Você está na página 1de 42

_____________________________________________________________________

UERGS – Engenharia de Computação

UERGS

Engenharia de Computação

Probabilidade & Estatística


2019

Adriane Parraga

1
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

2
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

CÁLCULO DE MÉDIA E DESVIO PADRÃO

EXERCÍCIO:
As trincas em aço e ferro causadas por fadiga de correção cáustica foram estudadas em decorrência
em falhas em rebites de caldeiras de aço e em rotores a vapor. Considere as observações a seguir sobre x=
comprimento da trinca (m) como resultado de testes de fadiga por corrosão devido a cargas constantes em
amostras de barra de tração lisas durante um período de tempo fixo. Encontre o valor médio destas medidas e
o desvio padrão.

Com Solução:
Xi Valor (x-xmed)2 Ou forma alternativa:  x2
X1 16.1 10.24 259.21
X2 9.6 94.09 92.16
X3 24.9 31.36 620.01
X4 20.4 1.21 416.16
X5 12.7 43.56 161.29
X6 21.2 3.61 449.44
X7 30.2 118.81 912.04
Soma 135.1 Sxx= 302.88 Soma 2910.31
Média 19.3 S2= 50.48 Sxx 302.88
S= 7.104 S=
2 50.48

S= 7.104

3
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

FORMULÁRIO PARA AS PROVA – Disciplina de Probabilidade e estatística


Média amostral para n Variância amostral: Desvio padrão amostral:
amostras: x1, x2, … xn: S 1 n
S 2  XX    xi  x  s  s2
2
n
x n  1 n  1 i 1
x  i
i 1 n
1   x 2 
  xi2   i 
S2 
n  1  n 

Média populacional N: Variância populacional: Desvio padrão populacional:


1 N 1 N
   xi  2    xi    1 n
2

N i 1 N i 1   2   ( xi  x )2
n  1 i 1

freqüência observada A probabilidade condicional de um evento A


Probabilidade= p  dado a ocorrência do evento B é definida por:
n
 P(A’)= 1 - P(A) P(A  B)
P(A | B) =
P(B)
 P(A  B) = P(A) + P(B) – P(A B)
Se A e B são dois eventos mutuamente excludentes, isto P(A  B)  P(A | B).P(B)  P(B | A).P(A)
é, A B= então: P(A  B)= P(A)+ P(B)
Em geral: Se A1, A2, A3, ..., An são eventos disjuntos Dois eventos A e B são independentes se a
de tal que Ai  Aj = para todo ij, então: ocorrência de um deles não interfere a
probabilidade de ocorrência do outro:
P(A1 A2... An)= P(A1) + P(A2)+...P(An)  P(AB)=P(A)*P(B)

Regra da Probabilidade Total Teorema de Bayes


n
P Ai   PB | Ai  P Ai   PB | Ai 
PB    PB  Ak  P Ai | B    n

 P A   PB | A 
k 1 P( B)
k k
Onde k 1
PB  Ak   P Ak   PB | Ak 

Média de uma variável Aleatória x: Variância de uma variável Aleatória x:


  E ( X )   xi  f ( xi )  2  V ( X )   ( xi   ) 2  f ( xi )

4
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

Distribuição Binomial: Distribuição Lembrando que...


n Geométrica: n n!
f  x     p x  1  p 
n x
Combinação    
f  x   p  1  p 
x 1
 x  x  x ! n  x !
para x  0,1, 2,3, , n 1
Send   E  X   ;
Sendo:   E  X   np p f(x) é a função densidade de
probabilidade
 2  V  X   np 1  p  . 1 p
 2 V X   2 .
p
Variáveis Aleatórias contínuas
Seja f(x) a função densidade de Esperança da VA x :
probabilidade 
b  x  E ( X )   x  f ( x)dx
P (a  X  b)   f ( x)dx 
a
x Variância da VA x:
F ( x)  P( X  x)   f ( y )dy 
V (X )  x  f ( x)dx   2
2


P(a  x  b)  F (b)  F (a) Distribuição Normal ou Gaussiana:
b  a ,
P( X  a)  1  F (a) P ( a  x  b)      
     
P( X  a)  F (a)
b  a
P ( x  b)  1    e P ( x  a )   
     
Regressão Linear

y   0  1 x n
1 n 
2 n
1 n 
2

S xx   x    xi 
2
i S yy   y    yi 
2
i
_ _
1 n 1 n i 1 n i 1  i 1 n i 1 
 0  y  1 x  
n i 1
y i   1  xi
n i 1 n
1 n  n  S xy
S xy   xi yi    xi   yi  Correlação R 
S xy i 1 n i1  i1  S xx S yy
1 
S xx
Coeficiente de
determinação: R 2

5
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

Erro padrão da estimativa: soma dos quadrados dos


erros.
2
1 n
ˆ 2   ( yi  yˆ )
n  2 i 1

6
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

LISTA DE EXERCÍCIOS
1 – Três eventos são mostrados no diagrama de Venn na Figura abaixo. Sombreie a região que corresponde a
cada um dos seguintes eventos:

a) A’
b) (AB) (AB’)
c) (AB) C
d) (BC’)
e) (AB)’ C

A B

C
1.b Três eventos são mostrados no diagrama de Venn na Fig abaixo. Sombreie a região que corresponde a
cada um dos seguintes eventos:
a. (B’A)
A B
b. ((AB)C)’
c. (AC’)

