Aliguns dos primeros rrapainos sobre robabuidade de wna sere de cartas trocadas entre Pierre de Fermat e Blaise Pascal nos idos de 1650. ESTATISTICA NA PRATICA: OCEANWIDE SEAFOOD 4.3 ALGUMAS RELACOES BASICAS DE PRORARIIINANF Complemento de um evento Lei da alia 4.1 EXPEHIMENIUS, KEGHAS DE CONTAGEM E ATRIBUIGAO DE PROBABILIDADES Regras de contagem, combinagdes © permutagées 4.4 PROBABILIDADE CONDICIONAL Atribuindo probabilidades Eventos independentes, Probabilidades do Projeto da KP&L Lei da multiplicagéo 42. EVENTOS E SUAS PROBABILIDADES 45 TEOREMA DE BAYES Abordagem tabular Os gerentes frequentemente fundamentam suas decisées em uma anélise de incertezas, como as que apresentamos a seguir: 1. Quais sdo as chances de queda das vendas se aumentarmos os progos? 2. Qual é a probabilidade de um novo método de montagem aumentar a produtividade? 3. Qual & a probabilidade de o projeto ser conclufdo no prazo? 4, Qual é a chance de um novo investimento ser lucrative? Probabilidade é uma medida numérica da possibilidade de um evento ocorrer. Desse modo, pode ‘mos usar probabilidades como medidas do grau de incerteza associado aos quatro eventos anteriormente relacionados. Se houver probabilidades disponiveis, podemos determinar a possibilidade de cada um dos eventos ocorter, ‘Valores probabilisticos sempre s4o atribudos em uma escala de 0a 1. Uma probabilidade proxima de 0 indica que € improvavel que um evento ocorra; uma probabilidade préxima de 1 revela que a ocor- réncia de um evento € quase certa. Outras probabilidades entre 0 e 1 representam o grau de possibilidade de um evento vir a ocorrer. Por exemplo, se considerarmos 0 evento “chover amanha”, entendemos que, quando o boletim meteorol6gico indica “uma probabilidade de chuva préxima de zero”, isso quer dizerEstatistica aplicada & administragio e economia OCEANWIDE SEAFOOD* ‘SPRINGBORO, OHIO A. Oceanwide Seafood ¢ uma empresa lider ne fomecimen- to de frutos do mar de qualidade, no sudoeste de Ohio. ‘A companhia fornece mais de 90 variedades de produtos 8 base de frutos do mar, frescos e congelados, de todas as partes do mundo, e prepara cortes especiais, de acor- ‘do com as especiticagoes do cliente. Seus clientes incluern restaurantes renomados e distribuidoras varejistas de alc ‘mentos, em Ohio, Kentucky e Indiana. Estabelecida em 2005, a companhia se tomou bem-sucedida no fomeci- mento de dtimos servicos aos clientes efrutos do mar de qualidade excepcional. Probabilidade e informacées estatisticas sao utiliza {das nas decisoes operacionais e de marketing. Hor exern- plo, uma série tempnral mostranda ac vendas mensais 4 usada para acompanhar © crescimento da companhia e defini 0s futuros objetivos dos niveis de venda. Estatis- ticas como a média do tamanho de pedidos de clientes © o numero medio de dias que um cliente leva para fazer agamentos ajudam a identificar os melhores clientes da companhia, assim como fornece benchmarks para lidar ‘com questoes referentes 2 contas a receber. Além disso, 108 dados sobre niveis mensais de inventario sao utiliza- dos na anilise de [ucros operacionais e tendéncias nas vendas de produtos. ‘A analise de probabilidade tem ajudado a Uceanwide a determinar precos raroAveis ¢ hicrativne para aus produ: ‘0s, Por exemplo, quando ela recebe um lote completo de peixe fresco de um de seus fornecedores, 0 peixe precisa ser processado ¢ cortado