Baixe o app para aproveitar ainda mais
Prévia do material em texto
Algumas Distribuições de Probabilidade Discretas:Probabilidade Discretas: Uniforme Discreta Binomial Hipergeométrica Binomial Negativa Geométrica Poisson Distribuição Uniforme Discreta Exemplo: Um jogo consiste em lançar um dado e olhar a face de cima: - se a face for de um número ímpar, o jogador ganha o valor da face em reais; - se a face for de um número par, o jogador perde o valor da face em reais. É um jogo justo? X: valor ganho/perdido pelo jogador P(X=x)=1/6, x=1,-2,3,-4,5,-6. E(X)=(1/6)(1-2+3-4+5-6) = (9-12) /6 = -3/6 = -1/2 real. Não é um jogo justo. Seria justo de E(X)=0. Pedir a uma pessoa para gerar uma sequência de números ao acaso é um bom teste do funcionamento do lobo frontal. Quanto “mais aleatórios” os números, melhor será o funcionamento do córtice frontal. Exemplo: Experimentos de Bernouli Um experimento aleatório de Bernoulli tem as seguintes propriedades: ���� Resulta em um de dois eventos excludentes: sucesso ou fracasso; ���� A probabilidade de sucesso ( p ) (ou a probabilidade de fracasso q =1 – p ) é constante em todas as repetições do experimento. Ou seja, as repetições geram resultados independentes. - Lançamento uma moeda: sucesso = cara, fracasso = coroa; Exemplos: - Lançamento de um dado: sucesso = face 6, fracasso=faces 1, 2, 3, 4 ou 5; - Retirada (com reposição) de uma carta do baralho: sucesso=ás, fracasso=outra; - Teste de ítens sendo produzidos: sucesso = defeituoso, fracasso = conforme; - Jogo de futebol: sucesso = se meu time ganhar, fracasso = c.c. Distribuição Binomial Um experimento Bernoulli é repetido n vezes. Exemplo: Um médico alega ter desenvolvido uma técnica de fertilização que aumenta a chance do bebê ser do sexo feminino. Ele baseia sua alegação nos resultados da aplicação da sua técnica em 100 fertilizações, das quais 58 geraram meninas. X: número de meninas em 100 fertilizações com aplicação da técnica. p: probabilidade da técnica gerar uma menina. → p é constante para todas as fertilizações e estas são independentes. Então X é uma v.a. Binomial (n=100;p), ou seja, .,)1()()( 100 , 2, 1, ,0100 100 K=−−⋅⋅ === xpp x xXPxf xx Estudar a f.m.p. f(x) de X e calcular P(X=58) nas situações em que p=0.5 e p=0.9. Situação 1: p=0.5. Situação 2: p=0.9. Gráficos das Funções de Probabilidade de v.a. b(20;0.5), b(10;0.1) e b(10;0.9). E(X) = 10 E(X) = 1 E(X) = 9 Distribuição Hipergeométrica Exemplo: Uma peça usada em motores de carros é vendida em lotes de 10 unidades. A inspeção do lote pelo comprador consiste em escolher aleatoriamente 3 peças e testá-las; se nenhuma dessas 3 peças for defeituosa, o lote é considerado aceitável. Suponha que um lote a ser inspecionado tenha 2 peças defeituosas, ou seja, O comprador sabe que são produzidas algumas peças defeituosas, mas considera que um lote qualquer é aceitável se tiver, no máximo, uma peça defeituosa. Suponha que um lote a ser inspecionado tenha 2 peças defeituosas, ou seja, esse lote não é aceitável. Qual é a probabilidade da inspeção classificá-lo como aceitável ? Binomial X Hipergeométrica Experimentos Binomiais Negativos Seja um experimento com as mesmas propriedades do experimento binomial (resulta em sucesso ou fracasso; a probabilidade de sucesso é constante, as repetições são independentes), exceto que o número de repetições não é fixo, pois o experimento é repetido até que um número fixo de sucessos ocorra. Ao invés de calcular a probabilidade de x sucessos em n repetições,Ao invés de calcular a probabilidade de x sucessos em n repetições, calcula-se a probabilidade de que o ko sucesso ocorra na xa repetição. Assim, o número de sucessos é fixado (em k) e, agora, o número de repetições do experimento (até se obter k sucessos) passa a ser a variável aleatória de interesse. Distribuição Binomial Negativa Um experimento de Bernoulli(p) é repetido até que k sucessos ocorram. A média e a variância de uma v.a. binomial negativa são . )1( 2 2 p pk ep k − == σµ Exemplo: Distribuição Geométrica Um experimento de Bernoulli(p) é repetido até que o 1º sucesso ocorra. A distribuição geométrica é um caso especial da binomial negativa, quando k=1: g(x;p) = bn(x;1;p). Exemplo: Distribuição de Poisson Exemplo: Suponha que possa ser assumido que o número de navios petroleiros que chegam por dia a um porto tenha distribuição de probabilidade de Poisson com média igual a 10 navios-dia. X: número de navios petroleiros que chegam por dia a um porto, x = 0,1,2,3,... X ~ Poisson(10), pois λ=10 (navios) e t=1 (dia). 10 ⋅ − x As instalações do porto podem suportar até 15 navios por dia. Qual é a probabilidade de que, em um certo dia, navios não consigam aportar ? K 3, 2, 1, 0,10 10 ,!);10( = ⋅ = − x e xp x x .0487,09513,01);10(1)15(1)15( 15 0 =−=−=≤−=> ∑ =x xpXPXP Os livros têm uma tabela com essas somas acumuladas (veja a seguir). Tabela de probabilidade acumuladas da Poisson, onde µµµµ ==== λλλλt. (Ainda no exemplo anterior) Y: número de navios petroleiros que chegam a um porto por semana, y = 0,1,2,... Y ~ Poisson(70), pois λ=10 (navios/dia) e t=7 (dia). y− (a) Qual é a probabilidade de que, em uma certa semana, cheguem pelo menos 50 navios ? Considere agora número de navios petroleiros que chegam ao porto por semana. K 3, 2, 1, 0,yeyYP y y = ⋅ == − ,!)( 7070 .0487,09513,01)(1)50(1)50( 49 0 =−==−=<−=≥ ∑ =y yYPYPYP No. de Chamadas (k) 0 1 2 3 4 5 6 7 ≥ 8 Frequência observada 9 38 71 115 125 106 79 50 57 Exemplo: Engenheiros da companhia telefônica estudam se o modelo de Poisson com média igual a 4,5 pode ser ajustado ao número N de chamadas interestaduais que chegam, por hora, a uma central telefônica, durante o período noturno. No modelo Poisson ( λt = 4,5 ), a freqüência esperada de ocorrências (intervalos de 1h) com k chamadas, k = 0, 1, 2,..., é obtida multiplicando a probabilidade de k chamadas pelo total de observações: Dados coletados em 650 períodos de uma hora: chamadas pelo total de observações: Chamadas 0 1 2 3 4 5 6 7 ≥ 8 Freq. observada 9 38 71 115 125 106 79 50 57 Freq. esperada 7,22 32,50 73,13 109,66 123,37 111,02 83,27 53,56 56,36 Para k =2, por exemplo, espera-se observar, em 650 intervalos t =1 hora, s.ocorrência13,73!2 5,4)2(650 25,4 = ⋅ ==⋅ −eNP As freqüências esperadas e observadas são próximas, o que levou os engenheiros à conclusão de o modelo de Poisson parece ser adequado para descrever a v.a. N.
Compartilhar