Baixe o app para aproveitar ainda mais
Prévia do material em texto
Algumas Distribuições de Probabilidade Discretas. Unidade II - Aula 08 Disciplina: Cálculo das Probabilidades e Estatística I Professor: ELMIRO 2015-1 UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIA EXATAS E DA NATUREZA DEPARTAMENTO DE ESTATÍSTICA Alguns modelos probabilísticos discretos 1. Distribuição Uniforme Discreta Seja X uma variável aleatória cujos possíveis valores são representados por x1, x2, ... ,xk. Dizemos que X segue o modelo Uniforme se sua distribuição de probabilidade é dada por: 1/n, i=1, 2, 3, ... , n 0, caso contrário Exemplo: Considere o experimento que consiste no lançamento de um dado, e estamos interessados na V.A. X: Número da face obtida. Neste caso todos os possíveis resultados ocorrem com a mesma probabilidade e, assim, podemos dizer que a probabilidade se distribui uniformemente entre os diversos resultados, ou seja, podemos escrever a seguinte distribuição de probabilidade. P(X=xi)= Continuação... x 1 2 3 4 5 6 P(X=x) 1 6 1 6 1 6 1 6 1 6 1 6 Notação: X~Ud(x1,..,xn) OBS.: podemos mostrar que: E(X)= 1 𝑛 𝑖=1 𝑛 𝑥𝑖 V(X)= 1 𝑛 𝑖=1 𝑛 𝑥𝑖 2 − 𝑖=1 𝑛 𝑥𝑖 2 𝑛 Para o exemplo anterior: E(X)= 1 6 (1+2+3+4+5+6)= 21 6 =3,5 E(X)=3,5 V(X)=[ 1 6 (1+4+9+16+25+36) - 212 6 ]= 1 6 [91 − 441 6 ]= 1 6 [91-73,5] V(X)= 1 6 17,5=2,9 V(X)=2,9 2. Distribuição de Bernoulli Algumas situações tem alternativas dicotômicas e podem ser representadas genericamente por resposta do tipo sucesso-fracasso. Associaremos p, a probabilidade de sucesso, ao evento que nos interessa e 1-p, será a probabilidade de fracasso. Esses experimentos recebem o nome de Ensaios de Bernoulli e originam uma V.A. com distribuição de Bernoulli. Definição: Uma V.A. (X) de Bernoulli é aquela que assume apenas dois valores: 1 se ocorrer sucesso(s) e 0 se ocorrer fracasso (f), ou seja: X(s)=1 e X(f)=0. A probabilidade de sucesso é p, 0<p<1, e a probabilidade de fracasso é 1-p. Logo a f.d.p. é dada por: Continuação... Continuação... Notação: X~Ber(p), indica que a V.A. X tem distribuição de Bernoulli com probabilidade de sucesso “p” Se X~Ber(p) podemos mostrar que: E(X)=p e Var(X)=p(1-p). Exemplo: Considere o experimento: “Lançar um dado e observar a face superior”. Defina o evento: “o número é múltiplo de 3” e a variável X é definida como 1 se o evento ocorrer (sucesso) e 0 caso contrário. Encontre a distribuição de probabilidade de X, calcule a esperança e a variância. x 0 1 P(X=x) 1-p p f(x)=P(X=x)= 𝑝 𝑥 1 − 𝑝 1−𝑥 𝑠𝑒 = 0 1 0 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜 Continuação... 3. Distribuição Binomial Exemplo: Suponha que um dado seja lançado 3 vezes. Seja A o evento: obtenção de uma face maior ou igual a 5, e a obtenção de A seja classificada como Sucesso(S), caso contrário com Fracasso(F). Determinar a função de distribuição de probabilidade da variável X: número de vezes em que se obtém o evento A (obtenção de faces maiores ou iguais a 5), nos 3 lançamentos do dado. Solução: Sabemos A={5, 6} P(A)=2/6 P(S)=2/6 (probabilidade de sucesso), consequentemente 𝐴={1, 2, 3, 4} P(𝐴)=4/6 P(F)=4/6 (probabilidade de fracasso) O Espaço amostral da V.A. X, no que se refere a obtenção de sucesso ou fracassos é dado por: ={FFF, FFS, FSF, SFF, FSS, SFS, SSF, SSS} Continuação... Logo: Valor de X P(X=x) FFF 0 4 6 4 6 4 6 = 4 6 3 2 6 0 FFS 1 4 6 4 6 2 6 = 4 6 2 2 6 1 FSF 1 4 6 2 6 4 6 = 4 6 2 2 6 1 SFF 1 2 6 4 6 4 6 = 4 6 2 2 6 1 SSF 2 2 6 2 6 4 6 = 4 6 1 2 6 2 SFS 2 2 6 4 6 2 6 = 4 6 1 2 6 2 FSS 2 4 6 2 6 2 6 = 4 6 1 2 6 2 SSS 3 2 6 2 6 2 6 = 4 6 0 2 6 3 logo: Portanto a distribuição de probabilidade de X é dada por: 𝑓 𝑥 = 𝑃 𝑋 = 𝑥 = 3 𝑥 2 6 𝑥 4 6 3−𝑥 𝑝𝑜𝑟𝑎 𝑥 = 0,1,2 𝑜𝑢 3 Onde: 3 𝑥 = 3! 𝑥! 3−𝑥 ! 