1 EXERCÍCIOS PROPOSTOS SOBRE PROBABILIDADE

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "1 EXERCÍCIOS PROPOSTOS SOBRE PROBABILIDADE"

Transcrição

1 1 EXERCÍCIOS PROPOSTOS SOBRE PROBABILIDADE 1) Dê um espaço amostral para cada um dos experimentos aleatórios: ( a ) Uma moeda é lançada. Observamos e registramos o resultado obtido. ( b ) Artigos produzidos por certa máquina são classificados como defeituosos ou são defeituosos. Um artigo é selecionado da linha de produção e classificado. ( c ) Cilindros de aço produzidos por certa fábrica podem ter até dois tipos de defeitos. Um cilindro é escolhido ao acaso na produção. Registramos o número de defeitos. ( d ) Uma moeda comum é lançada até que a primeira cara seja obtida. Registramos o número de lançamentos necessários para isso. ( e ) O tráfego de automóveis é observado, das 10 às 11 horas de uma quinta-feira, num certo ponto da cidade. O número de automóveis que passa nesse horário e nesse ponto é registrado. ( f ) Foguetes são lançados até que ocorra um lançamento bem sucedido. Se isso não ocorrer até o 4 o lançamento, o experimento é interrompido e o equipamento é inspecionado. ( g ) Um posto de atendimento a saúde é observado durante o período da manhã. O tempo decorrido até a chegada do primeiro cliente é registrado. ) Uma caixa contém 5 bolas numeradas de 1 a 5. Extraindo-se uma bola ao acaso, qual a probabilidade de que seu numero seja : ( a ) par ( b ) ímpar ( c ) par e maior que 10. 3) Um lote contém 10 peças, sendo 4 defeituosas. Três peças são extraídas ao acaso, simultaneamente (ou uma a uma sem reposição). Calcule a probabilidade de aceitação do lote, se o lote só é aceito quando: ( a ) Nenhuma defeituosa é obtida ( b ) Exatamente uma defeituosa é obtida ( c ) No máximo uma defeituosa é obtida.

2 ESTATÍSTICA 4) Na tabela a seguir, x i é o número de acidentes e f i é o número de dias nos quais ocorrem x i acidentes. Estime a probabilidade de que, num dia qualquer, ocorra(m): ( a ) Exatamente dois acidentes ( b ) Um acidente, no máximo ( c ) Pelo menos um acidente ( d ) Mais de nove acidentes. xi fi ) A e B são eventos com P(A) = 1/, P(AUB) = 3/4, P(B) = 5/8. Calcular : ( a ) P(A B) ( b ) P(A B ) ( c ) P(A - B). 6) Uma montagem eletrônica é constituída de 3 subsistemas, 1, e 3. A montagem falha se pelo menos um dos subsistemas falhar. De ensaios anteriores sabe-se que a probabilidade de que qualquer subsistema falhar é 0,1, a probabilidade de que dois quaisquer subsistemas falhem simultaneamente é 0,01 e a probabilidade de que todos falhem simultaneamente 0,00. Calcule a probabilidade de que a montagem venha a falhar. 7) Seja S = {s 1,s,..., s 6 }, um espaço amostral equiprobabilístico e considere os eventos A = {s 1,s,s 3 }, B = {s,s 3,s 4 }, C = {s 4,s 5 }. Calcule : ( a ) P(A B ) ( b ) P(AUBUC). 8) Sejam A e B eventos. Dados P(A U B ) = 3/4, P(A B ) = 3/8, P(A B ) = 1/4, Calcule P(B). 9) A partir da expressão P(A U B) = P(A) + P(B) - P(A B), deduza a expressão para P(A U B U C U D). 10) Suponha que A, B e C sejam eventos tais que P(A) = P(B) = P(C) = 1/4, P(A B) = P(C B) = 0 e P(A C) = 1/8. Calcule a probabilidade de que pelo menos um dos eventos A, B ou C ocorram. 11) Um certo tipo de motor elétrico falha se ocorrer uma das seguintes situações: emperramento dos mancais, queima dos enrolamentos, desgaste das escovas. Suponha que o emperramento seja duas vezes mais provável do que a queima, esta sendo quatro vezes mais provável do que o desgaste da escovas. Calcule a probabilidade de que a falha seja devida a cada uma dessas circunstâncias. 1) A e B são eventos com P(A) = P(B) =1/, P(A B) = 1/3. Calcule a probabilidade de A ocorrer se B não ocorre. 13) Se A e B são eventos independentes com P(A) = P(B) = 1/10, calcule a probabilidade de que nenhum desses dois eventos ocorra.

3 ESTATÍSTICA 3 _ 14) No circuito a seguir, os relés j =1,,3, funcionam independentemente um do outro. A probabilidade de que qualquer deles esteja aberto é p. Calcule a probabilidade de que não haja corrente de L para R. L 1 3 R 15) No circuito do item anterior, se não há corrente de L para R, qual a probabilidade do relé estar aberto? 16) Um sistema eletrônico é composto de dois subsistemas, A e B, os quais funcionam independentemente um do outro. tanto A como B falham com probabilidade 1/10. O sistema falha se pelo menos um dos dois subsistemas falhar. Qual a probabilidade de que B tenha falhado se constatamos que o sistema falhou. 17) Uma das duas causas C 1 e C podem explicar um acidente de trabalho. As causas ocorrem com probabilidade 3/10 e 7/10, respectivamente, e as probabilidades de acidentes devido a cada uma delas são 1/10 e /10, respectivamente. Se um acidente de trabalho foi observado, qual a probabilidade de que tenha sido devido a C 1. 18) No projeto de painel de automóveis, as luzes de advertência substituíram os medidores. Estas luzes alertam o motorista quando há aproximação de problemas no motor. Assim, deseja-se ter, com alta probabilidade, todas as luzes acesas quando o problema é iminente e deseja-se tê-las apagadas quando não houver problemas. Seja T o evento problemas no motor e V o evento luzes acesas. São dados P( V / T ) = 5/6, P( V / T ) = 4/5 e P(T) =1/30. Calcule P( T V ). 19) No circuito abaixo o fechamento de cada relé é aleatório e independente um do outro com probabilidade p > 0. ( a ) Qual a probabilidade de passar corrente de L para R? ( b ) Se há corrente de L para R, qual a probabilidade de que os relés 1 e estejam fechados? L 1 0) Repita o exercício 19 para o seguinte circuito: 3 R L R

4 4 ESTATÍSTICA 1) De um baralho de 5 cartas, 5 cartas são extraídas ao acaso simultaneamente. Calcule a probabilidade de que sejam obtidas : ( a ) Exatamente duas cartas pretas ( b ) Exatamente duas cartas de ouros ( c ) Exatamente duas de ouros e duas de copas ( d ) Uma de ouros e duas de paus. ) Um lote de 0 peças contem 6 peças com defeito do tipo A, 5 peças com defeito do tipo B e 3 peças com ambos os tipos de defeitos. Uma peça é extraída ao acaso desse lote. Calcule a probabilidade de que: ( a ) Tenha exatamente um defeito ( b ) Tenha no máximo um defeito ( c ) Tenha pelo menos um defeito ( d ) Não tenha defeitos. 3) Dez fichas numeradas de 1 a 10 são misturadas em uma urna. Duas fichas numeradas X, Y são extraídas da urna, sucessivamente e sem reposição. Qual é a probabilidade de que seja X + Y = 10? 4) Um lote é formado de 10 artigos bons, 4 com defeitos menores e com defeitos graves. Um artigo é escolhido ao acaso. Ache a probabilidade de que : ( a ) Não tenha defeitos ( b ) Não tenha defeitos graves ( c ) Seja perfeito ou tenha defeitos graves. 5) Se o lote descrito no exercício 4, dois artigos forem selecionados, sem reposição, ache a probabilidade de que : ( a ) Ambos sejam perfeitos ( b ) Ambos tenham defeitos graves ( c ) Ao menos um seja perfeito ( d ) No máximo um seja perfeito. 6) Duas válvulas defeituosas se misturam com duas válvulas perfeitas. As válvulas são ensaiadas, uma a uma, até que ambas as defeituosas sejam encontradas. Qual a probabilidade de que a ultima válvula defeituosa seja encontrada no : ( a ) segundo ensaio ( b ) terceiro ensaio ( c ) quarto ensaio? 7) Em dado grupo racial a probabilidade de uma pessoa do sexo masculino ser daltônica é p = 0,16. São escolhidas ao acaso duas pessoas x e y, pertencentes aos referido sexo e grupo racial. Supõe-se a independência entre os eventos x daltônico e y daltônico. Determinar a probabilidade de ambos serem daltônicos, sabendo-se que : ( a ) x é daltônico ( b ) pelo menos um deles é daltônico. 8) Lançamos um dado duas vezes sucessivas ; seja a 1 o número de pontos obtidos no primeiro lançamento e a os pontos obtidos no segundo lançamento. Consideremos a equação a 1 x + a = 0. Qual a probabilidade dessa equação ter raiz inteira?

