Você está na página 1de 13

Notas de aula 12 1

"Vencedores nunca desistem e quem desiste nunca vence."


Vincent Lombardi
Disciplina: ESTATÍSTICA e PROBABILIDADE

1. Distribuições de Probabilidade (V.A. Discreta).


1.1 Introdução.
Algumas variáveis aleatórias adaptam-se muito bem a uma série de problemas
práticos e aparecem com bastante freqüência.
Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades
similares e, portanto, podem ser descritas através de um modelo, ou seja, de uma mesma
distribuição de probabilidade. Cada distribuição parte de pressuposições bem definidas.
Um cuidado especial deve ser tomado ao escolher a distribuição de probabilidade que
descreva corretamente as observações que são geradas no experimento aleatório.

1.2 Distribuição Binomial.


Trata-se de uma distribuição de probabilidade adequada aos experimentos que
apresentam apenas dois resultados (sucesso ou fracasso). Este modelo fundamenta-se
nas seguintes hipóteses:
 São realizadas n provas do mesmo tipo (idênticas);
 Cada prova admite dois resultados possíveis, um chamado sucesso e o outro
fracasso;
 As probabilidades p, de sucesso, e q = 1 – p, de fracasso, permanecem constantes
em todas as provas;
 Os resultados das provas são independentes.

São muitas as variáveis aleatórias que possuem tais características. A mais


familiar, provavelmente, é o lançamento de uma moeda n vezes, por exemplo: n = 20.
Cada prova, ou experimento, admite apenas dois resultados: cara ou coroa – sem
prejuízo para o cálculo, pode-se admitir que sucesso, por exemplo é dar coroa, enquanto
o fracasso é verificado quando o resultado for cara.
Outros exemplos de experimentos binomiais:
• Respostas de um teste como diversas questões do tipo V ou F;
• Escolha entre um produto bom ou defeituoso;
• Sexo das crianças nascidas em determinada maternidade;
• Atirar em um alvo, atingindo-o ou não;
• Fumantes ou não fumantes em um grupo de adultos;
• Alunos de uma escola vacinados ou não vacinados.

Fórmula do cálculo da probabilidade de certo número de y sucessos em n provas é


dada por:
y y n− y
P(Y = y ) = C n . p . q

onde:
Y = Variável Aleatória (V.A.)
p = probabilidade de sucesso
q = probabilidade de fracasso, q = 1 – p
n = número de provas ou repetições do experimento
y = número de sucessos
n – y = número de fracassos.

Prof. Paulo Alessio – 2º Semestre de 2008


2
1.2.1 Medidas Características.

 Média, Esperança Matemática (Valor Esperado).

µ = E[ y ] = n. p
y

 Variância
= Var [ y ] = n. p.q
2
σ ( y)

 Desvio-padrão.
σ y
= n. p.q

Exemplo.
Admite-se que uma válvula eletrônica, instalada em determinado circuito, tenha
probabilidade 0,3 de funcionar mais de 600 h. Se ensaiarmos 10 válvulas, qual será a
probabilidade de que, entre elas:
a) exatamente uma funcione mais de 600 h?
1 1 9
P ( y = 1) = C 10 .(0,3) .(0,7) = 0,1211 = 12,11%

b) exatamente 3 funcionem mais de 600 h?


3 3 7
P( y = 3) = C10 . 0,3 . 0,7 = 0,2668 = 26,68%

c) Determine a média (esperança matemática ou expectância), a variância e o desvio-


padrão.
Média: µ = E ( y ) = n. p = 10.(0,3) = 3
( y)

= Var [ y ] = n. p.q = 10.(0,3).(0,7) = 2,1


2
Variância: σ ( y)

Desvio-padrão = σ y
= n. p.q = 2,1 = 1,45
Solução com o uso do Excel.
Solução do item “a”

