PE Exercicios

Instituto Superior Técnico – Departamento de Matemática
Probabilidades e Estatı́stica
Exercı́cios
Setembro de 2008
Formulário
!
n x e−λ λx
P (X = x) = p (1 − p)n−x P (X = x) = P (X = x) = p(1 − p)x−1
x x!
x = 0, 1, . . . , n x = 0, 1, . . . x = 1, 2, . . .
1 (1 − p)
E(X) = np V ar(X) = np(1 − p) E(X) = V ar(X) = λ E(X) = V ar(X) =
p p2
! !, !
M N −M N 1
P (X = x) = fX (x) =
,a≤x≤b
x n−x n b−a
b+a (b − a)2
x = max {0, n − N + M } , . . . , min {n, M } E(X) = V ar(X) =
2 12
M M N −M N −n
E(X) = n V ar(X) = n
N N N N −1
( )
1 (x − µ)2
fX (x) = √ exp − , x ∈ IR fX (x) = λe−λx , x ≥ 0
2πσ 2 2σ 2
1 1
E(X) = µ V ar(X) = σ 2 E(X) = V ar(X) =
λ λ2
X̄ − µ
√ ∼ t(n−1) X̄1 − X̄2 − (µ1 − µ2 )
X̄ − µ S/ n (n − 1)S 2
√ ∼ N (0, 1) ∼ χ2(n−1)
r ∼ N (0, 1)
Pn 2 σ12 σ22
σ/ n Xi − X̄ σ2 n1
+ n2
i=1
S2 =
n−1

X̄1 − X̄2 − (µ1 − µ2 ) a X̄1 − X̄2 − (µ1 − µ2 )
r ∼ N (0, 1) r ∼ t(n1 +n2 −2)
S12 S22 (n1 −1)S12 +(n2 −1)S22 1 1
n1
+ n2 n1 +n2 −2 n1
+ n2
k
X (Oi − Ei )2 a 2 r X
X s
(Oij − Eij )2 a 2
∼ χ(k−m−1) ∼ χ(r−1)(s−1)
i=1 Ei H0
i=1 j=1 Eij H0
n
P
xi Yi − nx̄Ȳ
i=1
Y i = β 0 + β 1 xi + εi β̂0 = Ȳ − β̂1 x̄ β̂1 = n
P
x2i − nx̄2
i=1
n
" ! !#
1 X 2 1 n
X 2 n
X
2 2
σ̂ = Yi − Ŷi , Ŷi = β̂0 + β̂1 xi σ̂ = Yi2 − nȲ 2
− β̂1 x2i − nx̄ 2
n − 2 i=1 n−2 i=1 i=1

β̂0 − β0 β̂1 − β1 β̂0 + β̂1 x0 − (β0 + β1 x0 )
s ∼ t(n−2) r ∼ t(n−2) s ∼ t(n−2)
1 P x2
2 P σ̂2 2 1 (x̄−x0 )2
P
n
+ xi −nx̄2
σ̂ 2 xi −nx̄2 n
+ x2i −nx̄2
σ̂ 2
n 2
P
xi Yi − nx̄Ȳ
i=1
R2 = P
n
n
P

x2i − nx̄2 × Yi2 − nȲ 2
i=1 i=1
Capı́tulo 1
Estatı́stica descritiva
1.1 Uma escola avalia o seu curso através de um questionário com 50 perguntas sobre
diversos aspectos de interesse. Cada pergunta tem uma resposta numa escala de
1 a 5, onde a maior nota significa melhor desempenho. Para cada aluno é então
encontrada a nota média. Na última avaliação recorreu-se a uma amostra de 42
alunos, e os resultados estão em baixo.
4.2 2.7 4.6 2.5 3.3 4.7

4.0 2.4 3.9 1.2 4.1 4.0
3.1 2.4 3.8 3.8 1.8 4.5
2.7 2.2 3.7 2.2 4.4 2.8
2.3 1.9 3.6 3.9 2.3 3.4
3.3 1.8 3.5 4.1 2.2 3.0
4.1 3.4 3.2 2.2 3.0 2.8
(a) Proceda à organização dos dados construindo um quadro de frequências onde

figurem as frequências absolutas, absolutas acumuladas e relativas acumuladas.
(b) Desenhe o respectivo histograma.
(c) Identifique as classes modal e mediana.
(d) Calcule a média e o desvio padrão usando os dados agrupados e também usando
os dados não agrupados. Compare os resultados.
(e) Calcule a mediana e os 1o e 3o quartis.
1.2 Num estudo para analisar a capacidade de germinação de certo tipo de cereal foram
semeadas cinco sementes em cada um dos vasos dum conjunto de vasos iguais,
contendo o mesmo tipo de solo, e registou-se o número de sementes germinadas.
Obtiveram-se os seguintes resultados:
no de sementes germinadas por vaso 0 1 2 3 4 5

no de vasos 16 32 89 137 98 25
(a) Calcule a média, a mediana e a moda do número de sementes germinadas.

(b) Represente graficamente os resultados.
(c) Calcule a proporção de vasos com mais de três sementes germinadas. (Teste
26 Jan 1995)
1
1.3 Realizou-se uma experiência com uma perfuradora hidráulica a fim de conhecer a
sua capacidade de perfuração em estruturas rochosas. Para tal foi observada a
profundidade (em polegadas) de perfuração em 10 locais, cujos dados se encontram
abaixo:
10.6 10.7 10.1 10.9 10.8

10.2 11.0 10.3 10.5 10.9
Apresente três medidas de localização e de dispersão para os dados observados,

interpretando-as e sugerindo qual a melhor, dentro de cada um dos grupos de me-
didas.
1.4 As notas finais obtidas em 3 turmas na disciplina de Probabilidades e Estatı́stica

foram as seguintes:
Turma 1 2 3
no alunos 30 35 40
média 13 10 9
desvio padrão 2 2.2 2.1
(a) Calcule a média e o desvio padrão das notas obtidas no conjunto de todos os
alunos.
(b) No final o professor entendeu alterar linearmente as notas de forma que a média
e o desvio padrão das notas de todos os alunos fossem 12 e 2 respectivamente.
Sabendo que um aluno da turma 1 obteve 10 valores, calcule a sua nota na
nova escala adoptada pelo professor. (Exame 23 Jun 1992)
1.5 O departamento de pessoal de uma certa firma fez um levantamento dos salários
dos 120 funcionários do sector administrativo, tendo obtido os seguintes resultados.
Frequência
Faixa salarial
Relativa
[0, 2] 0.25
]2, 4] 0.40
]4, 6] 0.20
]6, 10] 0.15
(a) Esboçe o histograma correspondente.

(b) Calcule aproximadamente a média, a variância e o desvio padrão dos salários.
(c) Se for concedido um aumento de 100% a todos os funcionários, haverá alteração
na média dos salários? E na variância dos salários? Justifique.
(d) Responda à questão anterior para o caso de ser concedido um aumento de 2
unidades a todos os funcionários.
2
Capı́tulo 2
Noções de probabilidade
2.1 Admita que um lote contém peças pesando 5, 10, 15, 20 g e que existem pelo menos
2 peças de cada peso. Retiram-se 2 peças do lote. Seja X o peso da 1a peça retirada
e Y o peso da 2a peça retirada. Utilizando o plano xy marque:
(a) O espaço de resultados.

(b) O acontecimento A = {(x, y) : x = y}.
(c) O acontecimento B = {(x, y) : y > x}.
(d) O acontecimento C = “A 2a peça é duas vezes mais pesada do que a 1a ”.
(e) O acontecimento D = “A 1a peça pesa menos 10g do que a 2a ”.
(f) O acontecimento E = “O peso médio das duas peças é menor que 15 g”.
2.2 Sejam A e B acontecimentos tais que P (A) + P (B) = x e P (A ∩ B) = y. Determine

em função de x e de y a probabilidade de:
(a) Não se realizar nenhum dos dois acontecimentos.

(b) Que se realize um e um só dos dois acontecimentos.
(c) Que se realize pelo menos um dos dois acontecimentos.
(d) Que se realize quanto muito um único acontecimento.
2.3 Mostre que:

(a) Se A e B são acontecimentos tais que A ⊂ B então P (A) ≤ P (B).
(b) Para quaisquer acontecimentos C e D tem-se
P (C ∩ D) ≤ P (C) ≤ P (C ∪ D).
n
! n
[ X
(c) P Ai ≤ P (Ai ), ∀n ∈ IN .
i=1 i=1
2.4 Uma colecção 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
3
“outro tipo”e 2 tinham os três tipos de erros considerados. Um programa é selec-
cionado ao acaso desta colecção. Determine a probabilidade de que o programa
seleccionado tenha:
(a) Exclusivamente erros de “sintaxe”.

(b) Pelo menos um dos três tipos de erros.
2.5 Num lançamento de um dado viciado, a probabilidade de ocorrer cada número ı́mpar
é o dobro da probabilidade de ocorrer cada número par.
(a) Indique qual o espaço de resultados e calcule a probabilidade de cada aconte-

cimento elementar.
(b) Calcule a probabilidade de que o número de pontos obtido no lançamento do
dado seja superior a 3.
(c) Calcule a probabilidade de que o número de pontos obtido no lançamento do
dado seja um quadrado perfeito.
2.6 Uma lotaria tem 10000 bilhetes numerados de 0000 a 9999. O número do primeiro
prémio é o número do bilhete saı́do numa extracção ao acaso.
(a) Um jogador comprou um bilhete com o número 6789. Qual a probabilidade de

lhe sair o primeiro prémio?
(b) Se o jogador comprar todos os bilhetes cujos números têm todos os algarismos
iguais, qual a probabilidade de lhe sair o primeiro prémio?
(c) Qual a probabilidade do número premiado ter todos os algarismos diferentes?
(Teste 26 Nov 1994)
2.7 Numa fila de espera de autocarro estão 4 homens, 3 mulheres e 2 crianças. Qual a
probabilidade de:
(a) As pessoas, dentro de cada um daqueles três grupos, estarem de seguida?

(b) As 2 crianças estarem juntas?
2.8 Considere o lançamento de 3 dados perfeitos, sendo um branco, outro preto e outro
verde. Determine a probabilidade de obter uma soma de pontos igual a 10.
2.9 De um grupo de 50 alunos do IST (10 alunos por ano) é escolhida ao acaso uma
comissão coordenadora de 4 pessoas. Qual a probabilidade de:
(a) Ser escolhido um e um só aluno do 1o ano?

(b) Serem escolhidos um aluno (e só um) do 1o ano e um aluno (e só um) do 5o
ano?
(c) Serem escolhidos no máximo dois alunos do 1o ano?
(d) Serem todos do mesmo ano?
2.10 Um grupo de apostadores do totobola decidiu jogar todas as apostas possı́veis con-
tendo 7 vitórias em casa, 4 empates e 2 vitórias fora. Calcule a probabilidade desse
grupo ganhar o totobola.
4
2.11 Suponha que uma cidade tem n + 1 habitantes e que um deles conta um boato a
outro, que por sua vez o repete a um terceiro, e assim sucessivamente. Em cada
passo, a pessoa que ouve o boato é escolhida ao acaso de entre as n restantes.
Determine a probabilidade de que um boato seja contado r vezes:
(a) Sem antes voltar a ser contado à pessoa que lhe deu inı́cio.
(b) Sem que ninguém o ouça mais do que uma vez.
2.12 Considere um dado equipamento que é constituı́do por 10 transı́stores dos quais
dois são defeituosos. Suponha que dois transı́stores são seleccionados ao acaso, com
reposição.
(a) Escreva o espaço de resultados correspondente a esta experiência aleatória e
calcule as respectivas probabilidades.
(b) Calcule as probabilidades dos seguintes acontecimentos:
A1 – Sair um transı́stor defeituoso na 1a tiragem.
A2 – Sair um transı́stor defeituoso na 2a tiragem.
A3 – Sair pelo menos um transı́stor defeituoso.
A4 – Sair exactamente um transı́stor defeituoso.
(c) Responda às mesmas questões de (a) e (b) mas agora considerando que não
houve reposição.
2.13 Uma bolsa contém moedas de prata e cobre em igual número. Extrai-se ao acaso e
sem reposição duas moedas. Calcule a probabilidade de que:
(a) A segunda moeda extraı́da seja de prata, sabendo que a primeira era de cobre.
(b) Saia uma moeda de prata na 2a tiragem.
(c) Uma e uma só das moedas seja de prata.
(d) Pelo menos uma das moedas seja de cobre.
2.14 Uma urna contém 5 bolas brancas e 5 bolas pretas. Dois jogadores, A e B, tiram
alternadamente e um de cada de vez uma bola da urna. O jogador que tirar a
primeira bola branca ganha a partida.
(a) Considere a experiência aleatória associada a este jogo e escreva o correspon-
dente espaço de resultados.
(b) Calcule a probabilidade de cada jogador ganhar a partida sabendo que o jogador
A é o primeiro a tirar a bola de urna.
(c) Responda novamente às alı́neas (a) e (b) mas agora considerando que as bolas
são extraı́das com reposição.
2.15 Considere o seguinte troço de um circuito eléctrico
2
1
A r rB
3
5
e designe por Fi o acontecimento “o interruptor i está fechado” (i = 1, 2, 3). Suponha
que F1 e F2 são independentes, com probabilidades iguais a 1/2 e que F3 tem uma
probabilidade condicional de 1/8 quando os interruptores 1 e 2 estão fechados e uma
probabilidade condicional de 1/10 quando apenas o interruptor 1 está fechado.
(a) Prove que F1 e F 2 são independentes.

(b) Calcule a probabilidade de o interruptor 2 estar fechado dado que há corrente
entre os terminais A e B. (Exame 9 Jul 1994)
2.16 A execução de um projecto de construção de um edifı́cio no tempo programado está

relacionada com os seguintes acontecimentos:
E = “escavação executada a tempo”

F = “fundações executadas a tempo”
S = “superestrutura executada a tempo”
supostos independentes e com probabilidades iguais a, respectivamente, 0.8, 0.7 e

0.9. Calcule a probabilidade de:
(a) O edifı́cio ser terminado no tempo previsto, devido ao cumprimento dos prazos
nas três actividades referidas.
(b) O prazo de execução ser cumprido para a escavação e não ser cumprido em
pelo menos uma das outras actividades. (Exame 14 Mai 1994)
2.17 Um certo tipo de motor eléctrico quando avariado pode apresentar quatro tipos de
falhas, denotadas por F1 , F2 , F3 e F4 , cujas probabilidades de ocorrência são iguais.
Seja A = {F1 , F2 }, B = {F1 , F3 }, C = {F1 , F4 } e D = {F2 , F3 }.
(a) Mostre que os acontecimentos A, B e C são independentes aos pares.

