Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuição de Variáveis Aleatórias Questão 6: Uma firma determina o sexo de pintos de um dia com 95% de probabilidade. a) Se comprarmos 5 pintinhos tidos como do sexo feminino, qual é a probabilidade de que pelo menos um seja macho? Considerando 𝑀 = 𝑚𝑎𝑐ℎ𝑜 e 𝐹 = 𝑓ê𝑚𝑒𝑎. A probabilidade de que pelo menos um seja macho é 𝑃(𝑀 ≥ 1). Ou seja, 𝑃(𝑀 ≥ 1) = 𝑃(𝑀 = 1) + 𝑃(𝑀 = 2) + 𝑃(𝑀 = 3) + 𝑃(𝑀 = 4) + 𝑃(𝑀 = 5) Para simplificar os cálculos, a única ocorrência que não interessa é os 5 pintinhos serem fêmeas 𝑃(𝐹 = 5). Sabe-se também que a probabilidade total é igual a 1. Logo, Probabilidade total = Probabilidade de sucesso + Probabilidade de fracasso Nesse caso, a probabilidade de fracasso é a probabilidade de os cinco pintinhos serem fêmeas. Então, 𝑃(𝐹 = 5) = ( 5 5 ) (0,95)5(0,05)0 = 0,7737809375 Logo, a probabilidade de que pelo menos um seja macho é dada por 1 − 0,7737809375 = 0,2262190625 b) Quantos machos espera-se encontrar num lote de 500 pintinhos tidos como do sexo feminino? A firma determina o sexo de pintos de um dia com 95% de probabilidade. Isto significa que, para cada pinto, há 95% de chance de serem do sexo feminino e (100 − 95)% = 5% de chance de serem do sexo masculino. 500 . 0,05 = 25 Espera-se encontrar 25 machos. Questão 09: Se 𝑿~𝑩 (𝟏𝟔, 𝟎. 𝟕𝟓) determine: a) A média de 𝑿 𝐸(𝑋) = 𝑛 . 𝑝 = 16 . 0,75 = 12 b) A variância de 𝑿 𝜎2 = 𝑛 . 𝑝 . (1 − 𝑝) = 16 . 0,75 . 0,25 = 3 c) Se 𝒁 = (𝑿−𝟏𝟐) √𝟑 , calcule 𝑬(𝒁) e 𝑽(𝒁) 𝑍 = 𝑋−12 √3 . √3 √3 = √3(𝑋−12) 3 = √3 3 𝑋 − 4√3 Utilizando as propriedades de esperança, temos 𝐸(𝑍) = √3 3 . 𝐸(𝑋) − 4√3 = √3 3 . 12 − 4√3 = 0 Utilizando as propriedades de variância, temos 𝑉(𝑍) = ( √3 3 ) 2 . 𝑉(𝑋) = 3 9 . 3 = 1 Questão 10: Um determinado artigo é vendido em caixas a 8 u.m. por caixa. Sabe-se que 20% dos artigos vendidos apresentam algum defeito de fabricação. Um comprador faz a seguinte proposta: pede para poder amostrar, ao acaso, 10 artigos por caixa. Ele pagará, por caixa, 10 u.m. se nenhum dos artigos amostrados for defeituoso; 5 u.m. se um ou dois artigos amostrados forem defeituosos e 4 u.m. se três ou mais artigos da amostra forem defeituosos. O que é mais lucrativo para o vendedor: manter o seu preço de 8 u.m. por caixa ou aceitar a proposta do comprador? Mostre porquê. (Sugestão: considere a variável aleatória X = nº de artigos defeituosos, binominalmente distribuída, e utilize também a variável Y = valor pago por caixa). Sabe-se que um determinado artigo é vendido em caixas a 8 u.m por caixa e que a probabilidade de um item selecionado na caixa tenha defeito é de 20%. São três situações possíveis: 1ª) Probabilidade de nenhum artigo ser defeituoso 𝑃(𝑋 = 0) = ( 10 0 ) (0,20)0 ( 0,80)10 = 0,1073741824 Caso isso ocorra o cliente paga 10 u.m, então 𝐸(𝑌 = 10) = 0,1073741824 . 10 = 1,073741824 2ª) Probabilidade de um ou dois artigos defeituosos 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) 𝑃(𝑋 = 1) = ( 10 1 ) (0,20)1(0,80)9 = 10 . 0,20 . 0,134217728 = 0,268435456 𝑃(𝑋 = 2) = ( 10 2 ) (0,20)2(0,80)8 = 45 . 0,04 . 