Baixe o app para aproveitar ainda mais
Prévia do material em texto
BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 1/7 1. 𝑃𝑒𝑙𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑑𝑒 𝑀𝑎𝑟𝑘𝑜𝑣: 𝑃(𝑋 ≥ 𝑎) ≤ 𝐸[𝑋] 𝑎 𝑆𝑒𝑛𝑑𝑜 𝑎 = 20𝑐𝑚 𝑎 𝑑𝑖𝑠𝑡â𝑛𝑐𝑖𝑎 𝑝𝑎𝑟𝑎 𝑞𝑢𝑒 𝑜 𝑎𝑡𝑖𝑟𝑎𝑑𝑜𝑟 𝑒𝑟𝑟𝑒, 𝑡𝑒𝑚𝑜𝑠: 𝑃(𝑋 ≥ 20) ≤ 5 20 ⇒ 𝑃(𝑋 ≥ 20) ≤ 1 4 2. 𝐶𝑜𝑚𝑜 𝑎 𝑚é𝑑𝑖𝑎 𝜇 = 20, 𝑝𝑎𝑟𝑎 0 < 𝑋 < 40, 𝑏𝑢𝑠𝑐𝑎𝑛𝑑𝑜 𝑢𝑚𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑝𝑎𝑟𝑒𝑐𝑖𝑑𝑎 𝑐𝑜𝑚 𝑎 𝑑𝑒 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣, 𝑡𝑒𝑚𝑜𝑠: 0 < 𝑋 < 40 ⇒ 0 − 𝜇 < 𝑋 − 𝜇 < 40 − 𝜇 ⇒ 0 − 20 < 𝑋 − 20 < 40 − 20 ⇒ −20 < 𝑋 − 20 < 20 ⇒ |𝑋 − 20| < 20 𝑂𝑢 𝑠𝑒𝑗𝑎, 𝑝𝑟𝑜𝑐𝑢𝑟𝑎𝑚𝑜𝑠 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒: 𝑃(0 < 𝑋 < 40) = 𝑃(|𝑋 − 20| < 20) ⇒ 𝑃(0 < 𝑋 < 40) = 1 − 𝑃(|𝑋 − 20| ≥ 20) 𝑃𝑒𝑙𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑑𝑒 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣: 𝑃(|𝑋 − 𝜇| ≥ 𝑘) ≤ 𝜎2 𝑘2 , ⇒ −𝑃(|𝑋 − 𝜇| ≥ 𝑘) ≥ − 𝜎2 𝑘2 𝑐𝑜𝑚𝑜 𝑎 𝑣𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝜎2 é 𝑖𝑔𝑢𝑎𝑙 à 𝑚é𝑑𝑖𝑎 𝜇 = 20, 𝑡𝑒𝑚𝑜𝑠: 𝑃(0 < 𝑋 < 40) ≥ 1 − 20 202 ⇒ 𝑃(0 < 𝑋 < 40) ≥ 1 − 1 20 ⇒ 𝑃(0 < 𝑋 < 40) ≥ 19 20 BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 2/7 3. a) 𝑃𝑒𝑙𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑑𝑒 𝑀𝑎𝑟𝑘𝑜𝑣: 𝑃(𝑋 ≥ 85) ≤ 75 85 = 15 17 b) 𝑆𝑒𝑔𝑢𝑖𝑛𝑑𝑜 𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑝𝑎𝑟𝑎 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣: 65 < 𝑋 < 85 ⇒ 65 − 𝜇 < 𝑋 − 𝜇 < 85 − 𝜇 ⇒ 65 − 75 < 𝑋 − 75 < 85 − 75 ⇒ −10 < 𝑋 − 75 < 10 ⇒ |𝑋 − 75| < 10 𝑃𝑜𝑑𝑒𝑚𝑜𝑠 𝑐𝑜𝑛𝑐𝑙𝑢𝑖𝑟 𝑞𝑢𝑒: 𝑃(65 < 𝑋 < 85) = 𝑃(|𝑋 − 75| < 10) ⇒ 𝑃(65 < 𝑋 < 85) = 1 − 𝑃(|𝑋 − 75| ≥ 10) ⇒ 𝑃(65 < 𝑋 < 85) ≥ 1 − 𝜎2 102 ⇒ 𝑃(65 < 𝑋 < 85) ≥ 1 − 25 (2 · 5)2 ⇒ 𝑃(65 < 𝑋 < 85) ≥ 1 − 1 22 ⇒ 𝑃(65 < 𝑋 < 85) ≥ 3 4 c) 𝐷𝑒 𝑎𝑐𝑜𝑟𝑑𝑜 𝑐𝑜𝑚 𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑑𝑒 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣: 𝑃 {| 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑛 − 𝜇| ≥ 𝜀} ≤ 1 𝑛 · 𝜎2 𝜀2 , 𝑜𝑛𝑑𝑒 𝑋1, 𝑋2, … , 𝑋𝑛 𝑠ã𝑜 𝑎𝑠 𝑛𝑜𝑡𝑎𝑠 𝑑𝑜𝑠 𝑛 𝑎𝑙𝑢𝑛𝑜𝑠 𝑒 𝜀 é 𝑜 𝑘 𝑑𝑒 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟𝑚𝑒𝑛𝑡𝑒 (5, 𝑛𝑒𝑠𝑡𝑒 𝑐𝑎𝑠𝑜). 𝑃 𝑎𝑞𝑢𝑖 𝑒𝑥𝑝𝑟𝑒𝑠𝑠𝑎 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑎𝑠 𝑛𝑜𝑡𝑎𝑠 𝑒𝑠𝑡𝑎𝑟𝑒𝑚 𝑓𝑜𝑟𝑎 𝑑𝑒 𝜇 ± 𝜀. 𝑇𝑜𝑚𝑎𝑛𝑑𝑜 ℙ 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑎𝑠 𝑛𝑜𝑡𝑎𝑠 𝑒𝑠𝑡𝑎𝑟𝑒𝑚 𝑑𝑒𝑛𝑡𝑟𝑜 𝑑𝑒 𝜇 ± 𝜀: ℙ = 𝑃 {| 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑛 − 𝜇| < 𝜀} ℙ = 1 − 𝑃 {| 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑛 − 𝜇| ≥ 𝜀} 𝑃𝑟𝑒𝑐𝑖𝑠𝑎𝑚𝑜𝑠 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑛 𝑞𝑢𝑎𝑛𝑑𝑜: ℙ ≥ 0,9 BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 3/7 ⇒ 1 − 𝑃 {| 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑛 − 𝜇| ≥ 𝜀} ≥ 0,9 ⇒ 1 − 𝜎2 𝑛𝜀2 ≥ 0,9 ⇒ 𝑛 = 𝜀2 0,1𝜎2 ⇒ 𝑛 = 52 0,1 · 25 ⇒ 𝑛 = 1 0,1 ⇒ 𝑛 = 10 4. 𝐷𝑒 𝑎𝑐𝑜𝑟𝑑𝑜 𝑐𝑜𝑚 𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑑𝑒 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣: 𝑃 {| 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 𝑛 − 𝜇| ≥ 𝜀} ≤ 𝜎2 𝑛𝜀2 𝑇𝑜𝑚𝑎𝑛𝑑𝑜 𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑋 = { 1 , 𝑠𝑒 𝑐𝑎𝑟𝑎 0 , 𝑠𝑒 𝑐𝑜𝑟𝑜𝑎 , 𝑡𝑒𝑚𝑜𝑠: 𝑋1 + 𝑋2 + ⋯ + 𝑋𝑛 = 𝑆𝑛 𝐶𝑜𝑚𝑜 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑃(𝑋) = 1 2 