Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal de Campina Grande - UFCG Centro de Cieˆncias e Tecnologia - CCT Unidade Acadeˆmica de Estat´ıstica Distribuic¸a˜o multinomial Alunos:Alan da Silva e Paulo Ricardo Peixoto de Alencar Disciplina: Probabilidade I Campina Grande - PB, 4 de junho de 2016 1 A distribuic¸a˜o multinomial A distribuic¸a˜o multinomial e´ uma extensa˜o da distribuic¸a˜o binomial. O experimento binomial passa a ser multinomial quando em cada evento ou tentativa , tivermos mais de dois poss´ıveis resultados de interesse. Podemos citar como exemplo um evento que tem mais de treˆs poss´ıveis resultados, como a classificac¸a˜o de um produto em: normal, defeituoso ou recupera´vel. Um experimento multinomial tem as seguintes caracter´ısticas: • O experimento consiste de n tentativas repetidas. • Cada tentativa tem um nu´mero discreto resultados poss´ıveis. • Em qualquer tentativa dada, a probabilidade de que um particular resultado ocorrera´ e´ constante. • As tentativas sa˜o independentes • Cada tentativa pode ter dois ou mais resultados poss´ıveis. 1.1 A func¸a˜o de probabiidade Considere um experimento dividido em n ensaios independentes, no qual cada ensaio resulta em um nu´mero finito k de valores poss´ıveis com proba- bilidades p1, p2, . . . , pk (de modo que pi ≥ 0 para i = 1, . . . , k e k∑ i=1 pi = 1).Tomando a varia´vel aleato´ria Xi que representa o nu´mero de vezes que o ı´ndice i foi observado nos n ensaios, o vetor X = (X1, . . . , Xk) segue uma distribuic¸a˜o multinomial com paraˆmetros n e p onde p = (p1, . . . , pk). Com isso, sua distribuic¸a˜o de probabilidade e´ dada por P (X1 = n1, ..., Xk = nk) = n! n1!× ...× nk! × p n1 1 × pn22 × ...× pnkk Denotamos X ∼Multi(n, p1, . . . , pk). 1.2 Func¸a˜o geradora de momentos, esperanc¸a e variaˆncia Se X ∼ Multi(n, p1, · · · , pk) enta˜o sua func¸a˜o geradora de momentos e´ dada por: MX(t) = E ( etX ) = ∑ x etxP [X = k] = n∑ j1 · · · n∑ jk etj1 · · · etjk n! j1! · · · jk p j1 1 · · · pjkk = ( n∑ i=1 pie ti )n . O valor esperado do nu´mero de vezes em que o ı´ndice i e´ observado e´ dado por E(Xi) = npi 1.2.1 Demonstrac¸a˜o O teorema dos coeficientes multinomiais nos garante que: x1 + x2 + x3 + . . . + xi = n, i ≥ 0 observe que podemos ver o teorema escrito da seguinte forma Y (1) = n− x1 = x2 + x3 + . . . + xk Y (2) = n− x2 = x1 + x3 + . . . + xk ... Y (k) = n− xk = x1 + x2 + . . . + xk−1 podemos generalizar essa expressa˜o e escreveˆ-la da seguinte forma∑ j 6=xi xj como queremos mostrar a esperanc¸a da distribuic¸a˜o multinomial de um certo paraˆmetro xk podemos demonstrar a esperanc¸a de xk considerando apenas ele o paraˆmetro de interesse, ou seja, o sucesso, e os demais paraˆmetros consideraremos como fracasso. Em consequeˆncia disso, passamos a ter que demonstrar uma distribuic¸a˜o binomial, logo percebemos o motivo de termos escrito as expresso˜es a cima. E(Xk) = n∑ k=0 xk ( n xk ) pxkk (1− pk)n−xk = n∑ k=0 xk n! xk!(n− xk)!p xk k (1− pk)n−xk = quando k=0 a parcela correspondete no somato´rio e´ nula. Dessa forma, podemos escrever o seguinte: E(Xk) = n∑ k=1 xk n! xk(xk − 1)!(n− xk)!p xk k (1− pk)n−xk e como xk 6= 0 podemos efetuar a divisa˜o E(Xk) = n∑ k=1 n! (xk − 1)!(n− xk)!p xk k (1−pk)n−xk = n∑ k=1 n(n− 1)! (xk − 1)!