Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Teoria e Aplicações, 5a. edição 2008 LTC Chap 5-1 Estatística Teoria e Aplicações 5a. Edição Capítulo 5 Algumas Distribuições de Probabilidades Discretas Importantes Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-2 Objetivos do Aprendizado Neste capítulo, você irá aprender: As propriedades de uma distribuição de probabilidades A calcular o valor esperado e a variância de uma distribuição de probabildiades A calcular a covariância e a compreender o seu uso em finanças A calcular probabilidades a partir de distribuições binomiais, hipergeométricas e de Poisson A utilizar distribuições binomiais, hipergeométricas e de Poisson para solucionar problemas ligados a negócios Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-3 Definições Variável Aleatória Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias discretas produzem resultados que vêm de um processo de contagem (número de classes que você está tomando). Variáveis aleatórias contínuas produzem resultados que vêm de uma medição (ou seja, seu salário anual, ou o seu peso). Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-4 Variáveis Aleatórias Discretas Exemplos Variáveis aleatórias discretas só podem assumir um número de valores contáveis Exemplos: Role um dado duas vezes Seja X o número de vezes que o 4 vem para cima (então X pode ser 0, 1 ou 2 vezes) Jogue uma moeda 5 vezes. Seja X o número de caras (então X = 0, 1, 2, 3, 4 ou 5) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-5 Definições Variáveis Aleatórias Variáveis Aleatórias Variáveis Aleatórias Discretas Variáveis Aleatórias Contínuas Cap. 5 Cap. 6 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-6 Definições Distribuição de Probabilidades A distribuição de probabilidade para uma variável aleatória discreta é uma lista de todos os resultados mutuamente excludentes para essa variável e uma probabilidade específica de ocorrência associada a cada resultado. Número de Classes Tomadas Probabilidade 2 0,20 3 0,40 4 0,24 5 0,16 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-7 Definiçõess Distribuição de Probabilidades Experimento: Jogue 2 Moedas. (X = # caras). Dsitribuição de Probabilidade Valor de X Probabilidade 0 1/4 = 0,25 1 2/4 = 0,50 2 1/4 = 0,25 0 1 2 X 0,50 0,25 P ro b a b il id a d e Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-8 Variáveis Aleatórias Discretas Valor Esperado Valor Esperado (ou média) de uma distribuição discreta (Média Ponderada) Exemplo: Jogue 2 moedas, X = # caras Calcule o valor esperado de X: E(X) = (0)(0,25) + (1)(0,50) + (2)(0,25) = 1,0 N i ii XPX 1 )( E(X) Valor de X Probabilidade 0 1/4 = 0,25 1 2/4 = 0,50 2 1/4 = 0,25 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-9 Variáveis Aleatórias Discretas Valor Esperado Calcule o valor esperado para uma dada distribuição: Número de Classes Tomadas Probabilidade 2 0,2 3 0,4 4 0,24 5 0,16 E(X) = 2(0,2) + 3(0,4) + 4(0,24) + 5(0,16) = 3,36 Portanto, o número médio de classes tomadas é 3,36. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-10 Variáveis Aleatórias Discretas Dispersão Variância de uma variável aleatória discreta Desvio padrão de uma variável aleatória discreta onde: E(X) = Valor esperado da variável aleatória discreta X Xi = o i ésimo resultado de X P(Xi) = Probabilidade da i ésima ocorrência de X N 1i i 2 i 2 )P(XE(X)][Xσ N 1i i 2 i 2 )P(XE(X)][Xσσ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-11 Variáveis Aleatórias Discretas Dispersão Exemplo: Jogue 2 moedas, X = # caras, calcule o desvio padrão (lembre que E(X) = 1) N 1i i 2 i 2 )P(XE(X)][Xσσ 707,00,50(0,25)1)(2(0,50)1)(1(0,25)1)(0σ 222 Número possível de caras = 0, 1 ou 2 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-12 Covariância A covariância mede a força da relação linear entre duas variáveis aleatórias numéricas X e Y. A covariância positiva indica uma relação positiva. A covariância negativa indica uma relação negativa. