Baixe o app para aproveitar ainda mais
Prévia do material em texto
www.acasadoconcurseiro.com.br Estatística Probabilidades Professor Fabrício Biazotto www.acasadoconcurseiro.com.br 3 Estatística VARIÁVEIS ALEATÓRIAS Variável representa a intensidade com que o atributo ocorre no fenômeno estudado. a) Uma variável pode ser: Discreta (ou descontinua) – quando a menor diferença não-nula entre dois valores possíveis dessa variável é finita. Normalmente resulta de contagem. Continua – pode assumir o valor de qualquer número real. Normalmente resulta de mensura- ção. DISTRIBUIÇÕES DE PROBABILIDADE Em Estatística, uma Distribuição de Probabilidade descreve a chance que uma variável pode assumir ao longo de um espaço de valores. Principais Distribuições de Probabilidade 1 – Variáveis Aleatórias Discretas a) Distribuição de Bernoulli Consideremos uma única tentativa de um experimento aleatório. Podemos ter sucesso ou fracasso nessa tentativa. Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p + q = 1, ou seja, q = 1 − p. Seja X o número de sucessos em uma única tentativa do experimento. X assume o valor 0 que corresponde ao fracasso, com probabilidade q, ou o valor 1, que corresponde ao sucesso, com probabilidade p. P(X = 0) = q e P(X = 1) = p Nessas condições a variável aleatória X tem distribuição de BERNOULLI, e sua função de probabilidade é dada por: P(X = x) = px· q1−x www.acasadoconcurseiro.com.br4 A esperança da distribuição de Bernoulli é E(X) = p Variância é V (X) = p . q. b) Distribuição Binomial A probabilidade de um evento A ocorrer exatamente k vezes em um determinado experimento aleatório é dada por: Onde: n = número de eventos e k = é o número de favoráveis dentro dos eventos. Vale observar que se a probabilidade de realização de um evento (sucesso) é p, a probabilidade de não realização desse evento (insucesso) é 1 – p = q. c) Distribuição de Poisson Na distribuição binomial, se n for muito grande, enquanto a probabilidade p da ocorrência de um evento for próxima de zero, o evento será denominado raro. Na prática, considera-se um evento como raro quando o número de tentativas é, pelo menos, igual a 50 (n ≥ 50), ao passo que n.p é menor que 7. Nesses casos, a distribuição binomial é muito aproximada da de Poisson, com λ = n . p. A distribuição de Poisson Representa um modelo probabilístico adequado para o estudo de um grande número de fenômenos observáveis. Eis alguns exemplos: 1 – Chamadas telefônicas por unidade de tempo; defeitos por unidade de área; acidentes por unidade de tempo; 2 – Chegada de clientes a um supermercado por unidade de tempo; 3 – Número de glóbulos sanguíneos visíveis ao microscópio por unidade de área; 4 – Número de partículas emitidas por uma fonte de material radioativo por unidade de tempo. De modo geral, dizemos que a variável aleatória X tem uma distribuição de Poisson com parâmetro λ > 0, se: Onde k = 0, 1, 2, ... (número de ocorrências em determinado intervalo de tempo), e representa o número médio de eventos ocorrendo no intervalo considerado. e = 2,71828... (número neperiano). www.acasadoconcurseiro.com.br 5 Questões 1. Uma urna contém 15 bolas brancas e 25 bo- las vermelhas. Uma bola é retirada da urna e a variável aleatória X anota o número de bolas brancas obtidas. Calcule a média e a variância de X e determinar P(X). 2. Um dado não viciado é lançado 3 vezes. Qual é a probabilidade do resultado 5 ocor- rer exatamente 2 vezes? 3. Um telefone recebe, em média, cinco cha- madas por minuto. Supondo que a distri- buição de Poisson seja adequada nessa si- tuação, calcular a probabilidade de que o telefone não receba chamadas durante um intervalo de um minuto. No problema anterior, calcular a probabili- dade de se obter no máximo duas chama- das em quatro minutos. 4. Em um experimento binomial com três provas, a probabilidade de ocorrerem dois sucessos é doze vezes a probabilidade de ocorrerem três sucessos. Desse modo, as probabilidades de sucesso e fracasso são, em percentuais, respectivamente, iguais a: a) 80 % e 20 % b) 30 % e 70 % c) 60 % e 40 % d) 20 % e 80 % e) 25 % e 75 %. 5. O número de petroleiros que chegam a uma refinaria ocorre segundo uma distribuição de Poisson, com média de dois petroleiros por dia. Desse modo, a probabilidade de a refinaria receber no máximo três petrolei- ros em dois dias é igual a: a) 32/73 e^ – 4 b) 71/3 e^4 c) 71/3 e^ – 4 d) 71/3 e^-2 e) 32/3 eˆ – 2. Gabarito: 1. E(X) = 3/8 (37,5%) e V (X) = 15/64 (aprox.. 23,4%) 2. 5/72 (aprox. 7%) 3. e–5 (aprox. 0,0067) / 221.e–20 (aprox. zero) 4. D 5. C
Compartilhar