Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Estatstica ICMS-RJ
Aula 1
Alexandre Barbosa de Lima
17/02/2010
Contedo
1. Probabilidade ....................................................................................................... 4
1.1.
1.2.
1.2.1
1.3.
1.4.
1.5.
Independncia ........................................................................................ 12
1.6.
1.7.
Regra da Multiplicao......................................................................... 13
1.8.
1.9.
Teorema de Bayes................................................................................. 14
2. Variveis Aleatrias......................................................................................... 15
2.1.
2.2.
2.3.
2.4.
Funes de Distribuio e de Densidade de Probabilidade
para Variveis Contnuas .................................................................................. 17
2.5. Funes de Probabilidade Conjunta .................................................... 19
2.5.1. Funes de Probabilidade Marginal ............................................................. 21
2.5.2. Funes de Probabilidade Condicional ........................................................ 22
2.5.3. Variveis Aleatrias Independentes ............................................................. 23
3. Valores Esperados Envolvendo Uma nica Varivel Aleatria ....... 24
3.1.
Mdia .......................................................................................................... 24
3.2.
3.3.
Varincia ................................................................................................... 26
4. Anlise Combinatria...................................................................................... 26
5. Distribuies de Probabilidade .................................................................... 29
5.1.
1.
Probabilidade
http://www.climatempo.com.br
O Dlar saltou de R$ 1,73 para R$ 1,89 em apenas quatro semanas. O economista Luiz Carlos
Mendona de Barros, em entrevista Folha de So Paulo em 07/02/2010, afirma que a taxa de cmbio j
no mais R$ 1,75, vai ser mais perto de R$ 2, o que bom para ns.
3
O conceito de evento ser formalizado mais adiante nesta aula.
2
P=
NE
N
P[ E ] =
NE 3
= .
N
4
P[ E ] = lim n
nE
n
Aqui, a priori significa aquilo que est relacionado com o raciocnio lgico a partir de proposies autoevidentes ou o que pressuposto por experincia. Neste contexto, a posteriori denotaria o que est
relacionado com o raciocnio lgico a partir dos fatos que so observados.
simplesmente
um
experimento em que os resultados so no determinsticos,
isto , probabilsticos. O espao amostral o conjunto de todos
os possveis resultados de um experimento aleatrio. Um
evento um subconjunto do espao amostral de um
experimento aleatrio.
O moderno tratamento axiomtico da teoria da probabilidade
em grande parte devido pesquisa do brilhante matemtico russo
Andrei N. Kolmogorov (1903-1987)5.
1.2. Conjuntos e Eventos
Um conjunto uma coleo de objetos abstratos ou concretos.
Um exemplo de conjunto concreto o conjunto de todos os
residentes na cidade de So Paulo cuja altura exceda 1,60 m. O
conjunto de todos os habitantes de So Paulo com altura entre 1,60m
e 1,70m um subconjunto do conjunto anterior. No estudo da
probabilidade, ns estamos interessados no conjunto de todos os
possveis resultados de um experimento (espao amostral) e nos
subconjuntos daquele conjunto. comum representar o espao
amostral de um experimento aleatrio usando a letra grega
(mega). Eventos so subconjuntos de . O prprio conjunto
um evento, o qual denominado evento certo. O conjunto que no
envolve nenhum dos resultados possveis o evento impossvel
(conjunto vazio). Este o evento que no pode acontecer e que
includo na teoria por uma questo de completeza.
1.2.1
lgebra de Conjuntos
Apesar deste tipo de informao no ser importante para a prova, no nos custa nada conhecer um pouco
da histria da matemtica e pagar o tributo a um dos maiores matemticos de todos os tempos!
Figura 1: unio.
Figura 2: complementar.
Figura 4: ou exclusivo.
