Lista de Exercícios de Revisão para o 1º Teste - PE

Instituto Superior de Engenharia de Lisboa Instituto Superior de Engenharia de Lisboa
Departamento de Matemática Departamento de Matemática

Probabilidades e Estatística Probabilidades e Estatística
Lista de exercícios de revisão para o 1º teste Exercício 3.

Foram escolhidos aleatoriamente seis limões e foi efectuada uma medição de
Exercício 1. pH em cada um deles, tendo-se obtido os seguintes resultados:
O tempo, em horas, que um gestor demora a avaliar um determinado projecto
é uma variável aleatória com distribuição normal de média igual a 10 horas 2, 16; 2, 29; 2, 21; 2, 01; 2, 80; 2, 12.
e desvio padrão igual a 2 horas.
Para esta amostra sabe-se que:
(a) Determine a probabilidade do gestor demorar entre 9 e 11 horas a ava-
liar um determinado projecto. ÿ
6 ÿ
6
xi “ 13, 59; x2i “ 31, 1683.
i“1 i“1
(b) Se ao gestor fosse pedido para prever o tempo necessário para avaliar
um dado projecto, de modo a que a probabilidade do estudo não estar Foram efectuadas sete medições aleatórias da massa de um isótopo de
concluído nesse tempo apenas fosse igual a 0, 025, que valor indicaria? urânio, usando um espectrómetro, tendo-se obtido os seguintes resultados:
(c) O gestor recebe uma compensação monetária sempre que termina a 201, 95; 199, 53; 206, 57; 200, 19; 199, 31; 201, 92; 200, 82.
avaliação de um projecto em menos de 8 horas. Admitindo que o gestor
recebeu 7 projectos distintos para avaliar, calcule a probabilidade de ser Para esta amostra sabe-se que:
compensado em pelo menos 2 projectos.
ÿ
7 ÿ
7
Exercício 2. yi “ 1410, 29; pyi ´ y i q2 “ 36, 933.

i“1 i“1
Um conhecido fabricante de computadores pessoais inspecciona os chips de
memória antes de eles serem usados na montagem dos computadores. Da Qual das duas variáveis apresenta maior variabilidade? Justifique.
experiência passada sabe-se que:
Exercício 4.
• a probabilidade de um chip ser defeituoso é 20%; O comprimento de certo tipo de barras é aleatório e apresenta uma densidade
de probabilidade uniformemente distribuída entre 5 e 9 metros.
• a probabilidade de um chip defeituoso ser aprovado na inspecção é 10%;
(a) Indique a função densidade de probabilidade e a função de distribuição.
• a probabilidade de um chip não defeituoso ser aprovado na inspecção é
98%. (b) Qual é a probabilidade de uma barra medir mais de 8, 2 metros?
Determine: (c) Qual é o comprimento médio das barras? E a variância?
(a) a probabilidade de um chip ser defeituoso e não ser aprovado na ins- (d) Qual é a probabilidade de num lote de 10 barras extraídas ao acaso
pecção; da produção total no máximo 2 tenham comprimento superior a 7, 5
metros?
(b) a probabilidade de um chip ser aprovado na inspecção;
(e) Qual é a probabilidade aproximada do comprimento médio das barras,
(c) a probabilidade de um chip ser defeituoso, sabendo que foi recusado pela numa amostra de observações independentes e identicamente distribuí-
inspecção. das de tamanho 40, ser inferior a 7, 5 metros?
(f ) Foi observada uma amostra de 100 barras deste tipo escolhidas aleato-
riamente. Qual é a probabilidade aproximada do comprimento total das
barras da amostra ser de pelo menos a 720 metros?
Lista de exercícios de revisão para o 1º teste 1/28 Lista de exercícios de revisão para o 1º teste 2/28
C. Fernandes & P. Ramos C. Fernandes & P. Ramos
Exercício 5. Exercício 9.
Um determinado tipo de peças produzidas numa linha de montagem apresenta A qualidade dos cristais utilizados nos circuitos de certos componentes elec-
diâmetro de medida variável segundo uma distribuição normal de valor médio trónicos é regularmente monitorizada por amostragem. Sempre que é de-
106 mm e variância 16 mm2 . Designando por X a medida do diâmetro dessas tectada uma amostra sem a qualidade desejada, o processo é interrompido.
peças, determine: Admita que em condições normais o número de interrupções segue um pro-
cesso de Poisson tal que a probabilidade do processo ser interrompido pelo
(a) a probabilidade de uma peça, seleccionada ao acaso, apresentar um di- menos uma vez durante uma hora é igual a 0, 1.
âmetro com medida entre 102 mm e 120 mm.
(a) Indique o valor esperado e a variância do número de interrupções du-
(b) o valor do número real positivo B de modo que rante um dia (24 horas);
P r106 ´ B † X † 106 ` Bs “ 0, 95. (b) Se considerar agora um conjunto de seis períodos independentes de 2
horas, qual a probabilidade de em apenas dois desses períodos não exis-
(c) o valor da medida do diâmetro abaixo do qual se encontra 33% das tirem interrupções.
peças produzidas.
Exercício 10.
Exercício 6. O tempo de espera entre duas chamadas telefónicas consecutivas de uma em-
Um sistema de segurança num processo industrial é constituído por três dis- presa, é uma variável aleatória com distribuição exponencial de valor médio
positivos A, B e C que trabalham de forma independente, de modo que basta igual 10 minutos.
um deles funcionar para que o sistema funcione. Sabendo-se que as proba-
bilidades de funcionamento de cada um dos dispositivos são respectivamente (a) Determine a probabilidade do tempo de espera se situar entre 7 e 12
iguais a 0, 95, 0, 98 e 0, 99 calcule: minutos;
(a) a probabilidade de funcionamento do sistema; (b) Determine a probabilidade de que num período de 5 minutos não exis-
tam chamadas;
(b) a probabilidade de que no máximo um dos dispositivos falhe.
(c) Determine a probabilidade de em 6 períodos de 5 minutos cada, exista
Exercício 7. pelo menos um em que não existem chamadas;
Sabe-se que numa linha de produção 10% das peças são defeituosas e que as
peças são acondicionadas em caixas com 5 unidades. Calcule: (d) Qual é o número médio de chamadas por hora na empresa?
(a) a probabilidade de uma caixa conter exactamente 3 peças defeituosas; (e) Determine a probabilidade do tempo de espera ser superior a 11 minu-
tos.
(b) a probabilidade de uma caixa conter pelo menos duas peças defeituosas.
(f ) Determine o tempo de espera, em minutos, entre duas chamadas tele-
Exercício 8. fónicas consecutivas que é excedido em 40%.
Sabendo-se que na fabricação de determinadas chapas aparecem defeitos à
taxa média de 0, 5 defeitos por m2 , calcule a probabilidade de que:
(a) uma chapa de 5 m2 seja perfeita;
(b) uma chapa de 1500 dm2 apresente no mínimo três defeitos.
(c) a área até encontrar o primeiro defeito seja no mínimo de 2 m2 .
Exercício 11. (e) Qual é a probabilidade de numa amostra de 25 pessoas o peso total ser
Uma empresa está disposta a comprar um conjunto de 100 artigos de acordo de pelo menos 1810kg?
com o seguinte esquema:
(f ) Qual é a probabilidade de numa amostra de 30 pessoas o peso médio
• um inspector examina 5 artigos ao acaso sem os repor; ser no máximo de 70kg?
• a empresa firmará a compra se a inspecção revelar menos de 3 artigos Exercício 14.
defeituosos na amostra. Uma variável aleatória X tem a seguinte função densidade de probabilidade:
Sabendo o vendedor que 20% dos artigos são defeituosos: $ 2px`1q
& 15 , se 0 § x § k
(a) Qual é a probabilidade que a empresa tem de firmar a compra? f pxq “ ,
%
0 , fora do intervalo
(b) Acha que esta probabilidade será significativamente alterada se forem
repostos os artigos que vão sendo inspeccionados? Comente. com k ° 0.
(c) Nas situações de inspecção consideradas em (a) e (b), diga quantos (a) Determine o valor de k para o qual f pxq é uma função densidade de
artigos se espera que sejam defeituosos. probabilidade;
Exercício 12. (b) Calcule P r1 § X § 3 | X § 2s;

