura 1: Sistema de transmissão usando bit de paridade

(b) Qual é o número de bytes com erros não detetados, em valor esperado, em n
bytes?

8) Um certo tipo de liga é composto de dois minerais, A e B. Na fabricação de

lingotes de 1kg desta liga, a concentração destes minerais é dada pela v.a. conjunta
(X,Y ), com X e Y referindo-se a concentração do mineral A e B respectivamente.
A f.d.p. é dada por:
(
c − x2 − y2 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
f (x, y) = (2)
0 caso contrário.
onde c é uma constante a ser determinada.
O lucro alcançado no mercado
√ por cada lingote é uma função da concentração
do minério A apenas: L = 100 X.
Pergunta-se: qual é o lucro esperado por lingote?

Soluções Detalhadas
Solução da 1)
Sejam os eventos
Ai : i falhas na máquina A;
Bi : i falhas na máquina B, i = 0, . . . , 4.
Assumimos que o número de falhas de uma máquina não interfira no número de
falhas da outra, i.e., os eventos Ai e B j são independentes, ∀i, j.
a)
P(A3 ∩ B3 ) = P(A3 )P(B3 ) = 0, 15 ∗ 0, 05 = 0, 075.
b) Notando que (Ai ∩ Bi ) e (A j ∩ B j ), i 6= j, são independentes, e empregando a
independência entre as máquinas, escrevemos:
P((A0 ∩ B0 ) ∪ · · · ∪ (A4 ∩ B4 )) = P(A0 ∩ B0 ) + · · · + P(A4 ∩ B4 )
 = P(A0 )P(B0 ) + · · · + P(A4 )P(B4 ) = 0, 235.
c) Similarmente ao item (b), escrevemos:

P((A0 ∩ B0 ) ∪ (A0 ∩ B1 ) ∪ (A0 ∩ B2 ) ∪ (A0 ∩ B3 ) ∪ (A1 ∩ B0 ) ∪ (A1 ∩ B1 )

∪ (A1 ∩ B2 ) ∪ (A2 ∩ B0 ) ∪ (A2 ∩ B1 ) ∪ (A3 ∩ B0 ))
= P(A0 ∩ B0 ) + . . . + P(A3 ∩ B0 ) = 0, 665

Solução da 2)
Note que podemos considerar apenas peças ‘próprias’ e ‘impróprias’, respectiva-
mente n − r e r.
Por argumentação, considere a seguinte seqüência de inspeções, onde o evento
Di significa ‘i-ésima peça defeituosa’.

D1 D D D D D D D
k-1 k k+1

A probabilidade deste evento é dada por (omitindo os detalhes):

r r−1 r−r+1 n−r 1
P(Dk )P(Dk+1 |Dk )P(Dk−1 |Dk , Dk+1 ) · · · =
··· ···
n n−1 n−r+1 n−r 1
µ ¶−1
r r−1 1 r!(n − r)! n
= ··· = =
n n−1 n−r+1 n! r
Agora, note que podemos escrever a ‘palavra’ acima de várias formas dife-
rentes, preservando a penúltima peça defeituosa na k-ésima posição. De fato, em
relação a última peça defeituosa, temos que ela pode se encontrar em qualquer
uma das n − k peças restantes; com respeito às r − 2 peças defeituosas restantes,
elas podem ser distribuidas nas k − 1 posições iniciais. Finalmente, escrevemos:
µ ¶ µ ¶−1
r−2 n
P(‘penúltima peça na k-ésima’) = (n − k)
k−1 r

Solução da 3)
Seja X o número de falhas. De acordo com os dados, temos: P(X = n + 1) =
P(X = n). Assumimos n ≥ 0. Note que

P(X = 1) = 1/2P(X = 0);

P(X = 2) = 1/2P(X = 1) = 1/4P(X = 0).

