Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística para Economistas Resolução dos Exercícios Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 1 1 1. TEORIA DOS CONJUNTOS 1.1 O conjunto {0} tem 1 elemento igual a zero e é, portanto, diferente do conjunto vazio ∅. 1.2 Há 8 subconjuntos: {x, y}, {x, z}, {y, z}, {x}, {y}, {z}, ∅ e o próprio conjunto S. 1.3 Sim, trata-se do mesmo conjunto, pois as raízes de x2 = 1 são 1 e –1. 1.4 a) Verifica-se que A ∪ B = {1, 2, 3, 4, 5} e que A ∪ B ∪ C = {1, 2, 3, 4, 5}. b) Tem-se B ∩ C = {3} e A ∪ (B ∩ C) = {1, 2, 3}. c) Como B ∩ C = {3}, verifica-se que A ∩ (B ∩ C) = {3}. d) O único elemento de A que não pertence a C é o 2. Então C– = {2}. e) Tendo em vista o resultado do item anterior, verifica-se que C– ∩ B = ∅. f) Apenas {3} e ∅ são subconjuntos comuns a A, B e C. 2. PROBABILIDADE 2.1 Temos as seguintes probabilidades: 4 2 1) Retirar bola branca da 1a urna: p11 = __ = __ . 6 3 2 1 2) Retirar bola preta da 1a urna: p12 = __ = __ . 6 3 3 3) Retirar bola branca da 2a urna: p21 = __ . 8 5 4) Retirar bola preta da 2a urna: p22 = __ . 8 a) A probabilidade pedida é a soma da probabilidade de obter bola bran- ca da 1a urna e bola preta da 2a urna com a probabilidade de retirar bola preta da 1a urna e bola branca da 2a urna: 2 5 1 3 10 3 13__ . __ + __ . __ = __ + __ = __ 3 8 3 8 24 24 24 1 5 5 b) __ . __ = __ 3 8 24 2 3 1 c) __ . __ = __ 3 8 4 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 1 2 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson 2.2 A probabilidade de um rádio não ter defeito é 0,9. Então, a probabilidade pe- dida é 0,93 = 0,729. 1 1 1 2.3 A probabilidade de tirar R$ 10,00 e, em seguida, R$ 20,00 é __ . __ = __. A pro- 4 3 12 1 babilidade de tirar as duas notas em ordem inversa também é igual a __. Então 12 2 1 a probabilidade pedida é __ = __. 12 6 Um raciocínio alternativo é considerar as combinações das quatro notas duas 4 a duas: � � = 6. Como apenas 1 das combinações corresponde a R$ 30,00, a2 1 probabilidade pedida é __. 6 2.4 a) Cada jogador mostra uma mão, estendendo de 0 a 5 dedos. O resultado é a soma do número de dedos estendidos por cada jogador. A probabilidade de uma parcela ser par é 0,5 (0, 2 ou 4 dedos estendidos, em um total de 6 alternativas). O resultado (soma) será par se as duas parcelas forem pares ou se ambas forem ímpares. Então a probabilidade de o resultado ser par é 0,5 . 0,5 + 0,5 . 0,5 = 0,5. b) Fazendo um quadro com 6 colunas e 6 linhas mostrando todas as possi- bilidades de valor de cada parcela, é fácil verificar que a soma é maior do que 5 em 15 das 36 caselas. Então a probabilidade de ocorrer resultado 15 5 maior do que 5 é __ = __. 36 12 2.5 A probabilidade associada a cada um dos dois eventos é positiva, mas a pro- babilidade de os dois eventos ocorrerem simultaneamente é igual a zero. Concluímos que os eventos não são independentes. 2.6 Usando M e F para indicar os sexos masculino e feminino, respectivamente, os dois filhos podem ser MM, MF, FM ou FF. Vamos admitir que esses 4 eventos sejam igualmente prováveis. Sabendo que um dos filhos é do sexo masculino, ficamos restritos a três possibilidades: MM, MF ou FM. Então, a probabilidade 2 de o outro filho ser do sexo feminino é __. 3 1 2.7 Como os eventos são independentes, a probabilidade é 0,5 . 0,5 = 0,25 ou __. 4 2.8 a) A probabilidade de obter 3 bolas pretas é 0,5 . 0,5 . 0,5 = 0,125. A probabilidade de obter 3 bolas brancas é 0,3 . 0,3 . 0,3 = 0,027. A probabilidade de obter 3 bolas vermelhas é 0,2 . 0,2 . 0,2 = 0,008. Então, a probabilidade de obter 3 bolas da mesma cor é 0,125 + 0,027 + 0,008 = 0,160. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 2 5 4 3 60 10 b) A probabilidade de obter 3 bolas pretas é __ . __ . __ = ___ = ___. 10 9 8 720 120 3 2 1 6 1 A probabilidade de obter 3 bolas brancas é __ . __ . __ = ___ = ___. 10 9 8 720 120 11 Então, a probabilidade de obter 3 bolas da mesma cor é ___. 120 10 9 3 2.9 a) __ . __ = __ 16 15 8 10 6 2 b) A probabilidade de apenas o primeiro ser perfeito é __ . __ = __. 16 15 8 6 10 2 A probabilidade de apenas o segundo ser perfeito é __ . __ = __. 16 15 8 3 2 2 7 Então, a probabilidade de pelo menos um ser perfeito é __ + __ + __ = __. 8 8 8 8 14 13 91 c) __ . __ = ___ 16 15 120 2.10 O evento A é independente do evento B se a probabilidade de ocorrer A não é afetada pela ocorrência de B, isto é, P(A|B) = P(A). Exemplo: são lançados dois dados, um azul e um branco, e definimos os eventos A = “sair 6 no dado azul” e B = “sair valor ímpar no dado branco”. 2.11 A soma 3 pode ser obtida como 1 + 2 ou 2 + 1. Então a probabilidade pedida é 1 1 1 2 . __ . __ = __. 6 6 18 2.12 A soma 4 pode ser obtida como 1 + 1 + 2, 1 + 2 + 1 ou 2 + 1 + 1. Então a proba- 1 1 1 1 bilidade pedida é 3 . __ . __ . __ = __. 6 6 6 72 2.13 A soma 5 pode ser obtida como 1 + 1 + 3, 1 + 3 + 1, 3 + 1 + 1, 1 + 2 + 2, 2 + 1+ 2 1 1 1 1 ou 2 + 2 + 1. Então, a probabilidade pedida é 6 . __ . __ . __ = __. 6 6 6 36 2.14 Sabendo que em um dos dois lançamentos o resultado foi “cara”, ficamos restritos a 3 possibilidades igualmente prováveis: “cara e cara”, “cara e coroa” 1 ou “coroa e cara”. A probabilidade de o jogador ter feito um ponto é __. 3 2.15 a) Temos que a probabilidade de “lâmpada 1 acesa” é 0,15 + 0,45 = 0,60 e a probabilidade de “lâmpada 2 acesa” é 0,15 + 0,10 = 0,25. Verifica-se que a probabilidade de as duas lâmpadas estarem acesas é igual ao produto das probabilidades de cada uma estar acesa, isto é, 0,6 . 0,25 = 0,15. Isso mostra que “lâmpada 1 acesa” é independente de “lâmpada 2 acesa”. 3RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 3 4 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson b) Analogamente, temos 0,4 . 0,25 = 0,10, mostrando que os eventos são inde- pendentes. 2.16 a) Admitindo que os resultados das provas sejam independentes, a probabi- 1 lidade é �__� n . n 1 b) �1 – __� n n 1 c) lim �__� n = 0 n→∞ n Fazendo m = n –1, temos 1 1�1 – __� n = __________________ n 1 1�1 + __� m �1 + __�m m 1 1 Então lim �1 – __� n = __ n→∞ n e 2.17 a) A probabilidade de o primeiro pegar um blusão alheio é 2/3. Dado que o primeiro pegou um blusão alheio, a probabilidade de os outros dois estu- dantes ficarem com blusões alheios é 1/2. Então, a probabilidade pedida é 2 1 1__ . __ = __. 3 2 3 Outra alternativa é fazer a lista das 3! = 6 permutações dos 3 blusões e veri- ficar que em apenas duas nenhum dos 3 elementos está na mesma posição que na seqüência inicial. b) A probabilidade de o primeiro estudante pegar o blusão correto e os outros 1 1 1 2 ficarem com blusões trocados é __ . __ = __. 3 2 6 A probabilidade de o primeiro estudante pegar um blusão alheio e um dos 2 1 1 outros dois pegar o blusão correto é __ . __ = __. Então, a probabilidade 3 2 3 1 1 1 pedida é __ + __ = __. 6 3 2 c) O evento é impossível. A probabilidade é igual a zero. 1 1 1 d) A probabilidade é __ . __ = __. 3 2 6 2.18 O procedimento mais seguro é fazer uma tabela com todas as possibilidades, assinalando a ocorrência dos eventos definidos: 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 4 Verifica-se que A e B são mutuamente exclusivos, o que obviamente decorre de valores pares e valores ímpares serem resultados mutuamente exclusivos. Verifica-se que A e C não são mutuamente exclusivos e que B e C também não são mutuamente exclusivos. Obtemos 9 1 P(A) = P(B) = __ = __ 36 4 5 2 2 P(C) = __ , P(A|C) = __ , P(C|A) = __, 36 5 9 3 3 1 P(A|B) = 0, P(B|C) = __ e P(C|B) = __ = __. 