Apostila 8 - Modelos Discretos de Probabilidade - TRANSPARÊNCIAS DE AULA

Prévia do material em texto

1 
MODELOS TEÓRICOS 
DISCRETOS 
8 
DISTRIBUIÇÃO BINOMIAL 
Experimento binomial é o experimento que consiste em : 
O experimento deve ser repetido, nas mesmas condições, 
um número finito de vezes (n); 
As provas repetidas devem ser independentes, isto é, o 
resultado de uma não deve afetar os resultados das 
sucessivas. 
Em cada prova deve aparecer um dos dois possíveis 
resultados: sucesso e fracasso. 
No decorrer do experimento, a probabilidade p do sucesso 
e a probabilidade q = 1 – p do fracasso serão constantes. 
 
Resolveremos problemas do tipo: determinar a probabilidade 
de se obterem x sucessos em n tentativas. 
DISTRIBUIÇÃO BINOMIAL 
  xnxqp
x
n
xXP 





 onde x=0,1,2,...,n 
sendo: 
  !!
!
xnx
n
x
n







 
 
  qpnXDP
qpnXVAR
npXE
..
..



P(X= x) a probabilidade de que o evento se realize x vezes em n provas; 
p a probabilidade de que o evento se realize em uma só prova – 
sucesso; 
q a probabilidade de que o evento não se realize no decurso dessa 
prova – fracasso; 
com: Medidas 
descritivas 
EXEMPLOS 
1. Uma moeda é lançada 5 vezes seguidas e independentes. 
Calcule a probabilidade de serem obtidas 3 caras nessas 5 
provas? 
2. Dois times de futebol, A e B, jogam entre si 6 vezes. 
 Encontre a probabilidade do time A ganhar: 
a. 4 jogos; 
b. ganhar dois ou três jogos; 
c. ganhar pelo menos um jogo. 
2 
DISTRIBUIÇÃO DE POISSON 
 Depois da binomial, a distribuição de Poisson é a distribuição de 
probabilidade discreta mais utilizada, pois pode ser aplicada a 
muitos casos práticos nos quais interessa o número de vezes que 
um determinado evento pode ocorrer durante um intervalo de 
tempo ou num determinado ambiente físico, denominados área de 
oportunidade (comprimento, tempo, superfície, etc.), por exemplo: 
 
 O número de suicídios ocorridos em uma cidade durante um ano; 
 O número de acidentes automobilísticos ocorridos numa rodovia em um mês; 
 Número de chegadas a um caixa automático de um banco durante um 
período de 15 minutos 
 Defeitos por unidade (cm, m, etc.) por peça fabricada 
 Erros tipográficos por página, em um material impresso 
 Usuários de computador ligados à Internet 
DISTRIBUIÇÃO DE POISSON 
Nos exemplos, não há como determinar‐se a probabilidade de 
ocorrência de um sucesso, mas sim a frequência média de sua 
ocorrência, como, por exemplo, dois suicídios por ano. 
 
Poisson é uma distribuição de probabilidade discreta que se aplica a 
ocorrência de eventos ao longo de intervalos especificados. 
 
A variável aleatória é o número de ocorrência do evento no intervalo. 
 
Os intervalos podem ser de tempo, distância, área, volume ou alguma 
unidade similar. 
DISTRIBUIÇÃO DE POISSON 
 
!x
e
xXP
x


Onde: 
X  é o número de ocorrências 
e  é a base dos logaritmos naturais (e = 2,71828) 
  é a taxa média por unidade 
 
  



XVAR
XE
Uma variável aleatória X admite distribuição de Poisson se: 
Medidas 
descritivas 
EXEMPLOS 
1. O número de mulheres que entram diariamente em uma 
 clínica de estética para bronzeamento artificial 
 apresenta distribuicão de Poisson, com média de 5 
 mulheres por dia. Qual a probabilidade de que em um 
 dia particular, o número de mulheres que entram nesta 
 clínica de estética para bronzeamento artificial, seja: 
 
a) Igual a 2? 
b) Inferior ou igual a 2? 
3 
EXEMPLOS 
2. Suponhamos que os navios cheguem a um porto a 
 razão de 2 navios /hora, e que essa razão seja bem 
 aproximada por um processo de Poisson. Observando 
 o processo por um período de meia hora, 
 determine a probabilidade de: 
 
a) não chegar nenhum navio; 
 
b) chegarem 3 navios. 
 
DISTRIBUIÇÃO DE POISSON 
Uma distribuição de Poisson difere de uma distribuição binomial 
nestes aspectos fundamentais: 
 
A distribuição binomial é afetada pelo tamanho da amostra n e 
pela probabilidade p, enquanto que a distribuição de Poisson é 
afetada apenas pela média ; 
 
Na distribuição binomial, os valores possíveis da variável 
aleatória x são 0; 1; 2; ...; n, mas a distribuição de Poisson tem os 
valores de x de 0; 1; 2; ..., sem qualquer limite superior. 
 
Obs: 
O parâmetro λ é usualmente referido como taxa de ocorrência.