2 – O tempo de preenchimento de um reator é medido em minutos (e frações de minutos). Faça o espaço


amostral ser formado por números reais e positivos. Defina os eventos A e B como:

A  x | x  72,5
B  x | x  52,5
a) A’
b) B’
c) AB
d) A B

3 – Seja o experimento aleatório “lançamento de dois dados”. Sejam os seguintes eventos:


- A o conjunto de resultados que a soma dos dados é igual 6.
- B o conjunto de resultados que a soma dos dados é maior que 6
- C o conjunto de resultados onde o primeiro dado é 4 ou 5

7
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

a) Descreva o espaço amostral para este experimento


b) São os eventos A e B mutuamente excludentes?
c) São os eventos B e C mutuamente excludentes?
d) Descreva os resultados em cada um dos seguintes eventos:
i. A
ii. B’
iii. A (BC)
iv. (A B) C

4 – Três Bits são transmitidos em um canal digital de comunicações. Cada bit é distorcido ou recebido sem
distorção. Faça Ai denotar o evento em que o i-ésimo bit é distorcido, i=1,2,3.

a) Descreva o espaço amostral para este experimento


b) São os eventos Ai’ mutuamente excludentes?
c) Descreva os resultados em cada um dos seguintes eventos:
i. A1
ii. A1’
iii. A1 A2A3
iv. (A1 A2) (A3)

5- Amostras do plástico policarbonato são analisadas com relação à resistência a arranhões e a choque. Os
resultados de 49 amostras estão resumidos a seguir:
Resistência a Choque
Alta Baixa
Resistência a Alta 40 4
Arranhões Baixa 2 3
Faça A denotar o evento em que uma amostra tem alta resistência a choque e faça B denotar o evento
em que uma amostra tem alta resistência a arranhões. Determine o número de amostras em
a. AB
b. A’
c. AB.

6 - Cada um dos cincos resultados possíveis de um evento aleatório é igualmente provável. O espaço amostral
é {a,b,c,d,e}. Designe por A o evento {a,b} e por B evento {c,d,e}
a) P(A)
b) P(B)
c) P(A’)
d) P(AB)
e) P(AB)

7 - Um espaço amostral contém 20 resultados igualmente prováveis. Se a probabilidade do evento A for 0,3,
quantos resultados estarão no evento A?

8- Se o último digito de uma medida de peso for igualmente provável de ser qualquer um dos dígitos de 0 a 9:
a) Qual a probabilidade de que o ultimo digito seja zero?
b) Qual a probabilidade de que o ultimo digito seja maior ou igual a 5?
8
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

9 - Amostras de uma espuma, provenientes de 3 fornecedores, são classificadas com relação a satisfazer ou
não as especificações. Os resultados de 100 amostras são resumidos a seguir:
Obedecem as especificações
SIM NAO
Fornecedor 1 18 2
2 17 3
3 50 10

Seja A o evento em que uma amostra é proveniente do fornecedor 1 e seja B o evento em que uma amostra
atenda as especificações. Se uma amostra for selecionada ao acaso, determine as seguintes probabilidades:
a) P(A)
b) P(B)
c) P(A’)
d) P(AB)
e) P(AB)
f) P(A’B)
g) P(A| B’)

10- Determine a probabilidade p de cada um dos seguintes eventos:

a. Ao jogar dois dados, qual a probabilidade de aparecer 8 (na soma);


b. Ao jogar dois dados, qual a probabilidade de aparecer 7 ou 11 (na soma)
c. Ao jogar 3 vezes uma moeda (ou lançar 3 moedas), qual a probabilidade de sair pelo menos uma
cara em três lançamentos?

11- Determine a probabilidade de aparecer o número 4 ao jogar dois dados honestos (em pelo menos um
deles).

12 - Uma urna contém 4 bolas brancas e 2 pretas; outra urna contém 3 bolas brancas e 5 pretas. Extrai-se uma
bola de cada urna. Pede-se a probabilidade de:

a. ambas serem brancas;


b. ambas serem pretas;
c. uma ser branca e uma ser preta.

13 Joga-se um dado “honesto” duas vezes. Determinar a probabilidade de se obter 4, 5 ou 6 na 1ª jogada


e 1,2,3 ou 4 na 2ª jogada.
14 Em um lote de 25 peças moldadas por injeção, 5 delas sofreram excessivo encolhimento.

a. Se duas peças forem selecionadas ao acaso e sem reposição, qual será a probabilidade de que a segunda
peça tenha sofrido excessivo encolhimento?

15 - Suponha que 2 % dos rolos de tecido de algodão e 3 % dos rolos de tecido de náilon contenham falhas.
Dos rolos usados por um fabricante, 70 % são de algodão e 30 % são de náilon. Qual será a probabilidade de
que um rolo selecionado aleatoriamente, usado pelo fabricante, contenha falhas?
9
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

16 - Consumidores são usados para avaliar projetos iniciais de produtos. No passado, 95 % dos produtos
altamente aprovados recebiam boas críticas, 60 % dos produtos moderadamente aprovados recebiam boas
críticas e 10 % dos produtos ruins recebiam boas críticas. Além disso, 40 % dos produtos tinham sido
altamente aprovados, 35 % tenham sido moderadamente aprovados e 25 % tinham sido produtos ruins.

a. Qual é a probabilidade de que um produto atinja uma boa crítica?


b. Se um novo projeto atingir uma boa crítica, qual será a probabilidade de que ele se torne um produto
altamente aprovado?
c. Se um produto não atingir uma boa crítica, qual será a probabilidade de que ele se torne um produto
altamente aprovado?

