Você está na página 1de 20

1

EXEMPLOS DE EXERCÍCIOS DO TRABALHO EM EQUIPE 2

09) Um caça níquel tem dois discos que funcionam independentemente um do outro. Cada
disco tem 10 figuras: quatro maçãs, três bananas, duas peras e uma laranja. Uma pessoa
paga R$ 8,00 e aciona a máquina. Se aparecerem duas maçãs, ela ganhará R$ 4,00. Se
aparecerem duas bananas, ela ganhará R$ 8,00. Ela ganhará R$ 14,00 se aparecerem
duas peras e, ainda, ganhará R$ 18,00 se aparecerem duas laranjas. Qual a esperança
de ganho numa única jogada? Interprete esse valor.

Etapas:

a) Identifique a variável aleatória X e classifique-a em discreta ou contínua;

b) Explicite a distribuição de probabilidade que representa esse problema, isto é:

• se a variável aleatória X for discreta dê: o quadro esquemático que relaciona


X e P(X=x); a função de probabilidade; a função distribuição;

• se a variável aleatória for contínua dê: a função densidade de probabilidade;


a função distribuição

c) Para cada função dê o domínio, o contradomínio, a lei de associação do domínio com


o contradomínio e a representação geométrica do gráfico da função.

d) Responda a questão do problema.

Solução:

X: Ganho, em reais, numa única jogada


Espaço amostral de X: Ω𝑋 = { −8, −4, 0, 6, 10}
X é variável aleatória (v. a.) discreta

Quadro esquemático para captar a função de probabilidade da v.a. X, que é discreta


X Evento equivalente a X = x, no espaço
P (X = x) ( x, P(X=x) )
(Ganho, em R$) amostral do experimento aleatório
−4 M, M 0,4 ∙ 0,4 = 0,16 (−4; 0,16)
0 B, B 0,3 ∙ 0,3 = 0,09 (0; 0,09)
6 P, P 0,2 ∙ 0,2 = 0,04 (6; 0,04)
10 L, L 0,1 ∙ 0,1 = 0,01 (10; 0,01)
−8 Duas frutas diferentes 1 − 0,3 = 0,70 (−8; 0,70)
Total 1,00
Nota: M: maçã, B: Banana, P: pera, L: laranja
2

Função de probabilidade da v. a. X:
0,70 , se 𝑥 = −8
0,16 , se 𝑥 = −4
P: {−8, −4, 0, 6, 10} → [0, 1], definida por P(X = x) = 0,09 , se 𝑥 = 0
0,04 , se 𝑥 = 6
{0,01 , se 𝑥 = 10

Função distribuição acumulada da v. a. X:


0 , se 𝑥 < −8
0,70 , se − 8 ≤ 𝑥 < −4
0,86 , se − 4 ≤ 𝑥 < 0
𝐹𝑋 : R → [0, 1], definida por 𝐹𝑋 (x) = P(X ≤ x) = 0,95 , se 0 ≤ 𝑥 < 6
0,99 , se 6 ≤ 𝑥 < 10
{ 1,00 , se 𝑥 ≥ 10

Probabilidade Probabilidade
P(X = x) acumulada
P(X  x)
1,2
1,2
0,99 1
1
0,86 1
0,95
0,7 0,8
0,7 0,8
0,6 0,6
0,4 0,4
0,16
0,2 0,09 0,2
0,04 0,01
0 0
-10 -8 -6 -4 -2 0 2 4 6 8 10 12 -10 -8 -6 -4 -2 0 2 4 6 8 10 12
Ganho, em reais, numa única jogada Ganho, em reais, numa única jogada

(a) (b)
Gráfico 1 – Função de probabilidade (a) e função distribuição acumulada (b) do ganho, em
reais, numa única jogada, num caça-níquel
Fonte: A autora.
Nota: O valor esperado de ganho, numa única jogada, é de − 𝑅$ 5,9 com desvio-padrão de 𝑅$ 3,87, aproximadamente.

