Escolar Documentos
Profissional Documentos
Cultura Documentos
NOTAS DE AULAS
1. CONCEITOS INICIAIS
1.1- CONJUNTOS
EXEMPLOS:
RELAÇÃO DE PERTINÊNCIA
EXEMPLOS:
1) 3 ∈ N 2) -1 ∈ Z 3) 2 ∉ N 4) 2 ∈ R
SUBCONJUNTO
Seja o conjunto A, tal que todo elemento de A é também elemento do conjunto B. Então
dizemos que A é subconjunto de B.
RELAÇÃO DE INCLUSÃO
EXEMPLOS:
CONJUNTO VAZIO
O conjunto que não possui nenhum elemento é chamado de vazio e representado por ∅.
4
CONJUNTO UNIVERSO
1a.) UNIÃO
O conjunto de todos os elementos (pontos) que pertencem ao conjunto A
ou pertençam ao conjunto B ou a ambos é chamado UNIÃO de A e B e denotado por
A∪B.
U
diagrama de Venn
A
2a.) INTERSECÇÃO
O conjunto dos elementos que pertencem ao conjunto A e ao conjunto B é
chamado interseção entre A e B e representado por A ∩ B.
EXERCÍCIO:
3a.) DIFERENÇA
O conjunto formado pelos elementos de A e que não pertencem a B é
chamado diferença entre A e B, e denotado por A - B. Se B ⊂ A, então A - B é chamado
de complemento de B em relação a A e representado por BAc e se A é o conjunto
universo A - B é chamado de complemento e representado por Bc.
EXERCÍCIO:
Dado o conjunto A, chamamos conjunto das partes de A ao conjunto formado por todos
os subconjuntos de A e o representamos por P(A). Assim, definimos o conjunto das
partes por P(A) = {X X ⊂ A}.
EXERCÍCIOS:
CONJUNTOS DISJUNTOS
EXERCÍCIOS:
1.1.3) Seja A o conjunto de todos os reais cujos quadrados são iguais a 25. Descreva A .
1.1.4) Sejam os conjuntos A = {x ∈ℜ x é inteiro impar} e B = {x ∈ℜ x2-8x+15=0},
mostre que B⊂ A .
1.1.5) Seja o conjunto Ω = {0,1,2}. Quantos elementos tem o conjunto das partes de Ω?
Descreva o conjunto das partes de Ω, P(Ω).
1.1.6) Verifique se os conjuntos A = {1, 2, 3, 4} e B = {10, 20, 30} são disjuntos.
1.1.7) Prove que se A⊂ B e B ⊂ C, então A ⊂ C.
1.1.8) Álgebra de subconjuntos, A, do conjunto não-vazio Ω é uma classe de
subconjuntos de Ω satisfazendo os axiomas:
• A1 ) Ω ∈ A
• A2) Se A ∈ A ⇒ Ac ∈ A
6
• A3) Se A ∈ A e B ∈ A ⇒ A∪B ∈ A
Desta forma, mostre que valem ainda para a álgebra de conjuntos as seguintes
propriedades:
• A4 ) ∅ ∈ A
n n
• A5) ∀n, ∀A1, A2, ...... ,An ∈ A tem-se ∪A i =1
i ∈A e ∩A
i =1
i ∈A
.....................................................................
.....................................................................
então o número total de possibilidades do acontecimento ocorrer é m1. m2.m3. ..... .mk .
EXERCÍCIO
No Brasil, as placas de automóveis são formadas por três letras seguidas por quatro
algarismos. Usando o alfabeto de 26 letras, quantas placas diferentes são possíveis de
serem formadas?
R. 263.104 = 175.760.000
Suponha que uma caixa contenha N bolas distintas numeradas de 1 a N. Extrai-se uma
bola da caixa, registra-se o seu número e a seguir repõe-se à bola na caixa. Repete-se o
procedimento n vezes. Pergunta-se:
5o.) Qual o nome do procedimento que consiste em se retirar n elementos, com possível
repetição, de uma população com N elementos distintos? O resultado (x1, x2, ... ,xn) dos
registros das extrações recebe que denominação?
Seja o experimento do exercício 1, anterior, onde se retira n bolas da caixa com N bolas
numeradas de 1 a N. Mas, agora, não se recoloca a bola na caixa depois de registrar-se o
seu número. Assim, quando se vai retirar a 2a. bola existem N-1 bolas na caixa. Se
novamente registrarmos o número de cada bola na n-upla (x1, x2, ...... ,xn) pergunta-se?
1o.) Qual o número registrado na 1a. extração? E na 2a. extração? E na na. Extração?
2o.) Os elementos da n-upla (x1, x2, .... ,xn) são todos distintos ou podem se repetir?
3o.) Quantas n-uplas distintas podem ser formadas?
4o.) Qual o nome do procedimento que consiste em se retirar n elementos, sem
repetição, de uma população com N elementos distintos? O resultado (x1, x2, ... ,xn) dos
registros das extrações recebe que denominação?
Suponha que se deseja calcular o número de amostras sem reposição com tamanho
n, ou seja, com n elementos, tomadas de uma população (conjunto) com N elementos N
> n. Pode-se observar o seguinte:
1o.) O número de amostras sem reposição, portanto com todos os elementos distintos, de
N!
tamanho n tomadas da população é dado por AnN = N.(N-1).(N-2)...(N-n+1) = .
( N − n )!
2o.) Cada amostra (subconjunto) distinta (x1, x2, ... ,xn) com n objetos distintos pode ser
re-arranjada de n! modos distintos e, portanto tem-se:
N
combinações distintas ou melhor diferentes amostras de tamanho n que podem
n
ser extraídas, sem reposição e sem consideração de ordem, de um conjunto com N
objetos distintos.
Como se pode observar, nos arranjos (permutações) intervém a ordem dos objetos
(elementos). Assim, abc é um arranjo distinto de bca. Quando se está interessado apenas
nos objetos, sem distinção da ordem (posição) que eles ocupam, os grupos são
chamados de combinações. Então, abc e bca representam a mesma combinação.
EXERCÍCIOS:
1.2.1) Suponha que se tenha n caixas distintas e n bolas distintas. Qual é o número total
de maneiras de se distribuir as n bolas nas n caixas de modo que cada caixa contenha
exatamente uma bola?
1.2.3) Considere uma “mão de pôquer” com cinco cartas de um baralho com 52 cartas.
Calcule:
a) O número possível de “mãos” diferentes de se obter;
b) O número de “four”, isto é, quatro cartas de mesmo valor;
1.2.4) Suponha que se distribui n bolas em n caixas, de modo que a caixa 1 fique vazia,
uma das outras n-1 caixas contenha 2 bolas e as outras n-2 caixas contenham apenas
1 bola. Calcule o número de maneiras de se fazer isto.
