Escolar Documentos
Profissional Documentos
Cultura Documentos
br
Lista 6 de Exercícios
Análise Estatística Para Data Science I
Exercício 1:
Uma lâmpada é selecionada aleatoriamente de uma caixa que contém uma lâmpada de 40
watts, uma lâmpada de 60 watts, uma lâmpada de 75 watts, uma lâmpada de 100 watts e uma
lâmpada de 120 watts. Escreva a função de probabilidade para a variável aleatória que
representa a potência da lâmpada selecionada aleatoriamente e determine a média e a
variância dessa variável aleatória.
Exercício 2:
Exercício 3:
Mais acidentes são registrados nas oficinas de reparo de carrocerias durante os meses de maio
e junho do que no resto do ano. Suponha que uma oficina particular tenha uma média de
quatro acidentes por mês. Qual é a probabilidade de haver mais de sete acidentes nesta oficina
durante o mês de maio? Qual é a probabilidade de não mais do que três acidentes ocorrerem
durante os meses de maio e junho? Assuma que o número de carros atendidos na oficina siga
uma distribuição de Poisson.
Exercício 4:
Chamadas telefônicas para um número local 911 são conhecidas por seguir uma distribuição de
Poisson com uma média de duas chamadas por minuto. Calcule a probabilidade de que:
Exercícios 5:
Muitas vezes, o número de tentativas de Bernoulli necessárias para alcançar algum número fixo
(r) de sucessos é a quantidade de interesse. Quando a variável aleatória X é definida como o
número de falhas anteriores ao primeiro sucesso, X tem uma distribuição binomial negativa
escrita X ~ NB(r,¶). Com base nisso, resolva o problema a seguir.
Em um lote particular de pneus, 10% apresentaram defeito devido a um problema em uma das
máquinas de produção. Qual é a probabilidade de ter que examinar seis pneus antes de
encontrar quatro pneus com defeito?
Exercício 1:
Usando o trecho de código abaixo, crie o dataset Iris (copie e cole no SAS Studio e estude o
código).
/* Criando um dataset */
data Iris;
input SepalLength SepalWidth PetalLength PetalWidth @@;
label sepallength='Sepal Length' sepalwidth='Sepal Width'
petallength='Petal Length' petalwidth='Petal Width';
datalines;
50 33 14 02 46 34 14 03 46 36 . 02
51 33 17 05 55 35 13 02 48 31 16 02
52 34 14 02 49 36 14 01 44 32 13 02
50 35 16 06 44 30 13 02 47 32 16 02
48 30 14 03 51 38 16 02 48 34 19 02
50 30 16 02 50 32 12 02 43 30 11 .
58 40 12 02 51 38 19 04 49 30 14 02
51 35 14 02 50 34 16 04 46 32 14 02
57 44 15 04 50 36 14 02 54 34 15 04
52 41 15 . 55 42 14 02 49 31 15 02
54 39 17 04 50 34 15 02 44 29 14 02
47 32 13 02 46 31 15 02 51 34 15 02
50 35 13 03 49 31 15 01 54 37 15 02
54 39 13 04 51 35 14 03 48 34 16 02
48 30 14 01 45 23 13 03 57 38 17 03
51 38 15 03 54 34 17 02 51 37 15 04
52 35 15 02 53 37 15 02
;
Com o dataset criado, construa uma matriz de correlação entre as 4 variáveis do dataset.
Exercício 2:
Se uma variável aleatória X é Poisson distribuída com o parâmetro lambda, isso é escrito como
X ~ po(lambda).
Abaixo você encontra o código completo que cria a Função de Massa de Probabilidade (PMF).
Copie e cole o código no SAS Studio, execute e estude-o com atenção. Defina lambda para
valores diferentes, execute o programa e veja como a Função de Massa de Probabilidade é
alterada. O que acontece quando o lambda tem um valor grande? E o que acontece quando é
pequeno?
/* Exercício 2 - Poisson */
%let lambda=4;
data Poisson_PMF;
do k=0 to 10;
PMF=pdf('Poisson', k, &lambda);
output;
end;
run;
Exercício 3:
As lâmpadas de um fabricante têm 10% de chance de queimar antes de 100 horas. Quatro
lâmpadas são selecionadas aleatoriamente e testadas por 100 horas. Qual é a probabilidade de
que no máximo uma das lâmpadas se queime? Seja Y o número de lâmpadas queimadas. Y tem
uma distribuição binomial com parâmetros n = 4 e p = 0,1. Dica: Use a função pdf().