5 ESTATÍSTICA 5 _ 9) Três companhias A, B e C, disputam a obtenção do contrato de fabricação de um foguete meteorológico. A chefia do departamento de vendas de A estima que sua companhia tem probabilidade igual à da companhia B de obter o contrato, mas que por sua vez é igual a duas vezes a probabilidade de C obter o mesmo contrato. Qual a probabilidade de A ou C obter o contrato? 30) Um determinado programa de computador opera usando subrotinas A e B dependendo do problema. A experiência mostrou que a subrotina A é usada 40 % das vezes e a B é usada 60 % das vezes. Se A é usada existe 75 % de probabilidade de que o programa seja rodado antes do seu limite de tempo e esta probabilidade para B é de 50 %. ( a ) Qual é a probabilidade de um programa qualquer rodar antes do seu limite de tempo ( b ) Se um programa rodou antes do limite, qual a probabilidade de que tenha sido usada a subrotina B? 31) Uma caixa contém uma moeda não viciada e uma de duas caras. Uma moeda é selecionada aleatoriamente e lançada. Se ocorre cara, a outra moeda é lançada; se ocorre coroa, a mesma moeda é lançada. Encontre a probabilidade de ocorrer cara no segundo lançamento. 3) Dois eventos A e B são mutuamente exclusivos e tem probabilidade não nulas, eles podem ser independentes? Por quê? 33) A probabilidade de uma peça ser defeituosa é 3 % e a de outra que será montada com essa é de %. Qual a probabilidade de que : ( a ) Ambas sejam defeituosas ( b ) Ambas sejam perfeitas. 34) A e B jogam 1 partidas de xadrez, das quais A ganha 6, B ganha 4 e terminam empatadas. Concordam então em jogar um conjunto de 3 partidas. Determine a probabilidade : ( a ) De A ganhar todas as três partidas ( b) De duas partidas terminarem empatadas ( c ) De A e B ganharem alternadamente ( d ) De B ganhar ao menos uma. 35) Uma organização de teste deseja avaliar uma marca particular de rádios. Seleciona aleatoriamente 5 rádios do seu estoque. A marca é julgada satisfatória, se nada houver de errado em qualquer um dos rádios. Qual a probabilidade de que a marca venha a ser considerada satisfatória, se 10 % dos rádios realmente são defeituosos. 36) Uma urna contém 7 bolas gravadas com as letras A, A, A, C, C, R, R. Extraindo-se as bolas uma a uma (sem reposição), calcular a probabilidade de se obter a palavra CARCARA. 37) Um artilheiro naval dispara 5 torpedos para tentar acertar um navio. Sendo 1/3 a probabilidade de cada torpedo acertar o alvo, qual a probabilidade de que o navio seja atingido? Se os dois primeiros torpedos forem perdidos, qual a probabilidade de que o navio seja atingido?

6 6 ESTATÍSTICA 38) A Swissair decide comprar todos os seus aviões de uma mesma companhia. A companhia possui quatro fábricas, a primeira das quais produz 30 % dos aviões da companhia, a segunda 0 %, a terceira 15 % e a quarta 35 %. Mais adiante foi observado que as probabilidades destas fábricas produzirem um avião defeituoso são 1/10, 1/4, 1/5, e1/3 respectivamente. Qual a probabilidade de, se a Swissair receber um avião defeituoso, este tenha sido fabricado pela segunda fábrica? 39) Nos parques industriais A 1, A e A 3, dedicam-se a atividade têxtil, respectivamente, 10 %, 40 % e 5 % das empresas. Escolhido ao acaso um parque daqueles e nele também ao acaso, uma empresa, qual a probabilidade de que esta seja têxtil? 40) Uma urna contém 10 bolas : 3 são brancas e 7 são pretas. Considere o seguinte jogo : retiram-se bolas sucessivamente de tal forma que a cada bola retira, coloca-se da mesma cor. Qual a probabilidade que as 3 primeiras bolas retiradas sejam pretas? 41) Uma máquina consiste e 4 componentes ligados em paralelo, de tal sorte que a máquina falha somente se todos os quatro componentes falham. Suponha que as falhas dos componentes sã independentes umas das outras. Se os componentes tem probabilidades 0,1 ; 0, ; 0,3 e 0,4 de falhar quando a máquina é acionada, qual a probabilidade de que a máquina funcione quando acionada? 4) Para um determinado telefone, a probabilidade de se conseguir linha é 3/4 em dias normais e 1/4 em dias de chuva. A probabilidade de chover em um dia é 1/10. Além disso, tendo-se conseguido linha, a probabilidade de que o número desejado esteja ocupado é 11/1. ( a ) Qual a probabilidade de que um telefonema tenha sua ligação completada? ( b ) Dado que um telefonema foi completado, qual a probabilidade de estar chovendo? 43) Um certo componente de um motor de foguete falha 5 % das vezes quando o motor é acionado. Para obter maior confiabilidade no funcionamento do motor, duplica-se este componente n vezes. O motor então falha somente se todos os n componentes falham. Suponha que as falhas dos componentes sejam independentes uma das outras. Qual é o valor de n que pode ser usado para garantir que o motor funcione 99 % das vezes? 44) Os jogadores de dado chamam de jogo difícil um total de 8 com dois dados por meio de dois 4. Por que isso? De que outros modos pode um total de 8 ser obtido e quais as suas probabilidades? 45) Um dado é viciado, de tal forma que a probabilidade de que a face 6 ocorra é 1/5, sendo os demais resultados equiprováveis. Jogando-se este dado juntamente com um dado normal, calcule a probabilidade de que a soma dos pontos seja igual a 10.

7 ESTATÍSTICA 7 _ 46) Uma bolsa contém bolas pretas e bolas brancas. uma bola é retirada ao acaso e reposta por uma bola de cor oposta. Então uma outra bola é retirada. Encontre a probabilidade da primeira bola ser branca, dado que a segunda é branca. 47) Se você compra bilhetes de uma loteria para a qual n bilhetes foram vendidos e 5 prêmios serão dados, qual a probabilidade de que você ganhe pelo menos um prêmio? 48) Se apostarmos na LOTO em 6 números, qual a probabilidade de acertarmos a QUINA? 49) A polícia planeja controlar o limite de velocidade numa cidade usando radares em 4 diferentes locais. Os radares em cada local L 1, L, L 3 e L 4 operam, respectivamente, 40 %, 30 %, 0 % e 30 % do tempo, e uma pessoa que ultrapassa os limites de velocidade tem, no seu caminho para o trabalho, probabilidade de 0,, 0,1, 0,5 e 0,, respectivamente, de passar em cada um destes locais. ( a ) Qual a probabilidade de uma pessoa que ultrapasse os limites de velocidade, receber um multa? ( b ) Se uma pessoa recebeu uma multa no seu caminho, qual a probabilidade de ter sido no local L. 50) A caixa A contem nove cartas numeradas de 1 a 9 e a caixa B contém cinco carta numeradas de 1 a 5. Uma caixa é escolhida aleatoriamente e uma carta é retirada. Se a carta indica um número par, outra carta é retirada da mesma caixa, sem que haja reposição da primeira carta retirada.; se a carta indica um número ímpar, uma carta é retirada de outra caixa. ( a ) Qual a probabilidade de ambas as cartas indicarem números pares? ( b ) Se ambas as cartas indicarem números pares, qual a probabilidade de terem vindo da caixa A? 51) Lançamos dois dados honestos. Qual a probabilidade de se obter uma soma de pontos não inferior a 10? 5) De uma caixa contendo 5 bolas pretas e 3 bolas verdes, três bolas são retiradas sucessivamente. Se as bolas são repostas na caixa antes da próxima ser retirada, qual a probabilidade de que todas sejam da mesma cor? Qual a probabilidade de que cada uma das cores esteja representada? 53) Seja um dado viciado de modo que a probabilidade de aparecer um número seja proporcional ao número dado (por exemplo, o 6 é duas vezes mais provável de aparecer que o 3). Sejam A = {número par}, B = {número primo}, C = { número ímpar}. (Considere o nímero 1 como sendo primo) ( a ) Encontre P(A), P(B) e P(C). ( b ) Encontre a probabilidade de que um número ímpar primo ocorra. ( c ) Encontre a probabilidade de que um número ímpar ocorra. ( d ) Encontre a probabilidade de que A ocorra, mas B não. 54 ) Dois nadadores brasileiros A e B participam de um campeonato internacional de natação. A probabilidade deles ganharem uma medalha de ouro é igual a 0,9 e 0,8, respectivamente para o nadador A e o nadador B. Pergunta-se: ( a ) Qual a probabilidade de que pelo menos um deles ganhe uma medalha de ouro? ( b ) Qual a probabilidade de que os dois ganhem medalha de ouro?