O tempo entre falhas consecutivas, em horas, de certo tipo de motores tem
distribuição exponencial de valor esperado igual a 500 horas. Foi seleccionada (c) Calcule o desvio padrão da variável aleatória X.
uma amostra aleatória de 35 tempos entre falhas consecutivas. Exercício 15.
(a) Determine a probabilidade aproximada do tempo total entre falhas con- O número de falhas em contraplacado de madeira encontram-se ao acaso,
secutivas, na amostra, ser de pelo menos 17000 horas. com uma média de 1 falha por 50dm2 , e seguem uma distribuição de Pois-
son. Qual a probabilidade de que numa porção de contraplacado de dimensão
(b) Determine a probabilidade aproximada do tempo médio entre falhas 32dm2 :
consecutivas, na amostra, ser no máximo de 510 horas.
(a) não haja nenhuma falha?
Exercício 13.
Um estudo sobre a obesidade numa determinada população permitiu concluir (b) haja quanto muito uma falha?
que o peso dos indivíduos dessa população, em kg, é uma variável aleatória
Exercício 16.
X, com distribuição aproximadamente normal.
Uma indústria produz determinado tipo de peça em três máquinas M1 , M2
(a) Calcule os parâmetros µ e da referida variável aleatória, sabendo que e M3 . As máquinas M1 e M2 produzem 40% e 30% das peças, respectiva-
P rX § 72s “ 0, 5 e P rX § 62s “ 0, 25. mente. As percentagens de peças defeituosas produzidas por essas máquinas
são respectivamente iguais a 1%, 4% e 3%.
(b) Determine P rX • 86s.
(a) Se uma peça é seleccionada aleatoriamente da produção total, qual é a
(c) Na subpopulação de indivíduos com peso não inferior a 86kg, qual é a probabilidade de essa peça não ser defeituosa?
percentagem de indivíduos com peso superior ou igual a 90kg?
(b) Suponha que uma peça é escolhida ao acaso da produção total é defeitu-
(d) Um elevador pode transportar no máximo 400kg. Chegam, ao mesmo osa. Qual é a probabilidade de que essa peça tenha sido produzida pela
tempo, cinco pessoas para utilizar o elevador. Determine a probabili- máquina M1 ?
dade de o poderem utilizar em simultâneo;
(c) Qual é a probabilidade de uma peça escolhida ao acaso, ter sido produ- Exercício 21.
zida pela máquina M2 e ser defeituosa? Sejam A,B e C três acontecimentos com probabilidades não nulas. Sabendo
que:
Exercício 17.
Durante o tempo de funcionamento de um computador produzem-se falhas. • C é mutuamente exclusivo quer com A quer com B;
Supõe-se que o número de falhas segue uma distribuição de Poisson de vari-
ância 1, 5 por dia. Determine a probabilidade da primeira falha ocorrer após • dois dos acontecimentos são independentes;
6 ou mais horas de funcionamento. • P rAs “ 0, 6; P rA X Bs “ 0, 18; P rCs “ 0, 15.
Exercício 18. Calcular:
Foi recolhida uma amostra de carbonato de sódio, para a qual foram de-
terminadas 6 percentagens de óxido de sódio, tendo-se obtido os seguintes (a) P rBs;
resultados:
(b) P rB ´ As;
40, 18; 40, 12; 40, 00; 40, 20; 40, 16; 40, 18.
(c) P rA X Cs;
O que pode concluir quanto à existência de outliers nesta amostra? Justifique
(d) P rA Y B Y Cs;
com os cálculos necessários.
“ ‰
(e) P A X B X C .
Exercício 19.
A emissão de uma fonte radioactiva é tal que o número de partículas emi- Exercício 22.
tidas em cada período de 10 segundos, X, tem distribuição de Poisson com Do pessoal que trabalha numa empresa sabe-se que 1
fuma. Escolhendo-se,
5
E rX 2 s “ 6. ao acaso, 5 pessoas, qual é a probabilidade de que:
(a) Determine o valor médio da variável aleatória X; (a) só uma delas fume?
(b) Observada a emissão durante 7 períodos consecutivos de 10 segundos, (b) pelo menos uma delas fume?
qual a probabilidade de, em pelo menos um desses períodos, serem emi-
tidas 4 ou mais partículas? (c) fumem todas?
(c) Calcule a probabilidade de que num período de 30 segundos, a fonte (d) no máximo fume uma delas?
emita no máximo 3 partículas.
Exercício 23.
Exercício 20. A variável aleatória X tem a seguinte função de densidade de probabilidade:
Numa gaveta temos 12 lâmpadas, das quais 5 estão queimadas. Escolheram- $ 2
se aleatoriamente 3 lâmpadas para iluminar uma sala de aula. ’ cx , se 1 § x § 2
’
’
’
&
(a) Determine a probabilidade de escolher apenas uma lâmpada queimada; f pxq “ cx , se 2 † x † 3 ,
’
’
’
’
(b) Determine a probabilidade de escolher pelo menos duas lâmpadas não %
0 , outros valores de x
queimadas;
com k ° 0.
(c) Determine o valor médio e a variância do número de lâmpadas quei-
madas, entre as 3 escolhidas. (a) Determine o valor do parâmetro c;
(b) Determine a função de distribuição da variável aleatória X; Exercício 27.