Prof. Paulo Alessio – 2º Semestre de 2008


3
Exercícios.
1) Uma moeda é jogada 10 vezes. Calcule as seguintes probabilidades:
a) de ocorrer seis caras; Resposta. 105/512 = 20,51%
b) de dar pelo menos duas caras; Resposta. 1013/1024 = 98,93%
c) de não dar nenhuma coroa; Resposta. 1/1024 = 0,098%
d) de dar pelo menos uma coroa; Resposta. 1023/1024 = 99,90%
e) de não dar 5 caras e 5 coroas. Resposta. 193/256 = 75,39%

2) Admitindo-se que os nascimentos de meninos e meninas sejam iguais, calcule a


probabilidade de um casal com seis filhos ter quatro filhos homens e duas mulheres.
Resposta. 15/64

3) Em 320 famílias com quatro crianças cada uma, quantas se esperaria que tivessem:
a) nenhuma menina? Resposta. 20
b) três meninos? Resposta. 80
c) quatro meninos? Resposta. 20

4) Qual a probabilidade de obter ao menos uma vez o ponto 3 em n jogadas de um dado?


Resposta. 1 – (5/6)n
5) Um time X tem 2/3 de probabilidade de vitória sempre que joga. Se X jogar cinco
partidas, calcule a probabilidade de :
a) X vencer exatamente 3 partidas; Resposta. 80/243
b) X vencer ao menos uma partida; Resposta. 242/243
c) X vencer mais da metade das partidas. Resposta. 64/81

6) A probabilidade de um atirador acertar o alvo é 1/3. Se ele atirar 6 vezes, qual a


probabilidade de:
a) acertar exatamente dois tiros? Resposta. 80/243
b) não acertar nenhum tiro? Resposta. 64/729

7) Em um teste do tipo certo-errado, com 100 perguntas, qual a probabilidade de um


aluno, respondendo às questões ao acaso, acertar 70% das perguntas?
70 −100
Resposta. C100 . 2

8) Se 5% das lâmpadas de determinada marca são defeituosas, ache a probabilidade de


que, numa amostra de 100 lâmpadas, escolhidas ao acaso, tenhamos:
100
a) nenhuma defeituosa; 0,95
Resposta.
3 3 97
b) três defeituosas; Resposta. C . 0,05 . 0,95
100

c) mais do que uma boa. Resposta. 1 – (0,05)100 – 95. (0,05)99

9) Sabendo-se que a USAir detêm 20% dos vôos domésticos nos EUA. Supondo que os
acidentes aéreos sejam eventos independentes e aleatórios, e admitindo ainda que a
USAir seja tão segura quanto as outras companhias de aviação. Determine a
probabilidade de que em sete acidentes aéreos, quatro ocorram com aviões da USAir.
Resposta. 0,02867.

10) A companhia Mars afirma que 20% de suas pastilhas de chocolate M&M são
vermelhas. Determine a probabilidade de que, em 15 pastilhas M&M escolhidas
aleatoriamente, exatamente 20% (ou seja, 3 pastilhas) sejam vermelhas. Resposta. 0,250

Prof. Paulo Alessio – 2º Semestre de 2008


4
11) Qual a probabilidade de se obter 2 caras em 6 lances de uma moeda não-viciada ?
Resposta. 15/64.

12 Qual a probabilidade de se obter ao menos 4 caras em 6 lances de uma moeda não-


viciada ? Resposta. 22/64.

13) Qual a probabilidade de se obter o número 5 duas vezes, em 3 jogadas de um dado


não viciado ? Resposta. 5/72.

14) Seis parafusos são escolhidos ao acaso da produção de certa máquina, que
apresenta 10% de peças defeituosas. Qual a probabilidade de serem defeituosos dois
deles? Resposta. 0,0984.

15) Num determinado processo de fabricação 10% das peças são consideradas
defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma.
a) Qual é a probabilidade de haver exatamente 3 peças defeituosas numa caixa?
Resposta. 0,81%.
b) Qual é a probabilidade de haver duas ou mais peças defeituosas numa caixa?
Resposta. 8,15%.

