Exercícios Probabilidades e Estatística

PROBABILIDADES E ESTATSTICA
CADERNO DE EXERCCIOS
2011/2012
PROBABILIDADES E ESTATSTICA 2011/2012
NDICE
2
FICHA 1
Estatstica Descritiva
1. Indicar quais das seguintes variveis so discretas e quais so contnuas
1.1. Valor do PIB nacional.
R: Varivel continua
1.2. Produtividade mdia do girassol de regadio no Alentejo.
R: Varivel continua
1.3. Nmero de sapatos de um dado tamanho nas sapatarias de
Santarm.
R: Varivel discreta
1.4. Efectivo militar em Trs-os-Montes.
R: Varivel discreta
1.5. Nmero mdio de pontos por jogador numa dupla de voleibol de
praia num determinado torneio.
R: Varivel discreta
1.6. Toneladas de tomate que chegam por dia a uma fbrica.
R: Varivel continua
1.7. Nmero mdio de sobreiros nas exploraes de montado do
Alentejo.
R: Varivel continua
2. No quadro seguinte apresenta-se o absentismo dos 50 colaboradores de
uma empresa de servios, registado durante o perodo de um ano (foram
excludas as faltas por motivos justificveis).
6 4 4 6 0 6 5 13 11 6
4 3 3 11 4 4 8 4 7 7
8 6 6 5 6 6 8 3 3 6
6 1 0 10 6 3 3 2 3 2
2 3 1 8 6 2 2 3 2 0
2.1. Sendo X a varivel em causa, como pode defini-la? E como a classifica?
Definio: X n de dias de absentismo dos colaboradores da empresa de
servios;
Classificao: uma varivel discreta.
2.2. Organize os dados num quadro de distribuio de frequncias,
com as frequncias observadas, relativas e acumuladas.
i - o ndice do grupo de valores;
x - cada um dos valores que a varivel pode tomar;
i = 1 significa o primeiro valor da varivel e esse valor x = 0
i x F
i
f
i
CumF
i
Cumf
i
1 0 3 0,06 3 0,06
2 1 2 0,04 5 0,1
3 2 6 0,12 11 0,22
4 3 9 0,18 20 0,4
5 4 6 0,12 26 0,52
6 5 2 0,04 28 0,56
7 6 12 0,24 40 0,8
8 7 2 0,04 42 0,84
9 8 4 0,08 46 0,92
10 9 0 0 46 0,92
11 10 1 0,02 47 0,94
12 11 2 0,04 49 0,98
13 12 0 0 49 0,98
3
Do x
21
at ao
x
26
todos
valem 4
De i at i =
4
{
14 13 1 0,02 50 1
2.3. Determine a proporo de empregados que faltaram mais de 3
dias por ano.
Proporo de colaboradores que faltaram mais de 3 dias/ano = 1- Cumf
4
= 1 0,4
= 0,6.
Cumf
4
a proporo de indivduos que faltaram desde i = 1 at i = 4, isto ,
desde x = 0 at x = 3 que significa de 0 a 3 dias de faltas. Se totalidade (100%
ou 1) for retirado Cumf
4
ficamos com a proporo dos que faltaram mais de 3
dias.
2.4. Calcule e diga o respectivo significado de
4
1 i
i
F ,
14
6 i
i
F ,
5
1 i
i
f .
20
4 4 3 2 1
4
1
+ + +
CumF F F F F F
i
i
(nmero de colaboradores que faltaram at 3
vezes, inclusive. Repare-se que i = 4 corresponde a x = 3);
24 26 50
5 14 14 13 12 11 10 9 8 7 6
14
6
+ + + + + + + +
CumF CumF F F F F F F F F F F
i
i
(nmero
de colaboradores com 5 ou mais faltas. Repare-se que i = 6 corresponde a x =
5);
52 , 0
5 5 4 3 2 1
5
1
+ + + +
Cumf f f f f f f
i
i
(proporo de colaboradores. que
faltaram at 4 vezes, inclusive);
2.5. Construa o diagrama de barras e o grfico de frequncias relativas
acumuladas
Diagrama de barras:
Grfico de frequncias relativas acumuladas:
2.6. Calcule a mdia, o desvio padro e o coeficiente de variao.
Mdia:
( ) fi x
02 , 0 10 00 , 0 9 08 , 0 8 04 , 0 7 24 , 0 6 04 , 0 5 12 , 0 4 18 , 0 3 12 , 0 2 04 , 0 1 06 , 0 0 + + + + + + + + + +
76 , 4 02 , 0 13 0 12 04 , 0 11 + + +
faltas;
Desvio padro:
2
2 2 2 2 2 2 2
2
34 , 8
50
76 , 4 50 13 1 12 0 ... 1 2 0 3
+ + + +
n
n x F
i

faltas
4
89 , 2 34 , 8
2 2

faltas
Coeficiente de variao:
% 7 , 60 % 100
76 , 4
89 , 2
% 100
cv
2.7. Determine a mediana algbrica e graficamente.
4
2
4 4
2
26 25

+
x x
Me (ver grficos)
2.8. Determine a moda, o 20 percentil, o 9 decil e o 3 quartil.
Moda:
6 Mo o nmero que mais ocorre;
20 Percentil:
10 20 , 0 50 p N

p N
inteiro
2
2
2 2
2
11 10
20

+
x x
P
9 Decil:
45 90 , 0 50 p N

p N
inteiro
8
2
8 8
2
46 45
9

+
x x
D
3 Quartil:
5 , 37 75 , 0 50 p N

p N
inteiro
( )
6
38 1 37 3

+
x x Q
3. Os rendimentos mdios mensais () de 48 famlias do sector do calado
esto registados no quadro seguinte.
999 121 870 136 133 134 148 830 986 126
126 122 126 826 865 127 125 848 117 145
119 956 134 143 823 139 135 124 868 126
800 133 123 133 935 950 113 905 137 923
896 126 847 921 146 800 871 123
3.1. Construa o quadro de distribuio de frequncias.
O primeiro passo para construo do quadro de distribuio de frequncias
definir o nmero de classes. Para isso vamos usar a expresso da regra de
Sturges.
Nmero de classes
58 , 6 48 log 32 , 3 1
2 log
log
1 + +
N
m
Assim, o nmero de classes ser, em princpio, 6 ou 7.
Analisando os dados verificamos que a amplitude dos mesmos :
Amplitude dos dados
685 800 485 . 1 ) ( ) ( x Min x Max
Ao estabelecer o nmero de classes e ao atribuir a cada classe uma dada
amplitude definimos um intervalo onde todos os nossos valores devero estar
dentro. Se a nossa amplitude de dados de 685 ento o intervalo resultante da
definio das classes ter que ter uma amplitude sempre maior que a anterior.
Devemos, tanto quanto possvel, criar classes que tenham uma amplitude
simptica, facilmente manipulvel, cujo centro seja tambm um valor
amigvel (ver diapositivos 27 a 29 da apresentao 1). Assim, e analisando os
nossos dados, podemos verificar que, se usarmos 7 classes com amplitude de
100 unidades cada, criamos um intervalo com amplitude de 700 (maior que
685). Se a primeira classe comear em 790 [valor inferior ao menor valor dos
dados (800)] a ltima classe acaba em 1.490 [valor superior ao maior valor dos
dados (1.485)]. As classes tero assim valores com os quais simptico
trabalhar.
Classe i F
i
f
i
CumF
i
Cumf
i
5
Ver
diapositivos 47
e 48 da
apresentao
[790 , 890[ 11 0,229 11 0,229
[890 , 990[ 8 0,167 19 0,396
[990 , 1090[ 1 0,021 20 0,417
[1090 ,
1190[
2 0,042 22 0,458
[1190 ,
1290[
13 0,271 35 0,729
[1290 ,
1390[
8 0,167 43 0,896
[1390 ,
1490[
5 0,104 48 1,000
3.2. Represente graficamente os dados atravs de um histograma, do
polgono de frequncias e do grfico das frequncias relativas
acumuladas.
Histograma e polgono de frequncias:
Grfico das frequncias relativas acumuladas:
3.3. Determine a mdia e a varincia dos dados simples.
Para dados simples vamos trabalhar com os 48 dados tal qual:
Mdia:
92 , 129 . 1
48

xi
x
Varincia:
( ) ( ) ( )
+ + + + + +
48
92 , 129 . 1 48 485 . 1 465 . 1 459 . 1 ... 823 800 800
2 2 2 2 2 2 2
2
2
2
n
x n x
s
2
20 , 565 . 48
3.4. Determine a mdia, a mediana, a moda e a varincia dos dados
agrupados.
Para trabalhar com dados agrupados temos que partir do pressuposto de que,
dentro de cada classe, os valores se encontram distribudos uniformemente.
Partindo desse pressuposto resulta que, a mdia dos valores de cada classe, o
valor mdio dessa classe. Assim, temos:
Classe i F
i
f
i
C
i
[790 , 890[ 11 0,229 840
6
[890 , 990[ 8 0,167 940
[990 , 1090[ 1 0,021 1040
[1090 ,
1190[
2 0,042 1140
[1190 ,
1290[
13 0,271 1240
[1290 ,
1390[
8 0,167 1340
[1390 ,
1490[
5 0,104 1440
Mdia:
( ) ( )
50 , 127 . 1
48
440 . 1 5 340 . 1 8 ... 940 8 840 11
+ + + +
n
C F
x
i i
Mediana:
( )
50 , 205 . 1 100
271 , 0
458 , 0 5 , 0
190 . 1
5 , 0
inf
1

+

h
f
Cumf
L Me
i
i
i
i
Linf Fronteira inferior da classe que contm a mediana
( ) 1 i
Cumf
Frequncia acumulada da classe anterior classe que contm a
mediana
h Amplitude do intervalo de classe que contm a mediana
i
f Nmero de observaes da classe que contm a mediana
Moda:
75 , 258 . 1 100
) 8 13 ( ) 2 13 (
) 2 13 (
190 . 1 inf
2 1
1

+
+
+
+ h
d d
d
L Mo
i
Varincia:
( ) ( ) ( )
+ + + +
48
50 , 127 . 1 48 440 . 1 5 340 . 1 8 ... 940 8 840 11
2 2 2 2 2
2
2
2
n
x n C F
s
i i
2
75 , 093 . 46
3.5. Classifique a distribuio em termos de assimetria.
( ) ( )
09 , 1
75 , 093 . 46
50 , 205 . 1 50 , 127 . 1 3 3

s
Me x
G
AS
Esta distribuio assimtrica negativa.
4. Obteve-se uma amostra de 200 indivduos e registou-se a sua altura,
tendo-se procedido sua distribuio em classes, como consta no seguinte
quadro:
Altura (cm)
N.
Indivduos
[148,5 ,
155,5[
4
[155,5 ,
162,5[
12
[162,5 ,
169,5[
44
[169,5 ,
176,5[
64
[176,5 ,
183,5[
56
[183,5 ,
190,5[
16
[190,5 ,
197,5[
4
4.1. Classifique a varivel e defina-a.
X Altura dos indivduos; uma varivel contnua.
4.2. Determine as frequncias relativas e as frequncias relativas
acumuladas.
Classe
i
Altura (cm)
N. Indivduos
(F
i
)
f
i
CumF
i
Cumf
i
C
i
1
[148,5 ;
155,5[
4 0,02 4 0,02 152
2
[155,5 ;
162,5[
12 0,06 16 0,08 159
3
[162,5 ;
169,5[
44 0,22 60 0,30 166
4
[169,5 ;
176,5[
64 0,32 124 0,62 173
7
5
[176,5 ;
183,5[
56 0,28 180 0,90 180
6
[183,5 ;
190,5[
16 0,08 196 0,98 187
7
[190,5 ;
197,5[
4 0,02 200 1 194
4.3. Qual a proporo de indivduos com altura inferior a 176,5 cm?
Qual a altura mxima correspondente aos 30 % de indivduos mais
baixos?
Proporo de indivduos com altura inferior a 176,5 cm % 62 62 , 0
4
Cumf
(como neste caso 176,5 extremo da classe, no preciso interpolao).
Altura mxima correspondente aos 30% de indivduos mais baixos Percentil
30 cm P 5 , 169
30

4.4. Construa o histograma e o polgono de frequncias.
4.5. Calcule a mdia e o desvio padro dos dados agrupados.
Mdia:
( ) ( )
cm
n
C F
x
i i
70 , 173
200
194 4 187 16 ... 159 16 152 4
+ + + +
Desvio padro:
( ) ( ) ( )
+ + + +
200
70 , 173 200 194 4 187 16 ... 159 16 152 4
2 2 2 2 2
2
2
2
n
x n C F
s
i i
2
097 , 69 cm
cm s 3 , 8 09 , 69
4.6. Construa o diagrama de extremos e quartis.
Para fazer o diagrama de extremos e quartis h que calcular Q
1
, Q
2
(ou mediana)
e Q
3
.
i
Linf Fronteira inferior da classe que contm a mediana
( ) 1 i
Cumf
Frequncia acumulada da classe anterior classe que contm a
mediana
h Amplitude do intervalo de classe que contm a mediana
i
f Nmero de observaes da classe que contm a mediana
( )
90 , 167 7
22 , 0
08 , 0 25 , 0
5 , 162
25 , 0
inf
1
1

+

h
f
Cumf
L Q
i
i
i
( )
88 , 173 7
32 , 0
30 , 0 50 , 0
5 , 169
50 , 0
inf
1
2

+

h
f
Cumf
L Q
i
i
i
( )
75 , 179 7
28 , 0
62 , 0 75 , 0
5 , 176
75 , 0
inf
1
3

+

h
f
Cumf
L Q
i
i
i
Os valores mximo e mnimo (como no temos os dados originais) so os
extremos do intervalo das classes.
4.7. A distribuio simtrica?
8
Polgono de
frequncias
Histograma
( ) ( )
07 , 0
3 , 8
88 , 173 70 , 173 3 3

s
Me x
G
AS
( )
88 , 173 7
32 , 0
30 , 0 50 , 0
5 , 169
50 , 0
inf
1

+

h
f
Cumf
L Me
i
i
i
Esta distribuio assimtrica negativa.
5. O conjunto de dados {69, 85, 75, 89, 73, 61, 62, 75, 98, 63} uma amostra
que representa as classificaes percentuais de 10 estudantes num teste
de estatstica. Determine:
61 62 63 69 73 75 75 85 89 98
5.1. A mdia, a mediana e a moda desta amostra;
Mdia:
( ) ( )
% 75
10
98 89 85 75 75 73 69 63 62 61
+ + + + + + + + +
n
x
x
i
Mediana:
% 74
2
75 73
+
Me
Moda:
% 75 Mo
5.2. O desvio absoluto mdio, a varincia e o desvio padro;
Desvio mdio:
( )
( )
% 4 , 9
10
75 98 75 89 ... 75 62 75 61
+ + + +
n
x x
DM
i
Varincia:
( ) ( ) ( )
4 , 137
10
75 10 98 89 ... 62 61
2 2 2 2 2
2
2
2
+ + + +
n
x n x
s
Desvio padro
% 72 , 11 4 , 137 s
5.3. O coeficiente de variao;
% 63 , 15 % 100
75
72 , 11
% 100
x
s
cv
5.4. O coeficiente de assimetria;
( ) ( )
256 , 0
72 , 11
74 75 3 3
s
Me x
G
AS
, Distribuio muito ligeiramente assimtrica
positiva
Ou:
( ) ( )
0
72 , 11
75 75
1

s
Mo x
G
5.5. O coeficiente de curtose.
( )
( )
( )
( )
344 , 0
5 , 61 5 , 93 2
63 85
2
10 90
1 3
1

P P
Q Q
C
( )
85
8 1 7 75 3

+
x x P Q
( ) 7 75 , 0 10 k , Parte inteira deste produto
( )
63
3 1 2 25 1

+
x x P Q
( ) 2 25 , 0 10 k , Parte inteira deste produto
( ) ( )
5 , 93
2
98 89
2
10 9
90

+
x x
P ( ) 9 90 , 0 10 k , k inteiro
( ) ( )
5 , 61
2
62 61
2
2 1
10

+
x x
P ( ) 1 10 , 0 10 k , k inteiro
9
Ver
diapositivos
48 e 65 da
Apresentao
6. Numa srie de 31 medies de temperaturas dirias no ms de Maro
obteve-se uma mdia de 20 C e um desvio padro de 6 C. Depois destes
resultados obtidos chegou-se concluso que uma das temperaturas
dirias estava enganada, a qual foi registada com o valor de 32 C.
Determine a mdia e o desvio-padro, admitindo que se omite a
temperatura incorrecta.
Mdia:
( )
( )
( )
( )
( )
( ) C C x C
x
n
x
x
i
i
i
dias
620 31 20 20
31
31
31
31

( )
( )
( )
( )
C
n
x
x
i
dias
6 , 19
30
588
30
32 620
30
31
30

Desvio padro:
( )
( ) ( )
( )
( )
( ) ( )
( )
( )

36
31
400 . 12
6
31
20 31
2
31
2
2 2
31
31
2
2
31
2
31
i i i
x x
n
x n x
s
( )
( )
( )
( )
( )
( ) C x x x
i i i
516 . 13 400 . 12 116 . 1 31 36 400 . 12
2
31
2
31
2
31
+
( )
( )
( )
( ) C x x
i i
492 . 12 024 . 1 516 . 13 32
2 2
31
2
30