9
1.2.5) O código morse consiste de uma seqüência de pontos e traços em que repetições
são permitidas.
a) Quantas letras se podem codificar usando exatamente n símbolos?
b) Qual é o número de letras que se pode codificar usando n ou menos símbolos?
1.2.6) Uma pessoa possui n moedas no bolso, das quais somente uma é de R$0,50. Se
ele olhar o valor das moedas de uma em uma, qual o número máximo de tentativas
que deverá fazer até achar a sua moeda de R$0,50?
1.2.7) Um ônibus parte com duas pessoas e para em três pontos diferentes. Supondo que
os passageiros possam descer em qualquer dos pontos com igual possibilidade,
determinar:
a) O número de maneiras de se distribuir os passageiros nos pontos tal que os dois
passageiros não desembarquem na mesma parada?
b) O número de maneiras possíveis dos passageiros desembarcarem nos pontos?
1.2.8) Suponha que se tenha r caixas numeradas 1, 2, 3, ... ,r onde são colocadas n < r
bolas numeradas 1, 2, 3, ... ,n, aleatoriamente, uma de cada vez. Determine:
a) O número total de maneiras de se colocar as n bolas nas r caixas, que tipo de
amostragem pode ser associado a este experimento?
b) O número de maneiras de se colocar as n bolas nas r caixas até que se pare na n-
ésima bola com 2 bolas numa caixa e no máximo uma bola nas outras caixas.
1.2.10) Se o Anselmo e o Festa estão dispostos aleatoriamente numa fila entre n - 2 outras
pessoas determine:
a) o número de modos em que podem ficar exatamente k pessoas entre eles;
b) o número total de modos em que podem ficar o Anselmo e o Festa e as outras n -
2 pessoas?
c) Cada resultado pode ser associado ao espaço amostral como um subconjunto dele. O
resultado “número par” é o subconjunto NP = {2, 4, 6} ⊂ Ω .Assim, todo resultado
do experimento é subconjunto do espaço amostral.
EXERCÍCIOS
2.1.2) Seja, agora, outro experimento que consiste na escolha, ao acaso, de um ponto do
círculo unitário (círculo com raio igual a 1), com centro na origem de um sistema de
coordenadas cartesianas.
2a.) Se A ∈ A ⇒ Ac ∈ A
∞
3a.) Se A1, A2, A3, ..... ∈ A ⇒ ∪A i ∈A
i =1
comp.
P( ) =
compL
Analogamente suponha que uma figura plana g seja parte de uma outra figura plana G e
que se escolha ao acaso um ponto de G. Admitindo-se que a probabilidade deste ponto
pertencer a g seja proporcional à área de g e não depende do lugar que g ocupa em G,
então a probabilidade de que o ponto selecionado esteja em g é:
12
areag
P (g ) =
areaG
g
volv
Analogamente tem-se P ( v ) = , onde ν é um volume contido no volume maior V.
volV
A1) P(A) ≥0
A2) P(Ω)=1
A3) Se A e B ∈ A e são disjuntos ⇒ P(A ∪ B) = P(A) + P(B)
n n
Se A1, A2, A3, ... , An ∈ A e são disjuntos ⇒ P (U Ai ) =
i =1
∑ P( A )
i =1
i
∞ ∞
(A3’) Se A1, A2, A3, ... ∈ A e são disjuntos ⇒ P (U Ai ) =
i =1
∑ P( A )
i =1
I
EXERCÍCIOS:
2.1.5) Suponha que 4 cartas estejam numeradas de 1 a 4. Das 4 cartas retira-se uma de
cada vez, ao acaso e sem reposição, até retirar-se o 1o. número par. Conta-se o número
de retiradas necessárias. Descreva um espaço de probabilidade para o experimento.
2.1.6) Seja o experimento, onde se escolhe ao acaso um ponto do quadrado de lado igual
a 3 e centrado na origem de um sistema de coordenadas cartesianas.
a) Qual a probabilidade de ocorrer o evento A = “distância entre ponto escolhido e a
origem é maior ou igual a 2”?
b) Qual a probabilidade de ocorrer o evento B = “ 1 a coordenada do ponto escolhido é
menor do que a 2 a ”?
Além das propriedades enunciadas na definição axiomática, a função P goza, ainda, das
seguintes:
EXERCÍCIOS
2.2.1) Peças que saem de uma linha de produção são marcadas defeituosas (D) ou não
defeituosas (P). As peças são inspecionadas e suas condições registradas. Isto é feito até
que duas peças defeituosas consecutivas sejam fabricadas ou que quatro peças tenham
sido inspecionadas, aquilo que ocorrer em primeiro lugar. Descreva o espaço amostral
para este experimento.
2.2.2) Uma caixa com N lâmpadas contém r lâmpadas (r < N) com filamento partido.
Essas lâmpadas são verificadas uma a uma até que uma lâmpada defeituosa seja
encontrada.
a) Descreva o espaço amostral do experimento.
b) Suponha que as lâmpadas acima sejam verificadas uma a uma, até que todas as
defeituosas tenham sido encontradas. Descreva o espaço amostral para este
experimento.
2.2.3) Considere 4 objetos a, b, c, d. Suponha que a ordem em que tais objetos sejam
listados represente o resultado de um experimento. Sejam os eventos A e B definidos
por:
A = {a está na 1a. posição} B = {b está na 2a. posição}
15
2.2.4) Um lote contém peças pesando 5, 10, 15, ... , 50 g. Admite-se que ao menos 2
peças de cada peso sejam encontradas no lote. Duas peças são retiradas do lote . Seja X
o peso da 1a. peça escolhida e Y o peso da 2a. . Portanto, o par de números (X, Y)
representa um resultado simples do experimento. Empregando o plano XY, marque o
espaço amostral e os seguintes eventos:
a) { X = Y }
b) { Y > X }
c) { Y = 2X }
Suponha que o emperramento seja duas vezes mais provável do que a queima e esta é
quatro vezes mais provável do que o desgaste das escovas. Qual será a probabilidade de
que o motor falhe devido a cada uma dessas circunstâncias?
16
2.2.10) Suponha que A e B sejam eventos tais que P(A) = x, P(B) = y e P(A ∩ B) = z .
Exprima cada uma das seguintes probabilidades em termos de x, y e z:
2.2.12 ) O seguinte grupo de pessoas está numa sala: 5 homens com mais de 21 anos, 4
homens com menos de 21 anos, 6 mulheres com mais de 21 anos e 3 mulheres com
menos de 21anos de idade. Uma pessoa é escolhida ao acaso. Definem-se os seguintes
eventos: A={a pessoa é maior de 21 anos}; B={a pessoa é menor de 21 anos}; C={a
pessoa é homem}; D={a pessoa é mulher}. Calcule:
a)P(BUD) b)P(A c ∩ C c )
2.2.13) Em uma sala 10 pessoas estão usando emblemas numerados de 1 a 10. Três
pessoas são escolhidas ao acaso e convidadas a saírem da sala simultaneamente. O
número do seu emblema é anotado. Qual a probabilidade de que o menor número de
emblema seja 5? Qual a probabilidade de que o maior número do emblema seja 5?
