Exercícios para a Apostila GET Teoria das Probabilidade II. Prof a : Jessica Kubrusly
|
|
- Caio Azambuja Valgueiro
- 7 Há anos
- Visualizações:
Transcrição
1 Exercícios para a Apostila GET Teoria das Probabilidade II Prof a : Jessica Kubrusly
2 Capítulo 1: Variáveis Aleatórias 1.1. Considere o seguinte experimento: dispositivos eletrônicos são selecionados, de forma sequencial e ao acaso, e testados até que seja encontrado um cujo tempo de funcionamento seja menor que 10 minutos, nesse momento o experimento é encerrado. Em cada item a seguir uma variável aleatória é definida baseada neste experimento. Para cada uma delas defina a sua imagem e em seguida classifique a variável aleatória como discreta ou não. (a) X é o número de dispositivos testados. (b) Y é o número de dispositivos que duraram mais de 30 min, entre todos os testados. (c) Z é o maior tempo de funcionamento (em minutos) entre os dispositivos testados. (d) W é igual a 1 se foram testados mais de 100 dispositivos e 0 caso contrário. (e) Defina uma outra v.a., indique a sua imagem e classifique-a como discreta ou não Considere o experimento de lançar uma moeda 3 vezes. (a) Defina um espaço amostral para esse experimento. (b) Determine a probabilidade associada à cada elemento do espaço amostral. Para esse experimento considere a variável aleatória X como a diferença entre o número de caras e o número de coroas. (c) Defina Im(X) e classifique X como v.a. discreta ou não. (d) Encontre a função de distribuição de X e esboce seu gráfico Cada item a seguir apresenta a função de distribuição de alguma variável aleatória. Para cada item faça o seguinte: (i) Defina Im(X); (ii) Diga se X é discreta ou não, justifique sua resposta; (iii) Diga se X é contínua ou não, justifique sua resposta. 0, x < 3; 1/3, 3 x < 2; (a) F (x) = 2/3, 2 x < 1; 1, x 1. 0, x < 0; x/3, 0 x < 1; (c) F (x) = (x + 1)/3, 1 x < 2; 1, x 2. 0, x < 0; (b) F (x) = x, 0 x < 1; 1, x 1. (d) F (x) = 0, x < 0; 0, 2, 0 x < 1/3; 0, 5, 1/3 x < 2/3; 0, 8, 2/3 x < 1; 1, x Seja X uma variável aleatória com função distribuição definida por: 0, x < 0; F X (x) = x 2, 0 x < 1; 1, x 1. (a) Desenhe o gráfico de F X e verifique as propriedades da função de distribuição. (b) Classifique X como variável aleatória discretas ou contínua. (c) Defina a imagem da variável aleatória X.
3 (d) Calcule P(X > 0.3), P(X 0.3), P(X = 0.3), P(0.3 X 0.8) Seja X uma variável aleatória com função distribuição definida por: 0, x < 1/2; 1/3, 1/2 x < 1; F X (x) = 2/3, 1 x < 3/2; 1, x 3/2. (a) Desenhe o gráfico de F X e verifique as propriedades da função de distribuição. (b) Classifique X como variável aleatória discretas ou contínua. (c) Defina a imagem da variável aleatória X. (d) Calcule P(X > 1), P(X 1), P(X = 1), P(1 X 2) ([Magalhães, 2011] - Exercício 5 - Seção 2.2) Determine as constantes a e b, para que a função G seja função de distribuição de alguma variável aleatória contínua. G(x) = a 2b, x < 0; ax, 0 x < 1; a + b(x 1), 1 x < 2; 1, x Seja Y v.a. com função de distribuição G definida no exercício 1.6. acima. (a) Esboce o gráfico de G. (b) Defina a imagem da variável aleatória Y. (c) Calcule P(Y > 1, 5) e P(0 < Y < 1, 5) ([Magalhães, 2011] - Exercício 7 - Seção 2.2) A variável X tem função de distribuição dada por: 0, x < 1; 1/2, 1 x < 1/2; F (x) = 3/4, 1/2 x < 2; 1, x 2. (a) Classifique a variável X. (b) Expresse P(X 0) e P(X > 0) em termos de F e calcule seus valores. (c) Expresse P(X 1) e P(X > 1) em termos de F e indique os valores obtidos. Comente sobre as diferenças em relação ao resultado do item (b) ([Magalhães, 2011] - Exercício 9 - Seção 2.2) A variável X tem função de distribuição dada por: F (x) = (a) Obtenha o valor de c. (b) Classifique a variável X. (c) Determine P(X 3 2 X < 4). 0, x < 1; 1 c (1 e (x 1) ), 1 x < 2; 1 c (1 e 1 + e 2 e 2(x 1) ), x Decida se as seguintes afirmações são verdadeiras ou falsas. Prove as suas respostas. (a) Se F é função de distribuição, então 2F também é. (b) Se F é função de distribuição, então F 2 também é.
4 Capítulo 2: Variáveis Aleatórias Discretas 2.1. ([Ross, 2010] - Probelma Capítulo 4) Duas bolas são selecionadas, de forma aleatória e sem reposição, de uma urna contendo 8 bolas brancas, 4 bolas pretas e 2 laranjas. Suponha que ganhamos R$ 2,00 por cada bola preta selecionada e perdemos R$ 1,00 por cada bola branca. Seja X valor arrecadado (ou perdido) depois de retirar as duas bolas. Quais os possíveis valores de X e quais as probabilidades associadas a cada um desses valores? 2.2. ([Ross, 2010] - Problema Capítulo 4) Três dados são lançados. Assumindo que cada uma das 6 3 = 216 saídas são igualmente prováveis, encontre a função de probabilidade da variável aleatória X definida pela soma dos valores dos três dados ([Ross, 2010] - Problemas 4.7 e Capítulo 4) Suponha o experimento de jogar dois dados. Para cada variável aleatória definida a seguir determine a sua imagem, a sua função de probabilidade e a sua função de distribuição. (a) X é o valor máximo entre as duas saídas. (b) Y é a soma das duas saídas ([DeGroot e Schervish, 2012] - Exemplo 9 - pág.100) Suponha que uma variável aleatória X tenha distribuição discreta dada pela função de probabilidade { c, x = 0, 1, 2,..., p X (x) = 2x 0, caso contrário. Determine o valor da constante c ([Farias e Laurencel, 2008] - Exemplo pág.30) O tempo T, em minutos, necessário para um operário processar certa peça é uma v.a. discreta com função de probabilidade definida na tabela abaixo. t p T (t) 0, 1 0, 1 0, 3 0, 2 0, 2 0, 1 Para cada peça processada, o operário ganha um fixo de 2 u.m. (unidade monetária) mas, se ele processa a peça em menos de 6 minutos, ganha 0, 50 u.m. por cada minuto poupado. Encontre a função de distribuição da v.a. G = quantia (em u.m.) ganha por peça Considere uma urna com 2 bolas brancas e 1 bola preta. Suponha o experimento de retirar, com reposição, 4 bolas dessa urna. Seja X = número de bolas brancas nas quatro retiradas. (a) Encontre a função de probabilidade da v.a. X, isto é, p X. (b) Calcule E(X). Defina Y = número de bolas pretas nas quatro retiradas. (c) Escreva Y como função de X e, usando as propriedades do valor esperado, calcule E(Y ).
5 (d) Encontre, a partir de p X, a função de probabilidade da v.a. Y, isto é, p Y. (e) Encontre novamente E(Y ), agora a partir de p Y. (f) Encontre Var(X) e Var(Y ) ([Magalhães, 2011] - Exercício 4 - Seção 4.2) Determine E(X), sendo a função de distribuição da variável X é dada por: 0, x < 2; 1/2, 2 x < 0; F (x) = 5/8, 0 x < 1; 7/8, 1 x < 2; 1, x Seja X variável aleatória com função distribuição 0, x 1 1/8, 1 x < 1/2 3/8, 1/2 x < 0 F (x) = 1/2, 0 x < 1/2 3/4, 1/2 x < 1 1, x 1. (a) Calcule E(X). (b) Calcule E(X 2 ) a partir da distribuição de X. (c) Calcule E(X 2 ) a partir da distribuição de X 2. (d) Calcule Var(X) ([Ross, 2010] - Problema 20 - Capítulo 4) Um livro sobre jogos de azar recomenda a seguinte estratégia para o jogo de roleta. O jogador aposta R$ 1,00 no vermelho. Se sair um vermelho (probabilidade 18/38 de ocorrer), o jogador deve pegar seu dinheiro (R$ 1,00 da aposta mais R$ 1,00 de lucro) e sair do jogo. Se não sair o vermelho (probabilidade 20/38 de ocorrer), para as duas rodadas seguintes o jogador deve fazer apostas adicionais de R$ 1,00 no vermelho e então sair do jogo. Seja X o ganho (ou perda, no caso de ganho negativo) do jogador depois que ele saiu do jogo. (a) Encontre P(X > 0). (b) Você está convencido de que essa estratégia é realmente uma estratégia de vitória? Explique sua resposta? (c) Encontre E(X) ([Ross, 2010] - Problemas 21 e 37 - Capítulo 4) Quatro ônibus escolares transportam 148 alunos. Os números de alunos por ônibus são: 40, 33, 25 e 50. Considere o experimento de escolher de forma aleatória um entre os 148 alunos. Seja X o número de alunos no ônibus do aluno escolhido. Agora suponha que um entre os quatro motoristas é escolhido, também de forma aleatória. Seja Y o número de alunos no ônibus do motorista escolhido. (a) Quem você acha que e maior, E(X) ou E(Y )? Por quê? (b) Calcule E(X) e E(Y ). (c) Calcule Var(X) e Var(Y ).