( )
( ) ( )
( )
24 , 32
30
2 , 967
30
6 , 19 30 492 . 12
2
30
2
2
30
2
30

n
x n x
s
i
C s 68 , 5 24 , 32
7. A produo por talho de 10 variedades de ervilhas para congelar foi a
seguinte:
21, 18, 30, 12, 14, 17, 28, 10, 16, 25 kg
Cada talho tinha a mesma rea e a mesma densidade de plantas.
Determinar:
7.1. Mdia, mediana e a moda.
Dados ordenados: 10, 12, 14, 16, 17, 18, 21, 25, 28, 30
Mdia:
( ) ( )
kg
n
x
x
i
1 , 19
10
30 28 25 21 18 17 16 14 12 10
+ + + + + + + + +
Mediana:
kg Me 5 , 17
2
18 17
Moda:
No tem
7.2. Varincia, desvio padro e coeficiente de variao.
Varincia:
( ) ( ) ( )
2
2 2 2 2 2 2 2
2
2
2
09 , 41
10
9 , 410
10
1 , 19 10 30 28 25 ... 14 12 10
kg
n
x n x
s
+ + + + + +
Desvio padro:
kg s 41 , 6 09 , 41
Coeficiente de variao:
% 56 , 33 % 100
1 , 19
41 , 6
% 100
x
s
cv
10
FICHA 2
lgebra
lgebra de Acontecimentos e Probabilidades Simples
1. Uma caixa contm 5 lmpadas das quais 2 so defeituosas. As lmpadas
defeituosas esto numeradas de 1 a 2 e as boas esto numeradas de 3 a 5.
Extraem-se 2 lmpadas ao acaso, sucessivamente sem reposio
(experincia I) e com reposio (experincia II).
1.1. Enumere os acontecimentos elementares do espao de resultados
associado a cada uma das experincias.
Sem reposio (experincia I):
L
1
1 2 3 4 5
L
2
1 (1, 1) (2, 1) (3, 1) (4, 1) (5, 1)
2 (1, 2) (2, 2) (3, 2) (4, 2) (5, 2)
3 (1, 3) (2, 3) (3, 3) (4, 3) (5, 3)
4 (1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
5 (1, 5) (2, 5) (3, 5) (4, 5) (5, 5)
Com reposio (experincia II):
L
1
1 2 3 4 5
L
2
1 (1, 1) (2, 1) (3, 1) (4, 1) (5, 1)
2 (1, 2) (2, 2) (3, 2) (4, 2) (5, 2)
3 (1, 3) (2, 3) (3, 3) (4, 3) (5, 3)
4 (1, 4) (2, 4) (3, 4) (4, 4) (5, 4)
5 (1, 5) (2, 5) (3, 5) (4, 5) (5, 5)
1.2. Defina no espao de resultados de cada experincia, os
acontecimentos adiante indicados:
A1 - sada de uma lmpada defeituosa na 1 tiragem;
A2 - sada de uma lmpada defeituosa na 2 tiragem;
A3 - sada de duas lmpadas defeituosas;
A4 - sada de pelo menos uma lmpada defeituosa;
A5 - sada de exactamente uma lmpada defeituosa;
A6 - sada de uma soma de nmeros inscritos nas lmpadas inferior a
sete.
Sem reposio (experincia I):
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 5 , 2 ; 4 , 2 ; 3 , 2 ; 1 , 2 ; 5 , 1 ; 4 , 1 ; 3 , 1 ; 2 , 1
1
A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 2 , 5 ; 1 , 5 ; 2 , 4 ; 1 , 4 ; 2 , 3 ; 1 , 3 ; 1 , 2 ; 2 , 1
2
A
( ) ( ) { }
2 1 3
1 , 2 ; 2 , 1 A A A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 5 , 2 ; 5 , 1 ; 4 , 2 ; 4 , 1 ; 3 , 2 ; 3 , 1 ; 2 , 5 ; 2 , 4 ; 2 , 3 ; 2 , 1 ; 1 , 5 ; 1 , 4 ; 1 , 3 ; 1 , 2
2 1 4
A A A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 5 , 2 ; 5 , 1 ; 4 , 2 ; 4 , 1 ; 3 , 2 ; 3 , 1 ; 2 , 5 ; 2 , 4 ; 2 , 3 ; 1 , 5 ; 1 , 4 ; 1 , 3
3 4 5
A A A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 1 , 5 ; 2 , 4 ; 1 , 4 ; 2 , 3 ; 1 , 3 ; 4 , 2 ; 3 , 2 ; 1 , 2 ; 5 , 1 ; 4 , 1 ; 3 , 1 ; 2 , 1
6
A
Com reposio (experincia II):
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 5 , 2 ; 4 , 2 ; 3 , 2 ; 2 , 2 ; 1 , 2 ; 5 , 1 ; 4 , 1 ; 3 , 1 ; 2 , 1 ; 1 , 1
1
A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 2 , 5 ; 2 , 4 ; 2 , 3 ; 2 , 2 ; 2 , 1 ; 1 , 5 ; 1 , 4 ; 1 , 3 ; 1 , 2 ; 1 , 1
2
A
( ) ( ) ( ) ( ) { }
2 1 3
2 , 2 ; 1 , 2 ; 2 , 1 ; 1 , 1 A A A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 2 , 5 ; 1 , 5 ; 2 , 4 ; 1 , 4 ; 2 , 3 ; 1 , 3 ; 5 , 2 ; 4 , 2 ; 3 , 2 ; 2 , 2 ; 1 , 2 ; 5 , 1 ; 4 , 1 ; 3 , 1 ; 2 , 1 ; 1 , 1
2 1 4
A A A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 5 , 2 ; 5 , 1 ; 4 , 2 ; 4 , 1 ; 3 , 2 ; 3 , 1 ; 2 , 5 ; 2 , 4 ; 2 , 3 ; 1 , 5 ; 1 , 4 ; 1 , 3
3 4 5
A A A
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) { } 1 , 5 ; 2 , 4 ; 1 , 4 ; 3 , 3 ; 2 , 3 ; 1 , 3 ; 4 , 2 ; 3 , 2 ; 2 , 2 ; 1 , 2 ; 5 , 1 ; 4 , 1 ; 3 , 1 ; 2 , 1 ; 1 , 1
6
A
2. As peas que saem de uma linha de produo so marcadas defeituosas (D)
ou no defeituosas (N). As peas vo sendo inspeccionadas e registadas,
11
procedendo-se a uma paragem quando se obtenham duas peas
defeituosas consecutivas ou quando se tenham registado quatro peas.
Descreva o espao de resultados desta experincia.
Podemos facilitar esta tarefa construindo um esquema em rvore:
3. Considere a experincia aleatria que consiste no lanamento de dois
dados perfeitos, um vermelho e outro verde.
3.1. Defina o espao de resultados desta experincia enumerando os
acontecimentos elementares que o compem;
Vermelh
1 2 3 4 5 6
Verde
1 (1, 1) (2, 1) (3, 1) (4, 1) (5, 1) (6, 1)
2 (1, 2) (2, 2) (3, 2) (4, 2) (5, 2) (6, 2)
3 (1, 3) (2, 3) (3, 3) (4, 3) (5, 3) (6, 3)
4 (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4)
5 (1, 5) (2, 5) (3, 5) (4, 5) (5, 5) (6, 5)
6 (1, 6) (2, 6) (3, 6) (4, 6) (5, 6) (6, 6)
3.2. Defina no espao de resultados os seguintes acontecimentos:
A - a soma dos resultados sete;
B - os resultados observados so mpares;
C - o produto dos resultados 12.
{ } ) 1 , 6 ( ); 2 , 5 ( ); 3 , 4 ( ); 4 , 3 ( ); 5 , 2 ( ); 6 , 1 ( A
{ } ) 5 , 5 ( ); 5 , 3 ( ); 5 , 1 ( ); 3 , 5 ( ); 3 , 3 ( ); 3 , 1 ( ); 1 , 5 ( ); 1 , 3 ( ); 1 , 1 ( B
{ } ) 3 , 4 ( ); 4 , 3 ( ); 2 , 6 ( ); 6 , 2 ( C
4. (Gama 5 pg. 137) Quantos so os cdigos de 4 algarismos diferentes que
se podem formar com os algarismos 1, 2, 3 e 4 e em que:
4.1. Aparea o grupo 42 (isto , o 4 aparea sempre
imediatamente antes do 2)?
A posio do 4 s pode ser nas 3 primeiras casas para que 2 possa estar
aps o 4.
4 2
4 2
4 2
Para cada 42 podem ter-se duas combinaes: 1,3 e 3,1. Logo 32=6, ento
podemos ter 6 cdigos.
4.2. O 1 aparea junto do 3 em qualquer ordem, (isto ,
imediatamente antes ou depois do 3)?
A posio do 3 relativamente ao 1 pode ser antes ou depois dele.
1 3
3 1
1 3
3 1
1 3
12
3 1
Para cada 13 ou 31 podem ter-se duas combinaes: 2,4 e 4,2. Logo
62=12, ento podemos ter 12 cdigos.
5. Sejam A
1
e A
2
dois acontecimentos, tais que:
A
1
- realiza-se quando um automobilista, escolhido ao acaso numa bomba
de gasolina, verifica o ar dos pneus;
A
2
- realiza-se quando um automobilista, escolhido ao acaso numa bomba
de gasolina, verifica o leo do motor.
5.1. Exprima em funo deles os seguintes acontecimentos:
A - realiza-se quando um automobilista no verifica o ar dos pneus;
B - realiza-se quando um automobilista verifica o ar dos pneus ou o
leo do motor;
C - realiza-se quando um automobilista no verifica o ar dos pneus nem
o leo do motor;
D - realiza-se quando um automobilista no verifica o ar dos pneus ou
verifica o leo do motor;
E - realiza-se quando um automobilista verifica o ar dos pneus e no
verifica o leo do motor;
F - realiza-se quando um automobilista verifica o leo do motor e no
verifica o ar dos pneus;
G - realiza-se quando um automobilista verifica uma e uma s das
duas.
1
A A
2 1
A A E
2 1
A A B
1 2
A A F
( )
2 1
A A C
( ) ( )
2 1 2 1
A A A A G
( )
2 1
A A D
5.2. Os acontecimentos E e F so incompatveis?
R: Sim E e F so incompatveis, pois no interceptam
5.3. Exprima o acontecimento G em funo de E e F.
R: F E G
6. (Gama 3 pg 137) Considere o seguinte espao amostral: S = {1, 2, 3, 4, 5,
6, 7} e os acontecimentos: A = {1, 2, 7}; B = {2, 3, 4}; C = {6}, Determine:
6.1.
A
;
R: { } 6 5, 4, 3, A
6.2.
( ) C A
;
R: ( ) { } 7 6, 2, 1, C A
6.3. ( ) C B A ;
R: ( ) { } 7 5, 4, 3, 2, 1, C B A
6.4. C B ;
R: { } 7 5, 1, C B
6.5. C B A ;
R: { } C B A
6.6. ( ) ( ) C A B A ;
13
R: ( ) ( ) { } 6 C A B A
7. (Gama 11 pg. 138) Considere um dado desequilibrado em que o 5 e o
6 ocorrem o dobro das vezes do 4 que, por sua vez, ocorre o triplo das
vezes do 1, do 2 ou do 3. Se se lanar o dado uma vez, qual a
probabilidade do resultado obtido ser:
P(5) = P(6) = 2 x P(4)
P(4) = 3 x P(1) = 3 x P(2) = 3 x P(3)
P(1) = P(2) = P(3)
Como P(1) + P(2) + P(3) + P(4) + P(5) + P(6) = 1 podemos escrever que
P(1) + P(1) + P(1) + 3 x P(1) + 2 x 3 x P(1) + 2 x 3 x P(1) = 1 18 x P(1) = 1 P(1)
= 1/18
P(1
)
P(2
)
P(3
)
P(4
)
P(5
)
P(6
)
1/18 1/18 1/18 3/18 6/18 6/18
7.1. Um nmero par;
P (sair par) = P(2) + P(4) + P(6) = 10/18 = 5/9
7.2. Um nmero maior que 3;
P (sair maior que 3) = P(4) + P(5) + P(6) = 15/18 = 5/6
7.3. Um quadrado perfeito.
P (sair um quadrado perfeito) = P(1) + P(4) = 4/18 =2/9
8. Num lago existem 10 caracis aquticos da espcie X, 15 da espcie Y e 50
da espcie Z. Os caracis foram capturados um de cada vez para inspeco.
P(X) = 10/75; P(Y) = 15/75; P(Z) = 50/75
8.1. Se depois da inspeco cada caracol for devolvido ao lago, calcular
a probabilidade de, em 2 capturas sucessivas:
Com devoluo:
8.1.1.Os 2 caracis serem da espcie X.
P(X, X) = 10/75 10/75 = 100/5625 = 0,02
8.1.2.Um caracol ser da espcie X e outro da espcie Z.
P(1 da espcie X e outro da espcie Z) = P(X, Z) + P(Z, X) =
= 10/75 50/75 + 50/75 10/75 = 1.000/5.625 = 0,18
8.2. Se o caracol no for devolvido ao lago depois da captura, calcular
a probabilidade de, em 2 capturas sucessivas:
Sem devoluo
8.2.1.Os 2 caracis serem da espcie X.
P(X, X) = 10/75 9/74 = 90/5550 = 0,016
8.2.2.Um caracol ser da espcie X e outro da espcie Z.
P(1 da espcie X e outro da espcie Z) = P(X, Z) + P(Z, X) =
= 10/75 50/74 + 50/75 10/74 = 1000/5550 = 0,18
8.3. Qual a probabilidade de, numa captura, obter um caracol da espcie X ou
Y?
P(XY) = P(X) + P(Y) = 10/75 + 15/75 = 1/3
9. Um gerente de um restaurante admite que todos os clientes tero, no fim
da refeio, ou fruta, ou queijo, ou ainda caf, ou qualquer combinao e
que a probabilidade de terem fruta de 0,7, fruta e queijo 0,25, queijo e
caf 0,35 e fruta e caf 0,5. Sabe tambm que a probabilidade de terem
fruta ou queijo 0,9 e de terem fruta ou caf de 0,95. Calcular a
proporo de clientes que tero:
14
P(F) Q) P(F C) P(Q C) P(F Q) P(F C) P(F
0,70 0,25 0,35 0,50 0,90 0,95
Sabe-se tambm que:
P(FCQ) = P(F) + P(Q) + P(C) P(FQ) P(QC) P(FC) + P(FQC) = 1
todos
9.1. Queijo ou caf;
P(FQ) = P(F) + P(Q) P(FQ) = 0,9
P(Q) = 0,9 P(F) + P(FQ) Q) = 0,9 0,7 + 0,25 = 0,45
P(FC) = P(F) + P(C) P(FC) = 0,95
P(C) = 0,95 P(F) + P(FC) Q) = 0,95 0,7 + 0,5 = 0,75
P(QC) = P(Q) + P(C) P(QC) = 0,45 + 0,75 0,35 = 0,85
9.2. Fruta, queijo e caf;
P(FCQ) = P(F) + P(Q) + P(C) P(FQ) P(QC) P(FC) + P(FQC) = 1
P(FQC) = 1 [P(F) + P(Q) + P(C) P(FQ) P(QC) P(FC)]
P(QC) = 1 [0,7 + 0,45 + 0,75 0,25 0,35 0,5] = 0,20
9.3. Apenas caf.
P (apenas caf) = P(C) P(QC) P(FC) + FQC) = 0,75 0,35 0,5 + 0,20
= 0,1
10. Sejam A e B dois acontecimentos independentes tais que P(A)=0,4 e
P(B-A)=0,18.
10.1. Represente os acontecimentos atravs de um diagrama de Venn.
P(AB)=P(A)P(B)
10.2. Determine P(B).
P(AB) = P(A) + P(B-A) = 0,4 + 0,18 = 058
P(AB) = P(A) + P(B) P(AB) = 058
0,4 + P(B) 0,4 P(B) = 058
P(B) (1 0,4) = 0,58 0,4
P(B) = 0,18 / 0,6 = 0,3
11. Sejam A, B e C trs subconjuntos de , tal que A e B so independentes e
A e C so incompatveis. Seja P(A) = 0,2 , P(B) = 0,4 e P(C) = 0,45.
11.1. Represente atravs de um diagrama de Venn o espao de resultados .
Sabendo que P(BC) = 0,1, calcule a probabilidade de um elemento de
escolhido ao acaso:
15
No esquecer que A e B so independentes e portanto P(AB)=P(A)
P(B)
11.2. Pertencer a pelo menos um dos subconjuntos;
P(ABC) = P(A) + P(B) + P(C) P(AB) P(BC) = 0,2 + 0 4 + 0,45 0,2 x 0,4
0,1 = 0,87
11.3. Pertencer exclusivamente a B;
P (pertence exclusivamente a B) = P(B) P(AB) P(BC) = 0,4 0,08 0,1 =
0,22
11.4. Pertencer a A sabendo que pertence a B;
P(A|B) = P(AB)/P(B) = 0,08/0,4 = 0,2 = P(A)
Como se pode ver P(A|B) = P(A). Como se sabia A e B so
independentes.
11.5. Pertencer a C sabendo que pertence a B.
P(C|B) = P(CB)/P(B) = 0,1/0,4 = 0,25
12. (Gama 14 pg 138) Num colgio com 100 alunos, 42 estudam
Matemtica, 68 Psicologia, 54 Histria, 22 simultaneamente Matemtica e
Histria, 25 simultaneamente Matemtica e Psicologia, 7 Histria mas nem
Matemtica nem Psicologia, 10 estudam as trs disciplinas. Escolheu-se um
aluno ao acaso:
A construo do diagrama de Venn , nestes casos, muito til. Para isso devem ser representados
os conjuntos definidos no enunciado com as respectivas intercepes (caso seja dito que h
incompatibilidade entre dois deles, essa intercepo no representada). Cada uma das regies
definidas corresponde a um grupo muito concreto. Por exemplo, a regio correspondente
intercepo das trs disciplinas quer dizer que os alunos em questo tm as trs disciplinas e no
enunciado dito que so 10. tambm referido que 22 alunos estudam simultaneamente
Matemtica e Histria: ora j sabido que 10 alunos estudam Matemtica e Histria (mas
estudam tambm Psicologia) mas h, pelos vistos, mais 12 que s estudam aquelas duas
disciplinas. H 25 alunos que estudam simultaneamente Matemtica e Psicologia. De novo,
sabido que 10 alunos estudam Matemtica e Psicologia (mas estudam tambm Histria) mas h,
pelos vistos, mais 15 que s estudam aquelas duas disciplinas.
este o tipo de raciocnio que tem que ser feito para se chegar a construo do diagrama de
Venn que vem a seguir.
12.1. Qual a probabilidade desse aluno estudar Matemtica ou
Histria?
P(MH) = (5 + 15 + 12+ 10 + 7 + 25)/100 = 0,74
12.2. Se esse aluno estudar Psicologia, qual a probabilidade de
estudar as outras duas disciplinas?
P(MH|P) = P(MHP)/P(P) = (10/100)/(54/100) = 0,185
16
12.3. Se esse aluno no estudar Psicologia, qual a probabilidade de
estudar as outras duas disciplinas?
P(MH|P) = P(MHP)/P(P) = (12/100)/(32/100) = 0,375
12.4. Se esse aluno estudar Matemtica, qual a probabilidade de
tambm estudar as outras duas disciplinas?
P(PH|M) = P(PHM)/P(M) = (10/100)/(42/100) = 0,238
12.5. Qual a probabilidade desse aluno estudar Matemtica e tambm
as outras duas disciplinas?
P(MHP) = 10/100 = 0,1
12.6. Se esse aluno estudar Histria, qual a probabilidade de estudar
Matemtica mas no estudar Psicologia?
P(MP|H) = P(MPH)/P(H) = (12/100)/(54/100) = 0,2222
13. (Gama 16 pg. 138) Considere a experincia que consiste em lanar,
dois dados e registar o nmero sado em cada um deles.
13.1. Se um dos dados mostrar "6":
Subconjunto dos pares em que num dos dados h um 6:
6
= {(1,6), (2,6), (3,6), (4,6), (5,6), (6,6), (6,1), (6,2), (6,3), (6,4), (6,5)}
13.1.1. Qual a probabilidade do outro mostrar "5"?
P (um dado ter 5 | outro dado tem 6) = 2/11
13.1.2. Qual a probabilidade da soma dos nmeros sados em
ambos ser menor do que 9?
P (soma < 9 | um dado tem 6) = 4/11
13.2. Se a soma dos nmeros sados for 9, qual a probabilidade de um
dos dados mostrar 4?
Subconjunto dos pares em que num dos dados h um 9:
6
= {(3,6), (4,5), (5,4), (6,3)}
P (um dado ter 4 | soma dos dados 9) = 2/4 = 1/2
Probabilidades Condicionadas
Teoremas de Bayes e da Probabilidade Total
14. Uma loja de brinquedos emprega 3 senhoras para fazerem embrulhos
durante a poca de Natal. Raquel embrulha 30% dos presentes e esquece-
se de tirar o preo 3% das vezes; Helena embrulha 20% dos presentes e
esquece-se de tirar o preo 8% das vezes; Joana, que embrulha os
restantes presentes, esquece-se 5% das vezes de tirar o preo. Suponha
que tinha ido a essa loja verificando, em casa, que o seu presente tinha
preo.
P(R) = 0,30 P(H) = 0,20
P(J) = 1 (0,30 + 0,20) =
0,50
P(P|R) = 0,03 P(P|H) = 0,08 P(P|J) = 0,05
14.1. Calcule a probabilidade de ter sido embrulhado pela Joana.
P(J|P) = [P(P|J) P(J)] / P(P) = [0,05 0,50] / 0,05 = 0,50
Calcula-se primeiro P(P):
P(P) = P(R) P(P|R) + P(H) P(P|H) + P(J) P(P|J) =
= 0,30 0,03 + 0,20 0,08 +0,50 0,05 = 0,05
14.2. Qual a empregada que mais provavelmente o ter embrulhado?
Faz-se o mesmo tipo de clculo para a Raquel e para a Helena e obtm-se:
P(R|P) = 0,32; P(H|P) = 0,18. Como para a Joana tnhamos P(J|P) = 0,50, logo
a Joana.
17
15. Um agricultor produz sementes de uma leguminosa em 3 campos
distintos A, B e C; em A produz 12% das sementes, em B 30% e as
restantes em C. Para que possam ser homologadas para comercializao
no podem apresentar mais que uma determinada percentagem de
impurezas e de sementes de infestantes. Sabe-se por amostragem que 2%
dos sacos de sementes provenientes de A, 3% dos provenientes de B e 5%
dos provenientes de C so rejeitados.
P(A) = 0,12 P(B) = 0,30
P(C) = 1 (0,12 + 0,30) =
0,58
P(R|A) = 0,02
P(R|B) =
0,03
P(R|C) = 0,05
15.1. Qual a probabilidade de um saco escolhido ao acaso ser recusado.
P(R) = P(A) P(R|A) + P(B) P(R|B) + P(C) P(R|C) =
= 0,12 0,02 + 0,30 0,03 + 0,58 0,05 = 0,0404;
15.2. Se posteriormente se retirar um saco e se verificar que para
recusar determine a probabilidade de ser proveniente do campo B.
P(B|R) = [P(R|B) P(B)] / P(R) = [0,03 0,30]/0,0404 = 0,223
16. Um comerciante recebe ovos de 3 provenincias: A, B e C, segundo as
seguintes percentagens:
A 10%, B x%, C y%
16.1. A percentagem de ovos estragados varia segundo as
provenincias e sabe-se que, dos ovos provenientes de A, 5% so
estragados; dos ovos provenientes de B, 10% so estragados; dos ovos
provenientes de C, 15% so estragados.
16.2. Por outro lado sabe-se que 12% do total dos ovos recebidos pelo
comerciante so estragados. Calcular x e y.
P(A) = 0,10 P(B) = x P(C) = y
P(E|A) =
0,05
P(E|B) =
0,10
P(E|C) =
0,15
P(E) = 0,12
Como temos 2 incgnitas vamos resolver por um sistema. Quais so as
equaes do sistema? Uma, a expresso de clculo da probabilidade total de
estragados, a outra a soma das percentagens de ovos por provenincia que
ter de somar 100%.
'
+ +
+ +
1 ) ( ) ( ) (
12 , 0 ) | ( ) ( ) | ( ) ( ) | ( ) ( ) (
C P B P A P
C E P C P B E P B P A E P A P E P
'

+ +
'
+ +
+ +
y x
y y
y x
y x
90 , 0
12 , 0 15 , 0 10 , 0 ) 90 , 0 ( 005 , 0
1 10 , 0
12 , 0 15 , 0 10 , 0 05 , 0 10 , 0
'
'
'
'
'
40 , 0
50 , 0
50 , 0 90 , 0
50 , 0
90 , 0
05 , 0
025 , 0
90 , 0
025 , 0 05 , 0
90 , 0
025 , 0 15 , 0 10 , 0
x
y
x
y
y x
y
y x
y
y x
y y
P(B) = 0,40 e P(C) = 0,50
17. (Gama 19 pg. 139) A e B so fornecedores de um artigo a uma
empresa transformadora que o armazena num contentor. Sabe-se que 5%
dos artigos de A e 9% dos artigos de B so defeituosos, razo pela qual A
fornece referida empresa transformadora o qudruplo de B.
Foi escolhido ao acaso um dos artigos do contentor e verificou-se que no
defeituoso. Qual a probabilidade de ter sido fornecido por A?
05 , 0 ) | ( A D P
e
09 , 0 ) | ( B D P
; logo
95 , 0 ) | ( A D P
e 91 , 0 ) | ( B D P .
) ( 4 ) ( B P A P
18
5 1 ) ( 1 ) ( 5 1 ) ( ) ( 4 1 ) ( ) ( + + B P B P B P B P B P A P e assim sendo
5 4 5 1 4 ) ( A P
Ento:
058 , 0 09 , 0 5 1 05 , 0 5 4 ) | ( ) ( ) | ( ) ( ) ( + + B D P B P A D P A P D P , logo
942 , 0 058 , 0 1 ) ( D P
E assim:
[ ] 807 , 0 942 , 0 / 8 , 0 95 , 0 ) ( / ) ( ) | ( ) | ( D P A P A D P D A P
18. (Gama 23, adaptado, pg. 139) H um saco preto que contm 9 bolas
coloridas, sendo 1 bola branca, 1 amarela, 1 azul, 2 verdes, 2 vermelhas e 2
castanhas. Retiraram-se 3 bolas sucessivamente do saco e registou-se a
cor de cada uma. Determine:
18.1. A probabilidade de, pelo menos, uma das 3 bolas ser vermelha,
sabendo que a experincia foi realizada com reposio.
P (pelo menos uma V) = 1 P (nenhuma V) = 1 P (NNN) = 1 (7/9)
3
= 1
0,471 = 0,529
18.2. A probabilidade de, exactamente, uma das 3 bolas ser vermelha
sabendo que a experincia foi realizada sem reposio.
P (exactamente uma ser V) = P (VNN) + P (NVN) + P (NNV) = 3 P (VNN) =
= 3 2/9 7/8 6/7 = 0,5
19. Uma empresa recebe diariamente leite de 3 distritos diferentes. Ao
chegar cada entrega o produto classificado de acordo com a qualidade
em regular (R), bom (B) e extra (E). Determinar a origem mais provvel de
um lote recentemente entregue sabendo que de qualidade extra e que as
classificaes at data so:
Distrito
s
Total entregue
(l)
Quantidade (l)
R B E
1 1 000 000
200
000
500 000
300
000
2 3 000 000
500
000
2 000
000
500
000
3 2 500 000
600
000
1 500
000
400
000
P(1|E) = 300 000 / 1 200 000 = 3/12
P(2|E) = 500 000 / 1 200 000 = 5/12
P(3|E) = 400 000 / 1 200 000 = 4/12
A origem mais provvel do lote o distrito 2.
22. (Gama 20 pg. 139) Numa sala esto trs caixas iguais, numeradas de 1
a 3 e contendo bolas coloridas conforme se mostra na tabela:
Caixa
N bolas
vermelhas
N bolas
brancas
N bolas
azuis
1 2 3 5
2 4 1 3
3 3 4 3
De uma caixa seleccionada aleatoriamente extraiu-se uma bola e verificou-
se que era vermelha. Qual a probabilidade de ter sido retirada da caixa 3?
( ) ( )
( )
10 / 3
3 / 1
3 / 1 10 / 3
) (
) 3 ( ) 3 | (
) | 3 (
V P
P V P
V P
P(V|3) = 3/10
P(3) = 1/3
P(V) = P(V|1) x P(1) + P(V|2) x P(2) + P(V|3) x P(3) = 2/10 x 1/3 + 4/8 x 1/3 +3/10 x
1/3 = 1/3
19
Estas 3 probabilidades tm o
mesmo valor
Aqui, P(V) deve ser calculado atravs do teorema das probabilidades totais porque
existem trs probabilidades de ser vermelha, uma em cada subconjunto. Assim a
P(V) total ter que ser calculada assim.
20
FICHA 3
Variveis Aleatrias Unidimensionais
1. (Gama 1, pag 198) Considere as variveis aleatrias seguintes. Indique
quais so as variveis aleatrias discretas e contnuas justificando a
resposta.
1.1. M = idade de uma estrela escolhida ao acaso.
1.2. N = nmero de estrelas que se podem observar, noite, a olho nu.
1.3. O = nmero de avarias de uma mquina num intervalo de
tempo.
1.4. P = tempo entre avarias consecutivas de uma mquina.
1.5. Q = classificao mdia obtida pelos alunos do 12 ano, no
exame nacional de Matemtica de um determinado ano lectivo.
1.6. R = nmero de alunos do 12 ano com classificao negativa, no
exame nacional de Matemtica de um determinado ano lectivo.
1.7. S = nmero de cabelos de uma mulher.
1.8. T = durao de uma partida de futebol.
1.9. U = nmero de interrupes numa partida de futebol.
1.10. V = quantidade de comida (em kg) ingerida, por dia, por um
adulto.
1.11. W = nmero de espectadores numa partida de futebol
disputada num estdio com lotao de 50 000 pessoas.
1.12. X = produo diria de leite numa fbrica de lacticnios.
1.13. Y = produo diria de uma fbrica de parafusos.
1.14. Z = produo diria de calas de uma fbrica de confeces.
Variveis discretas: 1.2; 1.3; 1.6; 1.7; 1.9; 1.11; 1.13; e 1.14;
Variveis contnuas: 1.1, 1.4; 1.5; 1.8; 1.10 e 1.12.
2. Uma clula por multiplicao origina, no mximo, 4 clulas filhas. A
probabilidade de formao de x clulas filhas dada por:
x 1 2 3 4
f(x) 1/4 3/8 1/8 1/4
2.1. Verificar que f(x) uma funo de probabilidade. Traar o grfico de
f(x).
f(x) 0,
{ } 4 , 3 , 2 , 1 x
e 1 4 / 1 8 / 1 8 / 3 4 / 1 + + +
2.2. Determinar a funo de distribuio F(x) e traar o respectivo grfico.
'
<
<
<
<
4 , 1
4 3 , 8 / 6
3 2 , 8 / 5
2 1 , 4 / 1
1 , 0
) (
x
x
x
x
x
x F
21
2.3. Calcular a probabilidade de formao de pelo menos 2 clulas
filhas.
4 / 3 8 / 1 8 / 3 4 / 1 ) 2 ( + + X P
ou
4 / 3 4 / 1 1 ) 1 ( 1 ) 2 ( F X P
3. O nmero de lanamentos num ramo uma varivel aleatria X, que toma
os valores x, com probabilidade p(x) = k x , x = 1, 2,..., 10.
x 1 2 3 4 5 6 7 8 9 10
p(x) 1k 2 k 3 k 4 k 5 k 6 k 7 k 8 k 9 k 10 k
3.1. Calcular k de modo que p(x) seja uma funo de probabilidade.
55 / 1 1 10 9 8 7 6 5 4 3 2 1 + + + + + + + + + k k k k k k k k k k k
3.2. Calcular a probabilidade de um ramo ter 2 lanamentos.
55 / 2 ) 2 ( ) 2 ( p X P
3.3. Calcular o nmero mdio de lanamentos por ramo.
= 1 x 1/55 + 2 x 2/55 + + 9 x 9/55 + 10 x 10/55 = 385/55 = 7 lanamentos
por ramo.
4. Sendo X uma varivel aleatria com funo de probabilidade:
x 0 1 2 3 4 5 6 7
f(x) 0,1 0,1 0,1 0,1 0,2 0,2 0,1 0,1
4.1. Determinar a funo de distribuio de X.
'
<
<
<
<
<
<
<
<
7 , 0 , 1
7 6 , 9 , 0
6 5 , 8 , 0
5 4 , 6 , 0
4 3 , 4 , 0
3 2 , 3 , 0
2 1 , 2 , 0
1 0 , 1 , 0
0 , 0
) (
x
x
x
x
x
x
x
x
x
x F
4.2. Calcular P(X > 2), P(X < 4), P(X 1|X 4).
7 , 0 ) 2 ( > X P
4 , 0 ) 4 ( < X P
6
5
6 , 0
5 , 0
) 4 (
) 4 1 (
) 4 | 1 (