2.2.14) Uma remessa de 1500 arruelas contém 400 peças defeituosas e 1100 perfeitas.
Duzentas arruelas são escolhidas ao acaso (sem reposição) e classificadas.
2.2.15) Suponha que os três dígitos 1, 2 e 3 sejam escritos em ordem aleatória. Qual a
probabilidade de que ao menos um dígito ocupe seu lugar próprio? Qual a probabilidade
de que os dígitos 1, 2, 3 e 4 ocupem os seus lugares próprios quando são escritos em
ordem aleatória? Qual a probabilidade de que os dígitos 1, 2, 3, 4, .... ,n ocupem os seus
lugares próprios na mesma situação de escrita em ordem aleatória?
P(A ∩ B)
P(AB)= A ∈A
P( B)
17
OBS: 1a. ) Se P(B)=0, P(AB) pode ser arbitrariamente definida. A maioria dos livros
faz P(AB)=0, mas é conveniente pela independência se fazer
P(AB)=P(A).
2a. ) Como P(AB) é uma probabilidade, vale para ela todas as propriedades de
probabilidade.
P(A ∩ B)
3a. ) Como P(AB)= , então a probabilidade da ocorrência simultânea
P( B)
dos eventos A e B é dada por :
P(A ∩ B) = P(A ). P( B / A ) = P( B). P(A / B) .
EXERCÍCIOS
2.3.0) Prove o Teorema da Multiplicação ou da Probabilidade Composta.
2.3.1) Dez fichas numeradas de 1 a 10 são misturadas em uma urna. Duas fichas,
numeradas (x, y), são extraídas da urna, sucessivamente e sem reposição. Qual é
a probabilidade de x + y =10?
2.3.2) Um lote é formado de 10 artigos bons, 4 com defeitos menores e 2 com defeitos
graves. Um artigo é escolhido ao acaso. Ache a probabilidade de que:
a) Ele não tenha defeitos;
b) Ele não tenha defeitos graves;
c) Ele seja perfeito ou tenha defeitos graves;
d) Resolva os itens c e b aplicando a definição de probabilidade.
EXERCÍCIOS:
2.3.3) Se do lote de artigos do problema anterior, dois artigos forem escolhidos (sem
reposição), ache a probabilidade de que:
a) Ambos sejam perfeitos;
b) Ambos tenham defeitos graves;
c) Ao menos 1 seja perfeito;
d) No máximo 1 seja perfeito;
e) Exatamente 1 seja perfeito;
f) Nenhum tenha defeitos graves;
g) Nenhum deles seja perfeito.
2.3.4) Um número inteiro é escolhido ao acaso, dentre os números 1, 2, ... , 50. Qual
será a probabilidade de que o número escolhido seja divisível por 6 ou por 8?
Qual é a probabilidade do número escolhido ser divisível por 6 e por 8?
EXERCICIOS:
2.4.1) Uma caixa contém etiquetas numeradas 1, 2, 3,..., n. Duas etiquetas são
escolhidas ao acaso. Determine a probabilidade de que os números das etiquetas
escolhidas sejam inteiros consecutivos se:
2.4.3) Um lote contém n peças, das quais se sabe serem r defeituosas. Se a ordem da
inspeção das peças se fizer ao acaso, qual a probabilidade de que a peça inspecionada
em k-ésimo lugar (k ≥ r) seja a última peça defeituosa mantida no lote?
2.4.5) Duas válvulas defeituosas se misturam com duas válvulas perfeitas. As válvulas
são ensaiadas, uma a uma, até que ambas as defeituosas sejam encontradas.
a) Qual a probabilidade de que a última válvula defeituosa seja encontrada no
segundo ensaio?
b) Qual a probabilidade de que a última válvula defeituosa seja encontrada no
terceiro ensaio?
c) Qual será a probabilidade de que a última válvula defeituosa seja encontrada no
quarto ensaio?
d) Some os números de (a), (b) e (c) acima. O resultado será surpreendente?
2.4.6) Uma caixa contém 4 válvulas defeituosas e 6 perfeitas. Duas válvulas são
extraídas juntas. Uma delas é ensaiada e se verifica ser perfeita. Qual a probabilidade de
que a outra válvula também seja perfeita?
2.4.9) Vinte peças, 12 das quais são defeituosas e 8 perfeitas são inspecionadas uma
após outra. Se essas peças forem extraídas ao acaso, qual será a probabilidade de que:
a) as duas primeiras peças sejam defeituosas:
20
2.4.12) Um número binário é constituído apenas dos dígitos 0 e 1. (Por exemplo, 1011,
1100, etc.). Esses números têm importante papel na utilização de computadores
eletrônicos. Suponha que um número binário seja formado por n dígitos. Suponha que a
probabilidade de um digito incorreto aparecer seja p e que os erros em diferentes dígitos
sejam independentes uns dos outros. Qual será a probabilidade de formar-se um número
incorreto?
2.4.14) Cada uma de 2 pessoas joga três moedas equilibradas. Qual é a probabilidade de
que elas obtenham o mesmo número de caras?
2.4.16) Na Mega Sena, o apostador tem que marcar de 6 (aposta mínima) a 15 dezenas
de um total de 60 dezenas a disposição. Os números vão de 01 a 60. O Emerson
(professor de Cursinho) faz a aposta mínima (R$ 1,50) com 6 dezenas. Qual a chance
(probabilidade) que ele tem de ganhar?
2.4.17) Na semana seguinte o Emerson continuava trabalhando (o que significa que ele
não ganhou). Então, como a Mega Sena acumulou (pois nem o Emerson e nem ninguém
ganho) o Emerson pensou: desta vez acerto e cravou 8 dezenas. Qual a chance que o
Emerson tem de ganhar?
2.4.18) Na aposta do exercício 2.4.16, qual a chance que o apostador tem de acertar a
quina?
2.4.20) Na Dupla Sena, a nova loteria da CAIXA. No primeiro sorteio, ganha quem
acertar os seis números sorteados (sena). Se você não acertou, aguarde o segundo
sorteio. Nele, ganha quem acertar quatro (quadra), cinco (quina) ou os seis (sena)
números sorteados. Basta marcar entre 6 e 15 números, dos 50 existentes no volante .
Um fez uma aposta de Dupla Sena marcando 6 dezenas. Qual a chance que ele tem de
ganhar no primeiro sorteio? E no segundo sorteio, explique sem fazer a conta como se
calcularia a probabilidade dele ganhar fazendo 5 pontos.
