UC 21037

Relatório da 1ª Actividade Formativa

I. Dados Qualitativos: sexo, estado civil, categoria profissional e as habilitações literárias.

Dados Quantitativos: idade, salário actual, antiguidade, número de filhos e avaliação obtida
no ano transacto.

II. a) Contando as ocorrências de A’s, B’s, C’s, D’s, tem-se:

Partidos ni fi

A 2 0.2

B 5 0.5

C 2 0.2

D 1 0.1

Total 10 1.0

Uma vez que os valores são símbolos, não faz sentido calcular as frequências acumuladas
visto que entre os símbolos não existe uma relação de ordem.

Contudo, observando as frequências relativas, pode definir-se entre os símbolos a relação de

ordem determinada pelas frequências relativas, ficando:

Partidos ni fi

B 5 0.5

A 2 0.2

C 2 0.2

D 1 0.1

Total 10 1

21037-EPE-RelActF1 1/19
 UC 21037
b) Direita = {A, B} Esquerda = {C, D}

Tendências ni fi

Direita 7 0.7

Esquerda 3 0.3

Total 10 1.0

III. A tabela de frequências completa é a seguinte:

xi ni Ni fi Fi

A 12 12 0.24 0.24

B 18 30 0.36 0.60

C 10 40 0.20 0.80

D 10 50 0.20 1

O valor de N (número total de observações) é facilmente obtido se relembrarmos que:

Ni 40
Fi = ⇒ 0.8 = ⇔ N = 50
N N

ni
Por outro lado, sabe-se fi = , o que faz com que, para a Categoria C, se obtenha a
N
ni
seguinte frequência absoluta: 0.36 = ⇔ ni = 18 . Os restantes valores obtêm-se
50
facilmente.

21037-EPE-RelActF1 2/19
 UC 21037
IV. Numa escola foram registados a altura (em cm) e o peso (em Kg) de 18 crianças.

a) O gráfico de dispersão que relaciona a altura com o peso da criança é o seguinte:

55

50

45
Peso (kg)

40

35

30
130 135 140 145 150 155 160 165 170
Altura (cm)

A relação que existe entre o peso e a altura poderá ser bem aproximada por uma relação
linear com declive positivo, isto é, para alturas mais elevadas correspondem pesos mais
elevados e vice-versa.

b) Histograma dos dados referentes às alturas.

N = 18 Mínimo = 132.7 Máximo = 165.3

Amplitude amostral (ou amplitude total) = Máx – Mín = 165.3 – 132.7 = 32.6

Para determinar o número de classes, utilizamos uma das regras possíveis, assim teremos de

encontrar um valor para k tal que 2k ≥ 18, ou seja, 2k ≥ n ⇔ 25 = 32 > 18 então

teremos k = 5, vamos então definir 5 classes.

amplitude amostral 32.6

Amplitude de cada classe - = = 6.52 ≈ 7
nº de classes 5

Quando se trabalha com classes o intervalo pode ser definido de duas formas diferentes ou
fechado à esquerda ou fechado à direita, neste caso considerou-se fechado à direita.
Como o intervalo é aberto à esquerda diminuiu-se uma décima ao valor mínimo das
observações e estabeleceu-se como limite inferior da primeira classe.
Tabela de Frequências

21037-EPE-RelActF1 3/19
 UC 21037

Classes ni fi NFi Fi Centro xi ( x i − x ) 2 fi

(132.6,139.6] 6 6/18 6 6/18 136.1 31.5072

(139.6,146.6] 2 2/18 8 8/18 143.1 0.823388

(146.6,153.6] 8 8/18 16 16/18 150.1 8.133059

(153.6,160.6] 1 1/18 17 17/18 157.1 7.066015

(160.6,167.6] 1 1/18 18 1 164.1 18.55984

132.6 + 139.6
Centro da 1ª classe = 136.1
2
Para os centros das restantes classes, o raciocínio é análogo
5

