PROBABILIDADES - Uem
PROBABILIDADES - Uem
PROBABILIDADES - Uem
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Capítulo 1<br />
<strong>PROBABILIDADES</strong><br />
A teoria da probabilidade é o ramo da matemática relacionado com fenômenos aleatórios, tendo muitas aplicações<br />
nas diversas áreas de conhecimento, como áreas de ciências físicas, biológicas e sociais, na engenharia e negócios.<br />
Trataremos de experimentos que ao serem repetidos nas mesmas condições não produzem o mesmo resultado.<br />
Estes experimentos são denominados de EXPERIMENTOS ALEAT ÓRIOS.<br />
EXEMPLO 1:<br />
E1 = lançar um dado e observar a face de cima;<br />
E2 = escolher aleatoriamente um aluno da turma e observar seu peso;<br />
1.1 Espaço Amostral e Evento<br />
Denominaremos ESPAÇO AMOSTRAL associado a um experimento o conjunto de TODOS os seus possíveis resultados<br />
.<br />
O espaço amostral será representado por um conjunto Ω, cujos elementos serão denominados eventos simples ou<br />
amostrais. Assim para o exemplo 1 temos:<br />
E1 ⇒ Ω = {1, 2, 3, 4, 5, 6},<br />
E2 ⇒ Ω = (38; 115)<br />
Seja Ω o espaço amostral do experimento. Todo subconjunto A ⊂ Ω será chamado EVENTO. Ω é o evento certo,<br />
∅ o evento impossível. Se ω ∈ Ω, o evento {ω} é dito evento elementar ou simples.<br />
1.2 Definições de operações sobre eventos<br />
• INTERSECÇÃO: O evento intersecção de dois eventos A e B equivale a ocorrência de ambos os eventos ou<br />
seja, A ∩ B é o evento ”A e B”.<br />
• EXCLUSÃO: Dois eventos A e B são mutuamente exclusivos quando a ocorrência de um deles impossibilita a<br />
ocorrência do outro, ou seja, A ∩ B = ∅ significa; A e B são incompatíveis.<br />
• UNIÃO: A união de dois eventos A e B, ou seja,A ∪ B equivale a ocorrência de A ou de B ou de ambos.<br />
• NEGAÇ ÃO OU COMPLEMENTAR:Ac é ”não A”(isto é, ocorre o evento A c se e somente se não ocorre o<br />
evento A)<br />
1.3 Definições: Clássica e Freqüentista de Probabilidade<br />
A DEFINIÇÃO CLÁSSICA baseia-se no conceito primitivo de eventos igualmente possíveis, ou seja, eventos que<br />
tenha a mesma chance de ocorrência a cada um dos eventos simples.<br />
Consideremos um espaço amostral Ω. Seja A um evento de Ω, a probabilidade de A, que denotaremos P (A), é<br />
definida por:<br />
P (A) = N(A)<br />
. (1)<br />
N(Ω)<br />
1
EXEMPLO 2:<br />
• Na jogada de um dado, qual a probabilidade de aparecer a face 2?<br />
Ω = {1, 2, 3, 4, 5, 6}<br />
A = {2}<br />
P (A) = 1<br />
6 = 0, 17<br />
• Qual a probabilidade de aparecer número ímpar?<br />
B = {1, 3, 5}<br />
P (B) = 3<br />
6 = 0, 5<br />
DEFINIÇÃO FREQUENTISTA: A probabilidade de um evento é a proporção do número de vezes que eventos<br />
do mesmo tipo ocorrem ao longo do tempo.<br />
EXEMPLO 3:<br />
Se registros de uma companhia de aviação mostram que, durante certo tempo, 468 dentre 600 de seus jatos da<br />
linha São Francisco - Phoenix chegaram no horário, qual a probabilidade de que um avião daquela linha chegue no<br />
horário?<br />
A={o avião chega no horário}<br />
= 0, 78<br />
P (A) = 468<br />
600<br />
1.4 Propriedades de Probabilidade<br />
Vamos supor que a todo evento A seja associado um número real P (A), chamado probabilidade de A, de modo que<br />
as propriedades a seguir sejam satisfeitas:<br />
• 0 ≤ P (A) ≤ 1<br />
• P (Ω) = 1<br />
• P (∅) = 0<br />
• P (A c ) = 1 − P (A).<br />
• P (A ∪ B) = P (A) + P (B) − P (A ∩ B)<br />
• Se A ∩ B = ∅ ⇒ P (A ∪ B) = P (A) + P (B)<br />
• P (A c ∩ B) = P (B) − P (A ∩ B)<br />
