I LISTA DE EXERCÍCIOS RESOLVIDOS

MAURO C. M. CAMPOS

Sumário
1. Capı́tulo 5 - Probabilidade 1
2. Capı́tulo 6 - Variáveis Aleatórias Discretas 4
3. Capı́tulo 7 - Variáveis Aleatórias Contı́nuas 9
Referências 11

Observação 1. A maioria dos exercı́cios dessa lista foram tirados do nosso livro-
texto (referência [1]), entretanto a numeração aqui não é equivalente à numeração
do livro.

1. Capı́tulo 5 - Probabilidade
Exercı́cio 1. Lance um dado até que a face 5 apareça pela primeira vez. Enumere
os possı́veis resultados desse experimento.
solução. O número 5 representa a face 5 e a letra Q representa qualquer face
diferente da face 5. Assim o espaço amostral é dado pelo conjunto
S = {5, Q5, QQ5, QQQ5, . . .}
Exercı́cio 2. Três jogadores A, B e C disputam um torneio de tênis. Inicialmente,
A joga com B e o vencedor joga com C, e assim por diante. O torneio termina
quando um jogador ganha duas vezes em seguida ou quando são disputadas, ao
todo, quatro partidas. Quais são os resultados possı́veis do torneio?
solução. O espaço amostral é dado pelo conjunto
S = {(AA), (BB), (ACC), (BCC), (ACBB), (ACBA), (BCAA), (BCAB)}
Exercı́cio 3. Considere o exercı́cio 1. Atribua probabilidade (5/6)k (1/6) a cada
ponto de S com k letras iguais a Q seguidas de 5.
(1) Mostre que a soma das probabilidades dos pontos amostrais é igual a um;
(2) Calcule a probabilidade de que a face 5 apareça após três lançamentos do
dado.
k vezes
solução. Seja sk = Q · · · Q5. Assim P (sk ) = (5/6)k (1/6). Assim
X X  5 k 1 1/6
P (sk ) = = = 1.
6 6 1 − (5/6)
k≥0 k≥0

Além disso,
 2
5 1
P (De que a face 5 apareça após 3 lançamentos) = P (s2 ) = .
6 6

Date: 15 de abril de 2007.

1
2 MAURO C. M. CAMPOS

Exercı́cio 4. Dentre seis números positivos e oito negativos, dois números são
escolhidos ao acaso, sem reposição e multiplicados. Qual a probabilidade de que o
produto seja positivo?
solução. Sejam x e y os números escolhidos ao acaso e sem reposição e considere
o evento
A = {(x, y) ∈ S; xy > 0}.
Segue que
C 6C 8 43
P (A) = 1 − P (Ac ) = 1 − 1 141 =
C2 91
Observação 2. Ao longo do texto temos que
y!
Cxy = .
x!(y − x)!
Exercı́cio 5. Considere a figura ao lado do exercı́cio 20 do capı́tulo 5 do livro-texto.
Essa figura apresenta um sistema com três componentes funcionando independen-
temente, com confiabilidades p1 , p2 e p3 . Obtenha a confiabilidade do sistema.
solução. Seja C a confiabilidade do sistema, isto é,
C = P (Do sistema funcionar).
Considere Ai = o componente i está funcionando, onde i = 1, 2, 3. Assim
C = P (A1 ∩ (A2 ∪ A3 ))
= P (A1 ∩ A2 ) + P (A1 ∩ A3 ) − P (A1 ∩ A2 ∩ A3 )
Como os eventos Ai são independentes, segue que
C = P (A1 )P (A2 ) + P (A1 )P (A3 ) − P (A1 )P (A2 )P (A3 ) = p1 (p2 + p3 − p2 p3 ).
Observe que C é uma função de p1 , p2 e p3 , ou seja,
C = h(p1 , p2 , p3 ) = p1 (p2 + p3 − p2 p3 ).
Exercı́cio 6. Um empresa produz circuitos em três fábricas, denotadas por I, II
e III. A fábrica I produz 40% dos circuitos, enquanto a II e III produzem 30%
cada uma. As probabilidades de que um circuito produzido por essas fábricas não
funcione são 0,01, 0,04 e 0,03 respectivamente.
(1) Escolhido ao acaso um circuito da produção conjunta das três fábricas, qual
a probabilidade do circuito não funcionar;
(2) Suponha que o circuito escolhido ao acaso seja defeituoso. Determine qual
a probabilidade do circuito ter sido fabricado por I.
solução. Considere os eventos
Ai = O circuito escolhido da produção conjunta foi fabricado pela fábrica I,
onde i = 1, 2, 3 e
B = O circuito escolhido da produção conjunta não funciona.
Assim
3
X 1
P (B) = P (Ai )P (B|Ai ) = 0, 4(0, 01) + 0, 3(0, 04) + 0, 3(0, 03) = = 0, 025.
i=1
40
Além disso, segue do teorema de Bayes que
P (A1 )P (B|A1 ) 4/1000
P (A1 |B) = P3 = = 0, 16.
i=1 P (Ai )P (B|Ai ) 25/1000
 I LISTA DE EXERCÍCIOS RESOLVIDOS 3