Média dos dados em classes x =

∑x f
i =1
i i = 145.822

Desvio Padrão: Variância = s2 = 31.507+0.823+8.133+7.066+18.56 = 66.089

Então temos: Desvio Padrão = s = 66.089 = 8.1295

c) A frequência relativa desta classe é dada pela diferença entre a frequência relativa
acumulada até essa classe e a frequência relativa acumulada até à classe anterior, ou
16 8 8
seja - =
18 18 18
V. Os jogadores de duas equipas de futebol, cada uma com 20 elementos
(contando com todo o plantel disponível), foram submetidos a uma prova e
obtiveram resultados medidos numa escala de 1 a 4.

a) Para completar a tabela recorre às definições de frequência relativa e frequência relativa

acumulada, não esquecendo que a soma de todas as frequências relativas (fi) tem de ser
igual a 1.

Eq. A Eq. B

Resultado fi Fi fi

1 0.2 0.2 0.05

2 0.35 0.55 0.3

3 0.25 0.8 0.5

4 0.2 1 0.15

21037-EPE-RelActF1 4/19
 UC 21037
b) O primeiro decil da equipa A é o resultado 1 pois é neste valor que se acumulam
pelo menos 10% do total.

A mediana da equipa B é o resultado 3 pois é neste valor que se acumula 50%

do total (calcular as frequências acumuladas).

c) A moda da equipa A é o resultado 2 pois é onde se observa a maior frequência

relativa. Analogamente determina-se a moda da equipa B que é 3. Assim a
equipa que tem maior moda é a B.

ni
O valor da frequência absoluta é calculado a partir da seguinte fórmula f i =
N

ni
Para a equipa A 0.35= ⇔ ni =20×0.35=7
20

ni
Para a equipa B 0.5= ⇔ ni =20×0.5=10
20

d) Para a equipa B

Média x = 1×0.05+2×0.3+3×0.5+4×0.15=2.75

Desvio padrão

s = (1×0.05+4×0.3+9×0.5+16×0.15)-(2.75)2 = 0.5875=0.7665

A dispersão é de 0.766 unidades que não é um valor muito elevado quando

comparado com a amplitude total de 4 unidades.

e) A variabilidade medida pelo Desvio Padrão é uma medida de incerteza. Assim,

s A > s B ⇔ 1.066 > 0.766 a incerteza é maior na equipa A.

21037-EPE-RelActF1 5/19
 UC 21037
VI. No ensino secundário há uma quebra nos desempenhos dos alunos do 12º ano
na disciplina de Física.

a) Tabela de distribuição de frequências

Notas ni fi Ni Fi.
4 1 1/20 1 1/20
5 1 1/20 2 2/20
6 1 1/20 3 3/20
7 1 1/20 4 4/20
8 2 2/20 6 6/20
9 2 2/20 8 8/20
10 3 3/20 11 11/20
11 1 1/20 12 12/20
12 3 3/20 15 15/20
13 1 1/20 16 16/20
14 1 1/20 17 17/20
15 1 1/20 18 18/20
17 1 1/20 19 19/20
18 1 1/20 20 1

b) Tabela de frequências dos dados agrupados:

Notas ni fi Ni Fi hi

<10 8 8/20 8 0.4 0.4/10

[10,14[ 8 8/20 16 0.8 0.4/4

[14, 17[ 2 2/20 18 0.9 0.1/3

≥17 2 2/20 20 1 0.1/4

Nota: a última classe tem amplitude igual a 4 unidades pois inclui todos os valores 17,18, 19 e
fi
20. Sabemos que a altura de cada barra do histograma é dada por hi = onde fi é a
a
frequência relativa da classe e a é a amplitude dessa classe. O histograma e respectivo
polígono de frequências acumuladas são então os seguintes:

21037-EPE-RelActF1 6/19
 UC 21037

Histograma
Polígono de frequências
acumuladas
1
0,1 0,8
0,08
0,06 0,6
0,04 0,4
0,02
0,2
0
0 5 10 15 20 0
0 5 10 15 20

c) A percentagem de alunos que demonstraram maus desempenhos na disciplina em

análise é dada pela frequência relativa da primeira classe, ou seja, 8/20=0.4, que
corresponde a 40% dos alunos.

