Lista de Exercícios - Modelos Probabilísticos 1 INE 7002 GABARITO LISTA DE EXERCÍCIOS MODELOS PROBABILÍSTICOS
|
|
- Nicholas Sousa
- 5 Há anos
- Visualizações:
Transcrição
1 Lista de Exercícios - Modelos Probabilísticos INE 72 GABARITO LISTA DE EERCÍCIOS MODELOS PROBABILÍSTICOS 35) a) Binomial: cada realização tem apenas 2 resultados possíveis, o número de realizações é conhecido, e a probabilidade de sucesso é suposta constante (pois não há nenhuma informação em contrário). n = 2 p =,5 b) P(>) = P( = ) = C 2,,5,95 2 c) P( = 2) = C 2,2,5 2,95 8 d) E() = n p = 2,5 = erro. 36) a) Binomial: ver motivos em 35 a). n = 5 p =,5 b) P( 4) = P( = 4) + P( = 5) = C 5,4,5 4,5 + C 5,5,5 5,5 c) E() = n p = 5,5 = 2,5 caras. Não, a variável não pode assumir este valor. 37) a) Binomial: ver motivos em 35 a). n = p =,5 b) P( 8) = P( = 8) + P( = 9) + P( = ) = C,8,5 8,5 2 + C,9,5 9,5 + C,,5,5 38) a) Binomial: ver motivos em 35 a). n = 3 p =, b) P( ) = P( < ) = P( = ) = C 3,,,9 3 39) a) Binomial: ver motivos em 35 a). n = p =,8 b) P( = ) = C,,8,2 =,85899 c) P( = ) = C,,8,2 d) P( 6) = P( = 6) + P( = 7) + P( = 8) + P( = 9) + P( = ) + P( =) = C,6,8 6,2 5 + C,7,8 7,2 4 + C,8,8 8,2 3 + C,9,8 9,2 2 + C,,8,2 + C,,8,2 =,98834 Como P( 6) >,75, a associação deve processar o fabricante. e) E() = n p =,8 = 8,8 carros. 4) a) Binomial: ver motivos em 35 a). n = 5 p =, b) P( = 3) = C 5,3, 3,9 2 =,8 c) P( ) = P( = ) + P( = ) = C 5,,,9 5 + C 5,,,9 4 =,9854 d) Novo n =, novo p =,9854 => Sucesso: caixa aceita. P( 8) = P( = 8) + P( = 9) + P( =) = C,8,9854 8, C,9,9854 9,846 + C,,9854,846 4) Proposta versus Proposta 2 Binomial: p =,3 Proposta n = 8 P( 3) = P( = ) + P( = ) + P( = 2) + P( =3) = C 8,,3, C 8,,3, C 8,2,3 2, C 8,3,3 3,97 77 =,7866 Proposta 2 n = 4 P( = ) = C 4,,3,97 4 =,2957 Proposta Lote P(Aceitar) P(Rejeitar) Lucro 4,7866, se aceitar, 3 se não 2 4,2957, se aceitar, 2 se não E(Lucro) = (4 6,7866) + (4 3,2934) = 23679,2 E(Lucro2) = (4 65,2957) + (4 2,7249) = 33227,8 Escolhe-se a proposta pois tem o maior lucro.
2 Lista de Exercícios - Modelos Probabilísticos 2 42) a) Binomial, n = 8, p =,6 P( = ) = C 8,,6,94 8 =,3283 b) Binomial, novo p =,3283, novo n = 8 P( ) = P( = ) + P( = ) = C 8,,3283, C 8,,3283, ) a) Binomial: ver motivos em 35 a). n = 2 p =,25 b) P( 2) = P( < 2) = P( = ) P( = ) = C 2,,25, C 2,,25,75 c) P( 4) = P(< 4) = P( = ) P( = ) P( = 2) P( = 3) = - C 2,,25, C 2,,25,75 - C 2,2,25 2,75 - C 2,3,25 3,75 9 d) P( ) = - P( < ) = - P( = ) = - C 2,,25,75 2 e) E() = n p = 2,25 = 3 Desvio padrão n p ( p) 2, 25, 75, 5 44) Binomial n = 9 p =,8 a) E() = n p = 9,8 = 7,2 micros b) P( > 7) = P( = 8) + P( = 9) = C 9,8,8 8,2 + C 9,9,8 9,2 =,4362 c) Não, porque a probabilidade em b é menor do que,6 (6%). 45) Binomial n = 5 p =,95 a) P( ) = P( > ) = P( = ) P( = 2) P( = 3) P( = 4) P( = 5) = - C 5,,95,5 4 - C 5,2,95 2,5 3 - C 5,3,95 3,5 2 - C 5,4,95 4,5 - C 5,5,95 5,5 =,646 b) Não, a probabilidade é muito baixa. c) Novo n = 2 p =,95 E() = n p = 2,95 = 4 Desvio padrão n p ( p) 2, 95, 5 7, 55 46) Poisson = 2,25 crianças/dia t = dia t = 2,25 = 2,25 crianças P( > 2) = P( 2) = - P( = ) P( = ) P( = 2) 2, 25 2, 25 2, 25 2 e ( 2, 25) e ( 2, 25) e ( 2, 25) = =,6933 =,3967!! 2! O hospital não deve ser instalado: P( > 2) <,5. 47) Poisson =,5 carros/dia t = 2 dias t =,5 2 = carro a) P(pagar dívida) = P( 3) = - P( < 3) = P( = ) P( = ) P( = 2) 2 e ( ) e ( ) e ( ) = =,83 Este valor é o correto, o indicado!! 2! como resposta na lista está errado. e ( ) b) P( = ) = 3678!, c) E() = t =,5 2 = carro V() = t =,5 2 = carro 2 Desvio padrão V () = carro. 48) Poisson = 4 chamadas/hora a) t =,5 horas t = 4,5 = 2 chamadas P( > 3) = P( 3) = P( = ) P( = ) P( = 2) P( = 3) e (2) = e (2) e (2) e (2) =,8572 =,4288!! 2! 3! Há uma probabilidade relativamente pequena de que as 3 viaturas não seja suficientes. b) t = hora t = 4 = 4 chamadas
3 4 e (4) P( = )= =,8356! c) t = 2 horas t = 4 2 = 8 chamadas 8 e (8) P( = ) = =,335462! A chance de não atender nenhuma chamada é muito pequena. Lista de Exercícios - Modelos Probabilísticos 3 49) Poisson =,2 chamadas/minuto a) t = minutos t =,2 = 2 chamadas 2 3 e (2) P( = 3) = =,84 3! b) t = minutos t =,2 = 2 chamadas P( 5) = P( < 5) = P( = ) P( = ) P( = 2) P( = 3) P( = 4) e (2) = e (2) e (2) e (2) e (2) =,526!! 2! 3! 4! c) t = 6 minutos t =,2 6 = 2 chamadas 2 e (2) P( = ) = =,48! d) t = 36 minutos t =,2 36 = 72 chamadas P( 5) = P( = ) + P( = ) + P( = 2) + P( = 3) + P( = 4) + P( = 5) e (72) = e (72) e (72) e (72) e (72) e (72)!! 2! 3! 4! 5! e) Meia hora t = 3 minutos E() = t =,2 3 = 6 chamadas. Turno completo t = 36 minutos E() = t =,2 36 = 72 chamadas. 5) Poisson Impurezas => =,5/cm 3 Bolhas => =,5/cm 3 t = cm 3. a) A peça é considerada defeituosa se apresentar 2 ou mais defeitos, sejam eles por impurezas ou bolhas isoladamente, ou qualquer combinação possível deles. Como os defeitos são independentes podemos somar suas taxas de ocorrência e obter a taxa combinada de defeitos: = impurezas + bolhas =,5 +,5 =,55 defeitos/cm 3. Como t = cm 3, então t =,55 =,55 defeitos. P(peça defeituosa) = P( 2) = P( < 2) = P( = ) P( = ),55,55 e (,55) = e (,55) =,54 =,4589!! b) Binomial n = 3 p =,4589 P( ) = P( = ) + P( = ) = C 3,,4589, C 3,,4589,54 2 =,565 c) c. P(Defeito) =,4589 => Lucro = -5 P(Sem defeito) =,54 => Lucro = 5 = 5 E(Lucro) = (-5,4589) + (5,54) =,4 c.2 E(Lucro em 5 peças) = 5 E(Lucro) = 5,4 = 66,5 5) Poisson = 4 carros/ 5 minutos = 6 carros/hora a) t =,5 horas t = 6,5 = 8 carros P( > 2) = P( = 3) + P( = 4) +... = P( 2) = P( = ) P( = ) P( = 2) e ( 8) e ( 8) e ( 8) = =,9862!! 2! b) t = hora t = 6 = 6 carros P( 2) = P( = ) + P( = ) + P( = 2) e ( 6) e ( 6) e ( 6) = =,638!! 2!