5 9 3 Esses resultados mostram que A e B não são independentes, o mesmo sendo válidopara A e C e para B e C. 2.19 A tabela com os 36 resultados possíveis, assinalando os eventos A, B e C, fica 5RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann Resultado no Resultado no 1 o dado 2o dado 1 2 3 4 5 6 1 B – B – B, C – 2 – A – A, C – A 3 B – B, C – B – 4 – A, C – A – A 5 B, C – B – B – 6 – A – A – A Resultado no Resultado no dado amarelo dado branco 1 2 3 4 5 6 1 – A – A B A, B 2 – A – A B A, B, C 3 – A – A B, C A, B 4 – A – A, C B A, B 5 – A C A B A, B 6 – A, C – A B A, B Observa-se que A e B não são mutuamente exclusivos e que A e C também não são mutuamente exclusivos. Verifica-se que 1 1 5 P(A) = __, P(B) = __, P(C) = __ 2 3 36 1 3 3 1 2 1 P(A|B) = __, P(A|C) = __, P(C|A) = __ = __ e P(C|B) = __ = __. 2 5 18 6 12 6 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 5 6 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Como P(A|B) = P(A), conclui-se que A e B são independentes. Como P(A|C) ≠ P(A), conclui-se que A e C não são independentes. 2.20 A tabela com os 36 resultados possíveis, assinalando os eventos A, B e C, fica Resultado no Resultado no dado amarelo dado branco 1 2 3 4 5 6 1 – – – – A B 2 – – – – A, B – 3 – – – B A – 4 – – B – A C 5 – B – – A, C – 6 B – – C A – Observa-se que A e B não são mutuamente exclusivos, B e C são mutuamente exclusivos e A e C não são mutuamente exclusivos. Verifica-se que 1 6 1 3 1 P(A) = __, P(B) = __ = __, P(C) = __ = __ 6 36 6 36 12 1 1 1 P(A|B) = __, P(A|C) = __, P(C|A) = __ e P(B|C) = 0. 6 3 6 Como P(A|B) = P(A), conclui-se que A e B são independentes. Como P(B|C) ≠ P(B), conclui-se que B e C não são independentes. Como P(C|A) ≠ P(C), conclui-se que A e C não são independentes. 2.21 Se José tem n cabras, Pedro tem 3n. Admitindo que a probabilidade de se des- garrar seja a mesma para todas as cabras, a probabilidade de uma cabra n 1 desgarrada pertencer a José é __ = __. 4n 4 José tem 0,1n cabras malhadas e Pedro tem 0,2 . 3n = 0,6n cabras malhadas. Sabendo que a cabra desgarrada é malhada, a probabilidade de que pertença a José é 0,1n 1__________ = __. 0,1n + 0,6n 7 2.22 O gráfico a seguir permite visualizar as áreas (probabilidades) associadas aos diversos eventos. O universo corresponde à área do quadrado de lado 10, que é igual a 100. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 6 a) O valor de x + y é maior do que 15 na área DEF, que é igual a 12,5. Então P(x + y > 15) = 0,125. b) O valor absoluto de y – x é maior do que 6 nas áreas ABC e IHG, cada uma igual a 8. Então P(|y – x|>6) = 0,16. 7RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 2.23 A tabela a seguir mostra os 36 resultados possíveis, assinalando os casos cor- respondentes aos eventos A, B, C e D. Resultado no Resultado no dado azul dado branco 1 2 3 4 5 6 1 A, B, D A, B, C A, D B, C A, D B, C 2 A, B A, C, D A, B C, D A, B C, D 3 A, D A, B, C A, D B, C A, D C 4 A, B A, C, D A, B C, D A C, D 5 A, D A, B, C A, D C A, D B, C 6 A, B A, C, D A C, D A, B C, D Verifica-se que 4 2 15 5 1 1 11 P(A) = __ = __, P(B) = __ = __, P(C) = __, P(D) = __, P(B|A) = __, 6 3 36 12 2 2 24 9 1 1 P(D|C) = __ = __ e P(D|B) = __ (o único número primo par é o 2). 18 2 15 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 7 8 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Como P(B|A) ≠ P(B), conclui-se que A e B não são independentes. Como P(D|C) = P(D), conclui-se que C e D são independentes. 2 1 2.24 Se for usada a urna A, a probabilidade de retirar 2 bolas pretas é __ . __ = 10 9 2 1__ = __. 90 45 8 7 Se for usada a urna B, a probabilidade de retirar 2 bolas pretas é __ . __ = 10 9 56 28__ = __. 90 45 Temos a seguinte árvore de decisões, com x indicando a retirada de 2 bolas pretas e y indicando qualquer outro resultado: Dado que foram retiradas 2 bolas pretas, a probabilidade de ter sido usada a urna A 1__ 90 1 é _______ = __. 1 28 29__ + __ 90 90 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 8 2.25 Vamos utilizar x para indicar o evento “retirar 1 bola branca” e y para indi- 2 1 2 car o evento “retirar 1 bola preta”. Temos P(A) = __ , P(B) = __, P(C) = __ , 5 5 5 1 3 1 4 2 3 1 P(x|A) = __, P(x|B) = __ = __, P(x|C) = __ = __, P(y|A) = __, P(y|B) = __ e 4 6 2 6 3 4 2 1 P(y|C) = __. 3 2 1 1 1 2 2 7 Então a probabilidade de obter 1 bola branca é __ . __ + __ . __ + __ . __ = __. 5 4 5 2 5 3 15 2.26 Usando a notação estabelecida no exercício anterior, e lembrando o teorema de Bayes, a probabilidade de ter sido utilizada uma urna do tipo C, dado que foi retirada uma bola preta, é 2 1__ . __ P(C) . P(y|C) 5 3_______________________________________ = _________________________ = P(A) . P(y|A) + P(B) . P(y|B) + P(C) . P(y|C) 2 3 1 1 2 1__ . __ + __ . __ + __ . __ 5 4 5 2 5 3 1__ = 0,25. 4 3. A DISTRIBUIÇÃO DE FREQÜÊNCIAS E SUA REPRESENTAÇÃO GRÁFICA 3.1 Gráfico de barras. 9RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 9 10 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson 3.2 Histograma 4. MEDIDAS DE TENDÊNCIA CENTRAL 4.1 Indicando os valores por Xi, com i = 1, ..., 20, obtemos ∑Xi = 162 e X – = 8,1 Para determinar a mediana e as modas é necessário organizar os dados em uma tabela de distribuição de freqüências: Xi Freqüência 4 1 5 1 6 4 7 2 8 3 9 2 10 4 11 3 Verifica-se que a mediana é igual a 8 e que há duas modas: 6 e 10. 4.2 √—–—7 . 10 = 8,37 4.3 3√—–—4 . 6 . 9— = 2161/3 = 6 4.4 O salário médio na indústria é uma média ponderada dos salários médios setoriais: 320 . 0,3 + 350 . 0,25 + 320 . 0,2 + 300 . 0,2 + 280 . 0,05 = 321,50. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 10 1 4.5 Temos X– = __ ∑Xin a) Adicionando uma constante k a todos os valores, obtemos Yi = Xi + k. 1 1 1 A média dos Yi é Y – = __ ∑Yi = __ ∑(Xi + k) = __ (∑Xi + nk) = X – + k. n n n Verifica-se que a média da amostra fica acrescida da constante k. b) Multiplicando todos os Xi por uma constante θ, obtemos Zi = θXi. 1 1 θ A média dos Zi é Z – = __ ∑Zi = __ ∑θXi = __ ∑Xi = θX –. n n n Verifica-se que a média da amostra fica multiplicada por θ. ∑Xi fi 754.6 A média de X é X– = _____ = __ = 5.∑fi 15 A mediana é 4, pois há 7 observações com valor menor e 7 observações com valor maior do que 4. A moda é 8, que é o valor com maior freqüência. ∑Xi fi 3264.7 Temos ∑fi = 50 e ∑Xifi = 326. Então, a média é X – = _____ = ___ = 6,52.∑fi 50 A moda é 6, que é o valor com maior freqüência. Calculando a freqüência acumulada (utilizando a coluna das freqüências na tabela do exercício 4.1), verifica-se que ela ultrapassa 25 (que é a metade da fre- qüência total) quando é incluído o valor X = 6. Isso mostra que a mediana da distribuição é igual a 6. 4800 4.8 A renda média no 1o estrato é m1 = _____ = R$ 200. 24 19200 A renda média no 2o estrato é m2 = _____ = R$ 3.200. 6 Como há 30 mil famílias com uma renda total de 24.000 milhares de reais, a 24000 renda média é m = _____ = R$ 800. 30 Note que a média geral é uma média ponderada das médias por estrato, uti- lizando o número de famílias como fator de ponderação: 200 . 24 + 3200 . 6________________ = 800 24 + 6 5. MEDIDAS DE DISPERSÃO 1 54 5.1 a) X– = __ ∑Xi = __ = 9n 6 11RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 11 12 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson ∑(Xi – X –)2 30 ∑(Xi – X –)2 30 b) s2 = _________ = __ = 6 ou σ^ 2 = _________ = __ = 5 n – 1 5 n 6 c) s = √—6 = 2,45 ou σ^ = √—5 = 2,24 A amplitude é 13 – 6 = 7. 