para atender a pedidos individu- ais Uos clientes, Uin atu fresco, Intelto, pesando 100 libras (cerca de 45 quilos) e acandicionade em gelo pode cistar $500 & Oceanwide. A primeira vista, o custo do atum para a compantia parece ser de $ 500/100 = $ 5 por libra (454 ‘gramaz). Contudo, devido a perda na operacéo de processa- ‘mento corte, um atum inteiro, pesando 100 libras (cerca de 45 quilos), ndo fornecera os mesmnos 45 quilos do produto acabado. Se a operacio de processamento e corte resulta em 75% do atum inteiro, total de gramas do produto aca~ bado, disponivel para venda aos clientes, sera de 0,75(100) = libras (cerca de 24 quilos),n8o de 100 libras (cerca de 45 quilos). Nesse caso, o custo real do atum para a compa- nhhia sera de $ 500/75 = § 6.67 por libra (454 gramas}. Desse modo, a Oceanwide deveria utilizar um custo de $ 6,67 por libia pata elerininat uri prego lucrativo a ser cobrado de seus clientes, Para ajudar a determinar o rendimento percentual do pprocessarmento € corte de um atum inteiro, foram cole- tados dados sobre os rendimentos provenientes de uma amostra de atuns inteiros. Vamos considerar que Y denota ‘rendimento percentual do atum inte. Utilizando os da~ dos, a Oceanwide fol capaz de determinar que em s% das eres. 0 rendimento para o atum inteite foi ce pelo menos 90%. Na notacao de probabilidade condicional, essa pro- babilidade € escrita como P(Y 2 90% | atu) = 0,08; em ou- ‘ras palavras, a probabilidade de que o rendimento seja de pelo menos 90%, considerando que o peixe é um atum, € de 0,05. Se a Oceanwide estabeleceu 0 preco de venda do atum com base em um rendimento de 90%, em 95% das vezes a companhia obterd um rendimento menor do que o esperado. Como resultado, a empresa estaria subavaliando seu custo por libra e também subavaliando 0 preco do atum para seus clientes, Mals inforrac6es sobre a probabilidade condieional para outros tendimentos percentuats ajudaram a administragdo da campanhia a selecionar im cenrimentn cde 70% como base pata determinar o custo do atu e o preco a ser cobrado de seus clientes, Probabilidades condi- bem definidos. Em uma tinica repeticao de um experimento, ocorrerd um, e somente um, dos resul- tados experimentais possiveis. Diversos exemplos de experimentos e seus respectivos resultados sho apresentados a seguir. Experimento Resultados experimentais a Joger uma mecd Cara, coroa Selecionar uma peca parainspecto _Defeltuosa,ndo defeituosa Fazer um contato de vendas Comprar ndo comprar Langar um dado 12:3.45.6 Jogar uma partida de futebol ‘Ganhar, perder, empatar Ao especificarmos todos os resultados possfveis, identificamos 0 espaco amostral de um experimento. Espago amostral O espago amostral de um experimento € 0 conjunto de todos os resultados experimentais. Um resultado experimental também é chamado ponto amostral para identificé-lo como um ele- mento do espago amostral. Considere o prinrcitu expesinento da tabela anterior — jogar uma moeda. A face da moeda voltada para cima —cara ou coroa ~ determina os resultados experimentais (pontos amostrais). Se denotarmoe © espago amostral por S, podemos usar a seguinte notagio para descrever 0 espago amostral: S= (Cara, Coroa} (O espago amostral do segundo experimento da tabela — selecionar uma pega para inspeco — pode ser descrito da seguinte maneira: S= (Defeituoso, Nao defeituoso} Ambos os experimentos que aeabamos