VII. Os complementos salariais concedidos aos empregados de uma empresa em

função da respectiva antiguidade estão escalonados em quatro categorias.

a) Verifique que neste caso todas as classes têm a mesma amplitude que é igual a cinco,
assim, a altura das barras do histograma é proporcional à frequência relativa da classe.

Centro
Categorias fi Fi
xi

]0,5] 0.35 2.5 0.35

]5,10] 0.40 7.5 0.75
]10,15] 0.15 12.5 0.9
]15,20] 0.10 17.5 1

Vamos obter então o seguinte histograma:

0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
]0,5] ]5,10] ]10,15] ]15,20]

21037-EPE-RelActF1 7/19
 UC 21037
b) Como os dados estão agrupados, para calcular a média, o desvio padrão e a mediana dos
complementos salariais teremos de determinar o centro de cada classe (que se encontram
na tabela atrás). Assim
4

x = ∑x f
i =1
i i =2.5×0.35+7.5×0.4+12.5×0.15+17.5×0.1=7.5

Para calcular o desvio padrão comecemos por calcular o valor da variância:

4 4
s 2 = ∑ ( x i − x )2 f i = ∑ xi2 f i − x 2
i =1 i =1

Estas duas fórmulas são equivalentes, no entanto, vamos utilizar a segunda que, nesta
situação, simplifica os cálculos.

s 2 =(2.5)2 ×0.35+(7.5)2 ×0.4+(12.5)2 ×0.15+(17.5)2 ×0.1-(7.5)2 =22.5

Então, o desvio padrão é

s = 22.5=4.7434
Para o cálculo da mediana teremos que recorrer à interpolação. Sabemos, no entanto que a
mediana vai estar na classe]5,10] pois se analisarmos a coluna das frequências acumuladas
verificamos que até à classe anterior só estão 35% do total dos dados e portanto os 50%
vão recair nesta classe (que tem frequência acumulada de 75%).

0.75-0.35 0.5-0.35
Vamos fazer a seguinte interpolação =
10-5 m-5

0,75

0,5

0,25

0
5 m 10

Assim temos m=5+0.35(10-5)=6.875

c) Se os complementos salariais fossem actualizados em 15% teríamos novas categorias nas

quais cada valor está acrescido de 15%, isto é, para cada valor x passamos a ter

x + 0.15x = 1.15x, assim a nova média será

4 4

x = ∑ (1.15x ) × f
i =1
i i = 1.15 ×
∑x f
i =1
i i = 1.15×7.5=8.625

21037-EPE-RelActF1 8/19
 UC 21037
Conclui-se que se todos os valores forem acrescidos com a mesma taxa (multiplicados por uma
constante qualquer), a média virá também acrescida dessa mesma taxa.

Relativamente à variância tem-se o seguinte:

4 4
s 2 = ∑ (1.15 xi ) 2 f i − (1.15 × 7.5) 2 = (1.15) × ∑ xi2 f i − (1.15) 2 (7.5) 2 =
2

i =1 i =1

 4

= (1.15) 2  ∑ xi2 f i − (7.5) 2  = (1.15) 2 × 22.5
 i =1 
Se todos os valores forem multiplicados por uma mesma constante conclui-se que a nova
variância é a anterior multiplicada pela constante ao quadrado.

d) Neste caso estamos a somar a mesma quantia a todos os valores de x. Aplicam-se aqui, tal
como se verificou para a alínea anterior, as seguintes propriedades das variáveis aleatórias.

E[ X + k ] = E[ X ] + k
V[ X + k] = V[ X ] + 0 = V[ X ]

Recorde-se que a variância de uma constante é zero.

