Baixe o app para aproveitar ainda mais
Prévia do material em texto
CMIP- Centro de Metrologia e Inovação em ProcessosUFSC- UNIVERSIDADE FEDERAL DE SANTA CATARINA Profª Andréa DISTRIBUIÇÕES DE PROBABILIDADE DISCRETAS Em problemas práticos, normalmente não é necessário deduzir as probabilidades de ocorrência, pois existem alguns modelos probabilísticos que se aplicam a várias situações práticas, fornecendo a regra de determinação. Principais Distribuições Discretas O problema não é “como se deduzem os valores”, mas sim “como se usam as distribuições para resolver problemas” das probabilidades. Consideremos n tentativas independentes de ensaios de Bernoulli. Cada tentativa admite apenas dois resultados: sucesso (com probabilidade p) ou fracasso. As probabilidades de sucesso e fracasso são as mesmas para cada tentativa. A variável aleatória X que conta o número total de sucessos é denominada Binomial. Distribuição Binomial Para indicar que a variável aleatória X segue o modelo Binomial, usaremos a notação X ∼ b(n, p), em que n e p são denominados parâmetros. A sua função de probabilidade é dada por: Onde: n = número de vezes que uma tentativa é repetida, x = número de sucessos, p = probabilidade de sucesso, p(x) = probabilidade de se obter exatamente x sucessos em n provas. Distribuição Binomial n) , . . . 2, 1, 0, =(x )1.(.)( xnx pp x n xp −− = )!(! ! xnx n x n − = NOTAÇÃO COMBINATORIAL PROPRIEDADES DA DISTRIBUIÇÃO BINOMIAL pnXE .)( == qpnXVar ..)( = Isto é, a média de uma variável aleatória com distribuição binomial é igual ao produto dos parâmetros “n” e “p“. Média ou valor esperado Variância qpn ..= O desvio padrão isto é, a variância de uma variável aleatória com distribuição binomial é igual ao produto dos parâmetros “n” e “p” e multiplicados ainda por “q”. DISTRIBUIÇÃO BINOMIAL –Exemplo 1 Binomial com n= 10 p= 0,7 Seja a população de pessoas de um município em que 70% são favoráveis a um certo projeto municipal. Qual é a probabilidade de que , numa amostra aleatória simples de 10 pessoas dessa população exatamente sete indivíduos da amostra serem favoráveis? DISTRIBUIÇÃO BINOMIAL – Exemplo 1 Qual a probabilidade de exatamente sete indivíduos da amostra serem favoráveis? Temos os seguintes dados: (X é binomial n = 10 p = 0,7) A probabilidade do evento é X= 7 xnx qp x n xXPxP − === ).(.)()( P(X = 7) = p(7) = 0,2668 Vamos resolver!!! DISTRIBUIÇÃO BINOMIAL- Exemplo 1 Qual a probabilidade de a maioria da amostra ser de favoráveis? (X é binomial n = 10 p = 0,7) Vamos resolver !! P(X > 5) = p(6) + p(7) + p(8) + p(9) + p(10) P(X > 5) = 0,8497 xnx qp x n xXPxP − === ).(.)()( Considere que numa grande rede de computadores, em 60% dos dias ocorre alguma falha. Construir a distribuição de probabilidades para a variável aleatória X = número de dias com falhas na rede, considerando o período de observação de três dias. (Suponha independência.) DISTRIBUIÇÃO BINOMIAL- Exemplo 2 • X = número de dias com falhas → binomial com n = 3 p = 0,6 1 – p = 0,4 ( ) xx x xXP − == 3 4,06,0 3 )( DISTRIBUIÇÃO BINOMIAL- Exemplo 2 n = 3 p = 0,6 P(X=x) = 0,6x.(1- 0,6)(3-x)( ) 3 x 1 ( )3 0 P(X=0) = 0,60.(1- 0,6)(3-0) = 1.0,60.0,43 = 0,064 =( ) 3 0 3! 0! (3-0)! = 1 DISTRIBUIÇÃO BINOMIAL- Exemplo 2 n = 3 p = 0,6 ( )3 1 P(X=1) = 0,61.(1- 0,6)(3-1) = 3.0,61.0,42 = 0,288 =( ) 3 1 3! 1! (3-1)! = 3 P(X=x) = 0,6x.(1- 0,6)(3-x)( ) 3 x DISTRIBUIÇÃO BINOMIAL- Exemplo 2 n = 3 p = 0,6 ( )3 2 P(X=2) = 0,62.(1- 0,6)(3-2) = 3.0,62.0,41 = 0,432 =( ) 3 2 3! 2! (3-2)! = 3 P(X=x) = 0,6x.(1- 0,6)(3-x)( ) 3 x DISTRIBUIÇÃO BINOMIAL- Exemplo 2 n = 3 p = 0,6 ( )3 3 P(X=3) = 0,63.