Baixe o app para aproveitar ainda mais
Prévia do material em texto
VARIÁVEIS ALEATÓRIAS DISCRETAS Estatística básica Zootecnia S2 Prof. Jefté Silva INTRODUÇÃO Variáveis aleatórias discretas Introdução Definição: Uma variável aleatória discreta assume valores que podem ser contados. Em outras palavras, os valores consecutivos de uma variável aleatória discreta são separados por uma determinada lacuna. Por exemplo O número de carros vendidos em uma concessionária durante um determinado mês O número de carros podem ser contados (1, 2, ... n) Introdução Outros exemplos: O número de peixes capturados em uma pescaria; O número de reclamações recebidas no balcão de uma companhia aérea em um determinado dia; O número de clientes que visitam um banco durante qualquer hora específica; O número de caras obtidas em três lançamentos de uma moeda. DISTRIBUIÇÃO DE PROBABILIDADES DE UMA VARIÁVEL ALEATÓRIA DISCRETA Variáveis aleatórias discretas Distribuição de probabilidades de uma variável discreta Seja x uma variável aleatória discreta. A distribuição de probabilidades de x descreve como as probabilidades estão distribuídas ao longo de todos os valores possíveis de x. Vimos em probabilidade que as frequências relativas obtidas a partir de um experimento ou de uma amostra podem ser utilizadas como probabilidades aproximadas. Exemplo a distribuição de frequências para o número de veículos possuídos por todas as 2000 famílias que vivem em uma pequena cidade. Distribuição de probabilidades de uma variável discreta Tabela 1 – Distribuição de frequências e de frequências relativas para o número de veículos possuídos por famílias Número de veículos possuídos Frequência Frequência relativa 0 30 0,015 1 470 0,235 2 850 0,425 3 490 0,245 4 160 0,080 Total 2000 1,00 Distribuição de probabilidades de uma variável discreta Em probabilidade aprendemos que as frequências relativas obtidas a partir de um experimento ou de uma amostra podem ser utilizadas como probabilidades aproximadas. Entretanto, quando as frequências relativas representam a população, como é o caso na Tabela 1, elas fornecem as probabilidades efetivas (teóricas) dos resultados. Utilizando as frequências relativas da Tabela 1, podemos descrever a distribuição de probabilidades da variável aleatória discreta, x, na Tabela 2. Distribuição de probabilidades de uma variável discreta Tabela 2 – Distribuição de probabilidades para o número de veículos possuídos por famílias Número de veículos possuídos (x) Probabilidades P(x) 0 0,015 1 0,235 2 0,425 3 0,245 4 0,080 Total 1,00 Distribuição de probabilidades de uma variável discreta A distribuição de probabilidades de uma variável aleatória discreta tem as duas características a seguir: 1. A probabilidade atribuída a cada valor de uma variável aleatória x se posiciona no intervalo entre 0 e 1; ou seja, 0 ≤P(x) ≤ 1 para cada x. 2. A soma das probabilidades atribuídas a todos os valores possíveis de x é igual a 1,0; ou seja, ∑P(x) = 1. (Lembre-se de que, caso as probabilidades sejam arredondadas, a soma pode não ser exatamente 1,0.) Essas duas características são também conhecidas como as duas condições que uma distribuição de probabilidades deve satisfazer. Distribuição de probabilidades de uma variável discreta Com base na Tabela 2, podemos ler a probabilidade para qualquer valor de x. Por exemplo, a probabilidade de que uma família aleatoriamente selecionada nesta cidade possua dois veículos é de 0,425. Essa probabilidade é escrita como: P(x = 2) = 0,425 ou P(2) = 0,425 A Probabilidade de que a família selecionada possua mais de dois veículos é fornecida pela soma das probabilidades de se possuir três ou