Variavel Aleatoria Distribuicao

COORDENADORIA DE MATEMTICA
APOSTILA DE DISTRIBUIO DE
PROBABILIDADE

Oscar Luiz Teixeira de Rezende

Vitria ES

Distribuio de probabilidade Oscar Luiz Teixeira de Rezende
___________________________________________________________
2
CAPTULO 4

1-VARIVEL ALEATRIA DISCRETA

Uma funo que associa cada ponto de um espao amostral S, relacionado com um
experimento E, a um nico nmero real chamada de varivel aleatria. As
variveis aleatrias tomam valores numricos determinados por fatores de chance,
e estas variveis assumem valores discretos ou contnuos.

Exemplo:

Consideremos X uma funo que representa o nmero de coroas que aparece no
lanamento de uma moeda duas vezes.

2-DISTRIBUIO DE PROBABILIDADE

Seja X uma varivel aleatria que pode assumir os valores x
1
, x
2
, x
3,
..., x
n.
A cada
valor x
i
correspondem pontos do espao amostra. Associamos, ento, a cada valor
x
i
a probabilidade P(X
i
) de ocorrncia de tais pontos no espao amostral.
Assim temos:

X P(X)
x
1
P(X=x
1
)
x
2
P(X=x
2
)
x
3
P(X=x
3
)
M M
x
n
P(X=x
n
)

Onde 1 ) (
= =
i
x X P

Estabelecemos ento uma relao unvoca entre os valores da varivel aleatria X e
os valores da varivel P. Esta correspondncia define uma funo denominada
funo probabilidade e representada por :

f(x) = P(X=x
i
)

(ca,ca) .
(ca,co) .
co,ca) .
(co,co) .
. 0
. 1
. . 2

S

X

R
___________________________________________________________
2
Esta funo determina uma distribuio de probabilidade da varivel aleatria

Tomando o exemplo anterior, que considera o lanamento de uma moeda duas
vezes e observar o nmero de coroas:

Exemplo:

Se lanarmos um dado, definirmos uma varivel aleatria X : o nmero de pontos
obtidos, temos:

x
i
P(X=x
i
)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6

Assim, a funo probabilidade que define a distribuio de probabilidade
constante, ou seja:

f (x) = P(X = x
i
) = 1/6; x
i
{1, 2, 3, 4, 5, 6}

Sua representao grfica ser:

X
P(x)

1/6
6 1 2 3 4 5
f(x)=P(X=x
i
)

(ca,ca) .

(ca,co) .

(co,ca) .

(Co,Co) .
. 0
. 1
. . 2
.
4
1

.
2
1

.
4
1

X

S R R
___________________________________________________________
3

Esperana matemtica

Chama-se valor esperado ou mdia de uma varivel aleatria x o valor numrico:

X i i
x p x X E = =
) ( ) (

Propriedades da esperana matemtica

Sejam k, a e b constantes reais e X e Y variveis aleatrias.
1) k k E = ) (

= = = = k k x p k x kp k E
i i
1 ) ( ) ( ) (

2) ) ( ) ( X kE kX E =

= = = ) ( ) ( ) ( ) ( X kE x p x k x p kx kX E
i i

3) ) ( ) ( ) ( Y E X E Y X E =

4)

= ) ( ) (
i i
X E X E

= + + + = + + + = ) ( ) ( ) ( ) ( ) ( ) (
2 1 2 1 i n n i
X E X E X E X E x x x E X E L L

5) b X aE b aX E = ) ( ) (
b X aE b E aX E b aX E = = ) ( ) ( ) ( ) (

6) 0 ) ( =
X
X E
0 ) ( ) ( ) ( ) ( = = =
X X X
X E E X E X E

Exemplo: Uma seguradora paga R$30.000,00 em caso de acidente de carro e cobra
uma taxa de R$1.000,00. Sabe-se que a probabilidade de que um carro sofra um
acidente de 3%. Quando espera a seguradora ganhar por cada carro segurado?

Seja X: lucro por carro

E(X)= R$100,00, isto o lucro mdio por carro de
R$100,00.

