GET00189 Probabilidade I Gabarito da lista de exercícios - Capítulo 1 Profa. Ana Maria Lima de Farias
|
|
- Maria de Lourdes Terra das Neves
- 5 Há anos
- Visualizações:
Transcrição
1 GET00189 Probabilidade I Gabarito da lista de exercícios - Capítulo 1 Profa. Ana Maria Lima de Farias SEÇÃO 1.1 Experimento aleatório, espaço amostral e evento 1. Vamos definir os seguinte eventos: K lançamento resulta em cara na face superior C lançamento resulta em coroa na face superior Ω {KKK, KKC, KCK, CKK, KCC, CKC, CCK, CCC} A {KKK, CCC} B {KKK, KKC, KCK, KCC} C {KCC, CCC} 2. (a) Veja a Figura 1a. B A A B A A c B c (A B) c A c (b) Veja a Figura 1b. Como A B, resulta que A B A B c A. (c) Veja a Figura 1c. (A C) B (A B) (B C) (A B) (A B) (d) Veja a Figura 1d. (A B) C (A C) (B C) (a) A c B c (b) A B (c) (A C) B (d) (A B) C Figura 1 Gabarito do Exercício 2 3. (a) Ω {(i, j, k, l, m), i, j, k, l, m 1, 2, 3, 4, 5, 6} (b) Ω {(i, j, k, l, m), i, j, k, l, m 1, 2, 3, 4, 5, 6; i j; j k; k l; l m} Departamento de Estatística 1
2 (c) Ω {0, 1, 2,...} (d) Vamos denotar por M o evento bebê é do sexo masculino e por F o evento bebê é do sexo feminino. Então, M, F, MM, MF, F M, F F, MMM, MMF, MF M, F MM, F F M, F MF, MF F, F F F, Ω F F F F, F F F M, F F MF, F MF F, MF F F, MMF F, MF MF, MF F M, F F MM, F MF M, F MMF, MMMF, MMF M, MF MM, F MMM, MMMM Note que representamos aí os casais com um filho, dois filhos, três filhos e quatro filhos. (e) A lâmpada pode queimar logo ao ser ligada e, teoricamente, pode durar para sempre; logo, Ω (0, ). (f) Como temos que sortear as 3 mulheres, serão necessários, no mínimo, 3 sorteios e, no pior dos casos, a última mulher será a última a ser sorteada. Como estamos interessados apenas no número de sorteios, o espaço amostral é Ω {3, 4, 5, 6, 7, 8, 9, 10} (g) Podemos obter cara logo no primeiro lançamento ou então no segundo ou no terceiro... Teoricamente, pode ser necessário lançar a moeda infinitas vezes. Logo, Ω {1, 2, 3,...} { } AA, AB, AC, AD, AE, BA, BB, BC, BD, BE, CA, CB, CC, (h) Ω CD, CE, DA, DB, DC, DD, DE, EA, EB, EC, ED, EE { } AB, AC, AD, AE, BA, BC, BD, BE, CA, CB, CD, CE, (i) Ω DA, DB, DC, DE, EA, EB, EC, ED 4. (a) O evento somente A ocorre significa que A ocorreu e B não ocorreu e C não ocorreu; em linguagem de conjunto: Somente A ocorre A B c C c (b) Exatamente um ocorre significa que apenas A ocorre, ou apenas B ocorre ou apenas C ocorre. Exatamente um ocorre (A B c C c ) (A c B C c ) (A c B c C) (c) O evento A, B e C ocorrem significa que os três eventos ocorreram; em linguagem de conjunto, A, B e C ocorrem A B C (d) A c B c C c (A B C) c (e) O evento pelo menos um ocorre significa que pode ter ocorrido apenas um, ou dois ou três; essa é a própria definição de união, ou seja, em linguagem de conjunto, temos que pelo menos um ocorre A B C (f) Os dois que ocorrem podem ser A e B ou A e C ou B e C. Ocorrendo dois desses, o terceiro não pode ocorrer. Logo, em linguagem de conjunto temos que: exatamente dois ocorrem (A B C c ) (A B c C) (A c B C) (g) Pelo menos dois significa, neste caso, 2 ou 3 ocorrem, ou seja: (A B C c ) (A c B C) (A B c C) (A B C) O primeiro termo corresponde à ocorrência de A e B, mas não de C; o segundo termo, ocorrência de B e C, mas não de A; o terceiro, ocorrência de A e C, mas não de B, e o quarto termo corresponde à ocorrência dos 3 simultaneamente. Departamento de Estatística 2
3 (h) No máximo 2 significa ou nenhum ocorre, ou ocorre apenas um, ou ocorrem apenas 2. No caso de 3 eventos, a única possibilidade excluída é à ocorrência dos três simultaneamente, ou seja, (A B C) c. 5. A { (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (4, 6), (5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6) B {(3, 6), (4, 5), (4, 6), (5, 4), (5, 5), (5, 6), (6, 3), (6, 4), (6, 5), (6, 6)} { } (1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (6, 6), C (6, 1), (6, 2), (6, 3), (6, 4), (6, 5) A B A B A B c A B {(4, 6), (5, 5), (6, 4), (6, 6)} (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (4, 6), (5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6), (3, 6), (4, 5), (5, 4), (5, 6), (6, 3), (6, 5) { (1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (5, 1), (5, 3), (6, 2) B A B A c {(3, 6), (4, 5), (5, 4), (5, 6), (6, 3), (6, 5)} B C {(3, 6), (4, 6), (5, 6), (6, 3), (6, 4), (6, 5), (6, 6)} B C B C c {(4, 5), (5, 4), (5, 5)} Note que, de acordo com as propriedades já vistas, (B C) (B C) (B C) (B C c ) } [(B C) B] [(B C) C c ] [B] [C c (B C)] B [(C c B) (C c C)] B [(C c B) (Ω)] B (C c B) (B C c ) (B B) (B C c ) B B } 6. A solução deste exercício fica bastante simplificada se notarmos o seguinte: A B Ω A B D { A D D D A A D A { B D D D B B D B (a) A (B D) A D A {1, 3, 5, 7, 9} (b) B (A D) B D B {0, 2, 4, 6, 8, 9} (c) A c B c (A B) c D c {0, 1, 2, 3, 4, 5, 6, 7, 8} (d) A c B c (A B) c Ω c (e) A B {1, 3, 5, 7} (f) B A {0, 2, 4, 6, 8} (g) (A B) c D c {0, 1, 2, 3, 4, 5, 6, 7, 8} (h) (A B) c Ω c Departamento de Estatística 3
