Escolar Documentos
Profissional Documentos
Cultura Documentos
INSTITUTO DE MATEMÁTICA
DEPARTAMENTO DE ESTATÍSTICA
NOTAS DE AULA
MAT236 – MÉTODOS ESTATÍSTICOS
1ª UNIDADE
Revisada em 2010.2
Monitora: Tatiana Felix da Matta
1. INTRODUÇÃO
A inferência estatística procura com base nos dados amostrais tirar conclusões
sobre a população. Considere o exemplo abaixo para ilustrar as definições dadas.
1
Exemplo: (Notas de Aula da Disciplina MAT116 - USP) Numa pesquisa eleitoral um
Instituto de Pesquisa procura com base nos resultados de um levantamento aplicado a
uma amostra da população prever o resultado da eleição. Considere o candidato “A”:
a) Denomine por p a proporção de pessoas que votarão em “A” na eleição.
b) Denomine por p̂ a proporção de pessoas no levantamento de opinião (amostra)
que expressam intenção de voto em “A”.
Técnicas de Amostragem
População Amostra
Análise
Descritiva
Inferência
Conclusões Estatística
sobre as
características Informações contidas
da população nos dados
2
viáveis, com vistas à economia de observações e, portanto, de custo;
planejamento de métodos de coleta e análise de dados para a exploração mineral;
• Instituições públicas: planejamento da coleta, do armazenamento e do
processamento de informações; processamento de dados com o objetivo de
sintetizar e divulgar resultados; montagem de tecnologia adequada de geração de
indicadores econômicos; previsão de safras, projeção de demandas;
• Hospitais e instituições de pesquisa médica: prestação de assessoria estatística
no exame da validade de testes clínicos; no estabelecimento de padrões de
referência; na determinação de fatores de risco de doenças; na comparação de
resultados de diversos tratamentos clínicos e no planejamento de experimentos
clínicos controlados, de estudos de casos e de estudos prospectivos;
• Empresas de pesquisa de opinião e mercado: prestação de assessoria estatística
no levantamento de audiências de programas de televisão, da popularidade de
candidatos a cargos políticos; na avaliação da aceitação de novos produtos; na
realização de pesquisas para determinação do perfil do consumidor e no
planejamento e execução e pesquisa para determinação das características sócio-
econômicas dos habitantes da região;
• Bancos e companhias de seguro: elaboração de previsões a serem utilizadas
como instrumento gerencial; trabalho em associação com a atuária nos cálculos
das probabilidades de morte, doença, roubo de carro, etc.; otimização de
procedimentos de atendimento ao público
• Centros de pesquisa: prestação de assessoria estatística em todas as fases de um
projeto de pesquisa que envolva coleta, tratamento e análise de dados.
Exemplos :
i) População finita: empresas do Pólo Petroquímico de Camaçari.
ii) População infinita: as pressões atmosféricas ocorridas nos diversos pontos do
Continente em determinado momento.
As variáveis qualitativas são divididas em dois tipos: nominal, para a qual não
existe nenhuma ordenação nas possíveis respostas da referida variável, e ordinal, para a
qual existe uma ordenação. Por exemplo,
4
Para resumir as informações levantadas durante uma pesquisa usaremos a
técnica e a representação mais apropriada, a depender do tipo de variável que estamos
analisando.
5
Tabela 2.1: Porte das indústrias de matérias plásticas nas principais regiões metropolitanas do
Brasil - 1999
%
Porte da Indústria Números de indústrias
(100xfri )
Grande 23 21,7
Média 70 66,0
Pequena 13 12,3
Total geral 106 100,0
Fonte: Dados fictícios
Exemplo 2.2: Foi observado o número de defeitos apresentados por uma máquina
industrial durante o período de 30 dias. Os resultados foram os seguintes:
1 1 1 0 1 1
0 2 1 3 1 0
1 1 1 2 0 1
1 1 4 1 0 3
2 2 1 1 0 1
Tabela 2.2: Número de defeitos em uma máquina industrial durante o período de 30 dias
Número de Quantidade (fi) %
defeitos (100xfri)
0 6 20,0
1 17 56,7
2 4 13,3
3 2 6,67
4 1 3,33
Total 30 100,0
Fonte: Dados fictícios
6
Determinação do número de classes e amplitude do intervalo de classes:
AT
h= .
k
7
Tabela 2.3: Rendimento (em %) de uma reação para fabricação de uma substância
química.
Rendimento Número de %
substância (fi) (100xfri)
70,5 |— 72,7 2 2,50
72,7 |— 74,9 2 2,50
74,9 |— 77,1 4 5,00
77,1 |— 79,3 14 17,50
79,3 |— 81,5 19 23,75
81,5 |— 83,7 17 21,25
83,7 |— 85,9 11 13,75
85,9 |— 88,1 9 11,25
88,1 |— 90,3 2 2,50
Total 80 100,00
Fonte: Dados fictícios
Em alguns casos é necessário apresentar mais de uma variável em uma única tabela.
Quando são utilizadas apenas duas variáveis tem-se uma tabela de dupla entrada.
Tabela 2.4: Porte das indústrias de matérias plásticas por região metropolitana do Brasil -
1999
Porte da empresa
Região Metropolitana Total
Grande Média Pequena
Belo Horizonte 2 9 3 14
Curitiba 1 4 0 5
Porto Alegre 0 7 1 8
Rio de Janeiro 3 13 2 18
Salvador 8 18 4 30
São Paulo 9 19 3 31
Total 23 70 13 106
Fonte: Dados fictícios
8
Exemplo 2.4:
Figura 2.1:: Tipo de fraude nos cartões de crédito da Mastercard Internacional no Brasil -
2000
Exemplo 2.5:
9
Figura 2.2: Número de crianças de baixa renda, segundo o bairro de residência,
que participaram do ensino de música na Escola XYZ, em Salvador - 2008
Exemplo 2.6:
10
Exemplo 2.7: Gráfico para o exemplo 1.2.
Figura 2.4: Número de defeitos em uma máquina industrial durante o período de 30 dias
Uma indústria fabricante de lentes tem como objetivo resolver o seguinte problema:
aumento do número de lentes defeituosas produzidas pela empresa a partir de fevereiro
de 1995. A empresa classificou uma amostra de lentes fabricadas durante uma semana
de produção de acordo com os tipos de defeitos detectados. O resultado está na tabela a
seguir:
Tabela 2.8: Defeitos encontrados em uma amostra de lentes fabricadas durante uma
semana de produção de uma indústria em 1200 lentes inspecionada.
11
com maior frequência. Para construirmos o gráfico de Pareto é necessário obtermos a
planilha de dados mostrada na tabela a seguir.
