Baixe o app para aproveitar ainda mais
Prévia do material em texto
1. Distribuição Normal: A distribuição normal é dada pela seguinte equação: Distribuição Normal 𝑓(𝑥) = 1 𝜎√2𝜋 𝑒 − (𝑥−𝜇)2 2𝜎2 Variáveis: σ Desvio padrão x -∞<x<∞ μ Esperança 2. Distribuição Normal Padrão: Distribuição Normal 𝑓(𝑥) = 1 √2𝜋 𝑒− 𝑧 2 Variáveis: z 𝑧 = 𝑥 − 𝜇 𝜎 3. Teorema da Combinação Linear: Definições: Esperança E(x)=μx E(x)=μy Variância Var(X)=σx² Var(Y)=σy² Variável aleatória W=aX+bY+c Teorema 𝜇 = 𝐸(𝑊) = 𝑎𝜇𝑥 + 𝑏𝜇𝑦 + 𝑐 𝑉𝑎𝑟(𝑊) = 𝑎2𝜎𝑥 2 + 𝑏2𝜎𝑦 2 1 4. Teorema do Limite Central: O teorema do limite central fala que para maiores amostragens mais facilmente a média das amostras se igualara a esperança. Ele também especifica a média total e a esperança para um grupo muito grande. 𝐸(𝑆𝑛) = 𝑛(𝜇) 𝑉𝑎𝑟(𝑆𝑛) = 𝑛𝜎 2 5. Aproximação Binomial-Normal: Observação: Essa aproximação só é valida quando np>5 e n(1-p)>5 Aproximação: Esperança μ=np Variância σ=npq 6. Distribuição t de Student: Na distribuição t-student tem-se que a pequena região grifada pode ser α (distribuição unilateral) ou α/2 (distribuição bilateral). Distribuição Unilateral Distribuição Bilateral Uma fábrica de baterias alega que a mesma tem vida média de 50 meses. Em uma amostra de 23 baterias obteve-se vida média de 48,2 meses e desvio padrão de 5,4 meses. Podemos afirmar que a média da população é menor que 50 meses ao nível de significância de 5%. Solução: O primeiro passo é encontrar o t 2 𝑡 = �̅� − 𝜇 𝑠 √𝑛 → 𝑡 = 48,2 − 50 5,4 √25 → 𝑡 = −1,67 Encontramos que a média para distribuição unilateral α(24 gl)=-1,7109. Desta maneira, como α(24 gl)<t, não podemos dizer que a média da população é menor que 50 com significância de 5%. Unicaudal 75% 80% 85% 90% 95% 97,5% 99% 99,5% 99,75% 99,9% 99,95% Bicaudal 50% 60% 70% 80% 90% 95% 98% 99% 99,5% 99,8% 99,9% 1 1,000 1,376 1,963 3,078 6,314 12,71 31,82 63,66 127,3 318,3 636,6 2 0,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 14,09 22,33 31,60 3 0,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 7,453 10,21 12,92 4 0,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610 5 0,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869 6 0,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959 7 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408 8 0,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041 9 0,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781 10 0,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587 11 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437 12 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318 13 0,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221 14 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140 15 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073 16 0,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015 17 0,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965 18 0,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922 19 0,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883 20 0,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850 21 0,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819 22 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792 23 0,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,767 24 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745 25 0,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725 26 0,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707 27 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690 28 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674 29 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659 30 0,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646 40 0,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551 50 0,679 0,849 1,047 1,299 1,676 2,009 2,403 2,678 2,937 3,261 3,496 60 0,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460 80 0,678 0,846 1,043 1,292 1,664 1,990 2,374 2,639 2,887 3,195 3,416 100 0,677 0,845 1,042 1,290 1,660 1,984 2,364 2,626 2,871 3,174 3,390 120 0,677 0,845 1,041 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373 0,674 0,842 1,036 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291 7. Distribuição Bivariada: o Também é chamada de distribuição conjunta. É dividido em dois casos (o caso das variáveis discretas e o caso das variáveis contínuas). o x e y v.a. discretas o Função massa de probabilidade: f(x,y) = P(X=xe,Y=y) 3 ∑ ∑ 𝑓(𝑥, 𝑦) = 1 o x,y são variáveis contínuas: f(x,y) → função densidade de probabilidade conjunta 𝑓(𝑥, 𝑦) ≥ 0 ∫ ∫𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 𝑥𝑦 = 1 𝑃(𝑎 < 𝑥 < 𝑏, 𝑐 < 𝑦 < 𝑑) = ∫ ∫ 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 𝑏 𝑎 𝑑 𝑐 7.1. Funções marginais: Marginal de x Marginal de y 𝑓(𝑥) = ∫𝑓(𝑥, 𝑦)𝑑𝑦 𝑦 𝑓(𝑦) = ∫𝑓(𝑥, 𝑦)𝑑𝑥 𝑥 Exemplo: 𝑓(𝑥, 𝑦) = { 𝑐𝑥𝑦, 0 ≤ 𝑥 ≤ 1,0 ≤ 𝑦 ≤ 3 0, 𝐶. 𝑐 a) Determinar o valor de c para que f(x,y) seja função de densidade de probabilidade conjunta. b) Determine P(0≤x≤0,7, y<2) c) Determine a marginal de x d) Determine E(x) e) σ(x) f) Determine a marginal de y Solução: “a” 4 ∫ ∫ 𝑐𝑥𝑦 𝑑𝑥 𝑑𝑦 1 0 3 0 → 𝐶 ∫ 𝑦𝑥2 2 | 3 0 0 1 𝑑𝑦 → 𝐶 ∫ 𝑦 2 𝑑𝑦 3 0 = 𝐶 2 ( 𝑦2 2 )| 0 3 = 𝐶 4 (9) = 9 4 𝐶 = 1 → 𝐶 = 4 9 𝑓(𝑥, 𝑦) = { 4 9 (𝑥)𝑦, 0 < 𝑥 ≤ 1, 0 < 𝑥 ≤ 3 0, 𝐶𝐶 “b” 𝑃 = 4 9 ∫ ∫ 𝑥𝑦(𝑑𝑥)𝑑𝑦 0,7 0 2 0 𝐹𝐴𝑍𝐸𝑅 → 𝑃 = 0,22 “c” 𝑓(𝑥) = ∫𝑓(𝑥, 𝑦)𝑑𝑦 𝑦 𝑓(𝑥) = 4 9 ∫ 𝑥𝑦(𝑑𝑦) 3 0 → 𝑓(𝑥) = 4 9 (𝑥) 𝑦2 2 → 𝑓(𝑥) = 4 9 (𝑥) 9 2 → 𝑓(𝑥) = 2(𝑥) 𝑓(𝑥) = { 2𝑥, 0 ≤ 𝑥 ≤ 1 0, 𝐶. 𝐶 “d” 𝐸(𝑥) = ∫ 𝑥𝑓(𝑥)𝑑𝑥 ∞ ∞ 𝐸(𝑥) = ∫ 2(𝑥2)𝑑𝑥 1 0 → 𝐸(𝑥) = 2 ( 𝑥3 3 )| 0 1 → 𝐸(𝑥) = 2 3 “e” 𝑓(𝑦) = ∫𝑓(𝑥, 𝑦)𝑑𝑥 𝑥 𝑓(𝑦) = 4 9 ∫ 𝑥𝑦(𝑑𝑥) 1 0 → 𝑓(𝑦) = 2 9 𝑦 5 Distribuições Marginais: 𝑓(𝑥) = ∑ 𝑓(𝑥, 𝑦) 𝑦 𝑓(𝑦) = ∑ 𝑓(𝑥, 𝑦) 𝑥 Exemplo: 0 1 2 0 0,2 0,1 0,2 0,5 1 0,05 0,15 0,3 0,5 0,25 0,25 0,5 1 a) P(x=0;y=1) b) Marginal de X c) Marginal de y d) A probabilidade de x=1, sendo que y=1 e) A probabilidade de x≤1, sendo que y=1 f) X e y são independentes? Solução: “a” 𝑃(𝑥 = 0; 𝑦 = 1) = 0,2 “b” x 0 1 2 F(x) 0,25 0,25 0,5 “c” y 0 1 F(y) 0,5 0,5 “d” 𝑃 ( 𝐴 𝐵 ) = 𝑃(𝐴 ∩ 𝐵) 𝑃(𝐵) 𝑃 ( 𝑥 = 1 𝑦 = 1 ) = 𝑃(𝑥 = 1, 𝑦 = 1) 𝑃(𝑦 = 1) 6 “e” 𝑃 ( 𝑥 ≤ 1 𝑦 = 1 ) = (𝑃(𝑥 = 0, 𝑦 = 1) + 𝑃(𝑥 = 1, 𝑦 = 1)) 𝑃(𝑦 = 1) 𝑃 ( 𝑥 ≤ 1 𝑦 = 1 ) = 0,2 + 0,1 0,5 → 𝑃 ( 𝑥 ≤ 1 𝑦 = 1 ) = 0,6 𝑃 ( 𝑥 = 1 𝑦 = 1 ) = 0,1 0,5 → 𝑃 ( 𝑥 = 1 𝑦 = 1 ) = 0,2 “f” Precisamos verificar se: 𝑓(𝑥, 𝑦) = 𝑓(𝑥)𝑓(𝑦) Para todo (x,y) 𝑓(0,1) = 0,2 𝑓𝑥(0) = 0,25 𝑓𝑦(0) = 0,5 0,2 ≠ 0,125 Portanto x e y não são independentes 8. Distribuição de Weibull: A distribuição de Weibull é utilizada para sistema complexos de muitas variáveis. Distribuição de Weibull 𝑃(𝑋 ≤ 𝑥) = 1 − 𝑒−( 𝑥 𝛿 ) 𝛽 Variáveis x Comprimento de vida δ Parâmetro de escala β Parâmetro de forma 8.1. Exemplo: 7 Suponha que a vida de um disco magnético de armazenamento, exposto a gases corrosivos, tenha distribuição de Weibull, com β=0,5 e δ= 300 horas. a) Determine a probabilidade de um disco de armazenamento durar no mínimo 500 horas. b) Determine a probabilidade de um disco de armazenamento falhar antes de 400 horas. Solução: “a” 𝑃(𝑥≥ 500) = 1 − 𝑃(𝑋 ≤ 500) = 1 − (1 − 𝑒 −( 500 300 ) 0,5 ) → 𝑃(𝑥 ≥ 500) = 0,275 “b” 𝑃(𝑥 < 400) = 𝐹(400) = 1 − 𝑒 −( 400 300 ) 0,5 → 𝑃(𝑥 < 400) = 0,6848 Problemas: 1. Seja x uma variável aleatória continua distribuída normalmente com média zero e desvio padrão 1, isto é Z~N(0;1). Determine: a) P(Z≤1) b) P(Z≤-2,89) c) P(Z≥2) d) P(-1 < Z < 2,03) e) P(Z>-1,3) f) P(Z < 0) g) P(-1 ≤ Z <-0,61) h) P(Z > 1,6) i) P(Z <-1,74) j) P(1,31 ≤ Z ≤ 2,41) k) P( Z < 2,35) l) P( Z > 4,36) m) P( Z <-6,32) n) P(z > 4,21) Solução: Item Resposta a 𝑃(𝑧 ≤ 1) = 0,8413 b 𝑃(𝑧 ≤ −2,89) = 0,002 c 𝑃(𝑧 ≥ 2) = 1 − 𝑃(𝑧 ≥ 2) 1 𝑃(𝑧 ≥ 2) = 1 − 0,9772 𝑃(𝑧 ≥ 2) = 0,0228 d 𝑃(−1 < 𝑧 < 2,03) = 0,9788 − 0,1587 𝑃(−1 < 𝑧 < 2,03) = 0,8201 e 𝑃(𝑧 > −1,3) = 1 − 𝑃(𝑧 < −1,3) 𝑃(𝑧 > −1,3) = 1 − 0,0968 𝑃(𝑧 > −1,3) = 0,9032 f 𝑃(𝑧 = 0) = 0,5 g 𝑃(−1 < 𝑧 < −0,61) = 0,2709 − 0,1587 𝑃(−1 < 𝑧 < −0,61) = 0,1122 h 𝑃(𝑧 > 1,6) = 1 − 𝑃(𝑧 < 1,6) 𝑃(𝑧 > 1,6) = 1 − 0,9452 𝑃(𝑧 > 1,6) = 0,0548 i 𝑃(𝑧 < −1,74) = 0,0409 j 𝑃(1,31 ≤ 𝑧 ≤ 2,41) = 0,9920 − 0,9049 𝑃(1,31 ≤ 𝑧 ≤ 2,41) = 0,0871 k 𝑃(𝑧 < 2,35) = 0,9906 l VER 2 2. Seja Z uma v.a.c. normalmente distribuída com média 0 e desvio padrão 1. a) Determine o valor de z1 tal que: P( Z ≤ z1) = 0,0495 P( Z ≤ z1) = 0,9474 P( Z ≥ z1) = 0,0618 P( Z ≥ z1) = 0,8212 b) Sejam z1 e z2 , simétricos, dois particulares de Z. Determine-os tais que: P(z1 ≤ Z ≤ z2) = 0,9216 P(z1 ≤ Z ≤ z2) =0,8858 Solução: “a” P(Z<-1,65)=0,0495 P(Z>1,54)=0,0618 P(Z<1,62)=0,9474 P(Z>-0,92)=0,8212 “b” |𝛼| = 0,9216 − 1 2 → 𝛼 = 0,0392 𝑧2 = 1,76 𝑧1 = −1,76 |𝛼| = 0,8858 − 1 2 → 𝛼 = −0,0571 𝑧2 = 1,58 𝑧1 = −1,58 1 3. Seja X uma v.a.c. normalmente distribuída com média 300 e desvio padrão 2. Calcule a probabilidade de X assumir valores a) Maiores que 302,48 b) Maiores que 298,14 c) Entre 297,6 e 303,86 Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 302,48 − 300 2 → 𝑧(𝑥 = 302,48) = 1,24 𝑃(𝑥 < 302,48) = 0,8925 𝑃(𝑥 > 302,48) = 1 − 0,8925 → 𝑃(𝑥 > 302,48) = 0,1075 “b” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 298,14 − 300 2 → 𝑧(𝑥 = 298,14) = −0,93 𝑃(𝑥 < 298,14) = 0,1762 𝑃(𝑥 > 298,14) = 1 − 0,1762 → 𝑃(𝑥 > 298,14) = 0,8238 “c” 𝑃(303,86 < 𝑥 < 297,6) = 𝑃(𝑥 < 303,86) − 𝑃(𝑥 < 297,6) 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 303,86 − 300 2 → 𝑧(𝑥 = 303,86) = 1,93 𝑃(𝑥 < 303,86) = 0,9732 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 297,6 − 300 2 → 𝑧(𝑥 = 297,6) = −1,24 𝑃(𝑥 < 297,6) = 0,1075 𝑃(303,86 < 𝑥 < 297,6) = 0,8657 2 4. Seja X uma v. a. c. normalmente distribuída com média 100 e desvio padrão 10. a) Seja X1 um particular valor de X. Calcule-o tal que: P(X ≤ X1)=0,036 P(X ≤ X1)=0,9832 P(X ≥ X1) =0,0228 P(X ≥ X1)=0,6487 b) Sejam X1 e X2 dois particulares valores simétricos tais que: P(X1 ≤ X ≤ X2) =0,9 P(X1 < X < X2) =0,95 Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 𝑥 − 100 10 Item X1 P(X ≤ X1)=0,036 −1,8 = 𝑥 − 100 10 → 𝑥 = 82 P(X ≤ X1)=0,9832 2,1 = 𝑥 − 100 10 → 𝑥 = 121 P(X ≥ X1) =0,0228 −2 = 𝑥 − 100 10 → 𝑥 = 80 P(X ≥ X1)=0,6487 0,38 = 𝑥 − 100 10 → 𝑥 = 103,8 Item X1, X2 P(X1 ≤ X ≤ X2) =0,9 1 − 𝑧(𝑥2) = 1 − 0,9 2 𝑧(𝑥2) = 0,95 3 𝑥2 = 1,64 𝑥1 = −1,64 P(X1 < X < X2) =0,95 1 − 𝑧(𝑥2) = 1 − 0,95 2 𝑧(𝑥2) = 0,975 𝑥2 = 1,96 𝑥1 = −1,96 5. Sendo X uma variável aleatória normalmente distribuída com média μ e desvio padrão σ, determine: a) P(μ –σ ≤ X ≤ μ + σ) b) P(μ -2σ ≤ X ≤ μ +2σ) c) P(μ-3σ ≤ X ≤ μ +3σ) Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 𝑧(𝑥 = 𝜇 − 𝜎) = −1 𝑧(𝑥 = 𝜇 + 𝜎) = 1 𝑃 = 𝑓(𝑧 = 1) − 𝑓(𝑧 = −1) 𝑃 = 0,8413 − 0,1587 → 𝑃 = 0,6826 “b” 𝑧(𝑥 = 𝜇 − 𝜎) = −2 𝑧(𝑥 = 𝜇 + 𝜎) = 2 4 𝑃 = 𝑓(𝑧 = 2) − 𝑓(𝑧 = −2) 𝑃 = 0,9772 − 0,0228 → 𝑃 = 0,9544 “c” 𝑧(𝑥 = 𝜇 − 𝜎) = −3 𝑧(𝑥 = 𝜇 + 𝜎) = 3 𝑃 = 𝑓(𝑧 = 3) − 𝑓(𝑧 = −3) 𝑃 = 0,9987 − 0,0013 → 𝑃 = 0,9974 6. Peças produzidas por uma empresa tem diâmetros normais com média de 5 cm e desvio padrão de 0,1 cm. Cada peça deve se encaixar em outra. Um encaixe é aceitável se o diâmetro da peça tiver de 4,92 cm a 5,08 cm. Suponha um lote casual de 1000 peças em quantas se pode esperar encaixe aceitável? Solução: 𝑧 = 𝑥 − 𝜇 𝜎 𝑧 = 4,92 − 5 0,1 → 𝑧(𝑥 = 4,92) = −0,8 𝑧 = 5,08 − 5 0,1 → 𝑧(𝑥 = 5,08) = 0,8 𝑃 = 𝑓(𝑧 = 0,8) − 𝑓(𝑧 = −0.8) 𝑃 = 0,7881 − 0,2119 → 𝑃 = 0,5762 n(p)=576,2> 1000 ok n(1-p)=423,8>1000 ok 7. Suponha que o peso das pessoas de certa comunidade tenha distribuição normal com média 60 kg e desvio padrão 10 kg. Determine a porcentagem das pessoas que pesam: 5 a) 55 kg ou mais b) 58 kg ou menos c) Entre 52 e 70 kg d) Entre 65 e 80 kg Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 𝑧 = 55 − 60 10 → 𝑧(𝑥 = 55) = −0,5 𝑃(𝑥 < 55) = 0,3085 𝑃(𝑥 > 55) = 1 − 𝑃(𝑥 < 55) → 𝑃(𝑥 > 55) = 0,6915 “b” 𝑧 = 𝑥 − 𝜇 𝜎 𝑧 = 58 − 60 10 → 𝑧(𝑥 = 58) = −0,2 𝑃(𝑥 < 58) = 0,4207 “c” 𝑧 = 𝑥 − 𝜇 𝜎 𝑧 = 52 − 60 10 → 𝑧(𝑥 = 52) = −0,8 𝑃(𝑥 < 52) = 0,2119 𝑧 = 70 − 60 10 → 𝑧(𝑥 = 70) = 1 𝑃(𝑥 < 70) = 0,8413 𝑃(52 < 𝑥 < 70) = 𝑃(𝑥 < 70) − 𝑃(𝑥 < 52) 6 𝑃(52 < 𝑥 < 70) = 0,8413 − 0,2119 → 𝑃(52 < 𝑥 < 70) = 0,6294 “d” 𝑧 = 𝑥 − 𝜇 𝜎 𝑧 = 65 − 60 10 → 𝑧(𝑥 = 65) = 0,5 𝑃(𝑥 < 52) = 0,6915 𝑧 = 80 − 60 10 → 𝑧(𝑥 = 80) = 2 𝑃(𝑥 < 80) = 0,9772 𝑃(65 < 𝑥 < 80) = 𝑃(𝑥 < 65) − 𝑃(𝑥 < 80) 𝑃(65 < 𝑥 < 80) = 0,9772 − 0,6915 → 𝑃(65 < 𝑥 < 80) = 0,2857 8. Sabe-se que os graus atribuídos por certo professor a seus alunos têm distribuição normal com média 5 e desvio padrão 2. Os conceitos são: Grau A Grau maior ou igual a 8 B Grau maior ou igual a 6 e inferior a 8 C Grau maior ou igual a 4 e inferior a 6 D Grau inferior a 4 Determine a porcentagem de alunos com conceito A, B, C, e D. Solução: 𝑧 = 𝑥 − 𝜇 𝜎 𝑧 = 8 − 5 2 → 𝑧(𝑥 = 8) = 1,5 𝑃(𝑥 < 8) = 0,9332 𝑃(𝑥 > 8) = 1 − 𝑃(𝑥 > 8) → 𝑃(𝑥 > 8) = 6,68% 7 𝑧 = 6 − 5 2 → 𝑧(𝑥 = 6) = 0,5 𝑃(𝑥 < 6) = 0,6915 𝑃(6 < 𝑥 < 8) = 𝑃(𝑥 < 8) − 𝑃(𝑥 < 6) 𝑃(6 < 𝑥 < 8) = 0,9332 − 0,6915) → 𝑃(6 < 𝑥 < 8) = 24,17% 