0% acharam este documento útil (0 voto)

23 visualizações189 páginas

Prob

Enviado por

Nhani1992

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF, TXT ou leia on-line no Scribd

0% acharam este documento útil (0 voto)

23 visualizações189 páginas

Prob

Enviado por

Nhani1992

Direitos autorais

Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.

Formatos disponíveis

Baixe no formato PDF, TXT ou leia on-line no Scribd

Exercı́cios de Probabilidade

Paulo Justiniano Ribeiro Jr

Versão compilada em 13 de agosto de 2018 às 15:56

1. Forneça exemplos que ilustrem situações nas quais probabilidades são avaliadas pelas definições:
a) clássica, b) frequentista, c) subjetiva.

2. Três indivı́duos tentam, de forma independente, resolver um problema. O primeiro tem 50% de chance de resolver, o
segundo tem 65% e o terceiro tem 30%. Qual a probabilidade do problema ser resolvido?

Solução:

A : o primeiro resolve o problema P (A) = 0, 50 P (A) = 0, 50

B : o segundo resolve o problema P (B) = 0, 65 P (B) = 0, 35
C : o terceiro resolve o problema P (C) = 0, 30 P (C) = 0, 70
ind
P (A ∪ B ∪ C) = 1 − P (A ∩ B ∩ C) = 1 − P (A) · P (B) · P (C) = 1 − (1 − 0, 50)(1 − 0, 65)(1 − 0, 70) = 0, 878

3. Em um teste múltipla escolha, marca-se uma alternativa em cada uma das quatro questões do teste, cada uma com
cinco alternativas da qual apenas uma é correta. Qual a probabilidade de um indivı́duo acertar por mero acaso alguma
questão?

Solução:

Ai : acerta a i-ésima questão i = 1, . . . , 4

∀i P (Ai ) = 0, 2 P (Ai ) = 0, 8
ind
P (acertar alguma) = 1 − P (errar todas) = 1 − P (A1 ∩ A2 ∩ A3 ∩ A4 ) = 1 − P (A1 ) · P (A2 ) · P (A3 ) · P (A4 )) =
= 1 − (0, 8)4 = 0, 59

4. Dentre seis números inteiros pares e oito ı́mpares, dois números são escolhidos ao acaso e multiplicados. Qual a
probabilidade de que o produto seja par?

Solução:
Evento P ar ∩ P ar P ar ∩ Impar Impar ∩ Impar Impar ∩ Impar
Produto P ar P ar P ar Impar
6 5 6 8 8 6 8 7
Probabilidade 14 13 14 13 14 13 14 13

8 7
P [P rodutoP ar] = 1 − P [P rodutoImpar] = 1 − = 0, 692
14 13
5. Dois dados são lançados. Calcule a probabilidade de:
(a) sairem dois números iguais,
(b) o produto dos números que sairam ser ı́mpar,
(c) o produto dos números que sairam ser ı́mpar ou a soma ser maior ou igual a 10,
(d) a soma dos valores ser maior ou igual a sete, sabendo-se que em um dos dados saiu três,
(e) a soma ser maior que sete sabendo que sairam dois números iguais.

Solução:

X1 : resultado do primeiro dado X2 : resultado do segundo dado

Ω = {(1, 1), (1, 2), . . . (6, 6)}(equiprovável) n(Ω) = 36
n(X1 =X2 ) 6
(a) P [X1 = X2 ] = n(Ω) = 36 = 0, 167

evento A : X1 = X2 = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
n(X1 = X2 ) 6 1
P [A] = = = = 0, 167
n(Ω) 36 6
(b)
evento B : X1 · X2 é impar{(1, 1), (1, 3), (1, 5), (3, 1), (3, 3), (3, 5), (5, 1), (5, 3), (5, 5)}
9 1
P [B] = = = 0, 25
36 4
(c)
evento C1 : X1 · X2 é imparidem B anterior
evento C2 : X1 + X2 ≥ 10 = {(4, 6), (5, 5), (5, 6), (6, 4), (6, 5), (6, 6)}
9 6 1 14
P [C1 ∪ C2 ] = P [C1 ] + P [C2 ] − P [C1 ∩ C2 ] = + − = = 0, 389
36 36 36 36
(d) a soma dos valores ser maior ou igual a sete, sabendo-se que em um dos dados saiu três,
evento D1 : X1 + X2 ≥ 7
{(1, 6), (2, 5), (2, 6), (3, 4), (3, 5), (3, 6), (4, 3), (4, 4), (4, 5), (4, 6), (5, 2),
(5, 3), (5, 4), (5, 5), (5, 6), (6, 1), (6, 1), (6, 3), (6, 4), (6, 5), (6, 6)}
21
P [D1 ] =
36
evento D2 : X1 = 3 ∪ X2 = 3
{(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6), (1, 3), (2, 3), (4, 3), (5, 3), (6, 3)}
11
P [D2 ] =
36
P [D1 ∩ D2 ] 6/36 6
P [D1 |D2 ] = = = = 0, 545
P [D2 ] 11/36 11
(e) a soma ser maior que sete sabendo que sairam dois números iguais.
evento E1 : X1 + X2 ≥ 7(mesmo que eventoD1 )
evento E2 : X1 = X2 (mesmo que eventoA)
P [E1 ∩ E2 ] 3/36 3 1
P [E1 |E2 ] = = = = = 0, 5
P [E2 ] 6/36 6 2

6. Em um teste múltipla escolha, marca-se uma alternativa em cada uma das 5 questões, cada uma com quatro al-
ternativas da qual apenas uma é correta. Qual a probabilidade de um indivı́duo acertar por mero acaso alguma
questão?
Solução:

Ai : acerta a i-ésima questão i = 1, . . . , 5

P (Ai ) = 0, 25 P (Ai ) = 0, 75 ∀i
P (acertar alguma) = 1 − P (errar todas)
ind
= 1 − P (A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5 ) = 1 − P (A1 ) · P (A2 ) · P (A3 ) · P (A4 ) · P (A5 ) =
= 1 − (0, 75)5 = 0, 763

7. Um reservatório recebe água de três fontes diferentes. A primeira tem 5% de chance de apresentar alguma contami-
nação, a segunda tem 6,5% e a terceira tem 12%. Qual a probabilidade do reservatório ser contaminado?

Solução:
Evento A : a água da primeira fonte é contaminada
Evento B : a água da segunda fonte é contaminada
Evento C : a água da terceira fonte é contaminada
Evento R : o reservatório é contaminado
Dados:

P [A] = 0, 05 ; P [A] = 0, 95
P [B] = 0, 065 ; P [B] = 0, 935
P [C] = 0, 12 ; P [C] = 0, 88
ind
P [R] = P [A ∪ B ∪ C] = 1 − P [A ∩ B ∩ C] = 1 − [A] · P [B] · P [C] = 1 − 0.95 · 0.935 · 0.88 = 0, 2183

8. Considere a seguinte situação.

Em um teste múltipla escolha, marca-se uma alternativa em cada uma das cinco questões, cada uma com quatro
alternativas, entre as quais apenas uma é correta. eseja-se saber a probabilidade de um indivı́duo acertar por mero
acaso alguma questão.

(a) Indique como fica o espaço amostral do experimento (sem necessariamente listar todos os elementos).
(b) Defina a variável aleatória (v.a) adequada ao interesse do problema.
(c) Monte uma tabela com a distribuição de probabilidades desta variável
(d) Caso possı́vel identifique a distribuição de probabilidades desta variável e fornecendo a equação da função de
probabilidades.
(e) Mostre como obter a probabilidade solicitada a partir do resultado de alguns dos itens anteriores.

Solução:

(a) Ω = {(AAAAA), (AAAAA), (AAAAA), . . . (AAAAA), (AAAAA)}

n(Ω) = 25 = 32
(b) X : número de acertos
x 0 1 2 3 4 5
5 5 5 5

(c) P [X = x] (0, 75)5 1 (0, 25)1 (0, 75)4 2 (0, 25)2 (0, 75)3 3 (0, 25)3 (0, 75)2 4 (0, 25)4 (0, 75)1 (0, 25)5
=0,2373 =0,3955 =0,2637 =0,08789 =0,01465 =0,0009766
(d) X ∼ B(n = 5, p = 0, 25)
P [X = x] = x5 (0, 25)x (1 − 0, 25)5−x
5
(0, 25)0 (1 − 0, 25)5−0 = 0, 763

(e) P [X ≥ 1] = 1 − P [X = 0] = 1 − 0

Solução computacional com o programa R:

> (probs <- dbinom(0:5, size=5, prob=0.25))

[1] 0,2373047 0,3955078 0,2636719 0,0878906 0,0146484 0,0009766

> (pbinom(0, size=5, prob=0.25, lower=FALSE))

[1] 0,7627

9. Nas situações a seguir (i) identifique a v.a., (ii) liste seus possı́veis valores e (iii) forneça a expressão da função de
probabilidades.

(a) Sabe-se que a proporção de respondentes a um anúncio é de 5%. Vou verificar quantos acessos serão feitos sem
obter resposta até que seja obtida a marca de 10 respondentes.
(b) Vou escolher ao acaso 500 habitantes de Curitiba e verificar quantos sabem o nome do vice-prefeito(a) para
estimar a proporção dos que conhecem.
(c) Supondo que a proporção da população que possua um determinado tipo de sangue seja de 12%, vou verificar
quantos doadores vou receber até conseguir um que tenha o tipo desejado.

Solução:

(a)

X : número de acessos não respondentes até obter 10o respondente

x ∈ {0, 1, 2, . . .}
X ∼ BN(k = 10, p = 0, 05)

x + 10 − 1
P [X = x] = (0, 05)10 (0, 95)x
x

(b)

X : número que conhecem entre os 500 entrevistados

x ∈ {0, 1, 2, . . . 500}
X ∼ B(n = 500, p)

500
P [X = x] = (p)10 (1 − p)x
x

(c)

X : número de doadores, até obter o que possui o tipo sangue desejado

x ∈ {1, 2, . . .}
X ∼ G(p = 0, 12)
P [X = x] = (0, 12)(1 − 0, 12)x−1 ou
X : número de doadores que não possuem o tipo de sangue desejado, até obter o que possui
x ∈ {0, 1, 2, . . .}
X ∼ G(p = 0, 12)
P [X = x] = (0, 12)(1 − 0, 12)x
10. Considere a seguinte situação.
Em um teste múltipla escolha, marca-se uma alternativa em cada uma de quatro questões, cada uma com cinco
alternativas da qual apenas uma é correta. Deseja-se saber qual a probabilidade de um indivı́duo acertar por mero
acaso alguma questão.

(a) Indique como fica o espaço amostral do experimento (sem necessariamente listar todos os elementos).
(b) Defina a variável aleatória (v.a) adequada ao interesse do problema.
(c) Monte uma tabela com a distribuição de probabilidades desta variável
(d) Caso possı́vel identifique a distribuição de probabilidades desta variável e fornecendo a equação da distribuição.
(e) Mostre como obter a probabilidade solicitada a partir do resultado de alguns dos itens anteriores.
(f) Qual o valor esperado da v.a. ? Como este valor deve ser interpretado?

Solução:

(a) Ω = {(AAAA), (AAAA), (AAAA), . . . (AAAA), (AAAA)} n(Ω) = 24 = 16

(b) X : número de acertos
x 0 1 2 3 4
4 4 4
(0, 8)4 (0, 2)1 (0, 8)3 (0, 2)2 (0, 8)2 (0, 2)3 (0, 8)2 (0, 2)4

(c) P [X = x] 1 2 3
=0,4096 =0,4096 =0,1536 =0,0256 =0,0016
(d) X ∼ B(n = 4, p = 0, 2)
P [X = x] = x4 (0, 2)x (1 − 0, 8)4−x
4
(0, 2)0 (1 − 0, 2)4−0 = 0, 59

(e) P [X ≥ 1] = 1 − P [X = 0] = 1 − 0
(f) E[X] = n · p = 4 · 0, 2 = 0, 8. Interpretação de E[X]...

Solução computacional com o programa R:

> (probs <- dbinom(0:4, size=4, prob=0.2))

[1] 0,4096 0,4096 0,1536 0,0256 0,0016

> (pbinom(0, size=4, prob=0.2, lower=FALSE))

[1] 0,5904

11. Seja a função:

3x2 /8 0 < x ≤ 2

f (x) =
0 caso contrário

(a) Mostre que f (x) é uma função de densidade de probabilidade válida.

(b) Obtenha P [0, 5 < X < 1, 5].
(c) Obtenha P [X > 1, 2].
(d) Obtenha P [X > 1, 2|X > 0, 5].
(e) Obtenha o valor esperado de X.
Solução:

(a)
Z 2
Mostrar que: f (x) ≥ 0 ∀x e f (x)dx = 1
0
3 23 − 03
=1
8 3
a função acumulada F (x) é dada por:
Z x
3 x3 − 03 x3
F (x) = f (x)dx = =
0 8 3 8
R 1,5
(b) P [0, 5 < X < 1, 5] = 0,5 f (x)dx = F (1, 5) − F (0, 5) = 0, 406
R2
(c) P [X > 1, 2] = 1,2 f (x)dx = 1 − F (1, 2) = 0, 784
R2
f (x)dx 1−F (1,2)
(d) P [X > 1, 2|X > 0, 5] = R1,2
2 = = 0, 796
f (x)dx 1−F (0,5)
0,5

(e)
2
3 24 − 04
Z
3
E[X] = x · f (x)dx = = = 1, 5
0 8 4 2
1,5

1,0
0,8
1,0

0,6
F(x)
f(x)

0,4
0,5

0,2
0,0

0,0

0,0 0,5 1,0 1,5 2,0 0,0 0,5 1,0 1,5 2,0

x x

Figura 1: Função de densidade de probabilidade (esquerda) e função de distribuição (direita).

Solução computacional com o programa R:

> require(MASS)
> ## a)
> fx <- function(x) ifelse(x > 0 & x <= 2, (3*x^2)/8, 0)
> integrate(fx, 0, 2)$value

[1] 1

> Fx <- function(x) ifelse(x>0, ifelse(x<=2, (x^3)/8,1), 0)

> Fx(2)

[1] 1
> ## b)
> integrate(fx, 0.5, 1.5)$value

[1] 0,4062

> Fx(1.5)-Fx(0.5)

[1] 0,4062

> ##c)
> integrate(fx, 1.2, 2)$value

[1] 0,784

> 1-Fx(1.2)

[1] 0,784

> ## d)
> integrate(fx, 1.2, 2)$value/integrate(fx, 0.5, 2)$value

[1] 0,7964

> (1-Fx(1.2))/(1-Fx(0.5))

[1] 0,7964

> ## e)
> efx <- function(x) ifelse(x > 0 & x <= 2, x*(3*x^2)/8, 0)
> integrate(efx, 0, 2)$value

[1] 1,5

12. Seja uma v.a. contı́nua com função de distribuição de probabilidades (f.d.p) f (x) = k(1 − x2 )I(0,1] (x), obtenha:

(a) valor de k para que f (x) seja uma f.d.p. válida,

(b) a média de X,
(c) a mediana de X,
(d) a função de distribuição (acumulada) F (x),
(e) P [X > 1/2],
(f) P [X < 0, 75],
(g) o primeiro quartil,
(h) o terceiro quartil,
(i) P [0, 25 < X < 0, 75],
(j) P [X < 0, 75|X > 0, 5],
Solução:

(a)
Z 1
f (x)dx = 1
0
1
k[(1 − 0) (13 − 03 )] = 1
3
3
k=
2
(b)
Z 1
3 1 1 3
E[X] = x · f (x)dx = [ (12 − 02 ) − (14 − 04 )] = = 0, 375
0 2 2 4 8
(c)
Z Md
f (x)dx = 0, 5
0
3 1
[(M d − 0) − (M d3 − 03 )] = 0, 5
2 3
M d = 0, 347

(d) a função de distribuição (acumulada) F (x),

Z x
3 1 1
F (x) = f (x)dx = [(x − 0) − (x3 − 03 )] = (3x − x3 )
0 2 3 2

(e)
Z 1
P [X > 1/2] = f (x)dx = 1 − F (1/2) = 0, 312
1/2

(f)
Z 0,75
P [X < 0, 75] = f (x)dx = F (0, 75) = 0, 914
0

(g)
Z Q1
f (x)dx = 0, 25
0
3 1
[(Q1 − 0) − (Q31 − 03 )] = 0, 25
2 3
Q1 = 0, 168

(h)
Z Q3
f (x)dx = 0, 75
0
3 1
[(Q3 − 0) − (Q33 − 03 )] = 0, 75
2 3
Q3 = 0, 558

(i)
Z 0,75
P [0, 25 < X < 0, 75] = f (x)dx = F (0, 75) − F (0, 25) = 0, 547
0,25

(j)
R 0,75
P [0, 50 < X < 0, 75] 0,50 f (x)dx F (0, 75) − F (0, 50)
P [X < 0, 75|X > 0, 5] = = R1 = = 0, 725
P [X > 0, 50] f (x)dx 1 − F (0, 50)
0,50
1,5

1,0
0,8
1,0

0,6
F(x)
f(x)

0,4
0,5

0,2
0,0

0,0
−0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 −0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2

x x

Figura 2: Função de densidade de probabilidade (esquerda) e função de distribuição.

Solução computacional com o programa R:

> require(MASS)
> ## a)
> kfx <- function(x) ifelse(x > 0 & x <= 1, (1-x^2), 0)
> fractions(1/integrate(kfx, 0, 1)$value)

[1] 3/2

> fx <- function(x) ifelse(x > 0 & x <= 1, (3/2)*(1-x^2), 0)

> integrate(fx, 0, 1)$value

[1] 1

> ## b)
> Ex <- function(x) ifelse(x > 0 & x <= 1, x*fx(x), 0)
> ## c)
> Qx <- function(x, quantil) (integrate(fx, 0, x)$value - quantil)^2
> (md <- optimize(Qx, c(0,1), quantil=0.5)$min)

[1] 0,3473

> ## d)
> Fx <- function(x) ifelse(x>0, ifelse(x<=1, (3*x - x^3)/2,1), 0)
> Fx(1)

[1] 1

> ## e)
> 1-Fx(1/2)

[1] 0,3125

> ## f)
> Fx(0.75)

[1] 0,9141
> ## g)
> (q1 <- optimize(Qx, c(0,1), quantil=0.25)$min)

[1] 0,1683

> ## h)
> (q3 <- optimize(Qx, c(0,1), quantil=0.75)$min)

[1] 0,5579

> ## i)
> Fx(0.75) - Fx(0.25)

[1] 0,5469

> ## j)
> (Fx(0.75) - Fx(0.5))/(1-Fx(0.5))

[1] 0,725

Outra forma para quantis:

> require(rootSolve)
> quantil <- function(p){q <- Re(polyroot(c(2*p,-3,0,1)));q[q>0&q<=1]}
> quantil(0.25)

[1] 0,1683

> quantil(0.5)

[1] 0,3473

> quantil(0.75)

[1] 0,5579

13. Alguns biólogos fizeram estudos de laboratório sobre o comportamento de animais quando submetidos a um estı́mulo,
o quais poderiam apresentar ou não resposta positiva. Em particular estavam interessados nas respostas positivas os
estı́mulo. Considera-se que na população destes animais, 10% sejam sensı́veis ao estı́mulo.

O biologo A possuia um grupo em que 10 animais eram sensı́veis e 20 eram insensı́veis. Ele selecionou ao acaso 8
animais para teste.
O biólogo B dispunha de um grande número de animais e foi testando um a um até encontrar o terceiro sensı́vel ao
estı́mulo.
O biólogo C tomou fazia testes diários e encontrava uma média de 2,8 animais sensı́veis a cada dia.
O biólogo D submeteu 10 animais ao estı́mulo.
O biólogo E dispunha de um grande número de animais e foi testando um a um até encontrar um sensı́vel ao estı́mulo.

(a) Qual a probabilidade do biólogo A encontrar ao menos 2 animais sensı́veis?

(b) Qual a probabilidade do biólogo B precisar testar no máximo 6 animais?
(c) Qual a probabilidade do biólogo C encontrar menos que dois sensı́veis em um determinado dia?
(d) Qual a probabilidade do biólogo D encontrar mais que 3 animais sensı́veis?
(e) Qual a probabilidade do biólogo E precisar testar mais que 3 animais?

Sugestão: especifique a(s) variável(eis) aleatória, sua(s) distribuição(ções) e suposições feitas.

Solução:

(a)

Xa : número de sensı́veis entre os 8 selecionados

xa ∈ {0, 1, 2, . . . 8}
Xa ∼ HG(N = 30, K = 10, n = 8)
K N −K 10
20
x n−x x 8−x
P [Xa = x] = N
= 30

n 8
P [Xa ≥ 2] = 1 − P [Xa ≤ 1] = 1 − (P [Xa = 0] + P [Xa = 1]) = 0, 846

(b)

Xb : número de não sensı́veis examinados até encontrar o terceiro sensı́vel

xb ∈ {0, 1, . . .}
Xb ∼ BN (k = 3, p = 0, 1)

x+k−1 k x+2
P [Xb = x] = p (1 − p)x = 0, 13 0, 9x
x x
P [Xb ≤ 3] = P [Xb = 0] + P [Xb = 1] + P [Xb = 2] + P [Xb = 3] = 0, 016

(c)

Xc : número de sensı́veis encontrados em um dia

xc ∈ {0, 1, . . .}
Xc ∼ P (λ = 2, 8)
e−λ λx e−2,8 2, 8x
P [Xc = x] = =
x! x!
P [Xc < 2] = P [Xc = 0] + P [Xc = 1] = 0, 231

(d)

Xd : número de sensı́veis entre os 10 examinados

xd ∈ {0, 1, . . . 10}
Xd ∼ B(n = 10, p = 0, 1)

n x n−x 10
P [Xd = x] = p (1 − p) = 0, 1x 0, 910−x
x x
P [Xd > 3] = 1 − P [Xd ≤ 3] = 1 − (P [Xd = 0] + P [Xd = 1] + P [Xd = 2] + P [Xd = 3]) = 0, 013

(e)

Xe : número de não sensı́veis examinados até encontrar o primeiro sensı́vel

xe ∈ {0, 1, . . .}
Xe ∼ G(p = 0, 1)
P [Xe = x] = p(1 − p)x = 0, 1 · 0, 9x
P [Xe > 3] = 1 − P [Xe ≤ 3] = 1 − (P [Xe = 0] + P [Xe = 1] + P [Xe = 2] + P [Xe = 3]) = 0, 656

Soluções computacionais com o programa R:

> pa <- phyper(1, m=10, n=20, k=8, low=FALSE)

> pb <- pnbinom(3, size=3, prob=0.1)
> pc <- ppois(1, lambda=2.8)
> pd <- pbinom(3, size=10, prob=0.1, low=FALSE)
> pe <- pgeom(3,prob=0.1, low=FALSE)
14. Dois jogadores vão disputar as finais de um torneio e o campeão será o que vencer três partidas. Baseado no
restrospecto dos resultados estima-se que a cada partida as probabilidades de vitória dos jogadores são 0,4 e 0,6.
Calcule e/ou responda os itens a seguir.
(a) Qual a probabilidade de haver mais que três jogos?
(b) Quais as chances de cada jogador vencer o torneio?
(c) Qual a probabilidade do jogador com menor chance vencer o torneio caso perca as duas primeiras partidas?
(d) Qual a probabilidade do jogador com maior chance vencer caso tenha tido apenas uma vitória nas três primeiras
partidas?
(e) Qual(ais) as suposições feitas nos cálculos acima?

Solução:
Eventos e probabilidades:
A : jogador A ganha o jogo B : jogador B ganha o jogo
P (A) = 0, 4 P (B) = 0, 6
Ω = {(A, A, A),
(B, A, A, A), (A, B, A, A), (A, A, B, A),
(B, B, A, A, A), (B, A, B, A, A), (B, A, A, B, A), (A, B, B, A, A), (A, B, A, B, A), (A, A, B, B, A)
(A, A, B, B, B), (A, B, A, B, B), (A, B, B, A, B), (B, A, A, B, B), (B, A, B, A, B), (B, B, A, A, B)
(A, B, B, B), (B, A, B, B), (B, B, A, B)
(B, B, B)}

Entretanto o espaço amostral e probabilidades podem ser resumidas na tabela a se-

guir em que nA é o número de vitórias de A e nB é o número de vitórias de B.
nA 3 3 3 2 1 0
nB 0 1 2 3 3 3
Pr p3,0 = (0, 4)3 p3,1 = 3 · 0, 43 0, 61 p3,2 = 6 · 0, 43 0, 62 p2,3 = 6 · 0, 42 0, 63 p1,3 = 3 · 0, 41 0, 63 p0,3 = 0, 63

(a) P (nA + nB > 3) = p3,1 + p3,2 + p2,3 + p1,3 = 1 − p4,0 − p0,4 = 1 − (0, 4)3 − (0, 6)3 = 0, 72
(b)
P (A vencer) = P (nA = 3) = p3,0 + p3,1 + p3,2 = 0, 3174
P (B vencer) = P (nB = 3) = 1 − P (nA = 3) = 0, 6826
(c)
P [nA = 3|(B, B, ∗)] =?
Ω1 = {(B, B, A, A, A), (B, B, A, A, B), (B, B, A, B), (B, B, B)}
(0, 4)3 (0, 6)2
P [nA = 3|(B, B, ∗)] = = 0, 064
(0, 4)3 (0, 6)2 + (0, 4)2 (0, 6)3 + (0, 4)1 (0, 6)3 + (0, 6)3
Alternativamente pode-se pensar que se A perdeu as duas primeiras precisa ganhar as três próximas partidas e
portanto,
P [nA = 3|(B, B, ∗)] = (0, 4)3 = 0, 064
(d)
Ω2 = {(B, A, A, A), (A, B, A, A), (A, A, B, A), (B, A, A, B, A), (A, B, A, B, A),
(A, A, B, B, A), (A, A, B, B, B), (A, B, A, B, B), (B, A, A, B, B)}
3(0, 4)2 (0, 6)3
P = = 0, 36
3(0, 4)3 (0, 6)1 + 3(0, 4)3 (0, 6)2 + 3(0, 4)2 (0, 6)3
Alternativamente pode-se pensar que B se perdeu as duas primeiras precisa ganhar as duas próximas partidas e
portanto,
P [nB = 3|ganhou 1 das 3 primeiras] = (0, 6)2 = 0, 36
(e)

15. Em um programa da regeneração são plantadas 10 mudas de uma determinada espécie em cada uma das unidades de
manejo. A probabilidade de que qualquer muda complete dois anos de idade é de 0,20. Fazendo suposições necessárias,
responda os itens a seguir.

(a) Qual a probabilidade de uma unidade ter alguma planta com dois anos?
(b) Quantas mudas deveriam plantadas para que a probabilidade de alguma planta completar dois anos seja superior
a 0,99 ?
(c) Qual deveria ser a probabilidade de cada muda completar dois anos para que a probabilidade da unidade ter
alguma muda fosse superior a 0,95?
(d) Descreva e discuta as suposições feitas para resolver o problema indicando situações em que elas poderiam ser
inválidas.

Solução:

Evento Pi : a i-ésima planta completa 2 anos P [Pi ] = 0, 2 = P [P ] −→ P [P i ] = 0, 8 = P [P ]

Evento C : a unidade tem ao menos 1 planta após 2 anos
Q10
(a) P [C] = 1 − P [C] = 1 − P [P 1 ∩ P 2 ∩ . . . ∩ P 10 ] = 1 − i=1 P [P i ] = 1 − P [P ]10 = 1 − 0, 810 = 0, 893
(b) P [C] > 0, 99 −→ 1 − 0, 8n > 0, 99 −→ 0, 8n < 0, 01 −→ n ≥ log(0,01)
log(0,80) = 21
(c) P [C] > 0, 95 −→ 1 − P [P ]10 > 0, 95 −→ P [P ]10 < 0, 05 −→ P [P ] < (0, 05)1/10 = 0, 74 −→ P [P ] = 0, 26
(d)

16. Um biólogo percorre uma trilha de 5 km procurando avistar um exemplar de uma determinada ave. A chance de
avistar a ave durante uma passada no percurso é de 25% e constante em todo o percurso.

(a) Qual a probabilidade avistar a ave e que seja nos primeiros 2 km do percurso?
(b) Se ele avista a ave, qual a probabilidade de que seja nos últimos 500 metros do percurso?
(c) Se ele avista a ave, qual a probabilidade de que seja no primeiro ou último quilometro do percurso?
(d) Se ele avistou a ave e sabe-se que não foi nos primeiros 2 km qual a probabilidade de que tenha sido nos últimos
1.500 metros do percurso?
(e) É adotada a seguinte classificação para uma campanha: A: ave avistada nos primeiros 1.500 metros; B: ave
avistada entre 1.500 e 4.000 metros; C: ave avistada nos últimos 1.000 metros; X: ave não avistada. Monte a
distribuição de probabilidades da classificação da campanha.

Solução:

A : a ave é vista P [A] = 0, 25

X : posição na qual a ave é avistada
X|A ∼ Uc [0, 5]
1 1 x−0 x
f (x|A) = = I[0,5] (x) F (x) = =
5−0 5 5−0 5
2 1
(a) P [A ∩ X < 2] = P [A] · P [X < 2|A] = 0, 25 · 5 = 10 = 0, 1
0,5 1
(b) P [X > 4, 5|A] = 5= 10 = 0, 1
(c) P [X < 1 ∪ X > 4|A] = 15 + 1
5 = 2
5 = 0, 4
5−3,5
1
(d) P [X > 3, 5|A ∩ X > 2] = 5
5−2 = 2 = 0, 5
5

(e)
Y ∼ classificação da campanha y ∈ {A, B, C, X}
y A B C X
P [Y = y] P [A ∩ X < 1, 5] P [A ∩ 1, 5 < X < 4] P [A ∩ X > 4] P [A]
P [Y = y] P [A] · P [X < 1, 5|A] P [A] · P [1, 5 < X < 4|A] P [A] · P [X > 4|A] P [A]
P [Y = y] 0, 25 · 1, 5/5 = 0, 075 0, 25 · 2, 5/5 = 0, 125 0, 25 · 1/5 = 0, 05 0,75

17. Assume-se que o tempo entre acessos a um blog tem uma distribuição com média de 1,5 segundos. Assumindo alguma
distribuição responda os itens a seguir.

(a) Qual a probabilidade de haver duas conexões com intervalo inferior a 1,5 segundos?
(b) Qual a probabilidade de se passarem 5 segundos sem conexão alguma?
(c) Tendo havido uma conexão, qual a probabilidade da próxima conexão ocorrer entre 0,5 e 2,5 segundos?
(d) Se já se passou 1 segundo sem conexão, qual a probabilidade de se passar mais 0,5 segundos adicionais sem
conexão?
(e) Qual a probabilidade do intervalo entre conexões não superar 3,5 segundos se já se passaram 2 segundos sem
conexão?

Solução:
Não se especificou a distribuição e vamos assumir a distribuição exponencial considerando: (i) que devem ser valores
positivos, (ii) pela possibilidade de cálculos com as informações fornecidas.

X : intervalo de tempo entre conexões (segundos)

X ∼ Exp(λ = 1/1, 5 = 2/3)
2
f (x) = e−2x/3 I(0,∞) (x) F (x) = 1 − e−2x/3
3
R 1,5
(a) P [X < 1, 5] = 0 f (x)dx = F (1, 5) = 0, 63
R∞
(b) P [X > 5] = 5 f (x)dx = 1 − F (5) = 0, 036
R 2,5
(c) P [X < 0, 5] = 0,5 f (x)dx = F (2, 5) − F (0, 5) = 0, 53
R∞
f (x)dx
(d) P [X > 1, 5|X > 1] = R1,5
∞
f (x)dx
= 1 P [X > 0, 5] = 1 − F (0, 5) = 0, 72
1
R 3,5
f (x)dx F (3,5)−F (2)
(e) P [X < 3, 5|X > 2] = R23,5 = 1−F (2) = 1 P [X < 1, 5] = F (1, 5) = 0, 63
2 f (x)dx

Solução computacional com o programa R:

> (pa <- pexp(1.5, rate=2/3))

[1] 0,6321

> (pb <- pexp(5, rate=2/3, lower=F))

[1] 0,03567

> (pc <- diff(pexp(c(0.5,2.5), rate=2/3)))

[1] 0,5277

> (pd <- pexp(0.5, rate=2/3, lower=F))

1
propriedade de falta de memória da exponencial
[1] 0,7165

> (pe <- pexp(1.5, rate=2/3))

[1] 0,6321

18. Dois jogadores vão disputar as finais de um torneio e o campeão será o que vencer quatro partidas. Baseado no
restrospecto dos resultados estima-se que a cada partida as probabilidades de vitória dos jogadores são 0,4 e 0,6.
Calcule e/ou responda os itens a seguir.
(a) Qual a probabilidade de haver mais que quatro jogos?
(b) Quais as chances de cada jogador vencer o torneio?
(c) Qual a probabilidade do jogador com menor chance vencer o torneio caso perca as duas primeiras partidas?
(d) Qual a probabilidade do jogador com maior chance vencer caso tenha tido apenas uma vitória nas quatro primeiras
partidas?
(e) Qual(ais) as suposições feitas nos cálculos acima?

Solução:
Eventos e probabilidades:
A : jogador A ganha o jogo B : jogador B ganha o jogo
P (A) = 0, 4 P (B) = 0, 6
Ω = {(A, A, A, A),
(B, A, A, A, A), (A, B, A, A, A), (A, A, B, A, A), (A, A, A, B, A),
(B, B, A, A, A, A), (B, A, B, A, A, A), (B, A, A, B, A, A), (B, A, A, A, B, A), (A, B, B, A, A, A),
(A, B, A, B, A, A), (A, B, A, A, B, A), (A, A, B, B, A, A), (A, A, B, A, B, A), (A, A, A, B, B, A),
(B, B, B, A, A, A, A), (B, B, A, B, A, A, A), (B, B, A, A, B, A, A), (B, B, A, A, A, B, A), (B, A, B, B, A, A, A),
(B, A, B, A, B, A, A), (B, A, B, A, A, B, A), (B, A, A, B, B, A, A), (B, A, A, B, A, B, A), (B, A, A, A, B, B, A),
(A, B, B, B, A, A, A), (A, B, B, A, B, A, A), (A, B, B, A, A, B, A), (A, B, A, B, B, A, A), (A, B, A, B, A, B, A),
(A, B, A, A, B, B, A), (A, A, B, B, B, A, A), (A, A, B, B, A, B, A), (A, A, B, A, B, B, A), (A, A, A, B, B, B, A),
(A, A, A, B, B, B, B), (A, A, B, A, B, B, B), (A, A, B, B, A, B, B), (A, A, B, B, B, A, B), (A, B, A, A, B, B, B),
(A, B, A, B, A, B, B), (A, B, A, B, B, A, B), (A, B, B, A, A, B, B), (A, B, B, A, B, A, B), (A, B, B, B, A, A, B),
(B, A, A, A, B, B, B), (B, A, A, B, A, B, B), (B, A, A, B, B, A, B), (B, A, B, A, A, B, B), (B, A, B, A, B, A, B),
(B, A, B, B, A, A, B), (B, B, A, A, A, B, B), (B, B, A, A, B, A, B), (B, B, A, B, A, A, B), (B, B, B, A, A, A, B),
(A, A, B, B, B, A), (A, B, A, B, B, B), (A, B, B, A, B, B), (A, B, B, B, A, B), (B, A, A, B, B, B),
(B, A, B, A, B, B), (B, A, B, B, A, B), (B, B, A, A, B, B), (B, B, A, B, A, B), (B, B, B, A, A, B),
(A, B, B, B, B), (B, A, B, B, B), (B, B, A, B, B), (B, B, B, A, B),
(B, B, B, B)}

Entretanto o espaço amostral e probabilidades podem ser resumidas na tabela a se-

guir em que nA é o número de vitórias de A e nB é o número de vitórias de B.
nA 4 4 4 4 3 2 1 0
nB 0 1 2 3 4 4 4 4
Pr p4,0 = p4,1 = p4,2 = p4,3 = p3,4 = p2,4 = p1,4 = p0,4 =
(0, 4)4 4 · 0, 44 0, 61 10 · 0, 44 0, 62 20 · 0, 44 0, 63 20 · 0, 43 0, 64 10 · 0, 42 0, 64 4 · 0, 41 0, 64 0, 64

(a) P (nA + nB > 4) = p4,1 + p4,2 + p4,3 + p3,4 + p2,4 + p1,4 = 1 − p4,0 − p0,4 = 1 − (0, 4)4 − (0, 6)4 = 0, 8448
(b)
P (A vencer) = P (nA = 4) = p4,0 + p4,1 + p4,2 + p4,3 = 0, 2898
P (B vencer) = P (nB = 4) = 1 − P (nA = 4) = 0, 7102
(c)

P [nA = 4|(B, B, ∗)] =?

Ω1 = {(B, B, A, A, A, A), (B, B, B, A, A, A, A), (B, B, A, B, A, A, A), (B, B, A, A, B, A, A), (B, B, A, A, A, B, A),
(B, B, A, A, A, B, B), (B, B, A, A, B, A, B), (B, B, A, B, A, A, B), (B, B, B, A, A, A, B), (B, B, A, A, B, B),
(B, B, A, B, A, B), (B, B, B, A, A, B), (B, B, A, B, B), (B, B, B, A, B), (B, B, B, B)}
(0, 4)4 (0, 6)2 + 4(0, 4)4 (0, 6)3
P [nA = 4|(B, B, ∗)] = =
(0, 4)4 (0, 6)2 + 4(0, 4)4 (0, 6)3 + 4(0, 4)3 (0, 6)4 + 3(0, 4)2 (0, 6)4 + 2(0, 4)1 (0, 6)4 + (0, 6)4
0, 087

Solução alternativa pode ser obtida pensando-se diretamente no espeço mamostra restrito ao fato de que B
venceu os dois primeiros jogos. Neste caso os resultados serão entre B, B, A, A, A, A e B, B, ∗, ∗, ∗, ∗, ∗ e neste
último caso A deve ganhar 4 dentre os 5 jogos e lembrando que B, B, A, A, A, A, B não é possı́vel. Portanto a
probabilidade será:
P = 0, 44 + 4 · 0.44 0.6 = 0, 08704

(d)

Ω2 = {(B, A, A, A, A), (A, B, A, A, A), (A, A, B, A, A), (A, A, A, B, A), (B, A, A, A, B, A),
(A, B, A, A, B, A), (A, A, B, A, B, A), (A, A, A, B, B, A), (B, A, A, A, B, B, A), (A, B, A, A, B, B, A),
(A, A, B, A, B, B, A), (A, A, A, B, B, B, A), (A, A, A, B, B, B, B), (A, A, B, A, B, B, B), (A, B, A, A, B, B, B),
(B, A, A, A, B, B, B)}
4(0, 4)3 (0, 6)4
P = = 0, 216
4(0, 4)4 (0, 6)1 + 4(0, 4)4 (0, 6)2
+ 4(0, 4)4 (0, 6)3 + 4(0, 4)3 (0, 6)4

Alternativamente pode-se pensar que se B perdeu três das quatro primeiras precisa ganhar as três próximas
partidas e portanto,

P [nB = 4|B teve 1 vitória nas 4 primeiras partidas] = (0, 6)3 = 0, 216

(e)

19. Para fins de segurança de preservação, são feitas cinco cópias de uma biblioteca de arquivos de imagens. A probabi-
lidade de que qualquer cópia seja corrompida durante um certo intervalo de tempo é de 0,01.

(a) Qual a probabilidade da biblioteca ser perdida durante o perı́odo?

(b) Qual deveria ser a probabilidade individual de cada cópia ser corrompida para que a probabilidade de perda da
biblioteca não ultrapassasse 0,001?
(c) Quantas cópias deveriam ser feitas para que a probabilidade de falha não ultrapassasse 0,001 caso sejam mantidas
as probabilidades individuais de falha de 0,01.
(d) Descreva e discuta as suposições feitas para resolver o problema indicando situações em que elas poderiam ser
inválidas.

Solução:

Evento Fi : falha da i-ésima cópia P [Fi ] = 0, 01 = P [F ] −→ P [F i ] = 0, 99

Evento M : perda da biblioteca
Q5
(a) P [M ] = P [F1 ∩ F2 ∩ . . . ∩ F5 ] i=1 P [Fi ] = P [F ]5 = 0, 015
(b) P [M ] < 0, 001 −→ P [F ]5 < 0, 001 −→ P [F ] < (0, 001)1/5 = 0, 25119
log(0,001)
(c) P [M ] < 0, 001 −→ (0, 01)n < 0, 001 −→ n > log(0,01) =2
(d)

20. Um site de vendas pela internet registra 40% dos acessos do estado do PR, 50% de outros estados e 10% do exterior.
20% dos acessos do PR resultam em uma compra, enquanto que os percentuais para outros estados e exterior são de
10% e 30%, respectivamente.

(a) Qual a probabilidade de um acesso resultar em compra?

(b) Se foi feita uma compra, qual a probabilidade de ela ter sido do exterior?

Solução:
Eventos:
P R : acesso do PR OE : acesso de outros estados EX : acesso do exterior
C : compra
Probabilidades informadas:
P [P R] = 0, 40 P [OE] = 0, 50 P [EX] = 0, 10
P [C|P R] = 0, 20 P [C|OE] = 0, 10 P [C|EX] = 0, 30

(a) P [C] = P [P R ∩ C] + P [OE ∩ C] + P [EX ∩ C] = P [P R] · P [C|P R] + P [OE] · P [C|OE] + P [EX] · P [C|EX] =

(0, 40)(0, 20) + (0, 50)(0, 10) + (0, 10)(0, 30) = 0, 16
P [EX∩C] P [EX]·P [C|EX] (0,10)(0,30)
(b) P [EX|C] = P [C] = P [C] = (0,40)(0,20)+(0,50)(0,10)+(0,10)(0,30) = 0, 1875

21. Uma urna contém doze bolas brancas e oito bolas vermelhas. Serão retiradas, sequencialmente, três bolas da urna. A
cada bola anota-se a cor e, se a bola for vermelha ela é retornada à urna e se for branca ela é posta de lado.

(a) Forneça o espaço amostral do experimento.

(b) Calcule probabilidade de cada elemento do espaço amostral.
(c) Qual a probabilidade de não se obter todas as bolas da mesma cor?
(d) Qual a probabilidade de se retirar ao menos duas bolas brancas?
(e) Qual a probabilidade de retirar três vermelhas sabendo-se que ao menos uma das bolas é vermelha?
(f) Se a primeira bola for branca, qual a probabilidade de obter três bolas brancas?

Solução:

(a) Ω = {(B, B, B), (B, B, V ), (B, V, B), (V, B, B), (B, V, V ), (V, B, V ), (V, V, B), (V, V, V )}
Evento (B, B, B) (B, B, V ) (B, V, B) (B, B, V ) (B, V, V ) (V, B, V ) (V, V, B) (V, V, V )
(b) 12 11 10 12 11 8 12 8 11 8 12 11 12 8 8 8 12 8 8 8 12 8 8 8
Probabilidade 20 19 18 20 19 18 20 19 19 20 20 19 20 19 19 20 20 19 20 20 20 20 20 20
12 11 10 8 8 8
(c) P = 1 − P [(B, B, B)] − P [(V, V, V )] = 1 − 20 19 18 − 20 20 20 = 0, 743
12 11 10 12 11 8 12 8 11 8 12 11
(d) P = P [(B, B, B)] + P [(B, B, V )] + P [(B, V, B)] + P [(V, B, B)] = 20 19 18 + 20 19 18 + 20 19 19 + 20 20 19 = 0, 6326
8 8 8
P [(V,V,V )]
(e) P = 1−P [(B,B,B)] = 20 20 20
1− 12 11 10 = 0, 0793
20 19 18
12 11 10
P [(B,B,B)]
(f) P = P [(B,B,B)]+P [(B,B,V )]+P [(B,V,B)]+P [(B,V,V )] = 12 11 10
20 19 18
+ 20 19 18 + 12
12 11 8 8 11
+ 12 8 8 = 0, 3216
20 19 18 20 19 19 20 19 19

22. Um candidato está fazendo uma prova de múltipla escolha com cinco alternativas das quais apenas uma é correta. A
chance do candidato saber a solução de uma questão é de 40%. Quando ele sabe a solução ele sempre acerta a questão
e quando não sabe ele escolhe uma das respostas ao acaso. Se o candidato acerta a questão, qual a probabilidade de
ele saber resolver a questão?
Solução:
Evento S : o candidato sabe a questão
Evento S : o candidato sabe a questão
Evento A : o candidato acerta a questão
Evento A : o candidato acerta a questão
Dados:

23. Estamos interessados nos tempos de processamento para um certo procedimento de tratamento de imagens. O
algoritmo de tratamento e classificação das imagens funciona em dois estágios. O primeiro estágio é realizado em 20
segundos e a experiência mostra que a classificação é encerrada nesse estágio para 25% das imagens. As demais são
processadas em um segundo estágio e destas, o processamento de 80% delas é encerrado com mais 30 segundos e 60
segundos para as restantes.
Defina a variável aleatória (v.a.), forneça sua distribuição de probabilidades, a esperança e a variância da v.a. Informe
ainda o tempo que espera-se gastar no processamento de 1500 imagens.

Solução:

Eventos e espaço amostral:

A : Classifica no primeiro estágio
A : Não classifica no primeiro estágio
B : Classifica em 30 seg no segundo estágio
B : Classifica em 60 segundos no segundo estágio
Ω = {(A), (A, B), (A, B)}
Dados:
P [A] = 0, 25 P [B|A] = 0, 80
P [A] = 0, 75 P [B|A] = 0, 20
P [B ∩ A] = P [B|A]P [A] = 0, 80 · 0, 75 = 0, 60
P [B ∩ A] = P [B|A]P [A] = 0, 20 · 0, 75 = 0, 15
X : tempo de processamento (s)
x ∈ {20, 50, 80}
Evento (A) (A, B) (A, B)
x 20 50 80
P[X=x] 0, 25 0, 60 0, 15
X
E(X) = x · P [X = x] =
= 20(0, 25) + 50(0, 60) + 80(0, 15) = 47s
X
Var(X) = (x − E(X))2 · P [X = x] =
= (20 − E(X))2 (0, 25) + (50 − E(X))2 (0, 60) + (80 − E(X))2 (0, 15) = 351s2
T = 1500 · E(X) = 70500s = 19, 58hr(tempo para processamento de 1500 imagens)
24. Um sistema de climatização e refrigeração funciona continuamente e pode ocorrer uma interrupção a qualquer instante
do dia com igual probabilidade. Supondo que vai haver uma interrupção (falha),

(a) qual a probabilidade de ocorrer a falha no perı́odo da noite, entre 20:00 e 6:00?
(b) Qual a probabilidade de ocorrer a falha nos horários de pico de uso entre 9:00-12:00 ou 14:00-17:30?
(c) Se houve falha na primeira metade do dia, qual a probabilidade de que tenha sido no horário comercial entre
8:30-12:00?
(d) Se houve uma falha fora do horário comercial de 9:00-18:00, qual a probabilidade de que tenha sido de madrugada
entre 0:00-5:00
(e) Os custos de reparo variam em função do horário do dia. É de R$ 200,00 se a falha é notificada entre 9:00-17:30,
R$ 250,00 se a falha é notificada entre 6:00-9:00 ou 17:30-20:00 e R$350,00 para outros horários do dia. Qual o
valor esperado para o pagamento de 100 reparos?

Solução:

X : horário da falha/interrupção
X ∼ Uc [0:00, 24:00]
1 1 x−0 x
f (x) = = I[0,24] (x) F (x) = =
24 − 0 24 24 − 0 24
4 6 10
(a) P [20:00 < X < 24:00] + P [0:00 < X < 6:00] = 24 + 24 = 24 = 0, 42
(b) P [9:00 < X < 12:00] + P [14:00 < X < 17:30] 3
= 24 + 3,5 6,5
24 = 24 = 0, 27
3,5/24 3,5
(c) P [8:30 < X < 12:00|X < 12:00] = 12/24 = 12 = 0, 29
5/24 5
(d) P [0:00 < X < 5:00|(0:00 < X < 9:00) ∪ (18:00 < X < 24:00)] = (9/24)+(6/24) = 15 = 0, 33
(e)
Y ∼ custo do reparo y ∈ {200, 250, 350}
y 200,00 250,00 350,00
P [Y = y] P [9:00 < X < 17:30] P [(6:00 < X < 9:00) ∪ (17:30 < X < 20:00)] P [(0:00 < X < 6:00) ∪ (20:00 < X < 24:00)]
8,5 5,5 10
P [Y = y] 24 24 24

8, 5 5, 5 10
100 · E[Y ] = 100(200 · + 250 · + 350 · ) = R$27.395, 83
24 24 24

25. Assume-se que o tempo entre conexões a um servidor tem distribuição com média de 2,5 segundos.

(a) Qual a probabilidade de se passarem 10 segundos sem conexão alguma?

(b) Tendo havido uma conexão, qual a probabilidade de a próxima conexão não ocorrer antes de 1,5 segundos?
(c) Qual a probabilidade do intervalo entre duas conexões ultrapassar 4 segundos?
(d) Se já se passaram 2 segundos sem conexão, qual a probabilidade de se passaram mais 4 segundos adicionais sem
conexão?
(e) Qual a probabilidade do intervalo entre conexões superar 4 segundos se já se passaram 2,5 segundos sem conexão?

X : intervalo de tempo entre conexões (segundos)

X ∼ Exp(λ = 1/2, 5 = 2/5)
2
f (x) = e−2x/5 I(0,∞) (x) F (x) = 1 − e−2x/5
5
R∞
(a) P [X > 10] = f (x)dx = 1 − F (10) = 0, 0183
R10∞
(b) P [X > 1, 5] = 1,4 f (x)dx = 1 − F (1, 5) = 0, 549
R∞
(c) P [X > 4] = 4 f (x)dx = 1 − F (4) = 0, 0000454
f (x)dx 2
R∞
(d) P [X > 6|X > 2] = R6∞ = P [X > 4] = 1 − F (4) = 0, 202
2 f (x)dx

f (x)dx 2
R∞
(e) P [X > 4|X > 2, 5] = R4∞ f (x)dx = P [X > 1, 5] = 1 − F (1, 5) = 0, 549
2,5

Soluções computacionais com o programa R:

> (pa <- pexp(10, rate=2/5, low=FALSE))

[1] 0,01832

> (pb <- pexp(1.5, rate=2/5, low=FALSE))

[1] 0,5488

> (pc <- pexp(4, rate=2.5, low=FALSE))

[1] 4,54e-05

> (pd <- pexp(4, rate=2/5, low=FALSE))

[1] 0,2019

> (pe <- pexp(1.5, rate=2/5, low=FALSE))

[1] 0,5488

26. Seja uma variável aleatória X (v.a.) com função de densidade de probabilidade (f.d.p.) dada por:

|1 − x| se 0 < x < 2
f (x) =
0 caso contrário.

(a) Mostre que f (x) é uma f.d.p..

(b) Obtenha o valor esperado de X.
(c) Obtenha a função de distribuição acumulada F (x)
(d) Obtenha P [X > 1].
(e) Obtenha P [X < 1, 5|X > 1].
(f) Obtenha P [X < 0.25 ou X > 0, 75].

Seja ainda Y uma outra v.a. definida a partir da variável X anterior tal que:

 200 se x ≤ 0, 25
Y = 500 se 0, 25 < x ≤ 0, 75
1000 se x > 0, 75


(g) Obtenha a função de probabilidade Y .

(h) Obtenha o valor esperado de Y .
(i) Obtenha a função de distribuição acumulada F (y)
(j) Obtenha P [Y = 1000|Y ≥ 500].
1,0

1,0
0,8

0,8
0,6

0,6
Fx(x)
fx(x)
0,4

0,4
0,2

0,2
0,0

0,0
−0,5 0,0 0,5 1,0 1,5 2,0 2,5 −0,5 0,0 0,5 1,0 1,5 2,0 2,5
x x

Solução:

R2
(a) Mostrar que f (x) ≥ 0 ∀x e que 0 f (x)dx = 1.
Notar que:

 1−x se 0 < x < 1
|1 − x| se 0 < x < 2
f (x) = |1 − x|I(0,2) (x) = = x−1 se 1 < x < 2
0 caso contrário.
0 caso contrário.


R2 R1 R2
(b) E[X] = 0 f (x)dx = 0 x(1 − x)dx + 1 x(x − 1)dx . . . = 1
(c)  R
x x(2−x)
 R0 1 − xdx = R 2
 se 0 < x ≤ 1
F (x) = 1 x x2 −2x+2
 0 1 − xdx + 1 x − 1dx = 2 se 1 < x < 2
 0 caso contrário.
(d) P [X > 1] = 1 − F (1) = 0, 5
P [1<X<1,5] F (1,5)−F (1)
(e) P [X < 1, 5|X > 1] = P [X>1] = 1−F (1)
(f) P [X < 0, 25 ou X > 0, 75] = F (0, 25) + (1 − F (0, 75))
Y 200 500 1000
P [Y = y] P [X ≤ 0, 25] = P [0, 25 < X ≤ 0, 75] = P [X > 0, 75] =
(g)
F (0, 25) = F (0, 75) − F (0, 25) = 1 − F (0, 75) =
0, 21875 0, 25 0, 53125
(h) X
E[Y ] = yP [Y = y] = 200 · 0, 21875 + 500 · 0, 25 + 1000 · 0, 53125 = 700

Y y < 200 200 ≤ y < 500 500 ≤ y < 1000 y ≥ 1000

(i)
F (y) = P [Y ≤ y] 0 0, 21875 0, 46875 1
P [Y =1000]
(j) P [Y = 1000|Y ≥ 500] = P [Y =500]+P [Y =1000] = 17/25 = 0, 68.

