Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULDADE DE MATEMÁTICA
DEPARTAMENTO DE ESTATÍSTICA
Prof. Hélio Radke Bittencourt
PROBABILIDADE – T. 490
Conteúdo
1. Análise Combinatória
1.1 Princípio da contagem seqüencial 02
1.2 Permutação, Arranjo e Combinação 02
2. Probabilidade
2.1 Experimentos, Espaço Amostral e Eventos 04
2.2 Operações com eventos 05
2.3 Conceitos de probabilidade 06
2.4 Probabilidade condicional e Independência 08
2.5 Teorema de Bayes 10
5. Probabilidade Bivariada
5.1 Distribuições conjuntas de probabilidade 42
5.2 Covariância e Correlação 45
6. Aplicações
6.1 Noções de simulação (Monte Carlo) NC
6.2 Processos estocásticos NC
Pág. 2
Suponha duas ou mais ações que devam ser executadas em uma ordem definida. Se
existem m possibilidades na primeira ação, n na segunda e p na terceira, o número de
possibilidades conjuntas é dado por mpn.
Exemplos: Suponha uma empresa que vai adquirir uma máquina. Há 4 marcas disponíveis
no mercado (A,B,C,D) e 3 tipos de combustível (Gás, Diesel, EE). Desenhe uma árvore de
possibilidades.
Pn = n!
Obs.: Quando n=k temos uma Permutação. Há livros que não diferenciam Arranjo e
Permutação.
Arranjo com repetição: neste caso o mesmo elemento pode aparecer mais de uma vez
na mesma seqüência. O arranjo com repetição é a aplicação direta do princípio da
contagem seqüencial.
An( k ) = n k
Exercícios:
1) Seleção de comissões: uma CPI deve ser constituída de dois senadores e três
deputados. Sabe-se que, atualmente, há 81 senadores e 484 deputados. Qual o número
de diferentes possíveis comissões?
2) O alfabeto tem 26 letras. Suponha uma senha de cinco letras. Calcule o número de
senhas possíveis com e sem repetição de letras.
3) Calcule o número de diferentes resultados possíveis na: Mega Sena e Loteria Esportiva
(13 jogos).
4) Cinco operadores de máquina estão competindo para ver quem é o mais eficiente.
Quantos possíveis resultados diferentes poderemos ter?
5) O “Teclado Virtual” do Banco do Brasil tem teclas (de 0 a 9) que são dispostas
aleatoriamente. Quantas possíveis seqüências de apresentação do teclado existem?
7) Seis candidatos foram selecionados para uma vaga de Engenheiro de Produção. Todos
devem se apresentar entre 9h e 10h de um certo dia e o chamamento será por ordem de
chegada. De quantas maneiras diferentes pode ocorrer a fila?
8) (Humor) Scooby, Salsicha, Welma, Fred e Daphne formam uma equipe. Para resolver
um mistério eles se separam em dois grupos (um com dois e outro com três integrantes).
Qual a probabilidade da dupla Scooby/Salsicha ser formada?
Pág. 4
Cap. 2 – Probabilidade
2.1 – Experimentos, Espaço Amostral e Eventos
1ª) Não se conhece um particular valor do experimento antes dele ser executado, porém
podemos descrever todos os possíveis resultados - as possibilidades;
1) Condições meteorológicas
2) Produção de arroz anual numa cidade
3) Mercado Financeiro
4) Lançamento de uma moeda
5) Resultados de loterias
Nos seis exemplos anteriores não somos capazes de precisar o resultado, entretanto
conseguimos listar os possíveis resultados.
S1 =
S2 =
S3 =
S4 =
S5 =
S6 =
S = {1,2,3,4,5,6}
É possível realizar operações com eventos que nada mais são do que as operações com
conjuntos já estudadas no Ensino Fundamental.
⇒ Conceito clássico
n( A)
P ( A) = n(A) é o número de resultados favoráveis ao evento A
Total ( S )
Total (s) é o número total de resultados em S
⇒ Conceito freqüentista
Neste conceito a probabilidade é tratada como um limite. Aqui é possível fazer uma
relação entre probabilidade (teórica) e estatística (empírica). Para casos assim a
probabilidade de ocorrência do evento A é obtida por:
n( A)
fr(A) = , onde n(A) é o nº de vezes em que ocorre o resultado A em n realizações do
n
experimento.
3º) Probabilidade como limite. A medida que n aumenta, a fr(A) converge para a real
probabilidade P(A).
lim n→∞ fr( A ) = P( A )
Dica: Veja como podemos fazer uma moeda no Excel e como contar quantas
caras ocorreu:
=SE(ALEATÓRIO()<0,5;”Cara”;”Coroa”)
Se o número aleatório entre 0 e 1 gerado pelo Excel for inferior a 0,5,então escreva
“Cara”; caso contrário escreva “Coroa”. Depois, copie e cole esta fórmula para as células
A2 até A1000.
= CONT.SE(A2:A1000;”Cara”)
O Excel irá contar quantas vezes aparece a palavra “Cara” entre as células A1 e A1000.
Pág. 8
⇒ Conceito Axiomático
Axioma 1: 0 ≤ P(A) ≤ 1
Axioma 2: P(S) = 1
Axioma 3: Para eventos Ai excludentes, P(A1 ∩ A2) = P(A1) + P(A2)
Graficamente:
P(A|B) = P(B|A) =
Suponha que um aluno da turma será sorteado. Após saber o resultado o professor faz
algumas perguntas utilizando probabilidade condicional.
