SUMRIO
1. INTRODUO....................................................................................................................................................................2
1.1. MODELOS ........................................................................................................................................................................2
1.2. EXPERIMENTO ALEATRIO (NO-DETERMINSTICO) .......................................................................................................2
1.3. O ESPAO AMOSTRAL .....................................................................................................................................................3
1.4. EVENTOS .........................................................................................................................................................................4
1.5. COMBINAO DE EVENTOS .............................................................................................................................................4
1.6. EVENTOS MUTUAMENTE EXCLUDENTES .........................................................................................................................5
2. CONCEITOS DE PROBABILIDADE ..............................................................................................................................6
2.1. CLSSICO ........................................................................................................................................................................6
2.2. FREQENCIAL .................................................................................................................................................................6
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
1. INTRODUO
A cincia manteve-se at pouco tempo atrs, firmemente apegada lei da causa e efeito.
Quando o efeito esperado no se concretizava, atribua-se o fato ou a uma falha na experincia ou a
uma falha na identificao da causa. No poderia haver quebra da cadeia lgica. Segundo Laplace
(Pierre Simon) uma vez conhecidas a vizinhana, a velocidade e a direo de cada tomo no universo,
poder-se-ia, a partir da, predizer com certeza, o futuro at a eternidade.
Sabe-se hoje, atravs do princpio da incerteza , que no bem assim. Que no existem meios
que permitam determinar os movimentos dos eltrons individuais se conhecido a sua velocidade, conforme o estabelecido em 1927, pelo fsico alemo W. Heinsenberg.
1.1. MODELOS
Conforme J. Neymann, toda a vez que se emprega Matemtica com a finalidade de estudar
algum fenmeno deve-se comear por construir um modelo matemtico. Este modelo pode ser: determinstico ou ento probabilstico.
Modelo determnistico
Neste modelo as condies sob as quais o experimento executado, determinam o resultado
do experimento. Tome-se, por exemplo, a lei de Ohm, V = I.R. Se R e I forem conhecidos, ento V estar precisamente determinado.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
E6: Lana-se uma moeda at que ocorra uma cara e conta-se ento o nmero de lanamentos
necessrios.
E7: Lanam-se dois dados e anota-se o total de pontos obtidos.
E8: Lanam-se dois dados e anota-se o par obtido.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
1.4. EVENTOS
DEFINIO:
Qualquer Subconjunto De Um Espao Amostra S Denominado Um Evento.
Assim tem-se que:
S o evento certo;
{ a } o evento elementar e
o evento impossvel.
Convm observar que tecnicamente todo subconjunto de um espao amostra um evento apenas quando ele for finito ou, ento, infinito enumervel. Se o espao amostra infinito noenumervel possvel construir subconjuntos que no so eventos. Se S finito, isto , #(S) = n ento
o nmero de eventos possveis #P(A) = 2n.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
2. CONCEITOS DE PROBABILIDADE
Existem trs formas de se definir probabilidade. A definio clssica, a definio freqencial
e a definio axiomtica.
2.1. CLSSICO
Seja E um experimento aleatrio e S um espao amostra associado formado por n resultados igualmente provveis. Seja A S um evento com m elementos. A probabilidade de A, anotada
por P(A), l-se pe de A, definida como sendo:
P(A) = m / n
Isto , a probabilidade do evento A o quociente entre o nmero m de casos favorveis e o
nmero n de casos possveis.
Exemplo 2.1
Calcular a probabilidade de no lanamento de um dado equilibrado obter-se:
(a) Um resultado igual a 4.
(b) Um resultado mpar.
Soluo:
S = { 1, 2, 3, 4, 5, 6 } n = #(S) = 6
(a) A = { 4 } m = #(A) = 1 ento P(A) = m / n = 1 / 6 = 16,67%
(b) B = { 1, 3, 5 } m = #(B) = 3 ento P(B) = m / n = 3 / 6 = 50%
2.2. F REQENCIAL
Na prtica acontece que nem sempre possvel determinar a probabilidade de um evento.