Vamos então verificar que a nova média é a anterior mais a constante 3 (em milhares)

4 4 4
x = ∑ ( xi + 3 ) f i = ∑ xi f i + ∑ 3 f i = 7.5 + 3 = 10.5
i =1 i =1 i =1

Pelo que foi definido a nova variância é igual à anterior, isto é, s 2 = 22.5 .

VIII. A associação de moradores de determinada zona numa grande cidade está

preocupada com o crescente de assaltos na zona.

a)A tabela de distribuição de frequências apresenta-se a seguir

Nº de
Nº assaltos por
fogos fi Ni Fi
fogo xi
ni

0 989 0.0989 989 0.0989

1 1903 0.1903 2892 0.2892

2 3010 0.3010 5902 0.5902

3 2520 0.2520 8422 0.8422

4 1578 0.1578 10000 1

21037-EPE-RelActF1 9/19
 UC 21037
A função de distribuição empírica Fi é então

1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3 4 5

Nota: A função de distribuição empírica é uma função em escada, as ligações verticais entre
os patamares não existem na realidade (senão não seria uma função), apenas são úteis para
uma elaboração mais precisa do gráfico. Apesar de o eixo das abcissas apresentar valores
até 5 assaltos, deve entender-se que para valores maiores ou iguais que 4, a frequência
acumulada é sempre igual a 1.

b) A média do número de assaltos por fogo em cada mês é dada por:

n

x = ∑ x f =0×0.0989+1×0.1903+2×0.3010+3×0.2520+4×0.1578=2.1795
i =1
i i

A moda é o valor da variável em estudo (número de assaltos por fogo) que apresenta
maior frequência absoluta ou, equivalentemente, a maior frequência relativa: neste caso é
o valor 2.

A mediana é o valor da variável que seja mais central, isto é que divida a amostra em duas
partes equivalentes a 50%. Neste caso podemos verificar que o valor central será o valor 2
pois se repararmos nas frequências acumuladas é neste valor que se atinge 50% do total
das observações, (repare-se que o valor 1 não serve porque até este só estão 28.92% do
total das observações).

Como a média, a moda e a mediana estão muito próximas (diferença na ordem das
décimas) podemos dizer que a distribuição é simétrica ou então, se quisermos ser mais
precisos, como a média é ligeiramente superior à mediana e à moda, a distribuição poderá
considerar-se ligeiramente assimétrica positiva.

c) Sim, porque sendo a média aproximadamente de dois assaltos por fogo em cada mês,
verificamos também que uma percentagem grande de fogos (40.98%) tem 3 ou 4
assaltos em cada mês.

21037-EPE-RelActF1 10/19
 UC 21037

IX. Considere a situação seguinte:

a) A experiência aleatória consiste em escolher um dia ao acaso e contar o número de

clientes que utilizam a caixa entre as 8 horas e as 8h 30 min.

Ω= {0, 1, 2, 3, 4, 5, ...}= Espaço de resultados

A= Espaço de acontecimentos = Todos os subconjuntos de Ω.

Por exemplo: {0}, {1}, {2}, ...

{0,1}, {0,2}, ...

{1, 2, 3}, ...

b) U= B ∪ C

V= A ∩ C

X= B ∪ (A ∩ C)

X. O histograma que se segue foi construído com base numa pequena amostra de
diferentes preços de televisores, gama média, actualmente praticados em
Portugal.

3(x-md )
a) Assimetria de Pearson ≅ ;md =mediana
s

O número de observações é n= n1 + n2 + n3 + n4 + n5= 3 + 5 + 4 + 2 + 2= 16.

Classe Ponto Médio da Classe ni fi

(1165,1344] 1254,5 3 0,1875

(1344,1523] 1433,5 5 0,3125

(1523,1702] 1612,5 4 0,25

(1702,1880] 1791 2 0,125

(1880,2059] 1969,5 2 0,125

x = 1254.5×0.1875+...+1969.5×0.125=1556.375
2
s 2 = (1254.5-1556.375)2 ×0.1875+...+ (1969.5-1556.375 ) ×0.125=50807.45

A mediana corresponde à frequência acumulada de 50%, logo, md=1523

3 ( x − md ) 3 (1556.375 − 1523)
Coeficiente de assimetria de Pearson ≅ = = 0.4442
s 225.4051
Trata-se de uma assimetria positiva.