27. Um indivı́duo vai participar de uma competição que consiste em responder questões que são lhe são apresentadas
sequencialmente. Com o nı́vel de conhecimento que possui, a chance de acertar uma questão escolhida ao acaso é de
75% . Neste contexto, para cada diferente situação apresentada a seguir, defina a variável aleatória, sua distribuição
de probabilidades e calcule a probabilidade solicitada. Se preciso, faça suposições necessárias e adequadas em cada
caso.
(a) Se for responder até errar uma pergunta, qual a probabilidade de conseguir acertar quatro ou mais questões?
(b) Se for responder cinco perguntas, qual a probabilidade de acertar quatro ou mais?
(c) Se for responder até acertar a terceira pergunta, qual a probabilidade de errar apenas uma?
(d) Se o candidato selecionar aleatoriamente seis questões de um banco de 40 questões das quais o candidato sabe a
resposta de 30 delas (75%), qual a probabilidade de acertar ao menos cinco delas.

Ainda neste contexto considere que o candidato responde, em média, 1,8 questões por minuto.

(e) Qual a probabilidade de conseguir responder ao menos três questões em três minutos?
(f) Qual a probabilidade de que o tempo para resposta de uma questão seja superior a 40 segundos?

Solução:
(a)

X : Número de acertos até o primeiro erro

X ∼ G(0, 25)
3
X
P [X ≥ 4] = 1 − P [X ≤ 3] = 1 − (1 − 0, 25)i (0, 25) = 0, 316
i=0

(b)

X : Número de acertos em cinco perguntas

X ∼ B(n = 5, p = 0, 75)
5
X 5
P [X ≥ 4] = P [X = 4] + P [X = 5] = 0, 75i (1 − 0, 75)5−i = 0, 633
i
i=4

(c)

X : Número de erros até o terceiro acerto

X ∼ BN(r = 3, p = 0, 75)

3+1−1
P [X = 1] = 0, 753 (1 − 0, 75)1 = 0, 316
3−1

(d)

X : Número de acertos nas seis questões selecionadas

X ∼ HG(30, 10, 6)
6 30 10

X i 6−i
P [X ≥ 5] = P [X = 5] + P [X = 6] = 40
= 0, 526
i=5 6

(e)

X : Número de questões respondidas em 3 minutos

X ∼ P(3 · 1, 8 = 5, 4)
2
X e−5,4 5, 4i
P [X ≥ 3] = 1 − P [X ≤ 2] = 1 − = 0, 905
i!
i=0

(f)

X : tempo (em min.) para responder uma questão

X ∼ Exp(λ = 1, 8)
Z ∞
P [X ≥ 40/60] = 1, 8e−1,8x dx = 0, 301
40/60
Solução computacional com o programa R:

> (pa <- pgeom(3,p=0.25, lower=F))

[1] 0,3164

> (pb <- pbinom(3, size=5, prob=0.75, lower=F))

[1] 0,6328

> (pc <- dnbinom(1, size=3, prob=0.75))

[1] 0,3164

> (pd <- phyper(4, m=30, n=10, k=6, lower=F))

[1] 0,526

> (pe <- ppois(2, lam=5.4, lower=F))

[1] 0,9052

> (pf <- pexp(40/60, rate=1.8, lower=F))

[1] 0,3012

28. Seja uma v.a. X com distribuição normal de média µ = 250 e variância σ 2 = 225. Obtenha:

(a) P [X > 270].

(b) P [X < 220].
(c) P [|X − µ| > 25].
(d) P [|X − µ| < 30].
(e) P [X < 270|X > 250].
(f) o valor x1 tal que P [X > x1 ] = 0, 80.
(g) o valor x2 tal que P [X < x2 ] = 0, 95.
(h) qual deveria ser um novo valor da média µ para que P [X < 240] ≤ 0, 10 ?
(i) com µ = 250 qual deveria ser um novo valor da variância σ 2 para que P [X < 240] ≤ 0, 10 ?
(j) qual deveria ser um novo valor da variância σ 2 para que P [|X − µ| > 15] ≤ 0, 10 ?

Solução:

X ∼ N(250, 152 )
270−250
(a) P [X > 270] = P [Z > 15 ] = P [Z > 1, 3333] = 0, 0912
220−250
(b) P [X < 220] = P [Z < 15 ] = P [Z < −2] = 0, 0228
(c) P [|X − µ| > 25] = P [X < 225 ∪ X > 275] = P [Z < −1, 667] + P [Z > 1, 667] = 0, 0956
(d) P [|X − µ| < 30] = P [220 < X < 280] = P [−2 < Z < 2] = 0, 9545
P [250<X<270] 0,4088
(e) P [X < 270|X > 250] = P [X>250] = 0,5 = 0, 8176
x1 −250
(f) z = 15 = −0, 842 −→ x1 = 237, 4
x2 −250
(g) z = 15 = 1, 645 −→ x2 = 274, 7
240−µ
(h) z = 15 = −1, 282 −→ µ = 259, 2
240−250
(i) z = σ = −1, 282 −→ σ = 7, 8 −→ σ 2 = 60, 8
15
(j) P [|X < µ| > 15] = P [X < µ − 15 ∪ X > µ + 15] ≤ 0, 10 −→ z = σ = 1, 645 −→ σ = 9, 1 −→ σ 2 = 83, 1

Solução computacional com o programa R:

> (qa <- pnorm(270, mean=250, sd=15, lower=FALSE))

[1] 0,09121

> (qb <- pnorm(220, mean=250, sd=15))

[1] 0,02275

> (qc <- 2*pnorm(250-25, mean=250, sd=15))

[1] 0,09558

> (qd <- diff(pnorm(c(250-30,250+30), mean=250, sd=15)))

[1] 0,9545

> (qe <- diff(pnorm(c(250,270), mean=250, sd=15))/pnorm(250, mean=250, sd=15, lower=FALSE))

[1] 0,8176

> (qf <- qnorm(0.80, mean=250, sd=15, lower=FALSE))

[1] 237,4

> (qg <- qnorm(0.95, mean=250, sd=15))

[1] 274,7

> (qh <- 240 - 15 * round(qnorm(0.10), dig=3))

[1] 259,2

> (qi <- (240 - 250)/round(qnorm(0.10), dig=3))

[1] 7,8

> (qj <- 15/round(qnorm(0.95), dig=3))

[1] 9,119

29. Um professor preparou 40 versões diferentes de uma lista de exercı́cios. As listas são atribuı́das ao acaso sorteando-se
para cada estudante um número de 1 a 40 que identifica a lista a ser recebida. Se um grupo de três colegas decide
fazer as listas juntos, qual a probabilidade de que dois ou mais deles recebam a mesma versão?
Solução:

Espaço Amostral: S todas possı́veis atribuições de 40 listas para 3 estudantes

n(S) = 40 · 40 · 40
Evento: E coincidência de lista em ao menos 2 estudantes
E sem coincidência de listas
n(E) = 40 · 39 · 38
n(E) 40 · 39 · 38
P [E] = 1 − P [E] = 1 − =1− = 0, 0737.
n(S) 403
Nota: este exercı́cio é semelhante ao problema da coincidência de aniversários em um grupo de pessoas.

30. Um determinado componente de computador é despachados de uma fábrica para entrega em lotes de 70 unidades.
Antes do despacho de um lote, 25 das unidades escolhidas ao acaso passam por um teste detalhado. Se alguma destas
unidades falha no teste, todo o lote é rejeitado.
(a) Qual a probabilidade de um lote contendo exatamente quatro unidades falhas ser despachado?
(b) Indique os cálculos necessários para obter o número de unidades que deveriam ser testadas para que esta proba-
bilidade não ultrapasse 0,02?

Solução:

X : número de unidades que apresentam falhas entre as unidades testadas

K N −K

x n−x
X ∼ HG(N = 70, K = 4, n = 25) P [X = x] = N

n

(40)(66
25)
(a) P [X = 0] = = 0, 1625
(70
25)

(4)(66) (70−n)! sol. numérica

(b) n =?|P [X = 0] ≤ 0, 02 −→ 0 70n ≤ 0, 02 −→ (66−n)! 70
−→ n ≥ 43
(n)
Q
i=67 i

Solução computacional com o programa R:

> la <- dhyper(0,m=4, n=66, k=25)
> fn1 <- function(n) log(gamma(71-n)) - log(gamma(67-n)) - sum(log(67:70))-log(0.02)
> fn2 <- function(n) gamma(71-n)/(gamma(67-n)*prod(67:70)) - 0.02
> [Link] <- ceiling(uniroot(fn2, c(25,50))$root)

31. Sabe-se que em um sistema de transmissão de dados, uma tempestade causa, em média, a falha de transmissão de
um pacote em cada 200. Transmitindo 500 pacotes nestas condições, qual a probabilidade que:
(a) no máximo três pacotes não sejam transmitidos
(b) todos sejam transmitidos

Solução:

X : número falhas de transmissão em 500 pacotes

n x
X ∼ B(n = 500, p = 1/200) P [X = x] = p (1 − p)( n − x)
x
e−λ λx
X ≈ P (λ = 500 · (1/200)) P [X = x] =
x!
(a) P [X ≤ 3] = 0, 7578
(b) P [X = 0] = 0, 0816

Solução computacional com o programa R:

> (pa <- pbinom(3, size=500, prob=1/200))

[1] 0,7578

> (pa1 <- ppois(3, lambda= 500*1/200))

[1] 0,7576

> (pb <- dbinom(0, size=500, prob=1/200))

[1] 0,08157

> (pb1 <- dpois(0, lambda= 500*1/200))

[1] 0,08208

32. A probabilidade de haver algum acidente considerado grave em um dia, em um trecho de uma rodovia é de 0,04 se
não chove e de 0,12 se chove. Sabe-se que, no perı́odo considerado, chove em 30% dos dias.

(a) Se em um determinado dia não houve nenhum acidente, qual a probabilidade que não tenha chovido?
(b) qual a probabilidade de que, chovendo ou não, haja acidente?

Solução:
Eventos e probabilidades informadas:

A : ocorre acidente A : não ocorre acidente

C : chove C : não chove
P [A|C] = 0, 04 −→ P [A|C] = 1 − 0, 04 = 0, 96
P [A|C] = 0, 12 −→ P [A|C] = 1 − 0, 12 = 0, 88
P [C] = 0, 30 −→ P [C] = 1 − 0, 30 = 0, 70

33. Ainda no contexto da questão anterior:

(a) qual distribuição poderia ser usada para descrever o tempo entre acidentes graves?
(b) qual a probabilidade de se passarem 10 dias sem acidentes graves?
(c) qual o tempo médio entre acidentes graves?
(d) se não houve acidentes por um perı́odo de 5 dias consecutivos, qual a probabilidade de haver um acidente nos
próximos 10 dias?
Solução:
Supondo que os acidentes são eventos independentes pode-se considerar que ocorrem segundo um Processo de Poisson.
Desta forma, a probabilidade de ocorrer acidente em um dia P (A) = 0, 064 corresponde ao número médio de acidentes
por dia.
Pode-se então usar a relação entre a distribuição Poisson (do número de acidentes em um dia) e a exponencial (do
intervalo de tempo entre acidentes).

(a)

X : Numero de acidentes por dia

X ∼ P(λ = 0, 064)
T : Tempo (em dias) entre acidentes
T ∼ Exp(λ = 0, 064)
f (t) = λ exp{−λt} = exp{−0, 064t}
F (t) = 1 − exp{−λt} = 1 − exp{−0, 064t}

(b) P [T > 10] = 1 − F (10) = 0, 527

1
(c) E[T ] = λ = 1/0, 064 = 16 dias
(d) P [T < 15|T > 5] = P [T < 10] = 0, 473

Solução computacional com o programa R:

> (ac.a <- pexp(10, rate=pA, lower=FALSE))

[1] 0,5273

> (ac.c <- pexp(10, rate=pAr))

[1] 0,4727

34. Considere agora que ocorrem em média 0,8 acidentes graves por semana.

(a) Com a informação disponı́vel, qual distribuição de probabilidades (dentre as vistas no curso) poderia ser adequada
para descrever o número de acidentes semanais na rodovia? Justifique a sua resposta e mencione quais as
suposisões que devem ser feitas ao adotar esta distribuição.
(b) Qual a probabilidade de que haja ao menos um acidente grave em uma semana?
(c) Qual a probabilidade de que não haja acidentes graves em um mês?
(d) Qual a probabilidade de que sejam registrados mais que dois acidentes graves em uma semana?
(e) Qual a probabilidade de que não haja mais do que cinco acidentes graves em um mês?
(f) Sabendo que em um mês houve pelo menos um acidente grave, qual a probabilidade de que ocorram mais que
quatro?
(g) Se não houveram acidentes graves até a metade do mês, qual a probabilidade de não haja acidentes no restante
do mês.
(h) E se já ocorreu algum acidente na primeira metade do mês?

Solução:

X : o número de acidentes semanais na rodovia

(a) X ∼ P (λ = 0, 8) , assumindo-se que os acidentes ocorrem segundo um processo de Poisson, portanto, de forma
independente (ocorrência de um acidente não influencia a probabilidade de ocorrência de outro).
e−0,8 0,80
(b) P [X ≥ 1] = 1 − P [X = 0] = 1 − 0! = 0, 5507.
(c)

Y : o número de acidentes mensais (supondo mês de 30 dias) na rodovia

30
Y ∼ P (λ = · 0, 8 ≈ 3, 43)
7
e−3.43 3.430
P [Y = 0] = = 0, 03239
0!

(d) P [X > 2] = 1 − P [X ≤ 2] = 1 − 2i=0 P [X = i] = 0, 04742

(e) P [Y ≤ 5] = 5i=0 P [Y = i] = 0, 8667

P [Y >4∩Y ≥1] P [Y >4] 1−P [Y ≤4]

(f) P [Y > 4|Y ≥ 1] = P [Y ≥1] = P [Y ≥1] = 1−P [Y =0] = 0, 2702.
(g) Pelas propriedades do processo de Poisson os eventos são independentes e portanto a probabilidade de acidentes
na segunda metade independe da ocorrência na primeira metade. Logo,

Y1 : o número de acidentes na primeira metade do mês na rodovia

Y2 : o número de acidentes na segunda metade do mês na rodovia
15
Y1 e Y2 ∼ P (λ = · 0, 8 ≈ 1, 71)
7
P [Y2 |Y1 ] = P [Y2 ]
e−1,71 1, 710
P [Y2 = 0|Y1 = 0] = P [Y2 = 0] = = 0, 1809
0!
e−1,71 1,710
(h) P [Y2 = 0|Y1 ≥ 0] = P [Y2 = 0] = 0! = 0, 1809.

Soluções computacionais com o programa R:

> (qb <- ppois(0, lam=0.8, lower=FALSE))

[1] 0,5507

> (qc <- dpois(0, lam=3.43))

[1] 0,03239

> (qd <- ppois(2, lam=0.8, lower=FALSE))

[1] 0,04742

> (qe <- ppois(5, lam=3.43))

[1] 0,8667

> (qf <- ppois(4, lam=3.43, lower=F)/ppois(0, lam=3.43, lower=F))

[1] 0,2702

> (qg <- dpois(0, lam=1.71))

[1] 0,1809

> (qh <- dpois(0, lam=1.71))

[1] 0,1809

35. Ainda no contexto da questão anterior:

(a) Qual distribuição poderia ser usada para descrever o tempo entre acidentes graves?
(b) Qual a probabilidade de se passarem 10 dias sem acidentes graves?
(c) Qual o tempo médio entre acidentes graves?
(d) Se não houve acidentes por um perı́odo de 5 dias consecutivos, qual a probabilidade de haver um acidente nos
próximos 10 dias?

Solução:

(a)
T : Tempo (em dias) entre acidentes
T ∼ Exp(θ = 0, 8/7)
0, 8 0, 8
f (t) = exp{− t}
7 7
0, 8
F (t) = 1 − exp{− t}
7
(b) P [T > 10] = 1 − F (10) = 0, 319
(c) E[T ] = 1θ = 7/0, 8 = 8, 8 dias
(d) P [T < 15|T > 5] = P [T < 10] = 0, 681
Soluções computacionais com o programa R:
> (it.a <- pexp(10, rate=.8/7, lower=FALSE))

[1] 0,3189

> (it.c <- pexp(10, rate=.8/7))

[1] 0,6811

36. Um mecanismo robótico de inserção contém 10 componentes primários. A probabilidade de que qualquer um dos
componentes falhe durante o perı́odo de garantia é de 0,03. Assume que as falhas dos componentes são independentes
e o mecanismo falha se qualquer um dos componentes falharem.
(a) Qual a probabilidade de que o mecanismo falhe durante o perı́odo de garantia?
(b) Qual deveria ser a probabilidade individual de falha dos componentes para que a probabilidade de falha do
mecanismo não ultrapassasse 0,05?

Solução:

Evento Fi : falha do i-ésimo componente P [Fi ] = 0, 03 −→ P [F i ] = 0, 97

Evento M : falha do mecanismo
Q10
(a) P [M ] = 1 − i=1 P [F i ] = 1 − 0, 9710 = 0, 2626
(b) 0, 05 = 1 − {P [F i ]}10 −→ P [F i ] = (1 − 0, 05)1/10 = 0, 9949 −→ P [Fi ] = 1 − P [F i ] = 0, 0051

37. Seja a função de densidade de probabilidade dada por f (x) = Cx2 I[0,4] (x). Obtenha:
(a) o valor de C,
(b) P [X > 0, 5],
(c) P [X > 0, 7|X > 0, 5],
(d) E(X),
(e) o terceiro quartil.
1,0
0,6

0,8
0,6
0,4

F(x)
f(x)

0,4
0,2

0,2
0,0

0,0
E[X] Q3 E[X] Q3

0 1 2 3 4 0 1 2 3 4

Figura 3: Função de densidade de probabilidade (esquerda) e função de distribuição.

Solução:
Z x
2 C 3
f (x) = Cx I[0,4] (x) −→ F (x) = f (x)dx = x I[0,4] (x)
0 3
R4
(a) 0 f (x)dx = 1 −→ C = 0, 04687 = 3/64
(b) P [X > 0, 5] = 1 − F (0, 5) = 0, 998
1−F (0,7)
(c) P [X > 0, 7|X > 0, 5] = 1−F (0,5) = 0, 997
R4
(d) E(X) = 0 x · f (x)dx = . . . == 3
Rq
(e) q3 : 0 3 f (x)dx = 0, 75 −→ q3 = (64 · 0, 75)1/3 = 3, 63

Soluções computacionais com o programa R:

> fxC = function(x) ifelse(x>0 & x<=4, x^2, 0)

> C <- 1/integrate(fxC, 0, 4)$value
> require(MASS)
> fractions(1/integrate(fxC, 0, 4)$value)

[1] 3/64

> fx = function(x) ifelse(x>0 & x<=4, C*x^2, 0)

> Fx = function(x) {x[x<0] <- 0;x[x>4] <- 4; (C/3)*x^3}
> integrate(fx, 0, 4)$value

[1] 1

> (I1 <- integrate(fx, 0.5, 4)$value)

[1] 0,998

> 1 - Fx(0.5)

[1] 0,998

> (I2 <- integrate(fx, 0.7, 4)$value/integrate(fx, 0.5, 4)$value)

[1] 0,9966

> (1 - Fx(0.7))/(1 - Fx(0.5))

[1] 0,9966

> fEx <- function(x) ifelse(x>0 & x<4, (3/64)*x^3, 0)

> (Ex <- integrate(fEx, 0, 4)$value)

[1] 3

> qf <- function(p) (64*p)^(1/3)

> (q3 <- qf(0.75))

[1] 3,634

> integrate(fx, 0, q3)$value

[1] 0,75

38. Uma editora envia livros de divulgação com caixas com três unidades. O peso individual dos livros tem distribuição
normal de média 400 gramas e desvio padrão de 60 gramas e a caixa pesa 200 gramas. Se os livros são escolhidos ao
acaso, calcule:

(a) a probabilidade de que uma caixa a ser enviada pese mais que 1,5 quilos;
(b) o custo esperado para envio de 1.000 caixas sabendo-se que paga-se R$5,00 para caixas acima de 2,0 quilos,
R$3,00 para caixas entre 1,0 e 2,0 quilos, e R$ 2,00 para caixa abaixo de 1,0 quilo.

Solução:

XA : peso do livro ; XA ∼ N (400, 602 )

XB : peso da embalagem ; XB = 200
XC : peso da caixa com 3 livros ; XB ∼ N (µc = E(XC ), σc2 = V (Xc ))
E(Xc ) = E(3XA + 200) = 3E(XA ) + 200 = 1400 ; V (Xc ) = 32 V (Xa ) = 32 602
1500−1400
(a) P [Xc > 1500] = P [Z > 180 ] = P [Z > 0, 56] = 0, 2893
(b)

C : custo por caixa

c 2,00 3,00 5,00
P [C = c] p1 = P [Xc < 1000] p2 = P [1000 ≤ Xc < 2000] p3 = P [Xc ≥ 2000]
1000 − 1400
p1 = P [Xc < 1000] = P [Z < ] = P [Z < −2, 22] = 0, 0131
180
1000 − 1400 2000 − 1400
p2 = P [1000 ≥ Xc < 2000] = P [ <Z< ] = P [−2, 22 < Z < 3, 33] = 0, 9864
180 180
p3 = P [Xc ≥ 20000] = 1 − p1 − p2 = 4e − 04
1000 · E[C] = 2, 00p1 + 3, 00p2 + 5, 00p3 = 2987, 72

Soluções computacionais com o programa R:

> (p0 <- pnorm(1500, 1400, 180, low=F))

[1] 0,2893
> (p1 <- pnorm(1000, 1400, 180))

[1] 0,01313

> (p2 <- diff(pnorm(c(1000, 2000),1400, 180)))

[1] 0,9864

> (p3 <- pnorm(2000, 1400, 180, low=F))

[1] 0,0004291

39. Em um grupo de estudantes 45% são do curso A, 25% do curso B o restante do curso C. A proporção de mulheres
em cada curso um dos cursos é de 20, 50 e 75%, respectivamente. Se um estudante é sorteado qual a probabilidade
de:
(a) seja homem;
(b) seja do curso A, sabendo que foi sorteada uma mulher;
(c) seja do curso C sabendo que foi sorteado um homem.

40. A probabilidade de ocorrer falha/corrupção na cópia de um arquivo é de 0,03. Em 10.000 cópias feitas em um sistema
mostre como calcular as probabilidades a seguir de ao menos duas maneiras diferentes.
(a) De que não ocorram falhas;
(b) de que ocorram o máximo três falhas;
(c) de que ocorram no máximo quatro falhas, sabendo que ao menos uma falha ocorreu.

Solução:
P [F ] = 0, 03 ; P [F ] = 0, 97
X : número de falhas
Solução 1: XB ∼ B(n = 10.000, p = P [F ] = 0, 03)
Solução 2: XP ≈ P (λ = n · p = 10.000 · 0, 03 = 300)
Solução 3: XN ≈ N (µ = n · p = 10.000 · 0, 03 = 300 ; σ 2 = n · p · (1 − p) = 291)

(a)
ind
P [F 1 . . . F 10.000 ] = 0, 9710.000 = 5, 216e − 133

10000
P [X = 0] = P [XB = 0] = (0, 03)0 (1 − 0, 03)10000 = 5, 216e − 133
0
e−300 3000
P [X = 0] ≈ P [XP = 0] = = 5, 148e − 131
0!
(b)
3
X 10000
P [X ≤ 3] = P [XB ≤ 3] = (0, 03)i (1 − 0, 03)10000−i = 2, 596e − 126
i
i=0
3
X e−300 300i
P [X ≤ 3] = P [XP ≤ 3] = = = 2, 34e − 124
i!
i=0

(c)

P [X ≤ 4|X ≥ 1] =
P [1 ≤ X ≤ 4] P [X = 1] + P [X = 2] + P [X = 3] + P [X = 4]
= =
P [X ≥ 1] 1 − P [X = 0]
P4 10000
(0, 03)i (1 − 0, 03)10000−i

P [XB = 1] + P [XB = 2] + P [XB = 3] + P [XB = 4] i=1 i
= = = 2, 013e − 124
1 − P [XB = 0] 1 − P [XB = 0]
P4 e−300 300i
P [XP = 1] + P [XP = 2] + P [XP = 3] + P [XP = 4] i=1 i!
≈ = = 1, 761e − 122 =
1 − P [XP = 0] 1 − P [XB = 0]

41. Considere a função fX (x) = k(1 + 2x) I(0,2) (x)

(a) mostre que f (x) é função de densidade de probabilidade (f.d.p.) para algum valor de k e determine o valor de k.
(b) obtenha F (x)
(c) obtenha E[X]
(d) obtenha P [X > 1]
(e) obtenha a tal que P [X < a] = 0, 6

Solução:

(a)
Z 2
f (x)dx = 1 −→ k(2 + 4) = 1 −→ k = 1/6
0
0 ≤ f (x) ≤ 1 ∀ 0 < x < 2

(b) Z x
x(1 + x)
F (x) = f (x)dx =
0 6
(c)
Z 2
E(x) = xf (x)dx = 1, 222
0

(d)
Z 2
1
P [X > 1] = f (x)dx = (1 + 3) = 0, 667
1 6
(e) Z a
a(1 + a)
P [X < a] = 0, 6 −→ f (x)dx = 0, 6 −→ = 0, 6 −→ a = 1, 462
0 6
Solução computacional com o programa R:
> fx <- function(x, k) ifelse(x > 0 & x<2, k*(1+2*x), 0)
> integrate(fx, 0, 2, k=1/6)

1 with absolute error < 1,1e-14

> Ex.f <- function(x) x*fx(x, k=1/6)

> (EX <- integrate(Ex.f, 0, 2)$value)

[1] 1,222

> (PX1 <- integrate(fx, 1, 2, k=1/6)$value)

[1] 0,6667

> a <- Re(polyroot(c(-0.6, 1/6, 1/6)))

> a <- a[a>0 & a<2]

42. O tempo de montagem de um determinado mecanismo é uma v.a. uniforme no intervalo de 30 a 40 segundos.
Determine:

(a) as expressões de f (x) e F (x);

(b) a probabilidade da montagem ser feita em menos que 33 segundos;
(c) a probabilidade da montagem ser feita em menos que 38 segundos, sabendo que foi maior que 35 segundos;
(d) o tempo abaixo do qual 80% das montagens são feitas;
(e) o tempo esperado para montagem de 5.000 peças;
(f) o custo esperado para montagem de 5.000 peças sabendo que montagens abaixo de 33 segundos tem custo de
R$1,00, entre 33 e 38 segundos o custo é de R$1,50 e acima de 38 segundos o custo é de R$3,00.

Solução:

X : tempo de montagem X ∼ U [30, 40]

(a)
1 1
f (x) = I (x) = I (x)
40 − 30 [30,40] 10 [30,40]
x − 30 x − 30
F (x) = I[30,40] (x) = I[30,40] (x)
40 − 30 10
33−30
(b) P [X < 33] = F (33) = 10 = 0, 30
P [35<X<38] F (38)−F (35)
(c) P [X < 38|X > 35] = P [X>35] = 1−F (35) = 0, 60
(d) P [X < t1 ] = 0, 80 −→ t1 = 38
30+40
(e) 5.000 · E[X] = 5.000 · 2 = 175000 segundos = 48, 61 horas
(f) Y : custo por peça
y 1, 00 1, 50 3, 00
P[Y=y] P [X ≤ 33] = 0, 3 P [33 < X < 38] = 0, 5 P [X ≥ 38] = 0, 2
Custo = 5.000 · E[Y ] = 5.000 · (1, 00 · P [Y = 1, 00] + 1, 50 · P [Y = 1, 50]) + 3, 00 · P [Y = 3, 00]) = 8250.

43. Uma central de atendimento classifica as solicitações de atendimento em 12 categorias (A, B, C, . . . K, L) de com-
plexidade. Assume-se que a probabilidade de classificação é a mesma para todas as categorias. Os custos são de R$
100,00 para categorias A e B; R$ 200,00 para C e D, R$ 300,00 para E e F e R$ 400,00 para os demais. A cada dia
são feitos três atendimentos. Qual a probabilidade de que em um dia o custo total:
(a) seja de R$ 600,00 ,
(b) seja de pelo menos R$ 1.000,00 ,
(c) seja de pelo menos R$ 900,00 , sabendo-se que o custo é de pelo menos R$ 600,00 ,
(d) sejam selecionados dois ou mais atendimentos de mesmo custo ,
(e) sejam selecionados três atendimentos de custos diferentes.
(f) Considerando uma semana de 5 dias úteis, qual o custo semanal (total) esperado?

44. Mostre que as funções a seguir são funções de densidade de probabilidade (f.d.p.) para algum valor de k e determine
o valor de k.

• f1 (x) = k1 (1 + 2x) para 0 < x < 2.

• f2 (x) = k2 x2 para 0 < x < 4.

Obtenha para cada uma das distribuições:

(a) F (x)
(b) E[X]
(c) P [X > 1]

Solução:

R2 R2
• 0 f1 (x)dx = 1 −→ 0 k1 (1 + 2x)dx = 1 −→ k1 = 1/6
R4 R4
• 0 f2 (x)dx = 1 −→ 0 = k2 x2 dx = 1 −→ k2 = 3/64

(a)
Z x
F1 (x) = f1 (x)dx = (x + x2 )/6
0
Z x
F2 (x) = f2 (x)dx = x3 /64
0

(b)
Z 2
E1 (x) = xf1 (x)dx = 1, 222
0
Z 4
E2 (x) = xf2 (x)dx = 3
0

(c)

P1 [X > 1] = 1 − F1 (1) = 0, 667

P2 [X > 1] = 1 − F2 (1) = 0, 984

45. Um lote de 120 containers de laranjas contém 25 que estão contaminados. São selecionados ao acaso e sequencialmente
15 containers para inspeção. Quais as probabilidades de que:

(a) nenhum contaminado seja selecionado?

(b) mais que 2 contaminados sejam encontrados?
(c) de que o segundo inspecionado esteja contaminado sendo que o primeiro era contaminado?
(d) de que os cinco primeiros não sejam contaminados?
Solução:

X : número de containers contaminados

X ∼ HG(N = 120, n = 15, r = 25)
r N −r 25 120−25

x N −x x 15−x
P [X = x] = N
= 120

n 15

(25 120−25
x )( 15−x )
(a) P [X = 0] = 120 = 0, 023
( 15 )
(b) P [X > 2] = 1 − P [X = 0] − P [X = 1] − P [X = 2] = 0, 647
24
(c) P [C2 |C1 ] = 124 = 0, 194
95 94 93 92 91
(d) P [C̄1 ∩ C̄2 ∩ C̄3 ∩ C̄4 ∩ C̄5 ] = P [C̄1 ]·P [C̄2 |C̄1 ]·P [C̄3 |C̄1 C̄2 ]·P [C̄4 |C̄1 C̄2 C̄3 ]·P [C̄5 |C̄1 C̄2 C̄3 C̄4 ] = 120 · 119 · 118 · 117 · 116 =
0, 304
(25)(120−25
15−x )
ou X ∼ HG(N = 120, n = 5, r = 25) −→ P [X = 0] = x 120 = 0, 304
(5)

46. Uma empresa é responsável pelo monitoramento de 12 reservatórios (A, B, C, . . . K, L) que são inspecionados peri-
odicamente. Os custos de inspeção variam sendo de R$ 1.000,00 para A e B; R$ 2.000,00 para C e D, R$ 3.000,00
para E e F e R$ 4.000,00 para os demais. Em cada inspeção são selecionados aleatoriamente três reservatórios. Qual
a probabilidade de que em uma inspeção:

(a) seja gasto R$ 6.000,00 ,

(b) seja gasto mais que R$ 10.000,00 ,
(c) seja gasto mais que R$ 8.000,00 , sabendo-se que o custo é superior a R$ 5.000,00 ,
(d) sejam selecionados dois ou mais reservatórios de mesmo custo ,
(e) sejam selecionados reservatórios de custos diferentes.

47. (B. & M.) Um empreiteiro apresentou orçamentos separados para a execução da parte elétrica e da parte de encana-
mento de um edifı́cio. Ele acha que a probabilidade de ganhar e concorrência da parte elétrica é de 1/2. Caso ganhe
a parte elétrica, a chance de ganhar a parte de encanamento é de 3/4; caso contrário, essa probabilidade é de 1/3.

(a) Qual a probabilidade de ele:

• ganhar os dois contratos?
• ganhar apenas um dos contratos?
• não ganhar nenhum contrato?
(b) os eventos ”ganhar o contrato elétrico” e ”ganhar o contrato hidráulico”
• são independentes? (justifique)
• são mutuamente exclusivos? (justifique)

Solução:

G1 : ganhar concorrência da parte elétrica

G2 : ganhar concorrência do encanamento
P [G1 ] = 1/2 ; P [G2 |G1 ] = 3/4 ; P [G2 |G1 ] = 1/3
P [G1 ] = 1/2 ; P [G2 |G1 ] = 1/4 ; P [G2 |G1 ] = 2/3

(a) • P [G1 ∩ G2 ] = P [G1 ] · P [G2 |G1 ] = (1/2) · (3/4) = 3/8 = 0, 375

• P [G1 ∩ G2 ] + P [G1 ∩ G2 ] = P [G1 ] · P [G2 |G1 ] + P [G1 ] · P [G2 |G1 ] = (1/2) · (1/4) + (1/2) · (1/3) = 7/24 = 0, 292
• P [G1 ∩ G2 ] = P [G1 ] · P [G2 |G1 ] = (1/2) · (2/3) = 1/3 = 0, 333
(b) • Não, pois P [G1 ∩ G2 ] = 3/8 6= P [G1 ] · P [G2 ] = 13/48,
em que P [G2 ] = P [G2 ∩ G1 ] + P [G2 ∩ G1 ] = (3/8) + (1/6) = 13/24
• Não pois P [G1 ∩ G2 ] 6= 0

48. Considere o lançamento de uma moeda 10 vezes.

(a) Se voce lançar a probabilidade de obter a face ”cara” em todos os lançamentos?
(b) Considere agora que 1.000 pessoas fazem o mesmo. Qual a probabilidade de que alguém obtenha 10 ”caras”?
(c) Qual(ais) a(s) suposição(ções) feita(s) nos cálculos?
(d) Discuta e interprete os resultados.

Solução:

(a)
(1/2)10 = 1/1024 = 0, 00098
ou
X : número de caras em 10 lançamentos
X ∼ B(n = 10, p = 1/2)

10
P [X = 10] = (1/2)10 (1 − 1/2)10−10 = 0, 00098
10
(b)
1 − (1 − (1/2)1 0)1000 = 0, 62358
ou
Y : número pessoas que obtém 10 caras
Y ∼ B(n = 1000, p = (1/2)1 0)

1000
P [Y ≥ 1] = 1 − P [Y = 0] = 1 − [(1/2)10 ]0 [1 − (1/2)10 ]1000−0 = 0, 62358
0
(c) Independência entre lançamentos, independência entre resultados de diferentes pessoas, probabilidades constantes
de lançamentos de pessoas obterem 10 caras.
(d)

49. Registros de um laboratório mostram que 1 a cada 20 amostras de um determinado material são perdidas por conta-
minação. Responda cada um dos seguintes items declarando a variável aleatória e a sua distribuição.
(a) Se forem feitas 15 análises qual a probabilidade de que no máximo uma seja contaminada.
(b) Em um teste para avaliar a contaminação análises serão feitas sequencialmente até que a primeira contaminada
seja encontrada. Quantas análises espera-se fazer? Como voce calcularia a probabilidade de que o esse número
de análises não chegue a 5?
(c) O teste anterior foi repetido porém até que a terceira análise mostrasse contaminação. Em um particular ensaio
foram feitas 10 análise desta forma. Qual a probabilidade desta ocorrência?
(d) Um lote contendo 40 amostas das quais 15 eram contaminadas foi enviado para teste em outro laboratório na qual
12 amostras foram selecionadas ao acaso para testes. Qual a probabilidade de encontrar 3 ou mais contaminadas
entre as selecionadas?
(e) Considere agora que o laboratório faz um grande número de análises por mês e registra uma média de 2,5
casos de contaminação grave. Qual a probabilidade de que em um determinado mês não se registre nenhuma
contaminação? E de que seja registradas mais do que 5 contaminações?
Solução:

p = 1/20

(a)

X : número de contaminadas em 15 análises

X ∼ B(n = 15, p = 1/20)
P [X ≤ 1] = P [X = 0] + P [X = 1] = 0, 829

(b)

X : número de análises não contaminadas até encontrar a primeira contaminada

X ∼ G(p = 1/20) P [X = x] = p · (1 − p)x , x = 0, 1, . . .
1−p 1
E[X] + 1 = + 1 = = 20
p p
X4
P [X < 4] = P [X = i] = P [X = 0] + P [X = 1] + P [X = 2] + P [X = 3] + P [X = 4] =
i=0
X4
= (1/20)(1 − 1/20)i = 0, 2262
i=0

(c)

X : número de análises não contaminadas até encontrar a terceira contaminada

x+3−1
X ∼ BN (r = 3, p = 1/20) ; P [X = x] = (1/20)3 · (1 − 1/20)x , x = 0, 1, . . .
3
10 análises −→ 7 não contaminadas
P [X = 7] = 0, 0031

(d)

X : número de amostras contaminadas entre as 12

25 15

12−x x
X ∼ HG(N = 40, r = 15, n = 12) ; P [X = x] = 40

12
2
X
P [X ≥ 3] = 1 − P [X ≤ 2] = 1 − P [X = i] = 1 − P [X = 0] − P [X = 1] − P [X = 2] = 0, 9257
i=0

(e)

X : número de análises contaminadas em um mês

e−2,5 2, 5x
X ∼ P (λ = 2, 5) P [X = x] = , x = 0, 1, . . .
x!
P [X = 0] = 0, 0821
5
X e−2,5 2, 5i
P [X > 5] = 1 − P [X ≤ 5] = 1 − (P [X = 0] + P [X = 1] + . . . + P [X = 5]) = 1 − = 0, 042
i!
i=0

50. Conchas de mexilhões de uma certa espécie possuem, em uma certa região, uma relação altura/comprimento com dis-
tribuição normal de média 0,5 e desvio padrão de 0,025. Os animais serão classificados de modo que 20% sejam conside-
rados pequenos, 50% como médios e os restantes 30% como grandes. Quais os valores da relação altura/comprimento
que definirão as classes de tamanho desejadas?
Solução:

15
10
f(x)

0,2 0,5 0,3

0,40 0,45 0,50 0,55 0,60

X ∼ N (µ = 0, 5 ; σ 2 = (0, 025)2 )
x1 − 0, 5
P (X < x1 ) = 0, 20 =⇒ P (Z < ) = 0, 20 =⇒ z1 = −0, 842 =⇒
0, 025
x1 = µ + z1 · σ = 0, 5 + (−0, 842) · 0.025 = 0, 479
P (x1 < X < x2 ) = 0, 50
P (X < x1 ) = 0, 20
x2 − 0, 5
P (Z < ) = 0, 70 =⇒ z2 = 0, 524 =⇒ x2 = µ + z2 · σ = 0, 5 + 0, 524 · 0.025 = 0, 513
0, 025

51. A durabilidade de um tipo de filtro é descrita por uma variável aleatória com distribuição normal de média 60.000
hrs de funcionamento e desvio padrão de 9.000 hrs.

(a) Se o fabricante garante a duração dos filtros pelas primeiras 47.500 hrs, qual a proporção de filtros que devem
ser trocados pela garantia?
(b) O que aconteceria com a proporção do item anterior se a garantia fosse para as primeiras 45.000 hrs?
(c) Qual deveria ser a garantia (em hrs) de forma a assegurar que o fabricante trocaria sob garantia no máximo 4%
dos filtros?
(d) Se uma indústria comprar cinco (5) filtros, qual será a probabilidade de utilizar a garantia (de 45.000 hrs) para
trocar ao menos um (1) dos filtros?

Solução:

X ∼ N (60.000, 9.0002 )

(a)
47500 − 60000
P [X < 47500] = P [Z < ] = P [Z < −1, 389] = 0, 082
9000
100 · P [X < 47500] = 8, 24% dos filtros.

(b)
45000 − 60000
P [X < 45000] = P [Z < ] = P [Z < −1, 667] = 0, 048
9000
100 · P [X < 45000] = 4, 78% dos filtros.
(c)

P [X < t] = 0, 04 ; t =?
t − 60000
P [Z < ] = 0, 04
9000
z = −1, 751
t − 60000
= −1, 751
9000
t = 60000 + 9000(−1, 751)
t = 44243, 825

(d)

Y : número de trocados sob garantia dentre 5 comprados

Y ∼ B(n = 5, p = P [X < 45000] = 0, 048)
P [Y ≥ 1] = 1 − P [Y = 0] = 0, 217

52. Um algorı́tmo de classificação deve tentar resolver corretamente dois problemas, A e B. A probabilidade resolver
A corretamente é de 0,6. Caso resolva A corretamente, a probabilidade de resolver B corretamente é de 0,85; caso
contrário, essa probabilidade é de 0,25.

(a) Qual a probabilidade de ele:

i. resolver corretamente os dois problemas?
ii. resolver corretamente apenas um dos problemas?
iii. não resolver nenhum corretamente?
(b) os eventos ”resolver corretamente A” e ”resolver corretamente B”,
i. são independentes? (justifique)
ii. são mutuamente exclusivos? (justifique)

Solução:

A : resolver corretamente o problema A

B : resolver corretamente o problema B
P [A] = 0, 6 ; P [B|A] = 0, 85 ; P [B|A] = 0, 25
P [A] = 0, 4 ; P [B|A] = 0, 15 ; P [B|A] = 0, 75

(a) i. P [A ∩ B] = P [A] · P [B|A] = (0, 6) · (0, 85) = 0, 51

ii. P [A ∩ B] + P [A ∩ B] = P [A] · P [B|A] + P [A] · P [B|A] = (0, 6) · (0, 15) + (0, 4) · (0, 25) = 0, 19
iii. P [A ∩ B] = P [A] · P [B|A] = (0, 4) · (0, 75) = 0, 3
(b) i. Não, pois P [A ∩ B] = 0, 51 6= P [A] · P [B] = 0, 61,
em que P [B] = P [B ∩ A] + P [B ∩ A] = (0, 6)(0, 85) + (0, 4)(0, 25) = 0, 61
ii. Não pois P [A ∩ B] 6= 0

53. Considere o lançamento de uma moeda 10 vezes.

(a) Qual a probabilidade de obter a face ”cara” em todos os lançamentos?

(b) Considere agora que 1.000 pessoas fazem o mesmo. Qual a probabilidade de que alguém obtenha 10 ”caras”?
(c) Qual(ais) a(s) suposição(ções) feita(s) nos cálculos?
(d) Discuta e interprete os resultados.
Solução:

(a)

(1/2)10 = 1/1024 = 0, 00098

ou
X : número de caras em 10 lançamentos
X ∼ B(n = 10, p = 1/2)

10
P [X = 10] = (1/2)10 (1 − 1/2)10−10 = 0, 00098
10

(b)

1 − (1 − (1/2)1 0)1000 = 0, 62358

ou
Y : número pessoas que obtém 10 caras
Y ∼ B(n = 1000, p = (1/2)1 0)

1000
P [Y ≥ 1] = 1 − P [Y = 0] = 1 − [(1/2)10 ]0 [1 − (1/2)10 ]1000−0 = 0, 62358
0

(c) Independência entre lançamentos, independência entre resultados de diferentes pessoas, probabilidades constantes
de lançamentos de pessoas obterem 10 caras.
(d)

54. Responda as questões a seguir declarando a variável aleatória e a sua distribuição.

(a) Registros de um sistema mostram que 1 a cada 20 requisições de acesso de um determinado serviço não são
atendidas.
i. Se forem feitas 15 requisições, qual a probabilidade de que no máximo duas não sejam atendidas?
ii. Em um teste para avaliar o sistema requisições serão feitas sequencialmente até que a primeiro acesso não
seja completado. Se este teste for feito diversas vezes, anotando-se o número de acessos a cada teste, qual
deve ser o valor da média do número de acessos? Como voce calcularia a probabilidade de que o esse número
de acessos não chegue a 5?
iii. O teste anterior foi repetido porém até que o terceiro acesso não fosse completado. Em um particular ensaio
foram feitas 10 análise desta forma. Qual a probabilidade desta ocorrência? Se este teste for repetido diversas
vezes e o número de acessos anotado, qual deve ser a média do número de acessos?

Solução:

p : probabilidade de uma requisição não ser atendida (p = 1/20)

(a)

X : número de requisições não atendidas em 15 solicitações

X ∼ B(n = 15, p = 1/20)
P [X ≤ 2] = P [X = 0] + P [X = 1] + P [X = 2] = 0, 9638
(b)

X : número de requisições atendidas até a primeira não completada

X ∼ G(p = 1/20) P [X = x] = p · (1 − p)x , x = 0, 1, . . .
1−p 1
E[X] + 1 = + 1 = = 20
p p
X3
P [X < 4] = P [X = i] = P [X = 0] + P [X = 1] + P [X = 2] + P [X = 3] =
i=0
4
X
= (1/20)(1 − 1/20)i = 0, 1855
i=0

(c)

X : número de requisições atendidas até a terceira não completada

x+3−1
X ∼ BN (r = 3, p = 1/20) ; P [X = x] = (1/20)3 · (1 − 1/20)x , x = 0, 1, . . .
3
10 requisições −→ 7 atendidas
P [X = 7] = 0, 003143
1−p r
E[X] + 3 = r + 1 = = 60
p p

Solução computacional com o programa R:

> (Pi <- pbinom(2, size=15, prob=1/20))

[1] 0,9638

> (Pii <- pgeom(3, prob=1/20))

[1] 0,1855

> (Piii <- dnbinom(7, size=3, prob=1/20))

[1] 0,003143

55. Tem-se um conjunto de 40 sensores das quais 15 estão danificados. Uma transmissão é feita para 12 sensores foram
selecionadas ao acaso. Qual a probabilidade da transmissão ter sido enviada para 4 ou mais sensores operantes?

Solução:

X : número de sensores operantes dentre os 12

25 15

x 12−x
X ∼ HG(N = 40, r = (40 − 15 = 25), n = 12) ; P [X = x] = 40

12
2
X
P [X ≥ 4] = 1 − P [X ≤ 3] = 1 − P [X = i] = 1 − P [X = 0] − P [X = 1] − P [X = 2] − P [X = 3] = 0, 9978
i=0

Solução computacional com o programa R:

> (pHG <- phyper(3, m=25, n=15, k=12, lower=F))

[1] 0,9978

56. Considere agora uma transmissão de dados que tem uma taxa de falha de 5,2 falhas por hora. Qual a probabilidade
de que em um intervalos de 15 minutos não haja nenhuma falhas de transmissão? E de que seja registradas mais do
que 4 falhas?

Solução:

X : número de falhas em 15 minutos

e−1,3 1, 3x
X ∼ P (λ = 5, 2/4 = 1, 3) P [X = x] = , x = 0, 1, . . .
x!
P [X = 0] = 0, 2725
P [X > 4] = 1 − P [X ≤ 3] = 1 − (P [X = 0] + P [X = 1] + P [X = 2] + P [X = 3] + P [X = 4]) =
4
X e−1,3 1, 3i
=1− = 0, 01066
i!
i=0

Solução computacional com o programa R:

> (pPa <- dpois(0, lambda=1.3))

[1] 0,2725

> (pPb <- ppois(4, lambda=1.3, lower=F))

[1] 0,01066

57. O peso de um tênis de corrida sofisticado é normalmente distribuı́do com média de 12 onças (onça é uma unidade de
peso) e desvio padrão de 0,5 onças.

(a) qual a probabilidade de um tênis pesar mais que 13,2 onças?

(b) qual a probabilidade de um tênis pesar entre 11,6 e 12,7 onças?
(c) quanto deveria ser o desvio padrão para que 99,9% dos tênis tenham menos que 13 onças?
(d) se o desvio padrão se mantiver em 0,5, quanto deveria ser a média para que 99,9% dos tênis tenham menos que
13 onças?

> (pa <- pnorm(13.2, mean=12, sd=0.5, lower=F))

> (pb <- diff(pnorm(c(11.6,12.7), mean=12, sd=0.5)))
> (pc <- (13-12)/qnorm(0.999))
> (pd <- 13-0.5*qnorm(0.999))

Solução:

X ∼ N (12, 0.52 )
13,2−12
(a) P [X > 13, 2] = P [Z > 0,5 ] = P [Z > 2, 4] = 0, 0082

(b) P [11, 6 < X < 12, 7] = P [ 11,6−12

0,5 < Z < 12,7−12
0,5 ] = P [−0, 8 < Z < 1, 4] = 0, 707
(c)

X ∼ N (12, σ 2 )
P [X < 13] = 0, 999 ; σ =?
13 − 12
P [Z < ] = 0, 999
σ
z = 3, 09
13 − 12
= 3, 09
σ
σ = 0, 324

(d)

X ∼ N (µ, 0.52 )
P [X < 13] = 0, 999 ; µ =?
13 − µ
P [Z < ] = 0, 999
0, 5
z = 3, 09
13 − µ
= 3, 09
0, 5
µ = 13 − 0, 5(3, 09)
µ = 11, 455

Solução computacional com o programa R:

> (pa <- pnorm(13.2, mean=12, sd=0.5, lower=F))

[1] 0,008198

> (pb <- diff(pnorm(c(11.6,12.7), mean=12, sd=0.5)))

[1] 0,7074

> (pc <- (13-12)/qnorm(0.999))

[1] 0,3236

> (pd <- 13-0.5*qnorm(0.999))

[1] 11,45

58. Um teste de aptidão feito por pilotos de aeronaves em treinamento inicial requer que uma série de operações seja
realizada em uma rápida sucessão. Suponha que o tempo necessário para completar o teste seja distribuı́do de acordo
com o modelo normal, com média de 90 minutos e desvio padrão de 20 minutos.

(a) Para passar no teste, o candidato deve completá-lo em menos de 80 minutos. Se 65 candidatos tomam o teste,
quantos são esperados passar?
(b) Se os 5% melhores candidatos são alocados para aeronaves maiores, quão rápido deve ter sido o candidato para
que obtenha esta posição?
(c) Se forem sorteados ao acaso 5 candidatos, qual a probabilidade de tomar ao menos 2 aprovados?

> (p80 <- pnorm(80, m=90, sd=20))

> (ita <- 65 * p80)
> (itb <- qnorm(0.05, m=90, sd=20))
> (itc <- pbinom(1, size=5, prob=p80, lower=FALSE))
Solução:

X ∼ N (90, 202 )
(a)
80 − 90
P [X < 80] = P [Z < ] = P [Z < −0, 5] = 0, 309
20
65 · P [X < 80] = 20 candidatos.

(b)
P [X < t] = 0, 05 ; t =?
t − 90
P [Z < ] = 0, 05
20
z = −1, 645
t − 90
= −1, 645
20
t = 90 + 20(−1, 645)
t = 57, 103

(c)
Y : número de aprovados dentre 5 candidatos
Y ∼ B(n = 5, p = P [X < 80] = 0, 309)
P [Y ≥ 2] = 1 − P [Y = 0] − P [Y = 1] = 0, 489

> (p80 <- pnorm(80, m=90, sd=20))

[1] 0,3085

> (ita <- 65 * p80)

[1] 20,05

> (itb <- qnorm(0.05, m=90, sd=20))

[1] 57,1

> (itc <- pbinom(1, size=5, prob=p80, lower=FALSE))

[1] 0,4893

59. Um time de futebol tem probabilidade 0,70 de vitórias sempre que joga. Se o time atuar 4 vezes determine a
probabilidade de que vença:
(a) todas as 4 partidas.
(b) exatamente 2 partidas.
(c) pelo menos uma partida.
(d) no máximo 3 partidas.
(e) mais da metade das partidas.

> (pa <- dbinom(4, size=4, p=0.7))

> (pb <- dbinom(2, size=4, p=0.7))
> (pc <- 1-dbinom(0, size=4, p=0.7))
> (pd <- pbinom(3, size=4, p=0.7))
> (pe <- pbinom(2, size=4, p=0.7, low=F))
Solução:

X : número de vitórias em 4 partidas

X ∼ B(n = 4, p = 0.7)

4
P [X = x] = 0, 7x (0.3)n−x
x
(a) P [X = 4] = 0, 2401
(b) P [X = 2] = 0, 2646
(c) P [X ≥ 1] = 1 − P [X = 0] = 0, 9919
(d) P [X ≤ 3] = 0, 7599
(e) P [X > 2] = P [X = 3] + P [X = 4] = 0, 4116 + 0, 2401 = 0, 6517
Solução computacional com o programa R:
> (pa <- dbinom(4, size=4, p=0.7))

[1] 0,2401

> (pb <- dbinom(2, size=4, p=0.7))

[1] 0,2646

> (pc <- 1-dbinom(0, size=4, p=0.7))

[1] 0,9919

> (pd <- pbinom(3, size=4, p=0.7))

[1] 0,7599

> (pe <- pbinom(2, size=4, p=0.7, low=F))

[1] 0,6517

60. Considere que um time tem probabilidade 0,7 de vitória, 0,25 de empate e 0,05 de perder quando joga em casa e 0,5
de vitória, 0,3 de empate e 0,2 de derrota quando joga fora. O time ganha 3 pontos quando vence, 1 quando empata
e não marca pontos quando perde. Se vai jogar uma partida em casa e uma fora, qual a probabilidade de:
(a) não marcar pontos,
(b) marcar 4 pontos,
(c) marcar 6 pontos.
(d) qual o número esperado de pontos marcados em um par de partidas sendo uma em casa e outra fora. Como este
resultado deve ser interpretado?