Dado qualquer conjunto E, uma partio-n de E consiste em
uma sequncia de conjuntos Ei, i = 1, 2, ..., n, tal que Ei E,
n
i =1
10
F a b i o
L u i s
d e
S o u z a
C a r m o ,
C P F : 0 7 9 2 3 9 7 9 7 5 8
nA
nA / n
P[ A]
P[ AB]
,
P[ A]
P[ A] > 0
75
(3)
92
39
79
P[ B ] > 0
F:
P[ AB ]
,
P[ B ]
rm
o,
CP
P[ A / B ] =
(4)
07
Similarmente,
Ca
1.5. Independncia
So
uz
is
de
(5)
(7)
P[ A / B ] = P[ A]
bi
Fa
(6)
Lu
P[ B / A] = P[ B ]
F a b i o
L u i s
d e
S o u z a
C a r m o ,
C P F : 0 7 9 2 3 9 7 9 7 5 8
(8)
(9)
39
92
79
75
F:
07
Ca
rm
o,
CP
uz
(12)
So
Lu
is
de
Fa
bi
O contedo deste curso de uso exclusivo de Fabio Luis de Souza Carmo, CPF:07923979758, vedada, por quaisquer
meios e a qualquer ttulo, a sua reproduo, cpia, divulgao e distribuio, sujeitando-se os infratores
responsabilizao civil e criminal.
P ( B ) = P ( B E1 ) + P ( B E2 ) + ... + P ( B Ek ) =
= P ( B / E1 ) P ( E1 ) + P ( B / E2 ) P ( E2 ) + ... + P( B / Ek ) P ( Ek ).
P ( A B)
.
P( B)
como
P[ A B ] = P ( B / A) P ( A)
temos que
14
P( A / B) =
P ( B / A) P ( A)
P( B)
para P(B)>0.
P ( E1 / B ) =
P ( B / E1 ) P ( E1 )
.
P ( B / E1 ) P ( E1 ) + P ( B / E2 ) P ( E2 ) + ... + P ( B / E k ) P ( Ek )
2.
Variveis Aleatrias
15
(17)
i = 1,2,...
f(x)
1/6
1/6
1/6
1/6
1/6
1/6
F ( x) = P[ X x] .
F(x)
1
5/6
2/3
1/2
1/3
1/6
(19)
f ( x)dx = 1 .
(20)
P[a X b] = f ( x)dx .
a
(21)
F ( x) =
f ( ) d .
18
19
(x, y)
FXY ( x, y ) = P[ X x, Y y ] .
2
f XY ( x, y ) =
[ FXY ( x, y )] .
xy
20
XY
( x, y )dxdy = 1
(evento certo).
FXY ( x, y ) =
d d f XY ( , ) .
f XY ( xi , yk ) = P[ X = xi , Y = yk ] .
21
f X ( x) =
(26)
XY
( x, y )dy
(27)
fY ( y) =
XY
( x, y )dx
f X ( xi ) = f XY ( xi , yk )
k
(29)
f Y ( yk ) = f XY ( xi , yk )
i
(30)
f X / Y ( xi / yk ) =
f XY ( xi , yk )
,
f Y ( yk )
fY ( yk ) 0
(31)
fY / X ( yk / xi ) =
f XY ( xi , yk )
,
f X ( xi )
f X ( xi ) 0
f XY ( xi , yk ) = f X / Y ( xi / yk ) fY ( yk ) = fY / X ( yk / xi ) f X ( xi )
22
fY / X ( y / x) =
f XY ( x, y )
,
f X ( x)
f X ( x) 0
f X /Y ( x / y) =
f XY ( x, y )
,
fY ( y )
fY ( y ) 0 .
f XY ( x, y ) = f X ( x) f Y ( y ) .
f ( x1 , x2 ,..., xn ) = f ( x1 ) f ( x2 )... f ( xn ) .
f X / Y ( x / y) =
f XY ( x, y ) f X ( x) fY ( y )
=
= f X ( x) .
fY ( y )
fY ( y )
23
3.
fY / X ( y / x ) =
f XY ( x, y ) f X ( x) fY ( y )
=
= fY ( y ) .
f X ( x)
f X ( x)
Valores
Esperados
Varivel Aleatria
Envolvendo
Uma
nica
(39) E[ X ] = x1 f ( x1 ) + x2 f ( x 2) + ... + xn f ( xn ) = xi f ( xi ) .
i =1
24
(41) E[ X ] = xf ( x)dx .