21037-EPE-RelActF1 11/19
 UC 21037

b) O intervalo entre quartis é x0.75 - x0.25 (diferença entre o terceiro e o primeiro

quartil).

Para resolver o problema tem de se descobrir, em primeiro lugar, qual a classe que contem

x0.75 e x0.25. Por interpolação, obter os valores aproximados destes quartis.

XI. Numa roleta viciada com casas numeradas de 1 a 20, a probabilidade de sair
uma casa com numeração superior a 14 é o quádruplo da probabilidade de sair
uma casa com numeração inferior a 15.

Defina-se a variável aleatória em estudo do seguinte modo:

X representa a “Numeração da casa saída na roleta”

Sabe-se que a roleta é viciada e que P ( X > 14) = 4 P ( X < 15)

a) O espaço de resultados é o conjunto de todos os possíveis valores para a casa saída na

roleta, ou seja,

Ω={1,2,3,4,...........,20}

b) Seja P(X<15)=x. Então tem-se P(X>14)=4x. Como P(X<15)+P(X>14)=1 (esta união

constitui o universo), podemos determinar o valor de x.

1
x + 4x = 1 ⇔ x=
5
Então temos que:

4
P( X > 14) = P( X = 15) + P( X = 16) + P( X = 17) + P( X = 18) + P( X = 19) + P( X = 20) =
5
Como estas probabilidades são todas iguais:

4 4
6 × P( X = 15) = ⇔ P( X = 15) =
5 30
4
Assim P( X = j ) = j = 15,16,17,18,19,20
30

Por outro lado

1
P( X < 15) = P( X = 1) + P( X = 2) + P( X = 3) + ... + P( X = 14) =
5

1 1
isto é 14P( X = 1) = ⇔ P( X = 1) =
5 70

21037-EPE-RelActF1 12/19
 UC 21037
1
Logo, P( X = j ) = j = 1,2,3,...14
70

4 12
P( X > 17) = P( X = 18) + P( X = 19) + P( X = 20) = 3 × =
30 30
c) Seja o acontecimento A= “Sai casa com número primo”, então

P( A) = P( X = 1) + P( X = 2) + P( X = 3) + P( X = 5) + P( X = 7) + P( X = 11) + P( X = 13) +
1 4 77
+ P( X = 17) + P( X = 19) = 7 × +2× =
70 30 210

XII. A seguinte lista de proposições contém uma inconsistência. Detecte-a e

justifique.

( A ∩ B) = φ ⇒ P ( A ∩ B) = 0

Logo, é impossível P ( A / B ) × P (B ) > 0

Porque P ( A / B ) × P (B ) = P ( A ∩ B ) = 0

XIII. Numa região desértica de África a seca é um dos problemas com que a
população mais frequentemente se depara.

a) Trata-se de um problema de probabilidades condicionadas. Vamos definir os seguintes

acontecimentos:

A= “Existe água no subsolo”

B= “Encontra água na 1ª tentativa”

Consequentemente tem-se:

A = ”Não existe água no subsolo”

B = ”Não encontra água na 1ª tentativa”

Sabe-se que: P(A) = 0.3 ∧ P(B/A) = 0.5. Como estão envolvidos acontecimentos
complementares facilmente deduzimos as seguintes probabilidades:

P( A ) = 1 − 0.3 = 0.7 , P( B / A ) = 1 − 0.5 = 0.5 .

Também se pode concluir que P( B / A ) = 1 .

Pretende-se saber P( B ) . Este acontecimento está condicionado à existência ou não, de água

no subsolo, ou seja,

P (B ) = P (B ∩ A ) + P (B ∩ A ) ⇔

21037-EPE-RelActF1 13/19
 UC 21037
⇔ P (B ) = P (B / A )P (A ) + P (B / A )P ( A ) = 0.5 × 0.3 + 1 × 0.7 = 0.85

b) Pretende-se calcular P( A / B ) . Trata-se de um problema de probabilidades inversas

das que já temos conhecimento. Utilizamos então a regra de Bayes.

