Distribui¸
c˜
oes Discretas
-Problemas Resolvidos
Exercise 1 Distribui¸c˜ao Binomial• Qual a probabilidade de haver duas ou mais pe¸cas defeituosas numa caixa com 5 pe¸cas? Foi verificado que a propor¸c˜ao de defeituosos num processo de fabrica¸c˜ao ´e de 10%. P (X> 2) = 1 − [P (X = 0) + P (X = 1)] P (X> 2) = 1 − [ 5 0 (0, 1)0(1− 0, 1)5−0+ 5 1 (0, 1)1(1− 0, 1)5−1] P (X> 2) = 1 − [0, 5905 + 0, 3280 = 0, 0815
• Seja uma urna com 3 bolas brancas e duas bolas pretas. Calcule a proba-bilidade de sair 2 bolas brancas em 3 retiradas COM reposi¸c˜ao.
Primeira forma: P [(b1∩ b2∩ p3)∪ (b1∩ p2∩ b3)∪ (p1∩ b2∩ b3)] = 3P (b1)P (b2)P (p3) = 33 5 3 5 2 5 = 3 18 125 = 0, 432 Segunda forma: P (X = x) = N x θx(1− θ)N−x P (X = 2) = 3 2 3 5 2 1−3 5 3−2 P [x = 2] = 3! (3− 2)!2! 3 5 2 2 5 1 = 0, 432
Portanto, o experimento foi executado COM reposi¸c˜ao.
Exercise 2 Distribui¸c˜ao Hipergeometrica
• Seja uma urna com 3 bolas brancas e duas bolas pretas. Calcule a proba-bilidade de sair 2 bolas brancas em 3 retiradas SEM reposi¸c˜ao.
Primeira forma: P [(b1∩ b2∩ p3)∪ (b1∩ p2∩ b3)∪ (p1∩ b2∩ b3)] = P (b1)P (b2|b1)P (p3|b1, b2)+ +P (b1)P (p2|b1)P (b3|b1, p2)+ +P (p1)P (b2|p1)P (b3|p1, b2) = 3 5 2 4 2 3+ 3 5 2 4 2 3 + 2 5 3 4 2 3 = 0, 60 Segunda forma: P (X = x) = k x N−k n−x N n P (X = x) = 3 2 5−3 3−2 5 3 P (X = x) = 3! (3−2)!2! 2! (3−1)!1! 5 (5−3)!3! = 3.2 10 = 0, 60
Portanto, SEM reposi¸c˜ao. Observe que o problema ´e o mesmo que o an-terior, com a diferen¸ca que este caso ´e sem reposi¸c˜ao.
• Qual a probabildiade de ganharmos na MEGA-SENA?
Seja N = 60 op¸c˜oes, k = 6 valores que ser˜ao sorteados, n = 6 escolhas pelo jogador e x = 6 a variavel aleat´oria que mede o n´umero de acertos:
P (X = x) = k x N−k n−x N n P (X = x) = 6 6 60−6 6−6 60 6 = 601 6 = 60!1 (60−6)!6! = 1 50.063.860
Exercise 3 Distribui¸c˜ao Uniforme
3
P (X = x) = 1
6
Portanto, as va’s sao equiprov´aveis.
Exercise 4 Distribui¸c˜ao Birnouli
• Um dado N ˜AO honesto e lan¸cado. A probabilidade de sair a face ”#3”´e de 20%. Calcule a probabilidade de n˜ao sair a face ”#3”.
Primeira forma P (”¯3”) = 1− 20 100 = 80% Segunda forma P (X = x) = θx(1− θ)1−x P (X = 0) = 20 100 0 1−20 80 1−0 = 80%
Portanto, as va’s N ˜AO s˜ao equiprov´avies.
