Baixe o app para aproveitar ainda mais
Prévia do material em texto
15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 1/24 DISTRIBUIÇÕES DEDISTRIBUIÇÕES DE PROBABILIDADEPROBABILIDADE DISTRIBUIÇÕESDISTRIBUIÇÕES DISCRETAS DEDISCRETAS DE PROBABILIDADEPROBABILIDADE Autor: Me. Roberta Mendiondo Revisor : Antonio Gomes de Mattos Neto I N I C I A R 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 2/24 introduçãoIntrodução Nesta unidade, você estudará mais especi�camente as distribuições discretas de probabilidade, as quais tratam de variáveis aleatórias discretas. As distribuições de probabilidade discretas abordadas serão: de Bernoulli; Binomial; Geométrica e Hipergeométrica; de Poisson. As distribuições de probabilidades discretas são aplicadas a diferentes contextos, dentre os quais podemos citar o controle de qualidade de peças em uma produção, em que se deseja medir o número de peças em conformidade com os padrões estabelecidos, situação em que um engenheiro pode utilizar a distribuição binomial, por exemplo; e caso se deseje medir a ocorrência de peças em conformidade, em determinado período de tempo, pode-se aplicar a distribuição de Poisson. Nesse sentido, o estudo do conteúdo desta unidade permitirá que você tenha melhores condições de aplicar os instrumentos da probabilidade a casos reais, tanto do cotidiano geral, quanto pro�ssional. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 3/24 Na prática, há vários experimentos que admitem somente dois tipos de resultados, como sucesso e fracasso. Esses experimentos são chamados de experimentos de Bernoulli. O sucesso é o que se deseja observar, por exemplo, se o seu interesse for observar a ocorrência de defeito em peças. Uma peça selecionada aleatoriamente, com defeito, seria um resultado do tipo “sucesso” (o resultado “sucesso” não está associado a algo bom, necessariamente). Considere um problema (experimento) no qual só podem ocorrer dois tipos de resultados, “sucesso” e “fracasso”. Alguns exemplos seriam: uma venda é efetuada ou não por um vendedor em loja física; um cliente pode ser do tipo adimplente ou inadimplente; uma peça fabricada por uma indústria pode ser perfeita ou defeituosa; um consumidor pode devolver ou não um produto comprado; Distribuição deDistribuição de BernoulliBernoulli 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 4/24 um exame médico pode ter como resultado positivo ou negativo. Associando uma variável aleatória x aos possíveis resultados de um determinado experimento, �caremos com: x = 1, se o resultado for “sucesso”, x = 0, se o resultado for “fracasso”. Assim, a função de probabilidade da Distribuição de Bernoulli será dada por: É importante que você saiba que a média e a variância serão obtidas por: Média = p Variância = pq Vamos ao exemplo: A partir de uma pesquisa no comércio on-line, foi veri�cado que no período de vendas de Natal, cada cliente que entra no site de determinada loja tem 60% de chance de comprar um produto qualquer. Qual a probabilidade de sucesso e de não comprar produto algum? Solução: Nesse caso, temos uma probabilidade de sucesso (o cliente adquirir um produto qualquer) de 0,6 e uma probabilidade de não comprar produto algum de 0,4 (q = 1 - 0,6). Agora, para �nalizarmos esse primeiro tópico, vamos à atividade. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 5/24 praticarVamos Praticar A distribuição de Bernoulli pode ser aplicada a diversos contextos práticos, desde que os resultados possíveis para variável aleatória sejam de dois tipos. Sobre a distribuição de Bernoulli é correto o que se a�rma em: a) é uma distribuição contínua de probabilidade. b) sua variável aleatória pode ser representada por x = 0 (fracasso) e x = 1 (sucesso). c) se sua variável aleatória assumir o resultado “sucesso”, certamente estará associado a algo positivo, conforme julgamento de quem está realizando o experimento. d) sua variável aleatória é do tipo contínua. e) mede a quantidade de sucessos, ao longo do tempo. A repetição de experimentos de Bernoulli independentes dá origem ao modelo Binomial, que você estudará a seguir. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 6/24 A distribuição de probabilidade binomial é resultado de um experimento binomial (de Bernoulli), e trata problemas em que os resultados pertencem a duas categorias relevantes, tais como: conforme / não conforme ou sucesso / fracasso. Um experimento binomial deve satisfazer às seguintes condições: 1. Há apenas dois resultados possíveis para cada tentativa, que podem ser classi�cados como sucesso (S) ou fracasso (F). 2. O experimento tem um número �xo de tentativas, em que cada tentativa é independente das outras. 3. A probabilidade de um sucesso é a mesma para cada tentativa. 4. A variável aleatória x conta o número de tentativas com sucesso. Função de Probabilidade Binomial Levando em consideração um experimento binomial, a probabilidade de exatamente x sucessos em n tentativas é dada por: DistribuiçãoDistribuição BinomialBinomial 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 7/24 Onde: representa o número de tentativas; representa a probabilidade de sucesso em uma única tentativa; representa a probabilidade de fracasso em uma única tentativa; representa a variável aleatória que corresponde à contagem do número de sucessos em n tentativas: . Vamos ao exemplo, para melhor compreensão do conceito abordado. Exemplo: Numa fábrica, a probabilidade de o processo produtivo gerar uma peça defeituosa é de 3%. Qual a probabilidade de que, num lote de 100 peças, haja 5 peças defeituosas? Solução pela aplicação da fórmula: É dado no enunciado que p=0,03, que corresponde à probabilidade de ocorrer “sucesso”, de�nido, nesse caso, por mais estranho que possa parecer, como “fabricar uma peça defeituosa” – pois a pergunta que queremos responder é sobre “peças defeituosas”. Logo: Como são lotes de peças, temos . Por �m, como estamos interessados na probabilidade correspondente a 5 peças defeituosas, queremos saber . Substituindo os valores na fórmula da binomial, temos: p(x) = n! (n − x)!x! pxqn−x n p q x x = 1,2,3, . . . , n q = 1 − p = 1 − 0,03 = 0,97 n = 100 p(x = 5) 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 8/24 Portanto, há uma probabilidade de, aproximadamente, 10% de que existam 5 peças defeituosas em um lote de 100 peças. Solução do exemplo utilizando o Excel A forma usual de calcular essa probabilidade, atualmente, no mundo do trabalho é por meio de pacotes estatísticos, ou mesmo, de uma planilha Excel. Usando o Excel, você utilizaria a função estatística DISTR.BINOM. Veja na �gura 3.1 os argumentos que você deve colocar na função, eles aparecem na tela. p(x) = n! (n − x)!x! pxqn−x p(x = 5) = 100 (5!95!) ⋅0,0350,97100−5 p(x = 5) = 100 ⋅ 99 ⋅ 98 ⋅ 97 ⋅ 96 ⋅ 95 (5 ⋅ 4 ⋅ 3 ⋅ 2 ⋅ 1 ⋅ 95!) ⋅0,0350,9795 p(x = 5) = 75.287.520 ⋅ 0,0000000243 ⋅ 0,05538 p(x = 5) = 0,1013 Figura 3.1 - Função para distribuição binomial no Excel Fonte: Elaborada pela autora. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172_… 9/24 núm_s = número de sucessos =x tentativas = número de tentativas =n probabilidade_s = probabilidade de sucesso em uma única tentativa =p cumulativo = para a funçãoprobabilidade de massa usar 0 ou falso (calcula a probabilidade de ocorrerem exatamente x sucessos) Na Figura 3.2 está a função DISTR.BINOM já com argumentos para resolução do exemplo 3.1. Veja que, como não poderia deixar de ser, os resultados são os mesmos encontrados pela fórmula da distribuição binomial desenvolvida no exemplo 3.1, ou seja, 10% de probabilidade de se escolher 5 peças, ao acaso, e elas serem defeituosas, no lote de 100 peças. praticar V P ti Figura 3.2 - Função para distribuição binomial no Excel, com os argumentos Fonte: Elaborada pela autora. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 10/24 p Vamos Praticar Considere que em uma fábrica, a probabilidade de o processo produtivo gerar uma peça defeituosa é de 2%. A probabilidade de que, num lote de 100 peças, haja 3 peças defeituosas é, aproximadamente, de: a) 10% b) 16,02%. c) 6%. d) 18,23%. e) 15,05%. É muito importante que você saiba adequar o contexto e objetivo do problema que estiver tratando à distribuição adequada. Até aqui você estudou sobre distribuição binomial, a qual permite calcular a probabilidade de um número especí�co de sucessos (sucesso é o que queremos observar) em um dado número de tentativas, e nessas situações é que deve aplicar a distribuição binomial. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 11/24 reflitaRe�ita Vários aplicativos são capazes de realizar cálculos envolvidos na construção de distribuições de probabilidade, como fatoriais, combinações e outros, e até mesmo possuem funções próprias, nas quais inserimos os dados (argumentos) da distribuição e temos como retorno as probabilidades que desejamos, mas ainda não é tarefa dos aplicativos perceber um problema do mundo real, organizá-lo matematicamente e decidir qual ferramenta da matemática ou da estatística e probabilidade será adequada para tratar tal problema real. Se você inserir dados de forma equivocada na função de distribuição de um aplicativo qualquer, terá um resultado condizente com seu erro, ou seja, errado! Se você inserir os argumentos da função de distribuição corretamente, no Excel, por exemplo, mas tiver escolhido uma distribuição inadequada para o seu problema real, da mesma forma obterá um resultado errado, e esses não são erros nas 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 12/24 contas, nos cálculos… Se a tecnologia pode nos auxiliar muito nos cálculos de probabilidades, quais seriam as competências mais importantes que você deveria desenvolver com relação a esse conteúdo? Uma delas não é fazer contas… 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 13/24 Neste tópico você estudará duas distribuições discretas de probabilidade, a Geométrica e a Hipergeométrica; as quais são aplicadas a contextos distintos e essa adequação do tipo de problema a que cada distribuição esteja associada é uma questão fundamental neste estudo. Distribuição Geométrica Várias tarefas, ou ações cotidianas são repetidas até que aquilo que desejamos ocorra (sucesso). Por exemplo, você pode ter de enviar uma mensagem diversas vezes até que o receptor efetivamente a receba - sucesso. Um problema como esse pode ser representado por uma distribuição geométrica. A distribuição de probabilidade geométrica de uma variável aleatória x deve satisfazer às seguintes condições: 1. A tentativa deve ser repetida até que um sucesso ocorra; DistribuiçõesDistribuições Geométricas eGeométricas e HipergeométricasHipergeométricas 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 14/24 2. Cada tentativa repetida é independente uma da outra; 3. A probabilidade de sucesso p é a mesma para cada tentativa; 4. A variável aleatória x representa o número de tentativas até ocorrer o primeiro sucesso. Assim, a probabilidade de que o primeiro sucesso ocorra considerando a tentativa número x é: , onde . Vamos ao exemplo: Considere que o resultado “sucesso” em um experimento ocorra na quarta tentativa, ou seja, a sequência de resultados foi FFFS (fracasso, fracasso, fracasso, sucesso), então a probabilidade desse evento ocorrer será: Solução: → Quando você tiver interesse na probabilidade de um sucesso ocorrer em determinada tentativa x, a distribuição de probabilidades adequada será a distribuição discreta geométrica. Distribuição Hipergeométrica Como em uma distribuição binomial, na distribuição hipergeométrica em cada tentativa a variável pode assumir os valores: sucesso e fracasso; porém, o experimento é realizado sem reposição, de forma distinta dos experimentos binomiais, nos quais qualquer amostragem deve ser feita com reposição, porque cada tentativa deve ser independente das outras. Pense em uma população composta por N elementos, dos quais uma quantidade r de elementos possui a característica A, e a quantidade N-r de elementos possui a característica B. Uma amostra de