0,16777216 = 0,301989888 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) = 0,268435456 + 0,301989888 = 0,570425344 Nesse caso o cliente pagará 5 u.m, então 𝐸(𝑌 = 5) = 0,570425344 . 5 = 2,85212672 3ª) Probabilidade de três ou mais artigos defeituosos 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5) + ⋯ + 𝑃(𝑋 = 9) + 𝑃(𝑋 = 10) Para simplificar os cálculos, 1 − 𝑃(𝑋 = 0) − 𝑃(𝑥 = 1) − 𝑃(𝑥 = 2) é a probabilidade de obter três ou mais artigos defeituosos. 1 − 0,1073741824 − 0,268435456 − 0,301989888 = 0,3222004736 Aqui o cliente pagará 4 u.m, então 𝐸(𝑌 = 4) = 0,3222004736 . 4 = 1,2888018944 Para o vendedor aceitar a proposta do comprador, a soma dos valores esperados pagos por caixa deveria superar o preço atual de 8 u.m. Somando os valores esperados pagos por caixa temos 1,073741824 + 2,85212672 + 1,2888018944 = 5,2146704384 Arredondando, 𝐸(𝑌) = 5,21 u.m. Como a probabilidade de que pelo menos um item na caixa seja defeituoso é muito alta, o vendedor não deve aceitar a proposta do cliente. Questão 15: Estima-se em 1% a proporção de canhotos numa população. Qual a probabilidade de termos pelo menos um canhoto numa classe de 30 alunos? A fórmula para se determinar a probabilidade de um dado número 𝑋 de sucessos em uma distribuição de Poisson é 𝑃(𝑋 = 𝐾) = 𝑒−𝜆 . 𝜆𝐾 𝐾! Em que 𝜆 = 𝑛 . 𝑝 Seja 𝑋 = nº de canhotos numa população Sabe-se que a probabilidade de ter canhotos numa população é 0,01. O valor de 𝜆 = 30 . 0,01 = 0,3 Queremos calcular a probabilidade de termos pelo menos um canhoto numa população 𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0). 𝑃(𝑋 = 0) = 𝑒−0,3 . (0,3)0 0! = 𝑒−0,3 = 0,7408182207 𝑃(𝑋 ≥ 1) = 1 − 0,7408182207 = 0,2591817793 Arredondando, temos que 𝑃(𝑋 ≥ 1) = 0,2592 Questão 17: O departamento de trânsito registrou num certo ano, numa determinada via pública, 30 acidentes fatais, com um movimento médio diário de 200 veículos. Qual é a probabilidade de que num determinado mês, do próximo ano, ocorram 3 acidentes fatais? Seja 𝑋 = nº de acidentes fatais em um mês O número médio de acidentes fatais em um mês é 𝜆 = 30 12 = 2,5 Vamos encontrar a probabilidade de num determinado mês, do próximo ano, ocorram 3 acidentes fatais. 𝑃(𝑋 = 3) = 𝑒−2,5. (2,5)3 3! = 0,2137630172 Arredondando, temos que 𝑃(𝑋 = 3) = 0,2138 Questão 19: Na fabricação de peças de determinado tecido aparecem defeitos ao acaso, um a cada 250m. a) Qual a probabilidade de que não haja defeitos na produção de 1 000m de tecido? Seja 𝑋 = nº de defeitos em um comprimento de 1 000m O número médio de defeitos em um comprimento de 1 000m é 𝜆 = 1000 250 = 4 Vamos encontrar a probabilidade de que não haja defeitos na produção de 1 000m de tecido 𝑃(𝑋 = 0) = 𝑒−4 . 40 0! = 0,0183 b) Se a produção diária é de 625m, num período de 80 dias de trabalho, em quantos desses dias poderemos esperar uma produção diária na qual não haja defeitos? Seja 𝑋 = nº de defeitos em uma produção diária num período de 80 dias de trabalho O número médio de defeitos em uma produção diária num período de 80 dias de trabalho é 𝜆 = 625 250 = 2,5. 𝑃(𝑋 = 0) = 𝑒−2,5 . 2,50 0! = 0,0820849986 𝐸(𝑋 = 0) = 80 . 