16) Suponha que a probabilidade de que um item produzido por uma máquina seja
defeituoso é de 20%. Se 10 itens produzidos por esta máquina são selecionados ao
acaso, qual é a probabilidade de que não mais do que um defeituoso seja encontrado?
Resposta. 37,6%.

17) Na fatura de certo artigo, é sabido que 1 entre 10 dos artigos é defeituoso. Qual a
probabilidade de que uma amostra casual de tamanho 4 contenha:
a) nenhum defeituoso? Resposta. 65,61%
b) exatamente um defeituoso? Resposta. 29,16%
c) exatamente dois defeituosos? Resposta 4,86%
d) não mais do que dois defeituosos? Resposta. 99,63%

18) Um fabricante de peças de automóveis garante que uma caixa de suas peças conterá,
no máximo, 2 defeituosas. Se a caixa contém 18 peças, e a experiência tem demonstrado
que esse processo de fabricação produz 5% das peças defeituosas, qual a probabilidade
de que uma caixa satisfaça a garantia? Resposta. 94,2%

19) Doze por cento dos que reservam lugar num vôo sistematicamente faltam ao
embarque. O avião comporta 15 passageiros. Determine a probabilidade de que todos os
15 passageiros que reservaram lugar compareçam ao embarque. Resposta. 14,70%

20) Um revendedor de automóveis novos constatou que 8% dos carros vendidos são
devolvidos ao departamento mecânico para corrigir defeitos de fabricação, nos primeiros
25 dias após a venda. De 11 carros vendidos num período de cinco dias, qual é a
probabilidade de que 4 voltem dentro de 25 dias para reparo. Resposta. 0,75%

21) Dados históricos mostram que 5% dos itens provindos de um fornecedor apresentam
algum tipo de defeito. Considerando um lote com 20 itens, calcular a probabilidade de:
a) haver algum item com defeito; Resposta. 64,15%
b) haver exatamente dois itens defeituosos; Resposta. 18,87%
c) haver mais de dois itens defeituosos; Resposta. 7,54%
d) qual é o número esperado de itens defeituosos no lote? Resposta. 1
e) e de itens bons? Resposta. 19

Prof. Paulo Alessio – 2º Semestre de 2008


5
22) Suponha que 10% dos clientes que compram a crédito em uma loja deixam de pagar
regularmente suas contas (prestações). Se num particular dia, a loja vende a crédito para
10 pessoas, qual é a probabilidade de que mais de 20% delas deixem de pagar
regularmente as contas? Suponha que as 10 pessoas que fizeram crediário nesse dia
correspondam a uma amostra aleatória de clientes potenciais desta loja. Resposta. 7,02%

23) Em um sistema de transmissão de dados, existe uma probabilidade igual a 5% de um


lote de dados ser transmitido erroneamente. Foram transmitidos 20 lotes de dados para a
realização de um teste de análise de confiabilidade do sistema.
a) calcule a probabilidade de haver erro na transmissão. Resposta. 64,15%
b) calcule a probabilidade de que haja erro na transmissão em exatamente 2 dos 20 lotes
de dados. Resposta. 18,87%
c) qual é o número esperado de erros no teste realizado? Resposta. 1 erro

1.3 Distribuição Multinomial.


Uma generalização da Distribuição de Probabilidade Binomial resulta a Distribuição
de Probabilidade Multinomial. Assim, considere a possibilidade de “k” alternativas, isto é,
repartirmos o Espaço Amostral em “k” eventos A1, A2, ... , Ak, mutuamente exclusivos
(disjuntos), com probabilidades p1, p2, ... , pk, tais que p1 + p2 + ... + pk = 1. Então “n” provas,
a probabilidade de que A1 ocorra Y1 vezes, A2 ocorra Y2 vezes, ... Ak ocorra Yk vezes é
igual a:
n! Y1 Y2 Yk
P (Y 1 ,Y 2 , . . .,Y k ) = . p . p ... p
1 2 k
Y 1!.Y 2!... Y k !
Exercícios:

1) Um dado é lançado 10 vezes. Qual é a probabilidade de terem aparecido duas vezes o


número 2, duas vezes o número 5, três vezes o número 1 e uma vez os demais
resultados? Resposta: 0,25%

2) As lâmpadas coloridas produzidas por uma fábrica são 60% verdes, 30% azuis e 10%
amarelas. Em 5 lâmpadas, encontre a probabilidade de que duas sejam verdes, uma azul
e duas amarelas. Resposta: 3,24%
3) O sangue humano foi classificado em quatro tipos: A, O, B e AB. Numa certa
população, as probabilidades destes tipos são respectivamente: 0,40; 0,45; 0,10; e
0,05. Qual a probabilidade de que em cinco indivíduos escolhidos ao acaso haja:

a) dois do tipo A e um de cada um dos outros? Resposta: 2,16%


b) três do tipo A e dois do tipo O? Resposta: 12,96%

4) Jogue um dado oito vezes. Calcule a probabilidade de aparecer dois números 2; dois
números 5 e os demais números, uma vez.
Resposta:35/5832
5) Um dado é viciado de modo que a face 6 aparece 0,3 das vezes, a face oposta, 1,
aparece 0,1 das vezes e cada uma das outras faces aparece 0,15 das vezes. O dado é
lançado 6 vezes. Encontre a probabilidade de:

a) cada face aparecer uma vez. Resposta: 0,0109


b) as faces 4, 5 e 6 duas vezes. Resposta: 0,0041

Prof. Paulo Alessio – 2º Semestre de 2008


6
6) Uma caixa contém 5 bolas vermelhas, 3 brancas e 2 azuis. Uma amostra com seis
bolas é retirada com reposição, isto é, cada bola é recolocada antes da seguinte ser
retirada. Encontre a probabilidade de:

a) 3 serem vermelhas, 2 brancas e 1 azul. Resposta: 0,135


b) 2 vermelhas, 3 brancas e 1 azul. Resposta: 0,0810
c) 2 de cada cor aparecerem. Resposta: 0,0810

1.4 Distribuição de Poisson.


Em muitos casos, conhece-se o número de sucessos, porém se torna difícil e, às
vezes, sem sentido, determinar o número de fracassos ou o número total de provas. Por
exemplo: automóveis que passam em uma esquina. Pode-se num determinado intervalo
de tempo anotar o número de carros que passaram, porém, o número de carros que
deixaram de passar pela esquina não poderá ser determinado. Da mesma forma, o
número de emendas num rolo de fita colante. Pode-se determinar quantas emendas
existem, porém não é possível contar quantas emendas não ocorreram.
Considere as situações em que se avalia o número de ocorrências de um tipo de
evento por unidade de tempo, de comprimento, de área, ou de volume.
A distribuição de Poisson representa um modelo probabilístico adequado para o
estudo de um grande número de fenômenos observáveis. Eis alguns exemplos:
• Chamadas telefônicas por unidade de tempo;
• Defeitos por unidade de área;
• Acidentes por unidade de tempo;
• Chegada de clientes a um supermercado por unidade de tempo;
• Número de glóbulos sangüíneos visíveis ao microscópio por unidade de área;
• Número de partículas emitidas por uma fonte de material radioativo por unidade de
tempo.
Seja X uma variável aleatória igual ao número de ocorrências (sucessos) quando
se realizam (ou se observam) resultados de fenômenos semelhantes aos dos exemplos
anteriores, X poderá assumir os valores: 0, 1, 2, ...
Ao aplicar o modelo de Poisson, o interesse poderá ser, por exemplo, calcular a
probabilidade de receber cinco chamadas telefônicas, em três minutos, em dado
aparelho: P(X = 5, 3 min).
De início, poderíamos pensar no uso do modelo binomial, porém, não sabemos
qual o número de provas (n = ?), nem a quantidade de fracassos: quantas chamadas não
ocorreram?

