Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuição Binomial Esta importante distribuição é aplicada em casos de experimentos repetidos, onde existem dois possíveis resultados: cara ou coroa, sucesso ou fracasso, item defeituoso ou item não defeituoso, e muitos outros possíveis pares. A probabilidade de cada resultado pode ser calculada utilizando a regra da multiplicação, talvez com o uso do diagrama de árvore, porém é muito mais simples e eficiente utilizar uma equação generalizada. Assim, uma variável aleatória poderá ter sua distribuição de probabilidade modelada de forma binomial caso atenda os seguintes pressupostos: Pressupostos · o resultado é completamente determinado por chance (aleatório); · existem somente dois possíveis resultados, experimento Bernoulli; · todas as tentativas possuem a mesma probabilidade para um resultado em particular. Ou seja, as tentativas ou realizações do experimento são independentes; · isso implica que, existe uma probabilidade pp de sucesso constante em cada tentativa · o número de tentativas, nn, é um valor fixo, um número inteiro e positivo; O que é distribuição binomial? A distribuição binomial é a distribuição de probabilidade e estatística discreta do número de sucessos decorrentes de uma determinada sequência de tentativas, que seguem à seguintes características: · Espaço amostral finito; · Apenas dois resultados possíveis (sucesso ou fracasso) para cada tentativa; · Todos os elementos devem possuir possibilidades iguais de ocorrência; · Eventos devem ser independentes uns dos outros. Quando utilizar a distribuição binomial? A distribuição Binominal pode ser usada ao iniciar um projeto Seis Sigma, por exemplo, o Greenou Black Beltdeve verificar qual é o tipo de dado (contínuo ou discreto) que está lidando na saída do processo. Isto vai determinar quais as ferramentas que serão utilizadas no desenvolvimento do projeto. Cabe a este profissional definir qual das inúmeras distribuições estatísticas é a que melhor representa o processo que está sendo estudado. As distribuições estatísticas podem ser divididas em dois grandes grupos: · Distribuição Discreta (Atributos); · Distribuição Contínua (Variável). As distribuições discretas por sua vez, devem ser utilizadas para modelar situações em que a saída de interesse só pode assumir valores inteiros (discretos) como, número de caras ou coroas, 0 ou 1 para falha ou sucesso, ou 0,1,2,3,... como o número de ocorrências de um determinado evento de interesse por exemplo. A distribuição discreta pode ainda ser dividida em duas famílias: · Distribuição Binomial; · Distribuição Poisson. Neste post iremos abordar a distribuição binomial. Esta deve ser utilizada para modelar situações onde para uma determinada saída de interesse a probabilidade de ocorrências de um sucesso ‘p’ e de um fracasso ‘q’ é sempre constante. A distribuição binomial funciona bem quando os tamanhos dos lotes são grandes ou em produções contínuas, por exemplo. Como calcular a distribuição binomial? Para calcular a probabilidade de ter k sucessos em um evento que segue a distribuição binomial, podemos usar a seguinte equação: Onde a probabilidade de sucesso é dado por ‘P’, e a do fracasso é dado por ‘Q’, satisfazendo a relação Q=1-P. ‘x’ é o número de sucessos numa amostra, ‘n’ corresponde ao número total de ensaios. Vale lembrar que é a combinação de n valores tomados de k a k. Variável Aleatória Generalizada Seja XX o número de sucessos em nn tentativas independentes. Exemplos Dado um experimento aleatório ee, de acordo com a v.a.d. XX: · Seja XX o número de caras em nn tentativas independentes. · Seja XX o número de itens defeituosos em nn itens produzidos independentes. · Seja XX o número de amostras contaminada em nn amostras independentes. · Seja XX o número de questões corretas em nn questões respondidas independentes. · … Note que a palavra sucessos e tentativas podem ser alteradas conforme o experimento aleatório ee e, questão. O modelo é dado pela seguinte função massa de probabilidade (PMF): pX(x)=P(X=x)=(nx)px(1−p)n−xpX(x)=P(X=x)=(nx)px(1−p)n−x onde, (nx)=n!x!(n−x)!(nx)=n!x!(n−x)! para x=0,1,…,nx=0,1,…,n: Exemplo de uma Distribuição Binominal Suponhamos que em uma linha de produção sejam fabricadas lâmpadas incandescentes. E elas são embaladas de forma que cada embalagem contenha 10 unidades de lâmpadas. Um Green Belt sabe que a probabilidade de uma lâmpada sair de sua linha de produção com defeito é de 5%. E ele deseja calcular a probabilidade de uma mesma embalagem conter 3 unidades de lâmpadas com defeito. Para ajudarmos a este profissional, você, como entendedor de probabilidade e estatística que é, irá aplicar a seguinte equação da distribuição binomial: Com os dados apresentados podemos identificar que: k = 3 n = 10 P = 0,05 Q = 1 - P = 0,95 É muito importante observar que utilizamos em ‘P’ a probabilidade de sucesso, e isso não deve ser confundido com a probabilidade da lâmpada não ser defeituosa. Mas sim a probabilidade de ocorrer o evento em que estamos focados. Ou seja, é a probabilidade de ocorrer um defeito. Aplicando esses valores e conceitos na equação apresentada, temos: pôde então chegar à conclusão de que a probabilidade de existir uma caixa com 3 lâmpadas defeituosas é de 1,05% Distribuição de Bernoulli Na área de teoria das probabilidades e estatística, a distribuição de Bernoulli, nome em homenagem ao cientista suíço Jakob Bernoulli, é a distribuição discreta de espaço amostral {0, 1}, que tem valor 1 com a probabilidade de sucesso p e o valor 0 com a probabilidade de falha p = 1 – q Agora vamos começar a estudar alguns modelos de distribuição de probabilidades de v.a. discretas. Primeiro o modelo de Bernoulli, é o mais basicão, mas você precisa entender bem a essência da parada. Bom, vamo lá! Geralmente, num experimento aleatório, a gente se interessa apenas por um resultado específico, que chamaremos de SUCESSO. Por exemplo: · Na hora de chutar a questão da prova, a gente só quer saber se vai acertar ou não · Na hora de tomar uma cerveja, a gente se preocupa se ela vai tá gelada ou não. · Na hora de escolher o professor da faculdade, a gente procura saber se ele é mamata ou não. Sacou ? Sucesso seria claro, acertar o chute, cerveja gelada e professor mamata. Nesses experimento então teremos 2 possíveis resultados: · SUCESSO ou S, representado por 1 · FRACASSO ou F, representado por 0 Exemplo: Tendo uma questão objetiva de 5 opções, qual seria a probabilidade de eu acertar e a de eu errar a questão chutando? Peguei leve ein! Haha Nossa v.a. seria: X = acertar a questão Tendo como sucesso acertar a questão, temos: P(Sucesso) = P(X=1) = 1/5 P(Sucesso) = P(X=0) = 4/5 Sempre que a v.a. permitir apenas sucesso ou fracasso, seguirá o modelo de Bernoulli. E diremos que: P(Sucesso) = P P(Fracasso) = 1 – P Ou seja: P(x=1)=p e P(X=0)=1 –p Podemos determinar também com isso a E(X) e Var (X) : E(X)=0 * (1 – p) + 1 * p = p E(X)=p Var(X)=0^2 * (1 – p) + 1^2 *p - p^2= p(1 – p) Var(X)= p(1 – p)
Compartilhar