17 - Um novo procedimento médico de detecção de uma doença foi proposto. Resolveu testar este
procedimento. A probabilidade de que o teste dê positivo, dado que o sujeito foi diagnosticado como doente
é 0.99. A probabilidade de que o teste dê negativo, dado que o sujeito não possui a doença é de 0.95. A
incidência da doença na população é de 0.0001. Um novo sujeito fez o teste e o resultado deu positivo. Qual
a probabilidade de que ele tenha a doença, ou seja, P(D|P)?
(Use D para o evento em que o sujeito tem a doença e P para o evento em que o teste seja positivo).

18 - Um dia de produção de 850 peças fabricadas, 50 peças não apresentam os requerimentos exigidos pelos
consumidores. 2 peças são selecionadas ao acaso de uma batelada, sem reposição. O termo “ao acaso”
implica que quando a primeira peça é selecionada, todas as outras peças são igualmente prováveis e quando a
2° peça é selecionada, todas as outras peças restantes são igualmente prováveis.
a. Qual a probabilidade de que a segunda peça seja defeituosa, dado que a primeira peça tirava foi
defeituosa?
b. se 3 peças forem selecionadas ao acaso, qual a probabilidade que as 2 primeiras sejam defeituosas
e que a terceira seja não defeituosa?

19 – Suponha que na fabricação de semicondutores, a probabilidade seja de 0.1 de que um chip, que esteja
sujeito a altos níveis de contaminação durante a fabricação, cause uma falha no produto. A probabilidade é de
0.005 de um chip, que não esteja sujeito a altos níveis de contaminação, cause uma falha no produto. Sabendo
que 20% dos chips estão sujeitos a altos níveis de contaminação, Qual a probabilidade de que um produto
usando um dos chips venha a falhar? Ou seja, encontre P(F).

Faça:
F – o evento em que o produto falhe
A – o evento em que um chip esteja exposto a altos níveis de contaminação.

20 – Continuando o exercício anterior. Considere agora as seguintes probabilidades:


- 0.10 a probabilidade, de que um chip sujeito a altos níveis de contaminação durante a fabricação, cause uma
falha no produto.
- 0.01 a probabilidade, de que um chip sujeito a níveis médios de contaminação durante a fabricação, cause
uma falha no produto.
- 0.001 a probabilidade, de que um chip sujeito a níveis baixos de contaminação durante a fabricação, cause
uma falha no produto.

Numa produção,
- 20% dos chips estão sujeitos a altos níveis de contaminação.
- 30% dos chips estão sujeitos a níveis médios de contaminação. 10
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

- 50% dos chips estão sujeitos a baixos níveis de contaminação.

Faça:
F – o evento em que o produto falhe
A – o evento em que um chip esteja exposto a altos níveis de contaminação.
B – o evento em que um chip esteja exposto a baixos níveis de contaminação.
M – o evento em que um chip esteja exposto a níveis médios de contaminação.

Encontre a probabilidade de que um produto usando um destes chips falhe.


21 - Uma cadeia de lojas vende três marcas diferentes de tocadores de mp3. Dessas vendas, 50% são da marca
A1 (a mais barata), 30% são da marca A2 e 20% da marca A3. Cada fabricante oferece um ano de garantia
para peças e mão-de-obra. É sabido que 25% dos tocadores de mp3 da marca A1 necessitam de reparos de
garantia, enquanto que os percentuais correspondentes para as outras marcas são 20% e 10%,
respectivamente.

a. Qual a probabilidade de que um comprador selecionado aleatoriamente possua um aparelho que


necessite de reparos durante a garantia?
b. Se um cliente voltar à loja com um aparelho que precise de reparos em garantia, qual a
probabilidade de ele ser da marca A1?
c. Se um cliente voltar à loja com um aparelho que precise de reparos em garantia, qual a
probabilidade de ele ser da marca A2?
d. Se um cliente voltar à loja com um aparelho que precise de reparos em garantia, qual a
probabilidade de ele ser da marca A2?
e. Se o produto não precisar de reparos durante a garantia, qual a probabilidade do cliente ter
comprado da marca A1?
f. Se o produto não precisar de reparos durante a garantia, qual a probabilidade do cliente ter comprado da
marca A2?
g. Se o produto não precisar de reparos durante a garantia, qual a probabilidade do cliente ter comprado da
marca A3?