100
Percentagem
100 80 Acumulada
Controle
60
50 40
20
0 0
do sa
qua oG
ros
nade ca o uit ada
Defeitos nto
I nh M cab ros
Trin Arra ao
u
oA Out
ime n
est ito
Fi N
Rev Mu
Quantidade 55 41 12 11 5 3
Percentagem 43.3 32.3 9.4 8.7 3.9 2.4
Perc. Acumulada 43.3 75.6 85.0 93.7 97.6 100.0
Observando a Figura 2.5, foi imediato para indústria perceber que os dois tipos de
defeitos mais frequentes, “Revestimento inadequado” e “trinca”, representavam 75,6%
dos defeitos detectados nas lentes produzidas pela empresa. Portanto, “Revestimento
inadequado” e “trinca” foram considerados os defeitos mais importantes, que devem ser
eliminados em primeiro lugar esse tipo de defeito é chamado de poucos defeitos vitais,
enquanto que os outros representam apenas os muitos defeitos triviais pois
representam a minoria das observações.
12
4º) Gráfico em linhas ou curvas
Utilizado para descrever séries temporais que são dados observados em instantes
ordenados do tempo.
Exemplo 2.9:
Tabela 2.10: Índice de Produto Industrial
Brasil – 1979
Meses IPI
Janeiro 18.633
Fevereiro 17.497
Março 19.470
Abril 18.884
Maio 20.308
Junho 20.146
Julho 20.258
Agosto 21.614
Setembro 19.717
Outubro 22.133
Novembro 20.503
Dezembro 18.800
Fonte: FIBGE
Fonte: FIBGE
13
5º) Gráfico em setores
Exemplo 2.10:
Tabela 2.11: Percentual de funcionários da
Companhia Milsa segundo região de procedência
Procedência Percentual
Interior 33,30
Capital 30,60
Outro 36,10
Fonte: Bussab e Morettin (2002)
6º) Histograma
Note que, neste caso, a área do retângulo é igual a frequência da classe. A altura d
definida acima é chamada de densidade de frequência.
90
80
70
60
Leste
50
40 Oeste
30 Norte
20
10
0
primeiro segundo terceiro quarto
Há vários problemas com este gráfico. Ele impressiona mais pela tecnologia
utilizada do que pela informação que passa para o leitor. Os dados não são
tridimensionais. As grades do fundo mais o efeito tridimensional distraem a visão e
dificultam comparações entre trimestre e regiões. Uma forma de melhorar o gráfico é
dar-lhe
lhe a dimensão correta. Ass linhas de grade. Não utilize faixas horizontais, verticais
ou similares, que só atrapalham a visão do leitor. Faça mais de um gráfico até encontrar
um que seja informativo,
ormativo, claro, e que não possua objetos desnecessários.
15
Distribuição das vendas do produto X por trimestre
segundo as zonas
100
90
80
70
Leste
60
Oeste
50
Norte
40
30
20
10
0
primeiro segundo terceiro quarto
Sim
20%
Não
80%
16
3. MEDIDAS DE POSIÇÃO CENTRAL
Uma fábrica de azulejos nos últimos meses passou a receber reclamações de seus
clientes. A maioria das reclamações era relativa aos seguintes problemas:
Em vista dessa situação, a indústria decidiu formar um grupo de trabalho para resolver
esses problemas. Na etapa de identificação do problema, o grupo de trabalho concluiu
que a produção de azulejos com espessura não adequada poderia estar provocando as
reclamações dos clientes. Esta conclusão resultou do conhecimento dos seguintes fatos:
Para avaliar se estavam ocorrendo problemas com a espessura dos azulejos produzidos,
o grupo decidiu retirar uma amostra aleatória dos azulejos fabricados pela empresa,
medir a espessura destes azulejos e comparar os resultados obtidos com as
especificações. Como a empresa empregava duas turmas de trabalho (turmas A e B) e
poderia haver diferença na qualidade dos azulejos produzidos por cada turma, foi
utilizada uma estratificação, sendo então retirada uma amostra de 80 azulejos
produzidos pela turma A e 80 fabricados pela turma B. Os dados coletados, já
ordenados, estão na Tabela 3.1.
17
Tabela 3.1: Medidas da Espessura (mm) de 160 Azulejos do Estoque (dados ordenados)
TURMA A TURMA B
2,3 3,1 3,8 4,5 4,9 5,6 5,8 6,2
2,4 3,1 3,9 4,5 4,9 5,6 5,8 6,2
2,4 3,3 3,9 4,5 5,0 5,6 5,8 6,3
2,4 3,3 3,9 4,5 5,1 5,7 5,8 6,3
2,6 3,4 4,0 4,5 5,1 5,7 5,9 6,4
2,7 3,4 4,0 4,6 5,1 5,7 5,9 6,4
2,7 3,5 4,0 4,6 5,3 5,7 5,9 6,4
2,8 3,5 4,0 4,7 5,3 5,7 5,9 6,4
2,8 3,5 4,0 4,7 5,3 5,7 5,9 6,4
2,8 3,5 4,1 4,9 5,3 5,7 5,9 6,5
2,9 3,5 4,1 4,9 5,3 5,7 6,0 6,5
2,9 3,5 4,1 5,1 5,3 5,7 6,0 6,5
2,9 3,6 4,2 5,2 5,3 5,7 6,0 6,5
3,0 3,6 4,2 5,4 5,4 5,7 6,1 6,6
3,0 3,7 4,2 5,4 5,4 5,7 6,1 6,7
3,0 3,7 4,3 5,5 5,4 5,7 6,1 6,7
3,1 3,7 4,3 5,6 5,4 5,8 6,1 6,7
3,1 3,7 4,3 5,6 5,4 5,8 6,1 6,8
3,1 3,8 4,4 5,7 5,5 5,8 6,2 6,9
3,1 3,8 4,4 5,9 5,5 5,8 6,2 7,0
Fonte: Dados fictícios
x1 + x2 + ... + xn ∑x i
x= = i =1
n n
Entretanto, esta medida apresenta alguns inconvenientes como o fato de ser muito
sensível a valores extremos, isto é, a valores excessivamente pequenos ou
excessivamente grandes, em relação às demais observações do conjunto de dados.
18
Exemplo 3.1: Estamos interessados em conhecer o salário médio mensal de certa
empresa com cinco funcionários. Temos o seguinte conjunto de salários mensais, em
reais: 123 - 145 - 210 - 225 - 2.500. Podemos observar que quatro dos cinco salários
apresentam valores entre 123 e 225 reais, porém a média salarial de 640,6 reais é
bastante distinta desse conjunto pela influência do salário de 2.500 que puxou o valor
médio para cima.
