2 3

; ; 11

Lista M2 Estatistica

1) a) 1/4 b) "/5 6) 0, 6 D) 0 ,5 + 0, 4 -
0, 1 =
,8
0 E) 0
,
6

2) P(A) : 0,5 P(B) = 0 , 33 P(AUB) = 0 , 75

- =
P(ASB) = P(A4) = 0,5 . P(BIAG

b : P(AO n BO) =

3)

37

0, 7 A
+ x)4z)Seeene ,

0
, 3 B ~N (1000 , 2002

c"2x-x
2
2
4-2
A
C 2x - : .
:
2-0 =
20 =
1 .. G =

O O Z

9 qnorm (0 ,
8) =

-1000 0 , 6416 : x-1000 =

168 . 32 = x = .
11668 2
p
-
-

20 %
80 %

b) 221,5) (16)
4 .( 25] 1
(6-225)
4(5
75) 1 85 9375
= =
3
- .

= -
: .
.
= 0,

2 2 2 2
1, 5

12
-(2) 0 , 9375 0625 0,7 04975
4-2
:

...
1 0 0
.
-
: 2 - : ,
,
:

5)
-1000 1-pnorm (2
=
0 , 0062 01 0
0016 0 , 00186
: 5
=
2, 0, 0408
.
... , ,
= =

0
, 04375 + 0 , 00186 0 , 04561

4 , 38 %
SIM P(B(X) 1500) = P(B)nP( Sod

70%%
P(X > 1500)
*
P(X) 1500) 96 62 %
- ,

NAP
SIM 6, 2%
P(X > /500

B30
%
NO
93 , 8 %
4) , 34
0 = mat 0 2 . 0 , 45 : 0 , 09 : 9% 5) 0 , 554 : T = 0, H =
C
,

mat
↳
0 24 :
, , 3
0 .
0 , 55 = 0 , 165 =
16 , 5 % 10 54 ,
=
B
01 4 4 A =

= 0 , 22
0
, 45 Mat = 4C 16 , 5 % + 9 % = 25 5 %
,

P(HImal) e P(4P Mat) , 45°

0 : T = 0 ,
1540 : C

L &

P(unmall e P(Honmat) 0
,6 H0 = A 0 ,
2540 : B

P(mat) Plmatl = 0 , 27

, 165
0
=
0, 64 , 09
0 =
0 , 36 P(HCIA) >
-
P(HCA) = , 45
0 .
0.6
=
0 , 27

, 253
0 0 , 255 P(A) , 49
0 0 , 49

↳
, 55
0

8
6) 7) -
,
0
0
, 25 = Pote ,5
0 = H

I 0
, 5 H 0
al P(v) P(UnS) P(VnSY)
,4
: =
+

0175P HC
P(PIM)
=

= P(PM) 0
, 09375
0 , 375
0 .
6 =
P(S) , 72 +
0 (1 -
P(s)] .
0
,
35
=
>
-

P(M) 0
, 25
0 , 25 .
0 , 75 : 0 , 1875 :
0 ,
3 :
0 , 09375
~ , 72
0 0 ,
6 = P(5)0 ,
72 + 0 , 35 -
0 , 35P/s)
S
0. 6 =
0 ,
37P(S) + 0, 35
vo 0 , 28

V
0135 0
, 25 = 0 , 37P(s)
sa

8) FC 9) 0 P(S)
25
0, 6 F H OH A
6
:
= 0 , =
0
65
-
=
.

d ↓
0, 1 F = A 0,3 FO = A

A +D 0 , 415 b) P(SIV) -
=

, 6
0
.
0 1 + 0,4 .
0 ,3 = 0 , 18 = 18 % de-04 >
-
,

(A) 0 , 585 de -0H 0 , 675

P(U)
P) F =
0
, 06 0 , 33
:
33 % B+ C =
>
-
& .
0 ,72
=

P(FRA)
0 ,
18
, 65 0 , 25 + 0 ,
0 . 45 0 25
,
.
: 0, 275
016 60 81 ,

P(A)
0 , 275 : 0 , 5854 0 35 . 0 , 25 :
0 0875
, ,

x = 0 , 47

10) P(N/6) P(NG) 0 , 941 P(BIA) P(B1A)

00875
0 , 059 0 . 53
y
= >
- =
1653
: =
= 0,

P(A)
P(NY60) = 0 , 038 >
- P(GING : P(GNNY
>
-
0 , 808
:
0 , 994 =
99 ,
4%

P(NC) , 813
0
P (G ) =
0 , 144

P(G) = 0 ,
859 * Para achar 10, 839) /0 941) , + (0, 141) (0 038) ,
=

and a

G O o espaco amostral 0, 813 = 81 3 % ,

NC , 85 q
0 0
, 059
0 813
, cenario POSITIVO
G de ; somamos
Ga N

N
038 Na
P(NP16) e P(N'/G °) sim , house um resultado mais
G ,
0
0
EC -

1876
.

mecisod
141 0 P(NO)
0
,

,
9
 11) 0 ,
2 = A/B -
304D/E : C

0
, 28 :
D/E >
- 0. 49 DIE :
C

0
, 52 :
0 >
- 0 , 5190 :
C

oso : 30 , 498 =
C

, 52
0 .
0
,
49 .
0, 319

P(CNG) 51 , 9 % do total que come carne e

petence a C

32 % pessoas classe (

P(6(80) =
51 ,
9%

Pancannel =
0 , 52 .
0 ,
49 :
0 , 2548

& S1 %: no disa de comer carne

MAS ainda tem o "sim" e

"talrez"

12) (0 ,
3 .

1 + 0 13 2 + 0 , H . .
3) .

0,6 = (2 1),
.
0, 6 = 1 , 26 tempo medio
1, 94

(0 ,
5 .
1 + 0, 3 .
2 + 0 , 2 3)
. .
0 , 4 = (1 , 7) .
0 ,4 = 0 ,
68

Variancia =
(1-1 ,
94)2 .
(013) .

(0 6) ,
= (1-1 94)" (0 ,
,
18)
(2-1 94) 2. (0 3) (0 6)
, .
.
,
:
(2-1 , 94)2 .
(0 18) ,

(3-1 94) ,
?
(0 4) /0 , 6),
:
(3-1 94)2 ,
.
(0 , 24)
(1 -
1, 94)2 (0 5) (0 4)
.

. , ( - 0, 94) (0, 18) = 0 ,

159

(2 -
1
,
94)2 .
(0 , 3)(0 , 4) + (0 06)2 (0 18)
, , : 0, 000648

(3 -
1, 94)2 .

(0 2) (0 , 4) , (1 , 06)2(0 , 24) =
0 , 269

1-0, 94) (0 , 2) = 0, 176 0 , 429

10 , 06)2 (0 12) ,
= 0 , 000432

(1 06) (0 , ,
08) =
0 , 0898

, 27
0 = 0 ,7

13) media :
25 - Recibe $2 p/ nagem 14) E(x) = 150

nonincia :
64 >
- 22 .
(64) = 256 V(x) =
36
G ↓
Var(C x) c V(e) E(C x) E(2x)
logo
=
> . =
,
. =

V(c x)
.
=
4) .
36) =
144
15)E(x) = 80 16) E(x) =
22

V(k) =
100 V(x) =
16

V(x) =
(1/2) ? 16

17) E(x) =
150 V(c) =
0 , 25 .
16

V(x) =
36 V(x) =
4

E(C .
x + d) =
G .

