Baixe o app para aproveitar ainda mais
Prévia do material em texto
Varia´veis aleato´rias Guilherme Biz 11 de marc¸o de 2014 Varia´veis aleato´rias • Definic¸a˜o: Uma varia´vel aleato´ria e´ uma func¸a˜o definida num espac¸o amostral, que assume valores reais. • Exemplo 1: Uma moeda e´ lanc¸ada duas vezes sobre uma superf´ıcie plana. Seja X a func¸a˜o definida no espac¸o amostral que e´ igual ao nu´mero de caras nos dois lanc¸amentos. Temos: Exemplos a) O nu´mero de pec¸as defeituosas entre n pec¸as retiradas de uma linha de produc¸a˜o. b) O nu´mero de part´ıculas radioativas desintegradas em um dado intervalo de tempo. c) O nu´mero de ve´ıculos que passam por um posto de peda´gio durante uma hora. d) A durac¸a˜o de um componente de um circuito. Exemplos e) O tempo de vida ate´ a fadiga de um cabo de ac¸o. f) O n´ıvel de a´gua em uma represa num dado instante. g) O nu´mero de primogeˆnitos do sexo masculino em dez fam´ılias. OBS 1: Nos exemplos a e g os valores assumidos pelas varia´veis correspondentes pertencem a um conjunto finito de inteiros na˜o negativos. OBS 2: Nos exemplos b e c o conjunto de valores que as varia´veis assumem e´ o conjunto dos inteiros na˜o negativos, que e´ enumera´vel e infinito. OBS 3: Nos exemplos d , e e f os valores das varia´veis aleato´rias podem ser qualquer real na˜o negativo. • Definic¸a˜o: As varia´veis aleato´rias que assumem valores em um conjunto enumera´vel sera˜o denominadas discretas e aquelas que assumem valores num intervalo da reta real sera˜o denominadas cont´ınuas. Distribuic¸a˜o de probabilidade de varia´veis aleato´rias discretas • Definic¸a˜o: A distribuic¸a˜o de probabilidade de uma varia´vel aleato´ria discreta X , definida em um espac¸o amostral S , e´ uma “tabela” que associa a cada valor de X sua probabilidade. • Cont. Exemplo 1: Uma moeda e´ lanc¸ada duas vezes sobre uma superf´ıcie plana. Seja X a func¸a˜o definida no espac¸o amostral que e´ igual ao nu´mero de caras nos dois lanc¸amentos. A distribuic¸a˜o de probabilidade desta v.a. e´: Exemplo • Exemplo 2: Treˆs pec¸as sa˜o retiradas de uma linha de produc¸a˜o. Cada pec¸a e´ classificada em boa (B) ou defeituosa (D). Consideremos o nu´mero de pec¸as defeituosas, que denominaremos de Y, entre as treˆs pec¸as retiradas da linha de produc¸a˜o. Suponhamos que a frac¸a˜o de pec¸as boas que e´ produzida e´ 0,9. Suponhamos ainda que as retiradas podem ser consideradas independentes. Determine a distribuic¸a˜o de probabilidade da varia´vel aleato´ria Y. • Definic¸a˜o: Chama-se func¸a˜o de probabilidade da v.a. discreta X , que assume os valores x1, x2, ..., xn, ..., a func¸a˜o {(xi , p(xi )), i = 1, 2, ...}, que a cada valor de xi associa a sua probabilidade de ocorreˆncia, isto e´, p(xi ) = P(X = xi ) = pi , i = 1, 2, ... Os valores de uma distribuic¸a˜o de probabilidades devem ser nu´meros do intervalo de 0 a 1. A soma de todos os valores de uma distribuic¸a˜o de probabilidade deve ser igual a 1. Exerc´ıcios 1 Considere uma urna contendo treˆs bolas vermelhas e cinco pretas. Retire treˆs bolas, sem reposic¸a˜o, e defina a v.a. X igual ao nu´mero de bolas pretas. Obtenha a distribuic¸a˜o de X . 2 Repita o problema anterior, mas considerando extrac¸o˜es com reposic¸a˜o. 3 Uma moeda perfeita e´ lanc¸ada quatro vezes. Seja Y o nu´mero de caras obtidas. Calcule a distribuic¸a˜o de Y . Valor me´dio ou esperanc¸a matema´tica • Definic¸a˜o: Dada a v.a. X discreta, assumindo os valores x1, ..., xn, chamamos valor me´dio ou esperanc¸a matema´tica de X o valor E (X ) = n∑ i=1 xiP(X = xi ) = n∑ i=1 xipi • Definic¸a˜o: Chamamos de variaˆncia da v.a. X o valor Var(X ) = n∑ i=1 [xi − E (X )]2 pi ou Var(X ) = E (X 2)− E (X )2 • O devio padra˜o X , DP(X), e´ definido como a raiz quadrada positiva da variaˆncia. Exerc´ıcios 4- Obtenha a me´dia e a variaˆncia da v.a. X dos exerc´ıcios 1 e 2. 