Estatística II Atualizada

Professor Alusio Lima
Estatstica II
Professor: Alusio Lima
Disciplina: Estatstica II
Curso: Engenharia de Produo
Turma: 32431 N
Estatstica II 1 Parte.
1
Captulo 1
Fatorial.
Introduo.
Considerando n um nmero natural maior que 1 (um), podemos definir como fatorial
desse nmero n (n!) o nmero:

n! = n(n 1)(n 2)(n 3)....
L-se n! como n fatorial ou fatorial de n.
Veja alguns exemplos:
5! = 5 * 4 * 3 * 2 * 1 = 120
8! = 8 * 7 * 6 * 5 * 4 * 3 * 2 * 1 = 40320
6! = 6 * 5 * 4 * 3 * 2 * 1 = 720
10! = 10 * 9 * 8 * 7 * 6 * 5 * 4 * 3 * 2 * 1 = 3.628.800
Exerccios.
1) Simplifique as expresses que seguem;
a)
( )
( )! 2
! 4
+
+
n
n
c)
( )! 2
)! 1 (
+
+
n
n
b)
( )
( )! 1 2
! 2
n
n
d)
( )
( )!
! 2
n
n
Dentre os cinco nmeros inteiros listados abaixo, aquele que representa a melhor aproximao para
a expresso: 2 . 2! + 3 . 3! + 4 . 4! + 5 . 5! + 6 . 6! :
5030 b) 5042 c) 5050 d) 5058 e) 5070
2) O produto 20.18.16.14....6.4.2 equivalente a:
a)
2
! 20
b) 2.10! c)
10
2
! 20
d) 2
10
.10! e)
! 10
! 20
2
Captulo 2
Conceitos Bsicos de Anlise Combinatria.
Tcnicas de Contagem
Regra Fundamental da Contagem
Para dois eventos que podem ocorrer respectivamente de m e n maneiras distintas,
h m.n maneiras pelas quais pares desses eventos podem ocorrer.
Exemplo:
Uma pessoa tem 4 camisas e 5 calas, logo ter 20 possibilidades de formao
diferentes para combinar.
1) Fatorial (Permutaes)
Uma coleo de n objetos pode ser ordenada de n! maneiras distintas.
[n! = n (n-1) (n-2)...1]
Pn = n !
Exemplos:
a) colocao de 5 bandeiras com cores distintas
b) ordenao de questes de prova.
2) Arranjos Simples (com elementos distintos):
O nmero de arranjos (= seqncias) de r elementos escolhidos entre n elementos
(sem permitir repetio) :
An,p =
)! (
!
p n
n
Exemplos:
Quantas programaes noturnas de TV com 6 shows podem ser feitas a partir de um
plantel de 20 seriados.
Quantas chapas eletivas distintas (presidente, vice-presidente, 1 e 2 secretrios, 1
e 2 tesoureiros) podemos formar a partir de um grupo de 10 pessoas.
3
OBS: Arranjos com elementos no-distintos: Se h n elementos categorizveis em k grupos
de formas que ni elementos se enquadram na i-sima categoria (i = 1, 2, ..., k), ento o
nmero de permutaes distintas do conjunto de n elementos :
n
n n n
n
nk n n
k
A
! !.... !.
!
,... 2 , 1
2 1
Exemplos:
Nmero de permutaes das letras da palavra SOCORRO
Nmero de sinais possveis com 5 bandeiras sendo 2 azuis e 3 vermelhas
3) Combinaes Simples.
O nmero de sub-conjuntos (=combinaes) de r elementos que podem ser
formados a partir de um conjunto com n elementos (distintos) :
Cn,p =
)! ( !
!
p n p
n
Exemplos:
Nmero de comits (ou de amostras s/ reposio) de 5 elementos que podem ser
formados a partir de um conjunto de 10 elementos.
Nmero de mos de pquer (5 cartas) que podem ser retiradas de um baralho
completo (52 cartas)
Nmero de resultados possveis na Megasena
Exerccios.
Considere todos os nmeros formados por 6 algarismos distintos obtidos permutando-se, de todas as
formas possveis, os algarismos 1, 2, 3, 4, 5 e 6. Determine quantos nmeros possvel
formar (no total) e quantos nmeros se iniciam com o algarismo 1.
Colocando em ordem os nmeros resultantes das permutaes dos algarismos 1, 2, 3, 4, 5, que
posio ocupar o nmero 35241?
Considere o conjunto dos dgitos {1, 2, 3, ..., 9} e forme com eles nmeros de nove algarismos
distintos.Quantos desses nmeros so pares?
4
1) Com 5 engenheiros e 4 fsicos formam-se comisses de 5 pessoas. Calcule o nmero de
comisses a ser formada por 3 engenheiros e 2 fsicos.
2) Num ba esto espalhados 15 livros de Portugus, 10