• P (A c ∩ B c ) = P (A ∪ B) c = 1 − P (A ∪ B)<br />
1.5 Diagrama de Árvore<br />
Uma maneira de determinar espaços amostrais é utilizar diagramas de árvore. Eis o processo:<br />
EXEMPLO 4:<br />
Uma distribuidora de materiais para escritório fornece mercadorias que podem ser classificadas como:<br />
B= boa qualidade; O= ótima qualidade P=péssima qualidade<br />
Determine o espaço amostral se duas destas mercadorias são selecionadas ao acaso, com reposição.<br />
2
1.6 Probabilidade Condicional<br />
Consideremos um espaço amostral Ω. Sejam A e B eventos de Ω, a probabilidade de ocorrer o evento A quando se<br />
sabe que o evento B já ocorreu é chamada de ”PROBABILIDADE CONDICONAL de A dado B”, que denotaremos<br />
P (A|B), é definida por:<br />
P (A|B) =<br />
P (A ∩ B)<br />
. (2)<br />
P (B)<br />
EXEMPLO 5:<br />
Considerando o lançamento de dois dados, qual a probabilidade da soma ser 8, se a face superior de um dos<br />
dados é 3?<br />
EXEMPLO 6:<br />
Um grupo de pessoas foi classificado quanto a peso e presão arterial de acordo com o quadro a seguir:<br />
PESO<br />
PRESSÃO EXCEDENTE NORMAL DEFICIENTE TOTAL<br />
ELEVADA 10 8 2 20<br />
NORMAL 15 45 20 80<br />
TOTAL 25 53 22 100<br />
(a) Qual a probabilidade de uma pessoa escolhida ao acaso naquele grupo ter pressão elevada?<br />
(b) Qual a probabilidade de uma pessoa escolhida ao acaso naquele grupo ter pressão elevada se foi verificado que<br />
ela tem excesso de peso?<br />
1.7 Independência de eventos<br />
Sejam dois eventos A e B em um espaço aostral Ω. Diremos que os eventos A e B são independentes se:<br />
P (A ∩ B) = P (A) × P (B)<br />
EXEMPLO 7:<br />
Considerando e exemplo 6, podemos afirmar que os eventos<br />
A={ter pressão elevada}<br />
B={ter excesso de peso} são independentes?<br />
1.8 EXERCÍCIOS<br />
seção 1.1<br />
(1) Descreva os espaços amostrais relacionados com os seguintes experimentos aleatórios:<br />
3
(a) Jogar uma moeda uma vez;<br />
(b) Jogar uma moeda quatro vezes;<br />
(c) Jogar quatro moedas uma vez;<br />
(d) Um dado é lançado duas vezes e a ocorrência de face par ou ímpar é observada;<br />
(e) Uma urna contém 20 fichas coloridas, das quais 10 são amarelas e 10 são verdes. Três fichas são selecionadas<br />
ao acaso com reposição e as cores são anotadas;<br />
(f) Uma máquina produz 20peças por hora. Escolhe-se um instante qualquer e observa-se o número de peças<br />
defeituosas na próxima hora;<br />
(g) Uma moeda é lançada consecutivamente até o aparecimento da primeira cara;<br />
(h) Um dado e uma moeda são lançados;<br />
(2) Três moedas são lançadas, enumere os seguintes eventos:<br />
(a) A={saem faces iguais}<br />
(b) B={cara na primeira moeda}<br />
(c) C={coroa na segunda e na terceira moeda}<br />
(3) Considerando a letra (h) do exercício (1), enumere os eventos:<br />
(a) A={coroa, marcada por número par}<br />
(b) B={cara, marcada por número ímpar}<br />
(c) C={múltiplos de 3}<br />
(4) Um número inteiro é escolhido ao acaso dentre os números 1, 2, 3, 4, 5, . . . , 30. Determine os eventos:<br />
(a) ser número primo;<br />
(b) o número ser maior que 16;<br />
(c) o número é múltiplo de 2 e de 5 ao mesmo tempo;<br />
(d) o número não é múltiplo de 6.<br />
seção 1.2<br />
(5) Sejam A, B e C três eventos de um espaço amostral. Exprimir os eventos usando as operações definidas para<br />
os eventos:<br />
(a) Somente A ocorre;<br />
(b) A e C ocorrem mas B não ocorre;<br />
(c) A, B e C ocorrem;<br />
(d) Pelo menos um ocorre;<br />
(e) exatamente um ocorre;<br />