n elementos é escolhida p(x) = pq(x−1) q = 1 − p p(x) = pq(x−1) p(4) = pq(4−1) p(4) = pq3 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 15/24 ao acaso, sem reposição. Para calcular a probabilidade de que essa amostra contenha k elementos com a característica A, utilizando o princípio multiplicativo, você pode aplicar a equação: Em que . Os pares formam a distribuição hipergeométrica de probabilidades. Notação: . Observação: Se você de�nir a variável aleatória X como sendo o número de elementos na amostra que possui a característica A, então . Exemplo: Considere um problema de controle de qualidade, e suponha que para um lote de cem peças, dez sejam defeituosas. Qual a probabilidade de não se obter peças defeituosas escolhendo, aleatoriamente, cinco peças sem reposição? Solução: Nesse caso, ; ; e como queremos probabilidade de NÃO se obter peças defeituosas, temos que calcular p(0). Portanto, a probabilidade de não se obter peças defeituosas, nesse contexto, é de aproximadamente, 58,38%. =Pk ( ) ( ) R k N − r n − k ( )N n max(0,n − N + r) ≤ k ≤ min(r,n) (k,p(k)) X ∼ hip(N, r,n) P(X = k) = p(k) N = 100 r = 10 n = 5 p(0) = = = 0,583752 Cr , k ⋅ CN − r , n − k CN, n ( ) ( ) 10 0 100 − 10 5 − 10 ( )100 0 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 16/24 praticarVamos Praticar Um jogador de futebol 7 acerta um chute a gol em cerca de 75% das vezes. Nesse caso, a probabilidade de que o primeiro chute a gol que ele acerte só ocorra na terceira tentativa é aproximadamente de: a) 4,7% b) 47% c) 1,17% d) 25% e) 75% 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 17/24 A distribuição de Poisson é uma distribuição discreta de probabilidade de uma variável aleatória x que atende as seguintes condições: 1. O experimento é o de contar o número de vezes, x , que um evento acontece em um dado intervalo contínuo. O intervalo pode ser de tempo, área, volume ou outro intervalo contínuo. 2. A probabilidade de um evento acontecer é a mesma para intervalos de mesmo tamanho. 3. O número de ocorrências em um intervalo é independente do número de ocorrências em outros intervalos não sobrepostos. 4. A probabilidade de haver exatamente x ocorrências em um intervalo é dada por: = um número irracional aproximadamente igual a 2,72 Distribuição deDistribuição de PoissonPoisson p(x) = ⋅λ x e−λ x! e 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172…18/24 = número de ocorrências médio, em cada intervalo unitário de referência (taxa média de ocorrência) (LARSON; FARBER, 2015). Importante! A distribuição de Poisson �ca completamente determinada pela sua taxa de variação . Na Distribuição de Poisson a esperança (média ou valor esperado) e a variância são iguais à taxa de variação , ou seja, , o que implica em desvio-padrão igual à raiz quadrada da taxa de variação (já que ). Por exemplo, considere que em um banco a �la seja composta por 4 pessoas, em média, a cada hora. Isso signi�ca que, considerando que esse fenômeno seja descrito pela Distribuição de Poisson, a variável aleatória quantidade de pessoas na �la do banco por hora e λ λ λ E(x) = V ar(x) = λ λ V ar(x) = λ,DP(x) = √λ x = 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 19/24 , ou seja, média e variância são iguais a 4 e o desvio-padrão é igual a 2. Exemplo: Em uma avenida, ocorrem em média 3 acidentes por mês. Qual será a probabilidade de que quatro acidentes ocorram em algum mês, nessa avenida? Solução: Veja que a variável discreta (x=número de acidentes) é apresentada ao longo de um intervalo contínuo, um mês. O problema nos dá uma taxa de variação média desse número de acidentes por mês, que é λ=3 acidentes/mês. Aplicando a fórmula para o cálculo da probabilidade p(x=4), temos: → Portanto, a probabilidade de que quatro acidentes ocorram em algum mês, nessa avenida, é de 16,77%, aproximadamente. Outros exemplos Dado um experimento aleatório, são exemplos de variável aleatória discreta número de sucessos por unidade de medida: número de partículas contaminadas por litro (intervalo capacidade). número de chamadas em um call center no intervalo de tempo. número de falhas no intervalo de superfície. número de bolhas (falhas) em superfície. Dessa forma, quando o seu interesse for medir a probabilidade de ocorrência de uma variável discreta, ao longo de um intervalo contínuo, a distribuição de probabilidades adequada é a de Poisson, observando no contexto se este atende aos requisitos para sua aplicação. E(x) = V ar(x) = λ = 4 p(x) = ⋅λ x e−λ x! p(4) = = = = 0,1677 = 16,77 ⋅34e−3 4! 