Professional Documents
Culture Documents
Estatística para
Economistas
Rodolfo Hoffmann
1.2 Há 8 subconjuntos: {x, y}, {x, z}, {y, z}, {x}, {y}, {z}, ∅ e o próprio conjunto S.
2. PROBABILIDADE
2.1 Temos as seguintes probabilidades:
4 2
1) Retirar bola branca da 1a urna: p11 = __ = __ .
6 3
2 1
2) Retirar bola preta da 1a urna: p12 = __ = __ .
6 3
3
3) Retirar bola branca da 2a urna: p21 = __ .
8
5
4) Retirar bola preta da 2a urna: p22 = __ .
8
a) A probabilidade pedida é a soma da probabilidade de obter bola bran-
ca da 1a urna e bola preta da 2a urna com a probabilidade de retirar
bola preta da 1a urna e bola branca da 2a urna:
2
__ 5 1 3 10 3 13
. __ + __ . __ = __ + __ = __
3 8 3 8 24 24 24
1 5 5
b) __ . __ = __
3 8 24
2 3 1
c) __ . __ = __
3 8 4
1
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 2
2.2 A probabilidade de um rádio não ter defeito é 0,9. Então, a probabilidade pe-
dida é 0,93 = 0,729.
1 1 1
2.3 A probabilidade de tirar R$ 10,00 e, em seguida, R$ 20,00 é __ . __ = __ . A pro-
4 3 12
1
babilidade de tirar as duas notas em ordem inversa também é igual a __ . Então
12
2
__ 1
__
a probabilidade pedida é = .
12 6
Um raciocínio alternativo é considerar as combinações das quatro notas duas
4
a duas:
2 冢冣
= 6. Como apenas 1 das combinações corresponde a R$ 30,00, a
1
probabilidade pedida é __ .
6
2.5 A probabilidade associada a cada um dos dois eventos é positiva, mas a pro-
babilidade de os dois eventos ocorrerem simultaneamente é igual a zero.
Concluímos que os eventos não são independentes.
5 4
3 60 10
b) A probabilidade de obter 3 bolas pretas é __ . __
__ = ___ = ___ .
.
10 89 720 120
3 12 6 1
A probabilidade de obter 3 bolas brancas é __ . __
. __ = ___ = ___ .
10 89 720 120
11
Então, a probabilidade de obter 3 bolas da mesma cor é ___ .
120
10 9 3
2.9 a) __ . __ = __
16 15 8
10 6 2
b) A probabilidade de apenas o primeiro ser perfeito é __ . __ = __ .
16 15 8
6 10 2
A probabilidade de apenas o segundo ser perfeito é __ . __ = __ .
16 15 8
3 2 2 7
Então, a probabilidade de pelo menos um ser perfeito é __ + __ + __ = __ .
8 8 8 8
14 13 91
c) __ . __ = ___
16 15 120
2.10 O evento A é independente do evento B se a probabilidade de ocorrer A não
é afetada pela ocorrência de B, isto é, P(A|B) = P(A). Exemplo: são lançados
dois dados, um azul e um branco, e definimos os eventos A = “sair 6 no dado
azul” e B = “sair valor ímpar no dado branco”.
2.11 A soma 3 pode ser obtida como 1 + 2 ou 2 + 1. Então a probabilidade pedida é
1 1 1
2 . __ . __ = __ .
6 6 18
2.12 A soma 4 pode ser obtida como 1 + 1 + 2, 1 + 2 + 1 ou 2 + 1 + 1. Então a proba-
1 1 1 1
bilidade pedida é 3 . __ . __ . __ = __ .
6 6 6 72
2.13 A soma 5 pode ser obtida como 1 + 1 + 3, 1 + 3 + 1, 3 + 1 + 1, 1 + 2 + 2, 2 + 1+ 2
1 1 1 1
ou 2 + 2 + 1. Então, a probabilidade pedida é 6 . __ . __ . __ = __ .
6 6 6 36
2.14 Sabendo que em um dos dois lançamentos o resultado foi “cara”, ficamos
restritos a 3 possibilidades igualmente prováveis: “cara e cara”, “cara e coroa”
1
ou “coroa e cara”. A probabilidade de o jogador ter feito um ponto é __ .
3
2.15 a) Temos que a probabilidade de “lâmpada 1 acesa” é 0,15 + 0,45 = 0,60 e a
probabilidade de “lâmpada 2 acesa” é 0,15 + 0,10 = 0,25. Verifica-se que
a probabilidade de as duas lâmpadas estarem acesas é igual ao produto
das probabilidades de cada uma estar acesa, isto é, 0,6 . 0,25 = 0,15.
