Baixe o app para aproveitar ainda mais
Prévia do material em texto
i i i i i i i i A U L A 14 2 M Ó D U L O 2DISTRIBUIÇÃO EXPONENCIAL A discussão da distribição de Poisson definiu uma variável aleatória como número de falhas ao longo do comprimento de um fio de cobre. A distância entre as falhas é uma outra variável aleatória que é frequentemente de interesse. Denote por X a variável aleatória dada pelo comprimento de qualquer ponto ini- cial no fio até o ponto em que uma falha seja detectada. Como você pode esperar, a distribuição de X pode ser obtida do conhecimento da distribuição do número de falhas. A chave para a relação é o seguinte conceito. A distância para a primeira falha excederá 3 mm se, e somente se, houver falhas dentro de um comprimento de 3 mm - simples, mas suficiente para uma análise da distribuição de X . FUNÇÃO DE DENSIDADE DE PROBABILIDADE Em geral, represente o número de falhas em x mm de fio pela variável aleatória N. Se o número médio de falhas for λ por mm, então N terá uma distribuição de Poisson com média λx. Consideramos que o fio seja mais longo que o valor de x. Então: P(X > x) = P(N = 0) = e−λx (λx)0 0! = e−λx Logo FX(X) = P(X ≤ x) = 1− e−λx, x≥ 0 é a função de distribuição acumulada de X . Diferenciando FX(X), a função de densidade de probabilidade de X é calculada como sendo fX(x) = λe−λx, x≥ 0 A dedução da distribuição de X depende somente da suposição das falhas no fio seguirem o processo de Poisson. Também o ponto inicial para medir X não importa, porque a probabili- C E D E R J 1 i i i i i i i i Probabilidade e Estatı́stica | Distribuição Exponencial dade do número de falhas em um intervalo de um processo de Poisson depende somente do comprimento do intervalo e não da localização. Para qualquer processo de Poisson, o seguinte resultado geral se aplica. Definição 14.1 (Distribuição Exponencial). blablabla A variável aleatória X , que é igual a distância entre conta- gens de um processo de Poisson, com média λ > 0, tem uma distribuição exponencial de probabilidade com parâmetro λ . A função de densidade de probabilidade de X é dada por: fX(x) = λe−λx, para 0≤ x < ∞ A distribuição exponencial tem este nome por conta na função exponencial em sua função de densidade de probabilidade. A notação geralmente usada para denotar que uma variável aleatória X tem uma distribuição exponencial é: X ∼ Exp(λ ) FUNÇÃO DE DISTRIBUIÇÃO ACUMULADA A função de distribuição acumulada de X é obtida a partir da integral da função de densidade de probabilidade. FX(x) = P(X ≤ x) = ∫ x 0 f (t)dt = ∫ x 0 λe−λ t dt = λ ∫ x 0 e−λ t dt = λ ( − 1 λ e−λ t )∣∣∣∣∣ x 0 = ( −e−λx− ( −e−λ×0 )) = −e−λx + 1 e0 =−e−λx +1. Logo: FX(X) = 1− e−λx, para x≥ 0. 