1o Semestre – 2023/2024

Probabilidade e Estatística 15/01/2024

LEC, LEFT, LEGI, LMAC
15:30–17:30

Duração: 120 minutos Exame de época normal

• As questões de escolha múltipla têm uma e apenas uma resposta correta. Caso assinale uma resposta
errada ou mais de uma resposta, serão descontados 0.5 valores.
• As respostas às questões de escolha múltiplas têm de ser assinaladas na folha de instruções
previamente distribuída.
• Para as restantes questões, terá de justificar convenientemente as suas respostas.

Pergunta 1 2 valores

Num centro de recolha, verificou-se que 70% das peças recebidas correspondem a roupa, 20% a calçado e
10% a acessórios. Verificou-se ainda que 70% da roupa e 95% dos acessórios estavam em condições de ser
revendidos, contrariamente a 75% do calçado que não estava em condições de ser revendido.
Selecionada uma peça ao acaso, qual é a probabilidade de que seja uma peça de roupa, sabendo que está
em condições de ser revendida?

• Quadro de acontecimentos e probabilidades

Acontecimento Probabilidade
A = peça de roupa P (A) = 0.7
B = peça de calçado P (B ) = 0.2
C = peça de acessório P (C ) = 0.1
R = peça estar em condições para revenda
P (R | A) = 0.7
P (R̄ | B ) = 0.75
P (R | C ) = 0.95

• Prob. pedida
Ao invocarmos o teorema de Bayes, temos

P (R | A) × P (A)
P (A | R) =
P (R)
P (R | A) × P (A)
=
P (R | A) × P (A) + P (R | B ) × P (B ) + P (R | C ) × P (C )
0.7 × 0.7
=
0.7 × 0.7 + (1 − 0.75) × 0.2 + 0.95 × 0.1
0.49
=
0.635
' 0.7717.

Pergunta 2 2 valores

Em certa experiência, a probabilidade de uma partícula escapar à trajetória prevista é igual a 0.03.
Calcule o quantil de probabilidade 0.95 (q 0.95 ) do número de vezes (X ) que a partícula escapa à trajetória,
em 18 realizações independentes de tal experiência. Determine P (X ≥ q 0.95 ).

Página 1 de 9
 • V.a. e f.p.
X = número de vezes em que a partícula escapa à trajetória, em 18 realizações da experiência

X ∼ binomial(n = 18, p = 0.03)

P (X = x) = 18 x 18−x
¡ ¢
x 0.03 (1 − 0.03) , x = 0, 1, . . . , 18

• Quantil pedido
O quantil de probabilidade p de X , q p (p = 0.95), define-se do modo seguinte:

q p ∈ {0, 1, . . . , 18} : P (X ≤ q p ) ≥ p e P (X ≥ q p ) ≥ 1 − p
p ≤ F X (q p ) ≤ p + P (X = q p ) ⇔ F X [(q p )− ] ≤ p ≤ F X (q p ).
De acordo com a tabela/calc., F X (1) = P (X ≤ 1) = F X (2− ) = 0.8997 e F X (2) = 0.9843. Logo,

0.8997 = F X (2− ) ≤ 0.95 ≤ F X (2) = 0.9843,

pelo que o quantil de probabilidade 0.95 da v.a. X é igual a q 0.95 = 2.

• Probabilidade pedida
t abel as, cal c.
P (X ≥ q 0.95 ) = P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X ≤ 1) = 1 − F X (1) = 1 − 0.8997 = 0.1003.

Pergunta 3 2 valores

Admita que o tempo (em anos) até à ocorrência do próximo terramoto em determinada região é uma
variável aleatória X com distribuição exponencial com parâmetro λ (λ > 0). Admita também que, sabendo
que o último terramoto ocorreu há mais de dois anos nessa região, a probabilidade de ter de se esperar
adicionalmente mais de quatro anos pela ocorrência do próximo terramoto é igual a 0.818731.
Qual é o valor de λ arredondado às centésimas? A: 0.03 B: 0.43 C: 0.28 D: 0.05

• V.a. de interesse, f.d.p. e f.d.