6 2.11. Em uma urna existem 5 bolas, entre as quais 2 são vermelhas. Suponha que bolas sejam retiradas, uma a uma e sem reposição, até que as duas vermelhas sejam observadas. Isto é, quando as duas vermelhas aparecerem termina o experimento. Encontre o número esperado de bolas retiradas dessa urna Um laptop de 3000 reais está sendo rifado. O responsável pela rifa está vendendo números que custam 1 real cada. Se você compra um número, qual é o seu ganho esperado? Se você compra 100 números, qual é o seu ganho esperado? Encontre a variância do seu ganho em ambos os casos ([Ross, 2010] - Problema 38 - Capítulo 4) Se E(X) = 1 e Var(X) = 5, encontre (a) E((2 + X) 2 ); (b) Var(4 + 3X) Decida se a afirmação a seguir é falsa ou verdadeira. Demonstre se ela for verdadeira ou apresente um contra-exemplo no caso dela ser falsa. Seja X uma variável aleatória, então E(1/X) = 1/ E(X) ([Ross, 2010] - Problema 30 - Capítulo 4) - Paradoxo de São Petersburgo Uma pessoa lança uma moeda justa até aparecer coroa pela primeira vez. Se a coroa aparecer no n-ésimo lançamento, a pessoa ganha 2 n reais. Seja X o ganho dessa pessoa. (a) Mostre que E(X) =. (b) Você pagaria R$ 1 milhão para jogar esse jogo uma única vez? (c) Você pagaria R$ 1 milhão por cada partida se você pudesse jogar quantas partidas quisesse e só pagasse a conta no final, quando parasse de jogar?
7 Capítulo 3: Algumas Distribuições Discretas 3.1. Suponha uma urna com 10 bolas, entre as quais 4 são brancas. Para cada item a seguir determine a variável aleatória em questão, identifique o modelo adequado para essa variável aleatória e calcule a probabilidade pedida. (a) Se forem retiradas 8 bolas, com reposição, qual a probabilidade de saírem pelo menos 3 bolas brancas? (b) Se forem retiradas 8 bolas, sem reposição, qual a probabilidade de saírem mais de 3 bolas brancas? (c) Se as bolas forem retiradas com reposição, qual a probabilidade da terceira bola branca sair ser na 8 a retirada? (d) Se as bolas forem retiradas com reposição, qual a probabilidade da primeira bola branca sair depois da 8 a retirada? (e) E se a urna tivesse 1000 bolas, entre as quais 4 fossem brancas. Qual a probabilidade aproximada de saírem 3 bolas brancas entre 80 retiradas com reposição? 3.2. Suponha que itens são inspecionados, um a um, numa linha de montagem e que a probabilidade de que um dado item tenha que ser reparado, devido a algum tipo de defeito, seja de 1/30. Imagine que a linha de montagem vai entrar em operação em breve. Pergunta-se: (a) Qual é a quantidade esperada de itens adequados que são encontrados antes que cinco voltem para reparo? (b) Qual é a probabilidade que o primeiro item com defeito apareça depois de que os 10 primeiro itens sejam considerados adequados ([Farias e Laurencel, 2008] - ex.2.5 pág.61) Um supermercado faz a seguinte promoção: o cliente, ao passar pelo caixa, lança um dado. Se sair face 6 tem um desconto de 30% sobre o total de sua conta. Se sair face 5 o desconto é de 20%. Se sair face 4 o desconto é de 10% e se ocorrerem faces 1, 2 ou 3, o desconto é de 5%. Seja X = desconto concedido. (a) Encontre a função de distribuição de probabilidade de X. (b) Calcule o desconto médio concedido. (c) Calcule a probabilidade de que, num grupo de 5 clientes, pelo menos um consiga um desconto maior que 10%. (d) Calcule a probabilidade de que o quarto cliente seja o primeiro a receber 30% de desconto Na Lotofácil são sorteados 15 entre os 25 números existentes. O apostador pode escolher 15, 16, 17 ou 18 números para apostar. O apostador ganha o prêmio máximo se entre os números escolhidos por ele estiverem os 15 números sorteados. Calcule a probabilidade de um apostador ganhar o prêmio máximo apostando em: (a) 15 números; (b) 16 números; (c) 17 números; (d) 18 números.
8 3.5. Considere o jogo da Lotofácil descrita no exercício anterior. Nesse tipo de jogo o apostador gasta R$ 1,50, R$ 24,00, R$ 204,00 ou R$ 1.224,00 para apostar, respectivamente, em 15, 16, 17 ou 18 números. Desconsiderando ganhos diferente do prêmio máximo, calcule o ganho médio do apostador para cada tipo de aposta, supondo que o prêmio máximo para o próximo sorteio seja de R$ , ([Magalhães, 2011] - Seção 2.3) (a) Se X Binomial(n, p), qual é o modelo de Y = n X? (b) Se X Geométrica(p), qual é o modelo de Y = X 1? 3.7. ([Magalhães, 2011] - Seção 2.3) Dentre os estudantes João, Pedro e Manoel, o professor escolhe ao acaso um deles para fazer uma pergunta. Suponha que esse procedimento (sortear um estudante e fazer uma pergunta) seja repetido 5 vezes. Qual a probabilidade de: (a) Manoel nunca ser escolhido? (b) Um (qualquer) dos estudantes não ter sido escolhido para responder sequer uma pergunta? 3.8. ([Magalhães, 2011] - Seção 2.3) Uma vacina, com taxa de imunização de 80% segundo o fabricante, foi aplicada num conjunto de crianças de um certo bairro. As autoridades de saúde desejam se certificar se a taxa de imunização tem efetivamente o valor indicado. Para tal, 20 crianças foram sorteadas dentre as que receberam a vacina e foram submetidas a testes rigorosos para avaliar a sua imunização. (a) Sendo a afirmação do fabricante verdadeira, qual seria a probabilidade de obter 3 crianças não imunizadas no grupo de 20 crianças? (b) Se você fosse encarregado de decidir sobre a aceitação ou não da afirmação do fabricante, que critério você estabeleceria? 3.9. ([Magalhães, 2011] - Seção 2.3) O número de chegadas a um posto de informações turísticas é modelado por um modelo Poisson com taxa de 2 pessoas por hora. Para uma hora qualquer, qual a probabilidade de ocorrer: (a) Pelo menos uma chegada? (b) Mais de duas chegadas, dado que chegaram menos de 5 pessoas? ([Ross, 2010] - Capítulo 4) Uma empresa que produz disquetes sabe que a probabilidade de um disquete ser produzido com defeito é de 0,01, independente um do outro. A empresa vende os disquetes em caixas com 10 unidades. Ela garante que o cliente pode devolver uma caixa de disquetes caso esta contenha mais de um disquete com defeito. Suponha que um cliente comprou 3 caixas de disquete, qual a probabilidade dele devolver exatamente um caixa ([Magalhães, 2011] - Seção 2.3) Suponha que uma impressora de alta velocidade cometa erros segundo um modelo de Poisson com taxa de 2 erros por página. (a) Qual a probabilidade de encontrar pelo menos um erro em uma página escolhida ao acado?