“ ‰ “ ‰ O tempo entre falhas consecutivas, em horas, de certo tipo de motores tem
(c) Calcule P 12 † X † 32 e P X ° 1 | 12 † X † 2 . distribuição exponencial de valor esperado igual a 500 horas.
Exercício 24. (a) Determine a probabilidade do tempo entre falhas consecutivas exceder
Três atiradores A,B e C fazem cada um, um tiro para um alvo. A pro- o valor médio;
babilidade para cada um acertar no alvo é 0, 7, 0, 4 e 0, 6, respectivamente.
Considere a variável aleatória X - “número de projécteis que atingem o alvo”. (b) Sabendo que decorreram mais de 800 horas desde o registo da última
falha, calcule a probabilidade de virmos a aguardar adicionalmente mais
(a) Determine a função de probabilidade de X; de 500 horas até que ocorra a próxima falha.
(b) Calcule o valor médio de X; Exercício 28.
(c) Determine o coeficiente de variação de X. A uma determinada hora, seja Z o número de passageiros que chegam a uma
estação de metropolitano numa determinada carruagem. Conta-se o número
Exercício 25. X de passageiros que sobem e o número Y de passageiros que descem dessa
Considere a variável aleatória X com função de probabilidade: carruagem. A carruagem volta a partir com N pessoas. As variáveis X,
Y e Z, são variáveis aleatórias independentes que seguem, respectivamente,
x ´1 0 1 as leis normais: X „ N pµ “ 40; “ 9q, Y „ N pµ “ 30; “ 12q e Z „
f pxq p1 p2 p3 N pµ “ 100; “ 20q.
(a) Indique a distribuição da variável N .

Sabe-se que µ “ 0, 1 e E rX 2 s “ 0, 9. (b) Encontre o valor de k tal que a probabilidade de 0 † N † k seja 0, 95.
(a) Determine p1 , p2 e p3 ; (c) Calcule P rN † 70s e P rN ° 140s.
(b) Determine a função de distribuição; Exercício 29.
Num teste cotado de 1 a 5 valores, registaram-se as seguintes classificações:
(c) Calcule o desvio padrão de X.
5, 1, 2, 4, 4, 3, 3, 5, 1, 2, 4, 3.
Exercício 26.
Uma fábrica possui três máquinas que produzem o mesmo tipo de peças. A (a) Calcule a média, a mediana, a moda, o desvio padrão e o coeficiente de
máquina A produz 5% de peças defeituosas. A máquina B que produz 35% variação das classificações obtidas no teste.
das peças, produz 10% de peças defeituosas. A máquina C produz 15% de
peças não defeituosas. A percentagem total de peças defeituosas produzidas (b) Comente a seguinte afirmação: “75% dos testes tiveram uma classifi-
em tal fábrica é 26, 75%. cação inferior ou igual a quatro valores”.
(a) Determine a percentagem de peças produzidas pelas máquinas A e C; Exercício 30.
Num determinado país, 70% dos acidentes rodoviários são originados por
(b) Determine a probabilidade de uma peça defeituosa ter sido fabricada manobras perigosas por parte dos condutores. Considere uma amostra alea-
pela máquina B. tória de 8 acidentes. Sabendo que pelo menos três acidentes foram originados
por manobras perigosas por parte dos condutores, qual é a probabilidade de
menos de seis acidentes terem sido originados por manobras perigosas por
parte dos condutores?
“ ‰
Soluções: tem-se P D X A “ 0, 18.
Exercício 1. (b) Pelo teorema da probabilidade total temos que:
“ ‰
P rAs “ P rA X Ds ` P A X D “ 0, 804.
(a) Considerando a variável aleatória X - “tempo que um gestor demora
a avaliar um determinado projecto” temos que X „ N pµ “ 10; “ 2q.
(c) Pelo teorema de Bayes tem-se:
A probabilidade pedida é:
“ ‰
“ ‰ P DXA
P r9 § X § 11s “ P r´0, 5 § Z § 0, 5s “ P D|A “ “ ‰ “ 0, 918.
P A
“ p0, 5q ´ p´0, 5q “
“ D p0, 5q “ 0, 383. Exercício 3.
(b) Tem-se:
• Consideremos a variável: X - “pH do limão”. Trata-se duma variável
P rX ° as “ 0, 025 ô P rX § as “ 0, 975 ô quantitativa contínua na escala absoluta.
„ ⇢
a ´ 10 ∞6
ô P Z§ “ 0, 975 ô – Média: x “ i“1 xi
“ 13,59
“ 2, 265. Em média o pH é de 2, 265.
2 6 6
∞6
a ´ 10 – Variância: s2 “ i“1 xi ´6ˆx
2
“ 0,38695
2
“ 0, 07739.
ô 1, 96 “ ô 6´1
5
2 ?
ô a “ 13, 92 horas. – Desvio padrão: s “ 0, 07739 “ 0, 2781906. Os dados têm uma
variabilidade em relação à média de 0, 2781906.
(c) Considerando a variável aleatória Y - “número de projectos em que – Coeficiente de variação: cv “ xs ˆ 100% “ 0,2781906
2,265
ˆ 100% “
o gestor é compensado, em 7” temos que Y „ b pn “ 7, p “ 0, 1587q, 12, 28215%. Os dados apresentam uma variabilidade fraca.
sendo p “ P rX † 8s “ p´1q “ 0, 1587. A função de probabilidade
da variável é dada por: • Consideremos a variável: Y - “massa de um isótopo de urânio”. Trata-
se duma variável quantitativa contínua na escala absoluta.
f pyq “ 7Cy p0, 1587qy p0, 8413q7ý , y “ 0, 1, . . . , 7. ∞7
x
– Média: y “ i“1 7
i
“ 1410,29
7
“ 201, 47. Em média a massa de um
A probabilidade pedida é: isótopo de urânio é de 201, 47.
∞7 2
i“1 pxi ´xq
– Variância: s2 “ “ 36,933 “ 6, 1555.
P rY • 2s “ 1 ´ P rY † 2s “ ?
7´1
6
“ 1 ´ rf p0q ` f p1qs “ – Desvio padrão: s “ 6, 1555 “ 2, 481028. Os dados têm uma

variabilidade em relação à média de 2, 481028.
“ 0, 3078.
– Coeficiente de variação: cv “ xs ˆ 100% “ 2,481028
201,47
ˆ 100% “
Exercício 2. 1, 231463%. Os dados apresentam uma variabilidade fraca.
(a) Considerando os acontecimentos: • Conclusão: a variável associada ao pH do limão apresenta maior vari-
abilidade do que a variável associada à massa de um isótopo de urânio.
– D - “chip ser defeituoso”;
– A - “chip ser aprovado na inspecção”;
Exercício 4. (f ) Considerando a variável aleatória Y - “comprimento total das barras