5- Obter a me´dia e a variaˆncia da v.a. Y do exerc´ıcio 3. Func¸a˜o de distribuic¸a˜o acumulada • Definic¸a˜o: Dada a varia´vel aleato´ria X , chamaremos de func¸a˜o de distribuic¸a˜o acumulada (f.d.a.) ou simplesmente a func¸a˜o de distribuic¸a˜o (f.d) F(x) a` func¸a˜o F (x) = P(X ≤ x). Observe que o dom´ınio de F e´ todo o conjunto dos nu´meros reais, ao passo que o contradom´ınio e´ o intervalo [0, 1]. Exerc´ıcios 6- Obtenha a f.d.a. F(x) da v.a. X dos exerc´ıcios 1 e 2. 7- Obtenha a f.d.a. F(Y) da v.a. Y do exerc´ıcio 3. 8- Um vendedor de equipamento pesado pode visitar, num dia, um ou dois clientes, com probabilidade de 1/3 ou 2/3, respectivamente. De cada contato, pode resultar a venda de um equipamento por $50 000,00 (com probabilidade 1/10) ou nenhuma venda (com probabilidade 9/10). Indicando por Y o valor total de vendas dia´rias desse vendedor, escreva a func¸a˜o de probabilidade de Y e calcule o valor total esperado de vendas dia´rias. Exerc´ıcios 9- Calcule a variaˆncia da v.a. Y definida no exerc´ıcio 8. 10- Verifique se a correspondeˆncia dada por f (x) = x + 3 15 , para x = 1, 2 e 3 pode ser a distribuic¸a˜o de probabilidade de alguma varia´vel aleato´ria. Alguns modelos probabil´ısticos para varia´veis aleato´rias Discretas • Algumas v.a. adaptam-se muito bem a uma se´rie de problemas pra´ticos. Portanto, sera´ apresentado alguns dos principais modelos probabil´ısticos utilizados para descrever va´rios fenoˆmenos ou situac¸o˜es reais. • Estes modelos probabil´ısticos dependem de um ou mais paraˆmetros. Principais Distribuic¸o˜es de probabilidades • Distribuic¸a˜o Uniforme Discreta • Distribuic¸a˜o de Bernoulli • Distribuic¸a˜o Binomial • Distribuic¸a˜o Hipergeome´trica • Distribuic¸a˜o Geome´trica • Distribuic¸a˜o de Poisson • Distribuic¸a˜o Binomial Negativa Distribuic¸a˜o de Bernoulli • Nos experimentos de Bernoulli o espac¸o amostral e´ composto por apenas dois resultados poss´ıveis: “sucesso” ou “fracasso”. • Exemplos: • Lanc¸ar uma moeda: o resultado e´ cara ou na˜o. • Uma pec¸a e´ escolhida ao acaso de um lote contendo 500 pec¸as: essa pec¸a e´ defeituosa ou na˜o. • Uma pessoa escolhida ao acaso dentre 1000 e´ ou na˜o do sexo masculino. • Definic¸a˜o: A varia´vel aleato´ria X, que assume apenas os valores 0 e 1, com func¸a˜o de probabilidade (x , p(x)) tal que p(0) = P(X = 0) = 1− p p(1) = P(X = 1) = p e´ chamada varia´vel aleato´ria de Bernoulli. • Notac¸a˜o: X ∼ Be(p). • Func¸a˜o de probabilidade: A func¸a˜o de probabilidade de uma distribuic¸a˜o de Bernoulli e´ dada por: P(X = x) = px(1− p)1−x , x = 0; 1. • Exemplo 3- Um dado e´ lanc¸ado: seja a v.a. X ocorrer face 5 ou na˜o. Supondo o dado perfeito, teremos P(X = 0) = 5/6, P(X = 1) = 1/6. Calcule a esperanc¸a e a variaˆncia da v.a. X. Distribuic¸a˜o Binomial • Definic¸a˜o: Chama-se de experimento binomial ao experimento 1 que consiste em n ensaios de Bernoulli; 2 cujos ensaios sa˜o independentes; e 3 para o qual a probabilidade de sucesso em cada ensaio e´ sempre igual a p, 0 < p < 1. • Notac¸a˜o: X ∼ b(n, p). Exemplos • Uma moeda e´ lanc¸ada treˆs vezes; qual e´ a probabilidade de se obter duas caras? • Um dado e´ lanc¸ado cinco vezes; qual e´ a probabilidade de se obter face 5 no ma´ximo treˆs vezes? • Dez pec¸as sa˜o extraidas, 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? • Cinco pessoas sa˜o escolhidas ao acaso entre 1000; qual e´ a probabilidade de que duas sejam do sexo masculino? • Func¸a˜o de probabilidades: A func¸a˜o de probabilidade de uma varia´vel aleato´ria X com distribuic¸a˜o binomial b(n,p) e´ dada por: P(X = x) = ( n x ) px(1− p)n−x , x = 0, 1, ..., n. • Exemplo 1: Uma moeda e´ lanc¸ada duas vezes sobre uma superf´ıcieplana. Seja X a func¸a˜o definida no espac¸o amostral que e´ igual ao nu´mero de caras nos dois lanc¸amentos. Temos: • Exemplo 2: Treˆs pec¸as sa˜o retiradas de uma linha de produc¸a˜o. Cada pec¸a e´ classificada em boa (B) ou defeituosa (D). Consideremos o nu´mero de pec¸as defeituosas, que denominaremos de Y, entre as treˆs pec¸as retiradas da linha de produc¸a˜o. Suponhamos que a frac¸a˜o de pec¸as boas que e´ produzida e´ 0,9. Suponhamos ainda que as retiradas podem ser consideradas independentes. Determine a distribuic¸a˜o de probabilidade da varia´vel aleato´ria Y. Exerc´ıcios 11- 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? 