Baixe o app para aproveitar ainda mais
Prévia do material em texto
Principais distribuições de probabilidade discretas Distribuições Discretas • Uniforme • Bernoulli • Binomial • Geométrica • Binomial Negativa (Pascal) • Hipergeométrica • Poisson Distribuição Discreta Uniforme Uma variável aleatória X tem uma distribuição discreta uniforme se cada um dos n valores em sua faixa, isto é, 𝑥1, 𝑥2, … , 𝑥𝑛, tiver igual probabilidade 𝑓 𝑥𝑖 = 𝑃(𝑋 = 𝑥𝑖) = 1 𝑛 Distribuição Discreta Uniforme Para uma variável discreta uniforme X, cujos valores inteiros consecutivos são: 𝑎, 𝑎 + 1, 𝑎 + 2,… , 𝑏, para 𝑎 ≤ 𝑏: 𝜇 = 𝐸 𝑋 = 𝑏 + 𝑎 2 Média 𝜎2 = 𝑏 − 𝑎 + 1 2 − 1 12 Variância TAREFA: PROVE Exercício 1 Suponha que X tenha uma distribuição discreta uniforme nos inteiros de 0 a 9. Determine a média, a variância e o desvio-padrão da variável aleatória Y=5X e compare-os aos resultados correspondentes para X. Distribuição de Bernoulli • Seja um experimento em que só pode ocorrer um dos dois resultados: “sucesso” ou “fracasso”. • Associa-se uma variável aleatória 𝑋 ao possíveis resultados, de forma que: 𝑃 𝑋 = 𝑞 = 1 − 𝑝, 𝑝𝑎𝑟𝑎 𝑥 = 0 𝑝, 𝑝𝑎𝑟𝑎 𝑥 = 1 0, 𝑝𝑎𝑟𝑎 𝑥 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑑𝑒 0 𝑜𝑢 1 Distribuição de Bernoulli • A média e a variância são definidas por: 𝐸 𝑋 = 𝑝 𝜎2 = 𝑝(1 − 𝑝) • Um processo probabilístico onde ocorre uma sucessão de provas de Bernoulli, independentes e idênticas, ou seja, todas com a mesma probabilidade de sucesso 𝑝, é ditto um Processo de Bernoulli. Distribuição Binomial • Jogue uma moeda 10 vezes. Seja X= número obtido de caras. • Um tear produz 1% de itens defeituosos. Seja X=número de itens defeituosos nos próximos 25 itens produzidos. • Um teste de múltipla escolha contém 10 questões, cada uma com quatro escolhas. Você tenta adivinhar cada questão. Seja X= o número de questões respondidas corretamente. • Nos próximos 20 nascimentos em um hospital, seja X=número de nascimentos de meninas. Considere os seguintes experimentos aleatórios e variáveis aleatórias: Distribuição Binomial Condições de Aplicação: • O experimento é repetido para um número fixo de tentativas. Cada tentativa é independente das outras (tentativas de Bernoulli); • Há apenas dois resultados possíveis de interesse para cada tentativa. Os resultados podem ser classificados como sucesso (S) ou falha (F); • A probabilidade de um sucesso P(S) é a mesma para cada tentativa • A variável aleatória X conta o número de tentativas bem-sucedidas. Distribuição Binomial A variável aleatória 𝑋, que é igual ao número de tentativas que resultam em um sucesso, é uma variável aleatória binomial com parâmetros 0 < 𝑝 < 1 e 𝑛 = 1,2, … A função de probabilidade de X é: 𝑝 𝑥 = 𝑃 𝑋 = 𝑥 = 𝑛 𝑥 𝑝𝑥(1 − 𝑝)𝑛−𝑥 𝑥 = 0, 1, … , 𝑛. Distribuição Binomial 0 0,02 0,04 0,06 0,08 0,1 0,12 0,14 0,16 0,18 0,2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 n = 20 p = 0,5 Distribuição Binomial 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0 1 2 3 4 5 6 7 8 9 10 n=10 , p=0,9 n=10, p=0,1 Distribuição Binomial • Se X for uma variável aleatória binomial com parâmetros p, q e n, a média e a variância são: 𝜇 = 𝐸 𝑋 = 𝑛𝑝 𝜎2 = 𝑉 𝑋 = 𝑛𝑝(1 − 𝑝) Exercício 2 Em seu percurso matinal diário, um determinado sinal de trânsito demorado está verde 20% das vezes em que você se aproxima dele. Suponha que cada manhã represente uma tentativa independente. a) Em cinco