4 SEÇÃO 1.2 Axiomas e propriedades da probabilidades 7. P(B) 1 P(B c ) 3 4. Se A e B fossem mutuamente exclusivos, teríamos que ter P(A B) P(A) + P(B) > 1. Logo, A e B têm que ter interseção, ou seja, A e B não podem ser mutuamente exclusivos. 8. Do enunciado, concluímos que A B. Logo, (a) P(A B) P(A) + P(B) 0, 5 + 0, 4 0, 9 (b) P(B A c ) P(B) P(A B) 0, 4 0 0, 4 9. Sabemos que P(A 1 A 2 A 3 ) P(A 1 )+P(A 2 )+P(A 3 ) P(A 1 A 2 ) P(A 1 A 3 ) P(A 2 A 3 )+P(A 1 A 2 A 3 ) Temos também que A 1 A 2 A 3 A 1 (A 2 A 3 ) pela propriedade associativa. Dos dados do problema resulta que A 1 A 2 A 3 A 1 (A 2 A 3 ) A 1 (A 1 A 2 ) A 1 A 2 Usando esse resultado e todos os dados do problema, resulta que Temos que ter, então, P(A 3) 2 P(A 1 A 2 ) P(A 3 ) P(A 1 A 2 ) P(A 1 A 2 ) P(A 1 A 2 ) 3 8 Assim, o problema admite infinitas soluções, conforme ilustrado pelo segmento em preto na Figura 2, onde a reta tracejada representa a função y 0, x. Figura 2 Relação entre P (A 1 A 2 ) e P(A 3 ) para o Problema 9 Fazendo P(A 1 A 2 ) p, 0 p 3 8, temos que ter P (A 3) p. Departamento de Estatística 4
5 10. P(M) P(A B c C c ) P[A (B c C c )] P[A (B C) c ] Lembrando que P (A B c ) P(A) P(A B), resulta que Por outro lado, P(M) P (A) P[A (B C)] P(A) P(N) 0, 7 P(N) Logo, P(M) 0, 7 0, 65 0, 05. P(N) P[A (B C)] P[(A B) (A C)] P(A B) + P(A C) P[(A B) (A C)] P(A B) + P(A C) P[(A B C)] 0, , 35 0, 15 0, 65 SEÇÃO 1.3 Espaços amostrais finitos e igualmente prováveis 11. Veja a Figura 3, onde é representado um esquema do espaço amostral. Vamos calcular a probabilidade de cada um dos eventos aí indicados. Figura 3 Sócios dos clubes A, B, C Sócio de apenas 2 A, B mas não C P(A B C c ) P(A B) P(A B C) 0, 11 0, 075 0, 035 A, C mas não B P(A B c C) P(A C) P(A B C) 0, 22 0, 075 0, 145 B, C mas não A P(A c B C) P(B C) P(A B C) 0, 14 0, 075 0, 065 Departamento de Estatística 5
6 Sócio de apenas um Só de A P(A B c C c ) P[A (B C) c ] P(A) P[A (B C)] P(A) P[(A B) (A C)] P(A) P(A B) P(A C) + Pr(A B C) 0, 470 0, 110 0, , 075 0, 215 Só de B P(A c B C c ) P[B (A C) c ] P(B) P[B (A C)] P(B) P[(A B) (B C)] P(B) P(A B) P(B C) + P(A B C) 0, 420 0, 110 0, , 075 0, 245 Só de C P(A c B c C) P[C (A B) c ] P(C) P[C (A B)] P(C) P[(A C) (B C)] P(C) P(A C) P(B C) + P(A B C) 0, 315 0, 220 0, , 075 0, 03 (a) Seja o evento N uma família não é sócia de qualquer um dos clubes. P(N) P(A c B c C c ) P[(A B C) c ] 1 P(A B C) 1 P(A) P(B) P(C) + P(A B) + P(A C) + P(B C) P(A B C) 1 0, 470 0, 420 0, , , , 140 0, 075 0, 19 (b) Seja o evento U uma família é sócia de apenas um dos clubes. P(U) P(A B c C c ) + P(A c B C c ) + P(A c B c C) 0, , , 03 0, 490 (c) Seja o evento M uma família é sócia de pelo menos dois clubes. P(M) P(A B C c ) + P(A B c C) + P(A c B C) + P(A B C) 0, , , , 075 0, 320 Note que M (N U) c P(M) 1 P(N U) 1 P(N) P(U), uma vez que N e U são mutuamente exclusivos. 12. Sejam os eventos S uma pessoa do bairro tem curso superior, C uma pessoa do bairro é casada, D uma pessoa do bairro está desempregada. O problema dá que P(S) 0, 22 P(C) 0, 16 P(D) 0, 10 P(S C D c ) 0, 05 P(S D) 0, 06 P(S C D) 0, 02 (a) O problema pede P (S C). Temos que P(S C) P(S C D) + P(S C D c ) 0, , 05 0, 07 (b) O problema pede P[(S C) D c ]. Temos que P[(S C) D c ] P(S C) + P(D c ) P(S C D c ) 0, , 90 0, 05 0, 92 (c) O problema pede P (S D). Temos que P (S D) P (S) + P (D) P (S D) 0, , 10 0, 06 0, 26 Departamento de Estatística 6
7 13. Sejam os eventos B artigo é bom, M artigo tem defeitos menores e G artigo tem defeitos graves. Pelos dados do problema, temos que P(B) 10 16, P(M) 4 16, P(G) Note que B, M, G são mutuamente exclusivos. (a) P(não ter defeito) P(B) (b) P(não ter defeito grave) P(G c ) 1 P(G) (c) P(ser perfeito ou ter defeito grave) P(B G) P (B) + P (G) O espaço amostral é formado por todas as quádruplas de alunos; logo, #Ω ( 30 4 (a) Um homem entre os sorteados significa também que 3 mulheres foram sorteadas. Seja U o evento um homem sorteado. Então ) ( 18 ) ! 4! 26! P(U) ) 3! 15! 30! ( 12 1 ( 30 4 (b) No máximo uma pessoa do sexo feminino significa nenhuma ou uma pessoa do sexo feminino. Seja X o evento no máximo uma pessoa do sexo feminino. Então ( 12 ) ( ) ( 3 18 ) 12! 1 4! 8! P(X) ( 30 ) + 12! 3! 9! ! ! 26! (c) Ter pelo menos uma pessoa de cada sexo significa que não podemos ter todas as pessoas do mesmo sexo. Seja C pelo menos uma pessoa de cada sexo. Então ( 18 ) ( P(C c ) ) ( 30 ) Logo, P(C) ! 4! 14! + 12! 4! 8! 30! 4! 26! 15. O número total de maneiras de dispor os livros na prateleira é #Ω 10! (a) Seja A livros de cada assunto ficam juntos Podemos pensar nos 3 assuntos como blocos (veja Figura 4), que podem ser permutados de 3! maneiras. Mas em cada bloco (assunto), podemos permutar os livros. Assim, P(A) 3! 5! 2! 3! 10! (b) Seja B livros de Matemática não ficam juntos. O complementar de B é o evento B c livros de Matemática ficam juntos. Então, para calcular P(B c ) podemos pensar em 6 blocos: um bloco formado pelos livros de Matemática e os outros blocos sendo os 5 livros restantes (veja Figura 5). Esses blocos podem ser arranjados de 6! maneiras e dentro do bloco de Matemática, os livros podem ser arranjados de 5! maneiras. Logo, ) P(B c ) 6! 5! 10! P(B) Departamento de Estatística 7