A média aritmética ponderada dos números x1 , x2 ,..., xn , n com pesos p1, p2,
..., pn é definida por
n
∑ xi .pi ∑ x.p .
i =1
xp = , ou simplesmente por x p =
n
∑ pi ∑p
i =1
Exemplo 3.2: Em um grupo de pessoas, 70% são adultos e 30% são crianças. O peso
médio dos adultos é 70 kg e o peso médio das crianças é 40 kg. Qual o peso médio do
grupo?
Solução: É a média aritmética ponderada dos dois subgrupos. A resposta é
70 × 0,7 + 40 × 0,3
xp = = 61kg
0,7 + 0,3
Para responder à questão do valor típico da espessura dos azulejos produzidos pelas
Turmas A e B calculamos então as médias aritméticas, pois o desejado é obter a
espessura média M tal que se a espessura de cada azulejo fosse sempre igual a M a
soma total seria a mesma.
Tabela 3.2: Valor da média aritmética por turma para dados da espessura dos azulejos
Turma Média aritmética
A 3,8575
B 5,8725
19
3.2 Moda
A moda é outra medida de locação, mas diferentemente da média, não utiliza em seu
cálculo todos os valores do conjunto de dados analisado.
Notação: Mo = moda
Exemplo 3.3:
a) X = {2, 3, 3, 5, 5, 5, 6, 7} ⇒ Mo = 5
d) W = {10, 12, 12, 12, 13, 13, 15, 18, 18, 18, 21} ⇒ A distribuição apresenta dois
valores modais: 12 e 18 (distribuição bimodal).
Obs: A moda é a única medida de posição central que pode ser usada em tabelas com
variáveis qualitativas.
hi
Mo = li nf +
2
em que: linf = limite inferior da classe modal;
hi = amplitude da classe modal;
No caso de dados não agrupados, a moda nem sempre tem utilidade com elemento
representativo ou sintetizador do conjunto. Consideremos por exemplo o seguinte
conjunto de dados:
20
Tabela 3.3: Quantidade de operários das empresas de telemarketing na cidade de
Salvador - 2010.
Quantidade de Quantidade de
operários empresas
7 1
11 1
15 1
17 2
19 1
21 1
25 3
Fonte: Dados fictícios
De acordo com a definição a moda é 25, entretanto este valor não é representativo do
conjunto de dados e, portanto a moda não é uma boa medida de locação neste caso.
Tabela 3.4: Espessura (em mm) dos azulejos fabricados pela Turma A
Espessura Nº de
azulejos
2,25 2,75 7
2,75 3,25 15
3,25 3,75 16
3,75 4,25 17
4,25 4,75 14
4,75 5,25 4
5,25 5,75 6
5,75 6,25 1
Fonte: Dados fictícios
Tabela 3.5: Espessura (em mm) dos azulejos fabricados pela Turma B
Espessura Nº de
azulejos
4,75 5,25 6
5,25 5,75 30
5,75 6,25 26
6,25 6,75 15
6,75 7,25 3
Fonte: Dados fictícios
21
Tabela 3.6: Valor da moda por turma para dados da espessura dos azulejos
Turma Moda
A 4,0
B 5,5
3.4 Mediana
Notação: Md = mediana
X n + X n
+1
2 2
1) Md = , n é par
2
2) Md = X n +1 , n é ímpar
2
A mediana é uma medida de posição resistente, pois é pouco afetada por mudanças de
pequena porção dos dados, ao contrário da média aritmética que é sensível a valores
atípicos.
As mesmas comparações feitas para a média podem ser feitas para a mediana para o
nosso conjunto de dados. Resumindo em uma mesma tabela as médias e as medianas
(em mm), temos:
Tabela 3.7: Medidas- resumo por turma para dados da espessura dos azulejos
Turma Média aritmética Mediana
A 3,857 3,8
B 5,865 5,8
Fonte: Dados fictícios
22
Para ambas as turmas, a média aritmética e a mediana apresentam valores semelhantes.
A mediana indica que 50% dos azulejos produzidos pela turma A estão com espessura
inferior a 3,8mm e 50% dos produzidos pela turma B apresentam espessuras superior a
5,8mm.
A mediana tem vantagem: é mais resistente do que a média, isto é, a alteração drástica
de um só valor do conjunto de dados reflete-se substancialmente no valor da média e
pode não refletir-se, ou refletir-se muito pouco, no valor da mediana.
A média tem vantagens: quando a curva de frequências tem forma de sino, mais ou
menos simétrica, com abas decaindo rapidamente (valores erráticos muito improváveis),
a média é mais eficiente do que a mediana; a média é uma função linear das
observações, propriedade que também pode pesar na sua adoção.
Por fim, uma vantagem da mediana e da moda em relação à média aritmética é que esta
última não pode ser calculada quando ocorrem classes de frequências com limites
indefinidos (classes abertas). Entretanto, nesta situação, a moda e a mediana podem ser
encontradas sem qualquer dificuldade.
4. SEPARATRIZES
As separatrizes são medidas que permitem calcularmos valores da variável que dividem
ou separam a distribuição em partes iguais. Temos três tipos de separatrizes, também
chamadas de quantis: os quartis; os decis; e os percentis.
23
Notações:
Qi = quartil de ordem i;
Di = decil de ordem i;
Pi = percentil de ordem i
Observações:
iii) O intervalo interquartil ou interquartílico, definido por (Q1; Q3), contém 50% do
total de observações localizadas mais ao centro da distribuição.
iv) Podemos também ter idéia sobre a forma da distribuição utilizando apenas seus
quartis:
• Se (Md - Q1) < (Q3 - Md) => assimetria à direita ou positiva;
• Se (Md - Q1) > (Q3 - Md) => assimetria à esquerda ou negativa;
• Se (Md - Q1) = (Q3 - Md) => distribuição simétrica;
24
Cálculo dos percentis
1) Se Posi = valor inteiro, então o percentil é definido como a média dos valores que
ocupam a posição Posi e Posi + 1.
2) Se Posi = valor não inteiro, então o percentil é definido como o valor que ocupa a
posição u + 1 , em que u = inteiro mais próximo que seja menor que Posi .
5. MEDIDAS DE DISPERSÃO
Exemplo 5.1: Duas máquinas foram reguladas para encher cada pacote de café com
500g. Com o objetivo de verificar a regulagem dessas máquinas, um fiscal de
área anotou o peso dos 5 primeiros pacotes produzidos por cada máquina e
calculou o peso médio dos pacotes. Os resultados encontram-se abaixo:
25
Observando apenas o peso médio dos pacotes, poderíamos concluir que a
máquina B apresentou melhor desempenho do que A. Porém, quando
observamos cada informação separadamente, verificamos que o peso dos
pacotes vindos da máquina A variou entre 495 e 500g, enquanto que o da B
variou entre 490 e 510g. Isto quer dizer que a máquina A enche os pacotes
mais uniformemente que a máquina B.