Isso mostra que “lâmpada 1 acesa” é independente de “lâmpada 2 acesa”.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 4
b) Analogamente, temos 0,4 . 0,25 = 0,10, mostrando que os eventos são inde-
pendentes.
2.18 O procedimento mais seguro é fazer uma tabela com todas as possibilidades,
assinalando a ocorrência dos eventos definidos:
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 5
2.21 Se José tem n cabras, Pedro tem 3n. Admitindo que a probabilidade de se des-
garrar seja a mesma para todas as cabras, a probabilidade de uma cabra
n 1
desgarrada pertencer a José é __ = __ .
4n 4
José tem 0,1n cabras malhadas e Pedro tem 0,2 . 3n = 0,6n cabras malhadas.
Sabendo que a cabra desgarrada é malhada, a probabilidade de que pertença
a José é
0,1n
__________ 1
= __ .
0,1n + 0,6n 7
b) O valor absoluto de y – x é maior do que 6 nas áreas ABC e IHG, cada uma
igual a 8. Então P(|y – x|>6) = 0,16.
Verifica-se que
4 2 15 5 1 1 11
P(A) = __ = __, P(B) = __ = __ , P(C) = __ , P(D) = __ , P(B|A) = __,
6 3 36 12 2 2 24
9 1 1
P(D|C) = __ = __ e P(D|B) = __ (o único número primo par é o 2).
18 2 15
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 8
2 1
2.24 Se for usada a urna A, a probabilidade de retirar 2 bolas pretas é __ . __ =
10 9
2
__ 1
__
= .
90 45
8 7
Se for usada a urna B, a probabilidade de retirar 2 bolas pretas é __ . __ =
10 9
56
__ = 28
__ .
90 45
Temos a seguinte árvore de decisões, com x indicando a retirada de 2 bolas
pretas e y indicando qualquer outro resultado:
Dado que foram retiradas 2 bolas pretas, a probabilidade de ter sido usada
a urna A
1
__
90
_______ 1
é = __ .
1
__ 28 29
+ __
90 90
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 9
2.25 Vamos utilizar x para indicar o evento “retirar 1 bola branca” e y para indi-
2 1 2
car o evento “retirar 1 bola preta”. Temos P(A) = __ , P(B) = __ , P(C) = __ ,
5 5 5
1 3 1 4 2 3 1
P(x|A) = __, P(x|B) = __ = __ , P(x|C) = __ = __, P(y|A) = __, P(y|B) = __ e
4 6 2 6 3 4 2
1
__
P(y|C) = .
3
2 1 1 1 2 2 7
Então a probabilidade de obter 1 bola branca é __ . __ + __ . __ + __ . __ = __ .
5 4 5 2 5 3 15
3.2 Histograma
Xi Freqüência
4 1
5 1
6 4 Verifica-se que a mediana é igual a 8 e
7 2 que há duas modas: 6 e 10.
8 3
9 2
10 4
11 3
—–—
4.2 √ 7 . 10 = 8,37
3 —–——
4.3 √ 4 . 6 . 9 = 2161/3 = 6
4.4 O salário médio na indústria é uma média ponderada dos salários médios
setoriais: 320 . 0,3 + 350 . 0,25 + 320 . 0,2 + 300 . 0,2 + 280 . 0,05 = 321,50.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 11
– 1
4.5 Temos X = __ ∑Xi
n
a) Adicionando uma constante k a todos os valores, obtemos Yi = Xi + k.
– 1 1 1 –
A média dos Yi é Y = __ ∑Yi = __ ∑(Xi + k) = __ (∑Xi + nk) = X + k.
n n n
Verifica-se que a média da amostra fica acrescida da constante k.
b) Multiplicando todos os Xi por uma constante θ, obtemos Zi = θXi.
– 1 1 θ –
A média dos Zi é Z = __ ∑Zi = __ ∑θXi = __ ∑Xi = θX.
n n n
Verifica-se que a média da amostra fica multiplicada por θ.
– ∑Xi fi 75
4.6 A média de X é X = _____ = __ = 5.
∑fi 15
A mediana é 4, pois há 7 observações com valor menor e 7 observações com
valor maior do que 4.
A moda é 8, que é o valor com maior freqüência.
– ∑Xi fi 326
4.7 Temos ∑fi = 50 e ∑Xifi = 326. Então, a média é X = _____ = ___ = 6,52.
∑fi 50
A moda é 6, que é o valor com maior freqüência.
Calculando a freqüência acumulada (utilizando a coluna das freqüências na
tabela do exercício 4.1), verifica-se que ela ultrapassa 25 (que é a metade da fre-
qüência total) quando é incluído o valor X = 6. Isso mostra que a mediana da
distribuição é igual a 6.
