Baixe o app para aproveitar ainda mais
Prévia do material em texto
2- VARIÁVEIS ALETÓRIAS DEFINIÇÃO 2.1: Sejam E um experimento e S o espaço amostral associado ao experimento. Uma função X, com domínio S e contradomínio é denominada Variável Aleatória. (V.A.) EXEMPLO: E : lançamento de duas moedas; S={(c,c), (c,k), (k,c), (k,k)} X: número de caras (k) obtidas nas duas moedas. Neste caso X assume valores X=0 corresponde ao evento {(c,c)} cuja probabilidade é 1/4. X=1 corresponde ao evento {(c,k), (k,c)} cuja probabilidade é 2/4. X=2 corresponde ao evento {(k,k)} cuja probabilidade é 1/4. DEFINIÇÃO 2.2: Quando os valores assumidos por X são isolados (por exemplo inteiros) a V.A. é dita discreta. DEFINIÇÃO 2.3: A probabilidade de que a V.A. assuma um valor particular x (escolhido) na imagem de X, define uma função a qual chamaremos de função distribuição de probabilidade, e representamos por P(X=x) ou P(x). Obs 1: Observe que P(x) está sempre entre 0 e 1. Obs 2: Quando somamos P(x) para todos os possíveis valores de x na imagem de X o resultado é igual a 1. No exemplo anterior temos P(0)+P(1)+P(2)= 1/4 + 2/4 + 1/4 =1 Quando usamos uma ou mais V.A. como parâmetro(s) para definir uma outra função esta será também uma V.A. EXEMPLO: X1 e X2 representam cada uma (isoladamente) os resultados obtidos no lançamento de um dado: X=(X1, X2) representa o resultado obtido no lançamento de dois dados Y= X1 + X2 representa a soma dos resultados Z= O resto da divisão inteira do primeiro (X1) pelo segundo (X2) W=Min{(X1, X2)} DEFINIÇÃO 2.4: A probabilidade de que a V.A. assuma valores menores ou iguais a um valor particular x (escolhido) na imagem de X, define uma função a qual chamaremos de função densidade acumumulada de probabilidade, e representamos por F(x)=P(X≤x) Obs 3: Observe que quando x é o maior valor de imagem de X então F(x)=1, pois F(x)=P(x1)+P(x2)+ ... +P(x) onde xi<x. DEFINIÇÃO 2.5: Quando os valores assumidos por X não são isolados, isto é, os valores assumidos por X estão muito próximos a V.A. é dita contínua. Obs 4: Para uma V.A. continua X vamos denotar por IX a imagem de X. (que é, na maioria das aplicações, um intervalo fechado) DEFINIÇÃO 2.6: Seja X uma V.A. contínua. Uma função f definida em IX é dita uma função densidade de probabilidade se ela satisfaz: f(x)≥0 para todo x em IX. DEFINIÇÃO 2.7: Seja f uma função densidade de probabilidade definida em IX. Para quaisquer a<b com a e b em IX definimos P(a<X<b)= Obs 5: Das propriedades de integral segue-se que: P(X=x0)=0 P(a≤X≤b)= P(a≤X<b)= P(a<X≤b)= P(a<X<b) 2.8 EXERCÍCIOS 1-) No lançamento simultâneo de dois dados, considere as seguintes variáveis aleatórias: X : Número de pontos conseguidos no primeiro dado Y : Número de pontos conseguidos no segundo dado Construir a distribuição de Probabilidade através de uma tabela e de gráfico das seguintes variáveis aleatórias A = X-Y B = 2.Y C = X.Y D = Max{X,Y} Construir o gráfico da função distribuição de probabilidade acumulada das variáveis do item a) Calcule as seguintes probabilidades: i) P(-3<A≤3) ii) P(0≤A≤4,5) iii) P(A>6) iv) P(C≤5,5) v) P(C=3) vi) P(1≤D≤4) vii) P(A≤8) viii) P(B≥11) ix) P(20≤C≤35) x) P(D=8) xi) P(-1<B<8) xii) P(3,5<C<34) 2-) Uma variável aleatória discreta tem a distribuição de probabilidade dada por P(X)= para x= 1, 3, 5, 7 Calcular o valor de K b) Calcular P(x=5) 3-) Seja X a variável aleatória