Baixe o app para aproveitar ainda mais
Prévia do material em texto
Variáveis Aleatórias e Distribuição de Probabilidade Profª Adriana Maria Balena Tostes Aula 8 Como já vimos, o conjunto de todos os possíveis resultados de um experimento aleatório é o espaço amostral. Os elementos desse conjunto podem ser numéricos ou não. Por exemplo, se o experimento for escolher um aluno de uma turma e registrar sua altura, teremos um conjunto numérico, porém se indagarmos o time de futebol preferido do aluno, teremos um conjunto não numérico. Como em muitas situações experimentais precisamos atribuir um número real x a todo elemento do espaço amostral, vamos definir o conceito de variável aleatória. Introdução Seja Ω o espaço amostral associado a um experimento aleatório. Uma função X que associa a cada elemento Ω um número real é denominada variável aleatória. Observe que, apesar do nome, variável aleatória é uma função cujo domínio é o conjunto Ω, e a imagem o conjunto de todos os valores possíveis de X. Variáveis aleatórias tem um componente que varia ao acaso, seus resultados são imprevisíveis, pois cada um resulta de fatores não controlados. Definição de Variável Aleatória Exemplo E: lançamento de duas moedas X: número de caras obtidas nas duas moedas, onde C=cara e K=coroa Ω={CC, CK, KC, KK} X=0 à corresponde ao evento (K,K) com probabilidade ¼ X=1 à corresponde ao evento (C,K) ou (K,C) com probabilidade 2/4 X=2 à corresponde ao evento (C,C) com probabilidade ¼ X={0,1,2} Exemplos: 1) X = número de acidentes com aviões de uma cia den t re se te ac iden tes aé reos se lec ionados aleatoriamente. X = {0, 1, 2 , 3 , 4, 5, 6, 7} 2) X = número de mulheres entre 10 empregados recém- admitidos. X = {0, 1, 2 , 3 , 4, 5, 6, 7, 8, 9, 10} 3) X = número de alunos que não compareceram a aula de estatística hoje. X = {0, 1, 2 , 3 , ... , 60} Variáveis Aleatórias Discretas Uma variável aleatória X é dita discreta se assume valores num conjunto finito ou infinito enumerável. Seu valor pode originar de um processo de contagem. Variáveis Aleatórias Contínuas Uma variável aleatória X é dita contínua se assume valores num conjunto infinito não enumerável ou seja, se a imagem de X é um intervalo, ou uma coleção de intervalos. As variáveis aleatórias contínuas, resultam de um processo de medição. Exemplos: X = altura de um aluno do sexo masculino selecionado aleatoriamente. X = ]0, 2,5m[ X= tempo de vida das lâmpadas produzidas em uma indústria. X = [0, ∞[ É o conjunto de todos os valores que podem ser assumidos por uma variável aleatória discreta, com as respectivas probabilidades. A probabilidade de que cada variável aleatória X assuma o valor x é descrita em uma tabela ou por um modelo matemático e se chama distribuição de probabilidade de X, que podemos representar por P(X=x), ou simplesmente P(x) e apresenta as seguintes propriedades: Distribuição de Probabilidade E: lançamento de um dado X: ponto obtido no lançamento de um dado Exemplo: x P(X=x) 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 Total 1 E: lançamento de dois dados X: soma das faces dos dois dados x P(X=x) 2 1/36 3 2/36 4 3/36 5 4/36 6 5/36 7 6/36 8 5/36 9 4/36 10 3/36 11 2/36 12 1/36 Total 1 Representação Gráfica Se X for uma variável aleatória discreta, define-se Função de Distribuição Acumulada em um ponto x como a soma das probabilidades dos valores de xi menores ou iguais a x. Isto é: Função de Distribuição Acumulada de Probabilidade. Função Repartição de Probabilidades FDA da v.a. X = “máximo das faces de 2 dados” é dada por: Exemplo: Esperança (Média), Variância e Desvio-padrão de variáveis aleatórias discretas Consideremos o experimento aleatório “lançamento de um dado”, mas agora um dado que sabemos não ser equilibrado. Como poderíamos proceder para calcular a probabilidade de cada face? Uma resposta, talvez intuitiva, seria lançar esse dado um grande número de vezes e observar o número de ocorrências de cada face. As frequências relativas nos dariam, então, o que poderíamos pensar como sendo a probabilidade de cada evento simples (face). É de se esperar que, quanto maior o número de repetições do experimento (lançamento do dado), mais próximas das “verdadeiras” probabilidades estariam essas frequências relativas. Esta é, assim, a definição de probabilidade de um evento através da frequência relativa: Pr(A) = número de ocorrências de A número de repetições do experimento onde o número de repetições do experimento deve ser grande. Ao