1.4.1 Hipóteses do Modelo de Poisson.


H1 – A probabilidade de uma ocorrência em um intervalo ∆t (ou ∆s , ou ...) é constante e
proporcional ao tamanho do intervalo. Isto é: P(X = 1, ∆t ) = λ∆t
H2 – A probabilidade de mais de uma ocorrência em um intervalo ∆t (ou ∆s , ou ...) é igual
a zero. Isto é: P(X > 1, ∆t ) = 0
H3 – O número de ocorrências constituem variáveis aleatórias independentes.

A expressão que dá a probabilidade de x sucessos em um intervalo t (tempo,área, ...) é:


x −λ.

P( X = x, t ) = λ .e
x!
Onde: λ = parâmetro da distribuição, é o número médio de sucessos que ocorrem num
determinado intervalo ou região.
e = base dos logaritmos naturais (2,71828...) x = número de ocorrências (“sucessos”).

Prof. Paulo Alessio – 2º Semestre de 2008


7
Pode-se provar que a Média da distribuição é dada por µ = λ e a variância da
2
distribuição de Poisson também é dada por λ , ou seja: σ = λ.

Exemplos.
1) Experiências passadas indicam que, em média, há duas chamadas por hora em
certo telefone. Vamos calcular as probabilidades de, em uma hora, o telefone receber:
a) nenhuma chamada,
b) uma chamada e
c) cinco chamadas.

Solução: µ = 2 (dado do problema). µ = λ o intervalo é de 1 h, logo ⇒λ=2 e


x −λ

P( X = x, 1 h) = λe
x!
0 −2

a) nenhuma chamada ⇒ x=0 P(X = 0, 1h) = 2 .e = 0,1353 ou 13,53%


0!
1 −2

b) uma chamada ⇒ x=1 P(X = 1, 1h) = 2 .e = 0,2707 ou 27,07%


1!
5 −2

c) cinco chamadas ⇒ x=5 P(X = 5, 1h) = 2 .e = 0,0361 ou 3,61%


5!
Solução com o uso do Excel.
Solução do item “a”

2) O pessoal de inspeção de qualidade afirma que os rolos de fita isolante apresentam,


em média, uma emenda a cada 50 metros. Admitindo-se que a distribuição do número de
emendas é dada por Poisson, vamos calcular as probabilidades:

a) de nenhuma emenda em um rolo de 125 metros.


Solução. Média µ = 1 para t = 50 metros. Para 125m temos λ = 2,5
x −λ

Queremos calcular P(X = 0, 125 m) = λe


x!

Prof. Paulo Alessio – 2º Semestre de 2008


8
o −2 , 5

P(X = 0, 125 m) =
2,5 . e 0,0821 = 8,21%
0!
b) a probabilidade de ocorrerem no máximo duas emendas em um rolo de 125 metros:
Queremos: P(X ≤ 2, 125m) = P(X = 0, 125m) + P(X = 1, 125m) + P(X = 2, 125m)
1 −2 , 5

P(X = 1, 125 m) =
2,5 . e 0,2052 = 20,52%
1!
2 −2 , 5

P(X = 2, 125 m) =
2,5 . e
0,2565 = 25,65%
2!
P(X ≤ 2, 125m) = 0,0821 + 0,2052 + 0,2565 = 0,5438 ou 54,38%

c) a probabilidade de ocorrer pelo menos uma emenda em um rolo de 100 metros.


Queremos: P(X ≥ 1, 100m) = 1 – P(X = 0, 100m), sabemos que para 100 m temos λ = 2.
0 −2

Portanto, P(X = 0, 100m) = 2 .e


= 0,1353 ou 13,53%
0!
P(X ≥ 1, 100m) = 1 – 0,1353 = 0,8647 ou 86,47%

1.4.2 Aproximação das Distribuições de Probabilidades Binomiais com as


Probabilidades da Distribuição de Poisson.

