Baixe o app para aproveitar ainda mais
Prévia do material em texto
V- DISTRIBUIÇÕES DE PROBABILIDADE: BINOMIAL, GEOMÉTRICA, POISSON E NORMAL nanci.oliveira@fatec.sp.gov.br Distribuições de probabilidade Logística / Gestão da Produção Industrial 1 VARIÁVEL ALEATÓRIA Distribuições de probabilidade Logística / Gestão da Produção Industrial 2 DEFINIÇÃO: • Sejam E um experimento e S o espaço associado ao experimento. Uma função X, que associe a cada elemento s є S um número real X(s) é denominado variável aleatória. S X R s . .X(s)Variável aleatória • Experimento E = lançamento de duas moedas • Espaço amostral S = {CaCo, CoCa, CaCa, CoCo} onde Ca = cara e Co = coroa • Variável aleatória X = nº de caras na duas moedas Então, X = {0, 1, 2}, pois X = 0 corresponde ao evento CoCo, com probabilidade ¼ X = 1 corresponde ao evento CaCo e CoCa, com probabilidade 2/4 X = 2 corresponde ao evento CaCa, com probabilidade ¼ Distribuições de probabilidade Logística / Gestão da Produção Industrial 3 EXEMPLO – VARIÁVEL ALEATÓRIA DISTRIBUIÇÃO DE PROBABILIDADE Distribuições de probabilidade Logística / Gestão da Produção Industrial 4 • É uma apresentação de todos os valores assumidos por uma variável aleatória com seus respectivos valores de probabilidade. • Na distribuição de probabilidade, a soma de todas as probabilidades de todos os valores que a variável aleatória pode assumir é igual a 1. • No exemplo de variável aleatória, a distribuição de probabilidade é: ƩP(Xi) = P(x = 0) + P(X = 1) + P(X = 2) = Distribuições de probabilidade Logística / Gestão da Produção Industrial 5 Xi 0 1 2 P(Xi) ¼ 2/4 1/4 1 4 4 4 1 4 2 4 1 EXEMPLO - DISTRIBUIÇÃO DE PROBABILIDADE • Existem muitas distribuições de probabilidade. • Nesse curso, vamos estudar: Distribuições de probabilidade Logística / Gestão da Produção Industrial 6 DISTRIBUIÇÕES DE PROBABILIDADE Distribuição Discreta • Distribuição Binomial • Distribuição Geométrica Distribuição Contínua • Distribuição de Poisson • Distribuição Normal • Em muitos problemas, o que interessa é a probabilidade de um evento ocorrer “X vezes” em “n provas” (ou “X sucessos” em “n provas”). EXEMPLOS: • A probabilidade de obter 25 respostas a 400 questionários distribuídos como parte de uma pesquisa. • A probabilidade de 5 em 12 ratos sobreviverem por determinado tempo após a aplicação de um medicamento. • A probabilidade de 45 em 300 motoristas estarem usando cinto de segurança. Distribuições de probabilidade Logística / Gestão da Produção Industrial 7 DISTRIBUIÇÃO BINOMIAL CONDI 1. O experimento deve ser repetido nas mesmas condições, um número finito de vezes (n vezes). 