X = tempo (em anos) até à ocorrência do próximo terramoto...

X ∼ exponencial(λ)

λ e −λ x ,
½
f or m. x ≥0
f X (x) =
0, x <0
½
Rx 0, x <0
F X (x) = P (X ≤ x) = −∞ f X (t ) d t = Rx −λ t −λ x
0 λe dt = 1−e , x ≥0

• Obtenção de λ
Ao invocarmos a propriedade da falta de memória da distribuição exponencial, obtemos
λ > 0 : P (X > 2 + 4 | X > 2) = 0.818731
P (X > 4) = 0.818731 ⇔ 1 − F X (4) = 0.818731
−λ×4
e = 0.818731 ⇔ λ = −1/4 × ln(0.818731)
λ ' 0.05.
[Em alternativa,
P (X > 2 + 4, X > 4)
λ > 0 : P (X > 2 + 4 | X > 2) = 0.818731 ⇔ = 0.818731
P (X > 2)
P (X > 2 + 4) e −λ×(2+4)
= 0.818731 ⇔ = 0.818731
P (X > 2) e −λ×2
1
e −λ×4 = 0.818731 ⇔ λ = − × ln(0.818731) ⇔ λ ' 0.05.]
4

Página 2 de 9
 Pergunta 4 2 valores

O retorno do aluguer de um equipamento em dois dias consecutivos é representado pelo par aleatório
(X , Y ), com função de probabilidade conjunta dada por
Y
X 0 1 2
0 0.1 0.2 0.1
1 0.2 0.1 0
2 0 0.3 0

Calcule o valor esperado e a variância de X − Y .

• Par aleatório
(X , Y )
X = retorno do aluguer do equipamento no primeiro dia
Y = retorno do aluguer do equipamento no segundo dia

• V.a. de interesse
X − Y = diferença entre os retornos do aluguer do equipamento em dois dias consecutivos

• Valor esperado e variância pedidos

Uma vez que E (X −Y ) = E (X )−E (Y ) e V (X −Y ) = V (X )+V (Y )−2 cov(X , Y ), são necessários alguns
cálculos auxiliares que envolverão a f.p. conjunta de (X , Y ) e as f.p. marginais de X e Y dadas por
P P
P (X = x) = y P (X = x, Y = y) e P (Y = y) = x P (X = x, Y = y).

Y P (X = x)
X 0 1 2
0 0.1 0.2 0.1 0.4
1 0.2 0.1 0 0.3
2 0 0.3 0 0.3
P (Y = y) 0.3 0.6 0.1 1

• Valores esperados e variâncias de X e de Y

2
X
E (X ) = x × P (X = x) = 1 × 0.3 + 2 × 0.3 = 0.9
x=0
2
E (X 2 ) = x 2 P (X = x) = 12 × 0.3 + 22 × 0.3 = 1.5
X
x=0

V (X ) = E (X 2 ) − E 2 (X ) = 1.5 − 0.92 = 0.69

2
X
E (Y ) = y × P (Y = y) = 1 × 0.6 + 2 × 0.1 = 0.8
y=0

2
E (Y 2 ) = y 2 P (Y = y) = 12 × 0.6 + 22 × 0.1 = 1
X
y=0

V (Y ) = E (Y 2 ) − E 2 (Y ) = 1 − 0.82 = 0.36

• Valor esperado de X Y
2 X
X 2
E (X Y ) = x y × P (X = x, Y = y) = 1 × 1 × 0.1 + 2 × 1 × 0.3 = 0.7
x=0 y=0

• Covariância entre X e Y
cov(X , Y ) = E (X Y ) − E (X ) × E (Y ) = 0.7 − 0.9 × 0.8 = −0.02

Página 3 de 9
 • Valor esperado e variância pedidos (cont.)
E (X − Y ) = E (X ) − E (Y )
= 0.9 − 0.8
= 0.1

V (X − Y ) = V (X ) + V (Y ) − 2 cov(X , Y )
= 0.69 + 0.36 − 2 × (−0.02)
= 1.09.