quatro veículos. Essa probabilidade é 0,245 + 0,080 = 0,325 Pode ser escrita como: P(x > 2) = P(x = 3) + P(x = 4) = P(3) +P(4) = 0,245 + 0,080 = 0,325 Distribuição de probabilidades de uma variável discreta A distribuição de probabilidades de uma variável aleatória discreta pode ser apresentada em forma fórmula matemática, de uma tabela ou de um gráfico. A Figura 1, mostra a apresentação gráfica da distribuição de probabilidades da Tabela 2. Distribuição de probabilidades de uma variável discreta Figura 1 – apresentação gráfica da distribuição de probabilidade da tabela 2. 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0 1 2 3 4 P( x) x Distribuição de probabilidades de uma variável discreta Exemplo: De acordo com uma pesquisas, 60% de todos os alunos em uma grande universidade sofrem de ansiedade em relação à matemática. Dois alunos são aleatoriamente selecionados nessa universidade. Seja x o número de alunos dessa amostra que sofrem de ansiedade relativa a matemática. Desenvolva a distribuição de probabilidade de x. Primeiro deve-se criar os eventos: N = o aluno selecionado não sofre de ansiedade relativa à matemática. M = o aluno selecionado sofre de ansiedade relativa à matemática. Qual a probabilidade de M e de N: M = 60% ou 0,6 N = 1 – 0,6 = 0,4 um é complementar do outro Distribuição de probabilidades de uma variável discreta Quantos resultados são possíveis? 2 x 2 = 4 (pode ser pelo diagrama de árvores) Quais seriam eles? NN (nenhum dos alunos sofre de ansiedade relativa à matemática); NM (o primeiro aluno não sofre de ansiedade relativa à matemática, enquanto o segundo sofre MN (o primeiro aluno sofre de ansiedade relativa à matemática, enquanto o segundo não sofre). MM (ambos os alunos sofrem de ansiedade relativa à matemática). Distribuição de probabilidades de uma variável discreta Logo, em uma amostra de dois alunos, o número de alunos que sofrem de ansiedade relativa à matemática pode ser: 0 (NN); 1 (NMou MN); 2 (MM). Por conseguinte, x pode assumir qualquer um dos três dores possíveis: 0, 1 ou 2. As probabilidades desses três resultados são calculadas da seguinte maneira: P(x = 0) = P(NN) = 0,4 x 0,4 = 0,16 P(x = 1) = P(NM ou MN) = P(NM) + P(MN) = 0,24 + 0,24 = 0,48 P(x = 2) = P(MM) = 0,6 x 0,6 = 0,36 Distribuição de probabilidades de uma variável discreta Tabela 3 – Distribuição de probabilidades para o número alunos com ansiedade relativa à matemática em uma amostra de dois alunos. Número de alunos (x) Probabilidades P(x) 0 0,16 1 0,48 2 0,36 Total 1,00 MÉDIA ARITMÉTICA DE UMA VARIÁVEL ALEATÓRIA DISCRETA Variáveis aleatórias discretas Média aritmética de uma variável aleatória discreta A média aritmética de uma variável aleatória discreta, representada por µ, é efetivamente a média aritmética da sua distribuição de probabilidades. A média aritmética de uma variável aleatória discreta, x é também chamada de valor esperado, e é representada por E(x). A média aritmética (ou valor esperado) de uma variável aleatória discreta corresponde ao valor que esperamos observar por repetição, em média, caso realizemos um experimento um grande número de vezes. Por exemplo, podemos esperar que vendedor de automóveis venda, em média, 2,4 automóveis por semana. Isso não significa que toda a semana esse vendedor venderá exatamente 2,4 carros (Até porque não é possível vender 2,4 carros) Isso significa que, caso observemos por muitas semanas, o vendedor venderá um número diferente de carros durante diferentes semanas a médias para todas essas semanas será de 2,4 carros. Média aritmética de uma variável aleatória discreta Para calcular a média aritmética de uma variável aleatória