trabalharmos com variáveis aleatórias, podemos pensar também nas probabilidades dos diferentes valores da variável como sendo frequências relativas em um número sempre crescente de repetições do experimento, ou seja, podemos pensar as probabilidades como sendo limites das frequências relativas. Dessa forma, definiremos medidas de posição e dispersão para distribuições de probabilidades de variáveis aleatórias de maneira análoga à utilizada em distribuições de frequências Esperança matemática ou média de uma variável aleatória discreta Seja X uma variável aleatória discreta que assume os valores x1, x2,... com probabilidades p1, p2,... respectivamente. A média ou esperança de X é definida como sendo a soma de todos os produtos possíveis da variável aleatória pela respectiva probabilidade: Exemplos: 1- As chamadas diárias do corpo de bombeiros apresentam a seguinte distribuição de probabilidades. Calcule o valor em torno do qual estão concentrados os resultados da variável aleatória. X= número de chamadas/dia x P(X=x) x. P(X=x) 0 0,10 0 1 0,15 0,15 2 0,30 0,6 3 0,25 0,75 4 0,15 0,6 5 0,05 0,25 Total 1 2,35 Logo, E(X)=2,35 chamadas/dia 2- Em determinado setor de uma lo ja de departamentos, o número de produtos vendidos em um dia pelos funcionários é uma variável aleatória P com a seguinte distribuição de probabilidades (esses números foram obtidos dos resultados de vários anos de estudo): Qual o número médio de produtos vendidos por funcionário? 0 0,4 0,4 0,3 0,4 0,25 0,3 =2,05 A esperança de uma variável aleatória X é uma medida de posição. No entanto, é possível que duas variáveis bem diferentes tenham a mesma esperança, por isso é importante o conceito de variância. Variância e Desvio-padrão de uma variável aleatória Exemplo Calcular a variância e o desvio padrão da distribuição das chamadas diárias do corpo de bombeiros. x P(X=x) x. P(X=x) x2 . P(X=x) 0 0,10 0 0 1 0,15 0,15 0,15 2 0,30 0,6 1,2 3 0,25 0,75 2,25 4 0,15 0,6 2,4 5 0,05 0,25 1,25 Total 1 2,35 7,25 E(X)= 7,25-(2,35)2 = 1,73 DP(X) = 1,31 Exercícios 1) Encontre a fdp e a FDA da v.a. X=número de caras no lançamento de três moedas. 2) A demanda de certo produto pode ser vista como uma v.a. X cuja fdp é estimada por: Nº de unidades demandadas P(X=xi) a) Determine P(X=4) b) Obtenha FDA c) Calcule P(X≤3,5) 1 0,25 2 0,45 3 0,15 4 ? 3) Faça X a variável aleatória soma dos pontos obtidos no lançamento de dois dados. Determine: a) Tabela de distribuição de probabilidade de X b) p(3 ≤ x ≤ 10) c) p(x > 7) d) p(x ≤ 5) e) Probabilidade de soma 6 f) Probabilidade de se obter pelo menos soma 3 g) F(4) h) F(8) i) F(15) j) F(1) k) F(5,5) l) F(12) 4) Em determinado setor de uma loja de departamentos, o númerode produtos vendidos em um dia pelos funcionários é uma variável aleatória P com a seguinte distribuição de probabilidades (esses números foram obtidos dos resultados de vários anos de estudo): Qual o número médio de produtos vendidos por funcionário? 5) Um lojista mantém extensos registros das vendas diárias de um certo aparelho. O quadro a seguir dá a distribuição de probabilidades do número de aparelhos vendidos em uma semana. Se é de R$500,00 o lucro por unidade vendida, qual o lucro esperado em uma semana? 6) A Transportadora Yuki possui uma frota de quatro caminhões de aluguel. Sabe-se que o aluguel é feito por dia e que a distribuição diária do número X de caminhões alugados é a seguinte: Pede-se calcular o número médio diário de caminhões alugados, bem como o desvio padrão. 7- Um fabricante de pneus de automóveis conservou os registros da qualidade de seu produto e obteve o seguinte quadro de valores baseado nos últimos seis meses de produção. Nº de defeitos 0 1 2 3 4 5 ≥ 6 Total Percentagens 60 22 8 5 3 2 0 x. P(X=x) 0 0,22 0,16 0,15 0,12 0,1 0 0,75 x2. P(X=x) 0 0,22 0,32 0,45 0,48 0,5 0 1,97 Calcular a média e o desvio-padrão do número de defeitos. Respostas: E(X) = 0,75 DP (X) = 1,18 8- As probabilidades de que haja em cada carro que vai a Juiz de Fora num sábado 1, 2, 3, 4, 5 ou 6 pessoas são respectivamente: 0,05; 0,20; 0,40; 0,15; 0,12; 0,08. Qual o número médio de pessoas por carro? Chega-se em Juiz de Fora 4000 carros por hora. Qual o número esperado de pessoas que chegam na cidade em 10 horas de contagem? E(X)=3,33 n=4000.10.3,33 = 133.200 Respostas: 1) fdp FDA 2) a) 0,15 b) F(1) = 0,25 F(2)= 0,70 F(3) = 0,85 F(4)= 1 c) 0,85 3) 4) 2,05 5) E(x) = 2,7 L=1350,00 6) 7) E(X) = 0,75 DP (X) = 1,18 8) n=133.200
Compartilhar