Baixe o app para aproveitar ainda mais
Prévia do material em texto
Distribuições discretas Página 1 de 6 http://www.fe.up.pt/~leec2005 Página 1 de 6 Distribuições Discretas As distribuições discretas são utilizadas para determinar a probabilidade de variáveis aleatórias discretas que seguem um determinado padrão. Experiências de Bernoulli 1. A cada experiência corresponde apenas um de dois resultados possíveis: “sucesso” ou “insucesso”. 2. A probabilidade de sucesso (p) (e logo de insucesso (q = 1 - p)) mantém-se inalterada ao longo das experiências; 3. Os resultados associados a cada experiência são independentes entre si. Distribuição binomial ),( pnBX → X : número de sucessos em n experiências de Bernoulli. nxppCxXP xnxnx ,,1,0,)1()( K=−== − npqXV npXE = = )( )( Distribuição geométrica X : número de experiências de Bernoulli até ocorrer um sucesso. K,2,1,)1()( 1 =−== − xppxXP x 2)( 1)( p qXV p XE = = Distribuição binomial negativa ou de Pascal ),( pkPX → X : número de experiências de Bernoulli até ocorrerem k sucessos. kxppCxXP kxkxk ≥−== −−− ,)1()( 11 2)( )( p qkXV p kXE = = Distribuições discretas Página 2 de 6 http://www.fe.up.pt/~leec2005 Página 2 de 6 Distribuição hipergeométrica X : número de sucessos em n tentativas (não de Bernoulli), em que B elementos dão origem a um sucesso num total de N elementos. Nnnx C CCxXP N n BN xn B x ≤=== − − ;,,1,0,)( K 1 )( )( − −= = n nNnpqXV npXE Distribuição multinomial Xk : número de vezes que Ak acontece em n tentativas. pk : a probabilidade de Ak acontecer. KKKK ,1,0,!! !),,,( 11 1 11 ==== xppxx nxXxXP kxk x k kk iii ii qnpXV npXE = = )( )( jiji k i i k i i pnpXXCv p nx = = = ∑ ∑ = = ),( 1 1 1 Exercício: Recentemente, a fábrica XYZ adquiriu uma nova máquina de fresar. Para cumprir os padrões de qualidade em vigor na fábrica, o responsável pelo Departamento de Qualidade tem de definir e implementar um plano de inspecção às peças produzidas na nova máquina. No entanto, devido ao elevado rendimento da nova máquina, é impossível inspeccionar todas as peças produzidas, pelo que é necessário recorrer à inspecção de pequenos lotes. Por razões técnicas, foi estabelecido que é inspeccionado um lote por cada turno de trabalho e o tamanho de cada lote a inspeccionar é de 20 peças (retiradas aleatoriamente do total de peças produzidas nesse turno). Após uma série de testes, foi possível definir que a percentagem de peças defeituosas produzidas na nova máquina é de 10%. Dessas peças defeituosas, 8% podem ser reaproveitadas, enquanto os restantes 2% são para sucata. a) O responsável pela Qualidade definiu os seguintes planos de inspecção alternativos: i) Uma peça é retirada aleatoriamente do lote, inspeccionada e colocada de novo no lote (existe reposição da peça inspeccionada). Este processo é repetido 10 vezes. O lote é rejeitado se tiver menos do que 9 peças boas; ii) Uma peça é retirada aleatoriamente do lote, inspeccionada e colocada de novo no lote (existe reposição da peça inspeccionada). Este processo é repetido 3 vezes ou até sair uma peça defeituosa. O lote é rejeitado se se retirar uma peça defeituosa; Distribuições discretas Página 3 de 6 http://www.fe.up.pt/~leec2005 Página 3 de 6 iii) Uma peça é retirada aleatoriamente do lote, inspeccionada e colocada de novo no lote (existe reposição da peça inspeccionada). Este processo é repetido 7 vezes ou até saírem duas peças defeituosas. O lote é rejeitado se se retirarem duas peças defeituosas; iv) Uma peça é retirada aleatoriamente do lote, inspeccionada e colocada de parte (não existe reposição da peça inspeccionada). Este processo é repetido 10 vezes. O lote é rejeitado se tiver menos do que nove peças boas; Qual dos planos maximiza a probabilidade de rejeitar um lote? Analise os valores esperados e as variâncias. b) Qual a probabilidade de um lote de 20 peças (com reposição) ser constituído por: 18 peças boas, 1 peça defeituosa reaproveitável e 1 peça para a sucata. Resolução: a) X : número de peças boas Yi : número de tentativas até sair a i-ésima peça defeituosa A probabilidade de retirar uma peça boa é 1 – 10% = 0.9 A probabilidade de retirar uma peça defeituosa é 10% = 0.1 i) Neste plano de inspecção a v.a. X segue uma distribuição binomial. Caso Geral: X : número de sucessos em n experiências de Bernoulli. Caso Particular: X : número de peças boas em 10 peças retiradas. A expressão da distribuição de probabilidade de X é dada pela seguinte expressão: knkn k ppCkXP −−== )1()( Pelo que devemos calcular P(X < 9), com n = 10, p = 0.9: [ ] 9.01.09.010)1()( 0.99.010)( 2639.07361.01)10()9(1)9(1)9( =××=−= =×== =−==+=−=≥−=< pnpXV npXE XPXPXPXP ii) Neste plano de inspecção a v.a. Y1 segue uma distribuição geométrica. Caso Geral: X : número de experiências de Bernoulli até ocorrer um sucesso. Caso Particular: Y1 : número de peças retiradas até sair uma peça defeituosa. A expressão da distribuição de probabilidade de Y1 é dada pela seguinte expressão: pqkYP k 11 )( −== Pelo que devemos calcular P(Y1 ≤ 3), com p = 0.1: Distribuições discretas Página 4 de 6 http://www.fe.up.pt/~leec2005 Página 4 de 6 90 1.0 9.0)( 10 1.0 11)( 271.01.09.01.09.01.09.0)3()2()1()3( 22 210 1111 === === =×+×+×==+=+==≤ p qXV p XE YPYPYPYP iii) Neste plano de inspecção a v.a. Y2 segue uma distribuição de Pascal. Caso Geral: X : número de experiências de Bernoulli até ocorrerem k sucessos. Caso Particular: Y2 : número peças retiradas até saírem 2 peças defeituosas. A expressão da distribuição de probabilidade de Y2 é dada pela seguinte expressão: kxkx kk qpCxYP −− −== 11)( Pelo que devemos calcular P(Y2 ≤ 7), com k = 2, p = 0.1: 180 1.0 9.02)( 20 1.0 2)( 2397.0)7()3()2()7( 22 2222 =×== === ==++=+==≤ p qkXV p kXE YPYPYPYP K iv) Neste plano de inspecção a v.a. X segue uma distribuição hipergeométrica. Caso Geral: X : número de sucessos em n tentativas (não de Bernoulli), em que B elementos dão origem a um sucesso num total de N elementos. Caso Particular: X : número de peças boas em 10 tentativas (não existe reposição), em que 18 elementos dão origem a um sucesso num total de 20 elementos. A expressão da distribuição de probabilidade de X é dada pela seguinte expressão: N n BN xn B x C CCxXP − −== )( Pelo que devemos calcular P(X < 9), com p = 0.9, n = 10, B =18 e N = 20: [ ] 4737.0 120 10201.09.010 1 )( 99.010)( 2368.07632.01)10()9(1)9(1)9( =− −×××=− −= =×== =−==+=−=≥−=< N nNnpqXV npXE XPXPXPXP b) Esta experiência segue uma distribuição multinomial, onde: Xk = número de vezes que sai Ak, com probabilidade pk A expressão da distribuição de probabilidade de X é dada pela seguinte expressão: kn k n k kk ppnn nnXnXP KKK 1 1 1 11 !! !),,,( === Neste caso temos então: Distribuições discretas Página 5 de 6 http://www.fe.up.pt/~leec2005 Página 5 de 6 X1 : número de peças boas ( 9.018 11 == pen ) X2 : número de peças reaproveitáveis ( 08.01 22 == pen ) X3 : número de peças para sucata ( 02.01 33 == pen ) 0913.002.008.09.0 !1!1!18 !20),1,1,18( 1118321 =×××==== XXXP Distribuição de Poisson )(λPoissonX → X : número de ocorrências de fenómenos aleatórios por unidade de tempo, em que λ é o número médio dessas ocorrências por unidade de tempo. K,1,0,! )( === − x x exXP xλλ λ λ = = )( )( XV XE Exercício: A procura diária para certo artigo na loja A segue uma distribuição de Poisson. Sabendo que a procura média diária é de 3 produtos e que o stock diário é mantido em 6 unidades, calcule: a) a probabilidade de num dia serem procurados pelo menos dois produtos; b) a probabilidade de se registar uma ruptura de stock; c) o número esperado de clientes que fica por satisfazer; d) o novo stock diário a assegurar de modo que a probabilidade de ruptura seja no máximo de 0.004. Resolução: a) Distribuição de Poisson Caso Geral: X : número de ocorrências de fenómenos aleatórios por unidade de tempo, em que λ é o número médio dessas ocorrências por unidade de tempo. Caso Particular: X : procura do produto por dia, em que λ é o número médio de produtos procurados por dia. X – número de produtos procurados diariamente na loja A λ = 3 ! 3)( 3 x exXP x− == [ ] 8.0)15.005.0(1)1()0(1)2(1)2( =+−==+=−=<−=≥ XPXPXPXP b) Ruptura de stock = procura superior ao stock existente (6) [ ] 0335.0)6()0(1)6(1)6( ==++=−=≤−=> XPXPXPXP K Distribuições discretas Página 6 de 6 http://www.fe.up.pt/~leec2005 Página 6 de 6 c) X’ : número de clientes que ficam por satisfazer num dia E(X’) = somatório do número de clientes por satisfazer vezes a probabilidade desse número ficarem insatisfeitos. 0507.0 ! 3)6(63 )()6(6)(66)()( )(16)()( )(6)()()6( )8(2)7(1)6(0)'( 6 0 3 6 0 6 0 6 0 6 0 6 00 777 210 =⋅−+−= ==⋅−+−==⋅+−=⋅−= =−⋅−=⋅−=⋅= ==−=⋅==⋅−= =+=×+=×+≤×= ∑ ∑∑∑ ∑∑∑ ∑∑∑ = − === == ∞+ = ∞+ = ∞+ = ∞+ = x x xxx xxx xxx satisfazerporclientessatisfazerporclientesatisfazerporclientes x ex xXPxxXPxXPxXE xXPxXPxxXPx xXPxXPxxXPx XPXPXPXE λ K43421434214434421 d) S : novo stock assegurar 996.0004.019962.00081.09881.0)8()7()8(8 9881.00216.09665.0)7()6()7(7 9665.00335.01)6(1)6(6 =−>=+==+≤=≤→= =+==+≤=≤→= =−=>−=≤→= XPXPXPS XPXPXPS XPXPS
Compartilhar