Exercı́cio 7. Suponha que de N objetos, n (admita n < N ) sejam escolhidos ao

acaso e com reposição. Qual é a probabilidade de que nenhum objeto seja escolhido
mais de uma vez?
solução. O = {o1 , . . . , oN } representa o o conjunto dos N objetos. Assim o
espaço amostral pode ser escrito como
S = {s = (s1 , . . . , sn ); si ∈ O, i = 1, . . . , n}.
e observe que |S| = N n . Agora considere o evento
A = A amostra não contém objetos repetidos,
que na notação de conjunto pode ser escrito como
A = {(s1 , . . . , sn ) ∈ S; s1 6= . . . 6= sn }.
Agora observe que
|A| = N (N − 1)(N − 2) · . . . · [N − (n − 1)].
Assim
|A| N (N − 1)(N − 2) · . . . · (N − n + 1)
P (A) = =
|S| Nn
Observação 3. O exercı́cio 7 é equivalente ao exercı́cio 53 do capı́tulo 5 do livro-
texto. Além disso, o exercı́cio 62 do capı́tulo 5 do livro-texto é uma aplicação do
exercı́cio 53.
Exercı́cio 8. Mostre que se P (A|B) > P (A), então P (B|A) > P (B).
solução. De fato
P (A ∩ B) P (B)P (A|B) P (B)P (A)
P (B|A) = = > = P (B).
P (A) P (A) P (A)
Exercı́cio 9. Existem 4 bolas numa urna, numeradas por 000, 011, 101 e 110.
Selecione uma bola ao acaso da urma e considere os eventos
Ai = Na bola selecionada, o número 1 aparece na posição i,
onde i = 1, 2, 3 e
B = A1 ∩ A2 ∩ A3 .
(1) Calcule P (Ai ) e P (A);
(2) Mostre que os eventos Ai são mutuamente independentes, mas não são
independentes.
solução. De fato
2 1
P (Ai ) =
=
4 2
para todo i e P (A) = P (∅) = 0. Os eventos Ai são mutuamente independentes,
pois
1 1 1
P (Ai ∩ Aj ) = = · = P (Ai )P (Aj )
4 2 2
para todo i 6= j. Mas
1
P (A1 ∩ A2 ∩ A3 ) = 0 6== P (A1 )P (A2 )P (A3 ).
8
Portanto, os eventos A1 , A2 e A3 não são independentes.
4 MAURO C. M. CAMPOS

2. Capı́tulo 6 - Variáveis Aleatórias Discretas

Exercı́cio 10. Considere uma urna contendo três bolas vermelhas e cinco pretas.
Retire três bolas, sem reposição, e defina uma v.a. aleatória X igual ao número de
bolas pretas. Obtenha a distribuição de X.
solução. Observe que X assume valores no conjunto {0, 1, 2, 3}. Portanto a
distribuição de X é dada por
Cx5 C3−x
3
P (X = x) = 8
C3
para x = 0, 1, 2, 3. Explicitamente temos

X 0 1 2 3
P (X = x) 1/56 15/56 30/56 10/56
Tabela 1. A dstribuição de X

Exercı́cio 11. Repita o problema anterior, mas considerando extrações com re-
posição.
solução. Novamente observe que X assume valores no conjunto {0, 1, 2, 3}.
Porém, nesse caso, a distribuição de X é dada por
 x  3−x
3 5 3
P (X = x) = Cx
8 8
para x = 0, 1, 2, 3. Explicitamente temos