(n− xk)!(pk×p xk−1 k )(1−pk)n−xk = npk n∑ k=1 (n− 1)! (xk − 1)!(n− xk)!p xk−1 k (1−pk)n−xk = npk n∑ k=1 ( n− 1 xk − 1 ) pxk−1k (1−pk)n−xk vamos agora, fazer a mudanc¸a de varia´vel q = k − 1⇐⇒ k = q + 1, dai npk n−1∑ q=0 ( n− 1 xq ) pqq(1− pq)(n−(q+1)) = npk n−1∑ q=0 ( n− 1 xq ) pqq(1− pq)(n−1−q) sabemos que este somato´rio e´ equivalente a soma das probabilidades, ou seja, e´ igual a 1. Portanto, o que nos resta e´ o valor esperado da distribuic¸a˜o multinomial do paraˆmetro xk E(Xk) = npk e a variaˆncia V ar(Xk) = npk(1− pk) . 1.2.2 Demonstrac¸a˜o V ar(Xk) = E(X 2 k)− E2(Xk) De maneira ana´loga a demonstrac¸a˜o da esperanc¸a, vamos achar E(X2k). E(X2k) = n∑ xk=0 x2k ( n xk ) pxkk (1− pk)n−xk = n∑ xk=0 x2k n! xk!(n− xk)!p xk k (1− pk)n−xk = n∑ xk=1 x2k n! xk(xk − 1)!(n− xk)!p xk k (1−pk)n−xk = n∑ xk=1 xk n! (xk − 1)!(n− xk)!p xk k (1−pk)n−xk = n∑ xk=1 xk n(n− 1)! (xk − 1)!(n− xk)!(pk × p xk−1 k )(1− pk)n−xk = npk n∑ xk=1 xk (n− 1)! (xk − 1)!(n− xk)!p xk−1 k (1− pk)n−xk usando novamente q = k − 1⇐⇒ k = q + 1, temos = npk n−1∑ q=0 (xq+1) (n− 1)! xq!(n− 1− xq)!p q q(1−pq)n−1−q = npk n−1∑ q=0 (xq+1) ( n− 1 xq ) pqq(1−pq)n−1−q = npk n−1∑ q=0 xq ( n− 1 xq ) pqq(1− pq)n−1−q + npk n−1∑ q=0 ( n− 1 xq ) pqq(1− pq)n−1−q dai temos que o primeiro somato´rio e´ igual (n − 1)pk e o segundo e´ igual a pk. Colocando npk em evideˆncia temos: E(X2k) = npk[(n− 1)pk − 1] = n2p2k − np2k + npk e substituindo, V ar(Xk) = n 2p2k + npk − (npk)2 = npk − np2k = npk(1− pk) 1.3 Exemplos de aplicac¸a˜o da distribuic¸a˜o multinomi- nal 1.3.1 Exemplo 1 Os seguintes eventos podem ocorrer com um pacote enviado pelo correio: chegar em perfeito estado, chegar danificado ou perder-se pelo caminho. As probabilidades desses eventos sa˜o, respectivamente 0,7, 0,2 e 0,1. Foram enviados recentemente 10 pacotes pelo correio. Qual a probabilidade de 6 chegarem corretamente ao destino, 2 serem perdidos e os outros 2 avariados? Soluc¸a˜o Primeiramente deve-se definir quais sa˜o as varia´veis aleato´rias do pro- blema n1: nu´mero de pacotes que chegaram corretamente e sem danos (6) n2: nu´mero de pacotes que chegaram avariados (2) n3: nu´mero de pacotes que se perderam pelo caminho (2) Enta˜o ,n1 + n2 + n3 = n = 10 , logo a probabilidade sera´: P (n1 = 6, n2 = 2, n3 = 2) = 10! 6!× 2!× 2! .× (0, 7) 6 × (0, 2)2 × (0, 1)2 = 0, 059 1.3.2 Exemplo 2 Na inspec¸a˜o de qualidade de um produto sa˜o utilizadas quatro categorias para classificac¸a˜o: conforme, aproveita´vel, recicla´vel e refugado. As probabi- lidades de pertencer a cada um dos grupos sa˜o, respectivamente: p1 = 0,70 , p2 = 0,15 , p3 = 0,10 e p4= 0,05. Em um lote de 10 unidades, qual a probabilidade de se encontrar seis unidades conformes, duas aproveita´veis, uma recicla´vel e uma refugada? Soluc¸a˜o n1= 6 unidades conformes n2= 2 unidades aproveita´veis n3= 1unidade recicla´vel n4= 1 unidade refugada P (n1 = 6, n2 = 2, n3 = 1, n4 = 1) = 10! 6!×2!×1!×1!× (0, 70)6× (0, 15)2× (0, 10)1× (0, 05)1 = 0, 0334 2 Refereˆncias bibliogra´ficas HOEL, Paul G. Introduc¸a˜o a` teoria da probabilidade. 4a ed. Rio de Janeiro, Intercieˆncia, 1978. FELLER, William. Introduac¸a˜o a teoria das probabilidades e suas aplicac¸o˜es Parte 1 - Espac¸os amostrais discretos. 2a ed. Sa˜o Paulo, Edgard Blu¨cher, 1976.
Compartilhar