Neste caso necessrio ter um mtodo de aproximao desta probabilidade. Um dos mtodos utilizados a experimentao que objetiva estimar o valor da probabilidade de um evento A com base em valores reais. A probabilidade avaliada atravs deste processo denominada de probabilidade emprica.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(ii) Um dado foi lanado 100 vezes e a face 6 apareceu 18 vezes. Ento a freqncia relativa
do evento A = { face 6 } :
frA = 18 / 100 = 0,18 = 18%
Definio
Seja E um experimento e A um evento de um espao amostra associado S. Suponhamos que E
repetido n vezes e seja frA a freqncia relativa do evento. Ento a probabilidade de A definida
como sendo o limite de frA quando n tende ao infinito. Ou seja:
P(A) = lim fr A
n
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
Definio
Sejam A e B dois eventos de um espao amostra S, associado a um experimento E, onde
P(A) > 0. A probabilidade de B ocorrer condicionada a A ter ocorrido, ser representada por P(B/A), e
lida como: probabilidade de B dado A ou probabilidade de B condicionada a A, e calculada por:
P(B/A) = P(A
B) / P(A)
No exemplo acima, ento P(B/A) = 19 / 99, pois se A ocorreu (isto , se saiu pea defeituosa
na primeira retirada) existiro na urna apenas 99 peas das quais 19 defeituosas.
Sempre que se calcular P(B/A) est se calculando a probabilidade de ocorrncia do evento B
em relao ao espao amostra reduzido A, ao invs de faz-lo em relao ao espao amostral original
S.
Quando se calcula P(B) est se calculando a probabilidade de estar em B, sabendo-se que se
est em S, mas quando se calcula P(B/A) est calculando a probabilidade de B, sabendo-se que se est
em A agora e no mais em S, isto , o espao amostra fica reduzido de S para A.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
3. VARIVEIS ALEATRIAS
3.1. INTRODUO
Ao se descrever o espao amostra de um experimento nota-se que os elementos no so necessariamente nmeros. Assim, por exemplo, no lanamento de duas moedas pode-se ter o seguinte
espao amostra:
S = { cc, ck, kc, kk }
Contudo, na maior parte das vezes, se est interessado num resultado numrico, isto , desejase associar aos elementos do espao amostra S um nmero real x = X(s). Desta forma formula-se a definio:
Seja E um experimento com um espao amostra associado S. Uma funo X que associe a cada elemento de S (s S) um nmero real x = X(s) denominada varivel aleatria.
O conjunto formado por todos os valores x, isto , a imagem da varivel aleatria X, denominado de conjunto de valores de X e anotado por X(S). Desta forma:
X(S) = { x / X(s) = x }
Exemplo 3.1
Seja S o espao amostra formado pelas seqncias obtidas no lanamento de 3 moedas equilibradas. Seja X a varivel aleatria definida como sendo o nmero de caras da seqncia, isto , X(s) =
x = nmeros de caras. O conjunto de valores da varivel X X(S) = { 0, 1, 2, 3 }, pois, neste caso,
tem-se:
X(ccc) = 0
X(ckk) = 1, etc.
Ou ento:
s
kkk
ccc
X(s)
Conforme o conjunto de valores uma varivel aleatria poder ser discreta ou contnua.
Se o conjunto de valores for finito ou ento infinito enumervel a varivel dita discreta.
Se o conjunto de valores for infinito no enumervel ento a varivel dita contnua.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
1
1/36
2
3/36
3
5/36
4
7/36
5
9/36
6
11/36
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
40,00%
30,00%
20,00%
10,00%
0,00%
1
0
1/4
1
2/4
2
1/4
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
A varincia de X
Seja X uma varivel aleatria discreta com mdia = E(X). Ento a varincia de X, anotada
por 2 ou V(X) definida por:
2 = V(X) = f(x1) (x1 - )2 + f(x2) (x2 - )2 + ... + f(xn) (xn - )2 + ... = f ( xi) (xi )2
Pode-se demonstrar que a expresso da varincia, acima, pode ser transformada na seguinte
expresso:
2 = V(X) = f ( x i) ( xi ) 2 = f ( xi) xi2 2 = E(X2) - [E(X)]2 = E(X2) - 2
Exemplo 3.5
Calcular a varincia da distribuio do exemplo anterior.
Soluo:
Tem-se que: E(X) = 1, ento: 2 = V(X) = f ( x i) ( xi ) 2 = (1/4)(0 - 1)2 + (2/4)(1 - 1)2 +
(1/4)(2 - 1)2 = 1/2. Ou ainda: E(X2) = (1/4).02 + (2/4).12 + (1/4).22 = 3/2
2 = V(X) = E(X2) - 2 = 3/2 - 12 = 1/2
O desvio padro
O desvio padro da varivel X, anotado por , a raiz quadrada da varincia.