Varincia

Definimos varincia de uma varivel aleatria X, com as seguintes notaes
VAR(X), V(X), ) (
2
X , como:

= ) ( ) ( ) (
2
i X i
x p x X V

X P(X) XP(X)
1000,00 0,97 970,00
-29.000,00 0,03 -870,00
100,00
___________________________________________________________
4
) 2 ( ) ( ) ( ) 2 ( ) ( ) (
2 2 2 2 2
X X x X X
X E E X E X X E X E X V + = + = =
2 2 2 2 2 2 2
) ( 2 ) ( ) ( 2 ) ( ) (
X X X X X
X E X E X E X E X V = + = + =
[ ]
2 2
) ( ) ( ) ( X E X E X V = , onde
= ) ( ) (
2 2
i i
x p x X E

Propriedades da varincia

Sejam k, a e b constantes reais e X e Y variveis aleatrias.

1) 0 ) ( = k V
[ ] [ ] 0 ) ( ) ( ) (
2 2 2 2
= = = k k k E k E k V

2) ) ( ) (
2
X V k kX V =
[ ] [ ] [ ]
2 2 2 2 2 2 2 2 2
) ( ) ( ) ( ) ( ) ( ) ( ) ( X E k X E k X kE X Ek kX E kX E kX V = = =
[ ] ) ( ) ) ( ) ( ( ) (
2 2 2 2
X V k X E X E k kX V = =

3) ) , cov( 2 ) ( ) ( ) ( Y X Y V X V Y X V + =

[ ] [ ] = + = =
2 2 2 2 2
) ( ) ( ) 2 ( ) ( ) ( ) ( Y E X E Y XY X E Y X E Y X E Y X V
[ ] [ ]
2 2 2 2
) ( ) ( ) ( 2 ) ( ) ( ) ( 2 ) ( ) ( Y E Y E X E X E Y E XY E X E Y X V + = m
[ ] [ ] ) ( ) ( 2 ) ( 2 ) ( ) ( ) ( ) ( ) (
2 2 2 2
Y E X E XY E Y E Y E X E X E Y X V m + =
[ ] [ ] )) ( ) ( ) ( ( 2 ) ( ) ( ) ( ) ( ) (
2 2 2 2
Y E X E XY E Y E Y E X E X E Y X V + =
[ ] [ ] ) cov( 2 ) ( ) ( ) ( ) ( ) (
2 2 2 2
XY Y E Y E X E X E Y X V + =
) cov( 2 ) ( ) ( ) ( XY Y V X V Y X V + =

Definio: ) ( ) ( ) ( ) , cov( Y E X E XY E Y X =

A covarincia mede o grau de dependncia entre duas variveis X e Y. Se X e Y so
independentes ento 0 ) , cov( = Y X

4)

= ) ( ) (
i i
X V X V

5) ) ( ) (
2
X V a b aX V =

OBS: O desvio padro de uma varivel aleatria a raiz quadrada da varincia

) ( X V
X
=

___________________________________________________________
5
2.1-DISTRIBUIO BINOMIAL

Consideremos n tentativas independentes de um mesmo experimento. Cada
tentativa admite apenas dois resultados: fracasso com probabilidade q e sucesso
com probabilidade p, p+q=1. As probabilidades de sucesso e fracasso so as
mesmas para cada tentativa.

Seja X: nmero de sucessos em n tentativas.
Determinaremos a funo de probabilidade da varivel X, isto ) ( k X P =

Para um resultado particular (RP):

43 42 1
L
43 42 1
L
k n K
F FFF S SSS
logo
k n k
k n k
q p q q q p p p F SFFF SSS P RP P

= = =
3 2 1
L
43 42 1
L L L . . . ) ( ) (
Considerando todas as n-plas com k sucessos, temos:

k n k
q p
k
n
k X P

= = ) ( A varivel X tem distribuio binmia, com parmetros n e

p e indicaremos pela notao:

) , ( : p n B X

Veja o exemplo a seguir:

Consideremos a situao de um casal que tem 3 filhos e a varivel aleatria X que
representa o nmero de filhos com olhos azuis. Definindo que a probabilidade de
ter filho de olho azul igual a 2/5 temos:

S x
i
P(X=x
i
)
(NA,NA,NA) 0
125
27
)
5
3
( )
5
2
( )
5
3
.( )
5
2
( 1
0 3 0
0
3
0 0
= =

C

(A,NA,NA);(NA,A,NA);(NA,NA,A) 1
125
54
)
5
3
( )
5
2
( )
5
3
.( )
5
2
( 3
1 3 1
1
3
2 1
= =

C

(A,A,NA);(A,NA,A);(NA,A,A) 2
125
36
)
5
3
( )
5
2
( )
5
3
.( )
5
2
( 3
2 3 2
2
3
1 2
= =

C

(A,A,A) 3
125
8
)
5
3
( )
5
2
( )
5
3
.( )
5
2
( 1
3 3 3
3
3
0 3
= =

C

O grfico da distribuio de freqncia relativa a este problema ser:

36/125

54/125
0

27/125

8/125
1 2 3 X
P(X)
___________________________________________________________
6

Quando um experimento, como o anterior, apresenta as hipteses a seguir:

Experimento pode ser repetido, nas mesmas condies, um nmero finito de
vezes (n).
As provas repetidas devem ser independentes, isto o resultado de uma no
deve afetar os resultados sucessivos.
Em cada prova deve aparecer um dos dois possveis resultados: sucesso com
probabilidade p e insucesso com probabilidade q =1- p

Determinam uma distribuio que chamamos de distribuio binomial . Portanto
possvel estabelecer uma frmula para calcular a probabilidade de ocorrer uma
determinada varivel aleatria.

Ao realizarmos a mesma prova n vezes sucessivas independentes, a probabilidade
de que um evento se realize k vezes na prova dado pela frmula:

q p
C
k n k
k
n
k X P

= = ) ( Denominada frmula binomial.

Mdia e Varincia da distribuio normal

np =

npq =
2

Exemplo:

Uma moeda lanada 5 vezes. Calcule a probabilidade de serem obtidas 3 caras
nessas 5 provas.

n = 5 , k = 3, p = 1/2 e q = 1/2
Pela frmula binomial temos:
16
5
2
1
2
1
3
2 3
3
5
= = = ) ( ) ( ) P(X
C

2.2 - DISTRIBUIO DE POISSON

A distribuio de Poisson til para descrever as probabilidades de nmero de
ocorrncias num campo ou intervalo contnuo (em geral tempo ou espao).
Exemplos: Defeitos por centmetro quadrado, acidentes por dia, clientes por hora,
telefones por minuto etc.
A utilizao da distribuio de Poisson baseia-se nas seguintes hipteses:

A probabilidade de uma ocorrncia a mesma em todo o campo de observao.
A probabilidade de mais de uma ocorr6encia num nico ponto
aproximadamente zero.
Nmero de ocorrncia em qualquer intervalo independente do nmero de
ocorrncias em outro intervalo.

___________________________________________________________
7

Frmula de Poisson

Se uma varivel aleatria discreta por uma distribuio de Poisson, ento a
probabilidade de observar qualquer nmero de ocorrncias por unidade de medida
dada pela frmula:
!
) (
) (
k
t e
k X P
k t

= =
Onde x nmero de ocorrncias; e a base dos logaritmos naturais; e a taxa
mdia por unidades. A quantidade t representa o nmero mdio de ocorrncias
no intervalo t. Assim t = , permitindo que a frmula possa ser escrita:
!
) (
) (
k
e
k X P
k

= =

Exemplo: Suponhamos que os navios cheguem a um porto razo de 2
navios/hora. Se observarmos o processo durante 0,5 hora, qual a probabilidade de
no chegar nenhum navio?

Temos ento e 2 = 5 , 0 = t e , 1 ) 5 , 0 ( 2 = = portanto
368 , 0
1
) 1 (
! 0
) 1 (
) 0 (
1 0 1
= = = =

e e
x P

Distribuio de Poisson com aproximao da binomial

Sob certas circunstncias, a distribuio de Poisson pode ser utilizada para
aproximar probabilidades binomiais. A aproximao mais adequada quando n
(nmero de observaes) for muito grande e a probabilidade de sucesso est
muito perto de 0 ou de 1.

Exemplo: Determinar a probabilidade de haver quatro peas defeituosas numa
amostra de 300 peas extrada de um grande lote onde h 2% de peas
defeituosas.
Utilizando np = =300(0,2)=6, temos 135 , 0
24
6
! 4
.
) 4 (
6 4 4
= = = =

e e
x p

3- VARIVEL ALEATRIA CONTINUA

Se uma varivel aleatria X assumir todos os valores num determinado intervalo
real, ento X uma varivel aleatria continua. Para exemplificar, se X representa
o peso dos indivduos de uma comunidade, X pode assumir qualquer valor real
(dependendo do instrumento de medida) dentro de um determinado intervalo.

