SOLUÇÃO - AULA 6

Exercício 1.

Seja X a variável aleatória que conta o número de filhos com a doença dentre os 4 filhos.

X ~ B (4, p ) ; onde p = 0,25 é a probabilidade de um filho ter a doença.

 4
Assim, P ( X = k ) =  (0,25) (0,75) 4− k .
k

k 

 4
(a) P ( X = 0) =  (0,25) (0,75) 4−0 = (0,75) 4 = 0,3164
0

0
 4
(b) P ( X = 1) =  (0,25) (0,75) 4−1 = 4(0,25)(0,75) 3 = 0,4219
1

1
 4
(c) P ( X = 2) =  (0,25) (0,75) 4− 2 = 6(0,25) (0,75) 2 = 0,2109
2 2

 2
4
(d) P ( X = 3) =  (0,25) (0,75) 4−3 = 4(0,25) (0,75) = 0,0469
3 3

3
 4
(e) P ( X = 4) =  (0,25) (0,75) 4− 4 = (0,25) = 0,0039
4 4

 4

Exercício 2.

Quantidade de tiros que um homem dispara: n = 5 ;

p = 0,6 é a probabilidade de acertar o alvo (probabilidade do sucesso)
X i ~ Ber ( p ) ; X i , i = 1,2,3,4,5 são independentes, cada uma com p = 0,6 .
Número de sucessos em 5 provas independentes de Bernoulli: X = X 1 + X 2 + ... + X 5 é a
variável aleatória que conta o número de vezes que o atirador acertou o alvo em 5 tentativas:
X tem distribuição Binomial com n = 5 e p = 0,6 .

Probabilidade de que o alvo seja atingido pelo menos duas vezes:

P ( X ≥ 2) = 1 − P ( X < 2)
= 1 − [ P ( X = 0) + P ( X = 1)]
 5 5 
=1 −   × 0,60 × (1 − 0,6)5 +   × 0,61 × (1 − 0,6) 4 
 0 1 
= 1 − [0,01024 + 0,0768]
= 0,91296 .

Probabilidade de que o alvo seja atingido pelo menos uma vez:

P ( X ≥ 1) = 1 − P ( X < 1) = 1 − P ( X = 0)
 5 
=1 −   × 0,60 × (1 − 0,6)52 
 0 
= 1 − 0,01024
 = 0,98976 .

Probabilidade de que o alvo seja atingido pelo menos duas vezes, sabendo-se que o mesmo
foi atingido pelo menos uma vez:
P ( [ X ≥ 2] ∩ [ X ≥ 1] ) P ( X ≥ 2 ) 0,91296
P ( X ≥ 2 | X ≥ 1) = = = ≅ 0,9224 .
P ( X ≥ 1) P ( X ≥ 1) 0,98976

Exercício 3.

p = 0,6 é probabilidade de sair cara (sucesso)

Como há 9 ensaios independentes de Bernoulli cada um com probabilidade 0,6 de sucesso,
temos que a variável X que conta o número de caras em 9 lançamentos é uma Binomial com
parâmetros
n = 9 e p = 0,6.
Probabilidade de ocorrer um número par de caras:

P([X = 0] ∪[ X = 2] ∪[ X = 4] ∪[ X = 6] ∪[ X = 8])
= P( X = 0) + P( X = 2) + P( X = 4) + P( X = 6) + P( X = 8)
9 9 9 9 9
=   p 0 (1 − p )9 +   p 2 (1 − p )7 +   p 4 (1 − p )5 +   p 6 (1 − p)3 +   p 8 (1 − p )1
0  2  4 6 8

 9 9 9  9  9
=   × 0,60 × 0,49 +   × 0,62 × 0,47 +   × 0,64 × 0,45 +   × 0,66 × 0,43 +   × 0,68 × 0,41
 0  2  4  6  8
= 0,00026 + 0,0212 + 0,1672 + 0,2508 + 0,0605
= 0,49996.

Exercício 4.

Seja X a variável aleatória que mede o comprimento de um determinado peixe adulto.