0
0,10
1
0,20
2
0,40
3
0,20
4
0,10
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
A varincia ento:
V(X) = E(X2) - 2 = 5,20 - 22 = 5,20 - 4 = 1,20
O desvio padro ser:
,
= 1, 10
= 120
(d) O coeficiente de variao o quociente entre o desvio padro e a mdia, isto :
= / = 1,10 / 2 = 0,55 = 55%
Definio:
Seja X uma VAD definida por X = nmero de vezes que A ocorreu nas n repeties de E. A
varivel aleatria X denominada de varivel aleatria Binomial. O conjunto de valores de X, isto ,
X(S) dado por: { 0, 1, 2, 3, ..., n }
Se X uma varivel aleatria com um comportamento Binomial, ento a probabilidade de X
assumir um dos valores do conjunto X(S) calculada por:
n
x
n
,
k
dentre n possibilidades para o evento A. Como estes resultados so todos mutuamente excludentes,
ento o valor de P(X = k) o da frmula acima.
Representao:
Se X tem um comportamento Binomial de parmetros n e p ento X representada por
B(n, p).
Exemplo 3.7
Considerando X como sendo a VAD igual a nmero de vezes que ocorre face cara em 5 lanamentos de uma moeda equilibrada, determinar a probabilidade de ocorrer:
(a) Duas caras
Prof. Lor Viali, Dr.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
5
1
5
2
(c) P(X 2) = . 0,50 . 0,5 5 + . 0,51. 0,54 + . 0,52 . 0,53 = 0,55 + 5.0,55 + 10.0,55 = 50%
15 ,0 0
12 ,0 0
9 ,0 0
6 ,0 0
48
45
42
39
36
33
30
27
24
21
18
15
12
0 ,0 0
3 ,0 0
= E(X) = x. f ( x) = x. .px .qn x = np, isto , a mdia de uma varivel aleatria com distrix
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
Varincia
n
com distribuio binomial igual ao produto dos parmetros n e p e multiplicados ainda por q.
O desvio padro
= npq
Exemplo 3.8
A probabilidade de um exemplar defeituoso com que opera certo processo produtivo de
10%. Considerando X a varivel nmero de unidades defeituosas em uma amostra ocasional de 20
unidades, determinar:
(a) O nmero mdio de item defeituosos na amostra.
(b) O desvio padro do nmero de item defeituosos na amostra.
Soluo:
(a) E(X) = np = 20.0,10 = 2 itens defeituosos
(b) = npq = 20.0,10.0,90 = 180
,
= 1,34 itens defeituosos.
Exemplo 3.9
[NET74] Num determinado processo de fabricao 10% das peas so consideradas defeituosas. As peas so acondicionadas em caixas com 5 unidades cada uma.
(a) Qual a probabilidade de haver exatamente 3 peas defeituosas numa caixa?
(b) Qual a probabilidade de haver duas ou mais peas defeituosas numa caixa?
(c) Se a empresa paga uma multa de R$ 10,00 por caixa em que houver alguma pea defeituosa, qual o valor esperado da multa num total de 1000 caixas?
Soluo:
5
3
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
Definio
Seja X uma varivel aleatria contnua (VAC). A funo f(x) que associa a cada x X(S) um
nmero real que satisfaz as seguintes condies:
(a) f(x) 0, para todo x X(S) e
(b) rea sob a f(x) igual a 1
denominada de funo densidade de probabilidade (fdp) da varivel aleatria X.
Neste caso f(x) representa apenas a densidade no ponto x, ao contrrio da varivel aleatria
discreta, f(x) aqui no a probabilidade de a varivel assumir o valor x.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
A varincia de X
Seja X uma varivel aleatria contnua com mdia = E(X). Ento a varincia de X, anotada
por 2 ou V(X) definida por:
2 = V(X) = = E(X2) - 2, isto , a mdia dos quadrados menos o quadrado da mdia.
O desvio padro
O desvio padro da varivel aleatria contnua X, anotado por , a raiz quadrada da varincia.
1
2
0,6
0,4
0,2
0,0
( x ) 2/ 22 ,
para - x
-5,0
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
3,0
4,0
5,0
Varincia
V(X) = 2, isto , a varincia da distribuio normal o parmetro ao quadrado.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
O desvio padro
O desvio padro da distribuio normal o parmetro .