(f) nenhum ocorre;<br />
(6) Considerando o espaço amostral Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} e os eventos A = {2, 3, 4}, B = {3, 4, 5} e<br />
C = {5, 6, 7}, enumere os eventos pedidos:<br />
(a) A c ∩ B<br />
(b) A c ∪ B<br />
(c) A c ∩ B c<br />
(d) A ∩ (B ∩ C) c<br />
4
seção 1.3<br />
(7) Um número inteiro é escolhido ao acaso dentre os números 1, 2, 3, 4, 5, . . . , 50. Qual a probabilidade de:<br />
(a) ser número primo;<br />
(b) o número ser divisível por 5;<br />
(c) o número ser divisível por 6 ou por 8;<br />
(d) o número terminar em 3.<br />
(8) Numa urna são misturadas 10 bolas numeradas de 1 a 10. Duas bolas são retiradas aleatoriamente sem<br />
reposição. Qual a probabilidade de que a soma dos números seja igual a 10?<br />
(9) Se P (A) = 1<br />
1<br />
2 ; P (B) = 4<br />
(a) P (A) c<br />
(b) P (B) c<br />
(c) P (A ∩ B)<br />
(d) P (A) ∪ B)<br />
e A e B São mutuamente exclusivos, calcule:<br />
(10) Qual a probabilidade de se obter uma cara em três jogadas de uma moeda?<br />
(11) Qual a probabilidade de sair uma ”ás”na extração de uma carta de um baralho de 52 cartas?<br />
(12) Qual a probabilidade de não se obter soma sete no lançamento de dois dados?<br />
(13) Qual a probabilidade de se obter pelo menos uma face 6 na jogada de dois dados?<br />
(14) A cidade de Wethersfield, em Connecticut, tem cerca de 36 mil quilômetros quadrados de área. Qual a<br />
probabilidade de um meteorito que se encaminha aleatoriamente para a Terra atingir Wethersfield? ( a área<br />
da superfície da Terra é de 518 milhões de quilômetros quadrados aproximadamente).<br />
(15) Se 226 dentre 300 assinantes de um jornal, selecionados ao acaso, afirmaram que lêem a seção cômica diariamente,<br />
qual a probabilidade de um assinante, escolhido aleatoriamente ler tal seção?<br />
(16) Uma pesquisa feita junto a 1290 visitantes de um parque nacional, selecionados ao acaso, revelou que 726<br />
deles não vão além de 3 Km do ponto de estacionamento do carro. Qual a probabilidade de que um visitante<br />
qualquer, selecionado ao acaso, vá além de 3 km do ponto de estacionamento?<br />
(17) O seguinte grupo de pessoas está numa sala: 5 homens com mais de 21 anos, 4 homens com menos de 21 anos,<br />
6 mulheres com mais de 21 anos e 3 mulheres com menos de 21 anos. Uma pessoa é escolhida ao acaso dentre<br />
este grupo. Qual a probabilidade de:<br />
(a) a pessoa ter mais que 21 anos?<br />
(b) a pessoa ser homem?<br />
(c) a pessoa ter menos de 21 anos OU ser mulher?<br />
(d) a pessoa não ter mais de 21 anos E não ser homem?<br />
seção 1.5<br />
(18) Numa central de atendimento ao consumidor, o serviço prestado pode ser classificado em:<br />
E= excelente; O=ótimo; S=satisfatório; R=regular; P=péssimo<br />
Tomando-se 2 destes funcionários, ao acaso, e com reposição, pede-se:<br />
(a) descreva o espaço amostral;<br />
(b) qual a probabilidade de que os dois funcionários prestem serviços de maneira satisfatória?<br />
(c) qual a probabilidade de que nenhum dos funcionários prestem serviços de maneira regular?<br />
(d) qual a probabilidade de que pelo menos um dos funcionários preste ótimo serviço?<br />
(e) qual a probabilidade de que um dos funcionários preste um excelente serviço e o outro não seja um péssimo<br />
atendente?<br />
5
seção 1.6<br />
(19) Há 80 candidatos a uma franquia de fast food. Alguns deles possuem diplomas de 3 o. grau, outros não, bem<br />
como alguns possuem experiências no ramo e outros não. Os dados são apresentados abaixo:<br />