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-13 Covariância Fórmula da Covâriancia: )()]()][(([σ 1 N i iiiiXY YXPYEYXEX onde: X = variável discreta X Xi = o i ésimo resultado de X Y = variável discreta Y Yi = o i ésimo resultado de Y P(XiYi) = probabilidade de ocorrência da condição que afeta o iésimo resultado de X e o iésimo resultado de Y Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-14 Retorno de Investimento: A Média Considere o retorno de U$1000 para dois tipos de investimentos. Condição Econômica P(XiYi) Investimento Fundo Passivo X Fundo Agressivo Y 0,2 Recessão - U$25 - U$200 0,5 Economia Estável + U$50 +U$60 0,3 Economia em Expansão + U$100 + U$350 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-15 Retorno de Investimento: A Média E(X) = μX = (-25)(0,2) +(50)(0,5) + (100)(0,3) = 50 E(Y) = μY = (-200)(0,2) +(60)(0,5) + (350)(0,3) = 95 Interpretação: O fundo X tem uma média de U$50,00 de retorno e o fundo Y tem uma média de U$95,00 de retorno para cada U$1000 investido. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-16 Retorno de Investimento: Desvio Padrão 43,30 (0,3)50)(100(0,5)50)(50(0,2)50)(-25σ 222X 71,193 )3,0()95350()5,0()9560()2,0()95200-(σ 222Y Interpretação: Apesar do fundo Y ter uma média maior do retorno do investimento, ele é sujeito a uma maior variabilidade, logo a probabilidade de perda é superior. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-17 Retorno do Investimento: Covariância 8250 95)(0,3)50)(350(100 95)(0,5)50)(60(5095)(0,2)200-50)((-25σXY Interpretação: Uma vez que a covariância é grande e positiva, há uma relação positiva entre os dois fundos de investimento, o que significa que provavelmente eles vão subir e descer juntos. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-18 A Soma de duas Variáveis Aleatórias: Medidas Valor Esperado: Variância: Desvio padrão: XYYXYXYX 2σσσσ)Var( 222 )()()( YEXEYXE 2σσ YXYX Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-19 Risco Esperado da Carteira de Títulos e Risco Esperado Carteiras de investimento geralmente contêm vários fundos diferentes (variáveis aleatórias) O retorno esperado e desvio padrão dos dois fundos juntos agora podem ser calculados. Objetivo de investimento: Maximize o retorno (média), minimizando o risco (desvio padrão). Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-20 Risco Esperado da Carteira de Títulos e Risco Esperado Retorno esperado da carteira de títulos (retorno médio ponderado): Risco da carteira de títulos (variabilidade ponderada) onde w = parte do valor da carteira em ativos X (1 - w) = parte do valor da carteira em ativos Y )()1()(E(P) YEwXEw XY 2 Y 22 X 2 P w)σ-2w(1σ)w1(σwσ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-21 Risco Esperado da Carteira de Títulos e Risco Esperado Lembreque: Investimento X: E(X) = 50 σX = 43.30 Investimento Y: E(Y) = 95 σY = 193.21 σXY = 8250 Suponha que 40% da carteira está no Investimento X e 60% está no Investimento Y: O retorno da carteira de títulos está entre os valores dos investimentos X e Y considerados individualmente. 