Cálculo da esperança matemática, da variância e do desvio-padrão da v. a. X:

Esperança de ganho, numa única jogada (que, neste caso, é esperança matemática para
v. a. discreta)

E(X) = ∑𝑥 𝑥 ∙ 𝑃(𝑋 = 𝑥) = (−8) ∙ 0,7 + (−4) ∙ 0,16 + 0 ∙ 0,09 + 6 ∙ 0,04 + 10 ∙ 0,01 = − 𝑅$ 5,90

Variância e desvio-padrão do ganho, numa única jogada

V(X) = E( [ X − E(X) ]2 ) = ... = E(X2) – [ E(X) ]2


Como, neste caso, a v. a. é discreta, tem-se:
V(X) = E(X2) – [ E(X) ]2 = ∑𝑥 𝑥 2 ∙ 𝑃(𝑋 = 𝑥) – ( ∑𝑥 𝑥 ∙ 𝑃(𝑋 = 𝑥) )2
V(X) = (−8)2 ∙ 0,7 + (−4)2 ∙ 0,16 + 02 ∙ 0,09 + 62 ∙ 0,04 + 102 ∙ 0,01 − (−5,9)2 = 14,99 reais2
D.P.(X) ≅ √14,99 ≅ 𝑅$ 3,87
3

18) A probabilidade de um produto fabricado não atender as especificações de projeto é


igual a 5% (produto não-conforme). São selecionadas ao acaso oito unidades desse
produto. Qual a probabilidade de no mínimo três estarem conforme as especificações
de projeto?

a) Defina uma variável aleatória X nesse experimento e indique o modelo de distribuição


de probabilidades mais adequado para descrever o comportamento probabilístico de X.

b) Determine a função de probabilidade de X, seu domínio, imagem e representação


geométrica;

c) Determine a função distribuição de X, seu domínio, imagem e representação geométrica;

d) Responda a questão do enunciado.

e) Determine a esperança matemática e a variância de X. Interprete essas medidas.

f) Qual a probabilidade de observarmos um valor entre a média e dois desvios-padrões?


Compare esse resultado com o obtido através da desigualdade de Chebyshev.

Solução:

X: Número de produtos conforme as especificações do projeto, numa amostra


aleatória de tamanho n = 8, sendo de 0,95 a probabilidade de um produto estar
conforme o projeto
Espaço amostral de X: Ω𝑋 = { 0, 1, 2, 3, 4, 5, 6, 7, 8 }
X é variável aleatória (v. a.) discreta
Sucesso (S): O produto sob exame está conforme o projeto → p = 0,95
Fracasso (F): O produto sob exame não está conforme o projeto → q = 1 − p = 0,05

Quadro esquemático para captar a função de probabilidade da v.a. X, que é discreta


X Evento equivalente a X = x, no espaço
P (X = x) ( x, P(X=x) )
(Nº de produtos conforme) amostral do experimento aleatório
0 F, F, F, F, F, F, F, F 0,058 ( 0; 0,058 )
1 S, F, F, F, F, F, F, F 𝑃81; 7 ∙ 0,95 ∙ 0,057 ...
2 S, S, F, F, F, F, F, F 𝑃82;6 2
∙ 0,95 ∙ 0,056
...
3 S, S, S, F, F, F, F, F 𝑃83;5 3
∙ 0,95 ∙ 0,055
...
⋮ ⋮ ⋮ ⋮
8 ... ... ...
Total 1,00
Notas: 1) S: sucesso, F: fracasso. Sucesso e fracasso são conceitos técnicos, em probabilidade, não
havendo neles sentido de mérito. "Sucesso" significa ocorrer o evento que se está controlando e
"fracasso" significa não ocorrer o evento que se está controlando.
𝑛 ; 𝑛2
2) 𝑃𝑛 1 é permutação com repetição.
4

Generalização da função de probabilidade, para x sucessos, em n=8 ensaios independentes:

8!
𝑃(𝑋 = 𝑥) = 𝑃8𝑥;8−𝑥 ∙ 0,95x ∙ 0,058-x = ∙ 0,95𝑥 ∙ 0,058−𝑥 , com 𝑥 = 0, 1, 2, 3, ..., 8
𝑥!(8−𝑥)!