A máquina A apresentou uma menor variabilidade nos pesos dos pacotes de café.
Observações:
2ª) A desvantagem desta medida de dispersão é que leva em conta apenas os valores
mínimo e máximo do conjunto. Se ocorrer qualquer variação no interior do
conjunto de dados, a amplitude total não nos dá qualquer indicação dessa mudança.
26
5.2 Desvio-padrão amostral ( medida de dispersão absoluta)
Notação: s = desvio-padrão
Cinco pessoas são levadas a um laboratório para medir suas respectivas taxas de
colesterol. O laboratório sugere utilizar dois métodos diferentes de medição para efeitos
de controle. Os resultados são dados abaixo:
X =200
* * * * * Método A
177 193 195 209 226
* * * * * Método B
192 196 201204 207
Pode-se observar que em média os métodos de medição do colesterol são iguais porém,
se analisarmos melhor os dados percebemos que no método A os valores estão mais
afastados da média do que no método B. Este fato, nos leva a pensar numa medida que
possa avaliar a dispersão dos dados em torno de sua média. Tal medida é conhecida
como desvio padrão e veremos sua definição a seguir.
∑ (x )
n
2
i −x
S= i =1
n −1
Exercício: Calcule o desvio padrão para as taxas de colesterol: método A e método B.
27
Podemos observar que a Turma B apresenta maior média que a da turma A e além disso
a sua variabilidade é menor. Parece que esta turma atinge mais os objetivos, ou seja,
uniformidade na espessura (menor dispersão) e azulejos com espessura mais grossa.
Notação: s2
Observações:
S
CV = ,
X
em que S = desvio padrão amostral.
Exemplo de aplicação:(Azulejos)
28
6. Box-plot
O Box-plot é um método alternativo para representar os dados e está ilustrado na
Figura 6.1. O Box-plot fornece informações sobre as seguintes características de um
conjunto de dados: locação, dispersão, assimetria e outliers (observações discrepantes).
Máximo
Quartil 3
Mediana
Quartil 1
Q1-1,5(Q3-Q1)
Ponto exterior
29
Exercício de aplicação: (Azulejos) Observemos os Box plots para as turmas A e B.
Figura 6.2: Box-plot para as espessuras (mm) dos azulejos por turma
1. Quando a distribuição dos dados é simétrica, a linha que representa a mediana estará
localizada mais ou menos no centro do retângulo e as duas linhas que partem das
extremidades do retângulo terão aproximadamente os mesmos comprimentos.
2. De modo geral, quando a distribuição dos dados é assimétrica à direita, a linha que
representa a mediana estará mais próxima de Q1 do que de Q3. Isto acontece porque
a metade inferior dos dados está dispersa em uma faixa de comprimento menor que
o comprimento da região ocupada pela metade superior do conjunto de dados.
30
3. Quando a distribuição dos dados é assimétrica à esquerda, a linha que representa a
mediana estará mais próxima de Q3 do que de Q1. Isto acontece porque a metade
superior dos dados está dispersa em uma faixa de comprimento menor que o
comprimento da região ocupada pela metade inferior do conjunto de dados.
4. O Box-plot também pode ser desenhado na posição vertical.
5. Os Box-plots são muito úteis para a comparação de dois ou mais conjuntos de
dados.
a) Sabendo que os limites de especificação para a espessura dos azulejos são (5,0 ±
1,5) mm, você considera que a espessura não adequada dos azulejos pode estar
provocando as reclamações dos clientes? Por que?
c) Você considera que as duas turmas trabalham do mesmo modo ou existe diferença
entre a qualidade dos azulejos produzidos pelas duas turmas? Justifique sua
resposta.
d) O problema de quebra dos azulejos parece ser comum aos azulejos produzidos por
ambas as turmas de trabalho da empresa ou parece estar associado a uma turma
específica? Por que?
31
1ª LISTA DE EXERCÍCIOS
2) Um questionário foi aplicado aos dez funcionários do setor de contabilidade de uma empresa
fornecendo os dados apresentados na tabela:
Funcionário Sexo Curso Idade Salário (R$) Anos de
(completo) empresa
1 masculino superior 34 1100,00 5
2 feminino superior 43 1450,00 8
3 feminino médio 31 960,00 6
4 masculino médio 37 960,00 8
5 masculino médio 24 600,00 3
6 feminino médio 25 600,00 2
7 masculino médio 27 600,00 5
8 feminino médio 22 450,00 2
9 masculino fundamental 21 450,00 3
10 feminino fundamental 26 450,00 3
a) Classifique cada uma das variáveis;
b) Faça uma representação gráfica para a variável curso;
c) Faça uma tabela para a variável curso por sexo.
3) Uma empresa do ramo automobilístico apresentou nos últimos anos os seguintes dados:
Ano Veículos Vendidos Gastos com propaganda (R$) Renda per capita
(US$)
1990 116002 1713 429
1991 154972 2835 455
1992 178179 3585 482
1993 233011 5566 514
1994 295725 7251 556
1995 343533 8146 596
1996 379370 9148 632
Dados fictícios
a) represente graficamente cada série separadamente;
b) analisando essas tabelas e gráficos pode-se concluir que os gastos com propaganda foram
compensados com o aumento da quantidade de veículos vendidos? Justifique.
4) Uma indústria automobilística verificou que, nos últimos meses, ocorreu um aumento no
número de reclamações sobre a ocorrência de defeitos no suporte da lanterna traseira de um
modelo de automóvel por ela fabricado. A empresa desejava eliminar esta situação indesejável e
para isto iniciou estudos para melhorar resultados. Na etapa de identificação do problema, os
técnicos da indústria classificaram o número total de peças defeituosas encontradas em uma
amostra de peças produzidas durante uma semana de trabalho, segundo os tipos de defeitos que
foram detectados. Os dados obtidos são apresentados na tabela abaixo.
32
Defeitos encontrados em uma amostra de suportes da lanterna traseira
de um modelo de automóvel durante uma semana de produção de uma indústria.
Tipo de defeito Quantidade de
defeitos
Moldagem solta 14
Solda quebrada 01
Centro da moldagem 04
deslocado
Lateral da moldagem 24
deslocada
Moldagem arranhada 01
Moldagem dentada 44
Plástico arranhado 07
Limpeza incompleta 79
Orifício deslocado 01
Pino deslocado 05
Total 180
5) De acordo com uma pesquisa, vê-se que dos 36 empregados da seção de orçamentos
da Cia. Milsa, 12 têm o primeiro grau de educação, 18 o segundo e 6 possuem título
universitário. Apresente esta distribuição em uma tabela (com as proporções) e em um
gráfico.