X P
X P
X X P
4.3. Calcular e .
7 , 3 1 , 0 7 1 , 0 6 ... 1 , 0 1 1 , 0 0 ) ( + + + + x f x
41 , 4 69 , 13 1 , 18 7 , 3 1 , 0 1 , 0 7 1 , 0 6 ... 1 , 0 1 1 , 0 0 ) (
2 2 2 2 2 2 2 2
+ + + + x f x
1 , 2 41 , 4
5. Numa experincia com um inibidor de apetite, o nmero de refeies, N,
que um rato toma por dia anotado. Em cada dia so fornecidas 2
refeies.
Tendo N uma funo de probabilidade 2 , 1 , 0 = ,
2
1
7
4
) (
n
n n N P
,
_
, calcular a
mdia e a varincia do nmero de refeies comidas por dia.
Temos que calcular primeiro a funo de probabilidade:
n 0 1 2
P(N=
n)
4/
7
2/
7
1/
7
22
7 / 4 7 / 2 2 7 / 2 1 7 / 4 0 ) ( + + N P x
53 , 0 ) 7 / 4 ( 7 / 1 2 7 / 2 1 7 / 4 0 ) (
2 2 2 2 2 2 2
+ + N P x
6. Sendo X uma varivel aleatria discreta com funo de distribuio:
'
4 , 1
4 < 2 ,
8
6
2 < 0 ,
8
5
0 < 2 - ,
8
3
2 - < 4 - ,
8
1
4 - < , 0
) (
x
x
x
x
x
x
x F
Determinar a funo de probabilidade f(x), e
2
.
Para resolver este problema precisamos de definir a funo de probabilidade f(x).
O raciocnio que deve ser feito ser um raciocnio contrrio quele que se faz
quando, a partir da funo de probabilidade, se pede a funo de distribuio, F(x).
Se analisarmos a funo F(x) percebemos que, at ao ponto -4 (exclusive), isto ,
para x<-4, a probabilidade acumulada 0. J a partir deste ponto, isto , de
x=-4 e at ao ponto x=-2 (exclusive), isto , no intervalo x -4, a
probabilidade acumulada 1/8. Ora isto s possvel se no ponto x=-4 a
probabilidade for 1/8 e da at x=-2 (exclusive) no houver nenhum ponto de
probabilidade diferente de 0.
No ponto x=-2 a probabilidade acumulada passa para 3/8; ora isso s
possvel se, nesse ponto, houver um acrscimo de probabilidade de 2/8. Repare-se
que essa probabilidade acumulada se mantm at x=0 (exclusive), o que
significa que, desde o ponto x=-2 at x=0 (exclusive), no houve nenhum ponto
com probabilidade diferente de 0.
Este raciocnio ter que ser feito para todos os outros pontos apresentados na F(x).
A funo de probabilidade f(x) vem ento:
X -4 -2 0 2 4
f(x
)
1/8 2/8 2/8 1/8 2/8
Podemos agora calcular e
2
.
+ + + 4 / 1 8 / 2 4 8 / 1 2 8 / 2 0 8 / 2 2 8 / 1 4 ) (x f x
( ) ( ) + + + + 44 , 7 4 / 1 8 / 2 4 8 / 1 2 8 / 2 0 8 / 2 2 8 / 1 4 ) (
2 2 2 2 2 2 2 2 2
x f x
7. Um dado produto pode ser classificado, consoante a sua qualidade, em 5
classes distintas: 1, 2, 3, 4 e 5. Sendo X a classe atribuda ao produto, com
funo de probabilidade:
x 1 2 3 4 5
f(x) K 2k 4k 2k k
7.1. Determinar k.
1 , 0 1 10 1 2 4 2 + + + + k k k k k k k
7.2. Qual a probabilidade de que um produto tomado ao acaso, tenha
uma classificao menor do que 4 e superior a 1?
6 0 4 0 2 0 ) 3 ( ) 2 ( 4 1 , = , + , = X= +P X= ) = P <X< P(
7.3. Calcular 1 F(2), e indicar o seu significado.
1 - F(2) = 1 0,3 = 0,7 e significa a probabilidade de, escolhendo ao acaso, obter
um produto com qualidade superior segunda (X=2).
23
8. Sendo X uma varivel aleatria discreta cuja distribuio de probabilidade
a seguinte:
x 0 1 2 3 4 5
P(X =
x)
0,100 0,300 0,400 0,100 0,050 0,050
8.1. Representar graficamente a respectiva funo de distribuio.
'
<
<
<
<
<
<
5 , 0 , 1
5 4 , 95 , 0
4 3 , 9 , 0
3 2 , 8 , 0
2 1 , 4 , 0
1 0 , 1 , 0
0 , 0
) (
x
x
x
x
x
x
x
x F

8.2. Calcular P(X < 4,5), P(X 2), P(X 2|X 4) e P(2<X<4,5).
95 , 0 ) 5 , 4 ( 5 , 4 ) ( < F X P
;
6 , 0 ) 2 ( X P
;
579 , 0
95 , 0
4 , 0 95 , 0
) 4 (
) 1 ( ) 4 (
) 4 (
) 4 2 (
) 4 | 2 (

F
F F
X P
X P
x X P
15 , 0 8 , 0 95 , 0 ) 3 ( ) 5 , 4 ( ) 5 , 4 2 ( < F F X P
9. (Gama, 2, pg. 198) Considere a seleco aleatria de 4 cartas de um
baralho de 10 cartas, com 3 copas, 2 ouros e 5 paus. Seja X a varivel
aleatria que representa o nmero de copas seleccionadas
consecutivamente. Determine:
Se se retirarem sucessivamente 4 cartas dum baralho de 10 cartas, onde existem
apenas 3 cartas de copas (C) bvio que s se podem obter, no mximo 3 cartas
de copas sendo as outras no-copas (N). Percebemos assim que a nossa varivel X
s pode assumir os valores 0, 1, 2, 3 e 4.
9.1. A funo de probabilidade de X.
Para se determinar a funo de probabilidade tem que se calcular a
probabilidade da varivel em estudo, X, assumir os valores possveis (0, 1, 2, 3 e
4).
Assim:
6 1 7 4 8 5 9 6 10 7 ) ( ) 0 ( / = / / / / = NNNN =P X= P
;
2
1
7
3
8
5
9
6
10
7
4 ) ( 4 ) ( ) ( ) ( ) ( ) 1 ( = = NNNC P = NNNC +P NNCN P NCNN +P CNNN = P X P + ;
= CCNN P = NNCC +P NCNC +P NCCN +P CNNC +P CNCN +P CCNN =P X= P ) ( 6 ) ( ) ( ) ( ) ( ) ( ) ( ) 2 (
10
3
7
6
8
7
9
2
10
3
6 = = ;
30
1
7
7
8
1
9
2
10
3
4 ) ( 4 ) ( ) ( ) ( ) ( ) 3 ( = = CCCN P = NCCC +P CNCC +P CCNC +P CCCN =P X= P .
x 0 1 2 3
f(x) 1/6 1/2 3/10 1/30
9.2. A funo de distribuio acumulada de X.
'
<
<
<
<
3 , 1
3 2 , 30 / 29
2 1 , 6 / 4
1 0 , 6 / 1
0 , 0
) (
x
x
x
x
x
x F
24
9.3. A mdia e a varincia de X.
+ + + 5 / 6 30 / 1 3 10 / 3 2 2 / 1 1 6 / 1 0 ) (x f x
( ) + + + 56 , 0 5 / 6 30 / 1 3 10 / 3 2 2 / 1 1 6 / 1 0 ) (
2 2 2 2 2 2 2 2
x f x
10. Dada a funo
'
x de valores outros
x x
x f
, 0
1 0 , -
3
4
) (
2
10.1.Mostre que se trata de uma funo densidade de probabilidade (fdp).
Para mostrar que uma fdp temos que provar que f.(x) 0 e que 1 ) (
+

dx x f .
Fazer o grfico para ver que f.(x) est sempre acima do eixo do x:
O integral
+

dx x f ) ( corresponde rea delimitada pelo eixo do x e a funo f.(x)
(linha vermelha). Vamos verificar se d 1.
1
3
) 0 (
) 0 (
3
4
3
) 1 (
) 1 (
3
4
3
3
3
4
0
3
4
0 ) (
3 3
1
0
1
0 1
2
1
1
]
1

1
1
]
1

1
1
]
1
+
,
_
+ +

+

x
x dx dx x dx f dx x f
[ ] 1
3
3
0 0
3
1
3
4
1
]
1

1
]
1

10.2.Determine F(x) e calcule P(X 0,5).
Recordemos que a funo F(x) nos permite saber qual a probabilidade
acumulada at um qualquer valor de x. Como sabemos, as probabilidades
acumuladas associadas a este tipo de funes so dadas pelas reas por elas
definidas: a probabilidade acumulada at um dado valor x corresponde rea
esquerda desse valor delimitada superiormente pela fdp e inferiormente pelo
eixo do x . O clculo das expresses capazes de nos darem essas reas so
obtidas pelos integrais da fdp at ao valor x. Este tipo de integrais em que um
dos valores de integrao um valor no definido x chama-se integral
indefinido. Por questes de melhor compreenso, nas expresses a integrar, a
varivel x ser substituda por t . Deste modo podemos ver nitidamente a
varivel t a ser substituda pela varivel x aquando do integral.
Nos intervalos onde a fdp for diferente de 0 as expresses que se vo obter
vo ter presente a varivel x que ser depois substituda pelo valor que se
quiser. Como a fdp pode estar definida por vrios ramos (expresses por
intervalos) tambm o clculo da funo de distribuio ter que ser definida
para esses mesmos ramos.
A fdp apresenta 3 ramos: de - a 0, de 0 a 1 e de 1 a +. Estes no ser os
intervalos de clculo da F(x).
[- x <0] ou [x < 0] (ver a definio da fdp porque os sinais destes intervalos
tero que respeitar os sinais da fdp).
Quando x menor que 0 (ver a fdp) a funo 0.
0 0 ) (

x x
dt dt t f
[ ] 1 0 x
25
3 3
4
3
) 0 (
) 0 (
3
4
3
) (
) (
3
4
3 3
4
3
4
0 ) (
3 3 3
0
3
0
2
x
x
x
x
t
t dt t dt dt t f
x
x x x

1
1
]
1

1
1
]
1

1
1
]
1

,
_

[ ] + <x 1
ou
1 > x
1
3
1
3
4
3
) 0 (
) 0 (
3
4
3
) 1 (
) 1 (
3
4
3 3
4
0
3
4
0 ) (
3 3 3
1
0
3
1 0
2

1
1
]
1

1
1
]
1

1
1
]
1
+

,
_

t
t dt dt t dt dt t f
x x x x
Podemos ento, escrever:
'
>

<
1 , 1
1 0 ,
3 3
4
0 , 0
) (
3
x
x
x
x
x
x F
24
15
24
1
6
4
3
5 , 0
5 , 0
3
4
) 5 , 0 ( ) 5 , 0 (
3
F x P , 0,5 est no intervalo [ ] 1 0 x
11. Sendo X o peso (g) das protenas existentes em cada embalagem de um
dado alimento, com funo de densidade de probabilidade.
( )
'
<
<
x de valores outros
x x
x x
x f
, 0
3
7
1 , 3 7
4
1
1 0 ,
) (
2
11.1.Traar o grfico de f(x).
11.2.Determinar a funo de distribuio de X.
Nesta fdp temos 4 ramos.
[ ] 0 < x
0 0 ) (

x x
dt dt t f
[ ] 1 0 x
( )
3 3
) 0 (
3
) (
3
0 ) (
3 3 3
0
3
0
2
x x t
dt t dt dt t f
x
x x x
1
1
]
1
1
1
]
1
1
1
]
1

1
]
1
<
3
7
1 x
( )
1
1
]
1
+
1
1
]
1

,
_

x
x x x
t
t
t
dt t dt t dt dt t f
1
2
1
0
3
1
1
0
2
2
3
7
4
1
3
) 3 7 (
4
1
0 ) (

,
_
,
_
+
1
1
]
1
,
_
,
_
+
1
1
]
1
,
_
,
_
8
3
4
7
8
3
4
7
3
1
2
) 1 ( 3
) 1 ( 7
4
1
2
) ( 3
) ( 7
4
1
3
) 0 (
3
) 1 (
2 3 2 3 3
x
x
x
x
,
_
+
24
25
4
7
8
3
2
x
x
1
]
1
>
3
7
x
26
( )
1
1
]
1
+
1
1
]
1
+

,
_

3 / 7
1
2
1
0
3
3 / 7
3 / 7
1
1
0
2
2
3
7
4
1
3
0 ) 3 7 (
4
1
0 ) (
t
t
t
dt dt t dt t dt dt t f
x x x

,
_
+
,
_
+
1
1
1
1
1
]
1
,
_
,
_
,
_

,
_
+
1
1
]
1
,
_
8
3
4
7
72
147
12
49
3
1
2
) 1 ( 3
) 1 ( 7
4
1
2
3
7
3
3
7
7
4
1
3
) 0 (
3
) 1 (
3
2
3 3
1
72
99
72
147
72
294
72
24
+
Podemos escrever:
'
>
< +
<
3
7
, 1
3 / 7 1 ,
24
25
4
7
8
3
1 0 ,
3
0 , 0
) ( 2
3
x
x
x x
x
x
x
x F
11.3. Calcular a probabilidade de, numa embalagem escolhida ao acaso,
o peso das protenas ser:
11.3.1. Pelo menos 0,5 g.

24
1
1
3
) 5 , 0 (
1 ) 5 , 0 ( 1 ) 5 , 0 (
3
F X P 23/24
11.3.2. No superior a 2 g.
+
24
25
4
) 2 ( 7
8
) 2 ( 3
) 2 ( ) 2 (
2
F X P 23/24
11.4.Calcular F(2) - F(0,5), indicar o seu significado e representar este valor
graficamente aproveitando o grfico traado na alnea a).
12
11
24
22
24
1
24
23
) 5 , 0 ( ) 2 ( F F
Nota: a rea correspondente alnea 11.4 aquela que est entre 1/2
e 2. A verde est P(X0,5) e a laranja F(0,5).
12. A eficincia, X, de uma enzima digestiva pode ser descrita pela funo de
densidade de probabilidade ( ) 1 0 , 3 5
4
1
) (
2
x x x f .
12.1. Calcular a probabilidade de a enzima ter uma eficincia maior do
que 50%.
( )
1
1
]
1
,
_
,
_

1
1
]
1
>
3
) 5 , 0 (
3 ) 5 , 0 ( 5
3
) 1 (
3 ) 1 ( 5
4
1
3
3 5
4
1
3 5
4
1
) 5 , 0 (
3 3
1
5 , 0
3
5 , 0
2
x
x dx x X P
x
( ) ( )
32
13
32
19
1
8
19
4
4
1
8
1
8
20
1 5
4
1

1
]
1
,
_

1
]
1
,
_

27
12.2. Calcular a mdia e a varincia da eficincia.
Mdia:
( ) ( )
1
1
]
1

+

1
0
4 2
1
0
3
1
0
2
4
3
2
5
4
1
3 5
4
1
3 5
4
1
) (
x x
dx x x dx x x dx x f x
16
7
4
3
2
5
4
1
4
) 0 ( 3
2
) 0 ( 5
4
) 1 ( 3
2
) 1 ( 5
4
1
4 2 4 2

,
_

1
1
]
1

1
1
]
1

Varincia da eficincia:
( ) ( )

+

1
0
2 4 2 2
1
0
2 2 2 2 2
3 5
4
1
3 5
4
1
) ( dx x x dx x x dx x f x

,
_
1
1
]
1
,
_
,
_

,
_
1
1
]
1

2
5 3 5 3
2
1
0
5 3
16
7
5
) 0 ( 3
3
) 0 ( 5
5
) 1 ( 3
3
) 1 ( 5
4
1
16
7
5
3
3
5
4
1 x x
075 , 0
256
49
5
3
3
5
4
1

,
_

,
_

12.3. Calcular F(0,5).
32
19
32
13
1 ) 5 , 0 ( 1 ) 5 , 0 ( > X P F
13. Sendo X uma varivel aleatria que representa a quantidade (kg)
procurada por cliente de determinado produto em certa loja, com f.d.p.
'
<
<
x de valores outros
b x
x
x a
x
x f
, 0
2 ,
36 9
2
2 ,
3
1
) (
2
13.1.Calcular a e b, sabendo que 50% dos clientes procura pelo menos 2 kg.
A informao que dada diz que 50% dos clientes consome menos de 2 kg.
Sendo b o valor mais alto, quer dizer que 50% dos clientes consome entre 2 kg e
b. Assim:

1
1
]
1

,
_
< 5 , 0
72 9
2
5 , 0
36 9
2
5 , 0 ) 2 (
2
2
2
b
b
x
x dx
x
b X P
+ +
1
1
]
1

1
1
]
1
0
72
64
72
16
72 2
1
72
28
72
16
72
5 , 0
72
) 2 (
) 2 (
9
2
72
) (
) (
9
2
2 2 2 2
b b b b b
b
8
2
16
) 1 ( 2
) 64 )( 1 ( 4 16 16
0 64 16
2
2
t
+ b b b b
Kg
Do mesmo modo a o valor mais baixo, quer dizer que 50% dos clientes
consome entre a e 2 kg. Assim:

1
]
1
,
_
,
_

1
]
1

,
_
< 5 , 0
) ( 3
1
) 2 ( 3
1
5 , 0
3
1
5 , 0
3
1
5 , 0 ) 2 (
2
2
2
a x
dx
x
X a P
a a
5 , 0 3 6
3
2
3
1
6
1
5 , 0
3
1
+ a a
a a
Kg
13.2. Calcular a probabilidade de um cliente procurar mais de 7 kg.
P(X>7) = 1 F(7) [que no podemos calcular atravs da F(x) porque no a
temos]. Ento temos que resolver pelo integral:
28
72
1
72
) 7 (
) 7 (
9
2
72
) 8 (
) 8 (
9
2
72 9
2
36 9
2
) 7 (
2 2
8
7
2
8
7

1
1
]
1
,
_
,
_

1
1
]
1

,
_
>
x
x dx
x
X P
14. (Gama, 7, pag 199) Uma varivel aleatria X tem a seguinte funo
densidade de probabilidade:
[ ]
'
>
+
x de valores outros
a c a x
x f
, 0
0 / , , 0 ,
15
1) (x 2
) (
Se esta varivel tem esta fdp quer dizer que o integral daquela funo entre 0 e
a tem que valer 1.
14.1.Determine o valor de a para o qual f(x) uma funo densidade de
probabilidade.