𝑡𝑎𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑐𝑎𝑟𝑎 𝑞𝑢𝑎𝑛𝑡𝑜 𝑝𝑎𝑟𝑎 𝑐𝑜𝑟𝑜𝑎, 𝑠𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒: 𝜎2 = 𝑉𝐴𝑅[𝑋] = 𝐸[𝑋2] − (𝐸[𝑋])2 ⇒ 𝜎2 = (12 · 1 2 + 02 · 1 2 ) − (1 · 1 2 + 0 · 1 2 ) 2 ⇒ 𝜎2 = 1 2 − 1 4 ⇒ 𝜎2 = 1 4 𝑆𝑎𝑏𝑒𝑛𝑑𝑜 𝑞𝑢𝑒 𝜇 = 1 2 𝑒 𝜀 = 0,1, 𝑡𝑒𝑚𝑜𝑠 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 ℙ 𝑑𝑜 𝑙𝑖𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 é: ℙ = 1 − 𝑃 {| 𝑆𝑛 𝑛 − 1 2 | ≥ 0,1} ≥ 1 − 1 4(0,1)2𝑛 𝐴𝑠𝑠𝑖𝑚, 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑒𝑚: 1. 𝑛 = 100 ⇒ ℙ ≥ 1 − 1/4 = 3/4 2. 𝑛 = 10000 ⇒ ℙ ≥ 1 − 1/400 = 399/400 3. 𝑛 = 100000 ⇒ ℙ ≥ 1 − 1/4000 = 3999/4000 BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 4/7 5. 6. 7. 8. 9. 10. 11. 𝐷𝑒𝑣𝑒𝑚𝑜𝑠 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑢𝑚𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎çã𝑜 𝑝𝑎𝑟𝑎 𝑃(𝑋 > 525). 𝐷𝑒 𝑎𝑐𝑜𝑟𝑑𝑜 𝑐𝑜𝑚 𝑜 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 𝑑𝑜 𝑙𝑖𝑚𝑖𝑡𝑒, 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑓𝑎𝑧𝑒𝑟 𝑎 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎çã𝑜: 𝑃 { ∑ 𝑋𝑖 𝑛 𝑖=1 − 𝑛𝜇 𝜎√𝑛 ≤ 𝑎} → Φ(𝑎) ⇒ 𝑃 {∑ 𝑋𝑖 100 𝑖=1 > 525} = 𝑃 { ∑ 𝑋𝑖 100 𝑖=1 − 𝑛𝜇 𝜎√𝑛 > 525 − 𝑛𝜇 𝜎√𝑛 } ⇒ 𝑃 {∑ 𝑋𝑖 100 𝑖=1 > 525} = 𝑃 {𝑍 > 525 − 𝑛𝜇 𝜎√𝑛 } ⇒ 𝑃 {∑ 𝑋𝑖 100 𝑖=1 > 525} = 1 − 𝑃 {𝑍 ≤ 525 − 𝑛𝜇 𝜎√𝑛 } ⇒ 𝑃 {∑ 𝑋𝑖 100 𝑖=1 > 525} ≈ 1 − Φ ( 525 − 𝑛𝜇 𝜎√𝑛 ) 𝑃𝑒𝑙𝑜 𝑓𝑎𝑡𝑜 𝑑𝑎 𝑣𝑎𝑟𝑖á𝑣𝑒𝑙 𝑎𝑙𝑒𝑎𝑡ó𝑟𝑖𝑎 𝑠𝑒𝑟 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙, 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑚 𝜆 > 0, 𝑠𝑢𝑎 𝑓𝑢𝑛çã𝑜 𝑑𝑒𝑛𝑠𝑖𝑑𝑎𝑑𝑒 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 é 𝑑𝑎𝑑𝑎 𝑝𝑜𝑟: 𝑓(𝑥) = { 𝜆𝑒 −𝜆 0 𝑠𝑒 𝑥 ≥ 0 𝑠𝑒 𝑥 < 0 , 𝑐𝑜𝑚 𝑚é𝑑𝑖𝑎 𝜇 = 1 𝜆 𝑒 𝑣𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝜎2 = 1 𝜆2 . 