de Matemtica e 6 de Ingls. Trs
livros so retirados simultaneamente do ba? Qual o nmero de possibilidades de que seja
escolhido um livro de cada assunto?
3) Uma classe tem 30 alunos. Uma comisso de quatro alunos escolhida para uma reunio
com a diretoria da escola. Determine o nmero de comisses para que os dois melhores
alunos faam parte da comisso.
5
Captulo 3
Introduo Probabilidade.
1) Um Pouco de Histria
Os primeiros estudos matemticos sobre chances foram feitos pelos italianos
Gernimo Cardano (1501 1576) e Galileu Galilei (1564 1642) e eram relacionados com
jogos de dados.
Em 1654, quando Pascal dedicava-se a uma obra chamada As Cnicas, um amigo
seu, jogador profissional, chamado Chevalier de Mre, props questes do tipo: Em 8
lances de um dado, um jogador deve tentar lanar o nmero 1, mas, depois de 3 tentativas
fracassadas, o jogo interrompido por seu oponente. Como poderia ser indenizado?.
Tendo resolvido as dificuldades de Mre, Pascal escreveu a seu amigo Pierre de
Fermat (matemtico francs 1601 1665) expondo-lhe vrios problemas. A correspondncia
entre eles, na qual encontram-se inmeros problemas probabilsticos resolvidos, foi o
verdadeiro ponto de partida da moderna teoria das probabilidades. As idias de Cardano,
que j tinham cem anos, foram esquecidas.
Pascal e Fermat nada publicaram a respeito, mas o matemtico holands Christian
Huygens (1629 1695), tendo conhecimento desses estudos, passou a interessar-se e
publicou, em 1657, um pequeno livro com o ttulo De ratiociniis in ludo aleae (Sobre o
raciocnio em jogos de dados), sendo este o primeiro livro sobre a teoria das probabilidades.
Dentre os matemticos que contriburam para a evoluo dessa teoria, destacamos:
Jacob Bernouilli (suo, 1654 1705); Abraham de Moivre (francs, 1667 1754); Pierre
Simon de Laplace (francs. 1749 1827) e outros.
Hoje, a teoria das probabilidades tem uma importncia muito grande e aplicaes em
estatstica, economia, engenharia, fsica, qumica, teoria dos jogos estratgicos, sociologia,
psicologia, biologia e vrios outros campos do conhecimento.
Espao Amostral e Evento
Existem fenmenos ou experimentos que, mesmo quando repetidos vrias vezes,
em condies parecidas, apresentam resultados imprevisveis. Dizemos que tais
experimentos so aleatrios. Como exemplo, no lanamento de uma moeda (pode dar cara
ou coroa); ao lanarmos um dado (poder dar 1, 2, 3, 4, 5 e 6 mas no h como prever qual
ser dada). Com isso temos a definio de espao amostral.
6
Espao Amostral Tambm chamado de espao de prova ou universo, o nome do
conjunto formado por todos os resultados possveis de um experimento aleatrio. Notao:
W, ou E.A
Exemplos:
Lanamento de uma moeda, observando a face superior: Cara e Coroa. (2)
Lanamento de um dado, observando a face superior: 1, 2, 3, 4, 5 ou 6. (6).
Retirada de uma bola de uma urna que contm 4 bolas vermelhas e 3 pretas : V1,
V2, V3, V4, P1, P2 ou P3. (7)
Evento (E) Os elementos do espao amostral so chamados de eventos elementares. Os
subconjuntos do espao amostral so chamados de simplesmente de eventos.
Os eventos podem ser:
Certos Quando o evento o prprio espao amostral.
Ex. No lanamento de um dado, dar a ocorrncia de um nmero menor do que 7.
Impossveis Seja A um evento. Diremos que A um evento impossvel se A = .
Ex. No lanamento de um dado, sair face 8.
2) Probabilidade
Consideramos um experimento aleatrio; seja E o seu espao amostral finito e no
vazio, n (E) o nmero de elementos de E, um evento A e n(A) o nmero de elementos de A
(A E). Chama-se probabilidade do evento A o nmero P (A) tal que:
P(A) =
) (
) (
E n
A n
Com isso podemos resumir que a definio de probabilidade intuitiva, isto , a
probabilidade de ocorrer determinado evento dada pela a razo entre o nmero de casos
favorveis (ou nmero de casos que nos interessam) e o nmero de casos possveis (ou o
nmero total de casos).
IPC: Esta definio s tem validade se todos os elementos de E tiverem as mesmas
chances de ocorrer, ou seja, se E for um espao equiprovvel.
IPF: A probabilidade de um evento um valor compreendido entre 0 e 1. Ser 0
quando o evento for impossvel e ter o valor de 1 quando o evento for certo. Logo
temos:
0 P(A) 1 ou 0% P(A) 100 %
7
3) Probabilidade de No Ocorrer um Evento
Seja E um espao amostral finito e no vazio e A um evento de E. Chamamos
complementar de A em relao a E o evento A, de modo que A = E A, ou seja, A
formado por resultados de E que no so de A.
Podemos dizer ento, que P (
__
A
) a probabilidade de no ocorrer o evento A.
IPC
Como P (A) + P(A) = 1 podemos dizer que:
A probabilidade de no ocorrer um evento igual a 1 menos a probabilidade de
ele ocorrer.
Exerccios Iniciais
4) Probabilidade da Unio de Eventos
A probabilidade de ocorrer o evento A ou o evento B igual probabilidade de