1
1
]
1
+
1
1
]
1
+
1
1
]
1
+

,
_
+

1
15
) 0 ( 2
30
) 0 ( 2
15
) ( 2
30
) ( 2
1
15
2
30
2
1
15
) 1 ( 2
1 ) (
2 2
0
2
0
a a x x
dx
x
f dx x f
a
a
t

t
+ +
2
8 2
) 1 ( 2
) 15 )( 1 ( 4 2 2
0 15 2 0
15
15
15
2
15
2
2
2
a a a a
a a
5 3 a a
14.2.Determine a funo de distribuio acumulada F(x).
A fdp tem 3 ramos: x < 0, 0 x 3 e x > 3.
[ ] 0 < x
0 0 0 ) (

x x
dt dt t f
[ ] 3 0 x
15
2
15 15
0 2
30
0 2
15
2
30
2
15
2
30
2
15
) 1 ( 2
) (
2 2 2
0
2
0
x x x x t t
dt
t
dt t f
x
x x
+
1
1
]
1
1
1
]
1
+
1
1
]
1

[ ] 3 > x
1
15
6
30
18
15
0 2
30
0 2
15
3 2
30
3 2
15
2
30
2
0
15
) 1 ( 2
) (
2 2
3
0
2
3 3
+
1
1
]
1
1
1
]
1
1
1
]
1

t t
dt dt
t
dt t f
x x x
Podemos ento escrever:
'
>
+
<
3 , 1
3 0 ,
15
2
15
0 , 0
) (
2
x
x
x x
x
x F
14.3.Calcule P(-3 <X 1).
5
1
15
1 2
15
1
0 ) 1 ( ) 3 ( ) 1 ( ) 1 3 (
2
,
_

+ < F F F X P
14.4.Calcule P(1 X 3 | X 2).
( )
8
5
15
8
15
5
15
8
5
1
15
8
) 2 (
) 1 ( ) 2 (
) 2 (
2 1 (
2 | 3 1
,
_

F
F F
X P
X P
X X P
15
8
15
2 2
15
2
) 2 (
2
+ F
14.5.Calcule P(2 X 4).
29
15
7
15
8
1 ) 2 ( ) 4 ( ) 4 2 ( F F X P
30
Variveis Aleatrias Bidimensionais
15. Uma caixa contm 10 bolas: 5 amarelas; 3 brancas e 2 castanhas. Fazem-se
3 tiragens com reposio. Sendo X a varivel aleatria que conta o nmero
de bolas castanhas extradas:
15.1. Construa a funo de probabilidade de X.
Construir a funo de probabilidade responder perguntaqual a
probabilidade que a varivel X tem de assumir cada um dos valores possveis?
Sendo X o nmero de bolas castanhas que se podem ter em trs tiragens com
reposio bvio que esta varivel pode assumir os valores 0, 1, 2 e 3.
Por outro lado, sempre que no sai uma bola castanha ter que sair uma bola
no-castanha e, quando se estuda apenas o nmero de bolas castanhas,
isso significa que no interessa a cor dessa bola no-castanha: podemos
assim dizer que temos bolas castanhas [C] e no-castanhas [N]. Assim:
P(ter 0 bolas castanhas) = 512 , 0
10
8
10
8
10
8
10
8
) ( ) 0 (
3

,
_
NNN P X P
384 , 0
10
8
10
8
10
2
3 ) ( ) ( ) 1 ( + NNC P CNN P X P
096 , 0
10
8
10
2
10
2
3 ) ( ) ( ) ( ) 2 ( + + NCC P CNC P CCN P X P
008 , 0
10
2
10
2
10
2
) ( ) 3 ( CCC P X P
X 0 1 2 3
f(x
)
0,512
5
0,38
4
0,09
6
0,00
8
15.2.Considere a varivel aleatria Y que conta o nmero de bolas amarelas
extradas naquela experincia aleatria e que tem a seguinte funo de
probabilidade:
Construir a funo de probabilidade conjunta de X(Castanhas) e Y(Amarelas)
construir uma tabela que responda a perguntas do tipo: qual a probabilidade
de X ser 0 e, ao mesmo tempo, Y ser 1? Para isso vamos chamar s bolas
castanhas [C], s bolas amarelas [A] e s brancas [B]. Vejamos as situaes.
Se no h Castanhas nem Amarelas temos obrigatoriamente 3 Brancas
C A B Acontecimentos Probabilidade
) 0 ; 0 ( Y X P
0 0 3
) (BBB P 027 , 0 ) 10 / 3 ( ) 10 / 3 ( ) 10 / 3 (
) 1 ; 0 ( Y X P
0 1 2
) ( ) ( ) ( BBA P BAB P ABB P + + 135 , 0 ) 10 / 3 ( ) 10 / 3 ( ) 10 / 5 ( 3
) 2 ; 0 ( Y X P
0 2 1
) ( ) ( ) ( BAA P ABA P AAB P + + 225 , 0 ) 10 / 3 ( ) 10 / 5 ( ) 10 / 5 ( 3
) 3 ; 0 ( Y X P
0 3 0
) ( AAA P 125 , 0 ) 10 / 5 ( ) 10 / 5 ( ) 10 / 5 (
) 0 ; 1 ( Y X P
1 0 2
) ( ) ( ) ( BBC P BCB P CBB P + + 054 , 0 ) 10 / 3 ( ) 10 / 3 ( ) 10 / 2 ( 3
) 1 ; 1 ( Y X P
1 1 1
) ( ) ( ) ( ) ( ) ( ) ( CBA P CAB P BCA P BAC P ACB P ABC P + + + + + 180 , 0 ) 10 / 2 ( ) 10 / 3 ( ) 10 / 5 ( 6
) 2 ; 1 ( Y X P
1 2 0
) ( ) ( ) ( AAC P ACA P CAA P + + 150 , 0 ) 10 / 5 ( ) 10 / 5 ( ) 10 / 2 ( 3
) 3 ; 1 ( Y X P
1 3 0 (4 bolas) IMPOSSIVEL 0
) 0 ; 2 ( Y X P
2 0 1
) ( ) ( ) ( BCC P CBC P CCB P + + 036 , 0 ) 10 / 3 ( ) 10 / 3 ( ) 10 / 2 ( 3
) 1 ; 2 ( Y X P
2 1 0
) ( ) ( ) ( ACC P CAC P CCA P + + 060 , 0 ) 10 / 5 ( ) 10 / 2 ( ) 10 / 2 ( 3
) 2 ; 2 ( Y X P
) 3 ; 2 ( Y X P
) 0 ; 3 ( Y X P
3 0 0
) (CCC P 008 , 0 ) 10 / 2 ( ) 10 / 2 ( ) 10 / 2 (
) 1 ; 3 ( Y X P
) 2 ; 3 ( Y X P
) 3 ; 3 ( Y X P
31
Agora j podemos construir a seguinte tabela de probabilidade conjunta:
X
0 1 2 3 f( . ,y)
Y
0 0,027 0,054 0,036 0,008 0,125
1 0,135 0,18 0,06 0 0,375
2 0,225 0,15 0 0 0,375
3 0,125 0 0 0 0,125
f(x, . ) 0,512 0,384 0,096 0,008 1
15.3.Construa a funo de probabilidade conjunta de X e Y.
Para construir a funo de distribuio conjunta de X e Y devemos ter em conta
que cada valor da mesma representa uma probabilidade acumulada para a
intercepo de dois intervalos, um para cada uma das duas variveis. Assim, e
por exemplo, quando se escreve F(2; 1) quer saber-se a probabilidade
acumulada para a ocorrncia em simultneo de valores de X menores ou iguais
a 2 e de valores de Y menores ou iguais a 1, isto , P(X 2; Y 1). Ora a funo
de distribuio conjunta tem que estar definida para qualquer par de valores de
(x ,y).
Como se sabe, estamos perante duas variveis discretas. Neste caso entre dois
valores referenciados consecutivos de cada uma variveis no h incremento de
probabilidade acumulada. Assim, cada uma das variveis pode ser tratada em
intervalos, tal como se faz com as variveis aleatrias unidimensionais, embora
se tenham depois que combinar as duas variveis.
Tomemos o quadro anterior e vejamos a que que corresponde F(2; 1). Tal
como havia sido referido, esta probabilidade corresponde a P(X 2; Y 1). No
quadro esto delimitadas a verde as clulas correspondentes aos pares de
valores (x ,y) que cumprem as condies requeridas.
X
0 1 2 3 f( ., y)
Y
0 0,027 0,054 0,036 0,008 0,125
1 0,135 0,18 0,06 0 0,375
2 0,225 0,15 0 0 0,375
3 0,125 0 0 0 0,125
f(x,.) 0,512 0,384 0,096 0,008 1
Assim:
096 , 0
10
8
10
2
10
2
3 ) ( ) ( ) ( ) 2 ( + + NCC P CNC P CCN P X P
) ;Y P(X 1 2
+ + + + + ) 1 ; 2 ( ) 0 ; 2 ( ) 1 ; 1 ( ) 0 ; 1 ( ) 1 ; 0 ( ) 0 ; 0 ( Y X P Y X P Y X P Y X P Y X P Y X P
+ + + + + 0,060 0,036 0,180 0,054 0,135 0,027 0,492 (confirmar este valor no quadro
seguinte).
Vejamos outro exemplo (clulas limitadas pelas linhas a azul):
) 2 1 ( ;Y X P
+ + + + + ) 2 ; 1 ( ) 1 ; 1 ( ) 0 ; 1 ( ) 2 ; 0 ( ) 1 ; 0 ( ) 0 ; 0 ( Y X P Y X P Y X P Y X P Y X P Y X P
+ + + + + 150 0 180 0 054 0 225 0 135 0 027 0 , , , , , , 0,771(confirmar este valor no quadro
seguinte).
X
x < 0
0 x <
1
1 x <
2
2 x <
3
x 3
Y
y < 0 0 0 0 0 0
0 y <
1
0 0,027 0,081 0,117 0,125
1 y <
2
0 0,162 0,396 0,492 0,5
2 y <
3
0 0,387 0,771 0,867 0,875
32
Y 3 0 0,512 0,896 0,992 1
15.4.Verifique se X e Y so variveis independentes.
X e Y no so independentes porque f(x,y) f(x) f(y) como se prova, por
exemplo, com P(X=1;Y=1) P(X=1) P(Y=1), isto , 0,180 0,384 0,375.
16. Num dado distrito, com trs concelhos, A, B e C, a superfcie agrcola til
constituda por solos de textura arenosa (1), mdia (2) e argilosa (3). A
funo de probabilidade conjunta, f(x,y), dada por:
X
1 2 3
Y
A
0,1
8
0,0
9
0,1
6
B
0,0
9
0,1
2
0,2
C
0,0
3
0,0
9
0,0
4
16.1.Indicar o valor de f(3,A) e explicar o seu significado.
f(3,A) = 0,16 e traduz a probabilidade de um solo ter textura argilosa e ser do
concelho A;
16.2.Calcular as funes de probabilidade marginal de X e de Y.
As funes de probabilidade marginal de X e Y correspondem aos somatrios das
colunas e das linhas, respectivamente. Traduzem a probabilidade de cada uma
das variveis assumir um dado valor independentemente dos valores que a outra
varivel assuma.
X 1 2 3 Y A B C
f(x
)
0,3 0,3 0,4
f(y
)
0,4
3
0,4
1
0,1
6
16.3.Qual o valor de f
2
(B) [ou f
y
(B)] ? O que representa?
f
2
(B) = f
y
(B) = 0,41 e traduz a percentagem de superfcie agrcola do concelho B
dentro da totalidade do distrito:
16.4. Calcular F(3, A) e indicar o seu significado.
F(3, A) = 0,18 + 0,09 + 0,16 = 0,43
16.5.Calcular P(X < 3,Y A).
P(X<3;YA) = P(X=1;Y=A) + P(X=2;Y=A) = 0,27
16.6.Qual a probabilidade de um solo ter textura mdia, sabendo que do
concelho A?
21 , 0
43 , 0
09 , 0
) (
) , 2 (
) | 2 (
A Y P
A Y X P
A P
16.7.Verifique se X e Y so variveis independentes.
X e Y no so independentes porque f(x,y) f(x) f(y) como se prova, por
exemplo, com P(X=1,Y=A) P(X=1) P(Y=A), isto , 0,18 0,30 0,43.
17. Considere o exerccio n 15 e execute-o agora com tiragens sem
reposio.
Seja A Amarela, B Branca e C Castanha. (
A
no Amarela, etc.)
17.1.
Em 3 tiragens sem reposio e com 2 bolas Castanhas presentes na caixa o
nmero de bolas Castanhas presentes nos conjuntos das 3 tiragens s pode 0, 1
ou 2.
A probabilidade de no C a soma da probabilidade de A com a de B e,
portanto:
33
10 / 8 10 / 3 10 / 5 ) ( ) ( ) ( + + B P A P C P
( ) 7/15 42/90 6/8 7/9 8/10 C C C P 0) P(X
7/15 42/90 7/8 8/9 2/10 3 C) C C P( ) C C C P( ) C C P(C 1) P(X + +
1/15 6/90 8/8 1/9 2/10 3 CC) C P( C) C P(C ) C P(CC 2) P(X + +
X 0 1 2
f(x) 7/15 7/15 1/15
17.2. Faamos agora um raciocnio semelhante quele que foi feito
anteriormente mas agora numa situao de no reposio.
Y 0 1 2 3
f(y) 1/12 5/12 5/12 1/12
C A B Acontecimentos Probabilidade
P (X=0 ; Y=0) 0 0 3
) (BBB P
120
1
8
1
9
2
10
3

P (X=0 ; Y=1) 0 1 2
) ( ) ( ) ( BBA P BAB P ABB P + +
8
1
8
2
9
3
10
5
3
P (X=0 ; Y=2) 0 2 1
) ( ) ( ) ( BAA P ABA P AAB P + +
4
1
8
3
9
4
10
5
3
P (X=0 ; Y=3) 0 3 0
) ( AAA P
12
1
8
3
9
4
10
5

P (X=1 ; Y=0) 1 0 2
) ( ) ( ) ( BBC P BCB P CBB P + +
20
1
8
2
9
3
10
2
3
P (X=1 ; Y=1) 1 1 1
) ( ) ( ) ( ) ( ) ( ) ( CBA P CAB P BCA P BAC P ACB P ABC P + + + + +
4
1
8
2
9
3
10
5
6
P (X=1 ; Y=2) 1 2 0
) ( ) ( ) ( AAC P ACA P CAA P + +
6
1
8
4
9
5
10
2
3
P (X=1 ; Y=3) 1 3 0 (4 bolas) IMPOSSVEL 0
P (X=2 ; Y=0) 2 0 1
) ( ) ( ) ( BCC P CBC P CCB P + +
40
1
8
3
9
1
10
2
3
P (X=2 ; Y=1) 2 1 0
) ( ) ( ) ( ACC P CAC P CCA P + +
24
1
8
5
9
1
10
2
3
A funo de probabilidade conjunta de X e Y vem assim:
X
0 1 2 f( . ,y)
Y
0 1/120 1/20 1/40 1/12
1 1/8 1/4 1/24 5/12
2 1/4 1/6 0 5/12
3 1/12 0 0 1/12
f(x, . ) 7/15 7/15 1/15 1
Como se pode ver as funes de probabilidade marginal de X e Y confirmam as
funes inicialmente apresentadas e calculadas nas alneas anteriores.
17.3.Esta funo de distribuio conjunta calculada como foi calculada a da
alnea 15.3.
X
x < 0 0 x <
1
1 x <
2
x 2
Y
34
y < 0 0 0 0 0
0 y <
1
0 1/120 7/120 10/120
1 y <
2
0 16/120 52/120 60/120
2 y <
3
0 46/120 102/120 110/120
y 3 0 56/120 112/120 1
17.4.X e Y no so independentes porque existe pelo menos um par (x,y) tal que,
f(x,y) f(x) f(y). Como se pode ver, por exemplo, para o par (0,3) temos
P(X=0,Y=3) P(X=0) P(Y=3), isto , 1/12 7/15 1/12.
18. Considere X e Y como duas variveis aleatrias discretas. Alguns dos
valores para a funo de probabilidade conjunta e para as funes
marginais encontram-se na tabela seguinte.
Y
1 2 3 f
x
(y)
X
1 1/12 1/12 1/3
2 1/4 1/12
3 1/12 1/6
f
x
(y) 1/3 1/6
18.1. Complete a tabela de modo a ter a funo de probabilidade
conjunta para o par aleatrio (X, Y) e as funes de probabilidade
marginais de cada uma das variveis aleatrias.
A resoluo desta alnea baseia-se no clculo das parcelas por diferena para
valores conhecidos: sabemos que a probabilidade total 1 e que esse valor a
soma das probabilidades marginais (3/6 nas ltimas coluna e linha); por sua vez
estas probabilidades marginais so a soma das respectivas linhas ou colunas.
Y
1 2 3 f
x
(y)
X
1 1/12 2/12 1/12 1/3
2 2/12 1/4 1/12 0
3 1/12 1/12 0 1/6
f
x
(y) 1/3 3/6 1/6 1
18.2.Determine a funo de Distribuio Conjunta de X-Y.
Y
y < 1 1 y <
2
2 y <
3
y 4
X
x < 0 0 0 0 0
1 x <
2
0 1/12 3/12 4/12
2 x <
3
0 3/12 8/12 10/12
x 4 0 4/12 10/12 1
18.3.Calcular P(1 X<2 , 2 Y 3).
P(1 X < 2 , 2 Y 3) = 2/12 + 1/12 = 3/12 (o X s pode ser 1 e o Y pode ser
2 ou 3)
35
FICHA 4
Distribuies Tericas Discretas
1. Dada uma moeda equilibrada e sendo X o nmero de coroas obtidas em 6
lanamentos, determinar:
Analisemos a situao exposta para vermos que tipo de distribuio temos:
6 Provas com 2 resultados possveis: face ou coroa (provas de Bernoulli);
Provas independentes pois as probabilidades de sair face [P(F)] e de sair
coroa [P(C)] mantm-se constantes ao longo das 6 tiragens;
Logo, estamos perante uma Distribuio Binomial.
p) (n, X

x n x
x
q p C
n
x) P(X
X N. de coroas em 6 lanamentos.
(6;0,5) X Bin
1.1. A probabilidade de obter 2 coroas.
234375 , 0 5 , 0 5 , 0 2) P(X
4 2
2
6
C
234375 0 0625 0 25 0 15 ) 2 ( , , , X P
Para calcular factoriais na calculadora Casio fx9860:
Escolher opo OPTN e depois STAT, depois F6 para as restantes opes e
escolher PROB e depois x!;
Posso tambm utilizar a funo nCr e por exemplo:
3
20
C , fica 20C3 e d 1140,
evitando assim as operaes com factoriais.
1.2. P (X = 3).
3125 , 0 5 , 0 5 , 0 3) P(X
3 3
3
6
C
1.3. P (X < 2).
0,10938 0,09375 0,015625 5 , 0 5 , 0 5 , 0 5 , 0 1) P(X ) 0 P(X 2) P(X
5 1
1
6 6 0
0
6
+ + + < C C
1.4. P (X > 2).
[ ] 65625 0 34375 0 1 ) 2 ( ) 1 ( ) 0 ( 1 ) 2 ( 1 ) 2 ( , , X P X P X P - X P X P + + >
1.5. P (1 < X < 3).
P (1 < X < 3) = P(X=2) = 0,234375;
1.6. A probabilidade de obter 2 ou mais faces.
Nesta alnea a pergunta feita em funo das faces. Para o resolver podemos
assumir duas alternativas: a) transformar a pergunta que est feita em funo
de faces numa pergunta em funo de coroas ou b) fazer uma mudana de
varivel de modo a defini-la directamente em funo das faces.
a) P(obter 2 ou mais faces) = P(obter 4 ou menos coroas) =
P(X 4)=P(X=0)+P(X=1)+P(X=2)+P(X=3)+P(X=4)=0,34375+0,3125+0,234
38=0,89062 ;
Coroa Face
0 6
1 5
2 4
3 3
4 2
5 1
6 0
b) Mudana de varivel:
36
Y N de faces em 6 lanamentos
Y Bin (6 ; 0,5)
P(obter 2 ou mais faces) = P(Y 2) = 1 P(Y<2) = 1 [P(Y=0) + P(Y=1)]
1.7. A probabilidade de obter menos que 4 faces.
P(obter menos que 4 faces) = P(Y<4) = P(Y=0) + P(Y=1) + P(Y=2) + P(Y=3) =
0,65625.
2. As caractersticas genticas de dois ratos adultos so tais que a
probabilidade de um filho ser albino de 0,2. Se o casal tiver seis filhos
calcular a probabilidade de:
Qual a distribuio? Temos:
6 Provas com 2 resultados possveis: albinos ou no albinos;
Provas independentes pois as probabilidades de albinos [P(A)] e de no albinos
[P(N)] mantm-se ao longo dos 6 nascimentos; logo estamos perante uma Distribuio
Binomial.
X N de ratinhos albinos em 6 nascimentos.
XBin (6; 0,2)
2.1. No haver albinos;
262144 0 8 0 2 0 ) 0 (
0 6 0
0
6
, , , C X P

2.2. Nascerem dois ou mais albinos;
[ ] ( ) 34464 , 0 8 , 0 2 , 0 262144 , 0 1 ) 1 ( ) 0 ( 1 ) 2 ( 1 ) 2 (
1 6 1
1
6
+ + <

C X P X P X P X P
2.3. No mximo 2 no serem albinos;
Repare-se que o problema agora posto salientando exactamente os ratinhos
no albinos. Uma das maneiras de resolver este problema converter as
perguntas de no albinos em albinos; outra maneira fazer uma mudana
de varivel. Vejamos esta ltima: mudana de varivel:
Y n de ratinhos NO albinos em 6 nascimentos.
YBin (6; 0,8)
+ + ) 2 ( ) 1 ( ) 0 ( ) 2 ( Y P Y P Y P Y P
+ +
4 2
2
6 5 1
1
6 6 0
0
6
2 , 0 8 , 0 2 , 0 8 , 0 2 , 0 8 , 0 C C C
01696 , 0 01536 , 0 001536 , 0 000064 , 0 + +
2.4. S haver um albino;
393216 0 8 0 2 0 ) 1 (
1 6 1
1
6
, , , C X P

2.5. Nascerem no mximo 3 albinos.
+ + + ) 3 ( ) 2 ( ) 1 ( ) 0 ( ) 3 ( X P X P X P X P X P
98304 , 0 08192 , 0 24576 , 0 393216 , 0 262144 , 0 + + +
CA:
262144 0 8 0 2 0 ) 0 (
0 6 0
0
6
, , , C X P

393216 0 8 0 2 0 ) 1 (
1 6 1
1
6
, , , C X P

24576 0 8 0 2 0 ) 2 (
2 6 2
2
6
, , , C X P

08192 , 0 8 0 2 0 3 ) 3 (
3 6 3 6

, , C X P
3. O sistema de previso para uma dada doena que depende das condies
de humidade, numa determinada cultura tal que, um dia hmido aquele
em que ocorre precipitao superior ou igual a 4 mm. A precipitao
37
independente de dia para dia e o quadro seguinte d a probabilidade de
precipitao de x mm na poca de desenvolvimento da doena:
0 x < 1 x < 2 x < 3 x < 4 x < 5 x < x
f(x) 0,05 0,2 0,2 0,2 0,15 0,15 0,05
Calcular a probabilidade de, nesse perodo:
3.1. Ocorrer um dia hmido?
35 , 0 05 , 0 15 , 0 15 , 0 ) 4 ( ) ( + + X P H P
3.2. Ocorrerem sucessivamente 3 dias hmidos?
Y N dias hmidos em 3 dias;
) 35 , 0 ; 3 ( Bin Y
042875 0 65 0 35 0 ) 3 (
3 3 3
3
3
, , , C Y P