9 (b) Se 5 páginas são sorteadas, ao acaso e de forma independente, qual é a probabilidade de pelo menos 1 página conter pelo menos 1 erro? (c) Dentro das condições de (b), considere a variável que conta o número de páginas com pelo menos um erro. Você identifica o modelo dessa variável? Uma moeda não justa é tal que, em média, para sair a 2 a cara ela tem que ser jogada 5 vezes. Determine, para essa moeda, a probabilidade de sair cara quando ela é jogada uma única vez ([Ross, 2010] - Capítulo 4) Aproximadamente casamentos ocorreram na cidade do Rio de Janeiro no último ano. Calcule, tanto pela forma precisa quanto pela aproximada, a probabilidade em pelo menos um desses casais (a) ambos terem nascido no dia 30 de abril; (b) ambos fazerem aniversário no mesmo dia do ano? Por que nesse exemplo podemos fazer as contas aproximadas? Um distribuidor recebe um lote de 100 peças de um fornecedor. Como não é possível verificar todas as 100 peças o distribuidor realiza uma inspeção por amostragem, isto é, o distribuidor seleciona aleatoriamente 10 peças do lote e verifica se cada uma delas apresenta defeito. O lote será aceito pelo distribuidor se não houver peças com defeito na amostra. (a) Considerando que a amostra é recolhida com reposição calcule a probabilidade de um lote com 6 peças com defeito ser aceito pelo distribuidor. (b) Considerando que a amostra é recolhida sem reposição calcule a probabilidade de um lote com 6 peças com defeito ser aceito pelo distribuidor. (c) Para cada um dos itens acima qual deveria ser o tamanho da amostra (menor possível) para garantir que a probabilidade do distribuidor aceitar um lote com 6 peças seja menor que 0,10? Para cada item a seguir primeiro mostre que p X é função de probabilidade e em seguida identifique a distribuição de probabilidade da varável aleatória X. (a) p X (x) = 1 2 x e 2, x = 0, 1, 2,... x! (b) p X (x) = 3 ( ) 2 x, x = 1, 2, 3, ( ) ( ) (c) p X (x) = x 3 x, x = 0, 1, 2,..., ( ) 1 x (d) p X (x) = 4(x 1), x = 2, 3, 4, 5,... 3
10 Capítulo 4: Variáveis Aleatórias Contínuas 4.1. ([Ross, 2010] - Capítulo 5) Seja X uma variável aleatória com função densidade definida por: { C(1 x f X (x) = 2 ), 1 < x < 1 0, caso contrário (a) Determine o valor de C. (b) Determine F X, isto é, a função de distribuição de X. (c) Qual a probabilidade de X assumir valores positivos e menores que 1 2? 4.2. ([Magalhães, 2011] - Seção 2.5) Obtenha o valor (ou valores) de c, para que as expressões abaixo sejam funções densidade. 0, x 1; (a) f(x) = cx, 1 < x 0; ce 6x, x > 0. (b) f(x) = cx 2 I ( c,c) (x). (c) f(x) = (c + 1)f 1 (x) cf 2 (x), x R e f 1 e f 2 são densidades ([Magalhães, 2011] - Seção 2.5) Seja X uma variável aleatória contínua com função de distribuição: 0, x 0 x F X (x) = 2 /2, 0 < x 1/2; x 3, 1/2 < x 1; 1, x > 1. (a) Verifique que F satisfaz as propriedades de função distribuição. (b) Obtenha a função de densidade de X Para a variável aleatória do exercício (4.3.) acima faça o que se pede: (a) Esboço os gráficos de F e f e determine a imagem de X. (b) Calcule P(1/3 < X < 2/3) e P(X > 1/3 X < 2/3). (c) Encontre E(X), E(2X + 1) e E(2/X). (d) Encontre Var(X), Var(1 3X) e Var(X 2 ) ([Magalhães e de Lima, 2002] - Seção 6.1) O tempo, em minutos, de digitação de um texto por secretárias experientes é uma variável aleatória contínua X. Sua densidade é apresentada a seguir. 1 4, se 0 x < 2 1 f X (x) = 8, se 2 x < 6 Determine: 0, caso contrário.
11 (a) A probabilidade de uma secretária experiente qualquer demorar mais de 3 minutos para digitar o texto. (b) A probabilidade de uma secretária experiente qualquer demorar entre 1 e 4 minutos para digitar o texto. (c) A probabilidade de uma secretária experiente qualquer demorar menos de 3 minutos para digitar o texto, dado que ela já está digitando o texto a 1 minuto. (d) Um número b tal que P(X > b) = 0, 6. (e) O valor esperado e a variância de X ([Magalhães e de Lima, 2002] - Seção 6.1) A quantia gasta anualmente, em milhões de reais, na manutenção do asfalto em uma cidade do interior é representada pela variável aleatória Y com densidade dada por: f Y (y) = 8 9 y 4 9, 0, 5 y < 2. (a) Qual a probabilidade de se gastar menos de 0,8 milhões em um ano na manutenção do asfalto nesta cidade? (b) Sabendo que já foram gastos mais de 1 milhão na manutenção do asfalto nesta cidade, qual a probabilidade deste gasto ser menor que 1,5 milhões? (c) Determine o valor esperado e a variância de Y. (d) Determine a mediana de Y. OBS: a mediana m de uma v.a. Y é tal que P(Y < m) = P(Y > m) = 1/ ([Magalhães e de Lima, 2002] - Seção 6.1) Numa certa região, fósseis de pequenos animais são frequentemente encontrados e um arqueólogo estabeleceu o seguinte modelo probabilístico para o comprimento, em centímetros, desses fósseis. f(x) = (a) Faça o gráficos da função de densidade. x/40, 4 x < 8; x/20 + 3/5, 8 x < 10; 1/10, 10 x < 11; 0, caso contrário. (b) Para um fóssil encontrado nessa região, determine a probabilidade do comprimento ser inferior a 6cm. Determine também a probabilidade do comprimento ser superior a 5cm e inferior a 10,5cm. (c) Encontre o comprimento médio dos fósseis dessa região ([Farias e Laurencel, 2009] - ex.1.2 pág.22) A demanda diária de arroz num supermercado, em centenas de quilos, é uma variável aleatória com função de densidade de probabilidade 2x/3, 0 x < 1; f X (x) = x/3 + 1, 1 x < 3; 0, caso contrário. (a) Qual é a probabilidade de se vender mais de 150 kg num dia escolhido ao acaso? (b) Qual a quantidade de arroz que deve ser deixada à disposição dos clientes diariamente para que não falte arroz em 95% dos dias?
12 4.9. ([Farias e Laurencel, 2009] - ex.1.4 pág.25) Calcule E(X) e Var(X) da variável aleatória X com função de distribuição acumulada F X dada por 0, x 0 F X (x) = x 5, 0 < x < 1 1, x ([Ross, 2010] - Capítulo 5) Suponha que o tempo de vida, em horas, de um certo componente eletrônico seja uma variável aleatória contínua com função de densidade definida por: { 10, se x > 10; f X (x) = x 2 0, se x 10; (a) Qual a probabilidade de um desses componentes eletrônicos durar mais de 20 horas? (b) Encontre a função distribuição de X. (c) Qual a probabilidade de, entre 6 desses componentes eletrônicos, pelo menos 3 funcionarem por pelo menos 15 horas? Quais hipóteses é preciso assumir? ([Ross, 2010] - Capítulo 5) Um posto de gasolina recebe combustível uma vez por semana. Sua venda semanal, em milhares de galões de combustível, pode ser definida como uma variável aleatória contínua com função densidade definida por: { 5(1 x) 4, se 0 < x < 1; f X (x) = 0, caso contrário. Qual o tamanho do tanque desse posto para que a probabilidade dele ficar vazio antes de acabar a semana seja menor que 0.01? ([Ross, 2010] - Capítulo 5) Encontre E(X) se X tem função densidade dada por: { 1 (a) f(x) = 4 xe x/2, x > 0; (b) f(x) = 0, caso contrário. { 5/x 2, x > 5; (c) f(x) = 0, x ([Magalhães, 2011] - Seção 2.5) Para X com densidade f(x) = 1 x I (0,2) (x), obtenha: { c(1 x 2 ), 1 < x < 1; 0, caso contrário. (a) A função de distribuição de X. (Dica: faça primeiro o gráfico de f) (b) P(X > 1/2). (c) P(X < 2/3 X > 1/2). (d) E(X) e Var(X) Seja X variável aleatória contínua com função de distribuição dada por: 0, x < 2; x F X (x) = 2 1, 2 x 4 1, x > 4 Determine: (a) P(1 X 3) (b) P( 1 X 1) (c) P(X > 3 X > 2.5) (d) E(X) e Var(X) (e) E(3X 2) e Var(3X 2) (f) E(X 3 + 1) e Var(X 3 + 1) Suponha que X seja uma variável aleatória de média 10 e variância 25. Para quais valores de a e b a variável aleatória Y = ax + b terá média 0 e variância 1?
13 Capítulo 5: Algumas Distribuições Contínuas 5.1. ([Ross, 2010] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:00h; e trens partem para a cidade B de 15 em 15 minutos, começando às 7:05h. Se um passageiro chega na estação em um instante uniformemente distribuído entre 7:00h e 8:00h, e pegar o primeiro trem que chegar, qual a probabilidade dele ir para a cidade A? 5.2. ([Ross, 2010] - Capítulo 5) Você chega em um ponto de ônibus às 10:00h e sabe que o instante em que o ônibus chega é uniformemente distribuído entre 10:00h e 10:30h. (a) Qual a probabilidade de você ter que esperar o ônibus por mais de 10 minutos? (b) Se até às 10:15h o ônibus ainda não tiver chegado, qual a probabilidade de você ter que esperar pelo menos por mais 10 minutos? 5.3. ([Ross, 2010] - Capítulo 5) Uma pessoa, que tenta acertar um alvo, recebe 10 pontos se o seu tiro for a 1 polegada do alvo, 5 pontos se for entre 1 e 3 polegadas do alvo, e 3 pontos se for entre 3 e 5 polegadas do alvo. Encontre o número esperado de pontos marcados, se a distância entre o tiro e o alvo for uniformemente distribuída entre 0 e ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que: (a) P( 1 < X < 2) = 3/4. (b) P( X < 1) = P( X > 2) ([Ross, 2010] - Capítulo 5) O tempo (em horas) que uma máquina leva para ser consertada é uma variável aleatória exponencial com média de 2 horas. (a) Qual a probabilidade do tempo de reparo ultrapassar de 2 horas? (b) Qual a probabilidade do tempo de reparo ser no máximo de 10 horas, dado que sua duração já excedeu 9 horas? (c) Encontre o tempo de conserto para o qual podemos afirmar com 90% de certeza que a máquina vai ser consertada antes desse tempo? 5.6. ([Ross, 2010] - Capítulo 5) O número de anos que um rádio funciona pode ser considerado uma variável aleatória exponencial com média de 8 anos. Se João comprou um rádio usado, qual a probabilidade dele durar por mais 8 anos? E se a distribuição não fosse exponencial, ainda é possível de fazer as contas? Por quê? Comente as respostas baseado na propriedade de falta de memória da distribuição exponencial Considere que o número de ligações que chegam em uma central telefônica segue um modelo de Poisson com média de 50 ligação por hora. Faça os itens a seguir usando primeiro a distribuição de Poisson e depois usando uma distribuição contínua.