(b) Mostre que P (C|A ∩ B) é diferente de P (C).
(c) Comente a afirmação: “Como a ocorrência simultânea de C e D é impossı́vel,
C e D são necessariamente dependentes”. (Exame 22 Fev 1994)
2.18 Um geólogo crê que existe petróleo numa certa região com probabilidade 0.8 e que,
caso haja petróleo, a probabilidade de sair petróleo na primeira perfuração é de 0.5.
(a) Qual a probabilidade de sair petróleo na primeira perfuração?

(b) Tendo-se procedido à primeira perfuração da qual não resultou petróleo, qual
é a nova probabilidade atribuı́da à existência de petróleo na região? (Exame
28 Jul 1994)
2.19 Suponha que 5% da população portuguesa sofre de hipertensão e que de entre estes,
75% ingerem bebidas alcoólicas. De entre os que não são hipertensos 50% ingerem
bebidas alcoólicas.
(a) Qual a percentagem de pessoas que bebem álcool?

(b) Qual a percentagem de pessoas que bebendo álcool sofrem de hipertensão?
2.20 Para um certo tipo de cancro a taxa de prevalência (proporção de doentes na popu-
lação em geral) é 0.005. Um teste diagnóstico para esta doença é tal que:
6
– a probabilidade do teste resultar positivo quando aplicado a um indivı́duo com
cancro (sensibilidade do teste) é 0.99;
– a probabilidade do teste resultar negativo quando o indivı́duo não tem cancro
(especificidade do teste) é 0.95.
(a) Calcule o valor preditivo do teste, isto é, a probabilidade de um indivı́duo ter
cancro sabendo que o teste resultou positivo.
(b) Supondo que o teste foi aplicado duas vezes consecutivas ao mesmo doente e
que das duas vezes o resultado foi positivo, calcule a probabilidade do doente
ter cancro (admita que, dado o estado do indivı́duo, os resultados do teste em
sucessivas aplicações, em qualquer indivı́duo, são independentes). O que pode
concluir quanto ao valor preditivo da aplicação do teste duas vezes consecuti-
vas? (Teste 26 Nov 1994)
2.21 Um teste é constituı́do por uma pergunta com n alternativas. O indivı́duo que o faz
ou conhece a resposta ou responde ao acaso. Seja p a probabilidade de um indivı́duo
conhecer a resposta. Admitindo que a probabilidade de um indivı́duo responder
correctamente à questão dado que conhece a resposta é 1 e que a probabilidade de
responder correctamente dado que responde ao acaso é 1/n:
(a) Verifique que a probabilidade de um indivı́duo não ter respondido ao acaso

np
dado que respondeu correctamente é .
1 + (n − 1)p
(b) Calcule a probabilidade de uma pessoa escolhida ao acaso não responder cor-
rectamente à questão, supondo n = 5 e p = 0.2.
2.22 Registos efectuados levaram a concluir que os motoristas que circulam em determi-
nada estrada podem cometer dois e só dois tipos de transgressões ditas do tipo I e
do tipo II, não se notando nenhum caso em que o motorista cometa ambas as trans-
gressões. De entre 500 motoristas multados verificou-se serem 100 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.
2.23 Um barco pesqueiro desapareceu e presume-se que o seu desaparecimento se deva a

uma das três possı́veis causas:
C1 – afundou-se quando experimentava um sofisticado sistema de pesca para o qual

não estava minimamente apetrechado;
C2 – foi sequestrado por transportar um carregamento de material nuclear;
C3 – foi destruido por um temporal.
Três brigadas de busca e salvamento, B1 , B2 e B3 foram enviadas com a missão de

procurar o barco, investigando cada uma delas uma das causas (i.e. a brigada Bi
investiga a causa Ci ). Suponha que:
1) as três causas do desaparecimento são igualmente prováveis;

2) a probabilidade da brigada Bi ser bem sucedida quando de facto o barco desa-
pareceu devido à causa Ci é αi (α1 = 0.1, α2 = 0.7, α3 = 0.8).
7
Sabendo que a investigação da brigada B2 resultou infrutı́fera, calcule a probabili-
dade:
(a) Do barco ter sido sequestrado.

(b) Do barco ter sido destruido por um temporal. (Exame 13 Jan 1992)
8
Capı́tulo 3
Variáveis aleatórias e distribuições

discretas
3.1 Uma caixa contém 6 iogurtes dos quais 2 estão estragados. Retiram-se ao acaso e
sem reposição 3 iogurtes.
(a) i) Qual a probabilidade de obter quando muito um iogurte estragado?

ii) Se nas 3 extracções apenas houve um iogurte estragado, qual a probabili-
dade de ter sido o segundo?
(b) Designe por X a variável aleatória que representa o número de iogurtes estra-
gados nas 3 extracções. Determine:
i) A função de probabilidade de X.
ii) A função de distribuição de X.
iii) O valor esperado e a variância de X.
(c) Responda novamente às alı́neas (a) e (b), mas agora admitindo que as 3 ex-
tracções foram feitas com reposição.
3.2 Numa fábrica existem três máquinas iguais de uma mesma marca, que trabalham
independentemente. A probabilidade de cada máquina avariar num dado espaço de
tempo é 0.1. Seja X a variável aleatória que representa o número de máquinas que
findo esse perı́odo de tempo estão a trabalhar. Determine:
(a) A função de probabilidade de X.

(b) A função de distribuição de X.
(c) O valor esperado, moda, mediana e variância de X.
3.3 Considere a variável aleatória discreta X com a seguinte função de probabilidade:

(
ax , x = 1, 2, 3
P (X = x) =
0 , caso contrário
sendo a uma constante real.
(a) Determine a.
(b) Determine a função de distribuição de X.
9
(c) Calcule a moda, a mediana e o valor esperado de X.
3.4 Seja X uma variável aleatória discreta com a seguinte função de probabilidade:




(1 + 3c)/4 , x=1



 (1 − c)/4 , x=2
P (X = x) =  (1 + 2c)/4 , x=3



 (1 − 4c)/4 , x=4

 0 , x 6= 1, 2, 3, 4
(a) Determine o valor de c.

(b) Calcule o valor esperado e a variância de X.
3.5 Considere uma experiência aleatória associada a 5 acontecimentos elementares ωi

(i = 1, 2, 3, 4, 5) com as seguintes probabilidades:
i 1 2 3 4 5
ωi 0 1 2 3 4
P (ωi ) 0.1 0.2 0.3 0.3 0.1
Considere a variável aleatória, definida à custa dos acontecimentos elementares,

(
2ωi , ωi ≥ 2
X(ωi ) =
6ωi − 8 , ωi < 2
Determine o valor esperado de X e a probabilidade de X assumir um valor negativo.
3.6 Considere a variável aleatória discreta X com a seguinte função de distribuição:





0 , x<0



 1/6 , 0≤x<2
FX (x) =  1/4 , 2≤x<4



 1/2 , 4≤x<6

 1 , x≥6
(a) Determine a função de probabilidade de X.

(b) Calcule:
i) P (X ≤ 1).
ii) P (X > 5).
iii) P (0 < X ≤ 2).
iv) P (2 ≤ X < 6).
3.7 Num armazém encontra-se um lote de 10000 latas de um certo produto alimentar
que está a ser preparado para ser distribuı́do. 500 dessas latas já ultrapassaram o
prazo de validade. É efectuada uma inspecção sobre uma amostra de 15 embalagens
escolhidas ao acaso com reposição. A inspecção rejeita o lote se forem encontradas
mais do que duas latas fora do prazo de validade nessa amostra.
(a) Qual a probabilidade de rejeição do lote?

(b) Qual o número esperado de latas fora do prazo de validade?
(c) Suponha que as latas são inspeccionadas sucessivamente (com reposição) até
ser encontrada uma fora do prazo de validade.
10
i) Qual a probabilidade de ser necessário inspeccionar 4 ou mais latas?
ii) Qual o número esperado de latas inspeccionadas?
3.8 Num lote de 500 peças existem 50 defeituosas. Desse lote retira-se ao acaso e com
reposição uma amostra. O lote é rejeitado se tal amostra incluir mais do que duas
peças defeituosas. Calcule:
(a) A probabilidade de rejeição do lote se a amostra tiver dimensão 10.

(b) A dimensão que a amostra deve ter para que a probabilidade de rejeição seja
inferior a 0.05.
(c) Nas condições da alı́nea (a) e se existirem 100 lotes nas condições indicadas,
qual o número esperado de lotes em que se pode esperar que haja rejeição?
3.9 2000 pessoas de entre as 60000 que constituem a população de uma cidade estão a
assistir a um programa de televisão. Escreva a expressão que lhe permitiria calcu-
lar a probabilidade exacta de que, entre 250 pessoas seleccionadas ao acaso e sem
reposição da população da cidade, menos de 5 estejam a ver esse programa.
3.10 O número de partı́culas emitidas por uma fonte radioactiva, num dado perı́odo
de tempo, é uma variável aleatória com distribuição de Poisson. Sabendo que a
probabilidade de não ser emitida qualquer partı́cula nesse perı́odo de tempo é 1/3,
calcule a probabilidade de que nesse perı́odo de tempo a fonte emita pelo menos 2
partı́culas.
3.11 Um processo de fabrico de placas de vidro produz, em média, 4 bolhas de ar espa-

lhadas aleatoriamente por 10 m2 de placa. Sabendo que a distribuição do número
de bolhas de ar pode ser modelada por uma distribuição de Poisson, calcule a pro-
babilidade de:
(a) Uma placa de 2.5m × 2m ter mais de 2 bolhas de ar.

(b) Obter, num lote de 10 placas de vidro com 1m × 2.5m, 6 placas perfeitas.
3.12 Uma máquina electrónica de venda de chocolates e bebidas dá um lucro de 12

dezenas de euros por semana se não tiver avarias durante a semana. Se a máquina
tiver x (x ≥ 1) avarias durante a semana o custo da reparação é de (x+1)2 dezenas de
euros. Suponha que o número de avarias numa semana, X, é uma variável aleatória
de Poisson de parâmetro λ = 3/2.
(a) Calcule a probabilidade de numa semana

i) não haver avarias.
ii) haver uma avaria, sabendo que de facto ocorreram avarias nessa semana.
(b) Determine, em dezenas de euros, o lucro esperado por semana.
11
Capı́tulo 4
Variáveis aleatórias e distribuições

contı́nuas
4.1 Suponha que o desvio da medida das peças produzidas por uma máquina em relação
à norma especificada pelo mercado é uma variável aleatória X com a seguinte função
de densidade de probabilidade:


1 + k + x , −1 ≤ x < 0
fX (x) =  1 + k − x , 0 ≤ x ≤ 1

0 , restantes valores de x
(a) Calcule o valor de k.

(b) Determine a função de distribuição de X.
(c) Calcule o valor esperado e a variância de X.
(d) Calcule a moda, a mediana e o 1o quartil de X.
(e) Calcule a probabilidade de que seja necessário extrair exactamente duas peças
da produção da máquina para que apareça uma peça com um desvio positivo
em relação à norma.
(f) Derive a função densidade de probabilidade do valor absoluto do referido desvio
da medida de uma peça.
4.2 Seja Y = 100 X a variavel aleatória que representa a percentagem de álcool num
certo composto, onde X é uma variável aleatória com a seguinte função de densidade
de probabilidade:
(
20 x3 (1 − x) , 0 < x < 1
fX (x) =
(a) Determine a função de distribuição de X e esboce o seu gráfico.

(b) Calcule a probabilidade de X ser inferior a 2/3.
(c) Suponha que o preço de venda do composto depende do conteúdo em álcool:
se 1/3 < X < 2/3 o preço é de C1 euros por litro; caso contrário o preço é de
C2 < C1 euros por litro. Supondo o custo de produção igual a C3 euros por
litro:
i) Calcule a função de distribuição do lucro lı́quido por litro.
12
ii) Determine o valor esperado do lucro lı́quido por litro.
4.3 Uma empresa vende peças cuja duração em centenas de horas é uma variável alea-
tória contı́nua com a seguinte função de distribuição:
(
1 − e−λx , x > 0
FX (x) =
A empresa dispõe de um stock de peças dos tipos A e B. Ao tipo A está associado

um parâmetro λ = 1/2 e ao tipo B um parâmetro λ = 1. De um lote formado
por 100 peças do tipo A e 50 peças do tipo B, retirou-se ao acaso uma peça, cuja
duração foi ensaiada. Em relação ao resultado desse ensaio sabe-se apenas que a
duração da peça foi inferior a 90h. Calcule a probabilidade de que a peça escolhida
seja do tipo B.
4.4 Considere uma variável aleatória contı́nua cuja função densidade de probabilidade é
simétrica em relação ao seu valor esperado. Sabendo que E(X) = 10 e V (X) = 25
e que a variável aleatória Y se define por Y = β X − α com α, β > 0, determine:
(a) α e β de modo que o valor esperado de Y seja nulo e a variância de Y seja

unitária.
(b) P (Y ≤ 0).
4.5 Uma certa liga metálica contém uma percentagem de chumbo X, que pode ser
considerada como uma variável aleatória com função de densidade de probabilidade
dada por (
3
10−5 x(100 − x) , 0 ≤ x ≤ 100
fX (x) = 5
Suponha que L, o lucro lı́quido obtido na venda desta liga (por unidade de peso),
depende da percentagem de chumbo através da relação:
L = C1 + C2 X
Calcule o valor esperado do lucro lı́quido por unidade de peso.
4.6 A procura diária de arroz num supermercado, em centenas de quilos, é uma variável
aleatória com função densidade de probabilidade:


 (2x)/3 , 0≤ x <1
fX (x) = −x/3 + 1 , 1 ≤ x ≤ 3


0 , restantes valores de x
(a) Qual a probabilidade da procura exceder 150 Kg de arroz num dia escolhido
ao acaso?
(b) Calcule o valor esperado da procura diária de arroz, assim como uma medida
da variabilidade dessa procura.
(c) Qual a quantidade de arroz que deve ser deixada diariamente à disposição do
público para que não falte arroz em 95% dos dias?
4.7 Seja X uma variável aleatória com distribuição normal de valor esperado 10 e vari-
ância 4, que representa o comprimento de uma barra de ferro. Suponha que a barra
é considerada não defeituosa se 8 ≤ X ≤ 12 e defeituosa caso contrário.
13
(a) Qual a probabilidade de que uma barra seja não defeituosa?
(b) Qual a probabilidade de que, em 10 barras escolhidas ao acaso e com reposição
do fabrico diário, pelo menos 2 sejam defeituosas?
4.8 O comprimento das peças produzidas por uma máquina é uma variável aleatória
normal com valor esperado µ (mm) e variância σ 2 (mm2 ). Uma peça é defeituosa
se o seu comprimento diferir do valor esperado mais do que σ. Sabe-se que 50% das
peças produzidas têm comprimento inferior a 2.5 mm e 47.5% das peças produzidas
têm comprimento entre 2.5 mm e 3.42 mm.
(a) Calcule µ e σ.
(b) Determine a probabilidade de que uma peça seja não defeituosa.
4.9 O tempo de vida de um laser tem distribuição normal com média igual a 7000 horas
e desvio padrão igual a 600 horas.
(a) Qual é a probabilidade de um desses lasers falhar até 5300 horas?

