Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística e Estatística I
Proposta de Resolução
iii)
𝑃(𝑋 > 6⋀𝑋 ≤ 10) 𝑃( 6 < 𝑋 ≤ 10) 𝐹𝑋 (10) − 𝐹𝑋 (6)
𝑃(𝑋 > 6|𝑋 ≤ 10) = = = =
𝑃(𝑋 ≤ 10) 𝑃(𝑋 ≤ 10) 𝐹𝑋 (10)
10 − 5 6−5
( )−( 7 ) 4
= 7 =
10 − 5 5
( 7 )
A afirmação é verdadeira.
1 1
⇔ (5 − 2) − (3 − 2) = 0,4 ⇔ 2 = (𝑏 − 2)0,4 ⇔ 𝑏 = 7.
𝑏−2 𝑏−2
A opção correta é a alínea c).
3. Numa unidade industrial, o tempo de execução de uma peça é uma variável aleatória
com distribuição exponencial, com valor médio 5 minutos.
𝑇~𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝜆)
i)
1 1
Sabe-se que: 𝐸(𝑇) = = 5𝑚𝑖𝑛 ⇒ 𝜆 = = 0,2 𝑝𝑒ç𝑎𝑠
𝜆 5
O valor 𝜆 = 0,2 significa que, em média, são executadas 0,2 peças por cada minuto.
𝑇~𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝜆 = 0,2)
A opção correta é a alínea b).
ii)
Pretende-se: 𝑃(𝑇 > 6|𝑇 ≥ 2) = 𝑃(𝑇 > 4) = 1 − 𝑃(𝑇 ≤ 4) =
𝑉 𝐹 𝑃(𝑋 > 2) = 𝑒 −1
𝑋~𝐸𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙(𝜆 = 0,5)
= 0,3679
Alternativa de raciocínio (resolução):
𝑌 → 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑙𝑡𝑎𝑠 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜
𝑌~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆 = 0,1)
𝑌 ′ → 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑛𝑠𝑢𝑙𝑡𝑎𝑠, 𝑒𝑚 𝑐𝑎𝑑𝑎 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑌′~𝑃𝑜𝑖𝑠𝑠𝑜𝑛(𝜆 = 1)
⏟ ′ = 0)
𝑃(𝑌 = 0,3679
𝑛ã𝑜 ℎ𝑎𝑣𝑒𝑟 𝑐𝑜𝑛𝑠𝑢𝑙𝑡𝑎𝑠
𝑛𝑜𝑠 1º𝑠 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
A afirmação é verdadeira.
6. O número de veículos atendidos num Centro de Inspeção para Automóveis, por hora,
é uma variável aleatória com distribuição de Poisson de valor médio igual a 4.
𝑍~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 = 0, 𝜎 = 1)
a)
𝑃(0 < 𝑍 ≤ 2,05) = Φ(2,05) − Φ(0) = 0,9798 − 0,5 = 0,478.
A afirmação é falsa.
b)
𝑃(−1,22 ≤ 𝑍 < 1,05) = Φ(1,05) − Φ(−1,22) = Φ(1,05) − [1 − Φ(1,22)]
= Φ(2,05) = 0,9798.
Pela simetria da Normal, tem-se:
-z z
A afirmação é falsa.
d)
𝑃( |𝑍| > 𝑘 ) = 0,05 ⇔ 1 − 𝑃( |𝑍| ≤ 𝑘 ) = 0,05 ⇔ 𝑃(− 𝑘 ≤ 𝑍 ≤ 𝑘 ) = 0,95
⇔ Φ(𝑘) − Φ(−𝑘) = 0,95 ⇔ Φ(𝑘) − [1 − Φ(𝑘)] = 0,95 ⇔
⇔ 2 × Φ(𝑘) − 1 = 0,95 ⇔ Φ(𝑘) = 0,975
A afirmação é verdadeira.
e)
𝑃( |𝑍| < 𝑘 ) = 0,90 ⇔ 𝑃(− 𝑘 ≤ 𝑍 ≤ 𝑘 ) = 0,90 ⇔ Φ(𝑘) − Φ(−𝑘) = 0,90
⇔ Φ(𝑘) − [1 − Φ(𝑘)] = 0,90 ⇔ 2 × Φ(𝑘) − 1 = 0,90 ⇔ Φ(𝑘) = 0,95
1,64 + 1,65
𝑃(𝑍 ≤ 𝑘) = Φ(𝑘) = 0,95 → 𝑘 = = 1,645.