6) Uma empresa procurou estudar a ocorrência de acidentes com seus empregados, tendo, para
isso, realizado um levantamento abrangendo um período de 36 meses, onde foi observado o
número de operários acidentados para cada mês. Os dados correspondentes são:
1 2 2 3 3 3 3 4 4 4 4 4
5 5 5 5 5 5 5 6 6 6 6 6
6 7 7 7 7 7 8 8 8 9 9 10
a) Construa uma distribuição de freqüência adequada;
b) Represente graficamente a distribuição do item a;
c) Em qual porcentagem de meses houve, exatamente, seis acidentes?
d) Em qual porcentagem de meses houve até quatro acidentes?
8) A distribuição de freqüências do salário anual dos moradores do bairro A que têm alguma
forma de rendimento é apresentada na tabela abaixo:
33
Faixa Salarial fi
(x10 S.M.)
0 − 2 10.000
2 − 4 3.900
4 − 6 2.000
6 − 8 1.100
8 − 10 800
10 − 12 700
12 − 14 2.000
a) Construa um histograma da distribuição e identifique o tipo de assimetria;
b) A média é uma boa medida para representar estes dados? Justifique sua resposta.
11) Na companhia A, a média dos salários é 10.000 unidades e o 750 percentil é 5.000.
Justifique.
a) Se você se apresentasse como candidato a essa firma e se o seu salário fosse escolhido ao
acaso entre todos os possíveis salários, o que seria mais provável: ganhar mais ou menos
que 5.000 unidades?
b) Suponha que na companhia B a média dos salários é 7.000 unidades e a variância é
praticamente zero, e lá o seu salário também seria escolhido ao acaso. Em qual companhia
você se apresentaria para procurar emprego?
12) Uma indústria de alimentos estava interessada em analisar seu processo de produção de
determinado alimento. Existem nesta indústria duas máquinas responsáveis pelo controlam o
processo de desidratação do alimento. Um importante item de controle do processo é a umidade
do produto final, que segundo as especificações, deve estar na faixa de 8,0% a 12%. Foi
detectado incapacidade do processo em atender às especificações. A equipe técnica suspeitava
de que podia haver diferenças na forma de funcionamento das duas máquinas de desidratação.
Com o objetivo de observar o funcionamento das máquinas foram feitas medidas do teor de
umidade do produto final, estratificadas por máquina de desidratação. Os resultados estão
apresentados a seguir:
34
Máquina 1
11,7 11,8 12,1 10,7 11,7 10,9 10,7 11,6 12,5 10,7 11,5 11,1 11,2 11,2 11,8 11,2 11,0
11,7 11,1 11,3 11,0 12,2 10,7 12,2 11,9 11,1 11,4 10,7 11,2 11,6 11,0 10,9 11,2 11,2
11,3 12,1 10,9 11,7 11,3 11,5
Máquina 2
11,4 11,5 11,5 10,4 11,0 9,9 10,5 10,8 11,4 11,5 10,9 10,2 11,1 11,0 10,2 11,2 11,9
10,8 11,2 11,0 10,2 10,9 11,5 10,9 10,1 11,2 10,7 11,8 11,1 10,4 11,8 11,9 10,7 10,8
10,8 10,4 10,8 11,2 10,8 10,6
Para cada máquina, calcule a média, a mediana, o desvio padrão, o coeficiente de variação e o
intervalo interquartil da variável teor de umidade e construa o histograma e box plot. A partir
das medidas descritivas e dos histogramas e box plots, compare o desempenho das duas
máquinas comentando os aspectos de posição e variabilidade dos dados.
Masculino 1 3 1 5
Total 2 6 2 10
Fonte: exercicio
35
5) Tabela: Grau de instrução empregados da seção de orçamentos da cia. Milsa.
Grau de
Quantidade (fi) fri
instrução
1º grau 12 0,33
2º grau 18 0,50
3º grau 6 0,17
Total 36 1,00
Fonte: exercicio
36
b) grafico barras ou colunas. c)10,24 d)10,5 e)12
12)
Maquina 1 Maquina 2
Média=11,365 Média=10,95
Mediana=11,25 Mediana=10,9
Desvio Padrão=0,4715 Desvio Padrão=0,5109
CV=0,0415 CV=0,0467
Quartil 1: 11,0 Quartil 1: 10,7
Quartil 3: 11,7 Quartil 3: 11,3
37
7. PROBABILIDADE
38
7.2 CONCEITOS BÁSICOS.
a.1) Poderá ser repetido um grande número de vezes sob as mesmas condições;
a.2) Não podemos afirmar que um resultado particular ocorrerá, porém, podemos
descrever o conjunto de todos os resultados possíveis do experimento - as
possibilidades de resultado.
Exemplo 7.1: Considere o experimento aleatório de jogar uma moeda uma única vez.
Antes da moeda ser jogada não se sabe o resultado. Conhecem-se apenas os possíveis
resultados: cara ou coroa. Admitindo-se que a moeda é honesta, cada resultado tem a
mesma chance de ocorrer. Neste exemplo, modelos podem ser estabelecidos para
quantificar as incertezas das diversas ocorrências.
39
Evento: Qualquer subconjunto de um espaço amostral.
Representado pelas letras latinas maiúsculas A, B, C,...
Exemplo 7.2:
No lançamento de um dado consideremos o evento “ocorrer um número par”.
A: ocorrer um número par, em que Ω = {1, 2, 3, 4, 5, 6}.
A = {2, 4, 6} ⊂ Ω
Exemplo 7.3:
Vai chover no litoral baiano no fim de semana? Ω = {chove, não chove}
Em geral, temos interesse em eventos particulares do experimento.
O evento A pode representar a ocorrência de chuva
A = {chove} ⊂ Ω
Resposta: Ω={ (ca, ca, ca); (ca, ca, co); (ca, co, ca); (co, ca, ca); (ca, co, co); (co, ca,
co); (co, co, ca); (co, co, co)}.
Resposta: Ω={ ( x, y ) ∈ ℜ2 ; x 2 + y 2 ≤ 1 }.
Se dois eventos quaisquer têm intersecção vazia, isto é, eles não podem ocorrer
simultaneamente, dizemos que eles são mutuamente exclusivos ou disjuntos. No
exemplo 7.4, os eventos B e C são mutuamente exclusivos ou disjuntos, visto que B ∩
C= ∅.
41
Um espaço amostral é equiprovável quando todos os elementos têm a mesma
probabilidade de ocorrer, isto é, todos os seus elementos são igualmente prováveis.
Dados dois eventos, o primeiro dos quais pode ocorrer de m maneiras distintas e
o segundo pode ocorrer de n maneiras distintas , então os dois eventos
conjuntamente podem ocorrer de m.n maneiras distintas.
Exemplo 7.6: Uma bandeira é formada por 7 listras que devem ser coloridas
usando apenas as cores verde, azul e cinza. Se cada listra deve ter apenas uma
cor e não se pode usar cores iguais em listras adjacentes, de quantos modos se
pode colorir a bandeira?