2 C E D E R J i i i i i i i i A U L A 14 2 M Ó D U L O 2ESPERANÇA E VARIÂNCIA Se a variável aleatória X tiver uma distribuiçãoexponencial de probabilidade com parâmetro λ , então E(X) = 1 λ e VAR(X) = 1 λ 2 �� ��Exemplo 14.1. blablabl A duração de uma lâmpada é uma variável aleatória cuja fdp é dada por fT (t) = 1 1.000e −t 1.000 , se t ≥ 0 0 caso contrário onde T é medido em horas. Calcule a probabilidade de uma lâmpada: 1. Queimar antes de 1.000 horas; 2. Durar entre 800 e 1.200 horas; 3. Determine a duração média de uma lâmpada nestas condiçõoes. Solução: 1. A probabilidade de uma lâmpada queimar antes de 1.000 horas é equivalente a dizer que ela vai durar menos que 1.000. Ou seja: P(T ≤ 1.000). P(T ≤ 1.000) = ∫ 1.000 0 1 1.000 e −t 1.000 dt = 1 1.000 ( −1.000e −t 1.000 )∣∣∣∣∣ 1.000 0 = ( −e−1 ) − ( −e0 ) = 1− 1 e = 1− 1 2,71 = 1−0,369 = 0,631. C E D E R J 3 i i i i i i i i Probabilidade e Estatı́stica | Distribuição Exponencial 2. P(800≤ T ≤ 1.200) = ∫ 1.200 800 1 1.000 e −t 1.000 dt = 1 1.000 ( −1.000e −t 1.000 )∣∣∣∣∣ 1.200 800 = ( −e−1,2 ) − ( −e−0,8 ) = 1 (2,71)0,8 − 1 (2,71)1,2 = 1 2,22 − 1 3,31 = 0,4504−0,3021 = 0,1483. 3. A partir da função de densidade de probabilidade de T , percebe-se facilmente que λ = 11.000 . Desta forma tere- mos: E(T ) = 1 λ = 1.000. A duração média das lâmpadas é de 1.000 horas. �� ��Exemplo 14.2. blablabl Sendo fX(x) = (k+44 6 ) e−2kx, se x≥ 0 0 caso contrário Determine: 1. O valor de k; 2. P(8µ−3σ ≤ X ≤ 10µ +6σ). Solução: 1. Como podemos observar, trata-se de uma distribuição ex- ponencial e, consequentemente, a constante λ que ante- 4 C E D E R J i i i i i i i i A U L A 14 2 M Ó D U L O 2 cede a função exp é a mesma que multiplica −x no argu- mento da função exp, ou seja: fX(x) = λe −λx, se x≥ 0 0 caso contrário Assim, k+44 6 = 2k ⇒ k+44 = 12k ⇒ 12k− k = 44⇒ 11k = 44⇒ k = 44 11 = 4. 2. Para o cálculo desta probabilidade, precisamos saber de antemão, o valor de E(X) = µ e do desvio padrão σ . Como é sabido, a partir de λ , obtemos estes valores. Como k = 4 e λ = 2k, então, λ = 8. Consequentemente, µ = 18 e VAR(X) = 1 64 . Como σ = √ VAR(X), então σ = 1 8 . Desta forma: P(8µ−3σ ≤ X ≤ 10µ +6σ) = P ( 8 8 − 3 8 ≤ X ≤ 10 8 + 6 8 ) = P ( 5 8 ≤ X ≤ 16 8 ) = ∫ 16 8 5 8 8e−8x dx =−e−8x ∣∣∣∣∣ 16 8 5 8 = ( −e−16 ) − ( −e−5 ) = e−5− e−16 = 1 (2,71)5 − 1 (2,71)16 = 0,0068−0,000000118 = 0,0068. �� ��Exemplo 14.3. blablabl C E D E R J 5 i i i i i i i i Probabilidade e Estatı́stica | Distribuição Exponencial Uma fábrica de tubos de imagens de aparelhos de TV deter- minou que a vida média dos tubos de sua fabricação é de 800 ho- ras de uso contı́nuo e segue uma distribuição exponencial. Qual a probabilidade de que a fábrica tenha que substituir um tubo gratuitamente, se