Baixe o app para aproveitar ainda mais
Prévia do material em texto
Modelos probabilísticos para variáveis aleatórias discretasvariáveis aleatórias discretas Prof. Carlos Amorim Distribuição de Bernoulli • Experimento de Bernoulli – Tem somente dois resultados possíveis: sucesso (se acontecer o evento que nos interessa) ou fracasso (o evento não se realiza); – A probabilidade de sucesso é p e a probabilidade de fracasso (1-p). Variável aleatória X 0, fracasso P(0) = 1 - p P(1) = p Variável aleatória de Bernoulli. )(~ pBerX 1, sucesso Distribuição de Bernoulli • Valor esperado e variância )(1)1(0)( ppXE +−= p= 2)( ppXV −= )1( pp −= Ex: Experimento: lançamento de um dado; Sucesso se sair a face 5. )( ppXV −= )1( pp −= == )0(XP 6/5 == )1(XP 6/1 =)(XE 6/1 =)(XV 36/5)6/5)(6/1( = Distribuição binomial • Experimento binomial – Consiste de “n” experimentos (ensaios) de Bernoulli; – Para cada ensaio existe dois possíveis resultados: sucesso ou fracasso; – A probabilidade de sucesso é p. A probabilidade de fracasso é (1-p); – Os ensaios são independentes. Distribuição binomial • Experimento binomial Definimos a variável aleatória X tal que: X = o número de sucessos num experimentoX = o número de sucessos num experimento binomial, ou seja, o número de sucessos ocorridos em “n” repetições independentes do experimento de Bernoulli. Distribuição binomial • Ex: Um dado é lançado 10 vezes, qual a probabilidade da face 5 sair 4 vezes? � Se o dado for lançado 2 vezes, qual a probabilidade de ambos Pensando em algo mais simples: � Se o dado for lançado 2 vezes, qual a probabilidade de ambos ensaios resultarem em sucesso? A é o evento sucesso no primeiro ensaio. B é o evento sucesso no segundo ensaio. pAP =)( pBP =)( 6/1= 6/1= =∩ )( BAP Como A e B são eventos independentes: )()( BPAP 36 1 6 1 6 1 6 1 2 = =×= Distribuição binomial � Se o dado for lançado 10 vezes, qual a probabilidade de obter sucesso nos 10 ensaios? 10 6 1 =adeprobabilid - Qual a probabilidade de falha no primeiro ensaio e sucesso nos outros nove ensaios? � Qual a probabilidade de 9 sucessos e uma falha? 9 6 1 6 5 ×=adeprobabilid (FSSSSSSSSS) Distribuição binomial � Qual a probabilidade de 9 sucessos e uma falha? 9 6 1 6 5 ×=adeprobabilid (FSSSSSSSSS) 9 15 (SFSSSSSSSS) 9 6 1 6 5 ×=adeprobabilid (SSFSSSSSSS) 9 6 1 6 5 ×=adeprobabilid (SSSSSSSSSF) 9 6 1 6 5 ×=adeprobabilid 10 seqüências Distribuição binomial � Qual a probabilidade de 9 sucessos e uma falha? 9 6 1 6 5 10 ××=adeprobabilid • Ex: Um dado é lançado 10 vezes, qual a probabilidade da face 5 sair 4 vezes? =adeprobabilid 64 6 5 6 1 × × 4 10 )!(! ! knk n C k n n k − == )!410(!4 !1010 4 − =C !6!4 !678910 ×××× = 210 24 5040 == 64 6 5 6 1 210 × ×= Distribuição binomial Função de probabilidade para uma variável aleatória binomial: knk pp n kXP −− == )1()( Onde: k = número de sucessos; n = número de ensaios; p = probabilidade de sucesso. pp k kXP − == )1()( ),(~ pnbX Distribuição binomial Ex: Uma moeda é lançada 20 vezes. Qual a probabilidade de saírem 8 caras? n 20,...,2,1,0=X knk pp k n kXP −− == )1()( 8=k 20=n 2/1=p 128 2 1 1 2 1 8 20 )8( − ==XP 12013,0= Distribuição binomial • Valor esperado e variância npXE =)( )1()( pnpXV −= Ex: Um dado é lançado 21 vezes. Seja X o número de vezes que sair a face 5. Calcule o valor esperado e a variância de X. )1()( pnpXV −= =p =)(XE 5,3 6 1 21 =× =)(XV 916667,2 6 1 1 6 1 21 = −×× 6/1 Distribuição de Poisson • Para “n” muito grande e um “p” muito pequeno: knk pp k n kXP −− == )1()( , ! )( k npe knp− ≅ .,...,2,1,0 nk = Ex: Ex: A probabilidade de uma lâmpada se queimar ao ser ligada é 1/100. Numa instalação de 100 lâmpadas, qual a probabilidade de 2 lâmpadas queimarem ao serem ligadas? ( ) 982 )99,0(01,0 2 100 )2( ==XP 1848,0= !2 )1( )2( 21− == e XP 18394,0= Distribuição de Poisson • Uma variável aleatória X tem uma distribuição de Poisson com parâmetro se0>λ , ! )( k e kXP kλλ− == .,...,2,1,0 nk = Onde: np=λOnde: np=λ É largamente empregada quando se deseja contar o número de eventos de certo tipo que ocorrem num intervalo de tempo, ou superfície ou volume. Ex: - número de chamadas recebidas por um telefone durante cinco minutos; - número de falhas de um computador num dia de operação; - defeitos por unidade (m²,m³, etc.) por peça de fábrica. )(~ λPoisX Distribuição de Poisson • Valor esperado e variância λ=)(XE λ=)(XV Ex: Um telefone recebe, em média, cinco chamadas por minuto. Supondo que a distribuição de Poisson seja adequada nessa situação, obter a probabilidade de que o telefone não receba chamadas durante um intervalo de um minuto. λ=)(XV =)(XE :X Número de chamadas por minuto. 5 λ= Distribuição de Poisson ! )( k e kXP kλλ− == == )0(XP !0 505−e 0067,05 == −e !0 Qual a probabilidade de obter no máximo duas chamadas em quatro minutos? =λ :X Número de chamadas em quatro minutos. 2045 =× =≤ )2(XP ==+=+= )2()1()0( XPXPXP =++= −−− !2 20 !1 20 !0 20 220120020 eee =++− )200201(20e 20221 −e Questão • A probabilidade de alguém passar em um determinado teste na primeira tentativa é de 15%. Se 10 pessoas fizerem o teste na próxima vez que ele for oferecido,qual a probabilidade de: a) ninguém passar?a) ninguém passar? b) exatamente 4 passarem? c) no máximo 3 passarem? d) no mínimo 3 passarem? e) Qual o valor esperado do número de pessoas passarem? f) Qual é a variância do número de pessoas passarem?
Compartilhar