4 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 Lista de Exercícios - Modelos Probabilísticos 4 c) Sim, porque a probabilidade de chegarem até 2 carros em uma hora é muito baixa. 52) Como p =, é muito baixa, podemos usar Poisson como aproximação a binomial. a) n = 2 m = n p = 2, =,2, 2, 2 e (, 2) e (, 2) P(realizar negócio) = P( < 2) = P( = ) + P( = ) =.!! b) n = 2 m = n p = 2, =,2, 2, 2 e (, 2) e (, 2) P(realizar negócio) = P( < 2) = P( = ) + P( = ) = =,9824!! c) n = 2 m = n p = 2, = e ( 2) e ( 2) P(realizar negócio) = P( < 2) = P( = ) + P( = ) = =,46!! 53) Poisson: = 4 itens/6 horas t = 2 horas t = 8 itens a) P( > 4) = P( 4) = P( = ) P( =) P( =2) P( =3) P(=4) e ( 8) e ( 8) e ( 8) e ( 8) e ( 8) = =,996 =,94!! 2! 3! 4! b) P( > 7) = P( 7) = P( = ) P(=) P(=2) P(=3) P(=4) P(=5) P(=6) P(=7) e ( 8) e ( 8) e ( 8) =,996 - =,4529 =, ! 6! 7! 7 peças é um número suficiente. Há mais de 5% de probabilidade de requisitar mais de 7 peças. 54) a) No gráfico abaixo P(>,),5,4,4,3,3,2,2,,, A área sombreada corresponde a P(>,). Esta probabilidade pode ser obtida diretamente da tabela: P(>,) =,587 b) No gráfico abaixo P( <,),5,4,4,3,3,2,2,,, A área sombreada corresponde a P(<,). Esta probabilidade NÃO pode ser obtida diretamente da tabela. Mas pelas propriedades de probabilidade sabemos que: P(<,) = P(,). Esta última probabilidade pode ser obtida diretamente da tabela, e é igual à probabilidade encontrada no item a (P(>,)), pois é uma variável aleatória contínua. Então: P(<,) = P(>,) = -,587 =,843
5 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 c) No gráfico abaixo P(>-,34),5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos 5 A área sombreada corresponde a P(>-,34). Esta probabilidade NÃO pode ser obtida diretamente da tabela, pois o é negativo. Mas pelas propriedades de probabilidade sabemos que: P(>-,34) = P(<-,34). E devido à simetria da distribuição normal padrão em relação à média zero: P(<-,34) = P(>,34), e esta última probabilidade pode ser obtida da tabela. Então: P(>-,34) = P(>,34) =,3669 =,633 d) No gráfico abaixo P( < <,5),5,4,4,3,3,2,2,,, Para obter a probabilidade de estar entre e,5 basta obter a probabilidade de ser maior do que zero e subtrair a probabilidade de ser maior do que,5: o resultado será exatamente a probabilidade do intervalo procurado. P( < <,5) = P(>) P(>,5) =,5,668 =,4332 Esta probabilidade foi facilmente obtida por que os valores de são ambos positivos. e) No gráfico abaixo P(,88 < < ),5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra d): P(,88<<) = P(<) P(<,88). A probabilidade P(<) é igual a P(>), mas P(<,88) não pode ser obtida diretamente da tabela. Contudo, devido à simetria da distribuição normal padrão em relação à média zero: P(<,88) = P(>2,88). Então: P(,88<<) = P(>) P(>2,88) =,5,2 =,498 O valor de,88 é invisível no gráfico ao lado devido à grande distância da média (2,88 desvios padrões). f) No gráfico abaixo P(-,56<<-,2),5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra e, tendo em mente que os dois valores que definem o intervalo são negativos, e que há simetria da distribuição normal padrão em relação à média zero: P(-,56<<-,2) = P(>,2) P(>,56) =,427,2877 =,33
6 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 Lista de Exercícios - Modelos Probabilísticos 6 g) No gráfico abaixo P(-,49 < <,49),5,4,4,3,3,2,2,,, h) No gráfico abaixo P(2,5 < < 2,8),5,4,4,3,3,2,2,,, Usemos um raciocínio semelhante ao das letras d e e, mas agora os valores que definem o intervalo têm sinais diferentes, mas são iguais em módulo, isto é estão à mesma distância da média (zero). Sendo assim, P(>,49) = P(<-,49), devido à simetria da distribuição normal padrão em relação à média. Recordando que a probabilidade de ocorrência de um evento é igual a menos a probabilidade do seu complementar, então: P(-,49<<,49) = - 2 P(>,49) = 2,32 =,3758 Usando um raciocínio semelhante ao da letra d, basta obter a probabilidade de ser maior do que 2,5 e subtrair a probabilidade de ser maior do que 2,8: o resultado será exatamente a probabilidade do intervalo procurado. P(2,5< < 2,8) = P(>2,5) P(>2,8) =,62,26 =,36 Esta probabilidade foi facilmente obtida por que os valores de são ambos positivos. O valor obtido é pequeno, pois o intervalo está a mais de 2 desvios padrões da média. i) No gráfico abaixo P(<-,2),5,4,4,3,3,2,2,,, A probabilidade procurada não pode ser obtida diretamente da tabela: esta define as probabilidades de ser MAIOR do que um certo valor. Entretanto, devido à simetria da distribuição normal padrão em relação à média zero: P(<-,2) = P(>,2) =,427 j) No gráfico abaixo P(>-,2),5,4,4,3,3,2,2,,, A probabilidade procurada não pode ser obtida diretamente da tabela, pois aqui é negativo. Entretanto, devido à simetria da distribuição normal padrão em relação à média zero, e usando a propriedade do evento complementar: P(>-,2) = -P(>,2) = -,427 =,5793
7 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 k) No gráfico abaixo P(-,2<<),5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos 7 Podemos usar o raciocínio da letra e. A probabilidade P(<) é igual a P(>), mas P(<-,2) não pode ser obtida diretamente da tabela. Contudo, devido à simetria da distribuição normal padrão em relação à média zero: P(<-,2) = P(>,2). Então: P(-,2<<) = P(>) P(>,2) =,5,427 =,793 l) No gráfico abaixo P(-,2<<,4),5,4,4,3,3,2,2,,, Usemos um raciocínio semelhante ao da letra g, mas os valores que definem o intervalo têm sinais e valores diferentes. Mas, devido à simetria da distribuição normal padrão em relação à média: P(<-,2) = P(>,2). Recordando que a probabilidade de ocorrência de um evento é igual a menos a probabilidade do seu complementar, então: P(-,2<<,4) = - P(>,2) - P(>,4) =,427,3446 =, ) Neste exercício devemos procurar pelas probabilidades informadas na tabela e então encontrar os valores de correspondentes. Se não for possível encontrar o valor de exatamente correspondente à probabilidade procurada, pode-se obter o mais próximo possível. a) No gráfico abaixo P(> ) =,55,5,4,4,3,3,2,2,,, Procura-se o valor de tal que a probabilidade de ser MAIOR do que ele seja igual a,55. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha,6. E na primeira linha encontramos a segunda decimal,4, resultando em =,64. b) No gráfico abaixo P(> ) =,228.,5,4,4,3,3,2,2,,, Procura-se o valor de tal que a probabilidade de ser MAIOR do que ele seja igual a,228. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha 2,. E na primeira linha encontramos a segunda decimal,, resultando em = 2,.