12- Se a probabilidade de um eleitor qualquer votar em determinada eleic¸a˜o for de 0,7, qual e´ a probabilidade de dois dentre cinco eleitores da lista votarem na eleic¸a˜o? 13- A probabilidade de que uma pessoa fazendo compras num certo supermercado aproveite uma promoc¸a˜o especial de sorvete e´ de 0,30. Determine as probabilidades de que dentre seis pessoas fazendo compras nesse supermercado, haja 0,1,2,3,4,5 ou as 6 aproveitando a promoc¸a˜o. Tambe´m esboce um histograma desta distribuic¸a˜o de probabilidade. 14- A probabilidade de um eclipse lunar ser ocultado por nuvens num observato´rio perto de Sa˜o Paulo e´ de 0,60. Calcule a probabilidade de: 1 no ma´ximo treˆs dentre dez eclipses lunares serem ocultados por nuvens naquele local; 2 no m´ınimo sete dentre dez eclipses lunares serem ocultados por nuvens naquele local. Distribuic¸a˜o de Poisson • A distribuic¸a˜o de Poisson e´ empregada em experimentos nos quais na˜o se esta´ interessado no nu´mero de sucesso obtido em n tentativas, como ocorre no caso da distribuic¸a˜o binomial, mas sim no nu´mero de sucessos ocorridos durante um intervalo cont´ınuo, que pode ser um intervalo de tempo, espac¸o, comprimento, a´rea ou volume. Exemplos • Nu´mero de defeitos por cent´ımetros quadrado. • Nu´mero de acidentes por dia. • Numero de clientes por hora. • Nu´mero de chamadas telefoˆnicas recebidas por minuto. • Nu´mero de falhas de um computador num dia de operac¸a˜o. • Nu´mero de relato´rios de acidentes enviado a uma companhia de seguros numa semana. • Func¸a˜o de probabilidades: Dizemos que a v.a.X tem distribuic¸a˜o de Poisson com paraˆmetro λ > 0, se P(X = x) = e−λλx x! , se x = 0, 1, 2, ... • Notac¸a˜o: X ∼ Pois(λ) • Exemplo 4- Um departamento de conserto de ma´quinas recebe uma me´dia de cinco chamadas por hora. Calcule a probabilidade de que menos de treˆs chamadas sejam recebidas durante uma hora. • Exemplo 5- O fio de uma ma´quina teˆxtil rompe-se em me´dia uma vez a cada quatro horas de funcionamento dessa ma´quina. Calcule a probabilidade de: (a) numa hora o fio se romper menos de 2 vezes. (b) em 8 horas de funcionamento o fio se romper menos de 2 vezes. Exerc´ıcios 15- Dado que um banco recebe em me´dia λ = 6 cheques sem cobertura por dia, qual e´ a probabilidade de receber quatro cheques sem cobertura em um dia qualquer? 16- Se podemos antecipar λ = 5, 6 imperfeic¸o˜es por pec¸a de um determinando material de cortina, qual e´ a probabilidade de uma pec¸a conter x = 3 imperfeic¸o˜es? Relac¸a˜o entre as Distribuic¸o˜es Binomial e Poisson • Quando n e´ grande e a probabilidade de sucesso (p) e´ pequena, tal que np < 10, pode-se aplicar a distribuic¸a˜o de Poisson como aproximac¸a˜o da Binomial. b(n, p) ≈ e −np(np)x x! . Exemplo • Exemplos 6- A probabilidade de um arqueiro acertar um alvo com uma u´nica flecha e´ de 0,05. Caso, ele tenha 50 flechas, qual a probabilidade de que: (a) ele acerte 4 flechas no alvo? (b) ele acerte pelo menos 3 flechas no alvo? Exerc´ıcios 17- Em me´dia ha´ 2 chamadas por hora numa central telefoˆnica. Calcule a probabilidade desta central receber: 1 no ma´ximo 3 chamadas em 2 horas. 2 nenhuma chamada em 90 minutos. 18- Sabe-se por experieˆncia que 2% dos livros encadernados em certa gra´fica apresentam defeitos de encadernac¸a˜o. Use a aproximac¸a˜o de Poisson da distribuic¸a˜o Binomial para encontrar a probabilidade de que cinco apresentem defeitos de encadernac¸a˜o, num lote de 400 livros encadernados nessa gra´fica.
Compartilhar