ocorrer A mais a probabilidade de ocorrer B menos a probabilidade de ocorrer A e B.
Logo temos:
P (A B) = P (A) + P (B) P (AB)
IPC:
P(ABC) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C).
Exemplo:
Vamos retirar uma bola de uma urna que contm 20 bolas numeradas de 1 a 20 e
considerar os eventos:
A: obteno de divisor de 16 n (A) = 5 {1, 2, 4, 8, 16}
B: obteno de divisor de 18. n (B) = 6 {1, 2, 3, 6, 9, 18}
O espao amostral n (E) = 20 { 1, 2, 3, ... , 19, 20}
Observe que h elementos que satisfazem:
Apenas o evento A: 4, 8, 16.
Apenas o evento B: 3, 6, 9, 18.
O evento A e o evento B: 1, 2 (A B)
O evento A ou o evento B: 4, 8, 16, 3, 6, 9, 18, 1, 2. (A B)
8
Logo podemos dizer que:
Ocorrncia do evento A e do evento B dada por A B.
Ocorrncia do evento A ou do evento B dada por A B.
Assim temos
P (A) =
20
5
P(B) =
20
6
P (A B) =
20
2
P(A B) =
20
9
Com isso esses resultados mostram que P(A B) = P (A) + P (B) P (A B)
OBS Eventos Mutuamente Exclusivos
Se A e B so conjuntos disjuntos, isto , A B = , os eventos A e B so ditos
mutuamente exclusivos. Neste caso, se A ocorre, no pode ocorrer B e P (A B) = 0
Ex.: Se A um evento extrao de um s de um baralho e B o da extrao de um
rei, A e B so mutuamente exclusivos, pois s e reis no podem ser extrados ao mesmo
tempo.
Assim temos neste caso, como n (A B) = 0 e P(A B) = 0 vm que:
P (A B) = P (A) + P(B) P (A B) P (A B) = P (A) + P (B).
5) Probabilidade Condicional
Seja E um espao amostral finito e no-vazio e A um evento no-vazio de E.
Suponhamos que o evento A tenha ocorrido e que queiramos saber qual a probabilidade de
ocorrer um outro evento B no vazio de E.
Essa nova probabilidade indicada por P(B/A) e dizemos que ela a probabilidade
de B condicionada ao fato de que A j ocorreu ou simplesmente, que a probabilidade
condicional de B em relao a A.
Temos, nesse caso, uma mudana de espao amostral. (IPC)
A probabilidade de B ser em relao ao espao amostral A e o elemento procurado
de B dever pertencer a B A; portanto, a nova probabilidade :
9
) / ( A B P =
) (
) (
A P
A B P
6) Probabilidade da Interseco de Eventos. Independncia de Eventos.
Se dois eventos A e B que ocorrem num mesmo espao amostral, so
independentes entre si (a ocorrncia de um no influi na ocorrncia do outro), a
probabilidade de ocorrncia de A e B igual ao produto das probabilidades de cada um
desses eventos. Assim podemos dizer que a probabilidade da interseco de dois eventos, A
e B, no vazios igual ao produto da probabilidade de um deles pela a probabilidade do
outro em relao quele, ou seja:
P (A B) = P (A) . P(B/A) = P (B) . P(A/B)
Caso os eventos sejam independentes, ou seja, quando a ocorrncia de um deles
no influi na ocorrncia do outro, teremos P (A/B) = P (A) e P (B/A) = P (B) e, da podemos
escrever que:
P (A B) = P (A) . P (B)
7) Teorema de Bayes
Tambm chamado de Teorema da Probabilidade a Posteriore. Ele relaciona uma
das parcelas da probabilidade total com a prpria probabilidade total.
Sejam A1, A2, ...,An eventos que formam uma partio do espao amostral e B
um evento associado a . Ento aplicando-se a definio de probabilidade condicional, tem-
se que a probabilidade de Ai dado B :
P(Ai / B) =
) (
) (
B P
B Ai P
=
n
i
Ai B P Ai P
Ai B P Ai P
1
) / ( ). (
) / ( ). (
Exerccio Exemplo.
1) Numa universidade, 60 % dos alunos so homens (H) e 40% so mulheres (M). Dentre os
homens, 45 % estudam na rea de tecnologia (T) enquanto somente 15 % das mulheres
pertencem a essa rea. Escolhe-se, ao acaso, uma ficha dentre as fichas dos alunos de
tecnologia. Qual a probabilidade de que a ficha seja uma mulher?
10
P(M/T) =
1818 , 0
45 , 0 . 60 , 0 15 , 0 . 40 , 0
15 , 0 . 40 , 0
) / ( ). ( ) / ( ). (
) / ( ). (
+ H T P H P M T P M P
M T P M P
Exerccios de Aplicao.
1) Retirando-se uma bola de uma urna que contm 15 bolas numeradas de 1 a 15, qual a
probabilidade de se obter :
a) Um nmero par. d) Um nmero maior ou igual a 9.
b) Um nmero mpar. e) Um nmero primo.
c) Um nmero menor do que 10
R.: a)
15
7
b)
15
8
c)
5
3
d)
15
7
e)
5
2
2) Lanando-se simultaneamente dois dados, qual a probabilidade de:
a) Ocorrerem nmeros iguais?
b) Obter um nmero divisvel pelo outro?
R.: a)
6
1
b)
18
11
3) Duas moedas honestas e um dado so lanados simultaneamente. Qual a probabilidade de
sair o resultado:
a) ca, co, 2 ?
b) ca, ca, 2 ?
c) de sair moedas iguais com um nmero par ?
R: a)
24
1
b)
24
1
c)
12
3
4) A probabilidade de chover no Farol 0,2 nesta poca do ano. Escolhidos dois dias ao acaso,
qual a chance de:
a) No chover em nenhum dos dias?
b) Chover um dia?
11
R: a) 0,64
b) 0,32
c) 0,36
c) Chover pelo menos um dia?
5) Lanam-se simultaneamente dois dados. Qual a probabilidade de se obter 6 no 1, se a
soma deve ser maior que 8? R: 2 /5
6) Vinte peas, 12 das quais so perfeitas e 8 defeituosas, so inspecionadas uma aps a