Pág. 9
Devolução
Fornecedor Sim Não Total
A 30 50 80
B 60 40 100
C 50 50 100
Total 140 140 280
=> Independência
Qual a probabilidade de haver pelo menos uma peça defeituosa nesta caixa?
Pág. 10
P( Ai ∩ B ) P( Ai ) × P( B | Ai )
P( Ai | B ) = = = ...
P( B ) P( B )
Uma empresa possui três máquinas (A,B,C) com as seguintes probabilidades de produção
de uma peça não-conforme (NC): 1%, 2% e 5%. A máquina A é responsável por 40% da
produção; a máquina B por 50% e a máquina C é responsável pelo restante.
a) Se uma peça não-conforme é encontrada, qual a probabilidade dela ter sido produzida
pela máquina A? Encontre as probabilidades para as máquinas B e C também.
Suponha uma sala de aula com 60 alunos, sendo 30 das Ciências da Computação, 20 da
Engenharia Elétrica e 10 da Eng de Produção. Sabe-se que, nesta turma, 20 alunos estão
em G2, sendo 12 da CCO e seis da EEL. Sabendo que um aluno está em G2, qual a
probabilidade ele ser a Eng de Produção?
Pág. 11
Uma variável aleatória discreta X é uma função que associa números aos resultados do
Espaço Amostral.
Exemplo – Prova
Para exemplificar vamos admitir uma prova composta de n=4 questões com cinco
alternativas cada onde apenas uma está correta.
Q1) a) b) c) d) e)
Q2) a) b) c) d) e)
Q3) a) b) c) d) e)
Q4) a) b) c) d) e)
Escreva o espaço amostral S considerando apenas questão certa (C) ou errada (E).
Neste caso:
x 0 1 2 3 4
P(X=x)
Características da F(X) ou P( X ≤ x ) :
1a) Ela é contínua à direita;
2a) F ( −∞ ) = 0 e F ( ∞ ) = 1
3a) F ( x ) é sempre não decrescente.
Graficamente:
E( X ) = ∑ x × P( X = x )
x
Exemplo – Prova
[ ] ( )
Var ( X ) = E ( X − E( X )) = K = E X 2 − [E( X )]
2 2
DP( X ) = Var( X )
Exemplo - Prova
Exemplo – Dados
Criar a variável X=soma das faces no lançamento de dois dados e construir a sua função
de probabilidade.
x 0 1 2 3 4
P(X=x) 0,35 0,30 0,20 k 0,05
Pág. 14
Há RISCO quando são conhecidos os estados futuros que possam ocorrer e suas
respectivas probabilidades de ocorrência.
Há INCERTEZA quando não são conhecidos os estados futuros e/ou suas probabilidades
de ocorrência.
O
O que
que as
as técnicas
técnicas de
de tomada
tomada O
O que
que as
as técnicas
técnicas de
de tomada
tomada
de
de decisão
decisão podem
podem fazer
fazer de
de decisão
decisão NÃO
NÃO podem
podem fazer
fazer
•• Ajudam
Ajudam aa lidar
lidar com
com situações
situações •• Não
Não consideram
consideram todos
todos os
os fatores
fatores
complexas
complexas ee aa tomar
tomar decisões
decisões envolvidos,
envolvidos, pela
pela simples
simples
difíceis
difíceis impossibilidade
impossibilidade de de modelar
modelar aa
realidade
realidade de
de forma
forma perfeita
perfeita
•• Ampliam
Ampliam aa sua
sua compreensão
compreensão dos
dos •• Não
Não tornam
tornam osos fatores
fatores mais
mais
fatores
fatores que afetam a situação em
que afetam a situação em controláveis
controláveis pelo
pelo simples
simples fato
fato de
de
que
que você
você se
se encontra
encontra que
que você
você os
os compreende
compreende
•• Não
Não oo impedem
impedem de de tomar
tomar
•• Melhoram
Melhoram oo seu
seu desempenho
desempenho decisões
decisões que possam “dar
que possam “dar
como
como tomador
tomador de
de boas
boas decisões
decisões errado”.
errado”. Sorte
Sorte && Azar
Azar
Decision 1
Event 4
1 Observação:
O Σ DAS PROBABILIDADES DEVE
SER IGUAL A “1” EM CADA RAMO
DA ÁRVORE.
Decision 2
TOMADA
DE DECISÃO TEXTO DESCRITIVO DA DECISÃO
(dentro do quadrado temos a melhor decisão)
Pág. 15
Questão 1 - Uma carga de petróleo (no valor de R$ 1 milhão) está sendo transportada do
RJ com destino a Tramandaí-RS.
Sabe-se que um seguro para este trecho, que cobre todo o tipo de perda e multas, custa
R$ 30.000,00.
a) Qual a melhor decisão: fazer ou não o seguro? Apresente a decisão mais sábia do
ponto de vista financeiro Através do cálculo da esperança e variância. Admita que nenhum
outro tipo de perda é possível.
Questão 2 – Você vai sair à noite e deve decidir onde estacionar o carro. A opção por um
estacionamento pago (R$10,00) garante que nada acontecerá com o carro. A opção por
estacionar na rua te dá 5% de chance de ter o rádio furtado (R$ 350,00) e 0,1% de furto
total (R$ 1.200,00, franquia do seguro paga em caso de roubo). Ainda existe a
possibilidade de deixar o carro em casa e ir e voltar de táxi, o que lhe custaria R$15,00 a
mais do que o seu gasto com gasolina. No caso de ir de taxi existe 0,5% de chance de ser
assaltado e perder os R$ 70,00 que tem na carteira.