(b) Qual é a duração que 90% desses lasers excede?
(c) Um produto inclui três lasers e falha se algum deles falhar. Se os tempos de
vida dos três lasers forem independentes, qual é a probabilidade desse produto
durar mais do que 7000 horas? (Teste B 13 Mai 2000 )
4.10 Uma componente electrónica tem uma duração de vida, em centenas de horas, que
é uma variável aleatória com distribuição exponencial de valor esperado 0.5.
(a) Calcule a função de distribuição da variável aleatória X.

(b) Calcule a probabilidade de que a componente electrónica tenha uma duração
de vida superior a 150h, sabendo que já funcionou pelo menos durante 100 h.
(c) A distribuição do dobro da duração de uma componente é ainda do tipo expo-
nencial? Justifique.
4.11 O número de mensagens electrónicas recebidas por dia (24h) numa pequena empresa
de entregas rápidas tem distribuição de Poisson com média igual a 10.
(a) Calcule a probabilidade de num dia a empresa não receber mais do que 7
mensagens.
(b) Qual é a probabilidade do intervalo entre duas mensagens consecutivas exceder
1 hora? (Exame 5 Fev 2002 )
14
Capı́tulo 5
Distribuições conjuntas de
probabilidade e complementos
5.1 Uma loja de electrodomésticos vende televisores da marca X e da marca Y . A

função de probabilidade conjunta do número de televisores vendidos diariamente é
a seguinte:
Y \X 0 1 2
0 0.12 0.25 0.13
1 0.05 0.30 0.01
2 0.03 0.10 0.01
(a) Calcule as funções de probabilidade marginais de X e de Y .

(b) Calcule a função de distribuição marginal de X.
(c) Calcule a probabilidade de que num dia a marca Y seja mais vendida do que
a marca X.
(d) Determine o valor esperado e a variância do número total de televisores vendi-
dos diariamente.
5.2 Durante um treino de basquetebol um jogador efectua três lançamentos da linha de

lançamento livre. A probabilidade que ele tem de encestar em cada lançamento é
de 0.6 e os lançamentos podem ser considerados independentes.
(a) Descreva o espaço de resultados.
(b) Seja X a variável aleatória que representa o número de vezes que o jogador
encesta nos dois primeiros lançamentos e Y a variável aleatória que representa
o número de vezes que o jogador encesta nos dois últimos lançamentos.
i) Determine a função de probabilidade conjunta do par aleatório (X, Y ).
ii) Determine as funções de probabilidade marginais de X e de Y .
5.3 Sejam X e Y duas variáveis aleatórias discretas com função de probabilidade con-
junta dada por:
Y \X 1 2 3
1 1/9 0 1/18
2 0 1/3 1/9
3 1/9 1/6 1/9
15
(a) Determine:
i) A função de probabilidade marginal de X.
ii) A função de distribuição marginal de Y .
iii) P (X + Y ≤ 4).
iv) As funções de probabilidade de X condicionais a Y = 1 e Y = 3.
v) E(X|Y = 1).
(b) Defina E(X|Y ).
(c) Diga, justificando, se X e Y são variáveis aleatórias independentes.
(d) Calcule a V (X + Y ).
5.4 Para ser admitido num certo curso um aluno tem que realizar duas provas, A e
B, independentes. A classificação em cada uma das provas será de insuficiente (0),
suficiente (1) ou bom (2). A probabilidade do aluno obter 0, 1 ou 2 nas provas A e
B é apresentada em seguida:
Classificação Prova A Prova B

0 0.2 0.2
1 0.5 0.6
2 0.3 0.2
Considere o par aleatório (X, Y ) onde:
X = “diferença (em módulo) das classificações nas provas A e B”;

Y = “soma das classificações das provas A e B”.
(a) Determine:
i) A função de probabilidade conjunta do par aleatório (X, Y ).
ii) As funções de probabilidade marginais de X e de Y .
iii) A função de distribuição marginal de X.
iv) A função de probabilidade de X condicional a Y = 2.
(b) Diga, justificando, se X e Y são independentes.
(c) Calcule:
i) Todas as funções de probabilidade de Y condicionais a X.
ii) E(Y |X = 2) e V (Y |X = 2).
iii) FY |X=0 (y).
iv) P (Y = 2|X.Y = 0).
v) P (X + Y ser ı́mpar).
5.5 A função de probabilidade conjunta de duas variáveis aleatórias, X e Y , é tal que:

(
1/10 , x = 1, 2, 3, 4, y = 1, 2, 3, 4 e y ≤ x
P (X = x, Y = y) =
(a) Calcule o coeficiente de correlação de X e Y e diga, justificando, se as variáveis

aleatórias são ou não independentes.
(b) Calcule E(X|Y = 3).
16
5.6 Sejam X e Y variáveis aleatórias com função de probabilidade conjunta dada por:
X\Y -1 0 1
-1 0 1/4 0
0 1/4 0 1/4
1 0 1/4 0
Mostre que Cov(X, Y ) = 0 mas que X e Y não são independentes.
5.7 Considere o par aleatório (X, Y ) cuja função de probabilidade é

(
p2−x−y q x+y , x, y = 0, 1, 0 < p < 1, q = 1 − p
P (X = x, Y = y) =
(a) Calcule V (Z), onde Z = X + Y .

(b) Defina a variável aleatória E(X|Y ).
(c) Apresente um exemplo dum par aleatório discreto (U, V ) com as mesmas fun-
ções de probabilidade marginais que (X, Y ), mas tal que P (U = x, V = y) 6=
P (X = x, Y = y). (Exame 23 Mar 1990)
5.8 A emissão de uma fonte radioactiva é tal que o número de partı́culas emitidas em
cada perı́odo de 10 segundos, X, tem distribuição de Poisson com E(X 2 ) = 6.
(a) Observada a emissão durante 7 perı́odos consecutivos de 10 segundos, qual a

probabilidade de, em pelo menos um desses perı́odos, serem emitidas 4 ou mais
partı́culas?
(b) Um contador Geiger-Muller, que vai registando as emissões sucessivas, tem
uma probabilidade 0.9 de registar cada partı́cula que é emitida.
i) Sabendo que o número de partı́culas registadas em x (x ≥ 1) partı́culas
emitidas por perı́odo tem uma distribuição binomial, mostre que o número
de partı́culas registadas por perı́odo tem uma distribuição de Poisson com
parâmetro λ = 0.9 × 2.
ii) Determine o valor esperado e a mediana do número de partı́culas registadas
por perı́odo. (Exame 22 Jul 1993)
5.9 Sejam X e Y duas variáveis aleatórias contı́nuas com função de densidade de pro-
babilidade conjunta
(
1/2 , −a ≤ x ≤ a, −a ≤ y ≤ a , a ∈ IR+
fX,Y (x, y) =
(a) Determine o valor de a.

(b) Serão X e Y variáveis aleatórias independentes? Justifique.
(c) Calcule a função de distribuição da variável aleatória Y .
5.10 Considere o par aleatório com densidade conjunta

(
6(1 − x − y) , 0 < y < 1 − x , x > 0
fX,Y (x, y) =
(a) Serão X e Y variáveis aleatórias independentes? Justifique.
17
(b) Calcule a função de distribuição da variável aleatória X.
(c) Determine fX|Y = y (x).
(d) Calcule P (X < 1/4|Y = 1/2).
(e) Calcule P (X < 3/4|Y > 1/2).
5.11 Considere para origem do eixo do tempo o horário de partida de certo comboio e
para unidade um intervalo de 10 minutos. Sejam X e Y o momento de chegada
do passageiro à estação e o momento de partida do comboio, respectivamente. A
função de densidade de probabilidade conjunta do par aleatório (X, Y ) é dada por
(
{1 + x(y − 1)[x2 − (y − 1)2 ]}/4 , |x| < 1 , 0 < y < 2
fX,Y (x, y) =
(a) Calcule as funções de densidade de probabilidade marginais de X e de Y .

(b) Calcule a probabilidade de o passageiro apanhar o comboio.
5.12 Duas pessoas combinam encontrar-se entre as 14 e as 15 horas ficando entendido

que nenhuma delas esperará mais do que 15 minutos pela outra. Assuma que iguais
intervalos de tempo têm associadas iguais probabilidades de chegada. Qual a pro-
babilidade de as duas pessoas se encontrarem?
5.13 Considere a variável aleatória bidimensional contı́nua (X, Y ) com função densidade
de probabilidade conjunta:
(
2 , 0<x<y<1
fX,Y (x, y) =
(a) Calcule o coeficiente de correlação entre X e Y .

(b) Calcule a V (X|Y = y).
(c) Verifique que E(X) = E[E(X|Y )].
5.14 O diâmetro interior de um tubo cilı́ndrico é uma variável aleatória X com distri-
buição normal de valor esperado 3 cm e desvio padrão 0.02 cm e a espessura Y do
mesmo tubo é uma variável com distribuição normal de valor esperado 0.3 cm e
desvio padrão 0.005 cm, independente de X.
(a) Calcule o valor esperado e o desvio padrão do diâmetro exterior do tubo.

(b) Calcule a probabilidade de que o diâmetro exterior do tubo exceda 3.62 cm.
5.15 Um dos elevadores dum grande edifı́cio público transporta, no máximo, 20 pessoas de
cada vez. A carga máxima transportada pelo elevador é de 1300 Kg. Os utilizadores
deste elevador pertencem a um largo estrato duma população em que se verificou
que o peso duma pessoa é aproximadamente normal com valor esperado 61 Kg e
desvio padrão 10 Kg.
(a) Calcule a probabilidade do peso destes 20 utilizadores exceder a carga máxima.

(b) Sabendo que estão 15 pessoas no elevador com um peso de 950 Kg e que se
espera a entrada de mais 5 pessoas para completar a lotação e iniciar a viagem,
determine a probabilidade do peso total destes 20 passageiros exceder a carga
máxima.
18
(c) Qual a probabilidade de haver nas 20 pessoas, que em certo momento viajam
no elevador,
i) quando muito 2 com peso superior a 85 Kg?
ii) pelo menos 1 com peso inferior a 40 Kg?
(d) Acha que, em face do tipo de população que utiliza o elevador, a carga máxima
indicada é adequada? Explique a sua opinião. (Exame 7 Jun 1988)
5.16 Um posto de transformação permite uma carga total de 2800KW. Sabe-se que esse
posto de transformação alimenta uma fábrica com consumo permanente de 2500KW
e além disso o mesmo posto de transformação alimenta 100 consumidores domésticos.
Estes gastam em média 2KW em electrodomésticos (sendo o desvio padrão igual a
0.5KW) e 0.5KW com a iluminação (sendo o desvio padrão de 0.25KW). Determine
a probabilidade do transformador disparar por excesso de carga, admitindo que os
vários tipo de consumos domésticos são independentes e normalmente distribuı́dos.
(Exame 10 Set 1993)
5.17 Indique uma expressão que lhe permita calcular a probabilidade exacta de que pelo
menos 2 pessoas de um grupo de 500 façam anos no dia de Natal (considere o ano
com 365 dias). Obtenha um valor aproximado para esta probabilidade com base na
distribuição de Poisson.
5.18 O número de itens dum certo tipo procurados num armazém durante uma semana
segue uma distribuição de Poisson com λ = 50. Calcule a dimensão mı́nima do stock
a adquirir de modo a que a probabilidade de satisfazer a procura seja de 98% (use
a aproximação à normal).
5.19 Um atirador acerta num alvo com probabilidade 1/3. Numa sequência de 30 tiros
calcule aproximadamente a probabilidade do atirador acertar pelo menos 15 vezes
no alvo.
5.20 O tempo de produção de uma certa peça de porcelana é uma variável aleatória com
distribuição exponencial de valor esperado 2 horas.
(a) Qual a probabilidade duma peça levar pelo menos 1h 45m a ser produzida?
(b) Verificando-se que em certo momento uma peça já está a ser produzida há 45m,
qual a probabilidade de ser necessário esperar pelo menos 1h 45m para concluir
a peça? Compare este resultado com o da alı́nea (a) e comente.
(c) Num dia em que a fábrica não tinha qualquer peça em stock foi aceite uma
encomenda de 100 peças, tendo a fábrica assumido o compromisso de forne-
cer as peças no prazo máximo de 30 dias (o que corresponde a 240 horas de
trabalho). Acha que a fábrica tem boas possibilidades de cumprir o seu com-
promisso? Justifique.
(d) A fábrica mantém os registos do tempo de execução de cada peça. Seis pe-
ças foram escolhidas ao acaso. Qual a probabilidade de 4 delas terem sido
executadas no máximo em 1h 45m cada uma? (Exame 26 Nov 1994)
5.21 Um estudante decidiu amealhar diariamente uma pequena quantia para comprar
uma bicicleta. As probabilidades do estudante amealhar 50, 100 e 250 cêntimos em
cada dia são respectivamente 0.3, 0.6 e 0.1. Calcule, justificando, a probabilidade
do estudante amealhar mais do que 350 euros durante o ano (365 dias).
19
5.22 O intervalo de tempo, em minutos, entre a passagem de dois comboios numa estação
de metropolitano tem, em horas de ponta, distribuição uniforme no intervalo de
(5, 15).
(a) Determine a probabilidade de se ter de esperar mais de 8 minutos entre dois

comboios.
(b) Sabendo que o último comboio passou há oito minutos, qual é a probabilidade
de se ter de esperar pelo menos mais cinco minutos pelo próximo comboio?
Calcule o valor esperado desse tempo de espera adicional.
(c) Admitindo que os intervalos de tempo entre passagens sucessivas dos comboios
são variáveis aleatórias independentes, calcule um valor aproximado para a
probabilidade da média dos intervalos de tempo entre 100 passagens exceder 9
minutos. (Exame 19 Jan 2002 )
5.23 O tempo (em horas) que João Pestana dorme por noite é uma variável aleatória
com distribuição uniforme no intervalo (7,12).
(a) Calcule a probabilidade de João Pestana dormir mais de 11 horas numa noite.
(b) Calcule a probabilidade de, em 20 noites, João Pestana dormir mais de 11 horas
em pelo menos 3 dessas noites.
(c) Qual a probabilidade de João Pestana dormir mais de 1100 horas em 100 noites?
5.24 Os parafusos que saem das linhas de produção de uma empresa são avaliados dico-
tomicamente em termos da sua adequação às normas de fabrico especificadas quer
para o comprimento quer para a largura. De estudos prévios constatou-se que a dis-
tribuição conjunta de (X, Y ), onde X (resp. Y ) indica adequação (valor 0) ou não
(valor 1) ao comprimento (largura) especificado(a), pode ser definida pelos valores
P (X = Y = 0) = 0.70, P (X = 0, Y = 1) = 0.15 e P (X = 1, Y = 0) = 0.10.
Admita-se que se retiraram aleatoriamente 50 parafusos da larga produção de um
dia. Sendo Zij o número desses parafusos com a caracterı́stica (X = i, Y = j, i, j =
0, 1:
(a) Derive a função de probabilidade conjunta do vector aleatório (Z00 , Z01 , Z10 ).
(b) Identifique a distribuição de Z00 e do número W de parafusos adequados em
termos de comprimento.
(c) Derive a função de probabilidade condicional de Z00 dado o acontecimento
W = w, onde w ∈ {0, 1, . . . , 50}.
20
Capı́tulo 6
Amostragem e estimação pontual
6.1 Considere a população X com função densidade de probabilidade

(
|x|, |x| < 1
f (x) =
0, |x| ≥ 1
e a amostra aleatória (X1 , . . . , X5 ).
(a) Diga o que entende por amostra aleatória. Determine a função densidade de
probabilidade da amostra aleatória (X1 , . . . , X5 ).
(b) Determine o valor esperado e a variância da média da amostra aleatória, e
a variância da amostra (-0.9; 0.8; 0.95; -0.5; 0.75) que representa um valor
particular de (X1 , . . . , X5 ).
(c) Calcule a probabilidade do menor valor da amostra aleatória, considerada em
(a), ser inferior a 1/7 e ainda a probabilidade do maior valor da amostra alea-
tória ser superior a 1/7.
6.2 (a) Mostre que se θ̂ é um estimador centrado do parâmetro θ e V (θ̂) > 0 então
(θ̂)2 não é um estimador centrado de θ2 .
(b) Se θ̂ é um estimador de θ, o seu enviesamento é dado por b = [E(θ̂)−θ]. Mostre
que E[(θ̂ − θ)2 ] = V (θ̂) + b2 .
6.3 Seja X 1 , a média de uma amostra aleatória de dimensão n extraı́da de uma po-
pulação normal de valor esperado µ e variância σ12 e X 2 a média de uma amostra
aleatória de dimensão n, independente da primeira, extraı́da de uma população
normal de valor esperado µ e variância σ22 . Mostre que:
(a) [wX 1 + (1 − w)X 2 ], em que 0 ≤ w ≤ 1, é um estimador centrado de µ.