X 0 1 2 3
P (X = x) (3/8)3 3(5/8)(3/8)2 3(5/8)2 (3/8) (5/8)3
Tabela 2. A distribuição de X

Exercı́cio 12. Suponha que uma moeda perfeita é lançada até que cara apareça
pela primeira vez. Seja X o número de lançamentos até que isso aconteça. Obtenha
a distribuição de X.
solução. Observe que X assume valores no conjunto {1, 2, 3, . . .}. Portanto a
distribuição de X é dada por
 x−1  
1 1 1
P (X = x) = = x
2 2 2
para x = 0, 1, 2, 3, . . ..
Exercı́cio 13. Repita o problema anterior, considerando agora que a moeda é
viciada, sendo a probabilidade de cara dada por p, onde 0 < p < 1.
solução. Nesse caso, a distribuição de X é dada por
P (X = x) = (1 − p)x−1 p
para x = 0, 1, 2, 3, . . ..
Exercı́cio 14. Uma moeda perfeita é lançada quatro vezes. Seja Y o número de
caras obtidas. Calcule a distribuição de Y .
 I LISTA DE EXERCÍCIOS RESOLVIDOS 5

solução. Observe que Y assume valores no conjunto {0, 1, 2, 3, 4}. Portanto a

distribuição de Y é dada por
 y  4−y
1 1 Cy4
P (Y = y) = Cy4 1− = 4
2 2 2
para y = 0, 1, 2, 3, 4.
Exercı́cio 15. Repita o problema anterior, considerando agora que a moeda é
viciada, sendo a probabilidade de cara dada por p, onde 0 < p < 1.
solução. Observe que Y assume valores no conjunto {0, 1, 2, 3, 4}. Portanto a
distribuição de Y é dada por
P (Y = y) = Cy4 py (1 − p)4−y
para y = 0, 1, 2, 3, 4.
Exercı́cio 16. Generalize o problema anterior para n lançamentos da moeda.
solução. Observe que Y assume valores no conjunto {0, 1, . . . , n}. Portanto a
distribuição de Y é dada por
P (Y = y) = Cyn py (1 − p)n−y
para y = 0, 1, . . . , n.
Exercı́cio 17. Seja X uma v.a. discreta assumindo valores no conjunto {1, 2, 3} e
com distribuição de probabilidade dada por

X 1 2 3
P (X = x) 1/3 1/6 1/2
Tabela 3. A distribuição de X

(1) Obtenha a função de distribuição acumulada de X;

(2) Calcule a média e a variância de X;
(3) Calcule P (X ≥ 2) e P (X > 2).
solução. A função de distribuição acumulada de X é definida por
X
FX (x) = P (X ≤ x) = P (X = y)
y;y≤x

para todo x ∈ R. Portanto



 0 se x < 1
1/3 se 1 ≤ x < 2

FX (x) =

 1/2 se 2 ≤ x < 3
1 se x ≥ 3.


A média de X é dada por

X 1 1 1 13
E(X) = xP (X = x) = 1 · + 2 · + 3 · = .
x
3 6 2 6
Como
X 1 1 1 33
E(X 2 ) = x2 P (X = x) = 1 · +4· +9· = ,
x
3 6 2 6
segue que a variância de X é dada por
 2
2 33 2 13 29
V (X) = E(X ) − [E(X)] = − = .
6 6 36
6 MAURO C. M. CAMPOS

Outra forma de encontrar a V (X) seria calcular a soma

X
V (X) = E[(X − E(X))2 ] = (x − (13/6))2 P (X = x).
x
Finalmente,
2
P (X ≥ 2) = P (X = 2) + P (X = 3) =
3
e
1
P (X > 2) = P (X = 3) = .
2
Exercı́cio 18. Um vendedor de equipamento pesado pode visitar, num dia, um
ou dois clientes, com probabilidade 1/3 ou 2/3, respectivamente. De cada contato,
pode resultar a venda de um equipamento por 50 mil u.m. (com probabilidade
1/10) ou nenhuma venda (com probabilidade 9/10). Indicando por Y o valor total
de vendas diárias desse vendedor, escreva a função de probabilidade de Y e calcule
o valor total esperado de vendas diárias.
solução. Seja N uma v.a. discreta que modela o número diário de clientes
visitados pelo vendedor. A distribuição de N é dada por