𝑥 = 0,1,2 𝑜𝑢 3 Continuação... Valor de X P(X=x) Valor de X P(X=x) 0 2 6 0 4 6 3 0 3 0 2 6 0 4 6 3 1 3 2 6 1 4 6 2 ou 1 3 1 2 6 1 4 6 2 2 3 2 6 2 4 6 1 2 3 2 2 6 2 4 6 1 3 2 6 3 4 6 0 3 3 3 2 6 3 4 6 0 Generalizando: Considere a repetição de n ensaios de Bernoulli independentes e todos com a mesma probabilidade de sucesso p. A variável aleatória que conta o número total de sucessos nos n ensaios de Bernoulli é denominada de variável aleatória Binomial com parâmetros n e p e sua função de probabilidade é dada por: Notação, X~B(n, p), para indicar que V.A. X tem distribuição Binomial com parâmetros n e p. Podemos provar que: Se X~B(n, p) então: E(X)=np e Var(X)=np(1-p). x)!(nx! n! x n onde n,0,1,xp)(1p x n x)P(Xf(x) xnx Continuação... Exemplo: Um professor da disciplina de Estatística elaborou uma prova de múltipla escolha, composta de 10 questões objetivas, cada uma com 5 alternativas, sendo verdadeira apenas uma delas. Suponha que nenhum dos estudantes tenha estudado para a prova (o que é muito comum e frequente). O professor estabeleceu que para ser aprovado o aluno deve acertar pelo menos 8 questões das 10 propostas. (a) Qual a probabilidade de um aluno consegui êxito na disciplina? (b) Qual a média e o desvio padrão de acerto na prova? Continuação... Solução: Seja a V.A. X: número de questões respondidas corretamente nas 10 questões propostas. Sabemos que P(S) = p = 1 5 (probabilidade de sucesso), que P(F) =1 − 1 5 = 4 5 (probabilidade de fracasso) e sabemos também que n=10 (número de questões propostas), (a) A probabilidade de um aluno qualquer, escolhido aleatoriamente, galgar aprovação, será: P(X≥8)= P(X=8)+P(X=9)+(PX=10) P(X≥8)= = = 10.,...,2,0x 5 4 5 1 x 10 x)P(Xf(x) x10x 28 5 4 5 1 8 10 19 5 4 5 1 9 10 010 5 4 5 1 10 10 Continuação... (b) E(X) = np = 10. = 2 V(X) np(1-p) = 10. . = 1,6 DP(x)= 1,6 = 1,26 DP(x) = 1,26 Exemplo 1: O time do Treze tem 25% de probabilidade de perder quando joga em João Pessoa. Se ele joga pelo campeonato Paraibano 4 vezes em João Pessoa, qual a probabilidade dele perder exatamente 3 partidas. Qual a probabilidade dele perder ao menos uma partida ?. Se em todo campeonato ele jogar 12 vezes em João Pessoa, em quantas partidas se espera que ele ganhe? 5 1 5 1 5 4 Continuação... Exemplo 2: O escore em um teste internacional de proficiência na língua inglesa varia de 0 a 7 pontos, com mais pontos indicando um melhor desempenho. Informações, coletadas durante vários anos, permitem estabelecer o seguinte modelo para o desempenho no teste: Várias universidades americanas, exigem um escore mínimo de 6 pontos para aceitar candidatos de países de língua não inglesa. De um grande grupo de estudantes que prestaram o último exame, escolhemos ao acaso 8 deles. Qual a probabilidade de no máximo 2atenderem ao requisito mencionado? Em um grupo de 220 candidatos espera-se quantos serem aprovados? Pontos [0, 2) [2, 3) [3, 4) [4, 5) [5, 6) [6, 7] pi 0,06 0,15 0,16 0,25 0,27 0,11 Continuação... 4. Distribuição de Poisson Na prática muitos experimentos consistem em observar a ocorrência de eventos discretos em um intervalo contínuo (unidade de medida). Exemplo: Número de consultas por minuto a uma base de dados. Número de casos de dengue por quilómetro quadrado no estado da Paraíba. Número de manchas (falhas) por metro quadrado no esmaltado de uma geladeira. Número de chamadas que chegam a uma central telefônica de uma empresa, num intervalo de tempo (digamos das 8:00 a.m. às 12:00 a.m.). Número de carros que chegam ao Campus entre 7:00 a.m. a 10:00 a.m. Continuação... Esses tipos de experimentos recebem o nome de Ensaios de Poisson e originam uma V.A. com distribuição de Poisson. Definição: Uma variável discreta X tem distribuição de Poisson com parâmetro > 0 se sua função de probabilidade é dada por: Onde: X: número de eventos discretos obtidos