Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Resoluo.
Neste exerccio, a varivel X discreta (assume apenas os valores inteiros de 1 a 10).
Alm disso, ela uniforme, pois todas as possveis realizaes tm probabilidade de 10%
(ou seja, as probabilidades so todas iguais entre si).
A questo no pediu, mas podemos calcular a sua esperana. A esperana simplesmente a
mdia aritmtica dos valores que X pode assumir.
1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10
= = 5,5
10
Gabarito: D
2. DISTRIBUIO DE BERNOULLI
Distribuio de Bernoulli
Assume apenas os valores 0 e 1.
A grande importncia da varivel de Bernoulli, em termos de concursos, que ela serve pra
gente estudar outra varivel: a Binomial.
Exemplo 1
Considere a distribuio de probabilidades para a varivel Y:
Y Probabilidade
1 0,5
2 0,2
3 0,3
Resoluo:
V (Y ) = 4 1,8 2 = 0,76
Exemplo 2
Considere a distribuio de probabilidades para a varivel Z:
Z Probabilidade
1,24 0,25
2 0,25
6,55 0,25
100 0,25
Resoluo:
Foi dada a seguinte distribuio:
Z Probabilidade
1,24 0,25
2 0,25
6,55 0,25
100 0,25
A varivel Z assume apenas alguns valores (so apenas 4). Ela uma varivel discreta. Muita
gente confunde isso. O fato de uma varivel aleatria assumir valores no inteiros (como
1,24 ou como raiz de 2) no significa que ela seja contnua. Se a varivel Z fosse contnua ela
poderia assumir qualquer valor real contido num dado intervalo.
Note que as probabilidades de todos os valores so iguais entre si (todas valem 0,25). A
varivel Z , portanto, uniforme.
Por outro lado, como ela no assume apenas os valores 0 e 1, ela no pode ser classificada
como de Bernoulli.
Exemplo 3
Considere a distribuio de probabilidades para a varivel K:
K Probabilidade
0 0,5
1 0,5
Resoluo:
Foi dada a seguinte distribuio de probabilidade:
K Probabilidade
0 0,5
1 0,5
A varivel K assume apenas alguns valores. Ela discreta.
Alm disso, as probabilidades so todas iguais entre si (valem 0,5 cada uma). Podemos
classificar a varivel K como uniforme.
Por fim, a varivel K assume apenas os valores 0 e 1. Isso faz com que ela, alm de ser
discreta uniforme, tenha distribuio de Bernoulli.
Exemplo 4
Considere a distribuio de probabilidades para a varivel T:
T Probabilidade
0 0,75
1 0,25
Resoluo:
T Probabilidade
0 0,75
1 0,25
A varivel T discreta. Contudo, no uniforme, pois as probabilidades no so iguais entre
si (a probabilidade de T ser igual a zero maior que a probabilidade de T ser igual a 1).
De modo diverso, T pode ser classificada como de Bernoulli, pois assume apenas os valores
0 e 1.
Resoluo.
A probabilidade de sucesso 30% e a de fracasso 70% ( = 0,3; = 0,7).
Logo:
= = 0,30
! = = 0,3 0,7 = 0,21
Gabarito: D
3. DISTRIBUIO BINOMIAL
3.1. Introduo
Varivel binomial
Corresponde soma de vrias variveis de Bernoulli, independentes entre si. Tem relao
com o nmero de resultados favorveis em n experimentos
Lanamos o dado trs vezes. A cada lanamento, consideramos sucesso se o resultado for
mltiplo de 3.
No nosso exemplo, a varivel binomial X s pode assumir quatro valores (0, 1, 2 e 3). So
trs lanamentos do dado. Ou no temos nenhum sucesso. Ou apenas 1. Ou 2. Ou ento,
em trs lanamentos, temos trs sucessos (mltiplos de 3 em todos os lanamentos).
Vamos calcular a probabilidade de X assumir cada um desses valores.
Para X ser igual a zero, precisamos que, nos trs lanamentos, tenhamos nmeros que no
so mltiplos de 3.
Queremos que ocorram, simultaneamente, os trs eventos:
Fracasso no primeiro lanamento
Fracasso no segundo lanamento
Fracasso no terceiro lanamento
Observe que o resultado de um lanamento no tem qualquer influncia no resultado dos
demais lanamentos. So trs eventos independentes. Todos eles tm probabilidade de 2/3
de ocorrer. Nesse caso, a probabilidade da interseco dos eventos igual ao produto das
probabilidades.
2 2 2
P ( X = 0) =
3 3 3
3
2
P ( X = 0) =
3
Para X ser igual a 1, precisamos ter exatamente 1 lanamento com sucesso. Temos as
seguintes hipteses:
Sucesso no primeiro lanamento, fracasso no segundo lanamento, fracasso no
terceiro lanamento;
Fracasso no primeiro lanamento, sucesso no segundo lanamento, fracasso no
terceiro lanamento;
Fracasso no primeiro lanamento, fracasso no segundo lanamento, sucesso no
terceiro lanamento.
n
P ( X = k ) = p k q n k
k
No custa relembrar o significado do smbolo de combinao:
n n!