8 8 ESTATÍSTICA 55 ) Um operador numa linha de fabricação produz 10 itens para atender a uma encomenda que será aceita se nada houver de errado em pelo menos 9 itens. Qual a probabilidade de que a encomenda seja aceita se soubermos que, em geral nesta produção, ocorre 0% de defeito? 56 ) Um winchester e uma placa controladora serão montados num computador. A probabilidade de que o winchester funcione bem é 0,95 e esta probabilidade para a placa controladora é 0,98. Supondo independência na fabricação das peças, pergunta-se : ( a ) Qual a probabilidade de que um winchester e uma placa selecionados ao acaso funcionem bem, sabendo-se que o winchester já foi testado e funciona bem? ( b ) A montagem de um winchester com uma placa apresentou defeito. Qual a probalidade de que ambas estejam com defeito? 57 ) Numa imagem gráfica podemos perceber 3 regiões distintas de sinais : a região A, região B e região C, compostas aleatoriamente. Estima-se que a região A preenche a metade da imagem e que a outra metade é preenchida /3 pela região B e 1/3 pela região C. Dentro de cada região podem ocorrer tipos de sinais : claros e escuros. Na região A não temos sinais escuros, na região B 1/3 é de sinais claros e na região C, ½ é de sinais claros. ( a ) Faça um diagrama em árvore para esta situação. ( b ) Qual a proporção de sinais claros existente numa imagem deste tipo? ( c ) Se um sinal claro é observado, aleatoriamente, qual a probalidade de que ele pertença à região A? 58 ) Uma caixa contém lâmpadas boas e queimadas. Retiram-se lâmpadas desta caixa para a iluminação de uma sala que precisa de lâmpadas boas (as retiradas, evidentemente, são feitas sem reposição). Qual a probabilidade de que seja necessário retirar todas as lâmpadas da caixa? 59 ) A probabilidade de que um carro que abastece com gasolina também precise troca de óleo é 0,5, a probabilidade de que precise de um filtro novo é de 0,4 e a probabilidade de que precise de ambos, troca de óleo e filtro novo, é 0,14. ( a ) Se o óleo teve que ser trocado, qual a probabilidade de que um novo filtro seja necessário? ( b ) Qual a probabilidade de que não precise troca de óleo e nem filtro novo? 60 ) A probabilidade de que um estudante passe em um certo exame é 0,9, se ele estudar. A probalidade de que ele passe no exame sem estudar é de 0,. Assuma que a probabilidade de um estudante estudar para este exame seja de 0,75. Dado que um estudante passou, qual a probabilidade dele ter estudado? 61 ) Sabemos que P(A) + P(A ) = 1. Podemos afirmar que P(A/B) + P(A /B) = 1? O que podemos dizer sobre P(A/B) + P(A/B )? Justifique suas respostas.

9 CAPÍTULO - VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são extraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos interessados no número de defeitos X nessa amostra de tamanho. Um espaço amostral para esse experimento aleatório é : S = {(D, D), (D, ND), (ND, D), (ND, ND) } onde D = defeituosa e ND = não defeituosa. Assim, se ocorrer o evento {(D, D)}, teremos observado peças defeituosas na amostra, e X =. Fica, desse modo, estabelecida uma correspondência entre os elementos de S e os elementos de um conjunto numérico, como se vê no diagrama abaixo : S ( D, D ) ( D, ND ) ( ND, D ) ( ND, ND ) X Rx 0 1 Note, então, que X é uma função real definida em S. Em símbolos : X : S s R X (s)

10 10 ESTATÍSTICA. VARIÁVEL ALEATÓRIA Uma variável aleatória (v.a) é uma função real definida sobre os elementos de um espaço amostral S. * A variável aleatória X é dita DISCRETA se assume valores num conjunto finito ou infinito enumerável. * A variável aleatória X é dita CONTÍNUA se assume valores num conjunto infinito não enumerável (como um intervalo por exemplo). EXEMPLOS 1) A variável aleatória X, definida na introdução é discreta, pois pode assumir os valores 0, 1,. ) Uma lâmpada é fabricada e, em seguida, ensaiada quanto a sua duração de vida. Um espaço amostral para esse experimento é S = ( t R / t 0 ). Se T é o tempo de vida da lâmpada, então T é a função (v.a.) Identidade, pois T(t) = t, para todo t S. T é uma v.a. contínua, pois assume valores no conjunto { t R / t 0 }. 3) Uma moeda é lançada até que a primeira cara ocorra. Um espaço amostral para esse experimento é: S = { H, TH, TTH, TTTH,... }. Se X é a v.a. igual ao número de lançamentos necessários para obter a primeira cara, então X é discreta e assume valores no conjunto {1,, 3, 4,...}. 4) No exemplo acima, se X é definida como sendo 0 se T < 100 e 1 se T 100, então X é discreta pois assume valores no conjunto { 0, 1 }..3 FUNÇÃO DE PROBABILIDADE A função p(x) é uma função de probabilidade da v.a. X discreta se, para cada resultado possível x, temos: ( 1 ) p(x) 0 ( ) p(x) = 1 x (3) p(x) = P(X=x) OBSERVAÇÃO :

11 ESTATÍSTICA 11 _ Aos pares (x, p(x)) chamaremos de DISTRIBUIÇÃO DE PROBABILIDADE.

12 1 ESTATÍSTICA EXEMPLO Para o mesmo exemplo visto na introdução, seja a v.a. X = número de peças defeituosas. Os valores possíveis para X são : 0, 1,. A função de probabilidade de X será então : p( 0 ) = P( X = 0 ) = P{(ND, ND)} = (7/10).(6/9) = 7/15. p( 1 ) = P( X = 1 ) = P{(D,ND) ou (ND,D)} = (3/10).(7/9) + (7/10)(3/9) = 7/15 p( ) = P( X = ) = P{(D,D)} = (3/10).(/9) = 1/15. Em forma de tabela podemos escrever : x 0 1 p(x) 7/15 7/15 1/15 Observe que esta função possui as propriedades (1), () e (3) vistas acima. Podemos representar graficamente uma função de probabilidade simplesmente por pontos no plano cartesiano ou através do que se chama HISTOGRAMA DE PROBABILIDADE, que é um gráfico de barras. Cada barra tem o centro no ponto x e altura igual a probabilidade de x, ou seja, p(x). Desta forma, cada retângulo tem área igual a p(x) e a área total abaixo dos retângulos é igual a 1. Por exemplo : p(x) p(x) 7/15 7/15 1/ x 1/ x

13 ESTATÍSTICA 13 _.4 FUNÇÃO DENSIDADE DE PROBABILIDADE A função f(x) é uma função densidade de probabilidade para a v.a. X contínua, definida sobre o conjunto dos números reais R, se: ( 1 ) f(x) 0 + ( ) f(x) dx = 1 - ( 3 ) P(a < X < b) = f(x) dx. a b OBSERVAÇÕES : 1) f(x) 0 para todo x R, significa que o gráfico da função f está todo acima do eixo x. + ) f(x) dx = 1, significa que a área total abaixo da curva f(x) é igual a ) P(a < X < b) = f(x) dx significa que probabilidades, agora, são iguais a áreas abaixo da curva f(x). a b 4) Note que P ( X = a ) = f(x) dx = 0, ou seja, probabilidades pontuais são nulas. 5) Segue da observação 4 que: a a P(a < X < b) = P(a X< b) = P(a < X b) = P(a X b). EXEMPLO Seja a v.a. X contínua com função densidade de probabilidade dada por: f(x) = kx, -1 < x < 0, caso contrá rio a) Calcule o valor da constante k, que faz com que f(x) seja uma função densidade de probabilidade: Observe, inicialmente, que k > 0, pois f(x) deve ser disso, devemos ter que: 0 para todo x real. Além f(x) dx = f(x) dx + f(x) dx + f(x) dx = kx dx = (1/ 3)kx = 3k =

14 14 ESTATÍSTICA Daí, k = 1/3 e a função densidade de probabilidade poderá ser escrita como : f(x) = (1/ 3) x, -1< x < 0, caso contrá rio Graficamente : f(x) 4/3 1/ x b) Calcule P( 0 < X < 1 ) : 1 P( 0< X< 1) = (1/ 3) x dx = 1/ FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA A função de distribuição acumulada de uma v.a. X contínua com função densidade de probabilidade f(x) é dada por : x Fx ( ) = PX ( x) = f(s) ds Segue imediatamente que : a) P( a < X b ) = F( b ) - F( a ) b) P( X > a) = 1 - P(X a) = 1 - F( a ) c) f( x ) = F ( x ), se a derivada existir. d) F( ) = 1 e F( - ) = 0 e) F(x) é não decrescente.

