Processos Estocásticos Segunda Lista de Exercícios 01 de julho de 2013 1 Uma indústria fabrica peças, das quais 1 5 são defeituosas. Dois compradores, A e B, classificam os lotes de peças adquiridos em categorias I e II, pagando R$ 1,20 e R$ 0,80, respectivamente, da seguinte forma: Comprador A: retira uma amostra de 5 peças e se encontrar mais que uma peça defeituosa, classifica o lote como categoria II. Caso contrário, classifica como categoria I. Comprador B: retira uma amostra de 10 peças e se encontrar mais que duas peças defeituosas, classifica o lote como categoria II. Caso contrário, classifica como categoria I. a. Em média, qual comprador oferece maior lucro? b. Se o comprador B pagasse R$ 1,30 e R$ 0,70, respectivamente, você mudaria a conclusão do item a)? Probabilidade de defeito: ˆp = 1 /5. X: VA discreta indicando o número de peças defeituosas na amostra. Distribuição binomial peça é defeituosa ou não. Comprador A: distribuição binomial com n = 5 e ˆp = 1 /5. P X A > 1) = 1 P X A = 0) P X A = 1) ) 5 = 1 1 1 ) 5 5 1 0 5 1) 5) 1 4 4 ) 5 4 4 = 1 5 5) = 821 3125 = 0.26272 Comprador B: distribuição binomial com n = 10 e ˆp = 1 /5. P X B > 2) = 1 P X B = 0) P X B = 1) P X B = 2) ) 10 = 1 1 1 ) ) 10 10 1 1 9 0 5 1 5) = 1 410 49 48 10 45 510 510 5 10 3, 146, 489 = 9, 765, 625 0.3222 1 5) 1 5) ) 10 1 1 8 1 2 2 5) 5) a. A probabilidade do comprador A classificar o lote na categoria II é menor, logo ele oferece o maior lucro. b. Mudando os valores para k peças no lote, temos: Lucro A = 1 0.2627) k 1.20 + 0.2627 k 0.8 = 0.8848 k + 0.2102 k = 1.095 k 1
Lucro B = 1 0.3222) k 1.30 + 0.3222 k 0.7 = 0.8811 k + 0.2255 k = 1.107 k Logo, nesse caso o comprador B oferece maior lucro. 2 Suponha que a VA discreta X possa tomar os valores 2, 4, 6,..., 30 e que esses valores são igualmente prováveis. Qual a média e a variância de X? X = {2, 4, 6,..., 30} 15 valores possíveis. A probabilidade de cada valor é a mesma px) = P X = x) = 1 /15. Os valores de X formam uma PA progressão aritmética) com x 1 = 2, x n = 30 e n = 15. Relembrando, o valor da soma de uma PA é dado por x i = n x 1 + x n ). 2 Logo, o valor esperado de X é E[X] = x i px i ) = 1 15 Para calcular a variância precisamos saber o valor de E[X 2 ]: x i = 1 15 2 + 30) = 16. 15 2 E[X 2 ] = x i ) 2 px i ) = 1 15 x i ) 2 = 1 15 4 + 16 + 36 +... + 900) = 4960 15. Temos então que V X) = E[X 2 ] E[X]) 2 = 4960 15 256 74.67. 3 O número de carros vendidos numa loja pode ser descrito como uma VA de Poisson, onde a média é 2 nos dias de sol e 1 nos dias chuvosos. Assumindo que há sol em 70% dos dias do ano, qual a probabilidade da loja vender pelo menos 3 carros em um dia qualquer? N: número de carros vendidos por dia VA de Poisson). Dia de sol E[N s ] = λ s = 2 Dia de chuva E[N c ] = λ c = 1 Buscamos o valor de P N 3), que pode ser calculado como P N 3) = 0.7 P N s 3) + 0.3 P N c 3), 1) onde os coeficientes das probabilidades na soma acima foram obtidos a partir dos percentuais de dias de sol e chuva. Os valores de P N s 3) e P N c 3) são calculados a seguir. Dia de sol: λ s = 2 2