E(x) + d

. 150 + 10
2

310

18) 1 -

[020 ,
9 (0 ,
4)" . 10 , 6)" + 210 ,
10
(014)". 10 , 6)0]
1 -

[ 20 (0 , 4) 9. (0 6)" ,
+ 1(0 , 4) " . (0 6)
, %
1 - [0 ,
0016 + 0, 000405]
sucesso (mobali the
no de
[0 0017]
In-p) ! Probabil)
1 -

=
0 , 9983

= 99 , 83 %

b) 10 .
0, 4 = n .

p = 4

6) dp(x) =
val(x) = T
240 = 15 , 49 19) (8) (40) =
0 .
506

van :
-
n p(n p) -

(30) 0 ,
989

v = 1000 .
(0,4) (1 - 0, 4) (i)(48) ,
=
0 ,
183

V =
1000 .
(0 , 4) (0 , 6) (3)
V = 1000 .
0, 24

V =
240

20) P(A) = P(A1S) + Pland) = 0 1 + (0,3 . 0, 2) = 0 17 + 0 , 06 =

0 ,76

5 51
a) P(A) 6) chance dele was 1 : 0, 24

s
35 (0 , 2)
P(Y (2) ; logo . (10 , 2( )
...
+
Cn0 ( ,
...
) +
210 0) ,
..
S 10 .
9
-
4/5(0 8) ,
Y
DO 10 , 76)" . (0 , 24)2 = 45 . (0 ,76)% . 10 , 24)2

//
8' 2 !
11) (0 , 0576)
30 . (0 ,
45 .

b) P(AC) , 285
0

=zologa
10 , 24) " (0, 085) 10 , 24)
-
= 10 .
= 0 2
,

0, 664 + 0
,
285 + 0 ,2
=
0 . 04
= 0 , 5558
 2) 40 :

espaco
amostral : 0 , 129

1 13

440 59 38 37 36 658008(0 08)5 10 92) 0 , 1965 0 1165/06

H
= :

240, 5
. .
.

,
.

:
.
, ,
=

, O B1 * [C40 ,
0 (0 08) %,
(0 , 92) "0]

22) (3)(i) 0.
18) (4) 375 : (i) (%) 0 000206

01
=
0 .
,
- =

(2) (2) b) (a) 6

- 0 2

)
,

P(I) :
(D11) + /c °1
°
0 , 25
20 8
23) 05)
,

, P(I) : (0
, 25 . 0 , 2) + (0 , 75 . 0,

0
, 75 F
> 0 , 05
P(1) :
, 05 + 0
0 , 0375
2"Ic 3
0 , 95
P(1) =
0 ,
0873

8 , 75 %

C120 4)
.
(0 ,
0875) "10 , 9125)"
,

↓ -

[0(20 4) 10 , 0875)"(0 , 9125)"+ 0 / 20

,
3)(0 0875)3(0
, , 9125)
1
+ C , 20 2)
,
(0 , 0875)" (0 9123)' + O20 ,
,
n (0 , 0875) "Co , 9125)"
,

!
3
18 17 4845 ! 19 183 1140 (0 ,0875)
%
(0 9125)20]
·
15 19 17 :
20 20 19 20 20
(20
.

+
. .
-
,
. . . .
=
=
= 0
I ,

16 : 4 !
- 24 1 17 ! 3 !

029
C20
, :
0 , 066
;
(2 , 3
= 0 , 161
; (20 , 2 : 0 , 28
; (20 , 1 = 0 ,
;
(200 :
20 !: 0 .
19 =
190 20 !: 20 20 ! = 1

18 ! 2 ! R 19 ! 1 ! 20 :
0 !

n -
[0 ,
066 + 0 ,
164 + 0
, 28 + 0, 3 + 0 , 16]
- 1 -
[0 , 9739]
0 , 0260
=

(Refager 6) P(Y = 3) + P(y 4) :

P(Y =
3) + P(y 4) =
0 , 161 + 0 , 066 0 . 227 0 89
= =
=
= ,

P(Y) 3) - 1 -
P(Y23) 1 -
(0 , 161 + 0 ,3 + 0 ,
28) 0 . 25

D) (18) (32) =
G 18
,
10
-

Gaz.no =
0 , 09

(so) C So , 20
 m Massa
- .

2
24) P(x x) zu
-

= =
e

!
c - no evento em 1

total
lojas =
260

media = 1 3 .
p/ dia
e
-
1,
351 332 ,
g
1 , 33

1 . 33
A

2 ! A
I
01 797

-)(
- 1 33 & a
a
.

a -
1 .
3
A

P(y 0) 15 + P(Y 1) 9 + P(y 2) .

9 E numero alto, amostra
logo
= . = =
um
.

,
a
,

, 27)
(0 .
15 + 0
, 35 .
9 + 0 .
22(9) Inspecionada nao
faria diference ,
mas

4 05 + Massario 30.
3 15 + 04
pl seria
=
+
. . 2 .
is 20
, que .

=
9 24.

25) 27) 2 6 por hoRa EDS

1
=

30
zu =
3 hora util
O
por
3 , 33
e
- 2
. e
-

. 3, 33 0 036 P(y n) + P( 3) =
0, 2944 0 2944
34 , 7%
=

= ,
,
>
- = - =

P(Y( 4)
zu ! 0 , 848
O' n =
P(Y > 4)
3 , 33
a
&
33 149
1- (3 2 ,
1
, 0) = 1 -

10 151) = 0 , 848
I

3 , 33 =
0
,
038 .
3 ,
= 0 .
, ,

1
e-2 jus .

=
e? 6 =
0 , 1338 .: 6 :
0, 089

-
, 33
3
3, 33 036 33
su ! 24 G
e ·
I 0 .
.

3 , 33 . 3 .
0 , 198
=

2 2
-e
?
6 _
0 , 1606 :. e. 62 : 0, 446
6
a 353 120
=
0 ,

e-36"
P(V 3) 1
360 04
:
:
1 -
=
>
- -
0 , 353 :
0 641 0 , 0148 : 0
, - ,

647
e-2 .
pl 0 , 647
>
-
e-0
,

-
0, 647 Y7, 3 A

zu !
q P(V 0) A Y23 =
0 762 = 0 2944
,
0 , 69
-
-
=
,
=

0 4262
,

26) 0
, 19 .
2 0
, 39 0 , 5118
4
zu
=
por hoo =
-

572
0 572
, 0 ,
Zut : 5
pos
horo

D
2 n = 1/2 pr hopo

-
e
4
.
4 0 ,
073 e-4 42 .
0 , 147
e
-
4
. 44 =
0 ,
195
= =

A
2 24
" 3
.
" °
4 4
-

e .
=
0 018 e .
0 19
. = .

O E
28) x :
$ do produto

f(x)
(kx3x1
= = x = 3

a) x3 kx4 81k k
k 8
1
1
:.
-
-
= =
-> =
.. see

1 4 4

3 , 01
0
3

L
E(x) f(x) kx4 3
243
L 2 , 43-0 , 01 2 , 42
x >
-
05
= -
- 0 . x 0 , 05 .
0 , 05 . 1 =
:
,
>
- _

d
I 1
E
d E
E

E
Var (x) :

" 0.05 .
x
E
>
-
1
0 ,0S · x
>
-
, 05
0 . 729
_ 0,05 .
1 =
6 , 075-0 , 0083 =
6 , 07

G G G

Va (x) :
6 , 07-5 , 86 =
0 , 21

b) P(x21 3) ,
:
"0 , 5 .
(x3) >
- 0 , 03 . x4 0 , 05 .
5 , 0625
:
0
,
063-0 , 0125 = 0 , 0506
>
-
&
4 4

P(x < 1 , 2) : "0 ,

5(x3) - 0 , 05 at
, 05
0 . 2 .
0736 =
0 , 2592 -
0 ,
0125 : 0 , 01342
>
-
1 H I

c) P(x > 1 , 2/2 + 1 , 3) = P(1 ,

2 x 1 , 5) 0 , 0506 -
0 ,
0134
= 0 , 736
>
-

P(x + 1, 5) 0 , 0506

al

29) x : % de chumbo na
liga

(3
105x(200 x)
f(u) s 0 < <100
-
= -
x
,

O
Lo
100

3.s 103se 10'x3 2" x3 3

-3
E(x) 103
*
·

3
=3 x2 10 45 10
35
10 60
10
=
x -
10 x =
3 .
3 . .