Solução:

Vi : vitória Ei : empate Di : derrota(na i-ésima partida)

P [V1 ] = 0, 7 P [E1 ] = 0, 25 P [D1 ] = 0, 05
P [V2 ] = 0, 5 P [E2 ] = 0, 3 P [D1 ] = 0, 2
Y : número de pontos em duas partidas
y 0 1 2 3 4 6
P[Y=y] P [D1 ∩ D2 ] P [D1 ∩ E2 ] + P [E1 ∩ D2 ] P [E1 ∩ E2 ] P [V1 ∩ D2 ] + P [D1 ∩ V2 ] P [V1 ∩ E2 ] + P [E1 ∩ V2 ] P [V1 ∩ V2 ]
Suposição: resultados são independentes
(a) P [Y = 0] = P [D1 ∩ D2 ] = P [D1 ] · P [D2 ] = 0, 05 · 0, 2 = 0, 01
(b) P [Y = 4] = P [V1 ∩ E2 ] + P [E1 ∩ V2 ] = P [V1 ] · P [E2 ] = P [E1 ] · P [V2 ] = 0, 7 · 0, 3 + 0, 25 · 0, 5 = 0, 335
(c) P [Y = 6] = P [V1 ∩ V2 ] = P [V1 ] · P [V2 ] = 0, 7 · 0, 5 = 0, 35
P
(d) E[Y ] = y · P [Y = y] = 0 · P [Y = 0] + 1 · P [Y = 1] + 2 · P [Y = 2] + 3· P [Y = 3] + 4· P [Y = 4] + 6· P [Y = 6] = 4, 15

61. Certo tipo de fusı́vel tem duração de vida que segue uma distribuição (f.d.p.) exponencial com tempo médio de vida
de 100 horas. Cada peça tem um custo de 10,0 unidades monetárias (u.m.) e se durar menos de 20 horas, existe um
custo adicional de 8,0 u.m..

(a) Qual é a probabilidade de uma durar mais de 150 horas?

(b) Qual é a probabilidade de uma durar entre 50 e 120 horas?
(c) Qual é a probabilidade de uma durar mais de 250 horas sabendo que já durou mais que 100 horas?
(d) Determinar o custo esperado de um lote de 10.000 peças.

Solução:

X : duração
X ∼ Exp(λ = 1/100)
f (x) = (1/100) exp{−x/100} I(0,∞) (x)
R∞
(a) P [X > 150] = 150 f (x)dx = 1 − F (150) = 0, 2231
R 120
(b) P [50 < X < 120] = 50 f (x)dx = F (120) − F (50) = 0, 3053
(c) P [X > 250|X > 100] = P [X>250∩X>100]
P [X>100] = . . . = P [X > 150] = 0, 2231
(d) Y : custo por peça
y 10 18
P[Y=y] P [X ≥ 20] = 0, 8187 P [X < 20] = 0, 1813
Custo = 10.000 · E[Y ] = 10.000 · (10 · P [Y = 10] + 18 · P [Y = 18]) = 114501, 54

62. Um vendedor de automóveis sabe que o número de carros vendidos por dia em sua loja comporta-se como uma variável
de Poisson cuja média é 2,2 nos dias de bom tempo, e de 0,9 nos dias chuvosos. Se em 65% dos dias faz bom tempo,
qual é a probabilidade de que:

(a) não seja vendido nenhum automóvel em um certo dia.

(b) em certo dia do ano sejam vendidos pelo menos três automóveis.

Solução:

X : tempo bom
X ∼ Ber(p = 0.65)
Y : número de automóveis vendidos
Y |(X = 0) ∼ P (λ = 0, 9) Y |(X = 1) ∼ P (λ = 2, 2)

e−0,9 0,90 e−2,2 2,20

(a) P [Y = 0] = P [Y = 0|X = 0] · P [X = 0] + P [Y = 0|X = 1] · P [X = 1] = 0! · 0.35 + 0! · 0.65 = 0, 2143
(b)

P [Y ≥ 3] = 1 − (P [Y = 0] + P [Y = 1] + P [Y = 2])
= 1 − (P [Y = 0|X = 0] · P [X = 0] + P [Y = 0|X = 1] · P [X = 1]+
+P [Y = 1|X = 0] · P [X = 0] + P [Y = 1|X = 1] · P [X = 1]+
+P [Y = 2|X = 0] · P [X = 0] + P [Y = 2|X = 1] · P [X = 1])
−0,9 0
e 0, 9 e−2,2 2, 20
=1− · 0.35 + · 0.65+
0! 0!
e−0,9 0, 91 e−2,2 2, 21
+ · 0.35 + · 0.65+
1! 1!
e−0,9 0, 92 e−2,2 2, 22

+ · 0.35 + · 0.65
2! 2!
= 1 − (0, 2143 + 0, 2865 + 0, 2319) = 0, 7328

63. Sabe-se que com determinado tratamento alcança 60% de curas para certa doença quando o mesmo é administrado a
pacientes em condições bem definidas. Se tratamento for aplicado a 20 pacientes nessas condições, qual é probabilidade
de que:

(a) Ocorram no máximo 5 curas?

(b) Ocorram no mı́nimo 9 e no máximo 11 curas ?
(c) Qual é o número esperado de curas? E qual a variância?

Solução:

X : número de curas em 20 pacientes

X ∼ B(n = 20, p = 0.6)

20
P [X = x] = (0.6)x (0.4)20−x
x

(a) P [X ≤ 5] = 0, 0016
(b) P [9 ≤ X ≤ 11] = P [X = 9] + P [X = 10] + P [X = 11] = 0, 3479
(c)

E[X] = n · p = 20 · 0.6 = 12
V[X] = n · p · (1 − p) = 20 · 0.6 · 0.4 = 4.8

64. O tempo de duração(em anos) de certo microprocessador, é considerado uma variável aleatória contı́nua com função
x−k
de densidade de probabilidade f (x) = e− 10 I[2,∞] (x).

(a) Determine a constante k para que f (x) seja uma função de densidade de probabilidade.
(b) Determine e interprete E(X) e V ar(X);
(c) Qual é a probabilidade de um microprocessador dure mais de 5 anos em uma escolha aleatória?
(d) Determine a função de distribuição acumulada da variável tempo de vida.
(e) Se um microprocessador já está em funcionamento por 7 anos, qual é a probabilidade que dure outros 2 anos?
Solução:

R∞
(a) 2 f (x)dx = 1 −→ k = 2 − 10 log(10)
(b) E(X) = 12 e V ar(X) = 100
R∞
(c) P [X > 5] = 5 f (x)dx = 0, 7408
Rx
(d) F (x) = 2 f (x)dx = 10 (exp{−(2 − k)/10} − exp{−(x − k)/10})
P [X>9]
(e) P [X > 9|X > 7] = P [X>7] = P [X > 4] = 0, 8187

Solução computacional com o programa R:

> fx <- function(x){k=2-10*log(10); return(exp(-(x-k)/10))}

> integrate(fx, 2, Inf)

1 with absolute error < 0,00011

> Ex <- function(x){k=2-10log(10); return(xexp(-(x-k)/10))}

> integrate(Ex, 2, Inf)

12 with absolute error < 6,5e-05

> Vx <- function(x){k=2-10log(10); return((x-12)^2exp(-(x-k)/10))}

> integrate(Vx, 2, Inf)

100 with absolute error < 1e-05

> (P5 <- integrate(fx, 5, Inf))

0,7408 with absolute error < 8,5e-05

> Fx <- function(x){k=2-10log(10); return(10(exp(-(2-k)/10) - exp(-(x-k)/10)))}

> 1 - Fx(5)

[1] 0,7408

> (1-Fx(9))/(1-Fx(7))

[1] 0,8187

> 1-Fx(4)

[1] 0,8187

65. O tempo de afastamentos por motivo de saúde solicitadas em um orgão público em um mês tem distribuição normal
de média 250 horas e desvio padrão de 25 horas. Qual a probabilidade de que o tempo de afastamento no próximo
mês:

(a) fique entre 200 e 300 horas;

(b) não ultrapasse 280 horas;
(c) se afaste de média por mais de 40 horas.

Qual o tempo de afastamento que

(d) é superado com probabilidade de apenas 0,05;

(e) deve se superado em 90% dos meses.
Solução:

X : tempo de afastamento
X ∼ N (µ = 250, σ 2 = 252 )

(a) P [200 < X < 300] = P [ 200−250

25 <Z< 300−250
25 ] = P [−2 < Z < 2] = 2 · P [0 < Z < 2] = 2 · 0, 4772 = 0, 9545
280−250
(b) P [X ≤ 280] = P [Z < 25 ] = P [Z < 1, 2] = 0, 5 + P [0 < Z < 1, 2] = 0, 5 + 0, 3849 = 0, 8849
210−250 290−250
(c) P [|X − 250| > 40] = P [X < 210] + P [X > 290] = P [Z < 25 ] + P [Z > 25 ] = P [Z < −1, 6] + P [Z >
1, 6] = 2 · (0, 5 − 0, 4452) = 0, 1096
K1 −250
(d) P [X > K1 ] = 0, 05 −→ z = 1, 645 −→ 25 = 1, 645 −→ K1 = 291, 1.
−250
(e) P [X > K2 ] = 0, 90 −→ z = −1, 282 −→ K225 = −1, 282 −→ K2 = 218.

> ## a)
> diff(pnorm(c(200,300), m=250, sd=25))

[1] 0,9545

> ## b)
> pnorm(280, m=250, sd=25)

[1] 0,8849

> ## c)
> pnorm(210, m=250, sd=25) + pnorm(290, m=250, sd=25, low=FALSE)

[1] 0,1096

> ## d)
> qnorm(0.95, m=250, sd=25)

[1] 291,1

> ## e)
> qnorm(0.10, m=250, sd=25)

[1] 218

66. O tempo de atendimento a usuários em uma central de atendimento tem distribuição normal de média 12 minutos de
desvio padrão de 2 minutos. Qual a probabilidade de que uma chamada dure:

(a) dure menos que 10 minutos;

(b) mais que 15 minutos.

Solução:

X : tempo de atendimento (min)

X ∼ N (µ = 12, σ 2 = 22 )

10−12
(a) P [X < 10] = P [Z < 2 ] = P [Z < −1] = 0, 5 − 0, 3413 = 0, 1587
15−12
(b) P [X > 15] = P [Z > 2 ] = P [Z > 1, 5] = 0, 5 − 0, 4332 = 0, 0668
> # a)
> pnorm(10, m=12, sd=2)

[1] 0,1587

> # b)
> pnorm(15, m=12, sd=2, lower=FALSE)

[1] 0,06681

67. Em um mercado, três corretoras, A, B e C são responsáveis por 20, 50 e 30% do volume total de contratos negociados,
respectivamente. Do volume de cada corretora, 20, 5 e 2% respectivamente, são contratos futuros em dólares. Um
contrato é escolhido ao acaso e verifica-se que é futuro em dólares. Qual a probabilidade de ter sido negociado pela
corretora A ? E pela corretora C ?

Solução:
Solução computacional com o programa R:

> COR <- c(0.2, 0.5, 0.3)

> FDdCOR <- c(0.20, 0.05, 0.02)
> FD <- sum(COR*FDdCOR)
> (AdFD <- COR[1] * FDdCOR[1]/FD)

[1] 0,5634

> (CdFD <- COR[3] * FDdCOR[3]/FD)

[1] 0,08451

68. A probabilidade de um programador cometer um erro de sintaxe em uma primeira versão de seu trabalho é de
2/5. Caso cometa o erro de sintaxe, a probabilidade de comentar um erro de lógica é de 7/10, caso contrário essa
probabilidade é de 1/4. Calcule a probabilidade de ele:

(a) cometer os dois erros

(b) cometer apenas um dos erros
(c) não cometer erros.

Solução:
Notação e dados:

S :comete erro de sintaxe

L :comete erro de lógica
P [S] =2/5
P [L|S] =7/10 P [L|S] =1/4
Portanto
P [L|S] =3/10 P [L|S] =3/4

2 7
(a) P [S ∩ L] = P [S] · [L|S] = 5 · 10 = 7/25 = 0, 28
2 3 3 1
(b) P [S ∩ L] + P [S ∩ S] = P [S] · [L|S] + P [S] · P [L|S] = 5 · 10 + 5 · 4 = 27/100 = 0, 27
3 3
(c) P [S ∩ L] = P [S] · [L|S] = 5 · 4 = 9/20 = 0, 45

69. Dizemos que uma variavel aleatória tem distribuição triangular no intervalo [0; 1] se sua densidade é dada por: f (x) =
cx para 0 ≤ x ≤ 1/2 , f (x) = c(1 − x) para 1/2 < x ≤ 1, e f (x) = 0 para os demais valores de x.

(a) Determine o valor da constante c.

(b) Calcule P (X > 8/10).
(c) Calcule P (1/4 < X < 3/4).
(d) Obtenha os quartis da distribuição de X.
(e) Calcule P (X < 3/4|X ≥ 1/3)

Solução:

70. Um colégio tem em seu corpo docente sete professores de Biológicas, oito professores de Exatas e nove professores
de Humanas. Uma comissão de sete professores será selecionada aleatoriamente. Determine a probabilidade de que
nesta comissão haja pelo menos um professor de cada área?

Solução:

71. No problema anterior suponha agora que a comissão será de 3 professores e estamos interessados no número de
professores de exatas nesta comissão. Obtenha a distribuição de probabilidades dessa v.a.

Solução:

72. Uma fábrica de sorvete recebe o leite que utiliza de três linhas de fornecimento: 20% da linha A, 30% da linha B e 50%
da linha C. Um órgão de fiscalização inspecionou as linhas e constatou que 20% dos galoões de leite de linha A estavam
adulterados por adição de água, enquanto que para as fazendas B e C essa proporção era de 5% e 2%, respectivamente.
A fábrica de sorvete recebe o leite em galões, que são armazenados em um refrigerador, sem identificação da linha de
proveniência. Um galão é escolhido ao acaso e seu conteúdo é testado para verificar adulteração.

(a) Qual a probabilidade de que o galão contenha leite adulterado?

(b) Sabendo que o teste constatou que o leite do galão está adulterado, obtenha a probabilidade de que o galão seja
proveniente da linha A?

Solução:

73. Uma secretária recebe chamadas telefônicas independente e aleatoriamente. Chamadas internas chegam a uma taxa
média de duas chamadas por perı́odo de cinco minutos, enquanto que as externas chegam com média de uma a cada
cinco minutos. Calcule a probabilidade de que hajam mais que duas chamadas em qualquer perı́odo de dois minutos.
Solução:

X1 : número de chamadas internas a cada 5 min

X2 : número de chamadas externas a cada 5 min
é razoável supor que:
X1 ∼ P(λ1 = 2) e X2 ∼ P(λ2 = 1)
desta forma:
X : número de chamada a cada 2 min
2 2 6
X ∼ P(λ = λ1 + λ2 = = 1, 2)
5 5 5
e−1,2 (1, 2)0 e−1,2 (1, 2)1 e−1,2 (1, 2)2
P [X > 2] = 1 − {P [X = 0] + P [X = 1] + P [X = 2]} = 1 − { + + } = 0, 92
0! 1! 2!

74. Considere que um time de futebol tem probabilidade 0,7 de vitória, 0,25 de empate e 0,05 de perder quando joga em
casa e 0,5 de vitória, 0,3 de empate e 0,2 de derrota quando joga fora. O time ganha 3 pontos quando vence, 1 quando
empata e não marca pontos quando perde. Se vai jogar uma partida em casa e uma fora, qual a probabilidade de:

(a) não marcar pontos,

(b) marcar 4 pontos,
(c) marcar 6 pontos.
(d) qual o número esperado de pontos marcados em um par de partidas sendo uma em casa e outra fora. Como este
resultado deve ser interpretado?

Solução:

Vi : vitória Ei : empate Di : derrota(na i-ésima partida)

P [V1 ] = 0, 7 P [E1 ] = 0, 25 P [D1 ] = 0, 05
P [V2 ] = 0, 5 P [E2 ] = 0, 3 P [D1 ] = 0, 2
Y : número de pontos em duas partidas

y 0 1 2 3 4 6
P[Y=y] P [D1 ∩ D2 ] P [D1 ∩ E2 ] + P [E1 ∩ D2 ] P [E1 ∩ E2 ] P [V1 ∩ D2 ] + P [D1 ∩ V2 ] P [V1 ∩ E2 ] + P [E1 ∩ V2 ] P [V1 ∩ V2 ]
Suposição: resultados são independentes

(a) P [Y = 0] = P [D1 ∩ D2 ] = P [D1 ] · P [D2 ] = 0, 05 · 0, 2 = 0, 01

(b) P [Y = 4] = P [V1 ∩ E2 ] + P [E1 ∩ V2 ] = P [V1 ] · P [E2 ] = P [E1 ] · P [V2 ] = 0, 7 · 0, 3 + 0, 25 · 0, 5 = 0, 335
(c) P [Y = 6] = P [V1 ∩ V2 ] = P [V1 ] · P [V2 ] = 0, 7 · 0, 5 = 0, 35
P
(d) E[Y ] = y · P [Y = y] = 0· P [Y = 0] + 1 · P [Y = 1] + 2· P [Y = 2] + 3· P [Y = 3] + 4· P [Y = 4] + 6 · P [Y = 6] = 4, 15

75. Acredita-se que numa certa população, 20% de seus habitantes sofrem de algum tipo de alergia e são classificados
como alérgicos para fins de saúde pública. Sendo alérgico, a probabilidade de ter reação a um certo antibiótico é
0,5. Para os não alérgicos essa probabilidade é de apenas 0,05. Uma pessoa dessa população teve reação ao ingerir o
antibótico, qual a probabilidade de:

(a) ser do grupo não alérgico?

(b) ser do grupo alérgico?
Solução:

A : alergia Ā : não alergia R : reação R̄ : não reação

76. Seja X uma variável aleatória com densidade f (x) = κ x2 I[−1,1] (x).

(a) Determine o valor da constante κ.

(b) Calcule P (|X| > 1/2).
(c) Ache o valor de A tal que F (A) = P (X ≤ A) = 1/4.
(d) Calcular E(X).

Solução:

R1
(a) −1 f (x)dx = 1 −→ κ = 3/2
R −1/2 R −1
(b) P (|X| > 1/2) = P (X < −1/2) + P (X > 1/2) = −1 f (x)dx + 1/2 f (x)dx = 0, 875
RA √
(c) −1 f (x)dx = 1/4 −→ A = −1/ 3 2 = −0, 7937
R1 R1
(d) E(X) = −1 x · f (x)dx = −1 (3/2)x3 dx = 0

77. Lâminas de metal apresentam defeitos no cromado, segundo uma distribuição de Poisson, com uma média de 0,8
defeito por m2 . Essas laminas são usadas para construção de janelas para uma instalação industrial cuja dimensões
são de 150 × 200 cm.

(a) Qual o número esperado de falhas por janela?

(b) Qual a probabilidade de uma janela não apresentar defeito?
(c) Sabendo que uma janela tem defeito(s) qual a probabilidade de ter mais que um defeito?
(d) Em um grupo 10 dessas janelas qual é a probabilidade de que no máximo 2 delas não tenha nenhum defeito?
(e) Em 500 lotes de 3 janelas, quantos espera-se que não apresentem nenhuma janela com defeito?

Solução:

X : defeitos por m2
X ∼ P (λX = 0, 8)
Y : defeitos por janela
Y ∼ P (λY = 0, 8 · 1, 5 · 2 = 2, 4)

(a) E(Y ) = λY = 2, 4
e−2,4 2,40
(b) P [Y = 0] = 0! = 0, 0907
(c) P [X > 1|X 6= 0] = PP [X≥1]
[X>1]
= 1−P [X=0]−P [X=1]
1−P [X=0] = 0, 7606
(d)

Z : número de janelas sem defeito em um grupo de 10

Z ∼ B(n = 10, p = 0, 0907)
P [Z ≤ 2] = P [Z = 0] + P [Z = 1] + P [Z = 2] = 0, 9449

(e)

W : número de janelas sem defeito em um grupo de 3

W ∼ B(n = 3, p = 0, 0907)
500 · P [W ≥ 1] = 500 · (1 − P [W = 0]) = 124

78. Um time de futebol tem probabilidade 0,70 de vitórias sempre que joga. Se o time atuar 4 vezes determine a
probabilidade de que vença:

(a) todas as 4 partidas.

(b) exatamente 2 partidas.
(c) pelo menos uma partida.
(d) no máximo 3 partidas.
(e) mais da metade das partidas.

Solução:

X : número de vitórias em 4 partidas

X ∼ B(n = 4, p = 0.7)

4
P [X = x] = 0, 7x (0.3)n−x
x

(a) P [X = 4] = 0, 2401
(b) P [X = 2] = 0, 2646
(c) P [X ≥ 1] = 1 − P [X = 0] = 0, 9919
(d) P [X ≤ 3] = 0, 7599
(e) P [X > 2] = P [X = 3] + P [X = 4] = 0, 4116 + 0, 2401 = 0, 6517

79. Em uma fábrica, a máquina A produz por dia o triplo de peças que a máquina B e, a máquina C o quádruplo da
máquina A. Sabe-se que 6% das peças fabricadas pela máquina A tendem a ser defeituosas, 4% das peças produzidas
pela máquina B tendem a ser defeituosas, enquanto 8% de peças defeituosas da máquina C. A produção diária de
todas as máquinas é misturada. Extraı́da uma amostra aleatória (com reposição) de 20 peças, qual é a probabilidade
de que essa amostra contenha:

(a) No máximo duas peças defeituosas?

(b) Entre três e cinco peças defeituosas?
(c) Se uma peça é defeituosa, qual a probabilidade de ter vindo da máquina A?
Solução:

P [A] = 3/16 ; P [B] = 1/16 ; P [C] = 12/16

P [D|A] = 0, 06 ; P [D|B] = 0, 04 ; P [D|C] = 0, 08
pD = P [D] = P [D ∩ A] + P [D ∩ B] + P [D ∩ C] = P [D|A]P [A] + P [D|B]P [B] + P [D|C]P [C] = 0, 07375
X : número de defeituosas em 20 peças
X ∼ B(n = 20, p = 0, 07375)

(a) P [X ≤ 2] = P [X = 0] + P [X = 1] + P [X = 2] = 1
(b) P [3 ≤ X ≤ 5] = P [X = 3] + P [X = 4] + P [X = 5] = 0
P [D|A]P [A] (0,06)(3/16)
(c) P [A|D] = P [D] = 0,07375 = 0, 1525

80. Um exame de múltipla escolha consiste em 10 questões, cada uma com cinco possibilidades de escolha. A aprovação
exige no mı́nimo 50%. Qual a chance de aprovação, se:

(a) O candidato comparece ao exame sem saber absolutamente nada, apelando apenas para o palpite.
(b) O candidato tem um conhecimento parcial do conteúdo, suficiente para poder eliminar três escolhas, devendo
então apenas entre as duas escolhas restantes.

Solução:

X : número de questões certas

(a)

X ∼ B(n = 10, p = 0, 2)
P [X ≥ 5] = P [X = 5] + P [X = 6] + . . . + P [X = 10] = 0, 0328

(b)

X ∼ B(n = 10, p = 0, 5)
P [X ≥ 5] = P [X = 5] + P [X = 6] + . . . + P [X = 10] = 0, 623

81. O Departamento de Matemática é formado por 35 professores, sendo 21 homens e 14 mulheres. Uma comissão de 3
professores será constituı́da, sorteando-se, ao acaso, três membros do departamento.

(a) Qual a probabilidade a comissão ser formada somente por homens?

(b) Qual a probabilidade a comissão ser formada por pelo menos duas mulheres?
(c) O valor esperado e variância do número de mulheres na comissão.
(d) A função de distribuição acumulada.

Solução:

X : número de homens na comissão

X ∼ HG(N = 35, n = 3, r = 21)
21 14

x 3−x
P [X = x] = 35

3
(21 14
3 )(3−3)
(a) P [X = 3] = = 0, 2032
(35
3)

(b) P [X ≤ 1] = P [X = 0] + P [X = 1] = 0, 3476
(c) 3 − E[X] = 1, 2
(21)( 14 )
(d) F [X] = ki=0 k 353−k
P
(3)

82. Uma pessoa está discando um número de telefone e conhece todos os dı́gitos, mas esqueceu-se somente da ordem dos
últimos três (que são algarismos diferentes). Essa pessoa disca, variando aleatóriamente esses três últimos dı́gitos, até
encontrar o número correto. Admitindo que não repita números discados, qual é a probabilidade de ser necessário
discar 5 números errados antes de acertar?

Solução:

n(Ω) = 6 A : acerto
n(A) 1
P [acerto em qualquer das 3 × 2 × 1 = 1 tentativas possı́veis] = =
N (Ω) 6
não repete o número: as chances de acerto são iguais e há 6 possı́veis tentativas ou . . .
X : número de tentativas frustradas até acerto
A : acerto E : erro
5 4 3 2 1 1
P [X = 4] = P [E] · P [E] · P [E] · P [E] · P [A] = ( ) · ( ) · ( ) · ( ) · ( ) = = 0, 167
6 5 4 3 2 6

83. Ainda no contexto da questão anterior, assuma agora que a pessoa não sabe quais são os 3 últimos dı́gitos e resolve
tentar aleatoriamente podendo ainda repetir o número discado.

• qual a probabilidade de conseguir em, no máximo 4, tentativas?

• qual seria o número esperado de tentativas para se conseguir discar o número correto?

Solução:

X : número de tentativas frustradas até acerto

X ∼ G(p) P [X = x] = p (1 − p)x
1
p = P [acerto] =
1000

P3
• P [X ≤ 3] = x=0 p (1 − p)3 = 0, 00399
• 1 + E[X] = 1 + 1−p
p = 1
p = 1000

84. Para cada uma das funções abaixo diga se é uma f.d.p. (função de densidade de probabilidade) válida justificando a
resposta.

a) f (x) = 1 − x ; 0 < x < 2

b) f (x) = (1/2) exp{−x/2} ; 0 < x < +∞
c) f (x) = 3 x2 ; −1 < x < 0
d) f (x) = |x − 1|/2 ; 0 < x < 2
e) f (x) = 1/10 ; −0, 1 < x < 0, 1
Solução:
Condições a serem verificadas e obedecidas:

• f (x) ≥ 0 ∀x
R +∞
• −∞ f (x) dx = 1

As condições devem ser verificadas para cada função.

A seguir é feita uma verificação numérica somente para ilustração.

a) f (x) = 1 − x ; 0 < x < 2 não é f.d.p.

> fa <- function(x) ifelse((x > 0 & x < 2), 1-x, 0)
> all(fa(seq(0,2,l=1000)) >= 0)
[1] FALSE
> integrate(fa, 0, 1)$val
[1] 0,5
> integrate(fa, 1, 2)$val
[1] -0,5
> round(integrate(fa, 0, 2)$val, dig=5)
[1] 0
b) f (x) = (1/2) exp{−x/2} ; 0 < x < +∞ é f.d.p.
> fb <- function(x) ifelse(x > 0, 0.5*exp(-x/2), 0)
> all(fb(seq(0,10000,l=1000)) >= 0)
[1] TRUE
> round(integrate(fb, 0, Inf)$val, dig=5)
[1] 1
c) f (x) = 3 x2 ; −1 < x < 0 é f.d.p.
> fc <- function(x) ifelse((x > -1 & x < 0), 3*x^2, 0)
> all(fc(seq(-1,0, l=1000)) >= 0)
[1] TRUE
> round(integrate(fc, -1, 0)$val, dig=5)
[1] 1
d) f (x) = |x − 1|/2 ; 0 < x < 2 não é f.d.p.
> fd <- function(x) ifelse(x > 0 & x < 2, abs(x-1)/2, 0)
> all(fd(seq(0,2,l=1000)) >= 0)
[1] TRUE
> round(integrate(fd, 0, 2)$val, dig=5)
[1] 0,5
e) f (x) = 1/10 ; −0, 1 < x < 0, 1 não é f.d.p.
> fe <- function(x) ifelse((x > -0.1 & x < 0.1), 1/10, 0)
> all(fe(seq(-0.1, 0.1,l=1000)) >= 0)
[1] TRUE
> round(integrate(fe, -0.1, 0.1)$val, dig=5)
[1] 0,02
(a) (b) (c)

0,5

3,0
1,0

2,5
0,4
0,5

2,0
0,3
f(x)

f(x)

f(x)
1,5
0,0

0,2

1,0
−0,5

0,1

0,5
−1,0

0,0
0,0
−0,5 0,0 0,5 1,0 1,5 2,0 2,5 0 2 4 6 8 10 −1,0 −0,8 −0,6 −0,4 −0,2 0,0
x x x

(d) (e)

0,10
0,5

0,08
0,4

0,06
0,3
f(x)

f(x)
0,04
0,2

0,02
0,1

0,00
0,0

0,0 0,5 1,0 1,5 2,0 −0,15 −0,10 −0,05 0,00 0,05 0,10 0,15
x x

85. Na comunicação entre servidores, uma mensagem é dividida em n pacotes, os quais são enviados na forma de códigos.
Pelo histórico da rede sabe-se que cada pacote tem uma probabilidade de 0,01 de não chegar corretamente a seu destino,
e além disto, assume-se que o fato de um pacote chegar ou não corretamente ao destino não altera a probabilidade de
chegada correta de outros pacotes. Um programa corretivo, garante o envio correto da mensagem quando o número
de pacotes enviados erroneamente não passar de 10% do total de pacotes da mensagem.

(a) Qual a probabilidade de uma mensagem composta de 20 pacotes ser enviada corretamente?
(b) e para uma mensagem de 200 pacotes?

Solução:

(a)

X : número de pacotes incorretos em 20 pacotes

X ∼ B(n = 20, p = 0, 01)
limite : 10% de 20 pacotes = 2 pacotes
2
X 20
P [X ≤ 2] = P [X = 0] + P [X = 1] + P [X = 2] = (0, 01)x (1 − 0, 01)20−x = 0, 999
x
0
(b)

X ∼ B(n = 200, p = 0, 01) ≈ P (λ = n · p = 200 · 0, 01 = 2)

≈ N (µ = n · p = 2, σ 2 = n · p · (1 − p) = 1, 98)
a aproximação normal não é muito acurada pois np < 5, porém conveniente
limite : 10% de 200 pacotes = 20 pacotes
P [X ≤ 20] = P [X = 0] + P [X = 1] + . . . + P [X = 20] =
20 20 −
e 2 2x

X 200 X 20, 5 − 2
= (0, 01)x (1 − 0, 01)200−x ≈ ≈ P [XN < 20, 5] = P [Z < √ ]≈1
x x! 1, 98
0 0
0,8

0,20
0,6
P[X=x]

P[X=x]
0,4

0,10
0,2

0,00
0,0

0 5 10 15 20 0 20 40 60 80 100
x x

86. O tempo para que um sistema execute determinada tarefa é uma variável aleatória com distribuição normal, com
média de 320 segundos e desvio padrão de 8 segundos.

(a) qual a probabilidade da tarefa ser executada em menos que 300 segundos?
(b) qual a probabilidade da tarefa ser executada em mais que 330 segundos?
(c) qual o tempo abaixo do qual espera-se executar 90% das tarefas?
(d) cobra-se 5 centavos por tarefas executadas em menos que 310 segundos, 3 centavos entre 310 e 325 segundos e
não se cobra para tarefas executadas acima de 325 segundos. Qual o valor esperado do pagamento por 100.000
tarefas executadas?

Solução:

X : tempo para execução

X ∼ N (320, 82 )

300−320
(a) P [X < 300] = P [Z < 8 ] = P [Z < −2, 5] = 0, 006
330−320
(b) P [X > 330] = P [Z > 8 ] = P [Z > 1, 25] = 0, 106
q0,90 −µ
(c) z0,90 = 1, 28155 −→ z0,90 = σ −→ q0.90 = 330, 3
(d)
Y : valor cobrado (centavos)
y 0 3 5
P [Y = y] p1 p2 p3

p1 = P [X > 325] = 0, 266

p2 = P [310 < X < 325] = 0, 6284
p3 = P [X < 310] = 1 − p1 − p2 = 0, 1056

Valor esperado emP100.000 execuções:

100.000 · E[Y ] = 3i=1 yi P [Y = yi ] = 0 · p1 + 3 · p2 + 5 · p3 = 241334, 3 = R$2413, 34

87. O tempo para completar uma determinada tarefa de filtragem e classificação de imagens possui distribuição normal
de média 20 segundos e desvio padrão de 2 segundos.

(a) Se um grande número de imagens é processada, qual a proporção esperada de imagens que devem ser processadas
em mais de 23 segundos?
(b) Se 15.000 são processadas, espera-se que quantas levem menos que 16 segundos para serem processadas?
(c) Se o processamento é interrompido após 25 segundos, quantas são esperadas, dentre as 15.000, não terão proces-
samento completo?
(d) Qual o tempo de processamento necessário para classificar 80% das imagens?
(e) Qual deveria ser o tempo médio de processamento para que 90% das imagens fosse classificada em menos que 20
segundos?

Solução:

X : tempo de procesamentos (segundos)

X ∼ N (µ = 20, σ 2 = 22 )

23−20
(a) P [X > 23] = P [Z > 2 ] = P [Z > 1, 5] = 0, 5 − P [0 < Z < 1, 5] = 0, 5 − 0, 4332 = 0, 06681
(b)
16 − 20
P [X < 16] = P [Z < ] = P [Z < −2] = 0, 5 − P [0 < Z < −2] = 0, 5 − 0, 4772 = 0, 02275
2
Número esperado : n = 15.000 · 0, 02275 = 341

(c)
25 − 20
P [X > 25] = P [Z > ] = P [Z > 2, 5] = 0, 5 − P [0 < Z < 2, 5] = 0, 5 − 0, 4938 = 0, 00621
2
Número esperado : n = 15.000 · 0, 00621 = 93

(d)

P [X < x] = 0, 80
P [Z < 0, 8416] = 0, 80
x−µ
z=
s
x − 20
0, 8416 =
2
x = 21, 7
(e)

P [X < 20] = 0, 90
P [Z < 1, 282] = 0, 90
x−µ
z=
s
20 − µ
1, 282 =
2
µ = 17, 44

Solução computacional com o programa R:

> p.a <- pnorm(23, m=20, sd=2, low=F)

> p.b <- pnorm(16, m=20, sd=2); nb <- 15000*p.b
> p.c <- pnorm(25, m=20, sd=2, low=F) ; n.c <- 15000*p.c
> q.d <- qnorm(0.80, m=20, sd=2)
> mu.e <- 20 - qnorm(0.90) * 2

88. Seja uma variável aleatória X com distribuição exponencial com densidade f (x) = λe−λx I(0,∞)(x) Mostre como obter
a média (E[X]), mediana, quartis e moda desta distribuição.

89. Um determinado elemento é medido regularmente em amostras de água e os valores possuem distribuição normal de
média 500 e desvio padrão de 20 unidades.

(a) Se um grande número de amostras é processada, qual a proporção esperada de amostras com teores acima da
525 unidades?
(b) Se 6.000 são processadas, quantas devem apresentar teores entre 470 e 510 unidades?
(c) Se uma amostra é considerada suspeita e enviada para reanálise se apresenta teor acima de 535 unidades, quantas
dentre as 6.000 serão enviadas para reanálise?
(d) Considera-se como teores usuais 80% dos valores ao redor da média. Quais os valores que determinam a faixa
de teores usuais.
(e) Qual deveria ser o teor médio para que 90% das amostras estivessem abaixo de 500 unidades?

Solução:

X : tempo de procesamentos (segundos)

X ∼ N (µ = 500, σ 2 = 202 )

525−500
(a) P [X > 525] = P [Z > 20 ] = P [Z > 1, 25] = 0, 5 − P [0 < Z < 1, 25] = 0, 5 − 0, 3944 = 0, 1056
(b)
470 − 500 510 − 500
P [470 < X < 510] = P [ <Z< ] = P [−1, 5 < Z < 0, 5] =
20 20
= P [0 < Z < 1, 5] + P [0 < Z < 0, 5] = 0, 4332 + 0, 1915 = 0, 6247
Número esperado : n = 6.000 · 0, 6247 = 3748

(c)
535 − 500
P [X > 535] = P [Z > ] = P [Z > 1, 75] = 0, 5 − P [0 < Z < 1, 75] = 0, 5 − 0, 4599 = 0, 04006
20
Número esperado : n = 6.000 · 0, 04006 = 240
(d)

P [x1 < X < x2 ] = P [z1 < Z < z2 ] = 0, 80

P [−1, 282 < Z < 1, 282] = 0, 80
x−µ
z=
s
x1 − 500
−1, 282 =
20
x1 = 474, 4
x2 − 500
1, 282 =
20
x2 = 525, 6

(e)

P [X < 500] = 0, 90
P [Z < 1, 282] = 0, 90
x−µ
z=
s
500 − µ
1, 282 =
20
µ = 474, 4

Solução computacional com o programa R:

> p.a <- pnorm(525, m=500, sd=20, low=F)

> p.b <- diff(pnorm(c(470,510), m=500, sd=20)); na <- 6000*p.b
> p.c <- pnorm(535, m=500, sd=20, low=F) ; n.c <- 6000*p.c
> q.d <- qnorm(c(0.10, 0.90), m=500, sd=20)
> mu.e <- 500 - qnorm(0.90) * 20

90. Em um bairro existem três empresas de TV a cabo e 20 mil residências. A empresa TA tem 2100 assinantes, a TB
tem 1850 e a TC tem 2600 assinantes. Em algumas residências de alguns condomı́nios subscreve-se a mais de uma
empresa. Assim, temos 420 residências que são assinantes de TA e TB, 120 de TA e TC, 180 de TB e TC e 30 das
três empresas. Se uma residência deste bairro é sorteada ao acaso, qual a probabilidade de:

(a) Ser assinante somente de TA?

(b) Assinar ao menos uma?
(c) Não ter TV a cabo?
(d) Assinar mais que uma empresa?

Solução:
Solução computacional com o programa R:

(a) > (2100 - 420 - 120 + 30)/20000

[1] 0,0795
> #
> assina <- 2100 + 1850 + 2600 - 420 - 120 - 180 + 30
> assina/20000
[1] 0,293
> #
> 1 - (assina/20000)
[1] 0,707
> #
> (420 + 120 + 180 - (2* 30))/20000
[1] 0,033

91. Seja uma v.a. com função de densidade de probabilidade (f.d.p.) f (x) = (1/2) e−(x−3)/2 I(3,+∞) (x).

(a) Mostre que f (x) é uma f.d.p. válida.

(b) Obtenha a mediana.
(c) Obtenha P [X > 5]
(d) Obtenha P [5 < X < 10]
(e) Obtenha P [X > 10|X > 5]

Solução:

1 −(x−3)/2
f (x) = e I(3,+∞) (x)
Z2 x
1 x
F (x) = f (x)dx = (−2)e−(x−3)/2 = −(e−(x−3)/2 − e0 ) = 1 − e−(x−3)/2
3 2 3
E os quantis desta distribuição são obtidos de forma analı́tica por:
p = 1 − e−(x(p)−3)/2
x(p) − 3
log(p − 1) =
2
x(p) = 3 − 2 log(p − 1)
0,5

1,0
0,4

0,8
0,3

0,6
F(x)
f(x)

0,2

0,4
0,1

0,2
0,0

0,0

4 6 8 10 12 2 4 6 8 10 12

x x

Figura 4: Função de densidade de probabilidade (esquerda) e função de distribuição (direita).

(a) Para ser uma f.d.p. válida f (x) deve satisfazer duas condições, que se verificam neste caso:

(i)f (x) ≥ 0 ∀x uma vez que ey > 0∀y

Z +∞
1 +∞
(ii) f (x)dx = (−2)e−(x−3)/2 = −(e−∞ − e0 ) = −(0 − 1) = 1
3 2 3
R Md(x)
(b) Mediana é genericamente dada por Md(x) = 3 f (x)dx, mas utilizando a espressão de quantis vista acima
para esta f (x):

x(p) = 3 − 2 log(p − 1)
x(0, 5) = 3 − 2 log(0, 5 − 1) = 4, 39

R +∞
(c) P [X > 5] = 5 f (x)dx = 1 − F (5) = 1 − (1 − e−(5−3)/2 ) = 0, 368
(d) P [5 < X < 10] = F (10) − F (5) = (1 − e−(10−3)/2 ) − (1 − e−(5−3)/2 ) = 0, 338
P [(X>10)∩(X>5)] P [X>10] 1−F (10) 1−(1−e−(10−3)/2 ) e−(10−3)/2
(e) P [X > 10|X > 5] = P [X>5] = P [X>5] 1−F (5) = 1−(1−e−(5−3)/2 )
== e−(5−3)/2
= e−5/2 = 0, 0821

Soluções computacionais (linguagem R):

> ## Definindo funç~

oes f(x) e F(x)
> dfx <- function(x) ifelse(x >= 3, (1/2)*exp(-(x-3)/2), 0)
> pfx <- function(x) ifelse(x < 3, 0, 1-exp(-(x-3)/2))
> # Definindo uma funç~
ao para calcular quantis
> qfx <- function(p) ifelse(p >=0 & p<=1, 3-2*log(1-p), NA)
> ## (a)
> (la <- integrate(dfx, 3, Inf)$value)

[1] 1

> pfx(Inf)

[1] 1

> ## (b) duas formas de obter mediana: (i) integraç~

ao (ii) express~
ao analı́tica
> (lb <- optimize(function(md) (integrate(dfx, 3, md)$value - 0.5)^2, c(3, 30))$min)

[1] 4,386

> qfx(0.5)

[1] 4,386

> ## (c) Probabilidades a seguir de 2 formas: (i) usando integraç~

ao de f(x) (ii) F(x)
> (lc <- integrate(dfx, 5, Inf)$value)

[1] 0,3679

> 1 - pfx(5)

[1] 0,3679

> ## (d)
> (ld <- integrate(dfx, 5, 10)$value)

[1] 0,3377

> dfx(10) - dfx(5)

[1] -0,1688

> ## (e)
> (le <- integrate(dfx, 10, Inf)$value/integrate(dfx, 5, Inf)$value)
[1] 0,08208

> (1 - pfx(10))/(1-pfx(5))

[1] 0,08208

92. O volume de dados transmitido por dia em uma rede são independentes e possuem distribuição normal com média de
240 e variância de 900 unidades.
(a) Em quantos dias por ano (365 dias) espera-se que o volume de dados transmitido ultrapasse 300 unidades?
(b) Qual o volume deve ser transmitido em pelo menos 75% dos dias?
(c) Adota-se como dias usuais os que possuem valores ao redor da média em 80% dias. Quais volumes determinam
esses limites?
(d) Qual a probabilidade do volume total transmitido em uma semana estar acima de 1800 unidades?
(e) Qual a probabilidade do volume de transmissão estar acima de 265 unidades em cinco dias consecutivos?
(f) Qual a probabilidade do volume diário não ultrapassar 250 unidades nenhuma vez em uma semana?
(g) Partindo de um dia qualquer, qual a probabilidade de ser necessário esperar mais que 3 dias para que o volume
diário ultrapasse 280 unidades?
(h) Atribui-se um custo por uso da banda de 10 u.m. (unidades monetárias) para dias com volume abaixo de 200
unidades, 15 u.m. para dias com volume entre 200 e 250, 20 u.m. para dias com volume entre 250 e 280 u.m. e
30 u.m. para dias com volume acima de 280 u.m..
i. Monte a distribuição de probabilidades do custo diário.
ii. Qual o custo esperado em um mês (30 dias)?
Dica: em um item acima pode-se usar o seguinte resultado: P
Se X ∼ N(µ, σ 2 ) e X1 , X2 , . . . , Xn são independentes, então ni=1 Xi ∼ N(n · µ, n · σ 2 ).

Solução:

X ∼ N(µ = 240, σ 2 = 900)

300−240
(a) 365 · P [X > 300] = 365 · P [Z > 30 ] = 365 · P [Z > 2] = 365 · 0, 02275 = 8, 304
(b) P [X > xb ] = 0, 75 −→ z = −0, 6745 = xb −240
30 −→ xb = 219, 8
(c) P [xc1 < X < xc2 ] = P [µ − k < X < µ + k] = P [−k/30 < Z < k/30] = P [−zc < Z < zc ] = 0, 80 −→ zc = 1, 28 =
k
30 −→ k = 38, 4 −→ zc1 = 201, 6 e zc2 = 278, 4
(d) P [ 7i=1 Xi > 1800] = P [Z > 1800−7·240
P
√
30 7
] = P [Z > 1, 512] = 0, 0653
265−240 5
(e) (Sob independência) (P [X > 265])5 = (P [Z > 30 ]) = (P [Z > 0, 833)5 = (0, 2023)5 = 0, 0003391
250−240 7
(f) (Sob independência) (P [X < 250])7 = (P [Z < 30 ]) = (P [Z < 0, 333)7 = (0, 7977)7 = 0, 03963
(g)
Y ∼ número de dias antes do dia que ultrapassa 280
280 − 240
Y ∼ G(p = P [X > 280] = P [Z > ] = P [Z > 1, 333] = 0, 09121)
30
P [Y > 3] = 1 − P [Y ≤ 3] = 1 − (P [Y = 0] + P [Y = 1] + P [Y = 2] + P [Y = 3]) = 0, 3801

(h) i.
Y
: custo diário
y 10 15 20 30
P[Y=y] P[X < 200] P[200 < X < 250] P[250 < X < 280] P[X > 280]
P[Z < -1,33] P[-1,33 < Z < 0,333] P[0,333 < Z < 1,33] P[Z > 1,33]
0,0912 0,539 0,278 0,0912
P
ii. 30 · E[Y ] = 30 · yi P [Y = yi ] = 30 · (10 · 0, 0912 + 15 · 0, 539 + 20 · 0, 278 + 30 · 0, 0912) = 30 · 17, 3 = 519, 1

Solução computacional com o programa R:

> # a)
> (qa <- 365*pnorm(300, m=240, sd=30, lower=FALSE))

[1] 8,304

> # b)
> (qb <- qnorm(0.25, m=240, sd=30))

[1] 219,8

> # c)
> (qc <- qnorm(c(0.1, 0.9), m=240, sd=30))

[1] 201,6 278,4

> # d)
> (qd <- pnorm(1800, m=240*7, sd=sqrt(7)*30, lower=FALSE))

[1] 0,06529

> ## ou
> (qd1 <- pnorm(1800/7, m=240, sd=30/sqrt(7), lower=FALSE))

[1] 0,06529

> # e)
> (pe <- pnorm(265, m=240, sd=30, lower=FALSE)); (qe <- pe^5)

[1] 0,2023

[1] 0,0003391

> # f)
> (pf <- pnorm(250, m=240, sd=30)); (qf <- pf^7)

[1] 0,6306

[1] 0,03963

> # g)
> (pg <- pgeom(4, prob=pnorm(280, m=240, sd=30, low=F)))

[1] 0,3801

> ##
> Pr <- diff(pnorm(c(-Inf, 200, 250, 280, Inf), m=240, sd=30))
> names(Pr) <- c(10,15,20,30)
> # h1)
> (qg1 <- Pr)

10 15 20 30
0,09121 0,53935 0,27823 0,09121

> # h2)
> (qg2 <- 30*sum(Pr * c(10,15,20,30)))
[1] 519,1

93. Em um levantamento sobre a vegetação em uma determinada área foram feitas medidas em um conjunto de parcelas de
2 × 2m, e assume-se que as medidas são independentes entre os pontos de coleta. Em cada parcela anota-se as medidas
de diversas variáveis e dentre elas as medidas consideradas aqui das variáveis biomassa e um ı́ndice de fertilidade do
solo. Com base neste contexto, responda as questões a seguir.

(a) Supondo que os valores de biomassa possuem distribuição normal de média 20 e desvio padrão de 3 unidades
encontre:
i. a probabilidade de encontrar um valor acima de 25 em uma parcela
ii. a probabilidade de encontrar um valor entre 19 e 21 unidades em uma parcela
iii. o valor abaixo do qual se espera encontrar apenas 10% das parcelas
(b) O valor referência das parcelas é definido como sendo de 100 unidades para parcelas com biomassa abaixo de
18, 120 unidades para biomassa entre 18 e 23, e 150 unidades para parcelas com biomassa acima de 23. Qual o
valor de referência esperado para uma amostra de 20 parcelas?

94. Discos de plástico policarbonado de um fornecedor foram analisados quanto a resistência a riscos e a choques. Os
resultados de 100 discos analisados são resumidos na tabela a seguir.

resistência resistência a choques

a riscos alta baixa
alta 80 9
baixa 6 5

Denote por A o evento o disco tem alta resistência a riscos e por B o evento o disco tem alta resistência a choques.

(a) Obtenha: P [A], P [A ∩ B], P [Ac ], P [Ac ∩ B c ], P [Ac ∪ B].

(b) Obtenha: P [A|B], P [B|A], P [A|B c ], P [B c |A], P [B|Ac ].
(c) Se um disco é selecionado ao acaso qual a probabilidade de ter:
• alta resistência a choque e baixa a riscos?
• alta resistência a riscos e baixa a choques?
(d) os eventos ter alta resistência a ambos atributos são mutuamente exclusivos? (justifique)
(e) os eventos ter alta resistência a ambos atributos são independentes? (justifique)

Solução:

> m <- matrix(c(80,6,9,5),ncol=2,dimnames=list(c("A","A^c"),c("B","B^c")))

> m

B B^c
A 80 9
A^c 6 5

> mp <- [Link](m)

> mp

B B^c
A 0,80 0,09
A^c 0,06 0,05
(a) • P [A] =0,89

• P [A ∩ B] =0,8

• P [Ac ] =0,11

• P [Ac ∩ B c ] =0,05

• P [Ac ∪ B] = P [Ac ] + P [B] − P [Ac ∩ B] =0,91

P [A∩B]
(b) • P [A|B] = P [B] =0,93

• P [B|A] = P P[A∩B]
[A] =0,9
c]
• P [A|B c ] = P P[A∩B
[B c ] =0,64
c ∩A]
• P [B c |A] = P [BP [A] =0,1
c
• P [B|Ac ] = P P[A[A∩B]
c] =0,55
(c) • P [B ∩ Ac ] =0,06
• P [A ∩ B c ] =0,09
(d) Não, pois P [A ∩ B] 6= 0, isto é, os eventos ter alta resistência em ambos os atributos possuem intersecção, por
isso não são mutuamente exclusivos. No contexto do exemplo, isto significa, por exemplo, que é possı́vel ter
resistência a ambos fatores ao mesmo tempo.
(e) P [A ∩ B] 6= P [A].P [B], isto é, o produto das marginais difere dos valores observados, por isso sabemos que os
eventos não são independentes. No contexto do exemplo, as chances de ter resistência a um fator para so casos
de se ter ou não resistência ao outro fator.
> addmargins(mp)
B B^c Sum
A 0,80 0,09 0,89
A^c 0,06 0,05 0,11
Sum 0,86 0,14 1,00
> outer(rowSums(mp), colSums(mp), "*")
B B^c
A 0,7654 0,1246
A^c 0,0946 0,0154
> ## note tb a ordem entre os termos!
> #outer(apply(m/sum(m),2,sum),apply(m/sum(m),1,sum),"*")

95. Estimativas de mercado indicam que um novo instrumento para análise de amostras de solo será pleno sucesso, sucesso
moderado ou insucesso com probabilidades 0,3; 0,6 e 0,1; respectivamente. O retorno anual associado com cada um
destes resultados é de 10 milhões, 5 milhões e 1 milhão, respectivamente. Seja X1 uma variável aleatória que denote
o retorno anual do produto.

(a) determine a função de probabilidade e a função de probabilidade acumulada de X1

(b) qual o retorno anual esperado?
(c) considere agora a variável X2 o retorno em dois anos, considerados independentes onde cada ano pode ter um
dos três resultados mencionados.
• determine a função de probabilidade de X2
• encontre o lucro esperado em dois anos
Solução:

(a) Funções de probabilidade e acumulada:

> x1 <- c(1, 5, 10)
> px1 <- c(0.1, 0.6, 0.3)
> names(px1) <- c(1, 5, 10)
> Px1 <- t([Link](px1))
> rownames(Px1) <- "P[X1=x]"

1 5 10
P[X1=x] 0,10 0,60 0,30

Tabela 1: Distribuição de Probabilidade de X1

> pax1 <- cumsum(px1)

> pax1
1 5 10
0,1 0,71,0


0, se x < 1

0, 1, se 1 ≤ x < 5
F (x) =


0, 7, se 5 ≤ x < 10

1, se x ≥ 10
P
(b) retorno anual esperado é da do pela esperança da v.a. X, E[X] = i xi P [X = xi ] = 6, 1:
> [Link](crossprod(x1,px1))
[1] 6,1
(c) • X2 : retorno em 2 anos
> x2 <- outer(x1, x1, "+")
> px2 <- outer(px1, px1, "*")
> px2[[Link](px2)] <- px2[[Link](px2)] + px2[t([Link](px2))]
> x2 <- unique([Link](x2))
> px2 <- px2[[Link](px2, diag=T)]
> names(px2) <- x2
> Px2 <- t([Link](px2))
> rownames(Px2) <- "P[X2=x]"

2 6 11 10 15 20
P[X2=x] 0,01 0,12 0,06 0,36 0,36 0,09

Tabela 2: Distribuição de Probabilidade de X2

• O valor esperado pode ser encontrado com o produto entre as probabilidades e os eventos possiveis.
> [Link](crossprod(x2, px2))
[1] 12,2
uma solução alternativa:
como os eventos são independentes entre os dois anos, E[X2 ] = E[X1 + X1 ] = 2 · E[X1 ] = 2 · (6, 1) = 12, 2

96. Os telefones da central de reservas de uma companhia aérea estão ocupados 35% do tempo. Assuma que os eventos
da linha estar ocupada em chamadas sucessivas são independentes e que 10 chamadas são efetuadas.
(a) Defina a variável aleatória em questão e a sua distribuição de probabilidades
(b) qual a probabilidade de que exatamente três chamadas estejam ocupadas?
(c) qual a probabilidade de que pelo menos duas chamadas não estejam ocupadas?
(d) qual o número esperado de chamadas nas quais todas as linhas estão ocupadas?
Solução:

(a) variável aleatória:

X : # de chamadas ocupadas
X ∼ Binomial(n = 10, p = 0.35)
(b) P [X = 3] pode ser calculada por:
> dbinom(3,size=10,prob=0.35)
[1] 0,2522
(c) P [X̃ ≥ 2] = P [X ≤ 8] pode ser calculada por uma das formas:
> pbinom(1, size=10, prob=0.65, lower=F)
[1] 0,9995
> pbinom(1, size=8, prob=0.35)
[1] 0,1691
(d) Em uma binomial o valor esperado é obtido por n · p = 3, 5

97. Suponha que uma variável aleatória X tem função de distribuição de probabilidade dada por fX (x) =
e−(x−4) I(−∞,4) (x).