de descrever tém dois resultados expetimentais (pontos amostrais). Entretanto, suponha que consideremos 0 quarto experimento relacionado na tabela: Tangar um dado. Os resultados experimentais possfveis, def nidos como 0 mimero de pontos que aparecem na face superior do dado, sao os seis pontos do espago amostral desse experimento: S={1,2,3,4,5,6} Regras de contagem, combinagoes e permutacdes Ser cupaz de identificar e contar 0s resultados amostrais € uma etapa necesséria na atribuigio de probabilidades. Vamos discutir agora trés regras cle contagem titeis.LEM | Estatistica apticads a administragio e economia de I/n é atribufda a cada resultado experimental. Quando se usa essa abordagem, os dois requisitos para atribuiedo de probabilidade so automaticamente satisfeitos. ‘Requisitos basicos para a atribuicao de probabilidades 1. A probabilidade atribuida a cada um dos resultados experimentais deve ser entre 0 1, inclusive. Se admitirmos que E, denota 0 i-ésimo resultado experimental e que P(E) é sua probabilidade, entao esse requisito pode ser escrito na seguinte forma: 05 P(E) = 1 para todo i (4.3) 2. A soma das probabilidades de todos os resultados experimentais deve ser igual a 1,0. Para n resultados experimentais, esse requisito pode ser escrito na seguinte forma: PE) + PE) +++ + PE) = 1 (4.4) Como exemplo, considere 0 experimento de jogar uma moeda; os dois resultados experimen- tais — cara e coroa ~ sio igualmente provaveis. Uma vez que um dos dois resultados igualmente provaveis € cara, a probabilidade de observar cara € 1/2, ou 0,50. De forma similar, a probabilidade de observar coroa também é 1/2, 0u 0,50. Como outro exemplo, considere o experimento de langar um dado. Seria razodvel concluirmos que 05 seis resultados possiveis sau igualmente provaveis e, portanto, a cada resultado é atributda uma probabilidade de 1/6. Se P(1) denota a probabilidade de 1 aparecer na face do dado voltada para cima, entio P(1) = 1/6. De modo similar, P(2) = 1/6, P@) = 1/6, P(4) = 1/6, P(S) = 1/6 e P(6) = 1/6. Observe que essas probabilidades satisfazem aos dois requisitos basicos das Equagbes (4.3) e (4.4) porque cada uma das probabilidades & maior ou igual a zero e sua soma € 1,0. (O método de frequéncia relativa para a atribuigao de probabilidades € apropriado quando se tem dados disponivcis para estimar a proporedo de vezes em que o resultado experimental ocor- rerd se 0 expetimento for repetido intimeras vezes. Como exemplo, considere um estudo sobre 0 tempo de espera no setor de raios X de um hospital municipal. Um atendente registrou o ntimero de pacientes a espera de atendimento as 9 horas cm 20 dias consecutivos e obteve os seguintes resultados: 2 6 4 3 Total 20 Esses dados mostram que em dois dos 20 dias, nenhum (0) paciente estava a espera de aten- dimento; em cinco desses dias, um paciente estava & espera de atendimento e assim por diante. Usando 0 método de frequéncia relativa, atribuirfamos uma probabilidade de 2/20 = 0,10 ao re- sultado experimental de nenhum paciente estar & espera de atendimento, 5/20 = 0,25 ao resultado experimental de um paciente estar & espera, 6/20 = 0,30 para dois pacientes, 4/20 = 0,20 para trés pacientes e 3/20 = 0,15 para quatro pacientes & espera. A exemplo do que ocorre com 0 método clissico, usar 0 método de frequéncia relativa satisfaz automaticamente os dois requisitos bésicos das Equacoes (4.3) ¢ (4.4) O método subjetivo de atribuigao de probabilidades € 0 mais apropriado quando nio se pode presumir realisticamente que os resultados experimentais so igualmente provaveis e quandoCapitulo tatodusto a probable # 13. Uma empresa que produz creme dental estuda cinco diferentes desenhos (designs) de emba- lagens. Supondo que um desenho tenha exatamente a mesma probabilidade de ser escolhido pelo cliente que outro qualquer, qual probabilidade de escolha voc¢ atribuiria a cada um dos desenhos de embalagem? Em um experimento real, foi solicitado a 100 consumidores que es- colhessem 0 desenho de sua preferéncia, Foram obtidos os dados a seguir. Os dados confirmam. a crenga de que um desenho tem a mesma probabilidade de ser escolhido que outro qualquer? Explique. Tf 5 2 6 3 x 4 40, 5 10 4,2 Eventos e suas probabilidades Na ntrodugdo deste capitulo, utilizamos 0 termo evento de modo muito similar ao usado na lingua- gem da catidiann, Depois, na Segiia 4.1, introduzimos o conceito de experimento e sens resultados experimentais, ou pontos amostrais, correspondentes. Pontos amostrais e eventos constituem a base para o estudo das probabilidades. Como consequéncia, precisamos introduzir agora a defini- cdo formal de evento, uma vez que ele se relaciona aos pontos amostrais. Isso nos dard a base para determinarmos a probabilidade de um evento. Evento Um evento é um conjunto de pontos amostrais.. ‘Como exemplo, retomemos ao projeto da KP&L e suponhamos que o gerente de projetos esteja interessado no evento de 0 projeto inteiro ser conclufdo em dez meses ou menos. Consultando a Tabela 4.3, notamos que seis pontos amostrais — (2, 6), (2, 7), (2, 8) (3, 6), (3, 7) € (4, 6) — apre- sentam um prazo de término do projeto de dez meses ou menos. Se considerarmos que C denota 0 evento de o projeto ser conclufdo em dez meses ou menos, eserevemos: C= {(2, 6), (2, 7), 2, 8), (3, 6), (3, 7), (4, 6)} Considera-se que 0 evento C ocorra se, desses seis pontos amostrais, qualquer um aparecer como resultado experimental. entre outros eventos que poderiam interessar 2 geréncia da KPI, ineluem-se os seguintes: L— oevento de 0 projeto ser conclufdo em menos de dex. meses M = oevento de o projeto ser concluido em mais de dez meses Utilizando as informagdes na Tabela 4.3, notamos que esses eventos consistem nos seguintes pon- tos amostrais: L= (2,6), 2,7), 3,6} M= (3, 8), (4, 7), (4, 8)} ‘Uma série de eventos adicionais pode ser definida para o projeto da KP&L, mas, em cada caso, Co eveitto deve set identificado como um conjunto de pontos amostrais do experimento.BEGINS | sttstics splicada d administragioe economia Dadas as probabilidades dos pontos amostrais apresentados na Tabela 4.3, podemos usar a se- guinte defini¢ao para calcular a probahilidade de qualquer evento que a geréncia da KP&L possa querer considerar. Probabilidade de um evento ‘A probabilidade de um evento é igual a soma das probabilidades dos pontos amostrais do evento. Utilizando essa definigdo, calculamos a probabilidade de um evento em particular somando 8 probabilidades dos pontos amostrais (resultados experimentais) que compdem o evento. Ago- 1a podemos calcular @ probabilidade de que o projeto demandara dez meses ou menos para ser concluido. Uma vez que esse evento € dado por C= {(2, 6), 2, 7), (2,8), 3, 6), (3, 7), 4, 6}, a probabilidade do evento C, denotada por P(C), sera