Engenharia de Produção

3° Período
Estatística Aplicada II
UNIVERSIDADE SALGADO DE OLIVEIRA
 

UNIVERSIDADE SALGADO DE OLIVEIRA

TRABALHO DE ESTATÍSTICA APLICADA II

Curso de Graduação em Engenharia de Produção

DLAYTON AUGUSTO ARAÚJO DE SABÓIA - 600187611

HENRIQUE SOARES NUNES - 600258396

RENAN MOURA DA COSTA - 600287388

THIAGO DE PAIVA CARDOZO - 600297742

DISTRIBUIÇÃO TEÓRICAS DE
PROBABILIDADES DE VARIÁVEIS
ALEATÓRIAS DISCRETAS

Orientador: Boris
 a

!


1 - Distribuição de Bernoulli................................ ................................ ....................... 4

2- Distribuição Hipergeométrica ................................ ................................ ................ 4

3 - Distribuição Binomial ................................ ................................ ............................ 6

4 - Função da probabilidade ................................ ................................ ....................... 6

5 - Distribuição de Poison ................................ ................................ ........................... 8

EXERCÍCIOS PROPOSTOS COM RESOLUÇÃO E COMENTADOS: ............... 9

 :

DISTRIBUIÇÃO TEÓRICAS DE PROBABILIDADES DE

VARIÁVEIS ALEATÓRIAS DISCRETAS

1 - Distribuição de Bernoulli

A Distribuição de Bernoulli é a distribuição discreta de espaço amostral {0, 1},

com probabilidades P(0) = 1 - p e P(1) = p. O nome da distribuição se refere ao
cientista suíço Jakob Bernoulli.

Sempre que uma experiência aleatória só tem dois resultados possíveis pode ser
descrita por uma variável aleatória de Bernoulli. Por convenção utilizam-se os
valores 0 e 1 (0 ĺ insucesso, 1 ĺ sucesso) e designa-se por ` a probabilidade da
variável assumir o valor 1.

Exemplos de aplicação:

$c O sexo de um indivíduo;
$c Pretende-se estudar a incidência de uma certa doença numa certa
população. X pode indicar se a doença está presente (X=1) ou ausente (X=0)
num indivíduo da população (selecionado ao acaso).
$c O fator Rh do sangue das pessoa (ou é positivo ou é negativo).

2- Distribuição Hipergeométrica

Em teoria das probabilidades e estatística, a distribuição hipergeométrica é uma

distribuição de probabilidade discreta que descreve a probabilidade de se
retirar U elementos do tipo A numa sequência de extrações de uma população
finita de tamanho N, com
elementos do tipo A e N-
elementos do tipo B, sem
reposição.
 Ö

Seja i um conjunto tal que exi tem
elementos do ti o A e i
elementos do ti o

B Um conjunto de elementos é selecionado, aleatoriamente e sem reposi o, do
conjunto de i elementos. A vari vel aleatória
denota o número de elementos
tipo A. Então,
tem distri ui ão hipergeométrica e

onde   


 e onde refere-se ao coeficiente binomial, o número
de combinações possíveis ao selecionar  elementos de um total .
Quando o tamanho da população é muito maior do que a amostra (isto é,i é
muito maior que ) a distribuição hipergeométrica é razoavelmente bem
aproximada pela distribuição binomial com parâmetros  (número de tentativas)
e  =
/ i (probabilidade de sucesso numa tentativa única).

Um jogo de loteria consiste em selecionar seis dezenas do conjunto de cem dezenas

de 00 a 99, com uma bola para cada dezena e sem reposição. Num volante (cartão
aposta) o jogador pode escolher de 6 a 12 dezenas. Qual é a probabilidade de
acertar-se a quina (5 dezenas) marcando-se 10 dezenas no volante?
Temos:

!c N: total de dezenas, i = 100

!c n: total de dezenas sorteadas,  = 6
!c €: total de dezenas escolhidas,
= 10
!c o: total de sucessos, queremos
= 5
A probabilidade de se acertar a quina é de aproximadamente 0,0019%.

O interessante é que o mesmo problema pode ser resolvido de outra forma.