N 1 2
P (N = n) 1/3 2/3
Tabela 4. A distribuição de N

Agora, defina uma outra v.a. V que modela o número de vendas diárias do
vendedor. Não é difı́cil ver que V assume valores no conjunto {0, 1, 2} e que
2
!
[
P (V = v) = P [N = n, V = v] (Obs.: A vı́rgula representa ∩)
n=1
2
X
= P (N = n, V = v)
n=1
2
X
= P (N = n)P (V = v|N = n)
n=1
P (V = v) = P (N = 1)P (V = v|N = 1) + P (N = 2)P (V = v|N = 2)
para v = 0, 1, 2. Assim
1 9 2 9 9 126
P (V = 0) =· + · · =
3 10 3 10 10 150
 
1 1 2 1 9 23
P (V = 1) = · +2· · · =
3 10 3 10 10 150
1 2 1 1 1
P (V = 2) = · 0 + · · = .
3 3 10 10 150
Como Y = 50000V , segue imediatamente que a distribuição de Y é dada por

Y 0 50000 100000
P (Y = y) 126/150 23/150 1/150
Tabela 5. A distribuição de Y

e que o valor total esperado de vendas diárias é

126 23 1
E(Y ) = 0 · + 50000 · + 100000 · = 8333,33 u.m..
150 150 150
 I LISTA DE EXERCÍCIOS RESOLVIDOS 7

Exercı́cio 19. O tempo T , em minutos, necessário para um operário processar

certa peça é uma v.a. com a seguinte distribuição de probabilidade

T 2 3 4 5 6 7
P (T = t) 0,1 0,1 0,3 0,2 0,2 0,1
Tabela 6. A distribuição de T

(1) Calcule o tempo médio de processamento;

(2) Para cada peça processada, o operário ganha um fixo de 2,00 u.m., mas, se
ele processa a peça em menos de seis minutos, ganha 0,50 u.m. em cada
minuto poupado. Encontre a distribuição, a média e a variância da v.a. G
que modela o ganho por peça.
solução. O tempo médio de processamento é dado por
X
E(T ) = tP (T = t)
t
= 2(0, 1) + 3(0, 1) + 4(0, 3) + 5(0, 2) + 6(0, 2) + 7(0, 1)
= 4, 6 min.
A v.a. G é uma função de T (G = f (T )) definida por

2 se T ≥ 6
G=
2 + 0, 5(6 − T ) caso contrário.
A distribuição de G é dada por

P (T ≥ 6) se g = 2
P (G = g) =
P (T = t) se g = 2 + 0, 5(6 − t) para t = 2, 3, 4, 5.
Explicitamente

G 2 2,5 3 3,5 4
P (G = g) 0,3 0,2 0,3 0,1 0,1
Tabela 7. A distribuição de G

Finalmente é simples ver que E(G) = 2, 75 u.m. e que V (G) = 0, 4125 (u.m)2 .
Exercı́cio 20. Considere um lote contendo 25 peças das quais 5 são defeituosas.
Quatro peças foram escolhidas ao acaso e seja X o número de peças defeituosas
encontradas nessa amostra.
(1) Determine a distribuição de X se a amostra foi obtida com reposição;
(2) Determine a distribuição de X se a amostra foi obtida sem reposição.
solução. Se a amostra foi obtida com reposição, então X ∼ Binomial(4, 1/5),
ou seja,
 x  4−x
1 4
P (X = x) = Cx4
5 5
para x = 0, 1, 2, 3, 4.
Se a amostra foi obtida sem reposição, então X ∼ Hipergeométrica(25, 5, 4), ou
seja,
C 5 C4−x
20
P (X = x) = x 25
C4
para x = 0, 1, 2, 3, 4.
8 MAURO C. M. CAMPOS

