Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Lista de exercícios propostos n.o 03: Variáveis aleatórias e modelos teóricos unidimensionais Exercício 1. Uma empresa escolhe um lote com três peças para analisar a sua qualidade. As peças são classificadas em defeituosas ou não defeituosas. Através de estudos anteriores, a empresa sabe que 10% das peças que recebe são defeituosas. Considere a variável aleatória X - “número de peças defeituosas no lote”. Exercício 3. Suponha que a máquina 1 produz por dia o dobro das peças que são produzidas pela máquina 2. No entanto 4% das peças fabricadas pela máquina 1 tendem a ser defeituosas, enquanto que a máquina 2 produz somente cerca de 2% de defeituosas. Admita que a produção diária das duas máquinas seja misturada. Uma amostra aleatória de 4 peças é extraída da produção total. Considere a variável aleatória X -“número de peças defeituosas na amostra”. (a) Indique a função de probabilidade da variável aleatória X; (a) Indique o espaço de resultados, S, da experiência aleatória. (b) Indique a função de distribuição da variável aleatória X; (b) Qual é o conjunto de valores que a variável aleatória X pode tomar? (c) Determine a função de probabilidade da variável aleatória X. (c) Qual a probabilidade que essa amostra contenha no máximo uma peça defeituosa? (d) Determine a função distribuição da variável aleatória X. (d) Calcule o desvio padrão da variável aleatória X. (e) Calcule P rX ď 1s, P rX ą 2s e P r2 ď X ă 3s. (f ) Qual é a probabilidade da empresa encontrar no lote no máximo uma peça defeituosa? (g) Qual é a probabilidade da empresa encontrar no lote duas peças defeituosas? (h) Calcule P rX ď 2 | X ą 0s. (i) Determine o valor médio, a variância, o desvio padrão e o coeficiente de variação da variável aleatória X. Exercício 2. Uma determinada turma do ISEL tem 20 alunos do sexo masculino e 10 do sexo feminino. O professor de ALGA vai seleccionar aleatoriamente uma amostra de 3 alunos para realizar um teste diagnóstico. Considere a variável aleatória X - “número de alunos do sexo masculino na amostra”. Defina a função de probabilidade da variável aleatória. Exercício 4. A procura diária de um determinado artigo é uma variável aleatória X, cuja função de distribuição é dada por: $ 0 , xă0 ’ ’ ’ ’ ’ ’ ’ ’ 0, 1 , 0 ď x ă 1 ’ ’ ’ ’ ’ ’ ’ ’ & 0, 25 , 1 ď x ă 2 . F pxq “ ’ ’ 0, 45 , 2 ď x ă 3 ’ ’ ’ ’ ’ ’ ’ ’ 0, 65 , 3 ď x ă 4 ’ ’ ’ ’ ’ ’ % 1 , xě4 Determine a função de probabilidade da variável aleatória X. Exercício 5. Um número binário é constituído pelos dígitos zero e um. Suponha que um número binário é formado por n dígitos. Suponha que a probabilidade de aparecer um dígito incorrecto é p e que os erros em diferentes dígitos sejam independentes uns dos outros. (a) Qual a probabilidade de se formar um número incorrecto; 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 1/27 (b) Se n “ 7, qual a probabilidade de encontrar três erros. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 2/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 6. O custo de um produto de rara procura comercializado num determinado estabelecimento é de 5 e, e o preço de venda é de 7,5 e. O abastecimento deste produto é feito no início de cada semana, sabendo-se que tal produto se torna irrecuperável se não for vendido na semana em causa. Considere a seguinte função de probabilidade para a procura semanal, X, em unidades desse produto: Exercício 8. Como resultado da crise do Golfo, a produção de petróleo de um dos países da OPEP (Organização dos países exportadores de petróleo) apresentou quebras da ordem dos 30% o que não lhe permitiu satisfazer integralmente os compromissos anteriormente assumidos: o abastecimento de 8 navios tanque americanos e 7 europeus. Sabendo que 70% da sua produção lhe permitiam abastecer apenas 6 dos navios tanque, decidiu seleccionar aleatoriamente os navios tanque a abastecer. Qual a probabilidade de serem seleccionados no máximo 2 navios americanos? x f pxq 1 0, 1 3 0, 3 4 0, 2 5 0, 3 7 0, 1 Exercício 9. Numa auto-estrada o número de acidentes rodoviários ocorridos num dia útil comporta-se como uma variável de Poisson, de valor médio igual a 3. Admitindo um stock inicial de 4 unidades, determine: (a) Qual a probabilidade de que em determinado dia útil, nessa auto-estrada não aconteça qualquer acidente? (a) a probabilidade de haver falhas de stock; (b) a probabilidade de haver sobras de stock; (c) o valor esperado e a variância de X; (b) Qual a probabilidade de que em 5 dias úteis, nessa auto-estrada aconteçam pelo menos 4 acidentes? (d) a função de probabilidade do lucro semanal obtido com a comercialização deste