POSSUI DIPLOMA NÃO POSSUI DIPLOMA<br />
COM EXPERIÊNCIA 24 36<br />
SEM EXPERIÊNCIA 12 8<br />
Escolhido ao acaso um destes candidatos, qual a probabilidade de:<br />
(a) o candidato possuir diploma?<br />
(b) o candidato não ter experiência?<br />
(c) o candidato ter experiência e não possuir diploma?<br />
(d) o candidato não possuir diploma ou não ter experiência<br />
(e) o candidato possuir diploma, sabendo que tem experiência no ramo?<br />
seção 1.7<br />
(20) Considerando o exercício anterior (19)<br />
Os eventos ”ser possuidor de diploma”e ”possuir experiência no ramo”são independentes? Justifique.<br />
(21) A probabilidade de que Marcos ganhe um jogo é 0,3. A probabilidade de que Giovana ganhe o jogo é 0,45.<br />
Qual a probabilidade de que:<br />
(a) Apenas Marcos ganhe o jogo?<br />
(b) ambos ganhem o jogo?<br />
(c) pelo menos um deles ganhe o jogo?<br />
(d) nenhum deles ganhe o jogo?<br />
(22) Sejam A e B eventos tais que P (A) = 0, 2, P (B) = X e P (A ∪ B) = 0, 6. Calcular X, considerando A e B:<br />
(a) mutuamente exclusivos;<br />
(b) independentes.<br />
(23) Se A e B são eventos independentes, P (A) = 0, 2, P (B) = 0, 45, determine:<br />
(a) P (A ∩ B);<br />
(b) P (B ∩ A);<br />
(c) P (A c ∩ B);<br />
(24) A probabilidade de um homem viver mais que 35 anos anos é 1/4 e a probabilidade de que sua esposa viva<br />
mais que 35 anos é 1/3. determine a probabilidade de:<br />
(a) ambos estarem vivos depois de 35 anos;<br />
(b) pelo menos um estar vivo depois de 35 anos;<br />
(c) somente a esposa estar viva depois de 35 anos;<br />
(d) nenhum deles estar vivo depois de 35 anos;<br />
6
Capítulo 2<br />
VARIÁVEIS ALEATÓRIAS<br />
Muitos experimentos produzem resultados não numéricos e antes de analisá-los é conveniente transformar seus resultados<br />
em números, o que é feito através da variável aleatória, que é uma regra de associação de um valor numérico<br />
para cada ponto do espaço amostral.<br />
DEFINIÇÃO: Uma variável aleatória é uma função definida em Ω que costuma ser representada por X, e cujo<br />
valor é um número real determinado pelo resultado de uma experiência aleatória.<br />
2.1 Tipos de variáveis Aleatórias<br />
As variáveis aleatórias (v.a’s) podem ser discretas, contínuas ou mistas.<br />
• VARIÁVEL ALEATÓRIA DISCRETA: X é uma v.a discreta se assumir valores em um conjunto finito ou<br />
infinito enumerável.<br />
EXEMPLO 1: Considere o experimento: Lançar duas moedas e, seja X a v.a que representa o número de<br />
caras.<br />
Resolução: Ω = {cc, ck, kc, kk}, onde c=cara e k=coroa.<br />
X=número de caras<br />
X 2 1 1 0<br />
EVENTOS cc ck kc kk<br />
• VARIÁVEL ALEATÓRIA CONTÍNUA:X é uma v.a contínua se assumir valores em um conjunto infinito não<br />
enumerável.<br />
EXEMPLO 2: O tempo (em horas) de durabilidade de um certo tipo de lâmpada.<br />
Ω = {1200; 2300}<br />
7
2.1.1 Distribuição Discreta de Probabilidade<br />
Distribuição Discreta de Probabilidade é um conjunto de valores xi que a v.a X assume, juntamente com as probabilidades<br />
associadas a estes valores.<br />
p(xi) = P (X = xi)<br />
EXEMPLO 3: Considerando o exemplo 1 temos:<br />
VALORES DE X 0 1 2<br />
<strong>PROBABILIDADES</strong> (P (X = xi)) 1/4 2/4 1/4<br />
Observe que: 1 2 1<br />
4 + 4 + 4 = 1 e os valores são todos positivos, com isto temos as seguintes propriedades:<br />
1) p(xi) ≥ 0 ∀x ∈ X<br />
2) ∑<br />
i p(xi) = 1<br />
Então uma distribuição discreta de probabilidade fica caracterizada pelos valores da v.a e pela função que associa<br />