(43) E[ g ( X )] =
g ( x) f
( x)dx .
4.
Anlise Combinatria
denominado
uma
amostra
ordenada
n!
(n r )!
23
24
25
26
34
35
36
45
46
56
21
23
24
25
26
31
32
34
35
36
41
42
43
45
46
51
52
53
54
56
61
62
63
64
65
21
22
23
24
25
26
31
32
33
34
35
36
41
42
43
44
45
46
51
52
53
54
55
56
61
62
63
64
65
66
n
n!
( n) r
=
=
r!
(n r )! r! r
n!
.
r1! r2 !...rk !
28
1,2,3
4,5
2,3,4
5,1
3,4,5
1,2
4,5,1
2,3
5,1,2
3,4
2,4,5
1,3
2,3,5
1,4
1,3,5
2,4
1,3,4
2,5
1,2,4
3,5
4,5
1,2,3
5,1
2,3,4
1,2
3,4,5
2,3
4,5,1
3,4
5,1,2
1,3
2,4,5
1,4
2,3,5
2,4
1,3,5
2,5
1,3,4
3,5
1,2,4
5.
Distribuies de Probabilidade
seguintes
experimentos
aleatrios
variveis
n
f ( x) = p x (1 p ) n x ,
x
x = 0,1,2,..., n
n
f ( x) = p x q n x ,
x
x = 0,1,2,..., n
30
= np
2 = npq
Desvio Padro
= npq
pi 0,
=1.
i =1
Definio:
Considere uma tentativa generalizada de Bernoulli com resultados
1 , 2 ,..., k e seja a probabilidade de observar i dada por pi ,
i=1,2,...,k, em que pi 0 e
= 1 . A probabilidade de que em n
i =1
tentativas 1 ocorra
sucessivamente,
x1
vezes,
ocorra
x2
vezes, e assim
31
(54)
10!
(0,6) 6 (0,25)3 (0,15)1 0,092.
6!3!1!
f ( x) = e a
ax
x!
x = 0,1,2,3... .
=a
2 =a
= a
f ( x) = e
( ) x
,
x!
0, x = 0,1,2,3... .
11,510
= 0,1129.
10!
De forma geral, a grandeza t do intervalo (t, t+) pode representar tempo, volume, distncia, etc. Ou
seja, o processo de Poisson no necessariamente um processo de contagem no tempo.
12
33
n x
1 a
p (1 p) n x a x 1
x! n
x
n x
n x
a x a
e .
x!
f ( x) = (1 p ) x1 p,
x = 1,2,... .
= 1/ p
Mdia
Varincia
= (1 p ) / p 2
Desvio Padro
= (1 p) / p
x 1
(1 p ) x r p r ,
f ( x) =
r 1
x = r , r + 1, r + 2,... .
=r/ p
Mdia
Varincia
2 = r (1 p ) / p 2
Desvio Padro
= r (1 p) / p
35
(59)
S F
x n x
f ( x) =
,
N
n
x = max{0, n F } a min{S , n} .
= np
Mdia
Varincia
N n
N 1
2 = np (1 p )
Desvio Padro
N n
N 1
= np(1 p)
(*) p = S/N.
Exemplo. Um lote de peas contm 200 peas de um fornecedor
nacional e 100 peas de um fornecedor chins. Se cinco peas so
selecionadas ao acaso, qual ser a probabilidade de que elas sejam
todas provenientes do fornecedor nacional?
Seja X o nmero de peas do fornecedor nacional na amostra (=
nmero de sucessos na amostra). Ento X tem distribuio
hipergeomtrica.