produto. (c) Qual a probabilidade de ao analisar aleatoriamente 6 dias, encontre no máximo um dia em que ocorreram 4 acidentes? Exercício 7. Num determinado armazém estão armazenadas as embalagens de um produto produzido diariamente por uma empresa. Sabe-se, de estudo anteriores, que 10% das embalagens estão deterioradas. (d) Qual a probabilidade de ao analisar aleatoriamente 8 dias, encontre 3 dias em que ocorreram menos de dois acidentes e 4 dias em que ocorreram mais de 5 acidentes? (a) Se for efectuada uma inspecção sobre uma amostra de 10 embalagens recolhidas ao acaso, qual a probabilidade de que a inspecção rejeite a distribuição de mercadoria, dado que ela permite, no máximo, a presença de 3 deterioradas na amostra; (e) Qual a probabilidade de, em certo dia, ter de esperar pelo menos 6 horas até que ocorra o 1o acidente? (b) Se uma empresa possui 100 armazéns nestas condições, em quantos se pode esperar que haja rejeição? (c) Um dos armazéns da empresa é inspeccionado, durante um ano, 15 vezes. Em cada inspecção é analisada uma amostra de 10 embalagens. Qual a probabilidade de não encontrar embalagens deterioradas em 4 dessas amostras e encontrar apenas uma embalagem deteriorada em 5 amostras? 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 3/27 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 4/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 10. O número de defeitos num cabo eléctrico fabricado por uma máquina tem distribuição de Poisson. A probabilidade de não haver defeitos em cinquenta metros de cabo é 0,1353. Exercício 13. Um Sistema Automático de Detecção de Incêndios (SADI) é composto por uma central de incêndios, botões de alarme, sirenes e detectores de incêndio. Suponha que o tempo de funcionamento até avariar de um detector de incêndios, em anos, segue uma lei exponencial com parâmetro 0, 1. Sabendo que o dispositivo não avariou nos primeiros oito anos, qual a probabilidade de não avariar nos três anos seguintes? (a) Determine a probabilidade de em oitenta metros de cabo eléctrico ter pelo menos três defeitos; (b) Sabendo que o fabricante destes cabos eléctricos obtém, por 50 metros de cabo, um lucro de 20 e, se o cabo não tiver defeitos, 15 e, se o cabo tiver um ou dois defeitos, e 10 ese o cabo tiver mais de dois defeitos, qual é o lucro esperado por 50 metros de cabo? (c) Qual a probabilidade de, em 5 amostras de 80 metros de cabo cada, encontrar pelo menos 2 com pelo menos três defeitos? (d) Calcule a probabilidade de se ter de percorrer pelo menos 40 metros de cabo entre a ocorrência de dois defeitos consecutivos. Exercício 11. De um lote que contém 25 peças, das quais 5 são defeituosas, escolheramse 3 ao acaso. Seja a variável aleatória X -“o número de peças defeituosas encontradas”. (a) Defina a função de probabilidade da variável aleatória X, quando: pa1 q as peças são escolhidas sucessivamente com reposição; pa2 q as peças são escolhidas simultaneamente; (b) Calcule o valor médio e o desvio padrão no caso de pa1 q e no caso de pa2 q. Exercício 12. O tempo de funcionamento até falhar de um dado equipamento segue uma distribuição exponencial com λ “ 0, 002 falhas/hora. (a) Calcule a probabilidade do equipamento falhar entre as 300 e as 400 horas de funcionamento. (b) Considerando desprezível o tempo de reparação, calcule a probabilidade do equipamento falhar no máximo 3 vezes durante 2000 horas de funcionamento. (c) Se por cada equipamento que falhe antes de atingir 200 horas de funcionamento se tiver 20 u.m. de prejuízo e por cada equipamento que falhe depois das 300 horas de funcionamento um ganho de 40 u.m, calcule o lucro esperado por cada 100 equipamentos. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 5/27 Exercício 14. Num processo da fabricação de placas de vidro produzem-se pequenas bolhas que se distribuem aleatoriamente pelas placas, com uma densidade média de 0, 4 bolhas por m2 . (a) Calcule a probabilidade de numa placa de 4, 5 m2 haver pelo menos 1 bolha. (b) Calcule a probabilidade de numa placa de 1200 dm2 haver no máximo 3 bolhas. (c) Calcule a probabilidade de num conjunto de 6 placas de 4, 5 m2 , haver pelo menos 4 sem bolhas. Exercício 15. O comprimento (em mm) de uma peça fabricada por uma máquina está associado a uma variável aleatória X com função densidade de probabilidade dada por: $ x ´ 18 , 2ďxă6 ’ 16 ’ ’ ’ & x ´ 16 ` 58 , 6 ď x ď 10 f pxq “ . ’ ’ ’ ’ % 0 , outros valores de x Determine a função de distribuição da variável aleatória X. Exercício 16. A percentagem de álcool 100X num certo composto é uma variável aleatória onde X apresenta a função densidade de probabilidade: $ & kx3 p1 ´ xq , se 0 ă x ă 