os valores xi às respectivas probabilidades p(xi).<br />
EXERCÍCIO 1: Dois dados são lançados. Seja a v.a. X a soma das faces superiores.<br />
Calcule:<br />
X<br />
P(X=x)<br />
• 1) P (X = 7) =.......................................<br />
• 2) P (X ≤ 4) =.......................................<br />
• 3) P (X < 6) =.......................................<br />
• 4) P (X ≥ 10) =.......................................<br />
• 5) P (6 < X < 9) =.......................................<br />
2.1.2 Distribuição Contínua de Probabilidade<br />
Quando temos um número infinito não enumerável de pontos no spaço amostral, não é possível calcular a probabilidade<br />
em cada valor assumido pela variável aleatória e assim precisamos da função densidade de probabilidade (f.d.p)<br />
DEFINIÇÃO: Uma função f(x) é denominada f.d.p se a variável aleatória contínua satisfaz as condições:<br />
1) f(x) ≥ 0 para todo x ∈ R<br />
2) ∫ ∞<br />
f(x)dx = 1<br />
−∞<br />
2.1.3 Função de Distribuição Acumulada de uma V.A.<br />
Dada uma variável aleatória X a função de distribuição de probabilidade f(x) é uma aplicação F : X → [0, 1] tal<br />
que:<br />
F (x) = P (X ≤ x)<br />
2.1.4 Valor Esperado (ou Média ou Esperança Matemática) de uma Variável Aleatória<br />
A Esperança de uma variável aleatória X é denotada por E(X) e é definida por:<br />
• variáveis aleatórias discretas:<br />
• variáveis aleatórias contínuas:<br />
E(X) = ∑<br />
xip(xi)<br />
∫<br />
E(X) = xf(x)dx<br />
8<br />
i
EXEMPLO 4: Determinar a esperança matemática para os dados do exemplo 3.<br />
Resolução:<br />
(<br />
E(X) = 0 × 1<br />
) (<br />
+ 1 ×<br />
4<br />
2<br />
) (<br />
+ 2 ×<br />
4<br />
1<br />
)<br />
= 1<br />
4<br />
EXERCÍCIO 2: Determine a esperança matemática para os dados do exercício 1.<br />
2.1.5 Propriedades da Esperança Matemática<br />
Se X e Y são v.a’s. e a e b são constantes então:<br />
1) E(a) = a<br />
2) E(bX) = b × E(X)<br />
3) E(X + a) = E(X) + a<br />
4) E(a + bX) = a + b × E(X)<br />
5) E(X + Y ) = E(X) + E(Y )<br />
6) Se X e Y são independentes então: E(XY ) = E(X) × E(Y )<br />
2.1.6 Variância e Desvio Padrão de uma Variável Aleatória<br />
Uma medida de dispersão para uma v.a. é a variância que é definida por:<br />
σ 2 = V AR(X) = E(X 2 ) − (E(X)) 2<br />
OBS.: E(X 2 ) = ∑ x 2 i p(xi).<br />
Para exprimir essa dispersão na mesma unidade de medida que a variável aleatória definiremos o desvio padrão:<br />
2.1.7 Exercícios<br />
σ = DP (X) = √ V AR(X)<br />
1) Um lojista mantém registros de vendas diárias de liquidificadores. O quadro abaixo nos fornece o número de<br />
aparelhos vendidos em uma semana e as respectivas probabilidades,<br />
X 0 1 2 3 4 5<br />
P (X = x) 0,1 0,1 0,2 0,3 0,2 0,1<br />
Se o lucro por unidade vendida é de R$20, 00, qual o lucro esperado nas vendas de uma semana?<br />
2) Uma v.a. X tem a seguinte distribuição de probabilidade:<br />
Qual a probabilidade de que X seja maior que 5?<br />
X 3 6 8<br />
P (X = x) 0,4 0,3 0,3<br />
3) Considere a v.a X: número de meninos em uma família com 3 crianças<br />
a) Encontre a distribuição de probabilidade de X;<br />
b) Encontre o número esperado e a variância do número de meninos. (2; 0, 75)<br />
9
4) Os dados abaixo representam a demanda diária de certo produto:<br />
a) Qual a demanda média deste produto? (3, 5)<br />
b) Qual o desvio padrão? (1, 3)<br />
X 1 2 3 4 5<br />
P (X = x) 0,1 0,1 0,3 0,2 0,3<br />
5) Um vendedor determinou a probabilidade de realizar determinado número de vendas X por dia, visitando oito<br />
