Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos 4. DISTRIBUIÇOES DISCRETAS É a distribuição discreta mais simples possível. Considera que todos os valores de X possuem a mesma probabilidade: Exemplo 4.1 - No lançamento de um dado, a v.a. que representa a face voltada para cima segue distribuição uniforme discreta. • Distribuição Uniforme Discreta k. ..., 2, 1, x , k 1)xX(P === Experimento de Bernoulli é um experimento aleatório que possui apenas dois resultados possíveis. Exemplos: 4.2 - Lançar uma moeda e observar a face voltada para cima. 4.3 - Observar se um atirador acerta o alvo. • Distribuição de Bernoulli Um dos resultados é chamado “sucesso”, e o outro, “fracasso”. A probabilidade de sucesso é designada por p. Como consequência, a probabilidade de fracasso é 1-p. . Seja agora uma v.a. X que assume valor 0, se ocorre um fracasso, e 1, se ocorre um sucesso. A distribuição desta v.a. é: x P(X=x) 0 1-p 1 p A distribuição acima é chamada distribuição de Bernoulli. P(X=x) = px(1-p)1-x, x = 0,1; 0<p<1. Fórmula da Distribuição de Bernoulli: o “~” significa “segue distribuição” Notação usual: X ~ Bernoulli(p). 2 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Sejam agora n realizações independentes de experimentos de Bernoulli com a mesma probabilidade de sucesso p. Considere que estejamos interessados no número de sucessos observados. • Distribuição Binomial Exemplo 4.4 - Ao lançar 3 moedas, qual a probabilidade de obtermos 2 caras? Façamos: {CA} = sucesso e {CO} = fracasso. Neste problema, a v.a. X de interesse representa o número de sucessos (caras). A distribuição da v.a. que representa o número de sucessos em n realizações independentes de experimentos de Bernoulli, todos com mesma probabilidade de sucesso p, chama-se binomial. n (número de realizações) e p (probabilidade de sucesso) são os parâmetros da distribuição. Fórmula da Distribuição Binomial: == )xX(P probabilidade de obter x sucessos em n realizações independentes xnx )p1(p −− x n .1p0 ;n,...,1,0x , <<= .)!xn(!x !n − = Notação usual: X ~ Bin(n,p). Solução do Exemplo 4.4: A v.a. de interesse é: X = número de caras. X ~ Bin(3,1/2). Pede-se P(X=2). . 8 3 2 1 2 1 2 3)2X(P 12 = == Exemplo 4.5 - Qual a probabilidade de que um atirador acerte o alvo 3 vezes em 5 tentativas, se a probabilidade dele acertar um tiro em uma tentativa qualquer é 2/3? 3 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Solução: A v.a. de interesse é: X = número de acertos. Se considerarmos que as tentativas são independentes, então: X ~ Bin(5,2/3). .3292,0 3 1 3 2 3 5)3X(P 23 = == Daí: Valor Esperado e Variância da Binomial: E(X) = np V(X) = np(1-p) Exemplo 4.5 (cont.) - Calcule o valor esperado do número de acertos do atirador. Exemplo 4.6 - Considere um exame com 20 questões de múltipla escolha, cada uma com 5 alternativas. Se um aluno que não estudou nada resolve “chutar” todas as respostas, qual é a probabilidade de que acerte 30% da prova (isto é, 6 questões)? Solução: ( ) ( ) .1091,08,02,0 6 20)6X(P 146 = == Qual o valor esperado do número de questões que o aluno acerta? A v.a. de interesse é: X = número de acertos. Logo: X ~ Bin(20;0,2). Daí: Exemplo 4.7 (importante aplicação em finanças) - O preço de uma ação a cada dia é uma v.a., com probabilidade 0,4 de descer R$ 1,00 e probabilidade 0,6 de subir R$ 1,00. As variações de preço a cada dia são independentes, e as probabilidades de aumento ou queda de preço se mantém fixas. Se no primeiro dia o preço da ação é R$ 100,00, calcule o valor esperado do preço da ação no quinto dia. Solução: A trajetória da ação pode ser representada em uma árvore, chamada árvore binomial. A v.a. de interesse é: X = número de vezes que a ação sobe. Qual a distribuição de X? 4 