correspondente ao número de pontos de uma peça de dominó Construir a tabela e traçar o gráfico de P(X) Construir a tabela e esboçar o gráfico de F(X) Calcular P(2≤X<6) Calcular F(8) 4-) Numa urna temos cinco bolas pretas e quatro bolas vermelhas. São retiradas aleatoriamente três bolas. Faça X a variável aleatória número de bolas pretas. Determine: Encontre a tabela e trace o gráfico da distribuição de probabilidade de X Encontre a tabela e trace o gráfico da distribuição de probabilidade acumulada de X Calcule i) P(X ≤2) ii) P(X≤0) iii) P(1<X≤3) iv) P(2<X<3) v) P(X>-1) vi) P(X<5) Determine: F(2,5) ; F(3) ; F(0,53) ; F(3,5) ; F(2) ; F(1) ; F(6) ; F(-0,5) 3- DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 DISTRIBUIÇÃO DE “ BERNOULLI ” Seja E um determinado experimento e vamos chamar (x1=sucesso) um determinado resultado (que possivelmente nos interessa). Qualquer outro resultado que apareça vamos chamar de (x2= fracasso). Se admitirmos que P( X=x1) = p, temos então que P( X=x2) = q onde p+q=1 DEFINIÇÃO 3.1: Uma V.A. que satisfaz as condições acima é dita ter a distribuição de “ Bernoulli ” Propriedades: Uma V.A. de Bernoulli satisfaz A média é µ=p A variância é σ2=p.q 3.2 DISTRIBUIÇÃO BINOMIAL Este modelo fundamenta-se em: n provas independentes com V.A de Bernoulli são realizadas. Y representa o número de sucessos das n provas. Nesse caso Y ter distribuição binomial e pode ser 0, 1, 2, 3, ... , n. Para esse modelo temos: P( Y=r ) = onde p representa o número de sucessos. OBS : Propriedades: Uma V.A. que tem distribuição binomial satisfaz A média é µ=n.p A variância é σ2=n.p.q 3.3 EXERCÍCIOS 1-) Uma moeda é jogada 10 vezes. Calcular as seguintes probabilidades De Ocorrer 6 caras (105/512) De dar pelo menos duas caras (1.013/1.024) De não dar nenhuma coroa (1/1.024) De dar pelo menos uma coroa (1.023/1.024) De não dar 5 caras e 5 coroas (193/256) 2-) Admitindo-se que o nascimento de meninos e meninas sejam iguais, calcular a probabilidade de um casal com 6 filhos ter quatro filhos homens e 2 mulheres. (15/64) 3-) Em 320 famílias com 4 crianças cada uma, quantas se esperaria que tivessem: Nenhuma menina (20) 3 meninos (80) 4 meninos (20) 4-) Qual a probabilidade de se obter ao menos uma vez o valor 3 em n jogadas de um dado 5-) Estima-se que o time do São Paulo tem 2/3 de probabilidade de vitória sempre que joga. Se o São Paulo jogar 5 partidas, calcule a probabilidade de: O São Paulo vencer exatamente 3 partidas (80/243) O São Paulo vencer ao menos uma partida (242/243) O São Paulo vencer mais da metade das partidas (64/81) 6-) A probabilidade de um atirador acertar o alvo é de 1/3. Se ele atirar 6 vezes, qual a probabilidade de: Acertar exatamente 2 tiros ? (80/243) Não acerta nenhum tiro ? (64/729) 7-) Num teste do tipo certo-errado, com 100 perguntas, qual a probabilidade de um aluno, respondendo as questões ao acaso, acertar 70% das questões ? lembre-se 8-) Uma variável aleatória Y com distribuição normal tem função de distribuição acumulada dada por: Determine: n (5) p e q ( 2/3 1/3) a média de Y ( 10/3) a variância de Y ( 10/9) P(Y≥1) ( 242/243) P(2≤Y≤4) ( 200/243) 9-) Se 5% das lâmpadas de certa marca são defeituosas, achar a probabilidade de que, numa compra de 100 lâmpadas, escolhidas ao acaso, tenhamos: a) Nenhuma defeituosa b) 3 defeituosas lembre-se Mais do que uma boa. 3.4 DISTRIBUIÇÃO DE POISSON Em