8 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 c) No gráfico abaixo P(< ) =,228 Lista de Exercícios - Modelos Probabilísticos 8,5,4,4,3,3,2,2,,, Procura-se o valor de tal que a probabilidade de ser MENOR do que ele seja igual a,228. Desta forma NÃO podemos procurar esta probabilidade diretamente na tabela. Entretanto, devido à simetria da distribuição normal padrão à média zero, sabemos que: P(< ) =,228 = P(>- ) =,228 De acordo com a letra b = 2,, então =,. Observe a coerência do resultado: como a área é limitada por um valor ABAIO de zero, obviamente teria que ser negativo. d) No gráfico abaixo P(<< ) =,4772,5,4,4,3,3,2,2,,, Procura-se o valor de tal que a probabilidade de estar entre e ele seja igual a,4772. Percebe-se que será POSITIVO. P(<<) =,4772 = P(>) P(> ) P(>) =,5,4772 =,228. Observe que se trata do mesmo problema da letra b, então = 2. e) No gráfico abaixo P(- << ) =,95 Esta probabilidade está INCORRETA na lista.,5,4,4,3,3,2,2,,, Procura-se o valor de tal que a probabilidade de estar entre e + seja igual a,95. Como os dois valores estão à mesma distância de zero P(<- ) = P(> ) = (-,95)/2 =,25 P(>) =,25. Procura-se o valor de tal que a probabilidade de ser MAIOR do que ele seja igual a,25. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha,9. E na primeira linha encontramos a segunda decimal,6, resultando em =,96.
9 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 -,5 - -,5,5,5,99 f) No gráfico abaixo P(<) =,,5,4,4,3,3,2,2,,, g) No gráfico abaixo P(< ) =,55,5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos 9 Procura-se o valor de tal que a probabilidade de ser MENOR do que ele seja igual a,. Este valor não pode ser identificado diretamente na tabela, mas devido à simetria da distribuição normal à média zero: P(< ) =, = P(>- ) Procura-se o valor de - tal que a probabilidade de ser MAIOR do que ele seja igual a,. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha 2,2. E na primeira linha encontramos a segunda decimal,9, resultando em - = 2,29. Logo =,29 (observe a coerência com o gráfico, pois é menor do que zero). Procura-se o valor de tal que a probabilidade de ser MENOR do que ele seja igual a,55. Este valor não pode ser identificado diretamente na tabela, mas devido à simetria da distribuição normal à média zero: P(< ) =,55 = P(>- ) Procura-se o valor de - tal que a probabilidade de ser MAIOR do que ele seja igual a,55. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha,6. E na primeira linha encontramos a segunda decimal,4, resultando em - =,64. Logo = -,64 (observe a coerência com o gráfico, pois é menor do que zero). h) P(< ) =,5. Como a distribuição normal padrão é simétrica em relação à sua média zero, então =, pois há 5% de chance dos valores serem menores do que zero. i) No gráfico abaixo P(- << ) =,6825,5,4,4,3,3,2,2,,, Procura-se o valor de tal que a probabilidade de estar entre e + seja igual a,6825. Como os dois valores estão à mesma distância de zero P(<- ) = P(> ) = (-,6825)/2 =,587 P(>) =,587. Procura-se o valor de tal que a probabilidade de ser MAIOR do que ele seja igual a,587. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha,. E na primeira linha encontramos a segunda decimal,, resultando em =,.
10 -,5 - -,5,5,5, , ,5 4 42, ,5 5 52, ,5 6 62, ,5 7 -,5 - -,5,5,5,99 j) No gráfico abaixo P(- << ) =,9544,5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos Procura-se o valor de tal que a probabilidade de estar entre e + seja igual a,9544. Como os dois valores estão à mesma distância de zero P(<- ) = P(> ) = (-,9544)/2 =,228 P(>) =,228. Procura-se o valor de tal que a probabilidade de ser MAIOR do que ele seja igual a,228. Desta forma podemos procurar esta probabilidade diretamente na tabela. Na coluna da extrema esquerda identificamos a linha 2,. E na primeira linha encontramos a segunda decimal,, resultando em = 2,. 56) A solução desta questão passa pela utilização da equação = (x -)/, sabendo-se que = 25 e = 2. a) = (235)/2 = -, b) = (23,55)/2 = -,75 c) = (245)/2 = -,5 d) = (25,25)/2 =, e) = (25,5 25)/2 =,25 57) Novamente devemos usar a equação = (x -)/, mas isolar o valor de x: x = +, sabendo que = 4 e = 3. a) x = 4 + (, 3) = 4,3 b) x = 4 + (2 3) = 46 c) x = 4 + (,75 3) = 42,25 d) x = 4 + (3 3) = 32,4 e) x = 4 + ( 3) = 3 f) x = 4 + (,2 3) = 3,4 58) é uma variável aleatória contínua com distribuição normal, com = 5 e = 5. Para calcular as probabilidades pedidas é preciso encontrar os valores de correspondentes aos valores de x. a) P(4<<5),5,4,4,3,3,2,2,,, Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 4 e 5: = (4-5)/5 = 2 = (5-5)/5 = Então: P(4<<5) = P(<<). Abaixo está o gráfico da variável,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra d do Exercício 54: P(,<<) = P(<) P(<,). A probabilidade P(<) é igual a P(>), mas P(<,) não pode ser obtida diretamente da tabela. Contudo, devido à simetria da distribuição normal padrão em relação à média zero: P(<,) = P(>2,). Então: P(,<<) = P(>) P(>2,) =,5,228 =,4772
11 -,5 - -,5,5,5, , ,5 4 42, ,5 5 52, ,5 6 62, ,5 7 -,5 - -,5,5,5, , ,5 4 42, ,5 5 52, ,5 6 62, ,5 7 b) P(49<<5),5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 49 e 5: = (49-5)/5 = -,2 2 = (5-5)/5 = Então: P(49<<5) = P(-,2<<). Abaixo está o gráfico da variável,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra i do Exercício 54: P(-,2<<) = P(<) P(<-,2). A probabilidade P(<) é igual a P(>), mas P(<-,2) não pode ser obtida diretamente da tabela. Contudo, devido à simetria da distribuição normal padrão em relação à média zero: P(<-,2) = P(>,2). Então: P(-,2<<) = P(>) P(>2,) =,5,427 =,793 c)p(4<<45),5,4,4,3,3,2,2,,, Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 4 e 45: = (4-5)/5 = 2 = (45-5)/5 =- Então: P(4<<45) = P(<<-). Abaixo está o gráfico da variável,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra f do Exercício 54: P(<<-) = P(>) P(>2). Então: P(<-,2) = P(>,2). Então: P(-,2<<) = P(>) P(>2,) =,5,427 =,793