𝑧 = 4 − 5 2 → 𝑧(𝑥 = 4) = −0,5 𝑃(𝑥 < 4) = 0,3085 𝑃(4 < 𝑥 < 6) = 𝑃(𝑥 < 6) − 𝑃(𝑥 < 4) 𝑃(4 < 𝑥 < 6) = 0,6915 − 0,3085 → 𝑃(4 < 𝑥 < 6) = 38,3% 𝑃(𝑥 < 4) = 38,5% 9. As vendas de determinado produto têm distribuição normal com media 500 e desvio padrão 50. Se a empresa decide fabricar 600 unidades no mês em estudo, qual é a probabilidade de não poder atender a todos os pedidos desse mês, por estar com a produção esgotada? Solução: 𝑧 = 600 − 500 50 → 𝑧(𝑥 = 600) = 2 𝑃(𝑥 < 600) = 0,9772 𝑃(𝑥 > 600) = 1 − 0,9772 → 𝑃(𝑥 > 600) = 0,0228 10. Suponha que numa cidade a temperatura T durante junho seja normalmente distribuída com média 68º F e desvio padrão 6º F. Determine: a) T tal que P(T’≤T”)=0,9382 b) A probabilidade de, num certo dia a temperatura estar entre 59º F e 65º F Solução: 8 “a” 𝑧(𝑃 = 0,9382) = 1,54 𝑧 = 𝑥 − 𝜇 𝜎 → 1,54 = 𝑥 − 68 6 → 𝑥 = 77,24 “b” 𝑃(59 < 𝑥 < 65) = 𝑃(𝑥 < 59) − 𝑃(𝑥 < 65) 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧(𝑥 = 59) = 59 − 68 6 → 𝑧 = (𝑥 = 59) = −1,5 𝑃(𝑥 < 59) = 0,0668 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧(𝑥 = 65) = 65 − 68 6 → 𝑧(𝑥 = 65) = −0,5 𝑃(𝑥 < 65) = 0,3085𝑃(59 < 𝑥 < 65) = 0,2417 11. A máquina de empacotar um determinado produto o faz segundo uma normal de média μ e desvio padrão 20 gramas. Em quanto deve ser regulado o peso médio para que apenas 5% dos pacotes tenham peso acima de 500 gramas? Solução: 𝑧(𝑥 = 0,95) = 1,645 = 500 − 𝜇 20 → 𝜇 = 467,1 𝑔 12. O gerente de um banco tem seu domicílio no bairro A. Ele deixa sua casa às 8 h e 45 min dirigindo-se ao emprego e iniciando seu trabalho as 9 h. A duração dessa viagem tem média de 13 min e desvio padrão 3 min. Considerando tempo de duração da vigem como distribuição normal, determine a probabilidade do gerente chegar atrasado ao banco. Solução: 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 15 − 13 3 → 𝑧 = 0,67 9 𝑃(𝑥 < 15) = 0,7486 𝑃(𝑥 > 15) = 1 − 0,7486 → 𝑃(𝑥 > 15) = 0,2514 13. A máquina de empacotar determinado produto o faz segundo uma normal com média μ e desvio padrão 10 gramas. Em quanto deve ser regulado o peso médio para que no máximo 10% dos pacotes tenham peso menor do que 500 g? Solução: 𝑧(𝑃 > 90%) = 1,28 𝑧 = 𝑥 − 𝜇 𝜎 → 1,28 = 500 − 𝜇 10 → 𝜇 = 512,8 14. Uma indústria produz xícaras com peso normalmente distribuído com média 250 g e desvio padrão 5 g. Qual a probabilidade de uma xícara qualquer pesar: a) Entre 245 e 255g? b) Menos de 248g? c) Mais de 256g d) Entre 253 e 259 g? Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 245 − 250 5 → 𝑧(𝑥 = 245) = −1 𝑧 = 255 − 250 5 → 𝑧(𝑥 = 255) = 1 𝑃(𝑥 < 245) = 0,1587 𝑃(𝑥 < 255) = 0,8413 𝑃(245 < 𝑥 < 255) = 0,8413 − 0,1587 → 𝑃(245 < 𝑥 < 255) = 0,6826 “b” 10 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 248 − 250 5 → 𝑧 = −0,4 𝑃(𝑥 < 248) = 0,3446 “c” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 256 − 250 5 → 𝑧 = 1,2 𝑃(𝑥 < 256) = 0,8849 𝑃(𝑥 > 256) = 1 − 0,8849 → 𝑃(𝑥 > 256) = 0,1151 “d” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 253 − 250 5 → 𝑧(𝑥 = 253) = 0,6 𝑃(𝑥 < 253) = 0,7257 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 259 − 250 5 → 𝑧(𝑥 = 259) = 1,8 𝑃(𝑥 < 259) = 0,9641 𝑃(253 < 𝑥 < 259) = 0,9641 − 0,7257 → 𝑃(253 < 𝑥 < 259) = 0,2384 15. A resistência à tração de isoladores cerâmicos apresenta distribuição normal com média 95 kg e desvio padrão 4 kg. a) Se forem produzidas 10.000 unidades desses isoladores, quantos apresentarão resistência inferior a 85 kg? b) Quantos apresentarão resistência superior a 90 kg? c) Se a fábrica despreza os isoladores térmicos que apresentarem resistência inferior a certo valor K, qual deve ser esse valor de K, para que a porcentagem de isoladores térmicos rejeitados seja inferior a 0,3%? Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 85 − 95 4 → 𝑧 = −2,5 11 𝑃(𝑥 < 85) = 0,0062 n(p)=10000(0,0062)→np=62 ≥ 5 ok n(1-p)=10000(1-0,0062)=9938 >5 𝐸(𝑥) = 𝑛(𝑝) = 62 “b” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 90 − 95 4 → 𝑧 = −1,25 𝑃(𝑥 < 90) = 0,1056 𝑃(𝑥 > 90) = 1 − 0,1056 → 𝑃(𝑥 > 90) = 0,8944 n(p)=10000(0,8849)→np=8844 ≥ 5 ok n(1-p)=10000(1-0,8849)=1156 >5 ok 𝐸(𝑥) = 𝑛(𝑝) = 8844 16. A vida média de um motor elétrico é de 6 anos com desvio padrão de 2 anos. Supondo distribuição normal para a vida de tal motor, qual deve ser a garantia para que no máximo 15% dos motores falhem antes de expirar a garantia? Solução: 𝑧 = (𝑃 < 15%) = −1,04 𝑧 = −1,04 = 𝑥 − 6 2 → 𝑥 = 3,92 17. A vida média das lâmpadas incandescentes produzida pela Luminex Brasil S. A. foi estimada em 2420 h, com desvio padrão de 110 h. Nessas condições, qual a probabilidade de uma lâmpada Luminex, vendida pelas lojas Mareteiro S.A, durar: a) Entre 2300 e 2450 h? b) Menos de 2500 h? c) Mais de 2380 h? d) Menos de 2390 ou mais de 2550 h? 12 Solução: “a” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 2300 − 2420 110 → 𝑧 = −1,09 𝑃(𝑥 < 2300) = 0,1379 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 2450 − 2420 110 → 𝑧 = 0,27 𝑃(𝑥 < 2420) = 0,6064 𝑃(2300 < 𝑥 < 2450) = 0,4685 “b” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 2500 − 2420 110 → 𝑧 = 0,73 𝑃(𝑥 < 2500) = 0,7673 “c” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 2380 − 2420 110 → 𝑧 = 0,36 𝑃(𝑥 > 2380) = 0,6406 “d” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 2390 − 2420 110 → 𝑧 = −0,27 𝑃(𝑥 < 2390) = 0,3936 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 2550 − 2420 110 → 𝑧 = −1,18 𝑃(𝑥 > 2550) = 0,1191 𝑃 = 𝑃(𝑥 > 2550) + 𝑃(𝑥 < 2390) → 𝑃 = 0,5127 13 18. As normas de fiscalização estabelecem que o volume médio de um saco de leite deve ter 1000 ml, com uma variância absoluta de 400 ml2, sendo permitido que uma amostra aleatória tenha no máximo 5% das unidades com volume abaixo do mínimo previsto. a) Qual o volume mínimo permitido? b) Qual a variância da máquina para se obter os valores previstos pela fiscalização se a máquina for regulada para uma média de 1020 ml? Solução: “a” 𝑉𝑎𝑟(𝑥) = 𝜎2 → 𝜎 = 20 𝑚𝑙 𝑧(𝑥 = 0,05) = −1,64 → 𝑧 = 𝑥 − 1000 20 → 𝑥 = 967,2 “b” 𝑧(𝑥 − 0,05) = −1,64 = 967,2 − 1020 𝜎 → 𝜎 = 32,19 → 𝜎2 = 1036,52 19. Uma fábrica de carros sabe que os motores de sua fabricação têm duração normal com média de 150 000 km e desvio padrão 5000 km. Qual a probabilidade de que um carro, escolhido ao acaso, dos fabricados por esta firma, tenha um motor que dure: a) Menos de 170 000 km? b) Entre 140 000 e 165 000 km? c) Mais de 150 000 km? d) Exatamente 150 000 km? e) Se a fábrica substitui o motor que apresentar duração inferior à garantia, qual deve ser essa garantia, para que a porcentagem de motores substituídos seja inferior a 0,2% Solução: μ=150000; σ=5000 “a” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 170000 − 150000 5000 → 𝑧 = 4 14 𝑃(𝑥 < 170 000) = 1 “b” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 140000 − 150000 5000 → 𝑧 = −2 𝑃(𝑥 < 140 000) = 0,0228 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 165000 − 150000 5000 → 𝑧 = 3 𝑃(𝑥 < 165 000) = 0,9987 𝑃(140 000 < 𝑥 < 165 000) = 0,9759 “c” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 150000 − 150000 5000 → 𝑧 = 0 𝑃(𝑥 > 150000) = 0,5 “d” 𝑃(𝑥 = 150 000) = 0 A probabilidade da distância percorrida ser exatamente um valor é zero pois se trata de uma distribuição contínua. “e” 𝑧(𝑥 < 0,002) = −2,88 𝑧 = 𝑥 − 𝜇 𝜎 → −2,88 = 𝑥 − 150000 5000 → 𝑧 = 13600 20. A capacidade máxima de um elevador é de 500 quilos. Se a distribuição X dos pesos dos usuários é suposta N(70; 10), qual é a probabilidade de 7 passageiros ultrapassarem esse limite. Solução: 𝜎 = √7(102) 15 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 490 − 500 26,46 → 𝑧 = −0,38 𝑃(𝑃𝑒𝑠𝑜 > 500) = 0,3520 21. Um avião com 64 passageiros tem a sua carga máxima reservada aos passageiros limitada em 5820 kg. Supondo que os passageiros, mais suas bagagens, têm seus pesos distribuídos com média 80 kg e desvio padrão 25 kg, determine a probabilidade de que o avião lotado, desprezando o peso dos tripulantes: a) Ultrapasse a carga máxima b) Tenha uma carga menor que 5400 kg c) Tenha uma carga compreendida entre 4800 e 5500 kg. Solução: 𝜎 = √64(25)2 → 𝜎 = 200 “a” 𝜇 = 64(80) → 𝜇 = 5120 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 5820 − 5120 200 → 𝑧 = −3,5 𝑃(𝑄 > 5820) = 0,0002 “b” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 5400 − 5120 200 → 𝑧 = 1,4 𝑃(𝑄 < 5400) = 0,9192 “c” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 4800 − 5120 200 → 𝑧 = −1,6 𝑃(𝑄 < 4800) = 0,0548 16 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 