0,5
0,4
0,3
0,2
0,1
0,0
-4,0
-3,0
-2,0
-1,0
0,0
1,0
2,0
S1
3,0
4,0
1
2
e z
2 /2
, para - z
4.3.4. Tabelas
A forma de se calcular probabilidade com qualquer distribuio normal atravs da tabela da
normal padro. Assim se X : N(, ) ento primeiro necessrio padronizar X, isto , fazer:
Z = (X - ) / .
Em seguida obter em uma tabela o valor da probabilidade, isto , o valor:
P(Z z) = (z)
Este valor (z) pode ser lido como valor tabelado de z e significa a probabilidade de a varivel aleatria contnua Z = (X - ) / assumir valores esquerda (abaixo de) do valor particular z.
Lembrar que qualquer tabela construda fornecendo os valores da FDA de Z. A maioria delas fornece as probabilidades de Z z para valores de z entre -3,09 e +3,09 e com aproximao centesimal. Algumas fornecem valores de z entre 0 e 3,09
Assim o primeiro valor tabelado em geral (-3,09) = P(Z -3,09) que vale 0,0000, isto ,
zero com uma aproximao de 4 decimais. O valor seguinte seria (-3,08) = P(Z -3,08) = 0,0001.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
O ltimo valor tabelado , em geral, (3,09) = P(Z 3,09) = 1,000, pois o valor acumulado,
isto quer dizer, que at este valor tem-se a totalidade da rea til sob a curva avaliada com uma aproximao de 4 decimais.
Convm ressaltar que as tabelas sendo da FDA de Z fornecem a rea esquerda de um valor
qualquer z. No entanto, como a curva simtrica, se quisssemos, a rea direita de z, basta observar que:
P(Z > z) = 1 - P(Z z) = 1 - (z) = (-z)
Exemplo 4.2
Seja Z uma N(0, 1). Determinar as seguintes probabilidades:
(a) P(Z < 2,23)
(b) P(Z > -1,45)
(c) P(-2 < Z 2)
(d) P(-1 Z 1)
Soluo:
(a) P(Z < 2,23) = (2,23) = 98,71%
(b) P(Z > -1,45) = 1 - P(Z -1,45) = 1 - (-1,45) = 1 - 0,0735 = 92,65%
(c) P(-2 < Z 2) = (2) - (-2) = 0,9772 - 0,0228 = 95,44%
(d) P(-1 Z 1) = (1) - (-1) = 0,8413 - 0,1587 = 68,26%
Exemplo 4.3
Seja X uma VAC com distribuio N(10, 2). Determinar:
(a) P(X < 10)
(b) P(X > 11,50)
(c) P(8 < Z 12)
(d) P(6,08 Z 13,92)
Soluo:
Neste caso, antes de se poder procurar os valores na tabela necessrio padronizar cada valor
de X, atravs da expresso:
Z = (X - ) / = (X - 10) / 2
(a) P(X < 10) = P((X - 10) / 2 < (10 - 10) / 2) = P(Z < 0) = (0) = 50%
(b) P(X > 11,50) = P(Z > (11,50 - 10) / 2) = P(Z > 0,75) = 1 - (0,75) = 22,66%
(c) P(8 < X 12) = P(-1 < Z 1) = (1) - (-1) = 0,8413 - 0,1587 = 68,26%
(d) P(6,08 X 13,92) = P(-1,96 < Z 1,96) = (1,96) - (-1,96) = 0,9750 - 0,0250 = 95%
P(X = x) = . px . qn x
Quando o nmero de provas n cresce (tende ao infinito) a distribuio binomial tende a uma
distribuio normal de mdia = np e desvio padro = npq
Em geral admite-se que para np 5 e nq 5, n j ser suficientemente grande para se poder
aproximar uma distribuio binomial pela normal.
Prof. Lor Viali, Dr.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
No entanto, devido ao fato de se estar aproximando uma distribuio discreta, atravs de uma
contnua, recomenda-se para se obter maior preciso, realizar uma correo de continuidade que consiste em transformar, por exemplo, P(X = x) no intervalo P(x - 0,5 < X < x + 0,5) e o mesmo em qualquer outra situao.
Exemplo 4.4
No lanamento de 30 moedas honestas, qual a probabilidade de sarem:
(a) Exatamente 12 caras?
(b) Mais de 20 caras?
Soluo:
(a) A probabilidade de sarem 12 caras dada pela distribuio binomial por:
30
. 0,512 . 0,518
12
P(X = 12) =
= 8,06%
= npq = 30. .