(b) A variância do estimador indicado em a) é mı́nima quando
σ22
w=
σ12 + σ22
6.4 Se (X1 , X2 , X3 ) constitui uma amostra aleatória de dimensão 3 extraı́da de uma

população normal com valor esperado µ e variância σ 2 , qual a eficiência de µ̂ =
(X1 + 2X2 + X3 )/4 relativamente a X?
21
6.5 Considere uma população X, com função densidade de probabilidade f (x) e valor
desconhecido da mediana, ξ. A mediana da amostra aleatória f é estimador
X
√
centrado de ξ e o seu desvio padrão é aproximadamente [2 n f (ξ)]−1 . Calcule a
eficiência relativa da média da amostra aleatória X em relação à mediana da amostra
aleatória X,f como estimadores do parâmetro µ,
(a) para o caso duma população normal com valor esperado µ e desvio padrão σ.
(b) para o caso da variável aleatória cuja função densidade de probabilidade é:
1 √ x−µ
f (x) = √ e− 2| σ |
2σ
em que µ e σ representam, respectivamente, o valor esperado e o desvio padrão.
(c) O que pode concluir, na sequência dos resultados obtidos em (a) e (b)? (Exame
13 Jul 1991)
6.6 T1 e T2 são estimadores de um parâmetro θ, tais que:
E(T1 ) = θ V (T1 ) = 9
E(T2 ) = 3θ V (T2 ) = 3
Diga, justificando, qual destes estimadores é melhor estimador de θ. (Exame 27 Jan

1992)
6.7 Considere uma urna com bolas brancas e pretas na proporção de 3/1 desconhecen-
do-se, no entanto, qual a cor dominante. Seja p a probabilidade de sair uma bola
preta numa extracção.
Qual a estimativa de máxima verosimilhança de p se, ao extraı́rmos com reposição
3 bolas da urna, encontrássemos
(a) 1 bola preta?
(b) 2 bolas pretas?
(c) Suponha agora que desconhecı́amos qualquer relação entre o número de bolas
brancas e pretas. Qual a estimativa de máxima verosimilhança de p, se ao
extrairmos 3 bolas com reposição encontrássemos 2 bolas pretas?
6.8 Uma urna contém N bolas, umas brancas e outras pretas. Seja R a razão (desco-
nhecida) entre o número de bolas brancas e o número de bolas pretas. Supondo
que dessa urna foram extraı́das, com reposição, n bolas e que se observaram k bolas
brancas, determine a estimativa de máxima verosimilhança para R.
(Sugestão: exprima as probabilidades de extrair uma bola branca ou uma bola preta
em termos de R).
6.9 Num trabalho de rotina de controlo de qualidade da produção duma fábrica de pneus
foram analisados 4 lotes de 80 pneus cada, tendo-se obtido 2.5% , 3.75% , 5% e 6.25%
de pneus defeituosos, respectivamente. Considere a distribuição do número de pneus
defeituosos por lote e deduza o estimador de máxima verosimilhança da probabili-
dade de um pneu ser defeituoso. Calcule a estimativa de máxima verosimilhança
com base na amostra de 4 lotes.
6.10 O número de andares vendidos em cada dia por uma empresa imobiliária segue uma
distribuição de Poisson de parâmetro λ .
22
(a) Com base numa amostra aleatória proveniente dessa população, deduza o esti-
mador de máxima verosimilhança do parâmetro λ. Diga, justificando, se é ou
não centrado.
(b) Indique um estimador centrado para a variância da variável aleatória em es-
tudo.
(c) Sabendo que durante 20 dias consecutivos são vendidos 8 andares, calcule a
estimativa da máxima verosimilhança de λ .
(d) Sabendo que durante 15 dias consecutivos não foram vendidos andares e que
nos dois dias seguintes a empresa vendeu pelo menos um andar em cada dia,
calcule a estimativa da máxima verosimilhança de λ .
6.11 Suponha que X é uma variável aleatória normal de valor esperado µ e desvio padrão
σ = 2. Calcule a partir de uma amostra aleatória de dimensão n dessa população o
estimador de máxima verosimilhança para µ. Será um estimador centrado?
6.12 Suponha que a voltagem que um cabo eléctrico com um certo isolamento pode
suportar varia de acordo com uma distribuição Normal. Para uma amostra de 12
cabos as falhas ocorreram nos seguintes nı́veis de voltagem:
52 64 38 68 66 52 60 44 48 46 70 62
Determine as estimativas de máxima verosimilhança dos seguintes parâmetros: valor

esperado, variância, desvio padrão, bem como da probabilidade de um cabo suportar
nı́veis superiores a voltagem máxima registada na amostra acima.
6.13 A tensão de rotura de uma “amostra” de betão é uma variável aleatória X com
valor esperado µ e variância σ 2 , finitos mas desconhecidos. Cem determinações
independentes desta variável originaram os seguintes valores:
100 100 100
!2
X X 1 X
x2i = 5706 x2i − xi = 81
i=1 i=1 100 i=1
(a) Justifique a afirmação:
1 Pn Pn 2
“A estatı́stica T1 = n2 (n−1) i=1 (nXi − j=1 Xj ) é um estimador centrado
P P
para σ 2 enquanto que o estimador T2 = n13 ni=1 (nXi − nj=1 Xj )2 subestima,
em valor esperado, σ 2 , sendo centrado apenas assintoticamente”.
(b) Indique, justificando detalhadamente, qual dos dois estimadores T1 e T2 é o
estimador de máxima verosimilhança de σ 2 , caso X possua uma distribuição
normal. (Teste 25 Jun 1994)
6.14 Certo tipo de pilhas tem uma duração (em horas) que se distribui exponencialmente
com valor esperado µ. A duração global de 10 pilhas tomadas aleatoriamente foi de
1740 horas. Qual a estimativa de máxima verosimilhança da probabilidade de uma
pilha durar mais de 200 horas?
6.15 Tem sido sugerido que em certos locais e certas condições climatéricas, a altura X
das ondas do mar segue aproximadamente a distribuição de Rayleigh cuja função
densidade de probabilidade é
( x
− 12 ( α
x 2
)
2e , x≥0
f (x; α) = α (α > 0)
0, x<0
q
Relativamente a variável aleatória X sabe-se que E(X) = α π π 2
2 e V (X) = (2− 2 )α .
23
(a) Suponha que se observaram ondas com as seguintes alturas (em metros):
1.4 3.5 2.4 1.9 3.1 2.7 2.5 3.1 4.1 2.8 2.5 3.3
Obtenha a estimativa de máxima verosimilhança do valor esperado e da vari-
ância de X.
(b) Faça um esboço gráfico da função densidade de probabilidade f (x; α̂) corres-
pondente à população especificada pelas observações referidas em a). Marque
d
no eixo x os valores de α̂ e E(X). Como se designa habitualmente o valor α̂?
(Exame 12 Mar 1990)
6.16 Uma amostra aleatória de tamanho 5 é obtida de uma população normal com valor
médio 12 e desvio padrão 2.
(a) Qual é a probabilidade de a média da amostra aleatória exceder 13?

(b) Qual é a probabilidade de o mı́nimo da amostra aleatória ser inferior a 10?
(c) Qual é a probabilidade de o máximo da amostra aleatória ser superior a 15?
6.17 Seja (X1 , . . . , Xn ) uma amostra aleatória de tamanho n proveniente da população

X com distribuição U (0, 1). Calcule a probabilidade de X ser pelo menos 0.9.
6.18 Uma amostra de dimensão 40, (X1 , . . . , X40 ), é extraı́da duma população de Poisson
com λ = 10. Recorra à distribuição normal para calcular um valor aproximado de
P (X < 9).
6.19 Um processo de fabrico é delineado para produzir unidades com um máximo de 2%

de defeituosas. A sua verificação é feita diariamente testando 10 unidades seleciona-
das aleatoriamente da produção diária. Se se encontrar pelo menos uma defeituosa,
o processo é parado momentaneamente e examinado. Se a probabilidade de ser
produzida uma unidade defeituosa é efectivamente 0.01:
(a) Qual a probabilidade de o processo ser interrompido?

(b) Qual a probabilidade de, num dado teste, não se obter nenhuma defeituosa?
(c) Qual o valor esperado e o desvio padrão da proporção de unidades defeituosas
em amostras de 10 unidades?
6.20 Suponha que o diâmetro de um certo tipo de tubo tem uma distribuição Normal de
valor médio µ e desvio padrão 0.01 cm.
(a) Qual a probabilidade de um tubo ter um diâmetro que se desvie do seu valor
esperado de ± 0.02 cm?
(b) Em 1000 tubos produzidos, quantos esperaria rejeitar se os limites de especifi-
cação fossem 2.77 ± 0.03 cm e o valor esperado da distribuição fosse de 2.79
cm?
(c) Qual o tamanho da amostra a obter para que não seja superior a 5% a probabi-
lidade de a média da amostra aleatória diferir do valor esperado da população
por mais de ± 0.01 cm?
24
Capı́tulo 7
Estimação por intervalos
7.1 Medições do comprimento de 25 peças produzidas por uma máquina conduziram

a uma média x = 140 mm. Admita que cada peça tem comprimento aleatório
com distribuição normal de valor esperado µ e desvio padrão σ = 10 mm, e que o
comprimento de cada peça é independente das restantes. Construa um intervalo de
confiança a 95% para o valor esperado da população.
7.2 Admita que a densidade de construção, X, num projecto de urbanização tem dis-
tribuição normal. Uma amostra aleatória de 50 lotes desse projecto conduziu a
50
X 50
X
xi = 227.2 ; x2i = 2242.6
i=1 i=1
Assumindo que o desvio padrão de X é igual a 4, construa um intervalo de confiança

a 95% para a densidade média de construção. Que dimensão deveria ter a amostra
para que a amplitude desse intervalo fosse reduzida a metade? (Exame 19 Jan 2002 )
7.3 Foram efectuados estudos em Los Angeles com o objectivo de determinar a con-
centração de monóxido de carbono perto de vias rápidas. Para isso recolheram-se
amostras de ar, para as quais se determinou a respectiva concentração (usando um
espectrómetro). Os resultados das medições em ppm (partes por milhão) foram os
seguintes (para um perı́odo de um ano):
102.2 98.4 104.1 101.0 102.2 100.4 98.6 88.2 78.8 83.0
84.7 94.8 105.1 106.2 111.2 108.3 105.2 103.2 99.0 98.8
Determine um intervalo de confiança a 95% para a concentração esperada de monó-

xido de carbono, assim como para a sua variância. Indique as hipóteses consideradas.
7.4 Suponha que a intensidade da corrente, em amperes, num certo circuito é uma
variável aleatória com distribuição normal. Uma amostra de dimensão 12 desta
variável aleatória conduziu aos seguintes resultados:
2.3 1.9 2.1 2.8 2.3 3.6 1.4 1.8 2.1 3.2 2.0 1.9
Construa um intervalo de confiança de 99% para:
(a) O valor esperado da intensidade da corrente.
25
(b) O desvio padrão da intensidade da corrente.
7.5 Um engenheiro civil, tencionando comparar a resistência a forças compressivas de

dois tipos de betão, seleccionou aleatoriamente 10 elementos de cada tipo de betão
e registou as seguintes medições.
Tipo I 3250 3268 4302 3184 3266 3297 3332 3502 3064 3116
Tipo II 3094 3268 4302 3184 3266 3124 3316 3212 3380 3018
Se se assumir que as amostras provêm de populações normais com desvio padrão

igual a 353 e 133, respectivamente, determine um intervalo de confiança a 95% para
a diferença entre os valores esperados das duas populações.
7.6 Um fabricante de cigarros enviou a dois laboratórios amostras de tabaco suposta-

mente idênticas. Cada laboratório efectuou cinco determinações do conteúdo em
nicotina (em mg). Os resultados foram os seguintes:
Laboratório 1 (x1 ) 24 27 26 21 24
Laboratório 2 (x2 ) 27 28 23 31 26
P 2 P 2
x̄1 = 24.4 x̄2 = 27.0 x 1i = 2998 x 2i = 3679
i i
Admite-se que os resultados de cada laboratório seguem distribuições normais inde-

pendentes com variância comum. Determine um intervalo de confiança a 99% para
a diferença das médias entre os resultados fornecidos pelos dois laboratórios. Acha
que se pode concluir que as médias das duas populações são iguais? (Exame 5 Fev
2002 )
7.7 Para comparar a eficiência de dois métodos de ensino, uma turma de 24 alunos foi
dividida aleatoriamente em dois grupos. Cada grupo é ensinado de acordo com um
método diferente. Os resultados no fim de semestre, numa escala de 0 a 100, são os
seguintes:
1o grupo n1 = 13 x1 = 74.5 s21 = 82.6