2. As provas repetidas devem ser independentes, isso é, o resultado de uma não deve afetar o resultado das sucessivas 3. Em cada prova ou experimento deve aparecer um dos possíveis resultados: p = SUCESSO q = FRACASSO (insucesso) = q = 1-p 4. No decorrer do experimento a probabilidade do sucesso e a probabilidade do fracasso se mantém constantes. Distribuições de probabilidade Logística / Gestão da Produção Industrial 8 CONDIÇÕES DO EXPERIMENTO NUMA DISTRIBUIÇÃO BINOMIAL n = número de provas p = probabilidade do sucesso Esses parâmetros (n e p) permitem escrever a notação abreviada de uma Distribuição Binomial: X: (n; p) Distribuições de probabilidade Logística / Gestão da Produção Industrial 9 PARÂMETROS FUNDAMENTAIS DA DISTRIBUIÇÃO BINOMIAL Para facilitar a manipulação dos símbolos, vamos convencionar que: P(S) = P(sucesso) = p onde sucesso é a ocorrência de um evento particular P(F) = P(fracasso) = q onde fracasso é a ocorrência de qualquer evento que não seja o convencionado como sucesso. Distribuições de probabilidade Logística / Gestão da Produção Industrial 10 SUCESSO E FRACASSO P(X = k) = probabilidade de que o evento se realize “k vezes” em “n provas” p = probabilidade do sucesso = probabilidade de que o evento se realize em uma só prova q = probabilidade do fracasso = probabilidade de que o evento não se realize durante uma prova n = número total de provas k = número de vezes que se quer a ocorrência do evento Distribuições de probabilidade Logística / Gestão da Produção Industrial 11 FÓRMULA PARA DISTRIBUIÇÃO BINOMIAL knk qp )!kn(!k !n )kX(P Uma moeda é lançada cinco vezes seguidas e independentes. Calcular a probabilidade de serem obtidas três caras nessa 5 provas. Distribuições de probabilidade Logística / Gestão da Produção Industrial 12 EXEMPLO 1 – DISTRIBUIÇÃO BINOMIAL Distribuições de probabilidade Logística / Gestão da Produção Industrial 13 • Numa criação de coelhos, 40% são machos. Qual a probabilidade de que nasçam pelo menos 2 coelhos machos, se nascerem 20 coelhos num dia? Distribuições de probabilidade Logística / Gestão da Produção Industrial 14 EXEMPLO 2 – DISTRIBUIÇÃO BINOMIAL Distribuições de probabilidade Logística / Gestão da Produção Industrial 15 Distribuições de probabilidade Logística / Gestão da Produção Industrial 16 4 EXERCÍCIOS: LISTA DE DISTRIBUIÇÃO BINOMIAL Distribuições de probabilidade Logística / Gestão da Produção Industrial 17 Consideremos tentativas sucessivas e independentes de um mesmo experimento aleatório. Cada tentativa admite: S = SUCESSO, com probabilidade p P = FRACASSO, com probabilidade q Tem-se: p+q = 1 Distribuições de probabilidade Logística / Gestão da Produção Industrial 18 DISTRIBUIÇÃO GEOMÉTRICA Seja X = número de tentativas necessárias ao aparecimento do 1º sucesso. Logo, X assume os valores: Distribuições de probabilidade Logística / Gestão da Produção Industrial 19 Distribuições de probabilidade Logística / Gestão da Produção Industrial 20 P(X= 4) = 𝑃 𝐹 ∩ 𝐹 ∩ 𝐹 ∩ 𝐹 ∩ 𝑆 = 𝑞 ∙ 𝑞 ∙ 𝑞 ∙ 𝑞 ∙ 𝑝 = 𝑞𝑥−1 ∙ 𝑝 Distribuições de probabilidade Logística / Gestão da Produção Industrial 21 FÓRMULA DA DISTRIBUIÇÃO GEOMÉTRICA pqx)P(X 1x onde: X = número de tentativas necessárias ao aparecimento do 1º sucesso p = probabilidade do sucesso q = probabilidade do fracasso (MORETTIN, p. 87) A probabilidade de se encontrar aberto o sinal de trânsito numa esquina