Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 MODELOS TEÓRICOS DISCRETOS 8 DISTRIBUIÇÃO BINOMIAL Experimento binomial é o experimento que consiste em : O experimento deve ser repetido, nas mesmas condições, um número finito de vezes (n); As provas repetidas devem ser independentes, isto é, o resultado de uma não deve afetar os resultados das sucessivas. Em cada prova deve aparecer um dos dois possíveis resultados: sucesso e fracasso. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q = 1 – p do fracasso serão constantes. Resolveremos problemas do tipo: determinar a probabilidade de se obterem x sucessos em n tentativas. DISTRIBUIÇÃO BINOMIAL xnxqp x n xXP onde x=0,1,2,...,n sendo: !! ! xnx n x n qpnXDP qpnXVAR npXE .. .. P(X= x) a probabilidade de que o evento se realize x vezes em n provas; p a probabilidade de que o evento se realize em uma só prova – sucesso; q a probabilidade de que o evento não se realize no decurso dessa prova – fracasso; com: Medidas descritivas EXEMPLOS 1. Cada amostra de água tem 10% de chance de conter um particular poluente orgânico. Suponha que as amostras são independentes com relação à presença do poluente. a) Determine a probabilidade que nas próximas 18 amostras, exatamente 2 contenham o poluente. 2 EXEMPLOS b) Determine a probabilidade de que pelo menos 4 amostras contenham o poluente. EXEMPLOS c) P( 3 X < 7 ). EXEMPLOS 2. Uma empresa que fabrica azulejos sabe por experiência que 5% de suas peças possuem defeitos e devem ser classificadas como “de segunda linha” . a) Entre seis peças selecionadas aleatoriamente, qual é a probabilidade de uma ser de segunda linha? b) Entre seis peças selecionadas aleatoriamente, qual é a probabilidade de no mínimo duas serem de segunda linha? EXEMPLOS 3. Se 75% de todas as compras em uma determinada loja forem feitas com cartão de crédito e X for a quantidade de compras feitas com cartão de crédito entre 10 compras selecionadas aleatoriamente. Calcule o valor esperado e o desvio padrão de X. 3 EXEMPLOS 4. Suponha que 20% de todas as peças de pisos cerâmicos apresentem falha em um determinado teste de resistência. Seja X o número de peças que apresentam falhas entre 15 peças selecionadas aleatoriamente. Determine a probabilidade de: a) no máximo 8 apresentarem falha; b) exatamente 8 apresentarem falha; c) no mínimo 8 apresentarem falha; d) de 4 a 7, inclusive, apresentarem falha. DISTRIBUIÇÃO DE POISSON Depois da binomial, a distribuição de Poisson é a distribuição de probabilidade discreta mais utilizada, pois pode ser aplicada a muitos casos práticos nos quais interessa o número de vezes que um determinado evento pode ocorrer durante um intervalo de tempo ou num determinado ambiente físico, denominados área de oportunidade (comprimento, tempo, superfície, etc.), por exemplo: O número de suicídios ocorridos em uma cidade durante um ano; O número de acidentes automobilísticos ocorridos numa rodovia em um mês; Número de chegadas a um caixa automático de um banco durante um período de 15 minutos Defeitos por unidade (cm, m, etc.) por peça fabricada Erros tipográficos por página, em um material impresso Usuários de computador ligados à Internet DISTRIBUIÇÃO DE POISSON Nos exemplos, não há como determinar‐se a probabilidade de ocorrência de um sucesso, mas sim a frequência média de sua ocorrência, como, por exemplo, dois suicídios por ano. Poisson é uma distribuição de probabilidade discreta que se aplica a ocorrência de eventos ao longo de intervalos especificados. A variável aleatória é o número de ocorrência do evento no intervalo. Os intervalos podem ser de tempo, distância, área, volume ou alguma unidade similar. DISTRIBUIÇÃO DE POISSON !x e xXP x Onde: X é o número de ocorrências e é a base dos logaritmos naturais (e = 2,71828) é a taxa média por unidade XVAR XE Uma variável aleatória X admite distribuição de Poisson se: Medidas descritivas 4 EXEMPLOS 1. Uma central telefônica tipo PABX recebe uma média de 5 chamadas por minuto. Qual a probabilidade deste PABX não receber nenhuma chamada durante um intervalo de 1 minuto? DISTRIBUIÇÃO DE POISSON Uma distribuição de Poisson difere de uma distribuição binomial nestes aspectos fundamentais: A distribuição binomial é afetada pelo tamanho da amostra n e pela probabilidade p, enquanto que a distribuição de Poisson é afetada apenas pela média ; Na distribuição binomial, os valores possíveis da variável aleatória x são 0; 1; 2; ...; n, mas a distribuição de Poisson tem os valores de x de 0; 1; 2; ..., sem qualquer limite superior. Obs: O parâmetro λ é usualmente referido como taxa de ocorrência. EXEMPLOS 2. O número de mulheres que entram diariamente em uma clínica de estética para bronzeamento artificial apresenta distribuicão de Poisson, com média de 5 mulheres por dia. Qual a probabilidade de que em um dia particular, o número de mulheres que entram nesta clínica de estética para bronzeamento artificial, seja: a) Igual a 2? b) Inferior ou igual a 2? EXEMPLOS 3. Considere a v.a. X = número de projetos que um engenheiro executa. No mês em curso relativo ao último ano obteve-se uma média de 6,5 projetos executados por semana (5 dias). Qual é a probabilidade de que, durante uma semana qualquer: a) Não execute nenhum projeto b) Execute ao menos um projeto c) Execute mais de um projeto d) Não executar nenhum projeto no período de um dia 5 EXEMPLOS 4. A experiência passada indica que um número médio de 6 clientes por hora param para colocar gasolina numa bomba. a) Qual é a probabilidade de 3 clientes pararem qualquer hora? b) Qual é a probabilidade de 3 clientes ou menos pararem em qualquer hora? c) Qual é o valor esperado, a média, e o desvio padrão para esta distribuição? EXEMPLOS 5. Um departamento de polícia recebe em média 5 solicitações por hora. Qual a probabilidade de receber 2 solicitações numa hora selecionada aleatoriamente?
Compartilhar