manhãs, qual é a probabilidade de que o sinal esteja verde exatamente um dia? b) Em 20 manhãs, qual é a probabilidade de que o sinal esteja verde em mais de 4 dias? c) Em um mês, qual o número esperado de vezes que você vai encontrar o sinal aberto? Exercício 3 Num determinado processo de fabricação, 10% das peças são consideradas defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma. a) Qual a probabilidade de haver exatamente 3 peças defeituosas numa caixa? b) Qual a probabilidade de haver duas ou mais peças defeituosas numa caixa? c) Se a empresa paga uma multa de R$10,00 por caixa em que houve alguma peça defeituosa, qual o valor esperado da multa num total de 1.000 caixas? Distribuição Geométrica Uma distribuição de probabilidade discreta satisfaz as seguintes condições: • Tentativas independentes (ensaios de Bernoulli) são repetidas até que um sucesso ocorra • A probabilidade de sucesso p é constante para cada tentativa • A variável aleatória X o número de tentativas até que o primeiro sucesso ocorra • A probabilidade de que o primeiro sucesso ocorra na tentativa x, com x=1,2,..., sendo 𝑞 = 1 − 𝑝, é: f 𝑥 = 𝑃(𝑋 = 𝑥𝑖) = 𝑝 ∙ 𝑞 𝑥−1 Exemplo Por experiência, você sabe que a probabilidade de que você faça uma venda em um telefonema qualquer é de 0,23. Encontre a probabilidade de que sua primeira venda em um dia qualquer ocorra na quarta ou quinta ligação. Solução: • P(venda na quarta ou quinta ligação) = P(X=4) + P(X=5) • Geométrica com p = 0,23, q = 0,77, x = 4 ou 5 Exemplo • P(X=4) = 0,23(0,77)4–1 ≈ 0,105003 • P(X=5) = 0,23(0,77)5–1 ≈ 0,080852 P(venda na quarta ou quinta ligação) = P(X=4) + P(X=5) ≈ 0,105003 + 0,080852 ≈ 0,186 Distribuição Geométrica Notação: G(p) Distribuição Geométrica Se X for uma variável aleatória geométrica com parâmetro p, a média e a variância são: 𝜇 = 𝐸 𝑋 = 1 𝑝 𝜎2 = 𝑉 𝑋 = 1 − 𝑝 𝑝2 Exercício 4 Suponha que cada uma das suas chamadas para uma estação popular de rádio tenha uma probabilidade de 0,02 de se completar; ou seja, de não obter um sinal de ocupado. Considere que suas chamadas sejam independentes. a) Qual é a probabilidade de que sua primeira chamada a se completar seja sua décima tentativa? b) Qual é a probabilidade de se necessitar mais de cinco chamadas para que a ligação se complete? c) Qual é o número médio necessário de chamadas para que a ligação se complete? a) 0,0167 b) 0,9039 c) 50 A probabilidade de que um bit transmitido por um canal digital de transmissão seja recebido com erro é 0,1. Considere que as transmissões sejam eventos independentes e seja a variável aleatória X o número de bits transmitidos até que o primeiro erro seja encontrado. Qual a probabilidade de que o erro aconteça na quinta transmissão? 4( 5) (0,9) 0,1 0,066 6,6%P X Exemplo PERGUNTA: E se quisermos saber a probabilidade de que ocorram quatro erros, sendo o quarto erro na décima tentativa???? Seja X o número de bits transmitidos até o quarto erro. P(X=10) é a probabilidade de que exatamente três erros ocorram nas nove primeiras tentativas e então na décima tentativa apareça o quarto erro. A probabilidade de que três erros ocorram nas nove primeiras tentativas é dada pela distribuição Binomial: 3 6 9 (0,1) (0,9) 3 3 6 4 6 9 ( 10) (0,1) (0,9) (0,1) 3 9 (0,1) (0,9) 3 P X Logo Essa é uma distribuição Binomial Negativa com r=4. Distribuição Binomial Negativa • São feitas repetições