Escolar Documentos
Profissional Documentos
Cultura Documentos
Departamento de Estatı́stica
3a Lista de PE – Solução
1. Se X representa o ganho do jogador, então os possı́veis valores para X são −2, −1, 0, 2
e 4. Esses valores são, respectivamente, correspondentes a se retirar 2 bolas brancas,
1 branca e 1 laranja, 2 laranjas, 1 preta e 1 branca, 1 preta e 1 laranja e, por último,
2 bolas pretas.
14
Sendo o espaço amostral finito, é fácil concluir que n(Ω) = 2
. As probabilidades
associadas a esses valores são
8 4
8
2 28 1 32
P(X = −2) = =
14
P(X = 1) = 14
1 =
2
91 2
91
8 2 4
2
16 8
P(X = −1) = 1 141 = P(X = 2) = 1
14
1 =
2
91 2
91
2 4
2 1 2 6
P(X = 0) = 14 = P(X = 4) = 14
=
2
91 2
91
Fu n ¸c ão D i st r i b u i ¸c ão
1
0.9
0.8
0.7
0.6
F(x)
0.5
0.4
0.3
0.2
0.1
0
−1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4
x
b) Segue da definição de esperança que
E(X) = 0P(X = 0) + 1P(X = 1) + 2P(X = 2) + 3P(X = 3)
= 0(0, 25) + 1(0, 125) + 2(0, 125) + 3(0, 5)
= 1, 875.
c) Primeiramente calculamos
E X 2 = 02 P(X = 0) + 12 P(X = 1) + 22 P(X = 2) + 32 P(X = 3)
Fu n ¸c ão D i st r i b u i ¸c ão
1
0.9
0.8
0.7
0.6
F(x)
0.5
0.4
0.3
0.2
0.1
0
−1 −0.5 0 0.5 1 1.5 2 2.5 3 3.5 4
x
b) Como o tamanho dos saltos em cada ponto representa o valor da probabilidade
que aquele ponto “carrega”, temos
1
P(X = 1) = F (1) − F (1− ) =
,
4
5
P(X = 2) = F (2) − F (2− ) = ,
12
1
P(X = 3) = F (3) − F (3− ) = .
12
1
< X < 32 = F 23 − F 21 = 14 .
c) P 2
a) Como sabemos a soma das probabilidades deve ser igual a um. Desse modo, temos
∞
X p 1
P(X = i) = = .
i=1
1−p 2
5 5
X 1 X 1 1
P(X 6 5) = P(X = i) = + i
= .
i=0
2 i=1 3 162
Agora
e então
Var(X) = 0, 5 − (0, 1)2 = 0, 49.
6. a) A função de distribuição acumulada da variável aleatória N é dada por
0, se x < 0,
0, 2, se 0 6 x < 1,
0, 5, se 1 6 x < 2,
P(N 6 x) = 0, 85, se 2 6 x < 3,
0, 90, se 3 6 x < 4,
0, 95, se 4 6 x < 5,
1, se x > 5.
c) O valor esperado é
= 02 (0, 2) + 12 (0, 3) + 22 (0, 35) + 32 (0, 05) + 42 (0, 05) + 52 (0, 05)
= 4, 2
e então
Var(X) = 4, 2 − (1, 6)2 = 1, 64.
7. a) Uma vez que a soma das probabilidades deve ser um, basta resolver a equação
k k k
k+ + + = 1,
3 5 7
105
resultando em k = 176
.
b) A probabilidade desejada é
105
105 35
P(X < 5) = + 176 = .
176 3 44
9. Sendo X a variável que representa a soma dos dados, facilmente chegamos às probabi-
lidades
e então
Var(X) = 23, 2 − (4, 6)2 = 2, 04.
c) Seja Y a variável aleatória que representa o valor ganho por um operário. Na
tabela abaixo estão computados os valores ganho pelo operário de acordo com o
tempo gasto no processamento de uma peça:
tempo gasto 2 3 4 5 6 7
valor ganho 4 3, 5 3 2, 5 2 2
Como Y é uma transformação da variável X as probabilidades correspondentes
são identicas, de modo que as probabilidades associadas à variável Y são:
k 4 3, 5 3 2, 5 2
P(Y = k) 0, 1 0, 1 0, 3 0, 2 0, 3
Segue que o valor esperado da variável Y é
E(Y ) = 4P(X = 4) + 3, 5P(X = 3, 5) + 3P(X = 3) + 2, 5P(X = 2, 5) + 2P(X = 2)
= 4(0, 1) + 3, 5(0, 1) + 3(0, 3) + 2, 5(0, 2) + 2(0, 3)
= 2, 75.