outra. Se essas peas forem extradas ao acaso, qual ser a probabilidade de que:
a) As duas primeiras peas sejam defeituosas? 0,147
b) As duas primeiras sejam perfeitas e a terceira defeituosa? 0,154
7) Numa comunidade de 1000 habitantes, 400 so scios de um clube, 300 de um clube B e
200 de ambos. Calcule a probabilidade de uma pessoa escolhida ao acaso der scia de A
ou de B. 0,50
8) Metade dos eleitores do Rio de janeiro constitudo de mulheres e 60% dos eleitores
votaram no ltimo pleito eleitoral. Determinar a probabilidade de selecionar aleatoriamente,
no cadastro geral de eleitor, uma mulher que tenha votado nas ltimas eleies. 0,30
9) Uma unidade universitria composta de trs departamentos e em todos eles h
profissionais dos dois sexos. Sabe-se que no departamento A 10 so homens e 25 so
mulheres, no departamento B 15 so homens e 5 mulheres e no departamento C 15 so
homens e 10 so mulheres. Calcule a probabilidade de formar aleatoriamente uma comisso
de trs membros, um oriundo de cada departamento em que:
a) Todos os membros sejam do mesmo sexo. 0,20
b) Haja pelo menos um homem na comisso. 0,9286
c) Haja no mais do que duas mulheres. 0,9286
10) Trs revistas A, B e C so publicadas por uma editora. Uma pesquisa com os eleitores indica
que 25 % assinam A, 50 % assinam B e 25 % assinam C. Dentre os assinantes, verificou-se
a preferncia dos estudantes: dos que assinam A, 80 % so estudantes; dos que assinam B,
50 % so estudantes e dos que assinam C, 20 % so estudantes. Um leitor faz uma
reclamao quanto entrega da revista.
a) Qual a probabilidade dele ser um estudante? 0,50
12
b) Dado que estudante, qual a probabilidade de ser assinante da revista C? 0,10
11) A probabilidade de que uma pessoa X resolva um exerccio de 40%, e a probabilidade de
que uma pessoa Y resolva o mesmo exerccio de 25 % . Qual a probabilidade de que
ambas resolvam o exerccio? 0,10
12) Duas pessoas A e B atiram num alvo com probabilidades 40% e 30 %, respectivamente, de
acertar. Nestas condies, a probabilidade de apenas uma delas acertar ser de quantos por
cento? 0,46
13) Numa sala existem seis casais; entre estas 12 pessoas, duas so selecionadas ao acaso.
a) Qual a probabilidade de selecionarmos um homem e sua esposa? 1 / 11
b) Qual a probabilidade de selecionarmos dois homens? 5 / 22
14) Trs crianas do sexo masculino e trs do sexo feminino so chamadas ao acaso para
submeterem-se a um exame biomdico. Qual a probabilidade de serem chamadas,
alternadamente, crianas de sexo diferentes? 0,10
15) Uma caixa contm 6 parafusos bons e 4 defeituosos. Quatro so retirados ao acaso, sem
reposio. Calcule a probabilidade de:
a) Todos serem bons; 1/14
b) Todos serem defeituosos; 1/210
c) 2 serem bons e 2 defeituosos; 3/7
d) Ao menos um ser bom.? 209 / 210
16) Cinco homens e cinco mulheres so dispostos em fila indiana. Qual a probabilidade de que:
a) A primeira pessoa da fila seja homem? 0,50
b) A primeira e a ltima pessoa da fila sejam homens? 2/9
17) Uma turma tem 25 alunos dos quais 40% so meninas. Escolhendo-se, ao acaso, um entre
todos os grupos de 2 alunos que se podem formar com os alunos dessa turma, determine a
probabilidade de que este seja composto por uma menina e um menino. 1/2
13
18) De uma caixa com 10 lmpadas, das quais 6 esto boas, retiram-se 3 lmpadas ao acaso e
que so testadas a seguir. Qual a probabilidade de que:
a) Todas acedam? 1 / 6
b) Pelo menos uma lmpada acenda? 29/30
Captulo 3
Variveis Aleatrias Discretas.
1) Introduo.
Em muitos estudos cientficos, interessa nos medir algum fenmeno, tal como
peso de uma pessoa, rendimento familiar etc. Quando se fala em medida, o que se est
fazendo atribuir a cada fenmeno um particular nmero. Por isso, daqui para frente,
estaremos interessados numa funo que associa eventos a nmeros reais.
Definio: Seja um A um evento do espao amostral . A funo X que possui como
domnio o espao amostral e como imagem o conjunto Rx R definida como varivel
aleatria X. X: R
Notao: Na varivel aleatria usamos letras maisculas X, Y, Z etc. Contudo, quando
estamos representando o particular valor que essa varivel aleatria assume, usaremos
letras minsculas x, y, z etc.
2) Variveis Aleatrias Discretas.
Seja X uma varivel aleatria. Se o nmero de valores possveis de X for finito ou
infinito enumervel, isto . Se os valores possveis de X podem ser postos lista como x1, x2,...
xn ento X ser denominada varivel aleatria discreta.
Exemplo: X o nmero de caras no lanamento de 3 moedas.
3) Funo Densidade de Probabilidade.
Definio: f uma funo densidade de probabilidade (fdp) da varivel aleatria (v.a)
X se:
f(x) 0 e f(xi) = 1 para X uma v.a. discreta com xi Rx
Propriedade: Se X for uma v.a. discreta, f(x) = f(xi) = P(X = xi)
14
4) Varivel Aleatria Bi Dimensional.