5500 − 5120 200 → 𝑧 = 1,9 𝑃(𝑄 < 5500) = 0,9713 𝑃(4800 < 𝑄 < 5500) = 0,9165 22. O peso de um cigarro é a soma dos pesos do papel e do fumo. O peso médio do fumo é 1,16 g com desvio padrão 0,06 g. O peso médio do papel é 0,04 g com desvio padrão 0,02 g. Esses pesos tem distribuição normal. Os cigarros são feitos em máquina automática que pesa o fumo aser colocado no cigarro, coloca o papel e enrola o cigarro. Determinar: a) O peso médio e o desvio padrão de cada cigarro; b) A probabilidade de um cigarro ter menos de 1,13 g de peso. Solução: “a” 𝜎 = √0,062 + 0,022 → 𝜎 = 0,06324 𝜇 = 1,16 + 0,04 → 𝜇 = 1,2 “b” 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 1,13 − 1,2 0,063 → 𝑧 = −1,11 𝑃(𝑝 < 1,13) = 0,1335 23. Uma máquina automática enche latas baseada no peso bruto das mesmas. O peso líquido tem distribuição normal com média 910 g e desvio padrão 22 g. As latas tem peso distribuído normalmente com média de 90 g e desvio padrão 10 g. Qual a probabilidade que uma lata tenha de peso bruto; a) Menos de 1070 g b) Mais de 970 g Solução: 17 “a” 𝜇 = 910 + 90 → 𝜇 = 1000 𝑔 𝜎 = √222 + 102 → 𝜎 = 24,17 𝑧 = 1070 − 1000 24,17 → 𝑧 = 2,90 𝑃(𝑝 < 1070) = 0,9981 “b” 𝑧 = − 970 − 1000 24,17 → 𝑧 = 1,24 𝑃(𝑝 > 970) = 0,8925 24. Sejam X1, X2, X3, ... , Xn, variáveis aleatórias independentes e identicamente distribuídas, com média μ e variância σ², finitas. Considere a média amostral (1/n)(X1+X2+ X3+ ... +Xn ). Determine a média e a variância da média amostral. Solução: 𝜇 = ∑ 𝜇𝑛 𝑛 0 𝜎2 = ∑ 𝜎𝑛 𝑛 0 25. Uma montagem consiste em três componentes colocados lado a lado. O comprimento de cada componente é distribuído normalmente, com média de 2 polegadas e desvio padrão 0,2 polegada. As especificações exigem que as montagens tenham comprimento entre 5,7 e 6,3 polegadas. Que o percentual de montagens satisfaz essa exigência? Solução: 18 𝜎 = √3(0,22) → 𝜎 = 0,3464 𝜇 = 3(2) → 𝜇 = 6 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 5,7 − 6 0,3464 → 𝑧 = −0,86 𝑃(𝑝 < 5,7) = 0,1949 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 6,3 − 6 0,3464 → 𝑧 = 0,86 𝑃(𝑝 < 6,3) = 0,8051 𝑃(5,7 < 𝑝 < 6,3) = 0,6102 26. Determine a média e a variância da combinação linear de variáveis independentes: Y = X1 + 2X2 +X3 +X4, onde X1 ~N(4,3); X2~(4,4); X3 ~N(2,4); X4 ~N(2,2). Qual a probabilidade que Y esteja entre 15 e 20? Solução: μx1=4 μx2=4 μx3=2 μx4=2 𝜇(𝑤) = 1(4) + 2(4) + 2 + 2 → 𝜇(𝑤) = 16 𝑉𝑎𝑟(𝑤) = 𝑎2𝜎𝑥 2 + 𝑏𝜎𝑦 2 𝑉𝑎𝑟(𝑤) = 1(32) + 2(42) + 1(42) + 1(22) → 𝑉𝑎𝑟(𝑤) = 93 𝜎(𝑤) = √𝑉𝑎𝑟(𝑤) → 𝜎(𝑤) = 9,64 𝑃(15 ≤ 𝑥 ≤ 20) = 15 − 16 9,64 ≤ 𝑧 ≤ 20 − 16 9,64 → −0,1 ≤ 𝑧 ≤ 0,41 0,4602 ≤ 𝑧 ≤ 0,6591 → 𝑃(15 ≤ 𝑥 ≤ 20) = 0,1989 19 27. O erro de arredondamento tem uma distribuição em U(-0,5;0,5), e esses erros são independentes. Faz-se uma soma de 50 números, em que cada número é arredondado antes de ser somado. Qual é a probabilidade de que o erro de arredondamento total exceda 5? Solução: 𝜇 = 𝑎 + 𝑏 2 → 𝜇 = −0,5 + 0,5 2 → 𝜇 = 0 𝜎2 = (𝑏 − 𝑎)2 12 → 𝜎2 = (0,5 + 0,5)2 12 → 𝜎2 = 1 12 𝜎 = √ 1 12 → 𝜎 = 0,29 𝜎50 = √50(0,29 2) → 𝜎50 = 2,04 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 5 − 0 2,04 → 𝑧 = −2,44 𝑃(𝑥 < 5) = 0,0073 28. Cem pequenos parafusos são embalados em uma caixa. Cada parafuso pesa, em média, uma onça com um desvio padrão 0,01 onças (medida inglesa de massa: 1 onça=28,349 gramas). Ache a probabilidade de que a caixa pese mais de 102 onças. Solução: 𝜎 = √100(0,012) → 𝜎 = 0,1 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 102 − 100 0,1 → 𝑧 = −20 𝑃(𝑥 > 102) = 0 29. Um ônibus viaja entre duas cidades (1 e 8), mas visita seis cidades intermediárias na sua rota. As médias e os desvios padrão dos tempos de 20 viagem (normalmente distribuídos) estão na tabela. Considerando independência entre os trechos, qual a probabilidade de que o ônibus complete sua viagem dentro de 32 horas? Pares de cidades Tempo médio (horas) Desvio Padrão (horas) 1-2 3 0,4 2-3 4 0,6 3-4 3 0,3 4-5 5 1,2 5-6 7 0,9 6-7 5 0,4 7-8 3 0,4 Solução: 𝜇 = 3 + 4 + 4 + 5 + 7 + 5 + 3 𝜇 = 30 𝜎 = √0,42 + 0,62 + 0,32 + 1,22 + 0,92 + 0,42 + 0,42 𝜎 = 1,78 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 32 − 30 1,78 → 𝑧 = 1,12 𝑃(𝑥 ≤ 32) = 0,8686 30. Um processo de produção fabrica