• Um dado honesto e lan¸cado. Calcule a probabilidade de sair a face ”#3”. Primeira forma P (”3”) = #A #Ω = 1 6 Segunda forma: P (X = x) = θx(1− θ)1−x P (X = 1) = 1 6 1 1−1 6 1−1 = 1 6
Portanto, as va’s N ˜AO sao equiprov´aveis.
Exercise 5 Distribui¸c˜ao Poisson
• Em um processo de fabrica¸c˜ao 10% das ferramenas s˜ao defeituosas. Em uma amostra de 10 ferramentas escolhidas ao acaso, determinar a proba-bilidade de duas serem defeituosas
P (X = 2) = 10 2 (0, 10)2(1− 0, 10)10−2= 10 2 (0, 1)2(0, 9)8= 0, 1937
Coment´ario: Observe que os resultados das probabildiade s˜ao muito pr´oximas em ambos os modelos Poisson e Binomial.
• A probabilidade de um indiv´ıduo sofrer uma rea¸c˜ao nociva, resultante de um determinado soro, e 0,001. Qual a probabiliade de, exatos 3 indiv´ıduos em uma amostra de 2000 pessoas, sofrer a rea¸c˜ao nociva?
Primeira forma P [x = x] = λ xe−λ x! Seja λ = N P = (2000)(0, 001) = 2 P [x = 3](2) 3e−(2) 3! = 0, 180 Segunda forma: P (X = x) = N x θx(1− θ)N−x P (X = 3) = 2000 3 (0, 001)3(1− 0, 001)2000−2= 2000! (2000− 3)!3!(0, 001) 3(0, 999)1997 = 0, 180
Coment´ario: Observe que os resultados das probabilidades s˜ao bem pr´oximas em ambos os modelos de Poisson e Binomial para o caso em que N for muito grande.
Exercise 6 Distribui¸c˜ao Multinomial
• Uma caixa cont´em 5 bolas vermelhas, 4 brancas e 3 azuis. Determine a probabilidade de, entre 6 bolas escolhidas ao acaso e com reposi¸c˜ao, 3 serem vermelhas, 2 brancas e 1 azul.
5 ...desisti... Segunda forma: P (X = x) = N ! x1!x2!x3!x4!...xN! θx1 1 θ x2 2 θ x3 3 θ x4 4 ...θ xN N P (3v2b1a) = 6! 3!2!1! 5 12 3 4 12 2 3 12 1 = 625 5184 = 0, 12056
Portanto, o experimento ´e COM reposi¸c˜ao.
Exercise 7 Distribui¸c˜ao Geom´etrica
• Ganha-se um jogo se, ao lan¸car um dado honesto 6 vezes, sair a face #1. Ao sair a face desejada o jogo ser´a considerado finalizado.
P (X = x) = θ(1− θ)x−1 P (X = 6) = 1 6 1−1 6 6−1 = 1 6 5 6 5 = 6, 697%
• A propor¸c˜ao de encontrar um doador AB− no Brasil ´e de 0, 5%. Qual e a probabilidade de encontrar uma pessoa no meio de uma fila com 500 doadores (posi¸c˜ao 250)?
P (X = x) = θ(1− θ)x−1
P (X = 500) = (0, 005)(1− 0, 005))500−1= (0, 005)(0, 995)499= 0, 000409' 0, 041%
• Se a probabilidade de que um certo ensaio de rea¸c˜ao positiva for de 0,4, qual ser´a a probabilidade de que menos de 5 rea¸c˜oes negativas ocorram antes da primeira positiva?
P (X = x) = θ(1− θ)x−1
P (X≤ 5) = P (X = 1) + P (X = 2) + P (X = 3) + P (x = 4) + P (x = 5) P (X≤ 5) = (0, 4)(0, 6)0+ (0, 4)(0, 6)1+ (0, 4)(0, 6)2+
(0, 4)(0, 6)3+ (0, 4)(0, 6)4= 0, 92
Exercise 8 Distribui¸c˜ao de PASCAL ou Binomial negativa
• Ganha-se um jogo se, ao lancar um dado honesto 6 vezes, sair a face
#1 tres vezes independente do lancamento. O jogo para ao sair a face
• A propor¸c˜ao de um ajuste bem sucedido de um torno antigo e de 0,992. Qual a probabilidade de que exatamente em 12 tentativas: a) um ter¸co destas tentativas seja aceito? b) todos os ajustes foram bem sucedidos? a) Um ter¸co destas tenha um ajuste aceito?