5 0
= 0,1295.
P ( X = 5) = f (5) =
300
f ( x) =
1
,
ba
a xb
37
f(x)
1/(b-a)
(61) E ( X ) =
0,5 x 2
x
a +b
dx =
=
.
ba
b
a
2
A varincia de X
b
a+b
2
x
b
1
(b a ) 2
2
a + b
(62) var( X ) =
=
.
x
dx =
3(b a )
ba
12
2
a
1
1
=
= 0,025
b a 40
20
10
38
Mdia
Varincia
Desvio Padro
f ( x) = ae ax ,
0 x<.
1
a
1
2 = 2
a
1
=
a
Varincia
Desvio Padro
(64) (r ) = x r 1e x dx ,
r > 0.
f ( x) =
r x r 1e x
( r )
x >0.
Varincia
2 =
Desvio Padro
2
r
1
f ( x) =
e
2
( x )2
2 2
< x < .
13
40
41
Z=
X np
.
npq
14
42
X np
lim P a
b =
n
npq
2
1
e u / 2 du .
2 a
f X n ( x) = K x
em que K =
n/ 2
n2
x/ 2
2
1
e (.) a funo gama.
(n/ 2)
(x x)
(68) s ( x) =
2
i =1
n 1
x1 + x2 + ... + xn
.
n
43
44
(70)
x2
f X ( x) = K st 1 +
n
em que K st =
n +1
[(n + 1) / 2]
.
(n/ 2) n
45
46
onde
2ni
2n1 /n1
2n2 /n2
f ( x) =
1
x 2
(ln x ) 2
2 2
x > 0,
E( X ) = e
2
2
Var ( X ) = e 1 e 2 +
2
47
Introduo
49
5.
Exerccios de Fixao
B)
C)
3
50
D)
E)
e 0,048+0, 02 X
,
1 + e 0, 048+0, 02 X
x2
1
exp , < x < .
2
2
x = 0,1,2,..., n
x = 0,1,2,...
N M
x n x
E) P ( X = x) =
, x = 0,1,2,..., n
N + M
Total
300
200
100
600
200
100
100
400
500
300
200
1.000
54
1,96
0,975
2,17
0,985
2,33
0,99
2,41
0,992
2,58
0,995
A) 0,99
B) 0,97
C) 0,98
D) 0,985
E) 0,95
19. (AFTM-RN-2008-ESAF) Numa distribuio Binomial, temos
que:
I. A E[x] = n p q, ou seja, o produto dos parmetros n nmero de
elementos da avaliao, p probabilidade de ocorrncia do evento e
q probabilidade contrria (q = 1 - p).
II. O desvio-padro dado pela raiz quadrada do produto entre os
parmetros n e p.
III. A varincia dada pelo somatrio dos quadrados dos valores (Xi)
menos o quadrado da mdia.
Apontando os trs itens acima como V Verdadeiro e F Falso, a
opo correta :
A) F, V, F
B) V, V, F
C) F, F, F
D) V, F, F
E) V, V, V
20. (Analista de Finanas e Controle-STN-2008-ESAF) Dois
eventos A e B so ditos eventos independentes se e somente se:
56
0
0,010
1
0,020
2
0,310
3
0,320
4
0,240
5
0,080
6
0,019
7
0,001
58
Homens
Mulheres
4 anos
4.076.416
4.755.790
2 anos
2.437.905
3.310.086
Menos de 2 anos
172.874
311.788
59
Homens
Mulheres
4 anos
0,27
0,32
2 anos
0,16
0,22
Menos de 2 anos
0,01
0,02
escolhido
(A) 0,44
(B) 0,56
(C) 0,59
(D) 0,38
(E) 0,03
32. Assinale a alternativa com a funo discreta de probabilidade
marginal f (x) .