8 Figura 4 Solução do Exercício 15a Figura 5 Solução do Exercício 15b (c) Seja C livros de Física todos separados ; então, o complementar é 2 livros de física juntos ou 3 livros de Física juntos. i. Primeira solução Temos liberdade para alocar um livro de Física e os 7 livros dos outros 2 assuntos, num total de 8! maneiras. Note que aí já estamos contabilizando as diferentes possibilidades para o livro de Física cuja posição já está definida. Veja Figura 6a. Para alocar os outros 2 livros de Física, temos que considerar o fato de que os 3 livros de Física têm que estar separados. Então, as posições possíveis são aquelas representadas por traços verticais na Figura 6b. Se o livro de Física está numa posição no meio, os outros 2 não podem estar nas posições vizinhas, ou seja, perdemos 2 posições e sobram 7 (linha superior da figura). Se o livro de Física está num dos extremos, ainda perdemos 2 posições, pois não há posição antes do primeiro livro (lina do meio na figura) ou depois do último livro (última linha da figura). Sendo assim, em qualquer caso, temos 7 posições para colocar os 2 livros de Física restantes e como eles são diferentes, o número de maneiras de fazer isso é P 7 2 7! 5!. Logo, P(C) 8! 7! 5! 10! (a) 1 livro de Física e os 7 restantes (b) Os outros 2 livros de Fisica Figura 6 Gabarito do Exercício 15(c)i ii. Segunda solução Vamos, agora, calcular P(C c ). Vamos definir os eventos D apenas dois livros de Física juntos e T os três livros de Física juntos. Então, C c D T. Departamento de Estatística 8
9 Pensando nos 2 livros de Física como um bloco e nos livros de Matemática e Química ( como blocos, temos 8! maneiras de arrumar esses blocos. Mas temos 3 ) 2 3 maneiras de escolher os 2 livros de Física que ficarão juntos e 2 maneiras de permutar esses 2 livros. Veja a Figura 7a. Assim como no primeira solução, para alocar o terceiro livro de Física, temos 7 posições disponíveis (veja Figura 7b), o que dá um total de ( 7 1) 7 maneiras. Logo, (3 ( 8! P(D) 2) 2! 7 ) ! De maneira análoga (veja solução do item 15b), 3! 8! P(T ) 6 10! o que nos leva ao mesmo resultado anterior: P(C c ) P(C) 7 15 (a) 2 livros de Fìsica e os 7 restantes (b) O outro livro de Física Figura 7 apenas 2 livros de Física juntos 16. (a) Seja A nenhuma peça defeituosa ( 40 ) 5 P(A) ( 50 ) 5 40! 5! 35! 50! 5! 45! (b) Seja B no máximo 2 defeituosas. ( 40 ) ( ) ( 4 10 ) ( ) ( 3 10 ) 2 P(B) ( 50 ) ! 2!6! 15! 12!3! , , (a) Seja o evento N menor número é 7. O número total de maneiras de selecionarmos 3 bolas dentre 15 é #Ω ( ) Se o menor número é 7, isso significa que uma das bolas é a de número 7 e as outras 2 têm número de 8 a 15. O número de maneiras de sortearmos essas 2 bolas é ( 8 2). Logo, ( 8 P(N) ( 2) 15 ) Note que na penúltima expressão, 15 é a probabilidade de retirar a bola 7; 8 14 é a probabilidade de retirar a primeira bola com número maior que 7 dentre as 14 restantes e 7 13 é a probabilidade de retirar a segunda bola com número maior que 7 dentre as 13 restantes. Como a ordem das extrações não importa, a bola 7 poderia ocorrer em qualquer uma das 3 extrações; daí multiplicamos por 3. Departamento de Estatística 9
10 (b) Seja o evento M maior número é 7. Se o maior número é 7, isso significa que uma das bolas é a de número 7 e as outras 2 têm número de 1 a 6. De maneira análoga, temos que ( 6 2) P(M) ( 15 ) 3 6! 2!4! 15! 12!3! Como antes, 15 é a probabilidade de retirar a bola 7; 6 14 é a probabilidade de retirar a primeira bola com número menor que 7 dentre as 14 restantes e 5 13 é a probabilidade de retirar a segunda bola com número menor que 7 dentre as 13 restantes. Como a ordem não importa, a bola 7 pode ser retirada em qualquer uma das 3 extrações e, assim, multiplicamos por 3. SEÇÕES 1.4 e 1.5 Probabilidade condicional e regra da multiplicação 18. (a) P(T ) 40/100 0, 4 (b) P(M A) P(M) + P(A) P(A M) (c) P(T A) P(T A) P(A) , , Vamos definir os eventos A face 6 em pelo menos um dado e B faces diferentes. Então, A {(1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (6, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5)} B c {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} Podemos ver que A B {(1, 6), (2, 6), (3, 6), (4, 6), (5, 6), (6, 1), (6, 2), (6, 3), (6, 4), (6, 5)} P(A B) P(B c ) 1 6 P(B) (a) P(A) P(A B) (b) P(A B) P(B) Veja a Figura 8, onde é representado o espaço amostral deste experimento. V bola sorteada é vermelha B bola sorteada é branca A bola sorteada é azul U 1 urna soreada é a urna I U 2 urna sorteada é a urna II Figura 8 Bolas em duas urnas Departamento de Estatística 10