5.2 a) A amplitude é 9 – 0 = 9. ∑Xi fi 75b) X– = _____ = __ = 5∑fi 15 c) Refazendo a tabela de distribuição de freqüências, tomando o cuidadode colocar os valores de X em ordem crescente, verifica-se que a mediana é igual a 6. Note-se que a distribuição de X é idêntica à do exercício 4.6. d)A moda é 8, que é o valor mais freqüente. ∑(Xi – X –)2 fi 122 61e) A variância é s2 = ___________ = ___ = __ = 8,71∑fi – 1 14 7 ∑(Xi – X –)2 fi 122ou σ^ 2 = ___________ = ___ = 8,13.∑fi 15 5.3 Temos ∑Xi = 20 e X – = 2,5. ∑(Xi – X –)2 3,5 A estimativa da variância é s2 = _________ = ___ = 0,5 n – 1 7 ∑(Xi – X –)2 3,5 7 ou σ^ 2 = _________ = ___ = __ = 0,4375. n 8 16 A estimativa do desvio padrão é s = √—–0,5 = 0,707 ou σ^ = √—–—0,4375— = 0,661. 5.4 Os pontos centrais das classes são X1 = 1,6, X2 = 1,7 e X3 = 1,8. Então ∑Xi fi 1,6 . 2 + 1,7 . 5 + 1,8 . 3X– = _____ = _____________________ = 1,71∑fi 2 + 5 + 3 A soma ponderada dos quadrados dos desvios é (∑Xi fi)2 17,12∑(Xi – X –)2 fi = ∑Xi2fi – _______ = 29,29 – _____ = 0,049∑fi 10 0,049 0,049 Então a variância é s2 = _____ = 0,00544 ou σ^ = _____ = 0,00490. 9 10 5.5 Indicando por Xi o número do calçado e por fi a respectiva freqüência de pares vendidos, temos ∑Xi fi 4069X– = _____ = ____ = 40,29.∑fi 101 A moda é 40, que é o valor com maior freqüência. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 12 Verifica-se que a freqüência acumulada ultrapassa 51 quando é incluído o valor 40. Então, a mediana é igual a 40. A soma ponderada dos quadrados dos desvios é (∑Xi fi)2 40692∑(Xi – X –)2 fi = ∑Xi2fi – _______ = 164115 – _____ = 186,6733∑fi 101 Então a estimativa da variância é 186,6733 186,6733 s2 = ________ = 1,8667 ou σ^ 2 = _________ = 1,8482 100 101 e a estimativa do desvio padrão é s = 1,37 ou σ^ = 1,36. 5.6 a) Como Zi = bXi, segue-se que 1 1 b Z – = __ ∑Zi = __ ∑bXi = __ ∑Xi = bX –. n n n b) Como Yi = a + Xi, temos 1 1 1 Y – = __ ∑Yi = __ ∑(a + Xi) = __ (na + ∑Xi) = a + X – n n n e 1 1 1 sY 2 = _____ ∑(Yi – Y –)2 = _____ ∑(a + Xi – a – X –)2 = _____ ∑(Xi – X –)2 = sX 2. n – 1 n – 1 n – 1 c) Por definição 1 sZ 2 = _____ ∑(Zi – Z –)2 n – 1 Lembrando que Zi = bXi e o resultado obtido no item (a), segue-se que 1 1 sZ 2 = _____ ∑(bXi – bX –)2 = _____ ∑b2(Xi – X –)2 = b2sX 2. n – 1 n – 1 Xi5.7 Sejam Xi os valores originais. Então os novos valores são Yi = __. k 1 1 Xi 1 X – Temos Y– = __ ∑Yi = __ ∑ __ = __ ∑Xi = __.n n k kn k 1 Por definição sY 2 = _____ ∑(Yi – Y –)2. n – 1 Utilizando a relação obtida para as médias, segue-se que 1 Xi X – 1 1 1 sY 2 = _____ ∑�__ – __� 2 = _____ ∑ __ (Xi – X –)2 = __ sX 2. n – 1 k k n – 1 k2 k2 A média fica dividida por k e a variância da amostra fica dividida por k2. 13RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 13 14 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Essa questão pode ser resolvida muito mais rapidamente se considerarmos que já foi provado que, quando a variável é multiplicada por uma constante, a média fica multiplicada pela constante e a variância fica multiplicada pelo quadrado dessa constante. Basta, então, notar que a divisão por k é equiva- lente a multiplicar a variável por uma constante igual a 1/k. 5.8 Note-se que tanto Xi como Xj representam qualquer um dos n valores do conjunto. Temos 1 n n 1 n n Q = __ ∑ ∑(Xi – Xj)2 = __ ∑ ∑ (Xi2 + Xj2 – 2XiXj) =n2 i=1 j=1 n2 i=1 j=1 1 n n n n n n = __ � ∑ ∑Xi2 + ∑ ∑Xj2 – 2 ∑Xi ∑ Xj� =n2 j=1 i=1 i=1 j=1 i=1 j=1 1 n n n n = __ �n ∑ Xi2 + n ∑ Xj2 – 2 ∑Xi ∑Xj�n2 i=1 j=1 i=1 j=1 n n n n 2 (∑Xi)2Como ∑ Xi = ∑ Xj e ∑Xi2 =∑Xj2, segue-se que Q = __ �∑Xi2 – ______ �. i=1 j=1 i=1 j=1 n n 1 (∑Xi)2Mas, de acordo com as expressões (6.1) e (6.3), temos σ^ 2 = __ �∑Xi2 – _____ �.n n Concluímos que Q = 2 σ^ 2, c.q.d. 1 25 5.9 A média é X– = __ ∑Xi = __ = 5.n 5 A soma dos quadrados dos desvios é ∑(Xi – X –)2 = 30. 30 30 O desvio padrão é s = __ = 2,74 ou σ^ = __ = 2,45.√ 4 √ 5 1 10 O desvio médio é δ = __ ∑|Xi – X –| = __ = 2. n 5 Vamos utilizar a expressão (6.13) para calcular a diferença média. Como os valores de Xi já estão em ordem crescente, obtemos ∑iXi = 1 . 1 + 2 . 4 + 3 . 5 + 4 . 7 + 5 . 8 = 92 Então 4 1 ∆ = __ . 92 – 2 . 5 �1 + __� = 2,7225 5 5.10 A soma dos quadrados dos desvios é (∑Xi fi)2 3262∑(Xi – X –)2 fi = ∑Xi2fi – _______ = 2.314 – ____ = 188,48.∑fi 50 188,48 Segue-se que s2 = ______ = 3,8465. 49 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 14 5.11 Os pontos centrais das classes (Xi) são 2, 6, 10, 14, 18 e 22. A média é ∑Xi fi 176X– = _____ = ___ = 11∑fi 16 ∑(Xi – X –)2 fi 432A variância é σ^ 2 = ___________ = ___ = 27∑fi 16 6. ESPERANÇA MATEMÁTICA 6.1 Como a variância é igual a zero, os valores são necessariamente iguais à média, isto é, X1 = X2 = X3 = 7. 6.2 Com base nas informações fornecidas no enun- ciado da questão podemos construir a tabela ao lado, que mostra a distribuição de X. a) A moda da distribuição é 4, que é o valor com maior probabilidade. b) A média é µ = E(X) = ∑XiP(Xi) = 3. c) A variância de X é 1 3 12 σ 2 = E(X – µ)2 = ∑(Xi – µ)2 P(Xi) = 9 . __ + 0 + 1 . __ = __ = 2.6 6 6 d) Trata-se de um parâmetro da população, cuja variância é igual a zero. 6.3 A média coincide com a mediana em toda distribuição simétrica. A média é maior do que a mediana em distribuições unimodais com assime- tria positiva. Um exemplo típico é a distribuição da renda em um país ou uma região. De acordo com dados da Pesquisa Nacional por Amostras de Domicílios (Pnad) de 2003, a média e a mediana da distribuição do rendimento domici- liar per capita no Brasil eram R$ 360 e R$ 190, respectivamente (em reais de setembro de 2003). Para a distribuição do rendimento de todas as fontes de pessoas economicamente ativas com rendimento positivo, a média era R$ 721 e a mediana era R$ 390. 6.4 Sabemos que a moda é a abscissa do ponto de máximo da função de densi- dade de probabilidade. Utilizando as regras do cálculo para determinação de pontos de máximo, obtemos df(X) 1_____ = __ e–(X–K)2 [–2(X – K)]. dX M Essa derivada é igual a zero para X = K. 15RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann Xi P(Xi) 0 1/6 3 2/6 4 3/6 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 15 16 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Verifica-se que a derivada é positiva se X < K e é negativa se X > K, mostrando que X = K corresponde a um máximo de f(X). Conclui-se que a moda é X = K. 6.5 A derivada da função de densidade de probabilidade, para X ≥ 0, é df(X)_____ = e–X – Xe–X = e–X (1 – X). dX Essa derivada é igual a zero se X = 1. Verifica-se que a derivada é positiva para X < 1 e é negativa para X > 1, mos- trando que X = 1 corresponde a um ponto de máximo de f(X). Conclui-se que a moda é X = 1. 6.6 A tabela ao lado mostra a distribuição de X, sendo X o resultado obtido no lançamento de um dado. O primeiro momento em relação à origem é µ = E(X) = ∑XiP(Xi) = 3,5. O primeiro momento em relação à média é E(X – µ) = ∑(Xi – 3,5)P(Xi) = 0. O segundo momento em relação à média é σ 2 = E(X – µ)2 = ∑(Xi – 3,5)2P(Xi) = 1 = [(–2,5)2 + (–1,5)2 + (–0,5)2 + 0,52 + 1,52 + 2,52] __ = 6 17,5 35 = ___ = __ = 2,9167. 