AEDB - 2 BI Probabilidade e Estatstica - 2o Ano 2011 - Prof: Roberto Campos Leoni

Simulado
1. Em um arquivo h 4 balancetes de oramento e 3 balancetes de custos. Em uma auditoria, o auditor seleciona
aleatoriamente um desses balancetes. Qual a probabilidade de que seja um balancete de custos? E de
oramento?
Vamos denotar por C o evento balancete de custo e por O o evento balancete de oramento. Temos:
#O = 4 #C = 3
# = 7
Logo, Pr(O) =4/7 Pr(C) =2/7
2. Considere a situao anterior, s que agora o auditor retira sequencialmente 2 balancetes sem reposio. Qual
a probabilidade de serem sorteados (i) 2 balancetes de custos? (ii) 2 balancetes de oramento? (iii) 2 balancetes
de tipos diferentes?
O espao amostral para o experimento do sorteio sequencial de 2 balancetes sem reposio

Logo, # = 42.
(i) Seja A = dois balancetes de custos. Ento, A = {C1C2,C1C3,C2C1,C2C3,C3C1,C3C2} e Pr(A) = 6/42=1/7.
(ii) Seja B = dois balancetes de oramento. Ento,

e Pr(B) =12/42=2/7.
(iii) Seja C = dois balancetes de tipos diferentes. Ento

e Pr(C) =24/42=4/7.
3. Em um levantamento em um bairro de 1.000 moradores, verifica-se que:
220 tm curso superior;
160 so casados;
100 esto desempregados;
50 tm curso superior, so casados e esto empregados;
60 tm curso superior e esto desempregados;
20 tm curso superior, so casados e esto desempregados.
Escolhe-se ao acaso um morador desse bairro. Qual a probabilidade de que ele
(a) tenha curso superior e seja casado?
(b) ou tenha curso superior e seja casado ou esteja empregado?
(c) ou tenha curso superior ou esteja desempregado?
3. Sejam os eventos S = ter curso superior, C = ser casado, D =estar desempregado. O problema d que
Pr (S) = 0, 22 Pr (C) = 0, 16 Pr (D) = 0, 10 Pr(S C D )= 0, 05 Pr (S D) = 0, 06 Pr (S C D) = 0, 02
(a) O problema pede Pr (S C). Temos que Pr (S C) = Pr (S C D)+Pr(S C D ) = 0, 02+0, 05 = 0, 07
(b) O problema pede Pr[(S C) D ]. Temos que
Pr[(S C) D ]= Pr (S C)+Pr( D )Pr(S C D )=0, 07+0,900,05 = 0, 92
(c) O problema pede Pr (S D). Temos que Pr (S D) = Pr (S)+Pr (D)Pr (S D) = 0, 22+0, 100, 06 = 0, 26
Pgina 1 de 7

Simulado
4. Na urna I h 5 bolas vermelhas, 3 brancas e 8 azuis. Na urna II h 3 bolas vermelhas e 5 brancas. Lana-se um
dado equilibrado. Se sair 3 ou 6, escolhe-se uma bola da urna I; caso contrrio, escolhe-se uma bola da urna II.
Calcule a probabilidade de
(a) sair uma bola vermelha;
(b) sair uma bola branca;
(c) sair uma bola azul.
4. Veja a Figura 9.7, onde temos os seguintes eventos: V = bola vermelha; B = bola branca; A = bola azul;
I = urna I; II = urna II

Figura 9.7: Diagrama de rvore para o Exerccio 8.5.

(a) Temos que
Pr(V ) = Pr(V I) + Pr(V II) = Pr(I) Pr(V |I) + Pr(II) Pr(V |II) =1/3 5/16+2/33/8=5/48+12/48=17/48
(b) Temos que
Pr(B) = Pr(B I) + Pr(B II) = Pr(I) Pr(B|I) + Pr(II) Pr(B|II)=1/3 3/16+2/35/8=3/48+20/48=23/48
(c) Temos que
Pr(A) = Pr(A I) + Pr(A II)= Pr(I) Pr(A|I) + Pr(II) Pr(A|II)=1/3 8/16+2/30=8/48
Note que Pr(V ) + Pr(B) + Pr(A) = 1.
5. Uma comisso de dois estudantes deve ser sorteada de um grupo de 5 alunas e 3 alunos. Sejam os eventos:
M1 = primeiro estudante sorteado mulher M2 = segundo estudante sorteado mulher
(a) Construa um diagrama de rvore que represente o espao amostral deste experimento, indicando as
probabilidades.
(b) Calcule Pr(M1) e Pr(M2).
(c) Verifique se M1 e M2 so independentes.
5. (a) Veja a Figura 9.9.