possíveis compradores. Com base no quadro abaixo determine :<br />
X 1 2 3 4 5 6 7 8<br />
P (X = x) 0,04 0,15 0,20 0,25 0,19 0,10 0,05 0,02<br />
a) a probabilidade de se realizar no máximo 4 vendas diárias; (0, 64)<br />
b) o número esperado de vendas diárias e o desvio padrão. (4; 2, 52; 1, 59)<br />
6) Descobriu-se que a chegada de clientes a um banco no centro da cidade durante intervalos aleatoriamente<br />
escolhidos de 10 minutos, segue a distribuição de probabilidade abaixo. Calcule o número esperado de chegadas,<br />
bem como a variância das chegadas. (2; 1, 9)<br />
X 0 1 2 3 4 5<br />
P (X = x) 0,15 0,25 0,25 0,20 0,10 0,05<br />
7) Suponhamos que um número seja sorteado entre os números inteiros positivos de 1 a 10. Seja X:o número de<br />
divisores do número sorteado. Calcular número médio de divisores do número sorteado. (2, 7)<br />
8) Uma seguradora paga R$30.000, 00 em caso de acidente de carro e cobra uma taxa de R$1000, 00. Sabe-se<br />
que a probabilidade de que um carro sofra acidente é de 3%. Quanto espera a seguradora ganhar por carro<br />
segurado? (R$100, 00)<br />
9) Num jogo de dados, Jonas paga R$20, 00 a Marcos e joga 3 dados. Se sair face 1 em um dos dados apenas,<br />
Jonas ganha R$20, 00. Se sair face 1 em apenas 2 dados, Jonas ganha R$50, 00. Se sair face 1 nos 3 dados,<br />
Jonas ganha R$80, 00. Calcule o lucro médio de Jonas em uma jogada. (−R$9, 21)<br />
10) Um banco pretende aumentar a eficiência de seus caixas. Oferece um prêmio de R$150, 00 para cada cliente<br />
atendido além de 42 clientes por dia. O banco tem um ganho operacional de R$100, 00 para cada cliente<br />
atendido além de 41 clientes. As probabilidades de atendimento são:<br />
n o de clientes (X) até 41 42 43 44 45 46<br />
P (X = x) 0,88 0,06 0,04 0,01 0,006 0,004<br />
Qual a esperança de ganho do banco se este novo sistema for implantado?<br />
X : ganho (lucro)<br />
10
2.2 Principais distribuições Discretas:<br />
Utilizando a teoria de probabilidades em situações concretas podemos determinar um modelo probabilístico adequado<br />
à situação.<br />
2.2.1 Distribuição de Bernoulli<br />
Considere um experimento em que só pode ocorrer sucesso ou fracasso, por exemplo:<br />
• Uma peça é escolhida ao acaso em certo lote e verifica-se: a peça é defeituosa ou não<br />
• Uma moeda é lançada: o resultado é cara ou não;<br />
• Um dado é lançado: ocorre face 6 ou não.<br />
Esses experimentos são denominados experimentos de Bernoulli e só admitem dois resultados possíveis: Sucesso<br />
(S) ou fracasso (F). tal que X = 1 se ocorre sucesso e X = 0 se ocorre fracasso. A probabilidade de ocorrer sucesso<br />
é p, constante em cada realização da prova e a de fracasso será q = 1 − p, valor também constante.<br />
A esperança e a variância de uma v.a. de Bernoulli é:<br />
2.2.2 Distribuição Binomial<br />
E(X) = p<br />
σ 2 (X) = pq<br />
Consideremos um experimento em que estamos interessados num particular de seus eventos. Registramos em cada<br />
repetição do experimento a ocorrência ou não desse evento. A ocorrência do evento de interesse será denominada<br />
sucesso (S) e a sua não-ocorrência, fracasso (F).<br />
São realizadas n provas de Bernoulli independentes e a probabilidade p é cte.<br />
Assim , para k = 0, 1, 2, . . . , n temos:<br />
( )<br />
n<br />
P (X = k) = p<br />
k<br />
k (1 − p) n−k<br />
(1)<br />
A equação (1) é denominada distribuição Binomial comparâmetros n e p onde n é o número de ensaios e p é<br />