.
· , . - . -
· .

= - =

3
15 300

O O

= 60 - 163 108 -45 10 108

. .
-
60 . 102 -
45 . 10
=
6000 -
450
,
100
300 300 300
-
10 100s su
3/3 ·
10 100x -x - .
-

2 2
O
5554
=

=
555
:
18 , 5
90000
105 (100) -(100) 105 (500000
- S 30 30
3/ So
50000)
3
-
.
.
: . .
-
: . 1: 4
- 50 000
10 3

↓
S
3
lox-x 100x3 99x 33x3 / Es
33000000
x3 /
Lago
.
↳ - - 33 .
7 000000
,
:
· 10 i
:
.
.

- =

3 3 3
O
 30) x +

1 ,
024

f(x) =

x
1
2
-

+
,

2 2

-f
16
31 at A
+ 12
=
28 A
( Ret
x
(x 1
1 + + =
=
.

G
10 &
O

3n-55
6 6
3
3 x 54 18 2 7 - 0 ,7 2

-
36 :
-
e 3 + = , :
se
-
-

+ >
- + >
-
2
G
202 -
113 + 6 : Hit .: 0, f

E(z) + E(x2) : 0 , 47 + 2 :
2 , 47

&
- x
3x45(9
75) (2 , 25)
6175
0 , 3375 335
:
6
:
3 =

+
,
-
-
=
-

+ - +
2 4
3

31)P(x < 200) 2/3 E(H)

E -
= =
:
+

P(x > 200) =

1/3

32) se :
tempo que leva pl atender o
pedido de seus clienter

420
- 2

f(x) =
;
xxx, 0

0 se seco
;
do CA

·
Zazz >
- a
2e
/
t
/ d---e . de - -* -
=
28
- 0 >
- 0 -
1
e2
& -
2 .
1
-
2x : t dt = - 2 >
- dt : -
2dx .: dx = dt
-

e - * 0 , 135

dx
-
2 e2

:
(10 4 ,
>
-
210 , 4(0 , 133)"(0 865) ,

210 . 10 , . (0 00014)
0003) ,

E 1 02921
0

33)x-exp(30) Refazer esse varias seges

E(x) = 30

20 % =
Chuva :
~exp /30)

Fuelas -exp (15)

:: x

P(x) 25) ,

F(x) :
1-e-A . - 0565
-
-etoe a 41-0 , 565
: 0 ks
 P(F) 25(c) x P(c) ,
0 435 .
0,2 0 087 364 P de ter lucrado 25 dado chosen
,
= I
,
:
0, * .

que
239 0 , 239
P(F), 25) 0 ,
P de ter lucrado 25 no total
O
.

↓ 1 e 0 , 8111 ↳
>
- nesse caso ; fazer a conta com
-

0 , 435 0 , 2 + 0 , 19 . 0 ,8
25
.

1-0 , 811 0 , 19
probabilidades de te chovido
=

0 , 087 + 0 ,
152 co as

1 -
e s
0 , 239 1 nao !
=
>
-
ou
28

E(x) - B .: 15 on 30

. 0 , 8 + 30
15 .
0, 2

=
12 + 6 = 18

34) se ~
tempo de minutos Bin/12 ; 497)
espera em ~ 0

-
,

al F(x) To :
(0 , 503)" 497)' (0 303)
"
: 1 e
b) C12 , 2 497) C12 (0
-

.:
12 , 0
0 ,
+
, 1 , ,

P((S1) : &-e =1-0 ,

503 =
0, 496 + 012 , 2 (0 , 497)"(0 , 503)10

497)'10 503)"
"
F
10 , 503)
"
+ 12 (0 , , + 66 (0 , 497) (0 503) ,

6) exp(B) 0
, 00026 + 0 , 00311 + 0 , 017

Co

1- 1-9
~

1-5 - 0,1 - = 0, 1 .. BE 3 04 ,
= 0
, 022

35)
exp(32) :
3
=
tempo mido de
espera em minutos

P(x > 60)

a) F(x) i 1- (1-5) 0 , 15 nao 100 clientes 15 mais

ja cada
- = 2 a
esperam
:
que
-

,
,

60

de uma hokar

b) f (t) = . 100
8 -
E : te 0 ,
90

486 000 .

90 4050

+"- 4050190)2
3 90 4
E(t) =

fl6) + >
- 8100t -
t 1 ot- t 1 4030t2 -

T
>
- >
- >

O 486
, 000 486 000 o
= 4 486000 -33 , 75
486 000
486 000
No , jois 33 , 75/32

36) exp (7 4) ,
/3 :
tempo medio em semanas
p/recuperacao
F(x) = 1 - 24 =0 ,
33 N Bin (10 ; 0 , 33)
33)" (0 67)"
:

(0 33)" (0 67) 33)

:
Cho , 2 - 1 -
20 ,
0
(0 , , + (no 1 , , + Cna 2 (0 , (0 67)
,
, ,

1 -
0. 67 + 10(0 , 33)" (0 , 67)

E0 , 89

-
2 (2000) (1 8) ,
+ 5000 (1 4) , = 3600 + 37000 : 40600 .:
ap : Nan2 V2 ? (1 84 : ,
+ 5 (1 , 44) = 37 , 17
 2002
ze
37 X - N(1000
;

80 % 20 %
maior dos 80 % m e n o re s

P(X = x) =
80 %
z
2

F (2) :
20-c >
- 0 2X- 22 = 1 P(z = 3) : 80 %

O O 2

(0 , 8) x-M x-1000 0 ,8416 x-1000

3 Gnom
=
=
-
.
200 =
=

op 200 -
1168 32 .

↳ ex -

- -
2(115) -

13) = 3 -
2 , 25

L
= 3 - 1 , 123 = 1 , 85

1
2 1 875 = 0 , 125 0, 7
>
-
,
- .

1500-1000 2,5
2(2) -

= = 4 -
2 = 2

0 00438
>
-
: :
,

200
1 -

pram/z(
P(x > 1500/B) .

P(B)
P(x) 1500)

=
0 ,
3 .
0 , 0062 0 ,
00186 0 0408
= ,
-

, 0438 +
0
10 , 3 . 0, 0062) 0, 0456

38) N- (0 08 1, 52 3 , 08-0 .08 b) 1-pbinom (5 100 0 0455 Lower Lail FALSE)

=
:
, ,
31 = , , .

1 ,5
1 -

Pnorm(2) =
0, 0227 = 0
,
3038

prorm(-2) = 0
, 0227
83
=
-
2, 92-0 , 08
--
-
3
: -Z

1 ,3
6)
1 5
6)
,

0 022 f * 2 0, 045 P(xc -

2, 92ax3 0814>0 ,
, =
,

P(x > 0
,
6)

39) Nu (0 , 78 ; 0, 034 ↑
x

p p
-
P(x > 3
, 08) =
1 -

PRORM(2)
P(x > 0 6) 1 pnorm (0 , 35)
gorm (0 4)
-

x-0 , 78 10 % 90 % ,

z
:
z : : ,

0
, 03
P(X(x) : 10 %
=
, 0227
0
= 0 , 0628

0 3617
1, 28 x - 0 , 78 P(z g)
,
-
= = :
10 %

, 03
0

-
0 ,
0384 = x - 0 , 78
d
x = 0 , 78-0 , 0384 - z
0175-M 2 6 44
0 , 75 - M
0 , 0493 = 0 , 75-M
z
= : = =
-

st
-

>
-
↑
, 03
0

-
, 03
0 0 , 75 + 0 , 049
0 , 78 M =

a) x =
0 ,
7416
799
u =
0,
(0 , 05)
3
:
gnorm

P(x 0 , 781x > 9 , 7416)