3.3. Haver pelo menos 2 dias hmidos numa semana?
Z N dias hmidos em 7 dias;
) 35 , 0 ; 7 ( Bin Z
[ ] ( ) + +
1 7 1
1
7 0 7 0
0
7
65 , 0 35 , 0 65 , 0 35 , 0 1 ) 1 ( ) 0 ( 1 2) P(Z C C Z P Z P
7662014391 , 0 ) 184776282 , 0 1 0490222789 , 0 ( 1 +
4. Uma mquina de empacotar fatias de presunto produz em mdia, 5
embalagens defeituosas em 100.
Ter ateno que, embora sejam tiragens sem reposio, e teoricamente fosse uma
Distribuio Hipergeomtrica, no temos o N (dimenso da populao) sendo fcil
de supor que N>105 (apresentao 5, diapositivo 33). Assim vamos usar, por
aproximao, a Distribuio Binomial:
4.1. Em cinco embalagens extradas ao acaso qual a probabilidade de:
X N de embalagens no defeituosas em 5.
) 95 , 0 ; 5 ( Bin X
4.1.1. Pelo menos uma ser no defeituosa?
( ) 9999997 0 0000003 0 1 05 0 95 0 1 ) 0 ( 1 ) 1 (
0 5 0
0
5
, , , , C X P X P

4.1.2. Duas serem defeituosas?
Y N de embalagens defeituosas em 5.
) 05 , 0 ; 5 ( Bin Y
021434375 0 95 0 05 0 ) 2 (
2 5 2
2
5
, , , C Y P

4.1.3. Uma, quando muito, ser no defeituosa?
00003 , 0 05 , 0 95 , 0 05 , 0 95 , 0 ) 1 ( ) 0 ( ) 1 ( P
1 5 1
1
5 0 5 0
0
5
+ +

C C X P X P X
4.2. Quantas embalagens devero ser analisadas para que a probabilidade
de ocorrer pelo menos uma embalagem defeituosa seja superior a 0,5?
> > ) 5 , 0 ( log 95 , 0 1 95 , 0 05 , 0 1 ) 0 ( 1 ) 1 ( P
95 , 0
0
0
n n C X P Y
n n n
14 5 , 13 > n n
CA:
51 , 13
) 95 , 0 log(
) 5 , 0 log(
) 5 , 0 ( log ) 5 , 0 ( log
95 , 0 95 , 0
x
4.3. Em 50 embalagens extradas ao acaso qual o valor esperado de
embalagens defeituosas e qual o seu desvio padro?
5 , 2 05 , 0 50 p n
;
38
541 , 1 375 , 2 95 , 0 05 , 0 50 q p n
5. Um estudo encomendado por uma empresa permitiu apurar que
aproximadamente 60% dos seus trabalhadores mantinham uma atitude
cooperativa face empresa, 30% uma atitude hostil e 10% uma atitude no
definida.
5.1. Qual a probabilidade de num grupo de 12 trabalhadores:
Este exerccio resolvido com a Distribuio Binomial ou com a Distribuio
Multinomial, dependendo das alneas.
5.1.1.Pelo menos 6 adoptarem uma atitude hostil face empresa?
Binomial As provas tm 2 resultados possveis: hostis e no hostis;
X N de colaboradores hostis numa amostra de 12;
) 3 , 0 ; 12 ( Bin X
+ + + + + + ) 12 ( ) 11 ( ) 10 ( ) 9 ( ) 8 ( ) 7 ( ) 6 ( ) 6 ( X P X P X P X P X P X P X P X P
1178487389 , 0
CA:
1178487389 , 0 7 , 0 3 , 0 ... 7 , 0 3 , 0
12 12 12
12
12 6 12 6
6
12
+ +

C C
5.1.2. No mnimo 2 terem uma atitude bem definida?
Binomial as provas tm 2 resultados possveis: com atitude bem
definida (hostis e cooperativos) e com atitude no definida;
Y n de colaboradores com atitude bem definida numa amostra de 12;
) 9 , 0 ; 12 ( Bin Y
[ ] ( ) + +
11 1
1
12 12 0
0
12
1 0 9 0 1 0 9 0 1 ) 1 ( ) 0 ( 1 ) 2 ( , , C , , C Y P Y P Y P
1 98 0,99999999
5.1.3. Qual o nmero esperado de trabalhadores com atitude hostil?
6 , 3 30 , 0 12 p n
5.1.4. 6 terem uma atitude hostil, 4 cooperativa e 2 no definida.
Multinomial as provas tm 3 resultados possveis: atitude hostil,
cooperativa e no definida;
X
1
n de trabalhadores com atitude cooperativa numa amostra de 12;
X
2
n de trabalhadores com atitude hostil numa amostra de 12;
X
3
n de trabalhadores com atitude no definida numa amostra de 12;
p
1
= 0,6; p
2
= 0,3; p
3
= 0,1;
( )

2 6 4
3 2 1
1 , 0 3 , 0 6 , 0
! 2 ! 6 ! 4
! 12
2 ; 6 ; 4 X X X P
013 , 0 01 , 0 00073 , 0 13 , 0 860 . 13
Na calculadora 12!, calcula-se digitando 12, OPTN, seleccionar PROB e
depois x!
5.1.5. 3 terem uma atitude hostil e 4 cooperativa.
X
1
X
2
X
3
p
1
= 0,6; p
2
= 0,3; p
3
= 0,1;
( )

5 3 4
3 2 1
1 , 0 3 , 0 6 , 0
! 5 ! 3 ! 4
! 12
5 ; 3 ; 4 X X X P
0097 , 0 00001 , 0 027 , 0 13 , 0 720 . 27
39
5.2. Qual probabilidade de, num grupo de 20 trabalhadores, 10 terem
atitude cooperativa e 6 hostil?
Y
1
Y
2
Y
3
p
1
= 0,6; p
2
= 0,3; p
3
= 0,1;
( )

4 6 10
3 2 1
1 , 0 3 , 0 6 , 0
! 4 ! 6 ! 10
! 20
4 ; 6 ; 10 Y Y Y P
2 0171024322 , 0 0001 , 0 00073 , 0 006 , 0 760 . 798 . 38
6. Uma urna contm 14 bolas e em cada uma delas est registado um
nmero. Seis dessas bolas apresentam um nmero positivo e oito, um nmero
negativo. Retirou--se uma amostra de quatro bolas dessa urna e
multiplicaram-se os respectivos nmeros. Qual a probabilidade de o produto
assim obtido ser positiva?
O produto de 4 bolas s ser negativo se houver nmero mpar de bolas
negativas.
X N de bolas com valor negativo inscrito
) 4 ; 8 ; 14 ( H X
X pode tomar valores entre 0 e 4 (inclusive). Destes so mpares o 1 e o 3.
Assim, a probabilidade do produto ser positivo :
P(produto ser positivo) = 1 P(produto ser negativo) =
[ ] 0,5045 0,4955 1 1 ) 3 ( ) 1 ( 1
4
14
1
6
3
8
4
14
3
6
1
8

,
_
+
C
C C
C
C C
X P X P
7. Estima-se que do total das declaraes de Imposto Sobre Rendimento de
Pessoas Colectivas, 40% esto correctamente preenchidas, 30% contm erros
favorecendo apenas os contribuintes, 10% erros favorecendo apenas o Estado
e as restantes os dois tipos de erro.
7.1. Se forem seleccionada 10 declaraes para auditoria, qual a
probabilidade de se encontrarem:
Este exerccio resolvido com a Distribuio Binomial ou com a Distribuio
Multinomial, dependendo das alneas.
7.1.1. 6 correctamente preenchidas?
Binomial as provas tm 2 resultados possveis: correctamente
preenchidas e com erros;
X N de declaraes correctamente preenchidas numa amostra de 10;
) 4 , 0 ; 10 ( Bin X
[ ]
111476736 , 0 6 , 0 4 , 0
! 6 )! 6 10 (
! 10
6 , 0 4 , 0 ) 6 (
4 6 4 6
6
10

C X P
7.1.2. 2 com erros?
Binomial as provas tm 2 resultados possveis: com erros e
correctamente preenchidas;
Y N de declaraes com erros numa amostra de 10;
) 6 , 0 ; 10 ( Bin Y
010616832 , 0 4 , 0 6 , 0 ) 2 (
8 2
2
10
C Y P
7.1.3. 4 correctamente preenchidas, 2 com erros a apenas favor do
contribuinte e 1 com erros apenas a favor do Estado?
Multinomial as provas tm 4 resultados possveis: declaraes
correctamente preenchidas, com erros exclusivamente a favor do
40
contribuinte, com erros favorecendo apenas o Estado e com os 2 tipos
de erros;
X
1
n de declaraes correctamente preenchidas numa amostra de 10;
X
2
n de declaraes com erros exclusivamente a favor do contribuinte
numa amostra de 10;
X
3
n de declaraes com erros favorecendo apenas o Estado numa
amostra de 10;
X
4
n de declaraes com os 2 tipos de erros numa amostra de 10;
p
1
= 0,4; p
2
= 0,3; p
3
= 0,1; p
4
= 0,2;
( )

3 1 2 4
4 3 2 1
2 , 0 1 , 0 3 , 0 4 , 0
! 3 ! 1 ! 2 ! 4
! 10
3 ; 1 ; 2 ; 4 X X X X P
02322432 , 0 008 , 0 1 , 0 09 , 0 0256 , 0 600 . 12
7.2. Em 10 declaraes qual o nmero esperado de declaraes com erros
apenas a favor do contribuinte?
O nmero esperado a mdia. Tal como a pergunta est feita temos
declaraes com erros a favor do contribuinte versus as outras situaes pelo
que estamos perante uma distribuio Binomial. Assim:
3 30 , 0 10 p n
8. Dum lote de 100 peas, das quais 20 so defeituosas, escolheu-se ao acaso
uma amostra de 10. Qual a probabilidade de nessa amostra:
As provas tm 2 resultados possveis: defeituosas e no defeituosas; e so
retiradas sem reposio (amostra) o que faz com que sejam provas no
independentes. Como o valor da populao donde retirada a amostra conhecido
pode calcular-se atravs da Distribuio Hipergeomtrica.
X N de artigos defeituosos numa amostra de 10;
) 10 ; 20 ; 100 ( H H
8.1. Haver 3 defeituosas?
2092080852 , 0 ) 3 (
10
100
7
80
3
20

C
C C
X P
8.2. Haver 5 defeituosas?
6 0215314699 , 0 ) 5 (
10
100
5
80
5
20

C
C C
X P
9. Um vendedor tem 20 artigos dos quais apenas 16 esto de acordo com as
especificaes do comprador. Esse comprador examina sempre 20% dos
artigos de cada lote apresentado pelo vendedor.
O vendedor tem duas opes:
Vender os artigos num nico lote;
Vender os artigos em 2 lotes de 10 artigos cada um, distribuindo os
artigos bons igualmente pelos 2 lotes.
O comprador rejeita o lote se na amostra examinada encontrar um ou mais
artigos sem as especificaes.
As provas tm 2 resultados possveis: defeituosas e no defeituosas; cada prova
retirada sem reposio o que faz com que sejam provas no independentes.
Como o valor da populao donde retirada a amostra conhecido pode calcular-se
atravs da Distribuio Hipergeomtrica.
9.1. Qual a probabilidade de o vendedor conseguir vender os 20 artigos na
1 opo?
X N de artigos defeituosos numa amostra de 4;
) 4 ; 4 ; 20 ( H X
41
P(vender lote de 20 peas) = 3756449948 , 0 ) 0 (
4
20
4
16
0
4

C
C C
X P
9.2. Qual a melhor opo para o comprador?
Nesta opo, para se venderem os dois lotes necessrio vender um e vender o
outro, ou seja, em ambos os lotes necessrio que no se encontrem nenhumas
peas defeituosas. Neste caso cada lote passou a ter 10 peas das quais agora 2
so defeituosas.
Y N de artigos defeituosos numa amostra de 2;
) 2 ; 2 ; 10 ( H Y
P(vender as 20 peas) = P(vender um lote de 10 peas e vender o outro lote de
10 peas) =
3871604938 , 0 6222222222 . 0 6222222222 . 0 ) 0 ( ) 0 (
2
10
2
8
0
2
2
10
2
8
0
2

C
C C
C
C C
Y P Y P
Do ponto de vista do vendedor melhor a segunda opo (maior probabilidade
de conseguir vender) e, por oposio, a melhor opo para o comprador a 1
[do seu ponto de vista ele querer rejeitar o(s) lote(s)].
10. A varivel X tem distribuio binomial, com parmetros n e p. Sabendo que
=5 e
2
= 4, determinar n e p.
Temos neste caso duas incgnitas, n e p, que se relacionam atravs de outras duas
expresses: a da mdia e a da varincia cujos valores so fornecidos. Assim
podemos escrever:
'
'
'
'
'

1 5 4 5 5 4 ) 1 ( / 5 4 ) 1 (
/ 5
4
5
p p p p p p p n
p n
q p n
p n
'
2 , 0
25 2 , 0 / 5
p
n
, ento: n = 25 e p = 0,2
11. A distribuio de falhas em contraplacado de madeira apresenta em mdia
uma falha em 50 dm
2
. Qual a probabilidade de que numa poro de
contraplacado de dimenso 4 8 dm
2
:
-nos dado o valor mdio de falhas para 50 dm
2
: 1
1
falha/50 dm
2
.
Temos que obter o novo
2
para 4 8 = 32 dm
2
, para o efeito utilizamos a regra de
3 simples:
falhas x
dm xfalhas
dm falha
64 , 0 50 / 32
32
50 1
3
3

64 , 0
2
Falhas/32 dm
2
(resulta da regra de 3 simples anterior)
X N de falhas por 32 dm
2
XPo(0,64)
11.1. No haja nenhuma falha.
527 , 0
! 0
64 , 0
) 0 (
0 64 , 0
e
X P
11.2. Haja, quando muito, uma falha.
864 , 0
! 1
64 , 0
! 0
64 , 0
) 1 ( ) 0 ( ) 1 (
1 64 , 0 0 64 , 0
+ +

e e
X P X P X P
12. A mquina 1 produz por dia o dobro das peas que so produzidas pela
mquina 2. No entanto, 6% das peas fabricados pela mquina 1 tendem a ser
defeituosas, enquanto somente 3% o tendem a ser na mquina 2.
42
12.1. Qual a probabilidade, de num lote de 10 peas extradas ao acaso da
produo total:
As provas tm 2 resultados possveis: defeituosas e no defeituosas; e so
retiradas sem reposio (amostra) o que faz com que as provas no sejam
independentes. Como o valor da populao donde retirada a amostra no
conhecido (no se pode calcular atravs da Distribuio Hipergeomtrica) e se
supe que a dimenso da populao seja muito maior que 10 vezes a dimenso
da amostra vamos calcular atravs da Distribuio Binomial (por aproximao).
3
2
) 1 ( P e
3
1
) 2 ( P (resoluo por sistema)
06 , 0 ) 1 | ( D P
e
03 , 0 ) 2 | ( D P
ento pelo teorema da probabilidade total:
05 , 0 03 , 0
3
1
06 , 0
3
2
) ( + D P
X N de peas defeituosas numa amostra de 10;
) 05 , 0 ; 10 ( Bin X

12.1.1. Haver 2 peas defeituosas?

075 , 0 95 , 0 05 , 0 ) 2 (
7 2
2
10
C X P
12.1.2. Haver entre 2 e 5 (inclusive) peas defeituosas?
+ + ) 5 ( ) 3 ( ) 2 ( ) 5 2 ( X P X P X P X P
086 , 0 95 , 0 05 , 0 ... 95 , 0 05 , 0
5 5
5
10 7 2
2
10
+ + C C
12.2. Qual o nmero esperado de peas defeituosas num lote de 100?
5 05 , 0 100
12.3. Atendendo capacidade das mquinas colhe-se diariamente uma
amostra de 4 peas da mquina 1 e uma amostra de 8 da mquina 2.
Calcular a probabilidade de haver 2 peas com defeito no conjunto das
duas amostras.
As 2 peas defeituosas no conjunto das 12 peas [4 da mquina 1 (M
1
) e 8 da
mquina 2 (M
2
)] podem ser obtidas de trs modos diferentes:
M M Tot
2 0 2
1 1 2
0 2 2
Para calcular a probabilidade de ter 2 peas defeituosas h que calcular a
probabilidade de cada uma das situaes apresentadas anteriormente. Cada
uma delas calculada como sendo o produto das duas situaes que lhe do
origem, isto , por exemplo e para o primeiro caso, a probabilidade de, na
amostra proveniente de M
1
, termos 2 peas defeituosas e na amostra M
2
ter 0
peas defeituosa.
Vamos definir as variveis necessrias e calculemos as 3 situaes:
X
1
n de peas definidas na amostra de 4 peas proveniente de M
1
;
) 06 , 0 ; 4 ( Bin X

X
2
n de peas definidas na amostra de 8 peas proveniente de M
2
;
) 03 , 8 ; 4 ( Bin X

M
1
M
2
019 , 0 94 , 0 06 , 0 ) 2 (
2 2
2
4
1
C X P 784 , 0 97 , 0 03 , 0 ) 0 (
4 0
0
8
2
C X P
199 , 0 94 , 0 06 , 0 ) 1 (
3 1
1
4
1
C X P 194 , 0 97 , 0 03 , 0 ) 1 (
5 1
1
8
2
C X P
781 , 0 94 , 0 06 , 0 ) 0 (
4 0
0
4
1
C X P 02 , 0 97 , 0 03 , 0 ) 2 (
2 2
2
8
2
C X P
43
P(ter 2 peas defeituosas nas 12 peas) =
07 , 0 02 , 0 781 , 0 194 , 0 199 , 0 784 , 0 019 , 0 + +
12.4. As peas so vendidas em embalagens de 20, garantindo o fabricante
que 90% so de boa qualidade. Calcular a probabilidade dessa
garantia ser violada.
Garantir que 90% de 20 so de qualidade dizer que 18 so de certeza boas e
que, no mximo, 2 podero ser defeituosas. Violar a garantia ser ter mais de 2
defeituosas nas embalagens de 20.
Z N de peas defeituosas numa embalagem de 20;
) 05 , 0 ; 20 ( Bin Z
[ ] + + ) 2 ( ) 1 ( ) 0 ( 1 ) 2 ( Z P Z P Z P Z P
[ ] 0755 , 0 9245 , 0 1 95 , 0 05 , 0 95 , 0 05 , 0 95 , 0 05 , 0 1
18 2
2
20 19 1
1
20 20 0
0
20
+ + C C C
13. Um PBX recebe em mdia 60 chamadas telefnicas por hora. Calcular:
X N. de chamadas telefnicas por hora num PBX
1
= 60 chamadas/hora ou 60 chamadas/60 minutos
13.1. A probabilidade de ser recebida apenas 1 chamada durante um
perodo de 1 minuto.
Converter o
1 chamada /1 minuto
XPo(1)
3678794412 , 0
! 1
1
) 1 (
1 1
e
X P
13.2. A probabilidade de serem recebidas pelo menos 3 chamadas num
intervalo de 5 minutos.
Converter o
5 chamadas/5 minutos
) 5 (
0
P X
[ ]
,
_
+ +

! 2
5
! 1
5
! 0
5
1 ) 2 ( ) 1 ( ) 0 ( 1 ) 3 (
2 5 1 5 0 5
e e e
Y P Y P Y P X P
8753479805 , 0 1246520195 , 0 1
13.3. Qual o nmero esperado de chamadas em 10 minutos? E numa hora?
10
10
chamadas; 60
h
chamadas.
14. Suponha que um livro de 585 pginas contm 43 erros tipogrficos. Se
esses erros estiverem aleatoriamente distribudos pelo livro, qual a
probabilidade de:
14.1. Uma pgina qualquer no ter erros?
X N de erros numa pgina.
43
1
erros/585 pginas = 0,074 erros/pgina
) 074 , 0 (
0
P X
929 , 0
! 0
074 , 0
) 0 (
0 074 , 0
e
X P
14.2. Onze pginas escolhidas ao acaso no terem erros?
Esta pergunta ser resolvida no captulo seguinte quando se tratar da matria
Aproximao da Poisson Normal.
44
15. Admite-se que 5% da produo de certa fbrica apresenta defeitos. Numa
encomenda de 100 unidades, qual a probabilidade de se encontrarem:
X N. de peas defeituosas numa encomenda de 100 unidades;
) 05 , 0 ; 100 ( Bin X
15.1. Duas peas defeituosas?
6 0811817718 , 0 95 , 0 05 , 0 ) 2 (
98 2
2
100
C X P
15.2. No mximo 2 peas defeituosas?
+ + ) 2 ( ) 1 ( ) 0 ( ) 2 ( X P X P X P X P
1182629812 , 0 6 0811817718 , 0 95 , 0 05 , 0 95 , 0 05 , 0
99 1
1
100 100 0
0
100
+ + C C
16. Numa fbrica o nmero de acidentes por semana segue uma lei de
Poisson com parmetro igual a 2. Calcular a probabilidade de:
16.1. Numa semana haver pelo menos um acidente.
X N de acidentes por semana;
2
1
acidentes/semana
) 2 (
0
P X
8646647168 , 0 1353352832 , 0 1
! 0
2
1 ) 0 ( 1 ) 1 (
0 2

e
X P X P
16.2. Numa semana haver pelo menos um acidente, sabendo-se que na
semana anterior no se tinha registado nenhum.
O mesmo da alnea anterior uma vez que na Distribuio de Poisson os
acontecimentos so independentes e, portanto, acontecimentos passados no
influencia acontecimentos futuros.
16.3. Em 2 semanas se verificarem 4 acidentes.
Y N de acidentes em 2 semanas;
4 2 2
2
acidentes/semana
) 4 (
0
P X
1953668148 , 0
! 4
4
) 4 (
4 4
e
Y P
16.4. Numa semana haver 2 acidentes e na semana seguinte outros 2.
2
2
acidentes/semana
P(2 acidentes numa semana e 2 acidentes na semana seguinte) =
5 0732625555 , 0 2706705665 , 0
! 2
2
! 2
2
) 2 ( ) 2 (
2
2 2 2 2

e e
X P X P
17. O nmero de rebuados de chocolate contidos numa embalagem de 250g
de certa marca segue distribuio de Poisson. Sabendo que a probabilidade
de uma embalagem desse tipo conter pelo menos 1 rebuado superior a
0,8, calcular:
17.1. O valor mnimo que a mdia da distribuio pode tomar.
X N de rebuados em 250g;
) (
0
P X
<
< > >
2 , 0
! 0
2 , 0 ) 0 ( 8 , 0 ) 0 ( 1 8 , 0 ) 1 (
0
e
X P X P X P
609437912 , 1 ) 2 , 0 ln( 2 , 0 > > <

e rebuados/250g
45 4
-z>0
17.2. Tomando esse valor mdio, calcular a probabilidade de, numa
embalagem de 500 g, existirem exatamente 8 rebuados de chocolate.
218875825 , 3 609437912 , 1 2 rebuados/500g
X N de rebuados em 500g;
) 218875825 , 3 (
0
P X
5 0114333435 , 0
! 8
218875825 , 3
) 8 (
8 218875825 , 3
e
X P
18. Sabe-se que a probabilidade de determinada mquina automtica
necessitar de ser afinada em cada perodo de trabalho de 30 minutos 0,05.
Determinar:
X N de afinaes da mquina em cada 30 min.
P(mquina ser afinada em cada 30 min) = 0,05 P(mquina NO ser afinada em
cada 30 min) =