= 2,7386
Ento P(X =12) calculado pela normal com utilizao da correo de continuidade ser:
P(X =12) P(11,5 < X < 12,5) = P(-1,28 < Z < -0,91) = 0,3997 - 0,3186 = 8,11%, que no
muito diferente do valor exato 8,06%.
30 1 i 1 30 i
=
. .
i=21 i 2 2
30
2,14%
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
5. EXERCCIOS
(01) Quatro moedas so lanadas e observa-se a seqncia de caras e coroas obtida. Qual o espao amostra do experimento.
(02) Uma urna contm duas bolas brancas (B) e trs bolas vermelhas (V). Retira-se uma bola ao acaso
da urna. Se for branca, lana-se uma moeda; se for vermelha, ela devolvida urna e retira-se outra
bola. D uma espao amostra para o experimento.
(03) Trs times A, B e C disputam um torneio de futebol. Inicialmente, A joga com B e o vencedor joga com C, e assim por diante. O torneio termina quando um jogador ganha duas vezes em seguida ou
quando so disputadas, ao todo, quatro partidas. Enumere os resultados do espao amostra: resultados
possveis do torneio.
(04) Uma moeda e um dado so lanados. D o espao amostral correspondente.
(05) Considerando dois eventos A e B de um mesmo espao amostra S, expresse em termos de operaes entre eventos:
(5.1) A ocorre mas B no ocorre;
(5.2) Exatamente um dos eventos ocorre;
(5.3) Nenhum dos eventos ocorre.
(06) Dois dados so lanados. Define-se os eventos: A = soma dos pontos obtidos igual a 9, e B = o
ponto do primeiro dado maior ou igual a 4. Determine os eventos A e B e ainda os eventos: AB,
AB e A
(07) Uma urna contm 12 moedas de igual tamanho, sendo 7 douradas e 5 prateadas. O experimento
consiste em retirar, sem reposio e ao acaso, duas moedas desta urna. Calcular a probabilidade de que
saiam:
(7.1) Uma moeda dourada e uma prateada, nesta ordem.
(7.2) Uma moeda dourada e uma prateada.
(7.3.) Duas moedas douradas.
(7.4) Duas moedas de mesma cor.
(08) Resolva o exerccio um considerando a retirada das moedas com reposio.
(09) sejam P(A) = 0,3, P(B) = 0,8 e P(AB) = 0,15.
(9.1) A e B so mutuamente exclusivos? Justifique.
(9.3) Determine (a) P(AUB)
(b) P(AB )
(c) P( A B )
(10) Suponha que A e B sejam eventos tais que P(A) = x, P(B) = y e P(AB) = z. Exprima cada uma
das seguintes probabilidades em termos de x, y e z.
(10.3) P(B )
(10.4) P(A/B)
(10.5) P( A UB )
(10.1) P(AUB)
(10.2) P( A )
(10.6) P( A UB)
(10.7) P( A B)
(10.8) P(AB )
(10.9) P( A B )
(10.10) P( A /B )
(11) Uma amostra de 140 investidores de um banco revelou que 80 investem em poupana, 30 investem no fundo e 10 investem na poupana e no fundo. Selecionado um destes investidores ao acaso,
qual a probabilidade de que ele tenha investimentos na poupana ou no fundo?
(12) A probabilidade de um aluno A resolver uma questo de prova 0,80, enquanto que a do aluno B
0.60. Qual a probabilidade de que a questo seja resolvida se os dois alunos tentarem resolv-la independentemente.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(13) Um atirador A tem probabilidade de 1/4 de acertar um alvo. J um atirador B tem probabilidade
de 2/5 de acertar o mesmo alvo. Se ambos atirarem simultaneamente e independentemente, qual a probabilidade de que: (a) Ao menos um deles acerto o alvo e (b) Ambos acertem o alvo?
(14) Sejam A e B dois eventos mutuamente excludentes. A probabilidade de ocorrncia de ao menos
um destes eventos 0,52 e a probabilidade de A no ocorrer 0,60. Calcule a probabilidade de B ocorrer?
(15) Sejam: P(A) = 0,50; P(B) = 0,40 e P(AUB) = 0,70.
(15.1) A e B so eventos mutuamente excludentes? Por que?
(15.2) Qual o valor de P(AB).
(15.3) A e B so eventos independentes? Por que?
(15.4) Quais os valores de P(A/B) e P(B/A).