do experimento de Bernoulli • A probabilidade de sucesso p e de falha q (1-p) permanecem constante em todas as repetições • As repetições são independentes, ou seja, o resultado de uma repetição não é influenciado por outros resultados • O experimento é repetido até que se obtenha r sucesso • A variável aleatória X representa o número de repetições até que r sucessos ocorram. Distribuição Binomial Negativa Seja a variável aleatória X, o número de tentativas até que r sucessos ocorram, com parâmetros 0 < 𝑝 <1 e n=1, 2, ...., função de probabilidade é: 𝑓 𝑥 = 𝑃(𝑋 = 𝑥𝑖) = 𝑥 − 1 𝑟 − 1 (1 − 𝑝)𝑥−𝑟∙ 𝑝𝑟 em que 𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2,… Distribuição Binomial Negativa Se X for uma variável aleatória binomial negativa com parâmetro p, a média e a variância são: 𝜇 = 𝐸 𝑋 = 𝑟 𝑝 𝜎2 = 𝑉 𝑋 = 𝑟 1 − 𝑝 𝑝2 Distribuição Binomial Negativa OBS: Essa distribuição também é conhecida como distribuição de Pascal. Notação: Pascal(r, p) Exercício 5 Um site da internet contém três servidores idênticos. Somente um deles é usado para operar o site, os outros dois são sobressalentes que podem ser ativados no caso do sistema principal falhar. A probabilidade de uma falha no computador principal é de 0,0005. (a) Supondo que cada solicitação represente uma tentativa independente, qual será o número médio de solicitações até a falha de todos os três servidores? (b) Qual é a probabilidade de todos os três servidores falharem em até cinco solicitações? Distribuição Hipergeométrica • Considere o problema básico de inspeção por amostragem, em que observamos uma retirada de n itens de um lote com N itens, sendo r defeituosos. Avaliamos o número X de itens defeituosos na amostra. A variável aleatória X aparenta ser binomial, mas só é realmente binomial se: • A seleção da amostra é aleatória (para garantir a mesma probabilidade p de sair item defeituoso em todos os ensaios); • Com reposição (para garantir independência entre ensaios). Distribuição Hipergeométrica A segunda condição (com reposição) não costuma ser satisfeita na prática. Se a amostragem for aleatória, mas sem reposição, a distribuição de X é conhecida como hipergeométrica de parâmetros N, n e r. Note que sem reposição é o mesmo que retirar todas as n peças de uma vez, ou uma a uma. Distribuição Hipergeométrica 𝑟: objetos classificados como sucessos 𝑁: total de objetos do lote 𝑛: quantidade de objetos selecionados para amostra 𝑋: número de sucessos na amostra 𝑓 𝑥 = 𝑃(𝑋 = 𝑥𝑖) = 𝑟 𝑥 ∙ 𝑁 − 𝑟 𝑛 − 𝑥 𝑁 𝑛 𝑥 = 𝑚á𝑥 0, 𝑛 + 𝑟 − 𝑁 … .𝑚𝑖𝑛 𝑟, 𝑛 • 𝑚𝑖𝑛 𝑟, 𝑛 : o número máximo de defeitos que podem haver na amostra é o menor número entre o tamanho da amostra e o número de objetos com defeitos disponível. • 𝑚á𝑥 0, 𝑛 + 𝑟 − 𝑁 : se 𝑛 + 𝑟 > 𝑁, no mínimo 𝑛 + 𝑟 − 𝑁 objetos com defeito deve haver na amostra. Distribuição Hipergeométrica Distribuição Hipergeométrica Se X for uma variável aleatória hipergeométrica 𝜇 = 𝐸 𝑋 = 𝑛𝑝 𝜎2 = 𝑉 𝑋 = 𝑛𝑝 1 − 𝑝 𝑁 − 𝑛 𝑁 − 1 𝑝 = 𝑟 𝑁 sendo Fator de correção para população finita Se a amostragem fosse com reposição, então X seguiria uma distribuição binomial. A amostragem com reposição é equivalente a amostragem de um conjunto infinito, pois a probabilidade de sucesso permanece constante Binomial X Hipergeomética Se n é relativamente pequeno com relação a N, a correção é pequena e a distribuição hipergeométrica é similar a binomial. Neste