-

P(x)0 , 7416) imm

M
-
I
I

P(0 , 7416 x 20 , 78) , 5- O , 1

0 =
0,8
~
10 %
0 ,74
0 ,78

-
-
>
-

b)
30 %
P(x)0 , 78) 0
,5

· No de calcular
esquecer

3 para fazer
·
prorm ou
gorm
40) X : lucro
, em mil rais

~ Normal

E(x) :
M ?
DP(x) =
100

-M
n z = 1000

100
-

E(x) - 8 =
qnorm(1-0 67)
z =
-
0 , 44
,

1000 M
↑ D
-
0
, 44 = 1000 -
M
67 %
100
L =
R-C ... 1044 =
R-300

A
-
44 = 1000 -
M 1344 = R

n =
1044

↳ Mucro , recita sera M + 300

;
ou
seja a

b)

- quam (0 ,
65) =
z =
x-1044

100
=
0 , 385 =
38 , 5

x =
=
x-1044

1082 , 5

65 % 33 %

42) Nu (15 ,
32)
X-15
(0 61) =
0 279 : 0 . 279 >
- 0 837 = x - 15
3
=

qnorm
: .
, ,

-
x = 15 ,
837

a)
61 % 39 %
b) - CT = 30 + 3M1 Of = 30 E(R) =
3 .
(15) +
30 69 , 23 + 46 , 15 = 115 38
,

-
-

0
, 65 0 , 65
L =
R-C

, 35R
0 =
R-(30 + 3 M1) E(R) = 115 , 38

30 + 3 M1 = 0
, 65R
"

R = 50 + 3 M1 V(R) = 32 = 191 .
.

0 , 65

43) midia = 85

-Propde dar
e
:
mediana

-
Xu Exp(85) b) 1 -
= d
1 -
a
prop
de
-
/ -e dancuto
1
/
s

f(x) = -
e >
- 1 = 05 In 0 , 5
=
x = 0
, 58 ;

Pois quermos
es = 0 /5 1 -
0 , 58 : 0, 4138 a
prob .

de dar errado
-
0 69
,
= -
x 58 , 91 ->
85758 91 ,

55
al
HH) N2(70 82) ,

i mus

P(65 exetd)
65
= 0 , 32
- >
-
, 5 - 0,
0 2659
=
0, 3189
By
70
65) 0, 734
P(X >
Ad
6570

prorm(70) -

porm(65)
Phorm(70)

65-70 0, 425 - 70
70
z
=

z1
= =
-

S S

45) N -
(35 , 42)
32 , 5 35 0, 625 0 269

e
=

y
-

8
-
= =
= ,

32 , 5 y
p(x) 32 , 51x235) 0, 5 - 0 , 269 0 231 0, 462 = 0
35 = = , =

,
0 ,5 , 5
0 0 5
,

* -

35
Muse I

32 , 6

32 ,5 <35

46)P(X = x ; y =
y) ; Y)
Cor(x =
E(XX) -

E(X)E(X) b) E(ax by) + : 500x +

100y
: aE(x) + bE(y)

P(X =
-
1) =
OM 500 . 0 , 002 + 1000 .
0 = 1

P(X = 1) = 0, 6 van (ax+ by) =

a <Van(x) + b Van(y) + 2ab(ov(X y) ,

2(500) (1 000) CoV(X Y)

P(y 3) = = 0,5
van (ax +
by) =
5002 Vanlu) + 1000 Van (y) + , ,

P(y = -
3) =
,5
0 Van(x) =
E(x) -

[E(z)] - 1 .
0 ,4 + 1 0, 6
.
= 1 -

[E(ul]E 1- 0 ,
22
-

Van (1) = E(y4) -

[E(y)]2-25 . 0, 5 + 25 . 0,5 =
25 =
Vanly) 1-0 , 04

xP(x =
x) y P(y =
y) Van (ax + by) = 500 (0 , 96) + 1000 (25) + 1000000 .

3
=
0 , 96

1 014
-

S 0 ,
3
van (ax + by) = 250000 (0 , 96) + 1000 (25) + 3000000

I 0 ,
6 E ,5
0
240000 + 25000000 + 3000000

E(X) = -
1 0 , 4 + 1 0, 6
. .
= 0 ,2 -240 000 + 28000000

E(X) = -

5 .
0 ,5 + 5 0 ,5 .
= 0 Van (x, 1) =
28240000

E(XY) = ( 1)( 3)(0 , 35)

-
-
+ (- 1)(5)(0 ,
05) + (1)( 5)(0 15)
-

, + 5(1)(0 , 45)

1 , 75 -

, 25
0 -
0 . 73 + 2 .
25

=
4 -
1 = 3

E(xy) = 3 -
E(x)E(Y) = O

=
3 (POR SeR COV ; a unidade de medida dese Ser "2)
a) :
3 % =
0 , 0003
47) E(Y) : 0 , 05 .
0 + 0 , 12 . 6 + 0, 35 . 9 =
0 + 972 + 3 15
,
= 3 ,
87 (PQN0 ! ) : PR CONDICIONAL

E(Y/X) =
3 87 ,
=
7 , 445

, 52
0

Corr =
COV(x ; ) E(xy) -
E(x) E(y) ·

,7
0 (0 , 03) 0 .
+ 0, 7/0 12) (6)
, + 0,7 .
(0 , 35)
. 9 = 0 + 0 504 +
.

>
- >
-

dp(x) dp(y) .
van() ·

Vanly) O + 0
,
504 + 2
,
205

=
2 1 709
.

E(x) =
,7
0 .
0 , 52 + 0
, 9 .
0 , 48 =
0 , 796
t

E(Y) =
0 .
(0 25) , + 6 /0 , 25) + 9 (0 5) ,
=
1 .
5 + 4,5 : 6 0. 9(0 , 2)(0) +
0, 9(0 , 13)(6) + 0 , 9)0 , 15)(9)

O + 0 , 702 + 1 . 215

con : 4 626
,
-
10 , 796 . 6) =
- 0 .
15 - 0 , 15 - 0 , 408 1 , 917
= =

67 0 , 367
,5
13 3 .

0 1 2 709 1 917 4626

, 0 1.
0 + =
, . .
,

V(x) :
0, 49 .
0 , 52 + 0 , 81 .
0 , 48 = 0 ,
2548 + 0, 3888 :
0, 6436 -
0 ,
6336 : 0 , 01

v(y) 36(0 , 28) 81(0 , 3) 9 + 40 , 5 49 5 (6) : 49 5 36 13 , 5

-
= =
=
+ =
,
-
,

visto has
~ Nao faz sentido , que a
fug de aulas deseria ausuliar nas no

48) .
F
E = P(F)
6 G 667
=

+ = 0,

1/3 f fa 5%

1/2 "2
Ey + 5 t
7(5)
Fo

s067(2d
=
<

2/ f fa
F ·. 3 :

-1
20314
% 4 20 % 1, 2 +
14 93 .
= 16 .
11

FC
t E .
=
E:

49) COV(x, y) =
E(xy) -
E(x)E(y)

· [0 .
0 + 1 .
1/3] = 13

[0 1/3 1
0]
I y so independents
E
>
-
2 . + .
= 0 -2 .
= 0 : Xe

3 [0 .
0 + 1 .

1/3] = 1

E(x) 13 13
1 E
3
1/3
3
= 1 . + 2 . + . =
= 2
+ +

E(y) 1/3 2/3

23
= 0 .
+ 1 . =

E(P(M1/M2 :
7) =
E(P(M1nM2 :
7)
P(M2 f) =
50) P(Mz =
7) =
7 .
(0 + 0 ,2+
0 ,
2) =
1(0 , 4) = 2, 8

P(M1/M2 7) : = P(MMMM2 = ) E(M1M21) 5 0 + 10

. .
0 ,2 + 15 . 0 ,2
:
2 + 3 1 ,
25 .
(100) = 125
= :
=

014 0 ,4
P(M2 1) =

P(M2 7) =

1) (e(m))
DD (Mn(M2 Van(MIM2-1) E(x2) 102
(2) 152102)
: =
::
-
>
- + = 100 0 , 3 +
.
225s

5000 + 11 250

50 + (3M1 + 2Mz) = C =
16250

L = R-C 16250 - 15625 :

625

, 25R
0 : B- (50 + (3M1 + 2M2f) Else) :
3 . 0.2 + 10 .
0 , 4 + 15 0, 4 . : 625 : 25

30 + 3 M1 + 2M2 =
0 ,75R 1 + 4 + 6 = 11 - 80 .
0 , 2 + 100 0 , 4 . + 150 . 0, 4 =
110

R = 50 + 3M1 + 2M2 R = P O .