0,0820849986 = 6,5667998899 Poderemos esperar 6,57 dias para uma produção diária sem defeitos. Questão 22: A observação dos pesos 𝑋, de um grande número de espigas de milho, mostrou que essa variável é normalmente distribuída com média 𝜇 =120𝑔 e desvio padrão 𝜎 = 10𝑔. Num programa de melhoramento genético da cultura do milho, entre outras características, uma linhagem deve satisfazer à condição 112 ≤ 𝑋 ≤ 140. Num programa envolvendo 450 linhagens, qual deve ser o número provável de linhagens que atende à essa condição? 𝑋 = pesos espigas de milho → 𝑋 ~ 𝑁(120, 102) 𝑃(112 ≤ 𝑋 ≤ 140) = 𝑃 ( 112 − 120 10 ≤ 𝑍 ≤ 140 − 120 10 ) = 𝑃(−0,8 ≤ 𝑍 ≤ 2) 𝑃(𝑍 ≤ 2) − 𝑃(𝑍 ≤ −0,8) = 𝑃(𝑍 ≤ 2) − (1 − 𝑃(𝑍 ≥ 0,8)) = 0,9772 − (1 − 0,7881) = 0,9772 − 0,2119 = 0,7653 Espera-se que o número provável de linhagens que atenda à essa condição seja 0,7653 . 450 = 344,385 Questão 23: Sabe-se que o peso médio, em arrobas, de abate de bovinos é normalmente distribuído com média 18 e variância 2,25. Um lote de 5.000 cabeças, com essa característica, foi destinado ao frigorífico que abate só a partir de um peso mínimo W. Sabendo-se que foram abatidas 4.200 cabeças, pede-se: a) O número esperado de bovinos com peso entre 17 e 19 arrobas. 𝑋 = peso médio, em arrobas, de abate de bovinos → 𝑋 ~ 𝑁(18, 2.25) 𝑃(17 < 𝑋 < 19) = 𝑃 ( 17 − 18 1,5 < 𝑍 < 19 − 18 1,5 ) = 𝑃(−0, 6 < 𝑍 < 0, 6 ) 𝑃(𝑍 < 0, 6 ) − 𝑃(𝑍 < −0, 6 ) = 𝑃(𝑍 < 0, 6 ) − (1 − 𝑃(𝑍 > 0, 6 )) = 0,7486 − (1 − 0,7486) = 0,7486 − 0,2514 = 0,4972O número esperado de bovinos com peso entre 17 e 19 arrobas é 0,4972 . 5000 = 2486 b) Qual o valor de W? 𝑃(𝑋 ≥ 𝑊) = 𝑃 (𝑍 ≥ 𝑊 − 18 1,5 ) = 4200 5000 = 0,84 𝑃 (𝑍 ≥ 𝑊 − 18 1,5 ) = 0,84 𝑧 é tal que 𝐴(𝑧) = 0,16. Pela tabela 𝑧 = −0,99 𝑤 − 18 1,5 = −0,99 → 𝑤 − 18 = −1,485 → 𝑤 = 16,515 Questão 26: Numa indústria a montagem de certo item é feita em duas etapas. Os tempos necessários para cada etapa são independentes e têm as seguintes distribuições: 𝑿𝟏~𝑵 (𝟕𝟓𝒔𝒆𝒈; 𝟏𝟔𝒔𝒆𝒈²), 𝑿𝟏 𝒕𝒆𝒎𝒑𝒐 𝒅𝒂 𝟏ª 𝒆𝒕𝒂𝒑𝒂 𝑿𝟐~𝑵 (𝟏𝟐𝟓𝒔𝒆𝒈; 𝟏𝟎𝟎𝒔𝒆𝒈²), 𝑿𝟐 𝒕𝒆𝒎𝒑𝒐 𝒅𝒂 𝟐ª 𝒆𝒕𝒂𝒑𝒂 Qual a probabilidade de que sejam necessários, para montar a peça: a) Mais de 210seg? 𝑋 = tempo para montagem da peça 𝑋 ~𝑁(𝜇1 + 𝜇2, 𝜎1 + 𝜎2) → 𝑁(200, 10,7) 𝑃(𝑋 > 210) = 𝑃 (𝑍 > 210 − 200 10,7 ) = 𝑃(𝑍 > 0,93) 𝑃(𝑍 > 0,92) = 1 − 𝑃(𝑍 < 0,93) 1 − 0,8238 = 0,1762 b) Menos de 180 seg? 𝑃(𝑋 < 180) = 𝑃 (𝑍 < 180 − 200 10,7 ) = 𝑃(𝑍 < −1,86) 𝑃(𝑍 < −1,86) = 𝑃(𝑍 > 1,86) = 1 − 𝑃(𝑍 < 1,86) = 1 − 0,9686 = 0,0314 Questão 27: Suponha que 𝑋, a carga de ruptura de um cabo (kg), tenha distribuição 𝑁(100; 16). Cada rolo de 100m de cabo dá um lucro de 25 u.m., desde que 𝑋 > 95. Se 𝑋 ≤ 95, o cabo poderá ser utilizado para uma finalidade diferente, a um lucro de 10 u.m. por rolo. Determine o lucro esperado por rolo. 𝑋 = carga de ruptura de um cabo (Kg) → 𝑋 ~ 𝑁(100, 16) 𝑃(𝑋 > 95) = 𝑃 (𝑍 > 95 − 100 4 ) = 𝑃(𝑍 > −1,25) 𝑃(𝑍 > −1,25) = 𝑃(𝑍 < 1,25) = 0,8944 𝐿𝑢𝑐𝑟𝑜 𝑝𝑎𝑟𝑎 (𝑋 > 95) = 0,8944 . 25 = 22,36 𝑢. 𝑚. 𝑃(𝑋 ≤ 95) = 𝑃(𝑍 ≤ −1,25) 𝑃(𝑍 ≤ −1,25) = 𝑃(𝑍 ≥ 1,25) = 1 − 𝑃(𝑍 ≤ 1,25) = 1 − 0,8944 = 0,1056 𝐿𝑢𝑐𝑟𝑜 𝑝𝑎𝑟𝑎 (𝑋 ≤ 95) = 0,1056 . 10 = 1,056 𝑢. 𝑚. O lucro esperado por rolo é 22,36 + 1,056 = 23,416 𝑢. 𝑚.
Compartilhar