RESPOSTAS

1. –
2. –
3. –
4. –
5. a. 40, b=7, c=46
6.
a. 2/5
b. 3/5
c. 3/5
d. 1
e. 0

7. 6
8.
a. 1/10
b. 11
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

9. –
a. 20/100=1/5
b. 85/100
c. 80/100
d. 18/100
e. 87/100
f. 98/100

10. –
a. 5/36
b. 2/9
c. 7/8
11. 11/36
12. _
a. 1/4
b. 5/24
c. 13/24
13. 1/3
14. _
15. 0.0230
16. _
a. 0.6150
b. 0.618
c. 0.052

21- a. P(R)=0,205
b. P(A1|R)=0,61
c. P(A2|R)=0,29
d. P(A3|R)=0,097
e. P(A1|R’)=0,47
f. P(A2|R’)=0,3
g. P(A3|R’)=0,226

EXTRAS

1. Uma pessoa tem quatro notas no bolso. Uma de R$ 10,00; outra de R$ 20,00; outra de R$ 50,00 e
outra de R$ 100,00. Se ela tirar ao acaso duas notas do bolso, uma de cada vez sem reposição, qual a
probabilidade da soma ser R$ 30,00?
Resp: 1/6

2. Uma partida de certo produto consiste de 10 artigos perfeitos, 4 com pequenos defeitos e 2 com
defeitos graves. Retirando ao acaso dois artigos, sem reposição, qual é a probabilidade de que:
a. Ambos sejam perfeitos?
b. Pelo menos um seja perfeito?
c. Nenhum tenha defeito grave?

Resp: a) 3/8 b) 7/8 c) 91/120


12
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

3. O sistema abaixo opera se houver pelo menos um caminho de a a b, ou seja, pelo menos um dos
equipamentos funcionando. Suponha que os equipamentos falhem independentemente. Qual a
probabilidade de que o sistema opere. Dica: haverá um caminho se pelo menos um equipamento
operar.
Probabilidade do equipamento 1
0.95
a
b

0.95

Resp: 0.9975

A aspereza nas bordas de produtos de papel cortado aumenta à medida que as lâminas de uma faca vão sendo
gastas. Sendo que 1% dos produtos cortados com novas lâminas tem bordas ásperas (levemente rugosas), 3%
dos produtos cortados com mediamente afiadas tem bordas ásperas (exibem rugosidade) e 5% dos produtos
cortados com lâminas gastas tem bordas ásperas. Na fabricação:
 25% das laminas eram novas
 60% das laminas eram mediamente afiadas
 15% das laminas eram gastas
a) Qual a proporção (a probabilidade) dos produtos que exibem aspereza nas bordas?
b) Se um produto apresentar aspereza na borda, qual a probabilidade de que ele tenha sido cortado com
uma lamina afiada?
Resp a) P(A)=0,028 b) P(LA|A)=0,089

4. Seja o experimento aleatório lançamento de um dado honesto. Sejam os seguintes eventos:


A – resultado é par
B - resultado é maior que 4
C - resultado é múltiplo de 3

a) Os eventos A e B são independentes?


b) Os eventos B e C são independentes?
Resp: a) A e B são independentes b) B e C não são independentes

A seguir foram selecionados alguns exercícios de concursos públicos. Todos com


respostas destacadas. Encontre a solução.

13
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

14
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

15
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

VARIÁVEIS ALEATÓRIAS DISCRETAS

RESUMO DAS FÓRMULAS

Média de uma variável Aleatória x: Variância de uma variável Aleatória x:


  E ( X )   xi  f ( xi )  2  V ( X )   ( xi   ) 2  f ( xi )

Distribuição Binomial: Distribuição Geométrica:


f  x   p  1  p 
x 1
n
f  x     p x  1  p 
n x

 x
Sendo
x  0,1, 2,3, ,n 1
para   EX  
p
  E  X   np
Sendo: 1 p
 2 V X  
 2  V  X   np 1  p  p2
Distribuição de Poisson: Lembrando que...
e 
 x
n n!
f  x  Combinação    
x ! para x  0,1, 2,3,  x  x ! n  x !

EX     n p
Sendo: , n é o número de dados;

  EX     2 V X   

LISTA DE EXERCÍCIOS
1- Seja a seguinte distribuição de probabilidade dada por
2x  1
f ( x) 
25 , x=0,1,2,3,4

a. P(X=4)
b. P(X1)
c. P(X>1)
d. P(2X<4)
e. P(X>-10)
f. Determine a função cumulativa da Variável Aleatória
16
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

2 – Determine a função distribuição e as probabilidades requeridas:


 0 x  0.1
0.25  0.1  x  0.3

F ( x)  
0.75 0.3  x  0.5
1 0.5  x
a. P(X0.5)
b. P(X0.4)
c. P(0.4X<0.6)
d. P(X<0)
e. P(0X<0.1)
f. P(-0.1<X<0.1)

3- O número de mensagens enviadas por hora, através de uma rede de computadores, tem a seguinte
distribuição:

X= num. de mensagens 10 11 12 13 14 15
f(x) 0.08 0.15 0.30 0.20 0.20 0.07

a. Determine a média e o desvio padrão do número de mensagens enviadas por hora.

4 – A chance de que um bit transmitido através de um canal digital seja recebido com erro é de 0.1. Suponha
que as tentativas sejam independentes. Seja X a V.A. o número de bits com erro nos próximos quatro bits
transmitidos.
Use a letra E para bit recebido com erro e O (de ok) para bit recebido sem erro.
a. Escreva a tabela dos valores correspondentes de x e encontre a probabilidade P(X=2).
Encontre esta probabilidade usando a probabilidade dos eventos independente e
depois usando a distribuição Binomial.
b. Encontre a f(x) e a F(x)

5 – A chance de que um bit transmitido através de um canal digital seja recebido com erro é de 0.1. Suponha
que as tentativas sejam independentes. Seja X a V.A. o número de bits até que o primeiro erro seja
encontrado.
a. Encontre P(X=4).
b. Encontre P(X=5).