95 , 0 95 , 0
! 0
95 , 0 ) 0 ( 95 , 0 05 , 0 1
0
e
e
X P
9 0512932943 , 0 ) 95 , 0 ln(
min 30

) 9 0512932943 , 0 (
0
P X
18.1. A mdia do nmero de afinaes numa semana em que a mquina
trabalha 20 horas.
Regra de 3 simples: se em 30 min so 0,05129329439 em 20 h so 40 vezes
mais;
051731776 . 2 9 0512932943 , 0 40
20

h
18.2. A probabilidade de, em 8 horas de trabalho, se verificar pelo menos 1

afinao e a de se verificarem 2 a 5 afinaes.
Y N de afinaes da mquina em cada 8 horas;
8206927102 , 0 9 0512932943 , 0 16
8

h
5598733313 , 0 4401266687 , 0 1
! 0
8206927102 , 0
1 ) 0 ( 1 ) 1 (
0 8206927102 , 0

e
Y P Y P
199 , 0 ) 5 ( ... ) 2 ( ) 5 2 ( + + > Y P Y P Y P
19. Uma remessa de 20 barras de ao aceite pelo comprador se numa
amostra de 5 escolhidas simultaneamente e ao acaso no houver mais que
uma defeituosa. Qual a probabilidade de ser aceite um lote que contm 4
barras defeituosas?
X N de peas defeituosas numa remessa de 20 barras;
) 5 ; 4 ; 20 ( H X
751 , 0 ) 1 ( ) 0 ( ) 1 (
5
20
4
16
1
4
5
20
5
16
0
4
+
C
C C
C
C C
X P X P X P
20. Um exame constitudo por 15 questes, cada uma com cinco alternativas
de resposta, em que apenas uma correta. Supondo que um estudante
responde s questes aleatoriamente, qual a probabilidade de acertar 10
questes.
X N de respostas corretas em 15 perguntas de escolha mltipla;
) 2 , 0 ; 15 ( Bin X
0001008 , 0 8 , 0 2 , 0 ) 10 (
5 10
10
15
C X P
[Comentrio: concluiu-se que no vale a pena apostar neste mtodo]
46 4
-z>0
FICHA 5
Distribuies Tericas Contnuas
A Distribuio Normal tem 2 parmetros: um deles a mdia (
) e o outro ,
segundo os autores, a varincia (
2
) ou o desvio padro (
). No contexto
destes exerccios assumiu-se a varincia como segundo parmetro da
Distribuio Normal.
1. O montante de depsitos ordem efetuados diariamente numa agncia
bancria uma varivel aleatria com distribuio normal de mdia 120 um
e varincia 64 um
2
. Determine a percentagem de dias em que o montante
de depsitos ordem efetuados diariamente:
A maior parte deste tipo de problemas obedece a um esquema mental que o
seguinte: a partir de x determinar z, fazer as transformaes necessrias para
contornar as limitaes da tabela (apresentao 6, diapositivos 16 a 19) e consultar a
tabela.
x == z == tabela
X Montante de depsitos ordem efetuados diariamente numa agncia bancria;
) 64 ; 120 ( N X
1.1. inferior a 135 um;
96995 , 0 ) 875 , 1 ( ) 135 ( < < Z P X P
CA: 875 , 1
8
120 135
x
z , verificando na tabela da Funo Distribuio
Cumulativa da Normal Reduzida,
8 , 1
(na coluna vertical) e
08 , 0 075 , 0
(na
horizontal), o valor encontrado :
96995 , 0
.
1.2. inferior a 105 um;
< < ) 875 , 1 ( ) 105 ( Z P X P
CA: 875 , 1
8
120 105
x
z , ento:
) 88 , 1 ( 1 ) 875 , 1 ( 1 ) 875 , 1 ( < < > Z P Z P Z P
, verificando na tabela da Funo
Distribuio Cumulativa da Normal Reduzida,
8 , 1
(na coluna vertical) e
08 , 0 075 , 0
(na horizontal), o valor encontrado :
96995 , 0
. Ento:
03 , 0 03005 , 0 96995 , 0 1
1.3. Se situa entre 105 e 135 um;
94 , 0 9399 , 0 03005 , 0 96995 , 0 ) 105 ( ) 135 ( ) 135 105 ( < > < X P X P X P
1.4. Determine o montante de depsitos ordem efetuados diariamente,
acima do qual se situam 90% dos dias.
Aqui a pergunta : qual o montante?, isto , qual o valor do x?. Ora esta
pergunta inverte o esquema mental apresentado em 1.1. Neste caso, temos que
partir da tabela (atravs do valor da percentagem dada), determinar o z e depois,
a partir dele, o x. Saliente-se que a partir da expresso que converte o x em z, e
conhecendo 3 das suas 4 componentes, podemos sempre determinar aquela que
estiver em falta.
47 4
-z>0
Se z<0,
ento:
-z>0
< > > 90 , 0 ( 90 , 0 ( 90 , 0 ) (
1
z Z P z Z P x X P , na tabela procuramos o valor
mais prximo da probabilidade 0,90, e tiramos o respetivo z.
77 , 109 28 , 1 28 , 1
1
x z z
2. Determinado produto comercializado em embalagens cujo rtulo indica 1
kg. O peso das embalagens segue distribuio normal, com mdia igual a 1
kg e varincia igual a 0,01 kg
2
. Calcular a probabilidade de uma embalagem
ter peso:
X Peso das embalagens de um determinado produto
) 01 , 0 ; 1 ( N X
2.1. Superior a 1,121 kg.
> > ) 21 , 1 ( ) 121 , 1 ( Z P X P
CA:
21 , 1
01 , 0
1 121 , 1
x
z
, ento: Verificando na tabela
2 1 , 1
, o valor encontrado
:
88686 , 0
, e:
11314 , 0 88686 , 0 1 ) 21 , 1 ( 1 Z P
2.2. Entre 0,879 kg e 1,121 kg. Represente graficamente a probabilidade
obtida.
< < < < ) 21 , 1 ( ) 21 , 1 ( ) 879 , 0 ( ) 121 , 1 ( ) 121 , 1 ) 879 , 0 ( Z P Z P P X P X P
77372 , 0 ) 88686 , 0 1 ( 88686 , 0
2.3. Algum comprou uma pack de 10 embalagens. Qual a probabilidade de
nesse pack ter 3 embalagens com peso superior a 1 kg?
Y N de embalagens com peso superior a 1kg num pack de 10;
) 5 , 0 ; 10 ( Bin Y
(o 2 parmetro da Binomial a probabilidade do sucesso, neste
caso, ter peso superior a 1kg. Sendo X a respectiva varivel e 1kg a sua mdia,
ter peso superior a 1kg , obviamente, 0,5)
1171875 , 0 5 , 0 5 , 0 ) 3 (
7 3
3
15
C Y P
2.4. O vendedor multado quando uma inspeco detecta, numa amostra
de 5 embalagens escolhidas ao acaso, 2 ou mais com peso inferior a
0,975 kg. Qual a probabilidade de o vendedor ser multado quando o seu
stock for inspeccionado?
W N de embalagens com peso inferior a 0,975kg numa amostra de 5;
Tal como na alnea anterior estamos perante uma Binomial. Neste caso a
probabilidade do sucesso (p) ter embalagens com peso inferior a 0,975kg. Para
determinar p temos que recorrer Distribuio Normal e calcular:
) 25 , 0 ( ) 25 , 0 ( ) 25 , 0 ( ) 975 , 0 ( > < < < Z P Z P Z P X P
CA:
25 , 0
01 , 0
1 975 , 0

x
z
Ento: Verificando na tabela
25 , 0
, o valor encontrado :
59871 , 0
, e:
40129 , 0 59871 , 0 1 ) 25 , 0 ( 1 Z P
Agora sim, podemos regressar nossa Binomial:
) 40129 , 0 ; 5 ( Bin W
[ ] + ) 1 ( ) 0 ( 1 ) 2 ( W P W P W P
( ) 6652655204 , 0 3347344796 , 0 1 59871 , 0 40129 , 0 59871 , 0 40129 , 0 1
4 1
1
5 5 0
0
5
+ C C
3. Uma populao de gastrpodes marinhos apresenta um comprimento de
concha que segue distribuio normal, com mdia de 7 mm e varincia igual
a 2 mm
2
. Que proporo da populao ter conchas com comprimento:
X comprimento da concha de uma populao de gastrpodes marinhos;
48
) 2 ; 7 ( N X
3.1. Menor que 9 mm?
< ) 9 ( X P
CA:
414213562 , 1
2
7 9
x
z
Ento: Verificando na tabela
4 1 , 1
, o valor encontrado :
92073 , 0
, e:
92073 , 0 ) 41 , 1 ( < Z P
3.2. Entre 5 e 9 mm?
84146 , 0 ) 92073 , 0 1 ( 92073 , 0 ) 41 , 1 ( 92073 , 0 ) 5 ( ) 9 ( ) 9 5 ( < < < Z P X P X P X P
3.3. Menor que 5 mm?
07927 , 0 92073 , 0 1 ) 41 , 1 ( ) 41 , 1 ( ) 5 ( > < < Z P Z P X P
3.4. Entre 6 e 9 mm?
< < < ) 71 , 0 ( 92073 , 0 ) 6 ( ) 9 ( ) 9 6 ( Z P X P X P X P
CA:
) 6 ( X P
7071067812 , 0
2
7 6

x
z
, verificando na tabela 71 , 0 , : 76115 , 0
Ento:
682 , 0 68188 , 0 ) 76115 , 0 1 ( 92073 , 0
4. O tempo de desenvolvimento do fungo A, em laranjas mantidas a uma
temperatura de 20 C, normalmente distribudo com mdia de 7 dias e
varincia de 4 dias
2
. mesma temperatura, o tempo de desenvolvimento do
fungo B segue distribuio normal com uma mdia de 10 dias e uma
varincia de 2 dias
2
. Se uma laranja contaminada com esporos dos dois
fungos se mantiver durante 9 dias a 20 C qual a probabilidade de:
X Tempo de desenvolvimento do fungo A com
) 4 ; 7 ( N X
Y Tempo de desenvolvimento do fungo B com
) 2 ; 10 ( N Y
4.1. O fungo A se desenvolver?
) 9 ( < X P
CA:
1
4
7 9
x
z
, verificando na tabela 1, : 841 , 0 84134 , 0
4.2. O fungo B se desenvolver?
) 9 ( < Y P
CA:
71 , 0 7071067812 , 0
2
10 9

x
z
, verificando na tabela 71 , 0 , : 761 , 0 76115 , 0
Ento:
239 , 0 23885 , 0 76115 , 0 1 ) 71 , 0 ( ( 1 ) 71 , 0 ( ) 71 , 0 ( ) 9 ( > < < Z P Z P Z P Y P
4.3. Ambos os fungos se desenvolverem, assumindo que no existe
interaco entre eles?
P(ambos se desenvolverem)
201 , 0 200954059 , 0 23885 , 0 84134 , 0 ) 9 ( ) 9 ( < < Y P X P
5. O peso mdio de 500 estudantes do sexo masculino, numa determinada
universidade, 75,5kg e o desvio padro 7,5kg. Admitindo que os pesos
so normalmente distribudos, determinar quantos estudantes pesam:
X Peso de um estudante do sexo masculino, numa determinada universidade;
) 5 , 7 ; 5 , 75 ( N X
5.1. Entre 60 e 77,5kg:
) 60 ( ) 5 , 77 ( ) 5 , 77 60 ( < < < X P X P X P
CA:
49

27 , 0 266667 , 0
5 , 7
5 , 75 5 , 77

x
z
07 , 2 066667 , 2
5 , 7
5 , 75 60

x
z
Ento:
587 , 0 ) 981 , 0 1 ( 606 , 0 ) 07 , 2 ( ) 27 , 0 ( < Z P Z P
5.2. Mais de 92,5kg:
) 5 , 92 ( > X P
CA:
27 , 2 266667 , 2
5 , 7
5 , 75 5 , 92

x
z
, verificando na tabela 27 , 2 , :
988 , 0 98840 , 0
Ento:
012 , 0 988 , 0 1 ) 27 , 2 ( 1 ) 27 , 2 ( > > Z P Z P
6. O peso das embalagens de presunto produzidas por uma empresa uma
varivel aleatria normal X. Sabendo que P(X88,55g)=0,011 e
P(X>105,80g)=0,123, determinar:
X Peso das embalagens de presunto;
6.1. Os parmetros e
2
da distribuio.
Temos 2 incgnitas ( e ) que vo ser obtidas por sistema a partir de 2
equaes que so as expresso de clculo de z
1
(obtido a partir de
x
1
=88,55g) e de z
2
(obtido a partir de x
2
=105,80g). Nestas equaes,
figuram z, x, e . Sabendo 2 delas (os zs e os xs) posso obter as outras 2
por sistema. A cada valor de x corresponde um valor de z. Assim, a 88,55
corresponde z
1
e a 105,8 corresponde z
2
.
esquerda do valor x
1
=88,55
temos uma pequena rea de
0,011. Se a rea fosse maior
que 0,5, este valor teria de
estar do lado direito da
mdia.
z
1
ser negativo
direita do valor x
2
=105,80
temos uma pequena rea de
0,123. Se a rea fosse maior
que 0,5, este valor teria de
estar do lado esquerdo da
mdia.
z
2
ser positivo
z
1
ser negativo
011 , 0 ) ( 011 , 0 ) ( 011 , 0 ) 55 , 88 (
1 1
z Z P z Z P g X P
29 , 2 29 , 2 989 , 0 011 , 0 1 ) ( 011 , 0 ) ( 1
1 1 1 1
< < z z z Z P z Z P
z
2
ser positivo
> > 123 , 0 ) ( 1 123 , 0 ) ( 123 , 0 ) 80 , 105 (
2 2
z Z P z Z P g X P
16 , 1 877 , 0 ) ( 123 , 0 1 ) (
2 2 2
z z Z P z Z P
Substituindo os valores de z e x em cada uma das equaes e resolvendo o
sistema:
'
'

,
_
'

16 , 1
80 , 105
55 , 88
16 , 1
29 , 2 282 , 242
16 , 1
80 , 105
55 , 88
16 , 1
80 , 105
29 , 2
80 , 105
16 , 1
55 , 88
29 , 2
'
'
16 , 1
80 , 105
16 , 1 66 , 102 29 , 2 282 , 242
16 , 1
80 , 105
16 , 1 ) 55 , 88 ( 29 , 2 282 , 242
'
'
'
+ +
16 , 1
98318841 , 99 80 , 105
98318841 , 99
16 , 1
80 , 105
942 , 344 45 , 3
16 , 1
80 , 105
282 , 242 66 , 102 16 , 1 29 , 2
'
5 01449275 , 5
100 98318841 , 99
, obtemos:
g 100
e
g 5
50
6.2. Qual a probabilidade de uma embalagem escolhida ao acaso ter um
peso inferior a 90 g?
) 25 ; 100 ( N X
;
) 90 ( < X P
CA: 2
5
100 90

x
z , verificando na tabela 2 , : 977 , 0 97725 , 0
023 , 0 977 , 0 1 ) 2 ( 1 ) 2 ( ) 2 ( > < Z P Z P Z P
7. Numa seara de milho, a altura dos ps das plantas de uma dada cultivar na
fase de maturao segue distribuio normal, com mdia igual a 1,65 m.
Sabendo que a probabilidade de encontrar ps de milho com altura inferior
a 1,90 m de 97%, calcular:
X Altura dos ps de milho de uma dada cultivar na fase de maturao;
( )
2
; 65 , 1 N X
7.1. A varincia da populao;
97 , 0 ) ( 97 , 0 ) 90 , 1 ( < < z Z P X P
, verificando na tabela o valor mais prximo :
0,96995, e assim sendo, 88 , 1 z , ento:

2 2
133 , 0 133 , 0
88 , 1
65 , 1 90 , 1 65 , 1 90 , 1
88 , 1
0177 , 0
2

7.2. A probabilidade de a altura dos ps de milho se situar entre 1,55 e 1,75
m;
( ) 0177 , 0 ; 65 , 1 N X
) 75 , 0 ( ) 75 , 0 ( ) 55 , 1 ( ) 75 , 1 ( ) 75 , 1 55 , 1 ( < < < < X P Z P X P X P X P
, verificando na
tabela 75 , 0 , : 773 , 0 77337 , 0
Ento:
( ) 546 , 0 773 , 0 1 773 , 0
7.3. Um intervalo centrado na mdia com uma probabilidade de 95%.
Como se pode ver pela figura ao lado, aquilo que se
pede so os valores de x
1
e x
2
; a esses valores
correspondem 2 valores de z (simtricos entre si)
que balizam iguais reas: a x
1
corresponde z
1
(negativo) e a x
2
corresponde z
2
(positivo). Sabendo
um, sabemos o outro. Qual a rea esquerda de
z
2
(a mesma rea de x
2
)? A rea esquerda de z
2

0,975. Consultando a tabela vem que z
2
= 1,96.
Daqui tira-se o x
2
:
m x z x 91 , 1 65 , 1 133 , 0 96 , 1
2 2 2
+ + . O valor
de x
1
dista de 1,65m, o mesmo que x
2
, pelo que x
1
= 1,39 m.
8. A mdia dos dimetros internos das porcas, produzidas por uma certa
mquina, 0,502 centmetros e o desvio padro igual a 0,005
centmetros. O controlo de qualidade na produo no rejeita peas cujo
dimetro esteja compreendido entre 0,496 e 0,508 centmetros, caso
contrrio, as porcas sero consideradas defeituosas. Determinar a
percentagem de porcas produzidas pela mquina que passam no controlo
de qualidade, admitindo que os dimetros so distribudos normalmente.
X Dimetros internos das porcas;
( )
2
005 , 0 ; 502 , 0 N X
P(uma porca passar no controlo de qualidade)
< ) 496 , 0 ( ) 508 , 0 ( X P X P
51
760 , 0 ) 885 , 0 1 ( 885 , 0 ) 20 , 1 ( ) 20 , 1 ( < Z P Z P
9. Numa cooperativa fruteira, as mas recebidas so classificadas e
embaladas consoante o seu calibre. So rejeitadas as que apresentam
calibre inferior a 50 mm, as quais representam 12,3% do total recebido.
Sendo o calibre uma varivel aleatria que segue distribuio normal, com
mdia de 70 mm, calcular:
X Calibre (dimetros) das mas;
( )
2
; 70 , 0 N X
9.1. O desvio padro;
> < < 123 , 0 ) ( 1 123 , 0 ) ( 123 , 0 ) ( 123 , 0 ) 50 ( z Z P z Z P z Z P X P
2 , 17
16 , 1
70 50
16 , 1 16 , 1 877 , 0 ) (
z
x x
z z z z Z P
2 , 17 cm
9.2. A probabilidade de uma ma, escolhida ao acaso, ter um calibre
superior a 90 mm.
) 90 ( > X P
CA:
16 , 1
2 , 17
70 90
x
z
123 , 0 877 , 0 1 ) 16 , 1 ( 1 ) 2 ( ) 16 , 1 ( > > Z P Z P Z P
9.3. Numa embalagem com uma dzia de mas qual a probabilidade de ter
3 com calibre at 50 mm e 7 com calibre entre 50 e 90 mm?
Cada ma pode ter 1 de 3 resultados possveis: calibre at 50mm, calibre entre
50 e 90mm e calibre acima de 90mm. Por outro lado as provas podem ser
consideradas independentes uma vez que a mostra pequena dentro da
populao de mas da cooperativa. Estamos perante uma Distribuio
Multinomial.
X
1
N de mas com calibre at 50mm;
X
2
N de mas com calibre entre 50 e 90mm;
X
3
N de mas com calibre superior a 90mm;
p
1
= P(uma ma ter calibre at 50mm) = 0,123;
p
2
= P(uma ma ter calibre entre 50 e 90mm) = 0,754;
p
3
= P(uma ma ter calibre superior a 90mm) = 0,123;
( ) 031 , 0 123 , 0 754 , 0 123 , 0
! 2 ! 7 ! 3
! 12
2 ; 7 ; 3
2 7 3
3 2 1
X X X P
10. Cada esporo libertado de uma cpsula de um feto tem uma probabilidade
de 0,2 de se tornar planta. Se a cpsula tiver 100 esporos, qual a
probabilidade de pelo menos 25 se tornarem plantas?
X N de esporos que se tornam planta;
) 2 , 0 ; 100 ( Bin X
Como o n grande podemos verificar se estamos em condies de resolver por
aproximao pela Normal: np5 e nq5 (diapositivo 21, apresentao 6).
Assim, 5 20 2 , 0 100 > e 5 80 8 , 0 100 > cumpre as 2 condies.
Ento:
) 16 ; 20 ( ) 8 , 0 2 100 ; 2 100 ( N X N X

; (diapositivo 23, apresentao 6).
129 , 0 871 , 0 1 ) 13 , 1 ( 1 ) 13 , 1 ( ) 5 , 24 ( ) 25 ( > > Z P Z P Y P Y P
N Bin
(diapositivo 22, apresentao 6)
11. O peso dos meles de uma dada variedade, X, uma varivel aleatria
normalmente distribuda. A probabilidade de um melo, escolhido ao acaso,
ter peso superior a 1,350 kg igual a 2/3 da probabilidade de encontrar um
melo com peso inferior mdia. Calcular:
52
X peso dos meles de uma dada variedade;
33 , 0
3
1
5 , 0
3
2
) (
3
2
) 350 , 1 ( < > X P X P
67 , 0 33 , 0 1 ) 350 , 1 ( 33 , 0 ) 350 , 1 ( 1 X P X P
;
11.1. A mdia do peso dos meles sabendo que a varincia igual a 0,0625
kg
2
;
Se
44 , 0 67 , 0 ) ( 67 , 0 ) 350 , 1 ( z z Z P X P
;
De 24 , 1 25 , 0 44 , 0 350 , 1
z x
x
z
11.2. A probabilidade de um qualquer melo ter peso menor que 1,51 kg;
) 51 , 1 ( < X P
CA:
08 , 1
25 , 0
24 , 1 51 , 1
x
z
860 , 0 85993 , 0 ) 08 , 1 ( < Z P
11.3. A probabilidade de um qualquer melo ter peso entre 1,18 e 1,51 kg;
( ) < < < < < ) 24 , 0 ( 1 860 , 0 ) 24 , 0 ( 860 , 0 ) 18 , 1 ( ) 51 , 1 ( ) 51 , 1 18 , 1 ( Z P Z P X P x P X P
455 , 0 595 , 0 1 860 , 0 +
11.4. Numa remessa de 50 meles, qual a probabilidade de encontrar mais
de 6 com peso superior a 1,51 kg?
Y N de meles com peso superior a 1,51kg;
) 14 , 0 ; 50 ( Bin Y ( ) 140 , 0 860 , 0 1 p
Como o n grande podemos verificar se estamos em condies de resolver
por aproximao pela Normal: np5 e nq5.
Assim, 5 7 140 , 0 50 e 5 43 860 , 0 50 cumpre as 2 condies.
Ento:
) 02 , 6 ; 7 ( ) 860 , 0 140 , 0 50 ; 140 , 0 50 ( N Y N Y