Podemos pensar que a escolha aleatória é feita pelo jogador, e que as dezenas
"premiadas" já estão definidas a priori (sem o jogador saber, é claro). Isto é,
existem 2 tipos de dezenas, as "premiadas" e as "não premiadas", e o jogador
escolhe aleatoriamente (ou não, desde que o seu critério de escolha seja
independente das dezenas "premiadas") as 10 dezenas do seu jogo. Assim

!c N: total de dezenas, i = 100

 V

!c n: total de dezenas sorteadas/escolhidas pelo jogador), = 10

!c €: total de dezenas premiadas,
= 6
!c X: total de sucessos, queremos
= 5
O resultado é o mesmo!

3 - Distribuição Binomial

Em teoria das probabilidades e estatística, a distribuição binomial é a distribuição

de probabilidade discreta do número de sucessos numa sequência de tentativas
tais que as tentativas são independentes; cada tentativa resulta apenas em duas
possibilidades, sucesso ou fracasso (a que se chama de tentativa de Bernoulli); a
probabilidade de cada tentativa, `, permanece constante.



m
     





4 - Função da probabilidade

Se a variável aleatória
que contém o número de tentativas que resultam em

sucesso tem uma distribuição binomial com parâmetros e `
escrevemos
~
B( , `). A probabilidade de ter exatamente  sucessos é dado pela função de
probabilidade:

para e onde é uma combinação.

Exemplo:
 È

Três dados comuns e honestos serão lançados. A probabilidade de que o

número 6 seja obtido mais de uma vez é: A probabilidade de que seja obtido 2
vezes mais a probabilidade de que seja obtido 3 vezes. Usando a distribuição
binomial de probabilidade:

Acha-se a probabilidade de que seja obtido 2 vezes:

Agora a probabilidade de que seja obtido 3 vezes:

Assim, a resposta é:
 ±

5 - Distribuição de Poison

Função de probabilidade da distribuição de Poison para vários valores de Ȝ.

Na teoria da probabilidade e na estatística, a distribuição de Poisson é uma

distribuição de probabilidade discreta. Ela expressa, por exemplo, a probabilidade
de um certo número de eventos ocorrerem num dado período tempo, caso estes
ocorram com uma taxa média conhecida e caso cada evento seja independente do
tempo decorrido desde o último evento. A distribuição foi descoberta por Siméon-
Denis Poisson (1781±1840) e publicada, conjuntamente com a sua teoria da
probabilidade, em 1838 no seu trabalho Reche
ches su
 `
 es ugeme s
e m
es c
m ees e m
e ce ("Inquérito sobre a probabilidade em
julgamentos sobre matérias criminais e civis"). O trabalho focava-se em certas
variáveis aleatórias N que contavam, entre outras coisas, o número de ocorrências
discretas (por vezes chamadas de "chegadas") que tinham lugar durante um
intervalo de tempo de determinado comprimento. A probabilidade de que existam
exactamente  ocorrências ( sendo um inteiro não negativo,  = 0, 1, 2,) é

onde

!c e é base do logaritmo natural (e = 2.71828...),

!c ! é o factorial de ,
!c Ȝ é um número real, igual ao número esperado de ocorrências que ocorrem
num dado intervalo de tempo. Por exemplo, se o evento ocorre a uma
média de 4 minutos, e estamos interessados no número de eventos que
 ]

ocorrem num intervalo de 10 minutos, usaríamos como modelo a

distribuição de Poisson com Ȝ = 10/4 = 2.5.
Como função de , esta é a função de probabilidade. A distribuição de Poisson
pode ser derivada como um caso limite da distribuição binomial.

A sua média e a sua variância são iguais a .

EXERCÍCIOS PROPOSTOS COM RESOLUÇÃO E COMENTADOS:


4.9.1 Seja X:B   .Calcular:

m
 s s
ueses  e
    se
 u  s
u  m  e 

e
em s
u  m cm `
me
s e `  c `e 

  `  sm e ` e 
 em
ue 


X: B (10 , 2/5)

n = 10 , p = 0,40 , q = 0,60

A) P (X = 3)

10
3 . (0,40)3 . (0,60)7 = 0,214990 = 0,21499

B) P (X < 2) = P ( x = 0) + P ( x = 1) + P ( x = 2)