Exercı́cio 21. Um lote de dez motores elétricos deve ser totalmente rejeitado ou
vendido, dependendo do resultado do seguinte experimento:
• Dois motores são escolhidos ao acaso e inspecionados. Se pelo menos um
motor apresentar problemas no seu funcionamento, o lote será rejeitado.
Caso contrário, o lote será vendido.
Considere que cada motor custe 75 u.m. para ser fabricado e seja vendido por 175
u.m.. Se o lote de dez motores contém três defeituosos, calcule:
(1) o lucro esperado do fabricante se a amostra é feita com reposição;
(2) o lucro esperado do fabricante se a amostra é feita sem reposição.
solução. Seja X o número de motores defeituosos encontrados na amostra de
tamanho 2 e observe que X ∈ {0, 1, 2}. A variável lucro, denotada por L, é definida
por 
−10(75) se X ≥ 1
L=
10(175 − 75) se X = 0.
Portanto, o lucro esperado do fabricante é dado por
E(L) = −750 · P (X ≥ 1) + 1000 · P (X = 0).
Se a amostra foi obtida com reposição, então X ∼ Binomial(2, 3/10), ou seja,
 x  2−x
3 7
P (X = x) = Cx2
10 10
para x = 0, 1, 2. Nesse caso,
51 49
E(L) = −750 · + 1000 · = 107,5 u.m..
100 100
Se a amostra foi obtida sem reposição, então X ∼ Hipergeométrica(10, 3, 2), ou
seja,
C 3 C2−x
7
P (X = x) = x 10
C2
para x = 0, 1, 2. Nesse caso,
24 21
E(L) = −750 · + 1000 · = 66,67 u.m..
45 45
Exercı́cio 22. Em momentos de pico, a chegada de aviões a um aeroporto se dá
segundo o modelo de Poisson com taxa de dois aviões por minuto.
(1) Determine a probabilidade de cinco chegadas em um minuto qualquer do
horário de pico;
(2) Se o aeroporto pode atender no máximo quatro aviões por minuto, qual é
a probabilidade de haver aviões sem atendimento?;
(3) Previsões para os próximos anos indicam que o tráfego aéreo deve dobrar
nesse aeroporto, enquanto que a capacidade de atendimento poderá ser no
máximo ampliada em 50%. Como ficará a probabilidade de espera por
atendimento?
solução. Seja X o número de aviões por minuto que chegam nesse aeroporto
no momento de pico. Temos que X ∼ Poisson(2), ou seja,
2x e−2
P (X = x) =
x!
para x = 0, 1, 2, . . .. Assim
25 e−2 8e−2
P (X = 5) = = ≈ 0, 036.
5! 6
 I LISTA DE EXERCÍCIOS RESOLVIDOS 9

Considere o evento
A = Existem aviões sem atendimento.
Assim
P (A) = P (X > 4)
= 1 − P (X ≤ 4)
 0
21 22 23 24

−2 2
= 1−e + + + +
0! 1! 2! 3! 4!
P (A) ≈ 0, 05265302.
Agora considere as previsões para os próximos anos, que indicam que o tráfego aéreo
deve dobrar nesse aeroporto e capacidade de atendimento poderá ser no máximo
ampliada em 50%. Nesse cenário a probabilidade de espera por atendimento é dada
por
P (A) = P (X > 6) = 1 − P (X ≤ 6) ≈ 0, 1106740
onde X ∼ Poisson(4) (lembre-se que X é o número de aviões por minuto que chegam
no aeroporto no momento de pico).
Exercı́cio 23. O custo de realização de um experimento é 1000 u.m.. Se o expe-
rimento falha, um custo adicional de 300 u.m. tem de ser imposto. Qual o custo
esperado do experimento se a probabilidade de sucesso em cada prova é 2/10 e se
as provas são independentes e continuadas até a ocorrência do primeiro sucesso?
solução. Seja X o número de experimentos até que o primeiro sucesso ocorra.
Temos que X ∼ Geométrica(2/10), ou seja,
P (X = x) = (0, 8)x−1 (0, 2)
para x = 0, 1, 2, . . .. A variável custo é definida por
C = 1300(X − 1) + 1000 = 1300X − 300
e o custo esperado do experimento é dado por
E(C) = 1300 · E(X) − 300.
Como E(X) = 10/2, segue que E(C) é de 6200 u.m..