Na aplicação do modelo de distribuição binomial, quando n for grande (n > 50), e


n.p < 5, é possível obter as probabilidades binomiais por meio do modelo de Poisson.

Exercícios.

1) Admitindo que X tem distribuição de probabilidade de Poisson, encontre as


probabilidades:

a) P(X = 5) quando µ = 3,0 Resposta. 0,1008

b) P(X ≤ 2) quando µ = 5,5 Resposta. 0,0884

2) Suponha que X tenha distribuição binomial com n = 100 e p = 0,02. Use a


aproximação de Poisson para encontrar P(X = 5). Resposta. 0,0361 ou 3,61%

3) Uma fábrica de pneus verificou que, ao testar seus pneus nas pistas, havia em média
um estouro de pneu a cada 5.000 km.

a) qual a probabilidade de que num teste de 3.000 km haja no máximo um pneu


estourado? Resposta. 0,8781 ou 87,81%

b) qual a probabilidade de que um carro ande 8.000 km sem estourar nenhum pneu?
Resposta. 0,2019 ou 20,19%
4) Certo posto de bombeiros recebe em média três chamadas por dia. Calcular a
probabilidade de:
a) receber quatro chamadas em um dia. Resposta. 16,80%

b) receber três ou mais chamadas num dia. Resposta. 57,68%

5) A média de chamadas telefônicas em uma hora é três. Qual a probabilidade de:


a) receber exatamente três chamadas numa hora? Resposta. 0,2240 ou 22,40%
Prof. Paulo Alessio – 2º Semestre de 2008
9
b) receber quatro ou mais chamadas em 90 minutos? Resposta. 0,6577 ou
65,77%

6) Numa pintura de paredes, aparecem defeitos em média na proporção de um defeito por


metro quadrado. Qual a probabilidade de aparecerem três defeitos numa parede de 2 x 2
metros: Resposta. 0,1954 ou 19,54%

7) Uma loja atende em média dois clientes por hora. Calcule a probabilidade de em uma
hora:

a) atender exatamente dois clientes. Resposta. 0,2707 ou 27,07%

b) atender três clientes. Resposta. 0,1804 ou 18,04%

8) Suponha que haja em média dois suicídios por ano numa população de 50.000. Em
cada cidade de 100.000 habitantes, encontre a probabilidade de que em dado ano tenha
havido:
a) zero. Resposta. 0,0183 ou 1,83%

b) um. Resposta. 0,0733 ou 7,33%

c) dois. Resposta. 0,1465 ou 14,65%

d) dois ou mais suicídios. Resposta. 0,9084 ou 90,84%

9) Suponha 400 erros de impressão distribuídos aleatoriamente em um livro de 500


páginas. Encontre a probabilidade de que dada página contenha:

a) nenhum erro. Resposta. 0,4493 ou 44,93%

b) exatamente dois erros. Resposta. 0,1438 ou 14,38%

10) Certa loja recebe em média cinco clientes por hora. Qual a probabilidade de receber
dois clientes em 24 minutos? Resposta. 0,2707 ou 27,07%

11) O número médio de acidentes por mês em um determinado cruzamento é 3. Qual a


probabilidade de que em um determinado mês ocorram 4 acidentes no cruzamento ?
Resposta. 16,8%

12) Se um banco espera receber, em média, 3 cheques sem fundo por dia, qual a
probabilidade de num dia qualquer, receber:
a) 4 cheques sem fundo. Resposta. 16,8%
b) no máximo 2 cheques sem fundo. Resposta. 42,32%
c) 5 cheques sem fundo em dois dias consecutivos. Resposta. 16,06%

13) O número de chamadas telefônicas que chegam a uma central segue uma
distribuição de Poisson com média 6 por minuto.
a) Qual a probabilidade de nenhuma chamada chegar a central em um minuto? Resposta.
0,25%
b) Duas ou mais chamadas chegarem? Resposta. 98,26%