4800
4.8 A renda média no 1o estrato é m1 = _____ = R$ 200.
24
19200
A renda média no 2o estrato é m2 = _____ = R$ 3.200.
6
Como há 30 mil famílias com uma renda total de 24.000 milhares de reais, a
24000
renda média é m = _____ = R$ 800.
30
Note que a média geral é uma média ponderada das médias por estrato, uti-
lizando o número de famílias como fator de ponderação:
200 . 24 + 3200 . 6
________________ = 800
24 + 6
5. MEDIDAS DE DISPERSÃO
– 1 54
5.1 a) X = __ ∑Xi = __ = 9
n 6
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 12
– –
∑(Xi – X)2 __ 30 ∑(Xi – X)2 30
b) s2 = _________ = = 6 ou σ^ 2 = _________ = __ = 5
n–1 5 n 6
— —
c) s = √ 6 = 2,45 ou σ = √ 5 = 2,24
^
A amplitude é 13 – 6 = 7.
5.2 a) A amplitude é 9 – 0 = 9.
– ∑Xi fi 75
b) X = _____ = __ = 5
∑fi 15
c) Refazendo a tabela de distribuição de freqüências, tomando o cuidado de
colocar os valores de X em ordem crescente, verifica-se que a mediana é
igual a 6. Note-se que a distribuição de X é idêntica à do exercício 4.6.
d) A moda é 8, que é o valor mais freqüente.
–
∑(Xi – X)2 fi 122 61
e) A variância é s2 = ___________ = ___ = __ = 8,71
∑fi – 1 14 7
–2
∑(Xi – X) fi 122
ou σ^ 2 = ___________ = ___ = 8,13.
∑fi 15
–
5.3 Temos ∑Xi = 20 e X = 2,5. –
∑(Xi – X)2 3,5
A estimativa da variância é s2 = _________ = ___ = 0,5
n–1 7
–2
∑(X – X ) 3,5 7
ou σ^ 2 = _________ = ___ = __ = 0,4375.
i
n 8 16
—– —–——
A estimativa do desvio padrão é s = √ 0,5 = 0,707 ou σ^ = √ 0,4375 = 0,661.
5.4 Os pontos centrais das classes são X1 = 1,6, X2 = 1,7 e X3 = 1,8. Então
– ∑Xi fi 1,6 . 2 + 1,7 . 5 + 1,8 . 3
X = _____ = _____________________ = 1,71
∑fi 2+5+3
A soma ponderada dos quadrados dos desvios é
– (∑Xi fi)2 17,12
∑(Xi – X)2 fi = ∑Xi2fi – _______ = 29,29 – _____ = 0,049
∑fi 10
0,049 0,049
Então a variância é s2 = _____ = 0,00544 ou σ^ = _____ = 0,00490.
9 10
5.5 Indicando por Xi o número do calçado e por fi a respectiva freqüência de pares
vendidos, temos
– ∑Xi fi 4069
X = _____ = ____ = 40,29.
∑fi 101
A moda é 40, que é o valor com maior freqüência.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 13
c) Por definição
1 –
sZ2 = _____ ∑(Zi – Z)2
n–1
Lembrando que Zi = bXi e o resultado obtido no item (a), segue-se que
1 – 1 –
sZ2 = _____ ∑(bXi – bX)2 = _____ ∑b2(Xi – X)2 = b2sX2.
n–1 n–1
Xi
5.7 Sejam Xi os valores originais. Então os novos valores são Yi = __ .
k
–
– __ 1 1 X 1 X
∑Yi = __ ∑ __ = __ ∑Xi = __ .
i
Temos Y =
n n k kn k
1 –
Por definição sY2 = _____ ∑(Yi – Y)2.
n–1
Utilizando a relação obtida para as médias, segue-se que
–
1 Xi __X 2 _____1 1 1
冢 冣
_____ __ –
2
sY = ∑ – = ∑ __ (Xi – X)2 = __ sX2.
n–1 k k n–1 k2 k2
A média fica dividida por k e a variância da amostra fica dividida por k2.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 14
冢 ∑ ∑X 冣
1 n n n n n n
= __2 2
i
+ ∑ ∑Xj2 – 2 ∑Xi ∑ Xj =
n j=1 i=1 i=1 j=1 i=1 j=1
冢 冣
1 n n n n
= __2 n ∑ Xi2 + n ∑ Xj2 – 2 ∑Xi ∑Xj
n i=1 j=1 i=1 j=1
2 (∑Xi)2
冤 冥
n n n n
Como ∑ Xi = ∑ Xj e ∑ Xi2 = ∑Xj2, segue-se que Q = __ ∑Xi2 – ______ .
i=1 j=1 i=1 j=1 n n
1 (∑Xi)2
Mas, de acordo com as expressões (6.1) e (6.3), temos σ^ 2 = __ ∑Xi2 – _____ .
n n 冤 冥
Concluímos que Q = 2 σ^ 2, c.q.d.