Figura 9.9: Diagrama de rvore para o Exerccio 8.10.

(b) Temos que Pr(M1) =5/8; Pr(M2) = Pr(M1 M2) + Pr(H1 M2) = Pr(M1) Pr(M2|M1) + Pr(H1) Pr(M2|H1)
=5/8 4/7+3/8 5/7 =35/56=5/8
(c) Temos que Pr(M2|M1) = 4/7 6= Pr(M2). Logo, M1 e M2 no so independentes.

Simulado
6. O chefe do Setor de Compras de uma empresa trabalha com 3 grandes distribuidores de material de escritrio.
O distribuidor 1 responsvel por 70% dos pedidos, enquanto cada um dos outros 2 distribuidores responde por
15% dos pedidos. Dos registros gerais de compra, sabe-se que 6% dos pedidos chegam com atraso. A proporo
de pedidos com atraso do distribuidor 1 a metade da proporo do distribuidor 2 que, por sua vez, o dobro da
proporo do distribuidor 3. Calcule a porcentagem de pedidos com atraso de cada um dos distribuidores.
6. Vamos definir os seguintes eventos:
Di = distribuidor i, i = 1, 2, 3; A = atraso
Temos que Pr(D1) = 0, 70; Pr(D2) = Pr(D3) = 0, 15; Pr(A) = 0, 06; Pr(A|D1) =1/2.Pr(A|D2); Pr(A|D2) =
2.Pr(A|D3)
Fazendo p = Pr(A|D1), temos que
Pr(A|D2) = 2p
Pr(A|D3) =1/2.Pr(A|D2) = p
Mas, Pr(A) = Pr(A D1) + Pr(A D2) + Pr(A D3) = Pr(D1) Pr(A|D1) + Pr(D2) Pr(A|D2) + Pr(D3) Pr(A|D3)
Logo, 0, 06 = 0, 7p + 0, 15 2p + 0, 15p 0, 06 = 1, 15p p = 0, 052174
e, portanto, Pr(A|D1) = 0, 052174 Pr(A|D2) = 0, 104348 Pr(A|D3) = 0, 052174
7. O gerente de Recursos Humanos de uma empresa escolhe estagirios oriundos de dois cursos de
Administrao. No curso 1, a proporo de alunos com boa formao em informtica de 60%, enquanto no
outro curso essa proporo cai para 40%. Um estagirio acaba de ser contratado. A probabilidade de que tenha
boa formao em informtica 0,44. Qual a preferncia (probabilidade) do gerente pelo curso 1?
7. Considere os eventos I = aluno tem boa formao em informtica e Ci = aluno do curso i, i = 1, 2. O
problema d as seguintes probabilidades: Pr(I|C1) = 0, 60; Pr(I|C2) = 0, 40; Pr(I) = 0, 44 e pede Pr(C1). Sabemos
que Pr(I) = Pr(C1 I) + Pr(C2 I) = Pr(C1) Pr(I|C1) + Pr(C2) Pr(I|C2) = Pr(C1) 0, 6 + Pr(C2) 0, 4 = 0,
6 Pr(C1) + 0, 4 [1 Pr(C1)] Logo, 0, 44 = 0, 4 + 0, 2 Pr(C1) 0, 2 Pr(C1) = 0, 04 Pr(C1) = 0, 2
8. A demanda por um certo produto pode ser vista como uma varivel aleatria X cuja funo de distribuio de
probabilidade fX(x) estimada por

(a) Verifique se fX(x) realmente define uma fdp.

(b) Obtenha a funo de distribuio acumulada de X.
(c) Usando a fda calculada no item anterior, calcule Pr(X 3, 5).
8. (a) 0, 25+0, 45+0, 15+0, 15 = 1 e todos os valores so no negativos. Logo, fX uma funo de distribuio
de probabilidade.
(b)

(c) Temos que Pr(X 3, 5) = FX(3, 5) = 0, 85

9. Uma empresa de aluguel de carros tem em sua frota 4 carros de luxo e ela aluga esses carros por dia, segundo
a seguinte funo de distribuio de probabilidade:

O valor do aluguel de R$2000,00 por dia; a despesa total com manuteno de R$500,00 por dia quando o
carro alugado e de R$200,00 por dia quando o carro no alugado. Calcule:
(a) o nmero mdio de carros de luxo alugados por dia, bem como o desvio padro;
(b) a mdia e o desvio padro do lucro dirio com o aluguel dos carros de luxo.