10
0. (0,40)0 . (0,60)10 = 0,006046

10
1 . (0,40)1 . (0,60)9 = 0,040310 = 0,16729

10
2c . (0,40)2 . (0,60)8 = 0,120932

C) P (X > 4) = 1 ± P(x < 4) = 1 ± (P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3))

10
0 . (0,40)0 . (0,60)10 = 0,006046
 '

10
1 . (0,40)1 . (0,60)9 = 0,040310
1 ± 0,382278 = 0,61772
10
2 . (0,40)2 . (0,60)8 = 0,120932

10
3 . (0,40)3 . (0,60)7 = 0,214990

D) P (X ± 2 < 1) = P(x < 1 + 2) = P(X < 3)

10
0 . (0,40)0 . (0,60)10 = 0,006046

10
1c .(0,40)1 . (0,60)9 = 0,040310 = 0,16729

10
2 .(0,40)2 . (0,60)8 = 0,120932

E)c P(ŇX - 2 <1) = P( 3 > x >1) = P(x = 1) + P(x = 2) + P(x = 3)

X±2<1 X ± 2 > -1
X <3 X >1

10
1 (0,40)1 . (0,60)9 = 0,040310

10
2 (0,40)2 . (0,60)8 = 0,120932 = 0,37623

10
3 (0,40)3 . (0,60)7 = 0,214990

F) P(3 < X< 5) = P(x = 4) + P(x = 5)

10
4 . (0,40)4 . (0,60)6 = 0,250822
= 0,45148
 ''

10
5 . (0,40)5 . (0,60)5 = 0,200658

G) P(ŇX - 3Ň > 1) = P( 4 < x < 2) = P(x = 3)

X±3>1 X ± 3 < -1
X>4 X<2

10
3 . (0,40)3 . (0,60)7 = 0,2150

4.9.3- Uma remessa de 800 estabilizadores de tensão é recebida pelo controle de

qualidade de uma empresa. São inspecionados 20 aparelhos da remessa, que será
aceita se ocorrer no máximo um defeituoso. Há 80 defeituosos no lote.Qual a
probabilidade de o lote ser aceito?

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  sm e ` e 
 em
ue

  
e ` se
  `e
ce u 
u e e efeuss cm   

emess  
e 
 se
  `e
ce u
es e  cheg
 
e  u 
 
u e seec 
ue s  `
ehs e esses  se
 ce  e se
 mUm ese
 `
eh efeus u se ems
ue ccu
 m   m
 s
u  m

X: B (20 , 80/800)

n = 20
p = 0,10 p = q = 0,90

P(x = 0) + P(x = 1)

20
0 . (0,10)0 . (0,90)20 = 0,121576
= 0,39175
20
1 . (0,10)1 . (0,90)29 = 0,270170

4.9.4- Numa cidade, é selecionada uma amostra de 60 adultos e a esses indivíduos é

pedido para opinarem se são a favor ou contra determinado projeto. Como
 '

resultado obtido observou-se 40 a favor. Se na realidade as opiniões pró e contra

são igualmente divididas, qual é a probabilidade de ter obtido tal resultado?

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  sm e ` e 
 em
ue

  
e` se
  `e
ce u 
u e e ` es `
 e c 
s
gume e s u se  `
 ` e 
 sm e ms se
  u  

e se
   em
ue se
 `c  s
u  m

X:B(60;0,5)

n = 60
p = 0,50 q = 0,50
p(x = 40)

60
40 . (0,50)40 . (0,50)20 = 0,003635 = 0,00364

4.9.5 ± Um Órgão Governamental credencia a firma A para fazer vistorias em

carros recuperados ou construídos particularmente e dar a aprovação ou para
que determinado carro possa ser lacrado no DETRAN. Resolve testar se a firma A
está trabalhando de acordo com suas especificações. De um lote de 250 carros
vistoriados e aprovados por A, escolhe 50 e faz novas vistorias. Se encontrar no
mínimo 2 que não mereçam aprovação, descredencia A. Sabendo-se que no lote de
250 carros há 8 carros que foram aprovados irregularmente, qual a probabilidade
do descredenciamento?