6- A probabilidade de uma pastilha conter uma partícula grande de contaminação é de 0.01. Se for
considerado que as partículas são independentes em relação a presença de contaminação, qual a
probabilidade de que exatamente 125 pastilhas necessitem ser analisadas antes que uma partícula grande seja
detectada?
X: variável aleatória que é o número de amostras analisadas até que uma partícula seja detectada.

7 – Contaminação é um problema na fabricação de discos ópticos de armazenamento. O número de partículas


de contaminação que ocorrem em um disco tem uma distribuição de poisson. O número médio de partículas
por centímetro quadrado de superfície média é 0.1. A área do disco sobre estudo é 100 cm2.
a. Encontre a probabilidade que 12 partículas ocorram na área de um disco sobre estudo. 17
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

b. Encontre a probabilidade de que nenhuma partícula ocorra na área de um disco sobre estudo.
c. Encontre a probabilidade de que 4 ou menos partículas ocorram na área de um disco sobre estudo. Dica:
P(X=0)+P(x=1)+...

8 -Em média há 2 chamadas por hora num certo telefone. Calcular a probabilidade de se receber:
a) no máximo 3 chamadas em 2 horas
b) no mínimo 2 chamadas em 2 horas
c) nenhuma chamada em 90 minutos.

9 - Cada um de seis consumidores de refrigerantes selecionados aleatoriamente recebe um copo com


refrigerante S e um com o refrigerante F. Os copos são idênticos, exceto por um código no fundo que
identifica o refrigerante. Suponha que não haja uma tendência de preferência entre os consumidores. Então p
= P (um indivíduo que prefere S ) = 0,5. Se X é o número de consumidores entre 6 que preferem S, determine:
a) a probabilidade de 3 preferirem S; b) a probabilidade de pelo menos 3 preferirem S; c) a probabilidade de
no máximo 1 preferir S.

10 - Se uma editora técnico-científica se esforça para garantir que seus livros não possuam erros tipográficos,
de forma que a probabilidade de uma página conter um erro desse tipo é de 0,005.

a. Sabendo ainda que os erros são independentes de página para página, qual a probabilidade de um dos livros
editados, com 400 páginas, conter uma só página com erro?
b. E admita outra possibilidade, a de um dos livros editados com 300 páginas terem no máximo três páginas
com erros.

11 - Os átomos de um elemento radioativo estão desintegrando aleatoriamente. Se cada grama desse


elemento, em média, emite 3,9 partículas alfa por segundo, qual é a probabilidade de que durante o próximo
segundo, o número de partículas alfa emitidos de uma grama, seja: (a) no máximo 1?
(b) no mínimo 2?
(c) no mínimo 3 e no máximo 6?

12 - Uma variável Aleatória discreta tem a seguinte distribuição cumulativa de probabilidade (F(x)).
1.1
1
1

0.9
0.80
0.8

0.7 0.65

0.6

0.5

0.4 0.35
0.3
0.3
0.2
0.2

0.1
0
0
-3 -2 -1 0 1 2 3 4 5 6

a) Encontre a f(x) (distribuição de probabilidade)


b) Encontre a média desta variável
c) Encontre o desvio padrão desta variável
18
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

13 - Uma variável Aleatória discreta tem a seguinte distribuição cumulativa de probabilidade (F(x)).
0 x  1
0.2  1  x  0

0.3 0  x  1

0.35 1  x  2
F ( x)  
0.65 2 x3
0.8 3 x  4

1 4  x


d) Encontre a f(x) (distribuição de probabilidade)
e) Encontre a média desta variável
f) Encontre o desvio padrão desta variável

14 - Uma variável Aleatória discreta tem a seguinte distribuição de probabilidade (f(x)).


0.35
f(x)
0.3

0.25

0.2

0.15

0.1

0.05

0
-2 -1 0 1 2 3 4 5 6

g) Encontre a F(x) (distribuição cumulativa de probabilidade)


h) Encontre a média desta variável
i) Encontre o desvio padrão desta variável

15 – Vinte peças, 12 das quais são defeituosas e 8 perfeitas, são inspecionadas uma após a outra. Se essas
peças forem extraídas ao acaso, qual será a probabilidade de que:
a) A terceira peça seja defeituosa sabendo que a primeira e a segunda foram boas?
b) Das 3 primeiras peças inspecionadas, pelo menos duas peças serem perfeitas?
c) Seja X a variável aleatória o número de peças com defeitos das duas primeiras peças inspecionadas.
Encontre a função massa de probabilidade desta VA X.