, 75
0
E(ax + by) =
a .
E(x) + b -

E(y)
0 25 R =
R -
93 3 . 110 + 2 .
50 :
330 + 100 = 430 + 50 =
480

480
= 0, 7SR

& = 640

51)P(Y(31X > 30 % ) 17

02
= 004 + 0, =
0 , 775
=

P(( 30 )
%

32)85 = c

D = Nu (550 ;
204 CoV(X ; Y) =
1120

E :
Nu (2500 ; 1004

El 85 .
350 -1 .
2500) =
E(44250) >
- 44250 -

10000 :
34250

89 %(204 + 12(102) -

2(85)(1120)
2890
- 000 + 10000 -
190 400

~
2 709600

2709600 = 1646 ,
08

53) CM =
$45 ; 32 E(xy) = 1 45
. + 1 .
60 = 105

C4 =
$60 ; 32

CORR : 0 ,
25 =
COV(2 ; 1) 0 ,25 [3 5] .
= CoV(x ; y) = 15 0 , 25
. =
3 75
,
>
-

DD(X) DD(Y) ·

Van(ax +
by) =
12 . (9) + 12(25) + 2(1)(3 75) ,
>
-
9 + 25 + 7 5 .
=
41 5 .
: van (ax + by
41
, S = DD(ax + by)

= 6 , 44
34) 100 10

140 25 Elax-by) =
140-100 = 40
, 000

Corr =
0 , 8

0. 8 =
Cov 200
>
-

- 10
25

. E(X)
4 = 4 ·
, 000
140 :

van (ax-by) :
1 .
(100) + 1 .
(625) -

2(1)(200) : =25-400 = 325 :: 18 , 03

140 .
000 x 4 =
560 000

van (2) =
252 .
4 =
, 000
625 0000 = 25000

55)cw(5 22) El c
y)
=
5 5(y)

(
, .
.

Pv(X , 32)
5y
5 .

Of ~0 , 5 E(ax -

by) = aE(x) -

bE(y)

Y= quantidade yE(x) y(5 5) ,

12y
-
=

L 5
124
R C
yx 5y
= - -
=
.

12 =
P -
(5 ,
5y) yx
: 17 ,
5y
12y =

xy 5
54 x : 17 , 5
-

12 = x
-
5 ,5

x =
17 , 5

5)
6 C : $8 ,
52
CT = 8 + 2, 5 = 10 , 5

V : $X , 32 42-10 , 5 : L

Cf : $2 , 5 van(ax-by) = 25 + 9 -
2 .
0 = 34 x 4 =
136 = 136 =
11 66
.

CoV : O = Corr

57) X =
35 %.: 0 .
0199
,
0 ,
07522 corr (yg)
: 0 . 75 =
Covlyz) - 0, 000217

Y =
35 %:. 0 , 0072 0 ,
01592 (0 , 0159) (0 , 0182)
,

2 =
30 %... 0, 0081 ,
0, 01822

Var(ax + cz) 352 (0 0752) 0 , 352(0 0159) 32(0 0182) 2(0 3) (a , 35)(0, 0002)
by + 0 0
=
.
,
+ , +
.
,
+ ,

, 1225
0 (0 0056) ,
+ 0, 1225(0 00025) , + 0 , 09 (0 , 00033) +

= 0 , 00079 :: 0, 00079 >

- 0 028
,
58)5 =
58 ,
12:

9 = 135

E(L) 7830 19440 = 139 43

144
=
·
135 =
19440 .: .

·
59) Refazer , 217
0 , 05
0

, 23
0
O 0, 18
O
P(TV = 110 :
2) = 0
, 07
324
TV
1
0 , 37 0 ,
0 , 12
0. 37 -

2
2
d
P(C 0) = = 0 , 366 .

P(c 0) :
+ 0 ,
18 + 0 , 08
CARRO

014 0 ,2 O
, 08
0
0 , 3662 + 0 , 26 : x

1 O 2 , 26
0
= 0 634 2
2 I ,

&
0 ,
23 0 , H1
O
=
ze =

0 , 05 0
, 03
0
,
15
0 , 366

, 18
10 TV I 0
, 18 0 ,
12 0
, 07 = 0 , 37
O

I 2 = 0 of 2 , 08
0 0 , 11
, 21
0
&

C Os
, =
0, 4
2 O ,

I
" I

2
0, 12 0 41
, , 28
0 0
, 31
O

0 , 31
, 07
I
0
E(T(( > 0) =
(0 , 12 +0 , 07) .
1 + (0 , 32) .
2
=
1 .
4

2
0
, 59

60) CWN(100 10) 90)

Pureoixi
P(P > : 0 , 95
;

90-140 =
quor m (0 05) ,
: - 1 , 644

corr(c ,
P) =
,8
0

L N(40 ; y2) -

SO = -
1, 6442

a) x =
30 4 .

, 8
0 = COV ->
200

PL > 50) . 10
25

3
= 50 - 40 PP(L) =
Van(ax-by) >
- 1 .
(625) + 1(100) -

2 (Cov(ey)
18
, 02 625 + 100 -
2/200) :
725-400 : 325 .:
325E18 , 02

(0 , 55)

,2.
10 , 555
0 =
3 0
1-pnorm
=

8
: =

18 , 02

P(P > 150nP <180) =

, 34 - 0 , 054
0 I
0 , 302

P(P < 180) , 9452

0 of

-
150 180
d) x1 + xz + xz + kn > 550

.
1 140 + 1 140
.
+ 1 .
140 + 1 . 140 =
560

Van Kentez + 3 + n) = 1 -
25 + 1 . 25 + 1 .
252 + 1 . 25 =
2500 .: 2500 :
50

550 560 2 1 Pnorm ( 0 2) 0, 57

-
=
0,
- -

- -
,
=

30

refazer !

61) G ~ N(12 , 12)

49 =GCSO

10002 4 :
4000000 :. T =
2000
--
DP = 2000
na'so
49
- 000 48
, 000
pnorm(0 5)
n
06
1
-

=
· = =
,

2000

P(G > H9NGSSO) :

0
,
84-0 , 69 :
0, 48

0 , 312 al
P(6 > 49)

50000-48000 = =
1
pnorm (1)
:
a
0

2000

e) P(G212500)
12500-12000 69
1
:
= 0, 5 :. 0,
:

1000

CH ,
3 10 ,
69) (0 . 31)' + C4 , 4 (0 69) 4 (0, ,
31)0

4 (0 , 69)3 (0, 31) + 0, 694

0 , 407 + 0 , 226

= 0, 6336

3%
probabilidade
:

-
1 , 644
qnorm (0 93)
:
= ,

In
x
-
48
3 =

.
2 1 , 64 =
x -
48

3 . 28 = x -
48

, 28
51 : x
62) G -
N(0 , 25 ;
0 , 042

b) Bac-Pr =
D

31670 , 2)
P(6 2 0 ,
= P(D < O)
P(G < 0 , 3) E(Bu-Pr) =
0 , 28-0 , 25 = 0,03

V(Bx-Pr) =
0, 042 + 0 ,
02 2 = 0
,
002

0
, 2-0 , 25
=
-1 . 25 :.
Pnorm
(1 ,
25) = 0 , 84 DP (D) = 0 , 044

0 , 04 0-0 , 03 -0 68
= ,

0 , 044
, 3-0 1 25
0 = 1 25
. : prorm (1 25) . = 0, 1

0
, 04 Pnorm(-0 , 68) = 0 , 255

0 , 89- 0 1 79 0 , 887

-
, = 0 , =

0 , 89 0 , 89

· 2 die

A-N (0 , 28 ; 0 , 02")