𝑇𝑒𝑚𝑜𝑠 𝑒𝑛𝑡ã𝑜 𝑞𝑢𝑒: 𝜎 = 𝜇 = 5 𝑃𝑜𝑟𝑡𝑎𝑛𝑡𝑜, 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑟 𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 𝑞𝑢𝑎𝑛𝑑𝑜 𝑛 = 100 𝑝𝑜𝑟: 𝑃 {∑ 𝑋𝑖 100 𝑖=1 > 525} ≈ 1 − Φ ( 525 − 100 · 5 5√100 ) ⇒ 𝑃 {∑ 𝑋𝑖 100 𝑖=1 > 525} ≈ 1 − Φ(0,5) = 0,3085 BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 5/7 12. ⊢∶ lim 𝑛→∞ 𝑒−𝑛 ∑ 𝑛𝑘 𝑘! 𝑛 𝑘=0 = 1 2 𝑈𝑡𝑖𝑙𝑖𝑧𝑎𝑛𝑑𝑜 𝑎 𝑠𝑢𝑔𝑒𝑠𝑡ã𝑜, 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑒 𝑎 𝑠𝑒𝑞𝑢ê𝑛𝑐𝑖𝑎 𝑑𝑒 𝑣𝑎𝑟𝑖á𝑣𝑒𝑖𝑠 𝑎𝑙𝑒𝑎𝑡ó𝑟𝑖𝑎𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑡𝑒𝑠 𝑒 𝑖𝑑𝑒𝑛𝑡𝑖𝑐𝑎𝑚𝑒𝑛𝑡𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢í𝑑𝑎𝑠 𝑋1, 𝑋2, … , 𝑋𝑛 𝑐𝑜𝑚 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝑑𝑒 𝑃𝑜𝑖𝑠𝑠𝑜𝑛, 𝑜𝑢 𝑠𝑒𝑗𝑎, 𝑚é𝑑𝑖𝑎 𝑒 𝑣𝑎𝑟𝑖â𝑛𝑐𝑖𝑎 𝜇 = 𝜎2 = 𝜆 = 1. 𝑇𝑒𝑚𝑜𝑠 𝑒𝑛𝑡ã𝑜 𝑞𝑢𝑒: 𝑃(𝑋 = 𝑖) = 𝑒−𝜆 𝜆𝑖 𝑖! ; 𝑖 ≥ 0 ⇒ 𝑃 {∑ 𝑋𝑖 𝑛 𝑖=0 ≤ 𝑛} = ∑ 𝑃(𝑋 = 𝑘) 𝑛 𝑘=0 ⇒ 𝑃 {∑ 𝑋𝑖 𝑛 𝑖=0 ≤ 𝑛} = ∑ 𝑒−𝜆 𝜆𝑘 𝑘! 𝑛 𝑘=0 ⇒ 𝑃 {∑ 𝑋𝑖 𝑛 𝑖=0 ≤ 𝑛} = 𝑒−𝜆 ∑ 𝜆𝑘 𝑘! 𝑛 𝑘=0 𝐿𝑜𝑔𝑜, 𝑞𝑢𝑎𝑛𝑑𝑜 𝑛 → ∞: lim 𝑛→∞ 𝑃 {∑ 𝑋𝑖 𝑛 𝑖=0 ≤ 𝑛} = lim 𝑥→∞ 𝑒−𝜆 ∑ 𝜆𝑘 𝑘! 𝑛 𝑘=0 𝑃𝑒𝑙𝑜 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 𝑑𝑜 𝑙𝑖𝑚𝑖𝑡𝑒, 𝑝𝑜𝑑𝑒𝑚𝑜𝑠 𝑑𝑖𝑧𝑒𝑟 𝑞𝑢𝑒: lim 𝑛→∞ 𝑃 {∑ 𝑋𝑖 𝑛 𝑖=0 ≤ 𝑛} = lim 𝑛→∞ 𝑃 ( 𝑋 − 𝑛𝜇 𝜎√𝑛 ≤ 𝑛 − 𝑛𝜇 𝜎√𝑛 ) ⇒ lim 𝑥→∞ 𝑒−𝜆 ∑ 𝜆𝑘 𝑘! 𝑛 𝑘=0 = lim 𝑛→∞ Φ ( 𝑛 − 𝑛𝜇 𝜎√𝑛 ) 𝑇𝑜𝑚𝑎𝑛𝑑𝑜 𝜆 = 𝑛 𝑝𝑎𝑟𝑎 𝑎 𝑠𝑜𝑚𝑎 𝑒 𝑠𝑎𝑏𝑒𝑛𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟𝑚𝑒𝑛𝑡𝑒 𝑞𝑢𝑒 𝜇 = 𝜎2 = 1, 𝑡𝑒𝑚𝑜𝑠: lim 𝑥→∞ 𝑒−𝑛 ∑ 𝑛𝑘 𝑘! 𝑛 𝑘=0 = lim 𝑛→∞ Φ ( 𝑛 − 𝑛 √𝑛 ) ⇒ lim 𝑥→∞ 𝑒−𝑛 ∑ 𝑛𝑘 𝑘! 𝑛 𝑘=0 = Φ(0) ⇒ lim 𝑥→∞ 𝑒−𝑛 ∑ 𝑛𝑘 𝑘! 𝑛 𝑘=0 = 1 2 ∎ BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 6/7 13. 