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos x P(X=x) 0 0,0256 1 0,1536 2 0,3456 3 0,3456 4 0,1296 Seja agora Y uma outra v.a., representando o preço final da ação. Note que, se a ação cair todos os dias (X=0), Y será igual a R$ 96,00. Por outro lado, se a ação subir todos os dias (X=4), Y será igual a R$ 104,00. E nos casos intermediários? y P(Y=y) 96 0,0256 98 0,1536 100 0,3456 102 0,3456 104 0,1296 O valor esperado de Y pode ser calculado de 2 formas. Forma 1 - diretamente da distribuição de Y, aplicando a definição de valor esperado: .8,1001296,0*1043456,0*1023456,0*100 1536,0*980256,0*96)yY(yP)Y(E y =++ ++===∑ R: o valor esperado do preço (preço esperado) da ação no quinto dia é R$ 100,80. Forma 2 - escrevendo Y como função de X: Y = 2X+96, e aplicando a fórmula do valor esperado de aX+b (capítulo 3): E(aX+b) = aE(X) + b. No caso, a = 2, b = 96 e E(X) = np = 2,4. Assim: E(Y) = 2*2,4+96 = 100,8. 5 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos • Distribuição Hipergeométrica Exemplo 4.8 - Considere 4 extrações sem reposição de bolinhas, de uma urna que contém 8 bolinhas azuis e 5 vermelhas. Calcule a probabilidade de que 3 sejam azuis. Em princípio, poderíamos pensar na extração de cada bolinha como um experimento de Bernoulli, e a v.a. X de interesse (número de bolinhas azuis na amostra) seguindo distribuição binomial. Pergunta: o que nos impede de fazer isto? Resposta: A amostragem é sem reposição, o que faz com que sucessivas extrações sejam dependentes e as probabilidades de sucesso mudem a cada extração. De forma geral, considere uma população (no exemplo, urna) com N elementos (no exemplo, bolinhas), dentre os quais temos r sucessos (no exemplo, ser azul). Seja então uma amostra de tamanho n, obtida sem reposição. Qual é a probabilidade de que tenhamos exatamente x sucessos nesta amostra? A distribuição da v.a. que representa o número de sucessos na amostra chama- se hipergeométrica, c/ parâmetros N, r e n. Para obter a fórmula da distribuição hipergeométrica é só fazer: P(A) = #A/#S (casos favoráveis sobre casos possíveis). O número de casos possíveis é o número total de amostras de tamanho n que podemos obter da população, ou seja: . n N 6 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos O número de casos favoráveis é dado pelo número de formas de extrair x sucessos dentre os r possíveis e (n-x) fracassos dentre os N-r possíveis: . xn rN x r − − Fórmula da Distribuição Hipergeométrica: . n N xn rN x r )xX(P − − == probabilidade de que ocorram x sucessos, em uma amostra sem reposição de tamanho n Notação usual: X ~ Hiper(N,r,n). Solução do exemplo 4.8: Seja X o número de bolinhas azuis na amostra de tamanho 4. Então: .3916,0 4 13 1 5 3 8 4 13 34813 3 8 )3X(P = = − − == Exemplo 4.9 Considere um lote de 10 peças, das quais 4 são defeituosas. Se extrairmos 5 peças, sem reposição, qual a probabilidade de que 2 sejam defeituosas? Solução: Seja X o número de peças defeituosas na amostra de tamanho 5. Então: .4762,0 5 10 3 6 2 4 )2X(P = == Exemplo 4.10 - Para tentar passar pela alfândega, um traficante esconde 5 pílulas de narcóticos em um vidro que contém 10 pílulas de aspirina. O fiscal fica desconfiado, e decide tomar uma amostra de 4 pílulas, para inspeção. Qual a probabilidade do traficante ser preso? 7 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Solução: seja X = número de pílulas de narcóticos na amostra. Que valores X tem que assumir para que o traficante seja preso? O traficante é preso se X≥1. Mas P(X≥1) = 1-P(X=0), sendo P(X=0) calculada a seguir: Logo: P(X≥1) = 1 – 0,1539 = 0,8461. 0,1539. 