2
Pela leitura da Tabela 5. da distribuição Normal vem:
A afirmação é verdadeira.
8. Se 𝑋 tem distribuição Normal com valor médio 6 e variância 25, então obteve-se:
𝑋−𝜇
𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 = 6, 𝜎 = 5) → 𝑍 = ~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 = 0, 𝜎 = 1)
𝜎
a)
6−6 12 − 6
𝑃(6 < 𝑋 ≤ 12) = 𝑃 ( <𝑍≤ ) = 𝑃(0 < 𝑍 ≤ 1,2) =
5 5
10 10
1 − 𝑃 (− ≤ 𝑍 ≤ ) = 1 − 𝑃(−2 ≤ 𝑍 ≤ 2) = 1 − [Φ(2) − Φ(−2)] =
5 5
A afirmação é verdadeira.
e)
𝑃(𝑋 > 𝑘) = 0,90 ⇔ 1 − 𝑃(𝑋 ≤ 𝑘) = 0,90 ⇔ 𝑃(𝑋 ≤ 𝑘) = 0,1 ⇔
𝑘−6 𝑘−6
𝑃 (𝑍 ≤ ) = 0,1 ⇔ Φ ( ) = 0,1
5 5
A afirmação é falsa.
9. Seja 𝑋 uma variável aleatória com distribuição 𝑁(12, 2). Considere que
𝑃(𝑎 ≤ 𝑋 ≤ 15) = 0,7332.
𝑎 − 12 15 − 12
𝑃(𝑎 ≤ 𝑋 ≤ 15) = 0,7332 ⇔ 𝑃 ( ≤𝑍≤ ) = 0,7332 ⇔
2 2
𝑎 − 12 3 3 𝑎 − 12
⇔ 𝑃( ≤ 𝑍 ≤ ) = 0,7332 ⇔ Φ ( ) − Φ ( ) = 0,7332 ⇔
2 2 2 2
𝑎 − 12 𝑎 − 12
⇔ Φ( ) = 0,9332 − 0,7332 ⇔ Φ ( ) = 0,2 ⇔
2 2
𝑎 − 12 𝑎 − 12
⇔ = Φ−1 (0,2) ⇔ = −0,842 ⇔ 𝑎 = 10,316 ⇔ 𝑎 ≈ 10,32.
2 2
A afirmação é verdadeira.
𝑋~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 = 120, 𝜎 = 8)
a)
105 − 120 135 − 120
𝑃(105 ≤ 𝑋 ≤ 135) = 𝑃 ( ≤𝑍≤ )=
8 8
𝑃(−1,875 ≤ 𝑍 ≤ 1,875) = Φ(1,875) − Φ(−1,875) =
Φ(1,875) − [1 − Φ(1,875)] = 2 × Φ(1,875) − 1=
0,9693 + 0,9699
2×( ) − 1 = 0,9392.
2
A afirmação é falsa.
b)
𝑃(𝑋 > 120 ⋀ 𝑋 < 125) 𝑃(120 < 𝑋 < 125)
𝑃(𝑋 > 120|𝑋 < 125) = = =
𝑃(𝑋 < 125) 𝑃(𝑋 < 125)
120 − 120 125 − 120
𝑃( ≤𝑍≤ ) 𝑃(0 ≤ 𝑍 ≤ 0,625)
8 8 = ≈
125 − 120 𝑃(𝑍 < 0,625)
𝑃 (𝑍 < )
8
Φ(0,625) − Φ(0) 0,7341 − 0,5
⏟
= ≃ 0,32.
Φ(0,625) 𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜𝑟𝑎
0,7341
𝑔𝑟á𝑓𝑖𝑐𝑎 𝑜𝑢 𝑚é𝑑𝑖𝑎
𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑡𝑎𝑏𝑒𝑙𝑎𝑑𝑜𝑠
A afirmação é verdadeira.
c)
𝑌 → 𝑀𝑜𝑛𝑡𝑎𝑛𝑡𝑒 𝑑𝑒 𝑑𝑒𝑝ó𝑠𝑖𝑡𝑜𝑠 à 𝑜𝑟𝑑𝑒𝑚 𝑒𝑓𝑒𝑐𝑡𝑢𝑎𝑑𝑜𝑠 𝑛𝑢𝑚𝑎 𝑠𝑒𝑚𝑎𝑛𝑎 (5 𝑑𝑖𝑎𝑠),
𝑛𝑢𝑚𝑎 𝑖𝑛𝑠𝑡𝑖𝑡𝑢𝑖çã𝑜 𝑏𝑎𝑛𝑐á𝑟𝑖𝑎
𝑌 = ∑ 𝑋𝑖 ~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇𝑌 =? , 𝜎𝑌 =? )
𝑖=1
5 5
↓
𝑣. 𝑎.′ 𝑠 {𝑋𝑖 } 𝑖. 𝑖. 𝑑
5 5
A afirmação é verdadeira.