3. Capı́tulo 7 - Variáveis Aleatórias Contı́nuas

Exercı́cio 24. Encontre o valor da constante c para que
cx−2 se x ≥ 10

f (x) =
0 caso contrário.
seja uma função densidade de probabilidade de uma v.a. X. Calcule P (X > 15).
solução. A função f será uma densidade se f (x) ≥ 0 para todo x ∈ R e se
Z ∞
f (x)dx = 1.
−∞
Assim temos que
1
c = R ∞ dx = 10.
10 x2
Assim Z ∞
1 2
P (X > 15) = 10x−2 dx = 10 · = .
15 15 3
Exercı́cio 25. Considere a v.a. X do exercı́cio anterior. Obtenha a função de
distribuição acumulada de X.
10 MAURO C. M. CAMPOS

solução. A função de distribuição acumulada de X é definida por

Z x
F (x) = P (X ≤ x) = f (t)dt
−∞
para todo x ∈ R. Assim
( Rx
0dt se x < 10
F (x) = R−∞
10 Rx
−∞
0dt + 10 10 t−2 dt se x ≥ 10.
Portanto 
0 se x < 10
F (x) =
1 − (10/x) se x ≥ 10.
Observe que
dF (x)
f (x) =
,
dx
que limx→−∞ F (x) = 0 e que limx→∞ F (x) = 1.
Exercı́cio 26. A proporção de impurezas em certo mineral, extraı́do da natureza,
pode ser considerada uma v.a. com a seguinte função densidade de probabilidade

1 se 0 < x < 1
f (x) =
0 caso contrário.
É razoável admitir que o preço de venda desse mineral dependa da proporção de
impurezas. Suponha que o mercado estabeleça que o kilo desse mineral seja vendido
a 100 u.m. se 0 < X < 1/3. Caso contrário, o kilo é vendido a 60 u.m.. Se o custo
de extração é de 30 u.m., encontre a distribuição do lucro por kilo e calcule o lucro
esperado por kilo.
solução. Observe que X ∼ Uniforme(0, 1) e que o lucro por kilo, denotado por
L, é definido por 
70 se 0 < X < 1/3
L=
30 caso contrário.
Assim

L 30 70
P (L = l) 2/3 1/3
Tabela 8. A distribuição de L

e E(L) = (60/3) + (70/3) ≈ 43,3 u.m..

Exercı́cio 27. Suponha que um mecanismo eletrônico tenha um tempo de vida T
(em 1000 horas) que pode ser considerado uma v.a. contı́nua com densidade
 −t
e se t > 0
f (t) =
0 caso contrário.
Admita que o custo de fabricaçào do mecanismo seja 2 u.m. e o preço de venda seja
de 5 u.m.. O fabricante garante total devolução se T ≤ 0, 9. Qual o lucro esperado
por item?
solução. Observe que T ∼ Exponencial(1) e que o lucro por item, denotado
por L, é definido por 
−2 se T ≤ 0, 9
L=
3 caso contrário.
Como P (T ≤ 0, 9) = 1 − e−0,9 , segue que o lucro esperado por item é dada por
E(L) = −2P (T ≤ 0, 9) + 3P (T > 0, 9) = 5e−0,9 − 2 ≈ 0,0328 u.m..
 I LISTA DE EXERCÍCIOS RESOLVIDOS 11

Exercı́cio 28. Seja X ∼ N (µ, σ 2 ). Calcule:

(1) P (X ≤ µ + 2σ);
(2) P (|X − µ| ≤ σ);
(3) O número a tal que P (µ − aσ ≤ X ≤ µ + aσ) = 0, 95;
(4) O número b tal que P (X > µ + bσ) = 0, 05;
solução. Basta lembrar que
X −µ
Z= ∼ N (0, 1)
σ
se X ∼ N (µ, σ 2 ). Assim, temos que:
• P (X ≤ µ + 2σ) = P (Z ≤ 2) = 0, 5 + P (0 < Z ≤ 2) = 0, 97725 pois
P (0 < Z ≤ 2) = 0, 47725.
• P (|X − µ| ≤ σ) = P (−1 ≤ Z ≤ 1) = 2P (0 < Z ≤ 1) = 0, 68268 pois
P (0 < Z ≤ 1) = 0, 34134.
• a = 1, 96 pois a é tal que P (0 < Z ≤ a) = (0, 95/2) = 0, 475.
• b = 1, 64 pois b é tal que P (0 < Z ≤ b) = 0, 45.

Referências
[1] W. Bussab & P. Morettin. Estatı́stica Básica, 5a. edição. Ed Saraiva, São Paulo (2002).

Departamento de Estatı́stica, CCE - UFES.

E-mail address: maurocmc@cce.ufes.br