21
2.4.21) Outro apostador fez uma aposta de Dupla Sena marcando 8 dezenas. Qual a
chance que ele tem de ganhar no primeiro sorteio? E no segundo sorteio, explique sem
fazer a conta como se calcularia a probabilidade dele ganhar fazendo 5 pontos.
2.4.22) Na Quina para se fazer uma aposta você escolhe 5, dentre os 80 números
disponíveis, por apenas R$ 0,50, ou pode aumentar a aposta, marcando de cinco a sete
números. Um apostador faz a aposta mínima com 5 dezenas. Qual a probabilidade dele
ganhar?
2.4.23) Outro apostador faz uma aposta com 7 dezenas, qual a chance que ele tem de
acertar?
22
A1 Ω
A3 ...
A2
• Sejam A1, A2, A3, ... eventos aleatórios mutuamente exclusivos e exaustivos, isto é,
os Ai são disjuntos e U Ai = Ω , então os eventos Ai formam uma PARTIÇÃO DO
ESPAÇO amostral Ω .
• É importante observar DUAS COISAS, admitindo-se que a seqüência A1, A2, A3, ...
seja FINITA ou INFINITA ENUMERÁVEL :
P (B ) = ∑ P( A i ∩ B) = ∑ P( A i ) ⋅ P ( B / A i)
i i
A1 A4
A3
A2
A5 B
Se a seqüência (finita ou infinita enumerável ) de eventos aleatórios A1, A2, A3, ... forma
uma PARTIÇÃO do espaço amostral Ω , então a probabilidade de um evento B contido
em Ω é dada por:
P ( B ) = ∑ P ( Ai ) ⋅ P ( B / Ai )
i
OBS: O T. P. Total é utilizado quando se conhece todas as P(Ai) e as P(B/Ai), mas se
desconhece diretamente P(B).
P( Aj ∩ B) P( Aj ) ⋅ P( B / Aj ) P( Aj ) ⋅ P( B / Aj )
P( Aj / B) = = =
P( B) P( B) ∑ P( A ) ⋅ P( B / A )
i
i i
EXERCÍCIOS
2.5.1) De um lote com 20 peças defeituosas e 80 perfeitas são extraídas 2 peças, sem
reposição. Determine a probabilidade do evento B={a 2a. peça extraída é defeituosa}.
2.5.2) A probabilidade de que um aluno saiba a resposta para uma certa questão, de um
exame de múltipla escolha é p. Das opções de resposta para cada questão, somente uma
é correta. Se o aluno não sabe a resposta para a questão, ele seleciona ao acaso uma
resposta dentre as m opções. Se a probabilidade do aluno responder corretamente dado
que ele sabe a resposta é 0, 88, pergunta-se:
a) Se o aluno responder corretamente a questão, qual a probabilidade de que ele
“chutou” a resposta?
b) Se o aluno responder incorretamente a questão, qual a probabilidade de que ele
não “chutou” a resposta?
2.5.3) Três candidatos A1, A2 e A3 disputam uma eleição. Uma prévia eleitoral mostra
que suas chances de vencer são respectivamente 0,5; 0,3 e 0,2. As probabilidades de que
eles venham a promover mudanças substanciais caso eleitos são respectivamente 0,7;
0,6 e 0,3. Qual é a probabilidade de que as mudanças substanciais ocorram, após a posse
do eleito?
2.5.4) Durante o mês de novembro a probabilidade de chuva é 0,3. O meu time ganha
um jogo em dia de chuva com probabilidade 0,4 e em dia sem chuva com probabilidade
0,6. Se ganhou o jogo em novembro, qual a probabilidade de que tenha chovido no dia?
uma moeda honesta. Suponha que cada juiz tem probabilidade ¾ de adivinhar
corretamente, independente de outros juizes. Se 4 dos 5 juizes acreditarem que o vinho é
francês, qual a probabilidade de que realmente o vinho californiano tenha sido servido?
2.5.6) Cinco em 100 homens são daltônicos e 25 em 1000 mulheres são daltônicas. Uma
pessoa escolhida ao acaso é daltônica. Qual a probabilidade de que seja homem?
2.5.7) Suponha que temos duas urnas 1 e 2, cada urna tem duas gavetas. A urna 1
contém uma moeda de ouro em uma gaveta e uma moeda de prata na outra; enquanto a
urna 2 contém uma moeda de ouro em cada gaveta. Uma urna é escolhida ao acaso, a
seguir uma de suas gavetas é aberta ao acaso. Verifica-se que a moeda encontrada nessa
gaveta é de ouro. Qual a probabilidade de que a moeda provenha da urna 2?
2.5.8) Um saco contém 3 moedas, uma das quais foi cunhada com duas caras, enquanto
as outras duas moedas são normais. Uma moeda é tirada ao acaso e jogada quatro vezes
em seqüência. Se sair CARA toda vez, qual será a probabilidade de que essa seja a
moeda de duas caras?
2.5.11) Jogam-se dois dados. Desde que as faces mostrem números diferentes, qual será
a probabilidade de que uma face seja 4?
2.5.12) Sabe-se que na fabricação de um certo artigo, defeitos de um tipo ocorrem com
probabilidade 0,1 e defeitos de outro tipo com probabilidade 0,05. Qual será a
probabilidade de que um artigo não tenha ambos os tipos de defeitos?
2.5.13) Enuncie e prove o Teorema da Probabilidade Total.
2.5.15) Suponha que um vendedor tem em uma sacola bexigas amarelas, verdes, azuis e
brancas. Sendo, 10 amarelas, 10 verdes, 4 azuis e 4 brancas Este vendedor retira
da sacola uma bexiga e a entrega a um torcedor brasileiro sem olhar a cor. A
seguir (sem reposição) retira outra bexiga e vê que esta tem a cor amarela.
2.5.16) Suponha uma urna onde estão bolas com números de 1 a 350. Assim, existe a
bola 1, a bola 2, ......, até a bola 350. No mês 1 retiram-se da urna 21 bolas. Este
experimento é repetido no segundo mês, mas recolocando-se as 21 bolas
retiradas no primeiro mês de volta na urna. Pergunta-se: qual a probabilidade de
que duas bolas que saíram no mês 1 repetirem a saída no mês 2, ou seja, se
saírem, por exemplo, a bola 15 e a bola 30, qual a probabilidade dessas duas
bolas exemplificadas repetirem a saída no mês 2?
SOLUÇÃO
A solução é a seguinte: “suponha a urna com 350 bolas, sendo 348 mais 2 que devem se
repetir, o número de combinações possíveis das 350 bolas tomadas em agrupamentos de
350
21 bolas é e o número de combinações possíveis envolvendo agrupamentos com
21
348
as 2 bolas a se repetirem fixadas envolve apenas as outras 348 bolas e é . De
2
348
19
modo que a probabilidade de sair as duas bolas a se repetirem é dada por que é
350
21
igual a 0,003438395415. Isto é a chance de ocorrer no mês 1 e a probabilidade
requerida de repetição no mês 2 é, dado a independência nos eventos, o produto
0,003438395415 x 0,003438395415 que resulta em 0,00001182256303, portanto a
probabilidade solicitada é de aproximadamente 1 em 100000, sendo que o número exato
está escrito na linha anterior.