(a) mostre que fX (x) é uma função de densidade de probabilidade.

Calcule:
(b) P [X > 1]
(c) P [2 ≤ X < 5]
(d) P [X < 15|X > 8]
(e) x tal que P [X < x] = 0.80

Solução:

(a) Para provar que a função é distribuição de probabilidade devemos integrar no intervalo e obter 1 e a função deve
fornecer valores não negativos para todo x.
R4
A função conforme apresentada no enunciado não é uma f.d.p. pois −∞ f (x)dx = ∞.
Há duas possibilidades simples de modificar a função e obter uma f.d.p. válida.
i. fX (x) = e(x−4) I(−∞,4) (x)
> #f <- function(x) exp(1)^(x-4)
> f <- function(x) ifelse(x<4, exp(x-4), 0)
> integrate(f,-Inf,4)
1 with absolute error < 5,7e-05
ii. fX (x) = e−(x−4) I(4,∞) (x)
> f <- function(x) ifelse(x>4, exp(-(x-4)), 0)
> integrate(f, 4, Inf)
1 with absolute error < 5,7e-05
Em todos casos f (x) ≥ 0 pois a função exponencial só retorna valores positivos. No que se seque vamos considerar
fX (x) = e−(x−4) I(4,∞) (x).
(b) P [X > 1] = P [X > 4] =
> integrate(f,1,Inf)
1 with absolute error < 3,7e-06
> integrate(f,4,Inf)
1 with absolute error < 5,7e-05
(c) P [2 ≤ X < 5]
> #integrate(f,2,4)
> integrate(f,2,5)
0,6321 with absolute error < 4,4e-05
(d) P [X < 15|X > 8] = P [(X < 15) ∩ (X > 8)]/P [X > 8] = P [8 < X < 15]/P [X > 8]
> integrate(f,8,15)$val/integrate(f,8,Inf)$val
[1] 0,9991
(e) x tal que P [X < x] = 0.80:
Z x
e−(x−4) dx = −e−(x−4) − (−e0 ) = 0.8
4
log e−(x−4) = log 0.2
x = 5, 6094

Nota: na notação acima ”log”denota logarı́tmo neperiano.

98. A resistência de um papel é modelada por uma distribuição normal de média 35 libras por polegada quadrada (lb/in2 )
e um desvio padrão de 2 lb/in2 .

(a) qual a probabilidade de que a resistência de uma amostra seja menor que 40 lb/in2 ?
(b) qual a proporção de amostra que deve ter resistência entre 33 e 38 lb/in2 ?
(c) qual o valor de resistência para o qual se espera que 75% das amostras apresentem resistência inferior a ele?
(d) se a especificação do material requer que a resistência seja superior a 33 lb/in2 , qual a proporção de amostras
que espera-se descartar após inspeção?
(e) qual deveria ser a resistência média para que esta proporção fosse inferior a 5%?

Solução:

40−35
(a) P [X < 40] = P [Z < 2 ] = P [Z < 2, 5] = 0, 9938
(b) P [33 < X < 38] = P [ 33−35
2 <Z< 38−35
2 ] = P [−1 < −Z < 1, 5] = 0, 7745
(c)
x − 35
P [X < x] = P [Z < ] = 0, 75
2
x − 35
z= = 0, 6745
2
x = 36, 3

33−35
(d) P [X < 33] = P [Z < 2 ] = P [Z < −1] = 0, 1587
(e) Devemos descobrir um valor para média µ que satisfaça:

P [X < 33] = 0.05

33 − µ
P [Z < ] = P [Z < z0.05 ] = 0.05
2
µ = 33 − 2 · z0.05 = 33 − 2 · (−1, 64) = 36, 3

Solução computacional:
> (pa <- pnorm(40, m=35, sd=2))

[1] 0,9938

> (pb <- diff(pnorm(c(33,38), m=35, sd=2)))

[1] 0,7745

> (pc <- qnorm(0.75, m=35, sd=2))

[1] 36,35

> (pd <- pnorm(33, m=35, sd=2))

[1] 0,1587

> (pe <- 33 - 2 * qnorm(0.05))

[1] 36,29

99. Devido ao fato de que nem todos passageiros comparecem para o embarque, uma companhia aérea vende 125 bilhetes
para um vôo com capacidade para apenas 120 passageiros num procedimento conhecido como overbooking. Neste vôo,
a probabilidade de que um passageiro não compareça é de 0,08 e o comparecimento ou não é independente entre os
passageiros.

(a) qual a probabilidade de que cada passageiro que apareça possa embarcar?
(b) qual a probabilidade de que o vôo parta com ao menos um assento vazio?

Solução:

X : número de passageiros com bilhete que não comparecem

X ∼ B(125 ; 0, 08) ou X ≈ N (n.p = 10; n.p.(1 − p) = 9, 2)

(a) P [X ≥ 5] = 0, 968
(b) P [X ≥ 6] = 0, 925

100. A probabilidade de que um servidor atenda a uma requisição em menos de 5 segundos é de 0,75. Assuma que as
requisições são independentes.

(a) Se 10 requisições são feitas, qual a probabilidade de que exatamente 9 sejam respondidas dentro dos 5 segundos?
(b) Se 20 requisições são feitas, qual a probabilidade de que pelo menos 16 sejam respondidas dentro dos 5 segundos?
(c) Se 20 requisições são feitas, qual o número médio de chamadas que serão respondidas em menos do que 5
segundos?
Solução:

X : número de requisições atendidas em menos de 5 segundos

(a) X ∼ B(10 ; 0, 75)

P [X = 9] = 0, 188
(b) X ∼ B(20 ; 0, 75)
P [X ≥ 16] = P [X = 16] + P [X = 17] + . . . + P [X = 20] = 0, 415
(c) X ∼ B(20 ; 0, 75)
E[X] = n.p = 20(0.75) = 15

101. Considere a função f (x) = k(1 + 2x) 0 < x < 4

(a) para que valor de k a função é de densidade de probabilidade?
(b) Calcule P [X > 1, 5]
(c) Calcule P [2, 2 < X ≤ 3, 6]

Solução:

R4
(a) 0f (x)dx = 1 =⇒ k = 0, 05
R4
(b) P [X > 1, 5] = 1,5 f (x)dx = 0, 813
R 3,6
(c) P [2, 2 < X ≤ 3, 6] = 2,2 f (x)dx = 0, 476

102. O diâmetro de um ponto produzido por uma impressora tem distribuição normal com diâmetro médio de 0,002
polegadas e desvio padrão de 0,0004 polegadas.
(a) qual a probabilidade de que o diâmetro de um ponto exceda 0,0026 polegadas?
(b) qual a probabilidade de que o diâmetro esteja entre 0,0014 e 0,0026 polegadas?
(c) qual o valor necessário do desvio padrão do diâmetro para que a probabilidade no item anterior seja de 0,995?

Solução:

X ∼ N (0, 002; 0.0004)

(a) P [X > 0, 0026] = 0, 067
(b) P [0, 0014 < X < 0, 0026] = 0, 866
(0.0026−0.002)
(c) s = z0.9975 = 0, 00021

103. Um jogador está pensando em estratégias para ter sucesso no jogo de roletas de um cassino. A roleta possui 18
números marcados em vermelho, 18 em preto e um com branco. Se a cor branca for sorteada o valor apostado fica
com a casa independente das apostas.
Comente as duas situações/estratégias a seguir embasando suas opiniões com conceitos de probabilidade.
(a) O jogador observando o jogo nota que é muito pouco provável ter uma seqüencia de números marcados com a
mesma cor. Desta forma decide adotar a seguinte estratégia: ele espera até ocorrerem cinco resultados seguidos
da uma cor e então faz uma aposta alta na cor oposta.
(b) Numa outra estratégia o jogador faz o seguinte: ele aposta em uma das cores, e, contando que em certo momento
a cor vai mudar, cada vez que perder dobra a aposta na mesma cor. Avalie ainda a estratégia em dois cenários:
i) o jogador vai frequentemente ao cassino e sempre adota esta estratégia. ii) o jogador tem 512 reais e tem que
pagar uma dı́vida de 1.000 reais até o final da noite e esta é a única chance que lhe resta.
Solução:

104. Um marinheiro aparentemente bêbado estava andando em um pier que tinha 10 metros de largura para ter acesso a
um bote que deixou ao final deste a fim de voltar a seu navio após sua folga. Ele começou a andar exatamente no
meio do pier de acesso a seu bote. Devido a seu estado ele não conseguia andar em linha reta e, a cada passo, pendia
um metro para esquerda ou para direita com igual probabilidade. Após dar 20 passos ele acabou caindo na água e se
afogando. Entretanto, a companhia seguradora, considerando que ele tinha feito uma apólice de seguro de alto valor,
beneficiando sua irmã, apenas uma semana antes, levantou a suspeita de que o acidente tenha sido na verdade uma
farsa tramada por um homem desesperado e coberto de dı́vidas. Considerando estas informações, qual a probabilidade
de que o acidente tenha de fato sido uma fatalidade.

Solução:

105. (Montgomery, 1994) Um dispositivo está ocioso/disponı́vel (idle) 15% do tempo. Você vai enviar requisições de acesso
imediato ao dispositivo cinco vezes durante certo perı́odo. Assumindo que as requisições sejam independentes calcule
as probabilidades de que o dispositivo:

(a) esteja ocioso em todas as requisições;

(b) esteja ocioso em exatamente três requisições;
(c) esteja disponı́vel em pelo menos três requisições;
(d) nunca esteja disponı́vel.

Solução:

X : número de vezes que o dispositivo está ocioso

X ∼ B(n = 5, p = 0, 15)

(a) P [X = 5] = 7,59e-05
(b) P [X = 3] = 0,0244
(c) P [X ≥ 3] = 0,0266
(d) P [X = 0] = 0,4437

106. (Magalhães, 2006) Um carcereiro informa a três prisioneiros que um deles foi sorteado para ser executado no dia
seguinte, enquanto que os outros dois serão libertados. O prisioneiro João Espeto se aproxima do carcereiro e cochicha
no seu ouvido, solicitando que ele lhe conte qual dos outros dois prisioneiros será solto. O prisioneiro argumenta que
isto não altera em nada a situação, visto que pelo menos um destes será solto. Entretanto, o carcereiro não atende
seu pedido, acreditando que isto poderia dar ao João Espeto alteração nas suas espectativas de ser libertado. Voce
acha que o carcereiro tem razão? Justifique sua resposta.

Solução:

107. Suponha que o tempo entre requisições recebidas por um servidor tenha distribuição exponencial com tempo médio
de 10 segundos. Determine:

(a) a probabilidade do servidor receber uma nova requisição em menos de cinco segundos após a chegada da primeira;
(b) a probabilidade do servidor ficar ao menos 15 segundos sem receber uma requisição;
(c) tendo o servidor ficado já 10 segundos sem receber requisição, a probabilidade do servidor ficar ao menos mais
15 segundo ser receber requisições;
(d) o tempo entre requisições até o qual espera-se receber 90% das requisições.

Solução:

X : tempo entre requisições

X ∼ Exp(λ = 1/10)
f (x) = (1/λ) exp{−x/λ}
R5
(a) P [X < 5] = f (x)dx = 0, 3935
0
R∞
(b) P [X > 15] = 15 f (x)dx = 0, 2231
(c) P [X > 25|X > 10] = P [X > 25 ∩ X > 10]/P [X > 10] = P [X > 15] = 0, 2231
(esta solução usa a propriedade da falta de memória da distribuição exponencial)
Rk
(d) P [X < k] = 0.90 ⇒ 0 f (x)dx = 0.90 ⇒ k = 23, 0259

108. (M. & L., 2005) Estudos meteorológicos indicam que a precipitação meteorológica mensal, em perı́odos de seca numa
certa região, pode ser considerada como seguindo uma distribuição Normal de média 30 mm e variância 16 mm2 .

(a) Qual a probabilidade de que em um mês a precipitação esteja entre 20 e 40 mm?

(b) Qual seria o valor da precipitação pluviométrica de modo que exista apenas 10% de chance de haver uma
precipitação inferior e este valor?
(c) Construa um intervalo central em torno da média que contenha 80% dos possı́veis valores de precipitação pluvi-
ométrica.
(d) Admitindo este modelo correto para os próximos 50 meses, em quantos deles esperarı́amos uma precipitação
pluviométrica superior a 34 mm?

Solução:

X : precipitação mensal
X ∼ N(µ = 30, σ 2 = 16)

(a) P [20 < X < 40] = 0, 9876

(b) P [X < k] = 0.10 ⇒ k = 24, 87
(c) P [µ − k < X < µ + k] = 0.80 ⇒ k = 5, 13 ⇒ P [24, 87 < X < 35, 13] = 0.80
(d) 50 · P [X > 34] ≈ 8

109. Em uma sala com 70 estudantes do sexo masculino e 30 do sexo feminino o professor vai sortear 10 estudantes durante
a aula para resolverem 10 testes rápidos. Qual a probabilidade de que sejam sorteados cinco estudantes de cada sexo
caso:

(a) um estudante possa voltar a ser sorteado;

(b) um estudante sorteado para um teste não possa ser sorteado novamente.
Solução:
X: número de estudantes sorteados do sexo masculino

(a) X ∼ Bin(n = 10, prob = 0.7)

P [X = 5] = 0, 1029
(b) X ∼ HG(N = 100, n = 10, r = 10)
P [X = 5] = 0, 0996

110. Seja a função f (x) = k(1 + 2x) para 0 < x < 2.

(a) qual deve ser o valor de k para que f (x) seja função de densidade de probabilidade?
(b) encontre o percentil 30 desta distribuição.

Solução:

R2
(a) 0 k(1 + 2x)dx = 1 ⇒ k = 1/6
R P30
(b) 0 1/6(1 + 2x)dx = 0, 30 ⇒ P30 = 0, 93

111. Sessenta porcento dos alunos de uma auto-escola passam no teste de habilitação na primeira tentativa, e o demais
são reprovados. A auto-escola decide fazer um pré-teste antes do teste oficial. Dos alunos que passam no teste oficial,
80% passam no pre-teste. Dos alunos que falham no teste oficial, 10% passam no pré-teste.

(a) forneça o valor das seguintes probabilidades:

i. passar no teste oficial na primeira tentativa
ii. não passar no teste oficial na primeira tentativa
iii. ter passado no pré-teste sabendo-se que passou no teste oficial
iv. não ter passado no pré-teste sabendo-se que passou no teste oficial
v. ter passado no pré-teste sabendo-se que não passou no teste oficial
vi. não ter passado no pré-teste sabendo-se que não passou no teste oficial
(b) forneça o valor das seguintes probabilidades:
i. passar no pré-teste
ii. não passar no pré-teste
(c) forneça o valor das seguintes probabilidades:
i. passar no teste oficial sabendo-se que passou no pré teste
ii. não passar no teste oficial sabendo-se que passou no pré-teste
iii. passar no teste oficial sabendo-se que não passou no pré-teste
iv. não passar no teste oficial sabendo-se que não passou no pré-teste
(d) interprete as probabilidades obtidas discutindo se o pré-teste forneceu informações suficientes para avaliar melhor
as chances de se passar no teste oficial.

Solução:
Notação:

P [A] : probabilidade de passar no teste oficial

P [B] : probabilidade de passar no pré-teste

112. O número de chamadas na central da polı́cia em certa cidade, às sextas feiras a noite é uma variável aleatória X com
média E[X] = 3.5 a cada meia hora. Assuma um distribuição de probabilidades adequada, que estamos no perı́odo
noturno e responda as seguintes perguntas:

(a) qual a probabilidade de não haver chamadas na próxima meia hora?

(b) qual a probabilidade haver exatamente três chamadas neste perı́odo?
(c) qual a probabilidade haver mais de quatro chamadas na próxima hora?
(d) se forem anotados o número de chamadas em várias sexta-feiras, que a número médio de chamadas por hora
esperado? e qual a variância esperada do número de chamadas por hora?

Solução:

X : número de chamadas a cada meia hora X ∼ P (3, 5) (1)

Y : número de chamadas por hora X ∼ P (7) (2)

(a) P [X = 0]
> dpois(0, lam=3.5)
[1] 0,0302
(b) P [X = 3]
> dpois(3, lam=3.5)
[1] 0,2158
(c) P [Y > 4] = 1 − P [Y ≤ 4]
> ppois(4, lam=7, lower=F)
[1] 0,827
(d) E(Y ) = 7 e V ar[Y ] = 7

113. No contexto do problema anterior, considere agora o intervalo de tempo entre as chamadas com distribuição expo-
nencial de média 8,5 minutos. Qual a probabilidade de:

(a) não haver chamadas por um perı́odo de 20 minutos?

(b) haver uma chamada entre 5 e 15 minutos
(c) tendo havido uma chamada num intervalo de 10 minutos, qual a probabilidade de haver outra chamada nos
próximos 10 minutos?
Solução:

X : tempo entre chamadas X ∼ exp(1/8, 5)

(a) P [X ≥ 20]
> pexp(20, rate=1/8.5)
[1] 0,9049
(b) P [5 < X < 15]
> diff(pexp(c(5,15), rate=1/8.5))
[1] 0,3841
(c) P [10 < X < 20|X > 10]
> diff(pexp(c(10,20), rate=1/8.5))/pexp(10, rate=1/8.5, lower=T)
[1] 0,3084

114. A distribuição dos pesos de toras de madeira pode ser representada por uma distribuição normal, com média 5 kg
e desvio padrão de 0,8 kg. Um cliente irá comprar 10.000 toras e pretende classificá-las de acordo com o peso, do
seguinte modo: 25% dos mais leves como Classe A, as 55% seguintes como Classe B, as 15% seguinte como Classe C
e as demais como Classe D.

(a) quais os limites de peso de cada classe?

(b) se o preço a ser pago é de 0,80 unidades de preço (U.P.) por material abaixo de 3.5 kg; 1 U.P. por material entre
3,5 e 6,0 e 1.15 U.P. por material acima de 6,0 kg, quanto espera-se pagar pelo lote a ser comprado?

Solução:

> qnorm(cumsum(c(0.25, 0.55, 0.15)), mean=5, sd=0.8)

[1] 4,460 5,673 6,316

> sum(c(0.8, 1, 1.15) * diff(pnorm(c(-Inf, 3.5, 6, Inf), mean=5, sd=0.8)) * 10000)

[1] 10098

115. O tempo adequado de troca de um amortecedor de certa marca em automóveis, sujeitos a uso contı́nuo e severo, pode
ser considerado com uma variável aleatória contı́nua, medida em anos. Suponha que a função de densidade é dada
pela seguinte expressão:  1
 4 x, 0≤x≤2
1
f (x) = , 2<x≤6
 8
0, caso contrário

(a) verifique qua a função acima é, de fato, uma densidade

(b) qual é a probabilidade de um automóvel, sujeito às condições descritas acima, necessitar de troca de amortecedores
antes de 1 ano de uso? E entre 1 e 3 anos?
(c) supondo que um automóvel está há 3 anos com o mesmo amortecedor, qual a probabilidade de que seja necessário
fazer a troca antes de completar 4 anos de uso?
(d) qual é o tempo médio adequado para a troca de amortecedor desses automóveis?
Solução:

X : tempo de troca
> fx <- function(x) ifelse((x >= 0 & x <=2), x/4, ifelse((x > 2 & x <= 6),1/8,0))
> plot(fx, from=-1, to=7)

(a) > integrate(fx,0,6)

1 with absolute error < 4,2e-05
(b) > integrate(fx, 0, 1)
0,125 with absolute error < 1,4e-15
> integrate(fx, 1, 3)
0,5 with absolute error < 5,6e-15
(c) P [X < 4|x > 3] = P [3 < X < 4]/P [X > 3]
> integrate(fx, 3, 4)$val / integrate(fx, 3, 6)$val
[1] 0,3333
(d) > EX <- function(x) x*fx(x)
> integrate(EX, 0, 6)
2,667 with absolute error < 0,00016

116. Um fabricante afirma que apenas 5% de todas as válvulas que produz têm uma duração inferior a 20 horas. Uma
indústria compra semanalmente um grande lote de válvulas desse fabricante, mas sob a seguinte condição: ela aceita
o lote se, em 10 válvulas escolhidas ao acaso, no máximo uma tiver duração inferior a 20 horas; caso contrário o lote
todo é rejeitado.
(a) Se o fabricante de fato tem razão, qual a probabilidade do lote ser rejeitado?
(b) Suponha agora que o fabricante esteja mentindo, isto é, na verdade a proporção de válvulas com duração inferior
a 20 horas é de 10%. Qual a probabilidade de um lote ser aceito, segundo o critério acima?

Solução:

X : número de vávulas com duração inferior a 20 horas ; X ∼ Bin(n = 10, p = 0.05)

(a) P [X > 1] = 1 − P [X ≤ 1]
> 1 - pbinom(1, size=10, p=0.05)
[1] 0,08614
(b) X ∼ Bin(n = 10, p = 0.10) ; P [X ≤ 1]
> pbinom(1, size=10, p=0.10)
[1] 0,7361

117. A durabilidade de um tipo de pneu da marca Rodabem é descrita por uma variável aleatória com distribuição normal
de média 60.000 km e desvio padrão de 8.300 km.
(a) se a Rodabem garante os pneus pelos primeiros 48.000 km, qual a proporção de pneus que deverá ser trocada
pela garantia?
(b) o que aconteceria com a proporção do item anterior se a garantia fosse dada para os primeiros 45.00 km?
(c) qual deveria ser a garantia (em km) de tal forma a assegurar que o fabricante trocaria sob garantia no máximo
2% dos pneus?
(d) se voce comprar 4 pneus Rodabem qual será a probabilidade de que voce utilizará a garantia (de 45.000 km) para
trocar um ou mais destes pneus?
Solução:

X : durabilidade X ∼ N (60.000, 8.3002 )

(a) 100 ∗ P [X < 48.000]

> round(100*pnorm(48000, mean=60000, sd=8300), dig=4)
[1] 7,412
(b) 100 ∗ P [X < 45.000]
> round(100*pnorm(45000, mean=60000, sd=8300), dig=4)
[1] 3,536
(c) P [X < k] = 0.02
> qnorm(0.02, mean=60000, sd=8300)
[1] 42954
(d) Y : número de pneus ; Y ∼ Bin(n = 4, p) P [Y ≥ 1] = 1 − P [Y = 0]
> p <- pnorm(45000, mean=60000, sd=8300)
> 1 - pbinom(0, size=4, prob=p)
[1] 0,1341

118. Para se ajustar uma máquina, a correia deve ter entre 60 e 62 cm de comprimento. Tendo em vista o processo de
fabricação, o comprimento destas correia pode ser considerado como uma variável aleatória com distribuição normal,
de média 60,7 e desvio padrão 0,8 cm. Pergunta-se:

(a) qual a probabilidade de uma correia, escolhida ao acaso, poder ser usada na máquina?
(b) um grande revendedor dessas correias estabelece um controle de qualidade nos lotes que compra da fábrica:
ele sorteia 4 correias do lote e só aceita o lote se o comprimento médio estiver dentro do tamanho aceito pela
máquina. Calcule a probabilidade de aceitação do lote.

Solução:

X : comprimento da correia
X ∼ N (60, 7; 0.82 )

(a) P [correia poder ser usada] = P [60 < X < 62] = P [ 60−60,7
0.8 <Z< 62−60.7
0.8 ] = 0, 757
(b) P [lote ser aceito] = P [60 < X̄ < 62] = P [ 60−60,7
√
0.8/ 4
<Z< 62−60.7
√ ]
0.8/ 4
= 0, 959

119. A proporção de item com defeito numa fábrica de baterias é de 0,02. Um inspetor de controle de qualidade testa
baterias retiradas ao acaso da linha de montagem. Qual a probabilidade que ele tenha que examinar mais de 20
baterias para obter uma com defeito? Qual a probabilidade que ele tenha que examinar mais de 20 baterias para
obter a terceira com defeito?

Solução:

X : número de baterias examinadas

P [X > 20]

(a) neste caso X ∼ Geométrica(p = 0, 02)

> pgeom(20, prob=0.02, lower=F)
[1] 0,6543
(b) neste caso X ∼ Binomial Negativa(r = 3, p = 0, 02)
> pnbinom(20, size=3, prob=0.02, lower=F)
[1] 0,9895

120. Seja a função f (x) = 3x2 0 < x < 1.

(a) mostre que f (x) é uma função de densidade de probabilidade

(b) encontre P [|X − 0, 5| > 0, 2]
(c) encontre a amplitude interquartı́lica

Solução:

> fx <- function(x) ifelse(x > 0 | x < 1, 3*x^2, 0)

R1
(a) f (x) ≥ 0 ∀ 0 < x < 1 e 0 f (x)dx = 1
> integrate(fx, 0, 1)$value
[1] 1
R 0,7
(b) P [|X − 0, 5| > 0, 2] = P [X < 0, 3 ou X > 0, 7] = 1 − 0,3 f (x)dx = 0
> 1-integrate(fx, 0.3, 0.7)$value
[1] 0,684
(c) AI = Q3 - Q1
Z q1
3x2 dx = 0, 25 =⇒ q1 = 0, 63
Z0 q3
3x2 dx = 0, 25 =⇒ q3 = 0, 909
0
AI = q3 − q1 = 0, 279

121. Os nı́veis de nicotina em fumantes são modelados por uma variável aleatória T com distribuição normal de média 315
e variância 17161.

(a) qual a probabilidade de, sorteando-se ao acaso um fumante, ele ter nı́vel de nicotina inferior a 450?
(b) e qual a probabilidade do nı́vel estar entre 150 e 400?
(c) qual o percentil 95% da distribuição de nı́veis de nicotina?
(d) encontre a probabilidade P [|T − 315| ≤ 100]
(e) qual o nı́vel de nicotina para o qual 20% dos fumantes possuem teor superior e ele?

Solução:

T : nı́vel de nicotina
T ∼ N (315; 17161)
450−315
(a) P [T < 450] = P [Z < √
17161
] = P [Z < 1, 03] = 0, 849
(b) P [150 < T < 400] = P [ 150−315
√
17161
< Z < 400−315
√
17161
] = P [−1, 26 < Z < 0, 65] = 0, 638
(c) P [T < t] = 0, 95 =⇒ P [Z < √t−315
17161
] = 0, 95 =⇒ t = 530, 5
(d) P [|T − 315| ≤ 100] = P [215 ≤ T ≤ 415] = P [ 215−315
√
17161
<Z< 415−315
√
17161
] = P [−0, 76 < Z < 0, 76] = 0, 555
t−315 t−315
(e) P [T > t] > 0, 20 =⇒ P [Z > √
17161
] > 0, 20 =⇒ √
17161
= 0, 84 =⇒ t = 425, 3

122. Um programa computacional para detectar fraudes em cartões telefônicos rastreia, todo dia, o número de áreas
metropolitanas de onde as chamadas se originam. Sabe-se que 1% dos usuários legı́timos fazem suas chamadas de 2
ou mais áreas metropolitanas em um único dia. Entretanto, 30% dos usuários fraudulentos fazem suas chamadas de
2 ou mais áreas metropolitanas em um único dia. A proporção de usuários fraudulentos é de 0,01%. Se o mesmo
usuário fizer as suas chamadas de 2 ou mais áreas metropolitanas em um único dia, qual será a probabilidade de que
o usuário seja fraudulento?

Solução:
F: fraudulento , M: chamadas de 2 ou mais áreas

P [F ] = 0, 0001 ; P [M |F̄ ] = 0, 01 ; P [M |F ] = 0, 03
P [F |M ] = ?
P [M |F ]P [F ]
P [F |M ] = =
P [M |F ]P [F ] + P [M |F̄ ]P [F̄ ]

> (0.030.0001)/(0.030.0001+ 0.01*0.9999)

[1] 0,0002999

123. Para selecionar seus funcionários, uma empresa oferece aos candidatos um curso de treinamento durante uma semana.
No final do curso, eles são submetidos a uma prova e 25% são classificados como bons, 50% como médios e os restantes
como fracos. Para facilitar a seleção a empresa pretende substituir o treinamento por um teste. Para isso, gostaria
de conhecer qual a probabilidade de um indivı́duo aprovado no teste ser considerado fraco caso fizesse o treinamento.
Neste ano, antes do inı́cio do curso foi aplicado o teste. Sabe-se que a probabilidade do candidato ser aprovado no
teste dado que ele é considerado bom no treinamento é 0,8, de ser aprovado no teste dado que ele é considerado médio
no treinamento é 0,5 e de ser aprovado no teste dado que ele é considerado fraco no treinamento é 0,2.

Solução:

124. Assume-se que o tempo de processamento de uma certa requisição tem distribuição normal de média 50 segundos e
desvio padrão de 2 segundos.

(a) Qual a porcentagem esperada de processos com o tempo de processamento inferior a 45 segundos?
(b) Qual a porcentagem esperada de processos em que o tempo de processamento não se desvia da média em mais
que 1,5 desvios padrão?
(c) O que acontecerá com a porcentagem do item anterior se o servidor for trocado por outro que tem tempo médio
de processamento de 45 segundos e o desvio padrão de 3 segundos?
(d) Mantendo o desvio padrão de 2 segundos, em quanto deveria ser regulada a média para garantir que 90% ou
mais dos processos tenham tempo de processamento inferior a 50 segundos?
(e) Mantendo a média de 50 segundos quanto deveria ser o desvio padrão para garantir que 95% dos processos
tenham tempo de processamento entre 46 e 54 segundos?
Solução:

(a) > pnorm(45, m=50, sd=2)

[1] 0,00621
(b) > pnorm(53, m=50, sd=2) - pnorm(47, m=50, sd=2)
[1] 0,8664
ou simplesmente
> pnorm(1.5) - pnorm(-1.5)
[1] 0,8664
(c) a mesma da anterior
> pnorm(1.5) - pnorm(-1.5)
[1] 0,8664
(d) > 50 - qnorm(0.90) * 2
[1] 47,44
(e) > (54-50)/qnorm(0.975)
[1] 2,041

125. Em média 5% dos produtos vendidos por uma loja são devolvidos. Qual a probabilidade de que, das quatro próximas
unidades vendidas deste produto, duas sejam devolvidas?

Solução:

X : número de produtos devolvidos em quatro unidades vendidas

X ∼ B(n = 4, p = 0.05)

4
P [X = 2] = 0.052 0.954−2 = 0, 01354
2

Solução computacional com o programa R:

> dbinom(2, size=4, prob=0.05)

[1] 0,01354

126. A demanda diária de arroz em um supermercado, em centenas de quilos, é uma variável aleatória com f.d.p.:

 2x/3, se 0 ≤ x < 1
f (x) = 1 − x/3, se 1 ≤ x < 3
0, se x < 0 ou x ≥ 3


(a) Qual a probabilidade de se vender mais de 150 kg num dia, escolhido ao acaso?
(b) Em 30 dias, quanto o gerente do supermercado espera vender?
(c) Qual a quantidade de arroz que deve ser deixada a disposição dos clientes para que não falte o produto em 90%
dos dias?
Solução:

> fx <- function(x){

+ y <- numeric(length(x))
+ y[x < 0 | x > 3] <- 0
+ y[x >= 0 & x <= 1] <- 2*x[x >= 0 & x <= 1]/3
+ y[x >= 1 & x <= 3] <- 1-(x[x >= 1 & x <= 3]/3)
+ return(y)
+ }
> integrate(fx,0,3)

1 with absolute error < 1,1e-15

E neste caso as soluções seriam:

R3
(a) P [X > 150] = 1,5 f (x)dx = 0.375
> integrate(fx,1.5,3)
0,375 with absolute error < 4,2e-15
R3
(b) 30E[X] = 30 0 xf (x)dx
> EX <- integrate(function(x){x*fx(x)},0,3)$value
> EX
[1] 1,333
> 30* EX * 100
[1] 4000
(c)

P [X < k] = 0, 90
P [X ≥ k] = 0, 10
(3 − k)(1 − k/3) = 0, 10

> k <- optimize(function(k)(integrate(fx, k, 3)$value - 0.10)^2, c(0, 3))$min

> k
[1] 2,225
> round((3-k)*(1-(k/3))/2, dig=4)
[1] 0,1

127. Uma empresa paga seus estagiários de acordo com o ano de curso do estudante. O salário mensal é dado por metade
do salário mı́nimo vezes o ano de curso do estagiário e considera-se estudantes até o quinto ano. A empresa vai
admitir escolhendo ao acaso dois novos estagiários e vamos admitir que todos os anos têm igual número de estudantes
interessados no estágio. Vamos considerar ainda que a população é grande o suficiente para que não haja diferença
entre escolher com ou sem reposição. Qual a probabilidade de:

(a) os dois serem do primeiro ano?

(b) a empresa gastar no máximo 2 salários mı́nimos com os estagiários?
(c) gastar entre 1 e 3 salários mı́nimos?
(d) sabendo que gastou mais que 1,5 salários, gastar menos que 4 salários mı́nimos?
Solução:

X : ano de um estudante selecionado

x 1 2 3 4 5

P[X=x] 1/5 1/5 1/5 1/5 1/5

Y : despesa da empresa com dois estagiários (em salários mı́nimos)

y 1 1,5 2 2,5 3 3,5 4 4,5 5

P[Y=y] 1/25 2/25 3/25 4/25 5/25 4/25 3/25 2/25 1/25
1
(a) P [X1 = 1, X2 = 2] = P [Y = 1] = 25
6
(b) P [Y ≤ 2] = 25
15 3
(c) P [1 ≤ Y ≤ 3] = 25 = 5
P [Y >1,5|Y <4] 16/25 8
(d) P [Y < 4|Y > 1, 5] = P [Y >1,5] = 22/25 = 11

128. Um lote de 100 chips semicondutores contém 20 defeituosos. Seleciona-se dois ao acaso do lote, sem reposição.

(a) qual a probabilidade de que o segundo seja defeituoso, sabendo que o primeiro não era defeituoso?
(b) qual a probabilidade de ambos sejam defeituosos?
(c) qual a probabilidade do item anterior caso o primeiro chip com defeito seja retornado ao lote antes da retirada
do segundo?
(d) retirando-se 8 chips, qual a probabilidade de que no máximo 1 seja defeituoso?
(e) suponha agora que os chips são retirados um a um até que se encontre o primeiro defeituoso. Qual a probabilidade
de que sejam necessárias mais que 3 retiradas para que se encontre o primeiro defeituoso?
(f) suponha que 12 chips são retirados de uma só vez. Qual a probabilidade de que se encontre no máximo 2
defeituosos?

Solução:

(a)
80 20
P [X1 = D̄, X2 = D] = . = 0, 162
100 99
(b)
20 19
P [X1 = D, X2 = D] = . = 0, 038
100 99
(c)
20 20
P [X1 = D, X2 = D] = . = 0, 04
100 100
(d)

X ∼ HG(N = 100, n = 8, k = 20)

P [X ≤ 1] = P [X = 0] + P [X = 1]

> phyper(1, 20, 80, 8)

[1] 0,4972
(e)

X ∼ G(p = 20/100)
P [X > 3] = 1 − P [X = 1] − P [X = 2] − P [X = 3]

> 1- pgeom(2, p=20/100)

[1] 0,512
(f)

X ∼ HG(N = 100, n = 12, k = 20)

P [X ≤ 2] = P [X = 0] + P [X = 1] + P [X = 2]

> phyper(2, 20, 80, 12)

[1] 0,5547

129. O peso de um tênis de corrida sofisticado é normalmente distribuı́do com média de 12 onças (onça é uma unidade de
peso) e desvio padrão de 0,5 onças.
X ∼ N (12, 0.52 )

(a) qual a probabilidade de um tênis pesar mais que 13,2 onças?

Solução:

(a) P [X > 13.2]

> 1 - pnorm(13.2, mean=12, sd=0.5)
[1] 0,008198
(b) P [11.6 < X < 12.7]
> pnorm(12.7, mean=12, sd=0.5) - pnorm(11.6, mean=12, sd=0.5)
[1] 0,7074
(c) P [X < 13] = 0.999 ; σ =?
> (13 - 12)/qnorm(0.999)
[1] 0,3236
(d) P [X < 13] = 0.999 ; µ =?
> 13 - 0.5 * qnorm(0.999)
[1] 11,45

130. Suponha que a resistência de amostras de cimento pode ser modelada usando uma distribuição normal de média 6000
kilogramas por centı́metro quadrado e desvio padrão de 100 kilogramas por centı́metro quadrado.

(a) qual a probabilidade de que uma amostra tenha resistência superior a 5750 kg/cm2 ?
(b) qual a probabilidade de que uma amostra tenha resistência entre 5800 e 6100 kg/cm2 ?
(c) qual o valor K tal que 90% das amostras tem resistência acima dele?
(d) amostras serão retiradas e testadas uma a uma até que se encontre uma para a qual a resistência seja superior a
6200 kg/cm2 . Qual a probabilidade de que seja necessário mais que 3 retiradas até que se encontre esta amostra?
(e) retirando-se 6 amostras, qual a probabilidade de que 3 delas tenham resistência inferior a 5900 kg/cm2 ?
(f) Suponha um lote de 30 amostras das quais 20 tem resistência inferior a 6100 kg/cm2 e as demais superior a
este valor. Se escolhermos 5 entre estas 5 amostras qual a probabilidade de que no máximo 1 tenha resistência
inferior a 6100 kg/cm2 ?
(g) a composição do cimento deverá alterada para atender um critério de qualidade que exige que ao menos 75% das
amostras tenham resistência superior a 6000 kg/cm2 . Mantendo-se o desvio padrão de 100 kg/cm2 , de quanto
deveria ser a média para atender a este padrão de qualidade?
(h) Suponha agora que a média de 6000 kg/cm2 não pode ser alterada mas deseja-se que não mais que 5% das
amostras tenham resistência inferior a 5900 kg/cm2 . Quanto deveria ser o desvio padrão para atender a este
critério?

Solução:

131. Assume-se que a durabilidade de um certo tipo de estrutura tem distribuição normal de média 50 anos e desvio padrão
de 10 anos.

X : durabilidade da estrutura (em anos)

X ∼ N (50, 102 )

(a) Qual a porcentagem esperada de estruturas com durabilidade inferior a 45 anos?

(b) Qual a porcentagem esperada de estruturas com durabilidade entre 37 e 65 anos?
(c) O que acontecerá com a porcentagem do item anterior se os materiais forem trocados de modo que a durabilidade
média passe a ser de 55 anos e o desvio padrão de 15 anos?
(d) Mantendo o desvio padrão de 10 anos, de quanto deveria ser a durabilidade média para garantir que 90% ou
mais das estruturas tenham durabilidade superior a 50 anos?
(e) Mantendo a média de 50 anos quanto deveria ser o desvio padrão para garantir que 95% das estruturas tenham
durabilidade entre 46 e 54 anos?

Solução:

(a) P [X < 45] = P [Z < 45−50

10 ] = 0, 3085
Portanto 30,9% das estruturas devem durar menos que 45 anos.
(b) P [37 < X < 45] = P [ 37−50 65−50
10 < Z < 10 ] = 0, 8364
Portanto 93,2% das estruturas devem durar entre 37 e 65 anos.
(c) P [37 < X < 45] = P [ 37−55 65−55
15 < Z < 15 ] = 0, 6324
Portanto, com esta média e este desvio padrão, 74,6% das estruturas devem durar entre 37 e 65 anos.
(d)

P [X > 50] = 0.90

50 − µ
P [Z > ] = 0.90
10
z = −1, 282
50 − µ
= −1, 282
10
µ = 62, 82
(e)

P [46 < X < 54] = 0.95

P [50 < X < 54] = 0.475
54 − 50
P [Z > ] = 0.475
σ
z = 1, 96
54 − 50
= 1, 96
σ
σ = 2, 04

132. O tempo de vida em anos de um componente eletrônico tem função de distribuição de probabilidade:
 2
 3x se 0 < x < 1
f (x) = 1 − x3 se 1 ≤ x < 3
0 caso contrário


(a) Justifique porque f (x) é uma f.d.p. válida.

(b) Qual a probabilidade de um componente durar entre 6 e 18 meses?
(c) Qual o tempo mediano de vida?
(d) Qual o tempo médio de vida?

Solução:
Seja a v.a. X: tempo de vida do componente
Vamos primeiro definir a função de distribuição

> fx <- function(x) {

+ y <- rep(0, length(x))
+ y[(x > 0 & x < 1)] <- (2/3) * x[(x > 0 & x < 1)]
+ y[(x >=1 & x < 3)] <- 1 - (x[(x >=1 & x < 3)]/3)
+ return(y)
+ }

(a) Para ser f.d.p. válida vamos checar 2 condições:

(i) f (x) ≥ 0

> x <- seq(0,3,l=101)

> all(fx(x) >= 0)
[1] TRUE
R
(ii) f (x)dx = 1
> integrate(fx, 0, 3)$value
[1] 1
R 1,5
(b) P [0, 5 < X < 1, 5] = 0,5 f (x)dx
> integrate(fx, 0.5, 1.5)$value
[1] 0,5417
R md
(c) Tempo mediano: P [X < md] = 0, 5 ou seja, 0 f (x)dx = 0.5
> qfx <- function(x, quantil=0.5) (quantil - integrate(fx, 0, x)$value)^2
> optimise(qfx, c(0, 3))$min
[1] 1,268
R
(d) Tempo médio: µ = E[X] = xf (x)dx
> efx <- function(x) x*fx(x)
> integrate(efx, 0, 3)$value
[1] 1,333

133. O quadro abaixo mostra os resultados da duração de válvulas usadas em uma indústria fornecidas por 3 diferentes
companhias. Baseado nesta tabela responda as perguntas a seguir.

Duração da válvula
Fornecedor menos que 4 meses 4 a 8 meses mais que 8 meses
X 64 120 16
Y 104 175 21
Z 27 48 5

(a) Sorteando-se uma válvula qual a probabilidade de ter vindo do fornecedor X?

(b) Qual a probabilidade de uma válvula do fornecedor
(c) Qual a probabilidade do uma válvula que durou mais de 8 meses ser do fornecedor Y ?
(d) Você diria que o tempo de duração independe do fornecedor? Justifique sua resposta.
(e) Baseando-se nestes dados, comprando um lote de 10 peças do fornecedor Y qual a probabilidade de que todas
durem menos que 8 meses?
(f) Inspeciona-se as peças que duraram 4 meses uma a uma até encontrar uma que veio do fornecedor X. Qual a
probabilidade de que sejam inspecionadas mais que 3 peças até que se encontre a primeira vinda deste fornecedor?

Solução:

> mat <- [Link](matrix(c(64,104,27,120,175,48,16,21,5), nc=3))

> dimnames(mat) <- list(c("X","Y","Z"), c("<4","4-8",">8"))
> mat

<4 4-8 >8

X 64 120 16
Y 104 175 21
Z 27 48 5

> (total <- sum(mat))

[1] 580

> ([Link] <- rowSums(mat))

X Y Z
200 300 80

> ([Link] <- colSums(mat))

<4 4-8 >8

195 343 42

Seja a notação:

• X, Y ou Z : peça vir do fornecedor X, Y ou Z

• T1: peça durar menos que 4 meses
• T2: peça durar de 4 meses a 8 meses
• T3: peça durar mais que 8 meses

(a) P [X] = 200/580 = 0, 345

(b) P [T 1|X] = 27/80 = 0, 338
(c) P [Y |T 3] = 21/42 = 0, 5
(d) > [Link](mat, mar=1)
<4 4-8 >8
X 0,3200 0,6000 0,0800
Y 0,3467 0,5833 0,0700
Z 0,3375 0,6000 0,0625
Sim porque as proporções de tempos de duração são bastante parecidas entre os 3 fornecedores, conforma mostra
a tabela acima.
(e)

D : número de peças de Y que duram menos de 8 meses

D ∼ Bin(n = 10, p = P [T 3|Y ])
p = P [T 3|Y ] = 48/300 = 0, 16

10 10
P [D = 10] = p (1 − p)10−10
10
= 1, 1e − 08

(f)

E : número de peças inspecionadas (que duraram 4 meses) até encontrar a primeira vinda de X
E ∼ Geo(p = P [X|T 1]) e = 1, 2, . . .
p = P [X|T 1] = 64/195 = 0, 328
P [E > 3] = 1 − P [E ≤ 3] = 1 − P [E = 1] − P [E = 2] − P [E = 3]
= 1 − (p(1 − p)1−1 ) − (p(1 − p)2−1 ) − (p(1 − p)3−1 ) = 0, 303

134. A opinião de consumidores é usada para avaliar versões preliminares de produtos. Dados históricos mostram que 95%
dos produtos de muito sucesso comercial tiveram boas avaliações preliminares, 60% dos produtos com sucesso comercial
moderado receberam boas avaliações preliminares, e 10% de produtos com mal desempenho comercial receberam boas
avaliações. Além disto, 40% dos produtos obtiveram muito sucesso comercial, 35% tiveram desempenho comercial
moderado e 25% mostraram mal desempenho comercial.

(a) Qual a probabilidade que um produto tenha uma boa avaliação?

(b) Se um determinado produto tem uma boa avaliação preliminar, qual a probabilidade que irá ter muito sucesso
comercial?
(c) Se um determinado produto não tem uma boa avaliação preliminar, qual a probabilidade que ainda assim irá ter
muito sucesso comercial?

Solução:

A1 : sucesso , A2 : sucesso moderado , A3 : mal desempenho

B: boa avaliação preliminar , B̄: má avaliação preliminar

P [B|A1 ] = 0, 95 P [B|A2 ] = 0, 60 P [B|A3 ] = 0, 10

P [A1 ] = 0, 40 P [A2 ] = 0, 25 P [A3 ] = 0, 25

(a) P [B] = P [B|A1 ] ∗ P [A1 ] + P [B|A2 ] ∗ P [A2 ] + P [B|A3 ] ∗ P [A3 ] =

= (0, 95)(0, 40) + (0, 60)(0, 25) + (0, 10)(0, 25) = 0, 615
(b) P [A1 |B] = P [A1 ∩ B]/P [B] = (P [A1 ] ∗ P [B|A1 ])/P [B] = (0, 40 ∗ 0, 95)/0, 615 = 0, 618
(c) P [B̄] = 1 − P [B] = 1 − 0, 615 = 0, 385
P [A1 ∩ B̄] = P [A1 ∩ B̄]/P [B̄] = (P [B̄|A1 ] ∗ P [A1 ])/P [B̄] = (0.05 ∗ 0.40)/0, 385 = 0, 052

Alternativamente, poderia-se obter a solução a partir da montagem da tabela a seguir.

Sucesso Moderado Mal Total

Boa 0,38 0,21 0,025 0,615
Má 0,02 0,14 0,225 0,385
Total 0,40 0,35 0,25 1,00

135. Um usuário de transporte coletivo chega pontualmente às 8:00 para pegar seu ônibus. Devido ao trânsito intenso, a
demora pode ser de qualquer tempo entre 0 e 20 minutos (admita que o tempo é marcado apenas em minutos inteiros).
Pergunta-se:

(a) Qual a probabilidade de demorar mais de 10 minutos?

(b) Qual a probabilidade de demorar pelo menos 5 mas não mais de 10 minutos?
(c) Qual a probabilidade demora não chegar a 5 minutos?
(d) Se um amigo chegou 10 minutos atrasado e vai pegar o mesmo ônibus (que ainda não passou), qual a probabilidade
do amigo atrasado esperar até 3 minutos?

Solução:

(a) > 10/21

[1] 0,4762
(b) > 6/21
[1] 0,2857
(c) > 5/21
[1] 0,2381
(d) > 4/11
[1] 0,3636

136. Assume-se que o tempo de processamento de uma certa requisição tem distribuição normal de média 500 segundos e
desvio padrão de 20 segundos.

(a) Qual a porcentagem esperada de processos com o tempo de processamento inferior a 450 segundos?
(b) Qual a porcentagem esperada de processos em que o tempo de processamento não se desvia da média em mais
que 1,5 desvios padrão?
(c) O que acontecerá com a porcentagem do ı́tem anterior se o servidor for trocado por outro que tem tempo médio
de processamento de 450 segundos e o desvio padrão de 30 segundos?

(d) Mantendo o desvio padrão de 20 segundos, em quanto deveria ser regulada a média para garantir que 90% ou
mais dos processos tenham tempo de processamento inferior a 500 segundos?
(e) Mantendo a média de 500 segundos quanto deveria ser o desvio padrão para garantir que 95% dos processos
tenham tempo de processamento entre 460 e 540 segundos?
Solução

(a) > pnorm(450, m=500, sd=20)

[1] 0,00621
(b) > pnorm(530, m=500, sd=20) - pnorm(470, m=500, sd=20)
[1] 0,8664
ou simplesmente
> pnorm(1.5) - pnorm(-1.5)
[1] 0,8664
(c) a mesma da anterior
> pnorm(1.5) - pnorm(-1.5)
[1] 0,8664
(d) > 500 - qnorm(0.90) * 20
[1] 474,4
(e) > (540-500)/qnorm(0.975)
[1] 20,41

137. O tempo de vida de um componente eletrônico tem distribuição exponencial com tempo médio de vida de 2 anos.

X ∼ Exp(λ = 2)
f (x) = λ exp{−λx}

(a) qual a probabilidade de que o dure menos que 18 meses?

(b) em um lote de 3,000 componentes quantos devem durar mais que 3 anos?
(c) qual o tempo até o qual se espera que 90% dos componentes falhem?
(d) Você compra um equipamento que tem 30 meses, com o componente em funcionamento, e planeja mantê-lo por
mais 1 ano. Qual a probabilidade de que o componente falhe durante o perı́odo que você pretende manter o
equipamento?

Solução:

R 18
(a) P [X < 1.5] = 0 f (x)dx
> pexp(1.5, rate=1/2)
[1] 0,5276
R 18
(b) 3.000P [X > 3] = 3.000 0 f (x)dx
> 3000 * pexp(3, rate=1/2, low=F)
[1] 669,4
(c)

P [X < t] = 0.90
Z t
f (x)dx = 0.90
0

> qexp(0.9, rate=1/2)

[1] 4,605
(d) P [2, 5 < X < 3, 5|X > 2.5]
> (pexp(3.5, rate=1/2) - pexp(2.5, rate=1/2))/(1 - pexp(2.5, rate=1/2))
[1] 0,3935
ou, usando a propriedade da ”falta de memória”da exponencial, simplesmente:
> pexp(1, rate=1/2)
[1] 0,3935

138. Crie um exemplo, indique qual a variável aleatória e calcule a probabilidade de ao menos um evento de sua escolha
das seguintes distribuições de probabilidades.
(a) Binomial (b) Poisson (c) Geométrica (d) Hipergeométrica (e) Uniforme Discreta

Solução:
Solução: as serão examinadas, não existe solução única para a questão.

139. Um lote de 50 containers de suco de laranja contém 5 que estão contaminados.

(a) Selecionando do lote 2 containers ao acaso, sem reposição:

i. qual a probabilidade do segundo ser contaminado sabendo que o primeiro é contaminado
ii. qual a probabilidade de ambos serem livres de contaminação
(b) Tomando uma amostra de 4 containers qual a probabilidade de encontrar no máximo 3 contaminados
(c) Inspecionando-se 5 containers escolhidos um a um, com reposição, qual a probabilidade de encontrar 2 ou mais
contaminados
(d) Amostrando-se containers até encontrar o primeiro contaminado qual a probabilidade de que sejam amostrados
exatamente 10 containers
(e) Considerando agora um lote de apenas 8 containers dos quais 3 são contaminados qual a probabilidade de que
sejam amostrados no máximo 6 até se encontrar o terceiro contaminado?

Solução:

(a) i. Denote Ci : o i-ésimo container é contaminado e C̄i o i-ésimo container é não contaminado.
Sendo o primeiro contaminado, restam para o segundo 49 containers dos quais 4 são contaminados e portanto
a probabilidade é
P [C2 |C1 ] = 4/49
ii. P [C1, C2] = P [C1].P [C2 |C1] = (45/50)(44/49) = 0,8082
Outra forma seria usar o fato de que a variável X: número de containers contaminados em uma amostra de 2
containers, tem distribuição hipergeométrica X ∼ HG(N = 50, n = 2, r = 5). O R usa uma parametrização
diferente para hipergeométrica e a probabilidade pedida P [X = 2] seria dada por:
> phyper(0, 5, 45, 2)
[1] 0,8082
(b) Novamente podemos considerar uma hipergeométrica X ∼ HG(N = 50, n = 4, r = 5) para X: número de
contaminados em uma amostra de 4 e a probabilidade pedida P [X ≤ 3] dada por:
> phyper(3, 5, 45, 4)
[1] 1
(c) Neste caso X: número de containers contaminados, X ∼ B(n = 5, p = 0.1) e a probabilidade P [X ≥ 2] = P [X ≤
1] é dada por:
> 1 - pbinom(1, 5, .1)
[1] 0,08146
(d) Considerando o problema com reposição, X: número de containers até amostrados encontrar o primeiro conta-
minado, tem distribuição geométrica X ∼ G(p = 0.1) e queremos calcular P [X = 10] . Note que o R usa uma
parametrização diferente para distribuição geométrica onde X é o número de falhas até o primeiro sucesso e
portanto a probabilidade é calculada com:
> dgeom(9, .1)
[1] 0,03874
(e) Novamente considerando o problema com reposição temos que X: número de containers examinados até encontrar
o terceiro contaminado tem distribuição binomial negativa, X ∼ BN (r = 3, p = 3/8). Na parametrização usada
pelo R conta-se o número de falhas até atingir o número desejado de sucessos e a solução é dada por:
> pnbinom(3, 3, 3/8)
[1] 0,404

140. O número de mensagens de “e-mail” enviadas a um sistema é uma variável aleatória com distribuição Poisson com
média de 5 mensagens por minuto
(a) Qual a probabilidade que exatamente 5 mensagens sejam recebidas em 1 minuto?

(b) Qual a probabilidade que menos que 2 mensagens sejam recebidas em meio minuto?

Solução:

(a) X: o número de mensagens recebidas por minuto, X ∼ P (λ = 5) e P [X = 5] é dado por:

> dpois(5, 5)
[1] 0,1755
(b) X: o número de mensagens recebidas em meio minuto, X ∼ P (λ = 2.5) e P [X < 2] = P [X ≤ 1] é dada por:
> ppois(1, 2.5)
[1] 0,2873

141. Seja a função f (x) = k(5 − 2x) para 0 < x < 2.

(a) qual deve ser o valor de k para que f (x) seja função de densidade de probabilidade?

