Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROBABILIDADE E ESTATÍSTICA APLICADA À ENGENHARIA Prof. Paula Marinho Aula 9 APRESENTAÇÃO DISTRIBUIÇÃO DE POISSON Estudaremos na presente aula a distribuição de Poisson que é útil para descrever probabilidades do número de ocorrências num campo ou intervalo contínuo (em geral tempo ou espaço). Exemplos de variáveis que podem usar o modelo da distribuição de Poisson são: defeitos por centímetro quadrado, acidentes por dia, clientes por hora, chamadas telefônicas por minuto, vacas por acre, assim por diante. Note que a unidade de medida, tempo ou área, é contínua, mas a variável aleatória (número de ocorrências) é discreta. Aprenderemos como trabalhar com a Distribuição de Poisson e estudaremos como calcular a Distribuição de Poisson a partir do conhecimento da Distribuição Binomial. 2 OBJETIVOS Ao final desta aula você deverá ser capaz de: Identificar quando a Distribuição de Poisson deve ser usada; Calcular probabilidades a partir da Distribuição de Poisson. 3 9 – DISTRIBUIÇÃO DE POISSON 4 Uma aplicação imediata da Distribuição de Poisson ocorre quando uma variável aleatória admite distribuição binomial com número n de repetições muito grande (n ≥ 100) e com probabilidade p de sucesso muito pequena (p < 0,05) ou média = np ≤ 10. Distribuições binomiais com probabilidade de sucesso menores que 0,5 têm inclinação para a direita e será tanto mais inclinada quanto a probabilidade p tender a zero. Assim, se a probabilidade p for muito pequena e o número de experimentos muito grande, no limite, teremos a distribuição de Poisson. 9 – DISTRIBUIÇÃO DE POISSON 5 Uma Distribuição de Poisson descreve a contagem x de ocorrências de um evento definido em intervalos fixos, finitos, de tempo ou espaço, quando: As ocorrências são todas independentes, isto é, a ocorrência de um evento não muda a probabilidade de outro ocorrer, e A probabilidade de uma ocorrência é a mesma em todos os intervalos possíveis. 9 – DISTRIBUIÇÃO DE POISSON 6 Como a Distribuição de Poisson descreve eventos aleatórios independentes, ela serve de indicador para quando a variável se afasta substancialmente do que seria esperado neste modelo. Assim, por exemplo: quando a contagem dos casos de meningite em uma cidade excede o que seria razoável de se esperar de uma distribuição de Poisson, podemos concluir que os casos de meningite não são distribuídos aleatória e independentemente, mas sugerem em vez disso, que configura-se um surto epidêmico. Assim a distribuição de Poisson é tipicamente usada para descrever fenômenos aleatórios raros. 9 – DISTRIBUIÇÃO DE POISSON 7 A distribuição de Poisson fica completamente caracterizada por um único parâmetro: a média do processo. Se uma variável aleatória VA tem resultados distribuídos segundo Poisson e conhecendo a média de ocorrências por unidade de tempo ou espaço, podemos determinar a probabilidade de qualquer resultado usando tabelas ou as fórmulas a seguir. 