6 12 6.7 Por definição, σ 2 = E(X – µ)2. Segue-se que σ 2 = E(X2 – 2µX + µ2) = = E(X2) – 2µE(X) + µ2 = = E(X2) – 2µ2 + µ2 = E(X2) – µ2 ou σ 2 = M2’ – µ2, c.q.d. Xi P(Xi) 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 16 6.8 Sabemos que, para uma distribuição contínua, µ = E(X) = ∫ Xf(X)dx. Para a distribuição uniforme, temos a+θ 1 µ = E(X) =� X __ dX = a θ 1 a+θ 1 X2 a+θ = __� XdX = __ �___� =θ a θ 2 a 1 = __ [(a + θ )2 – a2] = 2θ 2θ a + θ 2 θ = ________ = a + __, c.q.d. 2θ 2 6.9 O gráfico de barras está na figura abaixo.A média da distribuição é µ = E(X) = ∑XiP(Xi) = 0. 17RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann A variância é σ 2 = E(X – µ)2 = E(X2) = ∑Xi2P(Xi) = = 4 . 0,12 + 1 . 0,12 + 0 + 1 . 0,22 + 4 . 0,04 + 9 . 0,02 = 1,16. O terceiro momento em relação à média é M3 = E(X – µ)3 = E(X3) = ∑Xi3P(Xi) = 0. Conseqüentemente, o coeficiente de assimetria, definido como a3 = M3/σ3, também é igual a zero. Embora o coeficiente de assimetria seja igual a zero, o gráfico de barras mostra que a distribuição não é simétrica. Toda distribuição simétrica tem coeficiente de assimetria igual a zero, mas a nulidade do coeficiente de assimetria não é suficiente para garantir que a distribuição é simétrica. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 17 18 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson 6.10 Por definição, cov(X,Y) = E(X – µX)(Y – µY) Segue-se que cov(X,Y) = E(XY – µXY – µYX + µXµY) Como E(X) = µX e E(Y) = µY, obtemos cov(X,Y) = E(XY) – µXµY – µYµX + µXµY = = E(XY) – µXµY = E(XY) – E(X)E(Y) Conclui-se que E(XY) = E(X)E(Y) + cov(X,Y), c.q.d. Se X e Y forem independentes, temos cov(X,Y) = 0 e E(XY) = E(X)E(Y). 6.11 Completando a tabela com as probabilidades das distribuições marginais, temos: Xi Yj P(Xi) 1 2 3 0 0,08 0,24 0,08 0,4 1 0,12 0,36 0,12 0,6 P(Yj) 0,20 0,60 0,20 1,0 Distribuição conjunta de Xi e Yi a) Observa-se que P(Y = 3) = 0,2 P(Y = 2, X = 0) 0,24 b) P(Y = 2|X = 0) = ______________ = ____ = 0,6 P(X = 0) 0,4 c) E(X) = ∑XiP(Xi) = 0 + 1 . 0,6 = 0,6 E(Y) = ∑YjP(Yj) = 1 . 0,2 + 2 . 0,6 + 3 . 0,2 = 2 d) V(Y) = E(Y – µY)2 = ∑(Yj – 2)2 P(Yj) = 0,4 e) cov(X,Y) = E(X – µX)(Y – µy) = ∑∑(Xi – 0,6)(Yj – 2)P(Xi,Yj) = = 0,6 . 0,08 + 0 + (–0,6) . 0,08 + (–0,4) . 0,12 + 0 + 0,4 . 0,12 = 0 Esses cálculos seriam dispensáveis se o leitor percebesse que Xi e Yj são independentes, pois a probabilidade associada a cada cela é sempre igual ao produto das probabilidades nas distribuições marginais. f) Utilizando as propriedades da covariância, temos cov(X + Y,X – Y) = V(X) – cov(X,Y) + cov(X,Y) – V(Y) = V(X) – V(Y) Verifica-se que V(X) = ∑(Xi – 0,6)2 P(Xi) = 0,24 Lembrando que V(Y) = 0,4 obtemos cov(X + Y,X – Y) = 0,24 – 0,4 = –0,16. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 18 6.12 As distribuições marginais de Xi e Yj são 19RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann Xi P(Xi) 2 1/2 4 1/4 8 1/4 Yj P(Yj) 1 1/40 2 1/40 4 5/16 8 1/80 16 1/16 Pode-se verificar que há celas cuja probabilidade não é igual ao produto das pro- babilidades das distribuições marginais, mostrando que as duas variáveis não são independentes. a) E(X) = ∑XiP(Xi) = 4 E(Y) = ∑YjP(Yj) = 4 P(X = 2,Y = 4) 1/8 2 b) P(X = 2|Y = 4) = _____________ = _____ = __ = 0,4 P(Y = 4) 5/16 5 P(X = 8,Y = 4) 1/8 1 c) P(Y = 4|X = 8) = _____________ = _____ = __ = 0,5 P(X = 8) 1/4 2 d) V(X) = E(X – 4)2 = ∑(Xi – 4)2 P(Xi) = 1 1 = 4 . __ + 0 + 16 . __ = 6 2 4 V(Y) = E(Y – 4)2 = ∑(Yj – 4)2 P(Yj) = 14,25 3 5 e) cov(X,Y) = E(X – 4)(Y – 4) = ∑ ∑ (Xi – 4)(Yj – 4)P(Xi,Yj) = i=1 j=1 1 1 1 1 = 6 . __ + 4 . __ + 16 . __ + 48 . __ = 6 4 8 16 16 f) V(X + Y) = V(X) + V(Y) + 2 cov(X,Y) = 6 + 14,25 + 12 = 32,25 g) cov(X + Y,X – Y) = V(X) – cov(X,Y) + cov(X,Y) – V(Y) = = 6 – 14,25 = –8,25 6.13 Vamos utilizar C e K para indicar os resultados “Cara” e “Coroa”, respectiva- mente, em um lançamento da moeda. A tabela a seguir mostra os 16 resulta- dos possíveis de uma seqüência de quatro lançamentos, mostrando os corres- pondentes valores de X (número de caras nos dois primeiros lançamentos) e de Y (número de caras nos três últimos lançamentos): 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 19 20 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson b) Considerando as distribuições marginais de X e Y, obtemos 3 E(X) = ∑XiP(Xi) =1 i=1 4 24 E(Y) = ∑YjP(Yj) = __ = 1,5 j=1 16 V(X) = E(X – 1)2 = ∑(Xi – 1)2P(Xi) = 0,5 12 V(Y) = E(Y – 1,5)2 = ∑(Yj – 1,5)2P(Yj) = __ = 0,75.16 c) cov(X,Y) = E(X – 1)(Y – 1,5) = = ∑∑(Xi – 1)(Yj – 1,5)P(Xi,Yj) = i j 1 2 1 1 2 1 = 1,5 . __ + 0,5 . __ – 0,5 . __ – 0,5 . __ + 0,5 . __ + 1,5 . __ = 16 16 16 16 16 16 4 1 = __ = __ = 0,25 16 4 Resultado X Y Resultado X Y KKKK 0 0 KCCK 1 2 CKKK 1 0 KCKC 1 2 KCKK 1 1 KKCC 0 2 KKCK 0 1 CCCK 2 2 KKKC 0 1 CCKC 2 2 CCKK 2 1 CKCC 1 2 CKCK 1 1 KCCC 1 3 CKKC 1 1 CCCC 2 3 Xi Yj P(Xi) 0 1 2 3 0 1/16 2/16 1/16 0 4/16 1 1/16 3/16 3/16 1/16 8/16 2 0 1/16 2/16 1/16 4/16 P(Yj) 2/16 6/16 6/16 2/16 1 P(Xi,Yj) a) Uma vez que os 16 resultados são igualmente prováveis, podemos cons- truir a seguinte tabela para a distribuição conjunta de X e Y: 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 20 Então a correlação entre X e Y é cov(X,Y) 0,25 1 √—6ρ = ___________ = __________ = ___ = ___ = 0,4082.√—–—V(X)V(Y)——– √—–—0,5 . 0,75—–— √—6 6 d) E(Z) = E(X + Y) = E(X) + E(Y) = 1 + 1,5 = 2,5 V(Z) = V(X + Y) = V(X) + V(Y) + 2 cov(X,Y) = = 0,5 + 0,75 + 2 . 0,25 = 1,75. e) Não são independentes, pois cov(X,Y) ≠ 0. f) Considerando a coluna referente a Y = 2 na distribuição conjunta, pode- mos calcular as probabilidades condicionais e obter a seguinte distribuição condicional de X, dado Y = 2: 21RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann Xi P(Xi|Yj = 2) 0 1/6 1 3/6 2 2/6 Segue-se que 7 E(X|Y = 2) = __ 6 7 e V(X|Y = 2) = ∑�Xi – __� 2 P(Xi|Yj = 2) =6 49 1 1 3 25 2 102 17 = __ . __ + __ . __ + __ . __ = ___ = __ = 0,472. 36 6 36 6 36 6 216 36 6.14 No exercício 5.11, foram determinadas a média e a variância: X – = 11 e σ^ 2 = 27 O terceiro momento em relação à média é ∑(Xi – X –)3fiM3 = ___________ =∑fi – 729 – 125 . 4 – 1 . 5 + 27 . 3 + 343 . 2 + 1331 864 = ________________________________________ = ____ = 54 16 16 Então o coeficiente de assimetria é M3 54 2 2√—3α3 = ___ = _______ = ____ = ____ = 0,3849 σ^ 3 27√—–27 3√—3 9 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 21 22 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson O quarto momento em relação à média é ∑(Xi – X –)4fi 28752M4 = __________ = _____ = 1797∑fi 16 Então o coeficiente de curtose é M4 1797 599α4 = ___ = ____ = ___ = 2,465. σ^ 4 272 243 Os resultados mostram que a distribuição é positivamente assimétrica e pla- ticúrtica (α4 < 3). Cabe ressaltar que nesse exercício, por simplicidade, não usamos uma notação que distinguisse os parâmetros α3 e α4 da população dos valores calculados com base na tabela fornecida no exercício 5.11, que pode ser apenas uma amostra da população. 7. A DISTRIBUIÇÃO BINOMIAL 7.1 Trata-se de uma distribuição binomial com n = 5 e p = 0,5. De acordo com (8.6), temos 5 5 . 4 . 3 P(X = 3) = � � 0,530,52 = _______ . 0,55 =3 2 . 3 5 = __ = 0,3125 ou 31,25%. 16 7.2 Trata-se de uma distribuição binomial com n = 5 e p = 1/3. a) De acordo com (8.6), a probabilidade é 5 1 2 5 . 4 23 80 P(X = 2) = � ��__� 2 �__� 3 = ____ . __ = ____ = 0,3292 ou 32,92%. 2 3 3 2 35 243 b) A probabilidade de que mais de 2 sejam alfabetizados é 5 1 2 5 1 2 5 1 P(X = 3) + P(X = 4) + P(X = 5) = � ��__� 3 �__� 2 + � ��__� 4 . __ + � ��__� 5 = 3 3 3 4 3 3 5 3 1 51 17 = __ (10 . 4 + 5 . 