14) Nos sinais de um transmissor ocorrem distorções aleatórias a uma taxa média de 1
por minuto. Qual a probabilidade de o número de distorções em uma mensagem de 3
minutos ser 3 ou mais? Resposta. 57,68%
Prof. Paulo Alessio – 2º Semestre de 2008
10
15) Caminhões chegam a um depósito a razão de 2,8 caminhões/hora. Determine a
probabilidade de chegarem três ou mais caminhões:

a) num período de 30 minutos. Resposta. 16,65%

b) num período de 1 hora. Resposta. 53,05%

c) num período de 2 horas. Resposta. 91,76%

16) Os acidentes numa grande fábrica têm aproximadamente a distribuição de Poisson,


com média de três acidentes mês. Determine a probabilidade de que, em dado mês, haja:

a) 0 acidente Resposta. 4,98%

b) 1 acidente Resposta. 14,94%

c) 3 ou 4 acidentes. Resposta. 39,21%

17) Em um canal de comunicação digital, a probabilidade de se receber um bit com erro é


de 0,0002. Se 10.000 bits forem transmitidos por esse canal, qual é a probabilidade de
que mais de quatro bits sejam recebidos com erro? Resposta. 5,27%

18) Um piso cerâmico tem, 0,01 defeito por m2 . Em uma área de 10 m x 10 m desse piso,
calcule a probabilidade de ocorrer algum defeito. Resposta. 63,21%

1.5 Distribuição Hipergeométrica.

Consideremos um conjunto de N elementos, r dos quais têm uma determinada


característica (r ≤ N ) . Serão extraídos n elementos (n ≤ N ) sem reposição. A
distribuição de probabilidade da v. a. X , igual ao número de elementos com a referida
característica que estarão entre os n retirados é dita hipergeométrica.
A função de probabilidade é calculada por:

C rx .C Nn −−xr
p ( x) = P( X = x) =
C Nn
Média e Variância
Média: µ = E ( X ) = np

N −n
Variância: σ 2 = V ( X ) = npq
N −1

Exercícios.

1) Numa sala de aula com 10 alunos, 3 têm olhos azuis. Se duas alunas são sorteadas
aleatoriamente, qual a probabilidade de:

a) ambas terem olhos azuis; R. 1/15


b) nenhuma ter olhos azuis; R. 7/15
c) pelo menos uma ter olhos azuis. R. 8/15

Prof. Paulo Alessio – 2º Semestre de 2008


11
Solução com o uso do Excel.
Solução do item “a”

2) Uma caixa contém 12 lâmpadas das quais 5 estão queimadas. São escolhidas 6
lâmpadas ao acaso para a iluminação de uma sala. Qual a probabilidade de que:
a) exatamente duas estejam queimadas? R. 0,3787 = 37,87%
b) pelo menos uma esteja boa ? R. 1 = 100%

3) Num lote de 100 peças produzidas numa fábrica, 10 são defeituosas. Escolhendo-se 5
peças, pede-se:
a) a probabilidade de não se obter peças defeituosas; R. 0,584 = 58,4%
b) a probabilidade de se obter pelo menos uma defeituosa. R. 0,416 = 41,6%

4) Em um carregamento de 15 microchips, dois são defeituosos. Uma amostra de 3


microchips é escolhida ao acaso. Determine a probabilidade de que:
a) os três microchips sejam defeituosos; R. 0
b) um microchip seja defeituoso; R. 0,3429 = 34,29%
c) dois microchips sejam defeituosos. R. 0,0286 = 2,86%

5) Pequenos motores são guardados em caixas de 50 unidades. Um inspetor de


qualidade examina cada caixa, antes da posterior remessa, testando 5 motores. Se
nenhum motor for defeituoso, a caixa é aceita. Se pelo menos um for defeituoso, todos os
50 motores são testados. Há 6 motores defeituosos numa caixa.
Qual a probabilidade de que seja necessário examinar todos os motores dessa
caixa? R. 48,74%