9 – DISTRIBUIÇÃO DE POISSON 8 Uma variável aleatória x admite distribuição de Poisson se Onde: x é o número de ocorrências (sucessos), - lambda - é a taxa média por unidade de medida, é a taxa de frequência por unidade de tempo ou área, t é o número de unidades, tempo ou área, t - A quantidade t representa o número médio de ocorrências no intervalo t. 9 – DISTRIBUIÇÃO DE POISSON 9 Como a média e a variância da distribuição de Poisson são iguais, quando a média de ocorrências for elevada a variância também o será. Isto fará com que a distribuição se torne achatada e ampla, larga. Observe na planilha 09poisson.xls as abas lambda 2, lambda 3 e lambda 5. Nelas geramos números aleatórios conforme a distribuição de Poisson. A medida que lambda aumenta o histograma caminha de uma assimetria a direita para uma curva simétrica, isto é a medida que a média aumenta ela se desloca para o centro da distribuição. EXEMPLO 10 Uma máquina produz nove peças defeituosas a cada 1000 peças produzidas. Calcule a probabilidade de que em um lote que contém: (a) 200 peças, sejam encontradas oito peças defeituosas; (b) 500 peças, não haja nenhuma peça defeituosa. SOLUÇÃO: Experimento = examinar um peça . Pode ter dois resultados: p = 1 – q defeituosa = sucesso = com probabilidade p(D) = 9 / 1000 = 0,009 = 0,9%= p e normal = fracasso = com probabilidade p(N) = 1 – 0,009 = 0,991 = q. EXEMPLO 11 (a) n = 200 repetições independentes do Experimento. Queremos K=8 sucessos e 192 fracassos, independente da ordem de ocorrência. EXEMPLO 12 (b) n = 500 repetições independentes do Experimento. Queremos k = 0 sucessos: PROBABILIDADE ESTATÍSTICA APLICADA À ENGENHARIA Profa. Paula Marinho ATIVIDADE ATIVIDADE 1 14 A Caxumba é uma infecção viral suave e assintomática em até 20% dos indivíduos infectados. No entanto podem surgir complicações que chegam até a surdez e infertilidade. Por isso a vacinação é muito importante. No estado do Ceará o número médio de casos mensais relatados é de cerca de 0,1 no mesmo período. Supondo que esses casos mensais se comportem segundo uma distribuição de Poisson, qual a probabilidade de que em um mês não haja mais que um caso de caxumba? ATIVIDADE 1 15 A Caxumba é uma infecção viral suave e assintomática em até 20% dos indivíduos infectados. No entanto podem surgir complicações que chegam até a surdez e infertilidade. Por isso a vacinação é muito importante. No estado do Ceará o número médio de casos mensais relatados é de cerca de 0,1 no mesmo período. Supondo que esses casos mensais se comportem segundo uma distribuição de Poisson, qual a probabilidade de que em um mês não haja mais que um caso de caxumba? P(X ≤ 1) = P(X = 0) + P(X=1) P(X ≤ 1) = 0,99532116 99,53% =POISSON(1;0,1;VERDADEIRO) É muito improvável que surjam mais de dois casos mensais no estado. ATIVIDADE 2 16 As lâmpadas de iluminação da área de manufatura da montadora são substituídas numa média de 8 lâmpadas por dia. Se a distribuição de frequências das lâmpadas substituídas for do tipo Poisson: (a) qual a probabilidade de amanhã substituir cinco lâmpadas? (b) qual a probabilidade de amanhã substituir no máximo cinco lâmpadas? ATIVIDADE 2 17 As lâmpadas de iluminação da área de manufatura da montadora são substituídas numa média de 8 lâmpadas por dia. Se a distribuição de frequências das lâmpadas substituídas for do tipo Poisson: (a) qual a probabilidade de amanhã substituir cinco lâmpadas? (b) qual a probabilidade de amanhã substituir no máximo cinco lâmpadas? lamb 8 por dia e 2,718281828 a) k= 5 P(x=5) 9,160% ou 9,160% =POISSON(5;8;FALSO) b) k P(x=K) 0 0,000335 =($B$52^(-8)*8^B56)/FATORIAL(B56) 1 0,002684 2 0,010735 3 0,028626 4 0,057252 5 0,091604 19,12% ou P(x≤5) = 19,1236% =POISSON(5;8;VERDADEIRO) ATIVIDADE 3 BINOMIAL - Um levantamento efetuado na carteira de uma agência bancária indicou que 20% dos títulos eram pagos com atraso. Se em determinado dia foram pagos 20 títulos da carteira, determine a probabilidade que: No máximo dois sejam pagos com atraso. No mínimo três sejam pagos sem atraso. Mais de 70% sejam pagos sem atraso. 