2 + 1) = ____ = __ = 0,2099. 35 243 81 7.3 Admite-se que o número de filhos tem distribuição binomial com n = 4 e p = 0,5. a) A probabilidade de haver 3 filhos do sexo masculino é igual à probabili- dade de haver apenas 1 filha, que, de acordo com (8.6), é 4 1 4 1 P(X = 1) = � ��__� 4 = __ = __ = 0,25. 1 2 16 4 Então, espera-se que haja 1000 . 0,25 = 250 famílias com 3 filhos do sexo mas- culino naquele conjunto de 1000 famílias. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 22 4 1 1 b) P(X = 4) = � ��__� 4 = __ = 0,0625 4 2 16 Então espera-se que no grupo de1000 famílias haja 62 ou 63 com 4 filhas. 4 1 4 1 c) P(X = 1) + P(X = 2) = � ��__� 4 + � ��__� 4 = 1 2 2 2 1 4 . 3 10 5 = __ �4 + ____� = __ = __ = 0,62516 2 16 8 No grupo de 1000, famílias espera-se que haja 625 com 1 ou 2 filhas. 7.4 O número de testes respondidos corretamente tem distribuição binomial com n = 10 e p = 1/2. 10 1 Temos P(X = 7) = � �� __� 10 7 2 n n Lembrando que � � = � �, fica mais fácil calculark n – k 10 1 10 . 9 . 8 1 15 P(X = 7) = � ��__�10 = ________ . ___ = ___ = 0,1172.3 2 2 . 3 210 128 Sabemos que a média e a variância de uma distribuição binomial são µ = np e 1 1 1 10 σ 2 = npq. Neste caso temos µ = 10 . __ = 5 e σ 2 = 10 . __ . __ = __ = 2,5. 2 2 2 4 O desvio padrão é σ = √—–2,5 = 1,58. 7.5 Para uma distribuição binomial com n = 3 e p = 1/3, temos µ = np = 1 e 2 σ 2 = npq = __. Utilizando a expressão (8.6) podemos calcular a probabilidade 3 associada aos diferentes valores de X e construir a seguinte tabela que mostra a distribuição de X: 23RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann X P(X) 0 8/27 1 12/27 2 6/27 3 1/27 Como não poderia deixar de ser, verifica-se que a soma das probabilidades é igual a 1. Também se pode verificar que, utilizando as definições µ = E(X) = ∑XP(X) e σ 2 = E(X – µ)2 = ∑(X – µ)2P(X), são obtidos os mesmos valores já obtidos com as expressões específicas para a distribuição binomial (µ = np e σ 2 = npq). 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 23 24 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson O terceiro momento em relação à média é M3 = E(X – µ)3 = ∑(X – µ)3P(X) = 1 6 2 = __ (– 1 . 8 + 1 . 6 + 8) = __ = __ 27 27 9 Então 2__ M3 9 1 √—6 α3 = ___ = _______ = ___ = ___ α3 2 2 √—6 6__ __ 3 √ 3 O quarto momento em relação à média é M4 = E(X – µ)4 = ∑(X – µ)4P(X) = 1 30 10 = __ (8 + 6 + 16) = __ = __ 27 27 9 Então 10__ M4 9 5α4 = ___ = ___ = __ = 2,5. α4 4 2__ 9 Utilizando as expressões específicas para distribuições binomiais, obtemos q – p 1/3 1 √—6 α3 = ______ = ______ = ___ = ___√——npq √——2/3 √—6 6 1 – 6 pq 1 – 4/3 e α4 = 3 + _______ = 3 + _______ = 2,5. npq 2/3 Verifica-se que os resultados são idênticos aos obtidos utilizando as definições gerais. 7.6 Para uma distribuição binomial com n = 4 e p = 1/3, temos µ = np = 4/3 e σ 2 = npq = 8/9. A tabela a seguir mostra a distribuição de X e os valores de X – µ: X P(X) X – µµ 0 16/81 – 4/3 1 32/81 – 1/3 2 24/81 – 2/3 3 08/81 – 5/3 4 01/81 – 8/3 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 24 De acordo com a definição, temos 648 8 M3 = E(X – µ)3 = ______ = __81 . 27 27 Então 8__ 27 1 √—2 α3 = _______ = _____ = ___. 8 8 2√—2 4__ __ 9 √ 9 q – p Verifica-se que o mesmo valor é obtido com a expressão α3 = ______ .√——npq De acordo com a definição, o quarto momento em relação à média é 13608 56 M4 = E(X – µ)4 = ______ = __81 . 81 27 Segue-se que 56__ 27 21 α4 = ___ = __. 64 8__ 81 Verifica-se que o mesmo resultado é obtido com a expressão 1 – 6 pq α4 = 3 + _______. npq 7.7 A variável definida no enunciado do exercício tem distribuição binomial com n = 4 (pois a prova tem 4 questões) e p = 1/4 (pois em cada questão apenas 1 das 4 alternativas é correta). Obtemos 1µ = np = 4 . __ = 1 4 3 σ 2 = npq = __ 4 Usando as expressões dadas no exercício 7.5, obtemos 2__ q – p 4 1 √—3 α3 = ______ = _____ = ____ = ____√——npq 3 √—3 3__ √ 4 3 1 – 6 . __ 1 – 6 pq 16 17 α4 = 3 + _______ = 3 + ________ = __ npq 3 6__ 4 25RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 25 26 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson 3 M3 = α3σ 3 = __ 8 51 e M4 = α4σ 4 = __. 32 Também poderíamos construir a tabela mostrando a distribuição de X e cal- cular os valores de M3 e M4 a partir das suas definições: M3 = E(X – µ)3 e M4 = E(X – µ)4. 7.8 O número de pessoas vivas depois dos 30 anos é uma variável (X) com dis- tribuição binominal com n = 5 e p = 2/3. 5 2 32 a) P(X = 5) = � ��__� 5 = ___ = 0,1317. 5 3 243 b) A probabilidade pedida é P(X ≥ 3) = P(X = 3) + P(X = 4) + P(X = 5) = 5 2 1 5 2 1 32 = � ��__� 3 �__� 2 + � ��__� 4 __ + ____ = 3 3 3 4 3 3 243 80 80 32 192 64 = ___ + ___ + ___ = ___ = ___ = 0,7901. 243 243 243 243 81 7.9 Vamos admitir que o fato de um motor falhar seja independente da situação dos demais motores do avião. Então o número de motores que falha é uma variável com distribuição binomial com p = 0,4. O avião bimotor cai se os dois motores falharem. A probabilidade de isso ocorrer é 0,42 = 0,16. O quadrimotor cai se 3 ou 4 motores falharem. Então a probabilidade de ele cair é 4 4 P(X = 3) + P(X = 4) = � � 0,43 . 0,6 + � � 0,44 = 0,1536 + 0,0256 = 0,1792.3 4 Como a probabilidade de o quadrimotor cair (0,1792) é maior do que a proba- bilidade de o bimotor cair (0,16), deve ser dada preferência ao uso do bimotor. Cabe ressaltar que os dados do exercício não são realistas, pois não é razoá- vel supor que a probabilidade de um motor de avião falhar em uma viagem seja 0,4 ou 40%. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 26 7.10 A probabilidade de o bimotor cair é igual à probabilidade de os seus dois motores falharem, que é p2. A probabilidade de o quadrimotor cair é 4 4 P(X = 3) + P(X = 4) = � � p3(1 – p) + � � p4 = 4 p3(1 – p) + p4 = p3(4 – 3p).3 4 Será preferível usar o quadrimotor se p3(4 – 3p) < p2 (1) p(4 – 3p) < 1 –3p2 + 4p – 1< 0 ou 3 p2 – 4p + 1 > 0 (2) Verifica-se que as raízes de 3p2 – 4p + 1 = 0 são p = 1/3 e p = 1. O trinômio no 1o membro de (2) é positivo fora do intervalo delimitado pelas raízes, isto é, a desigualdade (1) é verdadeira para p < 1/3 e p > 1. Como p é uma probabi- lidade, ficamos apenas com o intervalo 0 ≤ p < 1/3. Mas a inequação (2) é uma simplificação da inequação (1), que obviamente não é obedecida se p = 0. Concluímos, portanto, que deve ser dada preferência ao uso do avião quadri- motor se 0 < p < 1/3. 7.11 Sabemos que a variância da distribuição binominal é σ 2 = npq = np(1 – p) = n(p – p2). Para n fixo, temos dσ 2____ = n(1 – 2p) dp d2σ 2 e ____ = –2n. dp2 Igualando a zero a primeira derivada, obtemos p = 0,5. Como a segunda deri- vada é negativa, concluímos que σ 2 é máximo quando p = 0,5. 7.12 Ocorre “número primo” se o resultado for 1, 2, 3 ou 5. Então, a probabilidade de o resultado ser um número primo em um lançamento do dado é p = 4/6 = 2/3. O número (X) de resultados “número primo” em 6 lançamentos do dado é uma variável com distribuição binomial com n = 6 e p = 2/3. 6 2 1 20 . 23 160 a) P(X = 3) = � ��__� 3 �__� 3 = _____ = ___ 3 3 3 36 729 240 192 64 496 b) P(X = 4) + P(X = 5) + P(X = 6) = ___ + ___ + ___ = ___ 729 729 729 729 27RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 27 28 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson 7.13 Como a probabilidade de sair valor ímpar no lançamento de um dado é 1/2, a probabilidade de obter valor ímpar nos dois dados é 1 1 1__ . __ = __. 