14 (a) Qual a probabilidade da 1 a ligação do dia demorar mais de 5 minutos para chegar? (b) Qual a probabilidade da 1 a ligação do dia chegar nos primeiros dois minutos de funcionamento? 5.8. ([Ross, 2010] - Capítulo 5) Seja X variável aleatória exponencial com média 1/λ e k um inteiro positivo. Mostre que E(X k ) = k! λ k Suponha que o tempo (em horas) até a ocorrência de um problema na n-ésima bomba de combustível de um certo tipo de aeronave seja uma variável aleatória contínua com distribuição Gama(α = n, λ = 1/100). Se ocorre problema em uma bomba, esta é desligada e outra bomba é automaticamente acionada. Em uma dessas aeronaves foram instaladas duas bombas de combustível. Quando ocorre um problema na primeira bomba, a segunda bomba é automaticamente acionada. Se ocorrer um problema na segunda bomba durante um voo não há mais bombas para serem acionadas e por isso é necessário realizar um pouso de emergência. Considerando que essa aeronave irá realizar um voo com duração de 50 horas, responda: (a) Qual a probabilidade do voo terminar sem que a segunda bomba tenha sido acionada? (b) Qual a probabilidade de ser necessário realizar um pouso de emergência devido a problemas com a bomba de combustível? (c) Qual o tempo médio de voo dessa aeronave (com duas bombas) desde a sua decolagem até a realização de um pouso de emergência? (d) Quantas bombas deveriam ter a aeronave para que a probabilidade de realizar um pouso de emergência devido a problemas com a bomba de combustível seja menor que 1%? Seja X Gama(α, λ) e f X a sua função de densidade. Para cada um dos três casos a seguir, faça os itens i, ii e iii. (a) α < 1; (b) α = 1; (c) α > 1. i. Encontre lim x 0 f X (x) e lim x f X (x); ii. Verifique o sinal de d dx f X(x), x > 0; iii. Com as informações acima faça um esboço do gráfico de f X A umidade relativa, quando medida um determinado local, pode ser considerada uma variável aleatória com função densidade dada por { ky f(y) = 3 (1 y) 2, se 0 y 1 0, caso contrário. (a) Encontre o valor de k para que f seja realmente função de probabilidade. (b) Qual o modelo probabilístico adotado para a variável umidade relativa? Porque esse modelo é adequado para esse tipo de variável? (c) Sabe-se que se a umidade relativa ficar abaixo de 30%, a localidade entra em estado de atenção. Calcule a probabilidade da localidade entrar em estado de atenção, segundo o modelo proposto.
15 5.12. O custo de reparação semanal, para uma determinada máquina, em centenas de reais, é uma variável aleatória com distribuição beta de parâmetros α = 1 e β = 3. Qual a quantia que deve ser reservado para os custos de reparação, por semana, de forma a garantir que em apenas 10% das semanas o custo de reparação semanal exceda o montante reservado? Expresse os itens a seguir em termos da função Gama. Quando possível encontre a resposta numérica. Quando isso não for possível, reduza ao máximo o argumento da função Gama. (a) (d) Γ 0 x 3 e 2x dx ( ) ( ) 5 3 B 2 2, Seja X Beta(α, α). (b) (e) 0 x 1 3 e x 4 dx (c) x 9 2 e 1 2 x dx 0 ) 1 x (1 x) 2 dx B ( 7 2, 7 2 B ( 5 2, 11 2 ) (f) (a) Mostre que a função de densidade de X é simétrica em torno de 1/2. (b) Sem fazer contas, encontre E(X). (c) Esboce o gráfico da função de densidade de f X para: α < 1, α = 1 e α > 1. Antes de esboçar o gráfico determine, para cada caso: lim x 0 f X (x), lim x 1 f X (x) e o sinal de d dx f X(x), para 0 < x < A mediana de uma variável aleatória contínua X é o valor m tal que P(X < m) = P(X > m) = 1/2. Encontre a mediana de X para: (a) X U(a, b); (b) X Exp(λ). (c) X P areto(α, b) Cada item a seguir apresenta uma função de densidade. Identifique o modelo probabilístico da v.a. com essa distribuição, assim como o valor dos parâmetros. (a) f X (x) = 1/2, 1 < x < 1. (b) f X (x) = e x/3 3, x > 0. (c) f X (x) = 4x 2 e 2x, x > 0. (d) f X (x) = 4 (1 x) 9 3, 0 < x < 1. x 2 (e) f X (x) = 32 x 3, x 4. (f) f X (x) = e x πx, x > 0. (g) f X (x) = 1 2 xe x2 /4, x > 0. 0
16 Capítulo 6: Funções de Variáveis Aleatórias Contínuas 6.1. ([Ross, 2010] - Capítulo 5) Se X é uma variável aleatória exponencial com parâmetro λ = 1, encontre a função densidade de probabilidade da variável aleatória Y definida por Y = ln(x) ([Ross, 2010] - Capítulo 5) Se X U(0, 1), encontre a função de densidade de Y = e X ([Ross, 2010] - Capítulo 5) Se X U(a, b) e Y U(0, 1), quais os valores α e β tais que Y = αx + β? 6.4. ([Bussab e Morettin, 2002] - pág.186) Suponha X com f.d.p. definida a seguir. Seja Y = e X. Determine a f.d.p. de Y. { 3x 2 f X (x) = 2, 1 < x < 1; 0, caso contrário Seja X um variável aleatória contínua com distribuição de Pareto de parâmetros α e b. Mostre que Y = ln(x/b) Exp(α) Seja X variável aleatória contínua com função densidade f X (x) = kxi (0,2) (x). Encontre a densidade Y = X(2 X) (Dica: primeiro encontre o valor de k) Seja X Beta(α, 1). Mostre que ln(x) Exp(α). Para o exercícios a seguir considere X v.a. contínua com função de densidade { 2x, se 0 < x < 1 f X (x) = 0, caso contrário Seja Y = 1/X. Encontre f Y e faça seu gráfico Seja Y = (X 1/2) 2. Encontre f Y e faça seu gráfico Seja Y = X 1/4. Encontre f Y e faça seu gráfico Seja Y = min(3x 2, 1 X 2 ). Encontre f Y e faça seu gráfico Considere X variável aleatória contínua com função de densidade f X definida a seguir. Para Y = 2X 1, encontre f Y e faça seu gráfico. 1 2, se 1 < x 0 f X (x) = x, se 0 < x < 1 0, caso contrário Encontre a distribuição da variável aleatória dada pela raiz quadrada de uma outra que tem distribuição Gama de média e variância iguais a ([James, 2004] - ex.13 pág.90) Se X tem densidade f X (x) = e 2 x, x R, qual a densidade de Y = X? Dê uma repassada em todos os exercícios desta lista apontando aqueles que poderiam ser resolvidos com o Método Jacobiano. Se você ainda não tiver usado esse método na resolução dos exercícios, escolha alguns para usá-lo e compare a resposta a partir do Método do Jacobiano com a resposta a partir do Método da Função de Distribuição.
17 Capítulo 7: A Distribuição Normal 7.1. ([Ross, 2010] - Capítulo 5) Se X é variável aleatória com parâmetros µ = 10 e σ 2 = 36, calcule: (a) P(X > 5) (b) P(4 < X < 16) (c) P(X < 8) (d) P(X < 20) (e) P(X > 16) 7.2. ([Ross, 2010] - Capítulo 5) Suponha que X seja uma variável aleatória normal com média 5. Se P(X > 9) = 0.2, aproximadamente quanto vale Var(X)? 7.3. ([Ross, 2010] - Capítulo 5) Seja X variável aleatória normal de média 12 e variância 4. Encontre o valor de c tal que P(X > c) = ([Ross, 2010] - Capítulo 5) A largura da fenda de uma peça forjada de duralumínio é (em polegadas) normalmente distribuída com µ = 0, 900 e σ = 0, 003. Os limites de especificação dessa fenda foram dados como 0, 900 ± 0, 005 polegadas. (a) Qual porcentagem das peças forjadas são defeituosas, isto é, estão fora da especificação? (b) Qual o valor máximo permitido para σ que garante não mais que 1 peça defeituosa em cada 100 observadas quando a largura da fenda for normalmente distribuída com µ = 0, 900 e σ? 7.5. ([Ross, 2010] - Capítulo 5) Se um indivíduo é selecionado de forma aleatória para fazer um teste de QI a sua nota pode ser considerada uma variável aleatória normal com média 100 e desvio padrão 15. Qual a probabilidade da nota dessa pessoa ficar (a) abaixo de 125? (b) entre 90 e 110? 7.6. ([Ross, 2010] - Capítulo 5) Suponha que o tempo gasto no trajeto da sua casa até universidade seja uma variável aleatória normal com média 40 minutos e desvio padrão de 7 minutos. Suponha também que todos os dias da semana sua aula começa às 9:00h. (a) Se você sair de casa às 08:10h, qual a probabilidade de se atrasar? (b) Se durante um mês você sair de casa todos os dias às 08:10h, qual a probabilidade de se atrasar mais de duas vezes? (considere um mês com 20 dias úteis) (c) Se você quer ter 95% de certeza que não vai se atrasar, qual o horário mais tarde que você pode sair de casa? 7.7. ([Ross, 2010] - Capítulo 5) A vida de um certo tipo de pneus automotivos é normalmente distribuída com média de milhas e desvio padrão milhas. (a) Qual a probabilidade desse pneu durar mais de milhas? (b) Qual a probabilidade desse pneu durar entre e milhas?