(b) encontre os quartis desta distribuição.

Solução:

(a) A solução analı́tica deste problema consiste em:

R2
• encontrar k tal que: 0 k(5 − 2x)dx = 1
• Verificar se com este valor de k f (x) > 0 para 0 < x < 2.
Embora a solução analı́tica deste problema seja fácil, vamos ver também uma solução computacional. Lembrando
que soluções computacionais são particularmente úteis em problemas mais complexos onde a solução analı́tica
não pode ser obtida. Vamos primeiro definir no R esta função. Depois vamos definir uma função de k achaK como
a diferença entre a área sob a função e 1. O valor de k será aquele para o qual esta diferença é nula. Portanto na
sequência usamos uma função de otimização para encontrar o valor de k que minimiza esta diferença. Ao final
redefinimos a função com o valor de k e checamos se integra 1.
> fxK <- function(x,K) ifelse((x < 0 | x > 2), 0, K*(5-2*x))
> achaK <- function(k) return((integrate(fxK, 0, 2, K=k)$value - 1)^2)
> k <- optimize(achaK, c(-10,10))$min
> k
[1] 0,1667
> fx <- function(x) ifelse((x < 0 | x > 2), 0, k*(5-2*x))
> integrate(fx, 0, 2)
1 with absolute error < 1,1e-14
(b) Os quartis q1 , md, eq3 são encontrados resolvendo as integrais:
Z q1 Z md Z q3
f (x)dx = 0.25 , f (x)dx = 0.50 , f (x)dx = 0.75.
0 0 0

As soluções analı́ticas podem ser facilmente obtidas, mas mostramos abaixo soluções numéricas.
> f25 <- function(x) return((integrate(fx, 0, x)$value - 0.25)^2)
> q25 <- optimize(f25, c(0,2))$min
> q25
[1] 0,3206
> f50 <- function(x) return((integrate(fx, 0, x)$value - 0.5)^2)
> q50 <- optimize(f50, c(0,2))$min
> q50
[1] 0,6972
> f75 <- function(x) return((integrate(fx, 0, x)$value - 0.75)^2)
> q75 <- optimize(f75, c(0,2))$min
> q75
[1] 1,177
R2
(c) A esperança é dada por E[X] = 0 xf (x)dx, que novamente pode ser obtida analiticamente e com solução
computacional dada por:
> ex <- function(x) x * fx(x)
> integrate(ex, 0, 2)$val
[1] 0,7778
R2
(d) A probabilidade é dada pela integral 1.3 , que pode ser resolvida analiticamente ou por:
> integrate(fx, 1.3, 2)$val
[1] 0,1983

Note ainda que poderia ser encontrada uma solução geométrica para este problema, uma vez que a função de densidade
é uma reta. Vamos fazer o gráfico da função e indicar a área da probabilidade pedida no item (d).

142. O tempo entre chamadas de requisição de serviços de uma unidade de manutenção tem distribuição exponencial com
tempo médio entre chamadas de 15 minutos.

(a) qual a probabilidade de que não haja chamadas em um intervalo de 30 minutos?

(b) qual a probabilidade de que haja pelo menos 1 chamada num intervalo de 10 minutos
(c) qual a probabilidade de que a primeira chamada chegue entre 5 e 10 minutos depois que o serviço é aberto
(d) Determine o comprimento do intervalo de tempo tal que a probabilidade de ao menos uma chamada no intervalo
seja de 0.90
> par(mar=c(3,3,0,0), mgp=c(2,1,0))
> plot(fx, -0.5, 2.5, n=1001)
> polygon(x=c(1.3, 1.3,2,2), y=c(0,fx(1.3), fx(2),0), col="gray")

0,8
0,6
fx
0,4
0,2
0,0

−0,5 0,0 0,5 1,0 1,5 2,0 2,5

Figura 5: Função de densidade f (x) = k(5 − 2x)I[0,2] (x) com área marcada correspondente à probabilidade pedida.

Solução:

X : intervalo de tempo entre requisições

X ∼ Exp(λ = 1/15)
E[X] = 1/λ = 15
f (x) = λe−λx
F (x) = 1 − e−λx

(a) P [X > 30] = 1 − F (30) = 0, 135

(b) P [X ≤ 10] = F (10) = 0, 487
(c) P [5 ≤ X ≤ 10] = F (10) − F (5) = 0, 203
(d) P [X ≤ T ] = 0, 90 −→ T = F −1 (0, 90) = 34, 539

Soluções computacionais com o programa R

> (aa <- pexp(30, 1/15, lower=FALSE))

[1] 0,1353

> (bb <- pexp(10, 1/15))

[1] 0,4866

> (cc <- diff(pexp(c(5, 10), 1/15)))

[1] 0,2031

> (dd <- qexp(0.90, 1/15))

[1] 34,54
143. Um processo de manufatura de componentes produz 2% de defeituosos. Em um lote de 1000 componentes qual a
probabilidade de que:

(a) mais de 25 seja defeituosos.

(b) sejam encontrados entre 20 e 30 defeituosos.

Solução:

144. O processo de produção de uma determinada peça é controlado de maneira que a percentagem de ı́tens defeituosos é
de 10%. Se os ı́tens são vendidos em caixas de 100 unidades qual a probabilidade de que em uma caixa:

(a) haja mais que 12% de defeituosos?

(b) não seja encontrado nenhum defeituoso?
(c) se um cliente encontrar mais de 15 defeituosos ele recebe uma caixa grátis. Qual a proporção esperada de clientes
bonificados?

Solução:

145. Uma enchedora automática de garrafas de refrigerantes está regulada para que o volume médio de lı́quido seja de
1.000cm3 e o desvio padrão de 10cm3 . Pode-se admitir que a distribuição da variável seja normal.

(a) Qual a porcentagem esperada de garrafas em que o volume é menor de 990cm3 ?

(b) Qual a porcentagem esperada de garrafas em que o volume de lı́quido não se desvia da média em mais que 2
desvios padrão?
(c) O que acontecerá com a porcentagem do ı́tem anterior se a máquina for regulada de forma que a média seja de
1.200cm3 e o desvio padrão de 20cm3
(d) Mantendo o desvio padrão de 10cm3 , em quanto deveria ser regulada a média para garantir que 90% ou mais da
garrafas tenham volume superior a 1.000cm3 ?
(e) Mantendo a média de 1.000cm3 quanto deveria ser o desvio padrão para garantir que 95% das garrafas tenham
volume entre 990 e 1010cm3 ?

Solução:

(a) > pnorm(990, m=1000, sd=10)

[1] 0,1587
(b) > pnorm(1020, m=1000, sd=10)- pnorm(980, m=1000, sd=10)
[1] 0,9545
(c) > pnorm(1240, m=1200, sd=20) - pnorm(1160, m=1200, sd=20)
[1] 0,9545
(d) > 1000 - qnorm(0.10) * 10
[1] 1013
(e) > (1010-1000)/qnorm(0.975)
[1] 5,102
146. O tempo de vida de um regulador de voltagem de automóvel tem distribuição exponencial com tempo médio de vida
de 6 anos.

(a) qual a probabilidade de que o regulador dure menos que 5 anos?

(b) qual a probabilidade de que o regulador dure mais que 10 anos?
(c) qual o tempo dentro do qual a probabilidade do regulador falhar é de 0.80?
(d) Voce compra um automóvel que tem 5 anos, com um regulador de voltagem em funcionamento, e planeja mantê-
lo por mais 5 anos. Qual a probabilidade de que o regulador falhe durante o perı́odo que voce pretende manter
o automóvel?

Solução:

(a) > pexp(5, rate=1/6)

[1] 0,5654
(b) > pexp(10, rate=1/6, low=F)
[1] 0,1889
(c) > qexp(0.8, rate=1/6)
[1] 9,657
(d) > pexp(5, rate=1/6)
[1] 0,5654

147. As linhas telefônicas para reservas em uma companhia aérea estão ocupadas 40% do tempo. Assuma que eventos de
que as linhas estão ocupadas em chamadas sucessivas são independentes. Considere que 6 chamadas são feitas.

(a) Faça um gráfico da função de probabilidade

(b) Faça um gráfico da função acumulada de probabilidade (função de distribuição)
(c) Qual a probabilidade de que as linhas estejam ocupadas em exatamente 3 chamadas?
(d) Qual a probabilidade de que as linhas estejam ocupadas em no máximo 3 chamadas?
(e) Qual o número esperado de chamadas que terão a linha ocupada?

Solução:

(a) > x <- 0:6

> fx <- dbinom(x, size=6, prob=0.4)
> plot(x, fx, type='h')
0,30
0,20
fx

0,10
0,00

0 1 2 3 4 5 6

(b) > Fx <- pbinom(x, size=6, prob=0.4)

> plot(x, Fx, type="S")
1,0
0,8
0,6
Fx

0,4
0,2

0 1 2 3 4 5 6

(c) > dbinom(3, 6, 0.4)

[1] 0,2765
(d) > pbinom(3,6, 0.4)
[1] 0,8208
(e) > sum(x*fx)
[1] 2,4

148. A probabilidade de indivı́duos nascerem com certa caracterı́stica é de 0,3. Para o nascimento de 5 indivı́duos e
considerando os nascimentos como eventos independentes, estude o comportamento da variável número de indivı́duos
com a caracterı́stica e faça um gráfico de sua função de distribuição.

Solução:
149. Sendo X uma variável seguindo o modelo Normal com média µ = 130 e variância σ 2 = 64, pergunta-se: (a) P (X ≥ 120)
(b) P (135 < X ≤ 145) (c) P (X < 120 ou X ≥ 150)

Solução:

150. A tabela a seguir mostra a distribuição de frequências de 125 trabalhadores da contrução civil desempregados em
função da idade e duração do perı́odo de desemprego.
duração Idade (anos)
(dias) Abaixo de 35 Acima de 35
1-7 36 21
8-30 30 5
Mais de 30 14 19

(a) Baseando-se nestes dados voce diria que o tempo de desemprego está associado com a idade? Justifique a sua
resposta.
(b) Sorteando-se ao acaso uma pessoa deste grupo qual a probabilidade de:
• estar desempregado de 1-7 dias e ter menos de 35 anos
• ter mais de 35 anos sabendo que está desempregado a mais de 30 dias
• estar desempregado de 8-30 dias ou ter menos que 35 anos
• estar desempregado a mais de 30 dias

Solução:

151. Mostre que as funções abaixo são funções de densidade de probabilidade para algum valor de k e determine o valor
de k
(a) f (x) = kx2 para 0 < x < 4
(b) f (x) = k(1 + 2x) para 0 < x < 2
Calcule os quantis 5% e 95% da distribuição do ı́tem (a).

Solução:

152. O volume envasado de uma máquina de envasamento automático usada para envasar latas de uma bebida é distribuı́do
normalmente com média 12,4 unidades de volume (u.v.) e desvio padrão de 0,1.
(a) Qual a probabilidade de que uma lata tenha menos de 12 u.v. ?
(b) Se todas a latas com volume menor que 12.1 ou maior que 12.6 são descartadas, que a proporção de latas a ser
descartada?
(c) Quais são os valores de volume simétricos ao redor da média entre os quais espere-se encontrar 99% das latas?

Solução:

153. Um lote de 50 containers de suco de laranja contém 5 que estão contaminados. São selecionados do lote 2 containers
ao acaso, sem reposição
(a) qual a probabilidade do segundo ser contaminado sabendo que o primeiro é contaminado
(b) qual a probabilidade de ambos serem livres de contaminação
Solução:

154. O número de mensagens enviadas a um sistema é uma variável aleatória com distribuição Poisson com média de 5
mensagens por hora

(a) Qual a probabilidade que exatamente 5 menssagens sejam recebidas em 1 hora?

(b) Qual a probabilidade que menos que 2 mensagens sejam recebidas em meia hora?

Solução:

155. A resistência à compressão de amostras de cimento pode ser modelada por uma distribuição normal com média 6000
kg/cm2 e um desvio padrão de 100 kg/cm2 .

(a) qual a probabilidade da resistência ser inferior a 6250 em uma amostra escolhida ao acaso?
(b) qual o valor de resistência excedido por 80% das amostras
(c) qual a probabilidade de encontrar uma valor de resistência entre 5800 e 5900 em uma amostra escolhida ao acaso

Solução:

156. Uma amostra de água é considerada como contaminada se forem encontrados bacilos do tipo A ou então, se forem
encontrados bacilos dos tipos B e C conjuntamente. De coletas anteriores sabe-se que bacilos dos tipos A, B e C
estão presentes em 30, 20 e 80% das amostras, respectivamente. Sabe-se ainda que na presença de bacilos do tipo A,
não existem bacilos do tipo B. Quando existem bacilos do tipo B, a chance de encontrar bacilos do tipo C cai pela
metade. Encontre:

(a) a probabilidade de uma amostra conter ao menos um dos bacilos dos tipos B ou C;
(b) a probabilidade de uma amostra ser classificada como contaminada;
(c) sendo uma amostra contaminada, a probabilidade da contaminação ser (i) pelo bacilo A, (ii) pelos bacilos B e C

Solução:

P (A) = 0, 30 ; P (B) = 0, 20 ; P (C) = 0, 80

P (contaminada) = P (AU (B ∩ C))
P (B|A) = 0 P (C|B) = P (C)/2 = 0, 40

(a) P (B ∪ C) = P (B) + P (C) − P (B ∩ C) = P (B) + P (C) − P (C|B) · P (B) =

= 0, 20 + 0, 80 − 0, 4 · 0, 20 = 0, 92
(b) P (contaminada) = P (A ∪ (B ∩ C)) = P (A) + P (B ∩ C)) − P (A ∩ (B ∩ C)) =
= 0, 30 + 0, 08 − 0, 00 = 0, 38
(c) i. P (A|contanimada) = P (A ∩ contaminada)/P (contaminada) =
= P (A ∩ (A ∪ (B ∩ C)))/P (contaminada) = P (A)/P (contaminada) = 0, 30/0, 38 = 0, 79
ii. P ((B ∩ C)|contaminada) = P ((B ∩ C) ∩ contaminada)/P (contaminada) =
= P ((B ∩ C) ∩ (A ∪ (B ∩ C)))/P (contaminada) = P (B ∩ C)/P (contaminada) = 0, 08/0, 38 = 0, 21
157. Suponha que um programa de acompanhamento de populações registre uma média de 15 mortes de golfinhos por ano
na região da baia de Guaraqueçaba. Fazendo as suposições necessárias encontre:
(a) a probabilidade de que se registre ao menos duas mortes em um determinado mês;
(b) a probabilidade de que se registre menos de cinco mortes no primeiro semestre do próximo ano.

Solução:

X ∼ P oisson(λ = 15 mortes/ano)
(a)
X ∼ P (λ = 15/12 = 1, 25 mortes/mes)
P (X ≥ 2) = 1 − P (X = 0) − P (X = 1) = 0, 355
(b)
X ∼ P (λ = 15/2 = 7, 5 mortes/semestre)
P (X < 5) = P (X ≤ 4) = 0, 132

158. Registros mostram que em uma determinada região ocorrem em média 2,5 geadas por ano. Encontre a probabilidades
de que ocorram:
(a) no máximo 3 geadas no próximo ano;
(b) ao menos 3 geadas nos próximos 2 anos.

Solução:

X1 ∼ P oisson(λ = 2.5 geadas/ano) X2 ∼ P oisson(λ = 5 geadas/(2anos))

(a) P (X ≤ 3) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = 0, 758
(b) P (X ≥ 3) = 1 − (P (X = 0) + P (X = 1) + P (X = 2)) = 0, 875

159. Dados históricos mostram que, em média, 5 dos 30 dias do mês de novembro são chuvosos em uma certa cidade. Faça
e descreva suposições adequadas para calcular as probabilidades de que:
(a) não chova em nenhum dia do próximo mês de novembro;
(b) ocorra chuva em mais dias do que a média histórica.

Solução:

X ∼ Bin(n = 30, p = 5/30)

(a) P [X = 0] = 30 0 3

0 (5/30) (25/30) 0 = 0, 00421
(b) P [X > E(X)] = P [X > n · p] = P [X > 5] = 1 − P [X ≤ 5] = 0, 384

160. Sob condições normais, um contador eletrônico de bactérias registra, em média, 4,5 bactérias por cm3 em amostras
de um lı́quido. Faça suposições necessárias para calcular:
(a) a probabilidade de encontrar mais que seis bactérias em uma amostra;
(b) o desvio padrão do número de bactérias;
(c) a probabilidade de encontrar entre quatro e seis bactérias;
(d) a probabilidade de encontrar, em uma amostra de 10cm3 , mais que 58 bactérias;
Solução:

X ∼ P oi(λ = 4, 5bactrias/cm3

(a) P [X > 6] = 1 − P [X ≤ 6] = 0, 169

p √
(b) sd(X) = Var(X) = λ = 2, 121
(c) P [4 ≤ X ≤ 6] = P [X ≤ 4] + P [X ≤ 5] + P [X ≤ 6] = 0, 489
(d)

X ∼ P oi(λ = 45) ≈ N (µ = 45, σ 2 = 45) (3)

P (XP oi > 58) ≈ P (XN > 58.5) = 0, 022 (4)

161. Considera-se que em uma epidemia de gripe 60% das pessoas se infectam com o vı́rus. Uma vacina é eficiente para
80% dos indivı́duos expostos a uma epidemia. Uma pessoa não vacinada tem 90% de chance de ter gripe. Duas
pessoas, uma vacinada e outra não viajam separadamente para uma região epidêmica, sem ter contato com as mesmas
pessoas ou se encontrarem. Qual a probabilidade de que ao menos uma delas tenha a gripe?

Solução:

P (I) = 0, 60 ; P (Ḡ|V ) = 0, 8 ; P (G|V̄ ) = 0.90

P (ao menos 1 com gripe) = P1 (I ∩ G|V ) + P2 (I ∩ G|V̄ ) − P1 (I ∩ G|V ) · P2 (I ∩ G|V̄ ) =
= 0, 6 · 0, 2 + 0, 6 · 0, 9 − (0, 6 · 0, 2) · (0, 6 · 0, 9) = 0, 5952

162. O taxa de mortes por afogamento em finais de semana numa cidade praiana é de 2,5 para cada 100.000 habitantes. Faça
as suposições necessárias e encontre a probabilidade de que ocorram quatro ou mais afogamentos em um determinado
final de semana para o qual estima-se uma população de 350.000 habitantes.

Solução:

X : número de afogamentos para 350.000 habitantes

XB = B(n = 350.000, p = 2, 5/100.000)
XP ≈ P (λ = n · p = 8, 75)
P [X ≥ 4] = 1 − P [X ≤ 3] = 0, 975

163. Suponha que em um determinado paı́s estudos demográficos mostrem que em famı́lias constituı́das o tempo (em anos)
para concepção do primeiro filho, após o casamento, tem distribuição exponencial com parâmetro 0,35.

(a) Qual a probabilidade de uma famı́lia ter um filho(a) no primeiro ano de casamento?
(b) Qual a probabilidade de uma famı́lia ter um filho(a) apenas 5 anos após o casamento?
(c) Qual o tempo em anos até o qual espera-se que 80% das famı́lias tenham tido o primeiro filho(a)?
(d) Em quanto tempo espera-se que um novo casal tenha o seu primeiro filho(a)?
(e) Em quanto tempo espera-se que 50% das famı́lias tenham tido filho(a)?
Solução:

T ∼ Exp(λ = 0, 35)
f (t) = 0, 35e−0,35t I(0,∞ (t)
R1
(a) P [T < 1] = f (t)dt = 0, 295
R0∞
(b) P [T > 5] = 5 f (t)dt = 0, 174
Rt
(c) 0 f (t)dt = 0, 8 =⇒ t = 4, 6 anos
(d) E[T ] = 1/λ = 1/0, 35 = 2, 86 anos
Rt
(e) mediana: 0 f (t)dt = 0, 5 =⇒ t = 1, 98 anos

164. Suponha que o comprimento de camarões da espécie Litopenaeus schmitti tem, em condições normais para comercia-
lização, uma média de 6,0 cm e desvio padrão de 0,5 cm. Camarões abaixo de 5 cm são comercializados ao valor de
1 unidade monetária (u.m.). Entre 5 e 7,25 cm são comercializados ao valor de 1,5 u.m. e acima de 7,25 cm ao valor
de 3 u.m.. Qual o valor que se espera obter na venda de 50,000 indivı́duos?

Solução:

X ∼ N (µ = 6; σ 2 = (0, 5)2 )
Y : Valor de venda
E(Y ) = 1 · P [Y = 1] + 1, 5 · P [Y = 1, 5] + 3 ∗ P [Y = 3] =
= 1 · P [X ≤ 5] + 1, 5 · P [5 < X ≤ 7, 5] + 3 · P [X > 7, 25] =
= 1 · 0, 0228 + 1.5 · 0, 976 + 3 · 0, 00135 =
= 1, 49
Para 50.000 ind. : 74532

165. Um servidor registra conexões segundo um processo de Poisson com média de 3,5 conexões por minuto.

(a) Qual a probabilidade não receber conexões em um perı́odo de 1 minuto?

(b) Qual a probabilidade receber alguma conexão em um perı́odo de 2 minutos?
(c) Qual o tempo esperado entre conexões?
(d) A partir de um certo instante, qual o tempo para que, com probabilidade de 0,9, ocorra uma conexão?
(e) Qual o tempo que deve-se esperar até a 10a conexão?

Solução:

X ∼ P oisson(λ = 3, 5 conexões/min)

e−3,5 (3,5)0
(a) P [X = 0] = 0! = e−3,5 = 0, 0302
(b)

Xb ∼ P (λ = 7 conexões/(2 min))
P [Xb ≥ 1] = 1 − P [Xb = 0] = 1 − e−7 = 0, 999
(c) Se o número de conexões tem distribuição de Poisson, o tempo entre conexões tem distribuição exponencial pois:

T : tempo entre conexões

Xt ∼ P (δt · λ)
P [T > t] = P [Xt = 0] = e−λ =⇒ P [T ≤ t] = F (t) = 1 − e−λ =⇒ f (t) = λe−λt
E[T ] = 1/λ = 1/3, 5 = 0, 286 min = 17, 1 seg
Rt
(d) P [T < t] = 0, 9 =⇒ 0 f (t)dt = 0, 9 =⇒ t = 0, 658 min = 39, 5 seg
(e)

T10 : tempo até a 10 conexão

T10 ∼ Erlang(r = 10, λ = 3, 5)
E[T10 ] = r/λ = 10/3, 5 = 2, 86min = 171, 43seg

166. Sob condições normais, um sistema de radares de controle de velocidade registra em certo horário, em média, 3,2
multas por minuto. Faça suposições necessárias para calcular:

(a) a probabilidade de registrar mais que 5 multas por minuto;

(b) a probabilidade de não registrar nenhuma multa em 1 minuto;
(c) a probabilidade de registrar mais que mais que 25 multas em dez minutos;
(d) a probabilidade de registrar entre 30 e 40 multas em 10 minutos;
(e) passar 1 minuto sem registrar nenhuma multa;
(f) esperar no máximo 5 minutos até registrar a terceira multa.

Solução:

X ∼ P oi(λ = 3, 2 chamadas/minuto)

(a) P [X > 5] = 1 − P [X ≤ 5] = 0, 105

(b) P [X = 0] = 0, 041
(c)

X ∼ P oi(λ = 32) ≈ N (µ = 32, σ 2 = 32) (5)

P (XP oi > 25) ≈ P (XN > 25.5) = 0, 875 (6)

(d)

X1 ∼ Exp(λ = 3, 2) (7)
P (X1 ≥ 1) = 0, 041 (8)

(e)

X2 ∼ Erlang(κ = 3, λ = 3, 2) (9)
P (X1 ≤ 1) = 0 (10)

167. Um problema é proposto para dois alunos que tentam resolvê-lo independentemente. Um deles tem uma chance de
60% de conseguir resolver enquanto que o outro tem uma change de 35%. Qual a chance do problema ser resolvido?
Solução:
Eventos:
A - o primeiro aluno resolve o problema
B - o segundo aluno resolve o problema
ind
P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = P [A] + P [B] + P [A].P [B] = 0, 6 + 0, 35 − (0, 6)(0, 35) = 0, 74

168. Um escritório possui duas impressoras sendo que uma delas está disponı́vel para uso em 60% do tempo e a outra em
85% do tempo e funcionam independentemente uma da outra. Se em um momento voce tenta fazer a impressão um
arquivo, qual a probabilidade de conseguir a impressão naquele instante?

Solução:
Eventos:
A - a primeira impressora está disponı́vel
B - a segunda impressora está disponı́vel
ind
P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = P [A] + P [B] + P [A].P [B] = 0, 6 + 0, 85 − (0, 6)(0, 85) = 0, 94

169. Suponha que 10% dos clientes que compram a crédito em uma loja deixam de pagar suas prestações. Se em um
particular dia a loja vende a crédito para 10 pessoas, qual a probabilidade de 20% delas deixem de pagar suas
prestações?

Solução:

X : Número de clientes que deixam de pagar

X ∼ Bin(n = 10, p = 0, 10)

10
P [X = 2] = (0, 10)2 (1 − 0, 10)8 = 0, 19
2

170. Em um sistema de transmissão de dados, existe uma probabilidade igual a 0,05 de um lote de dados ser transmitido
erroneamente. Foram transmitidos 20 lotes de dados para realização de um teste de confiabilidade do sistema. (i)
qual o modelo de probabilidade adequado para o problema? Justifique. (ii) qual a probabilidade de haver erro na
transmissão? (iii) qual a probabilidade de que haja erro em exatamente 2 dos 20 lotes de dados? (iv) qual o número
esperado de erros em transmissões de 20 dados?

Solução:

X : Número de lotes transmitidos com erro

X ∼ Bin(n = 20, p = 0, 05)

• Binomial: 20 ensaios de Bernoulli, assumidos como independentes, com probabilidade de ”sucesso”(transmissão

com erro) constante
• P [X ≥ 1] = 1 − P [X = 0] = 1 − 0, 358 = 0, 642
• P [X = 2] = 0, 189
• E[X] = n.p = 20(0, 05) = 1
171. Duas pessoas contratam um seguro de vida e deseja-se verificar as probabilidades de sobrevivência por um perı́odo
de 25 anos. De acordo com tábuas de vida e caracterı́sticas dos indivı́duos, a chance de um deles estar vivo daqui
25 anos é de 70% enquanto que para o outro esta chance é de 50%. Determinar as probabilidades de que daqui a 25
anos:
• ambos estejam vivos;
• nenhum deles esteja vivo;
• apenas um deles esteja vivo.

Solução:
Eventos:
A - a primeira pessoa está viva após 25 anos. P [A] = 0.70
B - a segunda pessoa está viva após 25 anos. P [B] = 0.50

ind
• P [A ∩ B] = P [A].P [B] = (0, 70)(0, 50) = 0, 35
ind
• P [Ā ∩ B̄] = P [Ā].P [B̄] = (0, 30)(0, 50) = 0, 15
ou P [Ā ∩ B̄] = 1 − P [A ∪ B]

Ind/[Link].
• P [(A ∩ B̄) ∪ (Ā ∩ B)] = P [A].P [B̄] + P [Ā].P [B] = (0, 7)(0, 5) + (0, 3)(0, 5) = 0, 5
ou 1 − P [A ∩ B] − P [Ā ∩ B̄]

172. Em um processo de seleção, após diversas fases 12 engenheiras e 8 engenheiros foram classificados. Como só haviam
três vagas foi feito um sorteio entre os classificados.
• defina uma variável aleatória adequada e obtenha sua distribuição de probabilidades;
• qual a a probabilidade do grupo selecionado ter todos os indivı́duos do mesmo sexo?
• sabendo que todos os selecionados são do mesmo sexo, qual a probabilidade de serem todas mulheres?

Solução:

• X : Número de mulheres selecionadas X ∼ HG(N = 20, K = 12, n = 3)

• P [X = 0] + P [X = 3] = 0, 24
• P [X = 3|(X = 0 ∪ X = 3)] = P [X = 3]/(P [X = 0] + P [X = 3]) = 0, 8

173. Em uma classe de Português para estrangeiros, 6 tem nacionalidade peruana, 5 são argentinos e 4 chilenos. Para dois
alunos escolhidos ao acaso, qual a probabilidade de não terem a mesma nacionalidade?

Solução:
P: peruano ; A: argentino ; C: chileno
Prob = P (P, A) + P (P, C) + P (A, C) + P (A, P ) + P (C, P ) + P (C, A)
6 5 6 4 5 4 5 6 4 6 4 5
= . + . + . + . + . + .
15 14 15 14 15 14 15 14 15 14 15 14
= 0, 7
ou
Prob = 1 − P (P, P ) − P (A, A) − P (C, C)
6 5 5 4 4 3
=1− . − . − .
15 14 15 14 15 14
= 0, 7
174. Um grupo de 4 homens e 4 mulheres é dividido por sorteio em dois grupos de 4 pessoas. Determina a probabilidade
de cada grupo ficar com o mesmo número de mulheres.

Solução:
4
4
2
P [2, 2] = 2 = 0, 51
8
4

175. Seja uma função de densidade de probabilidade dada por:

 x
 9 , 0≤x<3;
1
f (x) = (6 − x) , 3≤x<6;
 9
0 caso contrário

• mostre que f (x) é uma função de densidade de probabilidade válida;

• calcule P [X > 2]
• calcule P [X > 4, 5]
• calcule P [X < 2|X > 1]

Solução:
0,30
0,25
0,20
f(x)
0,15 0,10
0,05
0,00

0 2 4 6
x

R6 6.(1/3)
• 0 f (x)dx = 2 =1
R6 R2 2.(2/9)
• P [X > 2] = 2 f (x)dx = 1 − 0 f (x)dx = 1 − 2 = 0, 78
R6
• P [X > 4, 5] = 4,5 f (x)dx = 1,5.((6−4,5)/9)
2 0, 12 =
R2 R6
• P [X < 2|X > 1] = P [1 < X < 2]/P [X > 1] = 1 f (x)dx/ 1 f (x)dx = 0, 17/0, 94 = 0, 18

176. Seja uma função de densidade de probabilidade dada por:



 −x/2 , −1 ≤ x ≤ 0 ;
x/2 , 0<x≤1;

f (x) =

 1/2 , 1<x≤2;
0 caso contrário

• mostre que f (x) é uma função de densidade de probabilidade válida;
• calcule P [X < 0, 5]
• calcule P [X > −0, 5]
• calcule P [X < 1, 5|X > 0]

Solução:

0,5
0,4
0,3
f(x)
0,2
0,1
0,0

−2 −1 0 1 2 3
x

R2
• −1 f (x)dx= 0, 25 + 0, 25 + 0, 5 = 1
R 0,5
• P [X < 0, 5] = −1 f (x)dx = 0, 25 + (0, 5).(0, 5/2)/2 = 0, 3125
R2
• P [X > −0, 5] = −0,5 f (x)dx = (−0, 5).(−0, 5/2)/2 + (1).(0, 5)/2 + 0, 5 = 0, 8125
R 1,5 R2
• P [X < 1, 5|X > 0] = P [0 < X < 1, 5]/P [X > 0] = 0 f (x)dx/ 0 f (x)dx = 0, 5/0, 75 = 0, 67

177. Em um laticı́nio, a temperatura ideal do pasteurizador deve ser de 75◦ C. Se a temperatura ficar inferior a 70◦ C, o
leite poderá ficar com bactérias indesejáveis ao organismo humano. Observações do processo mostram que na forma
de operação atual os valores da temperatura seguem uma distribuição normal com média de 74, 2◦ C e desvio padrão
de 2, 2◦ C.

(a) qual a probabilidade da temperatura ficar inferior a 70◦ C?

(b) qual a probabilidade da temperatura ultrapassar os 75◦ C desejados?
(c) qual a probabilidade de que em 20 pasteurização, alguma(s) dela(s) não atinja a temperatura de 70◦ C?
(d) deseja-se regular equipamentos para alterar a temperatura média do processo para que a probabilidade de ficar
inferior a 70◦ C seja de no máximo 0,0005. Qual deveria ser a nova média de operação?
(e) suponha agora que a nova média de operação seja de 74, 5◦ C. Deseja-se então alterar o desvio padrão para
satisfazer as condições do ı́tem anterior. Qual deve ser o novo desvio padrão de operação?

Solução:

X : temperatura do pasteurizador
X ∼ N (74, 2; 2.22 )

(a) P [X < 70] = P [Z < (70 − 74, 2)/2.2] = 0, 0281

(b) P [X > 75] = P [Z < (75 − 74, 2)/2.2] = 0, 3581
(c)

Y : número de pasteurizações que não atingem 70◦

Y ∼ Bin(20, p)
p = P [X < 70] = 0, 0281
P [Y ≥ 1] = 1 − P [Y = 0] = 0, 435

(d)

P [X < 70|µ0 ] = 0, 0005

z0,0005 = (x − µ0 )/σ
−3, 291 = (70 − µ0 )/2, 2
µ0 = 70 − 2, 2(−3, 291) = 77, 26

(e) suponha agora que a nova média de operação seja de 74, 5◦ C. Deseja-se então alterar o desvio padrão para
satisfazer as condições do ı́tem anterior. Qual deve ser o novo desvio padrão de operação?

P [X < 70|σ0 ] = 0, 0005

z0,0005 = (x − 74, 2)/σ0
−3, 291 = (70 − 74, 2)/σ0
σ0 = (70 − 74, 2)/(−3, 291) = 1, 28

178. Uma empresa fabrica dois monitores de vı́deo, M 1 e M 2. Supõe-se que as durabilidades possuem distribuição normal,
sendo a média de 6 anos e o desvio padrão de 2,3 anos para o monitor M 1 e média de 8 anos com desvio padrão de
2,8 anos para M 2. M 1 tem 2 anos de garantia e M 2 tem 3 anos. A empresa lucra R$100,00 a cada M 1 vendido
e R$200,00 a cada M 2 vendido, mas, se deixarem de funcionar no perı́odo da garantia, perde R$300,00 para M 1 e
R$800,00 para M 2. Em média, qual modelo de monitor gera mais lucro para a empresa?

Solução:

F1 : tempo de vida para modelo M 1 F2 : tempo de vida para modelo M 2

2 2
M1 ∼ N (6, 2, 3 ) M2 ∼ N (8, 2, 8 )
F1 : falha durante garantia de M1 F2 : falha durante garantia de M2
F1 ∼ Ber(p1 = P [M1 < 2] = 0, 041) F2 ∼ Ber(p2 = P [M2 < 3] = 0, 037)
L1 : lucro com M1 L2 : lucro com M2

l1 -300 100 l2 -800 200

P [L1 − l1 ] p1 1 − p1 P [L2 − l2 ] p2 1 − p2

E(L1 ) = (1 − p1 )(100) + p1 (−300) = 83, 6

E(L2 ) = (1 − p2 )(200) + p2 (−800) = 162, 9

179. A vida útil de um certo componente eletrônico é, em média, 10.000 horas e apresenta distribuição exponencial.

(a) Qual a probabilidade de algum componente falhar antes de 10.000 horas?

(b) Após quantas horas se espera que 25% dos componentes tenham falhado?
Solução:

X : vida útil (hrs)

X ∼ Exp(λ = 1/10000)
f (x) = λ exp{−λx}
R 10000
(a) P [X < 10.000] = 0 f (x)dx = 0, 632
Rt
(b) P [X < t] = 0, 25 −→ 0 f (x)dx = 0, 25 −→ t = 2877

180. Sabe-se que o soro da verdade, quando ministrado a um suspeito, é 90% eficaz quando a pessoa é culpada e 99%
eficaz quando é inocente. Em outras palavras, 10% dos culpados são julgados inocentes, e 1% dos inocentes é julgado
culpado. Se o suspeito foi retirado de um grupo em que 95% jamais cometeram qualquer crime, e o soro indica
culpado, qual a probabilidade de o suspeito ser inocente?

Solução:

C : comete crime; P [C] = 0, 05; P [C̄] = 0.95;

181. Um meteorologista acerta 80% dos dias em que chove e 90% dos dias em que faz bom tempo. Chove em 10% dos
dias. Tendo havido previsão de chuva, qual a probabilidade de chover?

Solução:

C : chove em um dia; P [C] = 0, 10; P [C] = 0.90

Solução alternativa, organizando dados na forma de uma tabela:

Ocorrência
Previsão Chove (C) Não chove (C) Probabilidade
com chuva (Pc ) P [Pc ∩ C] = 0, 80 · 0, 10 P [Pc ∩ C] = 0, 09 0,17
sem chuva (PC ) P [Pc ∩ C] = 0, 02 P [Pc ∩ C] = 0, 90 · 0, 90 0,83
Probabilidade 0,10 0,90 1

182. A probabilidade de que João resolva esse problema é 1/3, e a de que José resolva é 1/4. Se ambos tentarem resolver
independentemente, qual a probabilidade de que o problema seja resolvido?
Solução:

A : João resolve P (A) = 1/3

B : José resolve P (B) = 1/4

ind 1 1 1 1 6
P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = P [A] + P [B] − P [A] · P [B] = + − = = 0, 5
3 4 3 4 12

183. Um vendedor de automóveis sabe que o número de carros vendidos por dia em sua loja comporta-se como uma v.a.
de Poisson cuja média é 2 nos dias de tempo bom, e é 1 nos dias chuvosos. Se em 70% dos dias faz tempo bom, qual
é a probabilidade de que em certo dia do ano sejam vendidos pelo menos 3 automóveis?

Solução:

Y : número de vendidos ; P [Y = y] = e−λ λx /x!

C : chuva ; P [C̄] = 0, 70; P [C] = 0, 30
Y |C̄ ∼ P (λ = 2) ; Y |C ∼ P (λ = 1)
e−1 10 e−1 11 e−1
P [Y ≥ 3] = 1 − P [Y = 0] − P [Y = 1] − P [Y = 2] = P [Y ≥ 3|C̄] · P [C̄] + P [Y ≥ 3|C] · P [C] = (1 − + +
0! 1! 2

184. O tempo de reação de um motorista a um estı́mulo visual tem distribuição normal com média de 0,4 segundos e desvio
padrão de 0,05 segundos?
(a) Qual a probabilidade que submetido a um estı́mulo o tempo de reação seja superior a 0,5 segundos?
(b) Qual a probabilidade que a reação esteja entre 0,4 e 0,5 segundos?
(c) Qual o tempo de reação que é excedido em 90% das vezes?
(d) Entre quais valores ao redor do tempo médio espera-se encontrar o tempo de reação em 50% dos casos?

Solução:

X : tempo de reação
X ∼ N(0, 4; 0.052 )
0,5−0,4
(a) P [X > 0, 5] = P [Z > 0.05 ] = 0, 0228
(b) P [0, 4 < X < 0, 5] = P [ 0,4−0,4 0,5−0,4
0.05 < Z < 0.05 ] = P [0 < Z < 2] = 0, 4772
(c)
P [X > c] = 0.90
c − 0, 4
P [Z > ] = 0.90
0, 05
c − 0, 4
z = −1, 282 =
0, 05
c = 0, 34

(d)
P [d1 < X < d2 ] = P [|X − µ| < d] = 0.50
d = 0, 674 · 0, 05 = 0, 034
d1 = 0, 4 − d = 0, 366
d2 = 0, 4 + d = 0, 434
(0, 366, 0, 434)
185. Um escritório possui duas impressoras sendo que uma delas está disponı́vel para uso em 60% do tempo e a outra em
85% do tempo e funcionam independentemente uma da outra. Se em um momento voce tenta fazer a impressão um
arquivo, qual a probabilidade de conseguir a impressão naquele instante?

186. Em um sistema de transmissão de dados, existe uma probabilidade igual a 0,05 de um lote de dados ser transmitido
erroneamente. Foram transmitidos 20 lotes de dados para realização de um teste de confiabilidade do sistema.

• qual o modelo de probabilidade adequado para o problema? Justifique.

• qual a probabilidade de haver erro na transmissão?
• qual a probabilidade de que haja erro em exatamente 2 dos 20 lotes de dados?
• qual o número esperado de erros em transmissões de 20 dados?

Solução:

X : Número de lotes transmitidos com erro

X ∼ Bin(n = 20, p = 0, 05)

• Binomial: 20 ensaios de Bernoulli, assumidos como independentes, com probabilidade de ”sucesso”(transmissão

com erro) constante
• P [X ≥ 1] = 1 − P [X = 0] = 1 − 0, 358 = 0, 642
• P [X = 2] = 0, 189
• E[X] = n.p = 20(0, 05) = 1

187. A vida útil de certo componente eletrônico é, em média, 10.000 horas e apresenta distribuição exponencial.

• Qual é a porcentagem esperada de componentes que apresentarão falhas em menos de 10.000 horas?
• Após quantas horas se espera que 25% dos componentes tenham falhado?

Solução:

X : vida útil (hrs)

E[X] = 10.000
X ∼ Exp(λ = 1/10.000)
f (x) = λ exp{−λx}

• 100 × P [X < 10.000] = 100 ∗ 0, 632 = 63, 2 %

RT
• 0 f (x)dx = 0.25 −→ T = 2877 hrs
188. O tempo para que um sistema computacional execute determinada tarefa é uma variável aleatória com distribuição
normal, com média 320 segundos e desvio padrão de 7 segundos.

• Qual a probabilidade da terefa ser executada entre 310 e 330 segundos?

• Se a tarefa é colocada para execução 200 vezes, qual a probabilidade de ela demorar mais que 325 segundos em
pelo menos 50 vezes?

Solução:

X : tempo de execução (seg)

X ∼ N(µ = 320, σ 2 = 72 )

• P [310 < X < 330] = P [ 310−320

7 <Z< 330−320
7 ] = 0, 85
•
325 − 320
P [X > 325] = P [Z > ] = 0, 238
7
Y : número de vezes que demora mais que 325 seg
Y ∼ Bin(n = 200, p = P [X > 325] = 0, 238) ≈ N(µ = n.p = 47, 5, σ 2 = n.p.(1 − p) = 11, 3)
P [YB ≥ 50] = P [YN ≥ 49, 5] = 0, 37

189. Uma rede local de computadores é composta por um servidor e cinco clientes (A, B, C, D e E). Registros anteriores
indicam que dos pedidos de determinado tipo de processamento, realizados através de uma consulta, cerca de 10% vem
do cliente A, 15% do B, 15% do C, 40% do D e 20% do E. Se o pedido não for feito de forma adequada, o processamento
apresentará erro. Usualmente, ocorrem os seguintes percentuais de pedidos inadequados: 1% do cliente A, 2% do B,
0,5 % do C, 2% do D e 8% do cliente E.

• Qual a probabilidade de o sistema apresentar erro?

• Qual é a probabilidade do processo ter sido solicitado pelo cliente E, sabendo que apresentou erro?

Solução:

I : pedido inadequado
A : requisição do cliente A ; P [A] = 0.10 ; P [I|A] = 0.01
B : requisição do cliente B ; P [B] = 0.15 ; P [I|B] = 0.02
C : requisição do cliente C ; P [C] = 0.15 ; P [I|C] = 0.005
D : requisição do cliente D ; P [D] = 0.40 ; P [I|D] = 0.02
E : requisição do cliente E ; P [E] = 0.20 ; P [I|E] = 0.08

P [E∩I] P [E].P [I|E] 0,016

• P [E|I] = P [I] = P [I] = 0,02875 = 0, 56
190. A duração do ”tonner”da uma impressora pode ser modelada pela distribuição normal com média 10.000 cópias e
desvio padrão de 1.200 cópias. Em uma amostra de 12 impressoras a duração do ”tonner”será anotada e pergunta-se
a probabilidade da média destes ser:

(a) inferior a 9.000 cópias;

(b) superior a 10.500 cópias;
(c) entre 9.200 e 10.000 cópias.

Solução:

X : duração do tonner (em número de cópias)

X ∼ N (µ = 10.000, σ 2 = 1.2002 )
amostra : n = 12
X̄ ∼ N (µ = 10.000, σ 2 = 1.2002 /12)
9.000−10.000
(a) P [X̄ < 9.000] = P [Z < √
1.200/ 12
] = 0, 0019
10.500−10.000
(b) P [X̄ > 10.500] = P [Z < √
1200/ 12
] = 0, 0745
(c) P [9.200 < X̄ < 10.000] = P [ 9.200−10.000
√
1.200/ 12
<Z< 10.000−10.000
√
1.200/ 12
] = 0, 4895

191. O tempo de processamento de certo tipo de requisição tem distribuição normal com média de 10 segundos e variância
de 4 segundos. Sob as suposições convenientes, qual a probabilidade de que uma sequência de 9 requisições tenha
duração superior a 91 segundos?

Solução:

192. Seja uma função de densidade de probabilidade dada por:

 1
 10 , −2 ≤ x < 0 ;
1 3x
f (x) = + , 0≤x<5;
 10 125
0 caso contrário

• mostre que f (x) é uma função de densidade de probabilidade válida;

• calcule P [X > 1]
• calcule P [−0, 5 < X < 4, 5]
• calcule P [X < 3|X > −1]

Solução:

R5
• −2 f (x)dx
1
= 2 10 + 52 ( 10
1 3.5
+ 125 )=1
R5
• P [X > 1] = 1 f (x)dx = 0, 69
R 4,5
• P [−0, 5 < X < 4, 5] = −0,5 f (x)dx = 0, 74
R3
P [−1<X<3] f (x)dx 0,51
• P [X < 3|X > −1] = P [X>−1] = R−1
5 = 0,9 = 0, 56
−1 f (x)dx
1,0
0,20

0,8
0,15

0,6
F(x)
f(x)
0,10

0,4
0,05

0,2
0,00

0,0
−2 0 2 4 6 −2 0 2 4 6
x x

Soluções alternativas usando F (x)


(x+2)

 10 , −2 ≤ x < 0 ;
F (x) = 2 x 3x2
 10 + 10 + 250 , 0≤x<5;
 0 caso contrário
R5
• −2 f (x)dx
= F (5) = 1
R5
• P [X > 1] = 1 f (x)dx = 1 − F (1) = 0, 69
R 4,5
• P [−0, 5 < X < 4, 5] = −0,5 f (x)dx = F (4, 5|) − F (−0, 5) = 0, 74
R3
f (x)dx P [−1<X<3] F (3)
• P [X < 3|X > −1] = R−1
5 == P [X>−1] = 1−F (−1) = 0, 68
−1 f (x)dx

Soluções computacionais (com o programa R):

Usando f (x):

> fx <- function(x){

+ y <- numeric(length(x))
+ y <- ifelse(x>=-2 & x<0, 1/10, y)
+ y <- ifelse(x>=0 & x<=5, (1/10) + (3*x/125), y)
+ y
+ }
> curve(fx, -3, 6, ylab="f(x)")
> (ia <- integrate(fx, -2, 5)[[1]])

[1] 1

> (ib <- integrate(fx,1,5)[[1]])

[1] 0,688

> (ic <- integrate(fx,-0.5, 4.5)[[1]])

[1] 0,743
> (id <- integrate(fx,-1,3)[[1]]/integrate(fx,-1,5)[[1]])

[1] 0,5644

Usando F (x):

> Fx <- function(x){

+ y <- numeric(length(x))
+ y <- ifelse(x>=-2 & x<0, (x+2)/10, y)
+ y <- ifelse(x>=0 & x<=5, 0.2 + (x/10) + (3*x^2/250), y)
+ y <- ifelse(x>5, 1, y)
+ y
+ }
> Fx(5)

[1] 1

> curve(Fx, -3, 6, ylab="F(x)")

> (iaa <- Fx(5))

[1] 1

> (iba <- 1 - Fx(1))

[1] 0,688

> (ica <- Fx(4.5) - Fx(-0.5))

[1] 0,743

> (ida <- Fx(3)/(1-Fx(-1)))

[1] 0,6756

193. Supondo que a expectativa de vida, em anos, tenham distribuição exponencial com média de 60 anos:

(a) Determine, para um indivı́duo escolhido ao acaso, a probabilidade de viver pelo menos até os 70 anos.
(b) Idem para morrer antes dos 70, sabendo que o indivı́duo acabou de completar 50 anos.
(c) Calcule o valor de m tal que P (X > m) = 1/2.

Solução:

X : expectativa de vida (em anos)

X ∼ Exp(1/60)
1
f (x) = exp{−x/60}I0,∞ (x)
60
R∞
(a) P [X ≥ 70] = 70 f (x)dx = 0, 311
R 70
P [50<X≤70] f (x)dx
(b) P [X ≤ 70|X > 50] = P [X>50] = R50
∞ = 0, 283
50 f (x)dx

ou, usando a propriedade de falta de memória:

P [X ≤ 70|X > 50] = P [0 < X < 20] = 0, 283
R∞
(c) m f (x)dx = 0, 5 −→ m = 41, 6

194. Suponha que o volume, em litros, de uma garrafa de refrigerante tenha distribuição normal com parâmetros µ = 1 e
σ 2 = 9x10−4 . Se três garrafas forem sorteadas ao acaso, pergunta-se a probabilidade de:

(a) Todas terem pelo menos 980 ml?

(b) Não mais que uma ficar com volume inferior a 980 ml?

Solução:

X : volume (em litros)

X ∼ N(µ = 1, σ 2 = 9x10−4 )
Y : número de garrafas com volume inferior a 980 ml (0,98 l)
Y ∼ Bin(n = 3, p)
0,980−1
p = P [X < 0, 980] = P [Z < 0,03 ] = P [Z < −0, 67] = 0, 2525

(a) P [Y = 0] = (1 − p)3 = 0, 418

(b) P [Y ≤ 1] = P [Y = 0] + P [Y = 1] = (1 − p)3 + 3 · p · (1 − p)2 = 0, 841

195. (Andrade e Ogliari, 2007) Um estudo de uma tribo no Brasil revelou que 75% dos seus integrantes tinham sangue
tipo A, e o restante tinha sangue tipo O; 60% de toda a população tinha fator RH − , enquanto que 30% tinha sangue
tipo A com RH + . Usando estas informações encontre a probabilidade que um membro da tribo tenha:

(a) sangue tipo A ou RH +

(b) sangue tipo A e RH −
(c) RH + mas não sangue do tipo A
(d) sangue tipo O e RH −

Solução:

P [A] = 0, 75 ; P [O] = 0, 25 ; P [−] = 0, 60 ; P [A ∩ +] = 0, 30

(a) P [A ∪ +] = 0, 85
(b) P [A ∩ −] = 0, 45
(c) P [+ ∩ Ā] = 0, 10
(d) P [O ∩ −] = 0, 15

A O Total
RH + 0,30 0,10 0,40
RH − 0,45 0,15 0,60
Total 0,75 0,25 1

196. O diâmetro de certo tipo de anel industrial é uma v.a., de média 0,10 cm e desvio padrão 0,02 cm. Se o diâmetro de
um anel diferir da média em mais que 0,03 cm ele é vendido por R$5,00; caso contrário, é vendido por R$10,00. Qual
o preço esperado de venda de um lote de 500 anéis?
Solução:

X : diâmetro do anel
X ∼ N (µ = 0, 10; σ 2 = 0, 022 )
Y : preço da peça
y1 = 5 com probabilidade (1 − p) e y2 = 10 com probabilidade p
Y ∼ B(p = P [|X − µ| < 0, 03])
0, 07 − 0, 10 0, 13 − 0, 10
p = P [|X − µ| < 0, 03] = P [0, 07 < X < 0, 13] = P [ <Z< ] = 0, 8664
0, 02 0, 02
X
Preço esperado = 500 · E[Y ] = 500 Yi · P [Y = yi ] = 500 · [5 · (1 − p) + 10 · p] = 4665, 96

197. Um dado é viciado de forma que um número par é duas vezes mais provável que um número impar. Encontre a
probabilidade de que em um lançamento:
(a) um número par ocorra;
(b) um número primo ocorra;
(c) número primo par ocorra.

Solução:
x 1 2 3 4 5 6
P(X=x) 1/9 2/9 1/9 2/9 1/9 2/9
(a) P (X = 2 ∪ X = 4 ∪ X = 6) = P (X = 2) + P (X = 4) + P (X = 6) = 6/9 = 0, 667
(b) P (X = 2 ∪ X = 3 ∪ X = 5) = P (X = 2) + P (X = 3) + P (X = 5) = 4/9 = 0, 444
(c) P (X = 2) = 2/9 = 0, 222

198. Considere um experimento que consiste em contar o número de partı́culas alfa emitidas por segundo, por um grama
de material radioativo. Sabe-se por experiências passadas que, em média, 2,3 de tais partı́culas são emitidas por
segundo. Faça as suposições razoáveis e necessárias e determine a probabilidade de que não mais que 3 partı́culas alfa
seja emitidas em um intervalo de 2 segundos.

Solução:

X : número de partı́culas em dois segundos

X ∼ P oi(λ = 4, 6)
e−4,6 4, 60 e−4,6 4, 61 e−4,6 4, 62 e−4,6 4, 63
P [X ≤ 3] = P [X = 0] + P [X = 1] + P [X = 2] + P [X = 3] = + + + = 0, 3257
0! 1! 2! 3!
Solução computacional (com o programa R):
> ppois(3, lam=4.6)

[1] 0,3257

199. A probabilidade de que um aluno saiba a resposta de uma questão de um exame de múltipla escolha é p. Há m
respostas possı́veis para cada questão, das quais apenas uma é correta. Se o aluno não sabe a resposta para uma dada
questão, ele escolhe ao acaso uma das m respostas possı́veis.
(a) qual a probabilidade de o aluno responder corretamente uma questão?
(b) se o aluno respondeu corretamente a questão, qual a probabilidade de que tenha chutado a resposta?
Solução:
S : sabe; S̄ : não sabe; A : acerta; Ā : não acerta
p(m−1)+1
(a) P [A] = P [A ∩ S] + P [A ∩ S̄] = P [S] · P [A|S] + P [S̄] · P [A|S̄] = p(1) + (1 − p)(1/m) = m
P [S̄∩A] P [S̄]·P [A|S̄] (1−p)/m 1−p
(b) P [S̄|A] = P [A] = P [A] = (p(m−1)+1)/m = p(m−1)+1

200. Suponha que um componente eletrônico tenha um tempo de vida (em unidades de 1000 horas) que é considerado uma
variável aleatória com função de densidade de probabilidade f (x) = e−x I(0,+∞) (x). Suponha também que o custo de
fabricação de um item seja de R$ 2,00 e o preço de venda seja de R$5,00. O fabricante garante a devolução total do
dinheiro se x ≤ 0, 9. Qual o lucro esperado do fabricante em 10.000 itens a serem produzidos?