Com o auxílio de uma planilha eletrônica (Excel, Calc), tem-se:

1º jeito:

ou

2º jeito:

X ~ Binomial (n = 8; p = 0,95)
5

Função distribuição acumulada para a v. a. X:


0 , se 𝑥 < 0
3,91 ∙ 10−11 , se 0 ≤ 𝑥 < 1
5,98 ∙ 10−9 , se 1 ≤ 𝑥 < 2
4,00 ∙ 10−7 , se 2 ≤ 𝑥 < 3
−5
𝐹𝑋 : R → [0, 1], definida por 𝐹𝑋 (x) = P(X ≤ x) = 1,54 ∙ 10 , se 3 ≤ 𝑥 < 4
0,00037 , se 4 ≤ 𝑥 < 5
0,00579 , se 5 ≤ 𝑥 < 6
0,05724 , se 6 ≤ 𝑥 < 7
0,33658 , se 7 ≤ 𝑥 < 8
{ 1,00 , se 𝑥 ≥ 8

1,2 1,2

Probabilidade acumulada P(X<=x)


1 1
Probabilidade P(X = x)

0,8 0,8

0,6 0,6

0,4 0,4

0,2 0,2

0 0
0 2 4 6 8 10 0 2 4 6 8 10
Nº de produtos conforme o projeto
Nº de produtos conforme o projeto

(b)
Gráfico 2 – Função de probabilidade (a) e função distribuição acumulada (b) para o número
de produtos conforme as especificações do projeto, numa amostra aleatória de
tamanho n = 8, sendo de 0,95 a probabilidade de um produto estar conforme o
projeto
Fonte: A autora.
Nota: O valor esperado para o número de produtos conforme as especificações do projeto, na amostra, é de 7,6 produtos, com desvio-
padrão de 0,62 produtos, aproximadamente

d)
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 ≤ 2) = 1 − 𝐹𝑋 (2) = 1 − 4,00 ∙ 10−7 ≅ 0,999 ≅ 99,9%

f) P( E(X) – 2 DP(X) ≤ 𝑋 ≤ E(X) + 2 DP(X) ) = P( 𝜇𝑋 – 2𝜎𝑋 ≤ 𝑋 ≤ 𝜇𝑋 + 2𝜎𝑋 ) =

= P( 7,6 – 2 ∙ 0,62 ≤ 𝑋 ≤ 7,6 + 2 ∙ 0,62) = P( 6,36 ≤ 𝑋 ≤ 8,84 ) = P( 𝑋 = 7) + 𝑃(𝑋 = 8) ≅


≅ 0,279 + 0,663 ≅ 0,942 ≅ 94,2%

O teorema de Chebyshev afirma que P( 𝜇𝑋 – 2𝜎𝑋 ≤ 𝑋 ≤ 𝜇𝑋 + 2𝜎𝑋 ) ≥ 0,75, não

importando a forma da distribuição de probabilidade da variável aleatória.


Logo, neste exercício, o referido teorema foi confirmado, pois 0,942 > 0,75 .
6

Exercício 18, feito no software estatístico R


Probabilidade P(X = x) Probabilidade P(X = x)

0.0 0.4 0.8 1.2 0.0 0.4 0.8 1.2

0
0

2
2

4
4

Nº de produtos conforme o projeto


Nº de produtos conforme o projeto

6
6

8
8

Probabilidade acumulada P(X <= x) Probabilidade acumulada P(X <= x)

0.0 0.4 0.8 1.2 0.0 0.4 0.8 1.2

0
0

2
2

4
4

Nº de produtos conforme o projeto


Nº de produtos conforme o projeto

6
6

8
8
7
8

19) Num lote de 30 peças, há quatro defeituosas. Em cinco peças extraídas ao acaso e
sem reposição, qual a probabilidade de se encontrar pelo menos uma peça defeituosa?
a) Defina uma variável aleatória X nesse experimento e indique o modelo de distribuição
de probabilidades mais adequado para descrever o comportamento probabilístico do
experimento (inclusive com função de probabilidade, domínio, imagem e
representação geométrica);
b) Determine a esperança matemática e a variância de X. Interprete essas medidas.
c) Responda a questão do enunciado.
d) Qual a probabilidade de se observar um valor entre a média e dois desvios-padrões?
Compare esse resultado com o obtido através da desigualdade de Chebyshev.
e) Nesse experimento, poderíamos utilizar uma aproximação pelo modelo binomial,
considerando constante a probabilidade de um sucesso individual como p=4/30?
Justifique.
f) Responda os itens a, b, c considerando um modelo binomial de parâmetro p = 4/30 e
compare as respostas encontradas com os resultados obtidos por meio da
distribuição hipergeométrica.
Solução:

X: Número de peças defeituosas, numa amostra aleatória de tamanho n = 5, extraída


sem reposição a partir de um lote com 30 peças, das quais quatro estão defeituosas
Espaço amostral de X: Ω𝑋 = { 0, 1, 2, 3, 4}
X é variável aleatória (v. a.) discreta
Sucesso (S): A peça sob exame está defeituosa → p não é constante
Fracasso (F): A peça sob exame não está defeituosa → q = 1 − p não é constante

Quadro esquemático para captar a função de probabilidade da v.a. X, que é discreta


X Evento equivalente a X = x, no espaço
P (X = x) ( x, P(X=x) )
(Nº de peças defeituosas) amostral do experimento aleatório
26 25 24 25 24
0 F, F, F, F, F ∙ ∙ ∙ ∙ ...
30 29 28 27 26
4 26 25 24 23
1 S, F, F, F, F 𝑃51;4 ∙ ∙ ∙ ∙ ...
30 29 28 27 26
4 3 26 25 24
2 S, S, F, F, F 𝑃52;3 ∙ ∙ ∙ ∙ ∙ ...
30 29 28 27 26
4 3 2 26 25
3 S, S, S, F, F 𝑃53;2 ∙ ∙ ∙ ∙ ∙ ...
30 29 28 27 26
4 ... ... ...
Total 1,00
Notas: 1) S: sucesso, F: fracasso. Sucesso e fracasso são conceitos técnicos, em probabilidade, não
havendo neles sentido de mérito. "Sucesso" significa ocorrer o evento que se está controlando e
"fracasso" significa não ocorrer o evento que se está controlando.
𝑛 ; 𝑛2
2) 𝑃𝑛 1 é permutação com repetição.
9

Generalização da função de probabilidade, para x sucessos, em n=5 ensaios dependentes:

4! 26! 1
𝑃(𝑋 = 𝑥 ) = 𝑃5𝑥;5−𝑥 ∙ ( ∙( ∙ 30! =
4−𝑥)! 26−(5−𝑥))!
(30−5)!

5! 4! 26! (30−5)!
= ∙ ∙ ∙ =
𝑥!(5−𝑥)! (4−𝑥)! (26−(5−𝑥))! 30!

4! 26! 5! (30 − 5)!


= ∙ ∙ =
𝑥! (4 − 𝑥)! (5 − 𝑥)! (26 − (5 − 𝑥))! 30!

1 𝐶4; 𝑥 ∙𝐶26;5− 𝑥
= 𝐶4; 𝑥 ∙ 𝐶26;5− 𝑥 ∙ = , com 𝑥 = 0, 1, 2, 3, 4
𝐶30;5 𝐶30;5

Portanto, a função de probabilidade de X é dada por:

P: {0, 1, 2, 3, 4} → [0, 1], definida por


𝐶4; 𝑥 ∙𝐶26;5− 𝑥 4! 26! 5!(30−5)!
P(X = x) = = ∙ ∙
𝐶30;5 𝑥!(4−𝑥)! (5−𝑥)!(26−(5−𝑥))! 30!

Com o auxílio de uma planilha eletrônica (Excel, Calc), tem-se:

1º jeito:

ou

2º jeito:

X ~ Hipergeométrica (N = 30; K = 4; n = 5)
10

Função de probabilidade da v. a. X:

Função distribuição acumulada da v. a. X:


11

1,2
0,9907 0,9998 1,0000
1,0 0,8812

0,8
Probabilidade

0,6
0,420
0,4616
0,4

0,2 0,109
0,009 0,000
0,0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
Nº de peças defeituosas

Função de probabilidade P(X = x) Função distribuição acumulada P(X <= x)