discreta, x, multiplicamos cada valor de x pela probabilidade correspondente, e somamos os produtos resultantes. Ou seja: 𝜇 = 𝑥𝑃(𝑥) A média aritmética de uma variável aleatória discreta, x, é também chamada de valoresperado, e é representada por E(x). Média aritmética de uma variável aleatória discreta Exemplo: Utilizando a tabela 4, caule a média aritmética do número de defeitos apresentados por semana por esses equipamentos. Tabela 4 – Distribuição de probabilidades do número de defeitos Número de defeitos por semana (x) Probabilidades P(x) xP(x) 0 0,15 0 1 0,20 0,20 2 0,35 0,7 3 0,30 0,90 Total 1,00 ∑ 𝑥𝑃(𝑥)=1,80 Média aritmética de uma variável aleatória discreta Então a média aritmética é 1,80 𝜇 = 𝑥𝑃 𝑥 = 𝟏, 𝟖𝟎 𝐸 𝑥 = 1,8 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑑𝑒 𝑥 Portanto, em média, espera-se que esse equipamento apresente defeito 1,8 vez por semana ao longo de um período de tempo. Em outras palavras, caso esse equipamento seja utilizado durante muitas semanas: Para determinadas semanas vamos observar defeito; Para outras semanas observar um defeito por semana; E para outras ainda, vamos observar dois ou três defeitos; Espera-se que a média aritmética do número de defeitos seja 1,80 por semana para o período. DESVIO PADRÃO DE UMA VARIÁVEL ALEATÓRIA DISCRETA Variáveis aleatórias discretas Desvio padrão de uma variável aleatória discreta O desvio padrão de uma variável aleatória discreta, representado por σ mede a dispersão de distribuição de probabilidades. Um valor mais elevado para o desvio-padrão de uma variável aleatória discreta indica que x pode assumir valores ao longo de um intervalo maior em torno da média aritmética. Em contrapartida, um valor menor para o desvio padrão indica que a maior parte valores que x pode assumir está concentrada bem próximo da média aritmética. A fórmula básica para se calcular o de uma variável aleatória discreta é: ଶ Desvio padrão de uma variável aleatória discreta Exemplo: A Loraine Corporation está planejando comercializar um novo produto de maquiagem. De acordo com a análise feita pelo departamento financeiro, a empresa obterá um lucro anual de $4,5 milhões se esse produto tiver vendas elevadas; Um lucro anual de $ 1,2 milhões, se as vendas forem razoáveis e perderá $2,3 milhões por ano es as vendas forem baixas. As probabilidades desses três cenários são 0,32; 0,51 e 0,17 respectivamente. a) Seja x o lucro (em milhões de dólares) obtidos pela empresa, por ano, com base nesses produto. Apresente a distribuição de probabilidade de x. b) Calcule a média e o desvio padrão. Desvio padrão de uma variável aleatória discreta a) Seja x o lucro (em milhões de dólares) obtidos pela empresa, por ano, com base nesses produto. Apresente a distribuição de probabilidade de x. Lucro (x) P(x) 4,5 0,32 1,2 0,51 -2,3 0,17 Tabela 5 – Distribuição de probabilidades do lucro da Loraine Corporation de um novo produto de maquiagem Desvio padrão de uma variável aleatória discreta b) Calcule a média e o desvio padrão. Lucro (x) P(x) xP(x) x² x²P(x) 4,5 0,32 1,440 20,25 6,4800 1,2 0,51 0,612 1,44 0,7344 -2,3 0,17 -0,391 5,29 0,8993 =1,661 ଶ =8,1137 Tabela 6 – Cálculo para encontrar a média e o desvio padrão da distribuição de probabilidades do lucro da Loraine Corporation de um novo produto de maquiagem Desvio padrão de uma variável aleatória discreta Assim: A média aritmética de x é: 𝜇 = 𝑥𝑃 𝑥 = $𝟏, 𝟔𝟏𝟏 𝒎𝒊𝒍𝒉ã𝒐 O desvio padrão de x é: 𝜎 = 𝑥ଶ𝑃 𝑥 − 𝜇² = 8,1137 − 1,661 ଶ = $𝟐, 𝟑𝟏𝟒 𝒎𝒊𝒍𝒉õ𝒆𝒔 Conclusão: espera-se que a Loraine Corporation venha a ganhar uma média de $1,611 milhão em lucros por ano com base no novo produto, com um desvio padrão de $2,314 milhões.
Compartilhar