∞ em
(a) Considerando a variável aleatória X - “comprimento das barras em metros” e usando o teorema limite central tem-se, para Y “ 100 i“1 Xi ,
metros” temos que X „ U p5; 9q com função densidade de probabilidade que
$ 1 Y ´ 100 ˆ 7
b 9 p0; 1q .
„N
& 4 , se 5 § x § 9
100 ˆ 43
f pxq “
%
0 , outros valores Podemos usar o teorema limite central porque n “ 100 ° 30. A proba-
e função de distribuição bilidade pedida é:
$ „ ⇢
’
’ 0 , x†5 720 ´ 700
’
’ P rY • 720s “ 1 ´ P Z † “
& 11, 547
F pxq “ x´5
4
, 5§x§9 . “ 1 ´ P rZ † 1, 73s “
’
’
’
’
% “ 0, 0418.
1 , x°9
(b) A probabilidade pedida é: Exercício 5.

P rX ° 8, 2s “ 1 ´ F p8, 2q “ 0, 2.
p9´5q2 (a) Considerando a variável aleatória X - “diâmetro das peças em mm”
(c) µX “ 5`9
2
“7e 2
X “ 12
“ 16
12
“ 43 . temos que X „ N pµ “ 106; “ 4q. A probabilidade pedida é:
(d) Considerando a variável aleatória Y - “número de barras, em 10, com
comprimento superior a 7, 5 metros” temos que Y „ b pn “ 10, p “ 0, 375q, P r102 § X § 120s “ P r´1 § Z § 3, 5s “
sendo p “ P rX ° 7, 5s “ 1 ´ F p7, 5q “ 0, 375. A função de probabili- “ p3, 5q ´ p´1q “
dade da variável é dada por: “ 0, 8411.
f pyq “ 10Cy p0, 375qy p0, 625q10ý , y “ 0, 1, . . . , 10.
(b) Tem-se:
A probabilidade pedida é
„ ⇢
P rY § 2s “ f p0q ` f p1q ` f p2q “ 0, 211. ´B B
P r106 ´ B † X † 106 ` Bs “ 0, 95 ô P †Z† “ 0, 95 ô
4 4
(e) Considerando a variável aleatória X - “comprimento médio das bar- ˆ ˙ ˆ ˙
B B
ras na amostra” e usando o teorema limite central tem-se, para X “ ô ´ ´ “ 0, 95 ô
∞40 4 4
i“1 Xi
, que ˆ ˙ „ ˆ ˙⇢
40 B B
X ´7 ô ´ 1´ “
9 p0; 1q ,
„N 4 4
?4
?12 “ 0, 95 ô
40 ˆ ˙
B
pois µX “ 7 e X “ ?412 . Podemos usar o teorema limite central porque ô 2 “ 1, 95 ô
n “ 40 ° 30. A probabilidade pedida é: 4
„ ⇢ B
“ ‰ 7, 5 ´ 7 ô “ ´1 p0, 975q ô
P X † 7, 5 “ P Z † “ 4
0, 1826 B
“ P rZ † 2, 74s “ ô “ 1, 96 ô
4
“ 0, 9969. ô B “ 7, 84.
(c) Tem-se: A probabilidade pedida é

„ ⇢
a ´ 106 P rX “ 0s “ f p0q “ 0, 0821;
P rX † as “ 0, 33 ô P Z § “ 0, 33 ô
4
a ´ 106 (b) Considerando a variável aleatória X 2 - “número de defeitos por 15 m2 ”
ô “ ´1 p0, 33q ô
4 temos que X 2 „ P p “ 0, 5 ˆ 15 “ 7, 5q. A função de probabilidade da
a ´ 106 variável é dada por:
ô “ ´0, 4399 ô
4
ô a “ 104, 4204 mm. 7, 5x exp t´7, 5u
f pxq “ , x “ 0, 1, . . . .
x!
Exercício 6.
(a) Considerando os acontecimentos:
P rX 2 • 3s “ 1 ´ P rX 1 † 3s “ 1 ´ rf p0q ` f p1q ` f p2qs “ 0, 9797.
– A - “dispositivo A funcionar”;
– B - “dispositivo B funcionar”; (c) Considerando a variável aleatória T - “área, em m2 , até encontrar o
– C - “dispositivo C funcionar”; primeiro defeito” temos que T „ exp p “ 0, 5q. A função de distribui-
ção da variável é dada por:
e atendendo a que estes acontecimentos são independentes temos
F ptq “ 1 ´ exp t´0, 5tu , t • 0.
P rA Y B Y Cs “ P rAs ` P rBs ` P rCs ´ P rA X Bs ´ P rA X Cs `
´P rB X Cs ` P rA X B X Cs “ 0, 9999; A probabilidade pedida é
“ ‰ “ ‰ “ ‰
(b) P A X B X C ` P A X B X C ` P A X B X C ` P rA X B X Cs “ P rT ° 2s “ 1 ´ F p2q “ 0, 3679.
“ 0, 9983.
Exercício 9.
Exercício 7.
Considerando a variável aleatória X - “número de peças defeituosas em 5” (a) Considerando a variável aleatória X - “número de interrupções por
temos que X „ b pn “ 5, p “ 0, 1q. A função de probabilidade da variável é hora” temos que X „ P p q.
dada por:
f pxq “ 5Cx p0, 1qx p0, 9q5´x , x “ 0, 1, 2, 3, 4, 5 0
exp t´ u
P rX • 1s “ 0, 1 ô 1´f p0q “ 0, 1 ô “ 0, 9 ô “ 0, 105
0!
(a) P rX “ 3s “ f p3q “ 0, 0081;
por hora. Logo “ 0, 105 ˆ 24 “ 2, 52 por dia e 2
“ 2, 52;
(b) P rX • 2s “ 1 ´ P rX † 2s “ 1 ´ f p0q ´ f p1q “ 0, 081.
(b) Considerando a variável aleatória X 1 - “número de interrupções por 2
Exercício 8.
horas” temos que X 1 „ P p “ 0, 105 ˆ 2 “ 0, 21q. A função de proba-
(a) Considerando a variável aleatória X - “número de defeitos por m2 ” te- bilidade da variável é dada por:
mos que X „ P p “ 0, 5q. Considerando, agora, a variável aleatória
X 1 - “número de defeitos por 5 m2 ” temos que X 1 „ P p “ 0, 5 ˆ 5 “ 2, 5q. 0, 21x exp t´0, 21u
f pxq “ , x “ 0, 1, . . . .
A função de probabilidade da variável é dada por: x!
2, 5x exp t´2, 5u Podemos calcular