ela oferece uma garantia de 300 horas? Solução: Se a vida útil V tem distribuição exponencial, então: V ∼ Exp(λ ) E mais, a vida média será E(V ) = 1 λ . Como a vida média é de 800 horas, então: 800 = 1 λ ⇒ λ = 1 800 . Desta forma, a função de densidade de V será: fV (v) = 1 800e − v800 , se v≥ 0 0 caso contrário Se a garantia oferecida pela fábrica é de 300 horas, então o fabricante deverá substituir por um tubo novo sempre que o tubo durar menos que 300 horas, pois estaria dentro da garantia. A probabilidade de isto acontecer será: P(V ≤ 300) = ∫ 300 0 1 800 e− v 800 dv =−e− v 800 ∣∣∣∣∣ 300 0 = −e −300 800 − ( −e0 ) = 1− e−0,375 = 1− 1 (2,71)0,375 = 1− 1 1,4533 = 1−0,688 = 0,312 = 31,2%. 6 C E D E R J i i i i i i i i A U L A 14 2 M Ó D U L O 2 Resumo Nesta aula você iniciou o estudo sobre variáveis aleatórias contı́nuas, aprendendo os seguintes conceitos: • A densidade exponencial é f (x) = λe −λx se x≥ 0 0 caso contrário E(X) = 1 λ Var(X) = 1 λ 2 C E D E R J 7 i i i i i i i i Probabilidade e Estatı́stica | Distribuição Exponencial Exercı́cio 14.1. Suponha que uma variável aleatória X tenha distribuição ex- ponencial com λ = 2. Determine o que se segue: 1. P(X ≤ 0); 2. P(X ≥ 2); 3. P(X ≤ 1); 4. p(1 < X < 2); 5. Encontre o valor de x tal que P(X < x) = 0,05. Exercı́cio 14.2. O tempo de vida de um arranjo mecânico em um teste vibra- cional é distribuı́do exponencialmente com uma média de 400 horas. 1. Qual é a probabilidade de que um arranjo em teste falhe em menos de 100 horas? 2. Qual é a probabilidade de que um arranjo opere por mais de 500 horas antes de falhar? 3. Se um arranjo estiver em teste por 400 horas sem apresen- tar falha, qual a probabilidade de uma falha nas próximas 100 horas? Exercı́cio 14.3. O tempo entre as chamadas para uma loja de suprimentos de encanamentos é distribuı́do exponencialmente com um tempo médio de 15 minutos entre as chamadas. Determine a probabili- dade de: 1. Não haver chamadas no intervalo de 30 minutos; 2. No mı́nimo uma chamada chegar dentro do intervalo de 10 minutos; 3. A primeira chamada chegar dentro de 5 e 10 minutos de- pois da loja aberta. 8 C E D E R J i i i i i i i i A UL A 14 2 M Ó D U L O 2SOLUÇÃO DOS EXERCÍCIOS Exercı́cio 14.1. Temos que fX(x) = { 2e−2x se x≥ 0 0 caso contrário 1. Como X segue uma distribuição exponencial e a função de densidade de uma distribuição exponencial está definida para x≥ 0, então P(X≤ 0) = 0 . 2. P(X ≥ 2) = ∫ ∞ 2 2e−2x dx =−e−2x ∣∣∣∣∣ ∞ 2 = ( −1 e∞ − −1 e4 ) = 1 (2,71)4 −0 = 1 53,935 = 0,0185. 3. P(X ≤ 1) = ∫ 1 0 2e−2x dx =−e−2x ∣∣∣∣∣ 1 0 = −1 e2 − −1 e0 = 1 1 − 1 (2,71)2 = 1− 1 7,3441 = 1−0,1362 = 0,8638. C E D E R J 9 i i i i i i i i Probabilidade e Estatı́stica | Distribuição Exponencial 4. P(1 < X < 2) = ∫ 2 1 2e−2x dx =−e−2x ∣∣∣∣∣ 2 1 = −1 e4 − −1 e2 = 1 (2,71)2 − 1 (2,71)4 = 1 7,3441 − 1 53,9358 = 0,136163−0,01854 = 0,1176. 