Quando definimos a funo de probabilidade para a varivel aleatria discreta,
associamos cada ponto x
i
do espao amostral um valor real P(x
i
) com:

1 ) ( 0
i
x P

=1 ) (
i
x P

___________________________________________________________
8
Para as variveis aleatrias continuas no se pode estabelecer a cada ponto p de
um intervalo um valor real, satisfazendo as condies anteriores. Neste caso
vamos considerar uma funo definida para os valores da varivel aleatria com as
seguintes caractersticas:

0 ) ( x f
A rea da regio compreendida sob o grfico da funo e o eixo X 0 igual a 1.

Esta funo denominada funo densidade de probabilidade

Exemplo:

Seja uma varivel aleatria x que assume qualquer valor no intervalo [ ] 8 , 0 ,
podemos definir a funo densidade de probabilidade:

[ ]
8
1
) (
8 , 0
=
x f x
R

A representao grfica de f :

Note que 0 ) ( x f e que a rea do retngulo definido pelo eixo X 0 e pelo grfico
da funo 1.

A probabilidade de uma varivel aleatria assumir um valor no intervalo [ ] 5 , 3
definida como a rea delimitada pelo grfico da funo e pelo intervalo [ ] 5 , 3 ou
seja:

25 , 0
8
1
. 2 ) 5 3 ( = = x p
rea = 1
f(x)
x
f(x)
0 8 x
___________________________________________________________
9
Observe em particular que 0
8
1
. 0 ) 6 ( = = = x p , ou seja, a probabilidade de uma
varivel aleatria continua assumir um valor nico zero.
Como conseqncia deste fato ) 5 3 ( ) 5 3 ( < < = x p x p
Para uma situao geral:

= < <
b
a
dx x f b x a p ) ( ) (

Valor esperado de uma varivel aleatria continua

+

= dx x xf x E ) ( ) (

Varincia de uma varivel aleatria continua

[ ]
+

= dx x f x x ) ( ) (
2 2

4-DISTRIBUIO NORMAL DE PROBABILIDADE

A distribuio normal um dos modelos contnuos de probabilidade mais
importantes, e apresenta caractersticas a seguir.

Suponha que uma varivel aleatria x com mdia e desvio padro ) (x com as
seguintes caractersticas:

Valores da varivel aleatria x mais prximos da mdia ocorrem com maior
freqncia.
Valores da varivel aleatria x simtricos em relao mdia ocorrem com
mesma freqncia.
A regio definida pelo grfico da funo e pelo eixo X 0 tem rea unitria.

Uma curva que apresenta estas caractersticas a curva de Gauss e a funo
matemtica que define este tipo de curva :
a b
x
P(x)
___________________________________________________________
10

( )
2
2
2
1
2
1
) (

=
x
e x f Com R x

As principais caractersticas dessa funo so:

O ponto mximo de f(x) o ponto = X
simtrica em relao a
Os pontos de inflexo da funo so: = X
Cada distribuio normal fica completamente especificada por = ) ( X E e
2
) ( = X V ; h uma funo distinta para cada combinao e
2

A rea total sob a curva normal considerada como 1
Como h um nmero ilimitado de valores no intervalo de + a , a
probabilidade de uma varivel aleatria distribuda normalmente tomar
exatamente determinado valor zero. Assim, as probabilidades se referem
sempre a intervalos de valores.
A rea sob a curva entre dois pontos a probabilidade de uma varivel
normalmente distribuda tomar um valor entre esses pontos.
A rea sob a curva entre a mdia e um ponto arbitrrio funo do nmero de
desvios padres entre a mdia e aquele ponto.

4.1 Clculo da probabilidade

a
b
x
f(x)

x
f(x)
+

___________________________________________________________
11
A probabilidade de ) ( b x a p < < a rea da regio sob a curva definida pelo
intervalo ] [ b a,

( )
dx e b x a p
x b
a
2
2
2
1
2
1
) (

= < <

A varivel X tem distribuio normal com parmetros e
2
indicaremos pela
notao ) , (
2
N X =

4.2-Distribuio normal padronizada

A distribuio normal tem uma frmula muito complexa para o clculo da rea e na
realidade constitui uma famlia de distribuies, uma para cada combinao de
mdia e desvio padro, o que torna muito trabalhoso o calculo da rea sob a curva.
No entanto, este trabalho pode ser evitado se considerarmos os valores relativos,
ao invs dos valores reais. Isto equivale a tomar a mdia como ponto de referncia
(origem) e o desvio padro, como medida de afastamento a contar daquele ponto
(unidade de medida). Esta nova escala comumente conhecida como escala z.

