Baixe o app para aproveitar ainda mais
Prévia do material em texto
Parte 1: Variáveis aleatórias discretas e distribuição de probabilidade Prof.: Vicente Júlio PROBABILIDADE E ESTATÍSTICA UNIVERSIDADE FEDERAL DO CEARÁ CAMPUS SOBRAL Sumário • Variáveis aleatórias • Distribuições de probabilidade Variáveis aleatórias Introdução • Em qualquer experimento há diversos aspectos que podem ser observados ou medidos • Exemplo: Em uma pesquisa sobre qualidade de transporte público podemos realizar consultas sobre distância percorrida pelos indivíduos, número de pessoas que usam o mesmo veículo, número de conduções até o destino final, etc • Em geral cada resultado de um experimento é associado a um número Introdução • Dado um espaço amostral S, variável aleatória (va) é qualquer regra que associe um valor a cada resultado de S. • Em termos matemáticos, uma variável aleatória é uma função cujo domínio é o espaço amostral e o contradomínio é o conjunto de números reais Introdução Espaço amostral (S) Números reais A X(A) B X(B) C X(C) Introdução • Exemplo: Considere que um estudante tenta acessar um computador em um sistema de compartilhamento de tempo. Considere o evento em que todas as portas estão ocupadas e portanto não há acesso (N) e o evento em que ao menos uma porta está livre e portanto há acesso ao sistema (Y). Espaço amostral S = {N, Y}. Podemos definir uma va X como X(Y) = 1 e X(N) = 0. A va X indica se o estudante pode (1) ou não (0) acessar o sistema. Variáveis aleatórias que assumem valores 0 e 1 são denominadas de variáveis aleatórias de Bernoulli Introdução • Exemplo: Considere 2 postos com 3 bombas de gasolina cada. Suponha o experimento de verificar o número de bombas sendo utilizadas em um dado instante. Considere três variáveis aleatórias: X, Y e Z. X consiste no número total de bombas utilizadas nos dois postos. Y consiste na diferença do número de bombas em uso no posto 1 e posto 2. Z consiste no máximo de bombas em uso nos dois postos. Dado um evento A = (2,3), determine X(A), Y(A) e Z(A). Introdução • Exemplo (continuação): Temos que X(A) = 2 + 3 = 5 Y(A) = 2 – 3 = -1 Z(A) = max(2, 3) = 3 Tipos de variáveis aleatórias • Variável aleatória discreta: – Valores possíveis constituem um conjunto finito ou podem ser relacionados em uma seqüência infinita na qual haja um primeiro elemento, um segundo e assim por diante • Variável aleatória contínua: – Valores possíveis consistem em um intervalo completo da reta de números Distribuições de probabilidade para variáveis aleatórias discretas Função massa de probabilidade (fmp) • Como cada evento A em um espaço amostral S possui uma probabilidade associada, existe também uma probabilidade de uma dada variável aleatória X assumir um valor em particular x • Função distribuição de probabilidade ou função massa de probabilidade (fmp): Definida para cada número x por p(x) = P(X=x) = P(todos os s Є S: X(s) = x) Função massa de probabilidade (fmp) • Exemplo: Seis lotes de componentes estão prontos para embarque em um fornecedor. Alguns componentes estão com defeito. Seja X uma va que consiste no número de componentes com defeito do lote a ser enviado. Determine a fmp de X. Lote 1 2 3 4 5 6 Número de peças com defeito 0 2 0 1 2 0 Função massa de probabilidade (fmp) • Exemplo (continuação): Temos que os valores possíveis que a va X pode assumir são 0, 1 e 2. Assumindo que a escolha dos lotes são equiprováveis, temos: p(0) = P(X=0)=P(Lote 1 ou 3 ou 6 é enviado) = 3/6 = 0,5 p(1) = P(X=1)=P(Lote 4 é enviado) = 1/6 = 0,167 p(2) = P(X=2)=P(Lote 2 ou 5 é enviado) = 2/6 = 0,333 Função massa de probabilidade (fmp) • Exemplo: Considere 5 amostras de sangue de um grupo de 5 doadores: A, B, C, D e E. Desses apenas A e B possuem tipo O+. Essas amostras serão testadas em sequência aleatória até que seja identificada um tipo O+. Seja Y uma va que consiste no número de amostras necessárias para encontrar um tipo O+. Determine a fmp. Função massa de probabilidade (fmp) • Exemplo (continuação): p(1) = P(Y = 1) = P[(A ou B testados primeiro)] = 2/5 = 0,4 p(2) = P(Y = 2) = P(C, D ou E primeiro e A ou B segundo) = P[(C, D ou E primeiro)] . P[(A ou B segundo)| (C, D ou E primeiro)] = (3/5).(2/4) = 0,3 Função massa de probabilidade (fmp) • Exemplo (continuação): p(3) = P(Y = 3) = P[(C, D ou E primeiro e C, D ou E segundo e A ou B terceiro)] = P[(C, D ou E primeiro)] . P[(C, D ou E segundo) | (C, D ou E primeiro)] . P[(A ou B terceiro)| (C, D ou E primeiro)e(C, D ou E segundo)] = (3/5).