2 2 4 Então, o número de vezes que se obtém “valor ímpar nos dois dados” nos 6 lan- çamentos é uma variável (X) com distribuição binominal com n = 6 e p = 1/4. a) P(X = 4) + P(X = 5) + P(X = 6) = 6 1 3 6 1 3 6 1 = � ��__� 4 �__� 2 + � ��__� 5 __ + � ��__� 6 = 4 4 4 5 4 4 6 4 1 154 77 = _____ (135 + 18 + 1) = _____ = _____ = 0,0376 ou 3,76%. 4096 4096 2048 b) P(X = 0) + P(X = 1) + P(X = 2) = 3 6 1 3 6 1 3 = �__� 6 + � � __ �__� 5 + � ��__� 2 �__� 4 = 4 1 4 4 2 4 4 1 3402 1701 = _____ (729 + 1.458 + 1.215) = _____ = _____ = 0,8306 ou 83,06%. 4096 4096 2048 7.14 Se a amostragem for feita com reposição,o número de famílias (X) com rendi- mento mensal superior a 10 salários mínimos na amostra de 10 famílias será uma variável com distribuição binomial com p = 0,15 e n = 10. Mesmo que a amostragem seja feita sem reposição, a distribuição binomial continua sendo uma ótima aproximação para a distribuição de X, pois a população (133.740 famílias) é muito maior do que a amostra (n = 10). Então, a probabilidade de que a amostra inclua 2, 1 ou nenhuma família com rendimento mensal supe- rior a 10 salários mínimos é P(X = 2) + P(X = 1) + P(X = 0) = 10 10 = � � 0,152 . 0,858 + � � 0,15 . 0,859 + 0,8510 =2 1 = 0,2759 + 0,3474 + 0,1969 = 0,8202 ou 82,02%. 7.15 Como E(X) = λ = 1, de acordo com a expressão (8.18), temos e–1 1 P(X = 2) = ___ = ___ = 0,18394 2! 2e e–1 1 e P(X = 3) = ___ = ___ = 0,06131. 3! 6e 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 28 7.16 De acordo com a expressão (8.14), a probabilidade de termos X = k meninas na amostra de 6 alunos é 5 11� �� �k 6 – k 1 5 11 P(X = k) = ___________ = ____ � �� � .16 8008 k 6 – k� �6 Como a classe tem apenas 5 meninas, é impossível a amostra ter 6 meninas. Então a probabilidade de mais da metade dos alunos da amostra serem meninas é P(X = 4) + P(X = 5) = 1 5 11 5 11 = _____ �� �� � + � �� �� =8008 4 2 5 1 275 + 11 286 1 = _______ = _____ = ___ = 0,03571 8008 8008 28 ou 3,571%. 8. A DISTRIBUIÇÃO NORMAL 8.1 a) Como a distribuição normal é simétrica, sua mediana é igual à sua média (µ). Como µ = 7, conclui-se que a mediana da distribuição (ou mediana da população) é igual a 7. b) Ordenando os cinco valores da amostra, obtemos: 4, 5, 6, 9, 10 Verifica-se que a mediana da amostra é 6. 8.2 a) O número (X) de alfabetizados em uma amostra aleatória de 5 pessoas tem distribuição binomial com p = 0,8 e n = 5. A probabilidade de haver 2 alfa- betizados é 5 P(X = 2) = � � 0,82 . 0,23 = 0,0512 ou 5,12%.2 b) A probabilidade de encontrar pelo menos 2 analfabetos é igual à probabi- lidade de encontrar 3 ou menos de 3 alfabetizados: P(X = 3) + P(X = 2) + P(X = 1) + P(X = 0) = 5 5 5 = � � 0,83 . 0,22 + � � 0,82 . 0,23 + � � 0,8 . 0,24 + 0,25 =3 2 1 = 0,2048 + 0,0512 + 0,0064 + 0,00032 = = 0,26272 ou 26,27%. 29RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 29 30 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson c) O número de analfabetos (X) na amostra de 400 pessoas é uma variável com distribuição binomial com p = 0,2 e n = 400. Como np = 80 e nq = 320, podemos usar a aproximação normal da distribuição binomial. Temos µ = np = 80, σ 2 = npq = 64 e σ = 8. Considerando a correção de con- tinuidade, obtemos 100,5 – 80 P(X > 100) = P�Z > ________ � =8 = P(Z > 2,5625). Na tabela I do Apêndice verifica-se que P(0 < Z < 2,56) = 0,4948 e P(0 < Z < 2,57) = 0,4949 Dada a proximidade entre essas duas probabilidades, a interpolação do valor Z = 2,5625 tem um efeito desprezível, concluindo-se que P(X > 100) = 0,5 – 0,4948 = 0,0052 ou 0,52%. 8.3 a) Os valores de Z correspondentes a 98 e 102 ohms são 98 – 100 Z1 = ________ = –1 2 102 – 100 e Z2 = ________ = 1 2 Na tabela I do Apêndice verifica-se que P(0 < Z < 1) = 0,3413 Então a probabilidade pedida é P(–1 < Z < 1) = 2 . 0,3413 = 0,6826 ou 68,26%. b) O valor de Z correspondente a 95 ohms é 95 – 100 Z = ________ = –2,5 2 Utilizando a tabela I, conclui-se que a probabilidade pedida é P(Z > –2,5) = 0,4938 + 0,5 = 0,9938 ou 99,38%. 8.4 a) O número de resultados “seis” em 180 lançamentos do dado é uma variá- vel (X) binomial com p = 1/6 e n = 180. Como np = 30 e nq é ainda maior, 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 30 podemos usar a aproximação normal da distribuição binomial. Temos µ = np = 30, σ 2 = npq = 25 e σ = 5. Então 39,5 – 30 P(X ≥ 40) = P�Z > ________� =5 = P(Z > 1,9) = 0,5 – 0,4713 = = 0,0287 ou 2,87%. b) O número (X) de resultados “cinco” ou “seis” nos 180 lançamentos é uma variável com distribuição binomial com p = 2/6 = 1/3 e n = 180. Temos µ = np = 60 e σ 2 = npq = 40. Usando a aproximação normal da distribuição binomial, obtemos 49,5 – 60 P(X < 50) = P�Z < ________� =√—–40 = P(Z < –1,660) = 0,5 – 0,4515 = = 0,0485 ou 4,85%. 8.5 O peso de uma caixa cheia é igual à soma dos pesos da caixa vazia e das 144 unidades do produto. Se Xi é o peso da i-ésima unidade e Y é o peso da caixa vazia, o peso da caixa cheia é 144 W = Y + ∑ Xi i=1 Então 144 E(W) = E(Y) + ∑ E(Xi) = 200 + 144 . 8 = 1352. i=1 Se as unidades colocadas em uma caixa são tomadas ao acaso, as variáveis que formam W são independentes e 144 V(W) = V(Y) + ∑ V(Xi) = 102 + 144 . 52 = 3700. i=1 Como uma combinação linear de variáveis com distribuição normal também tem distribuição normal, conclui-se que W é uma variável com distribuição normal com média igual a 1352 e variância igual a 3700. Segue-se que a proba- bilidade pedida é 1400 – 1352 P(W > 1400) = P�Z > __________� =√—–—3700 = P(Z > 0,79) = 0,5 – 0,2852 = 0,2148. 31RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 31 32 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Calculando o valor de Z com mais casas decimais e fazendo interpolação na tabela I do Apêndice, obtemos P(W > 1400) = P(Z > 0,7891) = = 0,5 – 0,2849 = 0,2151. 8.6 O número (X) de testes respondidos corretamente por um aluno que responde aleatoriamente é uma variável com distribuição binomial com n = 100 e p = 0,5. Então, E(X) = µ = np = 50, σ 2 = npq = 25 e σ = 5. Usando a aproximação nor- mal da distribuição binomial, obtemos 59,5 – 50 P(X ≥ 60) = P�Z > ________� = P(Z > 1,9) =5 = 0,5 – 0,4713 = 0,0287 ou 2,87% 44,5 – 50 P(X < 45) = P�Z < ________� = P(Z < –1,1) =5 = P(Z > 1,1) = 0,5 – 0,3643 = 0,1357 ou 13,57% 43,5 – 50 60,5 – 50 P(44 ≤ X ≤ 60) = P�________ < Z < ________� =5 5 P(–1,3 < Z < 2,1) = 0,4032 + 0,4821 = 0,8853 ou 88,53%. 8.7 a) Seja X o peso de um estudante. Temos 81 – 75 P(X > 81) = P�Z > ______� = P(Z > 1) =6 = 0,5 – 0,3413 = 0,1587. Então o número de estudantes com mais de 81 kg em um grupo de 500 estu- dantes é uma variável binominal com n = 500 e p = 0,1587 e o seu valor esperado é µ = np = 79,35. Como se trata de uma variável inteira, o resul- tado é arredondado para o inteiro mais próximo, que é 79. b) Temos P(69 < X < 81) = P(–1 < Z < 1) = 2P(0 < Z < 1) = 2 . 0,3413 = 0,6826. Segue-se que o valor esperado do número de estudantes com peso entre 69 e 81 kg é o inteiro mais próximo de µ = np = 500 . 0,6826 = 341,3, ou seja, 341. 8.8 Seja X a vida útil das quatro lâmpadas, usadas consecutivamente. Temos µ = E(X) = 4 . 1500 = 6000. Admitindo que as vidas úteis das quatro lâmpadas são variáveis independentes, temos σ 2 = V(X) = 4 . 1502 = 90000 e σ = 300. 6600 – 6000 a) P(X > 6600) = P�Z > __________� = P(Z > 2) = 0,5 – 0,4772 = 0,0228.300 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 32 5550 – 6000 b) P(X < 5550) = P�Z < __________� =300 = P(Z < –1,5) = P(Z > 1,5) = 0,5 – 0,4332 = 0,0668. 