Baixe o app para aproveitar ainda mais
Prévia do material em texto
P1 - Probabilidade e Estatística – 2013.2 Dpto. Engenharia Elétrica, PUC-Rio. Professores: Reinaldo Castro Souza Alexandre Street Roxana Jimenez Contreras Problema 1 (1.6 pts) a) (0.4 pt) Se X é uma v.a. discreta, descreva o suporte (possíveis valores) de X para o caso das seguintes distribuições: Bernoulli, Binomial, Geométrica, Binomial Negativa e Poisson. SOLUÇÃO Bernoulli : x=0,1 Binomial : x=0,1,...,n Geométrica : x=1,2,.... Binomial Negativa : x= r, r+1, r+2, .... Poisson: x= 0,1,.... b) (0.4 pt) Defina um experimento que caracterize uma variável aleatória Poisson. Dê um exemplo real. SOLUÇÃO DISTRIBUIUÇÃO POISSON – É uma variável aleatória discreta que modela número “n” de ocorrência de um evento raro, ou seja, a probabilidade de X = 0 ou X = 1 (pequeno número de ocorrências no intervalo de tempo especificado) é grande. EXEMPLO: BMW que entra em uma universidade pública em um período de 1 dia. c) (0.4 pt) Defina População e Amostra. Dê exemplo SOLUÇÃO População = coleção de todos os elementos cujas características desejamos conhecer. Os elementos (ou "indivíduos") na população não são necessariamente pessoas! Amostra = subconjunto da população cujas características serão medidas. A amostra será usada para descobrir características da população. Exemplos: População = eleitores na cidade do Rio de Janeiro Amostra = 650 eleitores escolhidos aleatoriamente (ao acaso) População = automóveis produzidos no Brasil entre 1997 e 2002 Amostra = 10000 carros escolhidos aleatoriamente dentre os sujeitos a “recall” das montadoras d) (0.4 pt) Prove: VAR (aX+b)= a2VAR(X) SOLUÇÃO VAR (ax+b) = a 2 VAR(x) VAR(ax+b) = E(ax+b) 2 – E2(ax+b) = E[(ax) 2 +2abx+b 2 ]-[E(ax+b)] 2 = E[(ax) 2 +2abx+b 2 ]-[E(ax)+E(b)] 2 = E[(ax) 2 +2abx+b 2 ]-[E 2 (ax)+2.E(ax).E(b)+E 2 (b)] = E[(ax) 2 ]+2abE(x)+E(b 2 ]-E 2 (ax)-2abE(x)-E 2 (b) = E(ax) 2 -E 2 (ax) = a 2 VAR(x) Problema 2 ( 2.2 pts) A incidência de Câncer no pulmão causado pela poluição produzida na combustão de carvão é de 1 caso por 1000 da população. Como informação adicional, sabe-se que de cada 5 casos, 3 são suaves e 2 são crônicos. Um novo instrumento detector desta doença está sendo testado. Sabe-se que este aparelho detecta o câncer no estado crônico com certeza, detecta o câncer no estado suave com probabilidade de 0,6 e indica a presença da doença mesmo quando esta não existe com probabilidade de 0,01. Avalie o desempenho deste aparelho na detecção correta da existência desta doença (nos estados suave e crônico) num paciente. Comente os resultados. SOLUÇÃO Sejam os eventos: B1 – Câncer crônico B2 – Câncer suave B3 – Sem câncer A – Aparelho detectar o câncer Dado: 1 caso / 1000 na população 5 casos : - 3 suaves - 2 crônicos Pr(B1) - 2/5000 = 0,0004 Pr(B2) - 3/5000 = 0,0006 Pr(B3) - 4995/5000 = 0,999 Então: Evento: “A” Aparelho detectar o câncer A = [ 1BA 2BA ] 3BA Pr(A) = [ 1Pr BA 2Pr BA ] 3Pr BA Pr(A) = [ x Pr( 1B ) + x Pr( 2B ) ] + x Pr( 3B ) Pr(A) = [ 0004,01x 0006,06,0 x ] 999,001,0 x Pr(A)= 0,01075 = 1,075% 2|Pr BA 1|Pr BA 3|Pr BA 1|Pr 1 BA 6,0|Pr 2 BA 01,0|Pr 3 BA Obtem-se: - Câncer crônico (B1): - Câncer suave (B2): - Sem câncer (B3): Resposta: Dado que o teste é positivo e a probabilidade dele não ter a doença é muita alta (92,93%), então o aparelho não é bom, alarme falso em 92,93%. k j k j RRS RRS RRS SR S SR SR 11 Pr|Pr Pr|Pr Pr|Pr Pr Pr Pr |Pr %72,30372,0 01075,0 0004,01 |Pr 1 x AB %35,30335,0 01075,0 0006,06,0 |Pr 2 x AB %93,929293,0 01075,0 999,001,0 |Pr 3 x AB Problema 3 ( 2.2 pts): Uma pessoa está viajando e pretende alugar um carro, esta pessoa viaja entre 60 e 140 km por dia. A distância (em Km) que ela irá percorrer diariamente é uma variável aleatória com densidades: f(x) = 3000 )25( x se 60≤x≤90 4000 155 x se 90≤x≤140 Existem duas opções de diárias de aluguel: 1) Opção 1 : R$80,00 + R$0,35 por km rodado; 2) Opção 2 : R$100,00 se rodar até 120 km e R$130,00 se rodar mais de 120 km num dia. Ache os valores esperados dos custos das opções 1 e 2 e diga qual das opções é mais vantajosa em média? SOLUÇÃO Seja C o custo diário de aluguel. Opção 1: R$80,00 + R$0,35 por km rodado C = 80 + 0,35X, então o custo esperado é: E(C) = 80 + 0,35 E(X) 140 60 )(.)( dxxfxXE 140 90 90 60 4000 155 3000 25 dx x xdx x x 140 90 2 90 60 2 155 4000 1 25 3000 1 dxxxdxxx 140 90 32 90 60 23 32 .155 4000 1 2 .25 33000 1 xxxx 3 90 2 90 .155 3 140 2 140 .155 4000 1 2 60 .25 3 60 2 90 .25 3 90 3000 1 32322323 750.38433,604333 4000 1 000.27750.141 3000 1 15,9390,5425,38 Logo o custo da Opção 1: E(C) = 80 + (0,35 x 93,15) = R$112,60 Opção 2: R$100,00 se rodar até 120 km e R$130,00 se rodar mais de 120 km num dia. Para o cálculo do custo da opção 2, precisamos calcular Pr(60<X<120) e Pr(120<X<140), note que: Pr (60<X<120) = Pr (60<X<90) + Pr(90<X<120) Pr(60<X<120) = 120 90 90 60 4000 155 3000 25 dx x dx x 120 90 90 60 155 4000 1 25 3000 1 dxxdxx 120 90 2 90 60 2 2 .155 4000 1 .25 23000 1 x xx x 2 90 90.155 2 120 120.155 4000 1 60.25 2 60 90.25 2 90 3000 1 2222 900.9400.11 4000 1 300800.1 3000 1 875,0375,05,0 Pr (120<X<140) = 140 120 . 