dada por P(C) = PQ2, 6) + P(2, 7) + P(2, 8) + P(3, 6) + P(3, 7) + P(A, 6) Referindo-se as probabilidades dos pontos amostrais da Tabela 4.3; temos, portanto, P(C)=0,15 + 0,15 + 0,05 + 0,10 + 0,20 + 0,05 = 0,70 ‘De modo similar, uma vez que 0 evento de o projeto ser concluido em menos de dez meses ¢ dado por L = {(2, 6), (2, 7), (3, 6)}, a probabilidade desse evento é dada por P(L) = P(2, 6) + P(2, 7) + PG, 6) =0,15 + 0,15 +0,10=0,40 Por fim, para o evento de o projeto ser conclufdo em mais de dez meses, temos M = {(3, 8), (4,7), (4, 8)} e, assim, POM) = PG,8) + PC4,T) + P48) 0,05 + 0,10 + 0,15 = 0.30 Utilizando esses resultados probabilfsticos, agora podemos dizer & geréncia da KP&L que hi uma probabilidade de 0,70 de o projeto ser conclude em dez meses ou menos, uma probabilidade 0.40 de o projeto ser concluido em menos de dez meses ¢ uma probabilidade de 0,30 de o projeto ser conclufdo em mais de dez meses. Esse procedimento para 0 célculo de probabilidades pode ser repetido para qualquer evento que interesse & geréncia da KP&L. Sempre que pademos identificar tocios 9x pontos amostrais de um experimenti atribnir probabilidades a cada um, temos condigdes de calcular a probabilidade de determinado evento usando a definigio, Entretanto, em muitos experimentos 0 grande nimero de pontos amos- trais tora a identificagdo dos pontos amostrais, bem como a determinaco de suas respectivas probabilidades, extremamente complicada, quando nao imposstvel. Nas secoes restantes deste capftulo apresentaremos algumas relagdes probabilisticas bésicas que podem ser usadas no célculo da probabilidade de um evento sem a necessidade de conhecer todas as probabilidades dos pontos amostrais. 1 5. um evento, Uma vez que ele contém _igualmente provave's. Nesses casos, a probabilidade de um tocoe os rasultadne axperimentsis, tm a prababilidede I;ou _avanta pada var calculada contando-#a o niimera de resul sei, A)=1 tados experimentais do evento e dividindo-se o resultado 2. Quando se -0 para atribuir probabilida- __pelo numero total de resultados experimentas. es, 0 pressuposto é resultados experimentais sejamAUTO [] TESTE nA AUTO [1], Teste My Capitulo 4 ¢ Introdugo i probabitidade Métodos 14, Um experimento tem quatro resultados igualmente provéveis: E,, Ey E,¢ E, a, Qual € a probabilidade de F, ocorrer? b. Qual é a probabilidade de dois resultados quaisquer ocorrerem (por exemplo, E, ou E,)? c. Qual é a probabilidade de trés resultados quaisquer ocorrerem (por exemplo, E,, E, ou E,)? 15. Considere 0 experimento de escolher uma carta de um baralho de 52 cartas. Cada carta corres- ponde a um ponto amostral com uma probabilidade de 1/52. a. Relacione os pontos amostrais do evento “és ser escolhido”, 'b. Relacione os pontos amostrais do evento “uma carta com naipe de paus ser escolhida”, c. Relacione os pontos amostrais do evento “uma das cartas da corte (valete, rainha ou rei) ser escolhida”. . Encontre as probabilidades associadas a cada um dos eventos dos itens (a), (b) e (c). 