Solução:

X : tempo de vida
X ∼ Exp(λ = 1)
Y : lucro por item

y -2,00 3,00
P [Y = y] P [X < 0, 9] = 0, 59343 P [X ≥ 0, 9] = 0, 40657
10, 000 · E[X] = 10000(−2(0, 59343) + 3(0, 40657)) = 328, 48

201. Uma construtora emprega 3 engenheiros de avaliação e venda. Cada um deles estima 30, 20 e 50% das avaliações de
custos de construção da companhia. A probabilidade de cada um deles cometer um erro sério de avaliação são de 0,01;
0,03 e 0,02; respectivamente. Se um custo foi estimado com erro sério, qual dentre os engenheiros é o mais provável
de ter feito a avaliação Responda calculando e comparando as chances do erro ter sido de cada um deles.

Solução:

I : engenheiro 1 avalia; II : engenheiro 2 avalia; III : engenheiro 3 avalia

202. O retrospecto mostra que um jogador de basquete tem uma probabilidade de 0,75 de acertar um lance livre. Se este
jogado vai arremessar cinco lances livres qual a probabilidade de acertar:
(a) todos
(b) nenhum
(c) pelo menos 3

Solução:

X : número acertos
X ∼ Bin(n = 5, p = 0, 75)

(a) P [X = 5] = (0, 75)5 = 0, 2373

(b) P [X = 0] = (0, 25)5 = 0, 001
(c) P [X ≥ 3] = P [X = 3] + P [X = 4] + P [X = 5] = 0, 8965

Solução computacional (com o programa R):

> (ita <- dbinom(5, size=5, prob=0.75))

[1] 0,2373

> (itb <- dbinom(0, size=5, prob=0.75))

[1] 0,0009766

> (itc <- pbinom(2, size=5, prob=0.75, lower=FALSE))

[1] 0,8965

203. Os escores obtidos em um exame de proficiência se distribuem segundo a distribuição normal com média 400 e desvio
padrão 45.

(a) Qual a porcentagem de pessoas com escores acima de 350?

(b) Qual a porcentagem de pessoas com escores entre 450 e 500?
(c) Qual a porcentagem de pessoas com escores que não se afastem da média mais do que 30?
(d) Qual valor deve ter 80% dos escores abaixo dele?
(e) Mantendo-se a mesma média, quanto deveria ser o desvio padrão ter 10% dos escores acima de 500?

X : escores no exame e proficiência

X ∼ N (400, 452 )
350−400
(a) P [X > 350] = P [Z > 45 ] = P [Z > −1, 111] = 0, 8667 −→ 86, 67%
(b) P [450 < X < 500] = P [ 450−400
45 < Z < 500−400
45 ] = P [1, 11 < Z < 2, 22] = 0, 1201 −→ 12, 01%
(c) P [|X − 400| < 30] = P [370 < X < 430] = P [ 370−400
45 < Z < 430−400
45 ]= P [−0, 667 < Z < 0, 667] == 0, 495 −→
49, 5%
a−400
(d) P [X < a] = 0, 8 −→ z = 0, 842 = 45 −→ a = 437, 9
500−400
(e) P [X > 500|µ = 400, σ] = 0, 1 −→ z = 1, 28 = σ −→ σ = 78

Solução computacional com o programa R:

> (ita <- round(pnorm(350, 400, 45, low=F),dig=4))

[1] 0,8667
> (itb <- round(diff(pnorm(c(450, 500), 400, 45)),dig=4))

[1] 0,1201

> (itc <- round(diff(pnorm(c(370, 430), 400, 45)),dig=4))

[1] 0,495

> (itd <- round(qnorm(0.8, 400, 45), dig=1))

[1] 437,9

> (ite <- round((500-400)/qnorm(0.90), dig=1))

[1] 78

204. Uma empresa de televisores garante a restituição da quantia paga para aparelhos que apresentar algum defeito grave
no prazo de seis meses. A empresa produz aparelhos do tipo A (comum), e do tipo B (luxo), com lucro de R$ 1.000,00
e R$2.000,00 respectivamente, se não houver devolução, e com prejuı́zo de R$3.000,00 e R$8.000,00 respectivamente,
se houver devolução. Suponha que o tempo para ocorrência de algum defeito grave seja, em ambos os casos uma
variável aleatória com distribuição normal, respectivamente com médias de 9 e 12 meses e variâncias 4 e 9 meses.

(a) Qual a probabilidade de haver devolução para cada um dos modelos?

(b) Se tivesse que planejar uma estratégia de marketing para a empresa, voce incentivaria a venda do tipo A ou do
tipo B. Justifique apresentando cálculos adequados.
(c) De quanto deveria ser o tempo médio para apresentar defeito grave do modelo B para que a probabilidade de
devolução fosse a mesma do tipo A? (suponha variâncias e média do tipo A inalteradas.)
(d) Com as médias e variância do modelo A originais, quanto deveria ser o desvio padrão dos aparelhos do tipo B
para que os modelos tivessem o mesmo lucro esperado?

Solução:

XA : tempo para o modelo A apresentar defeito grave ; XA ∼ N (9, 4)

XB : tempo para o modelo B apresentar defeito grave ; XB ∼ N (12, 9)

(a)
6−9
P [XA < 6] = P [Z < ] = P [Z < −1, 5] = 0, 0668
2
6 − 12
P [XB < 6] = P [Z < ] = P [Z < −2] = 0, 0228
3
(b)

L1 : lucro com M1 L2 : lucro com M2

l1 -3000 1000
P [L1 = l1 ] p1 = P (XA < 6) = 0, 0668 1 − p1 = 0, 9332
l2 -8000 2000
P [L2 = l2 ] p2 = P (XB < 6) = 0, 0228 1 − p2 = 0, 9772

E(L1 ) = (1 − p1 )(1000) + p1 (−3000) = 732, 8

E(L2 ) = (1 − p2 )(2000) + p2 (−8000) = 1772, 5
6−µB
(c) z = −1, 5 = 3 −→ µB = 10, 5
(d)

E(L2 ) = E(L1 ) = 732, 8

(1 − p2 )(2000) + p2 (−8000) = 732, 8
p2 = P [XB < 6] = (1 − p2 )(2000) + p2 (−8000) = (2000 − 732, 8)/10000
6 − 12
z = −1, 14 =
σB
σB = 5, 3

205. Uma editora envia livros de divulgação com caixas com três unidades. O peso dos livros tem distribuição normal
de média 400 gramas e desvio padrão de 60 gramas e a caixa pesa 200 gramas. Se os livros são escolhidos ao acaso
calcule:

(a) a probabilidade de que uma caixa a ser enviada pese mais que 1,5 quilos;
(b) o custo esperado para envio de 1.000 caixas sabendo-se que paga-se R$5,00 para caixas acima de 1,5 quilos,
R$3,00 para caixas entre 1,25 e 1,5 quilos, e R$ 2,00 para caixa abaixo de 1,25 quilos.

Solução:

XA : peso do livro ; XA ∼ N (400, 602 )

C : custo por caixa

c 2,00 3,005,00
P [C = c] p1 p2 p3
1250 − 1400
p1 = P [C < 1250] = P [Z < ] = P [Z < −0, 83] = 0, 2023
180
1250 − 1400 1500 − 1400
p2 = P [1250 < C < 1500] = P [ <Z< ] = P [−0, 83 < Z < 0, 56] = 0, 5084
180 180
p3 = P [Xc > 1500] = 0, 2893
1000E[C] = 2, 00p1 + 3, 00p2 + 5, 00p3 = 3376, 19

206. Para se ajustar uma máquina, a correia deve ter entre 60 e 62 cm de comprimento. Tendo em vista o processo de
fabricação, o comprimento destas correia pode ser considerado como uma variável aleatória com distribuição normal,
de média 60,7 e desvio padrão 0,8 cm. Pergunta-se:

X : comprimento da correia
X ∼ N(60, 7; 0.82 )
X̄4 ∼ N(60, 7; 0.82 /4)

(a) P [correia poder ser usada] = P [60 < X < 62] = P [ 60−60,7
0.8 <Z< 62−60.7
0.8 ] = 0, 757
(b) P [lote ser aceito] = P [60 < X̄4 < 62] = P [ 60−60,7
√
0.8/ 4
<Z< 62−60.7
√ ]
0.8/ 4
= 0, 959

207. Uma pessoa está discando um número de telefone (oito dı́gitos) e conhece todos os dı́gitos, mas esqueceu-se da ordem
dos últimos três (que são diferentes entre si). Ela disca variando aleatoriamente esses três últimos dı́gitos, até encontrar
o número completo. Admitindo que ela não repita os números discados, qual a probabilidade de ser necessário discar
cinco números errados antes de acertar?

Solução:
O número de posibilidades com três dı́gitos diferentes é de P3 = 3! = 6.

X : número de tentativas até acertar

5 4 3 2 1 1
P [X = 5] = · · · · =
6 5 4 3 2 6

208. Ainda no contexto do problema anterior suponha que a pessoa não registra os números discados, isto é, ela pode, por
acaso, repetir os números discados. A probabilidade se alteraria? Qual a distribuição de probabilidade do número de
tentativas até conseguir a fazer a ligação com o número correto? Qual a probabilidade de precisar de no máximo três
tentativas?

Solução:
Neste caso a probabilidade de acertar (ou não) permanece constante em cada tentativa, e então temos:

X ∼ G(p = 1/6)
5 1
P [X = 5] = ( )4 · = 0, 08
6 6
5 1 5 1 5 1
P [X ≤ 3] = P [X = 1] + P [X = 2] + P [X = 3] = ( )0 · + ( )1 · + ( )2 · = 0, 421
6 6 6 6 6 6

Soluções computacionais com o programa R:

> dgeom(4, prob=1/6)

[1] 0,08038

> pgeom(2, prob=1/6)

[1] 0,4213

209. Seja uma v.a. X com função de distribuição de densidade de probabilidade:


 x/A, se 0 ≤ x < 3
f (x) = (6 − x)/A, se 3 ≤ x ≤ 6
0, caso contrário

(a) encontre o valor de A
(b) encontre P [X < 2] e P [X < 1 ou X > 4, 5]
(c) encontre a média e a mediana de X

Solução:

1,0
0,06

0,8
0,05
0,03 0,04

0,6
F(x)
f(x)

0,4
0,02

0,2
0,01

S M L XL
0,00

0,0 md q80
45 50 55 60 65 70 75 80 45 50 55 60 65 70 75 80
x x

Figura 6: Funções de distribuição de probabilidades (f (x)) e acumulada (F (x)).

R6
(a) 0 f (x)dx = 1 −→ A = 9 (pode também ser encontrado pela área do triângulo)
(b) (considerar a solução geométrica equivalente por área de triângulos)
Z 2
P [X < 2] = f (x)dx = 0, 222
0
Z 1 Z 6
P [X < 1 ou X > 4, 5] = f (x)dx + f (x)dx = 0, 181
0 4,5

(c) (notar que a distribuição é simétrica, a solução é portanto trivial)

Z 6
E[X] = x · f (x)dx = 3
0
Z md
md[X] : f (x)dx = 0, 5 −→ md[X] = 3
0

Soluções computacionais (linguagem R):

> ## definindo f(x)

> ddist <- function(x){
+ y <- numeric(length(x))
+ y[x >= 0 & x < 3] <- x[x >= 0 & x < 3]/9
+ y[x >= 3 & x < 6] <- (6-x[x >= 3 & x < 6])/9
+ return(y)
+ }
> ## definindo F(x)
> pdist <- function(x){
+ y <- numeric(length(x))
+ ind <- x >= 0 & x < 3
+ y[ind] <- x[ind]^2/18
+ ind <- x >= 3 & x < 6
+ y[ind] <- 0.5 + (6*(x[ind]-3) - (x[ind]^2-3^2)/2)/9
+ y[x >= 6] <- 1
+ return(y)
+ }
> ## definindo F^{-1}(x) (forma numérica - geral)
> qdist <- function(prob){
+ uniroot(function(x) pdist(x) - prob, interval=c(0,6))$root
+ }
> ## definindo F^{-1}(x) (forma analı́tica - especı́fica para este caso)
> qdist <- function(prob){
+ ifelse(prob <= 0.5, sqrt(18*prob), (12-sqrt(144-72*(prob+1)))/2)
+ }
> ## Soluç~
oes
> p1 <- pdist(2)
> p2 <- pdist(1) + (1-pdist(4.5))
> Exf <- function(x) x*ddist(x)
> Ex <- integrate(Exf, 0, 6)$value
> md <- qdist(0.5)
> ## Gráficos
> par(mfrow=c(1,2), mar=c(3.5,3.5,1,1), mgp=c(2,1,0))
> curve(ddist, from=-0.5, to=6.5, ylab="f(x)")
> curve(pdist, from=-0.5, to=6.5, ylab="F(x)")

210. Um dispositivo eletrônico é formado por três partes. Cada parte tem probabilidade de 0,9 de funcionar bem e 0,1 de
falhar. O funcionamento de cada parte não depende das demais. O dispositivo falha se duas ou mais falham. Calcule
a probabilidade de falha do dispositivo.

Solução:

X : número de componentes que falham

X ∼ Bin(n = 3, p = 0.1)
P [X ≥ 2] = P [X = 2] + P [X = 3] = 0, 028

211. Seja uma variável aleatória X com f.d.p. f (x) = |1 − x|I(0,2) (x). Obtenha:

(a) A função de distribuição (acumulada) de X

(b) P (X > 1/2)
(c) P (X < 1/4)
(d) P (X < 2/3|X > 1/2)

Solução:

h i h i
x2 x2
Rx
(a) F (x) 0 f (x)dx = x − 2 I[0,1) (x) + 1 − (x − 2 ) I[1,2) (x)
> par(mfrow=c(1,2), mar=c(3,3,0.5, 0.5), mgp=c(1.7,1,0))
> fx <- function(x) ifelse((x>0)&(x<2), abs(1-x), 0)
> curve(fx, -0.25, 2.25, xlab="x", ylab="f(x)")
> Fx <- function(x){
+ res <- ifelse(x<0, 0, 1)
+ res <- ifelse((x>=0)&(x<1), x-x^2/2, res)
+ res <- ifelse((x>=1)&(x<2), 1 -(x-x^2/2), res)
+ return(res)
+ }
> curve(Fx, -0.25, 2.25, xlab="x", ylab="F(x)")
> integrate(fx, 0, 2)$value
[1] 1
1,0

1,0
0,8

0,8
0,6

0,6
F(x)
f(x)
0,4

0,4
0,2

0,2
0,0

0,0

0,0 0,5 1,0 1,5 2,0 0,0 0,5 1,0 1,5 2,0
x x

R2
(b) P (X > 1/2) = 1/2 f (x)dx = 1 − F (1/2) = 0, 625
R 1/4
(c) P (X < 1/4) 0 f (x)dx = F (1/4) = 0, 2188
R 2/3
P [1/2<X<2/3] 1/2
f (x)dx F (2/3)−F (1/2)
(d) P (X < 2/3|X > 1/2) = P [X>1/2] = R2 = 1−F (1/2) = 0, 1111
1/2 f (x)dx

212. Alguns historiadores atribuem como marco do inı́cios do estudo de probabilidades a sequencia de correspondências
trocadas entre Blaise Pascal e Pierre de Fermat em 1654. Os dois resolveram um problema que ficou conhecido como
o Dilema de Chevalier, em referência a um aristocrata e também compulsivo jogador e apostador chamado Chevalier
de Mere.
Chevalier estava interessado no número de lançamentos de dois dados que deveriam que ser realizados para se obter
um par de seis. Neste problema indique como seriam feitos os cálculos necessários(não é preciso fazer as contas, apenas
indicá-las) para se obter:
(a) a probabilidade de se obter o par de 6 com no máximo 10 lançamentos
(b) a probabilidade de não se obter o par de seis em 30 lançamentos
(c) O número esperado de lançamentos para se obter o par de seis
(d) O número de lançamentos para que a probabilidade de se obter ou não um par de seis fosse aproximadamente
iguais

Solução:

X : número de fracassos até obter um par de seis

X ∼ G(p = 1/36)
P9
(a) P [X ≤ 9] = − 1/36)k · (1/36) = 0, 24551
k=0 (1
(b) P [X > 30] = 1 − P [X ≤ 30] = 1 − 30 k
P
k=0 (1 − 1/36) · (1/36) = 0, 41757
(1−p) (1−1/36)
(c) E[X] + 1 = p +1= 1/36 + 1 = 35 + 1 = 36
(d) P [X ≤ K] ≈ 0, 5 −→ K = 24 (25 tentativas)

Comandos do R para resultados:

> pgeom(9, p=1/36)

[1] 0,2455

> pgeom(30, p=1/36, low=F)

[1] 0,4176

> (1-1/36)/(1/36) + 1

[1] 36

> x <- 0:50

> x[[Link](abs(pgeom(x, p=1/36) - 0.5))]

[1] 24

213. Em um estudo com usuários de internet nos EUA, pesquisadores descobriram que 80% dos usuários possuem ao menos
um computador e que 25% dos usuários se conectavam a internet mais que 30 horas por semana. (Internet research,
11, 2001). Suponha que 15% dos usuários possuem ao menos um computador e se conectam a internet por mais que
30 horas por semana.

(a) qual a probabilidade de que um usuário se conecte por mais que 30 horas por semana, sabendo que possui ao
menos um computador?
(b) Se um usuário se conecta a internet por mais que 30 horas por semana, qual a probabilidade de que possua ao
menos um computador?

Solução:

C : possui ao menos um computador ; N : seL conecta mais que 30 hrs

P [C] = 0, 80 ; P [N ] = 0, 25 ; P [C ∩ N ] = 0, 15

P [N ∩C] 0,15
(a) P [N |C] = P [C] = 0,80 = 0, 1875
P [N ∩C] 0,15
(b) P [C|N ] = P [N ] = 0,25 = 0, 6

214. A rede local de área (LAN - local area network ) está sem conexão em um certo momento. Interrupções anteriores
no serviço possuem como causas falhas de hardware, software e problemas de energia. Engenheiros de manutenção
verificaram que as probabilidade de falhas por estas causas são de 0,01; 0,05 e 0,02, respectivamente. Também
verificou-se que se o sistema apresenta problemas de hardware, ele interrompe serviços em 73% das vezes. Da mesma
forma o serviço é interrompido em 12% das vezes que ocorre falha de software e 88% das vezes que ocorre falha de
energia. Qual a probabilidade de que a falha que está ocorrendo seja devida a cada uma das três causas?
Solução:

C1 : falha por hardware ; C2 : falha por software ; C3 : falha por energia

I : sistema interrompe
P [C1 ] = 0, 01 ; P [C2 ] = 0, 05 ; P [C3 ] = 0, 02
P [I|C1 ] = 0, 73 ; P [I|C2 ] = 0, 12 ; P [I|C3 ] = 0, 88
P [I] = P [C1 ∩ I] + P [C2 ∩ I] + P [C3 ∩ I] =
= P [C1 ] · P [I|C1 ] + P [C2 ] · P [I|C2 ] + P [C3 ] · P [I|C3 ] = 0, 0324
P [C1 ] · P [I|C1] 0, 01 · 0, 73
P [C1 |I] = = = 0, 2253
P [I] 0, 0324
P [C2 ] · P [I|C2] 0, 05 · 0, 12
P [C2 |I] = = = 0, 1852
P [I] 0, 0324
P [C3 ] · P [I|C3] 0, 02 · 0, 88
P [C3 |I] = = = 0, 5432
P [I] 0, 0324

215. Um homem possui em seu chaveiro 10 chaves das quais somente uma abre a porta que deseja abrir experimentando
as chaves ao acaso. Determine o número esperado de tentativas se:

(a) as chaves incorretas são descartadas após cada tentativa e não mais selecionadas;
(b) as chaves incorretas não são descartadas, podendo ser escolhidas novamente.

Solução:

(a)

X : número de tentativas
x 1 2 3 ... 10
P[X = x] (1/10) (9/10)(1/9) = 1/10 (9/10)(8/9)(1/8) = 1/10 ... 1/10
X ∼ Ud (1/10) P [X = x] = (1/10)
max(x) − min(x)
E[X] = = 5, 5
2
(b)

X : tentativas falhas até conseguir abrir

X ∼ Geo(p = 0.1)
(1 − p) (1 − 1/10)
E[X] = = = 9 falhas e portanto, 10 tentativas
p 1/10

216. Seja a função:

 −(x − 1)2 + 1

se 0 ≤ x ≤ 1
f (x) = (5 − 3x)/2 se 1 < x ≤ 5/3
0 se x < 0 ou x > 5/3


(a) verifique que f (x) é uma função de densidade de probabilidade (f.d.p.) válida
(b) encontre a função de densidade acumulada F (x)
(c) obtenha as seguintes probabilidades:
• P [X < 0.5]
• P [X > 1]
• P [0, 7 < X < 1, 5]
• P [X > 0, 5|X < 1]
• P [X > 1, 5|X > 1]
(d) obtenha o valor médio
(e) obtenha o 10 quartil (q0,25 ), a mediana (md) e 30 quartil (q0,75 )
(f) Suponha agora que X representa teores de um determinado elemento em amostras de água que determinam o
tratamento quı́mico a ser adotado em um volume de água. Se o custo do tratamento é de R$100, 00 para teores
abaixo de 0, 5, R$120, 00 para teores entre 0, 5 e 1, 5 e R$200, 00 para teores acima de 1, 5%, qual o custo esperado
para o tratamento de 1,000 unidades de volume?

Solução:

(a) > fx <- function(x){

+ y <- ifelse(x >= 0 & x <= 1, -(x-1)^2+1, 0)
+ y <- ifelse(x > 1 & x <= 5/3, (5 - 3*x)/2, y)
+ return(y)
+ }
> curve(fx, 0, 5/3)
> all(fx(seq(0,5/3, l=1000)) >=0)
[1] TRUE
> integrate(fx, 0, 5/3)
1 with absolute error < 6,3e-05
(b) 
x2
 − 3 (x − 3)
 se 0 ≤ x ≤ 1
F (x) = 2 10(x−1)−3(x2 −1)
 3 + 4 se 1 < x ≤ 5/3
 0 se x < 0 ou x > 5/3
> Fx <- function(x){
+ y <- ifelse(x >= 0 & x <= 1, -((x^2)/3)*(x-3), 0)
+ y <- ifelse(x > 1 & x <= 5/3, 2/3 + (10*(x-1) - 3*(x^2-1))/4, y)
+ return(y)
+ }
> curve(Fx, 0, 5/3)
1,0

1,0
0,8

0,8
0,6

0,6
F(x)
f(x)
0,4

0,4
0,2

0,2
0,0

0,0

0,0 0,5 1,0 1,5 0,0 0,5 1,0 1,5

x x

R 0,5
(c) • P [X < 0.5] = 0 f (x)dx = F (0, 5) = 0, 2083
R 5/3
• P [X > 1] = 1f (x)dx = 1 − F (1) = 0, 3333
R 1,5
• P [0, 7 < X < 1, 5] = 0,7 f (x)dx = F (1, 5) − F (0, 7) = 0, 6035
P [0,5<X<1]
• P [X > 0, 5|X < 1] = P [X<1] = F (1)−F (0,5)
F (1) = 0, 6875
P [X>1,5] 1−F (1,5)
• P [X > 1, 5|X > 1] = P [X>1] = 1−F (1) = 0, 0625
R 5/3
(d) E[X] = 0 x f (x)dx = 0, 82
Rq
(e) q1 : 0 1 f (x)dx = 0, 25 ou F (q1 ) = 0, 25 −→ q1 = 0, 55
Rq
md = q2 : 0 2 f (x)dx = 0, 50 ou F (q2 ) = 0, 50 −→ q2 = 0, 83
Rq
q3 : 0 3 f (x)dx = 0, 75 ou F (q3 ) = 0, 75 −→ q3 = 1, 09
(f)
Y : custo de tratamento
y 100 120 200
P [Y = y] p1 p2 p3

p1 = P [X < 0, 5] = F (0, 5) = 0, 21
p2 = P [0, 5 < X < 1, 5] = F (1, 5) − F (0, 5) = 0, 77
p3 = P [X > 1, 5] = 1 − F (1, 5) = 1 − p1 − p2 = 0, 02

E[Y ] = 3i=1 yi P [Y = yi ] = 100p1 + 120p2 + 200p3 = 117, 5

P
1000 · E[Y ] = 117500

217. Dois estudantes estão matriculados em um certo curso. Sabe-se que o primeiro assiste a 80% das aulas enquanto que
o segundo assiste 60%. Sabe-se ainda que a decisão de um deles faltar não é afetada pela do outro.

(a) qual a probabilidade que ao menos um dos estudantes esteja em sala em um determinado dia?
(b) se o segundo estudante está em sala em um dia, qual a probabilidade do primeiro também estar?

Solução:

A : primeiro assiste B : segundo assiste

P [A] = 0, 80 P [B] = 0, 60
A & B independentes
ind
(a) P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = P [A] + P [B] − P [A] · P [B] = 0, 8 + 0, 6 − (0, 8)(0, 6) = 0, 92
ind
(b) P [A|B] = P [A] = 0, 8

218. Oito animais são capturados, marcados e devolvidos ao ambiente natural no qual há uma população de 50 indivı́duos
desta espécie. Após algum tempo retorna-se ao local para estudar a população e considera-se diferentes estratégias.
Fazendo suposições adequadas (como por exemplo, que a população não se alterou) avalie as probabilidades nos
seguintes cenários.

(a) Captura-se e prende-se animais até encontrar o primeiro marcado. Qual a probabilidade de encontrar algum
marcado em até três (3) capturas?
(b) Idem anterior mas sendo cada animal capturado avaliado e imediatamente solto.
(c) No esquema de capturar e soltar, quantas capturas espera-se fazer até encontrar o primeiro animal marcado?
(d) Ainda no esquema de capturar e soltar, pretende-se agora capturar animais até encontrar o terceiro marcado.
Qual a probabilidade de serem necessárias mais do que seis (6) capturas?
(e) Decide-se capturar exatamente seis (animais). Qual a probabilidade de encontrar algum (ao menos um) animal
marcado?
Solução:

8 42 8 42 41 8
(a) P [1a ] + p[2a ] + P [3a ] = 50 + 50 · 49 + 50 · 49 · 48 = 0, 4143
P2 2 (8/50)
(b) X : número de não marcados até 1o marcado → X ∼ G(p = 8/50) → P [X ≤ 2] = x=0 (42/50) =
0, 4073
1−p 1
(c) 1 + E[X] = 1 + p = p = 6, 25
(d) P
X : númerode não marcados até 3o marcado → X ∼ BN (3, p = 8/50) → P [X > 3] = 1 − P [X ≤ 3] =
3 x+3−1 x 3
x=0 3−1 (42/50) (8/50) = 0, 944
(e) X : número de marcados em 6 animais → X ∼ HG(N = 50, K = 8, n = 6) → P [X ≥ 1] = 1 − P [X = 0] =
(8)(50−8)
1 − 0 606−0 = 0, 6699
(6)

219. Uma certa enciclopédia eletrônica possui, em média, 1,7 erros por página. Acessa-se (ao acaso) uma página desta
enciclopédia e deseja-se saber a probabilidade desta página não conter erros. Identifique a variável aleatória, uma
distribuição de probabilidades adequada e calcule a probabilidade de interesse.

Solução:

X : número de erros por página

e−λ λx
X ∼ P (λ = 1, 7) −→ P [X = x] =
x!
e−1,7 1, 70
P [X = 0] = = 0, 1827
0!

220. Em um certo exame os estudantes do um curso possuem escore médio de 625 com variância de 2500.

(a) Qual a probabilidade de um estudante escolhido ao acaso possuir escore acima de 700?
(b) Qual a porcentagem esperada de estudantes com escore entre 600 e 700?
(c) Qual o escore que apenas 10% dois estudantes estão acima dele?
(d) Tomando-se agora o escore de dois (2) estudantes escolhidos ao acaso, qual a probabilidade de que a soma dos
escores
• não seja inferior 1200?
• esteja entre 1200 e 1300?

Solução:

X : escore no exame
X ∼ N (625, 2500)

700−625
(a) P [X > 700] = P [Z > 50 ] = P [Z > 1, 5] = 0, 0668
(b) P [600 < X < 700] = P [ 50 < Z < 700−625
600−625
50 ] = P [−0, 5 < Z < 1, 5] = −0, 6247 −→ −62, 47% dos estudantes
q −µ
(c) z0,90 = 1, 28155 −→ z0,90 = 0,90σ −→ q0.90 = 689, 1
(d) X1 + X2 ∼ N (1250, 5000)
• P [X1 + X2 > 1200] = P [Z > 1200−1250
√
5000
] = P [Z > −0, 707106781186547] = 0, 7602
• P [1200 < X < 1300] = P [ √5000 < Z < 1300−1250
1200−1250 √
5000
] = P [−0, 71 < Z < 0, 71] = −0, 5205
221. Um novo teste é desenvolvido para detectar um tipo de câncer. Se aplicado a uma pessoa com este tipo de câncer, a
probabilidade do teste apresentar uma reação positiva é de 0,95. Quando aplicado a uma pessoa sem o câncer ainda
existe uma probabilidade de 0,03 de um resultado positivo. Suponha ainda que sabe-se que na população uma a cada
50.000 pessoas tem este tipo de cancêr. Se uma pessoa escolhida ao acaso é testada e apresenta resultado positivo,
qual a probabilidade de que esta pessoa tenha tal tipo de câncer?

Solução:

C : câncer T : teste positivo

P [T |C] = 0, 95 P [T |C̄] = 0, 03 P [C] = 1/50000
P [C ∩ T ] P [C]P [T |C] (1/50000)(0, 95)
P [C|T ] = = = = 0, 00065
P [T ] P [C]P [T |C] + P [C̄]P [T |C̄] (1/50000)(0, 95) + (49000/50000)(0, 03)

222. (Magalhães e Lima) Uma Cia que fura poços artesianos trabalha em uma região escolhendo, aleatoriamente, o ponto
de furo. Não encontrando água nesta tentativa, sorteia outro local e, caso não tenha sucesso faz uma terceira e última
tentativa. Admita a probabilidade de 0,7 de encontrar água em qualquer ponto dessa região. Calcule a probabilidade
de:

(a) Encontrar água na segunda tentativa

(b) Encontrar água em no máximo duas tentativas
(c) Encontrar água

Solução:

X : número de perfurações (até encontrar água)

X ∼ G(p = 0, 7)
P [X = x] = p(1 − p)x−1 somente para x = 1, 2, 3

(a) P [X = 2] = 0.3 · 0.7 = 0.21

(b) P [X ≤ 2] = P [X = 1] + P [X = 2] = 0.7 + 0.3 · 0.7 = 0.91
(c) P [X ≤ 3] = 1 − P [X > 3] = 1 − 0.3 · 0.3 · 0.3 = 0, 973

223. (Magalhães e Lima) Em um estudo sobre crescimento de jacarés, uma pequena lagoa contém 4 exemplares da espécie
A e 5 da espécie B. A evolução do peso e tamanho dos jacarés da lagoa é acompanhada pelos pesquisadores através
de capturas periódicas. Determine a probabilidade de, em três jacarés capturados de uma vez, obtermos:

(a) Todos da espécie A.

(b) Nem todos serem da espécie B.
(c) A maioria seja da espécie A.

Solução:

X : número jacarés da espécie A

X ∼ HG(N = 9, K = 4, n = 3)
K N −K 4 9−4

x n−x x 3−x
P [X = x] = N
= 9
para x = 0, 1, 2, 3
n 3
Note ainda que podemos definir equivalentemente

X c : número jacarés da espécie B

X c ∼ HG(N = 9, K = 5, n = 3)
K N −K 5 9−5

x n−x x 3−x
P [X c = x] = N
= 9
para x = 0, 1, 2, 3
n 3

(43)(9−4
3−3)
(a) P [X = 3] = = 0, 0476
(93)
(43)(9−5
3−0)
(b) P [X > 0] = 1 − P [X = 0] = 1 − 9 = 0, 881
( 3)
(53)(9−5
3−3)
que é equivalente a: P [X c 6= 3] = 1 − P [X c = 3] = 1 − = 0, 881
(93)
(42)(9−5 + 4 9−5
3−2) (3)(3−3)
(c) P [X ≥ 2] = P [X = 2] + P [X = 3] = = 0, 4048
(93)

224. Para cada uma das funções abaixo diga se é uma f.d.p. (função de densidade de probabilidade) válida justificando a
resposta.

a) f (x) = 1 − x ; 0 < x < 2

b) f (x) = (1/2) exp{−x/2} ; 0 < x < +∞
c) f (x) = 3 x2 ; −1 < x < 0
d) f (x) = |x − 1|/2 ; 0 < x < 2
e) f (x) = 1/10 ; −0, 1 < x < 0, 1

Solução:
Condições a serem verificadas e obedecidas:

• f (x) ≥ 0 ∀x
R +∞
• −∞ f (x) dx = 1

As condições devem ser verificadas para cada função.

A seguir é feita uma verificação numérica somente para ilustração.
R
a) f (x) = 1 − x ; 0 < x < 2 não é f.d.p. pois ∃x|f (x) < 0 e f (x)dx 6= 1
> fa <- function(x) ifelse((x > 0 & x < 2), 1-x, 0)
> all(fa(seq(0,2,l=1000)) >= 0)
[1] FALSE
> integrate(fa, 0, 1)$val
[1] 0,5
> integrate(fa, 1, 2)$val
[1] -0,5
> round(integrate(fa, 0, 2)$val, dig=5)
[1] 0
b) f (x) = (1/2) exp{−x/2} ; 0 < x < +∞ é f.d.p.
> fb <- function(x) ifelse(x > 0, 0.5*exp(-x/2), 0)
> all(fb(seq(0,10000,l=1000)) >= 0)
[1] TRUE
> round(integrate(fb, 0, Inf)$val, dig=5)
[1] 1
c) f (x) = 3 x2 ; −1 < x < 0 é f.d.p.
> fc <- function(x) ifelse((x > -1 & x < 0), 3*x^2, 0)
> all(fc(seq(-1,0, l=1000)) >= 0)
[1] TRUE
> round(integrate(fc, -1, 0)$val, dig=5)
[1] 1
R
d) f (x) = |x − 1|/2 ; 0 < x < 2 não é f.d.p. pois f (x)dx 6= 1
> fd <- function(x) ifelse(x > 0 & x < 2, abs(x-1)/2, 0)
> all(fd(seq(0,2,l=1000)) >= 0)
[1] TRUE
> round(integrate(fd, 0, 2)$val, dig=5)
[1] 0,5
R
e) f (x) = 1/10 ; −0, 1 < x < 0, 1 não é f.d.p. pois f (x)dx 6= 1
> fe <- function(x) ifelse((x > -0.1 & x < 0.1), 1/10, 0)
> all(fe(seq(-0.1, 0.1,l=1000)) >= 0)
[1] TRUE
> round(integrate(fe, -0.1, 0.1)$val, dig=5)
[1] 0,02

(a) (b) (c)

0,5

3,0
1,0

2,5
0,4
0,5

2,0
0,3
f(x)

f(x)

f(x)
1,5
0,0

0,2

1,0
−0,5

0,1

0,5
−1,0

0,0
0,0

−0,5 0,0 0,5 1,0 1,5 2,0 2,5 0 2 4 6 8 10 −1,0 −0,8 −0,6 −0,4 −0,2 0,0
x x x

(d) (e)
0,10
0,5

0,08
0,4

0,06
0,3
f(x)

f(x)
0,04
0,2

0,02
0,1

0,00
0,0

0,0 0,5 1,0 1,5 2,0 −0,15 −0,10 −0,05 0,00 0,05 0,10 0,15
x x

225. O tempo que passageiros esperam no balcão de check-in de uma cia aérea é uma variável aleatória com média de 13,5
minutos e desvio padrão de 1,8 minutos. Vai ser tomada uma amostra aleatória do tempo de espera de 36 passageiros.
Encontre a probabilidade:
(a) do tempo de espera de um passageiro escolhido ao acaso ser maior que 15 min;
(b) do tempo médio dos 36 passageiros estar acima de 15 min;
(c) do tempo médio de atendimento dos 36 passageiros estar entre 13 e 14 minutos

Solução:

X ∼ N (µ = 13, 5, σ 2 = 1, 82 )
X¯36 ∼ N (µ = 13, 5, σ 2 = 1, 82 /36)

15−13,5
(a) P (X > 15) = P (Z > 1,8 ) = P (Z > 0, 833) = 0, 2
15−13,5
(b) P (X̄ > 15) = P (Z > 1,8/√36 ) = P (Z > 5) = 0
13−13,5 14−13,5
(c) P (13 < X̄ < 14) = P ( 1,8/√
36
< Z < 1,8/√ ) = P (−1, 667
36
< Z < 1, 667) = 0, 9

item (Magalhães e Lima) Dois processadores são colocados em teste por 50 mil horas. A probabilidade e que um
erro de cálculo aconteça em um processador do tipo A é de 1/30, no tipo B 1/80 e, em ambos, 1/1000. Qual a
probabilidade de que:

(a) Pelo menos um deles tenha apresentado erro?

(b) Nenhum tenha apresentado erro?
(c) Apenas A tenha apresentado erro?

Solução:

A : processador A falha B : processador B falha

P [A] = 1/30 P [B] = 1/80 P [A ∩ B] = 1/1000

(a) P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = (1/30) + (1/80) − (1/1000) = 269/6000 = 0, 045

(b) P [Ā ∪ B̄] = 1 − P [A ∪ B] = 0, 955
(c) P [A ∩ B̄] = P [A] − P [A ∩ B]97/3000 = 0, 032

226. Uma certa enciclopédia eletrônica possui, em média, 1,7 erros por página. Acessa-se (ao acaso) uma página desta
enciclopédia e deseja-se saber a probabilidade desta página não conter erros. Identifique a variável aleatória, uma
distribuição de probabilidades adequada e calcule a probabilidade de interesse.

Solução:

X : número de erros por página

e−λ λx
X ∼ P (λ = 1, 7) −→ P [X = x] =
x!
e−1,7 1, 70
P [X = 0] = = 0, 1827
0!

227. Em um certo exame os estudantes do um curso possuem escore médio de 625 com variância de 2500.
(a) Qual a probabilidade de um estudante escolhido ao acaso possuir escore acima de 700?
(b) Qual a porcentagem esperada de estudantes com escore entre 600 e 700?
(c) Qual o escore que apenas 10% dois estudantes estão acima dele?
(d) Tomando-se agora o escore de dois (2) estudantes escolhidos ao acaso, qual a probabilidade de que a soma dos
escores
• não seja inferior 1200?
• esteja entre 1200 e 1300?
(e) Qual a probabilidade de que o escore médio de um grupo de 5 estudantes escolhidos ao acaso seja inferior a 600?

Solução:

X : escore no exame
X ∼ N (625, 2500)
700−625
(a) P [X > 700] = P [Z > 50 ] = P [Z > 1, 5] = 0, 0668
(b) P [600 < X < 700] = P [ 600−625
50 < Z < 700−625
50 ] = P [−0, 5 < Z < 1, 5] = 0, 6247 −→ 62, 47% dos estudantes
q0,90 −µ
(c) z0,90 = 1, 28155 −→ z0,90 = σ −→ q0.90 = 689, 1
(d) X1 + X2 ∼ N (1250, 5000)
• P [X1 + X2 > 1200] = P [Z > 1200−1250
√
5000
] = P [Z > −0, 707106781186547] = 0, 7602
• P [1200 < X < 1300] = P [ 1200−1250
√
5000
< Z < 1300−1250
√
5000
] = P [−0, 71 < Z < 0, 71] = −0, 5205
(e) X̄n ∼ N (625, 2500/n)
600−625
P [X̄5 < 600] = P [Z < √ ]
50/ 5
= P [Z < −1, 118] = 0, 1318

228. (Magalhães e Lima) Estatı́sticas obtidas junto às assistências técnicas indicam que a bomba de água de uma certa
lavadora só pode apresentar defeitos após quatro anos de uso. Admita que, nos próximos seis meses, após este perı́odo,
um mal funcionamento tem probabilidade 0,1 de ocorrer e, caso ocorra, terá 0,5 de probabilidade de ser recuperável.
O reparo, que só pode ser feito uma vez, tem preço de R$10,00, enquanto que a bomba nova tem preço de R$ 30,00.
Determine a média e variância do gasto com peças em 4,5 anos de uso.

Solução:

A : mal funcionamento P [A] = 0, 1

R : recuperável P [R|A] = 0, 5
Eventos possı́veis :
Ā : P [Ā] = 0, 9
A ∩ R : P [A ∩ R] = P [R|A] · P [A] = 0, 5 · 0.1 = 0.05
A ∩ R̄ : P [A ∩ R̄] = P [R̄|A] · P [A] = 0, 5 · 0.1 = 0.05

Y : gasto em reais

Evento A A∩R A ∩ R̄
Distribuição de Probabilidades: Gastos (Y) R$ 0,00 R$ 0,10 R$ 0,30
P [Y = y] 0,9 0,05 0,05

• E[Y ] =
P
yi P [Y = yi ] = 0 · 0, 9 + 10 · 0, 05 + 30 · 0, 03 = 2
• V [X] = (yi − E[X])2 P [Y = yi ] = (0 − 2)2 · 0, 9 + (10 − 2)2 · 0, 05 + (30 − 2)2 · 0, 03 = 46
P
229. Uma indústria de tintas recebe pedidos de seus vendedores através de fax, telefone e internet. O número de pedidos
que chega por qualquer meio em horário comercial é uma v.a. com distribuição de Poisson com taxa de 5 pedidos por
hora.

(a) Calcule a probabilidade de que em uma hora haja mais que 2 pedidos
(b) Em um dia de trabalho (8 hrs), qual seria a probabilidade de haver 50 pedidos?
(c) Qual a probabilidade de que haja ao menos um pedido em um perı́odo de 2 horas?

Solução:

Xh : número de pedidos por hora Xh ∼ P(λh = 5)

Xd : número de pedidos por dia (8 horas) Xh ∼ P(λd = 40) Xh ≈ N(µ = 40, σ 2 = 40)
X2h : número de pedidos a cada 2 horas X2h ∼ P(λ2h = 10)

(a) P [Xh > 2] = 1 − P [Xh = 0] − P [Xh = 1] = 0, 96

(b) P [Xd = 50] ≈ P [ 49,5−40
√
40
<Z< 50,5−40
√
40
] = 0, 0177
(c) P [X2h > 2] = 1 − P [Xh = 0] = 0, 99995

230. Em uma montadora, três fábricas, A, B e C são responsáveis por 20, 50 e 30% do total de certa peça utilizada,
respectivamente. De cada fábrica, 20, 5 e 2% respectivamente, das peças apresentam problemas antes do vencimento
da garantia. É detectado problema em uma peça na montadora. Qual a probabilidade de ter sido fornecida pela
fábrica A ? E pela fábrica C ?

Solução:

> FAB <- c(0.2, 0.5, 0.3)

> GARdFAB <- c(0.20, 0.05, 0.02)
> GAR <- sum(FAB*GARdFAB)
> (AdGAR <- FAB[1] * GARdFAB[1]/GAR)

[1] 0,5634

> (CdGAR <- FAB[3] * GARdFAB[3]/GAR)

[1] 0,08451

231. O rendimento de uma frota de veı́culos de uma locadora tem a seguinte função de densidade de probabilidades. Calcule
o solicitado nos itens a seguir. 
k(x−5)

 2 se 5 ≤ x < 7
f (x) = k(11−x)
se 7 ≤ x ≤ 11
 0 4

caso contrário

(a) O valor de k.
(b) P [X > 10].
(c) P [7, 5 < X < 9, 5].
(d) O consumo médio.
(e) O consumo mediano.
Solução:

0,30
0,20
f(x)

0,10

(c)

Md E
(b)
0,00

4 6 8 10 12

(a)
Z
f (x) dx = 1
Z 7 Z 11
k(x − 5)/2dx + k(11 − x)/4 dx = 1
5 7
k 7 − 52
2
112 − 72

k
− 5(7 − 5) + 11(11 − 7) − =1
2 2 4 2
1
k=
3
R 11 h 2 2
i
(b) P [X > 10] = 10 f (x) dx = 1/3 4 11(11 − 10) − 11 −10
2 = 0, 0417
h i
R 9,5 9,52 −7,52
(c) P [7, 5 < X < 9, 5] = 7,5 f (x) dx = 1/3
4 11(9, 5 − 7, 5) − 2 = 0, 417
R 11
(d) E[X] = 5 f (x) dx = 7, 67
R Md
(e) 5 f (x) dx = 0, 5 ⇒ M d = 7, 54

232. Mostre como a função geradora de momentos pode ser utilizada para encontrar momentos de uma variável aleatória,
ilustrando com pelo menos uma distribuição discreta e uma contı́nua.
233. Seja v.a.’s X e Y com distribuição conjunta f (x, y) = (1/8)(6 − x − y)I(0,2) (x)I(2,4) (y) e obtenha:
(a) as expressões das marginais f (x) e f (y)
(b) as expressões das condicionais f (x|y) e f (y|x)
(c) P [0, 5 < X < 1, 5 e 3 < Y < 3, 5]
(d) P [X > 1 e Y < 3]
(e) P [X > 1]
(f) P [X > 1|Y > 3]
234. Dois profissionais vão tentar resolver um problema e cada um deles pode ou não conseguir resolver. A chance do
primeiro resolver é de 60% e do segundo 45%. Neste contexto responda às questões abaixo, fazendo suposições se
necessário.
(a) Por que este pode ser considerado um experimento aleatório?
(b) Qual o espaço amostral?
(c) Qual a probabilidade de que ambos resolvam o problema?
(d) Qual a probabilidade de que o problema seja resolvido?
(e) Foi necessária alguma suposição para para resolver os items anteriores? Se positivo, qual suposição?

Solução:
Notação:

A : o primeiro resolve o problema P [A] = 0, 60 P [A] = 0, 40

B : o segundo resolve o problema P [B] = 0, 45 P [B] = 0, 55

(a)
(b) Ω = {(A, B), (A, B), (A, B), (A, B)}
(c) Supondo independência: P [A ∩ B] = P [A] · P [B] = 0, 60 · 0, 45 = 0, 27
(d) Supondo independência: P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = 0, 60 + 0, 45 − 0, 27 = 0, 78
(e) Independência entre os profissionais, ou seja, a probabilidade de cada um resolver independe do problema ser ou
não resolvido pelo outro.

235. (adaptado de M. & L., 2002) Em um levantamento de dados de acidentes em uma estrada foram resumidos na tabela
a seguir. A partir desses dados, responda às questões propostas.

Vı́timas fatais
Motorista Sim Não
Sóbrio 1228 275
Alcoolizado 2393 762

(a) Voce diria que o fato do motorista estar ou não alcoolizado afeta a chance de ocorrer vı́timas fatais? Justifique.
(b) Obtenha a partir da tabela acima: (a) alguma probabilidade marginal, (b) alguma probabilidade condicional,
(c) alguma probabilidade de interseção de eventos.
(c) Cite um par de eventos mutuamente exclusivos.
(d) Se um motorista alcoolizado se envolve em um acidente, qual a probabilidade de haver vı́tima fatal?
(e) Se houve uma vı́tima fatal em um acidente, qual a probabilidade do motorista estar alcoolizado?

Solução:
Notação:

S : motorista sóbrio A ≡ S : motorista alcoolizado

F : acidante com vı́tima fatal N F ≡ F : acidente sem vı́tima fatal

(a) Concluir comparando as proporções (probabilidades) de vı́tima fatal entre sóbrios e alcoolizados, ou seja as
probabilidades condicionais P [F |S] e P [F |A], que são dadas por:
S A
0,8170 0,7585
(b) i. Probabilidades marginais:
3155 1503
P [A] = = 0, 677 ; P [S] = P [A] = = 0, 677
4658 4658
3621 1037
P [A] = = 0, 777 ; P [S] = P [A] = = 0, 223
4658 4658
ii. Probabilidades conjuntas (interseção):
2393 1228
P [A ∩ F ] = = 0, 514 ; P [S ∩ F ] = = 0, 264
4658 4658
762 275
P [A ∩ N F ], = = 0, 164 ; P [S ∩ N F ] = = 0, 059
4658 4658
iii. Probabilidades condicionais: P [A|F ], P [S|F ], P [F |A], P [N F |A]
2393 1228
P [A|F ] = = 0, 661 ; P [S|F ] = P [A] = = 0, 339
3621 3621
762 275
P [A|N F ] = = 0, 735 ; P [S|N F ] = P [A] = = 0, 265
1037 1037
2393 762
P [F |A] = = 0, 758 ; P [N F |A] = P [A] = = 0, 242
3155 3155
1228 275
P [F |S] = = 0, 817 ; P [N F |S] = P [A] = = 0, 183
1503 1503

(c) Pares de eventos mutuamente exclusivos: F e N F

• com vı́tima fatal e sem vı́tima fatal (F e N F )
• sóbrio e alcoolizado (S e A)
P [F ∩A] 2393
(d) P [F |A] = P [A] = 2393+762 = 0, 661
P [A∩F ] 2393
(e) P [A|F ] = P [F ] = 1228+2393 = 0, 758

236. Um instituto que faz previsões meteorológicas fez uma avaliação de suas previsões de 48 horas para finais de semana
feitas por um particular modelo de previsão. Foi verificado que a previsão indicava chuva em 80% dos dias que de fato
choveu e previa não chuva em 92% dos dias em que não choveu. Verificou-se ainda que chove em 12% dos perı́odos.

(a) Escreva em notação de probabilidades adequada as informações dadas no problema.

(b) Qual a probabilidade (proporção) de previsão de chuva?
(c) Qual a probabilidade de chover quando há uma previsão de chuva?
(d) Qual a probabilidade de obter uma previsão incorreta?
(e) Supondo os mesmos percentuais de acertos de previsão, qual seria a probabilidade de acerto de uma previsão de
chuva em outra região em que chove em apenas 5% dos perı́odos?

Solução:
Notação:

A : previsão de chuva na região A : previsão de chuva

C : chove no perı́odo C : não chove no perı́odo

(a)

P [C] = 0, 12 P [C] = 0, 88
P [A|C] = 0, 80 P [A|C] = 0, 20
P [A|C] = 0, 92 P [A|C] = 0, 08

(b) P [A] = P [A ∩ C] + P [A ∩ C] = P [A|C] · P [C] + P [A|C] · P [C] = (0, 80)(0, 12) + (0, 08)(0, 88) = 0, 166
P [C∩A] P [A|C]·P [C] (0,80)(0,12)
(c) P [C|A] = P [A] = P [A] = 0,166 = 0, 577
P [C∩A] P [C∩A] P [A|C]·P [C] P [A|C]·P [C] (0,20)(0,12) (0,08)(0,88)
(d) P [C|A] + P [C|A] = P [A]
+ P [A] = P [A]
+ P [A] = 0,834 + 0,166 = 0, 452
(e) Nesse caso:
P [C] = 0, 05 P [C] = 0, 95
e recalculando temos:

P [A] = P [A ∩ C] + P [A ∩ C] = P [A|C] · P [C] + P [A|C] · P [C] = (0, 80)(0, 05) + (0, 08)(0, 95) = 0, 116.

A probabilidade de acertar uma previsão de chuva fica:

P [C ∩ A] P [A|C] · P [C] (0, 80)(0, 05)
P [C|A] = = = = 0, 345
P [A] P [A] 0, 116

237. Em um teste com quatro questões de múltipla escolha, cada questão possui cinco alternativas com apenas uma delas
correta. Estamos interessados na situação de ”acerto casual”, na qual a resposta de cada questão é escolhida ao acaso,
supondo que todas as questões são respondidas.

(a) Defina a v.a. de interesse.

(b) Obtenha a função de probabilidades.
(c) Obtenha a função de distribuição (acumulada).
(d) Obtenha o valor esperado da v.a.

Suponha agora que para cada acerto ganha-se dois pontos e perde-se um ponto para cada erro.

(e) Sob as mesmas condições, obtenha a distribuição de probabilidades do número de pontos ganhos.

Solução:

(a) X : número de acertos

x 0 1 2 3 4
(b) P [X = x] (4/5)4 = 4(1/5)1 (4/5)3 = 6(1/5)2 (4/5)2 = 4(1/5)3 (4/5)1 = (1/5)4 =
= 0, 4096 = 0, 4096 = 0, 1536 = 0, 0256 = 0, 0016
x 0 1 2 3 4
(c)
F (x) = P [X ≤ x] 0, 4096 0, 8192 0, 9728 0, 9984 1
(d) E[X] = 4i=1 xi P [X = xi ] = 0, 8
P

(e) Y : pontos obtidos. Y é uma transformação 1-1 de X e portanto P [Y = yi ] = P [X = xi ].

x 0 1 2 3 4
y −4 −1 2 5 8
P [Y = y] 0, 4096 0, 4096 0, 1536 0, 0256 0, 0016

Solução alternativa: usar o fato que X ∼ B(n = 4, p = 1/5)

238. Seja X uma v.a. com função de distribuição de probabilidades dada por:

c x se 0 ≤ x ≤ 4
f (x) =
0 caso contrário

(a) Obtenha o valor de c.