Generalizando,
1
P(X = n) = P(0).
2n
Claro, a probabilidade de que um número qualquer de falhas ocorra deve ser igual
a 1, ou seja,
∞ ∞
1 1
1 = P(0 ≤ X < ∞) = ∑ P(X = n) = ∑ 2n P(X = 0) = P(X = 0) 1 − 1/2 ,
n=0 n=0

de onde vem que

1
P(X = 0) = 1/2 e que P(X = n) =
2n+1
a)
∞ ∞ ∞
1 1
P(‘n. impar de falhas’) = ∑ P(X = 2n + 1) = ∑ 2(2n+1)+1 = ∑ 4n+1
n=0 n=0 n=0

∞
1 1 1
= (1/4) ∑ = (1/4) =
n=0 4n 1 − 1/4 3
b)
∞ ∞
1 1 ∞ n
E(X) = ∑ nP(X = n) = ∑n 2n+1
= ∑ 2n .
2 n=0
n=0 n=0

Sob o ponto de vista da disciplina SCE119, não é necessário resolver a série.

Vamos resolver um caso mais geral: ∑∞ n=0 rn , r ∈ ℜ. Vamos empregar o argu-
n

mento de que um número inteiro é a média entre o inteiro que o precede e o inteiro
que o sucede, ou seja, (n − 1) − 2n + (n + 1) = 0. Note que podemos empregar esta
idéia na série, fazendo com que esta ponderação apareça em termos com mesma
potência, multiplicando a série por r−2 − 2r−1 + r0 :

(r−2 − 2r−1 + r0 ) × (r−1 + 2r−2 + 3r−3 + . . .) =

= r−1 (1) + r−2 (2 − 2) + r−3 (3 − 2.2 + 1) + r−4 (4 − 2 .3 + 2) + . . . = r−1 .

Ou seja, temos:
∞
n r−1 r
∑ rn r−2 − 2r−1 + r0 = (r − 1)2 ,
=
n=0

levando a
1 ∞ n 1 2
E(X) = ∑
2 n=0 2n
=
2 (2 − 1)2
=1

Solução da 4)
O primeiro passo consiste em levantar o valor de c . Para isto, forçamos a f.d.p. a
atender o segundo axioma de f.d.p,
Z ∞ Z 1
1= f (x)dx = cx2 (1 − x) = c(1/12)
−∞ 0
de onde vem que
c = 12.
Segundo passo: escrever L em função de X. Note que do enunciado podemos
escrever X = Y 2 , e assumindo X,Y ≥ 0 (tratam-se de concentrações), encontramos:

Y = X 1/2 .

Como L = 103Y 1/2 , obtemos L em função de X:

L = 103 X 1/4 .

Terceiro passo: Para encontrar o valor esperado de L, precisamos (levando em

conta até onde avançamos na matéria) da fdp. de L . Levantemos a função de
probabilidade acumulada, denotada aqui por G(`).
Para ` < 0 temos G(`) = P(L ≤ `) = P(0) / = 0.
Para 0 ≤ ` ≤ 103 temos:
Z `4 /1012
3 1/4 4 12
G(`) = P(L ≤ `) = P(10 X ≤ `) = P(X ≤ ` /10 ) = f (x)dx.
−∞
Z `4 /1012
`12 `16
= 12 x2 − x3 dx = 12 −
0 3.1036 4.1048
Para ` > 103 ,
G(`) = P(L ≤ `) ≤ P(X ≤ 1) = 1
Derivando, obtemos:
48`11 48`15
g(`) = − 48 , 0 ≤ ` ≤ 103 .
1036 10
Quarto passo: calcular o valor esperado:
Z ∞ Z 103
48`12 48`16
E(L) = `g(`)d` = − dx
−∞ 0 1036 1048
µ ¶
3 1 1
= 48.10 − ≈ 868, 8.
13 17

Solução da 5)
Sejam os eventos

Ai : chamada é atendida pelo equipamento i; i = 1, . . . , 5

F : chamada não é atendida.

Do Teorema da probabilidade total, encontramos:

P(F) = P(F|A1 )P(A1 ) + . . . + P(F|A5 )P(A5 ) =

= (1/100)(0, 3) + . . . + (4/100)(0, 1) = 1, 7/100

Solução da 6)
Vamos definir X como sendo o número de chamadas não atendidas. Assumamos
que a probabilidade de que uma chamada não seja atendida é sempre de 0,001; o
fato de uma chamadas ser (ou não) atendida não influencia, e nem é influenciada,
pelo fato de outra chamada ser (ou não) atendida.
Nesta situação, temos que X é uma va. com distribuição binomial com parâmetros
n = 100 e p = 1/1000 e, assim sendo,
µ ¶
100
P(X = k) = (1/1000)k (999/1000)100−k .
k

a)
3 µ ¶ 3
n
P(X ≤ 3) = ∑ P(X = k) = ∑ (1/1000)k (999/1000)100−k .
k=0 k=0
k
Já que n >> 1 e p << 1, podemos também aproximar a distribuição binomial pela
de Poisson com parâmetro α = np = 0, 1; fazendo isto, obtemos:
3 3
e−0,1 (0, 1)k
P(X ≤ 3) = ∑ P(X = k) ≈ ∑ k!
k=0 k=0

b) Sendo X uma v.a. com distribuição binomial, temos

E(X) = np = 0, 1.