caso, a binomial pode efetivamente aproximar a hipergeomética. Exercício 13 Uma batelada de peças contém 100 peças de um fornecedor local de tubos e 200 peças de um fornecedor de tubos de um estado vizinho. Quatro peças são selecionadas ao acaso. (a) Qual será a probabilidade de que elas sejam todas provenientes do fornecedor local? (b) Qual é a probabilidade de duas ou mais peças na amostra serem provenientes do fornecedor local? (c) Qual é a probabilidade de no mínimo uma peça na amostra ser proveniente do fornecedor local? (d) Calcule e interprete E(X) e VAR(X). Exercício 14 Uma urna contém 5 bolas brancas e 7 bolas pretas. Três bolas são retiradas simultaneamente dessa urna. a) Determine e desenhe o gráfico da distribuição de probabilidade do número de bolas brancas retiradas. Por que é uma distribuição de probabilidade válida? b) Se ganharmos R$2,00 por bola branca retirada e perdermos R$1,00 por bola preta retirada, qual o valor esperado de ganho nesse jogo? Simeon Denis Poisson (1781-1840) lim( ) n Binomial Poisson Distribuição de Poisson • A distribuição de Poisson é adequada para descrever situações onde existe uma probabilidade de ocorrência em um campo ou intervalo contínuo, geralmente tempo ou área. • Por exemplo, o no de acidentes por mês, no de defeitos por metro quadrado, no de clientes atendidos por hora. • Nota-se que a variável aleatória é discreta (número de ocorrência), no entanto a unidade de medida é contínua (tempo, área). • Além disso, as falhas não são contáveis, pois não é possível contar o número de acidentes que não ocorreram, nem tampouco o número de defeitos que não ocorreram. Distribuição de Poisson Condições de aplicação: • O número de ocorrências durante qualquer intervalo depende somente da extensão do intervalo; • As ocorrências ocorrem independentemente, ou seja, um excesso ou falta de ocorrências em algum intervalo não exerce efeito sobre o número de ocorrências em outro intervalo; • A possibilidade de duas ou mais ocorrências acontecerem em um pequeno intervalo é muito pequena quando comparada à de uma única ocorrência. Distribuição de Poisson • A distribuição de Poissson fica completamente caracterizada por um único parâmetro que representa a taxa média de ocorrência por unidade de medida. • A equação para calcular a probabilidade de x ocorrências é dada por: • A Média (esperança) e a variância da distribuição de Poisson são: Distribuição de Poisson 𝑓 𝑥 = 𝑃(𝑋 = 𝑥𝑖) = 𝑒−λ ∙ λ𝑥 𝑥! 𝑥 = 0, 1, 2, … 𝜇 = 𝐸 𝑥 = ² = 𝐸 𝑥 = Notação: Poisson () Distribuição de Poisson O número de defeitos de pintura segue uma distribuição de Poisson com λ = 2. Então, a probabilidade que uma peça apresente mais de 4 defeitos de pintura virá dada por: 24 0 2 1 ( 4) 1 1 0,945 0,055 5,5% ! x x e P X x Exemplo Exercício 15 Contaminação é um problema na fabricação de discos ópticos de armazenagem. O número de partículas de contaminação que ocorrem em um disco óptico tem uma distribuição de Poisson, e o número médio de partículas por cm2 de superfície do disco é 0,1. A área do disco sob estudo é igual a 100 cm2. Encontre: (a) A probabilidade de 12 partículas de contaminação ocorrerem na área de um disco sob estudo. (b) A probabilidade de nenhuma partícula de contaminação ocorrer na área do disco sob estudo. (c) A probabilidade de 12 ou menos partículas ocorrerem na área do disco. Exercício 16 