=
k (n k )!k!
Vamos ver a aplicao da frmula ao nosso exemplo do dado. Lanamos o dado trs vezes (
n = 3 ). Consideramos sucesso se der mltiplo de 3. Assim, a probabilidade de sucesso 1/3
( p = 1 / 3 ) e a probabilidade de fracasso 2/3 ( q = 2 / 3 ). Vamos calcular, a ttulo de
exemplo, a probabilidade de X ser igual a 2 ( k = 2 ).
n
P ( X = k ) = p k q n k
k
2 3 2
3 1 2
P( X = 2) =
2 3 3
2 3 2 2 1
3! 1 2 1 2
P ( X = 2) = = 3
1!2! 3 3 3 3
Que o mesmo resultado que tnhamos achado antes, sem a frmula.
Varivel binomial
Seja X nossa varivel binomial. Ela representa o nmero de sucessos em n experimentos
(onde cada experimento pode resultar em sucesso ou em fracasso).
A frmula da varivel binomial a que segue. A probabilidade de termos k sucessos em n
experimentos :
n
P ( X = k ) = p k q n k
k
(A) 0,104.
(B) 0,040.
(C) 0,096.
(D) 0,008.
(E) 0,200
Resoluo.
Quando analisamos uma nica questo, podemos ter sucesso (acerta a questo) ou fracasso
(erra a questo). A probabilidade de sucesso de 20% e a de fracasso 80%.
p = 0,2 ; q = 0,8
Assim, quando analisamos uma nica questo, temos uma distribuio de Bernoulli.
A quantidade de sucessos em trs experimentos corresponde, portanto, soma de trs
variveis de Bernoulli. Temos uma distribuio binomial.
A probabilidade de 2 acertos em trs :
n
P ( X = k ) = p k q n k
k
3
P ( X = 2) = 0,2 2 0,81 = 0,096
2
A probabilidade de 3 acertos :
3
P ( X = 3) = 0,2 3 0,8 0 = 0,008
3
A probabilidade de ser aprovado :
P ( X = 2) + P ( X = 3) = 0,096 + 0,008 = 0,104
Gabarito: A
Resoluo:
Cobrana direta do resumo estudado nesta aula.
Gabarito: A.
Resoluo.
A probabilidade de acerto de cada questo de 25% (so 4 alternativas e apenas uma
correta). O nmero de acertos uma varivel aleatria binomial, onde n = 10 e p = 0,25.
As alternativas a, c e e trazem valores impossveis de serem obtidos. No possvel
termos 1,5 acertos. Ou 2,5 acertos. Ou 3,5 acertos. Estes valores tm probabilidade zero.
Ficamos, portanto, entre as alternativas b e d.
Vamos calcular a probabilidade de 2 acertos.
n
P ( X = k ) = p k q n k
k
10
P ( X = 2) = 0,25 2 0,75 8
2
P( X = 2) = 45 0,25 2 0,758
Vamos agora calcular a probabilidade de 3 acertos.
n
P ( X = k ) = p k q n k
k
10
P ( X = 3) = 0,25 3 0,75 7
3
P( X = 3) = 120 0,253 0,75 7
Dividindo as duas probabilidades:
P( X = 2) 45 0,25 2 0,758
=
P( X = 3) 120 0,253 0,757
P( X = 2) 45 0,75 45 3 130
= = = >1
P( X = 3) 120 0,25 120 120
Conclumos que P ( X = 2) > P ( X = 3) .
Gabarito: B
Resoluo.
So 3 experimentos ( n = 3 ). A probabilidade de 2 sucessos dada por:
3
P ( X = 2) = p 2 q 1
2
= 3 p2 q
A probabilidade de trs sucessos :
3
P ( X = 3) = p 3 q 0
3
= p3
O exerccio disse que a primeira probabilidade 12 vezes a segunda.
3 p 2 q = 12 p 3
q = 4 p (equao I)
A probabilidade de sucesso somada com a probabilidade de fracasso igual a 100%.
p + q = 1 (equao II)
Substituindo I em II:
p + 4p =1
p = 0,2
Logo:
q = 0,8
Gabarito: D
Resoluo
Podemos pensar que, a cada parto, temos um experimento. Teremos sucesso se nascer
menino. E queremos calcular a probabilidade de exatamente 2 sucessos em 5 experimentos
(ou seja, 2 meninos em 5 partos).
Ficamos com:
n
P ( X = k ) = p k q n k
k
2 3
5 1 3 27 135
P( X = 2) = = 10 =
2 4 4 1024 512
No h alternativa correta. A questo foi anulada.