4000 155 dx x 140 120 155 4000 1 dxx 140 120 2 2 155 4000 1 x x 2 120 120.155 2 140 140.155 4000 1 22 125,0400.11900.11 4000 1 Logo o custo da Opção 2: E(C) = 100(0,875) + 130(0,125) = 103,75 Então: Opção 2 < opção 1, conclui-se que a Opção 2 é a mais econômica. Problema 4 (2.0 pts) Em um his.tórico de provas P1 de PROBEST sabe-se que 5% dos alunos faltam no dia da prova. O professor decide fazer a prova em uma sala aonde tem 57 lugares e a turma para fazer a prova é de 61 alunos. Qual a probabilidade de que não haverá lugar suficiente para todos os alunos? SOLUÇÃO X~BINOMIAL(n,p), sendo “p” a probabilidade de sucesso. Domínio de X = (0,n) Assim: X ~ BINOMIAL(n=61;p=0,95) Pr (x>57) = [(f(58)+f(59)+f(60)+f(61)] Pr (x>57) = [(f(58)+f(59)+f(60)+f(61)] = 0,2296+0,2219+0,1405+0,0438 = 0,6358 = 63,58% Ou nxpp xnx n pp x n xXxf xnxxnx ,...,2,1,0 para )1( )!(! ! )1(Pr)( 0,2296 )05,0(95,0 )!5861(!58 !61 )95,01(95,0 58 61 58Pr)58( 358)5861(58 Xf 0,2219 )05,0(95,0 )!5961(!59 !61 )95,01(95,0 59 61 59Pr)59( 259)5961(59 Xf 0,1405 )05,0(95,0 )!6061(!60 !61 )95,01(95,0 6061 60Pr)60( 160)6061(60 Xf 0,0438 )05,0(95,0 )!6161(!61 !61 )95,01(95,0 61 61 61Pr)61( 061)6161(60 Xf X ~ BINOMIAL(n=61;p=0,05) Pr (x<4) = [f(0)+f(1)+f(2)+f(3)] Pr (x<4) = F(3) = [f(0)+f(1)+f(2)+f(3)] = (0,0438+0,1405+0,2219+0,2296) = 0,6358 = 63,58% 0,0438 )95,0(05,0 )!061(!0 !61 )05,01(05,0 0 61 0Pr)0( 610)061(0 Xf 0,1405 )95,0(05,0 )!161(!1 !61 )05,01(05,0 1 61 1Pr)1( 601)161(1 Xf 0,2219 )95,0(05,0 )!261(!2 !61 )05,01(05,0 2 61 2Pr)2( 592)261(2 Xf 0,2296 )95,0(05,0 )!361(!3 !61 )05,01(05,0 3 61 3Pr)3( 583)361(3 Xf Problema 5 (2.0 pts) Tomou-se uma amostra de 55 alunos matriculados em PROBEST 2013-2, e, são mostrados a seguir as alturas destes alunos através dos quadros : estatística descritiva, diagrama de frequências e histograma: 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00% 0 5 10 15 20 ≤1,57 (1,57 - 1,63] (1,63 - 1,69] (1,69 - 1,75] (1,75 - 1,81] (1,81 - 1,87] >1,87 Fr e q ü ê n ci a Bloco Histograma Freqüência % cumulativo Diagrama de frequências Bloco Freqüência % cumulativo ≤1,57 3 5,45% (1,57 - 1,63] 12 27,27% (1,63 - 1,69] 8 41,82% (1,69 - 1,75] 17 72,73% (1,75 - 1,81] 8 87,27% (1,81 - 1,87] 6 98,18% >1,87 1 100,00% Estatística descritiva (ALTURA-m) Média 1,71 Erro padrão 0,012 Mediana 1,70 Moda 1,70 Desvio padrão 0,088 Variância da amostra 0,008 Curtose -0,32 Assimetria 0,22 Intervalo 0,4 Mínimo 1,53 Máximo 1,93 Soma 93,93 Contagem 55 Maior(1) 1,93 Menor(1) 1,53 Nível de confiança(95,0%) 0,0238 Com relação aos quadros apresentados da amostra das alturas dos alunos, avalie as seguintes afirmações como Verdadeira (V) ou Falso(F): a) (0,2 pt) - 72,73 % dos alunos têm alturas menores ou iguais que 1,75m. V (X ) ou F ( ) b) (0,2 pt) - 98,18% dos