Pergunta 5 2 valores

Numa linha de montagem, o número de unidades rejeitadas diariamente pode ser descrito por uma variável
aleatória X com distribuição geométrica com parâmetro p = 0.05. Admita que os números de unidades
rejeitadas em dias sucessivos são variáveis aleatórias independentes e identicamente distribuídas a X .
Obtenha um valor aproximado para a probabilidade de o número total de unidades rejeitadas em 40 dias
ser superior a 780.

• V.a.; valor esperado e variância comuns

X i = número de unidades rejeitadas no dia i , i = 1, . . . , n

n = 40
i nd ep
Xi ∼ geométrica(p = 0.05)
f or m.
E (X i ) = E (X ) = µ = 1/p = 20
f or m.
V (X i ) = V (X ) = σ2 = (1 − p)/p 2 = 380

• V.a. de interesse
S n = ni=1 X i = número total de unidades rejeitadas em n dias
P

• Valor esperado e variância de S n

X i ∼X
E (S n ) = E ni=1 X i = ni=1 E (X i ) = n E (X ) = n µ
¡P ¢ P

¡Pn ¢ X i i nd ep. Pn X i ∼X 2
V (S n ) = V i =1 X i = i =1 V (X i ) = n V (X ) = n σ

• Distribuição aproximada de S n
De acordo com o teorema do limite central (TLC),
S n − E (S n ) S n − n E (X ) S n − n µ a
p = p = p ∼ normal(0, 1).
V (S n ) n V (X ) n σ2
• Prob. pedida (valor aproximado)
S n − n µ 780 − n µ
µ ¶
P [S n > 780] = 1−P p ≤ p
µ nσ ¶ n σ2
2

T LC 780 − n µ
' 1−Φ p
µ n σ2 ¶
780 − 40 × 20
= 1−Φ p
40 × 380
' 1 − Φ(−0.16)
= Φ(0.16)
t abel as/c al c.
' 0.5636.

Página 4 de 9
 Pergunta 6 2 valores

Admita que a fração de carga máxima suportada por uma estrutura em relação à carga máxima possível é
representada pela variável aleatória X com função de densidade de probabilidade dada por

3βx 2 (1 − x 3 )β−1 , x ∈ (0, 1)

½
f X (x) =
0, outros valores de x,

onde β é um parâmetro desconhecido positivo.

Deduza o estimador de máxima verosimilhança de β, com base numa amostra aleatória de dimensão n
proveniente de X .

• V.a. de interesse; f.d.p.

X = fração de carga máxima suportada por uma estrutura em relação à carga máxima possível

3βx 2 (1 − x 3 )β−1 , x ∈ (0, 1)

½
f X (x) =
0, outros valores de x

• Parâmetro desconhecido
β (β > 0)

• Amostra; amostra aleatória

(x 1 , . . . , x n ), amostra de dimensão n proveniente de X .
(X 1 , X 2 , . . . , X n ), amostra aleatória de dimensão n proveniente de X .

• Dedução do estimador de MV de β

Passo 1 — Função de verosimilhança

n n
X i i nd ep Y X i ∼X Y
L(β | x) = f X (x) = f X i (x i ) = f X (x i )
i =1 i =1
n h i
3βx i2 (1 − x i3 )β−1
Y
=
i =1
n h i
= 3n β n x i2 (1 − x i3 )β−1 , β>0
Y
i =1

Passo 2 — Função de log-verosimilhança

n n
ln 1 − x i3 , β>0
X X ¡ ¢
ln L(β|x) = n ln(3) + n ln(β) + 2 log(x i ) + (β − 1)
i =1 i =1