Gabarito: Anulado
d) 2,8 (4 / 5)
10
e) 2,8 (4 / 5)
9
Resoluo.
O nmero de erros graves segue uma distribuio binomial.
Podemos pensar que cada auditoria um experimento. Em cada experimento, o sucesso
ocorre quando encontrado um erro grave. Queremos que o nmero de sucessos seja zero
ou 1.
P( X = 1) = 10 0,21 0,89
P( X = 1) = 10 0,21 0,89
P( X = 1) = 2 0,89
P ( X = 0 X = 1) = 0,8 9 (0,8 + 2)
Lembrando que 0,8 = 4 / 5 , temos:
P ( X = 0 X = 1) = 4 / 5 9 (2,8)
Gabarito: E.
Resoluo.
Temos uma varivel binomial. O exerccio pediu para calcularmos a probabilidade de X = 6 .
Basta aplicar a frmula que vimos (e que o prprio exerccio forneceu).
n
P ( X = k ) = p k q n k
k
6
P ( X = 6) = (1 / 3) 6 (2 / 3) 66 = (1 / 3) 6 = 1 / 729
6
Gabarito: A.
a) 0
b) 1/729
c) 64/729
d) 243/729
e) 1.
Resoluo.
A funo de distribuio nos fornece a probabilidade de X ser menor ou igual a um dado
valor k.
Se k = 0 , a funo nos dir qual a probabilidade de X ser menor ou igual a zero.
Como X uma varivel binomial, ela s assume valores maiores ou iguais a zero. Lembrem-
se de que a varivel binomial tem relao com o nmero de casos favorveis em um
nmero n de experimentos (no d pra ter, por exemplo, menos dois casos favorveis).
Assim, F (0) corresponde probabilidade de X = 0 .
Aplicando a frmula:
n
P ( X = k ) = p k q n k
k
6
P ( X = 0) = (1 / 3) 0 (2 / 3) 60 = (2 / 3) 6 = 64 / 729
0
Gabarito: C.
Resoluo:
Seja p a probabilidade de um motor funcionar perfeitamente e q (= 1 p) a
probabilidade do motor falhar.
Avio bimotor
A quantidade de motores funcionando adequadamente tem distribuio binomial com
parmetros n = 2 e p.
Para que ele voe de forma segura, devemos ter uma das seguintes situaes:
os dois motores funcionam: # = 2 = +, , =
exatamente um motor funciona: # = 1 = +, = 2
Substituindo q por 1 p:
- + 4) 1 + 6 1 > + 2 1
- + 4) 4- + 6 1 2 + > + 2 1
- + 4) 4- + 6 12) + 6- > + 2 2
3- 8) + 7 2 > 0
Dividindo todos os termos por p:
3) 8 + 7 2>0
Para resolvermos a inequao, antes, vamos resolver a equao correspondente:
Resoluo:
A quantidade de chamadas atendidas em menos de 1 hora segue uma distribuio binomial
de parmetros n = 5 e p = 0,5.
As probabilidades de 3, 4 e 5 chamadas atendidas em menos de 1 hora so:
# = 3 = +7,) 0,5) 0,5 = 10 0,57
# = 4 = +7,- 0,5- 0,5 = 5 0,57
# = 5 = +7,7 0,57 0,5, = 0,57
Somando tudo, temos a probabilidade de pelo menos 3 chamadas atendidas em menos de 1
hora:
10 + 5 + 1 0,57
16 16
= = = 50%
27 32
Gabarito: A
Resoluo:
Cobrana direta da frmula da probabilidade da distribuio binomial.
Gabarito: A
Para ter ideia de onde vm esses resultados, vamos continuar com o lanamento do dado. O
resultado considerado favorvel se sair um mltiplo de 3. desfavorvel se no sair um
mltiplo de 3. Vamos lanar o dado 3 vezes. Nossa varivel aleatria X vai representar o
nmero de casos favorveis nesses lanamentos. , portanto, uma varivel binomial.
Vamos calcular a probabilidade de X assumir cada valor. J at fizemos essa conta quando
comeamos a estudar a varivel binomial. Mas ok, vamos l de novo.