algumas vezes conhece-se a quantidade de sucessos, mas se torna difícil e as vezes sem sentido determinar o número de fracassos ou o número total de provas.Exemplo 1 Durante um determinado tempo você conta os carros que por ali passam, porém o numero de carros que por ali não passam não pode ser contado. Exemplo 2 Tome um rolo de Papel Higiênico, solte a ponta e durante um determinado tempo peça que alguém puxe a ponta você permitindo que o rolo desenrole. É possível contar quantos sinais de picotado passam, porém não tem como contar quantas vezes deixam de passar o sinal de picotado. Observe que em ambos os casos a medida que o tempo passa a probabilidade de x sucessos tende a aumentar. Para encontrar a expressão que nos dá a probabilidade de x sucessos em um intervalo de tempo t, algumas hipóteses devem ser admitidas. H1: A probabilidade de X ser igual a x1 (sucesso) em um intervalo de tempo é proporcional a P( X=1 em um intervalo de tempo t= =p H2: A probabilidade de X ser maior que um em um intervalo de tempo t é igual a zero H3: A Probabilidade de X ser zero em um intervalo de tempo t é q = 1-p = 1- H4: As ocorrências de sucessos em intervalos são independentes. Utilizando a distribuição binomial com o que nos dá p= e q= 1 - e usando conceitos de Cálculo Obtemos que P( X=n em um tempo t) = onde e=2,7.... Propriedades: Uma V.A. que tem distribuição binomial satisfaz a) A média é µ= b) A variância é σ2= 3.5 EXERCÍCIOS 1-) Uma fábrica de Pneus verificou que ao testar seus pneus nas pistas, havia em média um estouro a cada 5.000 km. Qual é a probabilidade de que num teste de 3.000 km haja no máximo um pneu estourado ? (0,8784) Qual é a probabilidade de que um carro ande 8.000 km sem estourar nenhum pneu (0,2020) 2-) Certo sistema de apoio recebe em média 3 chamadas por dia. Calcular a probabilidade de: Receber 4 chamadas num dia (0,168) Receber 3 ou mais chamadas num dia (0,5767) 3-) A média de chamadas telefônicas numa hora é 3. Qual a probabilidade de: Receber exatamente 3 chamadas numa hora ? (0,2241) Receber 4 ou mais chamadas em 90 minutos ? (0,658) 4-) Na pintura de paredes aparecem defeitos em média na proporção de 1 defeito por metro quadrado. Qual a probabilidade de aparecerem 3 defeitos numa parede de 2m por 2m ( 0,1952 ) 5-) Suponha que haja em média 2 suicídios por ano numa população de 50.000. Em uma cidade de 100.000 habitantes, encontre a probabilidade de que em um dado ano tenha havido: 0 ( 0,0183 ) 1 ( 0,0732 ) 2 ( 0,1464 ) 2 ou mais suicídios ( 0,9085 ) 6-) Suponha 400 erros de impressão distribuídos aleatoriamente em um livro de 500 páginas. Encontre a probabilidade de que uma dada página contenha: Nenhum erro Exatamente 2 erros 7-) Uma loja atende em média 2 clientes por hora. Calcular a probabilidade de em uma hora: Atender exatamente dois cliente Atender 3 clientes _100841156.unknown _143873096.unknown _143874376.unknown _143875016.unknown _143875656.unknown _1301926124.unknown _143875336.unknown _143874696.unknown _143873736.unknown _143874056.unknown _143873416.unknown _100842436.unknown _100843076.unknown _143872136.unknown _100842756.unknown _100841796.unknown _100842116.unknown _100841476.unknown _100835456.unknown _100840516.unknown _100840836.unknown _100840196.unknown _66276284.unknown _98117028.unknown _98118948.unknown _98118308.unknown _66276604.unknown _66275964.unknown
Compartilhar