Exemplo:
Consideremos uma distribuio normal com mdia 100,0 e desvio padro de
10,0, conforme figura abaixo:

A escala padronizada ento obtida da seguinte forma

=
X
Z

Mostremos que 0 ) ( = Z E e 1 ) ( = Z V

( ) ( ) 0 ) (
1
) ( ) (
1
) (
1
) ( = = = =
X E E X E X E
X
E Z E
X

Z
1
0
-2
110
0
80 100
___________________________________________________________
12
( ) 1 ) (
1
) ( ) (
1
) (
1
) (
2 2 2
= = + = =

= X V V X V X V
X
V Z V

= z nmero de desvios padres a contar da mdia
X = valor arbitrrio da varivel aleatria
= a mdia da distribuio normal
= o desvio padro.

Portanto se o problema consiste em calcular a probabilidade de uma varivel
aleatria x assumir um valor entre 100,0 e 115,0 no problema acima, pode ser
calculada da seguinte forma:

P(100,0 < x < 115,0) = P(0 < z<
0 , 10
0 , 100 0 , 115
) = P( 0 < z < 1,5) = 0,4332 =
43,32%

Obs: o valor 0,4332 obtido segundo a tabela em anexo. Esta tabela representa o
clculo relativo a rea entre 0 e 1,5. rea esta determinada pela integrao da
curva normal no determinado intervalo.

4.3-Distribuio normal com aproximao binomial

Muitas situaes da vida real podem ser convenientemente descritas pela
distribuio binomial. O problema que quando n se torna grande (alem de 20) os
clculos binmias vo se tornado muito rduos.
Em alguns casos a distribuio normal pode ser usada como aproximao bastante
satisfatria das probabilidades binomiais. A dificuldade que se faz presente que
enquanto a distribuio normal continua a distribuio binomial discreta. A
transio do caso discreto para o caso contnuo envolve consideraes de valores
no inteiros associados s variveis contnuas mas no as variveis discretas.

Exemplo: Seja n = 20 e p= 0,40. Calcular P(x=3) utilizando a distribuio normal.

8 ) 40 , 0 ( 20 = = = np e 2 , 2 ) 6 , 0 )( 4 , 0 ( 20 = = = npq

valor exatamente 3 deve ser interpretado como o intervalo de 2,5 a 3,5 na
distribuio normal.
0140 , 0 4798 , 0 4938 , 0
) 05 , 2 5 , 2 ( )
2 , 2
8 5 , 3
2 , 2
8 5 , 2
( ) 5 , 3 5 , 2 ( ) 3 (
= =
< < =
< <
= < < = = z P z P x P x P

5-EXERCCIOS

1. Determine os valores da varivel aleatria x e a distribuio de probabilidade
nas seguintes situaes:
a) No lanamento de duas moedas, anotar o nmero de caras obtidas.

b) No lanamento de dois dados, a varivel aleatria anota, em mdulo, a
diferena dos pontos das faces superiores.

___________________________________________________________
13
c) No lanamento de um dado , observa-se o nmero de faces 5 obtidas nesse
lanamento.

d) Uma carta retirada aleatoriamente de um baralho de 52 cartas, e
observa-se o nmero de damas obtidas nesta retirada.

e) Duas cartas so retiradas aleatoriamente, sem reposio, de um baralho de
52 cartas e observa-se o nmero de valetes obtidos.

f) Uma urna A contm trs bolas brancas e quatro bolas pretas, e uma urna B
contm duas bolas brancas e uma bola preta. Uma bola retirada ao acaso
de cada urna e observa-se o nmero de bolas brancas obtidas.

g) Uma urna A contm trs bolas brancas e quatro bolas pretas, e uma urna B
contm duas bolas brancas e trs vermelhas. Uma bola retirada ao acaso
da urna A e colocada na urna B. Em seguida retira-se ao acaso uma bola da
urna B e observa-se o nmero bolas brancas obtidas nesta ltima extrao.

h) Uma urna contm trs peas boas e duas peas defeituosas. Uma a uma as
peas so retiradas da urna, sem reposio e analisadas. O experimento
encerra-se quando a segunda pea defeituosa for encontrada. A varivel
aleatria anota o nmero de peas retiradas da urna ao se encerrar o
experimento.

2. Uma confeitaria produz cinco bolos em determinado dia. As probabilidades de
vender nenhum, um, dois, trs, quatro ou cinco bolos valem respectivamente
1%, 5%, 20%, 30%, 29% e 15%. O custo total de cada bolo de 10 u.m. e o
preo de venda de 20 u.m. Calcule o lucro mdio, a varincia e o desvio
padro.