0, x = 0
(A) f ( x) =
1, x = 1
0,56, x = 0
(B) f ( x) =
0,44, x = 1
0,44, x = 0
(C) f ( x) =
0,56, x = 1
60
0,57, y = 1
(A) fY / X ( y / x = 1) = 0,40, y = 2
0,02, y = 3
0,02, y = 1
(B) fY / X ( y / x = 1) = 0,29, y = 2
0,48, y = 3
0,48, y = 1
(C) fY / X ( y / x = 1) = 0,29, y = 2
0,02, y = 3
0,04, y = 1
(D) fY / X ( y / x = 1) = 0,40, y = 2
0,57, y = 3
0,57, y = 1
(E) fY / X ( y / x = 1) = 0,40, y = 2
0,04, y = 3
61
6.
GABARITO
1C
2-E
3-A
4-B
5D
6D
7-D
8-E
9-C
10 E
11- D
12 D
13 B
14 - A
15 A
16 C
17 A
18 B
19 C
20 D
21 B
22 D
23 D
24 C
25 A
26 D
27 B
62
63
7.
64
(A
na
1
os
65
B)
C)
3
D)
E)
Resoluo
P(X1 < X2 + X3) = P(X1 - X2 - X3 < 0) = P(Y < 0), em que Y = X1 - X2
- X3 (Y uma combinao linear de X1, X2 e X3). A combinao
linear de variveis aleatrias independentes e normais
tambm normal. A esperana de Y dada por:
E(Y) = E(X1 - X2 - X3) = E(X1) E(X2) E(X3) = - - = -.
A varincia de Y dada por
Var(Y) = Var(X1 - X2 - X3) = Var(X1) + Var(X2) + Var(X3) = 32 (pois
X1, X2 e X3 so independentes) Y = 3 .
Neste caso, a normal padro dada por
Z=
Y E (Y )
Y ( ) Y +
=
Y = 3Z
3
3
P (Y < 0) = P ( 3Z < 0) = P Z <
=
.
3
3
GABARITO: A
66
ax
2x
2x
= e 2
0,14 .
x!
x!
x!
E[R/X2] =
x =0
= 0 + 10.000
0,14 21
0,14 2 2
+ 20.000
= 8.400
1!
2!
67
e 0,048+0, 02 X
,
1 + e 0, 048+0, 02 X
e 0, 048+ 0, 02 X
1 + e 0,048+0,02 X
Figura 16.
69
P(Y = 1 / X = 1) =
0,9724
e 0, 048+0,02.1
=
= 0,4930 .
0 , 048+ 0 , 02.1
1+ e
1 + 0,9724
et
1
=
t
1 + e 1 + e t
e 0,048+0,02 X
1 + e 0, 048+0, 02 X
P (Y = 1 / X )
0 , 048+ 0 , 02 X
= ln
W = ln
) = 0,048 + 0,02 X
= ln(e
0 , 048+ 0 , 02 X
e
P (Y = 0 / X )
1
1 + e 0, 048+0,02 X
em que W denota o logaritmo neperiano da razo entre a
probabilidade de haver erro na declarao e a de no haver. Observe
que W uma funo linear em X, expressa por -0,048 + 0,02X, isto
, W = -0,048 + 0,02X (vide Fig. 17). A funo W = 0 para X = 2,40
(para tal, resolva a equao -0,048 + 0,02X = 0). Isto quer dizer que
P (Y = 1 / X = 2,40)
P (Y = 1 / X = 2,40)
= e0 = 1
=0
ln
=
=
(
=
0
/
=
2
,
40
)
P
(
Y
0
/
X
2
,
40
)
P
Y
X
Figura 17.
CORRETA,
conforme
que
foi
explicado
x2
1
exp , < x < .
2
2
D) P ( X = x) =
e x
,
x!
x = 0,1,2,..., n
x = 0,1,2,...
N M
x n x
E) P ( X = x) =
, x = 0,1,2,..., n
N + M
Resoluo
A relao E(X) = E(X-E(X))2 pode ser reescrita como = 2 (mdia
igual a varincia da distribuio).