Passo 3 — Maximização
A estimativa de MV de β será representada por β̂ e
 d ln L(β|x) ¯¯

dβ =0 (ponto de estacionaridade)
β=β̂
 ¯
β̂ : 2
¯
 d ln L(β|x)
 ¯
< 0 (ponto de máximo)
d β2 β=β̂
¯

n Pn n¡
1 − x i3 = 0  β̂ = − Pn
 ¡ ¢ 
+ i =1 ln 1−x i3
¢
β̂ i =1 ln

⇔
 − n <0  − n < 0 (prop. verdadeira)
2 β̂ 2 β̂

Passo 4 — Estimador de MV de β
n
E MV (β) = − Pn ¡ 3
¢
i =1 ln 1 − X i

Página 5 de 9
 Pergunta 7 2 valores

A gestora de uma unidade fabril decidiu estimar a probabilidade p de um parafuso de alta resistência
escolhido ao acaso da produção diária não satisfazer as especificações de segurança. Para o efeito,
selecionou uma amostra casual de 100 desses parafusos, dos quais 4 não satisfizeram as especificações
de segurança.
Determine um intervalo de confiança aproximado a 95% para a probabilidade p.
Answers A: [0.0394, 0.0406] B: [0.0016, 0.0784] C: [0.0078, 0.0722] D: [0.0392, 0.0408]

• V.a. de interesse
½
1, parafuso de alta resistência não satisfaz especificações de segurança
X=
0, caso contrário

• Situação
X ∼ Bernoulli(p)
p DESCONHECIDO

• Obtenção de IC aproximado para p

Passo 1 - Seleção da v.a. fulcral para p
X̄ − p a
Z=q ∼ normal(0, 1)
X̄ (1− X̄ )
n

Passo 2 — Obtenção dos quantis de probabilidade

Como (1 − α) × 100% = 95% ⇔ α = 0.05, lidaremos com os quantis seguintes:
(
t abel a/cal c.
a α = Φ−1 (α/2) = −Φ−1 (1 − α/2) = −Φ−1 (0.975) = −1.9600
b α = Φ (1 − α/2) = Φ (0.975) = 1.9600.
−1 −1

Passo 3 — Inversão da desigualdade a α ≤ Z ≤ b α

P (a α ≤ Z ≤ b α ) ' 1 − α
· q ¸
P a α ≤ ( X̄ − p)/ X̄ (1 − X̄ )/n ≤ b α ' 1 − α
 s s 
X̄ (1 − X̄ ) X̄ (1 − X̄ ) 
P  X̄ − b α × ≤ p ≤ X̄ − a α × ' 1−α
n n

Passo 4 — Concretização
A expressão geral do intervalo aproximado de confiança a (1 − α) × 100% para p é
" s #
−1 x̄(1 − x̄)
IC (1−α)×100% (p) ' x̄ ± Φ (1 − α/2) × .
n

4
Ao termos em conta que n = 100, α = 0.05, Φ−1 (1 − α/2) = 1.9600 e x̄ = n1 ni=1 x i = 100
P
= 0.04,
 s s 
0.04 × (1 − 0.04) 0.04 × (1 − 0.04)
IC 95% (p) ' 0.04 − 1.9600 × , 0.04 + 1.9600 × 
100 100
' [0.0016, 0.0784].

Pergunta 8 2 valores

Um engenheiro físico avalia a distância percorrida no lançamento de um projétil sob novas condições de
atrito. Efetuados 15 registos casuais da distância percorrida, obtiveram-se uma média e uma variância

Página 6 de 9
(corrigida) amostrais iguais a 9.8 e 1.2 (respetivamente).
Considerando tal distância uma variável aleatória com distribuição normal com valor esperado µ e desvio
padrão σ desconhecidos, confronte as hipóteses H0 : µ = 10.2 e H1 : µ < 10.2. Obtenha o valor-p (ou um
intervalo para o valor-p) do teste. Para que níveis de significância não se deve rejeitar H0 ?