2o grupo n2 = 11 x2 = 71.8 s22 = 112.6
Assumindo que as populações são normais e com variâncias iguais e desconhecidas

obtenha um intervalo de confiança a 95% para a diferença entre os valores esperados
das duas populações. (Teste 1 Fev 1996)
7.8 Para estimar a diferença de tempos esperados de vida entre fumadores e não fumado-
res, numa grande cidade dos E.U.A., foram recolhidos duas amostras independentes
de, respectivamente, 36 não fumadores e 44 fumadores tendo-se obtido os seguintes
resultados:
Dimensão Média Desvio padrão

corrigido
Não fumadores 36 72 9
Fumadores 44 62 11
Calcule um intervalo de confiança a 90% para a diferença dos valores esperados dos
tempos de vida.
26
7.9 Uma amostra de 100 peças de uma linha de produção revelou 17 peças defeituosas.
(a) Determine um intervalo de confiança a 95% para a verdadeira proporção p de
peças defeituosas produzidas.
(b) Quantas peças adicionais devemos recolher para estarmos confiantes a 98% que
o erro de estimação de p seja menor que 2%?
7.10 Num trabalho realizado há já algum tempo concluiu-se que 62% dos passageiros que
entram na estação A do metro tem como destino o centro da cidade. Esse valor tem
vindo a ser utilizado em todos os estudos de transportes realizados deste então.
O Engenheiro Vivaço começou a ter dúvidas sobre a actualidade daquele valor,
acreditando que ele tem vindo a diminuir, acompanhando o declı́nio do centro.
Resolveu, portanto, realizar um inquérito na estação A, tendo sido inquiridos 240
passageiros dos quais 126 indicaram o centro como destino.
(a) Com base nestes resultados construa um intervalo de confiança a 90% para a
percentagem de passageiros entrados em A e que saiem no centro, e interpre-
te-o, admitindo que tem como interlocutor um leigo em Estatı́stica.
(b) Quantos passageiros deveriam ser inquiridos caso se pretendesse estimar aquela
percentagem com margem de erro não superior a 2% e com um grau de confi-
ança de pelo menos 90%? (Exame 22 Jul 1993)
7.11 Estudos efectuados ao longo do tempo pela secção de Controlo de Qualidade de

uma dada empresa permitiram constatar que o número de artigos defeituosos (isto
é, fora dos padrões de especificação) produzidos por lote é bem modelado por uma
distribuição de Poisson com um valor esperado λ, que tem girado em torno de 80%.
Tendo-se criado uma certa desconfiança quanto ao funcionamento adequado do pro-
cesso de produção, a secção verificou 465 lotes idênticos de artigos, com os seguintes
resultados:
no de artigos defeituosos por lote 0 1 2 3 4 5

no de lotes 216 156 71 15 5 2
(a) Derive o estimador de máxima verosimilhança de λ, T , e o estimador de máxima

verosimilhança da probabilidade de o número de artigos defeituosos por lote
não ser superior a 1.
(b) Indique, justificando, a distribuição amostral aproximada de T e, com base
nela, construa um intervalo de confiança a 90% para λ. (Exame 9 Jul 1994)
7.12 Considere uma população X com distribuição exponencial com valor esperado α−1 ,
α > 0, isto é, com função densidade de probabilidade
(
αe−αx , x > 0
f (x) =
0, x≤0
Observada uma amostra de dimensão 100 obteve-se x = 2.5. Deduza, com base
nesta amostra, um intervalo de confiança a 95% para o parâmetro α. (Exame 25
Jul 1988)
27
Capı́tulo 8
Testes de hipóteses
8.1 Seja X ∼ N (µ, 4). Para testar a hipótese H0 : µ = 1 contra a alternativa H1 : µ = 2

usa-se a seguinte região crı́tica: x > c.
(a) Para uma amostra de dimensão 25 determine c de modo que α = 0.1.

(b) Determine a dimensão da amostra n e c de modo que α = 0.05 e β = 0.10.
(c) Suponha que para amostras de dimensão 2 dessa população se fixa o seguinte
teste: rejeita-se H0 se x > 1.5. Calcule as probabilidades dos erros de 1a e 2a
espécie.
8.2 Uma fábrica de adubos tem um novo adubo que se diz produzir, em valor esperado,
20 quintais de um determinado cereal por hectare. O desvio padrão da produção
deste cereal é conhecido como sendo de 4 quintais por hectare.
Para testar a hipótese H0 : µ = 20 contra a hipótese H1 : µ 6= 20 é extraı́da uma
amostra aleatória de 16 hectares numa área agrı́cola experimental. Considerando
que a produção do cereal pode ser representada por uma variável aleatória X, nor-
malmente distrı́buida de valor esperado µ e que, se 18 < x < 22 aceita-se H0 e caso
contrário rejeita-se H0 :
(a) Identifique a estatı́stica do teste.

(b) Calcule a probabilidade de aceitar H0 quando µ = 17; 18; 19; 20; 21; 22; 23.
(c) Com base nos resultados de (b) faça um gráfico aproximado da função potência
do teste.
Note que a função potência do teste, para testar a hipótese H0 contra uma
hipótese alternativa H1 , referente a um dado parâmetro θ é dada pela seguinte
função de θ: β(θ) = P (rejeitar H0 |θ)
8.3 Para controlar a qualidade de lotes que vão sendo produzidos relativamente ao
peso das embalagens decidiu-se usar o seguinte esquema: recolher uma amostra de
dimensão n de cada lote, e calcular a média amostral x dos pesos das embalagens e:
se x ≤ c rejeita-se o lote
se x > c aceita-se o lote
Acordou-se ainda que se o valor esperado do peso das embalagens no lote (µ) for
inferior ou igual a 5.3, a probabilidade de rejeitar o lote deve ser pelo menos 99% e
28
se µ for superior ou igual a 5.5 a probabilidade de aceitar o lote deve ser pelo menos
90%. Admita que os pesos das embalagens têm distribuição normal com desvio
padrão, em cada lote, igual a 0.2.
Calcule o valor de c e o menor valor de n requerido por este esquema de amostragem.
Justifique. (Exame 25 Jul 1991)
8.4 Para testar a hipótese H0 : p = 1/2 contra H1 : p = 3/4 (p é a probabilidade de

obter cara no lançamento duma moeda), com base no número de caras saı́das com o
lançamento de uma moeda 4 vezes consecutivas, consideram-se as seguintes regiões
crı́ticas:
C1 = { 2, 3, 4 }
C2 = { 3, 4 }
C3 = { 4 }
Calcule, com base nos valores da tabela seguinte, as probabilidades dos erros de
1a e 2a espécie associados a cada uma das regiões crı́ticas.
Caras saı́das H0 : p = 1/2 H1 : p = 3/4

0 0.0625 0.0039
1 0.2500 0.0469
2 0.3750 0.2109
3 0.2500 0.4219
4 0.0625 0.3164
Escolha justificando, uma região crı́tica para definir o teste. (Exame 6 Fev 1991)
8.5 Da produção diária de determinado fertilizante tiraram-se seis pequenas porções que
se analisaram para calcular a percentagem de nitrogénio. Os resultados foram os
seguintes:
6.2 5.7 5.8 5.8 6.1 5.9
Sabe-se, por experiência, que o processo de análise fornece valores com distribuição
que se pode considerar normal com σ 2 = 0.25.
(a) Suportam as observações a garantia de que a percentagem esperada de nitro-

génio, µ, é igual a 6% ao nı́vel de significância de 10%?
(b) Responda à alı́nea anterior usando o valor-p.
8.6 Uma máquina de ensacar açúcar está regulada para encher sacos de 16 quilos. Para
controlar o funcionamento escolheram-se ao acaso 15 sacos da produção de deter-
minado perı́odo, tendo-se obtido os pesos seguintes:
16.1 15.8 15.9 16.1 15.8 16.2 16.0 15.9

16.0 15.7 15.8 15.7 16.0 16.0 15.8
Admitindo que o peso de cada saco possui distribuição normal:
a) Que conclusão pode tirar sobre a regulação da máquina?

b) Que evidência fornece a concretização de S 2 sobre a hipótese H0 : σ 2 = 0.25?
29
8.7 Seja X uma variável aleatória com distribuição normal de valor esperado µ e desvio
padrão σ. A partir de uma amostra de dimensão 30 dessa variável obtiveram-se os
seguintes resultados:
30
X 30
X
xi = 64.0 (xi − x)2 = 84.8
i=1 i=1
Teste ao nı́vel de significância de 5% a hipótese H0 : µ = 2.0 contra a hipótese

alternativa H1 : µ > 2.0.
8.8 Um ensaio de rotura a compressão efectuado sobre 12 provetes cúbicos de betão

conduziu aos seguintes valores da tensão de rotura (kgf /cm2 ).
263 254 261 236 228 253 249 262 250 252 257 258
Admita (como aliás é feito no Regulamento de Betões de Ligantes Hidráulicos) que

a variável em estudo segue uma distribuição normal.
(a) Um engenheiro pretende saber se a tensão esperada de rotura não é inferior

a 255 kgf /cm2 . Que evidência fornecem os dados acerca desta questão se se
admitir um nı́vel de significância menor ou igual a 5%? Justifique.
(b) Sabendo que o valor caracterı́stico da tensão de rotura se define como o valor
da variável que tem uma probabilidade de 95% de ser excedido, calcule uma es-
timativa do valor caracterı́stico da tensão de rotura daquele betão, justificando
o procedimento adoptado. (Exame 13 Jan 1993)
8.9 A cotação na bolsa de uma dada empresa está sujeita a flutuações em torno de um
valor médio (2500) relativamente estável. Admite-se que a cotação desta empresa
pode ser considerada uma variável aleatória com distribuição aproximadamente nor-
mal. O valor que se admite para a variância é tal que há 95% de probabilidade de
a cotação pertencer ao intervalo (2300,2700).
(a) Observou-se durante 16 dias as cotações da empresa e obteve-se a média amos-

tral de 2538 e um desvio padrão amostral corrigido de 91.5. Que conclusão
pode tirar acerca da variabilidade da cotação dessa empresa?
(b) Após um perı́odo de remodelação da empresa observaram-se durante 13 dias
a sua cotaçao na bolsa e obteve-se a média amostral de 2670 e o desvio pa-
drão amostral corrigido igual a 86.3. Será que pode concluir pela eficácia das
medidas introduzidas?
8.10 Dois alunos de estatı́stica decidiram fazer uma aposta relativamente à nota da dis-
ciplina de Probabilidades e Estatı́stica. O aluno A acredita que o valor esperado
da nota é 8 e o aluno B afirma que será 10. Para decidir qual o vencedor fizeram
um teste ao valor proposto pelo aluno A. Admitindo que A perde a aposta se a sua
hipótese for rejeitada, selecionaram ao acaso 30 notas de Probabilidades e Estatı́s-
P30
tica (x1 , . . . , x30 ) e verificaram que i=1 xi = 270. Acrescente-se que a variância
divulgada pela secção de Estatı́stica e Aplicações foi 16 e os alunos acordaram um
nı́vel de significância de 5%.
(a) Quem ganhou a aposta?
30
(b) Acha que a aposta foi justa (no sentido da probabilidade de cada um dos
jogadores perder injustamente ser igual)? Identifique essas probabilidades.
8.11 O departamento de segurança de uma fábrica quer saber se o tempo esperado que o
empregado nocturno da segurança leva a dar uma volta a fábrica é de 30 minutos.
Em 32 voltas a média do tempo foi de 30.8 minutos com um desvio padrão corrigido
de s = 1.5 minutos. Diga se, ao nı́vel de significância de 1%, é de admitir a hipótese
considerada.
8.12 Um mesmo tipo de material (em relação ao qual a temperatura de fusão é impor-
tante) pode ser adquirido a dois fabricantes (A e B). Uma amostra de 21 observações
da temperatura de fusão de material de cada fabricante produziu os seguintes valo-
res:
fabricante A B
o
média ( C) 420 426
É sabido que o desvio padrão das temperaturas de fusão do material fornecido pelos
dois fabricantes é de 4o C.
(a) Acha que a temperatura esperada de fusão do material fornecido pelos dois
fabricantes pode ser considerada igual? Use um teste de hipóteses conveniente
e um nı́vel de significância de 1%, não se esquecendo de indicar alguma hipótese
de trabalho que seja necessária.
(b) Determine a probabilidade de o teste da alı́nea (a) detectar diferença entre as
temperaturas esperadas de fusão do material produzido pelos fabricantes B e
A quando existe uma diferença de +3o C entre essas temperaturas. (Exame A
29 Jan 2000 )
8.13 Para confrontar dois tipos de máquina de ceifar (segadeiras) um trigal foi dividido
em secções longitudinais e cada duas secções adjacentes tratadas por cada uma das
máquinas, sendo a indicação da máquina obtida lançando uma moeda ao ar. As
produtividades foram as seguintes:
Segadeira 1 8.0 8.4 8.0 6.4 8.6 7.7 7.7 5.6 6.2
Segadeira 2 5.6 7.4 7.3 6.4 7.5 6.1 6.6 6.0 5.5
Ao agricultor que experimenta as segadeiras interessa averiguar se a produtividade

esperada das duas máquinas se pode considerar igual ou se existe diferença signifi-
cativa que o leve a preferir uma delas.
Responda a esta questão admitindo que as produtividades possuem distribuição
normal com:
(a) As variâncias conhecidas e iguais a 1.13 e 0.62, respectivamente.