itens dos quais 8% são defeituosos. Uma amostra aleatória de 200 itens é selecionada a cada dia e o número de defeituosos, X, é contado. Usando a aproximação normal para binomial, determine: a) P(X<16) b) P(X=14) c) P(12≤X≤20) Solução: “a” 𝜇 = 𝑛𝑝 → 𝐸 = 200(0,08) → 𝐸 = 16 21 𝜎 = √𝑛𝑝𝑞 𝑞 = (1 − 𝑝) → 𝑞 = 0,92 𝜎 = √200(0,08)0,92 → 𝜎 = 3,84 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 16,5 − 16 3,84 → 𝑧 = 0,13 𝑃(𝑥 < 16) = 0,5517 “b” 13,5 − 16 3,84 ≤ 𝑧 ≤ 14,5 − 16 3,84 → −0,65 ≤ 𝑧 ≤ −0,39 𝑃 = 0,3483 − 0,2578 → 𝑃 = 0,0905 “c” 11,5 − 16 3,84 ≤ 𝑧 ≤ 20,5 − 16 3,84 → −1,17 ≤ 𝑧 ≤ 1,17 𝑃 = 0,8790 − 0,121 → 𝑃 = 0,758 X<n X>n Soma 0,5 Subtrai 0,5 31. Pilhas de certa marca são acondicionadas de modo casual em embalagens de cem unidades. O produtor dessa marca opera com probabilidade 0,16 de uma pilha ser defeituosa. Calcule a probabilidade (aproximação binomial pela normal) de uma embalagem tomada ao acaso conter seis ou mais pilhas defeituosas. Solução: 𝜇 = 100(0,16) → 𝜇 = 16 𝜎 = √𝑛(𝑝)𝑞 → 𝜎 = √100(0,16)0,84 → 𝜎 = 3,67 22 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 5,5 − 16 3,67 → 𝑧 = 2,87 𝑃(𝑥 ≥ 6) = 0,9979 x>n X<n Soma 0,5 Subtrai 0,5 32. Uma fábrica de refrigeradores submete seus produtos acabados a uma inspeção final. Duas categorias de defeito são de interesse: acabamento (X) e mecânico (Y). O número de cada categoria de defeito é uma variável aleatória. Considere a probabilidade conjunta de (X, Y): Y X 0 1 2 3 4 0 1/30 1/30 2/30 3/30 1/30 1 1/30 1/30 3/30 4/30 0 2 1/30 2/30 3/30 0 0 3 1/30 3/30 0 0 0 4 3/30 0 0 0 0 a) Determine a distribuição marginal de Y. b) Determine a distribuição de probabilidade do número de defeitos mecânicos, dado que há 3 defeitos de acabamento. Solução: “a” y Marginal 0 8/30 1 9/30 2 6/30 3 4/30 4 3/30 “b” 23 VER 33. Considere uma situação em que se medem a tensão superficial e a acidez de um produto químico. Essas variáveis são codificadas de tal modo que a tensão superficial é medida em uma escala 0 < x < 2 e a acidez é medida em uma escala 2 < y < 4 seguintes. A função de probabilidade conjunta é: 𝑓𝑥𝑦(𝑥, 𝑦) = { 𝑘(6 − 𝑥 − 𝑦), 0 ≤ 𝑥 ≤ 2; 2 ≤ 𝑦 ≤ 4 0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 a) Determine o valor apropriado de k b) Calcule P(X<1; y<3). Solução: “a” 1 = 𝑘 ∫ ∫ (6 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 2 0 4 2 1 = 𝑘 ∫ (6𝑥 − 𝑥2 2 − 𝑦(𝑥)) 4 2 | 0 2 = 𝑘 ∫ (12 − 2 − 2𝑦)𝑑𝑦 4 2 𝑘 ∫ (10 − 2𝑦)𝑑𝑦 4 2 = 𝑘(10 − 𝑦2)|2 4 1 = 𝑘((40 − 16) − (20 − 4)) → 𝑘 = 1 8 “b” 𝑃 = ∫ ∫ 1 8 (6 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 1 0 3 2 → 𝑃 = ∫ 1 8 (6 − 1 2 − 𝑦) 𝑑𝑦 3 2 𝑃 = [ 1 8 (6𝑦 − 1 2 𝑦 − 𝑦2 2 )] 2 3 → 𝑃 = 1 8 ((18 − 3 2 − 9 2 ) − (12 − 1 − 2)) 𝑃 = 1 8 (12 − 9) → 𝑃 = 3 8 34. Considere a seguinte função de probabilidade conjunta: Comentado [Aj1]: 24 𝑓𝑥𝑦(𝑥, 𝑦) = { 𝑒−(𝑥+𝑦), 𝑥 > 0; 𝑦 > 0 0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 a) Calcule P(0,1<x<2; 1<y<2) b) Determine a marginal fx(x) Solução: “a” 𝑃 = ∫ ∫ 𝑒−(𝑥+𝑦)𝑑𝑥𝑑𝑦 2 0,1 2 1 𝑃 = ∫ [−𝑒−(𝑥+𝑦)] 2 1 0,1 2 𝑑𝑦 𝑃 = ∫ (−𝑒−(2+𝑦) + 𝑒−(0,1+𝑦))𝑑𝑦 2 1 𝑃 = [𝑒−(2+𝑦) − 𝑒−(0,1+𝑦)] 1 2 𝑃 = (𝑒−4 − 𝑒−2,1) − (𝑒−3 − 𝑒−1,1) → 𝑃 = 0,1789 “b” 𝑓(𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦 = ∫ 𝑒−(𝑥+𝑦)𝑑𝑦 ∞ 0𝑦 𝑓(𝑥) = [−𝑒−(𝑥+𝑦)] 1 2 𝑓(𝑥) = { 𝑒−𝑥, 𝑥 > 0 0, 𝐶𝐶 35. Uma variável aleatória X, em uma grande população, tem distribuição normal com μ=20 e σ=3. Calcule a probabilidade de que umaamostra de 25 elementos, selecionada ao acaso desta população, tenha média menor que 21. Solução: 𝜎 = √25(32) → 𝜎 = 15 25 𝜇 = 25(20) → 𝜇 = 500 𝜇𝑒𝑠𝑝 = 25(21) → 𝜇𝑒𝑠𝑝 = 525 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 525 − 500 15 → 𝑧 = 1,67 𝑃(𝑥 < 1,67) = 0,9525 36. Uma corretora negocia títulos na Bolsa de Valores e utiliza um modelo probabilístico para avaliar seus lucros. Suas aplicações financeiras de compra e venda atingem três áreas: agricultura, indústria e comércio. Admita que o seguinte modelo represente o comportamento do lucro diário da corretora (em mil reais): 𝐿 = 2𝐿𝐴 + 5𝐿𝐼 + 3𝐿𝐶 LA, LI e LC são, respectivamente, os lucros diários nos setores de agricultura, indústria e comércio. As distribuições de probabilidade dessas v. a. são LA~ (3,2), LI~N (6,3) e LC~N (4,4). Supondo independência entre os