– 1 25
5.9 A média é X = __ ∑Xi = __ = 5.
n 5
–
A soma dos quadrados dos desvios é ∑(Xi – X)2 = 30.
30
__ 30
O desvio padrão é s = = 2,74 ou σ^ = __ = 2,45.
√ 4 √ 5
1 – 10
O desvio médio é δ = __ ∑|Xi – X| = __ = 2.
n 5
Vamos utilizar a expressão (6.13) para calcular a diferença média. Como os
valores de Xi já estão em ordem crescente, obtemos
∑iXi = 1 . 1 + 2 . 4 + 3 . 5 + 4 . 7 + 5 . 8 = 92
Então
冢 冣
4 1
∆ = __ . 92 – 2 . 5 1 + __ = 2,72
25 5
5.11 Os pontos centrais das classes (Xi) são 2, 6, 10, 14, 18 e 22. A média é
– ∑Xi fi 176
X = _____ = ___ = 11
∑fi 16
–
∑(Xi – X)2 fi
___________ 432
A variância é σ =
^2
= ___ = 27
∑fi 16
6. ESPERANÇA MATEMÁTICA
6.1 Como a variância é igual a zero, os valores são necessariamente iguais à
média, isto é, X1 = X2 = X3 = 7.
df(X)
_____ 1
= __ e–(X–K) [–2(X – K)].
2
dX M
Essa derivada é igual a zero para X = K.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 16
df(X)
_____ = e–X – Xe–X = e–X (1 – X).
dX
1
= [(–2,5)2 + (–1,5)2 + (–0,5)2 + 0,52 + 1,52 + 2,52] __ =
6
17,5 35
= ___ = __ = 2,9167.
6 12
冕
a+θ
1
µ = E(X) = X __ dX =
θ
a
冕
a+θ a+θ
1 X2
冤 冥
1
= __ XdX = __ ___ =
θ θ 2 a
a
1
= __ [(a + θ )2 – a2] =
2θ
2θ a + θ 2 θ
= ________ = a + __ , c.q.d.
2θ 2
µ = E(X) = ∑XiP(Xi) = 0.
A variância é
σ 2 = E(X – µ)2 = E(X2) = ∑Xi2P(Xi) =
= 4 . 0,12 + 1 . 0,12 + 0 + 1 . 0,22 + 4 . 0,04 + 9 . 0,02 = 1,16.
O terceiro momento em relação à média é
M3 = E(X – µ)3 = E(X3) = ∑Xi3P(Xi) = 0.
Conseqüentemente, o coeficiente de assimetria, definido como a3 = M3/σ3,
também é igual a zero.
Embora o coeficiente de assimetria seja igual a zero, o gráfico de barras
mostra que a distribuição não é simétrica. Toda distribuição simétrica tem
coeficiente de assimetria igual a zero, mas a nulidade do coeficiente de
assimetria não é suficiente para garantir que a distribuição é simétrica.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 18
Distribuição conjunta de Xi e Yi
Yj
Xi P(Xi)
1 2 3
0 0,08 0,24 0,08 0,4
1 0,12 0,36 0,12 0,6
P(Yj) 0,20 0,60 0,20 1,0
Xi P(Xi) Yj P(Yj)
2 1/2 1 1/40
4 1/4 2 1/40
8 1/4 4 5/16
8 1/80
16 1/16
Pode-se verificar que há celas cuja probabilidade não é igual ao produto das pro-
babilidades das distribuições marginais, mostrando que as duas variáveis não
são independentes.
a) E(X) = ∑XiP(Xi) = 4
E(Y) = ∑YjP(Yj) = 4
Resultado X Y Resultado X Y
KKKK 0 0 KCCK 1 2
CKKK 1 0 KCKC 1 2
KCKK 1 1 KKCC 0 2
KKCK 0 1 CCCK 2 2
KKKC 0 1 CCKC 2 2
CCKK 2 1 CKCC 1 2
CKCK 1 1 KCCC 1 3
CKKC 1 1 CCCC 2 3
P(Xi,Yj)
Yj
Xi P(Xi)
0 1 2 3
0 1/16 2/16 1/16 0 4/16
1 1/16 3/16 3/16 1/16 8/16
2 0 1/16 2/16 1/16 4/16
P(Yj) 2/16 6/16 6/16 2/16 1
4 24
E(Y) = ∑YjP(Yj) = __ = 1,5
j=1 16
V(X) = E(X – 1)2 = ∑(Xi – 1)2P(Xi) = 0,5
12
V(Y) = E(Y – 1,5)2 = ∑(Yj – 1,5)2P(Yj) = __ = 0,75.
