1.

A = Mussa acerta o alvo B = Palmira acerta o alvo

Dados:

 A probabilidade de Mussa acertar o alvo é P(A) = 0.50.

 A probabilidade de Palmira não acertar o alvo é P(não B) = 0.25.
 O Palmira atirou primeiro.
a) Qual é a probabilidade de ambas acertarem o alvo (P(A e B))?

P(A e B) = P(A) = 0.50

A probabilidade é de 50%

b) Agora, considerando que a probabilidade de Mussa acertar é 35% (P(A) = 0.35) e a probabilidade
de pelo menos um deles acertar é 85% (P(A ou B) = 0.85),

P(A ou B) = P(A) + P(B) - P(A e B)

Dado que P(A) = 0.35 e P(A e B) = 0.50 (do item a),

Resolver para P(B):

0.85 = 0.35 + P(B) - 0.50

Primeiro, vamos isolar P(B):

P(B) = 0.85 - 0.35 + 0.50 P(B) = 0.85 - 0.85 P(B) = 0

P(B) =0%

2.
Existem 36 resultados possíveis ao jogar dois dados (cada dado tem 6 faces, então 6 x 6 = 36).

Combinações que resultam em um somatório de 6:

(1, 5); (2, 4); (3, 3); (4, 2); (5, 1)

Há um total de 5 combinações que resultam em um somatório de 6.

Portanto, a probabilidade de obter um somatório de 6 ao jogar dois dados é:

Probabilidade = (Número de combinações que somam 6) / (Total de combinações possíveis)

Probabilidade = 5 / 36 A probabilidade é de 5/36 ou aproximadamente 0.1389, o que pode ser
arredondado para cerca de 13.89%.

3.
Variância [X] = E[X2] - (E[X])2

Variância [X] = 1.4 - (0.8)2

Variância [X] = 1.4 - 0.64

Variância [X] = 0.76

Probabilidade para cada valor de X usando a fórmula da variância:

Variância [X] = Σ [(x - E[X])2 * P(X = x)]

Para X = 0:

0.76 = (0 - 0.8)2 * P(X = 0)

0.76 = 0.64 * P(X = 0)

P(X = 0) = 0.76 / 0.64

P(X = 0) = 1.1875

Para X = 1:

0.76 = (1 - 0.8) 2* P(X = 1)

0.76 = 0.04 * P(X = 1)

P(X = 1) = 0.76 / 0.04

P(X = 1) = 19

Para X = 2:

0.76 = (2 - 0.8) 2* P(X = 2)

0.76 = 1.44 * P(X = 2)

P(X = 2) = 0.76 / 1.44

P(X = 2) = 0.5278

Distribuição de probabilidade:

P(X = 0) = 1.1875

P(X = 1) = 0.19
P(X = 2) = 0.5278.

A soma das probabilidades deve ser igual a 1:

1.1875 + 0.19 + 0.5278 = 1.9053

A soma é maior do que 1, então precisamos normalizar as probabilidades dividindo cada uma delas
por 1.9053:

P(X = 0) = 1.1875 / 1.9053 ≈ 0.6237

P(X = 1) = 0.19 / 1.9053 ≈ 0.0997

P(X = 2) = 0.5278 / 1.9053 ≈ 0.2766

Agora, temos a distribuição de probabilidade de X:

P(X = 0) ≈ 0.6237

P(X = 1) ≈ 0.0997

P(X = 2) ≈ 0.2766

Somatório P(X)= 0.6237+0.0997+0.2766

Somatório P(X)= 1

4. Um comerciante de bananas

Dados

Venda por 700 meticais com probabilidade de 25% (0.25)

Venda por 650 meticais com probabilidade de 46% (0.46)

Venda por 600 meticais com probabilidade de 19% (0.19)

Venda por 550 meticais com probabilidade de 10% (0.10)

O custo de manuseamento é de 50 meticais.

lucro esperado para cada cenário de preço de venda:

Lucro se vendido por 700 meticais: Lucro = (Preço de venda - Custo de manuseamento) = (700 - 50) =
650 meticais
Lucro esperado = Lucro * Probabilidade = 650 * 0.25 = 162.5 meticais