três setores, qual será a probabilidade de um lucro diário acima de R$50.000,00? Solução: 𝜇(𝑤) = 2(3) + 5(6) + 3(4) → 𝜇(𝑤) = 48 0000 𝑉𝑎𝑟(𝑤) = 22(22) + 52(32) + 32(42) → 𝑉𝑎𝑟(𝑤) = 385 (106) 𝜎 = √𝑉𝑎𝑟(𝑤) → 𝜎 = 19620 𝑧(𝑥 > 50000) = − 50 − 48 19,62 → 𝑧 = −0,1 𝑃(𝑥 > 50000) = 0,4602 37. Determine a média e a variância da combinação linear Y= X1+ 2X2 + 3X3, onde X1~N(4,3); X2 ~N(4,4); X3 ~N(8,4). Qual é a probabilidade de que Y esteja entre 32 e 34? Solução: 𝜇(𝑤) = 4 + 2(4) + 3(8) → 𝜇(𝑤) = 36 26 𝑣𝑎𝑟(𝑤) = 12(32) + 22(42) + 32(42) → 𝑣𝑎𝑟(𝑤) = 217 𝜎 = √𝑣𝑎𝑟(𝑤) → 𝜎 = 14,73 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 32 − 36 14,73 → 𝑧 = −0,27 𝑃(𝑥 < 32) = 0,3936 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = 34 − 36 25,47 → 𝑧 = −0,13 𝑃(𝑥 < 34) = 0,4443 𝑃(32 < 𝑥 < 34) = 0,0507 38. Suponha a seguinte distribuição conjunta do par de variáveis contínuas X e Y: 𝑓𝑥𝑦 = { 𝑐(𝑥2 + 𝑦2); 0 < 𝑥 < 2; 0 < 𝑦 < 2 0; 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 a) Qual o valor de c para termos uma função densidade probabilidade conjunta? b) Qual a probabilidade de ocorrer um valor de x superior a 1 simultaneamente com um valor de y<1? Solução: “a” ∫ ∫ 𝑐(𝑥2 + 𝑦2)𝑑𝑥𝑑𝑦 2 0 = 1 2 0 ∫ 𝑐 [ 𝑥3 3 + 𝑦2𝑥] 0 2 𝑑𝑦 2 0 = ∫ 𝑐 [ 8 3 + 2𝑦2] 2 0 𝑑𝑦 = 1 𝑐 [ 8 3 𝑦 + 2 3 𝑦3] 0 2 = 1 → 𝑐 = 3 32 “b” 27 𝑃 = ∫ ∫ 3 32 (𝑥2 + 𝑦2)𝑑𝑥𝑑𝑦 2 1 1 0 → 𝑃 = ∫ 3 32 1 0 [ 𝑥3 3 + 𝑦2𝑥] 1 2 𝑑𝑦 𝑃 = ∫ 3 32 (( 8 3 + 2𝑦2) − ( 1 3 + 𝑦2 )) 1 0 𝑑𝑦 𝑃 = ∫ 3 32 ( 7 3 + 𝑦2) 1 0 𝑑𝑦 𝑃 = [ 3 32 ( 7 3 𝑦 + 𝑦3 3 )] 0 1 → 𝑃 = 3 32 ( 8 3 ) → 𝑃 = 1 4 Lista adicional 1: 1. Um posto de gasolina tem ilhas de autosserviço e de serviço completo. Em cada ilha, há uma única bomba de gasolina comum com duas mangueiras. Sejam X = número de mangueiras em uso na ilha de autosserviço em algum momento específico e Y = número de mangueiras na ilha de serviço completo naquele dado momento. A função de probabilidade de X e Y é mostarda a seguir: x 0 1 2 y 0 0,1 0,04 0,02 1 0,08 0,2 0,06 2 0,06 0,14 0,3 a) Qual é a P(x=1 e Y=1)? b) Calcule P (X≤1 e Y≤1). c) Descreva o evento {X≠0 e Y≠0} e calcule a sua probabilidade d) Determine as funções marginais de X e Y e) X e Y são VAs independentes? Explique. Solução: “a” 𝑃(𝑋 = 1 𝑒 𝑦 = 1) = 0,2 (𝑡𝑎𝑏𝑒𝑙𝑎) “b” 28 𝑃(𝑋 ≤ 1 𝑒 𝑌 ≤ 1) = 𝑃(0,0) + 𝑃(0,1) + 𝑃(1,0) + 𝑃(1,1) 𝑃(𝑋 ≤ 1 𝑒 𝑌 ≤ 1) = 0,1 + 0,04 + 0,08 + 0,20 → 𝑃(𝑋 ≤ 1 𝑒 𝑌 ≤ 1) = 0,42 “c” 𝑃(𝑋 ≠ 0, 𝑌 ≠ 0) = 1 − 𝑃(0,1) − 𝑃(0,2) − 𝑃(0,3) − 𝑃(0,0) − 𝑃(0,1) − 𝑃(0,2) − 𝑃(0,3) 𝑃(𝑋 ≠ 0, 𝑌 ≠ 0) = 1 − 0,1 − 0,08 − 0,06 − 0,04 − 0,02 → 𝑃(𝑋 ≠ 0, 𝑌 ≠ 0) = 0,7 “d” x 0 1 2 0,24 0,38 0,38 y 0 1 2 0,16 0,34 0,5 “e” Para ser independente: 𝑓(𝑥, 𝑦) = 𝑓(𝑥)𝑓(𝑦) 𝑓(0,1) = 0,04 𝑓(𝑥 = 0)𝑓(𝑦 = 1) = 0,24(0,38) → 𝑓(𝑥 = 0)𝑓(𝑦 = 1) = 0,0912 Não são independentes. 2. Se f(x,y) = x+y, 0<x<1 e 0<x<1, determine E(x). Solução: 𝑓(𝑥) = ∫𝑓(𝑥, 𝑦)𝑑𝑦 𝑦 𝑓(𝑥) = ∫ (𝑥 + 𝑦)𝑑𝑦 1 0 → 𝑓(𝑥) = 𝑥𝑦 + 𝑦2 2 | 0 1 𝑓(𝑥) = 𝑥 + 1 2 29 𝐸(𝑥) = ∫ 𝑥𝑓(𝑥)𝑑𝑥 ∞ ∞ 𝐸(𝑥) = ∫ (𝑥2 + 𝑥 2 ) 𝑑𝑥 1 0 → 𝐸(𝑥) = 𝑥3 3 + 𝑥2 4 | 0 1 → 𝐸(𝑥) = 7 12 3. Suponha que X e Y sejam variáveis aleatórias que denotam a fração de um dia em que ocorre o pedido de mercadoria e a fração do dia em que ocorre o recebimento de um carregamento respectivamente. A função densidade de probabilidade conjunta é: f(x)=1 para 0≤x≤1 e 0≤y≤1. a) Qual a probabilidade de que ambos, pedido de mercadoria e recebimento de um carregamento ocorram na primeira metade do dia? b) Qual a probabilidade de que um pedido de mercadoria ocorra depois do recebimento de um carregamento? Solução: “a” 𝑓(𝑥) = ∫ 𝑑𝑥 0,5 0 → 𝑓(𝑥) = 0,5 𝑓(𝑦) = ∫ 𝑑𝑦 0,5 0 → 𝑓(𝑦) = 0,5 𝑃 = 0,5(0,5) → 𝑃 = 0,25 “b” 𝑃 = ∫ ∫ 1𝑑𝑦𝑑𝑥 𝑥 0 1 0 = ∫ 𝑦|0 𝑥 1 0 𝑑𝑥 = ∫ 𝑥𝑑𝑥 1 0 = 𝑥2 2 | 0 1 → 𝑃 = 0,5 4. Uma empresa produz peças para motor. As especificações sugerem que 95% dos itens estão dentro das especificações. As peças são enviadas para os clientes em lotes de 100. a) Qual a probabilidade de que mais de dois itens apresentem defeito em certo lote? b) Qual a probabilidade de que mais de dez itens apresentem defeito em certo lote? 30 Solução: “a” n(p)=5 ≥ 5 (ok) n(1-p)= 95 ≥ 5 (ok) 𝜎 = √𝑛𝑝𝑞 → 𝜎 = √100(0,95)0,05 → 𝜎 = 2,18 𝜇 = 100(0,05) → 𝜇 = 5 𝑧 = 𝑥 − 𝜇 𝜎 → 𝑧 = − 2,5 − 5 2,18 → 𝑧 = 1,15 𝑃(𝑥 > 2) = 0,8749 “b” 𝑧 = − 10,5 − 5 2,18 → 𝑧 = −2,52 𝑃(𝑥 > 10) = 0,0059
Compartilhar