P (X = x) = r− 1 k− 1 θk(1− θ)r−k P (X = 4) = 12− 1 4− 1 (0, 992)12(1− 0, 922)12−4 P (X = 4) = 11! (11− 3)!3!(0, 992) 12(0, 008)8= 0, 0000000000002746%
Exerc´ıcios - Problemas
Diversos
Principais Distribui¸
c˜
oes Discretas
1. Distribui¸c˜ao Uniforme Discreta: U ∼ (N) (a) P (X = x) = fX(x) = 1 N (b) fgm = MX(t) = 1 N Pi=1 N e it (c) µ = E(x) =n + 1 2 ; Var(x) = n2− 1 12
2. Distribui¸c˜ao de Bernoulli: Bern∼ (θ)
(a) P (X = x) = fX(x|θ) = θx(1− θ)1−x com X = 0, 1
(b) fgm = MX(t) = (1− θ) + θet (c) µ = E(x) = θ ; Var(x) = θ(1− θ) 3. Distribui¸c˜ao Binomial: Bin∼ (N, θ)
(a) P (X = x) = fX(x|θ) = Nxθx(1− θ)N−x com X = 0, 1, 2...N (b) fgm = MX(t) ={(1 − θ) + θet}n
(c) µ = E(x) = N θ ; Var(x) = N θ(1− θ) 4. Distribui¸c˜ao Hipergeom´etrica Hiper∼ (N, n, k)
(a) P (X = x) = fX(x) = ( k x)(N−kn−x) (N n) com X = 0, 1, 2...N (b) µ = E(x) = nNk ; Var(x) = nNk Nn−1−nNN−K
5. Distribui¸c˜ao Poisson: P ois∼ (λ)
(a) P (X = x) = fX(x) = λxx!e−λ com X = 0, 1, 2...N (b) fgm = MX(t) = eλ(et−1)
(c) µ = E(x) = λ ; Var(x) = λ 6. Distribui¸c˜ao Multinomial (a) P (X = x) = fX(x) = N ! n1!n2!...nk!θ n1 1 θ n2 2 ...θ nk k com X = 0, 1, 2...N (b) fgm = MX(t) =Pki=1θetk n (c) µ = E(x)) = N θ ; Var(x) = N θ(1− θ)
7. Distribui¸c˜ao Pascal ou Binomial Negativa: P ascal∼ (k, r)
(a) P (X = x) = fX(x = k) = kr−1−1θr(1− θ)k−r com X = 0, 1, 2...N (b) fgm = MX(t) ={ θ 1−(1−θ)et} n; t <−log(1 − θ) (c) µ = E(x) =r θ e Var(x) = r(1−θ) θ2
8. Distribui¸c˜ao Geom´etrica: Geom∼ (θ) (a) P (X = x) = fX(x) = θ(1− θ) x−1 com X = 0, 1, 2...N (b) fgm = MX(t) = θet 1−(1−θ)et; t <−log(1 − θ) (c) µ = E(x) =1 θ ; Var(x) = (1−θ) θ2 Exercise 9
Calcule a probabilidade de obter exatamente 2 caras em 6 lances de uma moeda n˜ao viciada. Resp. 1564
Exercise 10
Calcule a probabilidade de obter ao menos 4 caras em 6 lances de uma moeda n˜ao viciada. Resp. 1164
Exercise 11
Joga-se um dado honesto de 16 faces. Qual a probabilidade de sair a face 3? Qual a m´edia e a variˆancia? Resp. 161, E(x) = 8, 5, var(X) = 21, 25
Exercise 12
Joga-se um dado honesto 12 vˆezes. Qual a probabilidade de sarir as faces 1,2,3,4,5 e 6 exatamente duas vˆezes cada um? Resp. p = 0, 00344
Exercise 13
Qual a probabilidade de ganhar na Mega-Sena? Resp. p = 1 50.063.860
Exercise 14
Qual a probabilidade de adivinhar-se corretamente pelo menos 6 das 10 respostas de um question´ario do tipo certo-errado? Resp. p = 1024210
9
Se 3% das lˆampadas LED s˜ao defeituosas, determine a probabiliade de, em uma amostra de 100 lˆampadas, serem a) 1 defeituosa b) no m´aximo 2 defeituosas. Resp. a)0, 1494 b)0, 42329
Exercise 16