(b) Calcule P [X > 2]
(c) Calcule P [1, 2 < X < 3, 5]
(d) Calcule P [X < 3|X > 1, 5]
(e) Obtenha a E[X]
(f) Obtenha k tal que P [X > k] = 0, 5
Solução:

(a)
Z 4
c x dx = 1
0
c = 1/8
R4
(b) P [X > 2] = 2 x/8 dx = 0, 75
R4
(c) Calcule P [1, 2 < X < 3, 5] 2 x/8 dx = 0, 6756
(d) Calcule P [X < 3|X > 1, 5] = PP[1,5<X<3]
[X>1,5] = 0, 4909
R4
(e) E[X] = 0 x · x/8 dx = (1/8)43 /3 = 8/3 = 2, 67
(f)
Z k
x/8 dx = 0.5
0
(1/8)k 2 /2 = 0, 5
√
k= 8

239. Suponha que a posição na qual ocorre um dano em um disco pode ser considerada uma variável uniforme com valores
entre 0 e 100 (valores percentuais em relação a capacidade total do disco). Define-se ainda que a porção inicial do
disco corresponde aos 15% iniciais, a porção intermediária entre 15 e 80% e a porção nos restantes 20%.

(a) Defina a v.a. de interesse, a função de densidade de probabilidades e a função de distribuição (acumulada).
(b) Obtenha a probabilidade do dano ocorrer na porção inicial do disco.
(c) Obtenha a probabilidade do dano ocorrer na porção final do disco, sabendo que não ocorreu na inicial.
(d) Obtenha a probabilidade do dano ocorrer na porção inicial ou final do disco.
(e) Defina uma nova variável dada pela porção do disco onde ocorre a falha e monte a sua distribuição de probabi-
lidades.

Considere agora que serão examinados cinco discos com dano e estamos interessados no número de discos que apresenta
dano na porção inicial.

(f) Defina a v.a. de interesse, identifique o seu tipo e obtenha a distribuição de probabilidades.
(g) Calcule a probabilidade de obter no máximo um dos discos com dano na porção inicial.
(h) Se forem examinados 100 lotes de cinco discos, qual deve ser o número médio de discos por lote SEM dano na
porção inicial?

Solução:

(a)

X : número de acertos
1 1
f (x) = =
100 − 0 100
Z 15
1 x x−0 x
F (x) = f (x) dx = x 0
= =
0 100 100 − 0 100
(b)
Z 15
1 15 1
P [0 < X < 15] = f (x) dx = x 0
= (15 − 0) = 0, 15
0 100 100
ou
15
P [0 < X < 15] = F (15) = = 0, 15
100
(c)
R 100
P [80 < X < 100 ∩ X > 15] P [80 < X < 100] f (x) dx 20/100
P [80 < X < 100|X > 15] = = = R80
100 = 85/100
= 0, 235
P [X > 15] P [X > 15]
15 f (x) dx
ou
1 − F (80)
P [80 < X < 100|X > 15] = = 0, 235
1 − F (15)
(d)
15 20
P [X < 15 ∪ X > 80] = P [X < 15] + P [X > 80] = + = 0, 35
100 100
ou
15 80
P [X < 15 ∪ X > 80] = F (15) + (1 − F (80)) = + (1 − ) = 0, 35
100 100
(e)
Y : porção do disco onde ocorre dano
y inicial intermediária final
P[Y=y] 0,15 0,65 0,20
(f)
Z : número de discos com dano entre cinco discos na porção inicial
Z ∼ B(n = 5, p = 0, 15)

5
P [Z = z] = (0, 15)z (1 − 0, 15)5−z
z
(g) P [Z ≤ 1] = P [Z = 0] + P [Z = 1] = 50 (0, 15)0 (1 − 0, 15)5−0 + 5
(0, 15)1 (1 − 0, 15)5−1 = 0, 444 + 0, 392 = 0, 835

1
(h) E[5 − X] = 5 − E[X] = 5 − n · p = 5 − 5 · (0, 15) = 4, 25

240. Considere que um grande grupo (I) de pessoas vai fazer uma determinada prova. Supõe-se que as notas seguem uma
distribuição normal de média 450 e variância 144. Chama-se de escores (Z = (X − µ)/σ as notas padronizadas para
uma distribuição normal padrão (média zero e variância unitária)
(a) Qual a proporção esperada de candidatos com nota superior a 470?
(b) Qual a proporção esperada de candidados com notas entre 430 e 460?
(c) Qual a proporção esperada de candidados que se distanciem mais do que 1,5 desvios padrões da média?
(d) Se forem classificados para uma próxima etapa 20% dos candidatos com as maiores notas, qual será a nota de
corte para classificação para próxima etapa.
(e) Se dividirmos os candidatos em três faixas: A : os 60% com menores notas, B : 30% de notas intermediárias e
C : 10% com as maiores notas. Quais os escores que definem os grupos?
(f) Quais valores correspondem aos quartis da distribuição das notas?
(g) São considerados candidatos excepcionais aqueles com escore acima de 2,5. A qual nota corresponde tal escore?
Um outro grupo (II) fez uma prova equivalente em um outro dia. Para este outro grupo a média foi de 462 e a
variância de 81. Os candidados dos dois grupos serão classificados usando os escores.
(h) Entre um candidato do grupo I com nota 470 e um do grupo II com nota 485, qual estaria melhor classificado?
(i) Quais seriam as notas para classificar os candidatos do grupo II nas faixas A, B e C?
(j) Se fosse adotada uma única nota de corte de 475, qual seria o percentual de classificados de cada grupo?
Solução:

X : nota no grupo I X ∼ N(450, 12)

X − 450
Z= : escore Z ∼ N(0, 1)
12
Y : nota no grupo II Y ∼ N(462, 9)

470−450
(a) P [X > 470] = P [Z > 12 ] = P [Z > 1, 667] = 0, 0478
(b) P [430 < X < 460] = P [ 12 < Z < 460−450
430−450
12 ] = P [−1, 667 < Z < 0, 8333] = 0, 75
(c) P [|Z| > 1, 5] = P [Z < −1, 5] + P [Z > 1, 5] = 0, 134
(d)

P [X > xD ] = 0, 20
z = 0, 8416
xD − 450
z=
12
xD = 460, 1

(e)

P [Z < z1 ] = 0, 60 −→ z1 = 0, 2533 (x1 = 453)

P [Z < z2 ] = 0, 90 −→ 1, 282 (x2 = 465, 4)

(f)

Q1 :
P [X < Q1 ] = 0, 25
z1 = −0, 6745
Q1 − 450
z1 =
12
Q1 = 441, 9
Q2 :
P [X < Q2 ] = 0, 50
Q2 = 450
Q3 :
P [X < Q3 ] = 0, 75
z3 = 0, 6745
Q3 − 450
z3 =
12
Q3 = 458, 1

xG −450
(g) z = 12 = 2, 5 −→ xG = 480
(h)
470 − 450
zI = = 1, 67
12
482 − 462
zII = = 2, 56
9
(i)

P [Z < z1 ] = 0, 60 −→ z1 = 0, 2533 (y1 = 464, 3)

P [Z < z2 ] = 0, 90 −→ 1, 282 (y2 = 473, 5)

(j)
475 − 450
Grupo I : P [X > 475] = P [Z > ] = P [Z > 2, 083] = 0, 0186
12
475 − 462
Grupo II : P [X > 475] = P [Z > ] = P [Z > 1, 444] = 0, 0743
9

Solução computacional (com o R)

> (qA <- pnorm(470, m=450, sd=12, low=F))

[1] 0,04779

> (qB <- diff(pnorm(c(430,460), m=450, sd=12)))

[1] 0,7499

> (qC <- 2*pnorm(-1.5))

[1] 0,1336

> (qD <- qnorm(0.80, m=450, sd=12))

[1] 460,1

> (qE <- qnorm(c(0.60,0.90)))

[1] 0,2533 1,2816

> (qEn <- qnorm(c(0.60,0.90), m=450, sd=12))

[1] 453,0 465,4

> (qF <- qnorm(c(0.25,0.50,0.75), m=450, sd=12))

[1] 441,9 450,0 458,1

> (qG <- 450 + 2.5 * 12)

[1] 480

> (qH <- c((470-450)/12,(485-462)/9))

[1] 1,667 2,556

> (qI <- qnorm(c(0.60,0.90), m=462, sd=9))

[1] 464,3 473,5

> (qJ <- c(pnorm(475, m=450, sd=12, low=F), pnorm(475, m=462, sd=9, low=F)))

[1] 0,01861 0,07431

241. Suponha que um sistema apresenta uma taxa de 3,2 falhas a cada 1000 pacotes transmitidos.

(a) Qual a probabilidade de haver duas ou mais falhas na transmissão de 100 pacotes?
(b) Sabendo que houveram falhas na transmissão de 1000 pacotes, qual a probabilidade que tenha sido mais do que
uma?
(c) Qual a probabilidade de não haver falhas na transmissão de 500 pacotes?
(d) Qual a probabilidade de haver 6 falhas na transmissão de 2000 pacotes?
(e) Qual deveria ser a taxa de falhas para que a probabilidade de não haver falha de transmissão em 1000 pacotes
seja de pelo menos 0,90?

Solução:

X : número de falhas a cada 1000 pacotes

X ∼ P(λ = 3, 2)
e−λ λx
P [X = x] =
x!
e−3,2 3,20 −3,2 1
(a) P [X ≥ 2] = 1 − P [X = 0] − P [X = 1] = 1 − 0! − e 1!3,2 = 1 − e−3,2 (1 + 3, 2) = 0, 829
P [X>1∩X≥1] P [X>1] 1−P [X=0]−P [X=1] 1−0,171
(b) P [X > 1|X ≥ 1] = P [X≥1] = P [X≥1] = 1−P [X=1] = 1−0,0408 = 0, 864
(c)

Xc : número de falhas a cada 500 pacotes

Xc ∼ P(λc = 1, 6)
e−1,6 1, 60
P [X = 0] = = 0, 202
0!

(d)

Xd : número de falhas a cada 2000 pacotes

Xd ∼ P(λd = 6, 4)
e−6,4 6, 46
P [X = 6] = = 0, 159
6!

(e)

Xe : número de falhas a cada 1000 pacotes

Xe ∼ P(λe )
P [X = 0] ≥ 0, 90
e−λe λ0e
≥ 0, 90
0!
e−λe ≥ 0, 90
λe ≤ − log(0, 90) = 0, 105

Solução computacional (com o R)

> (qA <- ppois(1, lam=3.2, low=F))

[1] 0,8288

> (qB <- ppois(1, lam=3.2, low=F)/ppois(0, lam=3.2, low=F))

[1] 0,864

> (qC <- dpois(0, lam=1.6))

[1] 0,2019

> (qD <- dpois(6, lam=6.4))

[1] 0,1586

> (qE <- -log(0.90))

[1] 0,1054

242. Um cluster possui 30 nós para processamento, sendo 10 de alta velocidade e 20 de baixa velocidade. A cada processo
submetido são alocados aleatóriamente o número de nós solicitados. Se um processo solicita cinco nós (simultanea-
mente) qual a probabilidade de que:

(a) todos sejam alocados em nós de baixa velocidade,

(b) dois deles sejam alocados em nós de alta velocidade,
(c) pelo menos dois deles sejam alocados em nós de alta velocidade,
(d) sejam todos alocados em nós do mesmo tipo (alta ou baixa velocidade).
(e) Se os processos nós fossem solicitados sequencialmente (cada um após finalizar o processamento do anterior) a
probabilidade de alocação em dois nós de alta velocidade seria diferente? (Justifique e recalcule, se for o caso)

Solução:

X : número de alocações em nós de alta velocidade

X ∼ HG(N = 30, n = 5, r = 10)
r N −r 10 30−10

x n−x x 5−x
P [X = x] = N
= 30

n 5

(10 30−10
0 )( 5−0 )
(a) P [X = 0] = = 0, 109
(30
5)

(10)(30−10)
(b) P [X = 2] = 2 305−2 = 0, 36
(5)
(c) P [X ≥ 2] = P [X = 2] + P [X = 3] + P [X = 4] + P [X = 5] = 1 − P [X ≤ 2] = 1 − P [X = 0] − P [X = 1] =
(10)(30−10) (10)(30−10)
1 − 0 305−0 − 1 305−1 = 1 − 0, 109 − 0, 34 = 0, 551
(5) (5)
(10)(30−10) (10)(30−10)
(d) P [X = 0] + P [X = 5] = 0 305−0 + 5 305−5 0, 109 − 0, 00177 = 0, 111
(5) (5)
(e)

Xe ∼ B(n = 5, p = 1/3)

5
P [X = 2] = (1/3)2 (1 − 1/3)5−2 = 0, 329
2
Solução computacional (com o R)

> (qA <- dhyper(0, m=10, n=20, k=5))

[1] 0,1088

> (qB <- dhyper(2, m=10, n=20, k=5))

[1] 0,36

> (qC <- phyper(1, m=10, n=20, k=5, low=F))

[1] 0,5512

> (qD <- sum(dhyper(c(0,5), m=10, n=20, k=5)))

[1] 0,1106

> (qE <- dbinom(2, size=5, prob=1/3))

[1] 0,3292

243. Peças que saem de uma linha de produção são marcadas como defeituosas (D) ou não defeituosas (N ). A proporção
de peças defeituosas na linha de produção é denotada por p. Peças são inspecionadas e sua condição (D ou N ) é
registrada. Isto é feito até que duas peças defeituosas consecutivas sejam fabricadas ou que quatro peças tenham sido
inspecionadas, aquilo que ocorrer primeiro.

(a) Descreva o espaço amostral do experimento.

(b) Atribua probabilidades a cada ponto do espaço amostral.
(c) Qual (quais) a(s) suposição(ções) feita(s) no cálculo das probabilidades.
(d) Qual a probabilidade do evento quatro peças são inspecionadas.
(e) Qual a probabilidade do evento quatro peças são inspecionadas sabendo-se que a primeira inspecionada era
defeituosa.

Solução:

(a)

Ω = {(D, D), (N, D, D), (D, N, D, D), (D, N, D, N ), (D, N, N, D), (N, N, D, D), (N, D, N, D),
(D, N, N, N ), (N, D, N, N ), (N, N, N, D), (N, N, D, N ), (N, N, N, N )}

(b)

{(D, D)} : P = p2
{(N, D, D)} : P = (1 − p)p2
{(D, N, D, D)} : P = (1 − p)p3
{(D, N, D, N ), (D, N, N, D), (N, N, D, D), (N, D, N, D)} : P = (1 − p)2 p2
{(D, N, N, N ), (N, D, N, N ), (N, N, N, D), (N, N, D, N )} : P = (1 − p)3 p
{(N, N, N, N )} :P = (1 − p)4

(c) Indepêndencia, probabilidade p permanece constante.

(d)

P [(D, N, D, D), (D, N, D, N ), (D, N, N, D), (N, N, D, D), (N, D, N, D),

(D, N, N, N ), (N, D, N, N ), (N, N, N, D), (N, N, D, N ), (N, N, N, N )] =
= (1 − p)1 ∗ p3 + 4 ∗ (1 − p)2 ∗ p2 + 4 ∗ (1 − p)3 ∗ p + (1 − p)4

ou
P [(D, D), (N, D, D)] = 1 − p2 − (1 − p)p2

(e)
P [(D, N, D, D), (D, N, D, N ), (D, N, N, D), (D, N, N, N )] = (1 − p)1 ∗ p3 + 2 ∗ (1 − p)2 + (1 − p)4

244. Três equipes, I, II e III, vão ter jogos contra outros adversários em uma determinada rodada de um campeonato.
Informações sobre as equipes e resultados anteriores mostram que a probabilidade de I vencer o seu jogo é de 0,7;
enquanto que a probabilidade de II vencer seu jogo é de 0,5 e a de III é 0,9. Não há a possibilidade de empate nos
jogos. Considere como independentes os resultados das três equipes na rodada e responda às questões a seguir.

(a) O resultado da rodada é um experimento aleatório? Porque?

(b) Qual o espaço amostral?
(c) Qual a probabilidade de alguma das equipes (ao menos uma) perder a sua partida?
(d) Sabendo-se que III venceu a partida, qual a probabilidade de que ambas as demais equipes tenham pedido?
(e) Os eventos I vence o jogo e II vence o jogo são mutuamente exclusivos? Justifique.

Solução:

Eventos :
I: equipe I vence a partida ; P [I] = 0, 7 ; P [I] = 0, 3
II: equipe II vence a partida ; P [II] = 0, 5 ; P [II] = 0, 5
III: equipe III vence a partida ; P [III] = 0, 9 ; P [III] = 0, 1

(a) Sim, é possı́vel dizer os resultados possı́veis mas não o que vai acontecer
(b) Ω = {(I, II, III), (I, II, III), (I, II, III), (I, II, III), (I, II, III), (I, II, III), (I, II, III), (I, II, III)}
Resultado (I, II, III) (I, II, III) (I, II, III) (I, II, III)
Probabilidade (0, 7)(0, 5)(0, 9) (0, 7)(0, 5)(0, 1) (0, 7)(0, 5)(0, 9) (0, 3)(0, 5)(0, 9)
Resultado (I, IIIII) (I, II, III) (I, II, III) (I, II, III)
Probabilidade (0, 7)(0, 5)(0, 1) (0, 3)(0, 5)(0, 1) (0, 3)(0, 5)(0, 9) (0, 3)(0, 5)(0, 1)
(c) P [alguma equipe perder] = 1 − P [todas ganharem] = 1 − P [(I, II, III)] = 1 − (0, 7)(0, 5)(0, 9) = 0, 685
P [(I,II,III)] (0,3)(0,5)(0,9)
(d) P [(I, II, III)|(∗, ∗, III)] = P [(I,II,III),(I,II,III),(I,II,III)]
= (0,7)(0,5)(0,9)+(0,7)(0,5)(0,9)+(0,3)(0,5)(0,9)+(0,3)(0,5)(0,9) =
0, 15
(e) Não, porque a interseção entre eles não é vazia, correspondendo aos seguintes eventos:

{(I, II, III), (I, II, III)}

245. Uma empresa adquire 30% de sua matéria prima de um primeiro fornecedor, 50% de um segundo e o restante de um
terceiro fornecedor. Os lotes de matéria prima são inspecionados e, se considerados não satisfatórios, são enviados de
volta. Sabe-se que 2%, 5% e 1% dos lotes são retornados a cada fornecedor, respectivamente. Calcule as probabilidades
de um lote tomado ao acaso:
(a) ser do fornecedor II e não retornar;
(b) ser devolvido;
(c) havendo sido rejeitado, ser do fornecedor II
(d) havendo sido rejeitado, ser do fornecedor III
(e) havendo sido aceito, ser do fornecedor I

Solução:

Eventos :
R: lote é devolvido
I: matéria prima vem do primeiro fornecedor P [I] = 0, 3 ; P [R|I] = 0, 02
II: matéria prima vem do primeiro fornecedor P [II] = 0, 5 ; P [R|II] = 0, 05
III: matéria prima vem do primeiro fornecedor P [III] = 0, 2 ; P [R|III] = 0, 01

(a) P [II ∩ R] = P [R|II] · P [II] = 0, 95 · 0, 5 = 0, 475

246. Três metodologias para predição tentam, de forma independente, prever o comportamento de um sistema de produção.
As metodologias fornecem previsões antecipadas que são comparadas com a produção observada e é considerada correta
se estiver dentro de uma margem de tolerância pré-especificada. Baseado em estudos anteriores sabe-se que a primeira
metodologia tem 72% de chance de acertar a predição, a segundo tem 45% e a terceira tem 65%. Qual a probabilidade
de algumas delas fornecer a previsão considerada correta? Explique por que a suposição de independência é necessária
para resolver o problema com os dados fornecidos.

Solução:

Eventos:
A : a primeira metodologia fornece previsão correta
B : a segunda fornece previsão correta
C : a terceira fornece previsão correta
Probabilidades informadas:
P (A) = 0, 72 P (B) = 0, 45 P (C) = 0, 65
P (A) = 0, 72 P (B) = 0, 45 P (C) = 0, 65
Probabilidade pedida:
ind
P (A ∪ B ∪ C) = 1 − P (A ∩ B ∩ C) = 1 − P (A) · P (B) · P (C) = 1 − (1 − 0, 72)(1 − 0, 45)(1 − 0, 65) = 0, 94

247. Dois jogadores (A e B) vão jogar um jogo que consiste no lançamento de dois dados. Ambos começam com R$ 10,00.
Se a soma dos dados for um número ı́mpar, A paga R$ 1,00 para B. Se a soma for par, B paga R$ 1,00 para A.
(a) Quais os possı́veis valores em dinheiro que os jogadores podem ter após 2 rodadas? A chance é a mesma para
todos esses possı́veis valores?
(b) Quais os possı́veis valores em dinheiro que os jogadores podem ter após 3 rodadas? A chance é a mesma para
todos esses possı́veis valores?
(c) O jogo é honesto?

Solução:
No lançamento de dos dados exixtem 36 resultados possı́veis ((1, 1), (1, 2), . . . , (6, 6)) todos com a mesma probabilidade
de ocorrência. As possı́veis somas e respectivas probabilidades são:

S(soma) 2 3 4 5 6 7 8 9 10 11 12
P [S = s] 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

O que resulta nas probabilidades de par e ı́mpar:

S(soma) par ı́mpar

18
P [S = s] 36= 12 18
36 = 12

(a) Denotanto por A e B as vitórias de cada um destes jogadores os possı́veis resultados são:

Ω = (A, A), (A, B), (B, A), (B, B)

e como P [A] = P [par] = P [ı́mpar] = P [B] = 1/2, cada um dos possı́veis resultados em Ω possui probabilidade
1/2. Denotando por XA o saldo de A após duas rodadas (lembrando que XB = 20 − XA ), temos que os possı́veis
valores e suas probabilidades após duas rodadas são:
xA 8 10 12
1 2
P [XA = xA ] 4 4 = 12 1
4
(b) De forma análoga à anterior, os possı́veis resultados são:

Ω = (A, A, A), (A, A, B), (A, B, A), (B, A, A), (A, B, B), (B, A, B), (B, B, A), (B, B, B)

e cada ponto do espaço amostral possui probabilidade 1/8. Os possı́veis valores de XA e suas probabilidades
após duas rodadas são:
xA 7 9 11 13
1 3 3 1
P [XA = xA ] 8 8 8 8
(c) Sim, a probabilidade de par é igual a de mpar o que resultou em probabilidades iguais para os ganhos possı́veis
dos jogadores.

As probabilidades poderiam ser ainda obtidas definindo-se:

YB número de vitórias de B
yB ∈ {0, 1, 2, 3}
YB ∼ Bin(n, p = 1/2) em que n = 2 ou 3é o número de rodadas

n
P [YB = yB ] = pyB (1 − p)n−yB
yB

248. Considere que um componente de um sistema de reconhecimento é composto de um código de três algarismos que
podem ser fornecidos em qualquer ordem. O reconhecimento é positivo se ao menos dois algarismos corretos são
fornecidos. Considere que são feitas tentativas aleatórias, sendo que cada tentativa consiste em fornecer três algarismos
(de 0 a 9).

(a) Qual a probabilidade do reconhecimento ser positivo em uma tentativa qualquer?

(b) Qual a probabilidade de conseguir reconhecimento positivo em duas tentativas consecutivas?
(c) Qual a probabilidade de conseguir reconhecimento positivo em exatamente duas entre 10 tentativas?
(d) Se são feitas tentativas até conseguir o primeiro reconhecimento positivo, qual a probabilidade de que sejam
necessárias mais do que quatro tentativas?
(e) Voce consegue identificar distribuições de probabilidades discretas discutidas em aula os itens anteriores?
Qual(ais)?

Solução:
O problema pode ser resolvido diretamente utilizando distribuições de probabilidades “conhecidas”, mas vamos aqui
detalhar a solução.
Denotando por C: algarismo correto é fornecido e C̄: algarismo incorreto é fornecido, o espaço amostral do experi-
mento definido por uma tentativa é:

Ω = {(C̄, C̄, C̄), (C̄, C̄, C), (C̄, C, C̄), (C, C̄, C̄), (C̄, C, C), (C, C̄, C), (C, C, C̄), (C, C, C)}.

As probabilidades associadas a cada ponto podem ser obtidas considerando que P [C] = 0, 1 e independência. Desta
forma P [(C̄, C̄, C)] = 0, 9 · 0, 9 · 0, 1 e de forma análoga para demais.

(a) E1 : reconhecimento ser positivo em uma tentativa

pR = P [E1 ] = P [(C, C, C̄)] + P [(C, C̄, C)] + P [(C̄, C, C)] + P [(C, C, C)] = 3 · (0, 1)2 (0, 9) + (0, 1)3 = 0, 028

(b)
ind
P [E1 ∩ E1 ] = 0, 012 = 0, 000784
(c) E3 : reconhecimento positivo em exatamente duas entre 10 tentativas

10
P [E3 ] = (pR)2 (1 − pR)10−2 = 0, 02811
2

(d) E4 : mais do que quatro tentativas até primeiro reconhecimento positivo.

P [E3 ] = 1 − P [Ē3 ] = 1 − (pR + (1 − pR)pR + (1 − pR)2 pR + (1 − pR)3 pR) = 0, 89262

(e) Distribuição Binomial para (i) número de algarismos corretos (ii) número de tentativas positivas. Distribuição
Geomérica para número de tentativas até o primeiro reconhecimento.

Utilizando distribuições de probabilidades “conhecidas” terı́amos as soluções apresentadas a seguir. Definindo as

variáveis aleatórias:

X1 : número de algarı́smos corretos em uma tentativa X1 ∼ B(n = 3, p = 1/10)

X2 : número de tentativas corretas em 2 tentativas X2 ∼ B(n = 2, p = P [X1 ≥ 2])
X3 : número de tentativas corretas em 10 tentativas X3 ∼ B(n = 2, p = P [X1 ≥ 2])
X4 : número de não reconhecimentos até o primeiro positivo X4 ∼ G(p = P [X1 ≥ 2)

E os itens anteriores seriam respondidos como:

(a) P [X1 ≥ 2] = P [X1 = 2] + P [X1 = 3] = 0, 027 + 0, 001 = 0, 028

(b) P [X2 = 2] = 0, 000784
(c) P [X3 = 2] = 0, 02811
(d) P [X4 ≥ 4] = 1 − P [X ≤ 3] = 1 − 0, 10738 = 0, 89262

249. A cada rodada de um experimento sobre funções cognitivas, o animal recebe um estı́mulo e depois faz uma escolha
entre duas opções, sendo que em uma deles ele recebe um “prêmio” e em outra não. O interesse está no resultados
dos “acertos” do animal (ou seja se ele recebe ou não o “prêmio”). Considere três rodadas deste experimento.
(a) Qual o espaço amostral do experimento?
(b) Qual a probabilidade associada a cada ponto do espaço amostral?
(c) Qual(ais) as suposições feitas para calcular estas probabilidades?
(d) Qual a probabilidade do animal receber algum “prêmio” durante as três rodadas?
(e) Defina algum evento simples e algum evento composto e forneça as probabilidades destes eventos.

Solução:
Notação:

A : o animal recebe o prêmio P [A] = 0, 50 P [A] = 0, 50

(a) Ω = {(A, A, A), (A, A, A), (A, A, A), (A, A, A), (A, A, A), (A, A, A), (A, A, A), (A, A, A)}
(b) todos tem a mesma probabilidade, P [(A, A, A)] = P [(A, A, A)] = . . . = P [(A, A, A)] = 1/2 · 1/2 · 1/2 = 1/8
(c) Os resultados das três rodadas são independentes, a probabilidade de prêmio permanece constnate e igual a 1/2
em cada rodada.
(d) P [algum prêmio] = 1 − P [nenhum prêmio] = 1 − P [(A, A, A)] = 1 − 1/8 = 7/8
(e) Há várias possibilidades, o que se seguem são apenas possı́veis opções:

E1 (evento simples) : o animal recebe prêmio em todas as tentativas

1
P [E1 ] =
8
E2 (evento simples) : o animal recebe prêmio em duas tentativas
1 1 1 3
P [E2 ] = P [(A, A, A)] + P [(A, A, A)] + P [(A, A, A)] = + + =
8 8 8 8

250. Considere um estudo de padrões em texto no qual a ocorrência de algumas “expressões chave” é verificada. Responda
cada um dos itens abaixo, identificando a variável aleatória envolvida e a respectiva distribuição de probabilidades.

(a) Sabe-se que uma certa expressão E1 ocorre em média 1,4 vezes por página. Qual a probabilidade de tal expressão
i. não ser encontrada em uma determinada página?
ii. ocorrer ao menos três vezes em duas páginas?
(b) Uma outra expressão E2 ocorre em 10% das páginas. Qual a probabilidade de:
i. não ser encontrada em cinco páginas escolhidas ao acaso?
ii. ser encontrada em ao menos uma de cinco páginas escolhidas ao acaso?
(c) Adota-se a estratégia de inspecionar páginas uma a uma até encontrar a primeira ocorrência da expressão E2 .
i. Quantas páginas sem a ocorrência de E2 espera-se encontrar?
ii. Qual a probabilidade de serem encontradas mais que cinco páginas sem a ocorrência de E2
(d) Em um texto completo de 80 páginas sabe-se que 30 apresentam algum erro no uso de expressões investigadas e
as demais páginas não apresentam nenhum erro.
i. Sendo escolhidas dez páginas do texto ao acaso, qual a probabilidade de que nenhuma delas contenha erro
no uso das expressões?
ii. Idem anterior para 15 páginas de texto.
(e) As páginas do texto serão inspecionadas até que se encontre a terceira página com algum erro.
i. Qual a probabilidade que de sejam “varridas” pelo menos dez páginas?
ii. Quantas páginas espera-se inspecionar antes de encontrar a terceira com erro?
iii. Qual seria a probabilidade “de algo oposto”, de ser necessário varrer mais de cinco páginas até que se encontre
a terceira sem erro algum?
Solução:

(a)

X : número de ocorrências de E1 em uma página

X ∼ P(λ = 1, 4)
e−λ λx
P [X = x] =
x!
e−1,4 1,40
i. P [X = 0] = 0! = 0, 247
ii.

X : número de ocorrências de E1 em duas página

X ∼ P(λ = 2, 8)
P [X ≥] = 1 − (P [X = 0] + P [X = 1] + P [X = 2]) = 0, 167

(b)

X : número de páginas em que E2 ocorre dentre cinco páginas

X ∼ B(n = 5, p = 0, 10)

n x
P [X = x] = p (1 − p)n−x
x

i. P [X = 0] = 50 (0, 1)0 (1 − 0, 1)5−0 = 0, 59

ii. P [X ≥ 1] = 1 − P [X = 0] = 0, 41
(c)

X : número de páginas insecionadas sem encontrar a ocorrência de E2 , antes de encontrar a primeira com o
X ∼ G(p = 0, 10)
P [X = x] = (1 − p)x p

i. E[X] = 1−p 1−0,1

p = 0,1 = 9
ii. P [X > 5] = 1 − P [X ≤ 5] = 0, 531
(d)

X : número de página com erros em n páginas de texto verificadas

X ∼ HG(N = 80, K = 30, n)
K N −K

x n−x
P [X = x] = N

n

(30 80−30
0 )( 10−0 )
i. P [X = 0|n = 10] = 80 = 0, 00624
(10)
30 80−30
( )( )
ii. P [X = 0|n = 15] = 0 8015−0 = 0, 000339
(15)
(e) As páginas do texto serão inspecionadas até que se encontre a terceira página com algum erro.

X : número de páginas inspecionadas sem encontrar a ocorrência de E2 , antes de encontrar a terceira com o
X ∼ BN(r = 3, p = 0, 10)

x+r−1 r
P [X = x] = p (1 − p)x
x

i. P [X + 3 ≥ 10] = P [X ≥ 7] = 0, 93
r(1−p) 3(1−0,1)
ii. E[X] = p = 0,1 = 27
iii.

X : número de páginas inspecionadas com encontrar a ocorrência de E2 , antes de encontrar a terceira s

X ∼ BN(r = 3, p = 0, 90)
P [X > 5] = 1 − P [X ≤ 4] = 0, 000176

251. Considera-se que o número semanal de acidentes em uma certa rodovia segue uma distribuição de Poisson com média
de 4,2.

(a) Qual a probabilidade de que em uma determinada semana ocorram menos que três acidentes?
(b) Indique como seria calculada a probabilidade de ocorrência de 10 ou mais acidentes.
(c) Qual a probabilidade de que não ocorra acidentes em um único dia tomado ao acaso?
(d) Qual seria a distribuição de probabilidades do número de acidentes por mês?
(e) Qual a probabilidade de que, em quatro semanas, no máximo em uma delas ocorram três ou mais acidentes?

Solução:

X : número semanal de acidentes

X ∼ P(λ = 4, 2)
e−λ λx e−4,2 4, 2x
P [X = x] = =
x! x!
(a) P [X ≤ 3] = P [X = 0] + P [X = 1] + P [X = 2] = 0, 21
(b) P [X ≥ 10] = 1 − P [X ≤ 9] = 1 − (P [X = 0] + P [X = 1] + . . . + P [X = 9]) = 0, 0111
(c)

XD : número acidentes em 1 dia

XD ∼ P(λ = 4, 2/7)
e−4,2/7 (4, 2/7)0
P [XD = 0] = = e−4,2/7 = 0, 549
0!
(d) Considerando o mês com 30 dias:

XM : número acidentes por mês

XM ∼ P(λ = 30 · 4, 2/7 = 18)

(e)

Y : número semanas, dentre 4 semanas, em que ocorrem 3 ou mais acidentes

Y ∼ B(n = 4, p = P [X ≥ 3] = 0, 79

n x n−y 4
P [Y = y] = p (1 − p) = 0, 79x (1 − 0, 79)4−y P [Y ≤ 1] = P [Y = 0] + P [Y = 1] = 0, 0313
x x

252. A função de densidade de probabilidades de uma variável aleatória X é dada por:

kx se 0 ≤ x ≤ 5
f (x) =
0 para qualquer outro valor
encontre:
(a) k,
(b) P [1 ≤ X ≤ 3],
(c) P [2 ≤ X ≤ 4],
(d) P [X ≥ 3],
(e) P [X ≤ 3|X > 1],
(f) A expressão da função de densidade acumulada F (x) e mostre como as probabilidades dos itens anteriores
poderiam ser calculadas em função de F (x),
(g) a média da variável X,
(h) os quartis (incluindo a mediana).

Solução:
0,4

1,0
0,8
0,3

0,6
F(x)
f(x)
0,2

0,4
0,1

0,2
0,0

0,0

0 1 2 3 4 5 0 1 2 3 4 5
x x

(a)

Kx ≥ 0, 0 ≤ x ≤ 5 ⇒ K > 0
Z 5
52 − 02
kxdx = 1 ⇒ k = 1 ⇒ K = 2/25 = 0, 08
0 2
R3 2 −12
(b) P [1 ≤ X ≤ 3] = 1 0, 08xdx = 0, 08 3 2 = 0, 32
42 −22
R4
(c) P [2 ≤ X ≤ 4] = 2 0, 08xdx
= 0, 08 2 = 0, 48
R5 2 2
(d) P [X ≥ 3] = 3 0, 08xdx = 0, 08 5 −3
2 = 0, 64
R3 2 −12
P [1<X≤3] 0,08xdx 0,08 3
(e) P [X ≤ 3|X > 1] = P [X>1] = R15 = 2
2
2 = 0, 333
1 0,08xdx 0,08 5 −1
2

(f) 
 0R x<0
x x 2 −02
F (x) = 2
0, 08xdx = 0, 08 2 = 0, 04x 0 ≤ x ≤ 5
 0
1 x>5

P [1 ≤ X ≤ 3] = F (3) − F (1) = 0, 04(32 − 12 ) = 0, 32

P [2 ≤ X ≤ 4] = F (4) − F (2) = 0, 04(42 − 22 ) = 0, 48
P [X ≥ 3] = 1 − F (3) = 1 − 0, 04(32 ) = 0, 64
F (3) − F (1) 0, 04(32 − 12 )
P [X ≤ 3|X > 1] = = = 0, 333
1 − F (1) 1 − 0, 04(32 )
R5 3 −03
x0, 08xdx = 0, 08 5
R
(g) E[X] = xf (x)dx = 0 3 = 10/3 = 3, 33
(h)
Z Md
f (x)d = 0, 5 ⇒ Md [X] = F −1 (0, 5) =
p
Md [X] : 0, 5/0, 04 = 3, 54
0
Z Q1
f (x)d = 0, 25 ⇒ Q1 [x] = F −1 (0, 25) =
p
Q1 [X] : 0, 25/0, 04 = 2, 5
0
Z Q3
f (x)d = 0, 75 ⇒ Q3 [x] = F −1 (0, 75) =
p
Q3 [X] : 0, 75/0, 04 = 4, 33
0

253. Suponha que em uma determinada sexta-feira voce está interessado em saber se vai ou não ocorrer chuva em uma
região na manhã do próximo domingo para confirmar ou desmarcar uma determinada atividade. Voce decide então
consultar três sites de previsão meteorológica. Baseado em previsões anteriores sabe-se que, para este horizonte de
previsão, o primeiro site acerta a previsão 62% de suas previsões, a segundo tem uma taxa de acerto de 85% e o
terceiro de 54%.
(a) Qual a probabilidade de algum dos sites fornecer a previsão correta?
(b) Qual a suposição necessária para resolver o problema com os dados fornecidos? Comente se e/ou quando tal
suposição é adequada.
(c) Um amigo seu sugere o seguinte: “se dois ou mais sites indicarem que não vai chover a atividade deve ser
mantida”. O que voce acha desta sugestão?
(d) Considere agora somente o segundo site. Verificando com mais detalhes as previsões anteriores feitas por este
site voce nota ainda que a taxa de acerto é de 60% para os dias que de fato chovem e de 93% para os dias que
não chove. Obtenha a probabilidade de chuva na região.

Solução:

Eventos:
S1 : o primeira site acerta a previsão
S2 : o segundo site acerta a previsão
S3 : o terceiro site acerta a previsão
Probabilidades informadas:
P (S1 ) = 0, 62 P (S2 ) = 0, 85 P (S3 ) = 0, 54
P (S 1 ) = 0, 38 P (S 2 ) = 0, 15 P (S 3 ) = 0, 46

ind
(a) P (S1 ∪ S2 ∪ S3 ) = 1 − P (S 1 ∩ S 2 ∩ S 3 ) = 1 − P (S 1 ) · P (S 2 ) · P (S 3 ) = 1 − (1 − 0, 62)(1 − 0, 85)(1 − 0, 54) = 0, 974
(b) Independência. A resposta deve discutir se/quando é adequado considerar previsões de diferentes sites como
independentes.
(c) O critério proposto não leva em consideração que os sites possuem probabilidades de acerto diferentes.
(d) Eventos e probabilidades:
C : chuva P [S2 |C] = 0, 60 P [S2 |C] = 0, 93
Probabilidade pedida: P [C]

P [S2 ] = P [S2 ∩ C] + P [S2 ∩ C]

P [S2 ] = P [S2 |C] · P [C] + P [S2 |C] · P [C]
P [S2 ] = P [S2 |C] · P [C] + P [S2 |C] · (1 − P [C])
0, 85 = 0, 60 · P [C] + 0, 93 · (1 − P [C])
0, 95 − 0, 85
P [E] = = 0, 242
0, 93 − 0, 60
254. Considere um jogo com um baralho (52 cartas) no qual em uma primeira rodada retira-se duas cartas e em uma
segunda rodada retira-se uma carta. O interesse é se as cartas são figuras (valete, dama ou rei) de qualquer naipe.
Temos interesse em:

• obter o espaço amostral;

• obter a probabilidade de cada ponto amostral;
• obter a distribuição de probabilidades do número de figuras obtidas nas três cartas.

Deve-se considerar duas situações, com e sem reposição das cartas entre a primeira e a segunda rodada.

Solução:
Notação:

F : a carta é uma figura

N = F : a carta não é uma figura

• O espaço amostral para as duas situações (com e sem reposição) é o mesmo.

Ω = {(F F, F ); (F F, N ); (F N, F ); (N F, F ); (F N, N ); (N F, N ); (N N, F ); (N N, N )}

• Já as probabilidades são afetadas por repor ou não as cartas

Ponto amostral (FF,F) (FF,N) (FN,F) (NF,F) (FN,N) (NF,N) (NN,F) (NN,N)
12 11 12 12 11 40 12 40 12 40 12 12 12 40 40 40 12 40 40 39 12 40 39 40
Com reposição 52 51 52 52 51 52 52 51 52 52 51 52 52 51 52 52 51 52 52 51 52 52 51 52
12 11 10 12 11 40 12 40 11 40 12 11 12 40 39 40 12 39 40 39 12 40 39 38
Sem reposição 52 51 50 52 51 50 52 51 50 52 51 50 52 51 50 52 51 50 52 51 50 52 51 50
•

X : número de figuras obtidas nas três cartas

x ∈ {0, 1, 2, 3}

Com reposição
x 0 1 2 3
P[X=x] P[(NN,N)] P[(FN,N)] + P[(NF,N)] + P[(NN,F)] P[(FF,N)] + P[(FN,F)] + P[(NF,F)] P[(FFF)]
40 39 40 12 40 40 40 12 40 40 39 12 12 11 40 12 40 12 40 12 12 12 11 12
52 51 52 52 51 52 + 52 51 52 + 52 51 52 52 51 52 + 52 51 52 + 52 51 52 52 51 52
0,4525 0,4142 0,1218 0,01149
Sem reposição
x 0 1 2 3
P[X=x] P[(NN,N)] P[(FN,N)] + P[(NF,N)] + P[(NN,F)] P[(FF,N)] + P[(FN,F)] + P[(NF,F)] P[(FFF)]
40 39 38 12 40 39 40 12 39 40 39 12 12 11 40 12 40 11 40 12 11 12 11 10
52 51 50 52 51 50 + 52 51 50 + 52 51 50 52 51 50 + 52 51 50 + 52 51 50 52 51 50
0,4471 0,4235 0,1195 0,009955
OBS: no caso sem reposição a v.a. X segue uma distribuição hipergeométrica e as probabilidades podem ser
obtidas pela função de probabilidade desta distribuição.
X ∼ HG(N = 52, n = 3, k = 12)
k N −k

x n−x
P [X = x] ∼ N

n
12 52−12

0 3−0
P [X = 0] = 52
= 0, 4471
3
12 52−12

1 3−1
P [X = 1] = 52
= 0, 4235
3
12 52−12

2 3−2
P [X = 2] = 52
= 0, 1195
3
12 52−12

3 3−3
P [X = 3] = 52
= 0, 009955
3

255. Considere que indivı́duos vão fazer um teste online no qual questões serão apresentadas sequencialmente ao candidato.
Calcule a probabilidade pedidas nos contextos de cada um dos itens a seguir. Procure identificar: a variável aleatória
em questão e sua distribuição de probabilidades.

(a) Suponha que oito (8) questões são retiradas com reposição (ou seja uma mesma questão pode ser retirada mais
de uma vez) de um banco de 40 questões dos quais o candidato sabe responder a 25 delas. Qual a probabilidade
de acertar três ou mais questões?
(b) Idem anterior porém supondo agora que as questões não podem se repetir.
(c) Supondo novamente reposição das questões, o candidato responde até errar pela primeira vez. Qual a probabili-
dade de acertar pelo menos três questões?
(d) Idem anterior supondo que responde até errar pela terceira vez.

Solução:

(a)
X : número de questões certas entre oito questões selecionadas ao acaso (com repetição)
X ∼ B(n = 8, p = 25/40)
x ∈ {0, 1, 2, . . . 8}
P [X ≥ 3] = 1 − P [X = 0] − P [X = 1] − P [X = 2] = 0, 964

(b)
X : número de questões certas entre oito questões selecionadas ao acaso (sem repetição)
X ∼ HG(N = 40, K = 25, n = 8)
x ∈ {0, 1, 2, . . . 8}
P [X ≥ 3] = 1 − P [X = 0] − P [X = 1] − P [X = 2] = 0, 9783

(c)
X : número de acertos até o primeiro erro
X ∼ G(p = 15/50)
x ∈ {0, 1, 2, . . .}
P [X ≥ 3] = 1 − P [X = 0] − P [X = 1] − P [X = 2] = 0, 2441
(d)

X : número de acertos até o terceiro erro

X ∼ BN(k = 3, p = 15/40)
x ∈ {0, 1, 2, . . .}
P [X ≥ 3] = 1 − P [X = 0] − P [X = 1] − P [X = 2] = 0, 7248

Soluções computacionais (linguagem R):

> (q1 <- pbinom(2, size=8, prob=25/40, lower=FALSE))

[1] 0,964

> (q2 <- phyper(2, m=25, n=15, k=8, lower=FALSE))

[1] 0,9783

> (q3 <- pgeom(2, prob=15/40, lower=FALSE))

[1] 0,2441

> (q4 <- pnbinom(2, size=3, prob=15/40, lower=FALSE))

[1] 0,7248

Gráficos das distribuições de probabilidades.

> par(mfrow=c(1,4))
> par(mar=c(3,3,0.2, 0.2), mgp=c(1.2, 0.6, 0))
> plot(0:8, dbinom(0:8, size=8, prob=25/40), xlab="x", ylab="P[X=x]", type="h")
> plot(0:8, dhyper(0:8, m=25, n=15, k=8), xlab="x", ylab="P[X=x]", type="h")
> plot(0:20, dgeom(0:20, prob=15/40), xlab="x", ylab="P[X=x]", type="h")
> plot(0:20, dnbinom(0:20, size=3, prob=15/40), xlab="x", ylab="P[X=x]", type="h")
0,30

0,12
0,25

0,25

0,3

0,10
0,20

0,15 0,20

0,06 0,08
0,15
P[X=x]

P[X=x]

P[X=x]
0,2
0,10

0,10

0,04
0,1
0,05

0,05

0,02
0,00
0,00

0,00
0,0

0 2 4 6 8 0 2 4 6 8 0 5 10 15 20 0 5 10 15 20
x x x x

256. Um vendedor consegue vender, em média, 0,5 unidades de um produto por dia. Calcule as probabilidades de:

(a) vender alguma unidade em um particular dia;

(b) não efetuar nenhuma venda em uma semana (considere a semana tendo cinco dias úteis);
(c) em uma semana (cinco dias úteis) efetuar vendas em ao menos três dias.

Solução:
(a)

X1 : número de vendas em um dia

x1 ∈ {0, 1, 2, . . .}
X1 ∼ P(λ = 0, 5)
e0,5 0, 50
P [X1 = 0] = = 0, 6065
0!
P [X1 ≥ 1] = 1 − P [X1 = 0] = 0, 3935

(b)

X2 : número de vendas em uma semana (cinco dias)

x2 ∈ {0, 1, 2, . . .}
X2 ∼ P(λ = 2, 5)
e2,5 2, 50
P [X2 = 0] = = 0, 08208
0!
(c)

X3 : número de dias com vendas em uma semana (cinco dias)

x3 ∈ {0, 1, 2, 3, 4, 5}
X3 ∼ B(n = 5, p = P [X1 = 0]
P [X3 ≥ 3] = P [X3 = 3] + P [X3 = 4] + P [X3 = 5] = 0, 6938

Soluções computacionais (linguagem R):

> (q1 <- ppois(0, lambda=0.5, lower=FALSE))

[1] 0,3935

> (q2 <- ppois(0, lambda=0.5*5))

[1] 0,08208

> (q2a <- (ppois(0, lambda=0.5)^5))

[1] 0,08208

> (q3 <- pbinom(2, size=5, prob=dpois(0, lambda=0.5), lower=FALSE))

[1] 0,6938

257. Suponha que os escores obtidos por estudantes em um teste online possam ser bem modelados por uma distribuição
normal com média µ = 120 e variância σ 2 = 122 .

(a) Considera-se como estudante de alta performance os que atingem um escore a partir de 135. Qual o percentual
esperado de estudantes de alta performance entre todos os que fazem o teste?
(b) Estudantes com escore abaixo de 100 devem se reinscrever e só podem voltar a fazer o teste após seis meses e
os com escore entre 100 e 125 são convidados a refazer o teste após um mês. Quais as proporções de estudantes
que deverá se reinscrever e que deverá refazer o teste após um mês?
(c) Define-se como quartis os escores abaixo dos quais espera-se encontrar 25, 50 e 75% dos estudantes. Quais os
valores dos escores que definem os quartis?
(d) Quanto deveria ser o valor µ da média dos escores para que ao menos 30% dos escores fossem de alta performance?
(e) Há um outro teste que possui média µ = 125 e variância σ 2 = 62 . Em qual deles espera-se a maior proporção de
estudantes de alta performance?
Solução:

X ∼ N(120, 122 )
135−120
(a) P [X > 135] = P [Z > 12 ] = P [Z > 1, 25] = 0, 1056
(b)
100 − 120
P [X < 100] = P [Z < ] = P [Z < −1, 6667] = 0, 0478
12
100 − 120 125 − 120
P [100 < X < 125] = P [ <Z< ] = P [−1, 67 < Z < 0, 417]
12 12
(c)
P [X < Q1 ] = 0, 25
Q1 − 120
z1 = −0, 674 =
12
Q1 = 120 − 8, 09 = 112
Usando o fato de que a distribuição é simétrica temos ainda que:
Q2 = µ = 120
Q3 = 120 + 8, 09 = 128
135−µ
(d) z = 15 = 0, 524 −→ µ = 128, 7
(e)
X1 ∼ N(120, 122 )
X2 ∼ N(125, 62 )
135 − 120
P [X1 ≥ 135] = P [Z1 > ] = P [Z1 > 1, 25] = 0, 106
12
135 − 120
P [X2 ≥ 135] = P [Z2 > ] = P [Z2 > 1, 67] = 0, 0478
12
Comandos em R para soluções:
> (qa <- pnorm(135, mean=120, sd=12, lower=FALSE))

[1] 0,1056

> (qb <- diff(pnorm(c(-Inf, 100, 125), mean=120, sd=12)))

[1] 0,04779 0,61375

> (qc <- qnorm(c(.25, .50, .75), mean=120, sd=12))

[1] 111,9 120,0 128,1

> (qd <- 135 - 12 * round(qnorm(0.70), dig=3))

[1] 128,7

> (qez <- (135 - c(120, 125))/c(12, 6))

[1] 1,250 1,667

> (qep <- pnorm(135, m=c(120, 125), sd=c(12, 6), lower=FALSE))

[1] 0,10565 0,04779

258. Declare as condições sob as quais a distribuição de Poisson pode ser usada para aproximar a distribuição Binomial.
Se X ∼ B(200; 0, 01) calcule P [X ≤ 2] (a) usando a distribuição Binomial, (b) usando a aproximação Poisson para a
Binomial.
Solução:

P [X ≤ 2] = P [X = 0] + P [X = 1] + P [X = 2]
Pela Binomial:

200 0 200−0 200 1 200−1 200
P [XB ≤ 2] = (0, 01) (1 − 0.01) + (0, 01) (1 − 0.01) + (0, 01)2 (1 − 0.01)200
0 1 2
= 0, 134 + 0, 271 + 0, 272 = 0, 272
Pela aproximação Poisson: X ≈ P(λ = n · p = 200 · 0, 01 = 2)
e−2 20 e−2 21 e−2 22
P [XP ≤ 2] = + + = e−2 [1 + 2 + 4/2] = 0, 677
0! 1! 2!

259. Sabe-se que o número médio de bactérias por mililitro de um lı́quido é 4. Supondo que o número de bactérias segue
uma distribuição de Poisson, encontre a probabilidade de que uma porção qualquer de 1 ml do lı́quido contenha

(a) nenhuma bactéria,

(b) quatro bactérias,
(c) menos que 3 bactérias.

Encontre ainda a probabilidade de que

(d) em 3 ml de lı́quido se encontrem menos que 2 bactérias,

(e) em 0,5 ml do lı́quido se encontre mais que duas bactérias.

Solução:

260. Pacientes que sofreram AVC com déficits afásicos foram submetidos a um teste psicométrico com uma bateria de tarefas
simples. O número de erros cometidos por 123 pacientes é listado na tabela a seguir. Calcule a média e variância do
número de erros por paciente e comente os valores obtidos. Ajuste uma distribuição de Poisson (calculando o número
de pacientes que comete cada número de erros) e comente sobre o quão bem a distribuição se ajusta aos dados.

Número de erros Número de pacientes

0 5
1 30
2 56
3 15
4 10
5 ou mais 7

Solução:

261. Em uma grande cidade, uma pessoa a cada 80, em média, tem sangue do tipo X. (i) Se 200 doadores de sangue são
tomados ao acaso, encontre uma aproximação à probabilidade de que ao menos cinco destes possuam o sangue do
tipo X. (ii) Quantos doadores devem ser tomados ao acaso de forma que a probabilidade de que no grupo haja ao
menos um doador do tipo X com probabilidade de pelo menos 0,90.
Solução:

262. (adaptado de Bussab & Morettin) Três jogadores, A, B e C disputam um torneio de tênis. Inicialmente A joga com
B e o vencedor joga com C, e assim por diante. O torneio termina quando um jogador ganha duas vezes em seguida
ou quando são disputadas, ao todo, quatro partidas.

(a) A sequência de jogos que determina o resultado final do torneio pode ser considerada um experimento aleatório?
Justifique.
(b) Quais são os possı́veis resultados?
(c) O torneio é ”justo” em relação às chances de vitória dos jogadores mediante a regra proposta?

Considere agora que, sabendo-se dos restrospectos de resultados dos jogadores e suas classificações em rankings tem-se
que A vence B com probabilidade de 0,72, vence C com probabilidade de 0,65 e B vence C com probabilidade de
0,38.

(d) Qual a probabilidade de cada jogador ganhar o torneio?