11 (a) Temos que (b) Temos que (c) Temos que P(V ) P(V U 1 ) + P(V U 2 ) P(U 1 ) P(V U 1 ) + P(U 2 ) P(V U 2 ) P(B) P(B U 1 ) + P(B U 2 ) P(U 1 ) P(B U 1 ) + P(U 2 ) P(B U 2 ) P(A) P(A U 1 ) + P(A U 2 ) P(U 1 ) P(A U 1 ) + P(U 2 ) P(A U 2 ) Note que P(V ) + P(B) + P(A) 1. (d) O problema pede P(U 1 V ) P(U 1 V ) P(V ) P(U 1) P(V U 1 ) P(V ) Sejam os eventos E ganhar parte elétrica e H ganhar parte hidráulica. Temos que P(E) 1 2 P(H E) 3 4 P(H E c ) 1 3 Resulta que P(E c ) 1 2 P(H c E) 1 4 P(H c E c ) 2 3 (a) P(E H) P(E) P(H E) (b) P(E c H) + P(E H c ) P(E c ) P(H E c ) + P(E) P(H c E) (c) P(E c H c ) P(E c ) P(H c E c ) Seja A i lâmpada i acende, i 1, 2, 3. (a) Seja M pelo menos uma lâmpada acende. Então, P(M) P(A 1 A 2 A 3 ) 1 P[(A 1 A 2 A 3 ) c ] 1 P(A c 1 A c 2 A c 3) (b) O problema pede 1 P(A c 1) P(A c 2 A c 1) P(A c 3 A c 1 A c 2) P(A 1 A 2 A 3 ) P(A 1 ) P(A 2 A 1 ) P(A 3 A 2 A 1 ) Departamento de Estatística 11
12 SEÇÃO 1.6 Teorema da probabilidade total e teorema de Bayes 23. Vamos definir os seguintes eventos: B inflação abaixo de 3% M inflação entre 3% e 4% A inflação acima de 4%11 E criação de empregos O problema dá as seguintes probabilidades: P(B) 0, 20 P(M) 0, 45 P(A) 0, 35 P(E B) 0, 6 P(E M) 0, 3 P(E A) 0 Veja a seguir a Figura 9 que representa o espaço amostral e também as informações dadas no enunciado do problema. B inflação abaixo de 3% M inflação entre 3% e 4% A inflação acima de 4%11 E criação de empregos P(B) 0, 20 P(M) 0, 45 P(A) 0, 35 P(E B) 0, 6 P(E M) 0, 3 P(E A) 0 Figura 9 Economia na Espanha (a) Podemos ver que E (E B) (E M) (E A) e, como os eventos são mutuamente exclusivos, P(E) P (E B) + P (E M) + P (E A) Logo, P(E) P(B) P(E B) + P(M) P(E M) + P(A) P(E A) 0, 20 0, , 45 0, , , 255 (b) O problema agora pede P(B E) : P(B E) P(B E) P(B) P(E B) P(E) P(E) 0, 20 0, 6 0, , 255 Departamento de Estatística 12
13 24. (a) Veja a seguir a Figura 10 que representa o espaço amostral e também as informações dadas no enunciado do problema. J Joana escreve a carta C correio não perde a carta T carteiro entrega a carta Figura 10 Carta de Joana para Camila (b) Vamos definir o evento R Camila recebe a carta. O problema pede P(R c ). P(R c ) P(J c ) + P(J C c ) + P(J C T c ) P(J c ) + P(J) P(C c J) + P(J) Pr(C J) P(T c C J) (c) O problema agora pede P(J c R c ) : P(J c R c ) P(Rc J c ) P(R c ) P(J c ) P(R c J c ) P(R c ) O evento R c J c significa Camila não receber a carta, dado que Joana não a escreveu. Ora, se Joana não escreveu, é claro que Camila não recebe a carta! Logo, esse evento é o evento certo e, portanto, P(J c R c ) P(J c ) P(R c J c ) P(R c ) Veja a seguir a Figura 11 que representa o espaço amostral e também as informações dadas no enunciado do problema. S aluno sabe a resposta A aluno acerta a questão P(S) 0, 3 P(S c ) 0, 7 Figura 11 Teste de múltipla escolha Se o aluno sabe a resposta, ele acerta a questão. Se ele não sabe, ele pode chutar entre as quatro alternativas. Logo, P(A S) 1 P(A S c ) 0, 25 Departamento de Estatística 13
14 (a) O problema pede P(A). Tem-se que 0, , 7 0, 25 0, 475 (b) O problema agora pede P(S A) P(A) P(A S) + P(A S c ) P(S) P(A S) + P(S c ) P(A S c ) P(A S) P(A) P(S) P(A S) P(A) 0, 3 0, , Veja a Figura 12. Como o problema envolve apenas carne branca, podemos considerar apenas esse evento e o seu complementar. H cliente é homem M cliente é mulher A cliente come arroz integral A c cliente come outro tipo de acompanhamento B cliente come carne branca B c cliente não come carne branca Figura 12 Escolha no restaurante Os dados do problema são P(H) 0, 48 P(M) 0, 52 P(A H) 0, 30 P(A M) 0, 65 P(B A H) P(B A M) 0, 65 P(B c A c H) 0, 70 P(B c A c M 0, 40) (a) P(B) P(B A H) + P(B A c H) + P(B A M) + P(B A c M) P(H) P(A H) P(B A H) + P(H) P(A c H) P(B A c H) + P(M) P(A M) P(B A M) + P(M) P(A c M) P(B A c M) 0, 48 0, 30 0, , 48 0, 70 0, , 52 0, 65 0, , 52 0, 35 0, 60 0, , , , , 5233 (b) P(H B) P(H B) P(B) P(H A B) + P(H Ac B) P(B) P(H) P(A H) P(B A H) + P(H) P(Ac H) P(B A c H) P(B) 0, , , , 5233 Departamento de Estatística 14
15 27. (a) Veja a Figura 13. M func. do sexo masculino F func. do sexo feminino G func. tem alguma pós D func. tem doutorado Figura 13 Formação de funcionários Pelos dados do problema, temos que P(M) 3 5 P(F ) 2 5 P(G M) 4 10 P(G F ) 6 10 P[D (G M)] 2 10 P[D (G F )] 4 10 Pela propriedade do complementar, resulta que P(G c M) 6 10 P(G c F ) 4 10 P[D c (G M)] 8 10 P[D c (G F )] 6 10 (b) P(G) P(M G) + P(F G) P(M) P(G M) + P(F ) P(G F ) (c) P(D) P(M G D) + P(F G D) P(M) P(G M) P[D (G M)] + P(F ) P(G F ) P[D (F G)] Departamento de Estatística 15