A probabilidade de tormenta em dias de ver˜ao ´e de 0,1. Qual a probabilidade da primeira tormenta ocorrer entre os dias 1 de Dezembro e 3 de Janeiro? Resp. a)0, 309%
Exercise 17
Um tanque de cria¸c˜ao cont´em 20 sardinhas, sendo que 4 destas est˜ao abaixo da envergadura m´ınima para o abatimento. Qual a probabilidade de, ao escolher ao acaso uma amostra da metade da popula¸c˜ao do tanque, duas sardinhas estarem fora do abate? Resp. 0, 4179
Exercise 18
1. Seja uma va Poisson com λ = 2. Calcule P (X≤ 1) 2. Seja uma va Poisson com λ = 1, 5. Calcule P (X > 2)
3. Seja uma va Birnouli com probabilidade sucesso θ = 34. Calcule P (X =
1) + P (x = 0)
4. Seja uma va Binomial Bin' (N = 10, θ = 45%). Calcule P (X = 5).
Exercise 19
Suponha que o filtro do escapamento de um carro segure 10.000 part´ıculas can-cer´ıgenas. A probabilidade destas part´ıculas escaparem do filtro do escapamento ´
e de 0,0004. Qual a probabildade de que mais de 5 pat´ıculas escaparem do filtro? Resp. 21, 5%
Exercise 20
Normalmente uma caixa com 1500 pe¸cas de perfil cont´em 25 defeituosas. Em uma amostra de 300 pe¸cas, qual a quantidade esperada de defeituosas? Resp. 5 pe¸cas
Exercise 21
A probabilidade de uma rea¸c˜ao qu´ımica bem sucedida ´e de 80%. Suponha que tentativas de rea¸c˜ao sejam efetuadas at´e que tenham ocorridos 3 rea¸c˜oes qu´ımicas bem sucedidas. Qual a probabilidade de que exatamente 6 tentativas sejam necess´arias? Resp. 20, 48%.
Exercise 22
Exercise 23
Suponha que o n´umero de erros tipogr´aficos em uma ´unica p´agina do livro tˆem distribui¸c˜ao de Poisson com λ = 12. Calcule a probabilidade de que exista pelo menos um erro em uma p´agina? Se o livro possiur 200 p´aginas, qual a proba-bilidade de n˜ao existir erros tipogr´aficos no livro? Resp. a)39, 34% b)' 0%
Exercise 24 Considere um experimento que consista da contagem do n´umero de part´ıculas α desprendidas em um intervalo de 1s por mol de material radio-ativo. Sabe-se que, na m´edia, este valor ´e de 3,2 emiss˜oes/mol. Ent˜ao, qual seria a probabilidade de que n˜ao mais do que 2 part´ıculas α sejam emitidas em no m´aximo 1 s? Qual a variˆanica? Resp.0, 382 var(x) = 3, 2 emiss˜oes/mol ao quadrado
Aplica¸
c˜
ao nas diversas ´
areas
1. Engenharia El´etrica Segundo a Resolu¸c˜ao Normativa n 360, de 14 de abril de 2009 da ANATEL, estabelece as dispisi¸c˜oes relativas ao ressarci-mento de danos el´etricos ocasionadas pelas concession´arias de energia el´etrica. Suponha que o n´umero de quedas de energia el´etrica ocasionada pela concession´aria durante um per´ıodo de um ano foi em m´edia 0,000317 quedas/segundo. Qual a probabilidade de haver 2 quedas de energia du-rante um per´ıodo de 8 horas em um ´unico dia?