15 ESTATÍSTICA 15 _ EXEMPLO Para uma função densidade de probabilidade definida no exemplo anterior, a função de distribuição acumulada F(x) é encontrada da seguinte forma: 1º ) Para valores de x -1: F(x) = P(X x) = f(s) ds = 0 x - º ) Para valores de -1 < x < : x -1 3 F(x) = P(X x) = f(s) ds = f(s) ds + f (s) ds = (1 / 3) s ds = (1 / 9) (x + 1) x x 3º ) Para valores de x : x -1 F(x) = P(X x) = f(s) ds = f(s) ds + f (s) ds + f (s) ds = (1 / 3) s ds = x Assim, a função de distribuição acumulada da v.a. X é escrita como: 0, para x -1 F(x) = P( X x) = (1/9) (x 3 + 1), para -1 < x < 1, para x Neste exemplo, podemos ainda calcular probabilidades para X usando a F(x) encontrada: P(X 0,5) = F(0,5) = (1/9) (0, ) = P(0 < X 1) = F(1) - F(0) = (1/9) ( )- (1/9) ( ) = P(X > 1,3) = 1 - P(X 1,3) = 1 - F(1,3) = 1 - (1/9) (1, ) =

16 16 ESTATÍSTICA.6 EXPECTÂNCIA E VARIANCIA DE UMA V.A..6.1 EXPECTÂNCIA (Esperança Matemática ou Média) DE UMA V.A.: A expectância de uma v.a. X é uma medida que posiciona o centro de uma distribuição de probabilidade e é definida por: µ= E(X) = x p(x) x se a v.a. X for discreta µ= EX ( ) = xfxdx ( ) se a v.a. X for contínua Observações: 1) Note que no caso da v.a. discreta a expectância pode ser vista como uma média ponderada, onde os pesos são as probabilidades de cada ponto. ) No caso da v.a. contínua, a expectância coincide com o cálculo do valor da abcissa do centro de gravidade da área que fica definida pela função f(x). É um ponto de equilíbrio que é calculado a partir da função densidade de probabilidade. 3) Podemos interpretar a expectância, também, como sendo uma média dos valores que a v.a. assume se imaginarmos o experimento aleatório sendo repetido indefinidamente, e os valores de X sendo observados nas repetições. A função de probabilidade no caso discreto, ou a função densidade de probabilidade no caso contínuo refletem as freqüências relativas de ocorrência dos valores de X PROPRIEDADES DA EXPECTÂNCIA: As propriedades operatórias apresentadas a seguir são válidas para v.a. s discretas e v.a. s contínuas. 1ª ) Se a é uma constante, então: E(a) = a ª ) Se a e b são constantes, então: E( ax + b) = a E(X) + b

17 ESTATÍSTICA 17 _ 3ª ) E(X ± Y) = E(X) ± E(Y) 4ª ) Se X e Y são duas v.a. s independentes, então E(XY) = E(X). E(Y) (Obs.: A definição de independência de duas v.a. s não foi apresentada. Entretanto, podemos pensar nesta independência de modo análogo à independência de dois eventos A e B.) EXEMPLO 1: Se uma moeda honesta for lançada duas vezes, qual a expectância do número de caras? (ou, em média, quantas caras teremos?) Seja X a v.a. igual ao número de vezes em que aparece cara. X assume os valores 0, 1 e e sua distribuição de probabilidade é dada por: x 0 1 p(x) ¼ ½ ¼ µ= E(X) = x p(x) = ( 01 ) / 4+ ( 11 ) / + ( 1 ) / 4= 1 x Assim, podemos dizer que ao lançarmos uma moeda duas vezes, em média obteremos 1 cara. EXEMPLO : Seja X uma v.a. contínua como função densidade de probabilidade dada por: f(x) = x, se 0 < x < 1 0, para outros valores de x µ= E( X) = xf( x) dx = x. xdx= / 3 0 1

18 18 ESTATÍSTICA f(x) µ=/3 x.6.1. EXPECTÂNCIA DE UMA FUNÇÃO DE V.A.: Seja X uma v.a. e g(x) uma função qualquer de X. Então a expectância de g(x) é dada por: E [ g(x) ] = x g( x) p( x), sexfor discreta g( x) f( x) dx, se X for contínua.6. VARIANCIA DE UMA V.A.: A variancia de uma v.a. é uma medida de sua dispersão ou variabilidade em torno de sua média. O gráfico abaixo apresenta um exemplo das distribuições de probabilidade de duas v.a. s X1 e X que possuem a mesma forma da distribuição e a mesma expectância. Observamos, então, que a diferença entre elas é a variabilidade que elas apresentam em torno de sua média. σ 1 σ > σ 1 σ µ = µ 1

19 ESTATÍSTICA 19 _ Note que a v.a. X se apresenta mais dispersa (mais espalhada ) em torno da média do que a v.a. X1.

20 0 ESTATÍSTICA A variancia de uma v.a. é definida por: σ = V(X) = E [(X - µ)] = σ = V(X) = E [(X - µ)] = (x µ) p(x) se X for discreta x µ ( x ) f( x) dx, se X for contínua Note que a variancia é a média dos desvios que a v.a. X apresenta em relação à sua média µ, elevados ao quadrado. Sendo assim, a variancia será sempre positiva e quanto maior a variabilidade da v.a., maior será a sua variancia. A raiz quadrada positiva da variancia é uma medida de dispersão chamada de DESVIO PADRÃO. Uma alternativa para o cálculo da variancia é dada pelo seguinte resultado: Teorema: σ = V(X) = E (X ) - µ De fato: σ = V(X) = E [(X - µ)] = E ( X - µ X + µ) = = E (X) - µ E(X) + E(µ) = = E(X) - µ PROPRIEDADES DA VARIANCIA: 1ª ) Se b é uma constante, então: V(b) = 0 ª ) Se X é uma v.a. e b é uma constante, então: V(X + b) = V(X)

21 ESTATÍSTICA 1 _ 3ª ) Se X é uma v.a. e a é uma constante, então: V(aX) = a V(X) 4ª ) Se X e Y são v.a. s independentes e a e b são constantes, então: V(aX + by) = a V(X) + b V(Y) e V(aX - by) = a V(X) + b V(Y) EXEMPLO 1 Considere o exemplo 1 da definição de expectância ( o lançamento de moedas). Sabemos que: σ = V(X) = E (X) - µ Devemos calcular, inicialmente, E(X): E(X) = (0) p(0) + (1) p(1) + () p() = 3/ Daí, V(X) = 3/ - 1 = 1/ EXEMPLO Considere o exemplo da definição de expectância. Da mesma forma que no exemplo anterior, vamos calcular inicialmente E(X): EX ( ) = x fxdx ( ) = x xdx= 1/ Daí σ = V(X) = E (X) - µ = 1 / - (/3) = 1/ DESIGUALDADE DE CHEBYSHEV O matemático russo Chebyshev observou que a probabilidade de que qualquer v.a. X caia dentro de k desvios padrões em torno da média é pelo menos (1-1/k). Isto é: P(µ - k σ < X < µ + k σ) 1-1/k