18 (c) Dado que um certo pneu já rodou milhas, qual a probabilidade condicional dele rodar por mais milhas? 7.8. ([Ross, 2010] - Capítulo 5) A quantidade de chuva anual em uma certa cidade é aproximadamente normal com média 40,2 polegadas e desvio padrão de 8,4 polegadas. (a) Qual a probabilidade de no próximo ano chover mais de 44 polegadas? (b) Qual a probabilidade de em exatos 3 dos próximos 7 anos chover mais de 44 polegadas? 7.9. ([Farias e Laurencel, 2009] - ex.2 pag.75)) Suponha que os tempos de vida de 2 marcas de aparelhos elétricos sejam variáveis aleatórias T 1 e T 2, onde T 1 N(42, 36) e T 2 N(45, 9). Se o aparelho deve ser usado por um período de 45 horas, qual marca deve ser preferida? E se for por um período de 49 horas? ([Farias e Laurencel, 2009] - ex.3 pag.75)) Numa distribuição normal, 31% dos elementos são menores que 45 e 8% são maiores que 64. Calcular os parâmetros que definem a distribuição ([Farias e Laurencel, 2009] - ex.9 pag.76)) A distribuição dos pesos de coelhos criados em uma granja pode ser representada por uma distribuição normal com média de 5 kg e desvio padrão de 0,8 kg. Um abatedouro comprará coelhos e pretende classificá-los de acordo com o peso da seguinte forma: 20% dos leves como pequenos, os 55% seguintes como médios, os 15% seguintes como grandes e os 10% mais pesados como extras. Quais os limites de peso para cada classificação? ([Magalhães, 2011] - Seção 2.4) Sendo X N(µ, σ 2 ), µ > 0, avalie as probabilidades abaixo em função de Φ(z) ou numericamente, se possível: (a) P( X < µ) (b) P( X µ > 0) (c) P(X µ < σ) (d) P(σ < X µ < 2σ) ([Magalhães, 2011] - Seção 2.4) Suponha que o volume, em litros, de uma garrafa de refrigerante seja Normal com parâmetros µ = 1 e σ 2 = Se três garrafas forem sorteadas ao acaso, perguntase: (a) A probabilidade de todas as três terem pelo menos 980ml? (b) A probabilidade de não mais de uma ficar com volume inferior a 980ml? ([Magalhães, 2011] - Seção 2.4) Seja X N(µ, σ 2 ) o desempenho de um certo equipamento. Ele será considerado fora de controle se afastar de µ por mais de 2σ unidades. Todo dia, o equipamento é avaliado e, caso esteja fora de controle, será desligado e enviado para manutenção. Admita independência entre as avaliações diárias. Determine a probabilidade de: (a) No primeiro dia o equipamento ser desligado. (b) A primeira manutenção ser no décimo dia. (c) Você reconhece a variável que conta os dias até a manutenção? ([Ross, 2010] - Capítulo 5) Mostre que Γ(1/2) = π. (Dica: Γ(1/2) = 0 e x x 1/2 dx. Faça a substituição y = 2x e então reconheça a semelhança com a expressão da densidade normal.)
19 Capítulo 8: Momentos e sua Função Geradora 8.1. ([Magalhães, 2011] - Seção 5.2) Para X U(a, b), obtenha E[X k ], k N e calcule sua variância ([Meyer, 2011] - ex.4 pág.261) Suponha X o resultado de uma moeda equilibrada. (a) Determine a função geradora de momentos de X. (b) Empregando a função encontrada no item anterior, calcule E[X] e V ar(x) Seja X uma variável aleatória tal que sua função densidade de probabilidade é dada por: f X (x) = 3e 3(x 1), x > 1. Determine a função geradora de momentos de X, isto é, M X (t). Em seguida calcule E(X) a partir de M X ([Meyer, 2011] - ex.6 pág.261) Suponha X uma v.a. com f.d.p. dada por f X (x) = 1 exp{ x }, x R. 2 (a) Determine a função geradora de momentos de X. (b) Empregando a função encontrada no item anterior, calcule E[X] e V ar(x) ([Magalhães, 2011] - Seção 5.3) Considere que a variável X segue o modelo Laplace (ou Exponencial Duplo), isto é, sua densidade é dada por f X (x) = λ exp{ λ x µ }, x R, 2 com λ > 0 e < µ <. Determine a média e a variância de X diretamente e através de sua função geradora de momentos ([Meyer, 2011] - ex.8 pág.261) Suponha que a função geradora de momentos de uma v.a. X seja da forma M X (t) = (0, 4e t + 0, 6) 8. (a) Qual a função geradora de momentos de Y = 3X + 2? (b) Calcule E[X]. (c) Você pode verificar sua resposta de (b) por algum outro método? Tente reconhecer M X (t) Para as v.a. dos exercícios 8.4. e 8.6., use a função geradora de momentos encontrada para calcular os coeficientes de assimetria das variáveis Mostre, a partir da função geradora de momentos, que se X U(a, b) e Y = cx + d então Y também tem distribuição uniforme. Em qual intervalo?
20 8.9. ([Meyer, 2011] - ex.11 pág.261) Uma variável aleatória contínua X tem distribuição Qui-quadrado com n graus de liberdade se X Gama(α = n/2, λ = 1/2). Neste caso usamos a notação X χ 2 (n). Seja X χ 2 (n), usando a função geradora de momentos de X, mostre que E[X] = n e V ar(x) = 2n Uma variável aleatória contínua X tem distribuição Log-Normal com parâmetros µ e σ 2 se ln(x) tem distribuição N(µ, σ 2 ). Ou seja, se X = e Y com Y N(µ, σ 2 ). Neste caso usamos a notação X Log-Normal(µ, σ 2 ). Seja X Log-Normal(µ, σ 2 ). A partir da função geradora de momentos da distribuição Normal mostre que E(X) = e µ+σ2 /2 e Var(X) = e 2µ+2σ2 e 2µ+σ2. OBS: Não é para encontrar a função geradora de momentos de X Log-Normal(µ, σ 2 ), pois esta inclusive não existe ([Meyer, 2011] - ex.18 pág.262) Se uma v.a. X tiver função geradora de momentos M X (t) = 3/(3 t), qual o desvio padrão de X? Se a função geradora de momentos de alguma variável aleatória existe e é dada pela expressão M X (t) = e 3(et 1), para t R, então determine P(X 1) Em cada item a seguir identifique o modelo probabilístico da variável aleatória X cuja função geradora de momento é M X. (a) e et e 1 3 (b) 3 4t, t < 3 4 (c) 2et 3 e, t < ln(3) t (d) 1 ( 8 e t 1 ) 3 25 (e) 3, t < 5 (f) et(2t 3) (5 t) ([DeGroot e Schervish, 2012] - ex.1 pág.358) Suponha X uma v.a. tal que P (X 0) = 1 e P (X 10) = 1/5. Prove que E[X] ([DeGroot e Schervish, 2012] - ex.2 pág.358) Suponha X uma v.a. tal que E[X] = 10, P (X 7) = 0, 2 e P (X 13) = 0, 3. Prove que V ar(x) 9/ Um posto distribui senhas de atendimento no início do dia. Diariamente são distribuídas 150 senhas e há indivíduos que não recebem senha, estes devem voltar outro dia para tentar uma nova senha. Considere saber apenas que por dia, em média, 120 indivíduos buscam uma senha nesse posto. (a) Encontre uma cota superior para a probabilidade de mais de 50 indivíduos ficarem sem senha em um determinado dia. (b) Encontre uma cota superior para a probabilidade de mais de 100 indivíduos ficarem sem senha em um determinado dia. (c) Quantas senhas deveriam ser distribuídas para garantirmos, com a pouca informação que temos, que em menos de 40% dos dias vai haver mais de 80 pessoas sem senha? Suponha que o diâmetro de um certo tipo de parafuso produzido por uma fábrica seja uma variável aleatória de média 5mm e desvio padrão de 1,5mm. Segundo as especificações técnicas, o diâmetro desse tipo de parafuso tem que estar entre 3mm e 7mm, caso contrário ele é descartado pela fábrica. Apenas com essas informações, encontre uma cota inferior para a probabilidade de um parafuso estar dentro das especificações técnicas.
21 Referências Bibliográficas [Bussab e Morettin, 2002] Bussab, W. e Morettin, P. (2002). Estatística Básica. Editora Saraiva, 5 edição. [DeGroot e Schervish, 2012] DeGroot, M. e Schervish, M. (2012). Probability and Statistics. Pearson, 4 edição. [Farias e Laurencel, 2008] Farias, A. e Laurencel, L. (2008). Variáveis aleatórias discretas. [Farias e Laurencel, 2009] Farias, A. e Laurencel, L. (2009). Variáveis aleatórias contínuas. [James, 2004] James, B. R. (2004). Probabilidade: um curso em nível intermediários. IMPA, 3 a edição. [Magalhães, 2011] Magalhães, M. N. (2011). Probabilidade e Variáveis Aleatórias. Edusp, 3 a edição. [Magalhães e de Lima, 2002] Magalhães, M. N. e de Lima, A. C. P. (2002). Noções de Probabilidade e Estatística. Edusp, 5 a edição. [Meyer, 2011] Meyer, P. L. (2011). Probabilidade: aplicações à estatística. LTC. [Ross, 2010] Ross, S. (2010). A first course in probability. Prentice Hall, 8 a edição.