Lucro se vendido por 650 meticais: Lucro = (Preço de venda - Custo de manuseamento) = (650 - 50) =
600 meticais

Lucro esperado = Lucro * Probabilidade = 600 * 0.46 = 276 meticais

Lucro se vendido por 600 meticais: Lucro = (Preço de venda - Custo de manuseamento) = (600 - 50) =
550 meticais

Lucro esperado = Lucro * Probabilidade = 550 * 0.19 = 104.5 meticais

Lucro se vendido por 550 meticais: Lucro = (Preço de venda - Custo de manuseamento) = (550 - 50) =
500 meticais

Lucro esperado = Lucro * Probabilidade = 500 * 0.10 = 50 meticais

Calculo do valor esperado do lucro total:

Valor Esperado do Lucro = Soma dos Lucros Esperados para cada cenário Valor Esperado do Lucro =
162.5 + 276 + 104.5 + 50 = 593 meticais.

5. Distribuição Binomial

Dados:

X é o valor que estamos interessados, neste caso, X = 38.

μ é a média, neste caso, μ = 28.

σ é o desvio padrão, neste caso, σ = 2.8983.

Formula e calculo:

Z = (X - μ) / σ

Z = (38 - 28) / 2.8983 Z = 10 / 2.8983 Z ≈ 3.452

P(Z < 3.452) ≈ 0.9998

probabilidade de X ser menor que 38 em sua distribuição binomial aproximada pela distribuição
normal é aproximadamente 0.9998, ou cerca de 99.98%. Isso significa que é altamente provável que
X seja menor que 381.
 6. A) fórmula da probabilidade binomial:

P(X = k) = (nCk) * (p^k) * ((1 - p)^(n - k))

Onde:

 P(X = k) é a probabilidade de exactamente k sucessos.

 n é o número de tentativas (25 casas seleccionadas).
 k é o número de sucessos que estamos interessados (3 ou mais).
 p é a probabilidade de sucesso em uma única tentativa (casas com problemas / total de
casas na região).
 (1 - p) é a probabilidade de falha em uma única tentativa.
A probabilidade de uma única casa seleccionada ter problemas com as fossas sépticas:

p = (No de casas com problemas) / (Total de casas na região)

p = 200 / 1000

p = 0.2

A probabilidade de 3 ou mais casas terem problemas com as fossas sépticas. Vamos calcular
separadamente para k = 3, k = 4, ..., k = 25 e somar todas essas probabilidades.

P(X ≥ 3) = P(X = 3) + P(X = 4) + ... + P(X = 25)

P(X ≥ 3) = Σ [P(X = k) para k de 3 a 25]

P(X ≥ 3) = Σ [P(X = k) para k de 3 a 25]

P(X ≥ 3) ≈ 0.9951

1
B ) O valor da variância ( X∗3 ¿
2
1
Para calcular a variância de ( X∗3) Primeiro precisamos calcular a variância da expressão e, em
2
1
seguida, aplicar o factor de ×3 à variância resultante.
2
1
Calculo da variância de ×
2
2
1 1 1
Variância de × = ( ) * Variância (x) = * Variância (X)
2 2 4

Aplicando o factor de 3:

1 1 9
Variância ( X∗3 ¿= 32 * * variância (x)= * Variância (x)
2 4 4
A variância de X em uma distribuição binomial é dada por:
Variancia (X)=npq

Onde:

 n é o número de tentativas (25 casas selecionadas).

 p é a probabilidade de sucesso em uma única tentativa (casas com problemas / total de
casas na região).
 q é a probabilidade de falha em uma única tentativa (1−p).

Variância (X):

Variância (X) = 25⋅0.2⋅(1−0.2)

Variância (X) = 25⋅0.2⋅0.8=4

1
Variância ( X∗3 ¿
2
1 9
( X∗3 ¿= * 4= 9
2 4
1
Variância ( X∗3 ¿= 9
2

7. Variáveis Aleatórias Continuas

a) Valor de k