22 ESTATÍSTICA Note que para k = a desigualdade afirma que a v.a. X tem uma probabilidade de no mínimo 1 - (1/) = ¾ de cair entre dois desvios padrões da média, ou seja, ¾ ou mais observações de qualquer distribuição caem no intervalo µ ± σ. Por ser uma desigualdade que se aplica para qualquer distribuição, é um resultado fraco. Sabemos, por exemplo, que temos pelo menos ¾ de probabilidade de uma observação cair no intervalo µ ± σ, mas não sabemos exatamente quanto seria esta probabilidade realmente. Isto só pode ser calculado se soubermos qual a distribuição de probabilidade da v.a..7 DISTRIBUIÇÕES EMPÍRICAS Geralmente, em um experimento aleatório envolvendo uma v.a. continua, a sua função densidade de probabilidade f(x) é desconhecida. Para que a escolha de f(x) seja razoável, deve-se fazer um julgamento prévio baseado em informações disponíveis. Dados estatísticos, gerados em grande escala, podem ser muito úteis ao estudar o comportamento da distribuição, se apresentados na forma de uma distribuição de freqüência relativa. Tal arranjo é obtido agrupando-se os dados em classes e determinando a proporção das medidas em cada uma das classes. EXEMPLO A vida de 40 baterias de carro foram medidas em anos e são dadas a seguir :, 4,1 3,5 4,5 3, 3,7 3,0,6 3,4 1,6 3,1 3,3 3,8 3,1 4,7 3,7,5 4,3 3,4 3,6,9 3,3 3,9 3,1 3,3 3,1 3,7 4,4 3, 4,1 1,9 3,4 4,7 3,8 3,,6 3,9 3,0 4, 3,5 Devemos decidir, primeiro, sobre o número de classes nas quais os dados serão agrupados. Isto é arbitrário e geralmente entre 5 e 0 classes, dependendo do número de observações obtidas. Vamos escolher 7 classes para o exemplo. O intervalo de classe deve ser tal que 7 intervalos acomodem todos os dados. Assim, sendo 4,7-1,6 a amplitude total, então, o tamanho de intervalo será : ( 4,7-1,6 ) / 7 = 0,443. Vamos aproximar para 0,5 e fazer todos os 7 intervalos do mesmo tamanho. Se começarmos com 1,5 para o limite inferior do primeiro intervalo, então a distribuição de freqüência será dada por :

23 ESTATÍSTICA 3 _ Classes Pto. Médio de Classe Freqüência ( f ) Freqüência Relativa 1,5 1,9 1,7 0,050,0,4, 1 0,05,5,9,7 4 0,100 3,0 3,4 3, 15 0,375 3,4 3,9 3,7 10 0,50 4,0 4,4 4, 5 0,15 4,4 4,9 4,7 3 0,075 TOTAL 40 1,000 Podemos, a partir daí, construir um histograma de freqüência relativa : 0,375 0,50 0,15 1,7,,7 3, 3,7 4, 4,7 Embora tenhamos estimado uma curva para f(x) não conhecem os ainda a sua equação. Entretanto é possível ajustar uma curva sobre estes dados e verificar se este ajuste é razoável e determinar até que ponto é aceitável.

24 4 ESTATÍSTICA.8 EXERCÍCIOS PROPOSTOS 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y : o tempo que leva para jogar uma partida de xadrez. M : o diâmetro de uma peça cilíndrica. N : o número de apartamentos construídos por ano em uma cidade. O : a altura de uma pessoa. P : o número de falhas que um sistema apresenta em um determinado período de tempo. ) De uma caixa contendo 4 bolas pretas e bolas verdes, 3 bolas são retiradas sucessivamente sem reposição. ( a ) Encontre a distribuição de probabilidade do número de bolas verdes retiradas. ( b ) Calcule a expectância e a variancia da distribuição encontrada. ( c ) Considere um jogo no qual você ganha 10 u.m. cada vez que sair uma bola preta e perde 5 cada vez que sair uma bola verde. Até quanto vale a pena pagar para entrar neste jogo? 3) Uma moeda é viciada de tal forma que cara é duas vezes mais provável de ocorrer que coroa. Se a moeda é jogada três vezes, encontre a distribuição de probabilidade do número de caras. Construa um histograma de probabilidade para a distribuição. 4) Uma v.a. discreta X tem função de probabilidade dada por: p( x ) = P( X = x ) = k -x, x = 0, 1,,... ( a ) Encontre k ( b ) Encontre P( X ser maior ou igual a 3) ( c ) Encontre P( 3 < X < 7 ) 5) Dois dados são lançados. Determinar a função de probabilidade da v.a. igual à soma dos pontos obtidos. Encontre a expectância e a variancia da distribuição da soma. Faça um gráfico da função de probabilidade encontrada. 6) Considere uma v.a. X com valores possíveis 0, 1,,... e suponha que : p( x ) = P( X = x ) = ( 1-a ) a x, x = 0, 1,,... ( a ) Para que valores de a o modelo acima tem sentido? ( b ) Mostre que, para quaisquer dois inteiros positivos s e t :P(X > s + t/x > s)=p(x t).

25 ESTATÍSTICA 5 _ 7) Uma v.a. contínua tem a seguinte função densidade de probabilidade: 3x, para 0 <x < 1 f(x) 0, para outros valores de x ( a ) Verifique as propriedades de f e esboce um gráfico. ( b ) Encontre a função de distribuição acumulada F(x). ( c ) Calcule a probabilidade dessa variável assumir um valor maior do que 1/3. ( d ) Se forem observados valores independentes de X, digamos X1 e X, qual a probabilidade de que ambos sejam maiores que 1/3 se soubermos que pelo menos um deles é maior do que 1/3. ( e ) Calcule a expectância e a variancia da v.a. X. 8) É dado o gráfico abaixo da função densidade de probabilidade de uma v.a. X contínua. ( a ) Equacione a função f (x). ( b ) Encontre F (x). ( c ) Use F( x ) para calcular P ( 1 < X < 4 ). f (x) 1/ x 9) Uma v.a. T contínua tem função densidade de probabilidade dada por : f (x) = a e -at, t 0, onde a > 0 é o parâmetro. ( a ) Mostre que f(t) tem as propriedades de uma função densidade de probabilidade. ( b ) Encontre a função de distribuição acumulada F (t). ( c ) Faça um gráfico para f (x) e outro para F (t). ( d ) Encontre um valor T = Me tal que P( T < Me) = 0,5. Me é uma medida de posição chamada de mediana da distribuição.

26 6 ESTATÍSTICA 10) Uma v.a. X contínua tem a seguinte função de distribuição acumulada : 0, x < 0 F(x) = kx 4, 0 x 1 1, x > 1 ( a ) Determine a constante k. ( b ) Qual a função densidade de probabilidade f (x)? 11) Dada a função densidade de probabilidade f(x) = (1 - x), para 0 < x < 1 0, para outros valores de x Encontre: ( a ) E(X) ( b ) E(X) ( c ) E[(X + 10)] ( d ) V(X) ( e ) Desvio Padrão de X 1) Mostre que E(X - µ) = 0 13) Uma v.a. X assume valores 0, 1,..., n com probabilidade constante P(x) = 1/(x+1), x=0,...,n. Calcular a expectância e a variancia de X. 14) Mostre as propriedades 1, e 3 vistas para a variancia. 15) Se X é uma v.a. com µ = E(X) e σ = V(x), verifique que a v.a. Y= (X- µ)/σ possui E(Y) = 0 e V(Y) = 1. 16) Seja X uma v.a. discreta assumindo valores no conjunto { -n, -n+1,..., -, -1, 0, 1,,..., n-1, n }. Se considerarmos a v.a. Y = X, determine: ( a ) O conjunto de valores de Y ( b ) Se X tem probabilidades iguais para todos os valores que assume, escreva a função de probabilidade de X ( c ) Considerando a função de probabilidade de X, escreva a função de probabilidade de Y. ( d ) Qual a expectância de X? e de Y?