Seja um espao amostral e w um evento de . Considere X e Y duas funes,
cada uma associando um nmero real a cada resultado w , ento X = X(w) e Y = Y(w).
Denomina-se (X,Y) uma varivel aleatria bidimensional (ou vetor aleatrio).
OBS: Varivel Aleatria Bidimensional Discreta.
(X, Y) ser uma varivel aleatria discreta bidimensional se os valores possveis de
(X, Y) forem finitos ou infinitos enumerveis, isto , os valores possveis de (X, Y) podem ser
representados por (xi, yj), i = 1, 2, ..., n e j = 1, 2 ... m.
A cada resultado possvel (xi, yj) associaremos um nmero p(xi,yi) = P(X = xi, Y = yj)
satisfazendo as seguintes condies:
a) p(xi, yj) 0 para todo (xi, yj) ou f(x, y) 0
b) p(xi, yj) = 1
A funo p definida para todo (xi, yj) no contradomnio de (X, Y) denominada
funo de probabilidade conjunta de (X, Y).
Define-se a probabilidade marginal, que considera somente uma varivel como
sendo:
f(x) = P(X = xi) = p(xi, yj) e f(y) = P(y = yj) = p(xi, yj)
5) Variveis Aleatrias Independentes.
Da mesma maneira que definimos o conceito de independncia de dois eventos A e
B, agora definiremos o de variveis aleatrias independentes. Intuitivamente, pretendemos
dizer que X e Y so variveis aleatrias independentes quando o resultado de Y, por
exemplo, de modo algum influencia o resultado de X.
P(X = xi, Y = yj) = P(X = xi,). P (Y = yj)
Teorema: Seja (X, Y) uma v.a. discreta bidimensional, X e Y so independentes se, e
somente se:
15
P(X = xi/ Y= yj) = P(X= xi) para todo I e j.
6) Valor Esperado ou Esperana de uma Varivel Aleatria Discreta.
Definio: Seja X uma varivel aleatria discreta com valores possveis x1, x2,..., xn.
O valor esperado de X denotado por E(X) definido como:
E(X) = xi . P(X = xi) = xi . p(xi)
Note que E(X) pode ser considerado como uma mdia aritmtica dos valores
possveis x1, x2, .., xn. Neste caso deve-se considerar a probabilidade de xi como sendo a
freqncia relativa de xi.
OBS: Propriedades do Valor Esperado.
Seja X uma varivel aleatria discreta e a uma constante.
P1. E(a) = a
P2. E(aX) = a.E(X)
P3. E(X + Y) = E(X) + E(Y)
P4. E(Y / X) = y p(y/x) (Esperana Condicional)
P5. E(XY) = xy p (x, y)
P6. Se X e Y so independentes, ento E(XY) = E(X). E(Y)
IPC: Se X e Y no so independentes, ento E(XY) E(X) . E(Y) e a diferena E(XY)
E(X). E(Y) utilizada como medida de dependncia entre X e Y. Essa medida a
covarincia entre X e Y.
Logo:
Cov (X, Y) = E(XY) E(X) . E(Y)
Se X e Y so independentes cov (X, Y) = 0. A recproca nem sempre
verdadeira.
16
7) Varincia de uma Varivel Aleatria Discreta.
A varincia de uma v.a. mede a variabilidade desta em relao ao seu valor
esperado. Seja X uma v.a. Definimos a varincia de X por V(X) ou Var(X) por:
Var (X) = ( )
2
X E - [ ]
2
) ( X E
A varincia de uma varivel aleatria a varincia de dados agrupados em
freqncia ou me classe, considerando a probabilidade de xi como sendo a freqncia
relativa de xi e E(X) com a mdia aritmtica de X.
Damos o nome de Desvio Padro DP (X) a raiz quadrada da Varincia de X.
OBS: Propriedades da Varincia.
Seja X uma varivel aleatria e a uma constante.
P1. Var (X + a) = Var (X)
P2. Var (aX) = a
2
.Var(X)
P3. Var (a) = 0
P4. Var (X Y) = Var (X) + Var(Y) 2cov(X, Y)
P5. Se X e Y forem independentes, Var(X + Y) = Var(X) + Var(Y)
17
Exerccios de Aplicao.
1) Considere o lanamento de uma moeda honesta 3 vezes. Seja X a v.a. que representa o
nmero de caras obtidas. Determine a funo densidade de probabilidade de X.
2) Considere o lanamento de dois dados. Seja X a varivel aleatria que representa a soma
dos valores obtidos.
a) Calcule a P(X ser par)
b) Determine a fdp de X
3) Um clube possui scios cujos filhos tm entre 15 e 18 anos (v.a.X). A varivel aleatria Y
mede a instruo atravs dos anos completos de estudo. Para fazer uma pesquisa de
satisfao com o clube, selecionou-se um filho de scio. Pergunta-se qual a probabilidade:
a) De ter 17 anos
b) De ter 8 anos completos de estudo
c) De ter 9 anos completos de estudo, dado que tem 18 anos
Y = 7 Y = 8 Y = 9
X = 15 12 10 3 25
X = 16 5 30 6 41
X = 17 2 5 9 16
X = 18 1 5 12 18
20 50 30 100
4) Suponha que uma mquina seja utilizada para determinada tarefa durante a manh e para
uma tarefa diferente durante tarde. Seja X o n de vezes que a mquina pra com defeito
18
de manh e Y o n de vezes que a mquina pra com defeito tarde. X e Y independentes?
Justifique.
X = 0 X = 1 X = 2 P(Y)
Y = 0 0,10 0,20 0,20
Y = 1 0,04 0,08 0,08
Y= 2 0,06 0,12 0,12
P(X)
5) Calcule o valor esperado da seguinte varivel aleatria.
X: 1 2 3 4 5 6
P(X):
6
1
para todo x .
6) Calcule E(X),E(3X) e E (X+ 1) onde X:
X 1 2 3 4
P(X) 0,2 0,3 0,4 0,1
7) Se E(X)=l e E(Y)=2, calcule E(Z) onde Z = 2X+4Y
8) A tabela seguinte registra as rentabilidades anuais das aes das empresas 1 e 2,
negociadas na bolsa de valores. Mea a dependncia entre as aes das empresas e o ano.