é 0,20. Qual a probabilidade de que seja necessário passar pelo local 5 vezes para encontrar o sinal aberto pela primeira vez? Distribuições de probabilidade Logística / Gestão da Produção Industrial 22 EXEMPLO 1 – DISTRIBUIÇÃO GEOMÉTRICA Qual a probabilidade que um dado deva ser lançado 15 vezes, para que na 15ª vez ocorra a face 6 pela primeira vez? Distribuições de probabilidade Logística / Gestão da Produção Industrial 23 EXEMPLO 2 – DISTRIBUIÇÃO GEOMÉTRICA = probabilidade de ocorrer a face 6 = probabilidade de não ocorrer a face 6 EXERCÍCIOS: LISTA DE DISTRIBUIÇÃO GEOMÉTRICA Distribuições de probabilidade Logística / Gestão da Produção Industrial 24 A distribuição de Poisson é utilizada para o estudo de ocorrências de eventos num contexto de tempo ou espaço. EXEMPLOS: 1) Cálculo da probabilidade de encontrar o número X de defeitos, por metro, em determinado tecido. 2) Cálculo da probabilidade de encontrar o número X depessoas que chegam ao caixa de um supermercado no intervalo de três minutos. Distribuições de probabilidade Logística / Gestão da Produção Industrial 25 DISTRIBUIÇÃO POISSON Distribuições de probabilidade Logística / Gestão da Produção Industrial 26 FÓRMULA DE POISSON !X )t(e )X(P Xt onde: X = número de ocorrências e = base dos logaritmos naturais ~= 2,718 λ = taxa média por unidade de tempo t = número de unidades de tempo ou de outra unidade μ = λt = média de ocorrências no intervalo t 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 2x2 m? X = número de ocorrências = 3 defeitos e = base dos logaritmos naturais λ = taxa média por unidade de tempo = 1 defeito/𝒎𝟐 t = número de unidades de tempo ou de outra unidade = 4 𝒎𝟐 μ = λt = média de ocorrências no intervalo t = 𝟏 𝒅𝒆𝒇𝒆𝒊𝒕𝒐 𝒎𝟐 ∙ 𝟒 𝒎𝟐 = 𝟒 𝒅𝒆𝒇𝒆𝒊𝒕𝒐𝒔 Distribuições de probabilidade Logística / Gestão da Produção Industrial 27 EXEMPLO 1 – DISTRIBUIÇÃO DE POISSON 0,1952 6 1,1712 6 640,0183 3! 4e 3)P(X X! t)(e P(X) 34Xλt Suponhamos que os navios cheguem a um porto à razão de 2 navios por hora, e que essa razão seja bem aproximada por um processo de Poisson. Durante um período de meia hora (⅟2 h), qual a probabilidade de: a) não chegar nenhum navio? b) chegarem 3 navios? Solução: X = número de ocorrências: a) X = 0 navios b) X = 3 navios e = base dos logaritmos naturais λ = taxa média por unidade de tempo = 2 navios/h t = número de unidades de tempo ou de outra unidade = ⅟2 h μ = λt = média de ocorrências no intervalo t = 2 𝑛𝑎𝑣𝑖𝑜𝑠 ℎ ∙ ⅟2 h = 1 𝑛𝑎𝑣𝑖𝑜 Distribuições de probabilidade Logística / Gestão da Produção Industrial 28 EXEMPLO 2 – DISTRIBUIÇÃO DE POISSON Solução: a) X = 0 navios λ = 2 navios/h t = ⅟2 h μ = λt = 𝟏 𝒏𝒂𝒗𝒊𝒐 Distribuições de probabilidade Logística / Gestão da Produção Industrial 29 0,3679 1 10,3679 0! 1e 0)P(X X! t)(e P(X) 0-1Xλt Solução: b) X = 3 navios λ = 2 navios/h t = ⅟2 h μ = λt = 𝟏 𝒏𝒂𝒗𝒊𝒐 Distribuições de probabilidade Logística / Gestão da Produção Industrial 30 0,0613 6 10,3679 3! 