18 Experimento consiste em examinar um titulo. Pode ter dois resultados: Sem Atraso com probabilidade P(SA) = 0,8= q e Com Atraso com probabilidade P(CA) = 0,2 = p. n = 20 repetições independentes do Experimento. Portanto temos um problema que enquadra-se na distribuição binomial. ATIVIDADE 3 BINOMIAL - Um levantamento efetuado na carteira de uma agência bancária indicou que 20% dos títulos eram pagos com atraso. Se em determinado dia foram pagos 20 títulos da carteira, determine a probabilidade que: No máximo dois sejam pagos com atraso. No mínimo três sejam pagos sem atraso. Mais de 70% sejam pagos sem atraso. 19 a) Estamos interessados em sucesso = com atraso. No máximo dois sejam pagos com atraso, isto é 0, 1 ou 2 títulos pagos com atraso em 20 títulos. ATIVIDADE3 BINOMIAL - Um levantamento efetuado na carteira de uma agência bancária indicou que 20% dos títulos eram pagos com atraso. Se em determinado dia foram pagos 20 títulos da carteira, determine a probabilidade que: No máximo dois sejam pagos com atraso. No mínimo três sejam pagos sem atraso. Mais de 70% sejam pagos sem atraso. 20 b) Considerando sucesso = sem atraso. Estamos interessados em que no mínimo três sejam pagos sem atraso. Neste caso p=0,8 e q=0,2. Atenção, pois a situação se inverteu. ATIVIDADE 3 BINOMIAL - Um levantamento efetuado na carteira de uma agência bancária indicou que 20% dos títulos eram pagos com atraso. Se em determinado dia foram pagos 20 títulos da carteira, determine a probabilidade que: No máximo dois sejam pagos com atraso. No mínimo três sejam pagos sem atraso. Mais de 70% sejam pagos sem atraso. 21 c) Mais de 70% sejam pagos sem atraso! Considerando sucesso = sem atraso, estamos interessados em 15 ou mais títulos sem atraso. REFERÊNCIAS BIBLIOGRÁFICAS e RECURSOS PEDAGÓGICOS BIBLIOTECA DO CAMPUS BIBLIOTECA VIRTUAL MATERIAL DIDÁTICO CONTEÚDO ONLINE USO DO EXCEL E CALCULADORA CIENTÍFICA. 22 REFERÊNCIAS BALDI, Brigitte; MOORE, David S. A Prática da Estatística nas Ciências da Vida. Rio de Janeiro: LTC, 2014. LAPPONI, Juan Carlos. Estatística usando o Excel. São Paulo: Lapponi Treinamento de Editora LTDA, 2000. LEVINE, David M.; STEPHAN, David F.; KREHBIEL, Timothy C.; BERENSON, Mark L.. Estatística – Teoria e Aplicações. Rio de Janeiro: LTC, 2008. MC CLAVE, James; BENSON, P. George; SINCICH, Terry. Satistics For Business and Economics. Ney Jersey: Pearson, 2005. 23 REFERÊNCIAS MOORE, David S; NOTZ, William I.; FLINGER, Michael A. A Estatística Básica e sua Prática. Rio de Janeiro: LTC, 2014. MORETTIN, Pedro; BUSSAB, Wilton. Estatística Básica. São Paulo: Saraiva, 2002. TOLEDO, Geraldo; OVALE, Ivo. Estatística Básica. São Paulo: Atlas, 1985. TRIOLA, Mario F.. Introdução à Estatística. Rio de Janeiro: LTC, 2013. 24 Atividade Estruturada e Avaliação Trabalho de pesquisa, coleta e tratamento dos dados. Desenvolvida ao longo de todo o semestre. Compondo 2 pontos na AV1 e AV2 Provas online. Agendar com antecedência e não faltar. 25 SÍNTESE DA AULA Nesta aula: Aprendemos a trabalhar com a Distribuição de Poisson; Calculamos a Distribuição de Poisson a partir da aproximação da Distribuição Binomial. 26 PRÓXIMA AULA PRÓXIMA AULA Aprenderemos a trabalhar e aplicar o modelo contínuo de probabilidade: a Distribuição Normal; 27
Compartilhar