UFRJ - Departamento de Engenharia Industrial - 2011-1. EEI201 Probabilidade e Estatstica - Turmas 3309 (EPT) e 4166 (EP1).

Professor: Jos Miguel. Resoluo do exerccio n 4-1. Problema 1 Numa indstria txtil, verificou-se que a quantidade de teares que precisa de conserto em cada ms pode ser representada por uma varivel aleatria com distribuio de Poisson, e que, a cada vinte meses, ocorre, em mdia, um ms sem nenhum tear quebrar. Suponha, para simplificar, que o conserto de um tear quebrado ocupa a oficina sempre at o fim do ms, no importando o dia em que ocorreu a quebra. a) Qual a probabilidade de trs ou mais teares quebrarem num determinado ms? Experimento: Um ms (de funcionamento da fbrica/oficina). Varivel aleatria: X = quantidade de teares que precisa de conserto. a) Queremos obter P(X > 2) = 1 P(X = 0) P(X = 1) P (X = 2) Como P(X = k ) = e 3 3k k! , vem dado que X ~ Po( ) e que P(X = 0) = 1 20 = e . Portanto, = log e 0,05 3 .
P(X > 2) = 1 P(X = 0) P (X = 1) P(X = 2 ) = 1 0,05 0,15 0,225 = 57,5%.

b) Qual deve ser a capacidade da oficina de reparos, medida em nmero de teares, para que a probabilidade de pelo menos um tear quebrado ter de aguardar para ser consertado seja menor do que 5%? Queremos encontrar C, o menor valor de k para o qual P(X>k) menor do que 5%, ou seja, para o qual P(X k ) ultrapassa 95%. Para tal, calculamos sucessivamente os valores de P(X=k) e de P(X k ) , a partir de k=0, at cumprir aquela condio, conforme a tabela a seguir. k 0 1 2 3 4 5 6 0,05 0,15 0,225 0,225 0,1688 0,1012 0,0506
P(X = k )

Portanto, P(X 7) < 5% a capacidade do tear deve ser igual a 6 teares.

0,05 0,2 0,425 0,65 0,8188 0,92 0,9706 > 95%

P(X k )

Problema 2 Uma revista semanal de 64 pginas tem erros de reviso, a uma mdia de um por pgina. Suponha que os erros de reviso ocorrem independentemente e com igual probabilidade nos elementos grficos (letras, sinais etc) que compem o texto da revista. a) Qual a distribuio de probabilidade (*) que melhor descreve a quantidade de erros numa pgina da revista? Experimento: Escolher uma pgina da revista ao acaso e apurar a quantidade de erros. Varivel: X = Quantidade de erros Como h um grande nmero de elementos grficos numa pgina e a probabilidade de um erro de reviso ocorrer em cada um deles muito pequena, e supondo que os erros ocorram de forma independente e com a mesma probabilidade, X deve ter distribuio de Poisson, cujo parmetro igual mdia, que foi dada e igual a um. Logo, X ~ Po (1). b) Quantas pginas de uma edio da revista sairo, em mdia, isentas de erros?

Experimento: Escolher uma edio da revista ao acaso e apurar a quantidade de pginas isentas de erros. Varivel: Y = quantidade de pginas de uma edio da revista sem erros. Queremos calcular E(Y). Y a quantidade de ocorrncias do evento "pgina sem erro" (X=0) quando o experimento definido no item anterior (escolha de uma pgina) se repete 64 vezes (nmero de pginas da revista). Supondo que estas repeties so independentes, Y tem distribuio binomial com parmetros n = 64 e p = P(X = 0) = e-1 = 0,3679 . Portanto, E(Y) = n.p = 64 x 0,3679 = 23,55. Problema 3 Um porto africano recebe navios de carga provenientes da sia e da Europa. A qualquer momento, a distribuio de probabilidade do tempo at a chegada do prximo navio vindo da sia a mesma, independentemente de quanto tempo decorreu desde a chegada do ltimo navio. O mesmo ocorre com as chegadas dos navios europeus. O intervalo mdio entre as chegadas dos navios asiticos igual a 5 dias e entre os navios vindos da Europa 4 dias. a) Qual a distribuio de probabilidade (*) do intervalo entre chegadas de navios i) asiticos? Experimento: Aguardar a chegada do prximo navio asitico e registrar o tempo decorrido. Varivel: A = tempo decorrido, em dias. Se "a distribuio de probabilidade do tempo at a chegada do prximo navio vindo da sia a mesma, independentemente de quanto tempo decorreu desde a chegada do ltimo navio", conforme informado, ento podemos dizer que P(X>s+t|X>s) = P(X>t), para quaisquer s e t. Ora, dentre as distribuies contnuas, apenas a exponencial possui esta propriedade de "falta de memria". Foi dado tambm o valor mdio de A, 5 dias, que igual ao inverso do parmetro da exponencial. Portanto, A ~ Exp (0,2). ii) europeus? Pelos mesmos argumentos do item anterior, E = tempo at a chegada do prximo navio vindo da Europa uma varivel aleatria com distribuio exponencial, cujo parmetro igual ao inverso do seu valor esperado, isto , E ~ Exp (0,25). iii) de qualquer procedncia? Se o intervalo entre chegadas de navios de certa procedncia tem distribuio exponencial com parmetro , ento a quantidade de navios dessa procedncia que chega ao porto num determinado intervalo fixo de tempo, digamos, um dia, tem distribuio de Poisson com o mesmo parmetro . Esta uma relao conhecida entre as duas distribuies. Assim, se QA e QE, forem, respectivamente, as quantidades de navios asiticos e europeus que chegam ao porto num determinado dia, ento QA ~ Po (0,2) e QE ~ Po (0,25). Supondo independentes as chegadas da sia e da Europa, ento a quantidade total de navios que chega num dia, QT = QA + QE, tambm distribuio de Poisson, com parmetro 0,2 + 0,25 = 0,45, devido propriedade reprodutiva da distribuio de Poisson. Finalmente, devido relao entre as distribuies exponencial e de Poisson acima citada, a distribuio de probabilidade do intervalo entre chegadas de navios de qualquer procedncia, T ~ Exp (0,45). b) Qual a distribuio de probabilidade da quantidade de navios de qualquer procedncia que chega ao porto num perodo de uma semana? Conforme deduzido no item anterior, QT ~ Po (0,45). Esta a quantidade que chega num dia. A quantidade por semana, QS, tambm Poisson, com parmetro 7 x 0,45 = 3,35. Ou seja, QS ~ Po (3,35). c) Qual a probabilidade de chegarem ao porto mais de 4 navios numa determinada semana? Queremos calcular P (QS > 4). Como P(Q S = k ) = = P(Q S > 4) = 1
3,352 3,353 3,35 4 = 75,3%. P (QS = k ) = e 3,35 1 + 3,35 + + + 2 6 24 k =o
e 3,35 3,35k e P(Q S > 4) = 1 P(Q S 4) , vem k!