16
1 2 1 1 2 1
= 1,5 . __ + 0,5 . __ – 0,5 . __ – 0,5 . __ + 0,5 . __ + 1,5 . __ =
16 16 16 16 16 16
4 1
= __ = __ = 0,25
16 4
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 21
Xi P(Xi|Yj = 2)
0 1/6
1 3/6
2 2/6
Segue-se que
7
E(X|Y = 2) = __
6
2
冢 冣
7
e V(X|Y = 2) = ∑ Xi – __ P(Xi|Yj = 2) =
6
49 1 1 3 25 2 102 17
= __ . __ + __ . __ + __ . __ = ___ = __ = 0,472.
36 6 36 6 36 6 216 36
7. A DISTRIBUIÇÃO BINOMIAL
7.1 Trata-se de uma distribuição binomial com n = 5 e p = 0,5. De acordo com (8.6),
temos
5 5.4.3 .
P(X = 3) =
3
冢 冣
0,530,52 = _______
2.3
0,55 =
5
= __ = 0,3125 ou 31,25%.
16
1 51 17
= __5 (10 . 4 + 5 . 2 + 1) = ____ = __ = 0,2099.
3 243 81
7.3 Admite-se que o número de filhos tem distribuição binomial com n = 4 e p = 0,5.
a) A probabilidade de haver 3 filhos do sexo masculino é igual à probabili-
dade de haver apenas 1 filha, que, de acordo com (8.6), é
4 1 4 4 1
P(X = 1) = 冢 1 冣冢 冣
= __ = __ = 0,25.
__
2 16 4
Então, espera-se que haja 1000 . 0,25 = 250 famílias com 3 filhos do sexo mas-
culino naquele conjunto de 1000 famílias.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 23
4 1 4 1
b) P(X = 4) = 冢 4 冣冢 冣 __
2
= __ = 0,0625
16
Então espera-se que no grupo de 1000 famílias haja 62 ou 63 com 4 filhas.
4 1 4 4 __
1 4
c) P(X = 1) + P(X = 2) = 冢 1 冣冢 冣 冢 冣冢 冣
__
2
+
2 2
=
4.3
冢 冣
1 10 5
= __ 4 + ____ = __ = __ = 0,625
16 2 16 8
No grupo de 1000, famílias espera-se que haja 625 com 1 ou 2 filhas.
X P(X)
0 8/27
1 12/27
2 6/27
3 1/27
Como não poderia deixar de ser, verifica-se que a soma das probabilidades é
igual a 1.
Também se pode verificar que, utilizando as definições µ = E(X) = ∑XP(X) e
σ 2 = E(X – µ)2 = ∑(X – µ)2P(X), são obtidos os mesmos valores já obtidos com
as expressões específicas para a distribuição binomial (µ = np e σ 2 = npq).
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 24
X P(X) X–µ
0 16/81 – 4/3
1 32/81 – 1/3
2 24/81 – 2/3
3 08/81 – 5/3
4 01/81 – 8/3
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 25
3
M3 = α3σ 3 = __
8
51
e M4 = α4σ 4 = __ .
32
M3 = E(X – µ)3
e M4 = E(X – µ)4.
7.8 O número de pessoas vivas depois dos 30 anos é uma variável (X) com dis-
tribuição binominal com n = 5 e p = 2/3.
5 2 5 32
a) P(X = 5) = 冢 5 冣冢__3 冣 = ___ = 0,1317.
243
b) A probabilidade pedida é
P(X ≥ 3) = P(X = 3) + P(X = 4) + P(X = 5) =
5 2 3 1 2 5 2 4 1 32
= 冢 3 冣冢 冣 冢 冣 冢 4 冣冢 冣
__
3
__
3
+ __
3
__
3
+ ____ =
243
80 80 32 192 64
= ___ + ___ + ___ = ___ = ___ = 0,7901.
243 243 243 243 81
7.9 Vamos admitir que o fato de um motor falhar seja independente da situação
dos demais motores do avião. Então o número de motores que falha é uma
variável com distribuição binomial com p = 0,4. O avião bimotor cai se os dois
motores falharem. A probabilidade de isso ocorrer é
0,42 = 0,16.
d2σ 2
e ____ = –2n.
dp2
1 154 77
= _____ (135 + 18 + 1) = _____ = _____ = 0,0376 ou 3,76%.