3. Um negociante espera vender um automvel at sexta-feira. A expectativa de
que venda na segunda-feira de 50%. Na tera-feira de 30%, na quarta feira
de 10%, na quinta feira de 5% e na sexta-feira de 5%. Seu lucro de
3000 u.m. se vender na segunda-feira e diminui 40% a cada dia.Calcule:
a) o valor esperado de lucro deste negociante nesta venda.
b) a varincia.
c) o desvio padro.

4. Um produto deve ser lanado no mercado no prximo ano. A expectativa do
departamento d marketing de que o projeto seja bem sucedido de 80%. Neste
caso, o retorno esperado em sua vida til de 100.000 u.m. Se isto no
acontecer o prejuzo deve chegar a 50.000 u.m. Calcule o lucro mdio, a
varincia e o desvio padro.

5. O trem do metro para no meio de um tnel. O defeito pode ser na antena
receptora ou no painel de controle. Se o defeito for na antena poder ser feito
em 5 minutos. Se o defeito for no painel, o conserto poder ser feito em 15
minutos. O encarregado de manuteno acredita que a probabilidade de o
defeito ser no painel de 60%. Qual a expectativa do tempo de conserto?

6. Um vendedor prepara quatro visitas e espera vender 1000 u.m. em cada uma
delas. A expectativa de venda em cada cliente de 80%, independentemente.
Qual o valor esperado de vendas deste vendedor?

___________________________________________________________
14
7. Uma mquina fabrica placas de papelo que podem apresentar nenhum, um,
dois trs ou quatro defeitos, com probabilidades 90%, 5%, 3%, 1% e 1%
respectivamente. O preo de venda de uma placa perfeita 10 u.m. e medida
que apresenta defeitos, o preo cai 50% para cada defeito apresentado. Qual
o preo mdio de venda desta placas?

9. Qual o preo justo a pagar para entrar em um jogo no qual se pode ganhar
US$25 com a probabilidade de 0,2 e US$10 com a de 0,4?

10. Se chover um vendedor de guarda-chuvas pode ganhar US$30 por dia. Se
houver bom tempo, ele pode perder US$6 por dia. Qual a sua esperana se a
probabilidade de chuva 0,3?

11. A e B jogam uma partida, na qual lanam uma moeda honesta 3 vezes. O que
obtiver cara em primeiro lugar vencer a partida. Se A o primeiro a lanar a
moeda e se o valor total das apostas US$20, qual deve ser a contribuio de
cada um, para que o jogo possa ser considerado correto?

12. Uma determinada indstria afirma que 20% de suas pastilhas de chocolate so
vermelhas. Determine a probabilidade de que em 15 pastilhas escolhidas
aleatoriamente, exatamente 20% sejam vermelhas.

13. Um artigo da revista Time relatou que, em Los Angeles, para cada 100
acidentes de carro em que h algum dano, em 99 casos ocorre algum
ferimento. Se um estudo levado a efeito por uma seguradora comea com a
seleo aleatria de 12 acidentes de carro em Los Angeles em que h algum
dano, determine a probabilidade de ao menos 11 deles haver ferimento.

14. Um teste de estatstica consiste de 10 questes do tipo mltipla escolha, cada
uma com 5 respostas possveis. Para algum que responda aleatoriamente (
por palpite) todas as questes, determine a probabilidade de passar, se o
percentual mnimo aprovao 60%.

15. De acordo com o Ministrio da Justia dos EUA, 5% de todos os lares
americanos sofrem pelo menos um assalto em uma comunidade de 15 lares, no
ultimo ano. Com base neste dados, qual a probabilidade de haver 4 assaltos em
uma comunidade de 15 lares.

16. Em uma pesquisa de opinio pblica, 3 dentre 4 pessoas entrevistadas so
favorveis a uma certa proposio. Em uma amostra de 10 pessoas
entrevistadas, qual a probabilidade que pelo menos trs sejam favorveis.

17. Suponha que a probabilidade de que uma pea produzida por uma mquina seja
defeituosa 0,2. Se 20 peas produzidas por esta mquina so selecionadas ao
acaso, qual a probabilidade de que no mais do que uma pea defeituosa seja
encontrada? Use a distribuio binomial e a de Poisson e compare os resultados.