f pxq “ , x “ 0, 1, . . . . P rX 1 “ 0s “ 0, 812.
x!
Consideremos, agora, a variável aleatória Y - “número de períodos (d) Considerando a variável aleatória
` X 1 - “número
˘ de chamadas em 60
de 2 horas, em 6, em que não existem interrupções” temos que Y „ minutos” temos que X „ P “ 10
1
ˆ 60 “ 6 ;
b pn “ 6, p “ 0, 812q. A função de probabilidade da variável é dada por:
(e) P rT ° 11s “ F p11q “ 0, 3329;
f pyq “ 6Cy p0, 812qy p0, 188q6ý , y “ 0, 1, 2, 3, 4, 5, 6. (
(f ) P rT ° ks “ 0, 4 ô F pkq “ 0, 6 ô 1 ´ exp ´ 10
1
k “ 0, 6 ô k “
A probabilidade pedida é f p2q “ 0, 0124. 9, 1629 minutos.
Exercício 10. Exercício 11.
(a) Considerando a variável aleatória T - “tempo de espera entre duas (a) Considerando a variável aleatória X - “número de artigos defeituosos
` ˘ cha- em 5” temos que X „ h pN “ 100, n “ 5, K “ 20q. A função de proba-
madas consecutivas, em minutos” temos que T „ exp “ 10 1
, pois
E rT s “ 10 ô 1 “ 10 ô “ 10 1
. A função de distribuição da variável bilidade da variável é dada por:
é dada por: " * Cx ˆ 80C5´x
20
1 f pxq “ , x “ 0, 1, 2, 3, 4, 5.
F ptq “ 1 ´ exp ´ t , t • 0. 100C
5
10
A probabilidade pedida é A probabilidade pedida é P rX † 3s “ 0, 947;
P r7 § T § 12s “ F p12q ´ F p7q “ 0, 1954; (b) Não, pois n “ 5 † 10 “ N

10
;
(c) E rXs “ n ˆ p “ 1.
(b) Considerando a variável aleatória
` X - “número
˘ de chamadas em 5 mi-
nutos” temos que X „ P “ 10
1
ˆ 5 “ 12 . A função de probabilidade Exercício 12.
da variável é dada por:
(a) Considerando a variável aleatória` T - “tempo
˘ entre falhas consecutivas,
` 1 ˘x (
exp ´ 12 em horas” temos que T „ exp “ 500 1
, pois E rT s “ 500 ô 1 “
f pxq “ 2 , x “ 0, 1, . . . . 500 ô “ 5001
.
x!
Considerando a variável aleatória X - “tempo total entre falhas con-
secutivas
∞ na amostra” e usando o teorema limite central temos, para
P rX “ 0s “ f p0q “ 0, 6065; X “ 35 i“1 Ti , que
X ´ 35 ˆ 500
? 9 p0; 1q ,
„N
(c) Considerando a variável aleatória Y - “número de períodos de 5 minu- 35 ˆ 5002
b
tos, em 6, em que não existem chamadas” temos que pois µT “ 1 “ 500 e T “ 2 “ 500. Podemos usar o teorema limite
1
Y „ b pn “ 6, p “ 0, 6065q . central porque n “ 35 ° 30. A probabilidade pedida é:

„ ⇢
17000 ´ 17500
A função de probabilidade da variável é dada por: P rX • 17000s “ 1 ´ P Z § “
2958, 04
f pyq “ 6Cy p0, 6065qy p0, 3935q6ý , y “ 0, 1, . . . , 6. “ 1 ´ P rZ § ´0, 17s “
“ 1 ´ 0, 4325 “ 0, 5675.
P rY • 1s “ 1 ´ f p0q “ 0, 9963;
(b) Considerando a variável aleatória T - “tempo médio entre falhas con- (f ) Considerando a variável aleatória X - “peso médio na amostra” e usando
secutivas
∞35
na amostra” e usando o teorema limite central tem-se, para a aditividade da distribuição normal temos que
Ti
T “ i“135
, que ˆ ˙
14, 8
T ´ 500 X „ N µ “ 72; “ ? .
500 9 p0; 1q .
„N 30
?
35
Podemos usar o teorema limite central porque n “ 35 ° 30. A probabi- A probabilidade pedida é:
lidade pedida é: “ ‰
„ ⇢ P X § 70 “ P rZ † ´0, 74s “ 0, 2296.
“ ‰ 510 ´ 500
P T § 510 “ P Z † “ P rZ † 0, 12s “ 0, 5478.
84, 52 Exercício 14.
≥`8 ≥k 2px`1q
Exercício 13. (a) ´8 f pxq dx “ 1 ô 0 15
dx “ 1 ô k “ 3;
(a) Considerando a variável aleatória X - “peso dos indivíduos de uma (b) P r1 § X § 3 | X § 2s “ P r1§X§2s
“ 0, 625;
P rX§2s
determinada população” temos que X „ N pµ; q. Temos:
(b) µ “ 9
, 2
“ 0, 659 e “ 0, 812.
‚ P rX § 72s “ 0, 5 ô µ “ 72; 5
“ ‰
‚ P rX § 62s “ 0, 25 ô P Z † 62´72
“ 0, 25 ô ´0, 6745 “ Exercício 15.
´10
ô “ 14, 8.
(a) Considerando a variável aleatória X - “número de falhas em 50 dm2 ”
(b) A probabilidade pedida é: P rX • 86s “ 1 ´ P rZ † 0, 95s “ 0, 1711. temos que X „ P p “ 1q. Temos t “ 1 ô ˆ 50 “ 1 ô “ 50 1
1
P rX•90s 1´P rZ†1,22s
por dm2 . Considerando, agora, a variável
` aleatória X ˘ - “número de
(c) A probabilidade pedida é: P rX • 90 | X • 86s “ P rX•86s
“ 0,1711
“ falhas em 32 dm2 ” temos que X 1 „ P “ 50
1
ˆ 32 “ 32 . A função de
50
0, 6499. probabilidade da variável é dada por:
(d) O peso total dos 5 indivíduos é dado pela variável aleatória Y - “peso ` 32 ˘x (
exp ´ 32
total dos 5 indivíduos” em que f pxq “ 50 50
, x “ 0, 1, . . . .
x!
ÿ
5 ´ a ¯
Y “ Xi „ N µ “ 5 ˆ 72 “ 360; “ 5 ˆ 14, 82 “ 33, 09 , A probabilidade pedida é
i“1
P rX 1 “ 0s “ f p0q “ 0, 527;
usando a aditividade da distribuição normal. A probabilidade pedida é:
P rY § 400s “ P rZ § 1, 21s “ 0, 8869. (b) A probabilidade pedida é
(e) O peso total dos 25 indivíduos é dado pela variável aleatória Y - “peso P rX 1 § 1s “ f p0q ` f p1q “ 0, 865.
total dos 25 indivíduos” em que
´ ¯ Exercício 16.
ÿ
25 a
Y “ Xi „ N µ “ 25 ˆ 72 “ 1800; “ 25 ˆ 14, 82 “ 74 , (a) Considerando os acontecimentos:
i“1
usando a aditividade da distribuição normal. A probabilidade pedida é: – Mi - “peça ser produzida pela máquina i”, com i “ 1, 2, 3;
– D - “peça ser defeituosa”;
P rY • 1810s “ 1 ´ P rZ † 0, 14s “ 0, 4443.
tem-se P rM1 s ` P rM2 s ` P rM3 s “ 1 ô 0, 4 ` 0, 3 ` P rM3 s “ 1 ô • Outliers extremos ou severos: xi † Q 1 ´3IQ ô xi † 40, 13´3ˆ0, 05 ô
4
P rM3 s “ 0, 3 e P rD | M1 s “ 0, 01,
“ P‰ rD | M ‰ e P“ rD | M3‰s “
“ 2 s “ 0, 04 xi † 39, 98 ou xi ° Q 3 ` 3IQ ô xi ° 40, 18 ` 3 ˆ 0, 05 ô xi ° 40, 33.
4
0, 03.
“ A probabilidade
‰ pedida é P D “ P M 1 X D ` P M2 X D `
• Não existem outliers extremos ou severos. 40, 00 é um outlier mode-
P M3 X D “ 0, 975;
rado.
P rM1 XDs
(b) A probabilidade pedida é: P rM1 |Ds “ P rDs
“ 0, 16; Percentagem de óxido de sódio
40,00 40,05 40,10 40,15 40,20