12 3 32, ,5 4 42, ,5 5 52, ,5 6 62, , , ,5 4 42, ,5 5 52, ,5 6 62, ,5 7 -,5 - -,5,5,5, , ,5 4 42, ,5 5 52, ,5 6 62, ,5 7 d) P(56<<6),5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos 2 Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 56 e 6: = (56-5)/5 =,2 2 = (6-5)/5 =2 Então: P(56<<6) = P(,2<<2). Abaixo está o gráfico da variável,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra h do Exercício 54: P(,2<<2) = P(>,2) P(>2). Então: P(,2<<2) =,5,228 =,923 e) P(4<<65),5,4,4,3,3,2,2,,, Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 4 e 65: = (4-5)/5 = 2 = (65-5)/5 =3 Então: P(4<<65) = P(<<3). Podemos usar um raciocínio semelhante ao da letra g do Exercício 54 (embora os valores de não sejam iguais): P(<<3) = - P(>2) P(>3). Então: P(<<3) = -,228,35 =,97585 f) P(45<<55),5,4,4,3,3,2,2,,, Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 4 e 65: = (45-5)/5 = - 2 = (55-5)/5 = Então: P(45<<55) = P(-<<). Podemos usar um raciocínio semelhante ao da letra g do Exercício 54: P(-<<) = - 2 P(>) Então: P(-<<) =,587 =,6826
13 2, 225, 25, 275, 3, 325, 35, 375, 4, 425, 45, 475, 4995, 5245, 5495, 5745, 5995, -,5 - -,5,5,5, ,5 - -,5,5,5, ,5 - -,5,5,5,99 Lista de Exercícios - Modelos Probabilísticos 3 59) Em ambos os casos é preciso encontrar os valores de correspondentes aos escores mínimos 575 e 54. Como 575 é maior do que 55, o valor de associado será positivo, e como 54 é menor do que 55, será negativo. Vamos apresentar os cálculos. Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 575 e 54: = (575-55)/3 =,83 2 = (54-55)/3 = -,33. Então P(>575) = P(>,83) e P(>54) = P(>-,33). Os gráficos respectivos são mostrados a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, P(>,83) pode ser obtida diretamente da tabela: P(>,83) =,233. Como a distribuição normal padrão é simétrica em relação à média zero, e lembrando da propriedade da probabilidade do evento complementar: P(<-,33)= - P(>,33) =,377 =, ) Suponha a variável como sendo os ganhos mensais. Apenas será interessante mudar de emprego se >35, que são os ganhos atuais. Então, para escolher a melhor opção (letra b), ou para calcular a probabilidade de ganhar mais em cada emprego, é preciso obter P(>35). a) No caso da indústria, = 4 e = 5, P(>35) = P(> ): = (35 4)/5 = -,. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Como a distribuição normal padrão é simétrica em relação à média zero, e lembrando da propriedade da probabilidade do evento complementar, a probabilidade de ganhar mais na indústria: P(>35) = P(>-) = P(>) =,587 =,843.
14 3,22 3,27 3,32 3,37 3,42 3,47 3,52 3,57 3,62 3,67 3,72 3,77 3,89 3,869 3,969 3,9 -,5 - -,5,5,5,99 3,22 3,27 3,32 3,37 3,42 3,47 3,52 3,57 3,62 3,67 3,72 3,77 3,89 3,869 3,969 3,9 -,5 - -,5,5,5, ,5 - -,5,5,5,99 Lista de Exercícios - Modelos Probabilísticos 4 No caso do Vendedor, = 32 e = 26, P(>35) = P(> 2 ): 2 = (35 32)/26 =,. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, A probabilidade de ganhar mais como vendedor: P(>35) = P(>,) =,4562. b) Obviamente, o emprego na indústria deve ser o escolhido, pois tem uma probabilidade bem maior de proporcionar ganhos superiores ao salário atual do que o de vendedor. 6) a) P(>3,5). = 3,62 e =,, P(>3,5) = P(> ): = (3,5 3,62)/, = -,2. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Como a distribuição normal padrão é simétrica em relação à média zero, e lembrando da propriedade da probabilidade do evento complementar, P(>3,5) = P(>-,2) = - P(>,2) = -,5 =,8849. b) A solução é encontrar a probabilidade dos eixos estarem dentro dos padrões: P(3,4<<3,8). Eixos dentro dos padrões resultarão em lucro de 5-,2 = 3,8. Eixos fora dos padrões, cuja probabilidade de ocorrência será -P(3,4<<3,8) probabilidade do complementar resultará em prejuízo de,2. Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a 3,4 e 3,8: = (3,4,62)/, =,2 2 = (3,8,62)/, =,8 Então P(3,4<<3,8) = P(,2<<,8). Os gráficos respectivos são mostrados a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra g do Exercício 54 (embora os valores de não sejam iguais):
15 9,5 2,75 22, 23,25 24,5 25,75 27, 28,25 29,5 3,75 32, 33,25 34,48 35,73 36,98 38,23 39,48 -,5 - -,5,5,5,99 9,5 2,75 22, 23,25 24,5 25,75 27, 28,25 29,5 3,75 32, 33,25 34,48 35,73 36,98 38,23 39,48 -,5 - -,5,5,5,99 Lista de Exercícios - Modelos Probabilísticos 5 P(,2<<,8) = - P(>,8) P(>2,2). Então: P(,2<<,8) = -,359,39 =,952. Conclui-se então que a probabilidade dos eixos estarem dentro dos padrões vale,952, e de estarem fora dos padrões vale -,952 =,498. Podemos então criar uma nova variável aleatória Y, lucro individual, com a seguinte distribuição: Y P(Y) -,2,498 3,8,952 O valor esperado de Y pode ser obtido através da expressão: n E(Y) i y p,2,498 3,8,952 3, 55 i yi Este é o lucro esperado por em uma peça. Queremos encontrar o lucro esperado em. Podemos usar uma propriedade do valor esperado: E(k Y) = E(Y) => O valor esperado do produto de uma constante ( no caso deste problema) pelo valor esperado de uma variável aleatória é igual ao produto da constante pelo próprio valor esperado. Assim, para peças: E( Y) = E(Y) = 3,55 = 355,. 62) a) Variável aleatória = precipitação anual em cm, segue distribuição normal com = 29,5 e = 2,5. Precisamos encontrar o valor de que delimita os 5% maiores valores de : P(> ) =,5. Com base na equivalência com a distribuição normal padrão: P(> ) = P(> ) =,5. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra a do Exercício 55. Procurar na tabela pela probabilidade,5. Esta probabilidade NÃO EISTE na tabela, podemos encontrar os valores mais próximos. Na coluna da extrema esquerda vamos encontrar o valor,6, e na linha superior vamos encontrar a segunda decimal,4 e,5: P(>,64) =,55 e P(>,645) =,495. Como as probabilidades estão à mesma distância de,5 fazemos a média dos 2 valores de, então =,645. Novamente devemos usar a equação = (x -)/, mas isolando o valor de x: x = +, sabendo que = 29,5, = 2,5 e =,645: x = 29,5 +,645 2,5 = 33,625 cm. b) P(>32). = 29,5 e = 2,5, P(>32) = P(> 2 ): 2 = (32 29,5)/2,5 =,. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, P(>,) =,587. Como a probabilidade é menor do que,45 não é viável a instalação do sistema.
