Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introdução à Probabilidade e à Estatística Variáveis Aleatórias Discretas Prof. Carlos da Silva dos Santos carlos.ssantos@ufabc.edu.br (Baseado em material cedido pelo Prof. Jair Donadelli Jr.) C. S. Santos Introdução à Probabilidade e à Estatística carlos.ssantos@ufabc.edu.br Valor médio de uma V.A. Se um par de moedas é lançado 16 vezes e o número de caras por lançamento é 0 em 4 deles, é 1 em 7 deles e é dois em 5 deles, qual é o número médio de caras por lançamento? 0 4 16 +1 7 16 +2 5 16 = 17 16 C. S. Santos Introdução à Probabilidade e à Estatística Esperança Matemática Se X é uma v.a. discreta com função de (massa) de probabilidade p então valor médio (ou valor esperado, ou esperança matemática) da v.a. X é se X assume valores x1,x2, . . . E(X ) def= ∑ i≥1 xip(xi) desde que a soma esteja bem definida. C. S. Santos Introdução à Probabilidade e à Estatística Exemplo:variável aleatória indicadora Seja IA variável aleatória indicadora da ocorrência do evento A, i.e., IA = 1 se A ocorre e IA = 0 se Ac ocorre, ou ainda, para todo s ∈Ω IA(s)= { 1 se s ∈A; 0 se s 6∈A. Então E(IA)= 1P(A)+0P(Ac)=P(A). C. S. Santos Introdução à Probabilidade e à Estatística Exemplo Seja X o resultado de um lançamento de um dado, E(X )= 11 6 +21 6 +31 6 +41 6 +51 6 +61 6 = 7 2 . Qual a probabilidade P(X = 7/2)? C. S. Santos Introdução à Probabilidade e à Estatística Variância A variância da v.a. X é uma medida de quão dispersos estão os valores que a variável assume com relação ao valor médio, é dada pelo valor esperado da v.a. g(X )= (X −E(X ))2, sempre que −∞< E(X )<∞ Var(X ) def= E[(X −E(X ))2] C. S. Santos Introdução à Probabilidade e à Estatística Da definição temos Var(X )=∑ x (x −E(X ))2 ·p(x) Pode-se provar que: Var(X )= E(X 2)− (E(X ))2. C. S. Santos Introdução à Probabilidade e à Estatística O desvio padrão é definido como a raiz quadrada positiva da variância σX = √ Var(X ). C. S. Santos Introdução à Probabilidade e à Estatística Distribuição de Bernoulli Na prática, ocorrem muitas situações com experimentos que admitem apenas dois resultados, por exemplo 1 uma peça é classificada como boa ou defeituosa; 2 o resultado de um exame médico é positivo ou negativo; 3 um paciente submetido a um tratamento é curado ou não da doença; 4 um entrevistado concorda ou não concorda com a afirmação feita; 5 no lançamento de um dado ocorre ou não ocorre a face “5”. C. S. Santos Introdução à Probabilidade e à Estatística Distribuição de Bernoulli (cont.) Nessas situações podemos representar, genericamente, os resultados do experimento com o espaço amostral Ω= {sucesso, fracasso} e o modelo probabilístico fica determinado dado p =P(sucesso). Esses experimentos recebem o nome de Ensaios de Bernoulli e a v.a. indicadora do evento “sucesso” é uma variável aleatória de Bernoulli com parâmetro p. C. S. Santos Introdução à Probabilidade e à Estatística Distribuição de Bernoulli (cont.) A notação X ∼ Bernoulli(p) indica que X é uma v.a. de Bernoulli com parâmetro p; ela assume dois valores 1 se ocorre sucesso, 0 se ocorre fracasso; e sua f.m.p. é bep(x)= px (1−p)1−x ∀x ∈ {0,1} e vale 0 para outros valores de x . A média e a variância de uma v.a. X ∼ Bernoulli(p) são dadas por E(X )= p e Var(X )= p(1−p). C. S. Santos Introdução à Probabilidade e à Estatística Distribuição Binomial Consideremos n repetições independentes de um Ensaio de Bernoulli. Seja X o número de sucessos nas repetições. Um dado equilibrado é lançado 3 vezes. Qual é a probabilidade de se obter a face 5 duas vezes? Se S denota sucesso, i.e., “ocorre face 5” e F denota fracasso, “não ocorrer face 5” então podemos representar o espaço amostral por Ω= {SSS,SSF ,SFS,FSS,SFF ,FSF ,FFS,FFF } e p =P(sucesso)= 1/6 e 1−p =P(fracasso)= 5/6. Como podemos determinar, por exemplo, P(X = 2)? C. S. Santos Introdução à Probabilidade e à Estatística Distribuição Binomial (cont) Como podemos determinar, por exemplo, P(X = 2)? A função de massa de probabilidade é k P(X = k) 0 (1−p)3 1 3p(1−p)2 2 3p2(1−p) 3 p3 e podemos escrever essa função como b(k ;3,p)= (3k)pk (1−p)3−k para todo k ∈ {0,1,2,3}. Assim, P(X = 2)= (32)p2(1−p)3−2 = 0,0694. C. S. Santos Introdução à Probabilidade e à Estatística Distribuição Binomial (cont) Uma variável aleatória binomial de parâmetros n ∈N e p ∈ (0,1) é uma v.a. com f.m.p. b(k ;n,p)= ( n k ) pk (1−p)n−k , ∀k ∈ {0,1,2, . . . ,n} C. S. Santos Introdução à Probabilidade e à Estatística Distribuição Binomial (cont) Uma variável aleatória binomial pode ser vista como o número de sucessos em n ensaios independentes de Bernoulli e com mesma probabilidade p de sucesso. De fato, se Y1,Y2, . . . ,Yn são as v.a. indicadoras de sucesso em cada um dos ensaios, então X =∑ni=1 Yi é a quantidade de sucessos ocorridos. C. S. Santos Introdução à Probabilidade e à Estatística Distribuição Binomial (cont) A notação X ∼ b(n,p) indica que X é uma v.a. com distribuição binomial com parâmetros n e p. A média e a variância de X são dadas por E(X )= np e Var(X )= np(1−p). C. S. Santos Introdução à Probabilidade e à Estatística Exemplo Um equipamento resiste a um teste de choque com probabilidade 3/4. Qual é probabilidade de que em 4 testes 2 equipamentos sobrevivam ao choque? b(2;4,3/4)= ( 4 2 )( 3 4 )2 (1 4 )2 = 27 128 . C. S. Santos Introdução à Probabilidade e à Estatística Exemplo Um fabricante garante que seu produto tem uma taxa de itens defeituosos de 3%. Numa seleção de 20 itens a serem inspecionados, qual é a probabilidade de ao menos um ser defeituoso? Se X é a quantidade de itens defeituosos P(X ≥ 1)= 1−P(X = 0)= 1− ( 20 0 ) (0,03)0(0,97)20 = 0,4562. C. S. Santos Introdução à Probabilidade e à Estatística Exemplo (cont.) Se 10 carregamentos por mês deixam a fabrica e de cada carregamento 20 itens são inspecionados, com que probabilidade 3 carregamentos tem pelo menos um item defeituoso? ( 10 3 ) (0,4562)3(1−0,4562)7 = 0,1602. C. S. Santos Introdução à Probabilidade e à Estatística
Compartilhar