RESPOSTAS
1–
a. 9/25
b. 4/25
c. 21/25
d. 12/25
e. 1

2 – Resposta: 19
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

a.1
b. 0.75
c. 0.25
d. 0.25
e.0
f. 0
3-
a. Resposta: E(x)= 12,5
b. Resposta: =1,36
4 - Resultado x Resultado x
OOOO 0 EOOO 1
OOOE 1 EOOE 2
OOEO 1 EOEO 2
OOEE 2 EOEE 3
OEOO 1 EEOO 2
OEOE 2 EEOE 3
OEEO 2 EEEO 3
OEEE 3 EEEE 4
O Evento em que X=2 consiste em seis resultados e P(X=2)= 0.0486

5 - Resposta:
b. 0.066

6 - Resposta:
P(X=125)=0.0029
7 – resposta
a. 0.0948
b. 4.54x10-5

8–
9– a. 0,3125
b. 0.6562
c. 0,109
10-
11 –
12 – media=1,7
Desvio,1,76
13 –
14 –
15 -

20
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

VARIÁVEIS ALEATÓRIAS CONTÍNUAS

Uma variável aleatória cujos valores são expressos em uma escala contínua é dita uma
variável aleatória contínua. Pode-se construir modelos teóricos para v.a.’s contínuas escolhendo
adequadamente a função de densidade de probabilidade (f.d.p.), que é uma função indicadora da
probabilidade nos possíveis valores de X. Assim, a área sob a f.d.p. entre dois pontos a e b nos dá a
probabilidade da variável assumir valores entre a e b, conforme ilustrado na figura a seguir.

P(a<X<b)

a b
Figura 1 – Probabilidade como área sob a curva entre dois pontos

Onde:
b
P(a  X  b)   f ( x)dx
a
Da relação entre a probabilidade e a área sob a função, a inclusão ou não dos extremos a e b
na expressão acima não afetará os resultados. Assim, iremos admitir:

P ( a  X  b)  P ( a  X  b)  P ( a  X  b)  P ( a  X  b)

 f ( x)dx  1

Dada a v.a. contínua X, o valor médio ou esperança de X dado por:



 x  E ( X )   x  f ( x)dx


A variância de X:
 
V ( X )   ( x   ) 2  f ( x)dx  x
2
 f ( x)dx   2
  21
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

e de desvio padrão de X a

  V (X )

x
F ( x)  P( X  x)   f ( y)dy

Se X é uma v.a. contínua com f.d.p. f(x) a sua função de distribuição acumulada F(x):

Uso da F(x) para calcular as probabilidades:

P(a  x  b)  F (b)  F (a)


P( X  a )  1  F (a)

Distribuição Normal1

A distribuição normal é a mais importante das distribuições de probabilidades.


Conhecida como a “curva em forma de sino”, a distribuição normal tem sua origem associada
aos erros de mensuração. É sabido que, quando se efetuam repetidas mensurações de
determinada grandeza com um aparelho equilibrado, não se chega ao mesmo resultado todas as
vezes; obtém-se, ao contrário, um conjunto de valores que oscilam, de modo aproximadamente
simétrico, em torno do verdadeiro valor. Construindo-se o histograma desses valores,
obtém-se uma figura com forma aproximadamente simétrica. Gauss deduziu matematicamente
a distribuição normal como distribuição de probabilidade dos erros de observação,
denominando-a então “lei normal dos erros”.

Inicialmente se supunha que todos os fenômenos da vida real devessem ajustar-se a

1
Este assunto foi adaptado do material da disciplina de Matemática da Prof. Sonia Maria Barros Barbosa Correa - da PUC de Minas.
22
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

uma curva em forma de sino; em caso contrário, suspeitava-se de alguma anormalidade no


processo de coleta de dados. Daí a designação de curva normal.
A distribuição normal desempenha papel preponderante na estatística, e os processos
de inferência nela baseados têm larga aplicação.

A distribuição normal tem sua função de densidade de probabilidade dada por



 x   2
1 2 2
e
f(x) = 2   x  

Como pode-se observar através da equação acima, a distribuição normal inclui os


parâmetros e  , os quais possuem os seguintes significados:

 : posição central da distribuição (média, x)


 : dispersão da distribuição (desvio padrão, x)

Se uma variável aleatória X tem distribuição normal com média  e variância 2,
escrevemos: X  N( , 2)

A figura 2 ilustra uma curva normal típica, com seus parâmetros descritos graficamente.

f(x)


: média
: desvio padrão

 x
Figura 2 - Curva normal típica

Propriedades da distribuição normal

Para uma mesma média  e diferentes desvios padrão , a distribuição que tem maior
desvio padrão se apresenta mais achatada, acusando maior dispersão em torno da média. A
23
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

que tem menor desvio padrão apresenta “pico” mais acentuado e maior concentração em torno
da média. A figura 3 compara três curvas normais, com mesma média, porém com desvios
padrão diferentes. A curva A se apresenta mais dispersa que a curva B, que por sua vez se
apresenta mais dispersa que a curva C. Neste caso, A > B > C.

Distribuições normais com o mesmo desvio padrão e médias diferentes possuem a


mesma dispersão, mas diferem quanto à localização. Quanto maior a média, mais à direita está
a curva. A figura 4 ilustra o fato, onde a curva A possui média maior que a curva B (A > B).
C

B
A


Distribuições normais com mesma média e desvios padrão diferentes

B A

B A

Distribuições normais com mesmo desvio padrão e médias diferentes

Como descrito anteriormente, a probabilidade de uma variável assumir valores entre a


e b é igual à área sob a curva entre esse dois pontos. A determinação destas probabilidades é
realizada matematicamente através da integração da função de densidade de probabilidade
entre os pontos a e b de interesse. No caso da normal, a integral não pode ser calculada
exatamente, e a probabilidade entre dois pontos só pode ser obtida aproximadamente, por
métodos numéricos. Esta tarefa é facilitada através do uso da distribuição normal padrão, em
anexo.