16 ,29,376,462,548,634,72,86,892,978 2,64 2,5 2,236 2,323 2, ,5783 2,6643 -,5 - -,5,5,5,99,5 3 4,5 6 7,5 9,5 2 3,5 5 6,5 8 9,5 2 22,5 24 -,5 - -,5,5,5,99, 2, 3, 4, 5, 6, 7, 8, 9,,, 2, 2,98 3,98 4,98 5,98 6,98 -,5 - -,5,5,5,99 Lista de Exercícios - Modelos Probabilísticos 6 63) Encontrar P(<6) nos dois tipos de televisores. Aquele que apresentar menor valor deve ser o incentivado. No televisor A, P(<6). = 9 e = 2, P(<6) = P(> ): = (6 9)/2= -,5. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, P(<6)=P(<-,5) Devido à simetria da distribuição normal padrão à média zero: P(<-,5)= (>,5) =,668 No televisor B, P(<6). = 2 e = 3, P(<6) = P(> 2 ): 2 = (6 2)/3=. Veja os gráficos a seguir: P(<6)=P(<) Devido à simetria da distribuição normal padrão à média zero: P(<)=P(>2) =,228,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Incentivaria o televisor B, pois ele tem a menor probabilidade de reposição em 6 meses. 64) Primeiramente encontramos a percentagem que atende às especificações P(,6<<2,4). Usando a equação = (x -)/ podemos encontrar os valores de correspondentes a,6 e 2,4: = (,6-,978)/,72 =,2 2 = (2,4-,978)/,72 =2,45 Então: P(,6<<2,4) = P(,2<<2,45). Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Podemos usar um raciocínio semelhante ao da letra g do Exercício 54: P(,2<<2,45) = - P(>2,2) P(>2,45). Então: P(,2<<2,45) = -,39,7 =,979. Assim, o percentual dos que NÃO atendem às especificações seria igual a,979 =,2. A esmagadora maioria dos eixos está dentro das especificações. Resta saber se 97,9% é aceitável ou não. 65) O problema é definir as faixas de percentuais, obter os valores de correspondentes e depois os valores das notas que definem os conceitos. Veja os gráficos abaixo.
17 4,56 9, 23,65 28,2 32,74 37,29 4,83 46,38 5,92 55,47 6, 64,56 69, 73,55 78, 82,64 87,9 4,56 9, 23,65 28,2 32,74 37,29 4,83 46,38 5,92 55,47 6, 64,56 69, 73,55 78, 82,64 87,9 222, 225,5 229, 232,5 236, 239,43 242,93 246,43 249,93 253,43 256,93 26,43 263,86 267,36 27,86 274,36 277,86 -,5 - -,5 -,49,99,49,98 2,48 2,98 3,48 3,98, 5, 2, 25, 3, 35, 4, 45, 5, 55, 6, 65, 69,9 74,9 79,9 84,9 89,9,,, -,5 -, -,5,,5,,5,99,5,4,4,3,3,2,2,,, 2 3 4,5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos P(> 4 ) =, P(> 3 ) =,3 P(> 2 ) =,7 P(> ) =,9 Procurando na tabela da distribuição normal padrão: 4,28, x 4 = 5 +,28 = 62,8 3,53, x 3 = 5 +,53 = 55,3 P(> 2 ) =,7, P(>- 2 ) =,7 =,3-2,53 2 -,53, x 2 = 5 -,53 = 44,7 P(> ) =,9, P(>- ) =,9 =, -,28 -,28, x = 5 -,28 = 37,2 As notas então serão 37,2, 44,7, 55,3 e 62,8. 66) a) P(>26). = 25 e = 7, P(>26) = P(> ): = (26 25)/7 =,43.,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, P(<26) =P(>,43) =,764 b) P(< 2 ) =,5. Devido à simetria da distribuição normal padrão à média zero: P(< 2 ) =,5 = P(>- 2 ). Lembrando da letra a do exercício 62, - 2 =,645, então 2 = -,645. Novamente devemos usar a equação = (x -)/, mas isolando o valor de x: x = +, sabendo que = 25, = 7 e 2 = -,645: x 2 = 25 -,645 7= 238,48h. Para repor apenas 5% da produção o prazo máximo de garantia deveria ser de 238,48 h. 67) O índice de aprovação é obtido calculando a probabilidade de que as notas sejam MAIORES do que os pontos alcançados pelos candidatos. Caso seja menor do que a taxa vagas por candidatos o indivíduo está aprovado, caso contrário está reprovado. No curso de economia a probabilidade associada aos pontos alcançados não pode ser maior do que,37 e no de administração,42. a) Economia = 5,92, = 9,9 P(>5) = P(>): = (5-5,92)/9,9 = -,. P(>5) = P(>-,) = -P(>,) = -,462 =,5398 >,37 => candidato reprovado. P(>6) = P(>2): 2 = (6-5,92)/9,9 =,. P(>6) = P(>) =,587 <,37 => candidato aprovado.,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, P(>5) P(>6)
18 4,56 9, 23,65 28,2 32,74 37,29 4,83 46,38 5,92 55,47 6, 64,56 69, 73,55 78, 82,64 87,9 22,2 26,3 3,5 34,6 38,7 42,8 46,9 5 55, 59,2 63,3 67,4 7,5 75,6 79,7 83,8 87,9 b) Economia = 5,92, = 9,9 P(>55 = P(>): = (555,92)/9,9 =,44 P(>5) = P(>,44) =,33 <,37 => candidato aprovado. Administração = 55,, = 8,22 P(>58) = P(>): = (58-55,)/8,22 =,35. P(>58) = P(>,35) =,3632 = <,37 => candidato aprovado. Lista de Exercícios - Modelos Probabilísticos 8,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Economia: P(>55) Administração: P(>58 c) Basta encontrar x tal que P(>x ) =,37 em economia e x 2 tal que P(>x 2 ) =,42. P(>x ) = P(> ) =,37;,33 P(>x 2 ) = P(> 2 ) =,42; 2,22 Novamente devemos usar a equação = (x -)/, mas isolando o valor de x: x = +, sabendo que: = 5,92, = 9,9 em economia e =,33: x = 5,92 +,33 9,9= 54. = 55,, = 8,22 em administração e 2 =,22: x 2 = 55, +,22 8,22= ) a) Pela binomial: P( 8) C,5,5, 833. Como n p e n (-p) são maiores do que 5 4,8 a aproximação pela normal é viável: = n p = 7; =,87 Binomial: P( = 8) => Normal: P(7,5<<8,5) = P(<<2) P(-,8<<,8) =,833. Veja o gráfico abaixo:,25 2=(8,5-7)/,87 =,8 =-2=-,8,2,5, Binomial Normal,5, Observe como a curva normal passa quase por cima das probabilidades binomiais, o que explica os bons resultados. 7 3 b) Pela binomial: P ( 7) C,, 4, , Como n p é menor do que 5 a aproximação pela normal não é boa, mas vamos realizá-la mesmo assim, a título de exemplo: = n p =4; =,55 Binomial: P( = 7) => Normal: P(7,5<<8,5) = P( << 2 ) 2 =(8,5)/,55 =2,9; = (7,5)/,55 =
19 Lista de Exercícios - Modelos Probabilísticos 9 P(2,26<<2,9) =,43 (este valor está INCORRETO na lista). A aproximação não foi tão ruim assim, pois n p = 4, bem próximo de 5. Veja o gráfico abaixo:,3,25,2,5 Binomial Normal,,5, c) Pela binomial P(8) = P( = 8) + P(=9) + P(=)+...+ P(=5) =,9957. Como n (-p) é menor do que 5 a aproximação pela normal não é boa, mas vamos realizá-la mesmo assim, a título de exemplo: = n p =2; =,55 Binomial: P( 8) => Normal: P(>7,5) = P(> ) =(7,5-2)/,55 =,9 P(>,9) = -P(>2,9) =,9982. A aproximação parece não ter sido tão ruim, mas n (- p) = 3, o que leva a problemas em outros valores. Veja o gráfico abaixo:,3,25,2 As probabilidades de,, 3, 4 e 5 apresentam diferenças, e o próprio formato da distribuição binomial não é exatamente simétrico.,5 Binomial Normal,,5, d) Pela binomial: P(<9) = P(=) + P( = ) P( = 8) =,54. Como n p e n (-p) são maiores do que 5 a aproximação pela normal é viável: = n p = 8,4; =,83 Binomial: P( < 9) => Normal: P(<8,5) = P(< ) =(8,5-8,4)/,83 =,5 P(<,5) = -P(>,5) =,48 =,59. A aproximação apresentou diferença apenas na 3ª casa decimal. Veja o gráfico a seguir:
20 Lista de Exercícios - Modelos Probabilísticos 2,25,2,5, Binomial Normal,5, e) Pela binomial P( 2) = P( = ) + P(=) + P(=2) =,26. Como n p é menor do que 5 a aproximação pela normal não é boa, mas vamos realizá-la mesmo assim, a título de exemplo: = n p =4; =,79 Binomial: P( 2) => Normal: P(<2,5) = P(< ) =(2,5-4)/,79 =-,84 P(<-,84) = P(>,84) =,25. A aproximação parece não ter sido tão ruim, mas n p = 4, o que leva a problemas em outros valores. Veja o gráfico abaixo:,25,2,5, Binomial Normal As probabilidades de, 2, 3, 5, e 6 apresentam diferenças, e o próprio formato da distribuição binomial não é exatamente simétrico.,5, f) Pela binomial P(5 < 8) = P( = 6) + P( = 7) + P( = 8) =,499 (esta probabilidade está INCORRETA na lista). Como n p e n (-p) são maiores do que 5 a aproximação pela normal é viável: = n p = 7; = 2,3 Binomial: P(5 < 8) => Normal: P(5,5 < < 8,5) = P( < < 2 ) =(5,5-7)/2,3 = 2 = (8,5 7)/2,3 = 5,4 P( < < 5,4) = P( > ) P( > 5,4) =,334,3 =,33 (esta probabilidade está INCORRETA na lista). Observe que houve diferença, provavelmente por se tratar de valores muito elevados de. Mesmo assim, veja o gráfico a seguir:
21 7,37 2,2 23,3 25,86 28,69 3,5 34,34 37,7 4, 42,83 45,66 48,49 5,26 54,9 56,9 59,74 62,57,,, -,5 -, -,5,,5,,5,99 Lista de Exercícios - Modelos Probabilísticos 2,2,8,6,4,2,,8,6 Binomial Normal As probabilidades de vários valores não coincidem exatamente, indicando que embora a condição mínima para aproximação tenha sido satisfeita ela apresenta algumas discrepâncias.,4,2, ) Trata-se de um problema de binomial: apenas 2 resultados possíveis (usa ou não o produto), há 2 elementos pesquisados (número máximo de realizações é conhecido), e podemos considerar a probabilidade de sucesso (usar o produto) como constante, uma vez que não há nada indicando o contrário: n = 2; p =,2; p =,8. Pela binomial: P( > 3) = P( = 3) + P( = 32) P( = 2). O procedimento seria tedioso, mas como n p e n ( p) são maiores do que 5 é possível aproximar por uma normal com = n p = 2,2 = 4 n p( p) 2,2, 8 = 5,66 Binomial: P( > 3) => Normal: P( > 3,5) = P(> ) =(3,5)/5,66 = -,68 Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Devido à simetria da distribuição normal padrão em relação à média zero e à propriedade da probabilidade do evento complementar: P( > -,68) = P( >,68) =,465 =,9535 (a propósito o valor exato pela binomial é,957, bastante próximo). 7) Trata-se de um problema de binomial: apenas 2 resultados possíveis (acertar ou errar a questão), há 8 questões das quais ele não sabe nada (número máximo de realizações é conhecido), e podemos considerar a probabilidade de sucesso (acertar questão) como constante, uma vez que não há nada indicando o contrário: n = 8; p =,25; p =,75. Pela binomial: P(25 3) = P( = 25) + P( = 26) P( = 3). O procedimento seria tedioso, mas como n p e n ( p) são maiores do que 5 é possível aproximar por uma normal com = n p = 8,25 = 2 n p( p) 8,25, 75 = 3,87 Binomial: P(25 3) => Normal: P(24,5 < < 3,5) = P( < < 2 ) = (24,5 2)/ 3,87 =,6 2 = (3,5 2)/ 3,87 = 2,7 Devido à simetria da distribuição normal padrão em relação à média zero e à propriedade da probabilidade do evento complementar: P(,6 < < 2,7) = P(>,6) P(>2,7) =,96
22 ,5,,5 2, 2,5 3, 3,5 4, 4,5 5,,76 3,62 5,49 7,35 9,2,8 2,94 4,8 6,67 8,53 2,39 22,26 24,8 25,95 27,8 29,67 3,54 -,5 - -,5,5,5,99 4,5 6,44 8,38,32 2,25 4,9 6,3 8,6 2, 2,94 23,87 25,8 27,7 29,64 3,58 33,52 35,45,,, -,5 -, -,5,,5,,5,99 Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, Lista de Exercícios - Modelos Probabilísticos 22 A propósito, o valor exato pela binomial é,93 (bastante próximo). 7) Trata-se de um problema de binomial: apenas 2 resultados possíveis (face 2 ou não 2 na letra a, e face par ou ímpar na letra b), o dado é lançado vezes (número máximo de realizações é conhecido), e se o dado é honesto a probabilidade de sucesso pode ser considerada constante: a) n = ; p = /6; p = 5/6. Pela binomial: P( 8) = P( = 8) P( = 8). O processo de cálculo seria tedioso, mas como n p e n ( p) são maiores do que 5 é possível aproximar por uma normal com = n p = /6 = 6,67 n p( p) / 65/ 6 = 3,73 Binomial: P( 8) => Normal: P( > 7,5) = P( > ) = (7,5 6,67)/ 3,73 =,22 P( >,22) =,429. Veja os gráficos a seguir:,5,4,4,3,3,2,2,,,,5,4,4,3,3,2,2,,, A propósito, o valor exato pela binomial é, ) Foi declarado textualmente que a variável tempo de chamadas segue uma distribuição uniforme entre,5 e 5 minutos: parâmetros a =,5 e b = 5. Seja a variável aleatória duração de uma chamada, e seja Y a variável aleatória duração total das 4 chamadas. Estamos procurando P(Y > 3,5h) = P(Y > 2 minutos). Se há 4 chamadas, a média por chamada é de 2/4 = 2,2 minutos. Então isso significa que procuramos P( > 2,2), veja o gráfico:,5,4,4,3,3,2,2,,, P(>2,2) é a área sombreada. Para calcular tal área na uniforme devemos usar a expressão: (b-x) (/(b-a)) = (5 x)/(/(5,5)). P( > 2,2) = (5 2,2) (/4,5),6624
23 , 49, 99, 49, 99, 249, 299, 349, 399, 449, 3,5 3,55 3,6 3,65 3,7 3,75 3,8 3,5 3,55 3,6 3,65 3,7 3,75 3,8 Lista de Exercícios - Modelos Probabilísticos 23 73) Foi declarado textualmente que a variável diâmetro dos eixos segue uma distribuição uniforme entre 3,5 e 3,8 mm: parâmetros a = 3,5 e b = 3,8. a) P( > 3,7) = (3,8 3,7) (/(3,8 3,5)) =,3333 (33,33%). 3,5 3, 2,5 2,,5,,5, b) Para distribuição uniforme E() = (a + b)/2 = (3,5 + 3,8)/2 = 3,65 mm c) P( < 3,72) = (3,72 3,7) (/(3,8 3,5)) =,7333 <,8. A exigência não está sendo satisfeita. 3,5 3, 2,5 2,,5,,5, d) P( < 3,75 > 3,7) = P[( < 3,75) ( > 3,7)]/P( > 3,7) = [(3,75 3,7) /(3,8 3,5)]/,3333 =,5 (5%). 74) Trata-se de um problema de distribuição exponencial, mas o parâmetro é desconhecido. Contudo, sabe-se que P( > h) =,2233 = e - = e -. Aplicando logaritmo natural (cuja base vale e): ln,2233 = ln e - => -,5 - =>,5. Agora podemos calcular as probabilidades pedidas nas letras a e b. a) P( > 3h) = e - 3 = e -,5 3, b) P( <,5 h) = e -,5 = e -,5,5 = e -,75 =,4723. Como esta probabilidade é obviamente diferente de,9 a afirmação não pode ser feita. 75) Trata-se de um problema de distribuição exponencial, onde novamente o valor de é desconhecido. Mas, o valor esperado de uma distribuição exponencial é E() = /, e sabemos que E() = 2, logo = /2. a) P( > ) = e - = e -(/2) = e -5/6,4346 b) Sabe-se que P(< ) =,5 => P( > ) =,95 = e - x). Veja o gráfico a seguir:,9,8,7,6,5,4,3,2,,,95 = e -(x/2) Aplicando logaritmo natural: ln,95 = ln e -(x/2) -,5 = -x /2 x = 6,5 meses Então, a garantia máxima para repor até 5% da produção deve ser de 6,5 meses.
ESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Probabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 1 o semestre de 201 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor
3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Probabilidade e Estatística
Probabilidade e Estatística Aula 5 Probabilidade: Distribuições de Discretas Parte 2 Leitura obrigatória: Devore, seções 3.4, 3.5 (hipergeométrica), 3.6 Aula 5-1 Objetivos Nesta parte 01 aprendemos a representar,
Professor Mauricio Lutz DISTRIBUIÇÃO NORMAL
1 DISTRIBUIÇÃO NORMAL Entre as distribuições teóricas de variável contínua, uma das mais empregadas é a distribuição normal. O aspecto gráfico de uma distribuição normal é o da figura abaio. Para uma perfeita
Modelos Probabilísticos Teóricos Discretos e Contínuos. Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal
Modelos Probabilísticos Teóricos Discretos e Contínuos Bernoulli, Binomial, Poisson, Uniforme, Exponencial, Normal Distribuição de Probabilidades A distribuição de probabilidades de uma variável aleatória:
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 06 Distribuições de Probabilidades Prof. Gabriel Bádue Teoria A distribuição de Poisson é uma distribuição discreta de probabilidade, aplicável a ocorrências de um evento
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA Caro aluno, Disponibilizo abaixo a resolução resumida das questões de Estatística da prova de Auditor da SEFAZ/PI 2015. Vale dizer que utilizei a numeração da prova
Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera 2 o Sem./17 MODELOS DISCRETOS. 1. Seja X o número de caras obtidas
14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas
4. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas Os valores assumidos por uma variável aleatória contínua podem ser associados com medidas em uma escala contínua como, por exemplo,
5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, atribuímos probabilidades a intervalos de valores. Exemplo 5.1 Seja a variável correspondente ao tempo de vida útil de determinado
Modelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Lista de Exercícios 2 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 2 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) O número de quilômetros que um carro pode rodar sem que a bateria descarregue possui distribuição exponencial
Aproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Estatística Aplicada
Estatística Aplicada Distribuições Discretas de Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE Distribuições de Probabilidade
1 a a. Para a soma dos números saídos ser 0, tem que sair 0 em ambos os dados
Página Preparar o Exame 0 0 Matemática A. O valor médio da variável aleatória X é dado por a a a a 0 a a a. Então, a a Resposta: B. O é um dos resultados possíveis para X,(X = {0,,, }) pelo que a opção
A figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)
Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) 1) Seja X v.a. representando o número de usuários de um microcomputador no período
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 O tempo de vida útil de uma lavadora de roupas automática tem distribuição aproximadamente Normal, com média de 3,1 anos e desvio padrão de 1,2 anos. a Qual deve ser o valor do tempo de garantia
1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
ALGUMAS DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE 4. 1 INTRODUÇÃO Serão apresentadas aqui algumas distribuições de probabilidade associadas a v.a. s contínuas. A mais importante delas é a distribuição Normal
Variáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman
Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento
Estatística p/ TCE-PR Teoria e exercícios comentados Prof. Jeronymo Marcondes. Resolução prova Estatística p/ TCE-PR, área atuarial.
prova Estatística p/ TCE-PR, área atuarial. Boa pessoal! A CESPE deu uma prova de estatística que, acredito, estava muito acima do esperado por muitos candidatos. Vamos lá! Não encontrei recursos! Vamos
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Distribuições discretas de probabilidades. Cap. 8 Binomial, Hipergeométrica, Poisson
Distribuições discretas de probabilidades Cap. 8 Binomial, Hipergeométrica, Poisson Definições Variável aleatória: função que associa a cada elemento do espaço amostral um número real. Exemplo: diâmetro
Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável
AULA 8. DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017
AULA 8 DISTRIBUIÇÕES DE VARIÁVEIS CONTÍNUAS Uniforme, Exponencial e Normal 19/05/2017 As funções de distribuição (acumulada) e de densidade para v.a. contínuas = =. Se a densidade f(x)for continua no seu
Aproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Aproximação da binomial pela normal
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
Probabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Capítulo 3. Introdução à Probabilidade E à Inferência Estatística
Capítulo 3 Introdução à Probabilidade E à Inferência Estatística definições e propriedades: Propriedade 5: A probabilidade condicional reflete como a probabilidade de um evento pode mudar se soubermos
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Verificar como a distribuição normal pode ser utilizada para calcular, l de forma aproximada, probabilidades associadas a uma variável aleatória com
Aproximação da binomial pela normal 1 Objetivo Verificar como a distribuição normal pode ser utilizada para calcular, l de forma aproximada, probabilidades associadas a uma variável aleatória com distribuição
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO Caro aluno, Disponibilizo abaixo a resolução das questões de Estatística e Raciocínio Lógico da prova de Analista da SEFAZ/PI 015. Resolvi as questões
Confiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Principais distribuições discretas Distribuição de Bernoulli sucesso fracasso X = 1, se sucesso X = 0, se fracasso P(X) TOTAL 1 Exemplo 5:
Principais distribuições discretas Na prática, sempre se procura associar um fenômeno aleatório a ser estudado, a uma forma já conhecida de distribuição de probabilidade (distribuição teórica) e, a partir
PRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Solução: A distribuição normal. Representação gráfica. Cálculo de probabilidades. A normal padrão. σ Será uma N(0; 1).
A distribuição normal Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f (x) =.e π. σ x µ. σ, x R Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ com
CAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo
Variáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
UNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios
UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Terceira Lista de Exercícios Parte I: Variáveis aleatórias, Esperança e Variância Questão 1.
Distribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Modelos de Probabilidade Utilizados para descrever fenômenos ou situações que encontramos na natureza, ou
Distribuição de Probabilidade. Prof. Ademilson
Distribuição de Probabilidade Prof. Ademilson Distribuição de Probabilidade Em Estatística, uma distribuição de probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores.
Métodos Estatísticos
Métodos Estatísticos 5 - Distribuição Normal Referencia: Estatística Aplicada às Ciências Sociais, Cap. 7 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 2002. Distribuição de Probabilidades A distribuição
MAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo:
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f().e π. μ., R com - < μ < e > 0 0, 0,6 N(0; ) N(0;
5- Variáveis aleatórias contínuas
5- Variáveis aleatórias contínuas Para variáveis aleatórias contínuas, associamos probabilidades a intervalos de valores da variável. Exemplo 5.1 Seja a variável correspondente ao tempo até a cura de pacientes
Professora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
6.3 Valor Médio de uma Variável Aleatória
6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao
( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas
Probabilidade e Estatística I Antonio Roque Aula Algumas Distribuições de Probabilidade Contínuas Vamos agora estudar algumas importantes distribuições de probabilidades para variáveis contínuas. Distribuição
Capítulo 5 Distribuições de probabilidade normal Pearson Prentice Hall. Todos os direitos reservados.