Gráfico 3 – Distribuição de probabilidade para o número de peças defeituosas,


numa amostra aleatória de tamanho n = 5, extraída sem reposição a
partir de um lote com 30 peças, das quais quatro estão defeituosas
Fonte: A autora.
Notas: 1) O valor esperado para o número de peças defeituosas na amostra é de 0,67 peças, com desvio-padrão de 0,71
peças, aproximadamente. 2) O valor x = 0 pertence à função de probabilidade e à função distribuição acumulada.

c) P(X ≥ 1) = 1 – P(X < 1) = 1 – P(X  0) = 1 – P(X = 0) ≅ 1 – 0,462 ≅ 0,538 ≅ 53,8%

d) P( E(X) – 2 DP(X) ≤ 𝑋 ≤ E(X) + 2 DP(X) ) = P( 𝜇𝑋 – 2𝜎𝑋 ≤ 𝑋 ≤ 𝜇𝑋 + 2𝜎𝑋 ) =

= P( 0,67 – 2 ∙ 0,71 ≤ 𝑋 ≤ 0,67 + 2 ∙ 0,71) = P( −0,75 ≤ 𝑋 ≤ 2,09 ) =


= P( 𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) ≅ 0,462 + 0,420 + 0,109 ≅ 0,991 ≅ 99,1%

O teorema de Chebyshev afirma que P( 𝜇𝑋 – 2𝜎𝑋 ≤ 𝑋 ≤ 𝜇𝑋 + 2𝜎𝑋 ) ≥ 0,75, não

importando a forma da distribuição de probabilidade da variável aleatória.


Logo, neste exercício, o referido teorema foi confirmado, pois 0,991 > 0,75 .

𝑁−𝑛
e) Fator de correção para população finita, na distribuição hipergeométrica: .
𝑁−1
Para população finita, a aproximação da distribuição hipergeométrica (que representa
uma amostragem sem reposição) por meio da distribuição binomial (que representa uma
𝑁−𝑛
amostragem com reposição) é adequada quando é aproximadamente 1.
𝑁−1
12

𝑁−𝑛 30−5
Neste exercício, como = ≅ 0,8621, a aproximação não será
𝑁−1 30−1
adequada. Vejamos:
Seja a variável aleatória Y ~ Binomial (n = 5; p = 4/30). Então, sua função de
probabilidade será dada por
𝑦;5−𝑦 4 26 5! 4 26
𝑃(𝑌 = 𝑦) = 𝑃5 ∙ ( )𝑦 ∙ ( )5−𝑦 = ∙ ( )𝑦 ∙ ( )5−𝑦 , com 𝑦 = 0, 1, 2, 3, 4
30 30 𝑦!(5−𝑦)! 30 30

Comparação entre a função de probabilidade da variável aleatória X, com


X ~ Hipergeométrica (N = 30; K = 4; n = 5), e a função de probabilidade da variável aleatória
Y, com Y ~ Binomial (n = 5; p = 4/30).
13

Tais variáveis aleatórias representam:


X: Número de peças defeituosas, numa amostra aleatória de tamanho n = 5, extraída sem
reposição a partir de um lote com 30 peças, das quais quatro estão defeituosas
Espaço amostral de X: Ω𝑋 = { 0, 1, 2, 3, 4}

Y: Número de peças defeituosas, numa amostra aleatória de tamanho n = 5, extraída com


reposição a partir de um lote com 30 peças, das quais quatro estão defeituosas
Espaço amostral de Y: Ω𝑌 = { 0, 1, 2, 3, 4, 5}

0,6

0,5
Probabilidade

0,4

0,3

0,2

0,1

0
0 1 2 3 4 5 6
Nº de peças defeituosas

P(Y = y) P(X = x)

Gráfico 4 – Função de probabilidade P(X = x) da variável aleatória X, que segue o modelo


hipergeométrico com parâmetros N = 30, K = 4, n = 5, e função de probabilidade
P (Y = y) da variável aleatória Y, que segue o modelo binomial com parâmetros
n = 5 e p = 4/30
Fonte: A autora.
Nota: X: Número de peças defeituosas, numa amostra aleatória de tamanho n = 5, extraída sem reposição
a partir de um lote com 30 peças, das quais quatro estão defeituosas. Espaço amostral de X:
Ω𝑋 = { 0, 1, 2, 3, 4}. Y: Número de peças defeituosas, numa amostra aleatória de tamanho n = 5,
extraída com reposição a partir de um lote com 30 peças, das quais quatro estão defeituosas. Espaço
amostral de Y: Ω𝑌 = { 0, 1, 2, 3, 4, 5}
14