No caso da distribuição normal, algumas dessas áreas com os pontos a e b função da


média  e do desvio padrão são bastante difundidos, e estão representadas na figura 5.

24
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

99.73 %

95.46 %

68.26 %

-3 -  + +3


-2 +2

Figura 5 - Probabilidades da distribuição normal

Portanto, 68,26% dos valores populacionais caem entre os limites definidos como
média mais ou menos um desvio padrão (  1); 95,46% dos valores caem entre média mais ou
menos dois desvios padrão (  2); e 99,73% dos valores caem entre média mais ou menos
três desvios padrão (  3).

A distribuição normal padrão

A distribuição normal particular com média 0 e desvio padrão 1 é chamada de


distribuição normal padrão, e costuma ser denotada por Z.
Se X  N( ,), então a variável aleatória definida por

X
Z= 

terá uma distribuição N(0,1). Esta transformação é ilustrada pela figura 6.

25
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

X
-3 -  + +3
-2 +2

X-

Z

-3 -2 -1 0 1 2 3

A área à esquerda de um valor especificado da N(0,1) encontra-se tabelada.


Utilizando-se a transformação acima, podemos obter as probabilidades para qualquer N(  ,).
O procedimento é ilustrado através do exemplo abaixo.
Segue uma distribuição normal com média de 210 com desvio padrão de 5. Em notação
estatística, X  N(210 ,5). A probabilidade de pelo menos 200 é:
 200  210 
P Z  
 5 
P(X < 200) = = P(Z < -2).
A figura 7 mostra a transformação realizada e a área desejada.

P(X<200)

X
180 190 200 210 220 230 240

P(Z<-2)

Z
-6 -4 -2 0 2 4 6

Figura 7
Através da tabela (em anexo) da N(0,1) é igual a P (X < 200) = P(Z < -2) = 0,02275.

26
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

RESUMO DE FÓRMULAS

Variáveis Aleatórias contínuas


b  x  E ( X )   x  f ( x)dx
P (a  X  b)   f ( x)dx 

a Esperança de X :

 
V ( X )   ( x   ) 2  f ( x)dx  x
x 2
 f ( x)dx   2
F ( x)  P( X  x)  

f ( y )dy  

Variância de X:

P( X  a)  1  F (a) Distribuição Normal:


P(a  x  b)  F (b)  F (a) b  a 
P(a  x  b)      
     ,
b  a
P( x  b)  1    P( x  a)   
  e   

LISTA DE EXERCÍCIOS - VA CONTÍNUAS

1 - Seja uma variável aleatória continua X a corrente em um fio de cobre. Suponha que a faixa
seja [0;20], com uma função densidade uniforme.

Encontre
a. Qual a probabilidade de que uma medida de corrente seja menor que 10A?
b. Qual a probabilidade de que uma medida de corrente esteja entre 15 e 20A?
c. Encontre a função distribuição cumulativa F(x)
d. Encontre a média de x
e. Encontre a variância de x

2 - Seja uma variável aleatória continua X o diâmetro de um orifício perfurado em uma placa
com um componente metálico. O diâmetro que se quer atingir é 12,5mm. A maioria dos
distúrbios aleatórios no processo resulta em diâmetros maiores. Dados históricos mostram
que a distribuição de X pode ser modelada por uma fdp:
27
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

f ( x)  20e 20( x12,5) , para x>12,5

a. Se uma peça com um diâmetro maior que 12,6 mm for descartada, qual será a
proporção de peças descartadas?
b. Qual a proporção de peças entre 12,5 e 12,6 mm ?
c. Encontre a função distribuição cumulativa F(x)

3. Suponha uma fdp f ( x)  1,5 x , com 1  x  1 . Determine as seguintes probabilidades:


2

a. P(X>0)
b. P(X>0.5)
c. P(0.5  x  0.5)
d. P(X<-2)

4. O tempo (em milisegundos) até uma reação química esteja completa é aproximado pela
função de distribuição cumulativa:

 0 x0
F ( x)   0.01x
1  e x0

a. Determine a função densidade de probabilidade de X.


b. Que proporção de reações é completada dentro de 200ms?

5. Suponha uma função de distribuição cumulativa da VA X. Determine a

 0 x  2

F ( x )  0.25x  0.5  2  x  2
 x2
 1

a. P(X<1.8)
b. P(X>-1.5)
c. P(X < -2)
d. P(1  x  1)

6. A demanda semanal de gás propano (em milhares de galões) de uma instalação é uma va X
com a função distribuição de probabilidade acumulada, F(x), dada por:

28
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

 0 x 1
  1 
F ( x)  2 x   2  1  x  2
  x 
 1 x2
a. Qual a chance da demanda na próxima semana ficar entre 1.5 e 2 mil galões?
b. Qual o consumo médio semanal de gás propano?
c. Qual a probabilidade do consumo ficar acima dos 2 mil galões?

7. Suponha que a força que age sobre uma coluna que ajuda a suportar um edifício tenha uma
distribuição normal com média 10 kpis e variância 4 (kpis)2 .
a. Qual a probabilidade da força exceder 13 kpis ?
b. Qual a probabilidade da força estar entre 9 e 11 kpis ?
c. Determine o valor para o qual a probabilidade de uma força estar abaixo deste valor seja
0.98.