42
2 – Permutações
3 - Arranjos
4 – Combinação
43
Solução: Para formar a comissão devemos escolher 3 dos 5 homens e 2 das 4
5 4 5! 4!
mulheres. Assim, C53 . C42 = . = . = 60 podem ser formadas.
3 2 3!2! 2!2!
Exercícios:
Exemplo 7.11: Suponha que vamos realizar um experimento de lançar 20 vezes uma
moeda e observar o número de caras. A cada lançamento vamos considerar o número de
caras que até então ocorreram (n) dividido pelo número de lançamentos (na), ou seja, a
freqüência relativa de caras. Os resultados referentes a esse experimento encontram-se
na tabela abaixo:
44
N na fa=na/n n na na/n
1 1 1 11 6 6/11
2 1 1/2 12 7 7/12
3 2 2/3 13 7 7/13
4 3 3/4 14 8 8/14
5 3 3/5 15 8 8/15
6 3 3/6 16 8 8/16
7 3 3/7 17 8 8/17
8 4 4/8 18 8 8/18
9 5 5/9 19 9 9/19
10 5 5/10 20 9 9/20
0,9
0,8
0,7
Freqüência
0,6
0,5
0,4
0,3
0,2
0,1
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
A partir desta Figura vemos que a medida que aumenta o número de lançamentos, a
freqüência relativa se aproxima de 0,5. Em linguagem matemática dizemos que a
freqüência relativa “converge” para 0,5. Dificuldade do ponto de vista matemático: o
número do limite real pode não existir.
Exercício:
Teoremas:
1. P(∅) = 0
45
3. Sejam A e B dois eventos quaisquer, então:
P (A ∪ B) = P(A) + P(B) - P(A ∩ B)
Generalização:
P( A1 ∪ K ∪ An ) = ∑ P( Ai ) − ∑ P(Ai ∩ Aj ) + ∑ P(A ∩ A ∩ Ar ) + K + (− 1)
n n n
P( A1 ∩ K ∩ An )
n −1
i j
i =1 i< j i< j <r
Exercícios:
1. Um lote é formado por 10 peças boas, 4 com defeitos menores e 2 com defeitos
graves. Uma peça é escolhida ao acaso. Calcule a probabilidade de que:
a) a peça não tenha defeito grave? Resposta:0,875.
b) a peça não tenha defeito? Resposta:0,625.
c) a peça seja boa ou tenha defeito grave? Resposta:0,75.
46
4. O seguinte grupo de pessoas está numa sala: 5 homens maiores de 21 anos; 4
homens com menos de 21 anos de idade; 6 mulheres maiores de 21 anos e 3
mulheres menores de 21 anos. Uma pessoa é escolhida ao acaso. Define-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 e D: a pessoa é mulher. Calcule:
a) P(B ∪ D)
b) P( A ∩ C )
c) P(A ∩ B)
Respostas: a)0,722; b)0,167; c)0 ; d)0,389
Eventos de interesse:
• M: “jovem sorteado é do sexo masculino”
• F: “jovem sorteado é do sexo feminino”
• L: “ jovem sorteado sabe ler”
• M ∩ L: “ jovem sorteado é do sexo masculino e sabe ler”
• M ∪ L: “ jovem sorteado é do sexo masculino ou sabe ler”
47
n º de jovens do sexo masculino e que sabem ler 39.557
P ( M ∩ L) = =
nº de jovens Ω 101.850
Note que:
Por exemplo, a probabilidade de ser do sexo masculino dado que lê é dada por:
39 .577
P (M ∩ L) 101 . 850 = 0,460
P (M L ) = =
P (L) 85 .881
101 . 850
P(A ∩ B)
P(A B) =
P(B)
48
P( A ∩ B)
P( A | B ) = ⇒ P( A ∩ B) = P( A | B ) ⋅ P( B)
P( B)
Exemplo 7.13:
Uma urna contém fichas numeradas de 1 a 4. Retira-se uma ficha da urna ao acaso e
anota-se o número. Esta ficha então é recolocada na urna, e retira-se novamente uma
ficha, ao acaso, da urna. Qual a probabilidade de ter saído a ficha com número 1, na
primeira retirada, e de ser 5 a soma dos números das duas fichas retiradas?
Resolução:
Evento A: sair o número 1 na primeira retirada =>P(A) = 1
4
Evento B: soma = 5
Evento B|A : {soma = 5 | a primeira ficha é 1} , se queremos que a soma seja 5, então é
preciso que a segunda ficha seja o número 4 ⇒ P(B|A) = 1
4
Exemplo 7.14:
Duas válvulas defeituosas se misturam com duas válvulas perfeitas. As válvulas são
ensaiadas, uma a uma, até que ambas defeituosas sejam encontradas. Qual a
probabilidade de que a última válvula defeituosa seja encontrada no segundo ensaio?
Resolução:
Evento A : sair uma válvula defeituosa =>P(A) = 2
4
Evento B : a última válvula é defeituosa
Evento B|A : sair a última válvula defeituosa | saiu uma válvula defeituosa ⇒ P(B|A) =
1
3
P ( A ∩ B ) = P(B | A) ⋅ P ( A) = 2 ⋅ 1 = 2
4 3 12
Esta relação pode ser estendida para um número finito qualquer de eventos.
49
Exercícios:
c) Duas lâmpadas queimadas foram acidentalmente misturadas com seis lâmpadas boas.
Se vamos testando as lâmpadas, uma por uma, até encontrar duas defeituosas, qual é a
probabilidade de que a última defeituosa seja encontrada no quarto teste? Resposta: 3/28
B ∩ AC B∩A
Ac A
DEFINIÇÃO DE PARTIÇÃO:
A1 A2 A3
..... A
( )
n n
P(B) = ∑ P(A i ∩ B) = ∑ P(Ai )P B Ai B
i i
Exemplo 7.15:
Um lote de 100 peças é composta de 20 peças defeituosas e 80 peças perfeitas, do qual
extrairemos 2 peças sem reposição. Qual a probabilidade da segunda peça extraída ser
defeituosa?
Solução:
Exemplo 7.16:
Em uma fábrica de parafusos são utilizadas n máquinas. Sejam P(Ai) a probabilidade de
um parafuso provir da i-ésima máquina, i = 1,2,...,n e P(B Ai ) indica a probabilidade do
parafuso ser defeituoso sabendo-se que foi produzido pela i–ésima máquina. Do total
de parafusos produzidos pela fábrica, escolhe-se ao acaso um parafuso. Qual a
probabilidade de que o parafuso seja defeituoso?