Exercício 19, feito no software estatístico R


Probabilidade P(X=x) Probabilidade P(X=x)

0.0 0.4 0.8 1.2 0.0 0.4 0.8 1.2

0
0

1
1

2
2

3
3

Nº de peças defeituosas
Nº de peças defeituosas

4
4

5
5

Probabilidade acumulada P(X<=x) Probabilidade acumulada P(X<=x)

0.0 0.4 0.8 1.2 0.0 0.4 0.8 1.2

0
0

1
1

2
2

3
3

Nº de peças defeituosas
Nº de peças defeituosas

4
4

5
5
15
16

20) Entre os candidatos a um certo cargo, 15% possuem as qualificações exigidas pela
empresa contratante. Qual a probabilidade de se ter que entrevistar dez candidatos
para encontrar um com perfil desejado?

a) Defina uma variável aleatória X nesse experimento e indique o modelo de distribuição


de probabilidades mais adequado para descrever seu comportamento probabilístico.

b) Determine a função de probabilidade de X, seu domínio, imagem e representação


geométrica;

c) Determine a função de distribuição de X, seu domínio, imagem e representação


geométrica;

d) Determine a esperança matemática e a variância de X. Interprete essas medidas.

e) Qual a probabilidade de observarmos um valor entre a média e dois desvios-


padrões? Compare esse resultado com o obtido através da desigualdade de
Chebyshev.

Solução:

X: Número de candidatos entrevistados até se encontrar o primeiro com o perfil


desejado, sendo de 0,15 a probabilidade de encontrar um candidato com o perfil
desejado
Espaço amostral de X: Ω𝑋 = { 1, 2, 3, 4, … }
X é variável aleatória (v. a.) discreta
Sucesso (S): O candidato sob entrevista tem o perfil desejado → p = 0,15
Fracasso (F): O candidato sob entrevista não tem o perfil desejado → q = 1 − p = 0,85

Quadro esquemático para captar a função de probabilidade da v.a. X, que é discreta


X Evento equivalente a X = x, no espaço
P (X = x) ( x, P(X=x) )
(Nº de candidatos entrevistados) amostral do experimento aleatório
1 S 0,15 (1; 0,15)
2 F, S 0,85 ∙ 0,15 ...
2
3 F, F, S 0,85 ∙ 0,15 ...
3
4 F, F, F, S 0,85 ∙ 0,15 ...
⋮ ⋮ ⋮ ⋮
Total 1,00

Notas: 1) S: sucesso, F: fracasso. 2) Sucesso e fracasso são conceitos técnicos, em probabilidade, não
havendo neles sentido de mérito. "Sucesso" significa ocorrer o evento que se está controlando e
"fracasso" significa não ocorrer o evento que se está controlando.
17

Generalização da função de probabilidade, para x tentativas independentes até se obter o


primeiro sucesso:

𝑃(𝑋 = 𝑥) = 0,85x-1 ∙ 0,15 , com 𝑥 = 1, 2, 3, 4, ...

Com o auxílio de uma planilha eletrônica (Excel, Calc), tem-se:

1º jeito:

ou

2º jeito:

X ~ Geométrica (p = 0,15)

Observação: a distribuição geométrica e a distribuição de Pascal são também denominadas


"distribuição binomial negativa", sendo que na geométrica busca-se o primeiro
sucesso e na de Pascal o k-ésimo sucesso, ambas em x tentativas
independentes.
18

Como a soma ainda está muito longe de 1, mesmo com 20 tentativas, não será
possível obter a esperança matemática e a variância, por meio de aproximação numérica
(com a planilha eletrônica). Será preciso obtê-las algebricamente.
Utilizando progressão geométrica (P. G.) é possível mostrar que a esperança
matemática e a variância de variável aleatória que segue distribuição geométrica são dadas
por E(X) = 1/p e V(X) = (1 - p)/p2 .
1 0,85
Assim, neste exercício, 𝐸(𝑋) = ≅ 6,7 candidatos, 𝑉(𝑋) = ≅ 37,7778
0,15 0,152

candidatos2 e 𝐷. 𝑃. (𝑋) ≅ √37,7778 ≅ 6,15 candidatos.