4 15 4 10 0 5 )0X(P = == Valor Esperado e Variância da Hipergeométrica: − − − = = 1N nN N r1 N r nV(X) N r nXE )( • Aproximação da Hipergeométrica pela Binomial Se N é muito maior do que n (N ≥ 20n), a distribuição hipergeométrica pode ser aproximada pela distribuição binomial (cujas probabilidades são mais simples de calcular), com parâmetros n e p = r/N. Exemplo 4.11 - Em uma eleição, suponha que 300 dos 1000 habitantes de um município são eleitores de um candidato A. Toma-se uma amostra de 10 eleitores. Qual a probabilidade de que exatamente 5 deles pretendam votar no candidato A? Solução: A probabilidade exata seria calculada da seguinte forma: Note que as combinações envolvidas são bastante chatas de se calcular... . 10 1000 5 700 5 300 )5X(P == 8 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos A probabilidade aproximada pode ser calculada utilizando a distribuição binomial, com n = 10 e p = 300/1000 = 0,3. Compare com o resultado exato (calculado no Excel: 0,1026) .1029,0)7,0()3,0( 5 10)5X(P 55 = ≅= • Distribuição Geométrica Considere, como na definição da Binomial, realizações independentes de experimentos de Bernoulli, todos com mesma probabilidade de sucesso p. A distribuição da v.a. que representa o número de realizações necessárias até que ocorra o primeiro sucesso chama-se geométrica, com parâmetro p. Fórmula da Distribuição Geométrica: 1.p0 ,...;2,1x ,p)p1()xX(P 1x <<=−== − probabilidade de que o primeiro sucesso venha a ocorrer na x-ésima realização. Notação: X ~ Geom(p). Parâmetro: p. .0082,0 3 2 3 21)5X(P 4 = −== Exemplo 4.12 - A probabilidade de um indivíduo acertar um alvo é 2/3. Se ele deve atirar até que acerte o alvo pela primeira vez, qual a probabilidade de que sejam necessários exatamente 5 tiros? Solução: Seja X o número de tiros até o primeiro acerto. Então: X ~ Geom(2/3). Valor Esperado e Variância da Geométrica: E(X) = 1/p V(X) = (1-p)/p2 No exemplo 4.12, qual o número de tiros esperado até que ocorra o primeiro acerto? Exercício (Resolvido) 4.1 - Um jogador converte 10% dos pênaltis que cobra. a) Qual a probabilidade de que ele acerte apenas uma cobrança em 5 tentativas? b) Qual a probabilidade de que ele precise bater 5 pênaltis até acertar o primeiro? 9 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Solução: a) Seja X o número de pênaltis que o jogador acerta. Então: X ~ Bin(5;0,1). Pede-se P(X=1). .32805,0)9,0()1,0( 1 5)1X(P 41 = == b) Seja X o número de cobranças até que o jogador acerte a primeira. Então: X ~ Geom(0,1). Pede-se: .06561,0)1,0()9,0()5X(P 4 === • Relação entre a Geométrica e a Binomial Se X ~ Geom(p) e Y ~ Bin(n.p), então: 1) P(Y=1) = n*P(X=n) 2) P(X>n) = P(Y = 0) Geométrica - Parametrização Alternativa: ,....1,0x ,)p1(p)xX(P x =−== Uma parametrização alternativa - menos comum - para a distribuição geométrica é tal que X representa o número de fracasso antes do (e não até o) primeiro sucesso. Exemplo motivador para a próxima distribuição a ser apresentada: Exemplo 4.13 - Na situação do exemplo 4.12, calcule a probabilidade de que o atirador precise de 4 tiros para acertar pela segunda vez o alvo (ou seja, de que o segundo acerto ocorra no quarto tiro). • Distribuição Binomial Negativa Considere novamente realizações independentes de experimentos de Bernoulli com probabilidade de sucesso p. A distribuição da v.a. que representa o número de realizações necessárias até que ocorra o r-ésimo sucesso (r = 1, 2, 3, ...) chama-se binomial negativa, com parâmetros r e p. Se r = 1, caímos na distribuição geométrica (caso particular). 