Para X assumir valor zero, precisamos que os trs lanamentos sejam desfavorveis.
n=3
k=0
p = 1/3
q = 2/3
0 3 0
3 1 2
P( X = 0) =
0 3 3
0 3 0
3! 1 2 8
P ( X = 0) = =
3!0! 3 3 27
Para X assumir valor 1, precisamos que exatamente um dos trs lanamentos resulte em
mltiplo de 3.
n=3
k=1
p = 1/3
q = 2/3
1 31 1 2
3! 1 2 1 2 12
P ( X = 1) = = 3 =
2!1! 3 3 3 3 27
Para X assumir o valor 2, precisamos que exatamente dois dos trs lanamentos resultem
em mltiplo de 3.
n=3
k=2
p = 1/3
q = 2/3
2 3 2 2 1
3! 1 2 1 2 6
P ( X = 2) = = 3 =
1!2! 3 3 3 3 27
Por fim, para X assumir o valor 3, precisamos que todos os lanamentos resultem em
mltiplo de 3.
n=3
k=3
p = 1/3
q = 2/3
3 3 3 3 0
3! 1 2 1 2 1
P ( X = 3) = = 1 =
0!3! 3 3 3 3 27
Queremos calcular a mdia desta varivel aleatria.
Para calcular a mdia de qualquer varivel discreta, consideramos que as probabilidades so
anlogas s frequncias relativas.
X P X P
0 8/27 0
1 12/27 12/27
2 6/27 12/27
3 1/27 3/27
Total 1 1
E a mdia da nossa varivel X fica:
1
= =1
1
! =
Estas expresses para a mdia e a varincia da distribuio binomial podem ser facilmente
obtidas com a utilizao das propriedades da esperana.
A varivel binomial X corresponde soma de n variveis de Bernoulli, designadas por I.
n
X = Ii
i =1
Resoluo.
Seja X a quantidade de elementos selecionados. X uma varivel binomial com n = 100 e p =
0,5.
A mdia de X fica:
= = 100 0,5 = 50
Gabarito: E
Listamos todas as pessoas. Sorteamos uma. Entrevistamos tal pessoa. Depois disso, o nome
dela volta para a lista, podendo ser sorteada novamente.
A nossa varivel X pode assumir os valores 0, 1, 2, 3, 4, 5. um caso anlogo ao lanamento
do dado. So cinco experimentos independentes e, em cada um deles, a probabilidade de
ocorrer o resultado favorvel de 2/5. Como X designa o nmero de pessoas favorveis
poltica (= nmero de sucessos), X uma varivel binomial.
Assim, temos:
n = 5 (nmero de experimentos)
p = 2/5 (probabilidade de resultado favorvel em um experimento o mesmo valor
da proporo de pessoas favorveis poltica)
q = 3/5 (probabilidade de resultado desfavorvel em um experimento)
A probabilidade de X assumir cada um dos valores possveis dada abaixo:
X P
0 0,07776
1 0,2592
2 0,3456
3 0,2304
4 0,0768
5 0,01024
Todos os valores acima foram calculados com a frmula da varivel binomial dada abaixo.
n
P ( X = k ) = p k q n k
k
por isso que a proporo est relacionada com a varivel binomial. Ela tem relao com a
probabilidade de sucesso e fracasso (valores de p e q).
Resoluo:
Vamos designar por I varivel aleatria que assume o valor 1 quando a pessoa
selecionada responde corretamente e 0 quando responde incorretamente. I uma
varivel de Bernoulli.
Seja X a soma dos valores de I, para as trs pessoas escolhidas.
Certo???
Errado!!!
Para que X seja binomial, as variveis I1, I2 e I3, correspondentes primeira, segunda e
terceira pessoas escolhidas, devem ser independentes.
Suponha que a cidade em questo seja minscula. So apenas 100 habitantes. 40 delas
sabem responder pergunta (e acertam). As outras 60 no sabem responder e erram.
Para a primeira pessoa escolhida, a probabilidade de acerto de 40% (40 pessoas sabem
responder, em 100 possveis).
Para contornarmos este problema, a questo disse para considerarmos que a populao
grande.
Ou seja, a cidade no tem apenas 100 habitantes, como vimos acima. A cidade teria, por
exemplo, 1.000.000 (um milho) de habitantes.
Neste caso, mesmo que a escolha seja sem reposio, podemos considerar que X
aproximadamente binomial. E a aproximao realmente muito boa.
Isso ocorre porque o tamanho da amostra pequeno em relao ao tamanho da populao.
Assim, diminuir uma pessoa em um total de 1.000.000 faz pouca diferena.
Considerando que uma amostra aleatria simples de cinco mil indivduos fosse retirada da
populao de crianas e jovens entre cinco e dezenove anos de idade no Brasil em 1998, se
X representa o nmero de indivduos nessa amostra que nunca procurou um dentista, ento
a varincia de X
A) inferior a 400.
B) superior a 400 e inferior a 600.
C) superior a 600 e inferior a 800.
D) superior a 800 e inferior a 1.000.
E) superior a 1.000.
Resoluo
25,2% da populao brasileira com idade entre cinco e dezenove anos nunca procuraram
um dentista. Isto significa que, para cada pessoa entrevistada, h 25,2% de chance de o
indivduo nunca ter procurado um dentista. Consequentemente, h 74,8% de chance de a
pessoa j ter procurado um dentista.