2. Engenharia Mecˆanica Admite-se uma propor¸c˜ao do n´umero de falhas ocasionada por um tratamento t´ermico de 2, 5% por pe¸ca. O tratamento ´e reaplicado em 22 banhos t´ermicos da mesma unidade durante 48 horas com descanso m´edio de 1,4 horas entre um banho e outro. Qual a probabilidade de haver mais de 3 falhas no final do tratamento?
3. Qu´ımica O tempo observado de cataliza¸c˜ao do ´acido n´ıtrico HN O3 foi
em m´edia 1023, 42ms/mol. Qual a probabilidade de n˜ao haver nenhuma cataliza¸c˜ao neste tempo para 16 mols? Qual o tempo de cataliza¸c˜ao espe-rado?
4. Engenharia de Controle e Automa¸c˜ao: Um grupo de trˆes tipos de sensores foram instalados numa m´aquina de corte a laser 2-D. O sensor Sx mede a posi¸c˜ao da abscissa X, sensor Sy mede a posi¸c˜ao da ordenada Y e o sensor SZ mede o n´ıvel de ´agua no reservat´orio de resfriamento do corte. A propor¸c˜ao de erro nos sensores s˜ao±0, 097%, ±0, 089% e ±1, 9% respectivamente. Sabendo que os sensores trabalham independentemente, ap´os 2000 cortes calcule a probabilidade de, em 5% dos cortes efetuados com defeito, apresentar-nos 1 falha no corte em X, nenhuma falha na posi¸c˜ao Y e 9 falhas no resfriamento do corte?
11
6. Matem´atica: Encontre o fgm da distribui¸c˜ao binomial e dela construa as fun¸c˜oes de curtose e assimetria da distribui¸c˜ao.
7. Engenharia da Produ¸c˜ao: O setor de CQ da empresa divulgou que a cada 3000 produtos aprovados pela linha de produ¸c˜ao 7% abrem ordem de servi¸co. Qual a probabilidade de encontrar no m´ınimo 3 pe¸cas defeituosas em um lote de 60 unidades?
Distribui¸
c˜
oes Cont´ınuas
-Problemas Resolvidos
1. Distr. Uniforme Cont´ınua (a) fX(x; a, b) = b−a1
(b) µ = E(x) = λΓ(1 +1
k) e var(x) = E(x
2)− E(x)2= λ2[Γ(1 + 2/k)− Γ(1 + 1/k)2]
Exercise 25 Distibui¸c˜ao Uniforme
• Dado um conjunto cont´ınuo de va’s com distribui¸c˜ao U(0,1). Calcule a probabilidade de qualquer va estar entre (a,b), sendo: 0 < a < b < 1.
f (x) = 1 c2− c1 (c1≤ x ≤ c2) P [a < X < b] = Z b −∞ f (x)dx− Z a −∞ f (x)dx = Z b a 1 (1− 0)dx = b− a
Exercise 26 Distibui¸c˜ao Gaussiana (Normal)
• Um conjunto de dados populacionais apresentou µ = 165 e σ2= 9. Calcule
P (X < 162). f (x) = √ 1 2πσ2e −1 2(x−µσ ) 2 primeira forma P [−∞ < X < 162] = Z 162 −∞ 1 √ 2πσ2e −1 2(x−µσ ) 2 dx fa¸camos a primeira troca de vari´avel:
x− µ σ = t dx = σdt P [−∞ < X < 162] = √ 1 2πσ2 Z 162√−165 9 −∞ e−12t 2 dt fa¸camos a segunda troca de vari´avel**:
u = 1 2t 2 dt = (2u)−12du P [−∞ < X < 162] = √1 2π9 Z 1 2 −∞ e−u(2u)−12du P [−∞ < X < 162] = 1 6√π Z 1 2 −∞ e−uu−12du Intgrando...