1 f pxq “ . % 0 , fora do intervalo (a) Mostre que k “ 20; (b) Determine a função de distribuição de X; 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 6/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação (c) Determine o valor médio e o desvio padrão de X; “ ‰ (d) Calcule P X ą 34 | X ą 21 ; (e) Suponha que o preço de venda do composto depende do conteúdo ‰em “ álcool do seguinte modo: o preço é c1 euros por litro, se X P 13 , 32 e de c2 euros por litro, caso contrário. Se o custo de produção for de c3 euros por litro, calcule o lucro líquido esperado por litro. Exercício 17. Numa clínica, o tempo de espera (em minutos) de um doente é uma variável aleatória normal com média de 45 minutos e desvio padrão de 15 minutos. A direcção resolveu promover uma campanha de marketing, garantindo um tempo máximo de espera. Se o doente não for atendido dentro desse período a consulta será gratuita. Determine: (a) O tempo máximo de espera garantido pela direcção, de forma que apenas 10% das consultas sejam gratuitas. (c) Considere 5 doentes escolhidos ao acaso. Determine a probabilidade de menos de 4 esperarem mais de 20 minutos. Exercício 18. Numa refinaria de açúcar existe uma máquina M que se destina a embalar pacotes de açúcar. A quantidade de açúcar contida num pacote embalado por M é uma variável aleatória X normalmente distribuída, de valor médio 7 gramas e desvio padrão 2 gramas. Após sairem da máquina de embalar, os pacotes são metidos em caixas, contendo cada caixa 25 pacotes. Qual a probabilidade de numa caixa de pacotes embalados por M existir uma quantidade de açúcar superior a 200 gramas? Exercício 19. A pluviosidade anual, medida em cm3 {m2 , numa determinada região A tem sido estudada e revelou um comportamento normal com média 65 cm3 {m2 sendo possível concluir que em 14,92% dos anos estudados choveu mais que 85 cm3 {m2 . (a) Qual o desvio padrão da variável aleatória que mede a pluviosidade anual nessa região? 3 2 (b) Numa outra região B a pluviosidade anual tem média 75 cm {m e desvio padrão 22 cm3 {m2 . Qual a probabilidade da pluviosidade anual total das duas regiões não ultrapassar os 138 cm3 {m2 ? C. Fernandes & P. Ramos (a) Determine a média e o desvio padrão desta distribuição; (b) Considere 10 alunos escolhidos ao acaso. Determine a probabilidade de que menos de 2 alunos tenham nota inferior a 10 valores; (c) Considere agora uma amostra de 12 alunos escolhidos ao acaso. Determine a probabilidade de 3 alunos terem nota inferior a 10 valores e 7 alunos terem nota entre 10 e 14 valores. Exercício 21. Uma variável aleatória X contínua tem distribuição uniforme em determi? nado intervalo com valor médio µ “ 9 e σ “ 2 3. (a) Determine a distribuição referida; (b) A fracção de clientes que esperam menos de 20 minutos. 03 - Variáveis aleatórias e modelos teóricos unidimensionais Exercício 20. As classificações dos alunos de um curso de Inglês têm uma distribuição aproximadamente normal. Sabe-se que 10% dos alunos têm classificação superior a 16 valores e 15% têm classificação inferior a 8 valores. 7/27 (b) Determine P r4 ď X ă 10s; (c) Determine P rX ą 8s. Exercício 22. O montante de depósitos à ordem efectuados diariamente, em certa agência bancária, é aleatório com distribuição normal de média 120 unidades monetárias e variância 64. (a) Determine a percentagem de dias em que o montante de depósitos à ordem se situa entre 105 e 135 unidades monetárias; (b) Considere uma amostra aleatória de 100 dias. pb1 q Determine a probabilidade do montante médio diário de depósitos ser de pelo menos 122 unidades monetárias; pb2 q Determine a probabilidade do montante total de depósitos efectuados durante os 100 dias ser no máximo de 12120 unidades monetárias; (c) Determine o limite máximo do montante de depósitos à ordem para os 10% de dias com menos depósitos. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 8/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 23. O tempo de duração dos anúncios publicitários, em segundos, numa estação de televisão são bem modelados por uma distribuição uniforme no intervalo r10, 30s. (a) Qual a probabilidade de um anúncio durar menos de 15 segundos? (b) Obteve-se uma amostra aleatória de 70 anúncios independentes. pb1 q Qual a probabilidade de que a média dos tempos dos anúncios seja de pelo menos 19 segundos? pb2 q Qual a probabilidade do tempo total dos anúncios da amostra seja no máximo 1415 segundos? Exercício 24. O tempo entre avarias de um determinado modelo de máquinas é uma variável aleatória exponencial com média de 1000 horas. Soluções: Exercício 1. (a) Considerando o acontecimento D - “peça ser defeituosa” temos ␣ ` ˘ ` ˘ ` ˘ ` ˘ S “ pD, D, Dq , D, D, D , D, D, D , D, D, D , D, D, D , ` ˘ ` ˘ ` ˘( D, D, D , D, D, D , D, D, D . (b) S “ t0, 1, 2, 3u. (c) Considerando a variável aleatória X - “número de peças defeituosas em 3” temos que X „ b pn “ 3, p “ 0, 1q. A função de probabilidade da variável é dada por: f pxq “ 3Cx p0, 1qx p0, 9q3´x , x “ 0, 1, 2, 3 obtendo-se (a) Qual a probabilidade de uma máquina destas estar a funcionar ao fim de 1100 horas? x f pxq 0 0, 729 1 0, 243 2 0, 027 3 0, 001 (b) Suponha que se testou uma amostra aleatória de 100 máquinas desse modelo que funcionam de forma independente. pb1 q Determine a probabilidade do tempo total entre avarias, para esta amostra, ser superior a 100500 horas. pb2 q Determine a probabilidade do tempo médio entre avarias, para esta amostra, se situar entre 900 horas e 1100 horas. Exercício 25. Uma fábrica está equipada com 6 máquinas, de características idênticas e de funcionamento independente, para a produção de certo tipo de peças. Admita que o custo de manutenção semanal (em euros) de cada máquina é uma variável aleatória uniformemente distribuída no intervalo r0; 50s. Na elaboração do orçamento anual (52 semanas) foi considerada uma verba de 8000 euros para a manutenção das seis máquinas. Qual a probabilidade da verba de 8000 euros ser suficiente? (d) A função de distribuição é dada por: $ 0 ’ ’ ’ ’ & 0, 729 0, 972 F pxq “ ’ ’ ’ 0, 999 ’ % 1 , , , , , xă0 0ďxă1 1ďxă2 . 2ďxă3 xě3 (e) Temos P rX ď 1s “ f p0q ` f p1q “ 0, 972, P rX ą 2s “ f p3q “ 0, 001 e P r2 ď X ă 3s “ f p2q “ 0, 027. (f ) P rX ď 1s “ f p0q ` f p1q “ 0, 972. (g) P rX “ 2s “ f p2q “ 0, 027. (h) Temos P rX ď 2 | X ą 0s “ P r0ăXď2s P rXą0s “ 0, 996. (i) µ “ 0ˆ0, 729`1ˆ0, 243`2ˆ0, 027`3ˆ0, 001 “ nˆp “ 0, 3, σ 2 “ 02 ˆ 0, 729`1ˆ0, 243`2ˆ0, 027`3ˆ0, 001´p0, 3q2 “ nˆpˆp1 ´ pq “ 0, 27, a σ “ n ˆ p ˆ p1 ´ pq “ 0, 5196 e Cv “ µσ ˆ 100% “ 173, 2%. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 9/27 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 10/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 2. Considerando a variável aleatória X - “número de alunos do sexo masculino na amostra” temos que X „ h pN “ 30, n “ 3, K “ 20q. A função de probabilidade da variável é dada por: 20 f pxq “ Cx ˆ 10C3´x , 30C 3 (b) x “ 0, 1, 2, 3 F pxq “ P rX ď xs “ obtendo-se 0 0, 02956 x f pxq 1 0, 22167 2 0, 46798 3 0, 28079 $ 0 , xă0 ’ ’ ’ ’ ’ ’ ’ ’ 0, 874391 , 0 ď x ă 1 ’ ’ ’ ’ ’ ’ ’ ’ & 0, 99375 , 1 ď x ă 2 ’ ’ 0, 99986 ’ ’ ’ ’ ’ ’ ’ ’ 0, 99999 ’ ’ ’ ’ ’ ’ % 1 , 3ďxă4 , xě4 (c) P rX ď 1s “ f p0q ` f p1q “ 0, 99375; Exercício 3. (a) Comecemos por obter a probabilidade de uma peça escolhida ao acaso ser defeituosa. Consideremos os acontecimentos: ‚ M2 - “peça ser produzida pela máquina M2 ” ? 0, 1276 “ • P rX ď 0s “ F p0q “ f p0q “ 0, 1 ‚ D - “peça ser defeituosa”. • P rX ď 1s “ F p1q “ f p0q ` f p1q “ 0, 25 ô f p1q “ 0, 15 Temos que: ‚ P rM2 s “ (d) Temos que V ar rXs “ np p1 ´ pq “ 0, 1276 logo σ “ 0, 3572. Exercício 4. Os valores assumidos pela variável aleatória X são 0, 1, 2, 3, 4. Temos: ‚ M1 - “peça ser produzida pela máquina M1 ” ‚ P rM1 s “ . , 2ďxă3 • P rX ď 2s “ F p2q “ f p0q ` f p1q ` f p2q “ 0, 45 ô f p2q “ 0, 2 2 3 1 3 ‚ P rDs “ P rD X M1 s ` P rD X M2 s “ 32 ˆ 0, 04 ` 13 ˆ 0, 02 “ 0, 033 “ ‰ ‚ P D “ 1 ´ P rDs “ 1 ´ 0, 033 “ 0, 967. Considerando a variável aleatória X - “número de peças defeituosas na amostra” temos que X „ b pn “ 4, p “ 0, 033q. A função de probabilidade da variável é dada por: x 4 4´x f pxq “ Cx p0, 033q p0, 967q , • P rX ď 3s “ F p3q “ f p0q ` f p1q ` f p2q ` f p3q “ 0, 65 ô f p3q “ 0, 2 • P rX ď 4s “ F p4q “ f p0q ` f p1q ` f p2q ` f p3q ` f p4q “ 1 ô f p4q “ 0, 35 e a função de probabilidade é dada por x f pxq x “ 0, 1, 2, 3, 4, 0 0, 1 1 0, 15 2 0, 2 3 0, 2 4 0, 35 obtendo-se x f pxq 0 0, 874391 1 0, 119359 2 0, 006110 3 0, 000139 Exercício 5. Considerando a variável aleatória X - “número de dígitos incorrectos em n” temos que X „ b pn, pq. A função de probabilidade da variável é dada por: 4 0, 000001 f pxq “ nCx px p1 ´ pqn´x , 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 11/27 x “ 0, 1, . . . , n. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 12/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação (a) P rX ě 1s “ 1 ´ P rX ă 1s “ 1 ´ f p0q “ 1 ´ p1 ´ pqn ; 7 3 4 Exercício 7. 