(2/4).(2/3) = 0,2 Função massa de probabilidade (fmp) • Exemplo (continuação): p(4) = P(Y = 4) = P[C, D ou E primeiro, segundo e C, D ou E terceiro e então A ou B quarto] = P[(C, D ou E primeiro)] . P[(C, D ou E segundo)|(C, D ou E primeiro)] . P[(C, D ou E terceiro)|(C, D ou E primeiro)e(C, D ou E segundo)] . P[(A ou B quarto) | (C, D ou E primeiro)e(C, D ou E segundo)e(C, D ou E terceiro)] = (3/5).(2/4).(1/3).(1) = 0,1 Função massa de probabilidade (fmp) • Exemplo (continuação): p(y) = 0 para y ≠ 1, 2, 3 e 4 y 1 2 3 4 p(y) 0,4 0,3 0,2 0,1 Função massa de probabilidade (fmp) • Exemplo (continuação): Função de distribuição acumulada (fda) • Algumas vezes desejamos determinar para um dado valor x, qual a probabilidade de o valor de uma va X ser no máximo x • Exemplo: Dado uma fmp: p(0) = 0,5; p(1) = 0,167; p(2) = 0,333; p(x) = 0 para outro valor de x. A probabilidade de X ser no máximo 1 é P(X≤1) = p(0) + p(1) = 0,5 + 0,167 = 0,667 Função de distribuição acumulada (fda) • Função de distribuição acumulada F(x) (fda): F(x) de uma va discreta com fmp p(x) é definida para cada valor de x por Para qualquer valor de x, F(x) é a probabilidade de o valor X observado ser no máximo x Função de distribuição acumulada (fda) • Exemplo: Dada a fmp p(y) representada na tabela abaixo, calcule a fda F(y). y 1 2 3 4 p(y) 0,4 0,3 0,2 0,1 Função de distribuição acumulada (fda) • Exemplo (continuação): F(1) = P(Y≤1) = P(Y=1) = p(1) = 0,4 F(2) = P(Y≤2) = P(Y=1 ou 2) = p(1) + p(2) = 0,7 F(3) = P(Y≤3) = P(Y=1 ou 2 ou 3) = p(1) + p(2) + p(3) = 0,9 F(4) = P(Y≤4) = P(Y=1 ou 2 ou 3 ou 4) = p(1) + p(2) + p(3) + p(4) = 1 Função de distribuição acumulada (fda) • Exemplo (continuação): Função de distribuição acumulada (fda) • Exemplo (continuação): Obtendo fmp através da fda • Vimos que a fda pode ser obtida através da fmp • Da mesma forma a fmp pode ser obtida através da fda • Exemplo: Suponha que conhecemos a fda de uma va X, F(x), que pode assumir os valores {0, 1, 2, ...}. Desejamos obter p(3). p(3) = ? Obtendo fmp através da fda • Vimos que a fda pode ser obtida através da fmp • Da mesma forma a fmp pode ser obtida através da fda • Exemplo: Suponha que conhecemos a fda de uma va X, F(x), que pode assumir os valores {0, 1, 2, ...}. Desejamos obter p(3). p(3) = P(X = 3) = ? Obtendo fmp através da fda • Vimos que a fda pode ser obtida através da fmp • Da mesma forma a fmp pode ser obtida através da fda • Exemplo: Suponha que conhecemos a fda de uma va X, F(x), que pode assumir os valores {0, 1, 2, ...}. Desejamos obter p(3). p(3) = P(X = 3) = (p(0)+p(1)+p(2)+p(3)) - (p(0)+p(1)+p(2)) = ? Obtendo fmp através da fda • Vimos que a fda pode ser obtida através da fmp • Da mesma forma a fmp pode ser obtida através da fda • Exemplo: Suponha que conhecemos a fda de uma va X, F(x), que pode assumir os valores {0, 1, 2, ...}. Desejamos obter p(3). p(3) = P(X = 3) = (p(0)+p(1)+p(2)+p(3)) - (p(0)+p(1)+p(2)) = P(X≤3) - P(X≤2)= ? Obtendo fmp através da fda • Vimos que a fda pode ser obtida através da fmp • Da mesma forma a fmp pode ser obtida através da fda • Exemplo: Suponha que conhecemos a fda de uma va X, F(x), que pode assumir os valores {0, 1, 2, ...}. Desejamos obter p(3). p(3) = P(X = 3) = (p(0)+p(1)+p(2)+p(3)) - (p(0)+p(1)+p(2)) = P(X≤3) - P(X≤2) = F(3) – F(2) Obtendo fmp através da fda • Para quaisquer dois números a e b, P(a≤X ≤b) = F(b)-F(a-) Em que “a-” representa o maior valor possível de X estritamente menor que a. Em particular, se os únicos valores possíveis forem inteiros e, se a e b forem inteiros, então P(a ≤X ≤b) = P(X=a ou (a+1) ou (a+2)ou...ou b) = F(b) – F(a-1) Obtendo fmp através da fda • Exemplo: Considere X uma va que representa o número de dias de licença por doença de funcionários de uma grande empresa selecionado aleatoriamente durante o ano. O máximo de dias de licença é 14. Considere que F(0) = 0,58, F(1) = 0,72, F(2) = 0,72, F(3) = 0,81, F(4) = 0,88 e F(5) = 0,94. Determine P(2≤X≤5) e p(3). Obtendo fmp através da fda • Exemplo (continuação): P(2≤X ≤5) = P(X = 2, 3, 4 ou 5) = F(5) – F(1) = 0,22 p(3) = P(X = 3) = F(3) – F(2) = 0,05 Propriedades da fmp e fda • Seja X uma va discreta e x1, x2, ..., xn os valores que X pode assumir então temos que Note que essas propriedades são válidas mesmo que n→∞ Sugestão de exercícios • Capítulo 3 (Livro: Probabilidade e Estatística para engenharia e ciências; Autor: Jay L. Devore) – Seção 3.1 – 1, 5 e 9 – Seção 3.2 – 11, 12, 18, 23, 26 e 27
Compartilhar