63)c -
N(60 , 6)
V-N (100 ,
10)

(67 200 16(250) 200-220 one

201
-

, =
>
-

(67 200 , , 24
12

220
E(xy) 100 + 120
250-220 =
:
=

100 + 50 : 150 VS0 = 12 , 24

-e Pnorm (2 . 45) -
Pnorm (-1 6)
, 0, 99-0 , 05 0, 938 0 99
I I , =

94
200
250
1 - Pnorm(-1 6) , 0
, 94 0
,

64)SwN(65 142)
↑
,

o =
20

15 000

-15000 75-65 0114 .: 1 PROUM (0 / 714) 0 , 2376 20000

1
= =
-
= .
=
47
=

14 14
 Refazer
65) 2 1 ~N(0 , 3
; 0 .
5)

-
x2NN(0 ,
2
; 0 . 4)

~ N (0 , 15 ; 0 , 2)

35) 75)
N (-0 , 25 ; 0, 0-0 15 75 :
pnorm(-0 0 23
=
~
zen . -0 ,
, ,
=

0 2
,

0 , 73 .
0 , 23 =
0 ,
1679

f(x) 1
to
=
1, 6667
=

035 + 0 25,

(2 + 0 , 25) ·
1 , 667

(0 + 0 25) ,
.

1, 667 =
0, 41667 . 0 ,
27 + 0 , 75 . 0 , 23

=
0, 2804

> 0
al
x3 x2 -

P(D > 0
E(0 , 15 - 0 , 2) = E(D) = -

0 , 05

014 + 0, 22 = 0 ,2 :: = 0 ,
4472

DWN(-0 , 05 ; 0 ,
44722
N

0 + 0 , 05
=
0 ,
1118 ... 1-pnorm (0 , 1118) = 0 , 456

0 , 4472 b) ,5
0 = COV

0
,5 -
0 ,
4

c) 0 , 65(0 , 25) + 0 , 35(0 15) ,

= 0 , 1625 + 0 , 0525 : 0 ,
215

1)
2

0
, 652 (0 , 00005) + 0 , 35 (0 , 00004) + 2(0 35)(0 65) (0, , ,

0
, (0 5) + ,
0, 52(0 4)2 , + 2(0 25) (0 1)
, .

= 0 , 0625 + 0
, 04 + 0 , 05

=
0 ,
1525 :. N =
0 , 39

0
, 652(0 39) + ,
0 , 352(0 2) + 2(0 65)(0 , , ,
35)(f)
= 0 , 26

, 3-0 , 215
0 = 0 , 3269

0
, 26

1 -
Pnorm (0 , 3269) =
0 , 3718

a) MR-JR = D

P(D(0)
E(MB) 0
, 4(0 , 15) + 0, 6/1 66) 025
01 os
aa
=

0.05
,
: :
:
 FORMULÁRIO AUXILIAR

Para TABELAS DE FREQUÊNCIAS:

Frequência Relativa da faixa 𝑖: Densidade de frequência da faixa 𝑖:
𝑓𝑖 = , com 𝑖 = 1, … , 𝑘 𝛿𝑖 = , com 𝑖 = 1, … , 𝑘
∆

Média: Desvio Médio Absoluto: Variância:

Desvio-padrão:
𝑥̅ = 𝑐 ∙𝑓 𝑑𝑚(𝑋) = 𝑓 ∙ |𝑐 − 𝑥̅ | 𝑣𝑎𝑟(𝑋) = 𝑓 ∙ (𝑐 − 𝑥̅ ) 𝑑𝑝(𝑋) = 𝑣𝑎𝑟(𝑋)

𝑛: tamanho total da amostra

𝑘: número de faixas (ou de categorias, no caso de uma variável qualitativa)
𝑛 : frequência absoluta da faixa 𝑖, com 𝑖 = 1, … , 𝑘
∆ : amplitude da faixa 𝑖, com 𝑖 = 1, … , 𝑘
𝑐 : ponto médio da faixa 𝑖, com 𝑖 = 1, … , 𝑘

Para DADOS BRUTOS:

Média: Desvio Médio Absoluto: Variância: Desvio-padrão:
∑ 𝑥 ∑ |𝑥 − 𝑥̅ | ∑(𝑥 − 𝑥̅ ) 𝑑𝑝(𝑋) = 𝑣𝑎𝑟(𝑋)
𝑥= 𝑑𝑚(𝑋) = 𝑣𝑎𝑟(𝑋) =
𝑛 𝑛 𝑛
Mediana: 3º momento central: 4º momento central:
𝑚𝑑(𝑋) ∑ (𝑥 − 𝑥̅ ) ∑ (𝑥 − 𝑥̅ )
𝑥 +𝑥 𝑚 = 𝑚 =
𝑛 𝑛
= {𝑥 ( ) , 𝑠𝑒 𝑛 é í𝑚𝑝𝑎𝑟 , 𝑠𝑒 𝑛 é 𝑝𝑎𝑟
2
Coeficiente de assimetria: Coeficiente de curtose: Excesso de curtose: Coeficiente de Variação:
𝑚 𝑚 𝑔 =𝑏 −3 𝑑𝑝(𝑋)
𝑏 = 𝑏 = 𝐶𝑉 (𝑋) = ∙ 100
[𝑑𝑝(𝑋)] [𝑑𝑝(𝑋)] 𝑥̅
Notação para dados observados em uma variável quantitativa 𝑋: 𝑥 , 𝑥 , ⋯ , 𝑥
Notação para dados ordenados em uma variável quantitativa 𝑋: 𝑥( )  𝑥( )  ...  𝑥( )

Para análise de QUARTIS:

Intervalo Interquartílico: Limite inferior:
𝐼𝑄 = 𝑄 − 𝑄 , 𝐿𝐼 = 𝑄 − 1,5 ∗ 𝐼𝑄
sendo 𝑄 : 1º quartil e 𝑄 : 3º quartil. Limite superior:
𝐿𝑆 = 𝑄 + 1,5 ∗ 𝐼𝑄

Para análise BIDIMENSIONAL entre duas variáveis quantitativas 𝑋 e 𝑌:

Covariância: Correlação:
(𝑥 − 𝑥̅ )(𝑦 − 𝑦)
∑ 𝐶𝑜𝑣(𝑋, 𝑌)
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐶𝑜𝑟𝑟(𝑋, 𝑌) =
𝑛 𝑑𝑝(𝑋)𝑑𝑝(𝑌)
Equação da reta de ajuste linear: Coeficiente angular da reta:
𝐶𝑜𝑣(𝑋, 𝑌)
𝑎=
𝑦 = 𝑎𝑥 + 𝑏 𝑣𝑎𝑟(𝑋)
Coeficiente linear da reta:
𝑏 = 𝑦 − 𝑎𝑥̅
 FORMULÁRIO AUXILIAR

PROBABILIDADE:
Probabilidade Sejam A e B dois eventos quaisquer:
complementar: Probabilidade da união: Probabilidade Condicional:
𝑃 (𝐴 ) = 1 − 𝑃 (𝐴 ) 𝑃 ( 𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 (𝐵 ) − 𝑃 (𝐴 ∩ 𝐵 ) 𝑃 (𝐴 ∩ 𝐵 )
𝑃(𝐴|𝐵) =
𝑃 (𝐵 )

Variáveis Aleatórias DISCRETAS: Variáveis Aleatórias CONTÍNUAS:

Esperança: Esperança:
𝐸 (𝑋 ) = 𝑥 ∙ 𝑃 (𝑋 = 𝑥 ) 𝐸 (𝑋 ) = 𝑥 ∙ 𝑓 (𝑥 )𝑑𝑥

Variância: Variância:

𝑉𝑎𝑟(𝑋) = 𝑥 − 𝐸 (𝑋 ) ∙ 𝑓 (𝑥 )𝑑𝑥
𝑉𝑎𝑟(𝑋) = [𝑥 − 𝐸(𝑋)] ∙ 𝑃(𝑋 = 𝑥)
ou
ou
𝑉𝑎𝑟(𝑋) = 𝐸 (𝑋 ) − [𝐸 (𝑋)]
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 ) − [𝐸 (𝑋)] em que
&

em que
𝐸 (𝑋 ) = 𝑥 ∙ 𝑓 (𝑥 ) 𝑑𝑥
𝐸 (𝑋 ) = 𝑥 ∙ 𝑃(𝑋 = 𝑥)

Variáveis Aleatórias BIDIMENSIONAIS DISCRETAS:

Esperança Condicional:

𝐸 (𝑋|𝑌 = 𝑦) = 𝑥 ∙ 𝑃 (𝑋 = 𝑥|𝑌 = 𝑦)

Variância Condicional:

𝑉𝑎𝑟(𝑋|𝑌 = 𝑦) = [𝑥 − 𝐸(𝑋|𝑌 = 𝑦)] ∙ 𝑃(𝑋 = 𝑥|𝑌 = 𝑦)

ou
𝑉𝑎𝑟(𝑋|𝑌 = 𝑦) = 𝐸 (𝑋 |𝑌 = 𝑦) − [𝐸 (𝑋|𝑌 = 𝑦)]
em que
𝐸 (𝑋 |𝑌 = 𝑦) = 𝑥 ∙ 𝑃(𝑋 = 𝑥|𝑌 = 𝑦)

Covariância: Correlação:
𝐶𝑜𝑣(𝑋, 𝑌)
𝐶𝑜𝑣(𝑋, 𝑌) = 𝑥 − 𝐸(𝑋) ∙ 𝑦 − 𝐸 (𝑌) ∙ 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦) 𝐶𝑜𝑟𝑟(𝑋, 𝑌) =
𝑑𝑝(𝑋) ∙ 𝑑𝑝(𝑌)
ou
𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸 (𝑋𝑌) − 𝐸 (𝑋)𝐸(𝑌)
em que
𝐸 (𝑋𝑌) = 𝑥 ∙ 𝑦 ∙ 𝑃(𝑋 = 𝑥, 𝑌 = 𝑦)
 FORMULÁRIO AUXILIAR

Propriedades de Esperança e Variância:

Esperança: Variância:
𝐸 (𝑎𝑋 + 𝑏) = 𝑎𝐸 (𝑋) + 𝑏 𝑉𝑎𝑟(𝑎𝑋 + 𝑏) = 𝑎 𝑉𝑎𝑟(𝑋)
𝐸 (𝑎𝑋 + 𝑏𝑌) = 𝑎𝐸 (𝑋) + 𝑏𝐸 (𝑌) 𝑉𝑎𝑟(𝑎𝑋 + 𝑏𝑌) = 𝑎 𝑉𝑎𝑟(𝑋) + 𝑏 𝑉𝑎𝑟(𝑌) + 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌)
𝐸 (𝑎𝑋 − 𝑏𝑌) = 𝑎𝐸 (𝑋) − 𝑏𝐸 (𝑌) 𝑉𝑎𝑟(𝑎𝑋 − 𝑏𝑌) = 𝑎 𝑉𝑎𝑟(𝑋) + 𝑏 𝑉𝑎𝑟(𝑌) − 2𝑎𝑏𝐶𝑜𝑣(𝑋, 𝑌)
sendo 𝑎 e 𝑏 constantes ∈ 𝑅 e 𝑋 e 𝑌 variáveis aleatórias.

GENERALIZANDO PARA TRÊS VARIÁVEIS:

Esperança: Variância:
𝐸(𝑎𝑋 + 𝑏𝑌 + 𝑐𝑍) = 𝑎𝐸(𝑋) + 𝑉𝑎𝑟(𝑎𝑋 + 𝑏𝑌 + 𝑐𝑍) = 𝑎 𝑉𝑎𝑟(𝑋) + 𝑏 𝑉𝑎𝑟(𝑌) + 𝑐 𝑉𝑎𝑟(𝑍) +
𝑏𝐸(𝑌) + 𝑐𝐸(𝑍) 2𝑎𝑏𝐶𝑜𝑣 (𝑋, 𝑌) + 2𝑎𝑐𝐶𝑜𝑣(𝑋, 𝑍) + 2𝑏𝑐𝐶𝑜𝑣(𝑌, 𝑍)
sendo 𝑎, 𝑏 e 𝑐 constantes ∈ 𝑅 e 𝑋, 𝑌 𝑒 𝑍 variáveis aleatórias.

GENERALIZANDO PARA 𝑛 VARIÁVEIS INDEPENDENTES:

Esperança: Variância:

𝐸 𝑋 = 𝐸(𝑋 ) 𝑉𝑎𝑟 𝑋 = 𝑉𝑎𝑟(𝑋 )

sendo 𝑋 , 𝑋 , … , 𝑋 variáveis aleatórias e independentes. Nesse caso, todas as covariâncias entre as

variáveis duas-a-duas serão nulas.

Modelos Probabilísticos DISCRETOS:

Binomial: X~Bin(𝑛 , 𝑝)
𝑛 Esperança: Variância:
𝑃 (𝑋 = 𝑥 ) = ∙ 𝑝 ∙ (1 − 𝑝 )
𝑥 𝐸 (𝑋 ) = 𝑛 ∙ 𝑝 𝑉𝑎𝑟(𝑋) = 𝑛 ∙ 𝑝 ∙ (1 − 𝑝)
com 𝑥 = 0, 1, … , 𝑛
Código R:
𝑃(𝑋 = 𝑥) = ∙ 𝑝 ∙ (1 − 𝑝) = dbinom(x, n, p)
𝑃(𝑋 ≤ 𝑥) = ∑ ∙ 𝑝 ∙ (1 − 𝑝) = pbinom(x, n, p) = pbinom(x, n, p, lower.tail = TRUE)
𝑃(𝑋 > 𝑥) = ∑ ∙ 𝑝 ∙ (1 − 𝑝) = 1- pbinom(x, n, p) = pbinom(x, n, p, lower.tail = FALSE)
Hipergeométrica: X~Hiper(𝑁, 𝑟, 𝑛)
Esperança: Variância:
𝑃 (𝑋 = 𝑥 ) = 𝑟 𝑉𝑎𝑟(𝑋) = 𝑛 ∙ 𝑝 ∙ (1 − 𝑝)
𝐸 (𝑋 ) = 𝑛 ∙ = 𝑛∙𝑝
𝑁 𝑁−𝑛
com 𝑥 = 𝑚𝑎𝑥{0; 𝑛 − (𝑁 − 𝑟)}, … , 𝑚𝑖𝑛{𝑟, 𝑛} ∙
𝑁−1
Código R:
𝑟 𝑁−𝑟
𝑥 𝑛−𝑥
𝑃(𝑋 = 𝑥) = 𝑁 = dhyper(x, r, N-r, n)
𝑛
𝑟 𝑁−𝑟
𝑗 𝑛−𝑗
𝑃(𝑋 ≤ 𝑥) = ∑ { ; ( )} 𝑁 = phyper(x, r, N-r, n) = phyper(x, r, N-r, n, lower.tail = TRUE)
𝑛
𝑟 𝑁−𝑟
{ , } 𝑗 𝑛−𝑗
𝑃(𝑋 > 𝑥) = ∑ 𝑁 = phyper(x, r, N-r, n, lower.tail = FALSE)
𝑛
 FORMULÁRIO AUXILIAR