18. Vrios estudantes no esto preparados para um teste do tipo verdadeiro/falso
com 25 questes, e todos eles decidem responder por palpite. Determine a
mdia, a varincia e o desvio padro do nmero de respostas corretas para
cada estudante.

___________________________________________________________
15
19. A loja de Departamentos Newtower constatou uma taxa de 3,2% de queixas de
clientes e decidiu reduzir essa taxa mediante um programa de treinamento de
seus empregados. Ao fim do programa, observaram-se 850 clientes.

a) Admitindo que o programa de treinamento no tenha produzido efeito,
determine a mdia e o desvio padro do nmero de queixas neste nmero
de 850 clientes.
b) No grupo de 850 clientes observados, 7 tiveram alguma quixa. Esse
resultado excepcional? O programa de treinamento parece ter sido eficaz?
(uma estimativa pode ser considerada razoavelmente boa se: mnimo
mdia 2 x desvio padro e mximo mdia + 2 x desvio padro).
20. O departamento de Sade do Estado de Nova York relata uma taxa de 10% de
incidncia do vrus HIV para a populao de risco. Desenvolve-se em uma
regio uma campanha educativa no sentido de reduzir essa taxa de 10%. Posto
em prtica o programa, faz-se um estudo subseqente sobre 200 indivduos do
grupo de risco.

a) Admitindo que o programa no tenha produzido efeito, determine a mdia e
o desvio padro do nmero de casos de HIV em grupos de risco de 200
pessoas.
b) Entre as 200 pessoas submetidas ao teste, 7% tiveram resultado positivo,
se o programa no sutil efeito, esta taxa baixa?

21. Se uma empresa fabrica um produto com 80% de bons resultados (itens
considerados bons), qual o numero mnimo de itens a serem produzidos para
que haja no mnimo 99% de certeza de que a empresa produz pelo menos 5
itens bons?

22. Esta sendo planejado um novo hospital para Newtown, uma comunidade que
ainda no tem hospital prprio. Se Newtown tem uma mdia de 2,25
nascimentos por dia, determine a probabilidade de que, em um dia, o nmero
de nascimento seja:

a) 0 b) 1 c) 4

23. Um estudo cuidadoso de uma fita magntica de dados de computador mostra
uma incidncia de 2,0 defeitos para cada 500 ps de fita. Determine a
probabilidade de mais de um defeito em 400 ps de fita selecionada
aleatoriamente.

24. Em uma ano recente, verificaram-se 46 casos de seqestro de avio em todo
mundo (com base nos dados do Departamento de aviao dos EUA. Tomando
um dia como intervalo, qual a probabilidade de acontecer 0 ou 1 seqestro
em qualquer parte do mundo?.

25. Um cassino flagrado tentando utilizar um par de dados viciados. No
julgamento, ficou evidenciado que alguns pontos pretos eram escavados,
enchidos com chumbo e repintados a fim de parecerem normais. Alm das
evidncias fsicas, os dados foram jogados no tribunal, com os seguintes
resultados:

12 8 9 12 12 9 8 7 12 10
12 3 2 12 10 9 12 11 11 12

Um perito em probabilidade afirma que, na jogada de dados equilibrados
(honestos) a mdia deve ser 7 e o desvio padro deve ser 2,4.
___________________________________________________________
16

a) Determine a mdia e o desvio padro dos valores amostrais obtidos no
julgamento.
b) Com base nos resultados obtidos no julgamento, qual e a probabilidade de
obter um 12? Compare esta probabilidade com a de 1/36 (ou 0,0278) para
dados equilibrados.
c) Se a probabilidade de obter 12 com dados equilibrados 1/36, determine a
probabilidade de obter ao menos 12 em 20 jogadas de dados equilibrados.
d) Se o leitor fosse um advogado de defesa, como refutaria os resultados
obtidos no tribunal?.

26. A altura das mulheres tem distribuio normal com mdia de 1.61 m e desvio
padro 6,35 cm (com base no Servio Nacional de Sade dos EUA). Selecionada
aleatoriamente uma mulher, determine a probabilidade de sua altura estar
entre 1,61 m e 1,73 m.

27. Uma mulher para se adaptar a uma espaonave russa Soyuz, um astronauta
deve ter altura entre 1,64 m e 1,83 m.

a) Determine a porcentagem de mulheres americanas que satisfazem essa
condio (de acordo com os dados do exerccio anterior)
b) Entre 500 mulheres americanas selecionadas aleatoriamente, quantas
satisfazem aquela condio?