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  
e ` se
 
`e
ce u 
u e e c

s 

egu
es cm   e c

s s
s 

e 
 se
  `e
ce u
es e  cheg
 
e  u   sm e
` e 
 em
ue 
  
e se
 s  seec s e `c   
`m   me
 mí m `
  esc
ee cme  em
ue se
 `c 
s
u  m

n = 50 selecionados

X:B(50;8/250)

p = 0,03 q = 0,97

P (x > 2) = 1 ± (P(x<2) = 1 ± (P(x=0) + P(x=1))

50
0 . (0,03)0 . (0,97)10 = 0,218065
 'a

50
1 . (0,03)0 . (0,97)10 = 0,337214 1 ± 0,555279 = 0,444721

4.9.6-O número de partículas gama emitidas por segundo, por certa substância
radioativa, é uma variável aleatória com distribuição de Poisson com     Se
um instrumento registrador torna-se inoperante quando há mais de quatro
partículas por segundo, qual a probabilidade de isso acontecer em qualquer dado
segundo?

`cms  !s
u e ms `
se
um s
u e `
e sc
e e
eU`
ess em um ce
 me
 e ee s c

e
em um  `e
í em` cs eses
c

m cm um U m c hec e cs c ee  se  e`e e e  em`
ec

 ese  m ee   "m  um c s e em
ue    m e #
`
ícus `
segu  $ cm e  `
cus `
segu  se 
  `e
 e
ue
sg fc  fu   `
e %u  s   e
m &'! !$ %()R
e
ems
ue eu
 me s s s
ues e ms  m  m

   

P(x > 4) = 1 ± P(x < 4) = 1 - (P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4))

  
P(X=0) = 
= 0,049787

  
P(X=1) = = 0,149361


  
P(X=2) = 
= 0,224041 1 ± 0,815261= 0,184737

  
P(X=3) = 
= 0,224041

  
P(X=4) = = 0,168031


4.9.7- Uma máquina produz determinado artigo; no fim de cada dia de trabalho
ela é inspecionada com a finalidade de se verificar a necessidade, ou não, de ser
submetida a ajuste ou reparo.Para tal fim, um inspetor toma uma amostra de 10
itens produzidos pela máquina decidindo por ajuste ao assinalar de um a cinco
itens defeituosos, e por reparo, no caso de mas de cinco itens defeituosos . Se a
máquina está produzindo, em média , 1% de itens defeituosos, determinar a
probabilidade , após uma inspeção:
 ':

Ajuste ± menos que 5 c/ defeito P(x<5)

Reparo ± mais que 5 c/ defeito P(x>5)

Media = 1% c/ defeito p = 0,01 q = 0,99

n = 10 itens selecionados

A) De não ser necessário ajuste ou reparo;

P(x=0) =

10
0 . (0,01)0 . (0,99)10 = 0,904382

B) De ser necessário apenas ajuste;

P(x=1) + P(x=2) + P(x=3) + P(x=4) + P(x=5)

10
1 . (0,01)1 . (0,99)9 = 0,091351

10
2 . (0,01)2 . (0,99)8 = 0,004152

10
3 . (0,01)3 . (0,99)7 = 0,000111 = 0,09562

10
4 . (0,01)4 . (0,99)6 = 0,000001

10
2c . (0,01)5 . (0,99)5 = 0,904382

C) De ser necessário reparo.

P(x=5)

10
5 . (0,01)5 . (0,99)5 = 0,00000002 =0

4.9.9- Em um pronto-socorro o número de atendimentos de emergência segue uma

distribuição de Poisson com média de 60 atendimentos por hora.Calcular:
 'Ö

A) A probabilidade do pronto-socorro não efetuar nem um atendimento num

intervalo de cinco minutos.

!esc

 "m u *se 
eg
 e 
+s `
 ch

u s e me s
em , m us u se  e me  `
 c m u &fc
ems 
`
e `
 e
 e me  em  m us u se     e    fu 
 `
e

 
P(X=0)      


B) A probabilidade do pronto-socorro efetuar pelo menos 2 atendimentos num

intervalo de 10 minutos.

!esc

 "m u *se 
eg
 e 
+s `
 ch

u s e me s
em , m us u se  e me  `
 c m u &fc
ems 
`
e `
 m
e gu   e me s em  m us u se    
e * `  `   fu   `
e

P(  = 1 ± P(X < 2) = 1 ± (P(X=0) + P(X=1))

 
    
P(X=0) = 
= 0,00004539

  
   
P(X=1) = 
= 0,0004539

1 ± 0,0004992 = 0,999501

4.9.10- Uma fábrica de automóveis verificou que ao testar seus carros na pista de
prova há, em média, um estouro de pneu em cada 300 €m, e que o número de
pneus estourados segue razoavelmente uma distribuição de Poisson.Qual a
probabilidade de que:

A) Num teste de 900 €m haja no máximo um pneu estourado?