Questão 3 - Existe três possibilidades de aplicação financeira para o seu capital (R$100
mil)
1a) Poupança com rendimento certo de 0,8%.
2a) Fundo fixo com 0,8 de possibilidade de render 1,2%; 0,15 de render 0,8% e 0,05 de
probabilidade de ter rendimento zero.
3a) Ações com um terço de probabilidade de valorizar 35%; um terço de não valorizar e o
restante de probabilidade de recuar 5%.
Um caso como o da prova de quatro questões pode ser resolvido pela Distribuição
Binomial. Sempre que um experimento que assume apenas dois possíveis resultados em
cada repetição for repetido n vezes e que a probabilidade de sucesso for constante em
cada repetição, podemos modelar o número de sucessos pela distribuição Binomial.
X ~ Binomial (n ; p)
x=0,1,...,n
n!
P( X = x) = × p x × (1 − p) n− x
x!(n − x )!
Exemplo – Prova
Numa fábrica peças são produzidas em larga escala (podemos considerar produção
infinita). Sabe-se que 5% das peças são defeituosas (D) e o restante perfeitas (P).
1) Se lançarmos uma moeda honesta 100 vezes, qual o número esperado de caras?
n n
E(X) = ∑ P( X = x ) =∑ C nx p x ( 1 − p )n− x = np
x =0 x =0
Var(X) = np(1-p)
Prova: E(X)
Var(X)
Peças: E(X)
Var(X)
Loteria: E(X)
Var(X)
X ~ Poisson (λ)
e −λ λ x
P( X = x ) = , x = 0,1,2,... λ>0
x!
∞
e −λ λ x
∑
x =0 x!
=1
∞ ∞
e −λ λx
E(X) = ∑ xP( X = x ) =∑ x
x =0 x =0 x!
=λ
Var(X) = λ
Exemplo – Navios
A taxa de chegadas de navios a uma porto segue a média de 1 por dia e pode ser
modelada pela distribuição de Poisson.
Um revisor aponta que encontrou 100 erros em um livro de 200 páginas. Considere
X=número de erros por página, podendo ser modelada pela distribuição de Poisson.
A medida que n→infinito e p→0 a distribuição Binomial pode ser aproximada pela
Poisson.
⎛ n⎞ e − np (np )
x
P( X = x ) = ⎜⎜ ⎟⎟ p x ( 1 − p ) n − x =
⎝ x⎠ n → ∞ p →0 x!
Binomial Poisson
0,4000 0,4000
0,3500 0,3500
0,3000 0,3000
0,2500 0,2500
0,2000 0,2000
0,1500 0,1500
0,1000 0,1000
0,0500 0,0500
- -
0 3 6 9 12 15 18 21 24 27 30 0 3 6 9 12 15 18 21 24 27 30
Pág. 20
4 Boa
1 Def ___ ___
Agora façamos a extração SEM reposição. O modelo Binomial funciona? Perceba que até
mesmo o espaço amostral é diferente.
X ~ Hipergeométrica (r ; n ; N)
x=0,1,..., mínimo(r;n)
⎛r⎞ ⎛N − r⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ x n− x
P( X = x ) = ⎝ ⎠
x ⎝ n − x ⎠ = C r C N −r
⎛N⎞ n
CN
⎜⎜ ⎟⎟
⎝n⎠
E( X ) = np
N −n
Var( X ) = np( 1 − p )
N −1
N −n
Obs.: A expressão é conhecida como fator de correção para população finita.
N −1
P( X = x ) = ( 1 − p ) x −1 p
Prove que:
∑ P( X = x ) = 1
x
1 1− p
E( X ) = Var( X ) =
p p2
Pág. 22
Você vai realizar lançamentos com um dado e só vai parar quando obtiver um “6”. Modele
o número de tentativas necessárias para obtenção do primeiro “6”. Esboce graficamente a
função.
Pergunta: Por que a probabilidade P(X=x) na Geométrica vai decaindo a medida que x
cresce?
0,06
P(X=x)
0,05
0,04
0,03
0,02
0,01
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
x
Pág. 23
P(X=0) = ∃/
P(X=1) = ∃/
P(X=2) = (1/6)2
P(X=3) = 2x(1/6)2x(5/6)
…
X ~ Bin. Negativa ( r ; p)
x=r, r+1, ...
⎛ x − 1⎞ r
P( X = x ) = ⎜⎜ ⎟⎟ p ( 1 − p ) x − r
⎝ r − 1⎠
r r (1 − p )
E( X ) = Var ( X ) =
p p2
Um fornecedor de peças tem taxa de falha conhecida e igual a 2%. Você vai retirando
peças deste lote aleatoriamente para inspeção. Qual o modelo para X=número de
tentativas até encontrar TRÊS peças com falha?
Pág. 24
P(X=x)
0,25 0,30
0,20 0,25
0,20
0,15
0,15
0,10
0,10
0,05 0,05
- -
0 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13
Importante
b) ∫ f ( x )dx = 1
A área sob a curva fx(x) nos informa a probabilidade de ocorrência de valores da variável
X.
Pág. 25
b
P( a ≤ X ≤ b ) = ∫ f ( x )dx
a
x
F ( x ) = P( X ≤ x ) = ∫ f ( x )dx
−∞
Propriedades da F(x):
d
4o) f ( x ) = F( x )
dx
Esboce graficamente a f(x). Verifique se f(x) é função densidade, encontre a F(x) e calcule
P(X<0,5).
⎧2 x;0 ≤ x < 1
f(x)= ⎨
⎩0; c.c.