alunos têm alturas maiores que 1,81m. V ( ) ou F (X) R: 2,82% c) (0,2 pt) - Pode-se dizer que a distribuição é simétrica. V ( ) ou F (X) R: Assimétrica (0,22) d) (0,2 pt) - Podemos dizer que 12 alunos têm alturas menores ou iguais que 1,63m. V ( ) ou F (X ) R.: 15 alunos e) (0,2 pt) - A assimetria 0,22 indica que existem mais alturas altas e menos alturas baixas. V ( ) ou F (X ) R.: Média > Mediana, existem mais notas baixas. f) (0,2 pt) - Podemos dizer que a altura 1,71m é a que mais vezes acontecem. V ( ) ou F (X) R: Moda (1,70) g) (0,2 pt) - O coeficiente de Variação conforme a estatística descritiva é igual a 0,0515. V (X ) ou F ( ) R: h) (0,6 pt) - Construa o diagrama de Pareto desta amostra, montando em blocos conforme o quadro do diagrama de frequência (esboce frequência e % cumulativo). Bloco Freqüência % cumulativo Bloco Freqüência % cumulativo ≤1,57 3 5,45% (1,69 - 1,75] 17 30,91% (1,57 - 1,63] 12 27,27% (1,57 - 1,63] 12 52,73% (1,63 - 1,69] 8 41,82% (1,63 - 1,69] 8 67,27% (1,69 - 1,75] 17 72,73% (1,75 - 1,81] 8 81,82% (1,75 - 1,81] 8 87,27% (1,81 - 1,87] 6 92,73% (1,81 - 1,87] 6 98,18% ≤1,57 3 98,18% >1,87 1 100,00% >1,87 1 100,00% X S CV 0515,0 71,1 088,0 CV 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00% 0 5 10 15 20 (1,69 - 1,75] (1,57 - 1,63] (1,63 - 1,69] (1,75 - 1,81] (1,81 - 1,87] ≤1,57 >1,87 Fr e q ü ê n ci a Bloco Diagrama de Pareto frequência % cumulativo FORMULÁRIO: TEOREMA DE BAYES: MÉDIA E VARIÂNCIA 2 = E (X2) - E(X)2 SÉRIE GEOMÉTRICA 0 32 1 1 1 .....1 k k a a aaaa que desde discreta v.a.é X se Pr.. contínua v.a.é X se . xtodo xtodo xXxxfx dxxfx XE discreta v.a.é X se Pr.. contínua v.a.é X se . xtodo xtodo xXxuxfxu dxxfxu XuE k j jj ii k j jj ii i BBA BBA BBA AB A AB AB 11 Pr|Pr Pr|Pr Pr|Pr Pr Pr Pr |Pr 2 22 2 2 todo x todo x . se X contínua ( ) . .Pr se X discreta x f x dx VAR X E X x f x x X x VARIÁVEIS ALEATÓRIAS DISCRETAS Distribuição Bernoulli Notação : X ~ Bernoulli(p) Função de probabilidade: Média e Variância: E(X) = p VAR(X) = p.q = p.(1-p) Distribuição Binomial Notação : X ~ Bin (n,p) Função de probabilidade: Média e Variância: E(X) = n.p VAR(X) = n.p.q = n.p.( 1-p) Distribuição Geométrica Notação : X ~ Geom (p) Função de probabilidade: Média e Variância: E(X) = 1/p VAR(X) = q/p2 Distribuição Binomial Negativa Notação : X ~ NegBin (r,p) Função de probabilidade: Média e Variância: E(X) = r/p VAR(X) = r.q/p2 Distribuição Poisson Notação : X ~ Poisson(μ) Função de probabilidade: Média e Variância: E(X) = μ VAR(X) = μ 1)Pr()( 1 xx ppxXxf )1(Pr)( xnx pp x n xXxf .)Pr()( 1 pqxXxf x .. 1 1 )Pr()( rxr qp r x xXxf ! )Pr()( x e xXxf x
Compartilhar