77)95()6,0()50(4,0E(P) 04,133 )(8250)2(0,4)(0,6(193,21))6,0((43,30)(0,4)σ 2222 P Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-22 Distribuições de Probabilidade Visão Global Distribuições de Probabilidade Contínua Binomial Hipergeométrica Poisson Distribuições de Probabilidade Distribuições de Probabilidade Discreta Normal Uniforme Exponencial Cap. 5 Cap. 6 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-23 A Distribuição Binomial: Propriedades Um número fixo de observações, n ex. 15 lançamentos de uma moeda; dez lâmpadas retiradas de um armazém Duas categorias mutuamente excludentes e coletivamente exaustivas ex. cara ou coroa no lançamento de uma moeda; lâmpada com defeito ou não defeituosa; ter um menino ou menina Generalmente chamada de “sucesso” e “insucesso” Probabilidade de sucesso é p, probabilidade de insucesso é 1 – p Constante de probabilidade para cada observação ex. Probabilidade de se obter coroa é a mesma cada vez que se lança a moeda Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-24 A Distribuição Binomial: Propriedades As observações são independentes O resultado de uma observação não afeta o resultado da outra Métodos de amostragem População infinita sem reposição População finita com reposição Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-25 Aplicações da Distribuição Binomial Uma planta de fabricação de etiquetas produz itens defeituosos ou aceitáveis A licitação para os contratos de empresa irá ou não receber um contrato. A empresa de pesquisa de marketing recebe as respostas da pesquisa de "sim, eu vou comprar" ou "não, eu não vou” Candidatos novos a um emprego aceitam a oferta ou a rejeitam A sua equipa ganha ou perde o jogo de futebol no piquenique da empresa Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-26 A Distribuiçãao Binomial Técnicas de Contagem Suponha que o sucesso seja definido como obter cara, pelo menos, duas vezes jogando-se três moedas normais. Quantas são as maneiras possíveis de se obter sucesso? Sucessos possíveis: HHT, HTH, THH, HHH, Portanto, existem quatro possibilidades. Esta situação é extremamente simples. Precisamos de uma forma de contar os sucessos para as situações mais complicadas e menos trivial. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-27 Técnicas de Contagem Regra de Combinações O número de combinações na seleção de X objetos de n objetos é: X)!(nX! n! X n CXn onde: n! =n(n - 1)(n - 2) . . . (2)(1) X! = X(X - 1)(X - 2) . . . (2)(1) 0! = 1 (por definição) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-28 Técnicas de Contagem Regra de Combinações Quantas combinações possíveis de 3 bolas de sorvete você poderia criar em uma sorveteria se você tem 31 sabores para escolher? O total de sabores é n = 31 e seleciona-se X = 3. 449529531 28!123 28!293031 3!28! 31! 3)!(313! 31! 3 31 C331 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-29 A Distribuição Binomial: Fórmula XnX )(1 X)!(nX! n! P(X) pp P(X) = probabilidade de X sucessos em n tentativas, com probabilidade p de sucesso em cada tentativa X = número de „sucessos‟ na amostra, (X = 0, 1, 2, ..., n) n = tamanho da amostra (número de tentativas ou observações) p = probabilidade de “sucesso” Exemplo: Jogue uma moeda quatro vezes, seja x = # caras: n = 4 p = 0,5 1 - p = (1 – 0,5) = 0,5 X = 0, 1, 2, 3, 4 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-30 A Distribuição Binomial Exemplo 32805,0 ,9)(5)(0,1)(0 1),0(1(0,1) 1)!(51! 5! )(1 X)!(nX! n! 1)P(X 4 151 XnX pp Qual é a probabilidade de um sucesso em cinco observações se a probabilidade de sucesso é 0,1? X = 1, n = 5 e p = 0,1 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-31 A Distribuição Binomial Exemplo Suponha que a probabilidade de comprar um computador com defeito é 0,02. Qual é a probabilidade de comprar 2 computadores defeituosos em um lote de10? X = 2, n = 10 e p = 0,02 01531,0 4)(0,8508)(45)(0,000 02),0(1(0,02) 2)!