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e

#-. `c
ems  mUm  ` eu esu
 e 
  m `
es  e
    e `  `   fu   `
e


     
 
 'V

P(
 = P(X=0) + P(X=1)

  
P(X=0) = = 0,049787 ;


 
  
P(X=1) = = 0,149361 = 0,199148


B) Um carro ande 450 €m na pista sem estourar nenhum pneu?

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e

#- `c
ems  ` eu esu
 e 
  m `
es  e     e
`   fu   `
e


      
 
    
P(X=0) = 
= 0,223130

4.9.11 -Uma fábrica produz isoladores de alta tensão que são classificados como
bons e ruins de acordo com um teste padrão. Da produção de um retiram-se 10
isoladores, que no laboratório apresentam-se como sendo 8 bons e 2 ruins.Pede-se
calcular a probabilidade deste resultado, admitindo que a máquina produza em
média:

A) 95% de bons e 5% de ruins

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  
e ` se
 
`e
ce u e s
es  s  
e 
 se
  `e
ce u
es e  cheg


e  u  e s
es
u s  sm e ` e 
 em
ue 
  

e se
 s  s
es   ./   `
ce gem e s
es  s e    
`
ce gem e s
es
u s

10

8 . (0, 95)8 . (0, 05)2 = 0,074634 = 0,07463

B)90% de bons e 10% de ruins

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  
e ` se
 
`e
ce u e s
es  s  
e 
 se
  `e
ce u
es e  cheg

 'È


e  u  e s
es
u s  sm e ` e 

 em
ue 
  

e se
 s  s
es   ./   `
ce gem e s
es  s e    
`
ce gem e s
es
u s

10
8 . (0, 90)8 . (0, 10)2 = 0,193710 = 0,19371

4.9.12-Oito dados são lançados simultaneamente.Seja X o número de vezes que

ocorre a face 3, calcule:

p = 1/6.

X:B (8 ; )


A) Pm  
  m   
m   
m  

8
2 . (0, 16)2 . (0, 84)6 = 0,251810
8
3 . (0, 16)3 . (0, 0,84)5 = 0,095927   
8
3c . (0, 16)4 . (0, 84)4 = 0,022839

B) P(   ! m   
m   
m  

8
0 . (0, 16)0 . (0, 84)8 = 0,247875
8
1 . (0, 16)1 . (0, 0,84)7 = 0,37771 1 ± 0,877456 = 0,122605
8
2 . (0, 16)2 . (0, 84)6 = 0,251810

C)E(X) = n*p

 
8.= =
 '±

D)VAR(X)

   
. = =
   

4.9.13- Calcular em 9 lances de uma moeda não viciada a probabilidade que se

tenha:

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  me `
se
h es
`c
ems  e ch ce `
 s s s  me u se `0    
e

mm se
  mesm `e
ce u e ` sms se
   sm e ` e 

em
ue 
  
e se
 s .  me s e `c   `m  m  
me
 me 

ue # c
s

p = 1/2

X:B (9 ; )


A) Menos de 3 caras

P(X=0) + P(X=1) + P(X=2)

9
0 . (0, 5)0 . (0, 5)9 = 0,001953

9 = 0,08984
1 8
1 . (0, 5) . (0, 5) = 0,017578

9
2 . (0, 5)2 . (0, 5)7 = 0,070312

B) Pelo menos 4 caras

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  me `
se
h es
`c
ems  e ch ce `
 s s s  me u se `0    
e

mm se
  mesm `e
ce u e ` sms se
   sm e ` e 

em
ue 
  
e se
 s .  me s e `c  *  `m  m
m# 

P(   ! m   
m   
m  
m  

9
0 . (0, 5)0 . (0, 5)9 = 0,001953
 ']