27 ESTATÍSTICA 7 _ 17) A temperatura de um congelador, em graus centígrados, é uma v.a. T com função densidade de probabilidade dada por: f(t) = -k (t + 10) (t + 0), -0 < t < -10 0, para outros valores de t ( a ) Determinar o valor da constante k ( b ) Calcule µ = E(X) ( c ) Qual a expectância de F = 3 + (9/5) T (temperatura em graus Fahrenheit)? 18) Seja X uma v.a. que assume apenas os valores -1, 0, 1, com p(0) = P(X=0) = 1/. Mostrar que -1/ < E(X) < 1/. 19) Dada a função 0, se x < 0 F(x) = (x + 1)/3, se 0 x 1 1, se x > 1 Verifique se F é uma função de distribuição acumulada para X. 0) Se uma pessoa recebe R$ 5,00 se aparecerem somente caras ou somente coroas na jogada de três moedas, e paga R$,00 em caso contrário, qual seu ganho esperado? 1) X é uma v.a. discreta com a seguinte distribuição de probabilidade: x p(x) 1 /4 1/8 1 /4 1/8 1/4 ( a ) Determine E(X) ( b ) Determine E[(X + 1)/] ) Suponha que X seja uma v.a. com a seguintes distribuição de probabilidade: x p(x) 0,1 0, 0,15 0, 0,1 0,15 0,05 0,05 Determine as seguintes probabilidades: ( a ) X é negativo ( b ) X é par ( c ) X assume um valor entre 1 e 8 (inclusive) ( d ) P(X = -3 X 0) ( e ) P(X 3 X > 0)

28 8 ESTATÍSTICA 3) Suponha que uma caixa contém 1 bolas numeradas de 1 a 1. Faz-se duas repetições independentes do experimento de selecionar aleatoriamente uma bola da caixa (experimento com reposição). Seja X o maior entre os dois números observados. Determine a função de probabilidade de X e a sua expectância. 4) Seja X o tempo até a desintegração de alguma partícula radioativa e suponha que a função de distribuição acumulada de X seja dada por: F(x) = 0, se x e -ax, x > 0 Suponha que a seja tal que P(X 0,01) = ½. Obtenha um número t tal que P(X t) = 0,9. 5) Os seguintes dados representam a duração de vida em anos de um amostra aleatória de 30 bombas de gasolina.,0 3,0 0,3 3,3 1,3 0,4 0,1 6,0 5,5 6,5 0,,3 1,5 4,0 5,9 1,8 4,7 0,7 4,5 0,3 1,5 0,5,5 5,0 1,0 6,0 5,6 6,0 1, 0, Usando 6 intervalos com o primeiro começando com 0,1 : ( a) Construa uma distribuição de freqüência relativa. ( b ) Construa um histograma. ( c ) Estime o valor abaixo do qual caem /3 dos valores.

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

Prof. Luiz Alexandre Peternelli

Prof. Luiz Alexandre Peternelli Exercícios propostos 1. Numa prova há 7 questões do tipo verdadeiro-falso ( V ou F ). Calcule a probabilidade de acertarmos todas as 7 questões se: a) Escolhermos aleatoriamente as 7 respostas. b) Escolhermos

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço

Leia mais

VARIÁVEIS ALEATÓRIAS

VARIÁVEIS ALEATÓRIAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis

Leia mais

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}

Leia mais

LISTA DE EXERCÍCIOS 1 ESTATÍSTICA E PROBABILIDADES

LISTA DE EXERCÍCIOS 1 ESTATÍSTICA E PROBABILIDADES LISTA DE EXERCÍCIOS 1 ESTATÍSTICA E PROBABILIDADES 1- Ordene os dados indicando o 1º, 2º e 3º quartil 45, 56, 62, 67, 48, 51, 64, 71, 66, 52, 44, 58, 55, 61, 48, 50, 62, 51, 61, 55 2- Faça a análise da

Leia mais

TEORIA DAS PROBABILIDADES

TEORIA DAS PROBABILIDADES TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da

Leia mais

QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE

QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE QUESTÕES DE CONCURSOS PÚBLICOS ENVOLVENDO PROBABILIDADE 1) Uma moeda não tendenciosa é lançada quatro vezes. A probabilidade de que sejam obtidas duas caras e duas coroas é: (A) 3/8 (B) ½ (C) 5/8 (D) 2/3

Leia mais

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.

Estatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador

Leia mais

6ª Lista de Probabilidade I Professor: Spencer

6ª Lista de Probabilidade I Professor: Spencer 6ª Lista de Probabilidade I Professor: Spencer 1) Em um determinado processo de fabricação, 10% das peças são consideradas defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma, Pergunta-se:

Leia mais

Disciplina de Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE PROBABILIDADES

Disciplina de Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE PROBABILIDADES Disciplina de Estatística Prof. Msc Quintiliano Siqueira Schroden Nomelini LISTA DE PROBABILIDADES 1) Determine a probabilidade de cada evento: a) Um nº par aparece no lançamento de um dado; b) Uma figura

Leia mais

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades

Leia mais

Probabilidade e Modelos Probabilísticos

Probabilidade e Modelos Probabilísticos Probabilidade e Modelos Probabilísticos 2ª Parte: modelos probabilísticos para variáveis aleatórias contínuas, modelo uniforme, modelo exponencial, modelo normal 1 Distribuição de Probabilidades A distribuição

Leia mais

Universidade Federal de Goiás Instituto de Matemática e Estatística

Universidade Federal de Goiás Instituto de Matemática e Estatística Universidade Federal de Goiás Instituto de Matemática e Estatística Prova de Probabilidade Prof.: Fabiano F. T. dos Santos Goiânia, 31 de outubro de 014 Aluno: Nota: Descreva seu raciocínio e desenvolva

Leia mais

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 8 Prof.: Patricia Maria Bortolon, D. Sc. MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS CONTÍNUAS Lembram o que vimos sobre V.A. contínua na Aula 6? Definição: uma variável

Leia mais

Noções sobre Probabilidade

Noções sobre Probabilidade Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

CAPÍTULO 5: VARIÁVEIS ALEATÓRIAS BIDIMENSIONAIS Todas as coisas aparecem e desaparecem por causa da concorrência de causas e condições. Nada nunca existe inteiramente só, tudo está em relação com todo

Leia mais

Estatística Empresarial. Fundamentos de Probabilidade

Estatística Empresarial. Fundamentos de Probabilidade Fundamentos de Probabilidade A probabilidade de chuva é de 90% A probabilidade de eu sair é de 5% Conceitos Básicos Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma observação

Leia mais

PROBABILIDADE. Numero de Resultados Desejado Numero de Resultados Possiveis EXERCÍCIOS DE AULA

PROBABILIDADE. Numero de Resultados Desejado Numero de Resultados Possiveis EXERCÍCIOS DE AULA PROBABILIDADE São duas as questões pertinentes na resolução de um problema envolvendo probabilidades. Primeiro, é preciso quantificar o conjunto de todos os resultados possíveis, que será chamado de espaço

Leia mais

3. (Apostila 1 - ex.1.4) Defina um espaço amostral para cada um dos seguintes experimentos

3. (Apostila 1 - ex.1.4) Defina um espaço amostral para cada um dos seguintes experimentos Primeira Lista de Exercícios Introdução à probabilidade e à estatística Prof Patrícia Lusié Assunto: Probabilidade. 1. (Apostila 1 - ex.1.1) Lançam-se três moedas. Enumerar o espaço amostral e os eventos

Leia mais

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é

Leia mais

3. Probabilidade P(A) =

3. Probabilidade P(A) = 7 3. Probabilidade Probabilidade é uma medida numérica da plausibilidade de que um evento ocorrerá. Assim, as probabilidades podem ser usadas como medidas do grau de incerteza e podem ser expressas de

Leia mais

DEPARTAMENTO DE MATEMÁTICA

DEPARTAMENTO DE MATEMÁTICA FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km 1, Tel: +258 21401078, Fax: +258 21401082, Maputo Cursos de Licenciatura em Ensino de Matemática

Leia mais

PROBABILIDADE PROPRIEDADES E AXIOMAS

PROBABILIDADE PROPRIEDADES E AXIOMAS PROBABILIDADE ESPAÇO AMOSTRAL É o conjunto de todos os possíveis resultados de um experimento aleatório. A este conjunto de elementos denominamos de espaço amostral ou conjunto universo, simbolizado por

Leia mais

1 Distribuição de Bernoulli

1 Distribuição de Bernoulli Centro de Ciências e Tecnlogia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 6 Professor: Carlos Sérgio Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas

Leia mais

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição

Leia mais

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008

Variável Aleatória. Gilson Barbosa Dourado 6 de agosto de 2008 Variável Aleatória Gilson Barbosa Dourado gdourado@uneb.br 6 de agosto de 2008 Denição de Variável Aleatória Considere um experimento E e seu espaço amostral Ω = {a 1, a 2,..., a n }. Variável aleatória

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Variáveis

Leia mais

Variáveis aleatórias

Variáveis aleatórias Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF

Leia mais

Probabilidade. Variáveis Aleatórias Distribuição de Probabilidade

Probabilidade. Variáveis Aleatórias Distribuição de Probabilidade Probabilidade Variáveis Aleatórias Distribuição de Probabilidade Variáveis Aleatórias Variável Aleatória Indica o valor correspondente ao resultado de um experimento A palavra aleatória indica que, em

Leia mais

EST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência

EST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência EST029 Cálculo de Probabilidade I Cap. 3: Probabilidade Condicional e Independência Prof. Clécio da Silva Ferreira Depto Estatística - UFJF 1 Perguntas 1. Um novo aparelho para detectar um certo tipo de

Leia mais

Os experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios.