P N s 3) = 1 P N s = 0) P N s = 1) P N s = 2) = 1 e 2 2 0 e 2 2 1 e 2 2 2 0! 1! 2! = 1 0.1353 0.2706 0.2706 = 0.3235. Dia de chuva: λ c = 1 P N c 3) = 1 P N c = 0) P N c = 1) P N c = 2) = 1 e 1 1 0 e 1 1 1 e 1 1 2 0! 1! 2! = 1 0.3679 0.3679 0.1839 = 0.0803. Substituindo os valores na equação 1) temos que P N 3) = 0.2505. 4 Lança-se um dado honesto até sair a face 6. Seja X o número de lances até a primeira ocorrência da face 6. Calcule o valor esperado e a variância de X. Como o dado é honesto a probabilidade de se obter qualquer uma das faces é 1 6. Verificamos então que X segue uma distribuição geométrica com parâmetro ˆp = 1 /6. Usando-se as fórmulas apresentadas em aula temos E[X] = 1ˆp = 1 1/6 = 6 V X) = 1 ˆp ˆp 2 = 1 1 /6 1 /6) 2 = 30. 5 Uma fábrica de automóveis verificou que ao testar os seus carros numa pista de prova há, em média, um estouro de pneu a cada 300 km. Assumindo que o número de pneus estourados segue uma distribuição de Poisson, qual a probabilidade de que: a. Num teste de 900 km haja no máximo um pneu estourado? b. Um carro ande 450 km na pista sem estourar nenhum pneu? Se em média há um estouro de pneu a cada 300 km, a frequência f de estouro por kilômetro é f = 1 /300. Seja N o número de pneus estourados em n km. Então N é uma VA de Poisson com parâmetro λ = n f. a. N a : número de estouros em 900 km λ a = 900 1/300 = 3. P N a 1) = P N a = 0) + P N a = 1) = e 3 3 0 + e 3 3 1 0! 1! = 0.0498 + 0.1494 = 0.1992. 3
b. N b : número de estouros em 450 km λ b = 450 1/300 = 1.5. P N b = 0) = e 1.5 1.5) 0 0! = 0.2231. 6 Em um canal de comunicação digital, a probabilidade de se receber um bit com erro é de 0.0002. Se 10,000 bits forem transmitidos por esse canal, qual a probabilidade de que mais de quatro bits sejam recebidos com erro? Seja X uma VA aleatória indicando o números de bits com erro transmitidos. Temos então que X é uma VA binomial com n = 10, 000 e ˆp = 0.0002. Como n é grande e ˆp pequeno, podemos aproximar a distribuição binomial pela de Poisson, com λ = n ˆp = 10, 000 0.0002 = 2. Logo P X > 4) = 1 P X 4) = 1 F 4) = 1 0.9473 = 0.0527 onde o valor de F 4) é obtido da Tabela 2 Barbetta, pág 376). 7 Suponha que 10% dos clientes que compram a crédito em uma loja deixam de pagar regularmente as prestações. Se em um certo dia, a loja vende a crédito para 10 pessoas, qual a probabilidade de que mais de 20% delas deixem de pagar regularmente as contas? Seja X: o número de clientes que atrasam as contas. Temos que X é uma VA binomial com ˆp = 0.1 e n = 10. Temos também que 20% de 10 corresponde a 2 ou mais pessoas. Logo: P X > 2) = 1 p0) p1) p2) = 1 0.3487 0.3874 0.1937 = 0.0702. 8 Em uma rede de comunicação, existe uma probabilidade de 0.05 de um pacote de dados ser transmitido com erro. Foram transmitidos 20 pacotes para se testar a confiabilidade da rede. a. Qual é o modelo de distribuição de probabilidade mais adequado para esse caso? Por quê? b. Calcule a probabilidade de ocorrer um erro na transmissão. c. Calcule a probabilidade de ocorrer um erro em exatamente 2 dos 20 pacotes de dados. d. Qual é o número esperado de erros no teste realizado? a. O modelo de distribuição mais adequado é o binomial pois é possível tomar cada transmissão de um pacote como um ensaio de Bernoulli, onde define-se sucesso como ocorreu erro na transmissão. Nesse caso, temos X como uma VA binomial com parâmetros ˆp = 0.05 e n = 20. b. P X > 0) = 1 P X = 0) ) 20 = 1 ˆp 0 1 ˆp) 20 0 0 = 1 0.95 20 = 0.6415. 4