P( B / A ) P( A ) 0.5 × 0.3
P( A / B ) = = = 0.17647
P( B ) 0.85
XIV. Numa linha de produção estão envolvidas três máquinas: M1, M2, M3. Essas
máquinas produzem um item que obedece a certas especificações de fabrico. As
máquinas M1 e M2 produzem, cada uma, 30% dos itens e a máquina M3 produz
os restantes.

Trata-se de um problema relativo à regra de Bayes: o facto de se dispor da informação

resultante de se ter observado um item defeituoso transforma as probabilidades à priori nas
probabilidades à posteriori (depois da observação).

Seja o acontecimento: D= «Foi observada uma peça defeituosa».

Sejam os acontecimentos

M1= «O item foi produzido pela máquina M1»

M2= «O item foi produzido pela máquina M2»

M3= «O item foi produzido pela máquina M3»

As probabilidades à priori de que as peças sejam produzidas por qualquer das três máquinas
são: p1 = 0.3= P (M1)

p2 = 0.3= P (M2)

p3 = 1 - (0.3 + 0.3)= 0.4= P (M3)

Pretende-se

P (M1|D) Y Probabilidade de que o item tenha sido produzido pela máquina M1 dado que foi
observada uma peça defeituosa (ocorreu o acontecimento D).

P ( M1 , D )
P (M1|D) =
P( D)

D = (D ∩ M1) ∪ (D ∩ M2)

A peça defeituosa foi produzida pela máquina M1 - isto é, D ∩ M1 - ou então foi produzida pela
máquina M2 - isto é, D ∩ M2.

P(D)= P (D ∩ M1) + P (D ∩ M2).

Mas P (D ∩ Mi)= P (D|Mi) × P (Mi), i= 1, 2, 3.

a) Tem-se: P(D) = P (D|M1) × P (M1) + P (D|M2) × P (M2) + P (D|M3) × P (M3) .

21037-EPE-RelActF1 14/19
 UC 21037
Com: P (D|M1)= 0.1/100= 0.001

P (D|M2)= 0.09/100= 0.0009

P (D|M3)= 0.5/100= 0.005

Então, P(D)= 0.001 × 0.3 + 0.0009 × 0.3 + 0.005 × 0.4.

P ( D| M 3 ) × P( M 3 ) 0.005 × 0.4
b) P (M3|D)= = .
P( D) 0.001 × 0.3 + 0.0009 × 0.3 + 0.005 × 0.4

XV. Ao dirigir-se a uma loja de brinquedos para escolher uma boneca.

Teremos de utilizar o princípio da multiplicação das escolhas. Dispomos de 10 bonecas

diferentes, para cada boneca 4 cores de olhos diferentes, e para cada uma das combinações
tipo de boneca e cor de olhos podemos ainda escolher 3 cores de cabelo, assim teremos
10×
×4×
×3 = 120 combinações diferentes que dão origem a bonecas diferentes.

XVI. Considere a experiência aleatória que consiste em lançar dois dados e uma
moeda.

a) Se as faces dos dados são numeradas 1, 2, ..., 6 e os lados da moeda são

designadas por F (face) e C (coroa), então os resultados possíveis são por exemplo:

(1,5,F), (1, 5, C), (2, 6, F), (2, 6, C).

Por exemplo: o resultado ω= «2,6,F» significa que o dado número 1 ficou com a face número 2
virada para cima, o dado número 2 ficou com a face 6 virada para cima e a moeda ficou com a
Face virada para cima.

Número de elementos de #Ω = 6 × 6 × 2 = 72 , usando o princípio da multiplicação.

b) Seja o acontecimento A= «Obter um seis e uma face».

O acontecimento A pode obter-se de uma das formas

(face seis, face diferente de seis, F) ∨ (face diferente de seis, face seis, F).