4 3 (b) f p3q “ C3 p p1 ´ pq “ 35p p1 ´ pq . (a) Considerando a variável aleatória X - “número de embalagens, em 10, deterioradas” temos que X „ b pn “ 10, p “ 0, 1q. A função de probabilidade da variável é dada por: Exercício 6. (a) P rX ą 4s “ f p5q ` f p7q “ 0, 4; f pxq “ 10Cx p0, 1qx p0, 9q10´x , (b) P rX ă 4s “ f p1q ` f p3q “ 0, 4; x “ 0, 1, . . . , 10 logo P rX ą 3s “ 1 ´ P rX ď 3s “ 1 ´ rf p0q ` f p1q ` f p2q ` f p3qs “ 0, 013; (c) E rXs “ 4 e V ar rXs “ 2, 4; (d) Consideremos a variável aleatória L - “lucro semanal em e”. O custo semanal associado à aquisição do stock é de 20 e. Como as unidades se tornam irrecuperáveis se não forem vendidas na semana em causa, as unidades não podem ser aproveitadas para a semana seguinte. Se forem procuradas 5 ou 7 unidades do produto, só são vendidas 4 unidades. Assim temos: ‚ X “ 1 ùñ L “ 7, 5 ´ 20 “ ´12, 5 (b) Considerando a variável aleatória Y - “número de armazéns, em 100, em que há rejeição da distribuição de mercadoria” temos que Y „ b pn “ 100, p “ 0, 013q. O valor esperado da variável é dado por E rY s “ n ˆ p “ 1, 3 » 1armazém; (c) Considerando as variáveis ‚ Y1 - “número de amostras, em 15, sem embalagens deterioradas”; ‚ X “ 3 ùñ L “ 7, 5 ˆ 3 ´ 20 “ 2, 5 ‚ Y2 - “número de amostras, em 15, com uma embalagem deteriorada”; ‚ X “ 4 ùñ L “ 7, 5 ˆ 4 ´ 20 “ 10 ‚ X “ 5 ùñ L “ 7, 5 ˆ 4 ´ 20 “ 10 ‚ Y3 - “número de amostras, em 15, com mais do que uma embalagem deteriorada”; ‚ X “ 7 ùñ L “ 7, 5 ˆ 4 ´ 20 “ 10 temos que e ‚ P rL “ ´12, 5s “ P rX “ 1s “ 0, 1 pY1 , Y2 , Y3 q „ M pn “ 15; p1 “ 0, 3487, p2 “ 0, 3874, p3 “ 0, 2639q ‚ P rL “ 2, 5s “ P rX “ 3s “ 0, 3 sendo ‚ P rL “ 10s “ P rX “ 4s ` P rX “ 5s ` P rX “ 7s “ 0, 6. ‚ p1 “ P rX “ 0s “ 10C0 p0, 1q0 p0, 9q10 “ 0, 3487; Obtemos a função de probabilidade: l f plq ´12, 5 0, 1 2, 5 0, 3 ‚ p2 “ P rX “ 1s “ 10C1 p0, 1q p0, 9q9 “ 0, 3874; ‚ p3 “ 1 ´ P rX ď 1s “ 1 ´ 0, 3487 ´ 0, 3874 “ 0, 2639. 10 0, 6 A probabilidade pedida é: 15! p0, 3487q4 p0, 3874q5 p0, 2639q6 “ 4!5!6! “ 0, 0275. P rY1 “ 4, Y2 “ 5, Y3 “ 6s “ 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 13/27 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 14/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 8. Considerando a variável aleatória X - “número de navios americanos abastecidos, em 6” temos que X „ h pN “ 15, n “ 6, K “ 8q. A função de probabilidade da variável é dada por: 8 f pxq “ Cx ˆ 7C6´x , 15C 6 (d) Considerando as variáveis ‚ Y1 - “número de dias, em 8, em que ocorrem menos de 2 acidentes”; ‚ Y2 - “número de dias, em 8, em que ocorrem entre 2 e 5 acidentes”; x “ 0, 1, . . . , 6. ‚ Y3 - “número de dias, em 8, em que ocorrem mais de 5 acidentes”; A probabilidade pedida é temos que P rX ď 2s “ f p0q ` f p1q ` f p2q “ 0, 231. pY1 , Y2 , Y3 q „ M pn “ 8; p1 “ 0, 199, p2 “ 0, 717, p3 “ 0, 084q , Exercício 9. sendo (a) Considerando a variável aleatória X - “número de acidentes por dia útil” temos que X „ P pλ “ 3q. A função de probabilidade da variável é dada por: 3x e´3 , x “ 0, 1, . . . . f pxq “ x! A probabilidade pedida é (b) Considerando a variável aleatória X 1 - “número de acidentes em 5 dias úteis” temos que X 1 „ P pλ “ 3 ˆ 5 “ 15q. A função de probabilidade da variável é dada por: 15x e´15 , x! ‚ p2 “ P r2 ď X ď 5s “ f p2q ` f p3q ` f p4q ` f p5q “ 0, 717; ‚ p3 “ P rX ą 5s “ 1 ´ 0, 199 ´ 0, 717 “ 0, 084. A probabilidade pedida é: P rY1 “ 3, Y2 “ 1, Y3 “ 4s “ P rX “ 0s “ f p0q “ 0, 0498; f pxq “ ‚ p1 “ P rX ă 2s “ f p0q ` f p1q “ 0, 199; (e) Considerando a variável aleatória T - “tempo em horas, até ` de espera, ˘ ao primeiro acidente” temos que T „ exp λ “ 81 , em que µ “ λt ô 3 “ λ ˆ 24 ô λ “ 18 . A função de distribuição da variável é dada por: 1 F ptq “ 1 ´ e´ 8 t , x “ 0, 1, . . . . P rX 1 ě 4s “ 1´P rX 1 ă 4s “ 1´rf p0q ` f p1q ` f p2q ` f p3qs “ 0, 9998; (c) Considerando a variável aleatória Y - “número de dias, em 6, em que ocorreram 4 acidentes” temos que Y „ b pn “ 6, p “ 0, 168q, sendo p “ P rX “ 4s “ f p4q “ 0, 168. A função de probabilidade da variável é dada por: f pyq “ 6Cy p0, 168qy p0, 832q6´y , P rT ě 6s “ 1 ´ P rT ă 6s “ 1 ´ F p6q “ 0, 472. Exercício 10. (a) Considerando a variável aleatória X - “número de defeitos num cabo de 50 metros” temos que X „ P pλq. A função de probabilidade da variável é dada por: f pxq “ y “ 0, 1, . . . , 6. λx e´λ , x! x “ 0, 1, . . . . Temos que A probabilidade pedida é P rY ď 1s “ f p0q ` f p1q “ 0, 734; 03 - Variáveis aleatórias e modelos teóricos unidimensionais t ě 0. A probabilidade pedida é A probabilidade pedida é C. Fernandes & P. Ramos 8! p0, 199q3 p0, 717q p0, 084q4 “ 0, 00008; 3!1!4! P rX “ 0s “ 0, 1353 ô 15/27 λ0 e´λ “ 0, 1353 ô λ “ 2. 0! 