• V.a. de interesse
X = distância percorrida no lançamento de projétil sob novas condiçes de atrito

• Situação
X ∼ normal(µ, σ2 )
µ desconhecido
σ DESCONHECIDO

• Hipóteses
H0 : µ = µ0 = 10.2 vs. H1 : µ < µ0

• Estatística de teste
X̄ − µ0 a
T= p ∼H0 t n−1
S/ n

• Região de rejeição de H0 (para valores da estatística de teste)

O teste é unilateral inferior (H1 : µ < µ0 ), logo a região de rejeição de H0 é do tipo W = (−∞, −c).

• Valor-p e comentário
Atendendo a que o valor observado da estatística de teste e o valor-p são iguais a
x̄ − µ0 9.8 − 10.2
t = p = p ' −1.41
s/ n 1.2/15
cal c.
v al or − p = P (T < t | H0 ) = F t(n−1) (t ) ' F t(14) (−1.41) = 1 − F t(14) (1.41) ' 0.0902,
é suposto:
– não rejeitar H0 a qualquer n.s. α0 ≤ v al or − p ' 9.02%, designadamente aos níveis usuais de
significâncias de 1% e 5%)[;
– rejeitar H0 a qualquer n.s. α0 > v al or − p ' 9.02%, nomeadamente ao n.u.s. de 10%].

[Alternativamente, poderíamos recorrer às tabelas de quantis da distribuição t-Student e adiantar

um intervalo para o valor-p:
F t−1
(14)
(0.9) = 1.345 < |t | = 1.41 < 1.523 = F t−1
(14)
(0.925)
0.9 < F t(14) (1.41) < 0.925
1 − 0.925 < 1 − F t(14) (0.52) < 1 − 0.9
0.075 < v al or − p < 0.1.
Assim, é suposto:
– não rejeitar H0 a qualquer n.s. α0 ≤ 7.5%, designadamente aos níveis usuais de significâncias
de 1% e 5%)[;
– rejeitar H0 a qualquer n.s. α0 ≥ 10%, nomeadamente ao n.u.s. de 10%.]

Pergunta 9 2 valores

3
A distribuição de Lomax, com função densidade de probabilidade dada por f 0 (x) = (x+1) 4 , para x > 0, foi

apontada como adequada para descrever o tamanho de ficheiros para certa categoria de dados digitais

Página 7 de 9
(hipótese H0 ).
Com base no teste de ajustamento do qui-quadrado e na tabela de frequências seguinte referente a
100 destes ficheiros selecionados casualmente, teste a adequabilidade de tal distribuição, ao nível de
significância de 2.5%.

Tamanho de ficheiro (MB) (0, 0.25] (0.25, 0.5] (0.5, 0.75] (0.75, 1] (1, +∞)
Frequência absoluta observada 52 26 4 6 12
Frequência absoluta esperada sob H0 48.80 21.57 10.97 6.16 12.5

• V.a. de interesse; f.d.p. conjecturada

X = tamanho do ficheiro de dados
(
3
(x+1)4
, x >0
f 0 (x) =
0, caso contrário.

• Hipóteses
H0 : f X (x) ≡ f 0 (x) vs. H0 : f X (x) 6≡ f 0 (x)

• N.s.
α0 = 2.5%

• Estatística de teste
k (O − E )2
i i a
∼H0 χ2(k−1)
X
T=
i =1 E i

onde: k = número de classes = 5; O i = frequência absoluta observável da classe i ; E i =

frequência absoluta esperada, sob H0 , da classe i .