(c) A probabilidade pedida é: P rM2 X Ds “ 0, 012.
Exercício 17. Considerando a variável aleatória X - “número de falhas
por dia” temos que X „ P p “ 1, 5q. Considerando a variável aleatória
T - “tempo de espera, em horas, até à primeira falha” temos que T „
exp p “ 0, 0625q, uma vez que t “ 1, 5 ô ˆ 24 “ 1, 5 ô “ 0, 0625
por hora. A função de distribuição da variável é dada por:
F ptq “ 1 ´ exp t´0, 0625tu , t • 0.
P rT • 6s “ 1 ´ P rT † 6s “ 1 ´ F p6q “ 0, 6873. Exercício 19.
Exercício 18. (a) Considerando a variável aleatória X - “número de partículas emitidas

Consideremos a variável: X - “percentagem de óxido de sódio numa amostra em 10 segundos” temos que X „ P p q. Temos que
de carbonato de sódio”. Trata-se duma variável quantitativa contínua na “ ‰
V ar rXs “ E X 2 ´µ2 ô “ 6´ 2 ô 2 ´ ´6 “ 0 ô “ ´3_ “ 2.
escala absoluta.
Como temos que ter ° 0 temos “ 2.
• Amostra ordenada: 40, 00; 40, 12; 40, 16; 40, 18; 40, 18; 40, 20.
(b) Considerando a variável aleatória Y - “número de períodos de 10 se-
• 1º quartil: i “ t6ˆ 14 `1´ 14 u “ t2, 25u “ 2 e k “ 6ˆ 14 `1´ 14 ´2 “ 0, 25 gundos, em 7, em que são emitidas 4 ou mais partículas” temos que
logo Q 1 “ p1 ´ 0, 25q xp2q ` 0, 25xp3q “ 0, 75 ˆ 40, 12 ` 0, 25 ˆ 40, 16 “ Y „ b pn “ 7, p “ 0, 143q, sendo p “ P rX • 4s “ 0, 143. A função de
4
40, 13%. 25% das amostras de óxido de sódio têm percentagem de óxido probabilidade da variável é dada por:
de sódio até 40, 13%.
f pyq “ 7Cy p0, 143qy p0, 857q7ý , y “ 0, 1, . . . , 7.
• 3º quartil: i “ t6ˆ 34 `1´ 34 u “ t4, 75u “ 4 e k “ 6ˆ 34 `1´ 34 ´4 “ 0, 75
logo Q 3 “ p1 ´ 0, 75q xp4q ` 0, 75xp5q “ 0, 25 ˆ 4, 18 ` 0, 75 ˆ 4, 18 “ A probabilidade pedida é
4
4, 18%. 75% das amostras de óxido de sódio têm percentagem de óxido P rY • 1s “ 1 ´ P rY † 1s “ 1 ´ f p0q “ 0, 6605;
de sódio até 40, 18%.
(c) Vamos definir a nova variável aleatória X 1 - `“número de partículas
˘
• Intervalo inter-quartis: IQ “ Q 3 ´ Q 1 “ 40, 18 ´ 40, 13 “ 0, 05.
4 4 emitidas em 30 segundos”. Temos que X 1 „ P “ 10
2
ˆ 30 “ 6 pois
• Outliers moderados: Q 1 ´3IQ § xi † Q 1 ´1, 5IQ ô 40, 13´3ˆ0, 05 § t “ 2 ô ˆ 10 “ 2 ô “ 10 por segundo. A função de probabilidade
2
4 4
xi † 40, 13 ´ 1, 5 ˆ 0, 05 ô 39, 98 § xi † 40, 055 ou Q 3 ` 1, 5IQ † xi § da variável é dada por:
4
Q 3 ` 3IQ ô 40, 18 ` 1, 5 ˆ 0, 05 † xi § 40, 18 ` 3 ˆ 0, 05 ô 40, 255 † 6x exp t´6u
f pxq “ x “ 0, 1, . . . .
4
xi § 40, 33. ,
x!
A probabilidade pedida é (a) f p1q “ 0, 41;
P rX 1 § 3s “ f p0q ` f p1q ` f p2q ` f p3q “ 0, 1512. (b) P rX • 1s “ 1 ´ P rX † 1s “ 1 ´ f p0q “ 0, 672;