0 3
3 1 5 125
P(X = −1) = =
0 6 6 216
1 2
3 1 5 75
P(X = 1) = =
1 6 6 216
2 1
3 1 5 15
P(X = 2) = =
2 6 6 216
3 0
3 1 5 1
P(X = 3) = = .
3 6 6 216
A esperança da variável X é
125 75 15 1 −17
E(X) = −1 +1 +2 +3 =
216 216 216 216 216
e concluı́mos que o jogo não é justo para o jogador.
13. Vamos considerar que X é a variável relativa ao número de jogos realizados. Considere
agora os eventos Gi =“Equipe A ganha o i-ésimo jogo”, i > 1.
= P(G1 )P(Gc2 )P(G3 ) + P(Gc1 )P(G2 )P(G3 ) + P(Gc1 )P(G2 )P(Gc3 ) + P(G1 )P(Gc2 )P(Gc3 )
= 2p(1 − p)
Segue que
P(X = 3) = p3 + (1 − p)3 ,
P(X = 4) = 3p3 (1 − p) + 3p(1 − p)3 ,
P(X = 5) = 3(1 − p)2 p3 + 3(1 − p)3 p2 = 6p2 (1 − p)2 .
Segue que
c) Primeiramente, façamos E(X) = f (p) para o item a) e E(X) = g(p) para o item
b). Como queremos maximizar a esperança, derivamos as funções f (p) e g(p) no
intervalo 0 < p < 1.
14. Vamos considerar que X é a variável que dá o valor da pontuação obtida pelo me-
teorologista. Então P(X = 1 − (1 − p)2 ) = p∗ e P(X = 1 − p2 ) = 1 − p∗ . Segue
que
E(X) = p∗ (1 − (1 − p2 )) + (1 − p∗ )(1 − p2 ) = f (p).
Como queremos maximizar a esperança derivamos a função f (p) no intervalo 0 < p < 1.
obtendo p∗ como ponto crı́tico. Para confirmar que p∗ é, de fato, um ponto de máximo
basta observar que f 00 (p∗ ) = −2.
15. Vamos denotar por X a variável que representa o número de motores funcionando em
um avião de 5 motores e Y a variável que representa o número de motores funcionando
em um avião de 3 motores. Estamos interessados nos valores de p para o qual
19. Seja X a variável que representa o número de bactérias em 5cm3 . Como a taxa média
em 1cm3 é de 0,8; em 5cm3 será de 4. Desse modo, a variável X é uma Poisson de
parâmetro 4 cuja distribuição é dada por
4k −4
P(X = k) = e , k = 0, 1, . . .
k!
a) P(X > 2) ≈ 0, 9084.
b) P(X > 13) ≈ 0, 0003.
c) P(X = 0) ≈ 0, 0183.
b) P(X 6 7) ≈ 0, 9489.
24. Se A representa o evento em que uma pessoa tem 2 resfriados no ano e B representa
o evento em que a droga é benéfica, a probabilidade que procuramos é
P(A|B)P(B)
P(B|A) = .
P(A|B)P(B) + P(A|B c )P(B c )
P(X = k) = P(X = k + 1) ⇐⇒
10k −10 10k+1 −10
e = e ⇐⇒
k! (k + 1)!
(k + 1)! 10k+1
= ⇐⇒
k! 10k
k + 1 = 10 ⇐⇒
k = 9.
29. Seja X a variável correspondente ao número de itens defeituosos, desse modo sabe-
mos que X ∼ Bin(10; 0, 2). A probabilidade de que tenhamos no máximo um item
defeituoso é
10 0 10 10
P(X 6 1) = 0, 2 × 0, 8 + 0, 21 × 0, 89 ≈ 0, 3758.
0 1
Podemos, também, aproximar esta probabilidade por meio de uma Poisson de parâmetro
λ = 10 × 0, 2 = 2. Segue que
20 −2 21 −2
P(X 6 1) = e + e ≈ 0, 4060.
0! 1!
30. Seja X a variável referente ao o número de chamadas que chegam por minuto. Segue
que X ∼ Pois(8).