(observe que a integra¸c˜ao ´e n˜ao trivial!)
15
Segunda forma: Nesta forma devemos encontrar qual o pivot da dis-tribui¸c˜ao, no caso ´e referente a densidade gaussiana. Logicamente ser´a dada por
x− µ σ = z
a qual chamaremos de score z. Observe que este pivot nada mais ´e do que a troca de vari´avel anteriormente efetuada**. Ent˜ao tranformaremos a vari´avel x em z a fim de aproximarmos o resultado por uma distribui¸c˜ao Z-score tabelada. P (X < 162) = P (X− µ σ < 162− 165 3 ) = P (Z <−1)
Com o uso da tabela z-score, encontraremos a seguinte rela¸c˜ao: P (X < 162) = P (Z <−1) = 0.5 − P [−1 < X < 0] = 0, 5− 0, 34134 = 0, 15866 ≈ 15, 8% • Calcule P (10 < X < 20) com N ' (µ = 10, σ2= 100) P (10 < X < 20) = P (10− 10 10 < X− µ σ < 20− 10 10 ) P (10 < X < 20) = P (0 < X− µ σ < 1) P (10 < X < 20) = P (0 < Z < 1) = P (Z < 1)− P (Z < 0) P (Z < 1)− P (Z < 0) = 0, 50 − 0, 84134 = 0.31434
Exercise 27 Distibui¸c˜ao Exponencial
• Seja uma va cont´ınua com distibui¸c˜ao exponencial de parˆametro λ = 1 2.
Calcule P [1 < X < 2] e o valor esperado. Solu¸c˜ao: P [a < X < b] =Rabλe−λtdt
P [1 < X < 2] = Z 2 1 1 2e −1 2tdt P [1 < X < 2] = 1 2 Z 2 1 e−12tdt P [1 < X < 2] = 0, 2386 O valor esperado ´e dado por µ = E(x) = 1
λ =
1
0,5 = 2. Portanto espera-se
µ = 2.
• Seja uma va cont´ınua com distibui¸c˜ao Gamma de parˆametro X ∼ Ga(α =
1
2, β = 1). Calcule P [0 < X < +∞], o valor esperado e a variˆancia.
Lembre-se da distribui¸c˜ao Gamma:
Γ(n) = Z ∞ 0 tn−1e−tdt Γ(n)⇒ Γ(n + 1) = nΓ(n) Γ(n + 1) = n! Γ(1 2) = √ 2 Solu¸c˜ao: P [a < X < b] = Z ∞ 0 βα Γ(α)x α−1e−βxdx P [0 < X <∞] = Z ∞ 0 112 Γ(12)x 1 2−1e−xdx sendo Γ(1 2) = √ π P [0 < X <∞] = Z ∞ 0 1 √ πx 1 2−1e−xdx P [0 < X <∞] = √1 π Z ∞ 0 x12−1e−xdx
Comparando a integral acima com a defini¸c˜ao dada, temos que n = 12, ou seja: P [0 < X <∞] = √1 πΓ 1 2 P [0 < X <∞] = √1 π √ π P [0 < X <∞] = 1 O valor esperado ´e dado por µ = E(x) =αβ = 12
1 = 1
2. A variˆancia ´e dada
por V AR(x) = E(x2)− E(x) = βα2 = 1 2
12 =
1
2. Portanto espera-se que a
m´edia ´e igual a variˆancia. Esta propriedade tamb`em pode ser verificada para a distribui¸c˜ao de Poisson para o caso discreto. A distribui¸c˜ao Gamma equivalente a Poisson, em rela¸c˜ao ´a igualdade entre a m´edia e variˆancia ´
e chamada de distribui¸c˜ao de Erlang. Uma utiliza¸c˜ao desta distribui¸c˜ao ´e mensurar o tempo m´edio entre pulsos, como entre as chamadas telefˆonicas.