• Região de rejeição de H0 (para valores de T )

Ao efectuarmos um teste de ajustamento do qui-quadrado a região de rejeição de H0 é um intervalo
à direita W = (c, +∞), onde
t abel a/cal c.
c = F χ−1
2 (1 − α0 ) = F χ−1
2 (1 − 0.025) = F χ−1
2 (0.975) = 11.14.
(k−1) (5−1) (4)

• Decisão
No cálculo do valor observado da estatística de teste convém recorrer à seguinte tabela auxiliar:
i Classe Freq. abs. obs. Freq. abs. esper. sob H0 Parcelas valor obs. estat. teste
(o i −E i )2
oi E i = n × p i0 Ei

(52−48.8)2
1 (0, 0.25] 52 48.8 48.8 ' 0.210
2 (0.25, 0.5] 26 21.57 0.910
3 (0.5, 0.75] 4 10.97 4.429
4 (0.75, 1] 6 6.16 0.004
5 (1, +∞) 12 12.5 0.020
Pk Pk Pk (o i −E i )2
o = n = 100
i =1 i
E = n = 100
i =1 i
t= i =1 Ei ' 5.573

Como t = 5.573 6∈ W = (11.14, +∞), não devemos rejeitar H0 ao n.s. α0 = 2.5%.

Pergunta 10 2 valores

Dados relativos à percentagem de determinado tipo de madeira (x) em polpa de papel e a respetiva
resistência à tração (Y ) do papel resultante conduziram aos seguintes valores:
P18 P18 2 P18 P18 2 P18
i =1 x i = 78, i =1 x i = 511, i =1 y i = 706, i =1 y i = 41 209, i =1 x i y i = 4 467,

Página 8 de 9
onde [mini =1,...,18 x i , maxi =1,...,18 x i ] = [1, 10].
Com base no modelo de regressão linear simples, Y = β0 + β1 x + ², e nos dados fornecidos, estime
E (Y | x = 7). Obtenha o coeficiente de determinação do modelo estimado e interprete o valor obtido.

• [Modelo de RLS e hipóteses de trabalho

Y = resistência à tração (v.a. resposta)
x = percentagem de determinado tipo de madeira (variável explicativa)
Y i = β 0 + β 1 x i + εi , i = 1, . . . , n
E (²i ) = 0, V (²i ) = σ2 , i = 1, . . . , n
cov(²i , ² j ) = 0, i 6= j , i , j = 1, . . . , n]

• Estimativas de MQ dos parâmetros desconhecidos β0 e β1

Importa notar que
◦ n = 18

◦ ni=1 x i = 78
P

x̄ = n1 ni=1 x i = 78
P
18 = 4.(3)
Pn 2
i =1 x i = 511
Pn 2 2 2
i =1 x i − n x̄ = 511 − 18 × 4.(3) = 173.0

◦ ni=1 y i = 706
P

ȳ = n1 ni=1 y i = 706
P
18 = 39.(2)
Pn 2
i =1 y i = 41 209
Pn 2 2 2
i =1 y i − n ȳ = 41 209 − 18 × 39.(2) = 13518.(1)

◦ ni=1 x i y i = 4 467
P
Pn
i =1 x i y i − n x̄ ȳ = 4 467 − 18 × 4.(3) × 39.(2) = 1 407.(6).

Logo,
Pn
i =1 x i y i − n x̄ ȳ 1 407.(6)
β̂1 = Pn 2 2
= ' 8.136802
i =1 x i − n x̄
173
β̂0 = ȳ − β̂1 × x̄ ' 39.(2) − 8.136802 × 4.(3) ' 3.962751.

• Estimativa pedida

Ê (Y | x = 7) = β̂0 + β̂1 × 7 ' 3.962751 + 8.136802 × 7 ' 60.920362.

• Coeficiente de determinação
¡Pn ¢2
2 i =1 x i y i − n x̄ ȳ (1 407.(6))2
r = ¡Pn 2 2
¢ ¡Pn 2 2
¢ = ' 0.847301
i =1 x i − n x̄ × i =1 y i − n ȳ
173.0 × 13518.(1)

• Interpretação coeficiente de determinação

Cerca de 84.73% da variação total da variável resposta Y é explicada pela variável x, através do
modelo de regressão linear simples ajustado, donde possamos afirmar que a recta estimada parece
ajustar-se bem ao conjunto de dados.

Página 9 de 9