Observação: note que se empregarmos a aproximação pela Poisson, ainda teriamos

exatamente E(X) = α = 0, 1; com isto, concluimos que esta aproximação não gera
quaisquer ‘erros’ quanto ao valor esperado.

Solução da 7)
Apresentamos aqui a solução com a hipótese de que a probabilidade de o bit de pa-
ridade ser 1 é o dobro da de ser 0, mimetizando o que ocorre com os bits ‘normais’.
A solução sem esta hipótese encontra-se no final do texto.
Iniciamos encontrando a probabilidade de um bit ser recebido errado. Sejam
os eventos:

Be : bit recebido errado; B1 : bit = 1; B0 : bit = 0.

Do enunciado, vem facilmente que P(B1 ) = 2/3 (de forma que P(B1 ) = 2P(B0 ) e
que P(B1 ) + P(B0 ) = 1). Empregando o teorema da probabilidade total, temos:

P(Be ) = P(Be |B0 )P(B0 ) + P(Be |B1 )P(B1 ) = 0 + 0, 01.2/3 = 2/300

Sejam o evento
E : ‘erro não detetado em 1 byte’
e as v.a.s:

X = n. de bits errados em 1 byte; Y = n. de bytes errados

onde ‘bits errados’ envolve tanto os bits ‘normais’ (ou de ‘dados’) como o bit de
paridade. Dos dados, temos que 0 ≤ X ≤ 8.
Note que, em um byte, ocorre um erro não detetado se e somente se o número
de bits errados for par (e maior que zero, claro). Assim sendo, temos:

P(E) = P(X = 2 ∪ X = 4 ∪ X = 6 ∪ X = 8)

= P(X = 2) + P(X = 4) + P(X = 6) + P(X = 8)

onde, na última desigualdade, empregamos o fato de que os eventos X = i e X = j
são disjuntos, i 6= j. A va. X é binomial com parâmetros n = 8 e p = P(Be ) =
2/300. Então,
4 µ ¶
4
8
P(E) = ∑ P(X = 2k) = ∑ (2/300)2k (298/300)8−2k .
k=1 k=1
2k

Numericamente, obtemos P(E) ≈ 1, 2 × 10−3 . Denotaremos este número por

q = P(E).

Observação 1. É interessante notar que, se o sistema não usar o bit de paridade,

a probabilidade de haver um erro em um byte é de ∑8k=1 P(X = k) ≈ 5, 2 × 10−2 .
Assim, nas condições do enunciado, o sacrifı́cio de apenas 1 bit reduz aproxima-
damente 40 vezes a probabilidade de haver um byte errado não detetado.

a) A va. Y é binomial, já que o fato de um byte ser recebido errado não influencia
outro byte; a probabilidade de um byte ser recebido errado é constante e igual a q.
Considerando n = 100 bytes, temos que Y é binomial com parâmetros n e p = q, o
que leva a: µ ¶
100 k
P(Y = k) = q (1 − q)100−k .
k
Enfim, temos:
µ ¶
3
100 k
P(4 ≤ Y ≤ 100) = 1 − P(Y ≤ 3) = 1 − ∑ q (1 − q)100−k .
k=0
k

b)Lembrando que Y é binomial com parâmetros n e p = q, obtemos E(Y ) = np =

nq.
Solução da 8)
O primeiro passo consiste em enocntrar c. Fazemos isto forçando que a fdp.
satisfaça o segundo axioma de fdp:
Z ∞Z ∞ Z 1Z 1
2 5
1= f (x, y)dxdy = c − x2 − y2 dxdy = c − ⇒c= .
−∞ −∞ 0 0 3 3
O segundo passo é encontrar a função densidade marginal de X:
Z ∞ Z 1
4
fX (x) = f (x, y)dy = 5/3 − x2 − y2 dy = − x2 , 0≤x≤1
−∞ 0 3
Agora, no terceiro passo, encontramos a fdp de L = 100X 1/2 .
/ = 0.
a) ` < 0: G(`) = P(L ≤ `) = P(0)
b) 0 ≤ ` ≤ 102 :