Simulado
9.

Sejam X = nmero de carros de luxo alugados por dia e L = lucro dirio com aluguel de carros de luxo.
Ento
E(X) = 10, 30+20, 30+30, 20+40, 10 = 1, 9 carros por dia
E(X2) = 12 0, 30 + 22 0, 30 + 32 0, 20 + 42 0, 10 = 4, 9
Var(X) = E(X2) [E(X)]2 = 4, 9 (1, 9)2 = 1, 29
DP(X) = 1, 1356 carros por dia
E(L) = 800 0.10 + 900 0.30 + 2600 0.30 + 4300 0.20 + +6000 0.10 = 2430 reais
E(L2) = (800)2 0.10 + 9002 0.30 + 26002 0.30 + 43002 0.20 +60002 0.10 = 9633000
Var(L) = E(L2) [E(L)]2 = 9633000 24302 = 3728100
DP(L) = 1930, 83 reais
10. Um fabricante de peas de automveis garante que uma caixa de suas peas conter, no mximo, 2
defeituosas. Se a caixa contm 18 peas e a experincia mostra que esse processo de fabricao produz 5% de
peas defeituosas, qual a probabilidade de que uma caixa satisfaa a garantia?
10. Se X = nmero de peas defeituosas em uma caixa, resulta que X bin (18; 0, 05) . A caixa satisfaz a
garantia se X 2. Logo, a probabilidade de uma caixa satisfazer a garantia

11. Certo curso de treinamento aumenta a produtividade de certa populao de funcionrios em 80% dos casos.
Se 10 funcionrios quaisquer participam deste curso, encontre a probabilidade de:
(a) exatamente 7 funcionrios aumentarem a produtividade;
(b) pelo menos 3 funcionrios no aumentarem a produtividade;
(c) no mais que 8 funcionrios aumentarem a produtividade.
11. Podemos pensar nos funcionrios selecionados para o curso como experimentos de Bernoulli (aumenta ou
no a produtividade) independentes. Seja X = nmero de funcionrios, dentre os 10, que aumentam
produtividade.
(a)
(b) Pelo menos 3 no aumentarem a produtividade equivalente a no mximo 7 dos 10 aumentarem a
produtividade. Logo, a probabilidade pedida

Simulado

(c)

12. Determinado tipo de parafuso vendido em caixas com 1.000 peas. uma caracterstica da fabricao
produzir 10% de defeituosos. Normalmente, cada caixa vendida por 13,50 u.m.. Um comprador faz a seguinte
proposta para o produtor: de cada caixa, ele escolhe uma amostra de 20 peas; se ele encontrar 0 defeituosa, ele
paga 20,00 u.m. pela caixa; 1 ou 2 defeituosas, ele paga 10,00 u.m.; 3 ou mais defeituosas, ele paga 8,00 u.m..
Qual a alternativa mais vantajosa para o fabricante?
12. Numa populao de 1.000, retirar uma amostra de 20 pode ser vista como repeties de experimentos
independentes de Bernoulli. Seja X = nmero de defeituosos na amostra de 20. Ento, X bin (20; 0, 10)
Seja V = valor de compra proposto pelo cliente. Ento, V pode assumir os valores 20, 10 ou 8 u.m. e, pela regra
dada,

Pr (V = 8) = Pr (X 3) = 1Pr (X = 0)Pr (X = 1)Pr (X = 2) = 0, 3231

E(V ) = 8 0, 3231 + 10 0, 5553 + 20 0, 1216 = 10, 5698

A proposta do cliente mais desvantajosa para o fabricante, j que, em mdia, ele paga menos do que o
preo normal de 13,50.
13. Um industrial fabrica peas, das quais 20% so defeituosas. Dois compradores, A e B, classificam as partidas
adquiridas em categorias I e II, pagando 1,20 u.m. e 0,80 u.m. respectivamente, do seguinte modo:
Comprador A: retira uma amostra de 5 peas; se encontrar mais de uma defeituosa, classifica como II;
Comprador B: retira uma amostra de 10 peas; se encontrar mais de 2 defeituosas, classifica como II.
Em mdia, qual comprador oferece maior lucro para o fabricante?