O número de casos que realizam a primeira possibilidade é 1 × 5 × 1= 5.

O número de casos que realizam a segunda possibilidade é 5 × 1 × 1= 5.

Logo, há 5 + 5= 10 casos favoráveis ao aparecimento do acontecimento A.

Uma vez que todos os 72 resultados possíveis são equiprováveis (moeda e dados equilibrados)

número de casos favoráveis a A 10

P(A)= =
número total de casos possíveis 72

21037-EPE-RelActF1 15/19
 UC 21037
XVII. Admita que uma v.a. X, discreta.

Sejam: E(X)= µX Y Esperança matemática da v. a. X.

Var (X)= σ 2X Y Variância da v. a. X.

Tem-se, E(X) = µ X = ∑ x × P( X = x ) , em que x são os valores possíveis de X

i i i e P (X= xi)
xi

as respectivas probabilidades.

No nosso caso,

E(X) = µX = 0×P(X= 0) + 1×P(X= 1) + 2×P(X= 2) + 3×P (X= 3) + 4×P(X= 4) + 5×P(X= 5)=

= 0×0.25 + 1×0.25 + 2×0.3 + 3×0.1 + 4×0.05 + 5×0.05 =

= 0+0.25+0.6+0.3+0.2+0.25= 1.6
2 2
Var (X)= σ X = E ( X − µ X ) = ∑ (x i . ) 2 × P ( X = xi ) =
− 16 ∑x i
2
× P ( X = x i ) − (µ X ) 2 .
xi xi

σ X2 = 02 × P( X = 0) + 12 × P( X = 1) + 22 × P( X = 2) + 32 × P( X = 3) + 42 × P( X = 4) +
2
+52 × P( X = 5) − (1,6 ) =
= 1 × 0.25 + 4 × 0.3 + 9 × 0.1 + 16 × 0.05 + 25 × 0.05 − 1.62 = 1.84

A mediana é o valor a que corresponde uma probabilidade acumulada de 0.5. No caso em

estudo, P ( X ≤ x 0.5 ) = 0.5 tem-se que x 0.5 = 1 .

XVIII. Considere uma v.a. X.

Os momentos centrados - em relação à média - são dados pela expressão:

mr = ∑ (x i − µ ) r × P( X = xi ) ,
xi

µ é a esperança matemática de X - momento absoluto de ordem 1 e r = 1, 2, 3, ...

µ = ∑ x i × P ( X = xi ) = 1 × P ( X = 1) + 2 × P ( X = 2) +...+5 × P ( X = 5) =
xi

= 1 × 01
. + 2 × 0.2 + 3 × 0.5 + 4 × 01
. + 5 × 01
. = 01 . + 0.4 + 0.5 = 2.9 .
. + 0.4 + 15

m1 = ∑ (x i − µ ) × P( X = xi ) =
xi

= (1 − 2.9) × P ( X = 1) + (2 − 2.9) × P ( X = 2) + (3 − 2.9) × P ( X = 3) + ... + (5 − 2.9) × P ( X = 5) = 0

m2 = ∑ (x i − µ ) 2 × P ( X = xi ) =
xi

21037-EPE-RelActF1 16/19
 UC 21037
= (1 − 2.9)2 × P ( X = 1) + (2 − 2.9)2 × P ( X = 2) + (3 − 2.9)2 × P ( X = 3) + ... + (5 − 2.9)2 × P ( X = 5)

. ) 2 × 0.1 + (0.9) 2 × 0.2 + (0.1) 2 × 0.5 + (11

= (19 . ) 2 × 0.1 + (2.1) 2 × 0.1 = 1.09 = = σ 2X = Variância

de X.