9
1 . (0, 5)1 . (0, 5)8 = 0,017578

9
2 . (0, 5)2 . (0, 5)7 = 0,070312 1± 0,253905 = 0,7461

9
3 . (0, 5)3 . (0, 5)6 = 0,164062

C) Exatamente 2 caras

!e
 u  s
u  m  e  
e
em s
u  m

cm `
me
s e `  c `e 
  `  me `
se
h es
`c
ems  e ch ce `
 s s s  me u se `0    
e

mm se
  mesm `e
ce u e ` sms se
   sm e ` e 

em
ue 
  
e se
 s .  me s e `c  m
P(X=2)

9
2 . (0, 5)2 . (0, 5)7 = 0,070312 = 0,070312

4.9.14- Um caixa de banco atende 150 clientes por hora. Qual a probabilidade de
que atenda:

A) Nenhum cliente em 4 minutos

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e -,

`c
ems  e me s em  m us  e     e `   fu  
`
e

 "#$
     
 "#$

  
    
P(X=0) = 
= 0,000045

B) No máximo dois clientes em 2 minutos

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e -,

`c
ems  e me s em  m us  e     e  sm e `  `
  fu   `
e
 

 %&
  
%&

P(
 = P(X=0) + P(X=1) + P(X=2)

 
  
P(X=0) = = 0,006737


 
  
P(X=1) = = 0,033689 = 0,124652


 
  
P(X=2) = = 0,084224


4.9.16 -Na fabricação de peças de determinado tecido aparecem defeitos ao acaso,

um a cada 250 m. Supondo-se a distribuição de Poisson para os defeitos, qual a
probabilidade de que na produção de 1000 m:

!esc

 "m u *se 
eg
 e 
+s `
 ch
 `
`
 e

- `c
ems  efes  e     e `   fu   `
e

"
    
 "

A) Não haja defeito

 
  
P(X=0) = = 0,018316


B) Aconteçam pelo menos 3 defeitos num período de 80 dias de trabalho a

produção diária é de 625 m. Em quantos dias haverá uma produção sem defeito?

P(  ĺ1 ± 'm  ( 1 - P(X=0) + P(X=1) + P(X=2)

 
  
P(X=1) = 
= 0,073263

 
  
P(X=2) = 
0  , 1 ± 0,238104 = 0,761896 =6,6 dias
 '

4.9.17- O CRH de uma firma entrevista 150 candidatos a emprego por hora. Qual
a probabilidade de entrevistar:

A) No máximo 3 candidatos em 2 minutos?

 "#$
    
 "#$

P(
 ĺ P(X=0) + P(X=1) + P(X=2) + P(X=3) = 0,265024

 
  
P(X=0) = 
= 0,006737

 
  
P(X=1) = 
= 0,033689

 
  
P(X=2) = = 0,084224


 
  
P(X=3) = = 0,140374


B) Exatamente 8 candidatos em 4 minutos?

 "#$
     
 "#$

  
    
P(X=8) = = 0,112599


4.9.18 -Seja X:B (300; 0,01). Usando aproximação pela Poisson, calcular:

X:B (300;0,01)       

A) Pm  

   
= 0,168031


B) Pm  = 1 ± p(  )) = 1 ± p(X=0) + p(x=1)

 
  
P(X=0) = = 0,049787 = 0,800852



  
P(X=1) = = 0,149361

 

C) Pm  
  P(X=2) + P(X=3) + P(X=4)


   
P(X=2) = = 0,224042


 
  
P(X=3) = = 0,224042 = 0,616115



   
P(X=4) =   


4.9.19 -Um inspetor de qualidade recusa peças defeituosas numa proporção de

10% das peças examinadas. Calcular a probabilidade de que sejam recusadas:

A) Pelo menos 3 peças de um lote com 20 peças examinadas?

P(  ) = 1 ± p(  ( ) = 1 ± [ P (X=0) + P(X=1) + P(X=2) ]

 
  
P(X=0) = = 0,135335


 
  
P(X=1) = = 0,270670 1 ± 0,676684= 0,323316


 
  
P(X=2) = = 0,270670


B) No máximo 2 peças de um lote de 25 peças examinadas?

