Baixe o app para aproveitar ainda mais
Prévia do material em texto
Alguns Modelos Probabil´ısticos Discretos 1 Distribuic¸a˜o de Bernoulli Muitos experimentos sa˜o tais que os resultados apresentam ou na˜o uma determinada carac- ter´ıstica. Por exemplo: 1. uma moeda e´ lanc¸ada: o resultado ou e´ cara, ou na˜o (ocorrendo, enta˜o, coroa); 2. um dado e´ lanc¸ado: ou ocorre face 5 ou na˜o (ocorrendo, enta˜o, umas das faces 1,2,3,4 ou 6); 3. uma pec¸a e´ escolhida ao acaso de um lote contendo 500 pec¸as: essa pec¸a e´ defeituosa ou na˜o; 4. uma pessoa e´ escolhida ao acaso entre os moradores de uma cidade e verifica-se se ela e´ favora´vel ou na˜o a um projeto social. Um experimento de Bernoulli e´ um experimento aleato´rio com apenas dois resultados poss´ıveis; por convenc¸a˜o, um deles e´ chamado “sucesso” e o outro “fracasso”. Consideremos uma unica tentativa de um experimento aleato´rio, cujo resultado pode ser sucesso ou fracasso nessa tentativa. Seja X: nu´mero de sucessos em uma u´nica tentativa do experimento. X = { 0, fracasso, com P (X = 0) = q = 1− p 1, sucesso, com P (X = 1) = p. (1) Definic¸a˜o A v.a X que assume apenas os valores 0 e 1 com func¸a˜o de probabilidade p(x), tal que: p(0) = P (X = 0) = 1− p = q e p(1) = P (X = 1) = p, e´ chamada varia´vel aleato´ria de Bernoulli, e sua func¸a˜o de distribuic¸a˜o e´ dada por: P (X = x) = pxq1−x, x = 0, 1. Caracter´ısticas • E(X) = p; • V ar(X) = p(1− p); Exemplo: Uma urna conte´m 30 bolas brancas e 20 verdes. Retira-se uma bola dessa urna. Seja a v.a X: nu´mero de bolas verdes. Determinar a func¸a˜o de distribuic¸a˜o de X, E(X) e V ar(X). 2 Distribuic¸a˜o Binomial Este modelo fundamenta-se nas seguintes hipo´tes: 1. n provas independentes e do mesmo tipo sa˜o realizadas, ou seja, n ensaios de Bernoulli; 1 2. cada prova admite apenas dois resultados: sucesso ou fracasso. 3. a probabilidade de sucesso em cada prova e´ p e de fracasso e´ 1− p. Considere agora as seguintes situac¸o˜es, obtidas de (1) a (4) da sec¸a˜o anterior: 1. uma moeda e´ lanc¸da treˆs vezes: qual a probabilidade de se obter duas caras? 2. um dado e´ lanc¸ado cinco vezes: qual e´ a probabilidade de se obter face 5 no ma´ximo treˆs vezes? 3. dez pec¸as sa˜o extra´ıdas, ao acaso, com reposic¸a˜o, de um lote contendo 500 pec¸as; qual e´ a probabilidade de que todas sejam defeituosas, sabendo-se que 10% das pec¸as do lote sa˜o defeituosas? 4. sabe-se que 90% das pessoas de uma cidade sa˜o favora´veis a um projeto municipal. Escolhendo-se 100 pessoas ao acaso entre os moradores, qual e´ a probabilidade de que pelo menos 80 sejam favora´veis ao projeto? Seja X: nu´mero de sucessos em n tentativas de um experimento. Logo X pode assumir os valores: 0, 1, . . . , n. A func¸a˜o de distribuic¸a˜o de probabilidade da v.a X e´ definida por: P (X = x) = ( n x ) pxqn−x, x = 0, 1, . . . , n e ( n x ) = n! (n− x)!x! (2) • E(X) = np; • V ar(X) = npq. Exemplo: Uma moeda na˜o viciada e´ lanc¸ada 3 vezes. Encontre a probabilidade de: 1. dar 3 caras; 2. pelo menos 1 cara. 3. E(X) e V ar(X). Exemplo: As linhas telefoˆnicas em um sistema de reservas de uma companhia ae´rea esta˜o ocupadas 40% do tempo. Suponha que os eventos em que as linhas estejam ocupadas em sucessivas chamadas sejam independentes. Considere que 10 chamadas acontec¸am. a) Qual e´ a probabilidade de que, para exatamente treˆs chamadas, as linhas estejam ocu- padas? b) Qual e´ a probabilidade de que, para no mı´nimo uma chamada, as linhas estejam ocupadas? c) Qual e´ o nu´mero esperado de chamadas em que todas as linhas estejam ocupadas? 2 3 Distribuic¸a˜o Poisson Consideremos a probabilidade de ocorreˆncia de sucesso em um determinado intervalo. A distribuic¸a˜o de Poisson e´ uma distribuic¸a˜o discreta de probabilidade, aplica´vel a ocorreˆncia de um evento em um intervalo especificado (tempo, distaˆncia, a´rea, volume ou outra unidade ana´loga). A probabilidade do evento ocorrer x vezes em um intervalo e´ dada a seguir: Seja X : o nu´mero de sucessos no intervalo, enta˜o: A varia´vel aleato´ria discreta X tem distribuic¸a˜o de Poisson com paraˆmetro λ, se sua func¸a˜o de distribuic¸a˜o de probabilidade e´ dada por P (X = x) = λx x! e−λ, x = 0, 1, 2, . . . • E(X) = V (X) = λ; Como aplicac¸o˜es da distribuic¸a˜o de Poisson podemos citar: • nu´mero de usua´rios de computador ligados a` Internet; • nu´mero de clientes que chegam numa loja durante uma hora de promoc¸a˜o relaˆmpago; • carros que passam por um cruzamento por minuto, durante uma certa hora do dia; • erros tipogra´ficos por pa´gina, em um material impresso; • defeitos por unidade (m2,m3,m etc ) por pec¸a fabricada; • coloˆnias de bacte´rias numa da cultura por 0, 01mm2, numa plaqueta de microsco´pio; • mortes por ataque de corac¸a˜o por ano, numa cidade. E´ aplicada tambe´m em problemas de filas de espera em geral, e outros. Exemplo Numa central telefoˆnica chegam 300 telefonemas por hora. Qual a probabilidade de que: a) num minuto na˜o haja nenhum chamado? b) em 2 minutos haja 2 chamadas? c) em t minutos na˜o haja chamadas? 3
Compartilhar