Pág. 26
Esboce graficamente a f(x). Verifique se f(x) é função densidade, encontre a F(x) e calcule
a P(1/4<X<3/4).
⎧4 x ; 0 ≤ x < 1/2
⎪
f ( x ) = ⎨4 - 4x ; 1/2 ≤ x < 1
⎪0
⎩ ; caso contrário
O cálculo da esperança e da variância no caso contínuo pode ser feito de forma análoga
ao caso discreto. Agora o Σ será substituído pela : ∫
E( X ) = ∫ xf ( x )dx
Var ( X ) = E( X 2 ) − [E( X )] ∫
onde E( X 2 ) = x 2 f ( x )dx
2
Em geral:
E( g ( x )) = ∫ g ( x ) f ( x )dx
Existe uma gama de modelos contínuos bastante utilizados. Eles já se encontram descritos
na literatura e suas principais características são conhecidas.
Uma v.a.c X tem distribuição Uniforme se a sua função densidade f(x) descreve um
retângulo que dá sempre a mesma probabilidade de ocorrência para intervalos de mesmo
tamanho.
X ~ Uniforme [a , b]
a≤ x≤b
⎧ 1
⎪ ; a≤x≤b
f ( x) = ⎨ b − a
⎪⎩ 0 ; caso contrário
f(x)
1/(b-a)
a b
x
x−a
Provar que F ( x ) = para a ≤ x ≤ b .
b−a
b−a (b − a) 2
E( X ) = Var ( X ) =
2 12
Pág. 28
O tempo para produzir uma peça é igualmente provável de estar entre 60s e 70s.
X ~ Exponencial (λ)
⎧λe − λx ; x > 0
f ( x) = ⎨ λ >0
⎩0 ; c.c.
1,8
1,6 Lambda=0,5
Lambda=1
1,4
Lambda=2
1,2
0,8
0,6
0,4
0,2
0
0 1 2 3 4 5 6
∫ λe
− λx
dx = 1
0
∫ λe
− λx
dx = 1 − e −λx
0
Pág. 30
∞
1
E ( X ) = ∫ xf ( x)dx = ∫ xλe −λx dx =
0
λ
1
Var ( X ) =
λ2
Exemplo – O tempo entre chamadas telefônicas segue uma distribuição Exponencial com
média de 15 minutos.
No exemplo:
P ( X < 20 + 20 | X > 20) = P ( X < 20)
Pág. 31
Uma v.a.c. X tem distribuição normal com parâmetros µ e σ se sua função densidade de
probabilidade é dada por:
X ∼ N(µ,σ)
( x −µ )2
−
f (x ) =
1
e 2σ 2
, x ∈ℜ
σ 2π
Características da Normal
• ∫ f ( x )dx = 1
• E( X ) = ∫ xf ( x )dx = µ
∫x f ( x )dx − µ 2 = σ
2
• DP(X) =
Pág. 32
Vejamos exemplos:
f(x)
f(x)
f(x)
Exemplo – Altura
Seja X uma variável aleatória normalmente distribuída com quaisquer parâmetros média µ
e desvio-padrão σ. Se realizarmos a seguinte transformação obteremos uma nova variável
Z com média 0 e desvio-padrão 1:
X −µ
X ∼ N(µ,σ) → Z= → Z (0,1)
σ
Qualquer variável com distribuição Normal pode ser padronizada para a
Normal. A distribuição Normal padronizada (Z) é tabelada.
1) Calcule:
a) P(Z ≤ 1,64) d) P(Z ≤ 0)
b) P(Z ≥ 0,38) e) P(-1,96 ≤ Z ≤ 1,96)
c) P(2,57 ≤ Z ≤ 2,57)
Exercício – O peso de sacos de arroz com valor nominal de 1kg segue uma distribuição
aproximadamente Normal com média de 1010g com desvio-padrão de 20g.
a) Qual a probabilidade de um saco ter peso inferior a 1040g?
b) Qual a probabilidade de um saco ter peso superior a 1050g?
c) Qual a probabilidade de um saco ter menos de 1kg?
d) Qual a probabilidade do peso estar entre 990g e 1030g?
Pág. 34
A distribuição de Erlang pode ser vista como uma generalização da Exponencial onde X=o
tempo até que ocorram r falhas.
Definição:
X ~ Erlang (λ , r)
λr x r −1e − λx
f ( x) = x>0 λ>0 r = 1,2,3,...
(r − 1)!
Graficamente:
1 0,3
f(x) f(x)
0,8 0,25
0,2
0,6
0,15
0,4
0,1
0,2 0,05
0 0
0 5 10 15 0 5 10 15
Valores de Valores de
Esperança: Variância
r r
E( X ) = Var ( X ) =
λ λ2
Neste caso precisamos da função GAMA, visto como um extensão contínua do fatorial :
∞
Γ(r ) = ∫ x r −1e − x dx , para r > 0
0
Observe que:
Γ(1) = 1
Γ(n + 1) = n!
Γ(1 / 2) = π
Definição:
X ~ Gama (λ , r)
λr x r −1e − λx
f ( x) = x>0 λ>0 r>0
Γ(r )
Obs.: Se r for um inteiro, X terá distribuição de Erlang.
Esperança: Variância
r r
E( X ) = Var ( X ) =
λ λ2
Pág. 36
A distribuição de Weibull é muito usada para modelar o tempo até uma falha de muitos
sistemas físicos diferentes. Os parâmetros da distribuição (β e δ) permitem uma
distribuição muito flexível, podendo assumir desde formas parecidas com a Exponencial,
Gamma ou Erlang, até a curva Normal.