28. Os prazos de durao da gravidez tm distribuio normal com mdia 268 dias
e desvio padro de 15 dias. Definindo como prematura uma criana nascida
com menos de trs semanas de antecipao, qual a percentagem das crianas
nascidas prematuramente? (estas informaes so importantes para os
administradores de Hospital para ter em mos os equipamentos necessrios
para atender aos prematuros).

29. Um elevador tem o seu funcionamento bloqueado se sua carga for superior a
450 kg. Sabendo que o peso de um adulto uma varivel aleatria com
distribuio normal, sendo a mdia igual a 70 kg e desvio padro igual a 15 kg,
calcule a probabilidade de ocorrer o bloqueio numa tentativa de transportar 6
adultos.

30. Os pesos dos estudantes de uma Faculdade so distribudos normalmente com
mdia 65,3 kg e desvio padro 5,5.
a) Determine o percentual de estudantes que pesam menos de 60 kg ou mais
que 70 kg
b) Esto convocados para um exame mdico os 15% estudantes de menor
peso. Determine qual deve ser o peso mnimo que um estudante deve ter
para no ser convocado para o exame mdico?

31. As mquinas caa-nqueis so fabricadas de modo que seus proprietrios
possam ajustar os pesos das moedas que so aceitas. Se forem encontradas
muitas moedas falsificadas, faz-se um ajuste para rejeitar mais moedas, com o
efeito que a maioria das moedas falsificadas rejeitada juntamente com muitas
moedas legtimas. Suponha que as moedas tenham pesos distribudos
normalmente com mdia de 5,67 g e desvio padro de 0,070 g. Se uma
mquina caa-nquel ajustada para rejeitar moedas que pesem menos de
5,50 g ou mais de 5,80 g qual a percentagem de moedas legtimas rejeitadas?

___________________________________________________________
17
32. O grau mdio de um exame final foi de 72 e o desvio padro 9. 10% dos
melhores alunos receberam classificao A. Qual o grau mnimo que um
estudante deve obter para classificar-se em A?

33. Vimos anteriormente que as alturas das mulheres tm distribuio normal com
mdia 1,61 m e desvio padro 6,35 cm. Determine o valor P
90
, isto , determine
a altura que separa os 90% inferiores dos 10% superiores.
34. Determine a probabilidade de, em 200 lances de uma moeda, resultarem:

a) Entre 80 e 120 caras, inclusive.
b) Menos de 90 caras.
c) Menos de 85 ou mais de 115 caras.
d) Exatamente 100 caras.

35. Uma mquina produz parafusos, dos quais 10% so defeituosos. Determinar a
probabilidade de, em uma amostra tomada ao acaso de 400 parafusos
produzidos por essa mquina, serem defeituosos:

a) No mximo 30;
b) Entre 30 e 50;
c) 55 ou mais.

36. Cerca de 4,4% dos acidentes fatais com automveis so causados por pneus
defeituosos (Conselho Nacional de Segurana dos EUA) . Se um estudo de
segurana em uma rodovia comea com a escolha aleatria de 750 casos de
acidentes fatais com veculos motorizados, estime a probabilidade de
exatamente 35 de eles terem sido causados por pneus defeituosos.

37. H 80% de chance de um empregador verificar o nvel de instruo de um
candidato a um emprego. Para 100 candidatos selecionados aleatoriamente,
estime a probabilidade de exatamente 85 ter seus currculos examinados.

___________________________________________________________
18
6-TABELA EM ANEXO

7-BIBLIOGRAFIA

TRIOLA, Mario F. Introduo a Estatstica. 7 ed Rio de janeiro: LTC , 1999.

STEVENSON, William J. Estatstica aplicada administrao. So Paulo: Editora
Harbra LTDA, 1988.

CRESPO, Antnio Armont. Estatstica fcil. So Paulo: Editora Saraiva, 1996.

SILVA, Medeiros da Silva, SILVA, Elio Medeiros, GONALVES, Valter, MUROLO,
Antnio Carlos. Estatstica Para os Cursos de Economia, Administrao e Cincias
Contbeis. 2
a
ed, Vol 1 e 2. So Paulo: Editora Atlas S.A, 1997.

Variavel Aleatoria Distribuicao

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Variavel Aleatoria Distribuicao

Caricato da

Copyright:

Formati disponibili

COORDENADORIA DE MATEMTICA

= = ) ( A varivel X tem distribuio binmia, com parmetros n e

Potrebbero piacerti anche