Como estamos interessados nos casos em que a pessoa no procura o dentista, temos:
p = 25,2% ; q = 74,8%
A amostra tem tamanho 5.000.
n = 5.000
A varincia fica:
Var ( X ) = npq = 5.000 0,252 0,748 = 942,48
Gabarito: D
4. DISTRIBUIO DE POISSON
Muitos tipos de variveis so bem descritas por meio da distribuio de probabilidades dada
por
B (C '
# = $ =
$!
Essa a distribuio de Poisson. comum substituir o produto np pela letra (lmbda).
Como a esperana da varivel binomial dada por np , dizemos que corresponde ao
nmero esperado de ocorrncias.
A distribuio de Poisson descreve muito bem o nmero de ocorrncias ao longo do tempo
(ou ao longo de uma superfcie). Alguns exemplos seriam:
O nmero de carros que passam por uma cabine de pedgio, durante 5 minutos;
Distribuio de Poisson
B (E F'
# = $ =
$!
Pode ser usada no lugar da distribuio binomial, quando o nmero de experimentos
grande (n grande) e quando a probabilidade de sucesso pequena (p pequeno).
Muito til para representar alguns tipos de ocorrncias em um determinado
tempo/superfcie
Resoluo.
n
Quando n grande e p pequeno, a expresso P ( X = k ) = p k q n k pode ser
k
aproximada por:
e np (np )
k
P( X = k ) =
k!
Vimos tambm que comum chamar o produto np de .
e ( )
k
P( X = k ) =
k!
Que frmula da probabilidade para a distribuio de Poisson.
Em vez de usar a letra k , a questo est usando x (minsculo).
Gabarito: B
Resoluo.
Antes de resolvermos a questo da maneira solicitada pelo enunciado, vamos usar a
distribuio binomial.
Podemos considerar que, a cada item selecionado, temos um experimento. Estamos
interessados nos itens defeituosos. Se o item sorteado for defeituoso, consideramos um
caso favorvel. Caso contrrio, consideramos um caso desfavorvel. A probabilidade de
sucesso, em um experimento, de 10% (p = 0,1). O nmero de experimentos de 30 (n =
30). Seja X o nmero de itens defeituosos na amostra de 30 itens. Queremos a
probabilidade de X ser igual a zero ou 1.
Basta aplicar a frmula:
n
P ( X = k ) = p k q n k
k
30
P ( X = 0) = 0,10 0,9 30
0
Usando a calculadora:
P ( X = 0) 0,04239
30
P ( X = 1) = 0,11 0,9 29
1
Pergunta: Professor, como vou saber quando para usar a distribuio binomial e quando
vou utilizar a distribuio de Poisson?
Resoluo.
Exerccio bem parecido com o anterior.
Seja X a varivel que designa o nmero de falhas. Vamos calcular a probabilidade de X seja
igual a zero.
e ( )
k
P( X = k ) =
k!
A taxa mdia de 0,1 defeito por m2. Em 4 m2, o nmero esperado de 0,4 defeitos
( = 0,4 ).
e ( )
k
P( X = k ) =
k!
e 0, 4 (0,4 )
0
P ( X = 0) = = e 0, 4
0!
Portanto, a probabilidade que no haja defeitos na placa de e 0 , 4 .
Desse modo, a probabilidade de haver pelo menos uma falha nessa placa de:
1 e 0 , 4
Gabarito: C.
Mas, mesmo que ele no tivesse dito nada a respeito, necessariamente teramos que usar a
distribuio de Poisson. No d para usar a distribuio binomial aqui. Por qu?
Tanto na distribuio binomial quanto na de Poisson, a varivel de interesse o nmero de
ocorrncias de alguma coisa.
Vamos retomar a Questo 18. L a varivel de interesse era o nmero de itens defeituosos
produzidos pela mquina. Trata-se de uma varivel discreta, que pode assumir apenas os
valores 0, 1, 2, 3, ...., 29, 30.
Pois bem, a cada item analisado, temos um experimento. A probabilidade de sucesso (=item
defeituoso) de 10%. A probabilidade de fracasso de 90%.
Se, a ttulo de exemplo, quisermos calcular a probabilidade de termos exatamente 1 item
defeituoso, usamos a frmula da varivel binomial. Ela vai nos dar a probabilidade de haver
exatamente 1 defeituoso (e, consequentemente, 29 itens sem defeito).
Ficaria assim:
30
P ( X = 1) = 0,11 0,9 29
1
Feito isso, aplica-se a frmula da distribuio binomial. S que como as reas tm que ser
bem pequenas mesmo, ento o nmero de experimentos bem grande. Quando n bem
grande e p pequeno, da possvel demonstrar que a frmula da varivel binomial tende
a
e ( )
k
P( X = k ) = .
k!