8. O diâmetro de um eixo de um disco óptico de armazenagem é normalmente distribuído com


média 0,25 polegadas e desvio padrão 0,05. As especificações do eixo são 0,250,02
polegadas. Qual a proporção de eixos que obedece às especificações?

9. A altura (metros) que crescem os pinheiros é uma v.a. X normalmente distribuída com desvio
padrão igual a 1 metro. Supondo que 90% dos pinheiros atingem uma altura de pelo menos 16
metros, qual a altura média dos pinheiros?

10. Para uma v.a. com distribuição normal, demonstre que cerca de 68% dos valores estão a 1
desvio padrão da média.

RESPOSTAS
1 2 3 4 5 6
a. 0.5 a. 0.135 a.P(x>0)=0,5 a. 0.95 a. F(2)-F(15)=0,66
b. 0.25 b. 0.865 b. b. b. 1-1/8 b. Media=1,61
c. c. – P(x>0.5)=0,43 0.8647 c. 0 c. P(x>2)=0
d. 10 c. 0,125 d. 1/2
e. 33.33 d. 0

29
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

7 8– 9- 10
a. 0.06 31% 17,28m Media
681 17,28
b. 0.38
29
c. 14.1

30
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

REGRESSÃO LINEAR

RESUMO DAS FÓRMULAS


y   0  1 x n
1 n 
2 n
1 n 
2

S xx   x    xi 
2
i S yy   y    yi 
2
i
_ _
1 n 1 n i 1 n i 1  i 1 n i 1 
 0  y  1 x   i 1 n
n i 1
y   xi
i 1 n
1 n  n  S xy
S xy   xi yi    xi   yi  Correlação R 
S xy i 1 n i1  i1  S xx S yy
1 
S xx Coeficiente de
determinação: R 2
Erro padrão da estimativa: soma dos quadrados dos erros: Um intervalo de confiança de 100(1-)% em
2 torno da resposta média no valor x0 é
1 n
ˆ 2   ( yi  yˆ )
n  2 i 1   1 ( x  x ) 2  
y  t / 2,n2  ̂ 2   0 
 n S XX  
 

LISTA DE EXERCÍCIOS – REGRESSÃO LINEAR

1 – Um artigo da Wear (Vol.152, 1992, pp. 171-181) apresenta dados sobre o desgaste abrasivo do aço
doce e a viscosidade de óleo. Dados representativos são mostrados na tabela a seguir, com x= viscosidade
do óleo e y= o volume desgastado (10 -4mm3).

X 1.6 9.4 15.5 20 22 35


Y 240 181 193 155 172 110

a. Elabore um gráfico de dispersão para os dados.


b. Ajuste um modelo de regressão linear simples usando o método dos mínimos quadrados.
c. Preveja o desgaste abrasivo quando a viscosidade for igual a 30.
d. Que percentagem da variação observada no volume desgastado pode ser atribuída à relação
do modelo com a variação na viscosidade do óleo.
Solução:

31
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

300
y = -3.5413x + 236.25
R2 = 0.8908
250

200

150

100

50

0
0 5 10 15 20 25 30 35 40

2. Os dados a seguir foram reproduzidos de um gráfico apresentado no artigo “Reactions on


Painted Steel Under the Influence of Sodium Chloride, and Combinations Thereof” (Ind. Eng.
Chem. Prod. Res. Dev., 1985, p. 375-378). A variável independente é a taxa de deposição

 mg / m  de SO
2

2 e a variável dependente é a perda de massa do aço


g / m .
2

X 14 18 40 43 45 112
Y 280 350 470 500 560 1200

a. Elabore um gráfico de dispersão para a relação.


b. Calcule a equação da reta de regressão estimada.
c. Que percentagem da variação observada na perda de massa do aço pode ser atribuída à
relação do modelo com a variação na taxa de deposição.
1400
y = 9.3116x + 137.88
R2 = 0.9897
1200

1000

800

600

400

200

0
0 20 40 60 80 100 120

3. Deduza a equação dos mínimos quadrados

Resp. No ppt

32
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

4. Suponha que a relação entre a força aplicada x e o tempo até a falha y seja descrita por
um modelo linear de regressão linear simples com uma reta de regressão real= 65-1,2x e
desvio padrão do erro =8.
a. Encontre y para x=25 e
b. Determine a probabilidade de que o tempo até a falha ultrapasse 50 quando
a força aplicada for 25.
Resp:
a) µY.25=35
b) P(Z>50-35/8)=1-PHI(1,88)= 0,0301

5. Encontre a regressão linear da tabela 11.1 do powerpoint com os seguintes dados abaixo.

a) Qual a pureza quando x=1, ou seja, µY.1=?


b) Qual o intervalo de confiança para alfa=90% de x=1?
c) Qual a correlação do modelo encontrado?

Resp:
a) µY.1=89,23
b)

33
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

EXERCICIOS extras :

Exercícios de Regressão Linear

34
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

Resposta: Letra e

Resposta: Letra e
ANEXOS

TABELA F ALFA=0.01

35
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

36
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

TABELA F ALFA= 0.05

37
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

38
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

TABELA T

39
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

40
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

TABELA PHI

41
____________________________________________________________________
Disciplina de Probabilidade & Estatística
_____________________________________________________________________
UERGS – Engenharia de Computação

42
____________________________________________________________________
Disciplina de Probabilidade & Estatística