(b) As variâncias iguais com valor comum desconhecido.
8.14 Um fabricante de pneus pretende comparar, através de ensaios piloto, 2 métodos de

produção dos pneus. Selecionados 10 e 8 pneus produzidos, respectivamente segundo
o 1o e 2o métodos, resolve-se testá-los. Os pneus da 1a amostra foram testados numa
zona A, os da 2a numa zona B, com as durações (em unidades de 100 km):
31
Amostra 1 61.1 58.2 62.3 64 59.7 66.2 57.8 61.1 62 63.6
Amostra 2 62.2 56.6 66.4 56.2 57.4 58.4 57.6 65.4
Sabe-se de estudo anteriores que a duração de um pneu varia segundo uma distri-
buição normal, em que o valor esperado é eventualmente influenciável pelo método
de produção, e cujo desvio padrão é susceptı́vel de ser fortemente afectado pelas
caracterı́sticas da zona onde se procede a rodagem.
(a) Será que se pode admitir que a duração esperada de um pneu do 1o tipo não
excede 6000 km?
(b) Os dados são significativamente compatı́veis com a conjectura do desvio padrão
da duração de um pneu do 1o tipo ser igual a 400 km?
(c) Admita que as variâncias da duração dos dois tipos de pneus são iguais. Teste
a hipótese de não haver uma diferença significativa na duração média dos dois
tipos de pneus.
8.15 Dois grupos de 20 estudantes foram seleccionados ao acaso para participarem numa
experiência que consiste em aprender o significado de palavras numa lı́ngua que não
conhecem.
Durante 30 minutos os estudantes tentaram aprender o maior número de palavras.
No grupo I os estudantes trabalharam isoladamente. No grupo II os estudantes
trabalharam aos pares procurando certificar-se mutuamente que iam aprendendo as
palavras. Em seguida foi efectuado um teste para determinar o número de palavras
aprendidas por cada aluno, tendo-se obtido os seguintes resultados:
Grupo I 24 14 16 17 18 23 14 15 15 17
18 16 17 19 20 21 20 19 19 18
Grupo II 21 22 25 21 20 18 20 17 16 14
17 15 18 23 17 19 15 23 19 20
Acha que o segundo método de aprendizagem pode considerar-se significativamente

superior ao primeiro? Indique as hipóteses que teve de admitir para poder usar o
teste efectuado.
8.16 Um laboratório lançou no mercado um novo medicamento para o tratamento de

uma alergia, afirmando que a sua eficácia, num perı́odo de 8 horas, é de 90%. A
sua aplicação a uma amostra de 200 indivı́duos sofrendo de tal alergia revelou-se
eficaz em 160 dos casos. Será a afirmação acima consistente com os dados obtidos?
Indique o valor-p do teste efectuado.
8.17 Uma empresa fabricante de lâmpadas considera que a sua produção é eficaz se a
probabilidade de se seleccionar ao acaso uma lâmpada não defeituosa for de pelo
menos 90%. Para verificar a qualidade da produção das lâmpadas, foi efectuado um
teste a 200 lâmpadas, tendo-se verificado que 24 tinham defeitos. A que conclusão
deve chegar o estatı́stico da empresa? Justifique. (Exame 13 Jan 1993)
8.18 Um comerciante retalhista recebe carregamentos de roupa de homem normalmente

com 10% de peças defeituosas. A fim de se certificar que a qualidade do produto não
diminuiu, resolve verificar 100 peças, determinar a percentagem de peças defeituosas
e conduzir um teste de hipóteses com nı́vel de significância igual a 8%.
32
(a) Especifique a hipótese nula que está em causa assim como a hipótese alterna-
tiva.
(b) Indique a estatı́stica e determine a região crı́tica do teste.
(c) Suponha que, nas peças verificadas, foram encontradas 12 defeituosas. O co-
merciante deve ou não rejeitar o carregamento? (Exame 11 Mar 1991)
8.19 Numa empresa recolheu-se uma amostra relativa à produção de energia eléctrica em
kW/h de dois tipos de geradores. Admita que a distribuição de energia segue uma
distribuição normal e que aos dois tipos de geradores está associado uma variância
igual. Os resultados obtidos foram os seguintes:
Gerador tipo I 15.01 3.81 2.74 16.82 14.30 13.45 8.75

(n = 27) 9.40 16.84 17.21 2.74 4.91 5.05 9.72
9.02 12.31 14.10 9.64 10.21 10.34 9.04
5.02 10.59 11.91 9.44 7.21 11.07
Gerador tipo II 10.87 8.07 10.31 11.08 10.84 6.34 10.05
(n = 23) 9.37 8.94 8.78 15.01 6.93 15.91 13.45
6.84 9.37 10.04 10.94 2.04 16.89 14.04
4.32 10.71
(a) Teste se a produção média de energia eléctrica segundo os dois geradores é

igual.
(b) Construa um intervalo de confiança a 95% para o valor esperado da produção
de energia eléctrica.
(c) O fabricante afirma que a variância da produção de energia eléctrica é de
4 (kW/h)2 . Comente a afirmação do fabricante.
(d) Seja p a proporção desconhecida de geradores cuja produção se situa abaixo dos
5 kW/h. Estes são considerados defeituosos e o comprador será indemnizado.
Teste a hipótese de a proporção de geradores defeituosos ser inferior ou igual
a 10%.
8.20 Uma empresa agrı́cola tem uma estação agronómica experimental onde produz novas
variedades de ervilhas. Uma amostra sobre as caracterı́sticas das ervilhas resultou
em 310 ervilhas amarelas e de casca macia, 109 ervilhas amarelas e de casca dura,
100 ervilhas verdes e de casca macia e 37 ervilhas verdes e de casca dura. Numa
experiência semelhante, Mendel, através de um modelo matemático simples, previu
que o resultado seria de 56.25% de ervilhas amarelas de casca macia, 18.75% de
ervilhas amarelas de casca dura, 18.75% de ervilhas verdes de casca macia e 6.25%
de ervilhas verdes de casca dura. Serão os resultados da estação agronómica com-
patı́veis com os resultados de Mendel para os nı́veis de significância de 5% e 1%,
respectivamente?
8.21 O recenseamento de 320 famı́lias com 5 filhos conduziu aos seguintes resultados:
Rapazes 5 4 3 2 1 0
Famı́lias 18 56 110 88 40 8
(a) Verifique se estes resultados são compatı́veis com a hipótese do número de ra-
pazes ser uma variável aleatória com distribuição binomial, admitindo a equi-
probabilidade dos sexos, ao nı́vel de significância de 0.1%.
33
(b) Indique um intervalo para o valor-p do teste efectuado para responder à alı́nea
anterior.
8.22 Suponha que o departamento de defesa acredita que a distribuição de probabilidade

do número de avarias, durante uma dada missão, ocorridas numa determinada zona
do submarino Polaris segue uma distribuição de Poisson. Os dados relativos a 500
destas missões são os seguintes:
número de falhas por missão 0 1 2 3 4

número de missões 195 170 95 30 10
(a) Teste ao nı́vel de significância de 5% a hipótese da referida variável aleatória

possuir uma distribuição de Poisson, com valor esperado igual a 1.
(b) A estimativa de máxima verosimilhança do valor esperado é igual a 0.98. Será
que o modelo de Poisson é uma boa escolha para descrever o conjunto de dados?
8.23 Numa experiência com tubos de vácuo foram observados os tempos de vida (em
horas) de 100 tubos, tendo-se registado as seguintes frequências absolutas:
Intervalo ]0, 30] ]30, 60] ]60, 90] ]90, +∞[

Frequências absolutas 41 31 13 15
Serão os dados consistentes com a hipótese de o tempo de vida de um tubo de

vácuo ter distribuição exponencial com valor esperado igual a 50 horas? Calcule
um intervalo para o valor-p e comente. (Exame 13 Jul 2002 )
8.24 A altura, em metros, dos indivı́duos de determinada população é uma variável alea-
tória X. Escolhidos aleatoriamente 100 desses indivı́duos e medidas as suas alturas
obtiveram-se os seguintes resultados:
Classes Fi0
[1.595, 1.625[ 5
[1.625, 1.655[ 18
[1.655, 1.685[ 42
[1.685, 1.715[ 27
[1.715, 1.745[ 8
(a) Teste o ajustamento da distribuição normal com valor esperado 1.675 e vari-
ância 0.0292 .
(b) Teste ao nı́vel de significancia de 1% a hipótese H0 : “X é uma variável aleatória
com distribuição normal”, admitindo que as estimativas de máxima verosimi-
lhança de µ e σ 2 são os respectivos momentos da amostra agrupada.
8.25 Mil indivı́duos foram classificados segundo o sexo e o daltonismo tendo-se obtido o
seguinte quadro:
Homem Mulher
Não daltónico 442 514
Daltónico 38 6
34
Acha que o daltonismo é independente do sexo? Justifique. Considere um nı́vel de
significância de 5%.(Exame 13 Jul 1991)
8.26 Uma importante empresa de equipamento desportivo pretende seleccionar um de

três programas de treino de vendas A, B ou C. Os resultados do desempenho de
vendas de 120 vendedores após o treino foram os seguintes:
Resultados
Programa Medı́ocre Suficiente Bom
A 6 25 9
B 8 20 7
C 10 30 5
Teste se o desempenho dos vendedores não é influenciado pelo programa de treino,

justificando o procedimento adoptado. (Exame 29 Jan 1993)
8.27 Num estudo sobre os efeitos da vacinação na mortalidade por contracção de varı́ola
em Londres no ano de 1901, obteve-se o seguinte conjunto de resultados:
Recuperaram Morreram
Vacinados 847 153
Não vacinados 126 158
Conjectura-se que não existe associação entre a vacinação contra a varı́ola e a mor-
talidade devido a essa doença. Verifique se esta hipótese é apoiada pelos dados
recolhidos ao nı́vel de significância de 10%.
8.28 Num levantamento de opinião pública em 1982 nos Estados Unidos da América
foram postas as duas seguintes questões a 1397 pessoas:
– É a favor da obrigatoriedade do registo de porte de arma?

– Concorda com a pena de morte?
tendo-se obtido o conjunto de resultados na tabela abaixo.
Pena de morte
Registo obrigatório Sim Não
Sim 784 236
Não 311 66
Formule e teste a hipótese de não existir associação entre as respostas às duas
questões.
35
Capı́tulo 9
Introdução à regressão linear simples
9.1 Interessa estudar a relação entre a resistência de um determinado tipo de plástico

(Y ) e o tempo que decorre a partir da conclusão do processo de moldagem até ao
momento de medição da resistência (x[horas]). As observações que se seguem foram
efectuadas em 12 peças construı́das com este plástico, escolhidas aleatoriamente.
i 1 2 3 4 5 6 7 8 9 10 11 12
xi 32 48 72 64 48 16 40 48 48 24 80 56
yi 230 262 323 298 255 199 248 279 267 214 359 305
(a) Represente graficamente as observações e desenhe a recta que, no seu entender,

melhor se ajusta às observações.
(b) Considere um modelo de regressão linear simples para explicar as observações.
Obtenha a estimativa dos mı́nimos quadrados dos coeficientes da recta de re-
gressão e desenhe-a no gráfico.
(c) Calcule o coeficiente de determinação e comente o valor obtido.
(d) Proceda ao teste da hipótese “O coeficiente angular é nulo”. Qual o interesse
desta hipótese? Relacione-o com o resultado obtido em (c).
(e) Calcule o intervalo de confiança a 95% para o valor esperado da resistência
obtida 48 horas depois de concluı́da a moldagem. Acha legı́timo usar o mesmo
procedimento tratando-se de um perı́odo de 10 horas em vez de 48 horas?
Justifique a sua resposta.
9.2 Um estudo sobre a influência da velocidade do vento (X), em m/s, na quantidade

de água (Y ) que se evapora por dia, em centenas de litros, na albufeira de certa
barragem, a temperaturas constantes, conduziu a:
xi 20 50 30 100 70
yi 3 5 3 10 8
(a) Adoptando um modelo de regressão linear simples, estime a recta de regressão

de Y sobre X e obtenha uma estimativa da quantidade média de água evapo-
rada quando a velocidade do vento é igual a 90m/s. Faça uso dos seguintes
valores:
P 2 P 2 P
x̄ = 54.0 ȳ = 5.8 x i = 18700 y i = 207 xi yi = 1960
i i i
36
(b) Calcule o coeficiente de determinação do modelo estimado.
(c) Teste a significância da regressão. Indique o valor-p desse teste e comente o
resultado face ao valor obtido na alı́nea anterior. (Exame 5 Fev 2002 )
9.3 O modelo de regressão linear simples foi usado para estudar a relação entre a produ-
ção de uma variedade de trigo (Y ) e a quantidade de adubo usada como fertilizante
(x). Foram efectuadas 7 observações:
i 1 2 3 4 5 6 7
xi 100 200 300 400 500 600 700
yi 40 50 50 70 65 65 80
As observações foram tratadas em seguida usando o pacote estatı́stico R. Parte do

output obtido é o seguinte:
> producao <- c(40,50,50,70,65,65,80)

> adubo <- c(100,200,300,400,500,600,700)
> mrl <- lm(producao~adubo)
> summary(mrl)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 36.42857 5.03812 7.231 0.00079 ***
adubo 0.05893 0.01127 5.231 0.00338 **
Residual standard error: 5.961 on 5 degrees of freedom

Multiple R-Squared: 0.8455, Adjusted R-squared: 0.8146
(a) Proceda ao teste da hipótese de que a adubação não tem influência na produção.
(b) Acha que o modelo se ajusta adequadamente às observações? Justifique.
(c) Calcule uma estimativa do valor esperado da produção com uma quantidade
de adubo à sua escolha e indique uma estimativa da variância associada.
9.4 Da análise do consumo médio de energia por agregado familiar durante 10 dias de
um mês de Inverno numa cidade obtiveram-se os seguintes resultados:
i 1 2 3 4 5 6 7 8 9 10
xi 15 14 12 14 12 11 11 10 12 13
yi 4.3 4.4 5.3 4.6 5.5 5.9 5.7 6.2 5.2 5.0
X: Temperatura diária média (o C), Y : Consumo médio de energia (kW )
10
X 10
X 10
X
xi = 124 yi = 52.1 xi yi = 637.1
i=1 i=1 i=1
X10 10
X
x2i = 1560 yi2 = 275.13
i=1 i=1
O modelo de regressão linear simples foi usado para estudar a relação entre o con-
sumo médio de energia por agregado familiar e a temperatura diária média.
37
(a) Escreva a equação da recta de regressão estimada e obtenha um intervalo de
confiança a 90% para o verdadeiro valor do declive da recta de regressão.
(b) Qual o valor predito para o consumo médio num dia de temperatura média
igual a 10o C? Que responderia se lhe fosse pedida uma predição do consumo
médio para um dia com temperatura média de 20o C? (Exame 17 Fev 1993)
9.5 Uma amostra de alunos seleccionada ao acaso dum curso com as disciplinas de
Matemática e Estatı́stica produziu as seguintes classificações num teste efectuado
no final do ano lectivo (escala 0-100):
i 1 2 3 4 5 6 7 8 9 10
xi (Mat.) 56 50 72 67 31 50 65 40 80 61
yi (Est.) 60 50 67 75 44 56 72 48 76 62
A partir destes dados, o professor resolveu determinar o valor de algumas quantida-

des:
10
X 10
X 10
X
xi = 572 x2i = 34716 xi yi = 36335
i=1 i=1 i=1
X10 X10 X10
yi = 610 yi2 = 38394 (xi − x) (yi − y) = 1443
i=1 i=1 i=1
e a partir delas deduziu a equação de regressão estimada pelo método dos minimos
quadrados:
Ê(Est.|M at. = x) = 19.7 + 0.722x.
(a) Qual o interesse no uso do modelo de regressão em geral e em particular no

caso presente?
(b) A Joana, o António e a Maria obtiveram 60, 95 e 20 em Matemática, respec-
tivamente, mas faltaram ao teste de Estatı́stica.
Poderá sugerir valores para as notas esperadas no teste de Estatı́stica dos alunos
que faltaram? Justifique a sua resposta. Acha que os valores que sugere para
as notas de Estatı́stica são de confiança?
(c) Suponha que o João obteve 70 em Estatı́stica e faltou a Matemática.
Obtenha uma nova recta de regressão que permita estimar uma nota para o
teste de Matemática deste aluno e indique esse valor predito. Justifique a
resposta.(Exame 10 Set 1993)
9.6 Uma liga metálica é submetida a várias tensões (x[103 Kgf /cm2 ]), tendo-se registado
o tempo decorrido (T [horas]) até se atingir a rotura. Alguns dos resultados obtidos
nesta experiência foram os seguintes:
i 1 2 3 4
xi 15 20 25 30
ti 2500 600 200 70
Admite-se que as duas variáveis estão relacionadas de acordo com o seguinte modelo
de regressão linear: ln T = β0 + β1 X + ε.
(a) Assumindo as hipóteses que julgar convenientes, obtenha as estimativas dos