22 Gabarito Capítulo (a) Im(X) = {1, 2, 3,...} e X é discreta (b) Im(Y ) = {0, 1, 2, 3,...} e Y é discreta (c) Im(Z) = (0, ) e Z não é discreta (d) Im(W ) = {0, 1} e W é discreta (a) Ω = {(w 1, w 2, w 3 ) w i = H, K, para i = 1, 2, 3} (b) 1/8 (c) Im(X) = { 3, 1, 1, 3} e X é discreta (a) Im(X) = { 3, 2, 1}, X é discreta, X não é contínua (b) (c) (d) Im(X) = {0, 1/3, 2/3, 1}, X é discreta, X não é contínua (b) X é contínua (c) Im(X) = (0, 1) (d) P(X > 0, 3) = P(X 0, 3) = 0, 91, P(X = 0, 3) = 0, P(0, 3 X 0, 8) = 0, (b) X é discreta (c) Im(X) = {1/2, 1, 3/2} (d) P(X > 1) = 1/3, P(X 1) = 2/3, P(X = 1) = 1/3, P(1 X 2) = 2/ a = 2/3 e b = 1/ (b) Im(Y ) = [0, 2] (c) 1.8. (a) X é v.a. discreta (b) P(X 0) = P(X = 0) = 1/2 (c) P(X 1) = 1 e P(X > 1) = 1/ (a) c = 1 e 1 + e 2 (b) X é contínua e f X (x) = 0, se x < 1; (1/c)e (x 1), se 1 x < 2; (2/c)e 2(x 1), se x 2 (c) P(X 3 2 X < 4) = 0, Capítulo Im(X) = { 2, 1, 0, 1, 2, 4} e p X ( 2) = 28/91, p X ( 116/91) =, p X (0) = 1/91, p X (1) = 32/91, p X (2) = 8/91, p X (4) = 6/ (a) Im(X) = {1, 2, 3, 4, 5, 6}; p X (x) = (2x 1)/36, x Im(X) (b) 2.4. c = 1/ F G (g) = 0 se g < 2; 0, 3 se 2 g < 2, 5; 0, 5 se 2, 5 g < 3; 0, 8 se 3 g < 3, 50, 9 se 3, 5 g < 4; 1 se g (a) - (b) E(X) = (c) Y = 4 X e Esp(Y ) = 4 81 = (d) - (e) - (f) Var(X) = Var(Y ) = E(X) = (a) E(X) = (b) E(X 2 ) = 0.5 (c) - (d) Var(X) = 31/ (a) 0,5918 (b) não (c) -0, (b) E(X) = 39, 28 e E(Y ) = 37 (c) Var(X) = 82, 2 e Var(Y ) = 84, Com apenas um número: ganho esperado = -0,7 reais e variância do ganho = 899,91. Com 100 números: ganho esperado = -70 reais e variância do ganho = , (a) 14 (b) Falsa Capítulo (a) X Bin(8; 0, 4) e P (X 3) = 0, 51 (b) X hiper(10; 4; 8) e P (X > 3) = 0, 34 (c) X BinNeg(3; 0, 4) e P (X = 8) = 0, 104 (d) X Geom(0, 4) e P (X > 8) = 0, 016 (e) X P oisson(0, 32) e P (X = 3) = 0, (a) 145 (b) 0, (a) - (b) 12,5% de desconto em média (c) 0,868 (d) 0, (a) 1/ (b) 1/ (c) 1/ (d) 1/ ,9799; -15,6787; -133,2698; -799, (a) Y Bin(n, 1 p) (b) Y é a forma alternativa da geométrica com o mesmo parâmetro p.
23 3.7. (a) 0,1316 (b) 0, (a) 0,205 (b) (a) 0,8647 (b) 0, , (a) 0,8647 (b) 1 (c) B(n = 5, p = 0, 8647) , (a) exata: 1 (1 1/365 2 ) ; aproximada: 1 e 0,6 0, 4512 (b) exata: 1 (1 1/365) ; aproximada: 1 e 219, (a) 0, (b) 0, (c) 38 e (a) X P oi(λ = 2) (b) X Geom(p = 3/5) (c) X B(n = 10, p = 1/4) (d) X BinNeg(r = 2, p = 2/3). Capítulo (a) 3/4 (b)f (x) = 0, se x < 1; ( x 3 + 3x + 2)/4, se 1 x < 1; 1, se x > 1 (c) 11/ (a)3/2 (b)1,11 (c)c > (b) f(x) = x, se 0 < x 1/2; 3x 2, se 1/2 x < 1; 0, caso contrário (b) 0,24 e 0,81 (c) E(X) = 0, 74, E(2X + 1) = 2, 48 e E(2/X) = 1, 625 (d) V ar(x) = 0, 052, V ar(1 3X) = 0, 468 e V ar(x 2 ) = (a) 3/8 (b) 1/2 (c) 1/2 (d) b = 1, 6 (e) E(X) = 2, 5 e Var(X) = 3, (a) 0, 04 (b) 0, 625 (c) E(X) = 1, 5 e Var(X) = 0, 125 (d) Med(X) = 1, (a) 0,25 (b) 0,84 (c) 7,45 cm (a) 0,375 (b) 245kg E(X) = 5/6 e V ar(x) = 0, (a) 0,5 (b) F (x) = 0, se ; ( 10/x) + 1, se x > 10 (c) 2/ galões (a) 4 (b) 0 (c) (a) F (x) = 0, se x < 0; x (1/2)x 2, se 0 x < 1; 1 x + (1/2)x 2, se 1 x < 2; 1 se x 2 (b) 5/8 (c) 1/9 (d) E(X) = (a) 1/2 (b) 0 (c) 2/3 (d) E(X) = 3 e Var(X) = 1/3 (e) E(3X 2) = 7 e Var(3X 2) = 3 (f) E(X 3 + 1) = 31 e Var(X 3 + 1) 261, (a) a = (1/5) e b = 2 ou a = ( 1/5) e b = 2. Capítulo / (a) 2/3 (b) 1/ ,6 pontos (a) α = 2 (b) α = (a) e (b) e 1/ (c) 2 ln(10) 4.6 horas, isto é, 4 horas e 36 minutos P(rádio funcionar por mais 8 anos) = e 1. Se a distribuição não fosse exponencial, não dá pra fazer as contas (a) e 25/6 (b) 1 e 5/ (a) (b) (c) (d) (a) 60 (b) Beta(4, 3) (c) (a) 3/8 (b) 2 3 2Γ(2/3) (c) 945 2Γ(1/2) (d) (1/2)Γ(1/2) (e) 224/(189Γ(1/2)) (f) (1/16)(Γ(1/2)) (a) (b + a)/2 (b) ln(1/2)/λ (c) 2 1/α b (a) X U[ 1, 1] (b) X Exp(λ = 1/3) (c) X Gama(α = 3, λ = 2) (d) X Beta(α = 1/3, β = 2) (e) X P areto(α = 2, b = 4) (f) X Gama(α = 1/2, λ = 1) (g) X W eilbull(α = 2, β = 2).
24 Capítulo f(y) = e ( ey )+y, < y < f(y) = 1/y, se 1 < y < e; 0, caso contrário α = 1/(b a) e β = a/(b a) ou α = 1/(b a) e β = b/(b a) f(y) = 3 ln 2 (y)/(2y), se 1/e < y < e; 0, caso contrário f(y) = 1/(2 1 y),se 0 < y < 1; 0, caso contrário 6.8. f(y) = 2/y 3, se y > 1; 0, caso contrário f(y) = 1/ y, se 0 < y < 1/4; 0, caso contrário f(y) = 1, se 0 < y < 1/4; (4y + 1)/2, se 1/4 < y < 3/4; 0, caso contrário f(y) = 4/3, se 0 < y < 3/4; 0, caso contrário. Ou seja, Y U(0, 3/4) f(y) = 1/4, se 3 < y < 1 ;(y + 1)/4, se 1 < y < 1; 0, caso contrário f(y) = 2ye y2, se y > 0; 0, caso contrário. Ou seja, Y W eibull(α = 2, β = 1) f(y) = 2e 2y, se, y > 0; 0, caso contrário. Ou seja, Y Exp(λ = 2) Capítulo (a) 0,7977 (b) 0,6827 (c) 0,3695 (d) 0,9522 (e) 0, , c = (a) 9,5% (b) σ = 0, (a) 0,0478 (b) 0, (a) (b) (c) Você deve sair de casa no máximo 8,485 minutos depois das 8:00h (a) 0,0668 (b) 0,44 (c) 0, (a) 0,3255 (b) (a) 0, 5 Φ( 2µ/σ) (b) 1 (c) Φ( 1) = 0, 1587 (d) 2[Φ(2) Φ(1)] = 0, (a) 0,9331 (b) 0, (a) 0,0456 (b) 0,03 (c) Geométrica com p = 0, Capítulo E(X k ) = (b k+1 a k+1 )/(k + 1)(b 1) e Var(X) = (b a) 2 / M X (t) = (1 + e t )/2, E(X) = 1/2 e Var(X) = 1/ M X (t) = 3e t /(3 t) e E(X) = 4/ (a) M X (t) = (1 t 2 ) 1 (b) E(X) = 0 e Var(X) = M X (t) = eµt 1 ( t λ )2 E[X] = µ V ar(x) = 2/λ (a) M Y (t) = e 2t (0, 4e 3t + 0, 6) 8 (b) E(X) = 3, 2 (c) Sim, X B(n = 8, p = 0, 4) E(X) = np e 0, / e (a) X P oisson(λ = 1) (b) X exp(λ = 3/4) (c) X geo(p = 2/3) (d) X B(N = 3, p = 1/2) (e) X Gama(α = 2/3, λ = 5) (f) X N(µ = 3, σ 2 = 4) (a) 0,6 (b) 0,48 (c) 220 senhas P(estar dentro das especificações técnicas) 0, 4375.