(c) f p5q “ 0, 00032;
Exercício 20.
(d) P rX § 1s “ f p0q ` f p1q “ 0, 737.
(a) Considerando a variável aleatória X - “número de lâmpadas queimadas
em 3” temos que X „ h pN “ 12, n “ 3, K “ 5q. A função de probabi- Exercício 23.
≥`8 ≥2 ≥3
lidade da variável é dada por: (a) ´8 f pxq dx “ 1 ô 1 cx2 dx ` 2 cxdx “ 1 ô c “ 6
;
29
Cx ˆ 7C3´x
5
(b) Para obter a função de distribuição teremos que considerar os seguintes
f pxq “ , x “ 0, 1, 2, 3.
12C
3 casos:
A probabilidade pedida é P rX “ 1s “ f p1q “ 0, 4773; – Para x † 1: ªx

0 ds “ 0;
(b) Considerando a variável aleatória Y - “número de lâmpadas não quei- ´8
madas em 3” temos que Y „ h pN “ 12, n “ 3, K “ 7q. A função de
– Para 1 § x § 2:
probabilidade da variável é dada por: ª1 ªx
6 2 2 ` 3 ˘
Cy ˆ 5C3ý
7 0 ds ` s ds “ x ´1 ;
f pyq “ , y “ 0, 1, 2, 3. ´8 1 29 29
12C
3
– Para 2 † x § 3:
A probabilidade pedida é P rY • 2s “ 1´P rY † 2s “ 1´f p0q´f p1q “ ª1 ª2 ªx
6 2 6 14 3 ` 2 ˘
0, 6364; 0 ds ` s ds ` s ds “ ` x ´4 ;
´8 1 29 2 29 29 29
N ń
(c) µ “ n ˆ p “ 5
“ 1, 25 e 2
“ n ˆ p ˆ p1 ´ pq ˆ N ´1
“ 0, 5966.
4
– Para x ° 3:
Exercício 21. ª1 ª2 ª3 ªx
6 2 6
0 ds ` s ds ` s ds ` 0 ds “ 1;
(a) P rA X Bs “ 0, 18 ô P rAs P rBs “ 0, 18 ô P rBs “ 0, 3; ´8 1 29 2 29 3
(b) P rB ´ As “ P rBs ´ P rA X Bs “ 0, 12; A função de distribuição desta variável será:

$
’ 0
’ ,x † 1
(c) P rA X Cs “ 0; ’
’
’
’ 2 3
’
’
(d) P rA Y B Y Cs “ P rAs ` P rBs ` P rcs ´ P rA X Bs “ 0, 87; & 29 px ´ 1q , 1§x§2
“ ‰ F pxq “ ;
(e) P A X B X C “ 1 ´ P rA Y B Y Cs “ 0, 13. ’
’
’ 29 ` 29 px ´ 4q , 2 † x § 3
14 3 2
’
’
’
’
’
Exercício 22. %
1 ,x ° 3
Considerando
` a variável
˘ aleatória X - “número de que fuma em 5” temos que
X „ b n “ 5, p “ 15 . A função de probabilidade da variável é dada por: “1 ‰ ` ˘ ` ˘
(c) P † X † 32 “ F 32 ´ F 12 “ 0, 1638 e
2
ˆ ˙x ˆ ˙5´x „ ⇢
1 4 1 P r1 † X † 2s F p2q ´ F p1q
f pxq “ 5Cx , x “ 0, 1, 2, 3, 4, 5. P X ° 1 | † X † 2 “ “1 ‰“ ` ˘ “ 1.
5 5 2 P 2 †X†2 F p2q ´ F 12
Exercício 24. (b) $

’
’ 0 , x † ´1
(a) Considerando os acontecimentos: ’
’
’
’
’
’
‚ A - “atirador A acertar no alvo”; & 0, 4 , ´1 § x † 0
F pxq “ P rX § xs “ ;
‚ B - “atirador B acertar no alvo”; ’
’
’
’ 0, 5 , 0 § x † 1
’
’
‚ C - “atirador C acertar no alvo”; ’
’
%
1 , x•1
e assumindo que os acontecimentos A, B e C são mutuamente inde-
pendentes tem-se: (c) 2
“ 0, 89 e “ 0, 943.
“ ‰
‚ P rX “ 0s “ P A X B X C “ 0, 072; Exercício 26.
“ ‰ “ ‰ “ ‰
‚ P rX “ 1s “ P A X B X C `P A X B X C `P A X B X C “ (a) Considerando os acontecimentos:
“ 0, 324;
“ ‰ “ ‰ “ ‰ – M1 - “peça produzida pela máquina A”;
‚ P rX “ 2s “ P A X B X C `P A X B X C `P A X B X C “
“ 0, 436; – M2 - “peça produzida pela máquina B”;
‚ P rX “ 3s “ P rA X B X Cs “ 0, 168; – M3 - “peça produzida pela máquina C”;
obtendo-se – D - “peça defeituosa”;
tem-se P rM1 s ` P rM2 s ` P rM3 s “ 1 ô P rM1 s ` P rM3 s “ 0, 65