Empresa
Ano Y = 1 Y = 2
X = 1 0,10 0,35
X = 2 0,23 0
X = 3 0 0,28
X = 4 0,04 0
9) Calcule a varincia da varivel aleatria abaixo:
X 1 2 3 4
5
P(X) 0,2 0,2 0,2 0,2
0,2
19
10) Se E(X
2
) = 40 = E(Y
2
), E(X) = 5 e E(Y) = 4 e E(XY) = 30, calcule:
a) E (3X + 8)
b) Var (3X + 8)
c) Var (X + Y)
11) Se E(X) = 1 e E(Y) = 2, Var(X) = Var(Y) = 4 calcule var(Z) onde Z = 2X + 4Y e X e Y so
independentes.
12) Considere a seguinte funo de probabilidade conjunta de X e Y:
Y = -2 Y = -1 Y = 4 Y = 5
X = 1 0,1 0,2 0 0,3
X = 2 0,2 0,1 0,1 0
a) Calcule a distribuies marginais de X e Y
b) Calcular E(X), E(Y) e E(XY)
c) Calcule Var(X) e Var{Y)
d) Calcule cov(X,Y)
e) X e Y so independentes? Por qu?
13) Um caa-nquel tem dois discos que funcionam independentemente um do outro. Cada disco
tem 10 figuras: 4 mas, 3 bananas, 2 pras e I laranja. Uma pessoa paga R$ 80,00 e
aciona a mquina. Se aparecerem 2 mas, ganha R$ 40,00. Se aparecerem 2 bananas,
ganha R$ 80,00; R$ 140,00 se aparecerem 2 pras e ganha R$ 180,00 se aparecerem 2
laranjas. Qual a esperana de ganho numa nica jogada?
14) Na produo de uma pea so empregadas duas mquinas. A primeira utilizada para
efetivamente produzir as peas, e o custo de produo de R$ 50,00 por unidade. Das
peas produzidas nessa mquina, 90% so perfeitas. As peas defeituosas (produzidas na
primeira mquina) so colocadas na segunda mquina para a tentativa de recuperao
(tom-las perfeitas). Nessa segunda mquina o custo por pea de R$ 25,00, mas apenas
60% das peas so de fato recuperadas. Sabendo que cada pea perfeita vendida por R$
20
90,00, e que cada pea defeituosa vendida por R$ 20,00, calcule o lucro por pea
esperado pelo fabricante.
15) Um supermercado faz a seguinte promoo: o cliente, ao passar pelo caixa, lana um dado.
Se sair face 6 tem um desconto de 30% sobre o total de sua conta. Se sair 5 o desconto
de 20%. Se ocorrer face 4 de 10%, e se ocorrerem faces 1, 2 ou 3 o desconto de 5%.
Calcular o desconto mdio concedido.
16) As probabilidades de que haja 1, 2, 3, 4 ou 5 pessoas em cada carro que v ao litoral num
sbado so respectivamente : 0,05, 0,20, 0,40 e 0,10. Qual o nmero mdio de pessoas por
carro? Se chegarem no litoral 4000 carros por hora, qual o nmero esperado de pessoas, em
10 horas de contagem?
17) Um banco pretende aumentar a eficincia de seus caixas. Oferece um prmio de R$ 150,00
para cada cliente atendido alm de 42 clientes por dia. O banco tem um ganho operacional
de R$ 100,00 para cada cliente atendido alm de 41. As probabilidades de atendimento so
dadas na tabela abaixo. Qual a esperana de ganho do banco se este novo sistema for
implantado?
N Clientes At 41 42 43 44 45 46
Probabilidade 0,88 0,06 0,04 0,01
0,006 0,004
21
Captulo 5
Distribuies Tericas de Probabilidades de
Variveis Aleatrias Discretas.
1) Distribuio de Bernoulli.
Consideremos uma nica tentativa de um experimento aleatrio. Podemos ter
sucesso ou fracasso nessa tentativa.
Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p + q = 1.
Seja X: nmero de sucessos em uma nica tentativa do experimento. X assume o valor 0
(zero) que corresponde ao fracasso, com probabilidade q, ou o valor 1 (um), que
corresponde ao sucesso, com probabilidade p.
X =
'
sucesso
fracasso
1
0
com P (X = 0) = q e P(X = 1) = p
Nessas condies a varivel aleatria X tem distribuio de BERNOULLI, e sua
funo de probabilidade dada por:
P(X = x) = p
x
.q
1-x
OBS:
E(X) = P
VAR (X) = pq
22
2) Distribuio Geomtrica.
Consideremos tentativas sucessivas e independentes de um mesmo experimento
aleatrio. Cada tentativa admite sucesso com probabilidade p e fracasso com probabilidade
q; p + q = 1.
Seja X: nmero de tentativas necessrias ao aparecimento do primeiro sucesso Logo, X
assume os valores:
X = 1, que corresponde ao sucesso (S) e P (X = 1) = p
X = 2, que corresponde ao fracasso (F) na 1 tentativa e sucesso na segunda, (FS) e P
(X = 2) = P (F S) = q . p;
X = 3, que corresponde a (FFS) e P (X = 3) = P (FFS) = q.q.p = q
2
.p;
X = 4, que corresponde a (FFFS) e P(X = 4) = q
3
. p; e assim sucessivamente, X = x, que
corresponde a FF ... FS com