(102! 10! )(1 X)!(nX! n! 2)P(X 2102 XnX pp Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-32 A Distribuição Binomial: Formato n = 5 p = 0,1 0 0,2 0,4 0,6 0 1 2 3 4 5 X P(X) n = 5 p = 0,5 0,2 0,4 0,6 0 1 2 3 4 5 X P(X) 0 O formato da distribuição binomial depende dos valores de p e n Quando, n = 5 e p = 0,1 Quando, n = 5 e p = 0,5 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-33 A Distribuição Binomial: Usando a Tabela Binomial n = 10 x … p=0,20 p=0,25 p=0,30 p=0,35 p=0,40 p=0,45 p=0,50 0 1 2 3 4 5 6 7 8 9 10 … … … … … … … … … … … 0,1074 0,2684 0,3020 0,2013 0,0881 0,0264 0,0055 0,0008 0,0001 0,0000 0,0000 0,0563 0,1877 0,2816 0,2503 0,1460 0,0584 0,0162 0,0031 0,0004 0,0000 0,0000 0,0282 0,1211 0,2335 0,2668 0,2001 0,1029 0,0368 0,0090 0,0014 0,0001 0,0000 0,0135 0,0725 0,1757 0,2522 0,2377 0,1536 0,0689 0,0212 0,0043 0,0005 0,0000 0,0060 0,0403 0,1209 0,2150 0,2508 0,2007 0,1115 0,0425 0,0106 0,0016 0,0001 0,0025 0,0207 0,0763 0,1665 0,2384 0,2340 0,1596 0,0746 0,0229 0,0042 0,0003 0,0010 0,0098 0,0439 0,1172 0,2051 0,2461 0,2051 0,1172 0,0439 0,0098 0,0010 10 9 8 7 6 5 4 3 2 1 0 … p=0,80 p=0,75 p=0,70 p=0,65 p=0,60 p=0,55 p=0,50 x Exemplos: n = 10, p = 0,35, x = 3: P(x = 3|n =10, p = 0,35) = 0,2522 n = 10, p = 0,75, x = 2: P(x = 2|n =10, p = 0,75) = 0,0004 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-34 A Distribuição Binomial: Características Média Variância e Desvio Padrão pnE(x)μ )-(1nσ2 pp )-(1nσ pp onde n = tamanho da amostra p = probabilidade de sucesso (1 – p) = probabilidade de insucesso Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-35 A Distribuição Binomial: Características n = 5 p = 0,1 0 0,2 0,4 0,6 0 1 2 3 4 5 X P(X) n = 5 p = 0,5 0,2 0,4 0,6 0 1 2 3 4 5 X P(X) 0 0,5(5)(0,1)nμ p 0,6708 1),0(5)(0,1)(1)-(1nσ pp 2,5(5)(0,5)nμ p 1,118 5),0(5)(0,5)(1)-(1nσ pp Exemplos Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-36 A Distribuição de Poisson Definições Uma área de oportunidades é uma unidade contínua ou um intervalo de tempo, volume, ou uma área tal que nela possa acontecer mais de uma ocorrência de um evento. ex. O número de arranhões na pintura de um carro ex. O número picadas de mosquito em uma pessoa ex. O número de falhas de um computador em um dia Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-37 A Distribuição de PoissonPropriedades Aplica-se a Distribuição de Poisson quando: Você deseja contar o número de vezes que um evento ocorre em uma determinada área de oportunidade A probabilidade de que um evento ocorre em uma área de oportunidade é a mesma para todas as áreas de oportunidade O número de eventos que ocorrem em uma área de oportunidade é independente do número de eventos que ocorrem em outras áreas de oportunidade A probabilidade de que dois ou mais eventos ocorrem em uma área de oportunidade se aproxima de zero quando a área de oportunidade torna-se menor O número médio de eventos por unidade é (lambda) Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-38 A Distribuição de Poisson Fórmula X! λe P(X) xλ onde: X = a probabilidade de X eventos em uma área de oportunidades = número esperado de eventos e = constante matemática aproximada para 2,71828 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-39 A Distribuição de Poisson Exemplo Suponha que, em média, 5 carros entram num estacionamento por minuto. Qual é a probabilidade de que em um minuto dado, sete carros vão entrar? Portanto, X = 7 e λ = 5 0,104 7! 