4. ([Magalhães, 2011] - Seção 2.4) Seja X U( α, α), determine o valor do parâmetro α de modo que:
GET189 Probabilidade I Lista de exercícios - Capítulo 6 1. ([Ross, 21] - Capítulo 5) Em uma estação, trens partem para a cidade A de 15 em 15 minutos, começando às 7:h; e trens partem para a cidade B de
Leia maisGET00189 Probabilidade I Lista de exercícios - Capítulo 4
GET00189 Probabilidade I Lista de exercícios - Capítulo 4 1. Suponha uma urna com 10 bolas, entre as quais 4 são brancas. Para cada item a seguir determine a variável aleatória em questão, identifique
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia mais3 a Lista de PE. Universidade de Brasília Departamento de Estatística
Universidade de Brasília Departamento de Estatística 3 a Lista de PE 1. Duas bolas são escolhidas aleatoriamente de uma urna contendo 8 bolas brancas, 4 pretas, e duas bolas laranjas. Suponha que um jogador
Leia maisRibeirão Preto, 2º semestre de 2012 PROBABILIDADE E ESTATÍSTICA APLICADA II
FACULDADE DE ECONOMIA, ADMINISTRAÇÃO UNIVERSIDADE DE SÃO PAULO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ECONOMIA Ribeirão Preto, 2º semestre de 2012 PROBABILIDADE E ESTATÍSTICA APLICADA II LISTA
Leia mais{ C(1 x 2 ), se x ( 1, 1), f(x) = Cxe x/2, se x > 0, x + k, se 0 x 3; 0, c.c. k, se 1 < x 2; kx + 3k, se 2 < x 3;
Universidade de Brasília Departamento de Estatística 4 a Lista de PE 1. Seja X uma variável aleatória com densidade { C(1 x 2 ), se x ( 1, 1), 0, se x / ( 1, 1). a) Qual o valor de C? b) Qual a função
Leia maisProbabilidade Lista 6 - Variáveis Aleatórias Contínuas e Vetores Aleatórios
Probabilidade Lista - Variáveis Aleatórias Contínuas e Vetores Aleatórios Exercício. Uma v.a. X tem distribuição triangular no intervalo [0, ] se sua densidade for dada por 0, x < 0 cx, 0 x /2 c( x), /2
Leia maisUniversidade Federal da Paraíba Departamento de Estatística Lista 1 - Outubro de 2013
1. Seja X a duração de vida de uma válvula eletrônica e admita que X possa ser representada por uma variável aleatória contínua, com f.d.p. be bx, x 0. Seja p j = P (j X < j + 1). Verifique que p j é da
Leia maisCálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014
Cálculo das Probabilidades I - Sexta Lista - Rio, 13/09/2014 1. O diâmetro X de{ um cabo elétrico é uma variável aleatória com densidade de probabilidade K(2x x dada por 2 ), 0 x 1 0, x < 0 ou x > 1. (a)
Leia maisExercícios Funções Multivariadas, Exponencial e Outras
Turma 2017 Exercícios Funções Multivariadas, Exponencial e Outras Problema 1 (bivariada) Um bim de cinco transistores possui dois que são defeituosos. Os transistores são testados um a um, até que os defeituosos
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II
UNIVERSIDADE FEDERAL DO PARANÁ CE003 - ESTATÍSTICA II Segunda lista de Exercícios - Variáveis Aleatórias Professora Fernanda 1. Uma máquina caça níquel de cassino possui três roletas. Na primeira e segunda
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 3-ESTATÍSTICA II (CE003) Prof. Benito Olivares Aguilera 2 o Sem./17 MODELOS DISCRETOS. 1. Seja X o número de caras obtidas
Leia maisPROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG /2012
PROVA DE ESTATÍSTICA e PROBABILIDADES SELEÇÃO - MESTRADO/UFMG - 0/0 Instruções:. Cada questão respondida corretamente vale (um) ponto.. Cada questão respondida incorretamente vale - (menos um) ponto. 3.
Leia mais6.3 Valor Médio de uma Variável Aleatória
6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao
Leia maisEstatística. 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 maisLista de exercícios 2 Métodos Estatísticos Básicos
Lista de exercícios 2 Métodos Estatísticos Básicos Prof. Regis Augusto Ely 1 de julho de 2014 1 Variáveis aleatórias unidimensionais 1. Suponha que a variável aleatória X tenha os valores possíveis 1,
Leia mais2º LISTA DE EXERCÍCIO
DISCIPLINA: CÁLCULO DAS PROBABILIDADES E ESTATÍSTICA I Prof. Luiz Medeiros PERÍODO: 2013.2 2º LISTA DE EXERCÍCIO 1) Em uma empresa de cerâmica sabe-se que existe em média 0,1 defeito por m 2. Um comprador
Leia maisModelos discretos e contínuos
Modelos discretos e contínuos Joaquim Neto joaquim.neto@ufjf.edu.br Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF Versão 3.0 1
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA. Cálculo das Probabilidades e Estatística I. Terceira Lista de Exercícios
UNIVERSIDADE FEDERAL DA PARAÍBA Cálculo das Probabilidades e Estatística I Professora: Juliana Freitas Pires Terceira Lista de Exercícios Parte I: Variáveis aleatórias, Esperança e Variância Questão 1.
Leia maisLista 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 mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2010 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 3. Uma peça é classificada como defeituosa
Leia maisPRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES
PRINCIPAIS DISTRIBUIÇÕES DE PROBABILIDADES Certas distribuições de probabilidades se encaixam em diversas situações práticas As principais são: se v.a. discreta Distribuição de Bernoulli Distribuição binomial
Leia maisDepartamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014)
Departamento de Estatística UFSCar Probabilidade e Estatística Lista de Exercícios 2 Prof. José Carlos Fogo (11/09/2014) 1) Seja X v.a. representando o número de usuários de um microcomputador no período
Leia maisNome: N. o : f(u) du para todo o x (V) d) Se F (x) tiver pontos de descontinuidade, então X é discreta (F)
ESTATÍSTICA I 2. o Ano/Gestão 1. o Semestre Época Normal Duração: 2 horas 1. a Parte Teórica N. o de Exame: RESOLUÇÃO 09.01.2015 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação:
Leia maisPRO 2271 ESTATÍSTICA I. 3. Distribuições de Probabilidades
PRO71 ESTATÍSTICA 3.1 PRO 71 ESTATÍSTICA I 3. Distribuições de Probabilidades Variáveis Aleatórias Variáveis Aleatórias são valores numéricos que são atribuídos aos resultados de um eperimento aleatório.
Leia maisLISTA 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 maisAula 6 - Variáveis aleatórias contínuas
Aula 6 - Variáveis aleatórias contínuas PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 18 Variáveis aleatórias
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2019 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 minutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique convenientemente todas as respostas 2 o semestre 206/207 05/07/207 :30 o Teste C 0 valores. Uma peça de certo tipo é
Leia mais1 Variáveis Aleatórias
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis
Leia maisInstituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças
Instituto Politécnico de Leiria Escola Superior de Tecnologia e Gestão Componente Prática de Estatística Aplicada Contabilidade e Finanças FOLHA 2 - Distribuições 1. Considere a experiência aleatória que
Leia mais4. PRINCIPAIS MODELOS DISCRETOS
4. PRINCIPAIS MODELOS DISCRETOS 2011 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisLista de Exercícios 1 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 1 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Historicamente sabe-se que 10% dos artigos de uma firma são de segunda qualidade. Um inspetor de controle
Leia maisLista de Exercícios 1 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 1 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Historicamente sabe-se que 10% dos artigos de uma firma são de segunda qualidade. Um inspetor de controle
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Principais Distribuições Contínuas 1 1.1 Distribuição Uniforme................................. 1 1.2 A Distribuição Normal................................. 2 1.2.1 Padronização e Tabulação
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisPRINCIPAIS MODELOS DISCRETOS
PRINCIPAIS MODELOS DISCRETOS 2012 Principais modelos probabilísticos discretos 4.1. Modelo Bernoulli Muitos eperimentos admitem apenas dois resultados. Eemplos: 1. Uma peça é classificada como defeituosa
Leia maisProbabilidade e Estatística. stica. Prof. Dr. Narciso Gonçalves da Silva pessoal.utfpr.edu.