8.9 Seja Y o número de pessoas com renda mensal superior a X na amostra de 100 pessoas. A variável Y tem distribuição binomial com n = 100 e p = 0,1. A dis- tribuição será exatamente binomial apenas se a amostragem for feita com reposição, mas, mesmo que a amostragem seja feita sem reposição (como é usual), a aproximação é muito boa, pois a população é muito maior do que a amostra. Além disso, como µ = np = 10 e nq = 90, podemos usar a aproximação normal da binomial. O desvio padrão de Y é σ = √——npq = 3. Então 5,5 – 10 P(Y < 6) = P�Z < _______� = P(Z < –1,5) = 0,5 – 0,4332 = 0,0668.3 8.10 O número (X) de testes respondidos corretamente por esse aluno é uma variá- vel com distribuição binomial com n = 300e p = 0,5. Temos E(X) = µ = np = 150, V(X) = σ 2 = npq = 75 e σ = √—–75 = 8,660. Usando a aproximação normal da distribuição binomial, a probabilidade de esse aluno acertar 200 ou mais testes é 199,5 – 150 P(X ≥ 200) = P�Z > _________ � = P(Z > 5,716).8,660 Na tabela I do Apêndice verifica-se que P(Z > 3,09) = 0,001. Então, P(Z > 5,716) é um valor muito menor, que pode ser considerado desprezível. Se P(Z ≥ 200) já é um valor desprezível, com mais razão podemos considerar desprezível o valor de P(X = 200). 8.11 a) Para que a soma seja 2, os resultados devem ser 2 e 0 ou 0 e 2. Então, a 1 1 probabilidade pedida é 2 . �__� 2 = __. 4 8 3 3 9 b) __ . __ = __ 4 4 16 c) A soma igual a 6 pode resultar de 6 + 0, 0 + 6, 4 + 2 ou 2 + 4. Então, a probabilidade de obter soma igual a 6 em um lançamento dos dois 1 1 1 tetraedros é 4 . __ . __ = __. 4 4 4 33RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 33 34 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Segue-se que a probabilidade de obter soma igual a 6 nas duas jogadas é 1 1 1__ . __ = __ e a probabilidade de obter soma igual a 6 em ao menos uma 4 4 16 1 1 3 3 1 7 das duas jogadas é __ + __ . __ + __ . __ = __. 16 4 4 4 4 16 d) A tabela a seguir mostra os resultados que podem ser obtidos jogando dois tetraedros, assinalando quando ocorrem os eventos A, B ou C: Resultado no Resultado no 1 o tetraedro 2o tetraedro 0 2 4 6 0 C – A B 2 – A,C B B 4 A B B,C B 6 B B B B,C Verifica-se que A e B são mutuamente exclusivos, A e C não são mutua- mente exclusivos e B e C não são mutuamente exclusivos. 3 10 5 4 1 Verifica-se que P(A) = __ , P(B) = __ = __, P(C) = __ = __, P(A|B) = 0, 16 16 8 16 4 1 2 1 P(A|C) = __ e P(B|C) = __ = __. 4 4 2 Conclui-se que não há independência entre A e B, nem entre A e C ou entre B e C. e) O número (X) de resultados “zero” em 5 lançamentos é uma variável com distribuição binomial com n = 5 e p = 1/4. Então 5 1 3 27 135 P(X = 2) = � ��__� 2 �__� 3 = 10 . ____ = ___ 2 4 4 1024 512 e P(X > 3) = P(X = 4) + P(X = 5) = 5 1 3 1 16 1 = � ��__� 4 __ + �__� 5 = ____ = __. 4 4 4 4 1024 64 f) O número (Y) de resultados “zero” em 300 lançamentos é uma variável com distribuição binomial com n = 300 e p = 1/4. Então, µ = np = 75, σ 2 = npq = 56,25 e σ = 7,5. Obtemos 79,5 – 75 P(Y ≥ 80) = P�Z > ________� = P(Z > 0,6) = 0,5 – 0,2257 = 0,27437,5 59,5 – 75 P(Y < 60) = P�Z < ________� = P(Z < – 2,067) = P(Z > 2,067)7,5 Fazendo interpolação na tabela I do Apêndice, obtemos P(Y < 60) = 0,5 – 0,4806 = 0,0194. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 34 8.12 Como a população de eleitores é muito maior do que a amostra de 900 eleitores, mesmo que a amostragem seja feita sem reposição (como é usual), o número (X) de partidários do “sim” na amostra tem distribuição binomial com n = 900, p = 0,8, µ = np = 720, σ 2 = npq = 144 e σ = 12. Usando a aproximação normal da distribuição binomial, obtemos 683,5 – 720 P(X < 684) = P�Z < __________� = P(Z < – 3,042) =12 = 0,5 – 0,4988 = 0,0012 ou 0,12%. 8.13 a) Sendo X o peso de um saco, temos E(X) = µ = 60 e σ = 3. Admitindo que X tem distribuição normal, obtemos 55 – 60 P(X < 55) = P�Z < ______� = P(Z < – 1,667) =2 = 0,5 – 0,4522 = 0,0478 ou 4,78% 66 – 60 P(X > 66) = P�Z > ______� = P(Z > 2) =3 = 0,5 – 0,4772 = 0,0228 ou 2,28% b) Na tabela I do Apêndice verifica-se, com boa aproximação, que P(Z > 1,28) = 0,1 ou 10% Segue-se que P(Z < – 1,28) = 0,1 Portanto, a máquina de ensacar deve ser regulada para um peso médio µ tal que o valor X = 60 corresponda a Z = – 1,28, ou seja, 60 – µ______ = – 1,28 3 Conclui-se que µ = 60 + 3 . 1,28 = 63,84 kg. 8.14 O número (X) de respostas corretas de um aluno que responde aleatoriamente é uma variável com distribuição binomial com n = 100 e p = 1/5. Então µ = E(X) = np = 20, σ 2 = npq = 16 e σ = 4. 35RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 35 36 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Usando a aproximação normal da distribuição binomial, obtemos 29,5 – 20 P(X ≥ 30) = P�Z > _______� = P(Z > 2,375) =4 = 0,5 – 0,4912 = 0,0088 ou 0,88% 14,5 – 20 P(X < 15) = P�Z < _______� = P(Z < – 1,375) =4 = 0,5 – 0,4154 = 0,0846 ou 8,46% 14,5 – 20 30,5 – 20 P(15 ≤ X ≤ 30) = P� _______ < Z < _______ � =4 4 = P(– 1,375 < Z < 2,625) = 0,4154 + 0,4956 = = 0,9110 ou 91,10%. 8.15 Vamos admitir que o peso (X) de um saco seja uma variável com distri- buição normal com média µ e desvio padrão σ = 2. A incógnita do problema é o valor de µ. Na tabela I do Apêndice verifica-se, por interpolação, que P(Z > 1,645) = 0,05 ou 5%. Segue-se que P(Z < – 1,645) = 0,05. Então, a máquina de ensacar deve ser regulada para um peso médio (µ) tal que o 60 – µ valor X = 60 corresponda a Z = –1,645, ou seja, _____ = – 1,645. 2 Conclui-se que µ = 60 + 3,29 = 63,29 kg. 8.16 a) Sendo n o número de unidades entregues, a receita “normal”, com todos pagando, seria 100n. Para obter a mesma receita com 98% dos clientes pagan- do, o preço w deve ser tal que w0,98n = 100n Segue-se que w = 102,04, o que significa um acréscimo de 204 centavos no preço “normal” de R$ 100,00. b) O número de unidades pagas (X) será uma variável com distribuição binomial com n = 900 e p = 0,98. Temos µ = np = 882, σ 2 = npq = 17,64 e σ = 4,2. Como nq = 18, podemos usar a aproximação normal da distribuição binomial. As perdas serão compensadas se 103 X ≥ 100 . 900 ou X ≥ 874. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 36 Então a probabilidade pedida é 873,5 – 882 P(X < 874) = P�Z < _________� = P(Z < – 2,024) =4,2 = 0,5 – 0,4785 = 0,0215 ou 2,15%. 8.17 Problema análogo ao 8.15. Temos P(Z < – 1,282) = 0,10 ou 10%. Então a máquina deve ser regulada para um peso médio µ tal que 400 – µ______ = – 1,282. 20 Segue-se que µ = 400 + 25,64 = 425,64 g. 8.18 Sendo X o número de segurados que sofrem o acidente, a companhia terá prejuízo se 400 . 1000 < X . 8000 ou X > 50. X é uma variável com distribuição binomial com n = 400, p = 0,1, µ = 40 e σ 2 = 36. Usando a aproximação normal da binomial, temos 50,5 – 40 P(X > 50) = P�Z > ________� = P(Z > 1,75) =6 = 0,5 – 0,4599 = 0,0401 ou 4,01%. 8.19 Uma vez que a população é muito maior do que a amostra, mesmo que a amos- tragem seja feita sem reposição, o número de empregadores na amostra tem distribuição aproximadamente binomial com p = 0,02. a) A probabilidade de não haver nenhum empregador em uma amostra de 5 pessoas é 0,985 = 0,904. b) Em uma amostra de 400 pessoas, o número de empregadores é uma va- riável com distribuição binomial com n = 400, p = 0,02, µ = 8, σ 2 = 7,84 e σ = 2,8. Usando a aproximação normal da binomial, temos 4,5 – 8 P(X < 5) = P�Z < ______� = P(Z < – 1,25) =2,8 = 0,5 – 0,3944 = 0,1056. 