x
FS FF...
com
P(X = x) = q
x-1
.p
A varivel X tem ento distribuio geomtrica.
OBS:
E(X) =
p
1
VAR(X) =
2
p
q
3) Distribuio de Pascal.

Suponhamos que um experimento aleatrio seja repetido independentemente at
que um evento A ocorra pela r-sima vez.
Seja P (A) = p (sucesso)
e P (A) = q (fracasso) em cada tentativa do experimento
Seja X: nmero de repeties necessrias para que A ocorra pela r-sima vez.
Se r = 1, X tem distribuio geomtrica.
Se X = x, o evento A ocorre pela r-sima vez na repetio de nmero x. Logo A ocorre (r
-1) vezes nas (x- 1) repeties anteriores.
P(X = x) =
,
_
1
1
r
x
p
r
.q
x r
, x r
A varivel X assim definida tem distribuio de Pascal.
23
OBS:
E(X) =
p
r
VAR(X) =
2
p
rq
4) Distribuio Binomial.
Consideremos n tentativas independentes de um mesmo experimento aleatrio.
Cada tentativa admite apenas dois resultados: fracasso com probabilidades 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 probabilidades da varivel X, isto , P (X = k).
Considerando todas as n plas com k sucessos, temos:
P (X = k) =
k n k
q p
k
n