Os experimentos que repetidos sob as mesmas condições produzem resultados geralmente diferentes serão chamados experimentos aleatórios. PROBABILIDADE A teoria das Probabilidades é o ramo da Matemática que cria, desenvolve e em geral pesquisa modelos que podem ser utilizados para estudar experimentos ou fenômenos aleatórios. Os experimentos

Leia mais

Lista de Exercícios de Probabilidades

Lista de Exercícios de Probabilidades Lista de Exercícios de Probabilidades Joel M. Corrêa da Rosa 2011 1. Lançam-se três moedas. Enumere o espaço amostral e os eventos : Ω = {(c, c, c); (k, k, k); (c, k, k); (k, c, k); (k, k, c); (k, c, c);

Leia mais

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Luiz Medeiros Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja um

Leia mais

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia

DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia

Leia mais

Modelos básicos de distribuição de probabilidade

Modelos básicos de distribuição de probabilidade Capítulo 6 Modelos básicos de distribuição de probabilidade Muitas variáveis aleatórias, discretas e contínuas, podem ser descritas por modelos de probabilidade já conhecidos. Tais modelos permitem não

Leia mais

3. A probabilidade do evento de números pares. 4. O evento formado por número menor que três. 5. A probabilidade do evento número menor que três.

3. A probabilidade do evento de números pares. 4. O evento formado por número menor que três. 5. A probabilidade do evento número menor que três. 1 a Lista de Exercício - Estatística (Probabilidade) Profa. Ms. Ulcilea A. Severino Leal Algumas considerações importantes sobre a resolução dos exercícios. (i) Normas da língua culta, sequência lógica

Leia mais

Experiências Aleatórias. Espaço de Resultados. Acontecimentos

Experiências Aleatórias. Espaço de Resultados. Acontecimentos Experiências Aleatórias. Espaço de Resultados. Acontecimentos Experiência Aleatória É uma experiência em que: não se sabe exactamente o resultado que se virá a observar; conhece-se o universo dos resultados

Leia mais

DISTRIBUIÇÃO BINOMIAL

DISTRIBUIÇÃO BINOMIAL Universidade Federal de Viçosa - CCE / DPI Inf 161 - Iniciação à Estatística / INF 16 Estatística I Lista de Exercícios: Cap. 4 - Distribuições de Variáveis Aleatórias DISTRIBUIÇÃO BINOMIAL 1. Determine

Leia mais

Teoria das Probabilidades

Teoria das Probabilidades Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento

Leia mais

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos

PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Primeira Lista de Exercícios de junho de 0 Quantos códigos de quatro letras podem ser construídos usando-se as letras a, b, c, d, e, f se: a nenhuma letra puder ser repetida? b qualquer

Leia mais

Probabilidade. Definições e Conceitos

Probabilidade. Definições e Conceitos Probabilidade Definições e Conceitos Definições Probabilidade Medida das incertezas relacionadas a um evento chances de ocorrência de um evento Exemplos: Probabilidade de jogar um dado e cair o número

Leia mais

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues

Unidade III ESTATÍSTICA. Prof. Fernando Rodrigues Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,

Leia mais

INE 5118 Exercícios variáveis aleatórias Exemplo 1 - Uma fábrica produz recipientes de vidro. Existe uma probabilidade igual a 0,2 de produzir um

INE 5118 Exercícios variáveis aleatórias Exemplo 1 - Uma fábrica produz recipientes de vidro. Existe uma probabilidade igual a 0,2 de produzir um Exemplo 1 - Uma fábrica produz recipientes de vidro. Existe uma probabilidade igual a 0, de produzir um recipiente defeituoso. Antes que esses recipientes sejam estocados, eles são inspecionados e os defeituosos

Leia mais

Introdução à Probabilidade

Introdução à Probabilidade A Teoria de Probabilidade é responsável pelo estudo de fenômenos que envolvem a incerteza (é impossível prever antecipadamente o resultado) e teve origem na teoria de jogos, servindo como ferramenta para

Leia mais

CAIXA ECONOMICA FEDERAL. Prof. Sérgio Altenfelder

CAIXA ECONOMICA FEDERAL. Prof. Sérgio Altenfelder 14.) (ICMS-MG/05) Um empréstimo contraído no início de abril, no valor de R$ 15.000,00 deve ser pago em dezoito prestações mensais iguais, a uma taxa de juros compostos de 2% ao mês, vencendo a primeira

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Lista de Exercícios 4

Lista de Exercícios 4 Introdução à Teoria de Probabilidade. Informática Biomédica. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 30 de maio de 2007. Lista de Exercícios 4 são difíceis, são bem mais difíceis.

Leia mais

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aleatórias Discretas ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 03: Variáveis Aleatórias Discretas Qual a similaridade na natureza dessas grandezas? Tempo de espera de um ônibus

Leia mais

CE Estatística I

CE Estatística I CE 002 - Estatística I Agronomia - Turma B Professor Walmes Marques Zeviani Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná 1º semestre de 2012 Zeviani,

Leia mais

INTRODUÇÃO À PROBABILIDADE

INTRODUÇÃO À PROBABILIDADE INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo

Leia mais

Variáveis Aleatórias Discretas - Esperança e Variância

Variáveis Aleatórias Discretas - Esperança e Variância Exemplo Um empresário pretende estabelecer uma firma para montagem de um componente mecânico. Cada peça é composta de duas partes, A e B, cada uma com uma chance específica de ser defeituosa. Só é possível

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

ESTATÍSTICA EXPLORATÓRIA

ESTATÍSTICA EXPLORATÓRIA ESTATÍSTICA EXPLORATÓRIA Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 07-08 Probabilidade Apanhado Geral Seguimos nossas discussões sobre a Incerteza Decidir usualmente envolve incerteza Uma presa

Leia mais

Uma estatística é uma característica da amostra. Ou seja, se

Uma estatística é uma característica da amostra. Ou seja, se Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral

Leia mais

Estatística para Cursos de Engenharia e Informática

Estatística para Cursos de Engenharia e Informática Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.

Leia mais

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado.

Efeito. Causas. Determinístico. Sistema Real. Probabilístico. Experiência para o qual o. modelo probabilístico é adequado. Sistema Real Determinístico Probabilístico Causas Efeito X Causas Efeito Eperiência para o qual o modelo probabilístico é adequado. ❶ Não é possível prever um resultado particular, mas pode-se enumerar

Leia mais

Cálculo das Probabilidades e Estatística I

Cálculo das Probabilidades e Estatística I Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Modelos de distribuição Para utilizar a teoria

Leia mais

LISTA DE EXERCÍCIOS 2 VARIÁVEIS ALEATÓRIAS

LISTA DE EXERCÍCIOS 2 VARIÁVEIS ALEATÓRIAS Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Departamento de Matemática MTM 5 Estatística Turma 22 Professor: Rodrigo Luiz Pereira Lara LISTA DE EXERCÍCIOS 2 VARIÁVEIS ALEATÓRIAS

Leia mais

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19

Probabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Esperança e Variância 06/14 1 / 19 Nos modelos matemáticos aleatórios parâmetros podem ser

Leia mais

AULA 07 Distribuições Discretas de Probabilidade

AULA 07 Distribuições Discretas de Probabilidade 1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Eisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos:

Eisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos: Eisencraft e Loiola 2.1 Probabilidade 37 Modelo matemático de experimentos Para resolver problemas de probabilidades são necessários 3 passos: a Estabelecimento do espaço das amostras b Definição dos eventos

Leia mais

Probabilidade. Evento (E) é o acontecimento que deve ser analisado.