16 (d) P(F D) P(F D) P(D) P(F G D) P(D) P(F ) P(G F ) P[D (F G)] P(D) SEÇÃO 1.7 Independência de eventos 28. Temos que P(A B) P(A) + P(B) P(A B) 0, 7 0, 4 + p P(A B) (a) P(A B) 0 0, 7 0, 4 + p p 0, 3 (b) P(A B) P(A) P(B) 0, 7 0, 4 + p 0, 4p 0, 6p 0, 3 p 0, (a) P(A B) 0, 21 0 A e B não são mutuamente exclusivos (b) Pr(A B) 0, 21 Pr(A) Pr(B) A e B são independentes (c) P(A B c ) P(A) P(A B) 0, 3 0, 21 0, 09 P(A) P(B c ) A e B c são independentes. Lembre-se que se A, B são independentes, então A, B c também o são. (d) P(A B c ) P(A) P(A B) 0, 3 0, 21 0, 09 > 0 A e B c não são mutuamente exclusivos. Outra solução: Como A, B c são independentes e ambos têm probabilidade positiva, então eles não podem ser mutuamente exclusivos. (e) P(A A c ) P( ) 0 P(A) P(A c ) 0, 21 A e A c não são independentes. 30. Pelos dados do problema, temos que P(A c B) 1 P(Ac B) P(B) P(A B) 1 1 P(B) P(B) P(A B) P(A B) P(A B) 0 P(B) P(B) Logo, A e B são mutuamente exclusivos e, portanto, não podem ser independentes, uma vez que ambos têm probabilidade positiva. 31. (a) Vimos no Exercício 19 que P(A) P(A B) 1 3 Como P(A B) P(A), resulta que A, B não são independentes. (b) O espaço amostral tem 36 elementos, dos quais 18 pertencem ao evento C, ou seja, P(C) 1 2. Temos, também que P(D) 1 2. Para estudar a independência dos eventos C e D, temos que analisar a interseção C D. Para que um resultado pertença à interseção, o primeiro lançamento tem resultar em um número par e a soma tem que ser um número par. Isso significa que 9 temos que ter face par em ambos os lançamentos. É fácil ver que P (C D) P(C) P(D). Logo, os eventos C, D são independentes Departamento de Estatística 16
17 32. O problema dá os seguintes fatos: B A P(A C) P(A) P(C) P(B C) 0 P[(A C) c ] 0, 48 P(B C) 0, 3 P(C) 2 P(B) e pede que se calcule P(A B). Como B A, então, A B A P(A B) P(A). P(B C) 0, 3 P(B) + P(C) P(B C) 0, 3 P(B) + 2 P(B) 0 0, 3 P(B) 0, 1 Logo, P(C) 0, 2. P[(A C) c ] 0, 48 P(A c C c ) 0, 48 Como A e C são independentes, segue que A c e C c também o são. Logo, P(A c ) P(C c ) 0, 48 P(A c ) 0, 8 0, 48 P(A c ) 0, 6 e, portanto, P(A) 0, 4 P(A B) 33. (a) Veja a Figura 14, em que H i, i 1, 2 representa o evento i ésimo estudante sorteado é homem. Figura 14 Sorteio de comissão (b) Temos que (c) Temos que P(M 1 ) 5 8 P(M 2 ) P(M 1 M 2 ) + P(H 1 M 2 ) P(M 1 ) P(M 2 M 1 ) + P(H 1 ) P(M 2 H 1 ) P(M 2 M 1 ) 4 7 P(M 2) Logo, M 1 e M 2 não são independentes. Departamento de Estatística 17
18 34. Sejam os eventos A Alberto ganha B Bosco ganha C Carlos ganha Como eles são os únicos competidores, temos que P(A) + P(B) + P(C) 1 2 P(C) + 2 P(C) + P(C) 1 (a) O problema pede P(C) 1 5 P(A) P(B) 2 5 P(B C) P(B) + P(C) P(B C) Note que pode haver empate entre Bosco e Carlos. No entanto, é razoável supor que os eventos B e C sejam independentes, uma vez que, numa competição honesta, nenhum competidor interfere no desempenho dos outros. Logo, P(B C) P(B) + P(C) P(B C) P(B) + P(C) P(B) P(C) (b) Foi necessário fazer a hipótese de independência, que é razoável, conforme explicado no item anterior. 35. Dos dados do enunciado temos que P(A B) P(A) P(B) 1 15 P(A C) P(A) P(C) 1 12 P(B C) P(A B) 1 15 (a) P(A c B) P(B) P(A B) (b) P(B c C) P(C) P(B C) (c) P[A (B C)] P[(A B) (A C)] P(A B C) P(B C) P(B) + P(C P(B C) P(A B) + P(A C) P(A B C) P(B) + P(C P(B C) Vamos completar a tabela com os totais de linha e coluna para facilitar a resolução. Sexo Total Masculino (M) Feminino (F ) Técnico - Nível 1 (T 1 ) Nível da carreira Técnico - Nível 2 (T 2 ) Gerente (G) Total Departamento de Estatística 18
19 (a) P(M T 1 ) (b) P(F G) P(F ) + P(G) P(F G) (c) P(F G) P(F G) P(G) (d) P(T 2 M) P(T 2 M) P(M) (e) P(T 2 M) P(T 2) Sejam os eventos M Maria resolve o problema e E Pedro resolve o problema. Temos que P(M) 0, 8 P(M c ) 0, 2 P(E) 0, 7 P(E c ) 0, 3 (a) O problema pede P (E c M c ). Como E, M são independentes, sabemos que seus complementares também o são. Logo, P (E c M c ) P(E c ) P(M c ) 0, 3 0, 2 0, 06 (b) Seja R problema resolvido. O problema pede P(R) P(E M). Temos que P(R) P(E M) 1 P[(E M) c ] 1 P(P c M c ) 1 0, 06 0, 94 (c) Seja E 1 apenas Pedro resolve. Então E 1 E M c e E 1 R E 1 R E 1. O problema pede P (E 1 R). Temos que P (E 1 R) P(E 1 R) P(E 1) P(R) P (R) P(E M c ) P(R) 0, 7 0, 2 0, , 94 Departamento de Estatística 19
2. Nas Figuras 1a a 1d, assinale a área correspondente ao evento indicado na legenda. Figura 1: Exercício 2
GET00189 Probabilidade I Lista de exercícios - Capítulo 1 Profa. Ana Maria Lima de Farias SEÇÃO 1.1 Experimento aleatório, espaço amostral e evento 1. Lançam-se três moedas. Enumere o espaço amostral e
Leia mais2. Nas Figuras 1a a 1d, assinale a área correspondente ao evento indicado na legenda. Figura 1: Exercício 2
GET00116 Fundamentos de Estatística Aplicada Lista de exercícios Probabilidade Profa. Ana Maria Lima de Farias Capítulo 1 Probabilidade: Conceitos Básicos 1. Lançam-se três moedas. Enumere o espaço amostral
Leia maisExercícios de Probabilidade - Lista 1. Profa. Ana Maria Farias
Exercícios de Probabilidade - Lista 1 Profa. Ana Maria Farias 1. Lançam-se três moedas. Enumere o espaço amostral e os eventos A = faces iguais ; B = cara na primeira moeda ; C = coroa na segunda e terceira
Leia maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Para cada um dos experimentos abaixo, descreva o espaço amostral e dê o número de seus elementos. (a) Numa linha de produção conta-se o número de peças defeituosas num intervalo de uma hora.