( a probabilidade ) de sucesso em cada ensaio.<br />
n<br />
representa o número de combinações de n elementos tomados k a k.<br />
k<br />
A esperança e a variância de uma v.a. Binomial é dada por:<br />
E(X) = np<br />
σ 2 (X) = npq − np(1 − p)<br />
EXEMPLO 5: Qual a probabilidade de se obter uma única face 2 em três jogadas de uma dado?<br />
Resolução:<br />
Seja a v.a. X:obter um único 2. Assim X = {0, 1, 2, 3}<br />
Temos que p = 1/6, então q = 1 − p = 1 − 1/6 = 5/6, logo a probabilidade de sucesso é:<br />
) 1 1<br />
P (X = 1) =<br />
( 3<br />
1<br />
6<br />
× 5 (3−1)<br />
= 0, 35<br />
6<br />
EXERCÍCIO 3: Suponha que em um processo de fabricação, de cada 100 peças produzidas 10 sejam defeituosas.<br />
Se 8 peças são retiradas ao acaso, qual a probabilidade de:<br />
• que exatamente 2 delas sejam defeituosas?<br />
• que mais que 5 delas sejam defeituosas?<br />
• no máximo 2 delas sejam defeituosas?<br />
• todas sejam boas?<br />
• no mínimo 3 e no máximo 5 sejam defeituosas?<br />
11
2.2.3 Distribuição de Poisson<br />
A distribuição de Poisson tem um número de aplicações vasto, pois pode ser utilizado como uma aproximação da<br />
distribuição Binomial e também em situações onde os eventos ocorrem em intervalos de tempo.<br />
Consideremos as seguintes situações:<br />
• N o de chamadas telefônicas recebidas em uma central telefônica durante meia hora.<br />
• N o de falhas em um computador em um dia de observação.<br />
• N o de acidentes de trabalho em uma fábrica durante uma semana.<br />
• N o de bactérias em um copo de água não purificada.<br />
DEFINIÇÃO: A v.a. X tem distribuição de Poisson com parâmetro λ se para k = 0, 1, 2, . . .<br />
onde λ é o parâmetro populacional (taxa)<br />
A esperança e a variância são dadas por:<br />
P (X = k) = e−λ λ k<br />
E(X) = λ<br />
k!<br />
V AR(X) = λ<br />
EXEMPLO 6: Uma central telefônica recebe uma média de 5 chamadas por minuto. As chamadas que chegam<br />
supostamente seguem um distribuição de Poisson. Calcule a probabilidade de que a central não receba chamadas<br />
durante um intervalo de 1 minutos.<br />
P (X = 0) = e−5 × 50 = 0, 006<br />
0!<br />
EXERCÍCIO 4: Considerando o exemplo 6, qual a probabilidade de se obter no máximo duas chamadas em 4<br />
minutos?<br />
2.2.4 Exercícios<br />
1) Se jogarmos 5 moedas simultaneamente, qual a probabilidade de obtermos três caras? (31, 25%)<br />
2) Admite-se que um terço dos adultos de certa região sejam alfabetizados. Qual a probabilidade que de dentre<br />
5 adultos escolhidos ao acaso:<br />
– dois sejam alfabetizados? (32, 92%)<br />
– mais que dois sejam alfabetizados? (20, 99%)<br />
3) Uma prova tem 50 questões independentes. Cada questão tem 5 alternativas onde apenas 1 resposta é correta..<br />
Se um aluno resolve a prova a esmo, qual a probabilidade de que ele tire nota 5? (OBS.: a prova vale 10)<br />
(0, 000002)<br />
4) Num livro de 800 páginas há 800 erros de impressão. Qual a probabilidade de que uma página contenha pelo<br />
menos 3 erros? (0, 08)<br />
5) Numa central telefônica chegam 300 telefonemas por hora. Qual a probabilidade de que:<br />
– em um minuto não haja chamada alguma? (0, 0067)<br />
– em 2 minutos ocorram 2 chamadas? (0, 00227)<br />
6) Considere 10 tentativas independentes de um experimento. Cada tentativa admite sucesso com probabilidade<br />
0,05. Seja X : número de sucessos,<br />
– Calcule P (1 < X ≤ 4) (0, 086)<br />
– Considere 100 tentativas independentes. Calcule P (X ≤ 2) (0, 1246)<br />
12