Definição:
X ~ Weibull (β , δ)
β
β −1 ⎛x⎞
β ⎛x⎞ −⎜ ⎟
⎝δ ⎠
f ( x) = ⎜ ⎟ e x>0 β >0 δ >0
δ ⎝δ ⎠
Obs.: δ é um parâmetro de escala e β é um parâmetro de forma.
β
⎛x⎞
−⎜ ⎟
⎝δ ⎠
F ( x) = 1 − e
⎛ 1⎞
E ( X ) = δΓ⎜⎜1 + ⎟⎟
⎝ β⎠
Exercício
P( X − µ ≥ σ ) = P( X ≥ µ + σ ) + P( X ≤ µ − σ ) =
P( X − µ ≥ 2σ ) = P( X ≥ µ + 2σ ) + P( X ≤ µ − 2σ ) =
P( X − µ ≥ 3σ ) = P( X ≥ µ + 3σ ) + P( X ≤ µ − 3σ ) =
1
P ( X − µ ≥ kσ ) ≤
k2
Exercícios:
0,35
0,4
0,35 0,3
WEIBULL (Beta=5; Delta=5)
Normal (Média=5; Desvio=1,3)
0,3 0,25
0,25
0,2
0,2
0,15
0,15
0,1
0,1
0,05
0,05
0 0
0 2 4 6 8 10 12 14 16 0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00 16,00
β
β −1 ⎛x⎞
β ⎛x⎞ −⎜ ⎟
⎝δ ⎠
f ( x) = ⎜ ⎟ e x>0 β >0 δ >0
δ ⎝δ ⎠
0,6
0,4
0,3
0,2
0,1
0
0 2 4 6 8 10 12 14 16
Pág. 39
X − np
~ Z
np (1 − p) n→∞
Exercícios:
1) Verifique se o X=número de acertos ao acaso numa prova de vestibular que segue uma
distribuição Binomial (n=30;p=1/5) pode ser aproximado pela Normal. Calcule P(X > 25).
A aproximação pela Normal facilita muito os cálculos, pois uma única integral reúne o
resultado de uma grande quantidade de parcelas de um somatório.
Utilizando a mesma idéia do tópico anterior, uma aproximação da Poisson pela Normal é
possível.
X −λ
~Z
λ
1) Verifique se o X=número de clientes que entra em uma loja num intervalo de 10min
que segue uma distribuição de Poisson (λ=5 clientes em 10 min.) pode ser aproximado
pela Normal. Calcule a probabilidade de entrar 6 ou mais clientes na loja em 10 minutos.
Pág. 40
X1 + X2 + ... + Xn = ∑x i ~ Normal(nµ ; nσ 2 )
∑x i
média amostral X = i =1
.
n
n
∑x i
⎛ σ ⎞
X = i =1
~ Normal ⎜⎜ µ ; ⎟⎟
n ⎝ n⎠
O matemático inglês Gosset fez estudos que colaboraram muito para a área de inferência
estatística. Ele estudou o comportamento probabilístico de X e propôs um nova
distribuição, denominada t.
X −µ
Já sabemos que se X ~ Normal (µ;σ), então Z = ~ Normal (0;1).
σ
∑x i
⎛ σ ⎞ X −µ
Se X = i =1
~ Normal ⎜⎜ µ ; ⎟⎟ , então ~ Z . O empecilho para utilizar esta
n ⎝ n⎠ σ/ n
expressão em situações práticas está no desconhecimento de σ. Gosset propôs uma
modificação que depende apenas do conhecimento de uma estimativa de σ, criando a
distribuição t de Student que depende do tamanho da amostra selecionada (n).
X −µ
~ t n −1 (tabelada, com média 0)
s/ n
Pág. 41
Z ~ Normal (0;1)
∑Z
i =1
i
2
~ χ n2 onde E(X)=n e Var(X)=2n
O quociente entre duas variáveis com distribuição Qui-quadrado, cada uma dividida pelos
seus graus de liberdade gera uma nova variável com distribuição F. Vejamos:
X
F = u ~ Fu ;v onde X ~ χ u2 e Y ~ χ v2
Y
v
É muito comum ter mais de uma variável associada a um experimento aleatório. Neste
capítulo nos restringiremos a duas variáveis (X e Y), apesar dos resultados poderem ser
estendidos para o caso p-variado.
1) f XY ( x, y ) ≥ 0
2) ∑∑ f
x y
XY ( x, y ) = 1
3) f XY ( x, y ) = P( X = x; Y = y )
Exemplo – Independência
Distribuições Marginais
P ( X = x) = ∑ P ( X = x; Y = y )
y
P(Y = y ) = ∑ P ( X = x; Y = y )
x
Exemplo –
P(X=1) =
P(Y=2) =
Y 0 2 4 f(x)
X
0 0,25 0,15 0
4 0 0,05 0,15
f(y)
Pág. 44
Distribuições Condicionais
P( X = x; Y = y )
P( X = x | Y = y ) =
P(Y = y )
P(X=1 | Y=0) =
P(X=2 | Y=0) =
1) f XY ( x, y ) ≥ 0
2) ∫∫ f
RR
XY ( x, y )dx dy = 1
1,00
0,80
0,60
0,40
0,20
-
0 5
1,5 3,75
3 2,5
1,25
4,5 0
A covariância indica a variação conjunta de uma par de variáveis. Pode ser denotada por
COV(X,Y) ou por σXY. A covariância pode assumir qualquer valor real, onde o sinal indica
se a associação entre X e Y é direta ou inversa.