Ou seja: a frmula da varivel de Poisson baseada na distribuio binomial. Seria uma
distribuio binomial especial (especial porque se aplica a casos em que o nmero de
experimentos bem grande, uma vez que as ocorrncias so contadas num campo
contnuo).
d) 3 (1 e 0,1 ) 2 e 0,1
e) 3 (1 e 0, 4 ) e 0,8
Resoluo:
Podemos aplicar a frmula da distribuio binomial.
Note que aqui a situao muda completamente.
No exerccio anterior, estvamos contando quantas falhas ocorriam em uma rea
(contnua). Usamos a distribuio de Poisson.
Agora mudou tudo. Estamos contando quantas placas de 4m2 apresentam defeitos. A
contagem no se d mais em funo de uma superfcie/rea. A contagem por placa de
4m2.
Cada placa analisada corresponde a um experimento. Se a placa apresentar falhas, temos
um caso favorvel. Do contrrio, temos um caso desfavorvel. D para contar quantos so
os experimentos, quantos so os sucessos e quantos so os fracassos.
Temos:
n = 3 (so confeccionadas trs placas)
p = 1 e 0, 4 (a probabilidade de caso favorvel placa defeituosa foi calculada no
exerccio anterior.
( ) ( )
P( X = 1) = 3 1 e 0, 4 e 0, 4
2
P( X = 1) = 3 (1 e ) (e )
0, 4 0,8
Gabarito: E
Resoluo:
Em 100 peas, espera-se que 0,1 pea seja defeituosa (basta fazer regra de trs).
F = 0,1
Para termos no mximo 1 pea defeituosa, devemos ter:
- 0 peas defeituosas
ou
- 1 pea defeituosa.
= B (,, 1 + 0,1
= 1,1 B (,,
Gabarito: C
Resoluo.
Notem que a contagem de pacientes se d por tempo (que contnuo). o caso tpico de
utilizao da distribuio de Poisson.
Antes de fazer qualquer conta, notem que a letra D totalmente absurda. O nmero e
aproximadamente igual a 2,7. Quando elevado quarta potncia, fica ainda maior.
Portanto, na letra D temos uma probabilidade maior que 1, o que impossvel. Uma
probabilidade, no mximo, de 100%.
Se em uma hora, em mdia, so atendidos 4 pacientes, ento o nmero esperado de
pacientes no perodo de 15 minutos 1 (basta fazer regra de trs). Portanto, = 1 .
Seja X a varivel que designa o nmero de pacientes atendidos. Queremos calcular a
probabilidade de X ser maior que zero.
Para tanto, primeiro vamos calcular a probabilidade de X ser igual a zero.
e ( )
k
P( X = k ) =
k!
e 1 (1)
0
P ( X = 0) = = e 1
0!
Portanto:
P ( X 0) = 1 e 1
Gabarito: A.
Resoluo.
Seja X a varivel que indica o nmero de clientes que buscam o cirurgio, por dia. X tem
distribuio de Poisson.
e ( )
k
P( X = k ) = .
k!
e 2 2 0
P( X = 0) = = e 2
0!
e 2 21
P( X = 1) = = 2e 2
1!
J achamos as probabilidades de X ser igual a zero e de X ser igual a 1.
E quanto aos demais casos? E quanto aos casos em que X maior ou igual a 2?
Bem, eles podem ser tratados em conjunto. Isto porque, se X for maior ou igual a 2, o
cirurgio s poder atender 2 clientes. Sua receita diria, em qualquer desses casos, ser de
R$ 20.000,00. Assim, pouco importa se, num dado dia, 2 clientes procuram o cirurgio, ou se
20 clientes procuram o cirurgio. Nos dois casos ele s ter uma receita de R$ 20.000,00.
Por isso, vamos tratar todos estes casos de forma conjunta.
P ( X 2) = ?
P ( X 2) = 1 (P ( X = 0) + P ( X = 1) )
P ( X 2) = 1 3e 2
Seja Y a varivel que indica a receita diria do cirurgio. A tabela abaixo relaciona os valores
de X e suas probabilidades com os respectivos valores de Y.
X Y Probabilidade
0 0 e 2
2
1 10.000 2e
maior ou igual a 2 20.000 1 3e 2
A esperana de Y fica:
E (Y ) = 0 e 2 + 10.000 2e 2 + 20.000 (1 3e 2 )
E (Y ) = 20.000 40.000e 2
E (Y ) = 20.000 40.000 0,14
E (Y ) = 20.000 5.600 = 14.400
Gabarito: D
Resoluo.
Temos:
1
# = 0 =
4
B (E F, 1
=
0! 4
1
B (E = equao I
4
Aplicando logaritmo neperiano dos dois lados da igualdade:
1
lnPB (E Q = ln 4 5
4
Quando o logaritmo incide sobre uma potncia, podemos descer o expoente, multiplicando:
1
lnB = ln 4 5
4
Quando a base igual ao logaritmando, o logarimto vale 1.