2.5.17) Em certa atividade necessita-se sortear pessoas para desempenhar uma função
específica. No mês de Setembro foram sorteados 30 nomes entre 336 e no mês de
Novembro, entre os mesmos 336 nomes foram sorteados mais 30 nomes, qual a
probabilidade matemática de 15 nomes, entre os 30 sorteados em Setembro repetirem-se
entre os 30 nomes sorteados em Novembro?”
SOLUÇÃO
A solução é a seguinte: “suponha que o sorteio seja aleatório com 336 nomes, sendo 321
e mais 15 que devem se repetir; o número de combinações possíveis dos 336 nomes
336
tomadas em agrupamentos de 30 nomes é e o número de combinações possíveis
30
envolvendo agrupamentos com os 15 nomes a se repetirem fixados envolve apenas os
321
outros 321 nomes e é . De modo que a probabilidade de sair os 15 nomes a se
15
26
321
15
repetirem é dada por que é igual a 3,546368021x10-18 =
336
30
0,000000000000000003546368021 = 3,5 em um quintilhão. E, esta é a chance desses
números fixados saírem em Setembro e a probabilidade deles se repetirem em
321 321
15 15
Novembro é x que é igual 1,257672614x10-35 , que é um número muito
336 336
30 30
próximo de zero.
SOLUÇÃO
A solução é a seguinte: “suponha que o sorteio seja aleatório com 336 nomes, sendo 331
e mais 5 que devem se repetir; o número de combinações possíveis dos 336 nomes
336
tomadas em agrupamentos de 30 nomes é e o número de combinações possíveis
30
envolvendo agrupamentos com os 5 nomes a se repetirem fixados envolve apenas os
331
outros 331 nomes e é . De modo que a probabilidade de sair os 5 nomes a se
25
331
25
repetirem é dada por que é igual a 4,114352x10-6 = 0,000004114352 =
336
30
4,1/1000000. E, esta é a chance desses números fixados saírem em Setembro e a
331 331
25 25
probabilidade deles se repetirem em Dezembro é x que é igual
336 336
30 30
1,692789885x10-11 = 1,69/100000000000 = 1,69 em 100 bilhões.
2.5.19) Considere a situação dos exercícios 2.5.17 e 2.5.18. Qual a possibilidade dos
nomes “A” e “L serem sorteados 6 vezes juntos, sendo que foram sorteados três vezes
dentre 42 nomes e três vezes dentre 30 nomes? (cada sorteio com o mesmo universo de
526).
SOLUÇÃO
A solução é a seguinte: “suponha que o sorteio seja aleatório com 526 nomes, sendo 524
e mais 2 (A e L) que devem se repetir; o número de combinações possíveis dos 526
526
nomes tomadas em agrupamentos de 42 nomes é e o número de combinações
42
27
2.5.20) Considere a situação dos exercícios 2.5.17, 2.5.18 e 2.5.19 e considerando que
foram procedidos 10 sorteios no ano, respectivamente, nos meses de Fevereiro a Junho
e de Agosto a Dezembro. Nos dois primeiros sorteios são retirados 21 nomes e nos oito
restantes 30 nomes, de um universo de 336 nomes para cada sorteio.
335
29
SOLUÇÃO: A probabilidade do nome aparecer uma vez é: = 0,089285714 e de
336
30
10
se repetir 5 vezes em 10 eventos independentes é x0,089285714 5 x0,910714286 5 =
5
-4
0,000895821 = 8,95821x10
Essa probabilidade pode ser representada por 8,9x10-4, que equivale a uma chance em
1116 que tal fato ocorra.
Etapa 1
Sub-etapa 1.1
Sub-etapa 1.1.1
335
20 21
p11 = P(X = 1) = = = 0,06250
336 336
21
Sub-etapa 1.1.2
1 1
2 21 21
p12 = P(Y=1) = 1 − = 0,11719
1 336 336
29
Essa probabilidade pode ser representada por 1,1x10-1, que eqüivale a uma chance em
8,5 que tal fato ocorra.
Sub-etapa 1.2
Sub-etapa 1.2.1
335
29 30
p21 = P(X = 1) = = = 0,08929
336 336
30
Sub-etapa 1.2.2
3 5
8 30 30
p22 = P(X=3) = 1 − = 0,02497
3 336 336
Essa probabilidade pode ser representada por 2,5x10-2, que eqüivale a uma chance em
40 que tal fato ocorra.
O produto de p12 e p22 fornece a probabilidade (p1) de um nome aparecer 1 vez em dois
sorteios em amostras de tamanho 21 e três vezes em 8 sorteios em amostras de tamanho
30 de uma lista de 336 nomes. Encerrando a etapa 1. Então:
Essa probabilidade pode ser representada por 2,9 x 10-3, e eqüivale a uma chance em
342 de ocorrência.
Etapa 2
Sub-etapa 2.1
30
335
’ 29 30
p = P(X = 1) = = = 0,089286
336 336
30
Sub-etapa 2.2
4 6
10 30 30
p2 = (X=4) = 1 − = 0,007614
4 336 336
Essa probabilidade pode ser representada por 7,6x10-3, que eqüivale a uma chance em
131 que tal fato ocorra.
Etapa 3 (final)
Etapa 1
Sub-etapa 1.1
31
Sub-etapa 1.1.1
Essa probabilidade pode ser representada por 1,1x10-1, que eqüivale a uma chance em
8,5 que tal fato ocorra.
Sub-etapa 1.2
Sub-etapa 1.2.1
Essa probabilidade pode ser representada por 1,2x10-1, que eqüivale a uma chance em
7,8 que tal fato ocorra.
32
O produto de p12 e p22 fornece a probabilidade (p1) de um nome aparecer 1 vez em dois
sorteios em amostras de tamanho 21 e duas vezes em 8 sorteios em amostras de
tamanho 30 de uma lista de 336 nomes. Encerrando a etapa 1. Então:
Essa probabilidade pode ser representada por 1,49 x 10-2, e eqüivale a uma chance em
67 de ocorrência.
Etapa 2
Sub-etapa 2.1
3 7
10 30 30
p2 = (Y=3) = 1 − = 0,04438
3 336 336
Essa probabilidade pode ser representada por 4,4x10-3, que eqüivale a uma chance em
22,5 que tal fato ocorra.
Etapa 3 (final)
Essa probabilidade é raríssima. eqüivale a uma chance em 7,1x1049, ou seja, uma vez
em 71 seguido de 48 zeros.