Capítulo 5 Distribuições de probabilidade normal slide 1 Descrição do capítulo 5.1 Introdução à distribuição normal e distribuição normal padrão 5.2 Distribuições normais: encontrando probabilidades 5.3
Variáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte II 29 de Março de 2011 Distribuição Uniforme Discreta Média Propriedade da falta de memória Objetivos Ao final deste capítulo você
Como gerar uma amostra aleatória simples com o Microsoft Excel
Como gerar uma amostra aleatória simples com o Microsoft Excel Este texto complementa o conteúdo da Unidade 2 da disciplina Estatística Aplicada à Administração. Na seção 2.1 da Unidade 2 vimos a importância
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim. ICMS PE 2014: Resolução da prova de Estatística Prof.
ICMS/PE 2014 Resolução da Prova de Estatística Professor Fábio Amorim 1 de 6 Pessoal, segue a resolução das questões de Estatística da prova realizada pela SEFAZ-PE, para o cargo de Auditor Fiscal do Tesouro
Universidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE
INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.
Distribuição de Probabilidade Variáveis Aleatórias Discretas. Prof.: Joni Fusinato
Distribuição de Probabilidade Variáveis Aleatórias Discretas Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Distribuição de Probabilidade Descreve a chance que uma variável pode assumir
AULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
MAE0229 Introdução à Probabilidade e Estatística II
Exercício Entre jovens atletas, um nível alto de colesterol pode ser considerado preocupante e indicativo para um acompanhamento médico mais frequente. Suponha que são classificados como tendo taxa de
Conceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues
Conceitos Iniciais de Estatística Módulo 6 : PROBABILIDADE VARIÁVEL ALEATÓRIA CONTÍNUA Prof. Rogério Rodrigues 0 1 CONCEITOS INICIAIS DE ESTATÍSTICA: PROBABILIDADE / VARIÁVEL ALEATÓRIA CONTÍNUA CURSO :
PRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Tópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 04 Medidas de posição relativa Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de Goiás Determinando
Lista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40 horas e desvio padrão
Probabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Distribuições de Probabilidade Contínuas 1/19
all Distribuições de Probabilidade Contínuas Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário Norte
Cap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Modelos básicos de distribuição de probabilidade
Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não
5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber
5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem
Distribuições Contínuas de Probabilidade
Distribuições Contínuas de Probabilidade Uma variável aleatória contínua é uma função definida sobre o espaço amostral, que associa valores em um intervalo de números reais. Exemplos: Espessura de um item
4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
Aula 2 A distribuição normal
Aula 2 A distribuição normal Objetivos: Nesta aula você estudará a distribuição normal, que é uma das mais importantes distribuições contínuas. Você verá a definição geral desta distribuição, mas, nesse
Lucas Santana da Cunha de junho de 2018 Londrina
Variável aleatória contínua: Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 13 de junho de 2018 Londrina 1 / 26 Esperança e variância de Y Função de distribuição acumulada
1. Calcular, usando a tabela da distribuição normal padronizada, as seguintes probabilidades:
Memória da aula prática 5 Página 1 de 8 1. Calcular, usando a tabela da distribuição normal padronizada, as seguintes probabilidades: a) p(0< Z < 1,38), que pode ser lido como: Qual a probabilidade correspondente
As restrições acima, sobre, são equivalentes a e. Combinandoas, poderemos escrever.
Livro: Probabilidade - Aplicações à Estatística Paul L. Meyer Capitulo 4 Variáveis Aleatórias Unidimensionais. Exemplo 4.9. Ao operar determinada máquina, existe alguma probabilidade de que o operador
LEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Lista de exercícios propostos de Distribuições Discretas Estatística I OBS: Os exercícios estão dispostos em ordem de dificuldade.
Lista de exercícios propostos de Distribuições Discretas Estatística I OBS: Os exercícios estão dispostos em ordem de dificuldade. 1. Sendo X uma variável seguindo uma distribuição Uniforme Discreta, com
Variáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Probabilidade e Modelos Probabilísticos
Probabilidade e Modelos Probabilísticos 1ª Parte: Conceitos básicos, variáveis aleatórias, modelos probabilísticos para variáveis aleatórias discretas, modelo binomial, modelo de Poisson 1 Probabilidade
DISTRIBUIÇÕES BERNOULLI E BINOMIAL
DISTRIBUIÇÕES BERNOULLI E BINOMIAL Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de junho de 2017 Distribuição Bernoulli Nos experimentos
Gabarito Comentado. Sendo X denotando os dados dos meninos e Y os dados das meninas, então
Disciplina: Estatística e Probabilidade Modelo de Prova: Roteiro de Estudos Tipo de Prova: RE Versão da Prova: 1 Código da Prova: 9968 Questão Resposta correta Gabarito Comentado Sendo X denotando os dados
Resolução prova de matemática UDESC
Resolução prova de matemática UDESC 009. Prof. Guilherme Sada Ramos Guiba 1. O enunciado da questão omite a palavra, mas quer dizer que 0% dos aprovados passaram somente na disciplina A, 50% passaram somente
Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
PARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
RESOLUÇÃO DO BLOCO 1 (ANALISTA TRANSP. MARÍTIMO)
RESOLUÇÃO DO BLOCO 1 (ANALISTA TRANSP. MARÍTIMO) Caro aluno, Disponibilizo abaixo a resolução resumida das 20 questões do Bloco 1 da prova de Analista de comercialização e logística junior transporte marítimo.
Distribuições Bernoulli e Binomial
Distribuições Bernoulli e Binomial Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 04 de junho de 2018 Londrina 1 / 12 Distribuição Bernoulli Nos experimentos
1) A variável anos de remodelação dos veículos (na percepção do cliente) está representada no histograma a seguir:
INE 5111 EXERCÍCIO COMPLEMENTAR TURMA 05324 29/10/2010 1) A variável anos de remodelação dos veículos (na percepção do cliente) está representada no histograma a seguir: Anos desde a última remodelação
Unidade IV ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade IV ESTATÍSTICA Prof. Fernando Rodrigues Análise combinatória Analise combinatória é a área da Matemática que trata dos problemas de contagem. Ela é utilizada para contarmos o número de eventos
Lista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Estatística: Probabilidade e Distribuições
Estatística: Probabilidade e Distribuições Disciplina de Estatística 2012/2 Curso: Tecnólogo em Gestão Ambiental Profª. Ms. Valéria Espíndola Lessa 1 Aula de Hoje 23/11/2012 Estudo da Probabilidade Distribuição
Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Uma variável aleatória X tem uma distribuição normal se sua fdp for do tipo: f(x) 1.e 1 2. x µ σ 2, x R 2π. σ com - < µ < e σ >
Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Poisson 08/14 1 / 19 Modelo Poisson Na prática muitos experimentos consistem em observar a
Centro de Estudos Gilberto Gualberto Ancorando a sua aprendizagem LISTA FUNÇÕES
Questão 01 - A quantidade mensalmente vendida x, em toneladas, de certo produto, relaciona-se com seu preço por tonelada p, em reais, através da equação p = 2 000 0,5x. O custo de produção mensal em reais
INE 5118 Exercícios Extras INE 5118 LISTAS DE EXERCÍCIOS EXTRAS TURMA 05202
INE 5118 LISTAS DE EXERCÍCIOS EXTRAS TURMA 05202 INE 5118 Exercícios Extras VARIÁVEIS ALEATÓRIAS DISCRETAS 1) Num processo de fabricação de pratos de porcelana 8% destes pratos apresentam algum tipo de
Variáveis Aleatórias Discretas e Distribuição de Probabilidade
Variáveis Aleatórias Discretas e Distribuição de Probabilidades 01 de Abril de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Determinar probabilidades a partir de funções de probabilidade