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 16/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Agora vamos definir a variável aleatória `X 1 - “número de defeitos num ˘ 1 cabo de 80 metros”. Temos que X 1 „ P λ “ 25 ˆ 80 “ 3, 2 pois λt “ 1 2 ô λ ˆ 50 “ 2 ô λ “ 25 por metro. A função de probabilidade da variável é dada por: f pxq “ p3, 2qx e´3,2 , x! (d) Considerando a variável aleatória T - “comprimento, em˘ metros, entre ` 1 dois defeitos consecutivos” temos que T „ exp λ “ 25 , em que µ “ 1 λt ô 2 “ λ ˆ 50 ô λ “ 25 por metro. A função de distribuição da variável é dada por: 1 F ptq “ 1 ´ e´ 25 t , x “ 0, 1, . . . . t ě 0. A probabilidade pedida é A probabilidade pedida é P rX 1 ě 3s “ 1 ´ P rX 1 ă 3s “ 1 ´ rf p0q ` f p1q ` f p2qs “ 0, 6201; (b) Consideremos a variável aleatória L - “lucro por 50 metros de cabo” que pode assumir os valores 10, 15 e 20. Temos que: ‚ P rL “ 20s “ P rX “ 0s “ 0, 1353; ‚ P rL “ 15s “ P rX “ 1s ` P rX “ 2s “ 0, 5413; ‚ P rL “ 10s “ P rX ą 2s “ 1 ´ P rX ď 2s “ 0, 3234. P rT ě 40s “ 1 ´ P rT ă 40s “ 1 ´ F p40q “ 0, 2019. Exercício 11. pa1 q Considerando a variável`aleatória X ˘- “número de peças defeituosas em 3” temos que X „ b n “ 3, p “ 51 . A função de probabilidade da variável é dada por: ˆ ˙x ˆ ˙3´x 4 1 , x “ 0, 1, 2, 3 f pxq “ 3Cx 5 5 obtendo-se Logo x f pxq 10 0, 3234 15 0, 5413 x f pxq 20 0, 1353 O lucro esperado por 50 metros de cabo é dado por: E rLs “ 10 ˆ 0, 3234 ` 15 ˆ 0, 5413 ` 20 ˆ 0, 1353 “ 14, 06; 0 1 2 3 64 125 48 125 12 125 1 125 pa2 q Considerando a variável aleatória X - “número de peças defeituosas em 3” temos que X „ h pN “ 25, n “ 3, K “ 5q. A função de probabilidade da variável é dada por: 5 (c) Considerando a variável aleatória Y - “número de cabos de 80 metros, em 5, com pelo menos 3 defeitos” temos que Y „ b pn “ 5, p “ 0, 6201q, sendo p “ P rX 1 ě 3s “ 1 ´ P rX 1 ă 3s “ 1 ´ rf p0q ` f p1q ` f p2qs “ 0, 6201. A função de probabilidade da variável é dada por: f pyq “ 5Cy p0, 6201qy p0, 3799q5´y , f pxq “ Cx ˆ 20C3´x , 25C 3 x “ 0, 1, 2, 3 obtendo-se x f pxq y “ 0, 1, . . . , 5. 0 1 2 3 57 115 19 46 2 23 1 230 A probabilidade pedida é P rY ě 2s “ 1 ´ P rY ă 2s “ 1 ´ rf p0q ` f p1qs “ 0, 9275; 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 17/27 pb1 q µ “ n ˆ p “ 3 5 pb2 q µ “ n ˆ p “ 3 5 ? a n ˆ p ˆ p1 ´ pq “ 512 ; b b ´n e σ “ n ˆ p ˆ p1 ´ pq ˆ N “ 33 . N ´1 75 eσ“ 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 18/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 12. (a) Considerando a variável aleatória T - “tempo de funcionamento até falhar de um dado equipamento, em horas” temos que T „ exp pλ “ 0, 002q. A função de distribuição é dada por: F ptq “ 1 ´ e´0,002t , P rT ą 8 ` 3 | T ą 8s “ P r300 ď T ď 400s “ F p400q ´ F p300q “ 0, 0995. (b) Considerando a variável aleatória X - “número de falhas de um dado equipamento, em 2000 horas” temos que X „ P pλ “ 0, 002 ˆ 2000 “ 4q. A função de probabilidade da variável é dada por: 4x e´4 , x! F ptq “ 1 ´ e´0,1t , t ě 0. A probabilidade pedida é t ě 0. A probabilidade pedida é f pxq “ Exercício 13. Considerando a variável aleatória T - “tempo de funcionamento até avariar, em anos, de um detector de incêndios” temos que T „ exp pλ “ 0, 1q. A função de distribuição é dada por: x “ 0, 1, . . . . No entanto, como a distribuição exponencial não tem memória, temos que P rT ě a ` b | T ě as “ P rT ě bs. Logo poderíamos ter calculado apenas P rT ą 3s “ 1 ´ F p3q “ 0, 7408. Exercício 14. (a) Considerando a variável aleatória X - “número de bolhas por m2 ” temos que X „ P pλ “ 0, 4q. Vamos definir a nova variável aleatória X 1 - “número de bolhas por 4, 5 m2 ”. Temos que X 1 „ P pλ “ 0, 4 ˆ 4, 5 “ 1, 8q. A função de probabilidade da variável é dada por: A probabilidade pedida é f pxq “ P rX ď 3s “ f p0q ` f p1q ` f p2q ` f p3q “ 0, 4335. P rT ą 11s 1 ´ F p11q “ “ 0, 7408. P rT ą 8s 1 ´ F p8q p1, 8qx e´1,8 , x! x “ 0, 1, . . . . A probabilidade pedida é (c) Consideremos a variável aleatória L - “lucro por cada equipamento” que pode assumir os valores ´20 , 0 e 40. Temos que: ‚ P rL “ ´20s “ P rT ă 200s “ F p200q “ 0, 3297 ‚ P rL “ 0s “ P r200 ď T ď 300s “ F p300q ´ F p200q “ 0, 1215 P rX 1 ě 1s “ 1 ´ P rX 1 ă 1s “ 1 ´ f p0q “ 0, 8347. (b) Vamos definir a nova variável aleatória X 2 - “número de bolhas por 12 m2 ”. Temos que X 2 „ P pλ “ 0, 4 ˆ 12 “ 4, 8q. A função de probabilidade da variável é dada por: ‚ P rL “ 40s “ P rT ą 300s “ 1 ´ P rX ď 300s “ 1 ´ F p300q “ 0, 5488. f pxq “ p4, 8qx e´4,8 , x! x “ 0, 1, . . . . A probabilidade pedida é logo l f plq ´20 0, 3297 0 0, 1215 P rX 2 ď 3s “ f p0q ` f p1q ` f p2q ` f p3q “ 0, 2942. 40 0, 5488 (c) Considerando a variável aleatória Y - “número de placas de 4, 5 m2 sem bolhas, em 6” temos que Y „ b pn “ 6, p “ 0, 1653q, sendo p “ P rX 1 “ 0s “ f p0q “ 0, 1653. A função de probabilidade da variável é dada por: O lucro esperado por cada equipamento é dado por: E rLs “ ´20 ˆ 0, 3297 ` 0 ˆ 0, 1215 ` 40 ˆ 0, 5488 “ 15, 358u.m.. f pyq “ 6Cy p0, 1653qy p0, 8347q6´y , y “ 0, 1, . . . , 6. A probabilidade pedida é P rY ě 4s “ f p4q ` f p5q ` f p6q “ 0, 0084. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 19/27 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 20/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 15. Para obter a função de distribuição teremos que considerar os seguintes casos: • Para x ă 2: żx ´8 • Para 2 ď x ă 6: ż2 ´8 0 ds ` żxˆ 2 ´8 0 ds “ 0; s 1 ´ 16 8 ˙ x2 x 1 ds “ ´ ` ; 32 8 8 • Para 6 ď x ď 10: ˙ ˙ żxˆ ż2 ż6ˆ s x2 5 1 5 17 s ´ ds ` ´ ` ds “ ´ ` x ´ ; 0 ds ` 16 8 16 8 32 8 8 6 ´8 2 • Para x ą 10: ˙ ˙ ż2 ż 10 ˆ żx ż6ˆ 1 s 5 s ´ ds ` ´ ` ds ` 0 ds “ 1; 0 ds ` 16 8 16 8 6 10 ´8 2 A função de distribuição desta variável será: $ 0 , ’ ’ ’ ’ ’ ’ 2 ’ ’ , & x32 ´ x8 ` 18 F pxq “ ’ 2 ’ ’ ´ x32 ` 85 x ´ 17 , ’ 8 ’ ’ ’ ’ % 1 , . 6 ď x ď 10 ´8 1 0 ds “ 1; será: ,x ď 0 , 0ăxă1 ; ,x ě 1 (c) Queremos calcular: ş1 ‚ µ “ 0 x r20x3 p1 ´ xqs dx “ 32 ; ` ˘2 ş1 ‚ σ 2 “ E rX 2 s ´ rE rXss2 “ 0 x2 r20x3 p1 ´ xqs dx ´ 23 “ 0, 0317; ? ‚ σ “ 0, 0317 “ 0, 178; 3 4 |Xą 1 2 ‰ “ P rXą 34 s P rXą 12 s “ 1´F p 43 q 1´F p 21 q “ 0, 4519; (a) Considerando a variável aleatória X - “tempo de espera de um doente, em minutos” temos que X „ N pµ “ 45; σ “ 15q. Temos que ȷ „ a ´ 45 “ 0, 9 ô P rX ą as “ 0, 1 ô P rX ď as “ 0, 9 ô P Z ď 15 a ´ 45 ô 1, 282 “ ô a “ 64, 2minutos; 15 P rX ă 20s “ P rZ ă ´1, 67s “ Φ p´1, 67q “ 0, 0475; 0 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos żx (b) A probabilidade pedida é: 0 ds “ 0; – Para 0 ă x ă 1: ż0 żx 0 ds ` 20s3 p1 ´ sq ds “ x4 p5 ´ 4xq ; ´8 0 20s3 p1 ´ sq ds ` Exercício 17. x ą 10 (b) Para obter a função de distribuição teremos que considerar os seguintes casos: żx ż1 (e) Consideremos a variável aleatória L “- “lucro por‰ litro”` que ˘ pode ` ˘tomar os valores c1 e c2 . Temos que P 31 ď X ď 32 “ F 23 ´ F 31 “ 0, 4156. Logo o lucro esperado é dado por: E rLs “ 0, 4156c1`0, 5844c2´ c3 . Exercício 16. ş `8 ş1 (a) ´8 f pxq dx “ 1 ô 0 kx3 p1 ´ xq dx “ 1 ô k “ 20; – Para x ď 0: 0 ds ` A função de distribuição desta variável $ 0 ’ ’ ’ ’ & x4 p5 ´ 4xq F pxq “ ’ ’ ’ ’ % 1 “ (d) P X ą xă2 2ďxă6 – Para x ě 1: ż0 21/27 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 22/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação (c) Considerando a variável aleatória Y - “número de doentes que esperam mais de 20 minutos, em 5” temos que Y „ b pn “ 5, p “ 0, 9525q, sendo p “ P rX ą 20s “ 1 ´ P rX ă 20s “ 1 ´ 0, 0475 “ 0, 9525. A função de probabilidade da variável é dada por: f pyq “ 5Cy p0, 9525qy p0, 0475q5´y , y “ 0, 1, . . . , 5. A probabilidade pedida é P rY ă 4s “ 1 ´ P rY ě 4s “ 1 ´ rf p4q ` f p5qs “ 0, 021. Exercício 18. Considerando a variável aleatória X - “quantidade de açúcar por pacote” temos que X „ N pµ “ 7; σ “ 2q. A quantidade de açúcar em 25 pacotes é dada pelařvariável aleatória Y - “quantidade de açúcar em 25 pacotes” em que Y “ 25 i“1 Xi „ N pµ “ 175; σ “ 10q, usando a aditividade da distribuição normal. A probabilidade pedida é: Exercício 20. (a) Considerando a variável aleatória X - “classificações dos alunos de um curso de Inglês” temos que X „ N pµ; σq. Temos: “ ‰ ‚ P rX ą 16s “ 0, 1 ô P rX ď 16s “ 0, 9 ô P Z ď 16´µ “ 0, 9 ô σ 1, 282 “ 16´µ ; σ ‰ “ “ 0, 15 ô ´1, 036 “ 8´µ . ‚ P rX ă 8s “ 0, 15 ô P Z ă 8´µ σ σ Resolvendo um sistema com estas duas equações obtemos µ “ 11, 6 e σ “ 3, 45; (b) Considerando a variável aleatória Y - “número de alunos, em 10, com nota inferior a 10” temos que Y „ b pn “ 10, p “ 0, 3228q, sendo p “ P rX ă 10s “ P rZ ă ´0, 46s “ 0, 3228. A função de probabilidade da variável é dada por: f pyq “ 10Cy p0, 3228qy p6772q10´y , P rY ą 200s “ 1 ´ P rY ď 200s “ 1 ´ P rZ ď 2, 5s “ 0, 0062. y “ 0, 1, . . . , 10. A probabilidade pedida é Exercício 19. (a) Considerando a variável aleatória X - “índice de pluviosidade anual na região A” temos que X „ N pµ “ 65; σq. Temos que P rX ą 85s “ 0, 1492 ô P rX ď as “ 0, 8508 „ ȷ 85 ´ 65 ô P Zď “ 0, 8508 ô σ 20 ô σ » 19cm3 {m2 ; ô 1, 04 “ σ P rY ă 2s “ f p0q ` f p1q “ 0, 117. (c) Considerando as variáveis ‚ Y1 - “número de alunos, em 12, com nota inferior a 10”; ‚ Y2 - “número de alunos, em 12, com nota entre 10 e 14”; ‚ Y3 - “número de alunos, em 12, com nota superior a 14”; temos que (b) Temos que as variáveis aleatórias X - “índice de pluviosidade anual na região A” em que X „ N pµ “ 65; σ “ 19q e Y - “índice de pluviosidade anual na região B” em que Y „ N pµ “ 75; σ “ 22q. Considerando a variável aleatória W “ X ` Y e usando a aditividade da distribuição normal temos que W „ N pµ “ 140; σ “ 29, 1q. A probabilidade pedida é: P rW ď 138s “ P rZ ď ´0, 07s “ 0, 4721. pY1 , Y2 , Y3q „ M pn “ 12; p1 “ 0, 3228, p2 “ 0, 4352, p3 “ 0, 242q sendo ‚ p1 “ P rX ă 10s “ 0, 3228; ‚ p2 “ P r10 ď X ď 14s “ P r´0, 46 ď Z ď 0, 7s “ Φ p0, 7q´Φ p´0, 46q “ 0, 4352; ‚ p3 “ P rX ą 14s “ 1 ´ P rZ ă 0, 7s “ 0, 242. A probabilidade pedida é: P rY1 “ 3, Y2 “ 7, Y3 “ 2s “ 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 23/27 12! p0, 3228q3 p0, 4352q7 p0, 242q2 “ 0, 046. 