COV ( X , Y ) = E[( X − E ( X ) × (Y − E (Y ) )]
COV ( X , Y )
ρ XY =
Var ( X )Var (Y )
Pág. 46
Exemplo – Calcular a covariância entre X e Y no caso discreto das duas moedas e no caso
da tabela cruzada
1 ⎧⎪ 1 ⎡ ( x − µ X )2 2 ρ ( x − µ X )( y − µ Y ) ( y − µ Y )2 ⎤ ⎫⎪
f XY ( x, y ) = × exp⎨− 2 ⎢
− + ⎥⎬
2πσ X σ Y 1− ρ 2 ⎪⎩ 2(1 − ρ ) ⎣ σ X
2
σ XσY σ Y2 ⎦ ⎪⎭
4
0,14 3,5
0,12 2,5
0,1 1,5
0,08 0,5
0,06 -0,5
-1
0,04 -1,5
-2
4
0,02 2,5 -2,5
1
-3
-0,5
0 -3,5
-2
-5
-4
-3
-3,5 -4
-2
-1
-4,5
2
-5
3
-5
-5 -4,5 -4 -3,5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
-2,5 -2,5
-3 -3
-3,5 -3,5
-4
-4
-4,5
-4,5
-5
-5
-5
-4
-3
-2
-1
5
-5
-4,5
-4
-3,5
-3
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
Pág. 47
LISTA DE EXERCÍCIOS
Ver página 3
Cap 2 – Probabilidade
3. Uma urna contém 5 bolas brancas e 6 bolas pretas. Três bolas são retiradas sem reposição.
Calcular a probabilidade de:
a) Todas bolas serem pretas. 4/33
b) Ter exatamente uma bola branca. 5/11
c) Ao menos uma ser preta. 31/33
4. Numa bolsa temos 5 moedas de R$1,00 e 4 de R$0,50. Qual a probabilidade de, ao retirarmos
duas moedas da bolsa, obtermos R$1,50? 5/9
5. Seja um experimento lançar dois dados honestos e observar a face superior dos dados. Escreva
S e considere os seguintes eventos :
A = pares (x,y) tais que x + y = 8
B = pares (x,y) tais que x = y
C = pares (x,y) tais que x + y = 10
D = pares (x,y) tais que x > y
Calcular
a) P (A / B) = 1/6
b) P (C / D) = 1/15
c) P (B / C) = 1/3
d) P( B ∪ C ) = 8/36
P( A / B ∪ C ) = 1
Pág. 48
6. Muitas escolas fornecem o acesso a Internet para seus estudantes hoje em dia. Desde 1996, o
acesso à Internet foi facilitado a 21.733 escolas elementares, 7.286 escolas do nível médio e
10.682 escolas de nível superior (Statistical Abstract of United States, 1997). Existe nos Estados
Unidos um total de 51.745 escolas elementares, 14.012 escolas do nível médio e 17.229 escolas do
nível superior.
Dica: construa uma tabela cruzada!
a) Se você escolher aleatoriamente uma escola elementar para visitar, qual é a probabilidade de
que ela tenha acesso à Internet?
b) Se você escolher aleatoriamente uma escola do nível médio para visitar, qual é a probabilidade
de que ela tenha acesso à Internet?
c) Se você escolher aleatoriamente uma escola para visitar, qual é a probabilidade de que ela seja
uma escola elementar?
a) Se você escolher aleatoriamente uma escola para visitar, qual é a probabilidade de que ela
tenha acesso à Internet?
7. A probabilidade de uma mulher estar viva daqui a 30 anos é 3/4 e de seu marido é 3/5. Calcular
a probabilidade de que daqui a 30 anos:
a) Apenas o homem esteja vivo. 3/20
b) Somente a mulher esteja viva. 3/10
c) Ambos estejam vivos. 9/20
d) Pelo menos um esteja vivo. 9/10
9. A probabilidade de que uma nova lei seja aprovada no Congresso é de 0,30. A probabilidade de
que a mesma seja aprovada no Senado é de 0,40. A probabilidade de o presidente sancionar a lei é
de 50%.
a) Escreva o espaço amostral, mas cuidado: se a lei não for aprovada no Congresso não vai para o
Senado e se não for aprovada no Senado não vai para o Presidente.
b) Qual a probabilidade de que a lei seja aprovada em todas instâncias?
c) Qual a probabilidade de que a lei pare no Senado?
10. Uma máquina produz peças que, tipicamente, podem apresentar dois tipos de problemas: a
cada 100 peças, em média uma fica “mal-acabada” e a cada 50 peças uma fica maior que o
normal. Os dois problemas são independentes.
a) Escreva o espaço amostral considerando a ocorrência dos dois tipos de problemas.
b) Qual a probabilidade de uma peça apresentar os dois defeitos.
c) Qual a probabilidade de uma peça não possuir defeito algum?
Pág. 49
11. Sabe-se que o Imposto de Renda Pessoa Física (IRPF) tem três faixas com alíquota de imposto
crescente (Alíquota 0%, Alíquota 15%, Alíquota 27,5%). De acordo com a Receita Federal (1996),
na Alíquota 0% situam-se 75,9% dos contribuintes e na alíquota 15% situam-se 18,7%. Sabe-se
que muitas declarações são fraudulentas, sendo que o percentual de fraude corresponde a metade
da alíquota de cada faixa.
a) Sabendo que um cidadão sonegou IRPF, qual a probabilidade dele ser da faixa de alíquota
27,5%?
