Baixe o app para aproveitar ainda mais
Prévia do material em texto
Modelos Probabilisticos Modelos de distribuições Discretas Profª Adriana Maria Balena Tostes Aula 9 Existem variáveis aleatórias que têm uma função de distribuição pertencente a uma classe de distribuições teóricas. As distribuições teóricas, como o próprio nome indica, foram submetidas a estudos prévios e têm propriedades conhecidas; portanto, podem servir como modelo em determinadas situações em que a distribuição esteja identificada, poupando tempo na análise do problema estudado. Conceito de modelos probabilisticos Principais modelos de distribuições discretas - Uniforme Discreta - Bernoulli - Binomial - Geométrica - Binomial Negativa (Pascal) - Hipergeométrica - Poisson Modelo de Distribuição Binomial Hipóteses a serem atendidas: São realizadas “n” provas do mesmo tipo (idênticas), ou seja, execução de um número finito de tentativas; Cada prova admite dois resultados possíveis, um chamado sucesso e o outro fracasso; As probabilidades “p” de sucesso e q=1-p, de fracasso, permanecem constantes em todas as provas; Os resultados das provas são independentes. PRINCIPAL ASPECTO: nº de sucessos obtidos após execução de todas tentativas. Exemplos: Jogar uma moeda seis vezes e observar o número de caras obtido; Sexo das crianças nascidas em determinada maternidade; Fumantes ou não fumantes em um grupo de adultos; Escolha entre um produto bom ou defeituoso; Atirar em um alvo, atingindo-o ou não; Alunos de uma escola vacinados ou não. Parâmetros de uma distribuição binomial. São valores definidores de uma distribuição binomial. São dois: n = Número total de ensaios p = probabilidade de sucesso em cada ensaio Notação: X~B(n,p) indica que v.a. X tem distribuição Binomial com parâmetros n e p. Cada experimento é um evento de Bernoulli, logo, são “n” ensaios de Bernoulli Fórmula: onde: n = número de repetições do experimento x = número de sucessos p = a probabilidade de sucesso em cada prova q = a probabilidade de fracasso em cada prova P(X = x) = nx ! " # $ % & pxqn−x µ = np σ 2 = npq Exemplos 1- Admite-se que uma válvula eletrônica, instalada em determinado circuito, tenha a probabilidade 0,3 de funcionar mais de 600 horas. Se ensaiarmos 10 válvulas, qual será a probabilidade de que, entre elas, exatamente x válvulas funcionem mais de 600 horas? Determinar também, a média e o desvio padrão. μ= 3 σ=1,45 2- Admitindo-se que os nascimentos de meninos e meninas sejam iguais, calcule a probabilidade de um casal com seis gestações ter quatro filhos homens e duas mulheres. R = 23,44% 3- A probabilidade de um atiador acertar o alvo é 1/3. Se ele atirar seis vezes, qual a probabilidade de: a) Acertar exatamente dois tiros b) Não acertar nenhum tiro a) 80/243=33% b) 64/729=8,78% 4- Uma moeda é jogada 10 vezes. Calcule as seguintes probabilidades: a) de ocorrer seis caras; b) de dar pelo menos duas caras; c) de não dar nenhuma coroa; d) de dar pelo menos uma coroa; e) de não dar 5 caras e 5 coroas. a) 105/512=20,5% b) 1013/1024=98,9% c) 1/1024= 0,098% d) 1023/1024=99,9% e) 193/256=75,39% 5- Um professor da disciplina de Estatística elaborou uma prova de múltipla escolha, consistente em 10 questões cada uma com 5 alternativas cada questão. Suponha que os estudantes que vão a fazer a prova não vão as aulas e não estudaram para a prova. O professor estabeleceu que para aprovar deve contestar corretamente ao menos 6 questões. Calcule a probabilidade de um aluno ser aprovado. Se 200 alunos se apresentaram, quantos alunos aprovaram na disciplina? A probabilidade de aprovar um aluno é: 000637,00,99363061)5(1)6(1)6( =−=−=<−=≥ FXPXP Portanto, dos 200 alunos que fizeram a prova aprovariam:200(0,00637)≈2, alunos x f(x) F(x) 0 0,107374 0,10737 1 0,268435 0,37581 2 0,301990 0,67780 3 0,201327 0,87913 4 0,088080 0,96721 5 0,026424 0,99363 6 0,005505 0,99914 7 0,000786 0,99992 8 0,000074 1,00000 9 0,000004 1,00000 10 0,000000 1,00000
Compartilhar