1e 3)P(X X! t)(e P(X) 3-1Xλt Distribuições de probabilidade Logística / Gestão da Produção Industrial 31 Suponhamos que os defeitos em fios para tear possam ser aproximados por um processo de Poisson, com uma taxa de 0,2 defeitos por metro. Inspecionando-se pedaços de fio de 6 metros de comprimentos, determine a probabilidade de ser ter menos de 2 defeitos (nenhum defeito ou 1 defeito). Solução: X = número de ocorrências: X = 0 ou X = 1 λ = taxa média por unidade de tempo = 0,2 defeitos/m t = número de unidades de tempo ou de outra unidade = 6 metros μ = λt = média de ocorrências no intervalo t = 0,2 𝑑𝑒𝑓𝑒𝑖𝑡𝑜𝑠 𝑚𝑒𝑡𝑟𝑜 ∙ 6 𝑚𝑒𝑡𝑟𝑜𝑠 = 1,2 𝑑𝑒𝑓𝑒𝑖𝑡𝑜𝑠 EXEMPLO 3 – DISTRIBUIÇÃO DE POISSON Solução: X = 0 ou X = 1 λ = 0,2 defeitos/m t = 6 metros μ = λt = 1,2 𝑑𝑒𝑓𝑒𝑖𝑡𝑜𝑠 Distribuições de probabilidade Logística / Gestão da Produção Industrial 32 6626,03614,03012,0 1 2,13012,0 1 13012,0 (( )2X(P )2X(P 1! 1,2)e 0! 1,2)e 1)P(X0)P(X 1)P(X0)P(X X! t)(e P(X) 11,2-01,2- Xλt EXERCÍCIOS: LISTA DE DISTRIBUIÇÃO DE POISSON Distribuições de probabilidade Logística / Gestão da Produção Industrial 33 Distribuições de probabilidade Logística / Gestão da Produção Industrial 34 DISTRIBUIÇÃO NORMAL É a mais importante distribuição de probabilidade. Se aplica em inúmeros fenômenos. Importante no desenvolvimento da Estatística: Inferência Estatística. Grande aplicação em: - Economia - Administração - Engenharia É também conhecida como Distribuição de Gauss. É utilizada em controle de qualidade, controle de estoques, amostragem, etc. • Seja X uma variável aleatória contínua. X terá distribuição normal se: 𝑓 𝑥 = 1 𝜎 2𝜋 ∙𝑒 − 1 2 𝑋−𝜇 𝜎 2 , para -∞ < x < ∞ onde: μ = média da distribuição σ = desvio padrão da distribuição π = 3,14 159... e = 2,718... Distribuições de probabilidade Logística / Gestão da Produção Industrial 35 DISTRIBUIÇÃO NORMAL GRÁFICO DA DISTRIBUIÇÃO NORMAL Distribuições de probabilidade Logística / Gestão da Produção Industrial 36 • O gráfico da distribuição normal tem a forma de um sino e é simétrico em relação à média μ. • Fixando-se a média, verifica-se que o “achatamento” está diretamente ligado ao valor de σ: quanto maior o desvio padrão, maior a dispersão e a curva tende a ficar mais chata, isto é, mais longe da média. • f(x) é simétrica em relação à origem x = μ. • f(x) possui um máximo para x = μ. • f(x) tende a zero quando x tende para +∞ ou -∞ (x é assíntota de f(x)). • f(x) tem dois pontos de inflexão cujas abscissas valem μ + σ e μ – σ. Distribuições de probabilidade Logística / Gestão da Produção Industrial 37 PROPRIEDADES DA DISTRIBUIÇÃO NORMAL • Quando a função f(x) que representa a distribuição normal é integrada entre dois limites ela produz uma probabilidade, que é a área sob a curva da função entre x = a e x = b, para a < b. Assim: −∞ +∞ 𝒇 𝒙 𝒅𝒙 = 𝟏 • A área sob a curva normal equivale a 1. Distribuições de probabilidade Logística / Gestão da Produção Industrial 38 DISTRIBUIÇÃO NORMAL e PROBABILIDADE • Seria impossível elaborar uma tabela para cada distribuição normal com todos os valores possíveis da média