6) De um baralho com 52 cartas, retiram-se 8 cartas ao acaso, sem reposição. Qual a


probabilidade de que 4 sejam figuras? R. 6,01%

7) Uma firma compra lâmpadas por centenas. Examina sempre uma amostra de 15
lâmpadas para verificar se estão boas. Se uma centena inclui 12 lâmpadas queimadas,
qual a probabilidade de se escolher uma amostra com pelo menos uma lâmpada
queimada? R. 87,47%

8) Qual a probabilidade de um apostador acertar uma quadra na Mega Sena com uma
aposta de 6 dezenas? R. 1/2332 ou 0,043%

Prof. Paulo Alessio – 2º Semestre de 2008


12
9) Qual a probabilidade de um apostador acertar uma quina ao jogar um cartão com 10
dezenas na Mega Sena? R. 1/3973 ou 0,025%

10) Placas de vídeo são expedidas em lotes de 30 unidades. Antes que a remessa seja
aprovada, um inspetor escolhe aleatoriamente cinco placas do lote e as inspeciona. Se
nenhuma das placas inspecionadas for defeituosa, o lote é aprovado. Se uma ou mais
forem defeituosas, todo o lote é inspecionado. Supondo que haja três placas defeituosas
no lote, qual é a probabilidade de que o controle de qualidade aponte para a inspeção
total? R. 43,35%

11) Qual é a probabilidade do Exercício anterior, se a inspeção completa for feita somente
quando forem encontradas mais do que uma placa defeituosa na amostra? R. 6,40%

Utilização do Excel nas Distribuições de Probabilidade.


 Determinação da Distribuição Binomial no Excel.

1) Abrir a planilha Excel:

2) Na barra de ferramentas do Excel abrir “Colar Função” ;

3) Selecione a categoria Estatística e a função DISTRBINOM:

4) Em CUMULATIVO (ao escrever VERDADEIRO, apresenta a probabilidade acumulada


até aquele valor). Ao escrever FALSO a função apresenta a probabilidade no ponto.
 Determinação da Distribuição Poisson no Excel.
Seguir os mesmos procedimentos anteriores. Em Nome da Função selecionar POISSON.
 Determinação da Distribuição Hipergeométrica no Excel.
Seguir os mesmos procedimentos anteriores. Em Nome da Função selecionar DIST.
HIPERGEOM.

Prof. Paulo Alessio – 2º Semestre de 2008


13
BIBLIOGRAFIA.
BARBETTA, Pedro Alberto. Estatística: para cursos de engenharia e informática. São
Paulo: Atlas, 2004.

FONSECA, Jairo Simon da e MARTINS, Gilberto de Andrade. Curso de Estatística. São


Paulo: Editora Atlas, 1996.

LIPSCHUTZ, Seymour. Teoria e Problemas de Probabilidade. São Paulo, McGraw-Hill,


1972.

MARTINS, Gilberto de Andrade. Estatística Geral e Aplicada. São Paulo: Editora Atlas,
2002.

MEYER, Paul L. Probabilidade Aplicações à Estatística. Rio de Janeiro: Ao Livro


Técnico, 1973.

MORETTIN, Pedro A. e BUSSAB, Wilton de O. Estatística Básica. São Paulo: Saraiva,


2003.

MORETTIN, Luiz Gonzaga. Estatística Básica – Probabilidade. São Paulo: Makron


Books, 1999.

SPIEGEL, Murray R. Estatística. Rio de Janeiro: McGraw-Hill, 1983.

STEVENSON, William J. Estatística Aplicada à Administração. São Paulo: Harbra,


1981.

TRIOLA, Mario F. Introdução à Estatística. Rio de Janeiro: LTC, 1999.

Prof. Paulo Alessio – 2º Semestre de 2008