Sabemos que µ = 30 polegadas e σ = 2 polegadas. Assim X ~ N ( 30; 4 )

(a) Probabilidade de que o peixe tenha no mínimo 31 polegadas de comprimento:

 X − µ 31 − 30   31 − 30 
P ( X ≥ 31) = P ≥ = P Z ≥  = P(Z ≥ 0,5) = (pela simetria da distribuição)
 σ σ   2 
= P ( Z < −0,5) = 0,3085.

(b) Probabilidade de que o peixe não tenha mais do que 32 polegadas de comprimento:

 X − µ 32 − µ   32 − 30 
1 − P ( X > 32) = P ( X ≤ 32) = P ≤  = P Z ≤  = P (Z ≤ 1)
 σ σ   2 

= P ( Z > −1) = 1 − P ( Z < −1) = 1 − 0,1587 = 0,8413 .

(c) Probabilidade de que o peixe tenha comprimento entre 24 e 28 polegadas

 24 − µ X − µ 28 − 30   24 − 30 28 − 30 
P (24 ≤ X ≤ 28) = P ≤ ≤ = P ≤Z≤ 
 σ σ σ   2 2 

P(− 3 ≤ Z ≤ −1) = P( Z ≤ −1) − P( Z ≤ −3) = 0,1587 − 0,0013 = 0,1574 .

Exercício 5.

V : velocidade em cm/seg de um objeto de massa 1kg, tem distribuição normal com média
µ=0
e variância σ 2 = 25 . K =
1000 V 2
2
= 500V 2 representa a energia cinética do objeto.

(
P ( K > 800) = P (500V 2 > 800) = P (V 2 > 800 / 500) = P V 2 > 1,6 )
= P([V < −1,2649] ∪ [V > 1,2649] ) = P(V < −1,2649) + P(V > 1,2649)
 − 1,2649 − 0   1,2649 − 0 
= P Z <  + 1 − P Z ≤  = P (Z < −0,2530 ) + 1 − P (Z ≤ 0,2530 )
 5   5 
= 0,4013 + 0,4013 = 0,8026 .

Exercício 6.

Seja X o preço de uma commodity amanhã. Então X tem distribuição normal com média
µ = US $10,00 e desvio-padrão σ = US $0,25 , α = 0,05 ; 1 − α = 0,95
O menor intervalo de confiança a partir do qual podemos afirmar com 95% de certeza sobre
qual será o preço da commodity amanhã deverá ser aquele em que o centro da distribuição
normal possui 95% de probabilidade e cada cauda (à direita e à esquerda) possui 2,5% de
probabilidade. Assim desejamos encontrar x1 e x2 tais que

P( x1 < X < x2 ) = 0,95

Assim:

 x − µ X − µ x2 − µ 
P 1 < <  = 0,95
 σ σ σ 
 x − 10 x − 10 
P 1 <Z< 2  = 0,95
 0,25 0,25 

Com isso, temos

x1 − 10
= −1,96 e x1 = −1,96 × 0,25 + 10 ou seja x1 = 9,51 .
0,25

x2 − 10
= 1,96 e x2 = 1,96 × 0,25 + 10 ou seja x2 = 10,49 .
0,25
Finalmente, temos
 P(9,51 < X < 10,49) = 0,95 .

Exercício 7.

O peso de cada homem é normalmente distribuído com média µ = 165 libras e desvio-padrão
σ = 10 libras.

Elevador suporta n = 10 pessoas; Peso total = Y = ∑i =1 X i , com X i o peso do i-ésimo

10

homem.

Y é a variável aleatória dada pela soma de 10 variáveis normais. Assim

Y − 1650
( )
Y = ∑i =1 X i ~ N 10 µ , 10σ 2 ⇔ Y ~ N (1650, 1000) ⇔ Z =
10
~ N (0, 1)
1000
Assim

 Y − 1650 1750 − 1650   1750 − 1650 

P (Y > 1750) = P >  = P Z >
 10 10 10 10   10 10 
   
= P Z >
100  = P Z > 10  = P(Z > 3,1623) = (pela simetria da distribuição)

 10 10   10 

= P ( Z < −3,1623) = 0,0008 .