Solução:
51
7.8 REGRA DE BAYES (probabilidade das causas de um evento observado)
Exemplo 7.17: Admita que na fábrica de parafusos tenham três maquinas. Suponha que
as máquinas A, B e C produzem 25%, 35% e 40% do total produzido, respectivamente.
Da produção de cada máquina 5%, 4% e 2%, respectivamente, são parafusos
defeituosos. Escolhe-se ao acaso um parafuso:
a) Qual a probabilidade dele ser defeituoso?
b) Verifica-se que ele é defeituoso. Qual a probabilidade de que o parafuso venha da
máquina A?
Solução:
P(D) = P(D ∩ A) + P(D ∩ B) + P(D ∩ C) = P(A) P(D|A) + P(B) P(D|B) + P(C) P(D|C)
= 0,25×0,05 + 0,35×0,04 + 0,4×0,02 = 0.0345
P ( A ∩ D) P ( A) P ( D | A) 0,25 × 0,05
P(A | D) = = = = 0,3623
P ( D) P( D) 0,0345
Exemplo 7.18:
Em uma urna, há 10 bolas: 4 brancas e 6 vermelhas. Duas bolas são sorteadas
sucessivamente, sem reposição. Qual é a probabilidade da 2ª bola ser vermelha?
Resolução:
Sejam os eventos:
V1: primeira bola retirada é vermelha;
V2: segunda bola retirada é vermelha;
B1: primeira bola retirada é branca;
B2: segunda bola retirada é branca;
52
Queremos calcular P(V2). Temos que:
6
P (V1 ) =
10
6 4
P( V1 ) = 1 − P( V1 ) = 1 − =
c
10 10
fica
Pela regra de probabilidade total, temos que:
=
|
+
|
5 6 6 4
P(V2 ) = ⋅ + ⋅
9 10 9 10
Portanto, 6 5 4
P(V2 ) = +
10 9 9
6
P(V2 ) =
10
53
→ 6 5
*
5 10 9
6 9
10
4
9 6 4
→ *
10 9
6 → 4 6
*
4 10 9
9
10
3
4 3
9 → *
10 9
6 5 4 6 6
P ( A) = ⋅ + ⋅ =
10 9 10 9 10
Exercício:
2) Considere 2 caixas com parafusos. Em ambas as caixas temos parafusos longos (L)
e curtos (C). Na caixa 1 temos 60 L e 40 C e na caixa 2 temos 10 L e 20 C. Vamos
selecionar uma caixa ao acaso e dessa caixa tirar um parafuso ao acaso. Calcule :
a) A probabilidade do parafuso ser longo ? Resposta: 1
2
b) A probabilidade do parafuso ser curto e não ser da caixa 2 ? Resposta: 1
5
Dois eventos são ditos independentes quando a ocorrência de um deles não interfere na
probabilidade de ocorrência do outro.
54
Exemplo 7.19:
Generalizando:
Os eventos A1, A2,..., An ⊆ Ω, são independentes se e somente se a independência for
verificada para todos os subconjuntos de dois ou mais eventos desta família.
4 + 4 + 4 = 6 + 4 + 1 = 11
2 3 4
n n
∑ k = 2n − n − 1 igualdades
k =2
n n
P I Ai = ∏ P(Ai)
i =1 i =1
Observar que:
P ( A ∩ B ) = P ( B | A) P ( A)
para eventos quaisquer (condicional)
P( A ∩ B) = P( A | B) P( B)
55
{P( A ∩ B) = P( A) P( B) para eventos independentes
Exercícios
2ª LISTA DE EXERCÍCIOS
E2: Lançar uma moeda três vezes, sucessivamente, e anotar a seqüência de caras
(K) e coroas (C );
A2: Sair pelo menos duas caras;
E4: Lançar uma moeda três vezes, sucessivamente, e registrar o número de caras
ocorrido;
A4: Sair pelo menos duas caras;
56
E7: Um fabricante produz um determinado artigo. Da linha de produção são
retirados 3 artigos e cada um é classificado como bom(B) ou defeituoso(D).
A7: Pelo menos dois artigos são bons.
E8:Um lote de dez peças contém três defeituosas. As peças são retiradas uma a
uma, sem reposição, até que a última peça defeituosa seja encontrada. O número
total de peças retiradas é registrado.
A8: Menos de cinco peças foram retiradas.
E9: Peças são fabricadas até que dez peças perfeitas sejam produzidas. O número
total de peças fabricadas é anotado.
A9: Quinze ou mais peças foram fabricadas
57
Selecionando aleatoriamente um caso de fraude nos casos resumidos na tabela, qual a
probabilidade de a fraude resultar de um cartão falsificado?
9) Um certo tipo de motor elétrico falha se ocorrer uma das seguintes situações:
emperramento dos mancais, queima dos enrolamentos, desgaste das escovas. Suponha
que o emperramento seja duas vezes mais provável do que a queima, esta sendo quatro
vezes mais provável do que o desgaste das escovas. Qual será a probabilidade de que a
falta seja devida a cada uma dessas circunstâncias?
10) Uma urna U1 contem 5 bolas brancas e 2 pretas; outra urna U2 contem 3 bolas
brancas e 6 bolas pretas; e outra urna U3 contem 4 bolas brancas e 4 bolas pretas. Tira-
se uma bola de cada urna. Calcular a probabilidade de que saiam uma bola branca e
duas bolas pretas.
11) Lança-se uma moeda viciada de modo que a probabilidade de cara(K) é igual a 2/3 e
a probabilidade de coroa(C ) é igual a 1/3. Se aparecer cara, então seleciona-se
aleatoriamente um número dentre os de 1 a 9 ; se aparecer coroa, seleciona-se
aleatoriamente um número dentre os de 1 a 5. Ache a probabilidade de um número par
ser selecionado. Construa o diagrama em árvore.
12) Em uma sala, 10 pessoas estão usando emblemas numerados de 1 até 10. Três
pessoas são escolhidas ao acaso e convidadas a saírem da sala simultaneamente. O
número de seu emblema é anotado.
a) Qual é a probabilidade de que o menor número de emblema seja cinco?
b) Qual é a probabilidade de que o maior número de emblema seja cinco?
14) Na tabela abaixo, os números que aparecem são probabilidades relacionadas com a
ocorrência de A, B, A ∩ B, e assim por diante.. Verifique se A e B são independentes.
B Bc
A 0,04 0,06 0,10
Ac 0,08 0,82 0,90
0,12 0,88 1,00
16) Três alarmes estão dispostos de tal maneira que qualquer um deles funcionará
independentemente, quando qualquer coisa indesejável ocorrer. Se cada alarme tem
probabilidade 0,9 de trabalhar eficientemente, qual é a probabilidade de se ouvir o
alarme quando necessário?