,
_
.
A varivel X tem distribuio binomial, com parmetros n e p, e indicaremos pela
notao:
X: B (n, p)
Obs:
E(X) = n.p
VAR(X) = n.p.q
5) Distribuio de Poisson.
Muitas vezes, no uso da binomial, acontece que n muito grande (n ) e p
muito pequeno (p ). Nesses casos no encontramos o valor em tabelas, ou ento o
clculo toma-se muito difcil, sendo necessrio o uso de mquinas de calcular
sofisticadssimas ou ento de computador. Podemos ento fazer uma aproximao da
binomial pela distribuio de Poisson.
Consideremos:
1. n (maior que o maior valor tabelado, n > 30)
24
2. p 0 (p < 0,1)
3. 0 < 10
Quando isso ocorre, a mdia = np ser tomada como np =
Consideremos a probabilidade de ocorrncia de sucessos em um determinado
intervalo. A probabilidade da ocorrncia de um sucesso no intervalo proporcional ao
intervalo. A probabilidade de mais de um sucesso nesse intervalo bastante pequena com
relao probabilidade de um sucesso.
Seja X o nmero de sucessos no intervalo, ento:
!
.
) (
k
e
k X P
k

onde a mdia. A varivel X assim definida tem distribuio de Poisson.
A distribuio de Poisson muito usada na distribuio do nmero de:
1. carros que passam por um cruzamento por minuto, durante uma certa hora do dia;
2. erros tipogrficos por pgina, em um material impresso;
3. defeitos por unidade (m
2
, m
3,
m, etc.,) por pea fabricada;
4. colnias de bactrias numa dada cultura por 0,01 mm
2
, numa plaqueta de microscpio;
5. mortes por ataque de corao por ano, numa cidade. aplicada tambm em problemas
de filas de espera em geral, e outros.
OBS:
E(X) = VAR (X) =
Exerccios
1) Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma bola dessa uma. Seja X: nmero
de bolas verdes, calcular E (X) e VAR (X) e determinar P (X).
2) A probabilidade de se encontrar aberto o sinal de trnsito numa esquina 0,20. Qual a
probabilidade de que seja necessrio passar pelo local 5 vezes, para encontrar o sinal aberto
pela primeira vez?
3) A probabilidade de que um sinal de trnsito esteja aberto numa esquina 0,20. Qual a
probabilidade de que seja necessrio passar pelo local 10 vezes para encontr-lo aberto
pela 4 vez?
25
4) Numa criao de coelhos, 40% so machos. Qual a probabilidade de que nasam pelo
menos 2 coelhos machos num dia em que nasceram 20 coelhos?
5) Uma urna, tem 6 bolas brancas, 4 pretas e 5 azuis. Retiram-se 8 bolas com reposio. Qual
a probabilidade de sair 4 bolas brancas, 2 pretas e 2 azuis?
6) Num livro de 800 pginas h 800 erros de impresso. Qual a probabilidade de que uma
pgina contenha pelo menos 3 erros?
7) Seja X: B (200; 0,01). Calcular P(X = 10) usando Poisson.
8) A probabilidade de um arqueiro acertar um alvo com uma nica fecha de 0,20. Lana 30
fechas no alvo. Qual a probabilidade de que:
a) Exatamente 4 acertem o alvo?
b) Pelo menos 3 acertem o alvo?
9) Uma urna tem 20 bolas pretas e 30 brancas. Retiram-se 25 bolas com reposio. Qual a
probabilidade de que:
a) 2 sejam pretas?
b) Pelo menos 3 sejam pretas?
10) Uma urna tem 10 bolas brancas e 40 pretas.
a) Qual a probabilidade de que a 6
a
. bola retirada com reposio seja a 1
a
. branca?
b) Qual a probabilidade de que a 15 bola extrada com reposio seja a 6
a
. branca?
c) Qual a probabilidade de que em 30 bolas retiradas com reposio ocorram no
mximo 2 brancas?
11)Qual a probabilidade de que no 25 lanamento de um dado ocorra a face 4 pela 5
a
. vez?
12) Numa estrada h 2 acidentes para cada 100 Km. Qual a probabilidade de que em :
a) 250 Km ocorram pelo menos 3 acidentes?
b) 300 Km ocorram 5 acidentes?
26
13)Um lote de aparelhos de TV recebido por uma firma. 20 aparelhos so inspecionados. O
lote rejeitado se pelo menos 4 forem defeituosos. Sabendo-se que 1 % dos aparelhos
defeituoso, determinara a probabilidade de a firma rejeitar todo o lote.
14) A experincia mostra que de cada 400 lmpadas, 2 queimam ao serem ligadas. Qual a
probabilidade de que numa instalao de:
a) 600 lmpadas, no mnimo 3 se queimarem?
b) 900 lmpadas, exatamente 8 se queimarem?
15) Uma firma recebe 720 mensagens em seu fax em 8 horas de funcionamento. Qual a
probabilidade de que:
a) Em 6 minutos receba pelo menos 4 mensagens?
b) Em 4 minutos no receba nenhuma mensagem?
16) Considere 10 tentativas independentes de um experimento. Cada tentativa admite sucesso
com probabilidade 0,05. Seja X: nmero de sucessos:
a) Calcular P (1 < X 4)
b) Considere 100 tentativas independentes. Calcular P (X 2)
17)Sabe-se que 20 % dos animais submetidos a um certo tratamento no sobrevivem .Se esse
tratamento foi aplicado em 20 animais e se X o nmero de no-sobreviventes
a) Qual a distribuio de X?
b) E(X) e VAR (X) .
c) Calcular P(2 < X 4)
d) Calcular P (X > 2)
18)Um tcnico visita clientes que compraram assinatura de um canal de Tv para verificar o
decodificador. Sabe-se, por experincia, que 90 % desses aparelhos no apresentam
defeitos.
a) Determinar a probabilidade de que me 20 aparelhos pelo menos 17 no apresentem
defeitos.
b) Se a probabilidade de defeito for de 0,0035, qual a probabilidade de que em 2000
visitas ocorra no mximo 1 defeito?
1) 2/5 e 6/25
2) 0,08192
27
3) 0,035232
4) 0,99948
5) 0,08495
6) 0,080302
7) 0,000038
8) a) 0,13252 b) 0,95581
9) a) 0,00038 b) 0,99957
10) a) 0,065536 b) 0,008599 c) 0,04419
11) 0,03564
12) a) 0,875348 b) 0,160623
13) 0,00004
14) a) 0,57681 b) 0,046330
15) a) 0,978774 b) 0,002479
16) a) 0,08607 b) R: 0,124652
17) a) B: (20; 0,2) b) 4 e 3,2 c) 0,42356 d) 0,93082
18) a) 0,86705 b) 0,007295
GABARITO
Captulo I
1) 2/5
2) a) 0,347 b) 0,154
3) 5/6
4) 1/2
5) 1/46656
6) 3/10
7) a) 0,20 b) 0,9286 c) 0,9286
8) a) 0,32 b) 0,88
9) No. Sim
10) 0,50
11) 0,30
12) a) 0,50 b) 0,10
13) 19%
14) 10%
15) a) 0,75% b) 4,25%
28
16) 0,46
17) 2%
18) 8/11
Captulo 2
1) a) 1 / 11 b) 5 / 22 9) 1/ 2 b) 2/ 9
2) 1 / 10000 10) 1/ 2
3) 10 / 21 11) 1/ 9
4) 10 % 12) a) 1/ 6 b) 29 / 30
5) a) 1 / 14 b) 1 / 210 c) 3 / 7 d) 209 / 210 13) 1 / 2
6) 1 / 30
7) 180 / 899
8) 1,38 %
Captulo 3
1) f(x) = 1/8 se x = 0 ou x = 3
3/8 se x = 1 ou x = 2
2) a) 0,5 b)
X 1 2 3 4
5
P(X) 0,2 0,2 0,2 0,2
0,2
3) a) 0,16 b) 0,50 c) 0,67
4) Sim, pois P(X = xi, Y = yi) = P(X = xi) . P(Y = yj) para todo i e j.
5) 3,5
6) 2,4; 7,2; 3,4
7) 10
8) 0,01333
9) 2
10) a) 23 b) 135 c) 59
11) 80
12) a) P(X): 0,6 0,4 P(Y): 0,3 0,3 0,1 0,3 b) 1,4; 1; 0,9
c) 0,24; 0,96
d) - 0,50
e) No
13) R$ 59,00
14) R$ 34,70
29
15) 12,5 %
16) 3,15; 126.000
17) 7,30
18) 75.600,00
Captulo 4
19) 2/5 e 6/25
20) 0,08192
21) 0,035232
22) 0,99948
23) 0,08495
24) 0,080302
25) 0,000038
26) a) 0,13252 b) 0,95581
27) a) 0,00038 b) 0,99957
28) a) 0,065536 b) 0,008599 c) 0,04419
29) 0,03564
30) a) 0,875348 b) 0,160623
31) 0,00004
32) a) 0,57681 b) 0,046330
33) a) 0,978774 b) 0,002479
34) a) 0,08607 b) R: 0,124652
35) a) B: (20; 0,2) b) 4 e 3,2 c) 0,42356 d) 0,93082
36) a) 0,86705 b) 0,007295
37) Melhor o preo de R$ 20,00 por caixa pois E(Y) = 10,72.
30

Estatística II Atualizada

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Estatística II Atualizada

Încărcat de

Drepturi de autor:

Formate disponibile

Professor Alusio Lima

S-ar putea să vă placă și