em t unidades de medida e é a média de eventos discretos obtidos em t unidades de medida. Notação: X~P(), para indicar que a V.A. X tem distribuição de Poisson com parâmetro . Pode-se mostrar que, se X~P(), então: E(X)= e Var(X)= c.c.0; 0,1,2,x x! λe x)P(X xλ Continuação... Questões importante sobre a distribuição Binomial e Poisson Qual é a diferença entre as distribuições de Poisson e Binomial? Enquanto a distribuição binomial pode ser usada para encontrar a probabilidade de um número designado de sucessos em n tentativas do experimento, a distribuição de Poisson é usada para encontrar a probabilidade de um número designado de sucessos por unidade de intervalo. Sob que condições pode a distribuição de Poisson ser usada como uma aproximação da distribuição Binomial? Podemos usar a distribuição de Poisson como uma aproximação da distribuição Binomial quando n, o número de tentativas, for grande e p ou 1–p for pequeno (eventos raros). Um bom princípio básico é usar a distribuição de Poisson quando n ≥ 30 e n.p ou n.(1-p) < 5. Continuação... Questões importante sobre a distribuição Binomial e Poisson O modelo binomial utiliza a função de probabilidade: Podemos reescrever a expressão acima da seguinte forma: 𝑃 𝑋 = 𝑘 = 𝑛! 𝑘! 𝑛 − 𝑘 ! 𝑝𝑘 𝑛𝑘 𝑛𝑘 1 − 𝑛𝑝 𝑛 𝑛−𝑘 = 𝑛! 𝑘! 𝑛 − 𝑘 ! (𝑛𝑝)𝑘 𝑛𝑘 1 − 𝑛𝑝 𝑛 𝑛−𝑘 Fazendo λ=np teremos: 𝑃 𝑋 = 𝑘 = 𝑛 𝑛 − 1 …(𝑛 − 𝑘 + 1) 𝑘! 𝜆𝑘 𝑛𝑘 1 − 𝜆 𝑛 𝑛−𝑘 = 𝜆𝑘 𝑘! 1. 1 − 1 𝑛 … 1 − 𝑘 − 1 𝑛 1 − 𝜆 𝑛 𝑛−𝑘 Fazendo n→∞ teremos 𝑃 𝑋 = 𝑘 = 𝜆𝑘𝑒−𝜆 𝑘! n,0,1,kp)(1p k n k)P(Xf(k) knk Continuação... Exemplo 1: Suponha que a central telefônica de uma empresa de grande porte recebe em média 3 chamadas a cada 4 minutos. Qual é a probabilidade que a central recepcione 2 ou menos chamadas em um intervalo de 2 minutos? Se X: número de chamadas que recebe a central telefônica da empresa em 2 minutos, então, X ~P(). Para o exemplo t=2 logo =1,5 (utilizando regra de 3). Ou seja X~P(1,5). 0,808847.] 2 1,5 1,5[1e2)P(X1)P(X0)P(X2)P(X .0,1,2,3...x, x! 1,5e x)P(X 2 1,5 x1,5 Continuação... Exemplo 2: Uma indústria de tintas recebe pedidos de seus vendedores através de fax, telefone e internet. Chegam na indústria, em média, 5 pedidos por hora. a) Qual a probabilidade de se receber mais que 2 pedidos por hora? b) Em um dia de trabalho (8 horas), qual a probabilidade de haver exatamente 50 pedidos? c) É um evento raro não haver nenhum pedido em um dia de trabalho? Continuação... Exemplo 3: A probabilidade de que um rebite apresentar defeito, quando colocado na superfície da asa de uma aeronave, é de 0,001. Há 4000 rebites na asa. Qual é a probabilidade de que seja instalados não mais de seis rebites defeituosos? Se X: número de rebites defeituosos na asa da aeronave. Então, X~B(4000;0,001) Usando a aproximação de Poisson, =4000(0,001)=4 X~P(4) 6 0x x4000x 0,8894.0,9990,001 x 4000 6)P(X 6 0x x4 0,889. x! 4e 6)P(X Continuação... Exemplo 4: O número de falhas em um certo tipo de placa plástica tem taxa média de 0,05 defeito por m2. Na construção de um barco, é necessário cobrir uma superfície de 3m x 2m com essa placa. Qual a probabilidade de que não haja mais de uma falha nessa superfície? Na construção de 5 barcos, qual a probabilidade de que pelo menos 4 não apresentem defeito na superfície? Continuação... Exemplo 5: Em momentos de pico, a chegada de aviões a um aeroporto, em média, é de um avião por minuto. a) Qual a probabilidade de 3 chegadas em um minuto qualquer do horário de pico? b) Se o aeroporto pode atender 2 aviões por minuto, qual a probabilidade de haver aviões sem atendimento? c) Previsões para os próximos anos indicam que o tráfego deve dobrar nesse aeroporto, enquanto que a capacidade de atendimento poderá ser no máximo ampliada em 50%. Como ficará a probabilidade de haver aviões sem atendimento?
Compartilhar