16. Considere o evento de langar um par de dados. Suponha que estejamos interessados na soma dos valores de face mostrados nos dados. a. Quantos pontos amostrais so possfveis? (Dica: Use a regra de contagem de experimentos em vérias ctapas.) Relacione os pontos amostrais. Qual é a probabilidade de obter 0 valor 7? Qual € a probabilidade de obter o valor 9 ou um valor maior? sae ‘Uma vez que cada langamento tem seis valores pares possfveis (2, 4, 6, 8, 10¢ 12) ¢ somen- tecinco valores fmpares possiveis (3, 5, 7, 9 € 11) 0s dados exibirdio valores pares com mais frequéncia do que valores impares. Vocé concorda com essa afirmagao? Explique. £, Qual método vocé usou para atribuir as probabilidades solicitadas? Aplicagées 17. Consulte os pontos amostrais e as probabilidades dos pontos amostrais correspondentes & KP&L indicados nas Tabelas 4.2 e 4.3, respectivamente. a. A tase de projeto (etapa 1) estourard o org: clinida, Relacione os pontos amostrais do evento “a fase de projeto estourar o orgamento” b. Qual é a probabilidade de a fase de projeto estourar o orgamento? c. A fase de construgio (etapa 2) estouraré 0 orcamento se demandar oito meses para ser concluida. Relacione os pontos amostrais do evento “a etapa de construgiio estourar 0 orca- mento”. 1 se deutandlar quatro meses para set con- d. Qual é4 probabilidade de a fase de construcio estourar o orgamento? €. Qual € a probabilidade de ainbas us etapas estouraicm 0 orgamento? 18, Para investigar com que frequéncia as familias fa7em refeighes em suas casas. a Harris Interac- tive pesquisou 496 adultos vivendo com filhos menores de 18 anos (USA Today, 3 de janeiro ‘de 2007). Os resultados do estudo so mostrados na tabela a seguir. Para uma familia selecionada aleatoriamente, com filhos menores de 18 anos, calcule o seguinte, ‘a. A probabilidade de que a familia ndo faca nenhuma refeicao em casa durante a semana. 'b. A probabilidade de que a familia faca pelo menos quatro refeigées em casa durante a semana. c. A probabilidade de que a familia faga duas refeigdes, ou menos, em cusat durante a semana.ng, 14 Tou mais 139 19. Vocé acredita que 0 govemno protege os investidores adequadamente? Essa pergunta é parte de uma pesquisa un-line, feita com investidures com menus de 63 anus, viveudy nus Estudos Unidos ¢ na Gré-Bretanha (Financial Times/Harris Poll, 1° de outubro de 2009). O mimero de investidores dos Estados Unidos e o mimero de investidores da Gra-Bretanha que respon- deram Sim, Nao ou Nao Soube responder, a esta questdo, é apresentado a seguir. Sinn 187 97 Nao 34 a Nao soube responder 256 2B a. Estime a probabilidade de que um investidor vivendo nos Estados Unidos acredite que 0 governo nao protege os investidores adequadamente. b. Estime a probabilidade de que um investidor vivendo na Gra-Bretanha acredite que 0 go- ‘verno nao protege os investidores adequadamente ou nao saiba ao certo se 0 governo pro- tege os investidores adequadamente. c. Para um investidor selecionado aleatoriamente, nesses dois paises, estime a probabilidade de que um investidor acredite que o governo nao protege os investidores adequadamente. 4. Com base nos resultados desse estudo, parece haver muita diferenga entre as percepgdes dos investidores vivendo nos Estados Unidos ¢ na Gri-Bretanha, com relag&o a se o gover no esté protegendo os investidores adequadamente? 20. A revista Fortune publica uma edic&o anual que contém informacdes sobre as empresas do grupo Fortune 500, Os dados a seguir apresentam os cinco estados que contam com 0 maior nimero de empresas do grupo Fortune 500 (The New York Times Almanac, 2006). Nova York 54 California ba Texas 48 Illinois 3 ‘Ohio 30. ‘Suponha que uma empresa do grupo Fortune 500 seja escolhida para responder a um questio- niirio de acompanhamenta (falinw-up) Qnais so as penbahilidades dos seguintes eventos? a. Seja No evento correspondente & empresa ter sede em Nova York. Encontre P(N). b. Seja To evento correspondente 3 empresa ter sede no Texas. Encontre P(7). c. Seja Bo evento comrespondente & empresa ter sede em um desses cinco Estados. Encontre P(B).. 