𝐷𝑒 𝑎𝑐𝑜𝑟𝑑𝑜 𝑐𝑜𝑚 𝑎 𝑑𝑒𝑠𝑖𝑔𝑢𝑎𝑙𝑑𝑎𝑑𝑒 𝑑𝑒 𝐶ℎ𝑒𝑏𝑦𝑠ℎ𝑒𝑣: 𝑃(|𝑋𝑛 − 𝜇| ≥ 𝜀) ≤ 𝜎2 𝜀2 ⇒ lim 𝑛→∞ 𝑃(|𝑋𝑛 − 𝜇| ≥ 𝜀) = lim 𝑛→∞ 𝑃(|𝑋𝑛 − 𝛼| ≥ 𝜀) = lim 𝑛→∞ 𝜎2 𝜀2 ⇒ lim 𝑛→∞ 𝑃(|𝑋𝑛 − 𝛼| ≥ 𝜀) = 0 ∎ 14. 𝐷𝑒 𝑎𝑐𝑜𝑟𝑑𝑜 𝑐𝑜𝑚 𝑜 𝑡𝑒𝑜𝑟𝑒𝑚𝑎 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 𝑑𝑜 𝑙𝑖𝑚𝑖𝑡𝑒:𝑃 ( ∑ 𝑋𝑖 𝑛 𝑖=1 − 𝑛𝜇 𝜎√𝑛 ≤ 𝑎) = 𝑃 ( 𝑋 − 𝜇 𝜎/√𝑛 ≤ 𝑎) → Φ(𝑎) ⇒ 𝑃 (−𝑎 ≤ 𝑋 − 𝜇 𝜎/√𝑛 ≤ 𝑎) = Φ(𝑎) − (1 − Φ(𝑎)) ⇒ 𝑃 (𝑋 − 𝑎 𝜎 √𝑛 ≤ 𝜇 ≤ 𝑋 + 𝑎 𝜎 √𝑛 ) = 2Φ(𝑎) − 1 = 𝑝 𝑂𝑛𝑑𝑒 𝜎 √𝑛 = 𝜎𝑋 é 𝑜 𝑑𝑒𝑠𝑣𝑖𝑜 𝑝𝑎𝑑𝑟ã𝑜 𝑑𝑎 𝑚é𝑑𝑖𝑎. 𝐿𝑜𝑔𝑜, 𝑎 𝑚é𝑑𝑖𝑎 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑖𝑟𝑎 𝑒𝑠𝑡á 𝑒𝑛𝑡𝑟𝑒 𝑋 ± 𝑎𝜎𝑋 , 𝑜𝑢 𝑠𝑒𝑗𝑎: ⇒ 𝑋 − 𝑎𝜎𝑋 ≤ 𝜇 ≤ 𝑋 + 𝑎𝜎𝑋 ∴ 𝐼𝐶(𝜇, 𝑝) = [𝑋 − 𝑎𝜎𝑋; 𝑋 + 𝑎𝜎𝑋] 𝐶𝑜𝑚𝑜 𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛ç𝑎 𝑝 𝑓𝑜𝑖 𝑑𝑎𝑑𝑜: 2Φ(𝑎) − 1 = 0,96 ⇒ Φ(𝑎) = 0,98 ⇒ 𝑎 ≈ 2,055 𝑃𝑜𝑟𝑡𝑎𝑛𝑡𝑜, 𝑠𝑎𝑏𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑎 𝑣𝑒𝑟𝑑𝑎𝑑𝑒𝑖𝑟𝑎 𝑚é𝑑𝑖𝑎 𝑒𝑠𝑡á 𝑛𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛ç𝑎 𝑞𝑢𝑒 é 𝑑𝑎𝑑𝑜 𝑝𝑜𝑟: 𝐼𝐶(𝜇, 96%) = [𝑋 − 𝑎 𝜎 √𝑛 ; 𝑋 + 𝑎 𝜎 √𝑛 ] ⇒ 𝐼𝐶(𝜇, 96%) ≈ [25 − 2,055√ 50 500 ; 25 + 2,055√ 50 500 ] ⇒ 𝐼𝐶(𝜇, 96%) ≈ [24,35; 25,65] BC0406: Intr. à Prob. e à Estatística UFABC Resolução da Lista 09 v1 Fernando Freitas Alves fernando.freitas@aluno.ufabc.edu.br 31/03/13 – pág. 7/7 15. 𝑃𝑒𝑙𝑜 𝑒𝑥𝑒𝑟𝑐í𝑐𝑖𝑜 14, 𝑡𝑒𝑚𝑜𝑠 𝑞𝑢𝑒: 𝐼𝐶(𝜇, 𝑝) = [𝑋 − 𝑎 𝜎 √𝑛 ; 𝑋 + 𝑎 𝜎 √𝑛 ] ⇒ 𝐼𝐶(𝜇, 95%) = [501,2 − 𝑎 4 √100 ; 501,2 + 𝑎 4 √100 ] 𝑇𝑎𝑙 𝑞𝑢𝑒, 𝑝𝑒𝑙𝑜 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛ç𝑎 𝑑𝑎𝑑𝑜: Φ(𝑎) = 0,95 + 1 2 ⇒ Φ(𝑎) = 0,975 ⇒ 𝑎 = 1,96 ∴ 𝐼𝐶(𝜇, 95%) = [501,2 − 1,96 4 √100 ; 501,2 + 1,96 4 √100 ] ⇒ 𝐼𝐶(𝜇, 95%) = [500,416; 501,984] 16. 17. 18.
Compartilhar