4096 4096 2048
1 3402 1701
= _____ (729 + 1.458 + 1.215) = _____ = _____ = 0,8306 ou 83,06%.
4096 4096 2048
7.14 Se a amostragem for feita com reposição, o número de famílias (X) com rendi-
mento mensal superior a 10 salários mínimos na amostra de 10 famílias será
uma variável com distribuição binomial com p = 0,15 e n = 10. Mesmo que a
amostragem seja feita sem reposição, a distribuição binomial continua sendo
uma ótima aproximação para a distribuição de X, pois a população (133.740
famílias) é muito maior do que a amostra (n = 10). Então, a probabilidade de
que a amostra inclua 2, 1 ou nenhuma família com rendimento mensal supe-
rior a 10 salários mínimos é
P(X = 4) + P(X = 5) =
1 5 11 5 11
= _____
8008 冤冢 4 冣冢 2 冣 + 冢 5 冣冢 1 冣冥 =
275 + 11 286 1
= _______ = _____ = ___ = 0,03571
8008 8008 28
ou 3,571%.
8. A DISTRIBUIÇÃO NORMAL
8.1 a) Como a distribuição normal é simétrica, sua mediana é igual à sua média (µ).
Como µ = 7, conclui-se que a mediana da distribuição (ou mediana da
população) é igual a 7.
b) Ordenando os cinco valores da amostra, obtemos:
4, 5, 6, 9, 10
Verifica-se que a mediana da amostra é 6.
冢 冣
100,5 – 80
P(X > 100) = P Z > ________ =
8
冢 冣
39,5 – 30
P(X ≥ 40) = P Z > ________ =
5
冢 冣
49,5 – 60
P(X < 50) = P Z < ________
—– =
√ 40
8.5 O peso de uma caixa cheia é igual à soma dos pesos da caixa vazia e das 144
unidades do produto. Se Xi é o peso da i-ésima unidade e Y é o peso da caixa
vazia, o peso da caixa cheia é
144
W = Y + ∑ Xi
i=1
Então
144
E(W) = E(Y) + ∑ E(Xi) = 200 + 144 . 8 = 1352.
i=1
8.6 O número (X) de testes respondidos corretamente por um aluno que responde
aleatoriamente é uma variável com distribuição binomial com n = 100 e p = 0,5.
Então, E(X) = µ = np = 50, σ 2 = npq = 25 e σ = 5. Usando a aproximação nor-
mal da distribuição binomial, obtemos
冢 冣
59,5 – 50
P(X ≥ 60) = P Z > ________ = P(Z > 1,9) =
5
= 0,5 – 0,4713 = 0,0287 ou 2,87%
冢 冣
44,5 – 50
P(X < 45) = P Z < ________ = P(Z < –1,1) =
5
= P(Z > 1,1) = 0,5 – 0,3643 = 0,1357 ou 13,57%
冢 冣
43,5 – 50 60,5 – 50
P(44 ≤ X ≤ 60) = P ________ < Z < ________ =
5 5
P(–1,3 < Z < 2,1) = 0,4032 + 0,4821 = 0,8853 ou 88,53%.
冢 冣
81 – 75
P(X > 81) = P Z > ______ = P(Z > 1) =
6
= 0,5 – 0,3413 = 0,1587.
Então o número de estudantes com mais de 81 kg em um grupo de 500 estu-
dantes é uma variável binominal com n = 500 e p = 0,1587 e o seu valor
esperado é µ = np = 79,35. Como se trata de uma variável inteira, o resul-
tado é arredondado para o inteiro mais próximo, que é 79.
b) Temos P(69 < X < 81) = P(–1 < Z < 1) = 2P(0 < Z < 1) = 2 . 0,3413 = 0,6826.
Segue-se que o valor esperado do número de estudantes com peso entre 69
e 81 kg é o inteiro mais próximo de µ = np = 500 . 0,6826 = 341,3, ou seja, 341.
8.8 Seja X a vida útil das quatro lâmpadas, usadas consecutivamente. Temos
µ = E(X) = 4 . 1500 = 6000. Admitindo que as vidas úteis das quatro lâmpadas
são variáveis independentes, temos
冢 冣
6600 – 6000
a) P(X > 6600) = P Z > __________ = P(Z > 2) = 0,5 – 0,4772 = 0,0228.
300
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 33
冢 冣
5550 – 6000
b) P(X < 5550) = P Z < __________ =
300
= P(Z < –1,5) = P(Z > 1,5) = 0,5 – 0,4332 = 0,0668.