13. Sejam os seguintes eventos: A = comprador A classifica partida como tipo II e B = comprador B classifica
partida como tipo II. Sejam XA nmero de peas defeituosas na amostra do comprador A e XB o nmero de
peas defeituosas na amostra do comprador B. Ento, XA bin(5; 0, 20) e XB bin(10; 0, 20)

Sejam PA e PB os preos pagos pelos compradores A e B respectivamente. Ento, as distribuies de

probabilidade dessas variveis so:

Simulado

; E (PA) = 1, 095
; E (PB) = 1, 071
A proposta do comprador A mais vantajosa.

FORMULRIO

Definio clssica de probabilidade: Para um espao amostral finito em que os eventos elementares so
igualmente provveis, define-se a probabilidade como Pr(A) =#A/#
Definio axiomtica de probabilidade: Probabilidade uma funo que associa a cada evento A de um espao
amostral um nmero Pr(A) que satisfaz os seguintes axiomas:

Axioma 1 : Pr(A) 0 ; Axioma 2 : Pr( ) = 1 ; Axioma 3 : A B = Pr(A B) = Pr(A) + Pr(B)

Propriedades da probabilidade:

Pr( ) = 0
Pr( A ) = 1 Pr(A)
Pr(A B) = Pr(A) Pr(A B)
Pr(A B) = Pr(A) + Pr(B) Pr(A B)
A B Pr(A) Pr(B)
Pr(A) 1

A probabilidade condicional do evento A dada a ocorrncia do evento B

Regra da multiplicao para dois eventos: Pr(A B) = Pr(B) Pr(A|B) = Pr(A) Pr(B|A)
Regra da multiplicao geral: Pr(A1 A2 . . . An) = Pr(A1) Pr(A2|A1) Pr(A3|A1 A2) . . . Pr(An|A1 A2 . . .
An1)
Independncia de eventos: Se A e B so eventos de um espao amostral, ento A e B so independentes se
Pr(A|B) = Pr(A) ou equivalentemente Pr(A B) = Pr(A) Pr(B)
Uma varivel aleatria (v.a.) uma funo real (isto , que assume valores em R) definida no espao amostral
de um experimento aleatrio. Dito de outra forma, uma varivel aleatria uma funo que associa a cada

evento de um nmero real.

Uma varivel aleatria discreta se sua imagem (ou conjunto de valores que ela assume) um conjunto finito ou
enumervel. Se a imagem um conjunto no enumervel dizemos que a varivel aleatria contnua.
Seja X uma varivel aleatria discreta. A funo de distribuio de probabilidades de X a funo fX (x) que
associa, a cada valor possvel x de X, sua respectiva probabilidade, calculada da seguinte forma:

A fdp de uma v.a. discreta satisfaz as seguintes propriedades:

e pode ser representada por um grfico de colunas, caso X assuma poucos valores.

Dada uma varivel aleatria (discreta) X, a funo de distribuio acumulada (fda) de X definida por FX(x) = Pr (X
x) x R

Seja A1,A2, . . . ,An uma partio do espao amostral e seja B um evento qualquer de

Teorema da Probabilidade Total

Teorema de Bayes

Simulado

Probabilidades a priori - so as probabilidades Pr(Ai)

Probabilidades a posteriori - so as probabilidades Pr(Ai|B)
Seja X uma varivel aleatria discreta que assume os valores x1, x2, . . . com probabilidades p1, p2, . . .
respectivamente. A mdia ou esperana de X definida como

onde o somatrio se estende por todos os valores possveis de X.

Seja X uma varivel aleatria discreta com funo de distribuio de probabilidade fX (x) . Se definimos uma nova
v.a. Y = g(X), ento

A varincia de uma varivel aleatria X definida como V ar (X) = E [X E (X)]2 = E(X2) [E(X)]2
O desvio padro de uma varivel aleatria X definido como a raiz quadrada de sua varincia:

Propriedades da esperana, da varincia e do desvio padro: sejam a, b 0 constantes quaisquer.

Distribuio uniforme discreta: X assume valores x1, x2, . . . , xn tais que

Distribuio de Bernoulli:
; E(X) = p ; Var(X) = p(1 p)
Experimento binomial: repeties independentes de um experimento de Bernoulli.
Distribuio binomial: X = nmero de sucessos em n repeties independentes de um experimento binomial

Distribuio hipergeomtrica: X = nmero de sucessos em uma amostra de tamanho n, retirada sem reposio de
uma populao dividida em 2 classes, uma consistindo em r sucessos e outra consistindo em N r fracassos

; E(X) = Np; Var(X) = np(1 p)