12. Estima-se que haja 13 milhões de judeus no mundo, sendo que 5,7 milhões moram nos EUA,
5,1 milhões em Israel, 0,5 milhão na França e o restante em outros países. Sabe-se que, em Israel.
A razão entre ashkenazim (alemão, em hebraico) e sefaradim (espanhol)no mundo agora é de 70
por 30, mas em Israel é de meio-a-meio.
a) Você encontra um judeu num Congresso Internacional e ele se declara sefaradim, qual a
probabilidade de que ele viva em Israel?
13. O número de alunos matriculados na turma de Inglês Avançado de uma determinada Escola
possui a seguinte função de probabilidade:
x 0 1 2 3 4
P(X=x) 0,15 0,19 0,38 k 0,12
14. Durante 6 meses (180 dias), uma agência de turismo anotou quantos pacotes conseguia vender
por dia. Houveram 9 dias onde ela não conseguiu vender nenhum pacote. Em 22 desses 180 dias
ela vendeu 1 pacote por dia, e assim seguem as vendas na tabela abaixo:
x 0 1 2 3 4 5 6 Total
No. de Pacotes 9 22 45 41 27 22 14 180
Vendidos
P(X=x)
Tenho um carro de R$12.500,00 numa cidade onde a probabilidade de ter o carro roubado é de
1/100 e a chance de um acidente com perda parcial (30%), considerando o período de um ano, é
de 1/50. A seguradora calcula apólice de seguro de R$1200,00 com franquia de R$800,00.
Qual a melhor decisão: fazer ou não fazer o seguro, dadas essas condições.
Pág. 50
16. Um produto é composto por uma esfera e um cilindro. Cada componente custa R$5,00. Esses
componentes podem ser classificados como Bom (B), Longo (L) ou Curto (C). Se o produto final
apresentar algum componente C será irrecuperável e vendido como sucata, ao preço de R$ 5,00.
Cada componente L pode ser recuperável a um custo adicional de R$ 5,00.
Sabendo que o produtoi final é vendido a R$ 25,00 e desconsiderando qualquer outro custo,
contrua a função de probabilidade para X=lucro. As probabilidades são:
B L C
Esfera 0,70 0,20 0,10
Cilindro 0,80 0,10 0,10
17. A cada 1.000 decolagens de aviões, uma apresenta algum tipo de problema.
b) Sabendo que os aviões da Varig realizam 150 decolagens diariamente, qual o número esperado
de decolagens com problema por dia?
18. Se você jogar na Loteria Esportiva de forma completamente aleatória, calcule a probabilidade
de acertar os treze jogos, marcando apenas uma alternativa em cada jogo?
19. Num teste com 10 questões do tipo 'Verdadeiro' ou 'Falso', qual a probabilidade de um aluno,
respondendo todas questões ao acaso, acertar 60% das questões?
20. Um frentista de posto de gasolina é instruído pelo patrão para "empurrar" aos clientes aditivos
para combustível. O frentista realiza uma venda com probabilidade 0,15.
21. Uma locadora faz uma promoção onde os clientes colocam as suas notas fiscais após a locação.
Suponha que haja 100 cupons dentro da urna e que você tenha feito 8 locações (oito notinhas).
Suponha que a locadora sorteie três aparelhos de DVD dentre as notinhas da urna.
a) Qual a distribuição para modelar o número de notinhas premiadas que você teve?
b) Qual a probabilidade de que você ganhe 2 aparelhos DVD´s?
c) É possível utilizar a distribuição Binomial? Compare os resultados.
22. Uma máquina produz tecidos em rolos de 1m de largura. Suponha que a média de falhas seja
de 1 para cada metro quadrado.
a) Qual a probabilidade de que em 10m2 hajam 10 falhas?
b) Qual o número esperado de falhas em 100m2?
Pág. 51
23. Em média dois navios atracam em um porto por dia, sendo que o número de navios que lá
atracam pode ser modelado pela distribuição de Poisson.
a) Qual a probabilidade de, num determinado dia, nenhum navio atracar no porto.
b) Qual a probabilidade de que ao menos três navios atraquem no porto em um dia.
c) Qual o número esperado de navios em um semana?
24. O processo de gravação de DVD´s ainda está sendo aprimorado. Suponha que, em média, uma
gravação resulte em sucesso a cada cinco tentativas.
a) Construa a função de probabilidade para X=número de tentativas até obter o primeiro
sucesso.
b) Qual o número esperado de tentativas até obter o primeiro sucesso?
25. Considere o exercício anterior, mas agora construa a distribuição para obtenção de dois
sucessos.
26. Um lote é composto de 20 peças, das quais 4 são defeituosas. Você, como comprador da
empresa, examina uma amostra de 5 peças antes de aceitar o lote.
a) Construa a função de probabilidade de X=número de peças defeituosas na amostra.
b) Qual o número esperado de peças defeituosas no lote.
28. Uma promoção premia o primeiro integrante de uma fila que fizer aniversário no mesmo dia
que o vendedor de ingressos, a contar do primeiro da fila até o N-ésimo. Escreva a função de
probabilidade que descreve a posição na fila do ganhador, admitindo que a fila tenha N pessoas.
29. Você precisa que uma máquina seja operada por 2 pessoas canhotas. Você sabe que 10% da
população á canhota. Qual a probabilidade de serem necessárias até 5 tentativas para encontrar
um canhoto?
33) Considere uma variável aleatório contínua com a seguinte função densidade de probabilidade:
x 1
f ( x) = − + , 0 ≤ x ≤ 4
8 2
0, caso contrário
34) O comprimento de peças produzidas por uma máquina é igualmente provável de estar entre
10mm e 12mm.
a) Esboce a f(x).
b) Qual a probabilidade de uma peça ter comprimento superior a 11,8mm?
c) Qual o comprimento esperado e o desvio-padrão de X.