mı́nimos quadrados de β0 e β1 .
38
(b) O modelo foi utilizado para prever os tempos correspondentes às tensões de
25 × 103 Kgf /cm2 e 50 × 103 Kgf /cm2 . Calcule as estimativas desses tempos.
Diga, justificando, se concorda que o modelo adoptado seja usado para predizer
aqueles tempos. (Exame 27 Jan 1992)
9.7 Numa fábrica deseja-se estimar o valor esperado do custo total para produzir um
item, E(Y ), como função do número de unidades produzidas (x). Após um certo
perı́odo de observação, foi possı́vel obter os dados da tabela seguinte:
i 1 2 3 4 5 6 7
xi 35 75 138 161 199 224 252
yi 81 88 133 165 239 282 343
(a) Admitindo que as variáveis em causa estão relacionadas de acordo com o mo-
delo Y = αeβx , determine as estimativas dos parâmetros α e β.
(b) Acha que o custo total de produção do item é significativamente influenciado
pelo número de unidades produzidas? Justifique.
(c) Construa um intervalo de confiança de 95% para α.
39
Soluções
(Edição de Setembro de 2008)
Capítulo 1
1.1 d) x = 3.167; s = 0.886 (dados não agrupados)
e) mediana = x˜ = 3.25; q1 = 2.4 ; q3 = 3.9
1.2 a) x = 2.866 ; x˜ = 3; moda = 3 c) 0.3098
1.3 localização: x = 10.6 ; x˜ = 10.65; moda = 10.9
2 −2
dispersão: s = 0.1; s = 0.3162; r = 0.9; c.v. = 2.98 × 10
1.4 a) x = 10.476; s = 2.665 b) 11.64
2
1.5 a) x ≅ 3.65; s ≅ 5.17 ; s ≅ 2.27 b) média — sim; variância — sim
c) média — sim; variância — não
Capítulo 2
2.2 a) 1 + y - x b) x - 2y c) x – y d) 1 - y
2.4 a) 0.13 b) 0.25
2 1
2.5 a) S = {1,2,3,4,5,6}, P({1}) = P({3}) = P({5}) = , P({2}) = P({4}) = P({6}) =
9 9
b) 4 9 c) 1 3
2.6 a) 0.0001 b) 0.001 c) 0.504
2.7 a) 1 210 b) 2 9
2.8 0.125
2.9 a) 988 2303 b) 435 2303 c) 22529 23030 d) 3 658
13
2.10 Admitindo equiprobabilidade, 25740 3
r −1
 n − 1 n!
2.11 a)  b)
n 
r
n (n − r)!
2.12 a) S = {(D, D ), (F, D ), ( D, F ), ( F, F )}, onde D ≡ defeituoso; F ≡ não defeituoso
P{( D, D)} = 0.04; P{(F , D)}= P{( D, F )}= 0.16; P{( F, F )} = 0.64
b) P(A1 ) = P (A2 ) = 0.2; P(A3 ) = 0.36; P (A4 ) = 0.32
c) P{( D, D )} = 2 90; P{(F, D )} = P{(D, F )} = 16 90; P{( F,F )} = 56 90
P(A1 ) = P (A2 ) = 0.2; P(A3 ) = 34 90; P(A4 ) = 32 90
2.13 a) n (2n − 1) , onde n é o número de moedas de cada tipo
b) 1 2 c) n (2n − 1) d) (3n − 1) (4 n − 2 )
2.14 b) P(A ganhar) = 0.6587; P(B ganhar)= 0.3413
c) P(A ganhar) = 2 3 ; P(B ganhar)= 1 3
40
2.15 b) 10 11
2.16 a) 0.504 b) 0.296
2.18 a) 0.4 b) 2/3
2.19 a) 51.25% b) 7.32%
2.20 a) 0.0905 b) 0.6633
2.21 b) 0.64
2.22 0.2
2.23 a) 0.13043 b) 0.43478
Capítulo 3
3.1 a) i) 4/5 ii) 1/3
0, x<0
0.2, x = 0 0.2, 0 ≤ x <1
b) i) f X ( x ) =  0.6, x = 1 ii) FX (x ) = 
0.2, x = 2 0.8, 1≤ x < 2

1, x≥2
iii) E(X ) = 1 e V (X ) = 0.4
c) a) i) 20/27 ii) 1/3
0, x<0
8 27, x =0
8 27, 0≤ x<1
12 27, x =1 
b) i) f X ( x ) =  ii) FX (x ) = 20 27, 1≤ x <2
6 27, x=2
 26 27, 2≤ x <3
1 27, x =3 1,
 x≥3
iii) E(X ) = 1 iv) V (X ) = 2 3
0, x<0
0.001, x =0
0.001, 0≤ x<1
0.027, x =1 
3.2 a) f X ( x ) =  b) FX (x ) = 0.028, 1≤ x < 2
0.243, x =2
 0.271, 2≤x<3
0.729, x=3 1,
 x≥3
c) E(X ) = 2.7, moda=mediana=3 e V(X)=0.27
0, x <1
1 6, 1 ≤ x < 2
3.3 a) a = 1 6 b) FX (x ) = 
1 2, 2 ≤ x < 3

1 x ≥3
c) moda = 3; mediana = qualquer ponto ∈ [2,3]; E(X ) = 7 3
10 − 9c 20 − 8c − 81c 2
3.4 a) − 1 3 ≤ c ≤ 1 4 b) E(X ) = c) V (X ) =
4 16
3.5 E(X ) = 2.6; P(X < 0 ) = 0.3
41
1 6, x=0
1 12, x=2
3.6 a) f X ( x ) =  b) i) 1/6 ii) 1/2 iii) 1/12 iv) 1/3
1 4, x=4

1 2, x=6
3.7 a) 0.0362 b) 0.75 c) i) 0.8574 ii) 20
3.8 a) 0.0702 b) ≤ 8 c) 7.02
 2000  58000 
4
 k   250 − k 
3.9 ∑
k =0  60000
 250 
3.10 0.3005
3.11 a) 0.3233 b) 0.0831
3.12 a) 0.2231; 0.4308 b) 4.47
Capítulo 4
0, x < −1
 x 2 2 + x + 1 2, −1 ≤ x < 0
4.1 a) k = 0 b) FX (x ) =  2 c) E(X ) = 0 ; V ( X ) = 1 6
−x 2 + x + 1 2, 0≤ x<1

1, x ≥1
d) moda = 0; mediana = 0; FX−1 ( 1 4 ) = −1 + 2 2 e) ¼
f) fY ( y ) = 2(1 − y ) , 0 ≤ y ≤ 1
0, x <0
4 5 112
4.2 a) FX (x ) = 5x − 4x , 0 ≤ x < 1 b)
1, 243
x≥1
c) i) P(L = C1 − C3 ) = 101 243; P(L = C2 − C3 ) = 142 243:
0, l < C2 − C3
FL (l ) = 142 243, C2 − C3 ≤ l < C1 − C3
1, l ≥ C1 − C3

4.3 0.4502
4.4 a) α = 2 ; β = 1 5 b) 0.5
4.5 C1 + 50C2
4.6 a) 0.375 b) µ X = 4 3 = 133.3Kg; σ X = 62.36Kg c) 245.23 Kg
4.7 a) 0.6826 b) 0.8759
4.8 a) µ = 2.5; σ = 0.469 b) 0.6826
4.9 a) 0.0023 b) 6231.04 horas c) 1/8
0, x <0
4.10 a) FX (x ) =  −2x b) 0.3679 c) Sim, Y = 2 X ~ Exp(1)
1 − e , x ≥ 0
42
4.11 a) 0.2202 b) 0.6592
Capítulo 5
0.2, x=0 0.5, y = 0
5.1 a) f X ( x ) = 0.65, x=1; f Y (y ) = 0.36, y = 1
0.15, x=2 0.14, y = 2
0. x <0
0.2, 0≤ x <1
b) FX (x ) =  c) 0.18 d) 1.59; 0.7619
0.85, 1≤ x <2

1, x ≥2
5.2 b)
Y\X 0 1 2 f Y (y )
0 0.064 0.096 0 0.16

1 0.096 0.240 0.144 0.48
2 0 0.144 0.216 0.36
f X (x ) 0.16 0.48 0.36 1
0, y<1
2 9, x = 1 1 6, 1≤ y < 2
5.3 a) i) f X (x ) = 1 2, x = 2 ii) FY (y ) =  iii) 11/18
5 18, x = 3 11 18, 2≤y<3

1, y≥3
2 7, x =1
2 3, x = 1
iv) f X Y =1 (x ) =  ; f X Y = 3 ( x ) = 3 7, x=2 v) 5/3
1 3, x = 3 2 7, x =3
 P(Y = 1), z = 5 3

b) P[E (X Y ) = z] =  P(Y = 2), z = 9 4
 P(Y = 3), z = 2
c) Não, porque ∃ (x ,y ): f X ,Y (x, y ) ≠ f X ( x ) f Y (y ), por exemplo (x, y ) = (1,2)
d) 1.44
5.4 a) i) e ii):
X\Y 0 1 2 3 4 f X (x )
0 0.04 0 0.3 0 0.06 0.4
1 0 0.22 0 0.28 0 0.5
2 0 0 0.1 0 0 0.1
f Y (y ) 0.04 0.22 0.4 0.28 0.06 1
43
0, x <0
0.4, 0 ≤ x < 1 0.75, x = 0
iii) FX (x ) =  iv) f X Y = 2 ( x ) = 
0.9, 1 ≤ x < 2 0.25, x = 2

1, x ≥2
b) Não, porque ∃ (x ,y ): f X ,Y (x, y ) ≠ f X ( x ) f Y (y ), por exemplo (x, y ) = (1,0 )
0.1, y=0
0.44, y = 1 1, y = 2
c) i) f Y X = 0 (y ) = 0.75, y = 2 ; f Y X =1 (y ) =  ; f Y X = 2 (y ) = 
0.15, y = 4 0.56, y = 3 0, y ≠ 2
0, y<0
0.1, 0≤ y <2
ii) E(Y X = 2 ) = 2; V (Y X = 2 ) = 0 iii) FY X = 0 (y ) = 
0.85, 2≤ y <4

1, y≥4
iv) 0.75 v) 0
5.5 a) ρ X ,Y = 0.5 ≠ 0 ⇒ X e Y não são independentes b) 3.5
u\v 0 1
5.7 a) V (Z ) = 2 pq b) P[E (X Y ) = q] = 1 c) Por exemplo: 0 p 0
1 0 q
5.8 a) 0.6602 b) 1.8; 2

5.9 a) a = 2 2 b) Sim, porque ∀ (x , y): f X ,Y (x, y) = f X ( x ) f Y (y)
0, y < −a
 2
c) FY (y ) =   y + 2  , − a ≤ y ≤ a
2  2 
1, y>a

3 3
5.10 a) Não, porque ∃ (x ,y ): f X ,Y (x, y ) ≠ f X ( x ) f Y (y ), por exemplo (x, y ) =  , 
4 4
0, x<0
b) FX (x ) =  x 3 − 3x 2 + 3x, 0 ≤ x ≤ 1
1, x>1
 2(1 − x − y )
 , 0 < x < 1− y
f
c) X Y = y ( x ) =  (1 − y )
2
, 0< y <1 d) 3/4 e) 1
0, caso contrário
1 2, −1 < x < 1 1 2, 0 < y < 2
5.11 a) f X ( x ) =  ; f Y (y ) =  b) P(X < Y ) = 7 8
0. c. c. 0. c. c.
5.12 0.4375
5.13 a) ρ X ,Y = 0.5 b) V (X Y = y )= y 2 12
5.14 a) µ D = 3.6 cm; σ D = 0.0224 cm b) 0.1867
5.15 a) 0.0367 b) 0.0222 c) 0.9994; 0.3032
5.16 ≅ 0
44
500
 500  1  x  364  500− x
5.17 ∑ 
x =2  x  365
  365 ≅ 0.3977
5.18 0.0409
5.19 ≥ 65
5.20 a) 0.4169 b) 0.4169
c) A probabilidade de cumprir o compromisso é elevada (0.9772) d) 0.3014
5.21 0.9236
5.22 a) 0.7 b) 0.286 e 3.5 m c) 0.9997
5.23 a) 0.2 b) 0.7939 c) ≅ 0
5.24 a)
50!
f Z 00 , Z 01 , Z10 (z00 , z01 , z10 ) = 0.70 z00 0.15z01 0.10 z10 0.0550 − z00 − z 01 − z10
z00! z01! z10! (50 − z00 − z01 − z10 )!
com z00 , z01 , z10 ∈ N 0 e z00 + z01 + z10 ≤ 50
b) Z 00 ~ Bi (50,0.70) e W = Z 00 + Z 01 ~ Bi (50,0.85) c) Z 00 W = w ~ Bi 50,