Etapa 1
Sub-etapa 1.1
Sub-etapa 1.1.1
1 1
2 21 21
p12 = P(Y=1) = 1 − = 0,11719
1 336 336
Essa probabilidade pode ser representada por 1,1x10-1, que eqüivale a uma chance em
8,5 que tal fato ocorra.
Sub-etapa 1.2
Sub-etapa 1.2.1
1 7
8 30 30
p22 = P(Y=1) = 1 − = 0,37115
1 336 336
Essa probabilidade pode ser representada por 3,7x10-1, que eqüivale a uma chance em
2,7 que tal fato ocorra. Ou 10 em 27 ocorrências.
O produto de p12 e p22 fornece a probabilidade (p1) de um nome aparecer 1 vez em dois
sorteios em amostras de tamanho 21 e uma vez em 8 sorteios em amostras de tamanho
30 de uma lista de 336 nomes. Encerrando a etapa 1. Então:
Essa probabilidade pode ser representada por 4,3 x 10-2, e eqüivale a uma chance em 23
de ocorrência.
Etapa 2
Sub-etapa 2.1
Essa probabilidade pode ser representada por 1,7x10-1, que eqüivale a uma chance em 6
que tal fato ocorra.
Essa probabilidade também é raríssima. Eqüivale a uma chance em 9,9 x 1053, ou seja,
uma vez em 99 seguido de 52 zeros.
36
3. VARIÁVEL ALEATÓRIA
EXEMPLO
A função X(ω) é uma variável aleatória. Associa a cada evento contido no espaço
amostral Ω um número real.
1a.) A função distribuição da v.a X, FX(x) = PX(X ≤ x), é não decrescente, isto é, se x < y
então FX(x) < FX(y).
2a.) A função distribuição da v.a X, FX(x) = PX(X ≤ x), é contínua à direita, isto é, se xn
↓ x ⇒ FX(xn) ↓ FX(x).
EXERCÍCIOS
37
Uma vez que uma v.a assume um valor do seu contradomínio com uma certa
probabilidade tem-se que as probabilidades são associadas a valores da variável
aleatória discreta por uma função de probabilidade (f.p.) e as probabilidades são
associadas a intervalos de valores de uma variável aleatória contínua por uma função
densidade de probabilidade (f.d.p.).
Distribuição de Bernoulli
Uma v.a X tem uma distribuição de Bernoulli com parâmetro θ quando assume apenas
os valores 1 e 0 com probabilidade θ e (1-θ) respectivamente (1 em geral representa
sucesso).
EXEMPLOS:
EXERCÍCIOS:
Distribuição Binomial
Uma v.a Y tem distribuição binomial com parâmetros n e θ quando assume valores no
conjunto { 0, 1, 2, 3, ... , n } e a sua f.p. é dada pela expressão :
n E (Y ) = nθ
PY ( y ) = PY (Y = y ) = θ y (1 − θ ) n − y
y V (Y ) = nθ (1 − θ )
A v.a Binomial corresponde ao número de sucessos em n provas tipo Bernoulli,
independentes.
EXEMPLOS:
EXERCÍCIOS:
3.2.1.3) De um lote que contém 25 peças das quais 5 são defeituosas, são escolhidas 4
ao acaso. Seja Y o número de defeituosas encontradas na amostra tomada do lote.
Estabeleça a distribuição de probabilidade de Y, quando:
a) As peças forem escolhidas com reposição;
b) As peças forem escolhidas sem reposição;
c) Calcule a esperança matemática de Y no experimento do item a;
d) Calcule o desvio padrão de Y no experimento do item a.
3.2.1.4) Seja X uma v.a. Bernoulli com parâmetro θ = 0,80, ou seja , X assume o valor
1 com probabilidade igual a 0,80 e X assume o valor 0 com probabilidade igual a 0,20 .
c) Os eventos “cara na 1a. vez” e “cara na 2a. vez” são de que tipo?
d) Qual a probabilidade de ocorrer CARA exatamente 4 vezes nos 5 lançamentos?
e) Qual a probabilidade de ocorrer CARA exatamente 2 vezes nos 5 lançamentos?
f) Qual a probabilidade de ocorrer pelo menos 3 caras nos 5 lançamentos?
g) Qual a probabilidade de ocorrer no máximo 2 caras?
h) Qual a probabilidade de ocorrer 1 ou 3 caras nos 5 lançamentos?
Distribuição Hipergeométrica
K
x = 0, 1, 2, ... , n E(X) = n ⋅
N
K= 0, 1, 2, ... , N
K N −K N −n
n = 1, 2, 3, ... , N V(X) = n ⋅
N N N −1
N= 1, 2, 3, ...
EXERCÍCIOS
3.2.1.7) Retiram-se 4 cartas ao acaso de um baralho com 52 cartas, sem reposição. Seja
a variável X que conta o número de reis na amostra.
a) Qual a distribuição da v.a. X?
b) Calcule a probabilidade de não sair rei na amostra.
c) Qual o número esperado de reis?
d) Qual o desvio padrão da v.a. X?
3.2.1.8) Seja uma lagoa onde existam exatamente N peixes, sendo que deste total K
peixes são de uma certa espécie. Uma rede é lançada e são pescados n peixes. Seja a
variável X que conta o número de peixes da certa espécie pescados na rede. Qual a
distribuição da variável X?
40
Distribuição de Poisson
Uma v.a X tem uma distribuição de Poisson quando a sua f.p. é da forma:
θ x . e −θ
P x ( X = x) = x = 0,1,2,3,...
x!
θ >0
A esperança e a variância de X são dadas por E(X) = µ = θ e V(X) = σ2 = θ
EXERCÍCIOS
3.2.1.9) Suponha que o número de erros tipográficos em uma única página de um livro
tenha uma distribuição de Poisson com parâmetro θ =1. Calcule a probabilidade de que:
a) Uma página qualquer contenha exatamente 1 erro;
b) Uma página qualquer não contenha erros;
c) Uma página qualquer contenha pelo menos 1 erro;
d) Uma página qualquer contenha 2 ou 3 erros;
e) No máximo 1 erro na página;
f) Qual o número esperado de erros por página?
g) Qual o desvio padrão do número de erros por página?
a) P x ( 2 ≤ X ≤ 4) ;
b) PX ( X ≥ 1) ;
c) P X (1 ≤ X ≤ 3) ;
d) A esperança e a variância da v.a. X.
3.2.1.11) Um PBX recebe uma média de 5 chamadas por minuto. Supondo que as
chamadas que chegam constituam uma distribuição de Poisson.
Uma v.a X tem distribuição Normal ou Gaussiana quando a sua f.d.p. tem a forma:
( x − µ )2
1 −
fX(x) = e 2σ 2
x ∈ ℜ, µ ∈ ℜ e σ ∈ ℜ+
σ 2π
41
z2
1 −2
fZ(z) = e z∈ℜ
2π
A distribuição de Z tem média e variância iguais a, respectivamente, µ = 0 e σ2 = 1 e
essa v.a. é obtida da transformação Z = (X - µ)/σ, onde X ~ N(µ, σ2).