;
579 , 0 ) 20 , 0 ( ) 20 , 0 ( ) 5 , 6 ( ) 6 ( < > > > Z P Z P Y P Y P
N Bin
(diapositivo 22, apresentao 6)
12. Uma mquina produz parafusos cujo comprimento, em cm, uma varivel
aleatria com distribuio Normal de parmetros =2cm e =0,0125cm.
Considera--se que um parafuso defeituoso quando o seu comprimento
difere de 2cm por mais ou menos 0,04cm. Calcule a probabilidade de numa
produo de 10.000 parafusos se encontrarem mais de 10 defeituosos.
Y N de parafusos defeituosos em 10.000 parafusos;
( ) ( ) ( ) 002 , 0 ; 000 . 10 998 , 0 1 ; 000 . 10 ) defeituoso ser ( ; 000 . 10 Bin Y Bin Y P Bin Y
X Comprimento dos parafusos;
( )
2
0125 , 0 ; 2 N X
< ) 96 , 1 ( ) 04 , 2 ( ) 04 , 2 96 , 1 ( ) defeituoso ser no ( X P X P X P P
998 , 0 ) 999 , 0 1 ( 999 , 0 ) 2 , 3 ( ) 2 , 3 ( < Z P Z P
Como o n grande podemos verificar se estamos em condies de resolver por
aproximao pela Normal: np5 e nq5.
Assim: 5 20 002 , 0 000 . 10 e 5 998 . 9 998 , 0 000 . 10 cumpre as 2 condies.
Ento, se
) 96 , 19 ; 20 ( ) 002 , 0 ; 000 . 10 (

Y Bin Y
;
987 , 0 ) 24 , 2 ( ) 24 , 2 ( ) 5 , 10 ( ) 10 ( < > > > Z P Z P Y P Y P
N Bin
13. O peso das tangerinas de uma variedade uma varivel aleatria X
normalmente distribuda com mdia igual a 75 g e varincia igual a 256 g
2
.
Sabendo que os frutos so classificados de acordo com o seu peso em 3
53
classes distintas, A, B e C, e que classe A pertencem os frutos com menos
de 50 g, classe C os frutos com mais de 100 g e classe B os restantes.
Calcular:
X Peso das tangerinas de uma variedade;
( ) 256 ; 75 N X
13.1. A proporo de frutos pertencentes a cada classe;
Como se pode ver pela imagem os valores 50 e 100 so equidistantes do valor
mdio 75. Por isso, pode dizer-se que as reas parciais b
1
e b
2
(que no
conjunto correspondem classe B) so iguais e que as reas a (que
corresponde classe A) e c (que corresponde classe C) so tambm
iguais. Assim, se se determinar a rea b
2
podemos obter indirectamente todas
as propores.
( ) ( ) ( ) ( ) 44 , 0 5 , 0 94 , 0 5 , 0 56 , 1 75 100 100 75
2
< < < < Z P X P X P X P b
88 , 0 44 , 0 2 2 ) (
2
b B P
) ( ) ( C P A P
e
12 , 0 88 , 0 1 ) ( 1 ) ( ) ( + B P C P A P
, pelo que
06 , 0 ) ( ) ( C P A P
13.2. P(X > 60 g).
83 , 0 ) 94 , 0 ( ) 94 , 0 ( ) 60 ( < > > Z P Z P X P
13.3. Sabe-se que a probabilidade das tangerinas estarem estragadas de
5% quando a sua classe A, de 4% quando a sua classe B e de 2%
quando a sua classe C.
% 2 ) | ( %; 4 ) | ( %; 5 ) | ( C E P B E P A E P
13.4. Calcular a probabilidade de uma tangerina escolhida ao acaso estar
estragada.
39 , 0 02 , 0 06 , 0 04 , 0 88 , 0 05 , 0 06 , 0 ) ( + + E P
(Teorema da Probabilidade Total)
13.5. Em 1200 tangerinas da classe B, quantas podero estar estragadas?
N de tangerinas estragadas em 48 04 , 0 200 . 1 B
14. Numa dada indstria de tecido XYZ sabe-se que sua produo costuma
apresentar um nmero de defeitos que segue a distribuio de Poisson com
uma taxa mdia de 2 defeitos a cada 50 metros de tecido. Determine:
X Quantidade de defeitos em 200m de tecido;
( ) ( ) 8
0 200 0
XP P X
CA:
Atravs duma regra de trs simples:
m
m def
200
50 . 2
200
50

( )
8
50
200 2

200

Defeitos
Como o elevado, maior que 5, podemos fazer uma aproximao pela distribuio
Normal. Assim:
( ) ) 8 ; 8 (
200 0
N Y P X

14.1. A probabilidade de um rolo com 200 metros de tecido apresentar 12
ou mais defeitos;
54
10749 , 0 89251 , 0 1 ) 24 , 1 ( 1 ) 24 , 1 ( ) 5 , 11 ( ) 12 ( > > Z P Z P X P X P
14.2. A quantidade esperada de rolos que teriam menos de 5 defeitos numa
amostra de 80 rolos de 200 metros.
O nmero esperado a mdia. Cada um dos 80m rolos, ou tem menos de 5
defeitos ou no tem menos de 5 defeitos; a probabilidade de ter menos de 5
defeitos independente de rolo para rolo. Estamos assim perante uma
distribuio Binomial:
Y Quantidade de rolos com menos de 5 defeitos em 80 rolos
( ) defeitos 5 de menos ter de ade probabilid ; 80 Bin X
CA: ( ) defeitos 5 de menos ter P
14457 , 0 85543 , 0 1 ) 06 , 1 ( 1 ) 06 , 1 ( ) 06 , 1 ( ) 5 ( Z P Z P Z P X P
, Ento:
( ) 0,14457 ; 80 Bin X
57 , 11 14457 , 0 80 p n
Rolos
55
FICHA 6
Inferncia Estatstica
Intervalos de confiana
1. A caracterstica X em certo artigo produzido em srie segue distribuio
normal com desvio padro 3 . Com base numa amostra aleatria de 25
unidades, que forneceu um valor mdio de 48, construa um intervalo de
confiana a 95% para o valor mdio do universo.
Intervalo de confiana para a mdia da populao, com desvio padro conhecido:
48 X
; 3 ; 25 n ;
975 , 0 ) ( < z Z P
verifica-se na tabela 96 , 1 z
+ +
25
3
96 , 1 48
25
3
96 , 1 48
n
z X
n
z X
176 , 49 824 , 46
2. Uma mquina de bebidas est regulada de modo a servir uma quantidade
de lquido que uma varivel aleatria com distribuio normal. Sabendo
que numa amostra de 25 bebidas se obtiveram os seguintes resultados:
ml x
i
i
250 . 6
25
1

e ( )
2
25
1
2
384ml x x
i
i

ml x X
i
i
250
25
250 . 6
25
1

( )
ml ml
n
x x
s
i
i
4 16
24
384
1
'
2
25
1
2
2

2.1. Construir um intervalo de confiana a 90% para a verdadeira
quantidade mdia de lquido das bebidas servidas, sabendo que o desvio
padro da populao 4ml. (enunciado alterado)
4 (desvio padro da populao conhecido) usar
n
z X
n
z X

+
312 , 251 688 , 248
25
4
64 , 1 250
25
4
64 , 1 250 +
2.2. Determinar quantas bebidas deveriam ser includas na amostra se
pretendesse aumentar a preciso do intervalo para menos de 1ml.
Preciso do intervalo = amplitude do intervalo/2;
A amplitude do intervalo dado por
,
_

n
z

2 . Como se quer uma preciso de
menos de 1ml, ento
ml
n
z 1 <

; substituindo vem:
1
4
96 , 1 <
n
, ento 03 , 43 > n
, como n inteiro vem 44 n .
2.3. Supondo desconhecer o desvio padro da populao construir um
intervalo de confiana a 95% para a verdadeira quantidade mdia de
lquido das bebidas servidas.
(desvio padro da populao desconhecida e n<30) usar a Distribuio t-Student.
( ) ) 24 1 ( 025 , 0
2 /
> n t T P

, verifica-se na tabela 064 , 2 t
+ +
25
4
064 , 2 250
25
4
064 , 2 250
' '
2 / 2 /

n
s
t X
n
s
t X
65 , 251 35 , 248 65 , 1 250 65 , 1 250 +
56
3. Seja uma populao
) ; ( N X
com 4 . Qual a dimenso mnima da
amostra para a qual se tem um intervalo de confiana a 90% para a mdia
inferior a ]
1 x
;
1 + x
[?
4 (desvio padro da populao conhecido) usar
n
z X
n
z X

+
, Como
ml
n
z 1 <

e
645 , 1 95 , 0 ) ( < z z Z P
, substituindo vem:
1
4
645 , 1 <
n
, logo 3 , 43 > n ,
como n inteiro vem 44 n .
4. Um fabricante produz peas de peso especificado em 200 gramas.
Querendo estimar o verdadeiro peso mdio num grande lote a fornecer ao
seu maior cliente, seleccionou 35 peas ao acaso, que depois de pesadas
forneceram os seguintes valores:
g x
i
140 . 7 e
( )
2
2
560g x x
i

4.1. Apresentar uma estimativa para o peso mdio das peas do lote.
X
estimativa de
; g
n
x
X
i
204
35
140 . 7

;
4.2. Construir um intervalo com um grau de confiana de 95% para o peso
mdio das peas do lote.
Intervalo de confiana para a mdia da populao, com desvio padro da
populao desconhecido e n>30: usar
n
s
z X
n
s
z X
' '
+
(como n>30 t
tende para z ; mas como no temos
usamos s);
g X 204 ;
( )
06 , 4
34
560
1
'
2

n
x x
s
i
; 35 n ;
975 , 0 ) ( < z Z P
Verifica-se na tabela 96 , 1 z
g g
n
s
z X
n
s
z X 35 , 205 65 , 202
35
06 , 4
96 , 1 204
35
06 , 4
96 , 1 204
' '
+ +
5. Numa unidade de empacotamento de acar observou-se o peso de 9
embalagens, escolhidas aleatoriamente sada da linha de empacotamento.
O peso das embalagens uma varivel aleatria normal (X). Registaram-se
os seguintes pesos (em gramas):
8,7 8,5 6,9 9,4 7,3 9,0 8,6 9,2 8,9
5.1. Calcular a mdia amostral, o desvio padro no corrigido(s) e o desvio
padro corrigido(s).
FAZER OS ITEMS NA TOTALIDADE
g X 5 , 8 ;
g s 8 , 0
;
g s 85 , 0 '
(mquina de calcular);
5.2. Estimar um intervalo de confiana a 99% para o peso mdio das
embalagens.
(Desvio padro da populao desconhecido e n<30) usar:
n
s
t X
n
s
t X
' '
2 / 2 /
+
;
( ) 005 , 0
2 /
>

t T P , verificando na tabela: 355 , 3 t
Ento:
+ +
9
85 , 0
355 , 3 5 , 8
9
85 , 0
355 , 3 5 , 8
' '
2 / 2 /

n
s
t X
n
s
t X
45 , 9 55 , 7
5.3. Estimar um intervalo de confiana a 99% para o peso mdio das
embalagens, sabendo que =0,6g.
57
(Desvio padro da populao conhecido) usar:
n
z X
n
z X

+
015 , 9 985 , 7
9
6 , 0
575 , 2 5 , 8
9
6 , 0
575 , 2 5 , 8 +
6. Numa empresa de engarrafamento de guas existem 2 mquinas em
funcionamento, A e B, que devero descarregar 1 litro em cada garrafa.
Com o objectivo de testar a sua afinao foram recolhidas aleatoriamente 9
garrafas de A e 10 garrafas de B, sendo medido o seu contedo. O intervalo
de confiana a 95% para a mdia do contedo das garrafas da mquina A,
de [0,9; 1,1]. As garrafas cheias pela mquina B forneceram os seguintes
valores: 11 x e
( ) 0049 , 0
2
x x
.
6.1. Calcular o desvio padro amostral corrigido(s) referente amostra B.
023 , 0
'
B
s
6.2. Calcular o intervalo de confiana a 95% para a mdia dos contedos em
B.
( desconhecido e n<30) usar:
n
s
t X
n
s
t X
' '
2 / 2 /
+
;
1 , 1
10
11

n
x
X B ; 023 , 0
'
B
s ; 262 , 2
2 /

t ; 10 n ;
Ento:
+ +
10
023 , 0
262 , 2 1 , 1
10
023 , 0
262 , 2 1 , 1
' '
2 / 2 /

n
s
t X
n
s
t X
117 , 1 083 , 1
6.3. Atendendo aos valores dos respectivos intervalos de confiana, qual
das mquinas estar mais bem afinada? Justificar.
A mquina A mais exacta mas a mquina B mais precisa.
7. Para testar 2 variedades de milho foram escolhidos aleatoriamente 16
talhes, 8 cultivados com a variedade A e outros 8 com a variedade B. Os
resultados da colheita foram 81.625 kg e 75.875 kg, para o total dos talhes
A e B respectivamente, e de 232,41 kg
2
e 102,12 kg
2
para as varincias.
Sabendo que as produes de ambas as variedades so normalmente
distribudas e que
2 2
B A
, estimar:
7.1. Um intervalo de confiana a 99% para a produo mdia de cada
variedade.
Variedade A:
2 2 '
41 , 232 ; 15 , 203 . 10
8
625 . 81
; 8 kg s Kg X n
A
A
A
;
(
A
desconhecido e n<30). Assim, e com 499 , 3
2 /

a
t ( 005 , 0 2 / a e nmero de graus
de liberdade=7), vem:
01 , 222 . 10 29 , 184 . 10
8
24 , 15
499 , 3 15 , 203 . 10
8
24 , 15
499 , 3 15 , 203 . 10 +
Variedade B:
2 2 '
12 , 102 ; 38 , 484 . 9
8
875 . 75
; 8 kg s Kg X n
B
B
B
;
(
B
desconhecido e 30 < n ). Assim, e com 499 , 3
2 /

a
t ( 005 , 0 2 / a e nmero de graus
de liberdade=7), vem:
88 , 496 . 9 88 , 471 . 9
8
11 , 10
499 , 3 38 , 484 . 9
8
11 , 10
499 , 3 38 , 484 . 9 +
7.2. Um intervalo de confiana a 95% para a diferena das mdias.
58
Pede-se um intervalo de confiana para a diferena de mdias. So populaes
normais com varincias desconhecidas mas iguais; n
A
e n
B
<30. Usar a
expresso:
( ) ( )
b a
C a
B A
B A
b a
C a
B A
n n
S t X X
n n
S t X X
1 1 1 1
2 / 2 /
+ + +
Com:
( ) ( ) ( )
93 , 12
2
1 1
2 ' 2 '
B A
B B A A
C
n n
s n s n
S
( ) ( ) + + +
8
1
8
1
93 , 12 145 , 2 38 , 484 . 9 15 , 203 . 10
8
1
8
1
93 , 12 145 , 2 38 , 484 . 9 15 , 203 . 10
B A

64 , 732 90 , 704 87 , 13 77 , 718 87 , 13 77 , 718 +
8. O nmero de horas de vida de lmpadas elctricas produzidas segundo
determinado processo de fabrico tem distribuio normal. Numa amostra de
20 lmpadas, escolhida ao acaso da produo de determinado dia, verificou-
se a durao das mesmas e calculou-se a mdia e o desvio padro
amostrais:
h x 832 . 1
e
h s 484
2 '
.
h x 832 . 1
e
2 2 '
484h s
; n=20 (graus de liberdade 19)
8.1. Calcular os intervalos de confiana a 95% e a 99% da mdia de durao
das lmpadas.
(
desconhecido e n<30), usar

n
s
t X
n
s
t X
a a
' '
2 / 2 /
+
;
Com n=20 e (1- )=0,95 093 , 2 t
3 , 842 . 1 7 , 821 . 1
20
22
093 , 2 832 . 1
20
22
093 , 2 832 . 1 +
;
Com n=20 e (1- )=0,99 861 , 2 t
1 , 846 . 1 9 , 817 . 1
20
22
861 , 2 832 . 1
20
22
861 , 2 832 . 1 +
8.2. Calcular um intervalo de confiana a 90% para o desvio padro amostra
do tempo de vida da populao.
Usar a expresso:
,
_
,
_
1 ;
2
1
) 1 (
1 ;
2
) 1 (
2
2 '
2
2
2 '
n
s n
n
s n
Com n=20 e (1- )=0,90 144 , 30 1 ;

2
2

,
_
e 117 , 10 1 ;
2
1
2

,
_
h h 1 , 30 5 , 17 0 , 909 1 , 305
117 , 10
484 19
144 , 30
484 19
2 2

, Pedia-se IC para o desvio
padro.
9. A administrao do Metropolitano verificou irregularidade na hora de
passagem do comboio pelas diversas estaes. Essa irregularidade uma
varivel aleatria normal cuja mdia se considera ser 5 segundos mas cuja
varincia se desconhece. Com n=22 e s'
2
=9 segundos
2
, pretende-se saber
entre que valores se situa a varincia com um nvel de confiana de 99%.
22 n e
2 2 '
9segundos s ;
Usar a expresso:
( ) ( )
,
_
,
_

,
_
1 ;
2
1
2
2 '
2
1 ;
2
2
2 '
1 1
n n
s n s n

59
Com n=22 e (1- )=0,99 401 , 41 1 ;
2
2

,
_
e 034 , 8 1 ;
2
1
2

,
_
2 2 2 2
53 , 23 57 , 4
034 , 8
9 21
401 , 41
9 21
s s

10. De uma populao normal, com mdia e varincia desconhecidas foi
retirada uma amostra de 9 observaes cujos resultados foram
2 ; 4
2 '
s x
.
10.1. Obter um IC a 90% para o desvio padro da populao.
Usar a expresso:
,
_
,
_
1 ;
2
1
) 1 (
1 ;
2
) 1 (
2
2 '
2
2
2 '
n
s n
n
s n
Com n=9 e (1- )=0,95 507 , 15 1 ;

2
2

,
_
e 733 , 2 1 ;
2
1
2

,
_
42 , 2 01 , 1 85 , 5 03 , 1
733 , 2
2 8
507 , 15
2 8
2 2

10.2. Supondo que a varincia da populao passa a ser conhecida (
2
=4)
construir um intervalo de confiana a 95% para a mdia da populao.
Usar a expresso:
n
z X
n
z X

+
31 , 5 69 , 2
3
2
96 , 1 4
3
2
96 , 1 4 +
10.3. Como procederia para reduzir para metade a amplitude do intervalo?
Para que a parcela
n
z

passasse para metade custa de n era preciso que o

denominador passasse para o dobro. Como n est debaixo da raiz quadrada
precisava de aumentava 4 vezes a dimenso da amostra (
2
2
).
11. Na estimao da mdia de uma populao normal por meio de um
intervalo de confiana a 90%, qual deve ser a dimenso mnima da amostra
para que a amplitude daquele intervalo seja inferior a /9, sendo
conhecido?
645 , 1 95 , 0 ) ( < z z Z P
Amplitude do
n
z IC

2
; logo
30 61 , 29
9
1 645 , 1
2
9
2 > < < n n
n
n
z

12. O patrocinador de um programa de televiso quer ter uma ideia da
proporo de residncias que segue um dado programa numa dada rea
metropolitana. Num inqurito a 90 residncias com as televises ligadas,
verificou que 35 delas estavam sintonizadas no programa. Construa um
intervalo de confiana com um nvel de significncia de 3% para a
verdadeira proporo de televises que estavam sintonizadas no dito
programa.
A expresso de clculo deste intervalo :
n
p p
Z p p
n
p p
Z p
a a
,
_
,
_
^ ^
2
^
^ ^
2
^
1 1
90 n
389 , 0
90
35
^
p
60
17 , 2 03 , 0
015 , 0
2
Z Z a
a
(porque, se
2
a
0,015, ento a rea esquerda 0,985)
Assim:
( ) ( )
90
389 , 0 1 389 , 0
17 , 2 389 , 0
90
389 , 0 1 389 , 0
17 , 2 389 , 0 p
+ + 112 , 0 389 , 0 112 , 0 389 , 0 051 , 0 17 , 2 389 , 0 051 , 0 17 , 2 389 , 0 p p
500 , 0 277 , 0 p
13. Numa amostra de 136 pessoas, dentre as 400 que tomaram uma
determinada vacina contra gripe, sentiram algum efeito colateral. Construa
um intervalo a 95% de confiana para a verdadeira proporo que, tomando
esta vacina, tero algum efeito colateral.
n
p p
Z p p
n
p p
Z p
a a
,
_
,
_
^ ^
2
^
^ ^
2
^
1 1
400 n
34 , 0
400
136
^
p
96 , 1 05 , 0
025 , 0
2
Z Z a
a
(porque, se
2
a
Assim:
( ) ( )
400
34 , 0 1 34 , 0
96 , 1 34 , 0
400
34 , 0 1 34 , 0
96 , 1 34 , 0 p
+ 0465 , 0 34 , 0 0465 , 0 34 , 0 0237 , 0 96 , 1 34 , 0 0237 , 0 96 , 1 34 , 0 p p
3865 , 0 2935 , 0 p
14. Numa pesquisa sobre desnutrio, foram observadas 15.175 crianas que
nasceram no ano de 2006 numa dada regio desfavorecida da terra, tendo
sido consideradas como malnutridas 1.087 daquelas crianas. Construa,
com 5% de significncia, um intervalo de confiana para a verdadeira
proporo de crianas malnutridas nesta regio.
n
p p
Z p p
n
p p
Z p
a a
,
_
,
_
^ ^
2
^
^ ^
2
^
1 1
175 . 15 n
0716 , 0
175 . 15
087 . 1
^
p
96 , 1 05 , 0
025 , 0
2
Z Z a
a
(porque, se
2
a
Assim:
( ) ( )
175 . 15
0716 , 0 1 0716 , 0
96 , 1 0716 , 0
175 . 15
0716 , 0 1 0716 , 0
96 , 1 0716 , 0 p
+ + 0041 , 0 0716 , 0 0041 , 0 0716 , 0 0209 , 0 96 , 1 0716 , 0 0209 , 0 96 , 1 0716 , 0 p p
0757 , 0 0675 , 0 p
61
Testes de hiptese
Num teste de hiptese queremos saber se uma suspeita, motivadora da execuo deste
teste, poder ter sustentao atravs de uma ou mais amostras.
Acompanhemos um exemplo:
15. Uma pizzaria est dimensionada para que a procura mdia diria no
ultrapasse as 200 pizzas, admitindo um desvio padro de 15.
Uma promoo, nos ltimos 9 dias, levou a uma procura mdia de 210
pizzas. Pretende-se avaliar se necessrio reforar a capacidade de
produo, verificando se houve de facto uma alterao significativa da
procura.
O dono da pizzaria suspeita que houve alterao do valor mdio da procura
diria de pizzas. Por esse motivo quis fazer um teste de hiptese para
averiguar se a sua suspeita tinha ou no razo de ser. No entanto, qual a
alterao que lhe interessa averiguar? Certamente aquela que o obriga a
reforar a capacidade de produo, ou seja, uma alterao no sentido do
aumento da mdia.
Ao lanar um teste de hiptese, so avanadas duas hipteses, H
0
(hiptese nula) e
H
1
(hiptese alternativa), de tal modo que, se no se realizar a primeira, se realize a
segunda. Quais so as hipteses do nosso exemplo:
H
0
: 200
pizzas Mais frente se explica a razo da escolha
destas hipteses H
0
: > 200
pizzas
A cada teste de hiptese, e em funo das condies do mesmo, est associada uma
distribuio. Cada distribuio tem, por sua vez, associada uma estatstica. Se
calcularmos o valor dessa estatstica a partir do valor atribudo ao parmetro em
teste e dum estimador proveniente da amostra vamos obter um valor que traduz a
relao entre estas duas entidades.
Parmetr
o
Condies H
0
H
1
Estatstic
a
Regio Crtica
Distribuio Normal e
conhecido; ou n
grande (se
desconhecido, usar s)
=
0