8.9 Seja Y o número de pessoas com renda mensal superior a X na amostra de 100
pessoas. A variável Y tem distribuição binomial com n = 100 e p = 0,1. A dis-
tribuição será exatamente binomial apenas se a amostragem for feita com
reposição, mas, mesmo que a amostragem seja feita sem reposição (como é
usual), a aproximação é muito boa, pois a população é muito maior do que a
amostra. Além disso, como µ = np = 10 e nq = 90, podemos usar a aproximação
normal da binomial.
——
O desvio padrão de Y é σ = √ npq = 3. Então
冢 冣
5,5 – 10
P(Y < 6) = P Z < _______ = P(Z < –1,5) = 0,5 – 0,4332 = 0,0668.
3
8.10 O número (X) de testes respondidos corretamente por esse aluno é uma variá-
vel com distribuição binomial com n = 300 e p = 0,5. Temos
E(X) = µ = np = 150,
—–
V(X) = σ 2 = npq = 75 e σ = √ 75 = 8,660.
冢 冣
199,5 – 150
P(X ≥ 200) = P Z > _________ = P(Z > 5,716).
8,660
Na tabela I do Apêndice verifica-se que P(Z > 3,09) = 0,001. Então, P(Z > 5,716)
é um valor muito menor, que pode ser considerado desprezível.
Se P(Z ≥ 200) já é um valor desprezível, com mais razão podemos considerar
desprezível o valor de P(X = 200).
冢 冣
79,5 – 75
P(Y ≥ 80) = P Z > ________ = P(Z > 0,6) = 0,5 – 0,2257 = 0,2743
7,5
P(Y < 60) = P冢Z < ________ 冣 = P(Z < – 2,067) = P(Z > 2,067)
59,5 – 75
7,5
Fazendo interpolação na tabela I do Apêndice, obtemos P(Y < 60) =
0,5 – 0,4806 = 0,0194.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 35
8.12 Como a população de eleitores é muito maior do que a amostra de 900 eleitores,
mesmo que a amostragem seja feita sem reposição (como é usual), o número (X)
de partidários do “sim” na amostra tem distribuição binomial com n = 900,
p = 0,8, µ = np = 720, σ 2 = npq = 144 e σ = 12. Usando a aproximação normal
da distribuição binomial, obtemos
683,5 – 720
冢 冣
P(X < 684) = P Z < __________ = P(Z < – 3,042) =
12
55 – 60
冢 冣
P(X < 55) = P Z < ______ = P(Z < – 1,667) =
2
66 – 60
冢 冣
P(X > 66) = P Z > ______ = P(Z > 2) =
3
Segue-se que
60 – µ
______ = – 1,28
3
冢 冣
29,5 – 20
P(X ≥ 30) = P Z > _______ = P(Z > 2,375) =
4
= 0,5 – 0,4912 = 0,0088 ou 0,88%
冢 冣
14,5 – 20
P(X < 15) = P Z < _______ = P(Z < – 1,375) =
4
= 0,5 – 0,4154 = 0,0846 ou 8,46%
冢 冣
14,5 – 20 30,5 – 20
P(15 ≤ X ≤ 30) = P _______ < Z < _______ =
4 4
= P(– 1,375 < Z < 2,625) = 0,4154 + 0,4956 =
= 0,9110 ou 91,10%.
8.15 Vamos admitir que o peso (X) de um saco seja uma variável com distri-
buição normal com média µ e desvio padrão σ = 2. A incógnita do problema
é o valor de µ.
Na tabela I do Apêndice verifica-se, por interpolação, que
P(Z > 1,645) = 0,05 ou 5%.
Segue-se que
P(Z < – 1,645) = 0,05.
Então, a máquina de ensacar deve ser regulada para um peso médio (µ ) tal que o
60 – µ
valor X = 60 corresponda a Z = –1,645, ou seja, _____ = – 1,645.
2
Conclui-se que µ = 60 + 3,29 = 63,29 kg.
冢 冣
873,5 – 882
P(X < 874) = P Z < _________ = P(Z < – 2,024) =
4,2
= 0,5 – 0,4785 = 0,0215 ou 2,15%.
冢 冣
50,5 – 40
P(X > 50) = P Z > ________ = P(Z > 1,75) =
6
= 0,5 – 0,4599 = 0,0401 ou 4,01%.
8.19 Uma vez que a população é muito maior do que a amostra, mesmo que a amos-
tragem seja feita sem reposição, o número de empregadores na amostra tem
distribuição aproximadamente binomial com p = 0,02.
冢 冣
4,5 – 8
P(X < 5) = P Z < ______ = P(Z < – 1,25) =
2,8
= 0,5 – 0,3944 = 0,1056.