EXERCÍCIOS
a) P(8 < X < 10), P(X ≥ 12), P(X ≤ 5) e P(11 < X < 13);
b) Qual é a média e a variância da variável X;
c) Calcule P(| X-10| ≤ 1);
d) Calcule P(|X-5| ≤ 2) ;
e) Calcule P(8 < X < 12).
3.2.1.13) O peso dos coelhos criados em uma granja pode muito bem ser representado
por uma distribuição normal, com média de 5Kg e desvio-padrão de 0,8Kg. Um
frigorífico comprará 5.000 coelhos e pretende classificá-los de acordo com o peso do
seguinte modo: 20% dos mais leves como pequenos, os 55% seguintes como médios, os
15% seguintes como grandes e os 10% mais pesados como extras. Quais os limites de
peso para cada classificação?
Distribuição Qui-quadrado
Uma v.a X tem distribuição Qui-quadrado com n graus de liberdade (G.L’S). Quando a
sua f.d.p. é dada por:
n
n −1
1 1 2 2 −1 2 x
f x ( x) = . . x . e x>0
n 2
Γ( )
2
∞
n n
n ∈ N * e Γ( ) é o valor de função gama no ponto ( Γ(m) = ∫ x m −1e − x dx ) m > 0 e no
2 2 0
1 1.3.5.......( 2m − 1)
caso de m inteiro tem-se Γ (m+1) = m! e Γ (m+ ) = π
2 2m
EXERCÍCIOS:
42
3.2.1.15) Seja X uma variável com distribuição qui-quadrado com 20 G.L’S. Determine:
a) P(8,26 ≤ X ≤ 37,57) ;
b) P(9,59 ≤ X ≤ 34,17) ;
c) P(X >23,83);
d) P(X <34,17);
e) Valor de X nas figuras que o professor desenhará no quadro negro.
Z
Sejam as variáveis Z ~ N(0,1) e U ~ χ2ν. Então a v.a. T = é tem distribuição “t” de
U
ν
Student com ν graus de liberdade. A v.a T tem média E(T) = µ = 0 e variância V(T) =
ν
σ2 = , e é muito parecida com a Normal Padrão. Tem a variância um pouco maior.
ν −2
EXERCÍCIOS
n
3.2.1.17) Se X ~ N( µ ,σ 2 ) e se s2 = σ 2 (variância amostral) é a estimativa de
n −1
X −µ
σ 2 com base em uma amostra com n observações, então a variável T = tem
s
distribuição t n−1 ou seja T ~ tn-1. Neste caso, se o tamanho da amostra é n = 10, calcule:
a) P(-2,23 ≤ T ≤ 2,23) ;
b) P(T >2,76);
c) P(-1,813 ≤ T ≤ 1,813) ;
a) P(T >2,53);
b) P(T > 1,725);
c) P(T < -2,53);
d) P(T < -1,725).
43
Distribuição F de Snedecor
U /m
Seja U uma variável X 2m e V uma variável X 2n . Então a variável X = tem
V /n
distribuição F de Snedecor com m e n G.L’s. A esperança e a variância da v.a. X são
n 2n 2 (m + n − 2)
E(X) = µ = n>2 e V(X) = σ2 = . A f.d.p. da v.a. X é f(x) =
n−2 m(n − 2) 2 (n − 4)
Γ[(m + n) / 2] m m / 2 x ( m − 2) / 2
( ) x > 0 e m, n = 1,2,3, .......
Γ( m / 2)Γ(n / 2) n [1 + (m / n) x] ( m + n ) / 2
EXERCÍCIOS
3.2.1.19) Escreva a f.d.p. da v.a X, que tem distribuição Fm,n com m = 10 e n = 5 g.l’s.
EXERCICIOS:
3.2.1.22) Suponha que a v.a. que representa o valor do Q.I. siga uma distribuição
Normal, em uma população definida, com média 100 e desvio padrão 15.Qual a
proporção da população que terá Q.I. menor do que 90? Qual proporção da população
que terá Q.I. maior do que 145? E qual será a proporção daqueles que terão Q.I. entre
120 e 140?
A variável U tem distribuição Uniforme no intervalo (a, b) se a sua f.d.p. é dada por
1
fU ( u ) = . A média e a variância dessa v.a são dadas, respectivamente por: E(U) =
b−a
µ = (a+b)/2 e V(U) = σ2 = (b-a)2/12.
EXERCÍCIOS
3.2.1.24) Escreva a f.d.p. da v.a U ~ U(0,1). Para que serve especificamente essa
distribuição? Qual a sua média e sua variância?
44
3.2.1.28) Seja X ~ b(1, ¼). Escreva a f.p. de X e mostre que P(X = x) é realmente uma
f.p.
3.2.1.29) Verifique se f(x), abaixo, é realmente uma f.d.p. e faça o gráfico de f(x).
f(x) = abxb-1 e − ax x ∈ R+ a, b ∈ R+ (Weibull).
b
A v.a. X tem distribuição Exponencial com parâmetro θ se a sua f.d.p. é dada por f(x) =
θe-θx x > 0 θ > 0. A média e a variância dessa v.a são dadas, respectivamente por: E(X)
= µ = 1/θ e V(U) = 1/θ2.
EXERCÍCIOS
3.2.1.30) Seja a v.a X que tem distribuição Exponencial com parâmetro θ, X ~ ε (θ).
3.2.1.31) Suponha uma caixa com D peças defeituosas e N-D peças perfeitas. Sejam os
experimentos seguintes:
3.2.1.32) Seja a v.a X com densidade fX(x) e seja a v.a Y = bX+c, onde b > 0 e c ∈ R.
1 y−c
Então a v.a Y tem densidade fY(y) = fX ( ) y ∈ R. Prove esta proposição.
b b
3.2.1.35) Verifique se a função f(x) = θe-θx com x > 0 é f.d.p. (Exponencial com
parâmetro θ).
| x −α |
1 -
3.2.1.36) Verifique se a função f(x) = e β com x ∈ R, α ∈ R e β ∈ R+ é f.d.p.
2β
(distribuição de Laplace ou exponencial dupla).
1 2
e- 2σ 2 (ln( x) − µ ) com x ∈ R+, µ ∈ R e σ
1
3.2.1.37) Verifique se a função f(x) =
xσ 2π
+
∈ R é f.d.p. (distribuição Lognormal).
3.2.1.41) Seja X uma v.a. que tem distribuição Bernoulli com parâmetro θ, ou seja, X ~
b(1, θ).
3.2.1.42) Seja Y uma v.a. que conta o número de sucessos em n provas do tipo
Bernoulli. A distribuição dessa v.a. é conhecida como Binomial n - θ, ou seja, Y ~ b(n,
θ).