5. Vamos encontrar o valor de x tal que P(X < x) = 0,05. P(X < x) = ∫ x 0 2e−2t dt = 0,05 ⇒ −e−2t ∣∣∣∣∣ x 0 = 0,05 ⇒ −e−2x− ( − 1 e0 ) = 0,05 ⇒ 1− e−2 = 0,05 ⇒ −e−2x = 0,05−1 =−0,95 ⇒ e−2x = 0,95. Aplicando a função ln em ambos os lados da igualdade, teremos: ln ( e−2x ) = ln(0,95) −2x = −0,05129 2x = 0,05129 x = 0,05129 2 = 0,0256. Exercı́cio 14.2. Seja X o tempo de vida útil do arranjo. Assim: X ∼ exp(λ ) 10 C E D E R J i i i i i i i i A U L A 14 2 M Ó D U L O 2 Como a média de vida útil é de 400 horas, então E(X)= 400. Mas E(X) = 1 λ , então λ = 1 400 1. A probabilidade desejada é: P(X < 100) = ∫ 100 0 1 400 e− 1 400 x dx = −e− 1 400 x ∣∣∣∣∣ 100 0 = −e− 100 400 − ( −e 0 400 ) = − 1 e 100 400 − ( − 1 e0 ) = − 1 e0,25 +1 = 1− 1 (2,71)0,25 = 1− 1 1,283 = 1−0,7794 = 0,2206. 2. P(X > 500) = ∫ ∞ 500 1 400 e− 1 400 x dx = −e− 1 400 x ∣∣∣∣∣ ∞ 500 = −e−∞− ( −e− 500 400 ) = 1 e5/4 − 1 e∞ = 1 e1,25 −0 = 1 (2,71)1,25 = 1 3,477 = 0,287. C E D E R J 11 i i i i i i i i Probabilidade e Estatı́stica | Distribuição Exponencial 3. P(400≤ X ≤ 500) = ∫ 500 400 1 400 e− 1 400 x dx = −e− 1 400 x ∣∣∣∣∣ 500 400 = −e− 500 400 − ( −e− 400 400 ) = e−1− e−5/4 = 1 2,71 − 1 (2,71)1,25 = 0,369−0,287 = 0,082. Exercı́cio 14.3. Seja X o tempo entre as chamadas. Então X ∼ exp(λ ). Temos também que E(X) = 15. Consequentemente, λ = 115 . temos que perceber que a variável aleatória neste caso é o tempo entre as chamadas e não o número de chamadas, que neste caso seria uma v.a com distribuição de Poisson. 1. Neste caso, estamos interessados na probabilidade de não haver chamadas até completar 30 minutos. Ou seja, qual a probabilidade de o tempo entre as chamadas ser maior que 30 minutos. Desta forma: P(X > 30) = ∫ ∞ 30 1 15 e− 1 15 x dx = −e− 1 15 x ∣∣∣∣∣ ∞ 30 = − 1 e∞ − ( − 1 e 30 15 ) = 1 e2 −0 = 1 (2,71)2 = 1 7,3441 = 0,136. 2. Neste caso, deseja-se saber qual a probabilidade de o in- tervalo entre as chamadas ser menor que 10 minutos, pois 12 C E D E R J i i i i i i i i A U L A 14 2 M Ó D U L O 2 assim, há pelo menos uma chamada neste intervalo de tempo. Logo: P(X ≤ 10) = ∫ 10 0 1 15 e− 1 15 x dx = −e− 1 15 x ∣∣∣∣∣ 10 0 = −e− 10 15 − ( −e0 ) = 1− 1 e10/15 = 1− 1 (2,71)0.667 = 1− 1 1,944 = 1−0,5144 = 0,4856. 3. De forma análoga aos itens anteriores, o que se deseja neste item é a probabilidade de o intervalo entre as cha- madas estar entre 5 e 10. Assim: P(5≤ X ≤ 10) = ∫ 10 5 1 15 e− 1 15 x dx = −e− 1 15 x ∣∣∣∣∣ 10 5 = −e− 10 15 − ( −e− 5 15 ) = e−0,333− e−0,667 = 1 (2,71)0,333 − 1 (2,71)0,667 = 1 1,3937 − 1 1,944 = 0,7175−0,5144 = 0,2031. C E D E R J 13
Compartilhar