P(X
 ) = P(X=0) + P(X=1) + P(X=2)

 
  
P(X=0) = 
= 0,082084


   
P(X=1) = 
= 0,205212 = 0,543811


   
P(X=2) = 
= 0,256515

4.9.20- Sendo X:B (200;0,025) e usando aproximação de Poisson calcular:

X:B (200;0,025) x     

A) Pm * + = 1 ± p(  + ) =
 a

 
  
P(X=0) = 
= 0,006738


  
P(X=1) = 
= 0,033690

 
  
P(X=2) = 
= 0,084224 1 ± 0,440493 = 0,559507

 
  
P(X=3) = 
= 0,140374

 
  
P(X=4) = 
= 0,175467

B) Pm  

 
  
P(X=5) = 
= 0,1754673 = 0,1754673

C) Pm
 = P(x=0) + P(x=1) + P(x=2)

 
  
P(X=0) = = 0,006738



  
P(X=1) = 
= 0,033690 = 0,124652

 
  
P(X=2) = = 0,084224


D) Pm, ! ,   = P( 1 < x < 3) = P(x = 2)

X±2<1 X ± 2 > -1
X<3 X>1

 
  
P(X=2) = 
= 0,084224

4.9.21- A probabilidade de um atirador acertar no alvo num único tiro é . O

atirador atira 20 vezes no alvo. Qual a probabilidade de acertar:

São 20 tentativas independentes de um mesmo experimento aleatório

X:B (20,¼) x   = 5
 :

A) Exatamente 5 vezes

P(X=5)

20
5 . (0,25)5 . (0,75)15 = 0,202331

B) Pelo menos 3 vezes

P(X 3) = 1 ± p (X<3) = 1 ± (P(x=0) + P(x=1) + P(x=2)

20
0 . (0,25)0 . (0,75)20 = 0,003171 ;

20
1 . (0,25)1 . (0,75)19 = 0,021141 1 ± 0,091259 = 0,908741

20
2 . (0,25)2 . (0,75)18 = 0,066947

C) Nenhuma vez

P(x=0)

20
0 . (0,25)0 . (0,75)20 = 0,003171

D) No máximo 4 vezes

P(X
 ) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)

20
0 . (0,25)0 . (0,75)20 = 0,003171 ;

20
1 . (0,25)1 . (0,75)19 = 0,021141 = 0,414839

20
2 . (0,25)2 . (0,75)18 = 0,066947

20
3 . (0,25)3 . (0,75)17 = 0,133895
 Ö

20
4c . (0,25)4 . (0,75)16 = 0,189685

4.9.22 -De acordo com a Divisão de Estatística Vital do Departamento de Saúde

dos EUA, a média anual de afogamentos acidentais neste País é de 3 por 100.000
indivíduos . Determinar a probabilidade de que em uma cidade com 300.000
habitantes se verifiquem:

A) Nenhum afogamento

  
  
 
 
  
P(X=0) = 
= 0,000123

B) No máximo 2 afogamentos

Pm
2) ĺ P(X=0) + P(X=1) + P(X=2)


  
P(X=0) = 
= 0,000123

 
  
P(X=1) = 
= 0,001110 = 0,006231

  
P(X=2) = 
= 0,004998

C) Mais de 4 e menos de 8 afogamentos

P(4< X < 8) = P(X=5) + P(X=6) + P(X=7)

  
P(X=5) = = 0,060726


  
P(X=6) = = 0,091090 = 0,268932


  
P(X=7) = 
= 0,117116
 V

4.9.23- Em teste com um motor, há falhas em 2 componentes, a cada 5 horas.Qual

a probabilidade de que:

A) Em 10 horas de teste nenhum componente falhe

 -./01
    
 -./01
 
  2
P(X=0) = = 0,018316


B) Em 7 ½ horas de teste ocorram no máximo falhas em 3 componentes

m
3) = P(X=0) + P(X=1) + P(X=2) + P(X=3)

 
    
  

   
P(X=0) = 
= 0,049787


   
P(X=1) = 
= 0,149361

 
  
P(X=2) = = 0,224041 = 0,647232



   
P(X=3) = = 0,224041


4.9.24- Num lote de 40 peças,20% são defeituosas. Retiram-se 10 peças do

lote.Qual a probabilidade de se encontrar :

A) 3 defeituosas

P(X=3)
 
3 43  4
   
3
4

B) No máximo 2 defeituosas

m
2) = P(X=0) + P(X=1) + P(X=2)