58
17) Suponha que todos os componentes da figura a seguir tenham a mesma
confiabilidade (probabilidade de funcionar) p e funcionem independentemente ,
obtenha a confiabilidade do sistema. .
1 2
L 3 R
4 5
18) As 500 propriedades rurais de certa região foram classificadas de acordo com a
extensão em hectares, conforme tabela abaixo. Sejam os eventos:
19) Sejam A e B dois eventos associados a um experimento. Suponha que P(A) = 0,4,
enquanto P(AUB) =0,7. Seja P(B) = p.
a) Para que valor de p, A e B serão mutuamente exclusivos?
b) Para que valor de p, A e B serão independentes?
b a
23) Uma fábrica dispõe de 3 máquinas para fabricar o mesmo produto . Essas máquinas
são antigas e apresentam freqüentemente defeitos de funcionamento com as
seguintes percentagens do tempo de utilização:
24)Um artigo manufaturado que não pode ser usado se for defeituoso, deve passar por
duas inspeções antes de receber embalagem. A experiência mostra que um dos
inspetores deixará passar 5% dos defeituosos, ao passo que o segundo inspetor deixará
passar 4% dos tais artigos. Se os artigos sem defeito sempre passam pela inspeção e se
10% dos artigos processados são defeituosos, que percentagem dos artigos que
passaram pelas duas inspeções são defeituosos?
25) Numa faculdade 30% dos homens e 20% das mulheres estudam matemática . Além
disso, 45% dos estudantes são mulheres. Se um estudante selecionado aleatoriamente
está estudando matemática, qual a probabilidade de que este estudante seja mulher?
26) Uma companhia de seguros analisou a freqüência com que 2000 segurados usaram
o hospital, distribuídos segundo a tabela abaixo .
60
Calcule também as seguintes probabilidades:
d) o segurado escolhido ser homem, sabendo-se que utilizou o hospital; e) o segurado
escolhido ter utilizado o hospital ,dado que era homem; f)o segurado ser mulher dado
que não utilizou o hospital.
28) Uma grande empresa tem dois departamentos de produção : Produtos Marítimos e
Produtos para Oficinas. A probabilidade de que a divisão de Produtos Marítimos tenha
no corrente ano fiscal, uma margem de lucros de no mínimo 10% é estimada em 0,30; a
probabilidade de que a divisão de Equipamentos para Oficinas tenha uma margem de
lucros de pelo menos 10% é 0,20; e a probabilidade de que ambas as divisões tenham
uma margem de lucros de no mínimo 10% é 0,06. Determine a probabilidade de que a
divisão de Equipamentos para Oficinas tenha uma margem de lucros de no mínimo 10%
dado que a divisão de Produtos Marítimos tenha alcançado tal nível de lucro.
29) Se A e B são dois eventos relacionados com uma experiência E e são conhecidas
as probabilidades P(A) , P(B) e P(A∩ B), deseja-se em função destas, as expressões das
probabilidades dos seguintes eventos:
a) (A ∪B) ; b) (A ∩ B ) ; c) (A∪ B) ; d) (A ∩ B) .
30) Suponha que temos duas urnas 1 e 2, cada uma com duas gavetas. A urna 1 contém
uma moeda de ouro em uma gaveta e uma moeda de prata na outra gaveta; 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 nesta
gaveta é de ouro. Qual a probabilidade de que a moeda provenha da urna 2?
31) Três times de futebol são formados selecionando-se jogadores de três países
diferentes da seguinte maneira:
Time A1 – 5 brasileiros, 4 americanos, 2 argentinos
Time A2 - 4 brasileiros, 2 americanos, 5 argentinos
Time A3 - 2 brasileiros, 5 americanos, 4 argentinos
Um time é selecionado ao acaso e deste time dois jogadores também são selecionados
ao acaso. Os jogadores selecionados são 1 americano e 1 argentino. Qual a
probabilidade do time A3 ter sido escolhido?
32) Uma companhia produz circuitos integrados em três fábricas, I , II e III. A fábrica I
produz 40% dos circuitos, enquanto a II e III produzem 30 % cada uma. As
probabilidades de que um circuito integrado produzido por estas fábricas não funcione
são 0,01, 0,04 e 0,03, respectivamente. Escolhido um circuito da produção conjunta das
três fábricas, Qual a probabilidade de o mesmo não funcionar?
33) Considere a situação do problema anterior, mas suponha agora que um circuito é
escolhido ao acaso e seja defeituoso. Determinar qual a probabilidade de ele ter sido
fabricado por I.
61
34) Uma indústria química produz uma grande variedade de produtos usando quatro
diferentes processos; a mão de obra disponível é suficiente somente para que apenas
um processo seja executado num dado instante. O gerente da indústria sabe que a
descarga de uma poluição perigosa no rio que passa em volta da mesma , depende do
processo que está em operação . As probabilidades de ocorrer poluição perigosa para os
vários processos , denotando por F uma descarga de poluição perigosa, são: P(F|A)
=0,40; P(F|B) = 0,05 ; P(F|C) = 0,30 ; P(F|D) = 0,10 . Todos os outros produtos da
fábrica são considerados inofensivos. Em um determinado mês sabe-se que em 20% ,
40% , 30% e 10% do tempo respectivamente usam-se os processos A, B , C e D.
Deseja-se saber qual a probabilidade de não termos uma descarga de poluição perigosa
no determinado mês?
l) E1: Ω1 = {(1,1); (1,2); .....; (1,6) ; (2,1) ; (2,2) ; .....; (2,6); ......... ; (6,1) ; (6,2) ; .... ;
(6,6) }
A1 = {(1,6): (2,5); (3,4); (4,3); (5,2); (6,1) }
E4: Ω4 = {0, 1, 2, 3 }
A4 = { 2}
2) a) Ω ={(1,1), (1,2), (1,3), (1,4), (2,1), (2,2), (2,3), (2,4), (3,1), (3,2), (3,3), (3,4),
(4,1), (4,2), (4,3), (4,4)}
b) A={(1,2), (1,4), (2,1), (2,3), (3,2), (3,4), (4,1), (4,3)}
c) B = {(2,1), (2,2), (2,3), (2,4)}
3) a) A∩ B; b) A ∪ B ; c) A ∩B ; d)A ; e) A ∩ B ; f) A∩B∩C g)
(A∩B∩C ).
62
4) 120 5) 720 6) 455 7) a) 0,75 ; b) 0,25 ; c) 0,875 ; d) 0,375 ;
e) 0,25
REFERÊNCIAS BIBLIOGRÁFICAS
MONTGOMERY, Douglas C.; RUNGER, George C.; HUBELE, Norma Faris. Estatística
aplicada à engenharia. Rio de Janeiro: LTC, 2004. 335 p.
MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira. Estatística básica. 5. ed. São
Paulo: Saraiva, 2006. 526 p.
63