e da variância. • Podemos achar os resultados para qualquer distribuição normal apelando para uma tabela de distribuição normal com média μ = 0 e variância 𝝈𝟐 = 1. Essa distribuição normal especial é chamada “distribuição normal padronizada”. Distribuições de probabilidade Logística / Gestão da Produção Industrial 39 DISTRIBUIÇÃO NORMAL PADRONIZADA • Há vários tipos de tabelas que oferecem as áreas (probabilidades) sob a curva normal padrão. O tipo mais frequente é a Tabela de Faixa Central. • A Tabela de Faixa Central dá a área sob a curva normal padrão entre z = 0 e qualquer valor positivo de z. • A simetria em torno de z = 0 permite obter a área entre quaisquer valores de z (positivos ou negativos). • A tabela oferece a área entre 0 e z0 ou P(0 ≤ z ≤ z0 ). Distribuições de probabilidade Logística / Gestão da Produção Industrial 40 TABELA DE DISTRIBUIÇÃO NORMAL PADRONIZADA Distribuições de probabilidade Logística / Gestão da Produção Industrial 41 TABELA DE DISTRIBUIÇÃO NORMAL PADRONIZADA Para utilizarmos a tabela, devemos utilizar a seguinte FÓRMULA: 𝑧 = 𝑋− 𝑋 𝜎 onde: X = valor assumido pela variável 𝑋= média σ = desvio padrão EXEMPLO 1 – DISTRIBUIÇÃO NORMAL Sendo , determine as probabilidades: a) P(0 < z < 1,25) b) P(-1,25 < z < 0) c) P(-0,5 < z < 1,48) d) P(0,8 < z < 1,23) e) P(z > 0,6) f) P(z < 0,92) Resp.: a) 0,3944 b) 0,3944 c) 0,4306 + 0,1915 = 0,6221 d) 0,3907 – 0,2881 = 0,1026 d) 0,5 – 0,2257 = 0,2743 f)0,5 + 0,3212 = 0,8212 Distribuições de probabilidade Logística / Gestão da Produção Industrial 42 1 e0X Sendo , determine as probabilidades: a) P(4 < X < 7) b) P(X > 8) Resp.: a) P(4 < X < 7) = 0,2486+0,4082 = 0,6568 b) P(X > 8)= 0,5 – 0,4772 = 0,0228 Distribuições de probabilidade Logística / Gestão da Produção Industrial 43 EXEMPLO 2 – DISTRIBUIÇÃO NORMAL 1,5 e5X Um teste padronizado de escolaridade tem distribuição normal com média 100 e desvio padrão 10. Determine a probabilidade de um indivíduo submetido ao teste ter nota: a) ter nota maior que 120 b) ter nota maior que 80 c) ter nota entre 85 e 115 d) ter nota maior que 100 Resp.: a) P(X>120) = 0,0228 b) P(X>80) = 0,9772 c) P(85<X<115) = 0,8664 d) P(X>100) = 0,5 Distribuições de probabilidade Logística / Gestão da Produção Industrial 44 EXEMPLO 3 – DISTRIBUIÇÃO NORMAL EXERCÍCIOS: LISTA DE DISTRIBUIÇÃO NORMAL Distribuições de probabilidade Logística / Gestão da Produção Industrial 45 REFERÊNCIAS BIBLIOGRÁFICAS • CRESPO, Antônio Arnot. Estatística fácil. São Paulo: Atual, 1990. • FONSECA, Jairo Simon da; MARTINS, Gilberto de Andrade. Curso de estatística. 6 ed. São Paulo: Atlas, 2006. • MORETTIN, Luiz Gonzaga. Estatística básica: probabilidade. 6 ed. São Paulo: Makron Books, 1994. • MONTGOMERY, Douglas C. ; RUNGER, George C. Estatística aplicada e probabilidade para engenheiros. 4 ed. Rio de Janeiro: LTC, 2009. Distribuições de probabilidade Logística / Gestão da Produção Industrial 46 Distribuições de probabilidade Logística / Gestão da Produção Industrial 47
Compartilhar