 È

343
 4
P(X=0) =    
3  4

 
3 43  4
P(X=1) =     = 0,688265
3  4

3 43 4
P(X=2) = 

  
3 4

4.9.25- Uma urna contém 8 bolas brancas e 12 bolas pretas.Retiram-se 10 bolas

com reposição.Qual a probabilidade de que:

P= 8/20 = 0,40 q = 0,60

A) No máximo 2 sejam brancas

5m
2) = P(X=0) + P(X=1) + P(X=2)

10
0 . (0,40) 0 . (0,60)10 = 0,006047

10
1 . (0,40) 1 . (0,60)9 = 0,040310 = 0,16729

10
2 . (0,40) 2 . (0,60)8 = 0,120932

B) 3 sejam brancas

P(X=3)

10
3 . (0,40) 3 . (0,60)7 = 0,214991

4.9.26- A probabilidade de uma máquina produzir uma peça defeituosa, num dia,
é de 0,1.

A) Qual a probabilidade de que em 20 peças produzidas pela maquina num dia,

ocorram 3 defeituosas?
 ±

P(x=3)

20
3 . (0,10)3 . (0,90)17 = 0,1901198 =0,190120

B) Qual a probabilidade de que a 18ª peça produzida no dia seja a 4ª defeituosa?

P(x=18) =

17
3 . (0,10) 4 . (0,90)14 = 0,01555621 =0,0155562

C) Qual a probabilidade de que a 10ª peça produzida num dia seja a 1ª defeituosa?

P(x=10) =

(0,90) 9 . 0,10 = 0,0387420 =0,0387420

D) Separa-se um lote de 50 peças das 400 produzidas num dia. Qual a

probabilidade de que 5 sejam defeituosas, sabendo-se que das 400, 20 são
defeituosas?

P = 20/400 = 0,05, q = 0,95.

50
5 . (0,05) 5 . (0,95)45 = 0,065840 = 0,062105

E) Se a probabilidade da máquina produzir uma peça defeituosa, num dia, fosse de

0,01, qual a probabilidade de se ter no máximo 4 defeituosas em um dia de 500
peças produzidas?

média = 0,01

P(x<4) = P(x=0) + P(x=1) + P(x=2) + P(x=3) + P(x=4) = 0,44115

P(X=0) = e-5. . 50 = 0,006737

0!
P(X=1) = e-5. . 51 = 0,033689
1!

P(X=2) = e-5. . 52 = 0,084224

2! = 0,440493
 ]

P(X=3) = e-5. . 53 = 0,140373

3!

P(X=4) = e-5. . 54 = 0,175467

4!

4.9.27- Sabe-se que o número de viajantes por veículos tipo VAN em determinada
rodovia segue aproximadamente uma distribuição binomial com parâmetros n=
10 e p= 0,3(utilize apenas 2 casas decimais).

n = 10 p = 0,3 q = 0,7

A) Calcular o número médio de ocupantes por veículo .

n . p = 10 . 0.3 =3

B) Qual a probabilidade de que um determinado dia o quinto veículo passar por

essa rodovia seja o segundo a transportar mais do que 3 pessoas? = 0,072459

P(x>3) = 1 ± P(x=0) + P(x=1) + P(x=2) = 1 ± 0,423128 = 0,576872

P(X=0) = e-3. . 30 = 0,049787

0!
-3. . 1
P(X=1) = e 3 = 0,149361
1!

P(X=2) = e-3. . 32 = 0,224041

2!

P = 0,57 q =0,43

P(x = 5) =

4 = 0,440493
2
1 . (0,57) . (0,43)3 = 0,103327

C) A taxa de pedágio nesta rodovia é cobrada da seguinte maneira:se o veículo tem

2 ou 3 ocupantes, R$ 4,00; e se tiver mais do que 3 ocupantes,R$ 2,00. Calcular a
arrecadação meia diária, sabendo-se que em média passam 300 veículos por dia
neste pedágio.

4,00 ± 1 veiculo
X - 300 veiculos = x = 1.200,00
 a

É o dobro
2,00 ± 1 veiculo
X - 300 veiculos = x = 600,00

Se P(x>3) = 0,57 .1.200 = 684,00

Se P(x = 2 ou 3 ) = 0,22 . 600 = 132,00 = R$816

(1.200 + 600) ± 816 = 984,00 = R$1.026,00