冢 冣
52,5 – 40
P(X ≥ 53) = P Z > ________ = P(Z > 2,083) =
6
= 0,5 – 0,4814 = 0,0186 ou 1,86%.
冤 冥
(X – 0,5) – 200
P Z > ____________ = 0,125.
100
Na tabela I do Apêndice verifica-se que P(0 < Z < 1,15) = 0,375 ou P(Z > 1,15) =
= 0,125.
Então, devemos ter
X – 0,5 – 200
___________ = 1,15
100
ou X = 212.
冢 冣
200
2P(Y > 200) = 2P Z > ___ = 2P(Z > 2,353) =
85
= 200 . 0,0093 = 0,0186.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 39
冢 冣
200,5
2P Z > _____ = 2P(Z > 2,359) =
85
= 2 . 0,0091 = 0,0182.
冢 冣
35,5
P(|Y – 1800|<36) = P |Z|< _____ = P(|Z|<1,1833) =
30
冢 冣
30,5 – 20
P(X > 30) = P Z > ________
—– = P(Z > 2,409) =
√ 19
X3; P(X3)
S P(S)
0; 1_3 1; 1_3 2; 1_3
1_ 1
__ 1
__ 1
__
0 0; 1; 2;
9 27 27 27
2_ 2
__ 2
__ 2
__
1 1; 2; 3;
9 27 27 27
3_ 3
__ 3
__ 3
__
2 9
2; 27
3; 27
4; 27
2_ 2
__ 2
__ 2
__
3 3; 4; 5;
9 27 27 27
1_ 1
__ 1
__ 1
__
4 4; 5; 6;
9 27 27 27
Y P(Y)
0 1/27
1 3/27
2 6/27
3 7/27
4 6/27
5 3/27
6 1/27
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 41
冢 冣
165,5 – 150
P(W > 165) = P Z > __________ = P(Z > 1,55) =
10
= 0,5 – 0,4394 = 0,0606.
冢 冣
129,5 – 150
h) P(W < 130) = P Z < __________ = P(Z < – 2,05) =
10
= 0,5 – 0,4798 = 0,0202.
冢 冣
139,5 – 150 160,5 – 150
i) P(140 ≤ W ≤ 160) = P __________ < Z < __________ = P(– 1,05 < Z < 1,05) =
10 10
= 2 . 0,3531 = 0,7062.
8.26 Como a máquina é regulada para um peso médio 5% acima do peso declarado,
temos µ = 1,05 . 160 = 168.
冢 冣
160 – 168
P(X < 160) = P Z < ________ = P(Z < – 2) = 0,5 – 0,4772 = 0,0228.
4
b) Agora a incógnita é o peso médio µ. Na tabela I do Apêndice, verifica-se que
P(Z > 1,88) = 0,03 ou 3%.
01-solu ao dos exerc cios.qxd 3/9/2006 5:14 PM Page 42
Segue-se que
P(Z < – 1,88) = 0,03
Então
160 –µ
______ = – 1,88
4
Dessa expressão, obtemos µ = 167,5 g.
8.27 Verifica-se que E(X) = 2,5 e V(X) = 1,25. Seja W a soma dos k valores de X, de
maneira que Y = W/k. Então
E(W) = 2,5k e V(W) = 1,25k.
Para k razoavelmente grande, o teorema do limite central assegura que W tem
distribuição aproximadamente normal.
Na tabela I do Apêndice, verifica-se que
P(Z > 2) = 0,0228.
Lembrando que Y = 3 corresponde a W = 3k e fazendo a correção de con-
tinuidade (pois W é uma variável inteira), verifica-se que
冢 冣
3k – 0,5 – 2,5k
P(W ≥ 3k) = P Z > ____________
——– .
√ 1,25k
Como o enunciado da questão exige que a probabilidade seja igual ou inferior
a 0,0228, devemos ter
3k – 0,5 – 2,5k
____________
——– ≥2
√ 1,25k
——–
0,5k – 2√ 1,25k – 0,5 ≥ 0
ou
—–
k – 2√ 5k – 1 ≥ 0.
—
Fazendo u = √ k, obtemos a inequação
––
u2 – (2√ 5 )u – 1 ≥ 0,
–– ––
que é satisfeita, para valores positivos de u, se u ≥ √ 5 + √ 6. Segue-se que
devemos ter
–– ––
k ≥ (√ 5 + √ 6)2
ou
k ≥ 21,95.
Como k é uma variável inteira, conclui-se que o menor valor de k tal que
P(Y > 3) ≤ 0,0228 é 22.