1
F 1 = ln 4 5
4
Podemos separar o logaritmo da diviso em uma subtrao de logaritmos:
F 1 = ln1 ln 4
Quando o logaritmando vale 1, o logaritmo vale 0.
F = ln 4
F = ln4 equao II
A probabilidade de uma emisso :
B (E F
# = 1 =
1!
# = 1 = B (E F
Substituindo o valor de B (E , encontrado na equao I:
1
# = 1 = F
4
Substituindo o valor de F dado em II:
1
# = 1 = ln 4
4
Finalmente, podemos calcular a probabilidade de pelo menos duas emisses:
# 2 = 1 # < 2
=1 # = 0 # = 1
1 ln 4
=1
4 4
4 1 ln4
=
4
3 ln 4
=
4
Gabarito: E
Poisson seja adequada para X, a probabilidade de que ocorra uma chamada em 30 segundos
(A) e4 .
(B) 4e4 .
(C) e2.
(D) 2e2.
(E) 1 2 e2.
Resoluo:
B (E F)
# = 3 =
3!
B F-
(E
# = 4 =
4!
Igualando as duas probabilidades:
B (E F) B (E F-
=
3! 4!
F) F-
=
3! 4!
F
1=
4
F=4
Assim, em 1 minuto esperam-se 4 chamadas.
Logo, em meio minuto, esperam-se 2 chamadas.
A probabilidade de uma chamada em meio minuto :
B ( 2
# = 1 = = 2 B (
1!
Gabarito: D
Resoluo.
Precisamos simplesmente aplicar a frmula da distribuio de Poisson vrias vezes.
Em dois dias, o nmero esperado de petroleiros igual a 4.
=4
Aplicando a frmula:
P (0) + P (1) + P ( 2) + P (3) =
4 0 41 4 2 4 3
e 4 + + + =
0! 1! 2! 3!
71
= e 4
3
Gabarito: C
5. DISTRIBUIO GEOMTRICA
No primeiro caso, a cada lanamento a chance de sucesso (cara) 50%. Dizemos que
= 0,5
No segundo caso, a cada lanamento do dado a chance de sucesso (mltiplo de 3) 1/3.
Assim = 1 3.
Resoluo:
Primeira soluo
Primeiramente, vou resolver a questo do jeito que eu faria durante a prova. Infelizmente,
para essa soluo no h resposta.
Muito bem.
Seja "X" a varivel que indica a quantidade de experimentos necessria para que ocorra o
primeiro sucesso. "X" segue uma distribuio geomtrica, com parmetro = 0,4. A
esperana de "X" dada por
1 1
= = = 2,5
0,4
So realizadas, em mdia, 2,5 experincias at que ocorra o primeiro sucesso.
Segunda soluo
Essa segunda soluo eu s fiz porque olhei o gabarito e vi que a resposta a letra "B". Ao
indicar que o custo adicional de R$ 100,00, a banca quis dizer que cada novo experimento
custa R$ 600,00 (ou seja, custa os R$ 500,00 iniciais mais R$ 100,00).
Assim:
Na primeira tentativa, o custo de R$ 500,00.
Na segunda tentativa, o custo de R$ 600,00, que, somado ao custo inicial, resulta num
custo total de R$ 1.100,00
Na terceira tentativa, o custo de R$ 600,00, que, somado ao que foi gasto at aqui, resulta
num custo acumulado de: 600 + 1.100 = 1.700
E assim por diante.
J vimos que so realizadas, em mdia, 2,5 experincias. A primeira tem custo de R$ 500,00.
As outras custam R$ 600,00 cada uma. O custo total ser de:
500 + 2,5 1 600 = 1400
Gabarito: B
Resoluo:
Temos uma distribuio geomtrica. Sua mdia :
1
=
1
3=
1
=
3
Logo, temos:
1
# = 1 = =
3
2 1 2
# = 2 = 1 = =
3 3 9
2 1 4
# = 3 = 1 = 4 5 =
3 3 27
1 2 4 9 + 6 + 4 19
# 3 = + + = =
3 9 27 27 27
Por fim:
2
# = 2 6
# = 2| 3 = = 9 =
# 3 19 19
27
Gabarito: E
6. DISTRIBUIO HIPERGEOMTRICA
a)
4 16
% &% &
3 1
20
% &
4
b)
16 4
% &% &
3 1
20
% &
4
c)
16
% & 0,8- 0,2
4
d)
20
% & 0,8- 0,2Z
4
e)
16
% & 0,8- 0,2
3
Resoluo:
O enunciado est impreciso. O examinador quis se referir probabilidade de retirar
exatamente trs livros com defeito.