i)
Pelo teorema da aditividade da distribuição Normal:
𝑌 = 𝑋 − 𝑍~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 =? , 𝜎 =? )
𝑌 = 𝑋 − 𝑍~𝑁𝑜𝑟𝑚𝑎𝑙(1, √2)
Pretende-se:
𝑃(𝑋 < 𝑍 + 1) = 𝑃(𝑋 − 𝑍 < 1) = 𝑃(𝑌 < 1) = 0,5.
(Simetria da distribuição Normal)
A afirmação é verdadeira.
ii)
Pretende-se:
𝑃(𝑋 > 𝑍 + 𝑎) = 0,1 ⟺ 𝑃(𝑋 − 𝑍 > 𝑎) = 0,1 ⟺ 𝑃(𝑌 > 𝑎) = 0,1 ⟺
12. O processo de produção de um artigo é elaborado de tal forma que o peso (em
gramas) de cada embalagem tem um comportamento aleatório, bem modelado por
uma distribuição Normal de valor médio 250 e desvio-padrão 10.
a)
230,4 − 250 269,6 − 250
𝑃(230,4 ≤ 𝑋 ≤ 269,6) = 𝑃 ( ≤𝑍≤ )=
10 10
𝑃(−1,960 ≤ 𝑍 ≤ 1,960) = Φ(1,960) − Φ(−1,960) =
Φ(1,960) − [1 − Φ(1,960)] = 2 × Φ(1,960) − 1=
2 × (0,9750) − 1 = 0,95.
A probabilidade de uma embalagem pesar entre 230,4 e 269,6 gramas é de 0,95.
b)
𝑃(|𝑋 − 𝜇| > 15,3) = 1 − 𝑃(|𝑋 − 𝜇| ≤ 15,3) = 1 − 𝑃(−15,3 ≤ 𝑋 − 𝜇 ≤ 15,3) =
15,3 15,3
1 − 𝑃 (− ≤𝑍≤ ) = 1 − 𝑃(−1,53 ≤ 𝑍 ≤ 1,53) =
10 10
= 1 − [Φ(1,53) − Φ(−1,53)] = 1 − [Φ(1,53) − 1 + Φ(1,53)] =
= 2 − 2 × Φ(1,53) = 2 − 2 × 0,9370 = 0,126.
A probabilidade de uma embalagem, escolhida ao acaso, ser rejeitada é de 0,126.
c)
𝑘 − 250 𝑘 − 250
𝑃(𝑋 < 𝑘) = 0,90 ⇔ 𝑃 (𝑍 ≤ ) = 0,90 ⇔ Φ ( ) = 0,90
10 10
Substituindo:
𝑘 − 250 𝑘 − 250
𝑧= ⇔ 1,282 = ⇔ 𝑘 = 262,82 𝑔𝑟𝑎𝑚𝑎𝑠.
10 10
O valor 𝑘 corresponde ao peso, em gramas, que não é excedido em 90% das amostras
de embalagens.
d)
𝑌 → 𝑃𝑒𝑠𝑜 (𝑒𝑚 𝑔𝑟𝑎𝑚𝑎𝑠) 𝑑𝑒 𝑞𝑢𝑎𝑡𝑟𝑜 𝑒𝑚𝑏𝑎𝑙𝑎𝑔𝑒𝑛𝑠
𝑌 = ∑ 𝑋𝑖 ~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇𝑌 =? , 𝜎𝑌 =? )
𝑖=1
𝐸(𝑌) = 𝐸 (∑ 𝑋𝑖 ) = ∑ 𝐸(𝑋) =
⏟ 4 × 250 = 1000 𝑔𝑟𝑎𝑚𝑎𝑠
𝑖=1 𝑖=1 𝑣.𝑎.′ 𝑠 {𝑋𝑖 } 𝑖.𝑖.𝑑
4 4
Pretende-se:
𝑃(𝑌 > 𝜇𝑌 ) = 𝑃(𝑌 > 1000) = 0,5
2𝑋 + 𝑌~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇 =? , 𝜎 =? )
2𝑋 + 𝑌~𝑁𝑜𝑟𝑚𝑎𝑙(1, √6)