Uma fábrica de automóveis verificou que, ao testar seus carros na pista de prova, há, em média um estouro a cada 300km, e que o números de pneus estourados segue razoavelmente uma distribuição de Poisson. Qual a probabilidade de que: (a) Em um teste de 900km haja no máximo um pneu estourado. (b) Um carro ande 450km na pista sem estourar nenhum pneu. Uma distribuição largamente usada emerge à medida que o número de tentativas em um experimento binomial aumenta até infinito, enquanto a média da distribuição permanece constante. Considere a transmissão de n bits por um canal digital de comunicação. Seja a variável aleatória X o número de bits com erro. Quando a probabilidade de um bit estar com erro for constante e as transmissões forem independentes, X terá uma distribuição binomial. Seja p a probabilidade de um bit ter erro. Seja λ = 𝑝𝑛. Então, 𝐸 𝑥 = 𝑝𝑛 = λ e Distribuição de Poisson 𝑃 𝑋 = 𝑥 = 𝑛 𝑥 𝑝𝑥(1 − 𝑝) 𝑛−𝑥= 𝑛 𝑥 λ 𝑛 1 − λ 𝑛 𝑛−𝑥 Agora suponha que o número de bits transmitidos aumente e que a probabilidade de um erro diminua exatamente o bastante para que𝑝𝑛 permaneça igual a uma constante. Ou seja, 𝑛 aumenta e 𝑝 diminui proporcionalmente, tal que 𝐸 𝑋 = λ permaneça constante. Então, com algum trabalho, pode ser mostrado que quando 𝑛 → ∞: Distribuição de Poisson 𝑛 𝑥 1 𝑛 𝑥 → 1 𝑥! 1 − λ 𝑛 −𝑥 → 1 1 − λ 𝑛 𝑛 → 𝑒−λ lim 𝑛→∞ 𝑃(𝑋 = 𝑥) = 𝑒−λλ𝑥 𝑥! 𝑥 = 0,1,2,… Também, porque o número de bits transmitidos tende ao infinito, o número de erros pode igualar qualquer valor inteiro não negativo. Consequentemente, a faixa de 𝑋 são os inteiros de zero até infinito. Note que se a média da VA X é cte: n ( ) .E X n p p n Logo: Assim , quando Temos 0p Ou seja, quando o número de experimentos for muito grande e probabilidade for pequena provavelmente trata-se de uma Distribuição de Poisson. (Lembre-se que a Poisson é o limite da Binomial quando n tende ao infinito). Poisson como Aproximação da Binomial Exemplo: Em um cruzamento de tráfego intenso, a probabilidade p de um carro sofrer um acidente é muito pequena, digamos p=0,0001. Contudo, durante certa parte do dia, por exemplo das 16h as 18h, um grande número de carros passa no cruzamento (por exemplo 1000). Nessas condições, qual a probabilidade de que dois ou mais acidentes ocorram durante aquele período? 0,1(0,1) ( ) ! xe P X x x Podemos aproximar esta aparente Binomial por Poisson. . 1000*0,0001 0,1n p 0,1 0,1 ( 2) 1 ( 2) 1 ( 0) ( 1) ( 2) 1 .0,1 0,0045 P X P X P X P X P X e e A aplicação típica da distribuição de Poisson no controle da qualidade é como um modelo para o número de defeitos (não-conformidades) que ocorre por unidade de produto (por m2, por volume ou por tempo, etc.). Distribuição Poisson O treinador de futebol de uma equipe profissional decidiu usar conhecimentos matemáticos para estudar o desempenho da sua equipe durante os treinos. Nos últimos jogos do time a média de gols por partida de 90 minutos foi de 1,3 gols. Baseado em dados histórico o técnico acredita que para terminar a primeira rodada do campeonato na liderança, o time terá que marcar mais de 2 gols em algumas partidas. Na verdade sua meta é fazer mais de 2 gols em pelo menos 4 das próximas 6 partidas, com isso ele acredita que tem grandes chances de terminar a primeira fase do campeonato na liderança. Qual a probabilidade do treinador conseguir atingir essa meta? Exercício 17
Compartilhar