Poisson: X ~ Poisson(𝜆)
Esperança: Variância:
𝑒 ∙ 𝜆T
𝑃 (𝑋 = 𝑥 ) = 𝐸 (𝑋 ) = 𝜆 𝑉𝑎𝑟(𝑋) = 𝜆
𝑥!
com 𝑥 = 0, 1, 2, 3, …
Código R:
𝑒−𝜆 ∙𝜆𝑥
𝑃(𝑋 = 𝑥) = = dpois(x, 𝜆)
𝑥!
𝑒−𝜆 ∙𝜆𝑗
𝑃(𝑋 ≤ 𝑥) = ∑ = ppois(x, 𝜆) = ppois(x, 𝜆, lower.tail = TRUE)
𝑗!
𝑒−𝜆 ∙𝜆𝑗
𝑃(𝑋 > 𝑥) = ∑ = ppois(x, 𝜆, lower.tail = FALSE)
𝑗!
Geométrica: X ~ Geo(𝑝)
Esperança: Variância:
𝑃 (𝑋 = 𝑥 ) = (1 − 𝑝 ) ∙𝑝
com 𝑥 = 1, 2, 3, … 1 (1 − 𝑝 )
𝐸 (𝑋 ) = 𝑉𝑎𝑟(𝑋) =
𝑝 𝑝
Código R:
𝑃(𝑋 = 𝑥) = (1 − 𝑝)𝑥−1 ∙ 𝑝 = dgeom(x-1,p)
𝑃(𝑋 ≤ 𝑥) = ∑ (1 − 𝑝)𝑗−1 ∙ 𝑝= pgeom(x-1, p) = pgeom(x-1, p, lower.tail = TRUE)
𝑗−1 ∙ 𝑝= pgeom(x-1, p, lower.tail = FALSE)
𝑃(𝑋 > 𝑥) = ∑ 1(1 − 𝑝)

X-rtanos diarios

XWN(0 , 08
; 1 ,
52

- 3 08-0 , 00
,

2
(2)
= .:
1- Pnorm : 0 . 022
1 ,5

·
z
808 30s -

2 ,
92 - 0 , 08
022
: -2 :.
pnorm(-2) : 0 ,

1, S

1 -

(200 ,
s (0 ous)"
.
10 .
ass)" + 200 ,
4 (00ns)"10 ass)' , + < , 00 ,
3 laons1" (0953)" + 200 , 2 (0 ons)
. 10 , 953)" + C00 10 ,
,
04s)'(0 ess)"
, + 400 ,
0 (0 ,
ons)"10 , ass)4)

P(X < 2
,
92UXL 3 ,
08(X > 0, 6)

08

.
0 e

rus 22
,
0. 347
.
-
= , 06 4
0
-I
 FORMULÁRIO AUXILIAR

Modelos Probabilísticos CONTÍNUOS:

Uniforme: X ~ U(𝑎, 𝑏)
as
obsess
↳
Esperança: Variância:
-

1
𝑓 (𝑥 ) = 𝑏 − 𝑎 , 𝑠𝑒 𝑎 ≤ 𝑥 ≤ 𝑏 𝑎+𝑏 (𝑏 − 𝑎 ) 0. 03
𝐸 (𝑋 ) = 𝑉𝑎𝑟(𝑋) = =

0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 2 12
Código R:
1
𝑃(𝑋 ≤ 𝑥) = ∫ dx= punif(x, min = a, max = b) = punif(x, min = a, max = b, lower.tail = TRUE)
𝑏−𝑎
1
𝑃(𝑋 > 𝑥) = ∫ dx= punif(x, min = a, max = b, lower.tail = FALSE)
𝑏−𝑎
𝑥 = qunif(𝑝, 𝑚𝑖𝑛 = 𝑎, 𝑚𝑎𝑥 = 𝑏) = qunif(𝑝, 𝑚𝑖𝑛 = 𝑎, 𝑚𝑎𝑥 = 𝑏, lower.tail = TRUE) em que 𝑃(𝑋 ≤ 𝑥) = 𝑝
Exponencial: X ~ Exp(𝛽)
Esperança: Variância:
1
𝑒 , 𝑠𝑒 𝑥 ≥ 0 𝐸 (𝑋 ) = 𝛽 𝑉𝑎𝑟(𝑋) = 𝛽
𝑓 (𝑥 ) = 𝛽
0, 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜
Função de distribuição acumulada (f.d.a):

𝐹 (𝑥 ) = 𝑃 ( 𝑋 ≤ 𝑥 ) = 1 − 𝑒
Código R:
𝑥
1 −𝛽
𝑃(𝑋 ≤ 𝑥) = ∫
𝛽
𝑒 dx= pexp(x, ) = pexp(x, , lower.tail = TRUE)
𝑥
1 −𝛽
𝑃(𝑋 > 𝑥) = ∫
𝛽
𝑒 dx= pexp(x, ,lower.tail = FALSE)

x = qexp(p, ) = qexp(p, , lower.tail = TRUE) em que 𝑃(𝑋 ≤ 𝑥) = 𝑝

Normal: X ~ N(𝜇, 𝜎 )
Esperança: Variância:
1 ( )
𝑓 (𝑥 ) = 𝑒 , 𝐸 (𝑋 ) = µ 𝑉𝑎𝑟(𝑋) = 𝜎
√2𝜋𝜎
com −∞ ≤ 𝑥 ≤ +∞ Distribuição Normal Padrão:
Se 𝐸 (𝑋) = 𝜇 e 𝑉𝑎𝑟(𝑋) = 𝜎 , então:
𝑋−𝜇
𝑍=
𝜎
com 𝐸 (𝑍) = 0 e 𝑉𝑎𝑟(𝑍) = 1.
Código R:
𝑧 2
1 −2
𝑃(𝑍 ≤ 𝑧) = ∫ 𝑒 𝑑𝑧= pnorm(z) =pnorm(z, lower.tail = TRUE)
√2𝜋
1 𝑧2
−2
𝑃(𝑍 > 𝑧) =∫ 𝑒 𝑑𝑧= pnorm(z, lower.tail = FALSE)
√2𝜋
z = qnorm(p) = qnorm(p, lower.tail = TRUE), no qual p = 𝑃(𝑍 ≤ 𝑧)
 FORMULÁRIO AUXILIAR

Informações Adicionais – FATO:

▪ Soma de variáveis aleatórias independentes de Poisson é Poisson.
▪ Combinação linear de variáveis aleatórias normais independentes segue uma distribuição
normal.
▪ Caso, nesta prova, você precise somar variáveis aleatórias com distribuição normal, assuma
que a soma também segue uma distribuição normal.

X -N (12
, 000
,
1000 %

X =
$ do Mojeto

P(X 450
, 000/X ,
> 49 000)
So 000
E(X)
-
: 12 , 000
, 000 + 12 + 12
0 000 + , 000
12

P(X = 50
, 000 n X 4 9000
E(X) = - 000
48
I

- 000)
P(X > 49 I 49 000 van(ax1 + b x z + 3x , + 4xy) =
12(1000) +

48000 12(1000)+ 1 (1000) 1 2 (1000) +

=

= 0 , 15

0 , 487
: 1000000 + 1000000 + 1000000 + 1000000
0 , 308
-4000000

1 -

(C4
1 -
,
0
(0 , 69)"10 , 311°

((069)" +
+

4(0 , 69)" (0 31)

C4 - (0 69)"

,
,

+
201311'
6
+

(0 , 69)"
C4 ,
2

(0 ,
[0 ,69)

31)2)
(0 ,
31)
50000-48000
-No P 8000
1
>
-
-

(0 ,
227 + 01 407 + 0,
2745) - 0 als
(
-

2000
= 1

2000
=

10
es-12000 :
So
oo
:
t ,
69

mu &

- is
ou
49 so

~
pnorm(s)
Dormica

n
0
, 84
0 , 69 0 , 15
-