17
• O tempo m´edio de falha de um banco de capacitores seguem uma dis-tribui¸c˜ao de Weibull com parˆametro de escala λ = 1
2 e de forma k = 1.
Calcule a probabildiade de falha no in´ıcio da opera¸c˜ao entre 2 e 2,5 se-gundos: P [2 < t < 2, 5]. f (x; k, λ) = k λkt k−1e−(t λ) k t≥ 0 t < 0 c.c. Solu¸c˜ao: P [2 < t < 2, 5] = Z 2,5 2 k λkt k−1e−(t λ) k dt P [2 < t < 2, 5] = Z 2,5 2 1 (1 2) 1t 1−1e−(t1 2 )1 dt P [2 < t < 2, 5] = 2 Z 2,5 2 e−2tdt∼ 0, 011577 ∼ 1, 157%
Assim, a probabilidade do capacitor falhar logo no in´ıcio ´e ´e muito baixo. Observe que quando o parˆametro de forma for igual a unidade, ou seja, k = 1 temos a distribui¸c˜ao exponencial.
• Suponha o comportamento de um sinal de comunica¸c˜ao de celulares com desvanecimento que s˜ao da ordem de 30 dB ou 40 dB. Chamamos de desvanecimento as altera¸c˜oes na amplitude e no caminho percorrido pela onda de r´adio devido ´as reflex˜oes no solo e/ou na atmosfera decorrente do percurso. Suponha um desvanecimento em pequena escala no qual o sinal aleat´orio chega com parˆametro de escala λ =√2σ e de forma k = 2.
Calcule a potˆencia m´edia que este sinal chega aos celulares.
f (x; k, λ) = k λktk−1e−( t λ) k t≥ 0 t < 0 c.c. com m´edia dada por
µ = E(x) = λΓ(1 + 1/k) e variˆancia dada por
var(x) = E(x2)− E(x)2= λ2[Γ(1 + 2/k)− Γ(1 + 1/k)2]
Resolu¸c˜ao: Para k = 2, teremos a seguinte distribui¸c˜ao:
E chamaremos esta forma de Weibull como a Distribui¸c˜ao de Rayleigh. A pot˜encia do sinal ´e dado pela variˆancia desta distribui¸c˜ao, no caso:
var(x) = E(x2)− E(x)2= λ2[Γ(1 + 2/k)− Γ(1 + 1/k)2] = (√2σ)2[Γ(1 + 2/2)− Γ(1 + 1/2)2] = 2σ2[Γ(2)− Γ(1/2 + 1)2] = 2σ2[(2− 1)! − (1/2Γ(1/2))2] = 2σ2 " 1− √ π 2 2# =4− π 2 σ 2= P ot
Exerc´ıcios - Problemas
Diversos Cont´ınuas
Principais Distribui¸
c˜
oes Cont´ınuas
Exercise 30
Calcule a probabilidade para:
P (0 < Z < +∞) = √1
2π Z +∞
0
e−z2dz
Resp. P (0 < Z < +∞) = 12 (Sugest. Use a I = IxIy com It=R−∞+∞e−t2dt)
Exercise 31
Calcule as Seguintes probabilidades: 1. P (1 < X < 5); X∼ (0, 1) 2. P (3, 21 < X < 5) ; X∼ (2, 4) 3. P (|X − 3| > 6) ; X ∼ (3, 9) 4. P (X≤ 5) ; X ∼ (0, 36)
5. P (X≥ −1, 08) ; X ∼ (−3, 144)
Exercise 32 Um conjunto de parafusos apresentam uma espessura em
dis-tribui¸c˜ao normal com m´edia 2,34 mm e variˆancia 0,023. Calcule a probabildade das pe¸cas estarem acima de 2,5 mm.