x 0 1 2 3
e pelo teorema da probabilidade total tem-se P rDs “ P rM1 X Ds `
f pxq 0, 072 0, 324 0, 436 0, 168
P rM2 X Ds ` P rM3 X Ds “ 0, 2675 ô 0, 05P rM1 s ` 0, 35 ˆ 0, 1 `
0, 85P rM3 s “ 0, 2675. Resolvendo um sistema com as equações anteri-
ores tem-se P rM1 s “ “ 0, 4 e P rM3 s “ 0, 25.
(b) µ “ 1, 7; (b) Pelo teorema de Bayes tem-se P rM2 |Ds “ P rM2 XDs
“ 0, 1308.
P rDs
(c) Cv “ µ
ˆ 100 “ 48, 8%. Exercício 27.
Exercício 25. (a) Considerando a variável aleatória` T - “tempo entre falhas consecutivas,
˘
em horas” temos que T „ exp “ 500 1
, pois E rT s “ 500 ô 1 “
(a) Temos que
500 ô “ 5001
. A função de distribuição da variável é dada por:
‚ µ “ 0, 1 ô ´p1 ` p3 “ 0, 1; " *
1
‚ E rX 2 s “ 0, 9 ô p1 ` p3 “ 0, 9; F ptq “ 1 ´ exp ´ t , t • 0.
500
‚ p1 ` p2 ` p3 “ 1;
e resolvendo um sistema com as três equações obtemos p1 “ 0, 4, p2 “
0, 1 e p3 “ 0, 5; P rT ° 500s “ 1 ´ F p500q “ 0, 3679;
1´F p1300q
(b) P rT ° 1300 | T ° 800s “ 1´F p800q
“ 0, 3679;
∞12
x2 ´12ˆx2
Exercício 28. – Variância: s2 “ ii“1
12´1
“ 20,91667
11
“ 1, 901515 pvaloresq2 .
?
(a) Temos que N “ Z ` X ´ Y em que – Desvio padrão: s “ 1, 901515 “ 1, 378954 valores. A variabili-
´ ¯ dade em relação à média é de 1, 378954 valores.
?
N „ N µ “ 100 ` 40 ´ 30 “ 110; “ 202 ` 92 ` 122 “ 25 . – Coeficiente de variação: cv “ xs ˆ 100ˆ “ 1,378954
3,083333
ˆ 100ˆ “
44, 72284%. Os dados apresentam uma variabilidade elevada.
(b)
(b) 3º quartil: i “ t12ˆ 34 `1´ 34 u “ t9, 25u “ 9 e k “ 12ˆ 34 `1´ 34 ´9 “ 0, 25
„ ⇢ logo Q 3 “ p1 ´ 0, 25q xp9q ` 0, 25xp10q “ 0, 75 ˆ 4 ` 0, 25 ˆ 4 “ 4 valores.
k ´ 110 4
P r0 † N § ks “ 0, 95 ô P ´4, 4 † Z § “ 0, 95 ô A afirmação está correcta visto que, do cálculo do 3º quartil, podemos
25
ˆ ˙ concluir que 75% dos testes têm cotação até 4 valores.
k ´ 110
ô ´ p´4, 4q “ 0, 95 ô
25 Exercício 30.
ˆ ˙
k ´ 110 Considerando a variável aleatória X - “número de acidentes rodoviários que
ô “ 0, 95 ô são originados por manobras perigosas por parte dos condutores, em 8 aci-
25
k ´ 110 dentes” temos que X „ b pn “ 8; p “ 0, 7q. A função massa de probabilidade
ô “ ´1 p0, 95q ô é dada por:
25
k ´ 110
ô “ 1, 6449 ô f pxq “ 8Cx p0, 7qx p0, 3q8´x , x “ 0, 1, 2, 3, 4, 5, 6, 7, 8.
25
ô k “ 151, 1225.
(c) P rN † 70s “ P rZ † ´1, 6s “ 0, 0548 e P rN ° 140s “ 1´P rZ § 1, 2s “ P r3 § X † 6s f p3q ` f p4q ` f p5q

P rX † 6 | X • 3s “ “ “ 0, 4419.
0, 1151. 1 ´ P rX † 3s 1 ´ f p0q ´ f p1q ´ f p2q
Exercício 29.
(a) Consideremos a variável: X - “classificações num teste cotado de 1

a 5 valores”. Trata-se duma variável quantitativa discreta na escala
absoluta.
– Amostra ordenada: 1; 1; 2; 2; 3; 3; 3; 4; 4; 4; 5;
5.
∞12
x
– Média: x “ i“1 12
i
“ 37
12
“ 3, 083333 valores. A cotação média dos
testes é 3, 083333 valores.
– Moda: A moda é M o “ 3 valores e M o “ 4 valores, visto que são
as cotações nos testes mais frequentes. Trata-se duma variável
bimodal.
– Mediana: i “ t12ˆ 12 `1´ 12 u “ t6, 5u “ 6 e k “ 12ˆ 12 `1´ 12 ´6 “
0, 5 logo M e “ Q 1 “ p1 ´ 0, 5q xp6q `0, 5xp7q “ 0, 5ˆ3`0, 5ˆ3 “ 3
2
valores. 50% dos testes têm cotação até 3 valores.

Lista de Exercícios de Revisão para o 1º Teste - PE

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Lista de Exercícios de Revisão para o 1º Teste - PE

Enviado por

Direitos autorais:

Formatos disponíveis

Instituto Superior de Engenharia de Lisboa Instituto Superior de Engenharia de Lisboa

Departamento de Matemática Departamento de Matemática

Lista de exercícios de revisão para o 1º teste Exercício 3.

Exercício 2. yi “ 1410, 29; pyi ´ y i q2 “ 36, 933.

Determine: (c) Qual é o comprimento médio das barras? E a variância?

(a) uma chapa de 5 m2 seja perfeita;

(b) uma chapa de 1500 dm2 apresente no mínimo três defeitos.

(c) a área até encontrar o primeiro defeito seja no mínimo de 2 m2 .

Exercício 12. (b) Calcule P r1 § X § 3 | X § 2s;

(b) Determine a função de distribuição da variável aleatória X; Exercício 27.

(a) Indique a distribuição da variável N .

“ 1 ´ rf p0q ` f p1qs “ – Desvio padrão: s “ 6, 1555 “ 2, 481028. Os dados têm uma

Exercício 4. (f ) Considerando a variável aleatória Y - “comprimento total das barras

(b) A probabilidade pedida é: Exercício 5.

(c) Tem-se: A probabilidade pedida é

2, 5x exp t´2, 5u Podemos calcular

Exercício 10. Exercício 11.

P r7 § T § 12s “ F p12q ´ F p7q “ 0, 1954; (b) Não, pois n “ 5 † 10 “ N

Y „ b pn “ 6, p “ 0, 6065q . central porque n “ 35 ° 30. A probabilidade pedida é:

40,00 40,05 40,10 40,15 40,20

F ptq “ 1 ´ exp t´0, 0625tu , t • 0.

P rT • 6s “ 1 ´ P rT † 6s “ 1 ´ F p6q “ 0, 6873. Exercício 19.

Exercício 18. (a) Considerando a variável aleatória X - “número de partículas emitidas

A probabilidade pedida é (a) f p1q “ 0, 41;

P rX 1 § 3s “ f p0q ` f p1q ` f p2q ` f p3q “ 0, 1512. (b) P rX • 1s “ 1 ´ P rX † 1s “ 1 ´ f p0q “ 0, 672;

A probabilidade pedida é P rX “ 1s “ f p1q “ 0, 4773; – Para x † 1: ªx

(b) P rB ´ As “ P rBs ´ P rA X Bs “ 0, 12; A função de distribuição desta variável será:

Exercício 24. (b) $

obtendo-se – D - “peça defeituosa”;

tem-se P rM1 s ` P rM2 s ` P rM3 s “ 1 ô P rM1 s ` P rM3 s “ 0, 65

(c) P rN † 70s “ P rZ † ´1, 6s “ 0, 0548 e P rN ° 140s “ 1´P rZ § 1, 2s “ P r3 § X † 6s f p3q ` f p4q ` f p5q

(a) Consideremos a variável: X - “classificações num teste cotado de 1

Você também pode gostar