O momento central de ordem dois corresponde então à variância.

m3= Momento central de ordem 3

= ∑ (x i − µ ) 3 × P ( X = xi )
xi

= (1 − 2.9)3 × P ( X = 1) + (2 − 2.9)3 × P ( X = 2) + (3 − 2.9)3 × P ( X = 3) + ... + (5 − 2.9)3 × P ( X = 5) = 0.228

m4 = Momento central de ordem 4 =

∑x
xi
( i − µ )4 × P ( X = x i ) = 133.1032

e assim sucessivamente, para r= 5, 6, 7, ...

XIX. A Escola “Ensino do Futuro” abriu concurso para admissão de professores.

Definindo os acontecimentos:

A – Ter experiência anterior

B – Ter certificado profissional

A∩B – Ter experiência anterior e certificado profissional.

Tem-se

P(A) = 40/80 P(B) = 30/80 P(A∩B) = 10/80

60
a) P ( A ∪ B ) = P ( A) + P ( B ) − P ( A ∩ B ) =
80

60 10
b) P ( A ∪ B ) − P( A ∩ B ) = −
80 80

P ( A ∩ B) 10
c) P( B | A) = =
P ( A) 40

21037-EPE-RelActF1 17/19
 UC 21037
XX. Para analisar a viabilidade do alargamento da sua rede de balcões, uma
instituição bancária estudou o comportamento da sua clientela e a capacidade
das 100 agências actualmente existentes.

O universo é constituído por três zonas disjuntas:

Norte, Centro e Sul que formam assim, uma partição de Ω.

Considerando os acontecimentos:

N= “Zona Norte”

C= “Zona Centro”

S= “Zona Sul”

R= “Há reclamação”

Verificamos, pela análise do enunciado, que estamos em presença de um problema de

probabilidades condicionadas pois são conhecidas as probabilidades de cada zona e as
probabilidades de haver reclamações, dadas as três zonas :

P(N) = 60/100 = 0.6 P(C) = 0.1 P(S) = 0.3

P (R/N) = 0.05 P(R/C) = 0.04 P(R/S) = 0.03

Assim, a probabilidade de haver reclamações é

P(R) = P(R/N)P(N) + P(R/C)P(C) + P(R/S)P(S) = 0.043

a) Pretende-se calcular a probabilidade P (S/R). Trata-se da aplicação directa do teorema de

Bayes:

P( R / S ) P(S )
P( S / R) = = 0.2093
P( R)
XXI. A secção de documentação de determinada empresa tem três funcionárias que
cometem, por vezes, determinados erros de arquivo.

Consideremos os seguintes acontecimentos:

M – Papel arquivado pela Maria

A – Papel arquivado pela Ana

T – Papel arquivado pela Teresa

E – Erro de Arquivo

Do enunciado do problema obtêm-se os seguintes dados:

P (M) = 0.25 (probabilidade (percentagem), do papel que é arquivado pela Maria, tendo em
consideração o total de papel arquivado)

21037-EPE-RelActF1 18/19
 UC 21037
P (E/M) = 0.03 (esta é a probabilidade de existirem erros de arquivo devidos à Maria, ou de
outra forma, a probabilidade de haver um erro de arquivo condicionado ao
facto de se considerar a Maria)

Analogamente tem-se: P(A) = 0.55 P(E/A) = 0.02 P(T) = 0.2 P(E/T) = 0.03.

a) O erro de arquivo poder ter origem em três fontes, assim, tem-se que

P ( E ) = P(E ∩ M) + P(E ∩ A) +P(E ∩ T) .

Como nos foram dadas as probabilidades condicionais temos:

P(E) = P(E/M)P(M) + P(E/A)P(A) + P(E/T)P(T) = 0.25×0.03 + 0.55×0.02 + 0.2×0.03 =

= 0.0245.

b) Pretende-se determinar a probabilidade condicional P(T/E), isto é, a probabilidade de que

seja a Teresa a arquivar o papel, sabendo que, ou condicionados ao facto de que existe
um erro no arquivo. Esta probabilidade é facilmente determinada recorrendo à regra de
Bayes.

P (E / T )P (T ) 0.03 × 0.2
P (T / E ) = =
P (E ) 0.0245

FIM

21037-EPE-RelActF1 19/19