(1- 0,6)(3-3) = 1.0,63.0,40 = 0,216 =( ) 3 3 3! 3! (3-3)! = 1 1 P(X=x) = 0,6x.(1- 0,6)(3-x)( ) 3 x DISTRIBUIÇÃO BINOMIAL- Exemplo 2 DISTRIBUIÇÃO DA VARIÁVEL X 0,064 0 1 2 3 0,216 0,432 0,288 x p(x) 0 0,064 1 0,288 2 0,432 3 0,216 Total 1 8,16,03)( === pnX 72,04,06,03)1()( ==−= ppnXV Considerando X como sendo a VAD igual a “número de vezes que ocorre face cara em 5 lançamentos de uma moeda equilibrada”, determinar a probabilidade de ocorrer: (a) Duas caras (b) Quatro caras (c) No máximo duas caras Solução: Neste caso, tem-se: n = 5 = número de lançamentos. X = número de caras nos 5 lançamentos X(S) = { 0, 1, 2, 3, 4, 5 } p = P(Cara em 1 lançamento ) = 0,50, pois a moeda é equilibrada. Logo q = 1 - p = 0,50 Então: DISTRIBUIÇÃO BINOMIAL- Exemplo 3 %505,0105,055,05,05,0 2 5 5,05,0 1 5 5,05,0 0 5 )2() %62,155,00625,055,05,0 4 5 )4() %25,31125,025,0105,05,0 2 5 )2() 5,4,3,2,1,0,5,05,0 5 )()( 555252151050 454 252 5 =++= + + = == == == === = === −−− − − − XPc XPb XPa xpara x xXPxP xx DISTRIBUIÇÃO BINOMIAL- Exemplo 3 Acredita-se que 20% dos moradores das proximidades de uma grande indústria siderúrgica tem alergia aos poluentes lançados ao ar. Admitindo que este percentual de alérgicos é real (correto), calcule a probabilidade de que pelo menos 4 moradores tenham alergia entre 13 selecionados ao acaso. Solução: n = 13 p = 0,20, q= 0,80 Assim, a probabilidade de que pelo menos 4 moradores tenham alergia é dada por: P(X 4) = P(X=4) + P(X=5) + … + P(X=13) = 0,1535 + 0,0694 + … + 0,0000 = 0,2526 ou P(X 4) = 1 - P(X3) = 1 – (P(X=0) + P(X=1) + P(X=2) + P(X=3))= 0,2526 DISTRIBUIÇÃO BINOMIAL- Exemplo 4 Num determinado processo de fabricação 10% das peças são consideradas defeituosas. As peças são condicionadas em caixas com 5 unidades cada uma. (a) Qual a probabilidade de haver exatamente 3 peças defeituosas numa caixa? (b) Qual a probabilidade de haver duas ou mais peças defeituosas numa caixa? (c) Se a empresa paga uma multa de R$ 10,00 por caixa em que houver alguma peça defeituosa, qual o valor esperado da multa num total de 1000 caixas? Solução: (a) %81,081,0001,010)90,0.()10,0.( 3 5 )3( 23 == ==XP (b) P(Duas ou mais defeituosas) = P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5). Ao invés de calcular desta forma é mais conveniente utilizar o complementar. Assim: P(X ≥ 2) = 1 - P(X≤ 1) = 1 - [P(X = 0) + P(X = 1)] = 1 - (0,5905 + 0,3280] = 8,15% DISTRIBUIÇÃO BINOMIAL- Exemplo 5 (c) Se a empresa paga uma multa de R$ 10,00 por caixa em que houver alguma peça defeituosa, qual o valor esperado da multa num total de 1000 caixas? A probabilidade de uma caixa pagar multa é: P(PM) = P(X ≥ 1) = 1 - P(X = 0) = 1 - 0,5905 = 40,95% Neste caso tem-se uma nova Binomial com n = 1000 e p = 40,95%. O número esperado de caixas que vão pagar multa, isto é, com uma ou mais peças defeituosas será: E(PM) = np = 1000.0,4095 = 409,5 caixas. Como cada uma paga R$ 10,00 de multa, o valor total da multa será: PM = R$ 10,00.409,5 = R$ 4 095,00 DISTRIBUIÇÃO BINOMIAL- Exemplo 5 Exemplo usando o R a) Haver algum item com defeito: 05,0 ;20 ;0 ),,( = = = p n x pnxdbinom xnx pp x n xp −− = )1.(.)( Exemplo usando o R b) Haver exatamente dois itens com defeito: 05,0 ;20 ;2 ),,( = = = p n x pnxdbinom xnx pp x n xp −− = )1.(.)( Exemplo usando o R c) Haver mais de dois itens defeituosos: P = 1 – [p(0) + p(1) + p(2)] = 0,0755 xnx pp x n xp −− = )1.(.)( Exemplo usando o R d) Qual é o número esperado de itens defeituosos no lote: 1)( )05,0.(20)( .)( = = == XE XE pnXE Exemplo usando o R
Compartilhar