Probabilidade. Evento (E) é o acontecimento que deve ser analisado. Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos

Leia mais

ESTATÍSTICA I LISTA DE EXERCÍCIOS 2 GABARITO

ESTATÍSTICA I LISTA DE EXERCÍCIOS 2 GABARITO ESTATÍSTICA I LISTA DE EXERCÍCIOS 2 GABARITO 1. (Magalhães e Lima, pg 40) Para cada um dos casos abaixo, escreva o espaço amostral correspondente e conte seus elementos: (a) Uma moeda é lançada duas vezes

Leia mais

T o e r o ia a da P oba ba i b lida d de

T o e r o ia a da P oba ba i b lida d de Teoria da Probabilidade Prof. Joni Fusinato Teoria da Probabilidade Consiste em utilizar a intuição humana para estudar os fenômenos do nosso cotidiano. Usa o princípio básico do aprendizado humano que

Leia mais

Probabilidade. Experiências aleatórias

Probabilidade. Experiências aleatórias Probabilidade Experiências aleatórias 1 Experiências aleatórias Acontecimento: Qualquer colecção de resultados de uma experiência. Acontecimento elementar: Um resultado que não pode ser simplificado ou

Leia mais

EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias

EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias EST029 Cálculo de Probabilidade I Cap. 6: Caracterização Adicional de Variáveis Aleatórias Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Motivação Suponha que tenhamos um experimento onde a probabilidade

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI Teoria de Probabilidade FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhanguene, Av. de Moçambique, km, Tel: +5 4007, Fax: +5 400, Maputo Cursos de Licenciatura em Ensino de Matemática e de

Leia mais

CAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade.

CAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade. PROBABILIDADE CAPÍTULO 4 PROBABILIDADE UFRGS A Teoria das s estuda os fenômenos aleatórios. Fenômeno Aleatório: são os fenômenos cujo resultado não pode ser previsto exatamente. Se o fenômeno se repetir,

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA

UNIVERSIDADE FEDERAL DA PARAÍBA UNIVERSIDADE FEDERAL DA PARAÍBA Probabilidade Departamento de Estatística UFPB Luiz Medeiros Introdução Encontramos na natureza dois tipos de fenômenos Determinísticos: Os resultados são sempre os mesmos

Leia mais

Estatística

Estatística Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,

Leia mais

Medidas de Dispersão 1

Medidas de Dispersão 1 Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Dispersão 1 Introdução Uma breve reflexão sobre as medidas de tendência central permite-nos concluir que elas não

Leia mais

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine)

Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Revisão de distribuições de probabilidades contínuas (Capítulo 6 Levine) Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc. Chap 6-1 Objetivos: Neste capítulo, você aprenderá:

Leia mais

TECNÓLOGO EM CONSTRUÇÃO CIVIL. Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega

TECNÓLOGO EM CONSTRUÇÃO CIVIL. Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega 1 TECNÓLOGO EM CONSTRUÇÃO CIVIL Aula 5 _ Função Polinomial do 1º Grau Professor Luciano Nóbrega 2 FUNÇÃO POLINOMIAL DO 1º GRAU Uma função polinomial do 1º grau (ou simplesmente, função do 1º grau) é uma

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a

Leia mais

Técnicas de Contagem I II III IV V VI

Técnicas de Contagem I II III IV V VI Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de

Leia mais

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos

Universidade Federal de Alfenas Programa de Pós-graduação em Estatística Aplicada e Biometria-PPGEAB Prova de Conhecimentos Específicos -PPGEAB Dados que podem ser necessários na resolução de algumas questões: Quantis de distribuições P (t > t α ) = α P (F > F 0,05 ) = 0, 05 ν 1 ν 0,05 0,025 ν 2 42 43 56 57 89 1,66 1,99 42 1,67 1,67 1,63

Leia mais

Variável Aleatória Poisson. Número de erros de impressão em uma

Variável Aleatória Poisson. Número de erros de impressão em uma EST029 Cálculo de Probabilidade I Cap. 7. Principais Variáveis Aleatórias Discretas Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Variável Aleatória Poisson Caraterização: Usa-se quando o experimento

Leia mais

1.4.2 Probabilidade condicional

1.4.2 Probabilidade condicional M. Eisencraft 1.4 Probabilidades condicionais e conjuntas 9 Portanto, P(A B) = P(A)+P(B) P(A B) (1.2) Para eventos mutuamente exclusivos, P(A B) = e P(A)+P(B) = P(A B). 1.4.2 Probabilidade condicional

Leia mais

Tópicos. Conjuntos Fatorial Combinações Permutações Probabilidade Binômio de Newton triângulo de Pascal

Tópicos. Conjuntos Fatorial Combinações Permutações Probabilidade Binômio de Newton triângulo de Pascal Probabilidade Tópicos Conjuntos Fatorial Combinações Permutações Probabilidade Binômio de Newton triângulo de Pascal Conjuntos Conjunto: Na matemática, um conjunto é uma coleção de elementos com características

Leia mais

Cálculo das Probabilidades I

Cálculo das Probabilidades I Cálculo das Probabilidades I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Função Geradora de Momentos 10/13 1 / 19 Calculamos algumas características da

Leia mais

Coordenadoria de Matemática. Apostila de Probabilidade

Coordenadoria de Matemática. Apostila de Probabilidade Coordenadoria de Matemática Apostila de Probabilidade Vitória ES 1. INTRODUÇÃO CAPÍTULO 03 Quando investigamos algum fenômeno, verificamos a necessidade de descrevê-lo por um modelo matemático que permite

Leia mais

a) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36

a) Considerando o lançamento de dois dados, o espaço amostral é Tabela 1: Tabela de distribuição de X. X P 11/36 9/36 7/36 5/36 3/36 1/36 1 Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico

Leia mais

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS

DISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações

Leia mais

Tópico 3. Estudo de Erros em Medidas

Tópico 3. Estudo de Erros em Medidas Tópico 3. Estudo de Erros em Medidas A medida de uma grandeza é obtida, em geral, através de uma experiência, na qual o grau de complexidade do processo de medir está relacionado com a grandeza em questão

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Teste de hipóteses Objetivo: Testar uma alegação sobre um parâmetro: Média, proporção, variação e desvio padrão Exemplos: - Um hospital alega que o tempo de resposta de sua ambulância é inferior a dez

Leia mais

Universidade Federal de Goiás Instituto de Matemática e Estatística

Universidade Federal de Goiás Instituto de Matemática e Estatística Universidade Federal de Goiás Instituto de Matemática e Estatística Prova 1 de Probabilidade I Prof.: Fabiano F. T. dos Santos Goiânia, 15 de setembro de 2014 Aluno: Nota: Descreva seu raciocínio e desenvolva

Leia mais

Introdução à Inferência Estatística

Introdução à Inferência Estatística Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16

Leia mais

Lista 2 de exercícios

Lista 2 de exercícios Lista 2 de exercícios 1. (ANDRADE; OGLIARI, 2010) Defina um espaço amostral para os seguintes experimentos aleatórios: a. Investigam-se famílias com quatro crianças, anotando-se a configuração conforme

Leia mais

Módulo de Introdução à Probabilidade. Ferramentas Básicas. 2 a série E.M.

Módulo de Introdução à Probabilidade. Ferramentas Básicas. 2 a série E.M. Módulo de Introdução à Probabilidade Ferramentas Básicas. a série E.M. Probabilidade Ferramentas Básicas Exercícios Introdutórios Exercício. Uma prova é composta por 5 questões de múltipla escolha com

Leia mais

Cap. 4 - Probabilidade

Cap. 4 - Probabilidade Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 4 - Probabilidade APOIO: Fundação de Apoio à Pesquisa

Leia mais

Probabilidade Condicional e Independência

Probabilidade Condicional e Independência Meyer, P. L., Probabilidade: aplicações à Estatística, 2ª edição, Livros Técnicos e Científicos Editora, Rio de Janeiro, 1983. 1. A urna 1 contém x bolas brancas e y bolas vermelhas. A urna 2 contém z

Leia mais

Introdução à Probabilidade - parte III

Introdução à Probabilidade - parte III Introdução à Probabilidade - parte III Erica Castilho Rodrigues 02 de Outubro de 2012 Eventos Independentes 3 Eventos Independentes Independência Em alguns casos podemos ter que P(A B) = P(A). O conhecimento

Leia mais

1ª LISTA DE EXERCÍCIOS

1ª LISTA DE EXERCÍCIOS DISCIPLINA: CÁLCULO DAS PROBABILIDADES E ESTATÍSTICA I PROF. LUIZ MEDEIROS PERÍODO: 2013.2 1ª LISTA DE EXERCÍCIOS 1) Classifique as seguintes variáveis (Nominal, Ordinal, Discreta e Continua): a) Número

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística PETROBRAS ENGENHEIRO(A) DE PETRÓLEO JÚNIOR ENGENHEIRO(A) DE EQUIPAMENTOS JÚNIOR - MECÂNICA ENGENHEIRO(A) DE EQUIPAMENTOS JÚNIOR - ELÉTRICA ENGENHEIRO(A) DE EQUIPAMENTOS JÚNIOR - ELETRÔNICA QUÍMICO(A) DE

Leia mais

Fernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR)

Fernando de Pol Mayer. Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative

Leia mais