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva pessoal.utfpr.edu.br/ngsilva Distribuição Uniforme Uma variável aleatória contínua X está
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia mais1 Distribuições Discretas de Probabilidade
1 Distribuições Discretas de Probabilidade A distribuição discreta descreve quantidades aleatórias (dados de interesse) que podem assumir valores particulares e os valores são finitos. Por exemplo, uma
Leia maisFATEC GT/FATEC SJC. Prof. MSc. Herivelto Tiago Marcondes dos Santos [LISTA 2]
FATEC GT/FATEC SJC Prof. MSc. Herivelto Tiago Marcondes dos Santos [LISTA 2] 1. O tempo necessário para um medicamento contra dor fazer efeito foi modelado de acordo com a densidade Uniforme no intervalo
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisVariáveis aleatórias contínuas
Variáveis aleatórias contínuas Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 20/04/2018 WB, FM,
Leia maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40 horas e desvio padrão
Leia maisUniversidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V
Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V Lista 6: Distribuições Contínuas. Distribuição Normal. 1. A distribuição dos pesos de coelhos
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisMais sobre Modelos Continuos
Mais sobre Modelos Continuos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Transformação Linear da Uniforme Seja X uma variável aleatória
Leia maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
Leia maisDistribuições conjuntas de probabilidade e complementos
Probabilidades e Estatística + Probabilidades e Estatística I Colectânea de Exercícios 2002/03 LEFT + LMAC Capítulo 5 Distribuições conjuntas de probabilidade e complementos Exercício 51 Uma loja de electrodomésticos
Leia maisME-310 Probabilidade II Lista 0
ME-310 Probabilidade II Lista 0 1. Sejam A e B eventos disjuntos tais que P(A) = 0.1 e P(B) = 0.. Qual é a probabilidade que (a) A ou B ocorra; (b) A ocorra, mas B não ocorra; (c) repita (a) e (b) se os
Leia maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio. DTAiSeR-Ar
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo dos números
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisEstatística Descritiva e Exploratória
Gledson Luiz Picharski e Wanderson Rodrigo Rocha 9 de Maio de 2008 Estatística Descritiva e exploratória 1 Váriaveis Aleatórias Discretas 2 Variáveis bidimensionais 3 Váriaveis Aleatórias Continuas Introdução
Leia maisLista de Exercícios #2 Assunto: Variáveis Aleatórias Discretas
1. ANPEC 2018 Questão 3 Considere um indivíduo procurando emprego. Para cada entrevista de emprego (X) esse indivíduo tem um custo linear (C) de 10,00 Reais. Suponha que a probabilidade de sucesso em uma
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 1171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisExercícios propostos:
INF 16 Exercícios propostos: 1. Sabendo-se que Y=X-5 e que E(X)= e V(X)=1, calcule: a)e(y); b)v(y); c)e(x+y); d)e(x + Y ); e)v(x+y); Resp.: 1; 9; 5; 15; 81. Uma urna contém 5 bolas brancas e 7 bolas pretas.
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
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 maisLista de Exercícios 3 Probabilidades Escola Politécnica, Ciclo Básico
RESOLUÇÃO NA PÁGINA 06 Lista de Exercícios 3 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) Um equipamento tem tempo de vida T com distribuição normal, valor esperado de 40
Leia maisNome: N o : Espaço reservado a classificações
ESTATÍSTICA I 2 o Ano/Gestão 1 o Semestre Época Normal Duração: 2 horas 1 a Parte Teórica N o de Exame: abcde 03.Jan.11 Este exame é composto por duas partes. Esta é a 1 a Parte Teórica (Cotação: 8 valores).
Leia maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisPARTE 2. Profª. Drª. Alessandra de Ávila Montini
PARTE 2 Profª. Drª. Alessandra de Ávila Montini Conteúdo Introdução a Probabilidade Conceito de Experimento Conceito de Espaço Amostral Conceito de Variável Aleatória Principais Distribuições de Probabilidade
Leia mais3.3. Diga qual é o número médio e a variância dos animais que sobrevivem?
1. Um treinador de andebol tem à sua disposição 20 jogadores dos quais deve selecionar 10 para formar uma equipa para um jogo. 12 dos jogadores são atacantes e os restantes saõ defesas. 1.1. Se o selecionador
Leia maisVariáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman
Variáveis aleatórias Universidade Estadual de Santa Cruz Ivan Bezerra Allaman DEFINIÇÃO É uma função que associa cada evento do espaço amostral a um número real. 3/37 Aplicação 1. Seja E um experimento
Leia maisb) Variáveis Aleatórias Contínuas
Disciplina: 221171 b) Variáveis Aleatórias Contínuas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Uma variável aleatória é contínua (v.a.c.) se seu conjunto de valores é qualquer intervalo
Leia maisLista 2 Estatística 1. Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com reposição, calcule a
Lista 2 Estatística 1. Uma urna possui 6 bolas azuis, 10 bolas vermelhas e 4 bolas amarelas. Tirando-se uma bola com reposição, calcule a probabilidade se sair bola: a. azul; b. vermelha; c. amarela. 2.
Leia maisEST029 - Cálculo de Probabilidades I Lista 05
EST029 - Cálculo de Probabilidades I Lista 05 Marcus Nunes 07/0/20 Exercícios retirados do livro Probabilidade - Um Curso Moderno com Aplicações, de Sheldon Ross, com a seguinte legenda: P : Problemas
Leia maisEstatística. 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 maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisVariável 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 maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável Aleatória
Leia maisCE-003: Estatística II - Turma K/O - Avaliações Semanais (2 o semestre 2013)
CE-003: Estatística II - Turma K/O - Avaliações Semanais (2 o semestre 2013) Semana 2 1. Dois profissionais vão tentar resolver um problema e cada um deles pode ou não conseguir resolver. A chance do primeiro
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7 Distribuição da Média Amostral Leitura obrigatória: Devore: Seções 5.3, 5.4 e 5.5 Chap 8-1 Inferência Estatística Na próxima aula vamos começar a parte de inferência
Leia maisVariável 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 maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisEstatística Aplicada
Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua da Probabilidade Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada DISTRIBUIÇÕES CONTÍNUAS DE PROBABILIDADE
Leia maisESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL
ESTATÍSTICA TÓPICO 7 VARIÁVEL ALEATÓRIA DISCRETA / DISTRIBUIÇÃO BINOMIAL / DISTRIBUIÇÃO NORMAL VARIÁVEIS ALEATÓRIAS Como já vimos no estudo das probabilidades, o conjunto de todos os possíveis resultados
Leia maisNOTAS DA AULA. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA VARIÁVEIS ALEATÓRIAS. ESPERANÇA E VARIÂNCIA Prof.: Idemauro Antonio Rodrigues de Lara 2 Objetivo geral da aula Caracterizar variáveis aleatórias discretas e contínuas. Compreender e aplicar
Leia maisVariáveis Aleatórias Contínuas
Variáveis Aleatórias Contínuas Bacharelado em Administração - FEA - Noturno 2 o Semestre 2017 MAE0219 (IME-USP) Variáveis Aleatórias Contínuas 2 o Semestre 2017 1 / 35 Objetivos da Aula Sumário 1 Objetivos
Leia maisModelos 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 maisGET00116 Fundamentos de Estatística Aplicada Lista de Exercícios de Revisão para a P2 Profa. Ana Maria Farias
GET00116 Fundamentos de Estatística Aplicada Lista de Exercícios de Revisão para a P Profa. Ana Maria Farias 1. Em 00, Kaspersky Lab relatou que aproximadamente 0% de todos os e-mails são lixo ou spam.
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte II
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda
Leia maisMODELOS PROBABILÍSTICOS CONTÍNUOS
6 MODELOS PROBABILÍSTICOS CONTÍNUOS 6. DISTRIBUIÇÃO UNIFORME A distribuição uniforme é a distribuição de probabilidades contínua mais simples de conceituar: a probabilidade de se gerar qualquer ponto em
Leia maisLista de Exercícios 2 Probabilidades Escola Politécnica, Ciclo Básico
Lista de Exercícios 2 Probabilidades 0303200 Escola Politécnica, Ciclo Básico 1 o semestre 2017 1) O número de quilômetros que um carro pode rodar sem que a bateria descarregue possui distribuição exponencial
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 2019 5.1. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros e ( < ) se sua função densidade de probabilidade é dada por f ( x )={ 1 β α, α x β
Leia maisProbabilidades. última atualização: 5 de junho de 2012
Probabilidades última atualização: 5 de junho de 2012 1. (B. & M.) Um empreiteiro apresentou orçamentos separados para a execução da parte elétrica e da parte de encanamento de um edifício. Ele acha que
Leia maisLista de exercícios Defina o espaço amostral para cada um dos seguintes experimentos aleatórios:
UNIVERSIDADE FEDERAL DE SÃO CARLOS Centro de Ciências Agrárias Departamento de Tecnologia Agroindustrial e Socioeconomia Rural Disciplina: Noções de Probabilidade e Estatística (221171) - 2018 Prof. a
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisConfiabilidade de sistemas. Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas.
Confiabilidade de sistemas Uma importante aplicação de probabilidade nas engenharias é no estudo da confiabilidade de sistemas. Uma definição pratica de confiabilidade corresponde à probabilidade de um
Leia maisLista 4 de exercícios
Lista 4 de exercícios 1. (MORETTIN, 2010) Na leitura de uma escala, os erros variam de -1/4 a ¼, com distribuição uniforme de probabilidade. Calcular a média e a variância da distribuição dos erros. 2.
Leia mais