Casos possveis:
Para a escolha dos 4 livros entre os 20 existentes temos combinao de 20, tomados 4 a 4:
+,,-
Casos favorveis:
Para a escolha dos 3 defeituosos entre os 4 existentes, temos combinao de 4, tomados 3 a
3:
+-,)
Para a escolha do livro normal entre os 16 existentes, temos combinao de 16, tomados 1 a
1:
+Z,
Aplicando o princpio fundamental da contagem:
+Z, +-,)
Probabilidade
A probabilidade dada pela relao entre nmero de casos favorveis e nmero de casos
possveis.
+Z, +-,)
#=
+,,-
Gabarito: A
Qual o valor mais prximo do nmero esperado de empresas exportadoras em uma amostra
aleatria de tamanho 20 retirada sem reposio da populao?
a) 10
b) 8
c) 7,5
d) 6
e) 4
Resoluo:
Temos uma distribuio hipergeomtrica. O tamanho da amostra 20 (n = 20) e a
proporo populacional de empresas exportadoras 2/5 (p = 2/5).
c) 0,210
d) 2,8 (4 / 5)
10
e) 2,8 (4 / 5)
9
Considerando que uma amostra aleatria simples de cinco mil indivduos fosse retirada da
populao de crianas e jovens entre cinco e dezenove anos de idade no Brasil em 1998, se
X representa o nmero de indivduos nessa amostra que nunca procurou um dentista, ento
a varincia de X
A) inferior a 400.
B) superior a 400 e inferior a 600.
C) superior a 600 e inferior a 800.
D) superior a 800 e inferior a 1.000.
E) superior a 1.000.
Questo 17 CGU 2008 [ESAF]
Tem-se que f ( x) = Cn , x p x (1 p) n x , onde C n , x o nmero de combinaes de n
elementos tomados x a x, f (x ) a funo de probabilidade de uma varivel aleatria
c) 3 (1 e 0, 2 )
d) 3 (1 e 0,1 ) 2 e 0,1
e) 3 (1 e 0, 4 ) e 0,8
Questo 21 TRT 2 REGIO 2008 [FCC]
O nmero de peas defeituosas fabricadas por uma empresa tem distribuio de Poisson,
com uma taxa mdia de 1 pea defeituosa por 1.000 peas fabricadas. Adquirindo 100 peas
desta empresa, a probabilidade de, no mximo, uma pea ser defeituosa igual a
(A) e0,2
(B) e0,1
(C) 1,1 e0,1
(D) 0,1e0,1
(E) 2 e0,2
Questo 22 MPU/2007 [FCC]
O nmero de pacientes atendidos por um clnico geral segue uma distribuio de Poisson
com taxa de 4 pacientes por hora. A probabilidade de que pelo menos um paciente consulte
o clnico geral em um perodo de 15 minutos :
a) 1 e 1
b) 1 e 4
c) e 4
d) e 4
e) e 1
Questo 23 SEFAZ RJ 2009 [FGV]
O nmero de clientes que buscam, em cada dia, os servios de um renomado cirurgio tem
uma distribuio de Poisson com mdia de 2 pacientes por dia. Para cada cirurgia efetuada,
o cirurgio recebe R$ 10.000,00. No entanto, ele consegue fazer o mximo de duas cirurgias
em um dia; clientes excedentes so perdidos para outros cirurgies.
Assinale a alternativa que indique o valor esperado da receita diria do cirurgio.
(considere e2 = 0,14)
(A) R$ 5.600,00.
(B) R$ 8.400,00.
(C) R$ 10.000,00.
(D) R$ 14.400,00.
(E) R$ 20.000,00.
(A) e4 .
(B) 4e4 .
(C) e2.
(D) 2e2.
(E) 1 2 e2.
Questo 26 AFRFB 2009 [ESAF]
O nmero de petroleiros que chegam a uma refinaria ocorre segundo uma distribuio de
Poisson, com mdia de dois petroleiros por dia. Desse modo, a probabilidade de a refinaria
receber no mximo trs petroleiros em dois dias igual a:
a)
4 16
% &% &
3 1
20
% &
4
b)
16 4
% &% &
3 1
20
% &
4
c)
16
% & 0,8- 0,2
4
d)
20
% & 0,8- 0,2Z
4
e)
16
% & 0,8- 0,2
3
Questo 30 MDIC 2012 [ESAF]
Em uma populao de 50 empresas de uma regio, 20 so empresas exportadoras.
Qual o valor mais prximo do nmero esperado de empresas exportadoras em uma amostra
aleatria de tamanho 20 retirada sem reposio da populao?
a) 10
b) 8
c) 7,5
d) 6
e) 4
8. GABARITO
1 d 8 e
2 d 9 a
3 a 10 c
4 a 11 e
5 b 12 a
6 d 13 a
7 anulado 14 e
15 a 23 d
16 d 24 e
17 b 25 d
18 a 26 c
19 c 27 b
20 e 28 e
21 c 29 a
22 a 30 b