5e X! λe P(7) 75xλ Então, existe 10,4% de chance de que 7 carros irão entrar no estacionamento em um dado minuto. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-40 A Distribuição de Poisson Usando a Tabela de Poisson X 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 0 1 2 3 4 5 6 7 0,9048 0,0905 0,0045 0,0002 0,0000 0,0000 0,0000 0,0000 0<8187 0,1637 0,0164 0,0011 0,0001 0,0000 0,0000 0,0000 0,7408 0,2222 0,0333 0,0033 0,0003 0,0000 0,0000 0,0000 0,6703 0,2681 0,0536 0,0072 0,0007 0,0001 0,0000 0,0000 0,6065 0,3033 0,0758 0,0126 0,0016 0,0002 0,0000 0,0000 0,5488 0,3293 0,0988 0,0198 0,0030 0,0004 0,0000 0,0000 0,4966 0,3476 0,1217 0,0284 0,0050 0,0007 0,0001 0,0000 0,4493 0,3595 0,1438 0,0383 0,0077 0,0012 0,0002 0,0000 0,4066 0,3659 0,1647 0,0494 0,0111 0,0020 0,0003 0,0000 Exemplo: Determine P(X = 2) se = 0,50 0758,0 2! (0,50)e X! λe 2)P(X 20,50Xλ Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-41 A Distribuição de Poisson Formato 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0 1 2 3 4 5 6 7 x P( x) P(X = 2) = 0,0758 X P(X) 0 1 2 3 4 5 6 7 0,6065 0,3033 0,0758 0,0126 0,0016 0,0002 0,0000 0,0000 = 0,50 Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-42 A Distribuição de Poisson Formato 0.00 0.05 0.10 0.15 0.20 0.25 1 2 3 4 5 6 7 8 9 10 11 12 x P( x) 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0 1 2 3 4 5 6 7 x P( x) = 0,50 = 3,00 O formato da Distribuição de Poisson depende do parâmetro : Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-43 A Distribuição Hipergeométrica A distribuição binomial é aplicável quando se seleciona de uma população finita com reposição ou de uma população infinita sem reposição. A distribuição hipergeométrica é aplicável quando se seleciona de uma população finita sem reposição. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-44 A Distribuição Hipergeométrica “n” tentativas de uma amostra tomada de uma população finita de tamanho N Amsotra tomada sem reposição Resultados das tentativas são dependentes Relacionados com a probabilidade de “X” sucessos na amostra onde existem “A” sucessos na população Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-45 A Distribuição Hipergeométrica onde N = tamanho da população A = número de sucessos na população N – A = número de insucessos na população n = tamanho da amsotra X = número de sucessos na amostra n – X = número de insucessos na amostra n N Xn AN X A XP )( Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-46 A Distribuição Hipergeométrica: Características A média de uma distribuição hipergeométrica é: N nA E(x)μ O desvio padrão é: 1- N n-N N A)-nA(N σ 2 1- N n-Nonde é chamado de “Fator de Correção de População Finita” de uma amostragem sem reposição de uma população finita Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-47 A Distribuição Hipergeométrica Exemplo Computadores diferentes são controlados a partir de 10 no departamento. 4 dos 10 computadores têm software ilegal carregado. Qual é a probabilidade de que 2 dos 3 computadores selecionados tem software ilegal carregado? Portanto, N = 10, n = 3, A = 4, X = 2 0,3 120 (6)(6) 3 10 1 6 2 4 n N Xn AN X A 2)P(X A probabilidade de 2 dos 3 computadores selecionados têm software ilegal carregado é 0,30, ou 30%. Estatística Teoria e Aplicações, 5a. edição 2008 LTC Cap 5-48 Sumário do Capítulo Neste capítulo, temos Abordado a probabilidade de uma variável aleatória discreta Definido covâriancia e foi discutido sua aplicação em finanças Discutido a Distribuição Binomial Examinado a Distribuição de Poisson Discutido a Distribuição Hipergeométrica
Compartilhar