(16) Uma turma composta de 9 alunos de Economia, 14 de Administrao e 21 de Contbeis. Desejase eleger ao acaso uma comisso de dois alunos dessa turma. Calcule a probabilidade de que esta comisso seja formada por:
(16.1) Alunos s da Economia.
(16.2) Um aluno da Economia e outro de outro curso.
(16.3) Um aluno da Economia e outro da Contbeis.
(16.4) Dois alunos da Administrao ou dois da Contbeis.
(17) Um produtor de parafusos verificou que em uma amostra de 100 parafusos 5 eram defeituosos.
Numa segunda amostra de 200 parafusos ele encontrou 9 defeituosos. Voc diria que a probabilidade
de o prximo parafuso a ser produzido ter defeito 0,05? Ou 0,045? Explique?
(18) Se o jogo um da loteria esportiva for marcado na coluna dois, ento possvel afirmar que a probabilidade de acertar este jogo de 1/3? Por que?
(19) Dois nmeros so escolhidos ao acaso e sem reposio, dentre 6 nmeros positivos e 8 negativos,
e ento multiplicados. Calcule a probabilidade de que o produto seja positivo.
(20) Suponha-se que so retiradas duas bolas, sem reposio, de uma caixa contendo 3 bolas pretas e 5
bolas vermelhas. Determine:
(20.1) Todos os resultados possveis e suas respectivas probabilidades.
(20.2) Todos os resultados possveis e suas probabilidades supondo a extrao com reposio da
primeira bola retirada.
(21) Uma caixa contm 4 vlvulas defeituosas e 6 perfeitas. Duas vlvulas so extradas juntas. Uma
delas ensaiada e se verifica ser perfeita. Qual a probabilidade de que a outra vlvula tambm seja perfeita?
(22) Um dado viciado, de tal forma que a probabilidade de sair um certo ponto proporcional ao seu
valor (por exemplo o ponto 4 duas vezes mais provvel do que o ponto dois). Calcular:
(22.1) A probabilidade de sair 5, sabendo-se que o ponto que saiu mpar.
(22.2) A probabilidade de sair um nmero par, sabendo que saiu um nmero maior do que 3.
(23) A probabilidade de que dois eventos independentes ocorram so p e q, respectivamente. Qual a
probabilidade de que:
(23.1) Nenhum destes eventos ocorra.
(23.2) Pelo menos um destes eventos ocorra
(24) Calcular a P(A) sabendo que: P(AB) = 0, 72 e P(AB ) = 0,18.
Prof. Lor Viali, Dr.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(25) Um restaurante popular apresenta apenas dois tipos de refeies: salada completa e um prato base de carne. 20% dos fregueses do sexo masculino preferem salada; 30% das mulheres escolhem carne;
75% dos fregueses so homens. Considere os seguintes eventos:
H: o fregus homem
A: O fregus prefere salada
M: O fregus mulher
B: O fregus prefere carne
Calcular:
(25.1) P(H) (25.2) P(A/H) (25.3) P(B/M) (25.4) P(AH)
(25.5) P(AH) (25.6) P(M/A)
(26) Uma companhia de seguros analisou a freqncia com que 2000 segurados (1000 homens e 1000
mulheres) usaram o hospital. Os resultados esto apresentados na tabela:
Usaram o hospital
No usaram o hospital
Homens
100
900
Mulheres
150
850
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(36) Dados que dois acontecimentos A e B ocorrem independentemente com probabilidades p e q respectivamente, determine a probabilidade da ocorrncia de um e somente um destes acontecimentos.
(37) Dois aparelhos de alarme funcionam de forma independente, detectando problemas com probabilidades de 0,95 e 0,90. Determinar a probabilidade de que dado um problema, este seja detectado por
somente um dos aparelhos.
(38) Em um certo empreendimento comercial, um empresrio pode ter um lucro de R$ 300 com uma
probabilidade de 0,60 ou ento um prejuzo de R$ 100 com uma probabilidade de 0,40. Determinar o
lucro mdio do empreendimento.
(39) Sejam A e B dois eventos. Suponha que P(A) = 0,40, enquanto P(AB) = 0,70. Seja P(B) = p.
(39.1) Para que valor de p, A e B sero mutuamente excludentes?
(39.2) Para que valor de p, A e B sero independentes?
(40) O tempo T, em minutos, para que um operrio processe certa pea uma VAD com distribuio
dada na tabela abaixo.
t
2
3
4
5
6
7
f(t)
0,10
0,10
0,30
0,20
0,20
0,10
(40.1) Calcule o tempo mdio de processamento.