G(`) = P(L ≤ `) = P(100X 1/2 ) = P(X ≤ `2 /104 )

Z `/104
4`2 `6
= 4/3 − x2 dx = − .
0 3 104 3 1012
c) ` > 102 :
G(`) = P(L ≤ `) ≥ P(L ≤ 100) = 1 ⇒ G(`) = 1.
Derivando G(`), encontramos:

8` 6`5
g(`) =
− , 0 ≤ ` ≤ 100.
3 104 3 1012
Finalmente, calculamos E(L):
Z ∞ Z 100 µ ¶
8` 6`5 8 2
E(L) = `g(`)d` = ` − d` = 100 − .
−∞ 0 3 104 3 1012 9 7

Observação 2. Apresentamos, para o exercı́cio 3, a solução que leva em conta o

cálculo da probabilidade do bit de paridade ser 0 ou 1.
Aqui, os eventos Be , B1 e B0 referem-se apenas aos bits de dados; analoga-
mente, X refere-se apenas ao número de bits de dados com erros; 0 ≤ X ≤ 7.
Definimos os eventos:

B pe : bit de paridade recebido errado; B p1 : bit de par. = 1; B p0 : bit de par. = 0

e a v.a.
Y = n. de bits de dados iguais a 1.
Iniciamos calculando P(B p0 ). O bit de paridade é zero quando Y = 0,Y =
2,Y = 4,Y = 6, ou seja, P(B p0 ) = P(Y = 0,Y = 2,Y = 4,Y = 6). Omitindo os
detalhes, temos que Y também é uma va. binomial, e encontramos:
3 3 µ ¶
7
P(B p0 ) = ∑ P(Y = 2k) = ∑ (2/3)2k (1/3)7−2k ≈ 0, 50.
k=0 k=0
2k
Claro,
P(B p1 ) = 1 − P(B p0 ) ≈ 0, 50.
Agora calculamos P(E|B p0 ). Temos
3
P(E|B p0 ) = P(X = 2 ∪ X = 4 ∪ X = 6|B p0 ) = ∑ P(X = 2k)
k=1

3µ ¶
7
=∑ (2/300)2k (298/300)7−2k ≈ 9, 03 × 10−4 .
k=1
2k
O cálculo de P(E|B p1 ) é mais complicado, pois temos que levar em conta
a possibilidade de o bit de paridade ser recebido corretamente ou não. Temos,
omitindo detalhes:
³ ´
P(E|B p1 ) = P (X = 2 ∪ X = 4 ∪ X = 6) ∩ B̄ pe |B p1
³ ´
+P (X = 1 ∪ X = 3 ∪ X = 5 ∪ X = 7) ∩ B pe |B p1

mas,para o primeiro termo podemos escrever

³ ´
³ ´ P (X = 2 ∪ X = 4 ∪ X = 6) ∩ B̄ pe ∩ B p1
P (X = 2∪X = 4∪X = 6)∩ B̄ pe |B p1 =
P(B p1 )

P(X = 2 ∪ X = 4 ∪ X = 6)P(B̄ pe ∩ B p1 )
= = P(X = 2∪X = 4∪X = 6)P(B̄ pe |B p1 ).
P(B p1 )
Procedendo de forma similar para o segundo termo, e substituindo, encontramos:

P(E|B p1 ) = P(X = 2 ∪ X = 4 ∪ X = 6)P(B̄ pe |B p1 )

+P(X = 1 ∪ X = 3 ∪ X = 5 ∪ X = 7)P(B pe |B p1 )
≈ 9, 03 × 10−4 0, 99 + 4, 48 × 10−2 0, 01 ≈ 1, 34 × 10−3 .
Finalmente,
P(E) = P(E|B p1 )P(B p1 ) + P(E|B p0 )P(B p0 )
≈ 1, 12 × 10−3 .
O restante da questão segue como no texto, agora com q = P(E) ≈ 1, 12 × 10−3 .