35) O tempo entre pousos de aviões num aeroporto segue distribuição Exponencial com média de
8minutos.
37) A altura de brasileiros do sexo masculino segue uma distribuição aproximadamente Normal com
média de 175cm e desvio-padrão de 6cm.
a) Qual a probabilidade de um brasileiro medir mais de 180cm?
b) Qual a probabilidade dele medir entre 169cm e 181cm?
c) Qual a probabilidade dele medir exatamente 190cm?
38) Os resultados de um exame revelaram nota distribuídas normalmente com média de 18 acertos
e desvio-padrão de 5 acertos.
a) Qual a probabilidade de um aluno ter mais de 30 acertos?
b) Qual a probabilidade de um aluno ter entre 20 e 25 acertos?
39) O tempo de vôo entre Rio-Paris é igualmente provável de estar entre 11e 12h.
a) Esboce a f(x).
b) Qual a probabilidade do tempo de vôo exceder 11,5h?
c) Qual o tempo esperado de vôo e o desvio-padrão.
40) O tempo entre falhas num processo industrial segue uma distribuição Exponencial. Sabendo
que o tempo médio entre falhas é e 45 minutos:
d) Qual a probabilidade do tempo entre falhas exceder 60minutos?
e) Qual a probabilidade do tempo ser inferior a 50 min.?
41) Cartuchos de impressão da marca Encre imprimem, em média 500 documentos com um
desvio-padrão de 50 documentos. Cartuchos da marca Ink imprimem uma média de 510
documentos, mas com desvio-padrão de 40 documentos.
a) Admitindo distribuição NORMAL para o número de documentos impressos nas duas marcas,
qual cartucho deve ser preferido para imprimir um mínimo de 520 folhas?
42) Considere uma distribuição Exponencial (λ=0,10) e uma Normal (µ=10; σ=2).
a) Calcule, nos dois casos, a probabilidade de um valor de X se afastar da média em 2 desvios-
padrão.
43) Considere a seguinte distribuição conjunta para as falhas de dois funcionários de uma empresa.
Os dados foram obtidos numa amostra de 2 anos de observações:
Falhas do operário Y
Falhas operário X 0 1 2 f(x)
0 0,30 0,03 0,00 0,33
1 0,10 0,40 0,00 0,50
2 0,10 0,03 0,05 0,18
f(Y) 0,50 0,40 0,10 1,00
10
8
6
4
2
0,8
0
0 0,4 0
0,8
Falhas do operário Y
Falhas operário X 0 1 2 f(x)
0 0,00 0,00 0,50 0,50
1 0,00 0,40 0,00 0,40
2 0,10 0,00 0,00 0,10
f(Y) 0,10 0,40 0,50 1,00
Var(X) = Var(Y) = 0,44
Pág. 54
47) O consumo de luz mensal de uma residência é igualmente provável de estar entre 150 e
250kWh.
a) Escreva a função densidade para X=consumo e a acumulada.
b) Qual a probabilidade do consumo exceder 200kWh?
c) Qual o consumo esperado e a variância de X?
48) A máquina L1 produz lâminas com comprimento médio de 12mm e desvio-padrão de 1mm,. A
máquina L2, de outro fabricante, também produz lâminas com média de 13mm e desvio-padrão de
0,5mm.
a) Admitindo que a espessura das lâminas, nos dois casos, segue uma distribuição Normal e que o
objetivo é produzir lâminas com espessura entre 13 e 14mm, qual é a melhor máquina?
49) A distribuição de Weibull é bastante flexível. Considere que o tempo de vida de um mancal de
rolamento siga uma distribuição Weibull com parâmetro β= 0,2 e δ=10.000h.
a) Qual a probabilidade do tempo de vida exceder 8000h?
b) Qual o tempo de vida esperado?
TABELA Z
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
Pág. 56
TABELA t
Alpha sobre 2
Graus de liberdade 5,0% 2,5% 0,5%
(n-1) 90% bilateral 95% bilateral 99% bilateral
1 6,314 12,706 63,656
2 2,920 4,303 9,925
3 2,353 3,182 5,841
4 2,132 2,776 4,604
5 2,015 2,571 4,032
6 1,943 2,447 3,707
7 1,895 2,365 3,499
8 1,860 2,306 3,355
9 1,833 2,262 3,250
10 1,812 2,228 3,169
11 1,796 2,201 3,106
12 1,782 2,179 3,055
13 1,771 2,160 3,012
14 1,761 2,145 2,977
15 1,753 2,131 2,947
16 1,746 2,120 2,921
17 1,740 2,110 2,898
18 1,734 2,101 2,878
19 1,729 2,093 2,861
20 1,725 2,086 2,845
21 1,721 2,080 2,831
22 1,717 2,074 2,819
23 1,714 2,069 2,807
24 1,711 2,064 2,797
25 1,708 2,060 2,787
26 1,706 2,056 2,779
27 1,703 2,052 2,771
28 1,701 2,048 2,763
29 1,699 2,045 2,756
30 1,697 2,042 2,750
40 1,684 2,021 2,704
50 1,676 2,009 2,678
60 1,671 2,000 2,660
70 1,667 1,994 2,648
80 1,664 1,990 2,639
90 1,662 1,987 2,632
100 1,660 1,984 2,626
110 1,659 1,982 2,621
120 1,658 1,980 2,617
Infinito 1,645 1,960 2,576