10 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Fórmula da Distribuição Binomial Negativa: .1p0 ,...;1r,rx ,p)p1( 1r 1x)xX(P rrx <<+=− − − == − Notação usual: X ~ BNeg(r,p). Parâmetros: r e p. probabilidade de que o r-ésimo sucesso venha a ocorrer na x-ésima realização. Solução do exemplo 4.13: Seja X o número de tiros até o segundo acerto. X ~ BNeg(2,2/3). .1481,0 3 2 3 21 1 3)4X(P 22 = − == Valor Esperado e Variância da Binomial Negativa: E(X) = r/p V(X) = r(1-p)/p2 Exercício 4.2 - A probabilidade de que um tomador de empréstimo fique inadimplente é 0,05. Você é o gerente de uma financeira. a) Qual a probabilidade de que você conceda 8 empréstimos até tomar o primeiro calote? b) Qual a probabilidade de que você conceda 8 empréstimos até tomar o terceiro calote? R: a) 0,0349 b) 0,00203. • Distribuição de Poisson Seja λ a taxa de ocorrência de um evento por unidade de tempo ou de espaço. Por exemplo, acidentes/hora em uma estrada. A distribuição da v.a. que representa o número de ocorrências de um evento com taxa λ, no intervalo correspondente, chama-se Poisson, com parâmetro λ. Fórmula da Distribuição de Poisson: .0 ,...;1,0x , !x e)xX(P x >λ=λ== λ− probabilidade de que ocorram x eventos, em um intervalo no qual ocorrem, em média, λ eventos Notação usual: X ~ Poi(λ). Parâmetro: λ. 11 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Valor Esperado e Variância da Poisson: E(X) = λλλλ V(X) = λλλλ A Poisson é a única distribuição na qual a média e a variância são sempre iguais! Exemplo 4.14 - Em determinada rodovia, ocorrem, em média, 3 acidentes por hora. Supondo distribuição de Poisson, calcule as seguintes probabilidades: a) De que ocorram 2 acidentes em uma hora. b) De que ocorram pelo menos 2 acidentes em 20 minutos (20minutos = 1/3 de hora). Solução: .e5,4 !2 e3)2X(P )a 3 32 − − === .e21)]1X(P)0X(P[1)2X(P :e 1, é minutos 20 para o Assim, minutos. 20 cada a 1 média em ocorre então hora, uma em acidentes 3 média, em ocorrem, se hora) de 1/3 ( minutos 20 de período o para oconverter se-deve Aqui )b 1− −==+=−=≥ λ ⇒= λ • Aproximação da Binomial pela Poisson Se n for grande e p for pequeno, o número de sucessos em n realizações independentes de experimentos de Bernoulli pode ser aproximado pela distribuição de Poisson, com λ=np. Exemplo 4.15 - Uma companhia de seguros de automóveis descobriu que somente cerca de 0,005% da população está incluída em um certo tipo de sinistro cada ano. Se seus 20.000 segurados são escolhidos ao acaso na população, qual é a probabilidade aproximada de que 3 clientes venham a ser incluídos nesta categoria de sinistro no próximo ano? Solução: Pede-se P(X=3), sendo: X ~ Bin(20.000;0,00005). A solução aproximada pode ser obtida de forma bem mais simples (verifique) pela Poisson, usando λ = 20.000*0,00005 = 1. 12 FGV/EPGE - Mestrado em Finanças e Economia Empresarial Disciplina: Estatística/2014 - Professor: Eduardo Lima Campos Exercício (Resolvido) 4.3 (continuação do exercício 4.1) c) Dado que são necessárias mais do que 3 tentativas até o primeiro acerto, qual a probabilidade de que este acerto ocorra em no máximo 5 tentativas? Solução: Dado que são necessárias mais do que 3 tentativas até o primeiro acerto, qual a probabilidade de que este acerto ocorra em no máximo 5 tentativas? Um olhar desatento poderia nos levar a calcular P(X=4) + P(X=5). O que é pedido é uma probabilidade condicional: ),3X|5X(P >≤ sendo X ~ Geom(0,1). Esta probabilidade é calculada da seguinte forma: ( ) ( )[ ] ( ) ( ) ( ) ( ) ( ) ( )[ ] .19,0 729,0 1385,0 3XP2XP1XP1 5XP4XP 3XP 3X5XP)3X|5X(P = = =+=+=− =+= = > >∩≤ =>≤ Observações: 1 - A probabilidade do denominador não exclui P(X = 0), porque uma v.a. Geométrica não pode assumir valor 0! Note que a geométrica e a binomial negativa são as únicas distribuições discretas que não assumem valor 0. 2 - Esta probabilidade P(X > 3) pode ser obtida de forma direta pela distribuição binomial com n = 3 e p = 0,1, já que, se Y ~ Bin(3;0,1), então: P(X > 3) = P(Y = 0). Assim: ( ) ( ) .729,09,01,0 0 3 )0Y(P)3X(P 30 = ===>
Compartilhar