Leia maisAula 5 Probabilidade conceitos básicos
AULA 5 Aula 5 Probabilidade conceitos básicos Nesta aula, você aprenderá os conceitos de: experimento aleatório; espaço amostral; evento aleatório e também as operações que podem ser feitas com os eventos
Leia maisPara cada um dos experimentos abaixo, descreva o espaço amostral e dê o número de seus elementos.
1 Exercício 1 Para cada um dos experimentos abaixo, descreva o espaço amostral e dê o número de seus elementos. (a) Numa linha de produção conta-se o número de peças defeituosas num intervalo de uma hora.
Leia mais2 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 2 a Lista de PE Solução 1. a Ω {(d 1, d 2, m : d 1, d 2 {1,..., 6}, m {C, K}}, onde C coroa e K cara. b Ω {0, 1, 2,...} c Ω {(c 1, c 2, c 3, c 4 : c
Leia maisP(A i ) (n 1) i=1. Sorteia-se um homem desse grupo. Qual é a probabilidade de que seja paulista recém-formado, mas não pediatra?
GET0089 Probabilidade I Aula de exercícios - 4/08/08 Profa. Ana Maria Lima de Farias. Prove, por indução, a desigualdade de Bonferroni. Se A, A,..., A n são eventos de um espaço de probabilidade (Ω, F,
Leia maisEstatística. Aula : Probabilidade. Prof. Ademar
Estatística Aula : Probabilidade Prof. Ademar TEORIA DAS PROBABILIDADES A teoria das probabilidades busca estimar as chances de ocorrer um determinado acontecimento. É um ramo da matemática que cria, elabora
Leia maisMAE116 - Noções de Estatística Grupo A - 1 semestre de 2015
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito Lista 4 - Probabilidade - CASA Exercício 1. (2 pontos) Para cada um dos experimentos abaixo, descreva o espaço amostral e apresente
Leia maisTEORIA DA PROBABILIDADE
TEORIA DA PROBABILIDADE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de maio de 2017 Introdução Conceitos probabiĺısticos são necessários
Leia maisPara cada um dos experimentos abaixo, descreva o espaço amostral e dê o número de seus elementos.
1 Exercício 1 Para cada um dos experimentos abaixo, descreva o espaço amostral e dê o número de seus elementos. (a) Numa linha de produção conta-se o número de peças defeituosas num intervalo de uma hora.
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Aula de hoje Probabilidade Condicional Independência de Eventos Teorema
Leia maisAula 10 Variáveis aleatórias discretas
AULA 0 Aula 0 Variáveis aleatórias discretas Nesta aula você aprenderá um conceito muito importante da teoria de probabilidade: o conceito de variável aleatória. Você verá que as variáveis aleatórias e
Leia maisMatemática & Raciocínio Lógico
Matemática & Raciocínio Lógico para concursos Prof. Me. Jamur Silveira www.professorjamur.com.br facebook: Professor Jamur PROBABILIDADE No estudo das probabilidades estamos interessados em estudar o experimento
Leia maisAula 9 Teorema da probabilidade total e teorema de Bayes
Aula 9 Teorema da probabilidade total e teorema de Bayes Nesta aula você estudará dois importantes teoremas de probabilidade e verá suas aplicações em diversas situações envolvendo a tomada de decisão.
Leia maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisTEORIA 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 maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Combinatória Aula de hoje Probabilidade Condicional Independência de Eventos
Leia maisEstatística 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 maisAula 8 Probabilidade condicional e independência de eventos
Aula 8 Probabilidade condicional e independência de eventos Nesta aula você aprenderá os conceitos de probabilidade condicional e independência de eventos. Você verá também que esses são conceitos importantes
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? 2 ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 2011???? Quem será o próximo prefeito
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Experimento aleatório Definição Qualquer experimento cujo resultado
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE Experimento Aleatório Experimento Aleatório: procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplos:. Resultado no lançamento de
Leia maisELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015
ELEMENTOS DE PROBABILIDADE Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Def.: Um experimento é dito aleatório quando o seu resultado não for previsível antes de sua realização, ou seja,
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia mais3. (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 maisFundamentos de Estatística Aplicada. Módulo II: Probabilidade
Universidade Federal Fluminense Instituto de Matemática e Estatística Fundamentos de Estatística Aplicada Módulo II: Probabilidade Ana Maria Lima de Farias Departamento de Estatística Sumário 1 Probabilidade:
Leia maisProbabilidade e Estatística Probabilidade Condicional
Introdução Probabilidade e Estatística Probabilidade Condicional Em algumas situações, a probabilidade de ocorrência de um certo evento pode ser afetada se tivermos alguma informação sobre a ocorrência
Leia mais1 Definição Clássica de Probabilidade
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 4 Professor: Carlos Sérgio UNIDADE 2 - Probabilidade: Definições (Notas de aula) 1 Definição Clássica
Leia maisGET00189 PROBABILIDADE I Probabilidade e Variáveis Aleatórias Unidimensionais
Universidade Federal Fluminense Instituto de Matemática e Estatística GET89 PROBABILIDADE I Probabilidade e Variáveis Aleatórias Unidimensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana
Leia maisExperimento Aleatório
Probabilidades 1 Experimento Aleatório Experimento aleatório (E) é o processo pelo qual uma observação é ob;da. Exemplos: ü E 1 : Jogar uma moeda 3 vezes e observar o número de caras ob;das; ü E 2 : Lançar
Leia mais1 Experimento Aleatório 2 - Espaço Amostral 3 Eventos Mutuamentes Exclusivos 4 Experimentos de Contagem. Francisco Cysneiros
Probabilidade bilid d 1 Experimento leatório 2 - Espaço mostral 3 Eventos Mutuamentes Exclusivos 4 Experimentos de Contagem Francisco Cysneiros Introdução Se tomarmos um determinado sólido, sabemos que
Leia maisAula 4. NOÇÕES DE PROBABILIDADE
Aula 4. NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? ? Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 013???? Quem será o próximo prefeito
Leia maisSeja A um evento de um espaço amostral Ω finito, cujos elementos são igualmente prováveis. Define-se a probabilidade do evento A como
Aula 7 Probabilidade Nesta aula você aprenderá a definição de probabilidade, estudará os axiomas e propriedades de uma lei de probabilidade e fará revisão dos seguintes conceitos de análise combinatória:
Leia maisProbabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise
Probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Você reconhece algum desses experimentos? Alguns
Leia maisSumário. 2 Índice Remissivo 12
i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................