21. A populagdo norte-americana (Estados Unidos), distribufda por faixa etéria, é apresentada a seguir (The World Almanac, 2009). Os dados esto expressos em milhdes de pessoas.Estatistica aplicada & administragdo e economia Recomendagdo Positiva — Conselho desaprova ecomendagao Negativa — Consellio aprovat Recomendagdo Negativa — Conselho desaprova 50) _ 50! _ $0-49-48-47 9, = tl eS (2) = gaat asa = 220300 10, 2. Utilizando a tabela, P(Débito) = 0.94 M4 15, 16. W. 18, 22, 2. Cinco das 8 insituigdes, P(acima de 60%) = 5/8 = 0,625 ‘Duas das 8 instituigdes, Plmais de $ 30.000) = 2/8 = 0.25 P(Sein dita) = 1 — P(déhita) = 1 -0,72 = 0.28 Uma média ponderada com 72% tendo débito médio de 32,980 € 28% sem nenhium JELitw 07248 32.980) + 0.28(8 0) Débito médio por graduado = 0,72 + 0,28 = $23.16 3.478.761 1B.AT8.161 1/146.107.962. CRP P PR PP PAO eR He A ee Pe de paus, ds de ouros, 4s de copas, és de espadas } 2 de paus, 3 de paus, ..., 10 de paus, J de paus, Q dde paus, K de paus, A de paus) Existem 12; valete, rainha ou rei em cada um dos quatro naipes Para (a): 4/52 = 1/13 = 0,08 Para (by: 13/52 = 1/4 = 0,25 ara (c): 12/52 Nao; P(par)= P(impar) = % Crassico 4,0,4,7), 4,8) 0,05 + 0,10 + 0,15=0,30 (3, 8), 4, 8) 0.05 + 0.05 + 0,15 = 0,25 ous 0.0222 0.40, 0:40, 0,60, 0,30, sim A= (Ey Ey Bh C= (Ey El ,05 +0,25 +0,10. .20 + 0.25 + 0,05 = 0,50 120 +0,20+ 0,15 b. AUB=(B, Ey Ey FE): PAU B)= P(E) + PLE) + PUE,) + PUB) + PU) 103 + 0,20 0.25 +0,10 + 6,05 = 0.65 ce AN B={E,); PAN B)= PEA) = 0.25 4. Sim, cles so matuamente exclusivos @ BH (E,Ey By Els PB) = PEE.) + P(E) + PE) + PE) 0,05 + 0,20+ 0,15 +0.10 0.50 os b. 0,70 26, a. 0,64 © 036 b. 0.48 a. 0,76 28. Assuma que B = um carro alugado por razdes comerciais = um earo alugado por razSes pessoas a. P®UP)= PU) + PIP) PORN P) (0.540 + 0,458 - 0,300 0.8 b._P(Nenhum dos dois) ANB) 7®) ANB) _ 040 WS ction 050 e. Néo, porque P(A 1) # PC) De = 0,698 = 0,302 oo 0,00, 66), PALB) Caminhiio eve 0,299) Caro 10,1330 Total 0.4269 ‘Estados Unidos ‘Outros paises | 0.3478 0.2253 |_05731 Total 04808 0.5192 | 1,0000 b, 0.4269, 0,5731 Maior probabilidade para os fabricantes ‘de oulros paises; 0,4808, 0.5192 Pouco maior para cami: rnhdes leves 0.3115, 0,685 Maior para caminhdes leves {d._0,6909, 0,3931 Maior para carvas . 0,5661 Para caminhbes leves, maior probabilidade para (0 fabricantes dos Estados Unidos 3a ‘Motivo da Matricula % Cust! (Qualidade Conveniéneia Outros} ‘Total ‘Tempo integral 0218 0.204 0.039 | 0.461, ‘Tempo parcial | 0.208 0,307 __0.024 | 0.539 Total 0426 0511 0,063 | 1,000 'b. E mais provavel que um estudante mencione custo ou Cconveniéneia como o principal motive (probabilidade = 0,511}; a qualidade da escola & a razao citada pelo segun- do maior ntimero de estudantes (probabilidade = 0,426) ‘¢. P{qualidade | tempo integral) ~ 0,218/0,461 = 0,473 4. P(qualidade | tempo parcial) = 0,208/0,539 = 0,386 Para independéncia, devemos ter PLA)P(B)= PA NB); partir da tabela 1218, PCA) (0,461)(0.426) Como P(A)PCB) # P(A NB), os eventos no sio indepen- domes 426