c. d. P X = 2) = ) 20 ˆp 2 1 ˆp) 20 2 = 190 0.05 2 0.95 18 = 0.1887. 2 E[X] = n ˆp = 20 0.05 = 1 erro. 9 Uma central telefônica recebe, em média, 300 chamadas por hora no período de maior demanda, e pode processar, no máximo, 10 ligações por minuto. Utilizando a distribuição de Poisson, calcule a probabilidade de que a capacidade da central seja excedida em um minuto qualquer do período de pico. Seja X uma VA de Poisson indicando o número de chamadas ativas em um minuto qualquer. Se a média de chamadas por hora é 300, como estamos usando uma distribuição de Poisson podemos considerar as chamadas igualmente distribuídas ao longo do tempo. Assim, sabemos que λ = 300 /60 = 5 chamadas por minuto. Logo: P X > 10) = 1 P X 10) = 1 F 10) = 1 0.9863 = 0.0137. 10 Placas de circuito integrado são avaliadas após a solda dos chips. Considere que foi produzido um lote de 20 placas, das quais 5 foram selecionadas para avaliação. Calcule a probabilidade de se encontrar pelo menos uma placa defeituosa, supondo que o lote tenha um total de 4 peças com problema e que tenha sido realizada: a. uma amostragem aleatória com reposição; b. uma amostragem aleatória sem reposição. Seja X uma VA indicando o número de placas com defeito encontradas. a. Como a amostragem é feita com reposição, temos que X é uma VA binomial com parâmetros n = 5 e ˆp = 4 /20 = 1 /5. Logo: P X 1) = 1 p0) ) 5 = 1 ˆp 0 1 ˆp) 5 0 0 = 1 1 ˆp) 5 = 1 1 1 /5) 5 = 0.6723. b. Quando não há reposição temos que a distribuição é hipergeométrica com parâmetros N = 20, n = 5 e r = 4. Substituindo na fórmula, temos: P X 1) = 1 p0) 4 = 1 0) 16 ) 5 ) = 1 20 5 4, 368 15, 504 = 0.7183. 11 Suponha que uma moeda é lançada três vezes e que a probabilidade de se obter cara em cada lançamento é 0.7. Seja X a VA indicando o número de caras obtidas nos lançamentos. Determine a função de probabilidade de X. 5
Temos que X é uma VA binomial com n = 3 e ˆp = 0.7. A função p é dada por: p0) = 0.3) 3 = 0.027 p1) = 3 0.3) 2 0.7) = 0.189 p2) = 3 0.3) 0.7) 2 = 0.441 p3) = 0.7) 3 = 0.343. 12 Suponha que nós queremos gerar uma VA X de Bernoulli, onde os valores 0 e 1 são equiprováveis. Para tal, temos à nossa disposição somente uma moeda viciada que, quando lançada, resulta em cara com uma certa probabilidade desconhecida) ˆp. Considere o seguinte procedimento: 1. Lança-se a moeda e toma-se R 1 como o resultado tanto cara quanto coroa). 2. Lança-se a moeda novamente e toma-se R 2 como o resultado. 3. Se R 1 e R 2 são iguais, retorna-se para o passo 1. 4. Se R 2 é cara, toma-se X = 0, caso contrário, toma-se X = 1. Mostre que a VA X gerada por esse procedimento tem a mesma chance de obter os valores 0 e 1. Enquanto os resultados dos lançamentos forem iguais, fica-se em loop no procedimento. Basta então considerar a primeira vez em que se obtém lados diferentes. Então: P X = 0) = P [T, H) T, H) ou H, T )] = ˆp1 ˆp) 2ˆp1 ˆp) = 1 2. 6