(40.2) Para cada pea processada o operrio ganha um fixo de R$ 2,00, mas se processa a pea em
menos de 6 minutos, ganha R$ 0,50 por cada minuto poupado. Por exemplo, se ele processa a pea em 4 minutos, recebe a quantia de R$ 1,00. Encontre a mdia e a varincia de G = quantia ganha por pea.
(41) No jogo de roleta, a pessoa escolhe um nmero entre 37 (de 0 a 36) e aposta x, sendo que , se ganhar, recebe 35x. Quantas vezes se espera que jogue um jogador inveterado que aposta sempre R$ 2,00
e um s nmero e dispe de R$ 50,00?
(42) O conjunto de resultados igualmente possveis de uma varivel aleatria X X(S) = { 0, 1, 2, 3,
4}. Represente em uma tabela a distribuio de X e calcule a expectncia e a varincia de X.
(43) Seja f(x) = 0,1x a funo de probabilidade da varivel aleatria com conjunto de resultados X(S)
= { 1, 2, 3, 4 }. Represente a funo de probabilidade em uma tabela e determine: E(x) e V(X).
(44) Um agente quer aplicar no mercado financeiro com o objetivo de fazer muitas aplicaes mensais
sucessivas. Ele dispem de duas opes, mas usar a de maior rentabilidade. Ele deve optar entre:
I - CDB com renda de 3% ao ms e sem riscos ou
II - Bolsa de valores com renda de 6% ao ms com probabilidade 0,46, 4% com probabilidade
0,45 ou prejuzo de 15% ao ms com probabilidade de 0,09.
Qual a opo mais lucrativa para o agente?
(45) Ao apostar R$ 100 no preto de uma roleta um apostador pode ganhar R$ 100 com probabilidade
17/37, perder este mesmo valor com probabilidade de 18/37 ou no ganhar nada com probabilidade
1/37. Utilize a expectncia para determinar qual o lucro ou prejuzo esperado em 370 apostas deste
mesmo valor?
(46) Pilhas de uma certa marca so acondicionadas de modo causal em embalagens de quatro pilhas. O
produtor desta marca opera com probabilidade de 0,04 de uma pilha ser defeituosa.
(46.1) Calcule a probabilidade de que uma embalagem tomada ao acaso contenha:
(a) Exatamente uma pilha defeituosa
(b) Somente pilhas perfeitas
(c) No mximo duas pilhas defeituosas.
Prof. Lor Viali, Dr.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(46.2) Quantas defeituosas deve-se esperar que existam, em mdia, por embalagem?
(47) Qual a probabilidade de obtermos exatamente duas caras em 8 lanamentos de uma moeda equilibrada?
(48) Uma turma tem 50 alunos, sendo 20 do sexo masculino. Deseja-se atravs de um sorteio que atribua a cada aluno da turma a mesma probabilidade de ser eleito, formar uma comisso de 4 alunos. Deseja-se tambm, determinar a probabilidade de a comisso resultante ter exatamente um aluno do sexo
feminino. Voc usaria o modelo binomial para calcular tal probabilidade? Por que?
(49) Qual a probabilidade de se obter duas ou menos faces 2 em 7 lanamentos de um dado equilibrado?
(50) A probabilidade de um parafuso produzido por uma empresa ser defeituoso 0,03. Seja X a varivel nmero de parafusos defeituosos em envelopes de 500 parafusos.
(50.1) Calcule E(x) e V(x)
(50.2) Suponha que se compre 100 destes envelopes. Quantos parafusos deve-se esperar que sejam
defeituosos?
(51) Se X : N(10, 2) Calcular:
(51.1) P(8 < X < 10)
(51.2) P(9 X 12)
(52) Se X tem uma distribuio normal com mdia 100 e desvio padro 10, determine:
(52.1) P(X < 115)
(52.2) P(X 80)
(52.3) P(X > 100)
(52.4) O valor de a tal que P(100 - a X 100 + a) = 0,9544
(53) Na distribuio N(; ), encontre:
(53.1) P(X < + 2)
(61.2) P(|X - | )
(53.3) O nmero a, tal que P( - a < X < + a) = 0,90
(53.4) O nmero a, tal que P(X > a) = 0,95
(54) A alturas de 10000 alunos de um colgio tm distribuio aproximadamente normal com mdia
de 170 cm e desvio padro de 5 cm.
(54.1) Qual o nmero esperado de alunos com altura superior a 1,65 m?