Solução:

1o Jogo Vencedor 2o Jogo Vencedor 3o Jogo Vencedor 4o Jogo Vencedor Campeão Sequência∗ Prob∗∗
AxB A AxC A - - - - A (AA) 1/4
A AxC C BxC B AxB A A (ACBA) 1/16
A AxC C BxC B AxB B B (ACBB) 1/16
A AxC C BxC C - - C (ACC) 1/8
B BxC B - - - - B (BB) 1/4
B BxC C AxC A AxB A A (BCAA) 1/16
B BxC C AxC C AxB B B (BCAB) 1/16
B BxC C AxC C - - C (BCC) 1/8
∗ Sequência : sequência de vencedores dos jogos torneio
∗∗ Probabilidade supondo igualdade entre os competidores em cada jogo

(a) Sim. (justificativas serão analisadas)

(b)
Ω = {(AA), (ACBA), (ACBB), (ACC), (BB), (BCAA), (BCAB), (ACC)}

(c) O jogo não é honesto pois sob a hipótese de igualdade de condições em cada jogo os jogadores possuem diferentes
chances de vencer o torneio.
Vencedor A B C
Sequências {(AA), (ACBA), (BCAA)} {(ACBB),(BB),(BCAB)} {(BCC),(ACC)}
Probabilidade (1/4)+(1/16)+(1/16)=3/8 (1/16)+(1/4)+(1/16)=3/8 (1/8)+(1/8) = 2/8
(d)

Campeão Sequência Probabilidade

A (AA) 0, 72 · 0, 65 = 0, 468
A (ACBA) 0, 72 · 0, 35 · 0, 38 · 0, 72 = 0, 0689
B (ACBB) 0, 72 · 0, 35 · 0, 38 · 0, 28 = 0, 0268
B (ACC) 0, 72 · 0, 35 · 0, 62 = 0, 1562
B (BB) 0, 28 · 0, 38 = 0, 1064
A (BCAA) 0, 28 · 0, 62 · 0, 65 · 0, 72 = 0, 0812
B (BCAB) 0, 28 · 0, 62 · 0, 65 · 0, 28 = 0, 0316
C (BCC) 0, 28 · 0, 62 · 0, 35 = 0, 0608
Vencedor A B C
Sequências {(AA), (ACBA), (BCAA)} {(ACBB),(BB),(BCAB)} {(BCC),(ACC)}
Probabilidade 0,6182 0,1648 0,217

263. Uma coleção de 100 programas de computador foi examinada para detectar erros de “sintaxe”, “input/output” e
de “outro tipo” diferente dos anteriores. Desses 100 programas, 20 tinham erros de “sintaxe”, 10 tinham erros de
“input/output” e 5 tinham erros de “outro tipo”, 6 tinham erros de “sintaxe” e de “input/output”, 3 tinham erros
de “sintaxe” e de “outro tipo”, 3 tinham erros de “input/output” e de “outro tipo” e 2 tinham os três tipos de erros
considerados. Um programa é seleccionado ao acaso desta coleção. Determine a probabilidade de que o programa
seleccionado tenha:

(a) Exclusivamente erros de “sintaxe”.

(b) Pelo menos um dos três tipos de erros

Solução:
Notação:

S : erro de sintaxe
I : erro de input/output
O : erro de outro tipo

Dados:

P [S] = 0, 20 ; P [I] = 0, 10 ; P [O] = 0, 05

P [S ∩ I] = 0, 06 ; P [S ∩ O] = 0, 03 ; P [I ∩ O] = 0, 03
P [S ∩ I ∩ O] = 0, 02

(a) P [S] − P [(S ∩ I) ∪ (S ∩ O)] = P [S] − {P [(S ∩ I)] + (S ∩ O)] − P [S ∩ I ∩ O]} =

= 0, 20 − 0, 06 − 0, 03 + 0, 02 = 0, 13
(b) P [S ∪ I ∪ O] = P [S] + P [I] + P [O] − P [S ∩ I] − P [S ∩ O] − P [I ∩ O] + P [S ∩ I ∩ O] =
= 0, 20 + 0, 10 + 0, 05 − 0, 06 − 0, 03 − 0, 03 + 0, 02 = 0, 25

264. Suponha que 5% de uma população sofre de hipertensão e que, de entre estes, 75% ingerem bebidas alcoólicas. De
entre os que não são hipertensos 50% ingerem bebidas alcoólicas. Suponha que um indivı́duo é escolhido ao acaso da
população.

(a) Calcule a probabilidade de o indivı́duo escolhido ingerir bebidas alcoólicas.

(b) Sabendo que o indivı́duo escolhido ingere bebidas alcoólicas, calcule a probabilidade de sofrer de hipertensão.

Solução:
Notação:

H : indivı́duo é hipertenso H : indivı́duo não é hipertenso

A : indivı́duo ingere bebida alcólica H : indivı́duo não ingere bebida alcólica

Dados:
P [H] = 0, 05 , P [A|H] = 0, 75 , P [A|H] = 0, 50
Portanto
P [H] = 1 − P [H] = 0, 95

(a) P [A] = P [A ∩ H] + P [A ∩ H] = P [A|H] · P [H] + P [A|H] · P [H] = 0, 75 · 0, 05 + 0, 50 ∗ 0, 95 = 0, 5125

P [H∩A] P [A|H]·[H] 0,75·0.05
(b) P [H|A] = P [A] = P [A] = 0,5125 = 0, 0732

Observação: o problema poderia ser organizado e resolvido utilizando uma tabela 2 × 2:

H H
A P [A ∩ H] = 0, 0375 P [A ∩ H] = 0, 475 P [A] = 0, 5125
A P [A ∩ H] = 0, 0125 P [A ∩ H] = 0, 475 P [A] = 0, 4875
P [H] = 0, 05 P [H] = 0, 95 1

265. Registos efetuados levaram a concluir que os motoristas que circulam em determinada estrada podem ter transgressões
classificadas em dois tipos ditas do tipo I ou do tipo II, não se notando nenhum caso em que o motorista cometa
ambas as transgressões. Por cada 500 motoristas multados há 100 motoristas multados por transgressões do tipo I.
Sabendo que 10% dos motoristas que cometem transgressões do tipo I são multados; que 1% cometem transgressões
do tipo I e que 2% cometem transgressões do tipo II, calcule a probabilidade de que um motorista que circule nessa
estrada e cometa uma transgressão do tipo II seja multado.

Solução:
Notação:

I : transgressão do tipo I ; II : transgressão do tipo II ; 0 : sem transgressão

M : motorista recebe multa ; M : motorista não recebe multa

Dados:

P [I ∩ II] = 0
P [I|M ] = 100/500 = 0, 20
P [M |I] = 0, 10
P [I] = 0, 01 e P [II] = 0, 02

Queremos calcular P [M |II].

A partir dos dados temos que:

P [II|M ] = 1 − P [1|M ] = 0, 80
P [M |I] · P [I] = 0, 10 · 0, 01 = 0, 001

Podemos obter P [M ]:

P [I|M ] = 0, 20
P [M ∩ I]
= 0, 20
P [M ]
0, 001
= 0, 20
P [M ]
P [M ] = 0, 005

Como P [M ] = P [M ∩ I] + P [M ∩ II] temos que

P [M ∩ II] = 0, 004
P [M |II] · P [II] = 0, 004
P [M |II] = 0, 004/0, 02 = 0, 20

Alternativamente, o problema pode ser esquamatizado na tabela:

0 I II
M P [0 ∩ M ] = 0 P [I ∩ M ] = 0, 001 P [II ∩ M ] = 0, 004 0, 005
M P [0 ∩ M ] = 0, 97 P [I ∩ M ] = 0, 009 P [II ∩ M ] = 0, 016 0, 995
P [0] = 0, 97 P [I] = 0, 01 P [II] = 0, 02 1
266. Um estudante vai fazer um teste no qual cada questão tem cinco alternativas das quais apenas uma é correta. Nos
dois contextos a seguir defina a variável aleatória, seus possı́veis valores, sua distribuição de probabilidades e calcule
a probabilidade pedida, supondo-se acerto ao acaso (ou seja, o estudante “chuta” todas as questões).

(a) Contexto 1: O estudante vai fazer cinco questões e deseja-se a probabilidade de acertar três ou mais questões.
(b) Contexto 2: As questões são apresentadas sequencialmente e o teste se encerra quando o estudante erra alguma
questão. Qual a probabilidade do estudante acertar três ou mais questões.

Itens extras discutidos em sala:

(c) Contexto 3: Considere o mesmo que no Contexto 2:, só que encerrando quando erra a terceira questão.
(d) Contexto 4: Considere que há um banco de 30 questões das quais o estudante sabe 10. Selecionam-se cinco
questões e deseja-se saber a probabilidade de mais que três acertos.

Solução:

(a) Contexto 1:

X : número de acertos em cinco questões

x ∈ {0, 1, 2, 3, 4, 5}
X ∼ B(n = 4, p = 1/5)

n x
P [X = x] = p (1 − p)n−x
x
p : probabilidade de acertar cada questão (“sucesso”)
P [X ≥ 3] = P [X = 3] + P [X = 4] + P [X = 5] =

5 3 5−3 5 4 5−4 5
= 0, 2 (1 − 0, 2) + 0, 2 (1 − 0, 2) + 0, 25 (1 − 0, 2)5−5 = 0, 0579
3 4 5

(b) Contexto 2:

X : número de acertos até o primeiro erro

x ∈ {0, 1, 2, 3, . . .}
X ∼ G(n = 4, p = 4/5)
P [X = x] = (1 − p)x p
p : probabilidade de errar a questão (“sucesso”)
P [X ≥ 3] = 1 − (P [X = 0] + P [X = 1] + P [X = 2]) = 1 − (0, 20 0, 8 + 0, 21 0, 8 + 0, 22 0, 8) = 0, 008

X : número de acertos até o terceiro erro

x ∈ {0, 1, 2, 3, . . .}
X ∼ BN(k = 3, p = 4/5)

x+k−1
P [X = x] = (1 − p)x p
x
p : probabilidade de errar a questão (“sucesso”)
P [X ≥ 3] = 1 − (P [X = 0] + P [X = 1] + P [X = 2]) =

2 0 3 1 4
=1−( 0, 2 0, 8 + 0, 2 0, 8 + 0, 22 0, 8) = 0, 0579
0 1 2
(d) Contexto 4:

X : número de acertos em cinco questões sorteadas

x ∈ {0, 1, 2, 3, 4, 5}
X ∼ HG(N = 30, K = 10, n = 5)
k N −K

x n−x
P [X = x] = N

n
P [X ≥ 3] = P [X = 3] + P [X = 4] + P [X = 5] =
10 20 10 20 10 20

3
= 30
2 + 4
1 +
30
5
5
30 = 0, 1912
5 5 0

Soluções computacionais (linguagem R):

> pa <- pbinom(2, size=5, prob=1/5, lower=FALSE)

> pb <- pgeom(2, prob=4/5, lower=FALSE)
> pc <- pnbinom(2, size=3, prob=4/5, lower=FALSE)
> pd <- phyper(2, m=10, n=20, k=5, lower=FALSE)

267. Considere que serão feitas inspeções em veı́culos em uma determinada área para identificar e orientar a correção de
irregularidades. Supõe-se que os veı́culos inspecionados são escolhidos ao acaso. Considere os diferentes cenários
descritos em cada um dos itens a seguir, identifique a variável aleatória em questão, seus possı́veis valores, sua
distribuição de probabilidades e responda à questão formulada.

(a) Em um lote de 50 veı́culos sabe-se que 8 deles possuem alguma irregularidade. Serão inspecionados sete veı́culos.
Qual a probabilidade de encontrar mais de um com alguma irregularidade?
(b) Sabendo que 15% dos veı́culos na área apresentam irregularidade, serão inspecionados veı́culos até que seja
encontrado o segundo com irregularidade. Qual a probabilidade de que sejam feitas no máximo cinco inspeções?
(c) A partir de experiências anteriores sabe-se que são encontrados, em média, 1,8 carros irregulares por hora de
inspeção. Qual a probabilidade de que em uma hora não seja encontrado nenhum carro irregular? E qual a
probabilidade de que sejam encontrados exatamente cinco irregulares em duas horas de inspeção?
(d) A partir de um certo momento decide-se que a inspeção vai terminar quando for encontrado o próximo veı́culo
irregular. Qual a probabilidade de que a partir deste momento sejam ainda inspecionados três ou mais carros?
(supondo ainda que 15% dos carros da região são irregulares)
(e) Um inspetor vai inspecionar sete carros. Qual a probabilidade de que encontre mais que um irregular? (supondo
ainda que 15% dos carros da região são irregulares)

Solução:

(a) Contexto 1:

X : número veı́culos com irregularidade (dentre os sete selecionados)

x ∈ {0, 1, 2, 3, 4, 5, 6, 7}
X ∼ HG(N = 200, K = 30, n = 7)
k N −K

x n−x
P [X = x] = N

n
P [X > 1] = P [X = 2] + P [X = 3] + . . . P [X = 7] = 1 − {P [X = 0] + P [X = 1]}
( )
8 42 8 42
0
=1− 50
7 + 1
6
50 = 0, 3098
7 7
(b) Contexto 2:

Y : número de inspeções até o segundo irregular

y ∈ {2, 3, 4, 5, . . .}
X : número de regulares até o segundo irregular
x ∈ {0, 1, 2, 3, . . .}
X ∼ BN(k = 2, p = 0, 15)

x+k−1 k
P [X = x] = p (1 − p)x
x
p : probabilidade de encontrar um veı́culo irregular (“sucesso”)
P [Y ≤ 5] = P [X ≤ 3] = P [X = 0] + P [X = 1] + P [X = 2] + P [X = 3] =

1 2 0 2 2 1 3 2 2 4
= 0, 15 0, 85 + 0, 15 0, 85 + 0, 15 0, 85 + 0, 152 0, 853 = 0, 7765
0 1 2 1

X1 : número de irregulares por hora

x1 ∈ {0, 1, 2, 3, . . .}
X1 ∼ P(λ = 1, 8)
e−λ λx
P [X = x] =
x!
e −1,8 1, 80
P [X1 = 0] = = 0, 1653
0!
X2 : número de irregulares por perı́odo de duas (2) horas
x2 ∈ {0, 1, 2, 3, . . .}
X2 ∼ P(λ = 2 · 1, 8 = 3, 6)
e−3,6 3, 65
P [X2 = 5] = = 0, 1377
5!

(d) Contexto 4:

Y : número de inspeções até o próximo irregular

y ∈ {1, 2, 3, 4, . . .}
X : número de regulares até o próximo irregular
x ∈ {0, 1, 2, 3, . . .}
X ∼ G(p = 0, 15)
P [X = x] = (1 − p)x p
p : probabilidade de encontrar um veı́culo irregular (“sucesso”)
P [Y ≥ 3] = P [X ≥ 2] = 1 − {P [X = 0] + P [X = 1]} =
= 1 − 0, 15 · 0, 850 + 0, 15 · 0, 851 = 0, 7225

(e) Contexto 5:

X : número de irregulares em sete (7) inspeções

n x
P [X = x] = p (1 − p)n−x
x
p : probabilidade de acertar cada questão (“sucesso”)

5 5
P [X > 1] = 1 − {P [X = 0] + P [X = 1]} = 1 − 0, 150 (1 − 0, 15)7−0 + 0, 151 (1 − 0, 15)7−1 = 0, 2834
0 1

Soluções computacionais (linguagem R):

> pa <- phyper(1, m=8, n=42, k=7, lower=FALSE)
> pb <- pnbinom(4, size=2, prob=0.15, lower=FALSE)
> pc1 <- dpois(0, lambda=1.8)
> pc2 <- dpois(5, lambda=2*1.8)
> pd <- pgeom(1, prob=0.15, lower=FALSE)
> pe <- pbinom(1, size=7, prob=0.15, lower=FALSE)

268. Uma determinada indústria classifica ovos como: XL acima de 73 g, L 63 a 73 g, M 53 a 63 g, S abaixo de 53 g.

Suponha que um produtor produza ovos cujos tamanhos (pesos) são descritos pela seguinte função de densidade de
probabilidades: 
(x−48)

 12k se 48 ≤ x < 60
f (x) = (x−78)
− se 60 ≤ x ≤ 78
 0 18k

se x < 48 ou x > 78

(a) Qual o valor de k ?

(b) Qual a proporção de ovos que deve ser produzida em cada classificação?
(c) Se o produtor recebe R$ 0,05 por ovo S, R$ 0,10 por ovo M , R$ 0,12 por ovo L e R$ 0,18 por ovo XL, quanto
deve receber em um lote de 10.000 ovos?
(d) Qual o tamanho (peso) mediano dos ovos?
(e) Forneça a expressão da distribuição acumulada F (x).
(f) Qual o tamanho (peso) para o qual apenas 20% dos ovos estão acima dele?

Solução:
1,0
0,06

0,8
0,05
0,03 0,04

0,6
F(x)
f(x)

0,4
0,02

0,2
0,01

S M L XL
0,00

0,0

md q80
45 50 55 60 65 70 75 80 45 50 55 60 65 70 75 80
x x

Figura 7: Funções de distribuição de probabilidades (f (x)) e acumulada (F (x)) do problema. Segmentos e setas são as
soluções de alguns dos items do problema.

(a) k = 15
(b) Pode-se resolver de três formas diferentes: geometricamente (áreas dos polı́gonos indicados na figura), integrando-
se f (x) ou avaliando-se e fazendo as diferenças dos valores de F (x) nos pontos que definem as classificações.
C : valor por ovo
c ∈ {0, 05; 0, 10; 0, 12; 0, 18}
ci 0, 05 0, 10 0, 12 0, 18
P [C = ci ] P [X < 53] = P [53 ≤ X < 63] = P [63 ≤ X ≤ 73] = P [X > 73] =
0, 0694 0, 5139 0, 3704 0, 0463
(c) 10, 000 · E[C] = 10.000 · (0, 05 · 0, 06944 + 0, 10 · 0, 5139 + 0, 12 · 0, 3704 + 0, 18 · 0, 0463) = 10.000 · 0, 10764 = 1076, 4
R 78
(d) md : md f (x)dx = 0, 5 −→ md = 61, 6
(e) 

 0 h i se x < 48
2 2
 1 (x −48 ) − 48(x − 48)

Z x se 48 ≤ x < 60

180 2 h
F (x) = f (x)dx = (x2 −602 )
i
1
48 

 0, 4 − 270 2 − 78(x − 60) se 60 ≤ x < 78

1 se x > 78

R 78
(f) q0,80 : q0,80 f (x)dx = 0, 20 −→ q0,80 = 67, 6

Soluções computacionais (linguagem R):

> ## definindo f(x)

> ddist <- function(x){
+ y <- numeric(length(x))
+ y[x >= 48 & x < 60] <- (x[x >= 48 & x < 60]-48)/180
+ y[x >= 60 & x < 78] <- -(x[x >= 60 & x < 78]-78)/270
+ return(y)
+ }
> ## definindo F(x)
> pdist <- function(x){
+ y <- numeric(length(x))
+ ind <- x >= 48 & x < 60
+ y[ind] <- ((x[ind]^2-48^2)/2 - 48*(x[ind]-48))/180
+ ind <- x >= 60 & x < 78
+ y[ind] <- 0.4 - ((x[ind]^2-60^2)/2 - 78*(x[ind]-60))/270
+ y[x >= 78] <- 1
+ return(y)
+ }
> ## definindo F^{-1}(x)
> qdist <- function(q){
+ uniroot(function(x) pdist(x) - q, interval=c(48,78))$root
+ }
> ## b) Proporç~
oes em cada classe
> ## integrando f(x)
> (PrS <- integrate(ddist, 48, 53)$value)

[1] 0,06944

> (PrM <- integrate(ddist, 53, 63)$value)

[1] 0,5139

> (PrL <- integrate(ddist, 63, 73)$value)

[1] 0,3704

> (PrXL <- integrate(ddist, 73, 78)$value)

[1] 0,0463

> ## utilizando F(x)

> (PC <- diff(pdist(c(48,53,63,73,78))))
[1] 0,06944 0,51389 0,37037 0,04630

> ## c) Valor médio por ovo

> (EC <- drop(crossprod(c(0.05, 0.10, 0.12, 0.18), PC)))

[1] 0,1076

> ## d) mediana
> (md <- qdist(0.5))

[1] 61,57

> ## f) quantil 0,80

> (q80 <- qdist(0.8))

[1] 67,61

> ## Gráficos
> par(mfrow=c(1,2), mar=c(3.5,3.5,1,1), mgp=c(2,1,0))
> curve(ddist, from=45, to=80, ylab="f(x)")
> segments(c(53,63,73), 0, c(53,63,73), ddist(c(53,63,73)))
> text(c(51, 58, 68, 75), 0.005, c("S","M","L","XL"))
> curve(pdist, from=45, to=80, ylab="F(x)")
> segments(c(53,63,73), 0, c(53,63,73), pdist(c(53,63,73)))
> arrows(c(53,63,73), pdist(c(53,63,73)), 44, pdist(c(53,63,73)), length=0.15)
> segments(44, 0.5,md, 0.5, col=2)
> arrows(md, 0.5, md,0, length=0.15, col=2)
> text(md, 0, "md", pos=1, col=2)
> segments(44, 0.8, q80, 0.8, col=2)
> arrows(q80, 0.8, q80,0, length=0.15, col=2)
> text(q80, 0, expression(q80), pos=1, col=2)

269. Um grande número de alunos faz uma prova visando avaliar a sua formação e a partir da qual é atribuı́do a cada um
deles um escore de proficiência (EP). Os resultados mostram que os EP’s podem ser descritos por uma distribuição
normal de média 300 e variância 400.

(a) Qual a percentagem de alunos com escores acima de 320?

(b) Qual a percentagem de pessoas com escores entre 250 e 350?
(c) Qual a percentagem de pessoas com escores que não se afastem da média mais do que 50?
(d) Qual valor deve ter 15% dos escores abaixo dele?
(e) Deseja-se dividir os escores em três grupos (alto, médio e baixo) com a mesma proporção de alunos. Quais os
valores de corte que dividem as categorias/grupos?
(f) Mantendo-se a mesma média, quanto deveria ser o desvio padrão para que se tenha não mais que 10% dos escores
abaixo de 270?
(g) Mantida a variância de 400 quanto deveria ser o escore médio para que se tenha não mais que 10% dos escores
abaixo de 270?

X : escores no exame e proficiência

X ∼ N (400, 452 )
320−300
(a) P [X > 320] = P [Z > 20 ] = P [Z > 1] = 0, 1587 −→ 15, 87%
(b) P [250 < X < 350] = P [ 20 < Z < 350−300
250−300
20 ] = P [−2, 5 < Z < 2, 5] = 0, 9876 −→ 98, 76%
(c) P [|X − 300| < 50] = P [250 < X < 350] = P [ 250−300
20 <Z< 250−300
20 ] = P [2, 5 < Z < 2, 5] == 0, 9876 −→ 98, 76%
a−300
(d) P [X < a] = 0, 15 −→ z = −1, 04 = 20 −→ a = 279, 3
(e)
x1 − 300
P [X < x1 ] = 1/3 −→ z = −0, 431 = −→ x1 = 291, 4
20
x2 − 300
P [X < x2 ] = 2/3 −→ z = 0, 431 = −→ x2 = 308, 6
20

270−300
(f) P [X < 270|µ = 300, σ] = 0, 10 −→ z = −1, 28 = σ −→ σ = 23, 4
270−µ
(g) P [X < 270|µ, σ = 20] = 0, 10 −→ z = −1, 28 = 20 −→ µ = 295, 6

Solução computacional com o programa R:

> (ita <- round(pnorm(320, 300, 20, low=F),dig=4))

[1] 0,1587

> (itb <- round(diff(pnorm(c(250, 350), 300, 20)),dig=4))

[1] 0,9876

> (itc <- round(diff(pnorm(c(250, 350), 300, 20)),dig=4))

[1] 0,9876

> (itd <- round(qnorm(0.15, 300, 20), dig=1))

[1] 279,3

> (ite <- round(qnorm(c(1/3,2/3), 300, 20), dig=1))

[1] 291,4 308,6

> (itf <- round((270-300)/qnorm(0.10), dig=1))

[1] 23,4

> (itg <- round(270-qnorm(0.10)*20, dig=1))

[1] 295,6

270. Um determinado exame tem probabilidade de 0,85 de detectar uma doença quando esta está presente enquanto que
um segundo tipo de exame tem probabilidade de 0,70. A doença é considerada detectada se algum dos exames é
positivo. Considere que um material com a doença vai ser testado por ambos exames.

(a) Descreva os eventos relevantes com uma notação apropriada.

(b) Forneça o espaço amostral na forma de um conjunto e aponte suas caracterı́sticas (finito ou infinito, enumerável
ou não enumerável, equiprovável ou não).
(c) Defina em notação o evento “a doença é detectada” e forneça o conjunto que define este evento.
(d) Qual a probabilidade da doença ser detectada?
(e) Qual a suposição feita no cálculo da probabilidade do anterior?
(f) Se três materiais com a doença forem testados com ambos exames, qual a probabilidade de que todos deem
(falso) “negativo”.
Solução:

(a) Notação:

A : doença detectada no primeiro exame

B : doença detectada no segundo exame
D : a doença é detectada
D : a doença não é detectada
P [A] = 0, 85
P [B] = 0, 70

(b) Ω = {(AB), (AB), (AB), (AB)}.

O espaço amostral é finito, enumerável e não equiprovável.
(c) O evento “a doença é detectada” é definido pelo conjunto D = {(AB), (AB), (AB)}.
(d) P [D] = P [A ∪ B] = P [A] + P [B] − P [A ∩ B] = P [A] + P [B] − P [A] · P [B] = 0, 85 + 0, 70 − 0, 85 · 0, 70 = 0, 955
(e) Independência entre os resultados dos dois exames.
(f) Supondo independência entre materiais e exames:
P [D]3 = (1 − P [D])3 = (1 − P [A ∪ B])3 = 0, 00009113

271. Um material genético de feijão em desenvolvimento foi testado quanto à resistência a duas doenças que afetam
comumente a cultura. Os resultados de 100 exames são resumidos na tabela a seguir.

resistência resistência à doença A

à doença B alta baixa
alta 80 9
baixa 6 5

Denote por A o evento o material tem alta resistência à doença A e por B o evento o material alta resistência à
doença B.

(a) Obtenha: P [A], P [A ∩ B], P [Ac ], P [Ac ∩ B c ], P [Ac ∪ B].

(b) Obtenha: P [A|B], P [B|A], P [A|B c ], P [B c |A], P [B|Ac ].
(c) Se um material é selecionado ao acaso qual a probabilidade de ter:
• alta resistência a A e baixa a B?
• alta resistência a B e baixa a A?
(d) os eventos alta resistência a ambas doenças são mutuamente exclusivos? (justifique)
(e) os eventos alta resistência a ambas doenças são independentes? (justifique)

Solução:

> m <- matrix(c(80,6,9,5),ncol=2,dimnames=list(c("A","A^c"),c("B","B^c")))

> m

B B^c
A 80 9
A^c 6 5

> mp <- [Link](m)

> mp
B B^c
A 0,80 0,09
A^c 0,06 0,05

(a) • P [A] = 0, 86
• P [A ∩ B] = 0, 8
• P [Ac ] = 0, 14
• P [Ac ∩ B c ] = 0, 05
• P [Ac ∪ B] = P [Ac ] + P [B] − P [Ac ∩ B] = 0, 94
P [A∩B]
(b) • P [A|B] = P [B] = 0, 9
P [A∩B]
• P [B|A] = P [A] = 0, 93
c]
• P [A|B c ] = P P[A∩B
[B c ] = 0, 55
c ∩A]
• P [B c |A] = P [BP [A] = 0, 43
c
• P [B|Ac ] = P P[A[A∩B]
c] = 0, 64
(c) • P [B ∩ Ac ] =0,06
• P [A ∩ B c ] =0,09
(d) Não, pois P [A ∩ B] 6= 0, isto é, os eventos ter alta resistência a ambas doenças possuem intersecção, por isso não
são mutuamente exclusivos. No contexto do exemplo, isto significa, por exemplo, que é possı́vel ter resistência a
ambas doenças ao mesmo tempo.
(e) P [A ∩ B] 6= P [A] · P [B], isto é, o produto das marginais difere dos valores observados, por isso sabemos que
os eventos não são independentes. No contexto do exemplo, as chances de ter resistência a uma doença são
diferentes quando se tem ou não resistência à outra. Dizendo de outra forma, a probabilidade marginal (em
todo universo) de se ter uma das doenças é diferente da condicional (no subgrupo que tem a outra doença), i.e.
P [A] 6= P [A|B].
> addmargins(mp)
B B^c Sum
A 0,80 0,09 0,89
A^c 0,06 0,05 0,11
Sum 0,86 0,14 1,00
> outer(rowSums(mp), colSums(mp), "*")
B B^c
A 0,7654 0,1246
A^c 0,0946 0,0154
> ## note tb a ordem entre os termos!
> #outer(apply(m/sum(m),2,sum),apply(m/sum(m),1,sum),"*")

272. Em um lote estão misturadas 20 sementes de uma determinada cultivar (A) de uva com 5 de outra (B). Não é
possı́vel distinguir facilmente as sementes, o que só pode ser feito em um exame detalhado. Considere as diferentes
possibilidades abaixo e calcule as probabilidades solicitadas.

(a) Se forem retiradas ao acaso de uma só vez quatro sementes para inspeção, qual a probabilidade de obter ao
menos uma de B?
(b) Se forem retiradas ao acaso e inspecionadas as sementes uma a uma, retornando a semente retirada ao lote, qual
a probabilidade de que sejam retiradas três ou mais de A antes de se retirar a primeira de B ?
(c) Finalmente, considere que as sementes serão retiradas ao acaso e inspecionadas uma a uma, retornando a semente
retirada ao lote antes da próxima retirada e serã feitas exatamente quatro retiradas, Qual a probabilidade de
obter ao menos uma de B?
Solução:

(a)

X : Número sementes do tipo B entre quatro retiradas

x ∈ {0, 1, 2, 3, 4}
X ∼ HG(N = 25, K = 5, n = 4)
K N −K 5 25−5

x n−x x 4−x
P [X = x] = N
== 25

n n
5 20

0
P [X ≥ 1] = P [X = 1] + P [X = 2] + P [X = 3] + P [X = 4] = 1 − P [X = 0] = 1 − 24
4 = 0, 617
4

(b)

X : Número de sementes retiradas de A até retirar a primeira de B

X ∼ G(p = 5/25 = 0, 2)
x ∈ {0, 1, 2, 3, 4, 5, . . .}
P [X = x] = (1 − p)x · p = (0, 8)x 0, 2
P [X ≥ 3] = P [X = 3] + P [X = 4] + P [X = 5] + . . . = 1 − P [X < 3] = 1 − {P [X = 0] + P [X = 1] + P [X = 2]} =
= 1 − {(0, 8)0 0, 2 + (0, 8)1 0, 2 + (0, 8)2 0, 2} = 0, 422

(c)

X : Número sementes do tipo B entre quatro retiradas (com reposição)

x ∈ {0, 1, 2, 3, 4}
X ∼ B(n = 4, p = 0, 20)

n x 4
P [X = x] = p (1 − p)n−x = 0, 2x 0, 84−x
x x

4
P [X ≥ 1] = P [X = 1] + P [X = 2] + P [X = 3] + P [X = 4] = 1 − P [X = 0] = 1 − 0, 20 0, 84 = 0, 59
0

Soluções computacionais com o programa R:

> (pa <- phyper(0, m=5, n=20, k=4, lower=F))

[1] 0,617

> (pb <- pgeom(2, p=0.25, lower=F))

[1] 0,4219

> (pc <- pbinom(0, size=4, prob=0.2, lower=F))

[1] 0,5904

273. Registros mostram que em determinado bairro são registradas, em média, 1,7 violações de residências por dia. Assuma
uma distribuição de probabilidades possivelmente adequada e calcule as probabilidades de que hajam

(a) três ou mais ocorrências em um dia;

(b) nenhuma ocorrência em um dia;
(c) entre uma e quatro ocorrências em um dia.
Solução:

X : Número diário de violações

x ∈ {0, 1, 2, 3, 4, . . .}
X ∼ P(λ = 1, 7)
e−λ λx e−1.7 1.7x
P [X = x] = =
x! x!
−1.7 1.70
(a) P [X ≥ 3] = P [X = 3] + P [X = 4] + P [X = 5] . . . = 1 − {P [X = 0] + P [X = 1] + P [X = 2]} = 1 − { e 0! +
e−1.7 1.71 −1.7 2 2
1! + e 2!1.7 } = 1 − e−1.7 {1 + 1.71 + 1.7
2! } = 0, 243
e−1.7 1.70
(b) P [X = 0] = 0! = 0, 183
−1.7 1.71 −1.7 1.72 −1.7 1.73 −1.7 1.74
(c) P [1 ≤ X ≤ 4] = P [X = 1] + P [X = 2] + P [X = 3] + P [X = 4] . . . == { e 1! +e 2 +e 3! +e 4! }=
2 3 4
1 − e−1.7 {1.71 + 1.72 + 1.76 + 1.7
24 } = 0, 788

Soluções computacionais com o programa R:

> (pa <- ppois(2, lam=1.7, lower=F))

[1] 0,2428

> (pb <- dpois(0, lam=1.7))

[1] 0,1827

> (pc <- diff(ppois(c(0,4), lam=1.7)))

[1] 0,7877

274. Uma função de densidade de probabilidade (f.d.p.) tem a expressão:


 −0, 025x + 0, 2 se 0 < x ≤ 4
f (x) = 0, 1 se 4 < x ≤ 8
0 para outros valores de x


(a) Mostre que f (x) é uma f.d.p. válida.

(b) Calcule P [X < 3]
(c) Calcule P [X > 7]
(d) Calcule P [X < 6, 5]
(e) Calcule P [X > 2]
(f) Calcule P [3 < X < 7]
(g) Calcule P [X < 7|X > 4]
(h) Obtenha a tal que P [X < a] = 0, 80
(i) Obtenha a mediana de X
(j) Estime uma valor (aproximado) para a média (E[X]). Este valor deve ser menor, maior ou igual à mediana?
Justifique.
(k) Obtenha os quartis da distribuição de X
0,20
0,15
0,10
fx(x)
0,05
0,00
0 2 4 6 8
x

Solução:

(a) i. Pelo gráfico da função é possı́vel verificar que f (x) ≥ 0 ∀x,

ii. A área sob a função deve ser igual a 1. Isto pode ser verificado geometricamente:
(0, 2 + 0, 1) · 4
A= + 0, 1 · 4 = 0, 6 + 0, 4 = 1.
2
Alternativamente pode-se integrar a função no intervalo e verificar que
Z 8
f (x) dx = . . . = 1
0

(b) P [X < 3] = 0, 4875

(c) P [X > 7] = 0, 1
(d) P [X < 6, 5] = 0, 85
(e) P [X > 2] = 0, 65
(f) P [3 < X < 7] = 0, 4125
(g) P [X < 7|X > 4] = 0, 75
(h) P [X < a] = 0, 80 −→ a = 6
(i) md(X) = 3, 1
(j) E[X] = 3, 47. Maior que a mediana pois a distribuição é assimétrica (com maior cauda à direita)
(k) Q1 (X) = 1, 37 e Q3 (X) = 5, 5

Soluções computacionais com o programa R:

> fx <- function(x){

+ y <- numeric(length(x))
+ y[x > 0 & x <= 4] <- -0.025*x[x > 0 & x <= 4] + 0.2
+ y[x > 4 & x <= 8] <- 0.1
+ return(y)
+ }
> (ita <- integrate(fx, 0, 8)$value)

[1] 1

> (itb <- integrate(fx, 0, 3)$value)

[1] 0,4875

> (itc <- integrate(fx, 7, 8)$value)

[1] 0,1
> (itd <- integrate(fx, 0, 6.5)$value)

[1] 0,85

> (ite <- integrate(fx, 2, 8)$value)

[1] 0,65

> (itf <- integrate(fx, 3, 7)$value)

[1] 0,4125

> (itg <- integrate(fx, 4, 7)$value/integrate(fx, 4, 8)$value)

[1] 0,75

> Qx <- function(x, quantil) (integrate(fx, 0, x)$value - quantil)^2

> (q80 <- optimize(Qx, c(0,8), quantil=0.80)$min)

[1] 6

> (md <- optimize(Qx, c(0,8), quantil=0.5)$min)

[1] 3,101

> Ex.f <- function(x) ifelse(x > 0 & x <= 8, x*fx(x), 0)

> (Ex <- integrate(Ex.f, 0, 8)$value)

[1] 3,467

> (q1 <- optimize(Qx, c(0,8), quantil=0.25)$min)

[1] 1,367

> (q3 <- optimize(Qx, c(0,8), quantil=0.75)$min)

[1] 5,5

275. Uma playlist vai ser montada com três músicas selecionadas a partir de uma lista de quatro músicas do(a) artista A,
outra lista de três de B e outra de duas de C. A sequência de músicas na playlist é montada ao acaso porém não
repete músicas e tem uma de cada artista sempre na sequência de A, B e C nesta ordem..
(a) Explique se e por que a composição da playlist pode ser considerada um experimento aleatório.
(b) Forneça o espaço amostral.
(c) Caracterize o espaço amostral quanto a ser (i) finito ou infinito, (ii) enumerável ou não enumerável, (iii) equi-
provável ou não equiprovável, justificando as respostas.
(d) Considere o evento “a playlist inicia com a segunda música do(a) artista A”. Qual o conjunto que define este
evento e qual a sua probabilidade de ocorrência?
(e) Considere o evento “a playlist não contém as primeiras músicas das listas de nenhum dos(as) artistas”. Qual o
conjunto que define este evento e qua a sua probabilidade de ocorrência?
(f) Qual seria a probabilidade de ocorrência de ambos eventos definidos no itens eventos anteriores?
(g) E qual seria a probabilidade de ocorrência de algum deles?
(h) Quantas playlists seria possı́veis se a ordem dos(as) artistas também fosse tomada ao acaso?
(i) Quantas playlists seriam possı́veis se fosse permitido o sorteio de mais de uma música do mesmo artista, porém
ainda sem repetição de música?
(j) Neste caso, qual seria a probabilidade da playlist não conter uma música do artista A?
Solução:
Notação:

A1, A2, A3 e A4 : músicas do(a) artista A

B1, B2, e B3 : músicas do(a) artista B
C1 e C2 : músicas do(a) artista C

(a) Sim, pelo fato da ordem dos artistas e músicas de cada um ser escolhada ao acaso.
(b) Ω1 = {(A1, B1, C1), (A1, B1, C2), (A1, B2, C1), (A1, B2, C2), (A1, B3, C1), (A1, B3, C2),
(A2, B1, C1), (A2, B1, C2), (A2, B2, C1), (A2, B2, C2), (A2, B3, C1), (A2, B3, C2),
(A3, B1, C1), (A3, B1, C2), (A3, B2, C1), (A3, B2, C2), (A3, B3, C1), (A3, B3, C2),
(A4, B1, C1), (A4, B1, C2), (A4, B2, C1), (A4, B2, C2), (A4, B3, C1), (A4, B3, C2)}
n(Ω1 ) = 4 · 3 · 2 = 24
(c) Finito, enumerável e equiprovável. (Justificativa)
(d) E1 = {(A2, B1, C1), (A2, B1, C2), (A2, B2, C1), (A2, B2, C2), (A2, B3, C1), (A2, B3, C2)}
P [E1 ] = n(E1 )/n(Ω1 ) = 6/24 = 1/4 = 0, 25
(e) E2 = {(A2, B2, C2), (A2, B3, C2), (A3, B2, C2), (A3, B3, C2), (A4, B2, C2), (A4, B3, C2)}
P [E2 ] = n(E2 )/n(Ω1 ) = 6/24 = 1/4 = 0, 25
(f) P [E1 ∩ E2 ] = 2/24 = 0, 0833
(g) P [E1 ∪ E2 ] = P [E1 ] + P [E2 ] − P [E1 ∩ E2 ] = 10/24 = 0, 417
(h) n(Ω2 ) = 24 ∗ 6 = 144
(i) n(Ω3 ) = 9 ∗ 8 ∗ 7 = 504
(j) P [A|Ω3 ] = (5 ∗ 4)/504 = 0, 0397

276. Três algorı́tmos diferentes vão ser testados para a classificação do diagnóstico baseado em exames e imagens. Cada
algorı́tmo pode acertar o diagnóstico da presença de certa doença e sabe-se que até o momento as taxas de acerto
são de 85, 90 e 70%. Uma imagem/exames de um paciente com a doença é fornecida aos três algorı́tmos e avalia-se o
acerto de cada um deles.

(a) Forneça o espaço amostral.

(b) Caracterize o espaço amostral quanto a ser (i) finito ou infinito, (ii) enumerável ou não enumerável, (iii) equi-
provável ou não equiprovável, justificando as respostas.
(c) Defina dois eventos e forneça suas probabilidades.
(d) Qual a probabilidade de que A acerte o diagnóstico ou que apenas um algorı́tmo acerte?
(e) Qual a probabilidade de que A tenha acertado o diagnóstico sabendo que apenas um algorı́tmo acertou?
(f) Qual a probabilidade de que nem A nem B acertem o diagnóstico?
(g) Qual a probabilidade da doença ser detectada?
(h) Qual a probabilidade de B acertar o diagnóstico sabendo que a doença foi detectada?
(i) Defina uma variável aleatória sobre este espaço amostral e indique seus possı́veis valores.
(j) Obtenha a distribuição de probabilidades da variável aleatória.

Solução:
Notação:
A : o algorı́tmo A acerta o diagnóstico ; A :: o algorı́tmo A erra o diagnóstico
P [A] = 0, 85 P [A] = 0, 15
B : o algorı́tmo B acerta o diagnóstico ; B :: o algorı́tmo B erra o diagnóstico
P [B] = 0, 90 P [B] = 0, 10
C : o algorı́tmo C acerta o diagnóstico ; C :: o algorı́tmo C erra o diagnóstico
P [C] = 0, 70 P [C] = 0, 30

(a) Ω = {(A, B, C), (A, B, C), (A, B, C), (A, B, C), (A, B, C), (A, B, C), (A, B, C), (A, B, C)}
(b) Finito, enumerável e não equiprovável. (Justificativa)
(c)

E1 : A acerta o diagnóstico = {(A, B, C), (A, B, C), (A, B, C), (A, B, C)}
P [E1 ] = 0, 85 · 0, 90 · 0, 70 + 0, 85 · 0, 10 · 0, 70 + 0, 85 · 0, 90 · 0, 30 + 0, 85 · 0, 10 · 0, 30 = 0, 85
E2 : B erra o diagnóstico = {(A, B, C), (A, B, C), (A, B, C), (A, B, C)}
P [E2 ] = 0, 85 · 0, 10 · 0, 70 + 0, 15 · 0, 10 · 0, 70 + 0, 85 · 0, 10 · 0, 30 + 0, 15 · 0, 10 · 0, 30 = 0, 304

(d)

E3 : apenas um algorı́tmo acerta o diagnóstico = {(A, B, C), (A, B, C), (A, B, C)}
P [E3 ] = 0, 85 · 0, 10 · 0, 30 + 0, 15 · 0, 90 · 0, 30 + 0, 15 · 0, 10 · 0, 70 = 0, 0765
E1 ∩ E3 = {(A, B, C)} ; P [E1 ∩ E3 ] = 0, 85 · 0, 10 · 0, 30 = 0, 0255
P [E1 ∪ E3 ] = P [E1 ] + P [E3 ] − P [E1 ∩ E3 ] = 0, 85 + 0, 0765 − 0, 0255 = 0, 901

P [E1 ∩E3 ] 0,0255

(e) P [E1 |E3 ] = P [E3 ] = 0,0765 = 0, 333
(f)

E4 : nem A nem B acertam o diagnóstico = {(A, B, C), (A, B, C)}

P [E4 ] = 0, 15 · 0, 10 · 0, 70 + 0, 15 · 0, 10 · 0, 30 = 0, 015
note que: P [A] · P [B] = 0, 15 · 0, 10 = 0, 015(independentes)

(g)

E5 : da doença ser detectada

P [E5 ] = 1 − P [E 5 ] = 1 − 0, 15 · 0, 10 · 0, 30 = 0, 996

(h)

P [B] = 1 − P [E2 ]
B ∩ E5 = {(A, B, C), (A, B, C), (A, B, C), (A, B, C)}
P [B ∩ E5 ] = 0, 85 · 0, 90 · 0.70 + 0, 15 · 0, 90 · 0.70 + 0, 85 · 0, 90 · 0.30 + 0, 15 · 0, 90 · 0.30 = 0, 9
P [B ∩ E5 ] 0, 9
P [B|E5 ] = = = 0, 904
P [E5 ] 0, 996

(i)

X : número de algorı́tmos que acertam o diagnóstico

x ∈ {0, 1, 2, 3}
(j)

x 0 1 2 3
P[X=x] 0,0045 0,0765 0,383 0,535

277. A localização de ocorrências em um trecho de 25 km de rodovia é considerada ser uma variável aleatória com função
de densidade de probabilidade dada por:

 K se 0 < x ≤ 15
K
f (x) = − (x − 25) se 15 < x ≤ 25
 10
0 se x < 0 ou x > 25

(a) Encontre o valor de K.

(b) Qual a probabilidade de ocorrer uma ocorrência nos primeiros 10 km?
(c) Se sabe-se que uma ocorrência ocorreu antes do km 20, qual a probabilidade de que tenha sido antes do km 10?
(d) Qual a probabilidade de uma ocorrência ter ocorrido entre os km 12 e 22 ?
(e) Se uma central de apoio for colocada no km 0, qual a distãncia que espera-se percorrer para atender 100 ocor-
rências?

Solução:

A função f (x) tem a forma conforme a seguinte figura:

K
f(x)

0 5 10 15 20 25
x

R 25
(a) Para que f (x) seja uma f.d.p. a área sob a figura deve ser 1, ou seja, 0 f (x)dx = 1.
Solução geométrica:
bt · ht
br · hr + =1
2
10 · K
15 · K + =1
2
1
K= = 0, 05
20
Solução por integração:
Z 25
f (x)dx = 1
0
Z 15 Z 25
f (x)dx + f (x)dx = 1
0 15
252 − 152

K
K · (15 − 0) − 25 · (25 − 15) − =1
10 2
1
K= = 0, 05
20
(b) P [X ≤ 10]
Solução geométrica:

P [X ≤ 10] = br · hr = 10 · 0, 05 = 0, 5 = 1/2
Solução por integração:
Z 10
f (x)dx = 0, 05 · (15 − 0) = 0, 5 = 1/2
0

(c)

P [(X ≤ 10(∩(X ≤ 20]) P [X ≤ 10]

P [X ≤ 10|X ≤ 20] = =
P [X ≤ 20] P [X ≤ 20]
é mais conveniente calcular: P [X ≤ 20] = 1 − P [X > 20]
Solução geométrica:
bt · ht (25 − 20) · f (20)
P [X > 20] = = = 0, 9375 = 15/16
2 2
Solução por integração:
25
252 − 202
Z
P [X > 20] = f (x)dx = 0, 005 25(25 − 20) − = 0, 9375 = 15/16
20 2
Portanto,
1
P [X ≤ 10|X ≤ 20] = = 0, 5333 = 8/15
0, 9375

(d) P [12 ≤ X ≤ 22]

Solução geométrica:

bt · ht f (15) · f (22)
P [12 ≤ X ≤ 22] = br · hr + = (15 − 12) · K + = 0, 3775 = 6550/17351
2 2
Solução por integração:
22 15 22
222 − 152
Z Z Z
f (x)dx = f (x)dx+ f (x)dx = 0, 05(15−12)−0, 005 25 · (22 − 15) − = 0, 3775 = 6550/1735
12 12 15 2
R 25
(e) 100 · E[X] = 100 · 0 x · f (x)dx = 1021

Solução computacional:

> fx <- function(x){

+ y <- numeric(length(x))
+ y[x > 0 & x <= 15] <- 0.05
+ y[x > 15 & x <= 25] <- -0.005 * (x[x > 15 & x <= 25] - 25)
+ return(y)
+ }
> ## (a)
> (qa <- integrate(fx, 0, 25)$value)

[1] 1

> ## (b)
> (qb <- integrate(fx, 0, 10)$value)

[1] 0,5

> ## (c)
> (p20 <- integrate(fx, 0, 20)$value)
[1] 0,9375

> (qc <- integrate(fx, 0, 10)$value/integrate(fx, 0, 20)$value)

[1] 0,5333

> ## (d)
> (qd <- integrate(fx, 12, 22)$value)

[1] 0,3775

> ## (e)
> Ex.f <- function(x){ x * fx(x)}
> (EX <- integrate(Ex.f, 0, 25)$value)

[1] 10,21

278. Seja uma função de densidade de probabilidades f (x) = 0, 2 − 0, 02x I0,10 (x).

(a) Esboce um gráfico da função.

(b) Mostre que f (x) é uma função de densidade de probabilidades (f.d.p.) válida.
(c) Obtenha a expressão de F (x) e seu gráfico.
(d) Obtenha o valor médio E[X] e a variância Var[X]
Obtenha as probabilidades:
(e) P [X > 2],
(f) P [X < 7],
(g) P [X > 5],
(h) P [X > E[X]],
(i) P [X > 2|X < 7],
(j) P [3 < X < 8].
(k) Obtenha os quantis 0,15, 0,25, 0,50, 0,60, 0,75 e 0,90,

Solução:

(a) Ver Figura (esquerda)

(b) Mostrar que:

(i)f (x) ≥ 1∀x

Z 10
(ii) f (x)dx = 1
0

(c) Ver Figura (direita)

0,20

1,0
0,8
0,15

0,4 0,6
0,10

F(x)
f(x)
0,05

0,2

EX EX
q15q25 q50 q60 q75 q90
0,00

0,0

q15q25 q50 q60 q75 q90

0 2 4 6 8 10 0 2 4 6 8 10
x x

Figura 8: Função de densidade de probabilidade e acumulada com valores da esperança e quantis indicados.
(d)
Z 10
E[X] = x · f (x)dx = . . . = 3, 33
0
Z 10
Var[X] = (x − E[X])2 · f (x)dx
0
Z 10
= E[X 2 ] − (E[X])2 = x · f (x)dx − (E[X])2 = . . . = 16, 7 − (3, 33)2 = 5, 56
0

(e) P [X > 2] = 1 − F (2) = 1 − (0, 2 · 2 − 0, 01 · 22 ) = 0, 64

(f) P [X < 7] = F (7) = 0, 2 · 7 − 0, 01 · 72 = 0, 91
(g) P [X > 5] = 1 − F (5) = 1 − (0, 2 · 5 − 0, 01 · 52 ) = 0, 25,
(h) P [X > E[X]] = 1 − F (10/3) = 1 − (0, 2 · 10/3 − 0, 01 · (10/3)2 ) = 0, 444
P [2<X<7] F (7)−F (2)
(i) P [X > 2|X < 7] = P [X<7] = F (7) = 0, 604
(j) P [3 < X < 8] = F (8) − F (3) = 0, 45
(k) Para qualquer quantil qp , F (q) = p, ou seja, q = F −1 (p), portanto para a f (x) dada o quantil é a raiz da equação
0, 2qp − 0, 01qp2 = p que estiver no intervalo (0, 10) no qual a função está definida.

q0,15 = 0, 78
q0,25 = 1, 34
q0,50 = 2, 93
q0,60 = 3, 68
q0,75 = 5
q0,90 = 6, 84

Soluções computacionais com o programa R:

> fx <- function(x){

+ y <- ifelse(x>0 & x<10, 0.2 - 0.02*x, 0)
+ return(y)
+ }
> Fx <- function(x){
+ y <- numeric(length(x))
+ I1 <- (x > 0 & x < 10)
+ y[I1] <- 0.2*x[I1] - 0.01*(x[I1])^2
+ y[x>10] <- 1
+ return(y)
+ }
> par(mfrow=c(1,2), mar=c(2.5,2.5,0.5, 0.5), mgp=c(1.5,0.5,0))
> xs <- seq(-1, 11, length=501)
> #
> plot(xs, fx(xs), type="l", xlab="x", ylab="f(x)")
> arrows(EX, fx(EX)/5, EX, 0, length=0.1)
> text(EX, fx(EX)/5, "EX" , pos=3,cex=0.8)
> x0 <- c(q15, q25, q50, q60, q75, q90)
> arrows(x0, fx(EX)/10, x0, 0, length=0.1)
> text(x0, fx(EX)/10, c("q15", "q25", "q50", "q60", "q75", "q90") , pos=3,cex=0.8)
> #
> plot(xs, Fx(xs), type="l", xlab="x", ylab="F(x)")
> segments(10,0,10,1, lty=2)
> abline(h=1, lty=2)
> y0 <- c(0.15, 0.25, 0.50, 0.60, 0.75, 0.90)
> segments(-1, y0, x0, Fx(x0), lty=2)
> arrows(x0, Fx(x0), x0, 0, length=0.1, lty=2)
> text(x0, 0, c("q15", "q25", "q50", "q60", "q75", "q90") , pos=1, cex=0.8)
> arrows(EX, 0.15, EX, 0, length=0.1)
> text(EX, 0.15, "EX" , pos=3, cex=0.8)
> Ex.f <- function(x){ x * fx(x)}
> (EX <- integrate(Ex.f, 0, 10)$value)

[1] 3,333

> Ex2.f <- function(x){ x^2 * fx(x)}

> (EX2 <- integrate(Ex2.f, 0, 10)$value)

[1] 16,67

> (VarX <- EX2 - (EX)^2)

[1] 5,556

> (sdX <- sqrt(VarX))

[1] 2,357

> 1 - Fx(2)

[1] 0,64

> Fx(7)

[1] 0,91

> 1 - Fx(5)

[1] 0,25

> 1 - Fx(EX)

[1] 0,4444

> (Fx(7)-Fx(2))/Fx(7)

[1] 0,6044

> Fx(8)-Fx(3)

[1] 0,45

> q15 <- Re(polyroot(c(-0.15, 0.2, -0.01))); (q15 <- q15[q15 > 0 & q15 < 10])

[1] 0,7805

> q25 <- Re(polyroot(c(-0.25, 0.2, -0.01))); (q25 <- q25[q25 > 0 & q25 < 10])

[1] 1,34

> q50 <- Re(polyroot(c(-0.50, 0.2, -0.01))); (q50 <- q50[q50 > 0 & q50 < 10])

[1] 2,929
> q60 <- Re(polyroot(c(-0.60, 0.2, -0.01))); (q60 <- q60[q60 > 0 & q60 < 10])

[1] 3,675

> q75 <- Re(polyroot(c(-0.75, 0.2, -0.01))); (q75 <- q75[q75 > 0 & q75 < 10])

[1] 5

> q90 <- Re(polyroot(c(-0.90, 0.2, -0.01))); (q90 <- q90[q90 > 0 & q90 < 10])

[1] 6,838