8.20 Seja X o número de segurados que sofrem o acidente. Então a companhia de seguros terá prejuízo se 400 . 2000 < 8000 + X . 15000 ou X > 52,8. 37RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 37 38 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Como X é uma variável inteira, concluímos que haverá prejuízo se X ≥ 53. X é uma variável com distribuição binomial com n = 400, p = 0,1, µ = 40, σ 2 = 36 e σ = 6. Usando a aproximação normal da binomial, temos 52,5 – 40 P(X ≥ 53) = P�Z > ________� = P(Z > 2,083) =6 = 0,5 – 0,4814 = 0,0186 ou 1,86%. 8.21 O número Y de testes respondidos corretamente pelo aluno é uma variável com distribuição binomial com n = 400, p = 0,5, µ = 200 e σ = 10. De acordo com a aproximação normal da binomial, temos (X – 0,5) – 200 P�Z> ____________ � = 0,125.100 Na tabela I do Apêndice verifica-se que P(0 < Z < 1,15) = 0,375 ou P(Z > 1,15) = = 0,125. Então, devemos ter X – 0,5 – 200___________ = 1,15 100 ou X = 212. 8.22 A tabela ao lado mostra a distribuição do valor (X) do arredondamento, em centavos. Verifica-se que E(X) = ∑XiP(Xi) = 0 e V(X) = E(X2) = ∑Xi2P(Xi) = 8,5. Sendo Xj o erro de arredondamento no j-ésimo item, o erro de arredondamento na soma dos 850 itens é 850 Y = ∑ Xj. j=1 Segue-se que E(Y) = 850E(Xj) = 0 e, admitindo 850 que os Xj são independentes, V(Y) = ∑ V(Xj) = j=1 850 . 8,5 = 852. Embora a distribuição de X seja claramente diferente da distribuição normal, o teorema do limite central garante que Y tem distribuição aproximada- mente normal com média µ = 0 e desvio padrão σ = 85. A probabilidade de o valor absoluto de Y ultrapassar 200 centavos, sem fazer a correção de con- tinuidade, é 200 2P(Y > 200) = 2P�Z > ___� = 2P(Z > 2,353) =85 = 200 . 0,0093 = 0,0186. X P(X) 0 0,1 1 0,1 2 0,1 3 0,1 4 0,1 5 0,05 – 5 0,05 – 4 0,1 – 3 0,1 – 2 0,1 – 1 0,1 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 38 Fazendo a correção de continuidade, a probabilidade é 200,5 2P�Z > _____� = 2P(Z > 2,359) =85 = 2 . 0,0091 = 0,0182. 8.23 Seja W a soma dos 3600 valores de X, isto é, 3600 W = ∑ Xi i=1 Então, a média dos 3600 valores de X é W Y = ____ 3600 Para que essa média difira do seu valor esperado por menos de 0,01, é necessário que W difira de E(W) por menos de 36. A variável W tem distribuição binomial com n = 3600, p = 0,5, E(W) = 1800, σ 2 = npq = 900 e σ = 30. Usando a aproximação normal da binomial, temos 35,5 P(|Y – 1800|<36) = P�|Z|< _____� = P(|Z|<1,1833) =30 = 2 . 0,3817 = 0,7634 ou 76,34%. Se o exercício for resolvido enfocando a variável Y, fica difícil ver a necessi- dade da correção de continuidade e, sem essa correção, a resposta obtida é 0,7698 ou 76,98%. 8.24 Seja X o número de famílias com renda mensal superior a R$ 2.000,00 na amostra de 400 famílias. Essa variável tem distribuição aproximadamente binomial, com n = 400, p = 0,05, µ = np = 20 e σ 2 = npq = 19. Usando a aproxi- mação normal da binomial, temos 30,5 – 20 P(X > 30) = P�Z > ________� = P(Z > 2,409) =√—–19 = 0,5 – 0,4920 = 0,0080 ou 0,8%. 8.25 a) A tabela ao lado mostra a distribuição de X. Verifica-se que 2 E(X) = 1 e V(X) = E(X – 1)2 = __. 3 b) Como Y é a soma de 3 valores independentes de X, temos E(Y) = 3E(X) = 3 e V(Y) = 3V(X) = 2. 39RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann X P(X) 0 1/3 1 1/3 2 1/3 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 39 40 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson c) Sejam X1, X2 e X3 os valores obtidos em 3 lançamentos do cubo. A tabela ao lado mostra os valores de S = X1 + X2. Como a probabilidade associada a cada casela é 1/9, obtemos a distribuição de S apresentada na tabela seguinte. Cruzando essa distribuição com a distri- buição de X3, obtemos os valores de Y = S + X3 = X1 + X2 + X3 apresentados na mesma tabela, acompanhados das res- pectivas probabilidades. X2 X1 0 1 2 0 0 1 2 1 1 2 3 2 2 3 4 S = X1 + X2 S P(S) X3; P(X3) 0; 1_ 3 1; 1_ 3 2; 1_ 3 0 1_ 9 0; 1__ 27 1; 1__ 27 2; 1__ 27 1 2_ 9 1; 2__ 27 2; 2__ 27 3; 2__ 27 2 3_ 9 2; 3__ 27 3; 3__ 27 4; 3__ 27 3 2_ 9 3; 2__ 27 4; 2__ 27 5; 2__ 27 4 1_ 9 4; 1__ 27 5; 1__ 27 6; 1__ 27 Valores de Y = S2 + X3 e respectiva probabilidade Coletando os valores iguais e somando as respectivas probabilidades, obte- mos a distribuição de Y apresentada na tabela a seguir, acompanhada do respectivo gráfico de barras. Y P(Y) 0 1/27 1 3/27 2 6/27 3 7/27 4 6/27 5 3/27 6 1/27 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 40 É interessante notar que, embora a distribuição de X seja muito diferente da distribuição normal e Y seja a soma de apenas 3 valores de X, a distri- buição de Y já tem alguma semelhança de forma com uma distribuição normal, de acordo com o teorema do limite central. d) Basta examinar a distribuição de Y para verificar que P(Y ≥ 4) = 10/27. e) Lembrando que E(Y) = 3 e utilizando a tabela com a distribuição de Y, obtemos M3 = E(X – 3)3 = 0, como não podia deixar de ser, pois a distri- buição é simétrica. Então α3 = 0. Também obtemos M4 = E(X – 3)4 = 10. 10 Lembrando que V(Y) = 2, segue-se que α4 = __ = 2,5. 4 f) Como W é a soma de 150 valores independentes de X, lembrando os resulta- dos obtidos no item (a), temos E(W) = 150 E(X) = 150 e V(W) = 150V(X) = 100. Segue-se que σW = 10. g) De acordo com o teorema do limite central, W tem distribuição aproxi- madamente normal. Note-se, entretanto, que W é uma variável inteira. Tomando o cuidado de fazer a correção de continuidade, temos 165,5 – 150 P(W > 165) = P�Z > __________� = P(Z > 1,55) =10 = 0,5 – 0,4394 = 0,0606. 129,5 – 150 h) P(W < 130) = P�Z < __________� = P(Z < – 2,05) =10 = 0,5 – 0,4798 = 0,0202. 139,5 – 150 160,5 – 150 i) P(140 ≤ W ≤ 160) = P� __________ < Z < __________� = P(– 1,05 < Z < 1,05) =10 10 = 2 . 0,3531 = 0,7062. 8.26 Como a máquina é regulada para um peso médio 5% acima do peso declarado, temos µ = 1,05 . 160 = 168. a) Sendo X o peso de uma lata, 160 – 168 P(X < 160) = P�Z < ________� = P(Z < – 2) = 0,5 – 0,4772 = 0,0228.4 b) Agora a incógnita é o peso médio µ. Na tabela I do Apêndice, verifica-se que P(Z > 1,88) = 0,03 ou 3%. 41RESOLUÇÃO DOS EXERCÍCIOS � Rodolfo Hoffmann 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 41 42 ESTATÍSTICA PARA ECONOMISTAS � Editora Thomson Segue-se que P(Z < – 1,88) = 0,03 Então 160 – µ______ = – 1,88 4 Dessa expressão, obtemos µ = 167,5 g. 8.27 Verifica-se que E(X) = 2,5 e V(X) = 1,25. Seja W a soma dos k valores de X, de maneira que Y = W/k. Então E(W) = 2,5k e V(W) = 1,25k. Para k razoavelmente grande, o teorema do limite central assegura que W tem distribuição aproximadamente normal. Na tabela I do Apêndice, verifica-se que P(Z > 2) = 0,0228. Lembrando que Y = 3 corresponde a W = 3k e fazendo a correção de con- tinuidade (pois W é uma variável inteira), verifica-se que 3k – 0,5 – 2,5k P(W ≥ 3k) = P�Z > ____________�.√——–1,25k Como o enunciado da questão exige que a probabilidade seja igual ou inferior a 0,0228, devemos ter 3k – 0,5 – 2,5k____________ ≥ 2√——–1,25k 0,5k – 2√——–1,25k – 0,5 ≥ 0 ou k – 2√—–5k – 1 ≥ 0. Fazendo u = √—k, obtemos a inequação u2 – (2√––5 )u – 1 ≥ 0, que é satisfeita, para valores positivos de u, se u ≥ √––5 + √––6. Segue-se que devemos ter k ≥ (√––5 + √––6)2 ou k ≥ 21,95. Como k é uma variável inteira, conclui-se que o menor valor de k tal que P(Y > 3) ≤ 0,0228 é 22. 01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 42
Compartilhar