(54.2) Qual o intervalo simtrico em torno da mdia, que conter 75% das alturas dos alunos?
(55) As vendas de determinado produto tm distribuio aproximadamente normal, com mdia de 500
e desvio padro de 50. Se a empresa decide fabricar 600 unidades no ms em estudo, qual a probabilidade de que no possa atender a todos os pedidos desse ms, por estar com a produo esgotada?
(56) O nmero de pedidos de compra de certo produto que uma cia recebe por semana distribui-se
normalmente, com mdia 125 e desvio padro de 25. Se em uma dada semana o estoque disponvel
de 150 unidades, qual a probabilidade de que todos os pedidos sejam atendidos? Qual deveria ser o
estoque para se tivesse 99% de probabilidade de que todos os pedidos fossem atendidos?
(57) Numa prova de vestibular com 50 questes objetivas de 5 alternativas cada, qual a probabilidade
de que um candidato, que responde ao acaso (chuta) todas as questes, acerte mais do 15 questes?
(58) Um dado equilibrado lanado 120 vezes. Determinar a probabilidade de que a face 4 (quatro)
aparea: (70.1) 18 vezes ou menos
(70.2) 14 vezes ou menos
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(05) (5.1) A B = A - B
(5.3) A B = AUB
(07) (7.1) 35/132 = 26,52% (7.2) 70/132 = 53,03% (7.3) 42/132 = 31,82%
(08) (8.1) 35/144 = 24,31%
(9.2) 0,20
(b) 0,15
(c) 0,05
(d) 0,65
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
(23.2) p + q - pq
(24) 90%
(25) (25.1) 75%
(25.2) 20%
(25.3) 30%
(25.4) 15%
(25.5) 92,50%
(26.2) H dependncia
(30)
x
f(x)
0
1/56
x
f(x)
0
125/216
1
15/56
2
30/56
3
10/56
(31)
(32) = 2,50
x
f(x)
(33)
x
f(x)
(34) = 6
x
f(x)
1
75/216
2
15/216
3
1/216
2 = 1,25
1
2
1/4
1/4
3
1/4
4
1/4
5
0,40
7
0,20
8
0,10
6
0,30
2 = 1,20
4
5
3/35
6/35
mo = 7
3
1/35
= 1,10
6
7
10/35 15/35
(37) 14%
(38) R$ 140
(39) (39.1) p = 0,30
(39.2) p = 0,50
4,0
0,10
3,5
0,10
3,0
0,30
2,5
0,20
2
0,2
3
0,2
4
0,2
2
0,30
2 = 0,4125
0
0,2
1
0,2
2 = 2
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
x
f(x)
(43)
=3
1
0,1
2
0,2
3
0,3
4
0,4
2 = 1
(44) A opo deve ser a bolsa com renda de 3,21% ao ms contra os 3% ao ms do CDB.
(45) Prejuzo de R$ 1000
(46) (46.1) (a) 14,16%
(b) 84,93%
(c) 99,98%
(46.2) 16%
(47) 10,94%
(48) No, pois em cada etapa da srie de 4 sorteios a probabilidade de se obter um aluno do sexo feminino se altera, o que contraria uma das hipteses do modelo binomial.
(49) 90,42%
(50) (50.1) E(X) = 15 e V(x) = 14,55
(50.2) 1500
(51.2) 53,28%
(51.3) 50%
(51.4) 46,72%
(52.2) 97,72%
(52.3) 50%
(52.4) a = 20
(53.2) 68,26%
(53.3) 1,645
(53.4) a = + 1,645
(56.2) 184
(57) 5,59%
(58) (58.1) 35,57%
(58.2) 8,85%
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/
7. REFERNCIAS
[BUS86] BUSSAB, Wilton O, MORETTIN, Pedro A. Estatstica Bsica. 3. ed. So Paulo, Atual,
1986.
[FON80] FONSECA, Jairo Simon da, MARTINS, Gilberto de Andrade. Curso de Estatstica. So
Paulo: Editora Atlas S.A., 1980.
[NET74] NETO, Pedro Luiz de Oliveira Costa, CYMBALISTA, Melvin. Probabilidades: resumos
tericos, exerccios resolvidos, exerccios propostos. So Paulo, Edgard Blcher, 1974.
[STE81] STEVENSON, William J. Estatstica Aplicada Administrao. So Paulo. Editora Harbra,
1981.
viali@mat.pucrs.br
http://www.mat.pucrs.br/~lori/