Exercise 33 Dada uma carga de ruptura de um tecido de algod˜ao (em libras), X,seja normalmente distribu´ıda com X ∼ N(µ = 165, σ2= 9). Se X < 162 a
amostra ´e considerada defeituosa. Qual a probabilidade de que o tecido escolhido ao acaso seja defeituoso? RESP. 0,159
Exercise 34 O tempo m´edio ente liga¸c˜oes das chamadas 190 segue uma dis-tribui¸c˜ao exponencial com m´edia 0,50 horas em dias normais. Qual a probabil-idade de, em dias normais, do tempo m´edio de liga¸c˜ao ser inferior a 1,5 horas? RESP. 65%
Exercise 35 A quantidade de chuva anual em uma certa regi˜ao segue uma distribui¸c˜ao normal de µ = 40 e σ = 4. Qual a probabilidade de que, come¸cando a registrar os ´ındices pluviom´etricos este ano, ser˜ao necess´arios mais do que 10 anos para se registrar uma quantidade de chuva anual maior do que 50?
Exercise 36 uma vari´avel aleat´oria tˆem uma distribui¸c˜ao uniforme entre 2 e 7. Sabendo que f (X) = 1
b−a, encontre o momento gerador desta distribui¸c˜ao e en-contre equa¸c˜ao da m´edia e desvio padr˜ao. Qual a m´edia e o desvio padr˜ao?Qual a probabilidade de se obter um valor entre 2,7 e 4,2? RESP. etb−eta
t(b−a); µ = 4, 5; σ = 1, 44
Exercise 37 A dura¸c˜ao m´edia de um condensador segue uma distribui¸c˜ao ex-ponencial de 200 horas. Calcule a propor¸c˜ao de condensadores que durem: a) a metade do tempo m´edio, b)mais do que 500 horas e c) entre 200 e 400 horas? RESP. a)0, 39347; b)0, 08206 e c)0, 23254.
Exercise 38 Uma popula¸c˜ao segue uma distribui¸c˜ao qui-quadrado. Se uma amostra de 20 unidades forem levantadas em uma popula¸c ˜ao de 1.256.982 elementos, encontre a m´edia e variˆancia desta distribui¸c˜ao amostral. RESP: µ = 19 e σ2= 38
Exercise 39 Suponha que, em m´edia, 6 pulsos chegam ao canal de servi¸co por minuto. Qual a probabilidade necess´aria para pelo menos em um minuto 3 pulsos cheguem ao canal? (Sugest˜ao: Use a distribui¸c˜a de Erlang) RESP 6, 20%
Exercise 40 Um conjunto de dados seguem uma distribui¸c˜ao com α = 32 e β = 3. Calcule P (x > 0) e encontre a E(X).
Exercise 41 Com o uso da tabelas Z, t-Student, Qui-quadrado e F-Senedecor,
calcule a) P (X > 1, 00) X∼ N(2, 9) b) P (|X − 3| ≤ 4) X ∼ N(1, 4) c) P (2 < X < 4) X∼ N(−4, 4) d) P (χ2< χ2 c) = 95% com X∼ χ2(2) e α = 5%. Encontre χ2c
e) Seja uma distribui¸c˜ao t-Stuent bilateral com α = 5%. Calcule a probabilidade para uma amostra de n = 5.
f ) P (χ2> 11, 781) com X∼ χ2(10).
g) P (χ2≤ 11, 781) com X ∼ χ2(10).
h) Seja uma distribui¸c˜ao t-Stuent unilateral `a direita com α = 0, 01. Calcule a probabilidade para uma amostra de n = 10.
i) P (|X − 4| ≤ 12) X ∼ N(0, 1)
Exercise 42 Seja conjunto de va’s com distribui¸c˜ao exponencial de m´edia E(x) =