Anlise da alternativas
x2
1
exp , < x < , a normal
2
2
2
padro, que possui = 0 e =1. Logo 2 INCORRETA.
(A) a distribuio
f X ( x) =
e x
, x = 0,1,2,... , a Poisson, que possui =
x!
2 = INCORRETA.
N M
x n x
(E) a distribuio P ( X = x) =
,
N + M
x = 0,1,2,..., n ,
= np,
em que p denota a probabilidade de sucesso e
N +M n
.
N + M 1
2 = np (1 p)
Logo 2 INCORRETA.
GABARITO: E
74
Total
300
200
100
600
200
100
100
400
500
300
200
1.000
e 0,5+0, 2
.
1 + e 0,5+0, 2
76
e 0,5 + 0, 2
0
,
5
+
0
,
2
P(Y = 1 / )
0 , 5 + 0 , 2
1+ e
) = 0,5 + 0,2
W = ln
ln
=
= ln(e
0 , 5 + 0 , 2
e
P
(
Y
0
/
)
=
1
1 + e 0,5 + 0, 2
em que W denota o logaritmo neperiano da razo entre a
probabilidade do candidato acertar esta questo e a de no acertar.
Observe que W uma funo linear em X, expressa por -0,5 + 0,2,
isto , W = -0,5 + 0,2. A funo W = 0 para = 2,50 ( a raiz da
equao -0,5 + 0,2 = 0). Isto quer dizer que
P(Y = 1 / = 2,5)
P(Y = 1 / = 2,5)
ln
=0
= e0 = 1
P(Y = 0 / = 2,5)
P(Y = 0 / = 2,5)
P(Y = 1 / = 2,5) = P(Y = 0 / = 2,5) i) a probabilidade do candidato
acertar esta questo (Y=1) igual a probabilidade do candidato no
acertar esta questo (Y=0), se a proficincia em matemtica do
candidato =2,5; ii) a probabilidade do candidato acertar esta
questo (Y=1) menor do que a probabilidade do candidato no
acertar esta questo (Y=0), se a proficincia em matemtica do
candidato <2,5 e iii) a probabilidade do candidato acertar esta
questo (Y=1) maior do que a probabilidade do candidato no
acertar esta questo (Y=0), se a proficincia em matemtica do
candidato >2,5. Portanto, esta alternativa INCORRETA.
e 0,5+ 0, 2
1 + e 0,5+ 0, 2
77
e 0,5 + 0, 2 2,5
e0
1
=
=
= 0,5 afirmao CORRETA
0 , 5 + 0 , 2 2 , 5
0
1+ e
1+ e 1+1
um
nmero
par
sair
duas
vezes
(eventos
79
3 1 5
3! 1 25 75
=
= 34,72% 35%
P(3,1) = f (1) = =
1 6 6 1!2! 6 36 216
GABARITO: A
15. (TFC-CGU-2008-ESAF) Ana precisa fazer uma prova de
matemtica composta de 15 questes. Contudo, para ser aprovada,
80
C1015 =
15!
15 14 13 12 11 10!
=
= 3.003
10!(15 10)!
10!5 4 3 2 1
GABARITO: A
16. (TFC-CGU-2008-ESAF) gata decoradora e precisa atender o
pedido de um excntrico cliente. Ele - o cliente - exige que uma das
paredes do quarto de sua filha seja dividida em uma seqncia de 5
listras horizontais pintadas de cores diferentes, ou seja, uma de cada
cor. Sabendo-se que gata possui apenas 8 cores disponveis, ento
o nmero de diferentes maneiras que a parede pode ser pintada
igual a:
A) 56
B) 5760
C) 6720
D) 3600
E) 4320
Resoluo
gata possui 8 cores disponveis para utilizar em 5 listras:
(n) r =
8!
8 7 6 5 4 3!
n!
=
=
= 6.720
(n r )! (8 3)!
3!
GABARITO: C
81
10!
