Baixe o app para aproveitar ainda mais
Prévia do material em texto
MAE 116 - Noções de Estatística Grupo D - 2o semestre de 2014 Gabarito da Quinta Lista de Exercícios Exercício 1 O departamento de ciências econômicas de uma certa universidade possui 5 docentes do sexo feminino e 15 do sexo masculino. Três docentes são sorteados ao acaso, com reposição dos nomes dos docentes já sorteados na urna antes do próximo sorteio. Calcule a probabilidade de (a) Todos serem do sexo masculino. (b) Pelo menos 2 serem do sexo masculino. (c) Todos serem do sexo feminino. Como os sorteios são feitos com reposição, então cada sorteio tem uma probabilidade p “ 15{20 “ 3{4 de um homem ser sorteado. Como os sorteios são independentes então a distribuição do número de homens sorteados é uma binomial de parâmetros n “ 3 e p “ 3{4. Denotemos por X a variável aleatória que conta o número de homens sorteados. (a) Queremos calcular a probabilidade de todos os 3 sorteados serem homens: PpX “ 3q “ ˆ n 3 ˙ p3p1´ pqn´3 “ p3 “ 27 64 “ 0,421 875 (b) Queremos calcular: PpX ě 2q “ PpX “ 2q ` PpX “ 3q “ ˆ n 2 ˙ p2p1´ pqn´2 ` ˆ n 3 ˙ p3p1´ pqn´3 “ 3 ˆ 3 4 ˙2 1 4 ` ˆ 3 4 ˙3 “ 27 32 “ 0,843 75 (c) Todos os sorteados são mulheres é equivalente à nenhum dos sorteados ser homens. Dessa forma a proba- bilidade pedida vale: PpX “ 0q “ ˆ n 0 ˙ p0p1´ pqn´0 “ p1´ pqn “ ˆ 1 4 ˙3 “ 1 64 Exercício 2 Sabe-se que 1 pessoa a cada 200.000 são portadoras de certo moléstia, provocada por defeitos genéticos inteiramente casuais. Numa cidade de 1 milhão de habitantes, qual é a probabilidade (aproximada) de encontrarmos (a) nenhum caso da moléstia; (b) pelo menos 5 portadores da moléstia; e (c) menos do que dois casos da moléstia. 1 Denotemos por X número de portadores da moléstia na cidade. Como a moléstia é provocada por “defeitos genéticos inteiramente casuais”, então é razoável supor que cada habitante da cidade têm ou não a moléstia com probabilidade p “ 1{200 000, a ocorrência da moléstia em um habitante é independente da ocorrência nos demais. Dessa maneira X tem distribuição binomial de parâmetros n “ 106 e p “ 1{200 000. Como n é “grande” e p “pequeno”, é razoável aproximar a distribuição de X por uma distribuição de Poisson de taxa µ “ nˆ p “ 5. Vamos denotar por Y uma variável aleatória que tenha distribuição de Poisson de taxa µ “ 5. (a) Queremos calcular: PpX “ 0q « PpY “ 0q “ e ´µµ0 0! “ e´µ “ 0,006 738 (b) Queremos calcular: PpX ě 5q « PpY ě 5q “ 1´ PpY ă 5q “ 1´ PpY “ 0q ´ PpY “ 1q ´ PpY “ 2q ´ PpY “ 3q ´ PpY “ 4q “ 0,559 507 (c) Queremos calcular: PpX ă 2q « PpY ă 2q “ PpY “ 0q ` PpY “ 1q “ e ´µµ0 0! ` e ´µµ1 1! “ e´µ ` e´µµ “ 0,040 428 Exercício 3 Um candidato a governador de um estado tem 35% das intenções de voto. Numa pesquisa eleitoral em que eleitores do estado são consultados ao acaso (com reposição) sucessivamente. (a) Qual o valor esperado do número de consultas até que se encontre um primeiro eleitor favo- rável ao candidato em questão? (b) Qual é a probabilidade de que precisemos mais do que 3 consultas até encontrar um eleitor favorável ao candidato em questão? (a) Seja X o número de eleitores consultados até encontrarmos o primeiro eleitor favorável ao candidato. Com as consultas são feitas com reposição, então cada consulta tem uma probabilidade p “ 0,35 de resultar em um eleitor favorável ao candidato e as consultas são independentes. Dessa forma X têm uma distribuição geométrica de parâmetro p “ 0,35. Portanto a sua esperança vale: EpXq “ 1 p “ 20 7 “ 2,857 143 (b) Queremos calcular: PpX ą 3q “ 1´ PpX ď 3q “ 1´ PpX “ 1q ´ PpX “ 2q ´ PpX “ 3q “ 1´ p1´ pq0p´ p1´ pq1p´ p1´ pq2p “ 1´ p´ pp1´ pq ´ pp1´ pq2 “ 0,274 625 De maneira equivalente, poderíamos ter observado que para que tenhamos que consultar mais que 3 eleitores até encontrar o primeiro favorável a nosso candidato, então teremos que ter encontrado um eleitor contrário ao candidato nas 3 primeira consultas. Portanto: PpX ą 3q “ p1´ pq3 “ 0,274 625 2 Exercício 4 O número de erros num relatório contábil segue uma distribuição de Poisson de taxa 0,01 por página. Num relatório de 200 páginas (a) Qual o valor esperado do número de erros? (b) Qual é a probabilidade de não haver nenhum erro? (a) Denotemos por X o número esperado de erros no relatório. Como o número esperado de erros por página é de 0,01 e temos 200 páginas, então o número esperado de erros no relatório é µ “ 200ˆ 0,01 “ 2. (b) X têm distribuição de Poisson de taxa µ “ 2, dessa forma: PpX “ 0q “ e ´µµ0 0! “ e´µ “ e´2 “ 0,135 335 3
Compartilhar