19

Função distribuição acumulada para a v. a. X:

0 , se 𝑥 < 1
0,15 , se 1 ≤ 𝑥 < 2
0,278 , se 2 ≤ 𝑥 < 3
𝐹𝑋 : R → [0, 1], definida por 𝐹𝑋 (x) = P(X ≤ x) = 0,386, se 3 ≤ 𝑥 < 4 , com 𝑖 → +∞
0,478, se 4 ≤ 𝑥 < 5

{0,999, se 𝑥𝑖 ≤ 𝑥 < 𝑥𝑖+1

1,2

1,0
Probabilidade

0,8

0,6

0,4

0,2

0,0
0 2 4 6 8 10 12 14 16 18 20 22 24
Nº de candidatos entrevistados

Função de probabilidade P(X = x) Função distribuição acumulada P(X <= x)

Gráfico 5 – Distribuição de probabilidade para o número de candidatos


entrevistados até se obter o primeiro com o perfil desejado, sendo
de 0,15 a probabilidade de um candidato ter o perfil desejado
Fonte: A autora.

Notas: 1) O valor esperado para o número de candidatos entrevistados é de 6,7 candidatos, com desvio-padrão de 6,15
candidatos, aproximadamente. 2) O valor x = 1 pertence à função de probabilidade e à função distribuição acumulada.

e) P( E(X) – 2 DP(X) ≤ 𝑋 ≤ E(X) + 2 DP(X) ) = P( 𝜇𝑋 – 2𝜎𝑋 ≤ 𝑋 ≤ 𝜇𝑋 + 2𝜎𝑋 ) =

= P( 6,7 – 2 ∙ 6,15 ≤ 𝑋 ≤ 6,7 + 2 ∙ 6,15 ) = P( −5,6 ≤ 𝑋 ≤ 19 ) =


= P( 𝑋 = 1) + 𝑃(𝑋 = 2) + ⋯ + 𝑃(𝑋 = 19) ≅ 0,954 ≅ 95,4%

O teorema de Chebyshev afirma que P( 𝜇𝑋 – 2𝜎𝑋 ≤ 𝑋 ≤ 𝜇𝑋 + 2𝜎𝑋 ) ≥ 0,75, não

importando a forma da distribuição de probabilidade da variável aleatória.


Logo, neste exercício, o referido teorema foi confirmado, pois 0,954 > 0,75 .
20

No software estatístico R, há as seguintes funções computacionais para


distribuições de probabilidade de variável aleatória discreta:

"dbinom" e "pbinom", que calculam a função de probabilidade e a função distribuição


acumulada, respectivamente, para variável aleatória com distribuição binomial.

"dhyper" e "phyper", que calculam a função de probabilidade e a função distribuição


acumulada, respectivamente, para variável aleatória com distribuição hipergeométrica.

"dnbinom" e "pnbinom", que calculam a função de probabilidade e a função distribuição


acumulada, respectivamente, para variável aleatória com distribuição binomial negativa.

"dgeom" e "pgeom", que calculam a função de probabilidade e a função distribuição


acumulada, respectivamente, para variável aleatória com distribuição geométrica.

"dpois" e "ppois", que calculam a função de probabilidade e a função distribuição


acumulada, respectivamente, para variável aleatória com distribuição de Poisson.

Para ver os argumentos de cada uma dessas funções, digite no console do R os comandos
abaixo, um de cada vez:
?dbinom ?pbinom
?dhyper ?phyper
?dnbinom ?pnbinom
?dgeom ?pgeom
?dpois ?ppois

Há, ainda, as funções computacionais, abaixo, que fornecem valores de quantis (q) e geram
amostras aleatórias (r):
qbinom rbinom
qhyper rhyper
qnbinom rnbinom
qgeom rgeom,
qpois rpois

Você também pode gostar