= 120
3!(10 3)!
10!
= 45
2!(10 2)!
1,96
0,975
2,17
0,985
2,33
0,99
2,41
0,992
2,58
0,995
A) 0,99
B) 0,97
C) 0,98
82
(1,96) - (-2,58)
GABARITO: B
19. (AFTM-RN-2008-ESAF) Numa distribuio Binomial, temos
que:
I. A E[x] = n p q, ou seja, o produto dos parmetros n nmero de
elementos da avaliao, p probabilidade de ocorrncia do evento e
q probabilidade contrria (q = 1 - p).
II. O desvio-padro dado pela raiz quadrada do produto entre os
parmetros n e p.
III. A varincia dada pelo somatrio dos quadrados dos valores (Xi)
menos o quadrado da mdia.
Apontando os trs itens acima como V Verdadeiro e F Falso, a
opo correta :
A) F, V, F
B) V, V, F
C) F, F, F
D) V, F, F
E) V, V, V
Resoluo
Esperana da distribuio binomial: E(X) = np
Varincia da distribuio binomial: Var(X) = np(1-p)
Vamos analisar as alternativas:
83
Moas
Olhos Azuis
Olhos Castanhos
Total
Cabelos
Loiros
18
8
26
Cabelos
Pretos
9
9
18
Cabelos
Ruivos
4
2
6
Total
31
19
50
50 = 10 50 = 10
19
50 19 19
50
GABARITO: B
22. (Analista Tcnico SUSEP-2006-ESAF) Em uma casa de
jogos (Bingo S/A, por exemplo) a premiao ser de R$ 10,00, para
quem obtiver uma face de nmero primo ao jogar um dado honesto e
de R$ 20,00, para quem obtiver outra alternativa (face de nmero
no primo). Para N jogadas (sendo N um nmero suficientemente
grande de jogadas), o valor mdio da aposta, ou seja, o valor
esperado, ser de:
85
para
um
nmero
N,
X
f(x)
1
0,020
2
0,310
3
0,320
4
0,240
5
0,080
6
0,019
7
0,001
GABARITO: C
25. O valor esperado da varivel aleatria X
(A) 3,08
(B) 3,26
(C) 2,12
(D) 0,32
(E) 0,96
Resoluo
7
E[ X ] = xf ( x)
x =0
87
GABARITO: A
26. O valor esperado de Y = 5X + 4
(A) 4
(B) 3,1
(C) 15,4
(D) 19,4
(E) 81
Resoluo
E[Y ] = E[5 X + 4] = 5 E[ X ] + 4 = 5 3,081 + 4 = 15,405 + 4 = 19,405 19,4 .
GABARITO: D
27. A varincia de X
(A) 9,49
(B) 1,22
(C) 10,71
(D) 20,305
(E) 85,525
Resoluo
7
var( X ) = E[ X 2 ] X 2 = x 2 f ( x) X 2 .
x =0
x =0
Ento,
var( X ) = E[ X 2 ] X 2 = 10,713 3,0812 = 10,713 9,493 = 1,22 .
GABARITO: B
88
base altura 1 2
=
= 1.
2
2
f(x)
2
0,5
GABARITO: E
89
0,5 1
= 0,25 .
2
GABARITO: C
O enunciado a seguir refere-se s questes de nmeros 30 a
33 (Exerccio 2.6 de [HIL06], adaptado).
Um total de 15.064.859 alunos esto matriculados no ensino
superior, divididos entre cursos com durao de 4 anos, de 2 anos e
de menos de 2 anos. A matrcula, separada por sexo, mostrada na
tabela a seguir.
