Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 ECO 1721 - Introdução à Estatística Econômica 5 - Algumas Distribuições Discretas Importantes Resumo Teórico Professores: Thadeu Keller Filho e Juarez Figueiredo 5.1 Distribuição de Bernoulli Seja A um acontecimento de probabilidade positiva. Chama-se “Prova de Bernoulli sobre A” a experiência aleatória que consiste em verificar se A ocorre ou não em uma única observação. Considere-se uma Prova de Bernoulli sobre um acontecimento A, cuja probabilida- de será indicada por p. Defina-se a seguinte variável aleatória: 0 seA nãoocorre X 1 seAocorre A função de probabilidade de X tem por expressão: X q x 0 p x p x 1 onde q 1 p Neste caso diz-se que X possui distribuição de Bernoulli de parâmetro p e escreve- se: X Bernoulli(p) Prova-se que E X p Var X pq Prova-se que a função geratriz de momentos é t X (t) q pM e 5.2 Distribuição Binomial Considerem-se n (n=1,2,3,...) provas de Bernoulli, independentes, sobre um aconte- cimento A de probabilidade p. Represente-se por X o número de ocorrências de A nas n provas. A função de probabilidade de X tem a seguinte expressão x x n-xX np x C p q para x 0,1,2,...,n onde q 1 p Neste caso, diz-se que X possui Distribuição Binomial de parâmetros n e p e escre- ve-se: X Binomial (n,p) Prova-se que E X np Var X npq Prova-se que a função geratriz de momentos é n t X (t) p qM e 2 Tendo em vista sua definição, uma variável aleatória X com distribuição binomial de parâmetros n e p pode ser interpretada como uma soma de n variáveis aleatórias jX (j 1,2,3,...,n) independentes com distribuição de Bernoulli de parâmetro p: 1 2 nX X X ... X 5.3 Distribuição Geométrica Considere-se uma sequência de provas de Bernoulli, independentes, sobre um acon- tecimento A de probabilidade p. Represente-se por X o número de provas realiza- das até ocorrer, pela primeira vez, o acontecimento A. A função de probabilidade de X tem a seguinte expressão x 1Xp x pq x 1,2,3,... onde q 1 p Neste caso, diz-se que X possui Distribuição Geométrica de parâmetro p e escre- ve-se: X Geométrica (p) Prova-se que 1 1 E X p p e 2 2 q Var X q p p Prova-se que a função geratriz de momentos é t X t p (t) onde q 1 p 1 q e M e 5.4 Distribuição de Pascal Considere-se uma sequência de provas de Bernoulli, independentes, sobre um acon- tecimento A de probabilidade p. Represente-se por X o número de provas realiza- das até ocorrer, pela r-ésima vez, o acontecimento A. A função de probabilidade de X tem a seguinte expressão r -1 r x-rX x-1p x C p q para x r, r 1, r 2, r 3,... onde q 1 p Neste caso, diz-se que X possui Distribuição de Pascal (ou Binomial Negativa) de parâmetros r e p e escreve-se: X Pascal (r, p) Prova-se que 1 r E X r p p e 2 2 r q Var X r q p p Prova-se que a função geratriz de momentos é rt X t p (t) 1 q e M e Tendo em vista sua definição, uma variável aleatória X com distribuição de Pascal de parâmetros r e p pode ser interpretada como uma soma de r variáveis aleatórias jX (j 1,2,3,..., r) independentes com distribuição geométrica de parâmetro p: 3 1 2 rX X X ... X 5.5 Distribuição Hipergeométrica Considere-se um conjunto de N elementos dicotomizado por um atributo A, sendo que m elementos possuem o atributo A. Selecionam-se n elementos desse conjunto, ao acaso e sem reposição. Represente-se por X a variável aleatória que expressa o número eventual de elementos que possuem o atributo A entre aqueles seleciona- dos. A função de probabilidade de X tem a seguinte expressão n xx m N m X n N C p x para x inteiro tal que Max(0,n N +m) x Min (n,m) C C Neste caso, diz-se que X possui Distribuição Hipergeométrica de parâmetros N, m e n e escreve-se: X Hipergeométrica (N, m, n) Prova-se que m E X n N e m m N n V X n 1 N N N 1 5.6 Aproximação de uma Distribuição Hipergeométrica por uma Distribuição Bi- nomial Nas considerações iniciais para a determinação da distribuição hipergeométrica foi estabelecido que a seleção de n elementos do conjunto com N elementos era sem reposição. Se tal seleção fosse realizada com reposição de cada elemento observado a distribuição seria binomial com parâmetros n e m p N . Quando n é pequeno quando comparado a N pode-se aproximar a distribuição hipergeométrica por uma distribuição hipergeométrica. Em geral, a aproximação é boa se n 0,1 N e é muito boa se n 0,05 N . 5.7 Distribuição de Poisson Diz-se que uma variável aleatória X do tipo discreto possui distribuição de Poisson de parâmetro se sua função de probabilidade tem por expressão: x x X α p (x) para x 0,1,2,3,... onde α > 0 x! e 4 Escreve-se: X Poisson α Prova-se que E X α e V X α Prova-se que a função geratriz de momentos é tα 1 X (t) e M e 5.8 Aproximação de uma Distribuição Binomial por uma Distribuição de Poisson Se X Binomial (n,p), prova-se que x αx x n x p qn n np α α lim para x 0,1,2,.... x! C e Assim, para n “grande” e p “pequeno”, tem-se: x(np)npx x np q x 0,1,2,3,.....n x! C x e São condições suficientes para uma boa aproximação: np 3 e p 0,1 ou nq 3 e q 0,1 5.9 Cálculo de Probabilidades relativas a uma Distribuição de Poisson, por Recorrência Xp (x) = x α α x! e para x 0,1, 2 ,3, ..... αXP X 0 p 0 e X X α x 1 / x 1 ! α x / x! αp x+1 α x 1,2,3,... p x x 1 α e e X X α p x+1 p x para x 1,2,3,... x 1 5.10 Aplicações de uma Distribuição de Poisson Uma variável aleatória de Poisson é utilizada habitualmente como um modelo probabilístico para o número de ocorrências de certo evento que é disperso de for- ma independente e homogênea em determinado espaço. São exemplos de aplica- ções de uma distribuição de Poisson: número de estrelas visíveis por telescópio em setores do espaço sideral; número de partículas alfa emitidas em um minuto por uma substância radioativa; número de mutações em filamentos de DNA; número de bombas voadoras lançadas sobre Londres durante um mês, na Segun- da Guerra Mundial; número diário de acidentes de carro ocorridosem determinada região; 5 número de falhas de uma máquina durante um mês; número de defeitos em uma chapa de aço; número de bactérias presentes em uma lâmina para microscópio; distribuição espacial de pequenas cidades em regiões rurais; número de chegadas de aeronaves em um aeroporto, durante um dia; número de veículos que cruzam diariamente determinada ponte; número de erros tipográficos na composição de uma página de jornal; número de chamadas em uma central telefônica durante um minuto; número de terremotos em certo local durante um ano; número de acidentes de trabalho em uma fábrica durante um mês; número de clientes que chegam a uma agência bancária durante um período de tempo. ----------------------------------------------------------------------------------------------------------
Compartilhar