Exercício 8.

Seja X a variável aleatória que mede o conteúdo de glicose no sangue de pessoas normais.
Então
X tem distribuição normal com média µ = 120mg / 100m e desvio padrão σ = 8mg / 100ml .

(a) Probabilidade de pessoas normais com conteúdos de glicose entre 90mg/100ml e

110mg/100ml:
 90 − µ X − µ 110 − µ   90 − 120 110 − 120 
P (90 ≤ X ≤ 110) = P ≤ ≤  = P ≤Z≤ 
 σ σ σ   8 8 

= P(− 3,75 ≤ Z ≤ −1,25) = P( Z ≤ −1,25) − P( Z ≤ −3,75) = 0,1056 − 0 = 0,1056 .

Probabilidade de pessoas com mais de 100mg/100ml de glicose no sangue dentre as pessoas

normais que apresentam entre 90mg/100ml e 110mg/100ml de glicose no sangue :

P([ X > 100] ∩ [90 ≤ X ≤ 110] ) P(100 < X ≤ 110) 0,0994

P( X > 100 | 90 ≤ X ≤ 110) = = = = 0,9413
P(90 ≤ X ≤ 110) P(90 ≤ X ≤ 110) 0,1056
pois a probabilidade de pessoas normais com conteúdos entre 100mg/100ml e 110mg/100ml
é:
 100 − µ X − µ 110 − µ   100 − 120 X − 120 110 − 120 
P (100 ≤ X ≤ 110 ) = P ≤ ≤  = P ≤ ≤ 
 σ σ σ   8 8 8 

= P(−2,5 ≤ Z ≤ −1,25) = P ( Z ≤ −1,25) − P ( Z ≤ −2,5) = 0,1056 − 0,0062 = 0,0994

(b) Seja uma amostra de tamanho n = 100 pessoas normais.

Seja Xi o conteúdo de glicose da i-ésima pessoa da amostra. Então Xi tem distribuição normal
com média µ = 120mg / 100m e desvio padrão σ = 8mg / 100ml . Como X 1 , X 2 ,..., X n são
∑
100
Xi
variáveis aleatórias independentes temos que X 100 = i =1
tem distribuição normal pois é
100
uma transformação linear de variáveis aleatórias normais independentes. Sabemos que
σ2 64
E ( X 100 ) = µ = 120 e Var ( X 100 ) = = . Assim
100 100
 64 
X 100 ~ N 120, .
 100 

Probabilidade de que o conteúdo médio de glicose seja superior a 121,4 mg/100ml:

 
 
 X − 120 121,4 − 120 
P ( X > 121,4) = P > = P (Z > 1,750 )
 64 64 
 
 100 100 

= 1 − P ( Z ≤ 1,75) = 1 − 0,9599 = 0,0401

Exercício 9.

A proporção dos usuários da internet a favor de que o governo regulamente o ‘lixo

eletrônico’ é p = 0,75 ;
Seja X a variável aleatória que conta o número de usuários da internet a favor da regulação
governamental, dentre 200 usuários da internet. Então X tem distribuição Binomial com
n = 200 , e p = 0,75 ;
Como n = 200 é considerado grande, podemos aproximar X por uma variável normal. Assim,
X ≈ N (np, npq ) , com np = 200 × 0,75 = 150 e npq = 200 × 0,75 × 0,25 = 37,5 .
Temos então que
X − 150
X ≈ N (150;37,5) e Z = ≈ N (0,1)
37,5

A probabilidade exata de que menos de 140 sejam a favor da regulação governamental é dada
pela expressão:
139  200   200 
P ( X < 140) = ∑k =0 P ( X = k ) = ∑k =0  0,75 k × 0,25 200− k = 1 − ∑k =140   0,75 k 0,25 200− k
139 200

 k   k 
Pela aproximação da Normal com a correção de continuidade, temos
 X − 150 139,5 − 150 
P ( X < 140) = P ( X ≤ 139) ≅ P <  = P ( Z < −1,71) = 0,0436.

 37 ,5 37 ,5 