0.70
0.85
( )
Capítulo 6
 5
6.1 a) f X 1 ,…,X 5 (x1 ,…, x 5 ) = ∏
xi , x i < 1, i = 1,…,5
i =1
0, c. c.
∑
2
(xi − x )
b) E(X ) = 0; V (X ) = 0.1; s =
2
= 0.73075 c) 0.9718; 0.9654
n −1
6.4 8/9, logo X é mais eficiente
6.5 a) π 2 > 1 b) 1/2 < 1 c) Para a população normal X é mais eficiente,
para a população da alínea b) verifica-se o contrário
6.6 T1 é melhor para θ > 3 2 e T 2 é melhor para θ < 3 2
6.7 a) p̂ = 1 4 b) pˆ = 3 4 c) pˆ = 2 3
k
6.8 Rˆ =
n−k
6.9 pˆ = 0.04375
6.10 a) λˆ = X , é centrado b) σˆ = X c) λˆ = 0.4 d) λˆ = 0.1252
2
6.11 µˆ = X , é centrado
6.12 µˆ = 55.833; σˆ 2 = 101.639; σˆ = 10.082; Pˆ (X > 70) = 0.0793
6.13 b) T 2
6.14 Pˆ (X > 200 ) = 0.3168
6.15 a) αˆ = 2.022; Eˆ ( X ) = 2.534; Vˆ (X ) = 1.755 b) moda
6.16 a) 0.1314 b) 0.5785 c) 0.2923
6.17 ≅ 1 − Φ(0.4 12n ), n elevado
45
6.18 0.0212 (com correcção de continuidade), 0.0202 (sem correcção de continuidade)
6.19 a) 0.0956 b) 0.9044 c) 0.01; 0.0315
6.20 a) 0.0456 b) 158.7 c) n ≥ 4
Capítulo 7
7.1 IC95% (µ ) = (136.08;143.92 )
7.2 IC95% (µ ) = (3.435;5.653) e n=200
7.3 IC95% (µ ) = (94.604;102.736) ; IC95% (σ 2 ) = (43.656;161.008)
7.4 a) IC99% (µ ) = (1.723;2.844) b) IC99% (σ ) = (0.4007;1.285)
7.5 IC95% (µ1 − µ 2 ) = (−192.106; 275.506)
7.6 IC99% (µ1 − µ2 ) = (− 8.174;2.974 ) . Como 0 ∈ IC99% não se rejeita a hipótese de que
as médias são iguais para n. s. ≤ 1% .
7.7 IC95% (µ1 − µ 2 ) = (−5.635;11.035)
7.8 IC90% (µ1 − µ 2 ) = (6.204;13.796)
7.9 a) IC95% ( p) = (0.0964;0.2436) b) 1809
7.10 a) IC90% ( p) = (0.4720;0.5780) b) n ≥ 1688
7.11 a) T = X ; p = P( X ≤ 1), pˆ = e −T + Te −T b) IC90% (λ ) ≅ (0.7338; 0.8705)
7.12 IC95% (α ) ≅ (0.3216;0.4784)
Capítulo 8
8.1 a) c = 1.5126 b) n = 35; c = 1.5621 c) α = β = 0.3632
8.2 a) X ~ N( 20;1)
sob H 0
µ 17 18 19 20 21 22 23
b)
P(aceitar H0 µ ) .1587 .5000 .8400 .9544 .8400 .5000 .1587
c) β (µ ) = 1 − P (aceitar H0 µ )
8.3 n = 14, c = 5.429
C1: α = 0.6875, β = 0.0508
8.4 C2 : α = 0.3125, β = 0.2617
C3 : α = 0.0625, β = 0.6836
8.5 a) Sim (-1.645 < -0.408 < 1.645) b) Valor-p = 0.6818 > 0.1
8.6 a) H0 : µ = 16 versus H1 : µ ≠ 16 , não rejeitar H0 para α ≤ 5% e rejeitar para
α ≥ 10% (-2.145 < -2.037 < -1.761)
b) H0 : σ 2 = 0.25 versus H1 : σ 2 ≠ 0.25 , rejeitar H0 pelo menos para α ≥ 0.1%, ou
seja para os níveis de significância usuais (1.296 < 2.697)
8.7 Não se rejeita H0 (0.427 < 1.699)
46
8.8 a) H0 : µ ≥ 255 versus H1 : µ < 255 (ou H0 : µ = 255 versus H1 : µ < 255 ), não se
rejeita H0 para α ≤ 5% (-1.017 > -1.796)
b) ξˆ0.05 = µˆ − 1.6449σˆ = 234.64
8.9 a) Teste sobre µ : -2.131 < 1.661 < 2.131, aceitar a 5%
Teste sobre σ : 6.262 < 12.06 < 27.49, aceitar a 5%
b) Teste sobre µ1 − µ 2 com σ 1 = σ 2 : -3.962 < -1.703, rejeitar a 5%, isto é as
medidas introduzidas provocaram um aumento significativo na cotação esperada.
8.10 a) ganha A b) P(A perder injustamente) = 0.05,
P(B perder injustamente) = 0.1379, logo a aposta não é justa.
8.11 H0 : µ = 30 versus H1 : µ ≠ 30 , rejeitar H0 para α = 1% (3.02 > 2.576)
8.12 a) Assumindo que as variáveis têm distribuições normais rejeita-se H0 para
α ≥ 1% (-4.86<-2.5758). b) 0.4404
8.13 H0 : µ1 = µ2 versus H1 : µ1 ≠ µ2
a) Rejeitar H0 para α > 3.94% e não rejeitar para α < 3.94%
b) Rejeitar H0 para α ≥ 10% e não rejeitar para α ≤ 5% (1.746 < 2.088 < 2.120)
8.14 a) H0 : µ1 ≤ 60 versus H1 : µ1 > 60 (ou H 0 : µ1 = 60 versus H 1 : µ1 > 60 ), rejeitar
H0 para α ≥ 5% e não rejeitar para α ≤ 2.5% (1.833 < 1.93 < 2.262)
2
b) H0 : σ1 = 16 versus H1 : σ12 ≠ 16, rejeitar H0 para α ≥ 20% e não rejeitar para
α ≤ 15% (3.785 < 3.855 < 4.168), ou seja para os níveis de significância usuais
c) H0 : µ1 = µ2 versus H1 : µ1 ≠ µ2 , rejeitar H0 para α ≥ 40% e não rejeitar para
α ≤ 30% (0.865 < 0.996 < 1.071), ou seja para os níveis de significância usuais
8.15 Admite-se X1 ~ N (µ1 , σ 12 ), X2 ~ N (µ 2 , σ 22 ), X1 e X2 independentes, σ 1 = σ 2 mas
desconhecidos. H0 : µ1 = µ2 versus H1 : µ1 < µ 2 , rejeitar H0 para α ≥ 15% e não
rejeitar para α ≤ 10% (-1.33 < -1.107 < -1.067), ou seja para os níveis de
significância usuais não se pode concluir que o segundo método é
significativamente superior ao primeiro
−6
8.16 H0 : p = 0.9 versus H1 : p ≠ 0.9 . Valor-p ≈ 2 × 10 . Rejeita-se H0 para
α ≥ 2 × 10 −6 , ou seja para os níveis de significância usuais, logo a afirmação não
é consistente com os dados
8.17 H0 : p = 0.1 versus H1 : p > 0.1 (p é a proporção de lâmpadas com defeitos), não
rejeitar H0 para α ≤ 17.36%, ou seja para os níveis de significância usuais
8.18 a) H0 : p = 0.1 versus H1 : p > 0.1 ou H0 : p ≤ 0.1 versus H1 : p > 0.1
Pˆ − 0.1 a
b) T = ~ N (0,1); Região crítica: {T > 1.4051}
0.1 × 0.9 sob H o
100
47
c) tobs = 0.67 < 1.4051, não deve rejeitar o carregamento (para o n. s. de 8%)
8.19 a) H0 : µ1 = µ2 versus H1 : µ1 ≠ µ2 , não se rejeita H0 para α ≤ 80% , ou seja para
os n. s. usuais (-0.255 < -0.02 < 0.255)
b) IC95% (µ ) = (8.936;11.136)
2
c) H0 : σ = 4 versus H1 : σ 2 ≠ 4, rejeita-se H0 para α ≥ 0.1% , ou seja para os n.
s. usuais (183.65 > 89.56)
d) H0 : p = 0.1 versus H1 : p > 0.1 ou H0 : p ≤ 0.1 versus H1 : p > 0.1. Não se
rejeita H0 para α ≤ 31.9% , ou seja para os n. s. usuais
8.20 Sim, para ambos os níveis (0.5596 < 7.815 < 11.34)
8.21 a) 11.96 < 20.52, os resultados são compatíveis com distribuição binomial e
equiprobabilidade dos sexos ao n. s. de 0.1%
b) 0.025 < valor-p < 0.05
8.22 a) q 2 = 4.37 , valor-p ∈ (0.4,0.5) pelo que não se rejeita H0 para os n. s. usuais.
b) q 2 = 4.38 , valor-p ∈ (0.3,0.4) pelo que não se rejeita H0 para os n. s. usuais.
8.23 valor-p ∈ (0.5,0.6) pelo que não se rejeita H0 para os n. s. usuais
8.24 a) Não rejeitar para α ≤ 92.5% (0.4347 < 0.472), ou seja para os n. s. usuais
b) A hipótese não é rejeitada (0.4505 < 6.635)
8.25 Rejeita-se a hipótese de independência para α ≥ 0.05%, ou seja para os n. s.
usuais (27.14 > 12.12)
8.26 A hipótese de independência entre o programa de treino e os resultados não é
rejeitada para α ≤ 60%, ou seja para os n. s. usuais (2.742 > 2.753)
8.27 A hipótese de não associação não é apoiada pelos dados ao n. s. de 10% (195.97 >
2.706)
8.28 Rejeita-se a hipótese de não associação para α ≥ 2.5%, não se rejeita para α ≤ 1%
(5.024 < 5.15 < 6.635)
Capítulo 9
9.1 b) βˆ0 = 153.917 ; βˆ1 = 2.417
2
c) R = 0.9593 . A recta estimada ajusta-se bem, 95.9% da variação de Y é
explicada pela relação linear com x.
d) H0 :β 1 = 0 versus H1 :β 1 ≠ 0 , rejeita-se H0 para α ≥ 0.1% , ou seja para os n.s.
usuais (15.35 > 4.587)
( )
e) IC95% µ Y x = 48 = (263.64;276.20). Não é legítimo para x = 10 porque
(
10 ∉ min xi ;max xi
i i
)
48
9.2 a) βˆ0 = 0.6359 ; βˆ1 = 0.0965 ; Eˆ (Y x = 90) ≅ 9.2427
2
b) R = 0.9711 .
c) H0 :β 1 = 0 versus H1 :β 1 ≠ 0 , rejeita-se H0 para os n.s. usuais. tobs = 9.929 ,
valor-p ∈ (0.002,0.01) .
9.3 a) H0 :β 1 = 0 versus H1 :β 1 ≠ 0, tobs = 5.23, valor-p = 0.003, rejeita-se H0 para
α ≥ 0.3% , ou seja para os n.s. usuais. Os dados indicam que a adubação
influencia significativamente a produção
2
b) R = 84.5% . O modelo ajusta-se bem às observações.
( )
c) x0 = 400; µ Y x0 = 60; s2 µˆ Y x0 = 5.08
9.4 a) µˆ Y x = 10.1589 − 0.3991x; IC90% (β1 ) = (−0.4474;−0.3508)
b) µˆ Y x =10 = 6.17, não se deve usar para x = 20
9.5 b) Só para x = 60, as outras duas são extrapolações. Eˆ (Est Mat = 60) ≅ 63
c) Eˆ (Mat Est = y ) = −17.144 + 1.2188y ; Eˆ (Mat Est = 70) ≅ 68
9.6 a) αˆ = 11.2633 ; βˆ = −0.23651
b) tˆx = 25 = 210.7 horas, tˆx = 50 = 0.57 não deve ser usado com x = 50 porque se trata
de uma extrapolação
9.7 a) αˆ = 55.77 ; βˆ = 0.0070805
b) H 0 : β = 0 versus H 1 : β ≠ 0 , rejeita-se H0 para α ≥ 0.1% , ou seja para os
n.s. usuais (15.19 > 6.869), conclui-se que o custo total é significativamente
influenciado pelo número de unidades produzidas
c) IC95% (α ) = (45.43;68.47)
49

PE Exercicios

Enviado por

Direitos autorais:

Formatos disponíveis

PE Exercicios

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

PE Exercicios

Enviado por

Direitos autorais:

Formatos disponíveis

Instituto Superior Técnico – Departamento de Matemática

4.2 2.7 4.6 2.5 3.3 4.7

(a) Proceda à organização dos dados construindo um quadro de frequências onde

no de sementes germinadas por vaso 0 1 2 3 4 5

(a) Calcule a média, a mediana e a moda do número de sementes germinadas.

10.6 10.7 10.1 10.9 10.8

Apresente três medidas de localização e de dispersão para os dados observados,

1.4 As notas finais obtidas em 3 turmas na disciplina de Probabilidades e Estatı́stica

(a) Esboçe o histograma correspondente.

(a) O espaço de resultados.

2.2 Sejam A e B acontecimentos tais que P (A) + P (B) = x e P (A ∩ B) = y. Determine

(a) Não se realizar nenhum dos dois acontecimentos.

2.3 Mostre que:

(a) Exclusivamente erros de “sintaxe”.

(a) Indique qual o espaço de resultados e calcule a probabilidade de cada aconte-

(a) Um jogador comprou um bilhete com o número 6789. Qual a probabilidade de

(a) As pessoas, dentro de cada um daqueles três grupos, estarem de seguida?

(a) Ser escolhido um e um só aluno do 1o ano?

(a) Prove que F1 e F 2 são independentes.

2.16 A execução de um projecto de construção de um edifı́cio no tempo programado está

E = “escavação executada a tempo”

supostos independentes e com probabilidades iguais a, respectivamente, 0.8, 0.7 e

(a) Mostre que os acontecimentos A, B e C são independentes aos pares.

(a) Qual a probabilidade de sair petróleo na primeira perfuração?

(a) Qual a percentagem de pessoas que bebem álcool?

(a) Verifique que a probabilidade de um indivı́duo não ter respondido ao acaso

2.23 Um barco pesqueiro desapareceu e presume-se que o seu desaparecimento se deva a

C1 – afundou-se quando experimentava um sofisticado sistema de pesca para o qual

Três brigadas de busca e salvamento, B1 , B2 e B3 foram enviadas com a missão de

1) as três causas do desaparecimento são igualmente prováveis;

(a) Do barco ter sido sequestrado.

Variáveis aleatórias e distribuições

(a) i) Qual a probabilidade de obter quando muito um iogurte estragado?

(a) A função de probabilidade de X.

3.3 Considere a variável aleatória discreta X com a seguinte função de probabilidade:

sendo a uma constante real.

(a) Determine o valor de c.

3.5 Considere uma experiência aleatória associada a 5 acontecimentos elementares ωi

Considere a variável aleatória, definida à custa dos acontecimentos elementares,

Determine o valor esperado de X e a probabilidade de X assumir um valor negativo.

3.6 Considere a variável aleatória discreta X com a seguinte função de distribuição:

(a) Determine a função de probabilidade de X.

(a) Qual a probabilidade de rejeição do lote?

(a) A probabilidade de rejeição do lote se a amostra tiver dimensão 10.

3.11 Um processo de fabrico de placas de vidro produz, em média, 4 bolhas de ar espa-

(a) Uma placa de 2.5m × 2m ter mais de 2 bolhas de ar.

3.12 Uma máquina electrónica de venda de chocolates e bebidas dá um lucro de 12

(a) Calcule a probabilidade de numa semana

Variáveis aleatórias e distribuições

(a) Calcule o valor de k.

(a) Determine a função de distribuição de X e esboce o seu gráfico.

A empresa dispõe de um stock de peças dos tipos A e B. Ao tipo A está associado

(a) α e β de modo que o valor esperado de Y seja nulo e a variância de Y seja

Calcule o valor esperado do lucro lı́quido por unidade de peso.

(a) Qual é a probabilidade de um desses lasers falhar até 5300 horas?

(a) Calcule a função de distribuição da variável aleatória X.

5.1 Uma loja de electrodomésticos vende televisores da marca X e da marca Y . A

(a) Calcule as funções de probabilidade marginais de X e de Y .

5.2 Durante um treino de basquetebol um jogador efectua três lançamentos da linha de

Classificação Prova A Prova B