Homens
Mulheres
4 anos
4.076.416
4.755.790
2 anos
2.437.905
3.310.086
Menos de 2 anos
172.874
311.788
Homens
Mulheres
4 anos
0,27
0,32
2 anos
0,16
0,22
Menos de 2 anos
0,01
0,02
f XY ( xi , yk ) ,
i = 1,2
k = 1,2,3 ,
funo
discreta
de
Note
que
XY
i =1 k =1
P[ X = 0] = f X ( x = 0) = f XY ( x = 0, y = 1) + f XY ( x = 0, y = 2) + f XY ( x = 0, y = 3)]
P[ X = 0] = 0,27 + 0,16 + 0,01 = 0,44
GABARITO: A
31. Qual a probabilidade de um estudante,
aleatoriamente, ser de um curso de 2 anos (Y = 2)?
escolhido
(A) 0,44
(B) 0,56
(C) 0,59
(D) 0,38
(E) 0,03
91
P[Y = 2] = g Y ( y = 2)
g Y ( y = 2) = f XY ( x = 0, y = 2) + f XY ( x = 1, y = 2)
P[Y = 2] = P[ X = 0, Y = 2] + P[ X = 1, Y = 2] = 0,16 + 0,22 = 0,38 .
GABARITO: D
32. Assinale a alternativa com a funo discreta de probabilidade
marginal f (x) .
0, x = 0
(A) f ( x) =
1, x = 1
0,56, x = 0
(B) f ( x) =
0,44, x = 1
0,44, x = 0
(C) f ( x) =
0,56, x = 1
0,59, x = 0
(D) f ( x) =
0,38, x = 1
0,38, x = 0
(E) f ( x) =
0,59, x = 1
Resoluo
Sabemos que f X ( xi ) = f XY ( xi , yk ) . Portanto,
k
f X ( x = 0) = f XY ( x = 0, y = 1) + f XY ( x = 0, y = 2) + f XY ( x = 0, y = 3) = 0,44
na questo 7).
(calculado
f X ( x = 1) = f XY ( x = 1, y = 1) + f XY ( x = 1, y = 2) + f XY ( x = 1, y = 3) =
= 0,32 + 0,22 + 0,02 = 0,56 .
Assim a funo de probabilidade marginal f ( x ) dada por
0,44, x = 0
f ( x) =
0,56, x = 1
GABARITO: C
92
0,57, y = 1
(A) fY / X ( y / x = 1) = 0,40, y = 2
0,02, y = 3
0,02, y = 1
(B) fY / X ( y / x = 1) = 0,29, y = 2
0,48, y = 3
0,48, y = 1
(C) fY / X ( y / x = 1) = 0,29, y = 2
0,02, y = 3
0,04, y = 1
(D) fY / X ( y / x = 1) = 0,40, y = 2
0,57, y = 3
0,57, y = 1
(E) fY / X ( y / x = 1) = 0,40, y = 2
0,04, y = 3
Resoluo
Pela definio de probabilidade condicional temos que
4.755.790
0,57
8.377.664
3.310.086
fY / X ( y = 2 / x = 1) =
0,40
8.377.664
311.788
fY / X ( y = 3 / x = 1) =
0,04
8.377.664
fY / X ( y = 1 / x = 1) =
Observe que
fY / X ( y = 1 / x = 1) + fY / X ( y = 2 / x = 1) + fY / X ( y = 3 / x = 1) 1 (evento certo)
Assim a funo de probabilidade marginal fY / X ( y / x = 1) dada por
0,568, y = 1
fY / X ( y / x = 1) = 0,395, y = 2
0,037, y = 3
fY / X ( y / x = 1) = 0 p/ os demais valores de y.
f XY ( x, y )
.
f ( x = 1)
Assim sendo,
f XY ( x = 1, y = 1) 0,32
=
0,57
0,56
f ( x = 1)
f ( x = 1, y = 2) 0,22
=
0,40
fY / X ( y = 2 / x = 1) = XY
0,56
f ( x = 1)
f ( x = 1, y = 3) 0,02
=
0,04
fY / X ( y = 2 / x = 1) = XY
0,56
f ( x = 1)
fY / X ( y = 1 / x = 1) =
GABARITO: E
94
95
96
97
98