3!7!2! 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 24/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação Exercício 21. Exercício 23. (a) Temos que X „ U pa; bq com µ “ 9 ô a`b 2 2 “ 9 ô a ` b “ 18 e σ 2 “ 12 ô pb´aq “ 12 ô pb ´ aq2 “ 144. Resolvendo um sistema com 12 estas duas equações obtemos a “ 3 e b “ 15. Logo X „ U p3; 15q; (b) Temos F pxq “ $ 0 ’ ’ ’ ’ & ’ ’ ’ ’ % ,x ă 3 x´3 12 , 3 ď x ď 15 . 1 , x ą 15 A probabilidade pedida é: P rX ă 15s “ F p15q “ 0, 25. A probabilidade pedida é: P r4 ď X ă 10s “ F p10q ´ F p4q “ (c) A probabilidade pedida é: P rX ą 8s “ 1 ´ F p8q “ 6 . 12 7 . 12 Exercício 22. (a) Considerando a variável aleatória X - “montante de depósitos à ordem diários” temos que X „ N pµ “ 120; σ “ 8q. Calculemos a probabilidade: P r105 ď X ď 135s “ P r´1, 88 ď Z ď 1, 88s “ 0, 9399. A percentagem pedida é 93,99%. pb1 q Considerando a variável aleatória X - “montante médio diário de depósitos à ordem na amostra” ´ e usando a aditividade ¯ da distribuição 8 normal temos que X „ N µ “ 120; σ “ ?100 “ 0, 8 . A probabilidade pedida é: “ ‰ P X ě 122 “ 1 ´ P rZ ă 2, 5s “ 0, 0062; pb2 q O montante total depositado nos 100 dias é dado pela variávelřaleatória Y - “montante total depositado nos 100 dias” em que Y “ 100 i“1 Xi „ N pµ “ 12000; σ “ 80q. Usando a aditividade da distribuição normal tem-se a probabilidade pedida dada por: P rY ď 12120s “ P rZ ď 1, 5s “ 0, 9332; „ ȷ a ´ 120 P rX ď as “ 0, 1 ô P Z ď “ 0, 1 ô 8 a ´ 120 ô ´1, 282 “ ô 8 ô a “ 109, 74um. 03 - Variáveis aleatórias e modelos teóricos unidimensionais pb1 q Considerando a variável aleatória X - “tempo médio de duração dos anúncios na limite central teremos então ´ amostra” e usando o teorema ¯ 5,77 que X „N “ 10`30 “ 20 e 9 µ “ 20; σ “ ? “ 0, 69 , pois µX “ a`b 2 2 70 b b 2 2 pb´aq p30´10q σX “ “ “ 5, 77. Podemos usar o teorema limite 12 12 central porque n ą 30. A probabilidade pedida é: “ ‰ P X ě 19 “ 1 ´ P rZ ă ´1, 45s “ 0, 9265. pb2 q Consideremos a variável aleatória Y - “tempo total de duração dos anúncios na amostra”. Usando o teoremablimite central tem-se que ´ ¯ ř 9 µ “ 70 ˆ 20 “ 1400; σ “ 70 ˆ 400 Y “ 70 “ 48, 3 . Podei“1 Xi „N 12 mos usar o teorema limite central porque n ą 30. A probabilidade pedida é: P rY ď 1415s “ P rZ ď 0, 31s “ 0, 6217. Exercício 24. (a) Considerando a variável aleatória T - “tempo entre avarias, em horas” temos que T „ exp pλ “?q. Como E rT s “ 1000 ô λ “ 0, 001 vem T „ exp pλ “ 0, 001q com F ptq “ 1 ´ e´0,001t , t ą 0. A probabilidade pedida é: P rT ą 1100s “ 1 ´ F p1100q “ 0, 3329; pb1 q Consideremos a variável aleatória Y - “tempo total entre avarias nas 100 Usando o teorema limite?central tem-se que Y ˘“ ` ř100 máquinas”. 9 µ “ 100 “ 100000; σ “ 100 ˆ 1000000 “ 10000 , pois i“1 Ti „N bˆ 1000 ? µT “ 1000 e σT “ λ12 “ 1000000 “ 1000. Podemos usar o teorema limite central porque n ą 30. A probabilidade pedida é: (d) Temos que C. Fernandes & P. Ramos (a) Considerando a variável aleatória X - “tempo de duração dos anúncios publicitários, em segundos” temos que X „ U p10; 30q com $ 0 , x ă 10 ’ ’ ’ ’ & x´10 , 10 ď x ď 30 . F pxq “ 20 ’ ’ ’ ’ % 1 , x ą 30 P rX ą 100500s “ 1 ´ P rZ ď 0, 05s “ 0, 4801. 25/27 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 26/27 Instituto Superior de Engenharia de Lisboa Área Departamental de Matemática Raciocínio Probabilístico e Simulação pb2 q Considerando a variável aleatória T - “tempo médio entre avarias na amostra” b ´ e usando o teorema limite ¯ central teremos a variável aleatória 1 T „N 9 µ “ 1000; σ “ ?1000 “ 100 , pois µ “ 1000 e σ “ “ T T λ2 100 ? 1000000 “ 1000. Podemos usar o teorema limite central porque n ą 30. A probabilidade pedida é: “ ‰ P 900 ď T ď 1100 “ P r´1 ď Z ď 1s “ D p1q “ 0, 6826. Exercício 25. Considerando a variável aleatória X - “custo, em euros, de 2 cada máquina por semana” temos que X „ U p0; 50q em que µX “ 25 e σX “ 208, 33. O custo anual com a manutenção das 6 máquinas é dado pela variável aleatória Y - “custo anual com a manutenção das 6 máquinas”. Usando o ř teorema limite central tem-se que Y “ 52ˆ6“312 Xi „N 9 pµ “ 7800; σ “ 254, 95q. i“1 Podemos usar o teorema limite central porque n ą 30. A probabilidade pedida é: P rY ď 8000s “ P rZ ă 0, 78s “ 0, 7823. 03 - Variáveis aleatórias e modelos teóricos unidimensionais C. Fernandes & P. Ramos 27/27