Leia maisEstatística Planejamento das Aulas
7 de outubro de 2018 Fatorial Para n inteiro não negativo. O fatorial de n é definido por: Convenciona-se: Para n = 0, 0! = 1 Para n = 1, 1! = 1 Exemplos: 1. 6! = 6.5.4.3.2.1 = 720 2. 4! = 4.3.2.1 = 24
Leia maisPROBABILIDADE. Aula 2 Probabilidade Básica. Fernando Arbache
PROBABILIDADE Aula 2 Probabilidade Básica Fernando Arbache Probabilidade Medida da incerteza associada aos resultados do experimento aleatório Deve fornecer a informação de quão verossímil é a ocorrência
Leia maisSe Ω é o espaço amostral de algum experimento aleatório, qualquer subconjunto A Ω será chamado de evento.
Capítulo 1 Probabilidade No nosso cotidiano, lidamos sempre com situações em que está presente a incerteza do resultado, embora, muitas vezes, os resultados possíveis sejam conhecidos. Por exemplo, se
Leia maisIntrodução à Bioestatística
Instituto Nacional de Cardiologia March 11, 2015 1 2 3 Os primeiros estudos surgiram no século XVII Teve origem nos jogos de azar Grandes nomes da matemática desenvolveram teorias de probabilidades: Pascal
Leia mais? CARA? OU? COROA? 2
NOÇÕES DE PROBABILIDADE ? CARA? OU? COROA? 2 ?Q Qual será o rendimento da Caderneta de Poupança até o final deste ano??? E qual será a taxa de inflação acumulada em 2011???? Quem será o próximo prefeito
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 13 a Lista de Exercícios Práticos Conceitos Básicos de Probabilidade 1) Considere um experimento que consiste em
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 4 Probabilidade: Conceitos Básicos Leituras: Obrigatória: Devore, Capítulo 2 Complementar: Bertsekas e Tsitsiklis, Capítulo 1 Cap 4-1 Objetivos Nesta aula, aprenderemos:
Leia maisIntrodução à Estatística
Introdução à Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos de experimentos:
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Probabilidade Análise Combinatória Independência de eventos Aula de hoje Independência de eventos Prob. Condicional Teorema da Probabilidade
Leia maisESTATÍSTICA 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 maisMAT 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 maisAULA 08 Probabilidade
Cursinho Pré-Vestibular da UFSCar São Carlos Matemática Professora Elvira e Monitores Ana Carolina e Bruno AULA 08 Conceitos e assuntos envolvidos: Espaço amostral Evento Combinação de eventos Espaço Amostral
Leia maisConceitos básicos de teoria da probabilidade
Conceitos básicos de teoria da probabilidade Experimento Aleatório: procedimento que, ao ser repetido sob as mesmas condições, pode fornecer resultados diferentes Exemplos:. Resultado no lançamento de
Leia maisFundamentos de Estatística Aplicada. Módulo II: Probabilidade
Universidade Federal Fluminense Instituto de Matemática e Estatística Fundamentos de Estatística Aplicada Módulo II: Probabilidade Ana Maria Lima de Farias Departamento de Estatística Sumário 1 Probabilidade:
Leia maisGET00189 PROBABILIDADE I Probabilidade e Variáveis Aleatórias Unidmensionais
Universidade Federal Fluminense Instituto de Matemática e Estatística GET89 PROBABILIDADE I Probabilidade e Variáveis Aleatórias Unidmensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana
Leia maisChamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.
PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses
Leia maisGET00189 PROBABILIDADE I Probabilidade e Variáveis Aleatórias Unidimensionais
Universidade Federal Fluminense Instituto de Matemática e Estatística GET89 PROBABILIDADE I Probabilidade e Variáveis Aleatórias Unidimensionais Ana Maria Lima de Farias Jessica Quintanilha Kubrusly Mariana
Leia maisPode ser a observação de um fenômeno natural:
MAE 116 Introdução à Probabilidade FEA -2º Semestre de 2017 1 Experimento Designaremos por Experimento todo processo que nos fornece dados: Pode ser a observação de um fenômeno natural: 4observação astronômica
Leia maisMA12 - Unidade 18 Probabilidade Condicional
MA12 - Unidade 18 Probabilidade Condicional Paulo Cezar Pinto Carvalho PROFMAT - SBM 4 de Abril de 2014 Um dado honesto é lançado duas vezes. a) Qual é a probabilidade de sair 1 no 1 o lançamento? b) Qual
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade
UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Probabilidade Disciplina: Cálculo das Probabilidades e Estatística I Prof. Tarciana Liberal Existem muitas situações que envolvem incertezas:
Leia maisMatemática E Extensivo V. 5
Extensivo V. Exercícios 0) Casos possíveis: {,,,,, } Casos favoráveis: {,, } Assim, a probabilidade é: 0) 70% P Casos possíveis: 7 + 0 possibilidades Casos favoráveis: 7 (7 bolas pretas) P 7 0,7 70% 0
Leia mais2. INTRODUÇÃO À PROBABILIDADE
2. INTRODUÇÃO À PROBABILIDADE 2019 Conceitos básicos Experimento aleatório ou fenômeno aleatório Situações ou acontecimentos cujos resultados não podem ser previstos com certeza. Um experimento ou fenônemo
Leia maisPROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO
PROBABILIDADES Probabilidade é um conceito filosófico e matemático que permite a quantificação da incerteza, permitindo que ela seja aferida, analisada e usada para a realização de previsões ou para a
Leia maisPROBABILIDADE. ENEM 2016 Prof. Marcela Naves
PROBABILIDADE ENEM 2016 Prof. Marcela Naves PROBABILIDADE NO ENEM As questões de probabilidade no Enem podem cobrar conceitos relacionados com probabilidade condicional e probabilidade de eventos simultâneos.
Leia maisNOÇÕES DE PROBABILIDADE
NOÇÕES DE PROBABILIDADE ALEATORIEDADE Menino ou Menina me? CARA OU COROA? 3 Qual será o rendimento da Caderneta de Poupança no final deste ano? E qual será a taxa de inflação acumulada em 014? Quem será
Leia maisTeoria das Probabilidades
08/06/07 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto
Leia maisPROBABILIDADE. É o conjunto de todos os resultados possíveis de um experimento aleatório. A letra que representa o espaço amostral, é S.