0
>
0
<
0
n
X
Z
2
a
Z Z <
ou
2
a
Z Z >
a
Z Z >
a
Z Z <
No nosso exemplo vemos que, sendo o desvio padro conhecido (logo a varincia
conhecida) a estatstica de teste Z (distribuio normal reduzida) cuja expresso
n
X
Z
, em que
X
a mdia amostral (estimador proveniente da amostra) e
0
o
valor atribudo ao parmetro em estudo (neste caso 200 pizzas). Se calcularmos o
valor de Z para o nosso exemplo vem:
2
9
15
200 210
Z
Se a relao entre x e 0 for prxima, isto , se a distncia entre eles for pequena,
tendo em ateno o desvio padro da distribuio e a dimenso da amostra, ento o
valor de Z vir prximo de 0 (podendo ser negativo ou positivo). Se pelo contrrio
essa distncia for grande o valor de Z vir muito negativo ou muito positivo. Como
sabemos estes valores de Z localizam-se nas caudas da curva da distribuio normal
padro, zonas onde a densidade de probabilidade menor, o que significa que
podemos dizer que estes valores se encontram dentro de uma zona de valores
rarosde Z. O que aqui foi dito para o nosso exemplo (distribuio de Z) pode ser
generalizado para as distribuies.
62
Cada teste de hiptese feito com um determinado grau de probabilidade (1a) ou,
o que se traduz no mesmo, com uma determinada significncia (a). Na prtica o
valor de traduz a probabilidade associada hiptese H
1
, isto , de no se aceitar a
hiptese H
0
ou seja, de se obterem valor da estatstica raros (localizados nos
extremos da distribuio em causa).
Ao enunciar H
0
, um teste de hiptese pode ser de trs tipos no que diz respeito
relao entre o parmetro e o valor em estudo. Podemos ter:
H
0
H
1
O parmetro igual a um valor; =200 200
O parmetro menor ou igual que um
valor;
200 >200
O parmetro maior ou igual que um
valor.
200 <200
Reparemos que no primeiro caso H
0
pode no se realizar em duas situaes:
quando o parmetro for maior que o valor ou quando o parmetro for menor que
o valor. Isto indica que a rea correspondente a H
1
(no realizao de H
0
) se pode
encontrar direita e esquerda. Neste caso (caso de igualdade) estamos
perante um teste dito bilateral pelo que a rea se encontra dividida em duas
partes iguais, a/2, situadas nas duas caudas da curva. Nos segundo e terceiro
casos H
0
s se pode no realizar quando o parmetro for maior que o valor no
primeiro caso ou quando o parmetro for menor que o valor no segundo caso. Isto
indica que a rea correspondente a H
1
(no realizao de H
0
) se encontra toda de
um dos lados, estando do lado direito no primeiro caso e do lado esquerdo no
segundo. Neste caso (caso de desigualdade) estamos perante um teste dito
unilateral pelo que a rea se vai localizar toda numa ou noutra cauda consoante
o teste em causa.
O grau de probabilidade (1a) usado neste tipo de teste normalmente de 90%,
95%, 99% (ou outra desta ordem de grandeza). Estes valores de (1a) esto
associados hiptese H
0
e hiptese H
1
a probabilidade remanescente (a).
Ao valor de (1a), ou ao valor de (a), esto associadas reas de igual valor
delimitadas por valores da varivel. No nosso exemplo, e em todos os exerccios em
que no feita referncia ao grau de probabilidade, usa-se o valor de 0,95. Os
valores que delimitam estas reas tero de ser obtidos nas tabelas das distribuies
respectivas. No nosso exemplo:
Parmetr
o
Condies H
0
H
1
Estatstic
a
Regio Crtica
Distribuio Normal e
conhecido; ou n
grande (se
desconhecido, usar s)
=
0

0
>
0
<
0
n
X
Z
2
a
Z Z <
ou
2
a
Z Z >
a
Z Z >
63

0
a
Z Z <
O valor que delimita a rea de 0,95 da rea de 0,05, o valor z
a
, pode ser obtido na
tabela da distribuio Normal reduzida. O valor que delimita a regio crtica (ver o
quadro acima) z
a
(valor que deixa sua direita uma rea a=0,05
a
Z Z > ).
Como z
a
=1,96 e o Z
calculado
=2, podemos dizer Z>1,96, o que quer dizer que o Z est
na regio crtica. Por isso rejeitamos H
0
.
Como se compreender pela desproporo entre as duas probabilidades em jogo
(0,95 versus 0,05), s em casos de elevada fora do teste se vai verificar H
1
. por
este motivo que se deve associar H
1
quilo que se quer provar pois, se se puder
afirmar que se rejeita H
0
, porque o teste teve fora suficiente para o fazer.
16. O tempo requerido pelos trabalhadores de uma explorao agrcola para
executarem uma dada tarefa tem uma mdia de 50 minutos e um desvio
padro de 8 minutos. Para testar o progresso no rendimento dos
trabalhadores num dado dia, o empresrio decidiu registar os tempos que
60 trabalhadores levaram para executar tal tarefa.
16.1. Qual a probabilidade de que a mdia da amostra seja superior a 52
minutos?
16.2. Se a mdia da amostra for 53 minutos, admitindo que o desvio padro
se mantm, dever o empresrio considerar que o rendimento dos
trabalhadores na execuo da dita tarefa diminuiu?
Quando se diz que o rendimento diminuiu est-se implicitamente a querer dizer
que o tempo mdio de execuo da tarefa aumentou.
H
0
: 50 min
H
1
: > 50 min (associar a suspeita a H
1
)
Como o desvio padro conhecido, usa-se a distribuio normal reduzida (ver o
quadro).
60 , 2
60
8
50 53
Z
Como no dado o valor de (1a) tomamos esse valor por 0,95 (logo a=0,05).
Consultando o quadro verificamos que a regio crtica dada por Z>z
0,05
. Pela
tabela da distribuio normal reduzida verificamos que o valor da varivel z que
deixa sua direita 0,05 ( sua esquerda 0,95) z=1,96.
Verificamos assim, que o valor calculado Z superior ao valor da tabela.
Assim, como Z
calculado
>1,96 rejeitamos H
0
.
17. O peso das latas de conserva de uma dada marca, X, segue distribuio
normal, devendo ter, de acordo com as normas, um peso mdio de 100
gramas. O controle de qualidade escolheu uma amostra aleatria de 9
latas, que foram pesadas. Registaram-se os seguintes resultados:
g x
i
870
( )
2
2
12 , 87 g x x
i

Ter sido esta amostra proveniente de uma populao com peso mdio de
100 g? (a=0,05).
Parmetr
o
Condies H
0
H
1
Estatstic
a
Regio Crtica

desconhecido
: Distribuio
Normal
=
0

0

0

0
>
0
<
0
n
X
T
2
a
t T <
ou
2
a
t T >
a
t T >
a
t T <
Este teste para a mdia no apresenta o valor da varincia nem a dimenso amostra
maior ou igual a 30. Assim, este teste ser feito com o apoio da distribuio t-
Student. As hipteses so:
64
H
0
: =100g
H
1
: 100g
g
n
x
x
i
7 , 96
9
870

( )
3 , 3
8
12 , 87
1
'
2

n
x x
s
i
3
9
3 , 3
100 7 , 96
'
0

n
s
x
T

A regio crtica (consultar o quadro) T<-t
a/2
ou T> t
a/2
. Usando a=0,05, a/2 vale
0,025 e o valor de t
0,025
pode ser lido na respectiva tabela (que d reas direita), na
coluna de 0,025 e na linha n=8. Ter ateno que o n da tabela corresponde ao n
da dimenso da amostra menos 1. Assim, t
0,025
=2,306, -t
0,025
=-2,306 e, portanto,
T
calculado
>2,306; devemos rejeitar H
0
.
18. Para testar 2 variedades de milho foram escolhidos aleatoriamente 16
talhes, 8 cultivados com a variedade A e outros 8 com a variedade B.
Os resultados da colheita foram os seguintes:
kg x
A
625 , 81 kg x
B
875 , 75
2 2
41073 , 232 ' kg s
A
2 2
12502 , 102 ' kg s
B

Sabendo que as produes de ambas as variedades so normalmente
distribudas e que
A
2
=
B
2
:
18.1. Estimar um intervalo de confiana a 99% para a produo mdia de
cada variedade.
18.2. Verificar se a variedade A significativamente mais produtiva (a=1%)
que a variedade B.
Aqui, verificar testar essa hiptese. Como se trata de uma comparao de
mdia o teste de hiptese em causa o da diferena de mdias. Como foi
referido anteriormente, aquilo que queremos provar deve ser associado a H
1
.
Assim as hipteses so:
H
0
: AB
H
1
: A>B
Dadas as condies do problemas em que as varincias so desconhecidas e em
que as dimenses das amostras (n
A
e n
B
) so menores que 30 (ver quadro) a
estatstica do teste ser a t-Student:
89 , 0
465 , 6
75 , 5
8
1
8
1
93 , 12
875 , 75 625 , 81
1 1

+
B A
c
B A
n n
S
x x
T
( ) ( ) ( ) ( )
kg
n n
s n s n
S
c
93 , 12 27 , 167
2 8 8
12 , 102 1 8 41 , 232 1 8
2
' 1 ' 1
2 1
2
2 2
2
1 1

+
+
+
+
O limite da regio crtica T> t

a
. Partindo do valor de a=0,01 e dos valores de n
A
e n
B
iguais a 8 podemos tirar da tabela de t-Student os valores de t.
t
(0,01;14)
=2,62449. Assim, como T
calculado
>2,62449 rejeita-se H
0
.
65
19. Uma mquina de ensacar acar est regulada para encher sacos com 16
kg. Para controlar o seu funcionamento escolheram-se ao acaso 15 sacos
da produo de determinado perodo, tendo-se obtido os seguintes pesos:
16,
0
16,
1
15,
8
15,
9
16,
1
15,
8
16,
2
16,
0
15,
9
16,
0
15,
7
15,
8
15,
7
16,
0
15,
8
19.1. Que concluses tirar quanto ao funcionamento da mquina?
19.2. Os dados da amostra so compatveis com a hiptese de que os pesos
dos sacos cheios pela referida mquina apresentam uma variabilidade
de 0,01kg
2
ou seja com H
0
:
2
=0,01kg
2
?
Estamos perante um teste de hiptese para a varincia.
H
0
:
2
=0,01kg
2
H
1
:
2
0,01kg
2
Consultando o quadro dos testes de hiptese podemos ver que a estatstica deste
teste segue a distribuio de
2
:
Parmetr
o
Condie
s
H
0
H
1
Estatstica Regio Crtica
2
Distribui
o Normal
2
=
2
0
2
0
2
0
2
0
2
>
2
0
2
<
2
0
( )
2
0
2
2
' 1
s n
2
1
2
a
<
ou
2
2
a
>
a
>
2
a < 1
2 2

( ) ( )
2 , 32
01 , 0
023 , 0 1 15 ' 1
2
0
2
2
s n
s=0,023kg (mquina calcular)
A regio crtica deste teste bilateral (ver o quadro). Como esta distribuio no
simtrica como a da Normal ou a de t-Student h necessidade de recorrer
tabela duas vezes (nas outras recorria-se uma vez e depois usava-se tambm o
seu simtrico). Os limites da regio crtica so
2
1
2
a
<
e
2
2
a
>
. Partindo do
valor de a=0,05 (quando o valor no dado usa-se 1-a=095) e do valor de n
igual a 15 podemos tirar da tabela de
2
os respectivos valores.
119 , 26
2
) 14 ; 025 , 0 (

629 , 5
2
) 14 ; 975 , 0 (

Como o valor de 119 , 26
2
>
calculado
, rejeita-se H
0
.
20. Est em estudo a validade de uma bebida gaseificada. Foram
seleccionadas ao acaso 10 garrafas e testada a sua validade. Obtiveram-se
os seguintes resultados (em dias):
108 124 124 106 115 138 163 159 134 139
20.1. Construir um intervalo de confiana a 95% para .
20.2. Pode a hiptese nula H0: = 125 ser rejeitada? (a=0,05)
125 :
0
H
125 :
1
H
A estatstica de teste t-Student pois a varincia desconhecida e n<30.
97 , 0
10
54 , 19
125 131
'
0

n
s
x
T

66
dias
n
x
x
i
131
10
310 . 1

( ) ( )
3 , 3
1 10
131 1310
1
'
2
2
n
x x
s
i
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
20.3. Qual a deciso a tomar sobre as hipteses H
0
: =125 versus H
1
:
>125, considerando a=0,05?
20.4. Sero os dados da amostra compatveis, para a=0,05, com:
20.4.1. H
0
:
2
=400 versus H
1
:
2
400?
20.4.2. H
0
:
2
400 versus H
1
:
2
<400?
A regio crtica T<-t /2 ou T>t /2 . Usando =0,05, /2 vale 0,025 e o
valor de t0,025 pode ser lido na respectiva tabela, na coluna de 0,025 e na linha n=9.
Assim, t0,025 = 2,26216, -t0,025 = 2,26216 e portanto -2,26216 Tcalculado 2,26216;
assim
no devemos rejeitar H0.
20.3 - H0: 125
H1: > 125
A estatstica de teste mantm-se, t-Student, pois a varincia
desconhecida e n<30.
T=
n
s
x
'
0 =
10
19,54
131 125
= 0,97
n
xi x = 10
1310 = 131 dias s=19,54 dias
A regio crtica agora T>t . Usando =0,05 o valor de t0,05 pode ser lido
na respectiva tabela, na coluna de 0,05 e na linha n=9. Assim, t0,05 = 1,83311, e
portanto -
Tcalculado 1,83311; assim no devemos rejeitar H0.
20.4 - Nestes dois testes de hiptese para a varincia a estatstica de teste o 2.
20.4.1 - H0: 2 = 400
67
Miguel Soares Lopes Ficha 6 78
2
2
2 2
H1: 2 400
2
0
2
2 (n 1)s'
=
400
(10 1) 382
= 8,595
s2= 19,542 kg2 = 382 kg2
A regio crtica deste teste bilateral (ver o quadro). H
necessidade de recorrer tabela duas vezes. Os limites da regio crtica so
2< e
2> . Partindo do valor de =0,05 e do valor de n igual a 10
podemos tirar da tabela de 2 os respectivos valores.
2
(0,025;9)= 19,023
2
(0,975;9)= 2,700
Como o valor de 2,700 2
calculado 19,023, no se rejeita H0.
20.4.2 - H0: 2 400
H1: 2 < 400
2
0
2
2 (n 1)s'
=
400
(10 1) 382
= 8,595
s2= 19,542 kg2 = 382 kg2
A regio crtica deste teste unilateral (ver o quadro). H
necessidade de recorrer tabela uma vez. O limite da regio crtica 2< .
Partindo do valor de =0,05 e do valor de n igual a 10 podemos tirar da tabela de
2 o respectivo valor.
2
(0,95;9)= 3,325
Como o valor de 2
calculado 3,325, no se rejeita H0.
21 - Uma empresa produz baterias para as quais as normas de fabrico indicam uma
durao mdia mnima de um ano e meio. Recolhida uma amostra de 9 baterias, estas
foram ensaiadas tendo fornecido a seguinte durao (em anos):
2 1,4 1,6 1,4 1,8 1,5 1,9 1,6 1,2
21.1 - Apresentar uma estimativa para a varincia da durao das baterias.
21.2 - Testar a hiptese H0: 2 = 0,11 , para um nvel de significncia de 1%.
21.3 - Pressupondo 2 = 0,11 , verificar se de admitir uma durao mdia
conforme as normas de fabrico ( = 0,05).
Resoluo:
21 -
21.1 - A estimativa para a variao da durao das baterias o s2.
s2 = 0,07 anos2 (mq. calcular)
21.2 - H0: 2 0,11
68
H1: 2 0,11
2
0
2
2 (n 1)s'
=
0,11
(9 1) 0,07
= 4,91
A regio crtica deste teste bilateral (ver o quadro). H necessidade de
recorrer tabela duas vezes. Os limites da regio crtica so 2< e
2> .
Partindo do valor de =0,01 e do valor de n igual a 9 podemos tirar da tabela de
2 os respectivos valores.
2
(0,005;8)= 21,955
2
(0,995;8)= 1,344
Como
1,344 2
calculado 21,955,
no se rejeita H0.
21.3 - Pede-se, neste caso, um teste de hiptese para a mdia da populao com a
varincia conhecida. As normas de fabrico apontam para uma durao mdia
mnima de 1,5 anos.
H0: 125
H1: > 125
A estatstica de teste Z:
Z=
n
x 0 =
9
0,33
1,6 1,5
= 0,90
Consultando o quadro verificamos que a regio crtica dada por Z>z0,05. Pela
tabela da distribuio normal reduzida verificamos que o valor da varivel z que
deixa sua direita 0,05 ( sua esquerda 0,95) z=1,96.
Verificamos assim, que o valor calculado Z inferior ao valor da tabela.
Assim, como Zcalculado>1,96 rejeitamos H0.
22 - Um fabricante comprou um lote de 3000 componentes eletrnicos a uma grande
empresa. Depois de detetar algumas avarias nesses componentes, suspeitou que a
proporo de componentes avariados era superior a 7%. Para se certificar da sua
suspeio recolheu uma amostra aleatria de 80 desses componentes onde detetou 8
com
defeito. Construa um teste de hiptese a 95% de confiana tendo em vista a
confirmao
da suspeita.
Resoluo:
22 - Neste problema -nos pedido um teste de hiptese para uma proporo.
As hipteses so:
H0: p 0,07
H1: p > 0,07 (aquilo que se quer provar)
n = 80
8 componentes dos 80 apresentam defeito.
1 = 0,95 = 0,05
69
p =
80
8
= 0,1
Regio crtica: Z>z Z>1,65 ;
Mas 1,05 < 1,65 pelo que no se rejeita H0 .
1,05
0,029
0,03
80
0,07(1 0,07)
0,10 0,07
n
(1 )
Z
0 0
0
p p
P p
23 - Numa disputa eleitoral pela direo de uma coletividade, uma das listas quis
averiguar as suas possibilidades de eleio. A coletividade sabia que, para ser a lista
mais votada, bastaria atingir 40% dos votos. Para isso inquiriu de forma aleatria uma
amostra de 70 eleitores e registou a sua inteno de voto. Obtiveram-se 32 votos a
favor
da lista. Construa um teste de hiptese a 95% de confiana no sentido de verificar da
possibilidade desta lista chegar ao poder.
Resoluo:
As hipteses so:
H0: p 0,40
n = 70
32 votos a favor na amostra dos 70 inquiridos.
1 = 0,95 = 0,05
p =
70
32
= 0,457
Mas 0,973 < 1,65 pelo que no se rejeita H0 (poder no ser eleita a lista em
causa).
24 - O patrocinador de um programa de televiso espera que, em pelo menos 55% das
residncias, se assista ao programa numa determinada rea metropolitana. Para uma
amostra de 100 residncias nesta rea, 69 delas esto sintonizadas no programa. Teste,
para um nvel de significncia de 10%, a veracidade da suposio do patrocinador.
Resoluo:
As hipteses so:
H0: p 0,55
n = 100
60 residncias sintonizadas no programa na amostra de 100 residncias inquiridas
nessa rea.
= 0,10 1 = 0,90
p =
70
100
62
= 0,62
0,973
0,0586
0,057
70
0,40 (1 0,40)
0,457 0,40
n
(1 )
Z
0 0
0
p p
P p
1,41
0,0497
0,07
100
0,55 (1 0,55)
0,62 0,55
n
(1 )
Z
0 0
0
p p
P p
Como 1,41 > 1,28 , rejeita H0 (dever ser eleita a lista em causa).
25 - Na fbrica Pea-Auto de componentes para a indstria automvel o departamento
de qualidade estabeleceu que o comprimento de uma determinada pea deve estar
compreendido entre 120 e 122 milmetros. Foi recolhida uma amostra de 100 peas e os
resultados obtidos para a varivel comprimento foram os seguintes:
100
1
12110
i
i x e
100
1
( )2 1550
i
i x x
25.1 - Construa um intervalo de confiana para a mdia do comprimento das
peas com um nvel de confiana de 92%.
25.2 - O Diretor de Produo afirma que menos de 4% das peas produzidas tm
um comprimento que se afasta do estabelecido pelo departamento de qualidade.
De forma a obter evidncia favorvel sua afirmao recolheu uma amostra de
200 peas, tendo obtido 194 com comprimento adequado. Efetue um teste de
hipteses, com um nvel de significncia de 2%, que permita suportar a posio
defendida pelo Diretor de Produo.
Resoluo:
71
25 -
25.1 - Nesta alnea pedido um intervalo de confiana para a mdia, no se
conhece a varincia mas o n30. Assim, a expresso para calcular o intervalo de
confiana vai usar a distribuio normal.
121,1 100
X 12110 mm , ' 3,96 99
s 1550 mm e z0,96=1,75
X z
n
s'
X + z
n
s'
121,1 1,75 3,96/ 100 121,1 1,75 3,96/ 100
120,41 121,793
25.2 - Nesta alnea -nos pedido um teste de hiptese para uma proporo.
As hipteses so:
H0: p 0,04
n = 200
190 parafusos com comprimento adequado em 200 parafusos, significa 10
parafusos sem comprimento adequado.
= 0,02 1- =0,98
p =
200
10
= 0,05
Como 0,649 < 2,05 no se rejeita H0 (o Diretor poder no ter razo).
0,649
0,0154
0,01
200
0,05 (1 0,05)
0,05 0,04
n
(1 )
Z
0 0
0
p p
P p
72

Exercícios Probabilidades e Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

Exercícios Probabilidades e Estatística

Enviado por

Dados do documento

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

Exercícios Probabilidades e Estatística

Enviado por

Direitos autorais:

Formatos disponíveis

PROBABILIDADES E ESTATSTICA

12.1.1. Haver 2 peas defeituosas?

< > >

18.2. A probabilidade de, em 8 horas de trabalho, se verificar pelo menos 1

desconhecido e n<30), usar

Com n=20 e (1- )=0,90 144 , 30 1 ;

Com n=9 e (1- )=0,95 507 , 15 1 ;

passasse para metade custa de n era preciso que o

O limite da regio crtica T> t

Você também pode gostar