3.2.1.44) Seja Y uma v.a. com distribuição Uniforme no intervalo (a, b).
a) Escreva a f.d.p. de Y;
b) Verifique se a função que você escreveu é realmente f.d.p.;
c) Determine a f.d. de Y;
d) Verifique se a função que você determinou é realmente f.d.;
e) Determine a f.d.p. de Y a partir da f.d. F(y);
f) Faça os gráficos: da f.d.p e da f.d. de Y.
3.2.1.46) Suponha uma caixa com D peças defeituosas e N – D peças perfeitas. Sejam
os experimentos seguintes:
10.) Extrair n < N peças da caixa com reposição da peça anteriormente extraída;
20.) Extrair n < N peças da caixa sem reposição da peça anteriormente extraída.
Seja a v.a. X que conta o número de peças defeituosas presentes na amostra aleatória.
3.2.1.48) Diz-se que o vetor X’ = [X1, X2, ..... , Xk] tem distribuição multinomial com
k
parâmetros p1, p2, ... ,pk e n onde pi ∈ (0,1) e ∑p
i =1
i = 1 se p(x1,x2, ... xn) = P(X1 = x1, X2
n! x x x
= x2, .... , Xk = xk) = p 1 p 2 ..... p k k para toda escolha de x1, x2, ... ,xk inteiros
x1 ! x 2 !......x k ! 1 2
k
não-negativos e independentes tais que ∑x
i =1
i = n.
47
3.3.1. Definições
DEF. Seja uma variável aleatória X, discreta, que assume valores no conjunto {x1, x2,
x3, ... , }. Chamamos VALOR MÉDIO ou ESPERANÇA MATEMÁTICA de X ao
valor:
∞ ∞
µ = E ( X ) = ∑ xi ⋅ PX ( xi ) = ∑ xi ⋅ PX ( X = xi )
i =1 i =1
i =1 i =1
V ( X ) = E ( X 2 ) − [ E ( X )] ,
2
Uma relação muito importante é onde
n
E(X 2 ) = ∑x
i =1
i
2
⋅ P ( X = xi ).
DEF. Se as v.a’s X e Y não são independentes, existe uma diferença entre E(X.Y) e
E(X).E(Y), esta diferença é chamada de covariância e definida por cov(X,Y) = E[(X-
E(X)).(Y-E(Y))] e se cov(X,Y) = 0, as v.a’s são chamadas de não-correlacionadas.
3.3.3) Sabe-se que uma determinada moeda apresenta cara 3 vezes mais freqüentemente
que coroa. Essa moeda é jogada 3 vezes; seja Y o número de caras que aparece.
a) Estabeleça a distribuição de probabilidade (f.p.) de Y.
b) Estabeleça a Função Distribuição (f.d.).
c) Construa os gráficos dessas funções.
d) Determine a esperança (média) e a variância da variável.
e) Determine o desvio-padrão da v.a.
3.3.5) Seja uma família com 4 crianças e seja a variável X que é associada a um número
de crianças com olhos azuis na família. Sabe-se que nesta família a probabilidade de
crianças com olhos azuis é de ¼.
a) Calcule a probabilidade de não existir crianças com olhos azuis na família, ou de
uma criança com olhos azuis, ou duas crianças, ou três crianças, ou quatro crianças.
b) Escreva a função de probabilidade da variável x, PX, e a função distribuição.
c) Calcule a esperança e a variância de X.
d) Calcule o desvio-padrão de X.
3.3.7) Prove a relação V(X) = E(X2) - [E(X)]2, para o caso de X ser uma v.a contínua.
3.3.11) A proposição do exercício 3.3.10 tem um corolário muito importante, que é: “se
a v.a. X assume apenas valores não-negativos, ou seja, X(ω) > 0 ∀ω ∈ Ω, então F(x) =
∞ ∞
0 para x < 0” e ∫ [1 − F ( x)]dx = ∫ P( X > x)dx . Prove o corolário.
0 0
a) A esperança de X;
b) A variância de X;
c) A esperança de X2;
d) O desvio padrão de X.
| x −α |
1 -
3.3.16) Dada a v.a. X com f.d.p. f(x) = e β com x ∈ R, α ∈ R e β ∈ R+ é f.d.p.
2β
(distribuição de Laplace ou exponencial dupla). Determine:
a) A esperança de X;
b) A variância de X;
c) O desvio padrão de X.
50
1 2
e- 2σ 2 (ln( x) − µ ) com x ∈ R+, µ ∈ R e σ
1
3.3.17) Dada a v.a. X com f.d.p. f(x) =
xσ 2π
+
∈ R é f.d.p. (distribuição Lognormal). Determine:
a) A esperança de X;
b) A variância de X;
c) O desvio padrão de X.
3.3.19) Uma v.a. X tem distribuição Normal ou Gaussiana, ou seja, X ~ N(µ, σ2).
Determine:
a) A esperança de X;
b) A variância de X;
c) O desvio padrão de X.
3.3.21) Seja Y uma v.a. com distribuição Uniforme no intervalo (a, b).
a) Calcule a esperança de Y;
b) Calcule a variância de Y;
c) Calcule o desvio padrão de Y.
a) Calcule a esperança de X;
b) Calcule a variância de X;
c) Calcule o desvio padrão de X.
3.3.23) Suponha uma caixa com D peças defeituosas e N – D peças perfeitas. Sejam os
experimentos seguintes:
10.) Extrair n < N peças da caixa com reposição da peça anteriormente extraída;
20.) Extrair n < N peças da caixa sem reposição da peça anteriormente extraída.
Seja a v.a. X que conta o número de peças defeituosas presentes na amostra aleatória.
3.3.25) Seja a v.a. Y relacionada ao número de provas tipo Bernoulli até a ocorrência de
sucesso (“tempo” de espera até a ocorrência do sucesso). Qual a distribuição de
probabilidade dessa v.a.?
3.3.25) Seja X uma v.a. com distribuição Gama com parâmetros α e β ou seja, X ~
Γ(α,β).
a) Escreva a f.d.p. de X;
b) Determine a esperança e a variância de X;
c) Mostre a condição para a qual a Gama torna-se uma Exponencial;
d) Mostre as condições para as quais a Gama torna-se uma Qui-quadrado (na verdade
tanto a Exponencial quanto a Qui-quadrado são membros da ilustre família Gama).
3.3.26) Uma v.a. X tem distribuição Logística se a sua f.d. tem a forma F(x) =
1
( x −α )
x ∈ R, α ∈ R e β > 0.
−
β
1+ e
a) Obtenha a f.d.p. de X;
b) Determine a média e a variância de X;
c) Verifique se a f.d.p. é simétrica em torno de algum valor;
θ
θx 0
3.3.27) Uma v.a. X tem distribuição de Pareto se a sua f.d.p. tem a forma f(x) = θ +1
x
x > x0 e θ > 0.