81⋅0,04969 4⋅3⋅2⋅1 4,02489 24 x = x = x = x = x = 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 20/24 praticarVamos Praticar O porteiro de um prédio comercial estimou que a média da quantidade de pessoas que entram no elevador num período de uma hora é igual a 100. A partir da análise desse contexto, obedecendo à distribuição de probabilidades de Poisson, o desvio- padrão da distribuição é igual a: a) 7 pessoas/hora. b) 9 pessoas/hora. c) 10 pessoas/hora. d) 100 pessoas/hora. e) 6 pessoas/hora. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 21/24 indicações Material Complementar FILME O que fazemos com todo esse big data? Ano: 2014 Comentário: Um conjunto de dados faz você se sentir mais confortável? Mais bem sucedido? Então sua interpretação provavelmente está errada. Em uma palestra surpreendentemente emocionante, Susan Etlinger explica por que, à medida que recebemos mais e mais dados, precisamos aprofundar nossas habilidades de pensamento crítico. Porque é difícil ir além de contar as coisas para realmente entendê-las. Para conhecer mais sobre o �lme, acesse o trailer a seguir. 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 22/24 T R A I L E R LIVRO Estatística para cursos de Engenharia e Informática Pedro Alberto Barbetta, Marcelo Menezes Reis e Antonio Cezar Bornia Editora: Atlas ISBN: 9788522459940 Comentário: Leia o capítulo 5, que trata de variáveis aleatórias e distribuições de probabilidade, especialmente, o tópico 5.2 que aborda as distribuições discretas de probabilidade (Disponível na Minha Biblioteca). 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 23/24 conclusão Conclusão Nesta unidade, você estudou distribuições de probabilidades discretas, sendo elas a distribuição de Bernoulli, Binomial, Geométrica, Hipergeométrica e de Poisson. Neste momento do curso é importante que você tenha estudado de forma completa todas essas distribuições e atente para alguns aspectos do seu aprendizado, como por exemplo, a importância de identi�car a diferença entre a distribuição binomial e hipergeométrica, que reside na exigência de eventos independentes (experimentos com reposição) para que a distribuição seja Binomial, o que não ocorre na Hipergeométrica; entender a de�nição da distribuição Poisson e como utilizar a distribuição Poisson e sua aplicação a problemas em que a variável é discreta, mas observada ao longo de um intervalo contínuo. Ao �nal do seu estudo, tenha como um de seus objetivos reconhecer qual distribuição utilizar em cada contexto, e assim poderá aplicar esse conhecimento a diferentes problemas. Bons estudos! referências Referências Bibliográ�cas 15/03/2021 Ead.br https://anhembi.blackboard.com/webapps/late-course_content_soap-BBLEARN/Controller?ACTION=OPEN_PLAYER&COURSE_ID=_667172… 24/24 LARSON, R.; FARBER, B. Estatística aplicada. 4. ed. São Paulo: Pearson Education do Brasil, 2015. MONTGOMERY, D. C. Estatística aplicada e probabilidade para engenheiros. 6. ed. Rio de Janeiro: LTC, 2018. NASCIMENTO, W. F. et al. Efeitos da temperatura sobre a soja e milho no Estado de Mato Grosso do Sul. Investig. Agrar., San Lorenzo, v. 20, n. 1, p. 30- 37, jun. 2018. Disponível em: http://scielo.iics.una.py/scielo.php? script=sci_arttext&pid=S2305-06832018000100030&lng=en&nrm=iso. Acesso em: 26 jan. 2020. TRIOLA, M. F. Introdução à estatística. 12. ed. Rio de Janeiro: LTC, 2017. http://scielo.iics.una.py/scielo.php?script=sci_arttext&pid=S2305-06832018000100030&lng=en&nrm=iso
Compartilhar