PROBABILIDADE A história da teoria das probabilidades, teve início com os jogos de cartas, dados e de roleta. Esse é o motivo da grande existência de exemplos de jogos de azar no estudo da probabilidade.
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 maisTeoria das Probabilidades
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 08:8 ESTATÍSTICA APLICADA I - Teoria das
Leia maisPROBABILIDADE - INTRODUÇÃO
E.E. Dona Antônia Valadares MATEMÁTICA 1º ANO ANÁLISE COMBINATÓRIA PROBABILIDADE - INTRODUÇÃO PROFESSOR: ALEXSANDRO DE SOUSA http://donaantoniavaladares.comunidades.net TEORIA DAS PROBABILIDADES A teoria
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 maisProbabilidades- Teoria Elementar
Probabilidades- Teoria Elementar Experiência Aleatória Experiência aleatória é uma experiência em que: não se sabe exactamente o resultado que se virá a observar, mas conhece-se o universo dos resultados
Leia maisGABARITO DAS ATIVIDADES
Seção 1 Lançando Moedas e Dados Título da Atividade: Jankenpon 1 GABARITO DAS ATIVIDADES Para cada par de dados, denotemos por (i, j) o resultado i obtido no primeiro dado e o resultado j obtido no segundo
Leia maisPROBABILIDADE. Luciana Santos da Silva Martino. PROFMAT - Colégio Pedro II. 01 de julho de 2017
Sumário PROBABILIDADE Luciana Santos da Silva Martino PROFMAT - Colégio Pedro II 01 de julho de 2017 Sumário 1 Conceitos Básicos 2 Probabildade Condicional 3 Espaço Amostral Infinito Outline 1 Conceitos
Leia maisFernando 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 maisUNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística. Probabilidade. Cálculo das Probabilidades e Estatística I Luiz Medeiros
UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Probabilidade Cálculo das Probabilidades e Estatística I Luiz Medeiros http://www.de.ufpb.br/~luiz/ Existem muitas situações que envolvem incertezas:
Leia maisMétodos Estatísticos Módulo 2 1 o. Semestre de 2008 ExercícioProgramado5 VersãoparaoTutor Profa. Ana Maria Farias (UFF)
Métodos Estatísticos Módulo 2 1 o. Semestre de 08 ExercícioProgramado5 VersãoparaoTutor Profa. Ana Maria Farias (UFF) 1. Um dado é viciado de tal forma que um número par é duas vezes mais provável que
Leia maisProbabilidade - 7/7/2018. Prof. Walter Tadeu
Probabilidade - 7/7/018 Prof. Walter Tadeu www.professorwaltertadeu.mat.br Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado.
Leia maisCurso de Farmácia Estatística Vital Aula 05 Comentários Adicionais. Prof. Hemílio Fernandes Depto. de Estatística - UFPB
Curso de Farmácia Estatística Vital Aula 05 Comentários Adicionais Prof. Hemílio Fernandes Depto. de Estatística - UFPB Um pouco de Probabilidade Experimento Aleatório: procedimento que, ao ser repetido
Leia maisProf.Letícia Garcia Polac. 26 de setembro de 2017
Bioestatística Prof.Letícia Garcia Polac Universidade Federal de Uberlândia UFU-MG 26 de setembro de 2017 Sumário 1 2 Probabilidade Condicional e Independência Introdução Neste capítulo serão abordados
Leia maisProbabilidades. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidades Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 41 Noções Básicas Os métodos estatísticos para análise de dados estão associados
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Análise e Elaboração de Projetos Apresentação Prof Dr Isnard Martins Conteúdo: Profº Dr Carlos Alberto (Caio) Dantas Profº Dr Luiz Renato G. Fontes Prof Dr Victor Hugo Lachos
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 2 07 e 08 março MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 2 07 e 08 março 2007 1 1. Probabilidade Condicional 2. Propriedades 3. Partições 4. Teorema de Probabilidade Total 5. Teorema de Bayes 6. Independencia
Leia maisÉ a função que associa um número real a cada elemento do espaço amostral.
Capítulo Variável Aleatória 1. VARIÁVEL ALEATÓRIA (X) (Walpole, S 1 ) É a função que associa um número real a cada elemento do espaço amostral. S IR s X(s) Onde S espaço amostral s elemento do espaço amostral
Leia maisProbabilidade. Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis.
Probabilidade Definição de Probabilidade Principais Teoremas Probabilidades dos Espaços Amostrais Espaços Amostrais Equiprováveis Renata Souza Probabilidade É um conceito matemático que permite a quantificação
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 maisExperiência para o qual o modelo probabilístico é adequado. Efeito. Causas. Prof. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/~viali Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisMatemática E Extensivo V. 5
Extensivo V. Exercícios 0) Casos possíveis: {,,,,, } Casos favoráveis: {,, } Assim, a probabilidade é: 0) 70% P Casos possíveis: 7 + 0 possibilidades Casos favoráveis: 7 (7 bolas pretas) P 7 0,7 70% 0
Leia maisTeoria 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 maisPara iniciar o conceito do que é probabilidade condicional, vamos considerar o seguinte problema.
PROBABILIDADE CONDICIONAL E DISTRIBUIÇÃO BINOMINAL 1. PROBABILIDADE CONDICIONAL Para iniciar o conceito do que é probabilidade condicional, vamos considerar o seguinte problema. Suponha que um redator
Leia maisIntrodução à Probabilidade
Introdução à Probabilidade Silvia Shimakura silvia.shimakura@ufpr.br Probabilidade O que é probabilidade? Medida que quantifica a incerteza de um acontecimento futuro. Como quantificar incerteza? Definição
Leia mais1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis. Francisco Cysneiros
Probabilidade 1 Definição de Probabilidade 2 Principais Teoremas 3 Probabilidades dos Espaços Amostrais 4 Espaços Amostrais Equiprováveis Francisco Cysneiros Introdução 1 - Conceito Clássico Se uma experiência
Leia maisPROBABILIDADE E ESTATÍSTICA PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Revisando - Análise combinatória
Leia maisMaterial Teórico - Módulo Probabilidade Condicional. Probabilidade Condicional - Parte 1. Segundo Ano do Ensino Médio
Material Teórico - Módulo Probabilidade Condicional Probabilidade Condicional - Parte 1 Segundo Ano do Ensino Médio Autor: Prof. Fabrício Siqueira Benevides Revisor: Prof. Antonio Caminha M. Neto 1 Probabilidade
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
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) - 2019 Prof. a
Leia maisProbabilidade. Prof. Tiago Viana Flor de Santana Sala 07
Prof. Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana tiagodesantana@uel.br Sala 07 Universidade Estadual de Londrina UEL Departamento de Estatística DSTA Definição: é uma função P, definida
Leia mais