Baixe o app para aproveitar ainda mais
Prévia do material em texto
- 1 VARIÁVEIS ALEATÓRIAS - 2 VARIÁVEL ALEATÓRIA • Variável aleatória (VA) é uma variável cujo valor é o resultado numérico de um experimento aleatório. A VA é uma função formada por valores numéricos definidos sobre o espaço amostral de um experimento aleatório: • A cada resultado do experimento aleatório corresponderá apenas um único valor numérico da VA. - 3 VARIÁVEL ALEATÓRIA • Variável aleatória Discreta. • Os valores se referem a contagens (N o Inteiros) • Variável aleatória Contínua. • Os valores pertencem ao conjunto dos números reais ( Variável X ε R); - 4 Variável Aleatória CC KC CK KK X: número de Caras (C) 0 1 2 X = 0 KK X = 1 KC CK X = 2 CC P(X = 0) = P(KK) P(X = 1) = P(KC CK) P(X = 2) = P(CC) Resultados Não Numéricos Experimento: jogar 2 moedas ( onde C = cara e K = coroa) Valores de X Ω Espaço Amostral - 6 Distribuição de Probabilidade DISCRETA • Distribuição Binomial • Distribuição de Poisson - 7 PREMISSAS DA DISTR. BINOMIAL Premissas básicas para a Distribuição Binomial : • experimento repetido “n” vezes ( provas ), nas mesmas condições. • As provas repetidas devem ser independentes, isto é, um resultado não afeta os demais. • Só dois resultados: sucesso ou fracasso. • No decorrer do experimento, a probabilidade p de sucesso e a probabilidade q (q = 1-p ) de fracasso serão constantes e complementares. - 8 Média e Variância da DISTR. BINOMIAL • MÉDIA : μ = np • VARIÂNCIA : σ 2 = npq - 9 Probabilidade de uma DISTR. BINOMIAL • P(X = k) é a probabilidade de que o evento se realize k vezes em n provas; • p é a probabilidade de que o evento se realize em uma só prova (probabilidade de sucesso); • q é a probabilidade de que o evento não se realize no decurso dessa prova (probabilidade de fracasso); • O coeficiente binomial é igual a : n,k n! C = k!(n -k)! k n kn ,k f ( X ) P( X k ) C p q - 10 Exemplo 1 (Dist. Binomial ) Solução: O problema cumpre as 4 premissas ? • experimento repetido, nas mesmas condições, n= 10 lançamentos • As provas independentes. Cada moeda lançada não afeta os outros resultados. • Dois resultados complementares: sucesso e fracasso. ( cara; coroa ) • No decorrer do experimento, as probabilidades p de sucesso e q (q=1-p) de fracasso serão constantes, p(cara)=p=1/2, p(coroa)=q=1/2, p+q=1. Uma moeda é lançada 10 vezes. Qual a probabilidade de conseguir 3 caras ao longo das 10 vezes? - 11 Exemplo 1 (Dist. Binomial ) Solução: Obtendo os parâmetros; • Número de tentativas n=10 • Número de sucessos desejado k=3 • Probabilidade de sucesso em 1 tentativa p=1/2 • Probabilidade de fracasso em 1 tentativa q=1/2 • Usando estes parâmetros na fórmula da Distribuição binomial • temos: k n kn ,k f ( X ) P( X k ) C p q - 12 Exemplo 1 (Dist. Binomial ) Solução: Se X é a variável aleatória que representa "o número de caras" então: P(X=3) = C 10,3 . (0,5) 3 . (0,5)(10 – 3) P(X=3) = 10! . (0,5)3 . (0,5)7 3! (10-3)! P(X=3) = 120 . 0,125 . 0,0078125 = P(X=3) = 0,1171875 ou 11,7% - 13 Exemplo 2 (Dist. Binomial ) Solução: O problema cumpre as 4 premissas ? • n = 6 • As provas (duplicatas) são independentes. • Dois resultados: sucesso(pago em dia) e fracasso. • No decorrer do levantamento, as probabilidades p de sucesso e q (q=1-p) de fracasso serão constantes e complementares, p=70%, q=30%, p+q=100%. Em uma carteira de clientes de um determinado banco, a probabilidade de uma duplicata ser paga em dia é 70%. Para um levantamento com 6 duplicatas de clientes diferentes, qual a probabilidade de todas serem pagas com atraso? - 14 Exemplo 2 (Dist. Binomial ) Solução: Obtendo os parâmetros; • Número de tentativas n=6 • Número de sucessos desejado k=0 • Probabilidade de sucesso em 1 tentativa p=70%= 0,7 • Probabilidade de fracasso em 1 tentativa q=30%= 0,3 • Usando estes parâmetros na fórmula da Distribuição binomial • temos: k n kn ,k f ( X ) P( X k ) C p q - 15 Exemplo 2 (Dist. Binomial ) Solução: Se X é a variável aleatória que representa "o número de duplicatas pagas em dia" então: P(X=0) = C 6,0 . (0,7) 0 . (0,3)(6 – 0) P(X=0) = 6! . (0,7)0 . (0,3)6 0! (6-0)! P(X=3) = 1 . 1 . 0,000729 = P(X=3) = 0,00729 ou 0,73% - 16 DISTRIBUIÇÃO DE POISSON É empregada para descrever a probabilidade de ocorrências em um intervalo contínuo de tempo, comprimento ou espaço(área) • Num. Clientes que chegam em uma loja no intervalo de uma hora. • Quantidade de defeitos por metro quadrado em um processo de pintura. • Num. de buracos por quilômetro em uma rodovia. • Quantidade de acidentes registrados na central da Polícia Rodoviária por dia. - 17 DISTRIBUIÇÃO DE POISSON Premissas para a Distribuição de Poisson : • A probabilidade de uma ocorrência é a mesma em todo o campo de observação. • A probabilidade de mais de uma ocorrência em um único ponto é aproximadamente zero. • O número de ocorrências em qualquer intervalo é independente do número de ocorrências em outros intervalos. - 18 Probabilidade de uma DISTR. POISSON P(X=k) = e-λ . t ( λ . t ) k . ou K! P(X=k) = e-μ ( μ ) k . μ = λ.t K! • e é uma constante igual = 2,71828182846 (No de Neper); • λ é o número médio de ocorrências em um determinado intervalo; • t é o intervalo de tempo/comprimento/espaço contínuo de observações que se está analisando; • K é o número de ocorrências no intervalo desejado - 19 Exemplo 1 (Dist. Poisson ) Solução: O problema cumpre as 3 premissas. • A probabilidade de uma ocorrência é a mesma em todo o campo de observação. • A probabilidade de mais de uma ocorrência em um único ponto é aproximadamente zero. • O número de ocorrências em qualquer intervalo é independente do número de ocorrências em outros intervalos. Um SAC de uma grande rede de supermercado recebe chamadas telefônicas a uma razão de 4 chamadas por hora. Qual a probabilidade de receber 3 chamadas em um intervalo de meia hora? - 20 Exemplo 1 (Dist. Poisson ) Solução: Obtendo os parâmetros: • λ = 4 → é o número médio de chamadas/hora; • t = 0,5 hora → é o intervalo de tempo em análise; • K = 3 → é o no de ocorrências no intervalo em análise; P(X=3) = e- 4 . 0,5 ( 4 . 0,5 ) 3 . 3! Um SAC de uma grande rede de supermercado recebe chamadas telefônicas a uma razão de 4 chamadas por hora. Qual a probabilidade de receber 3 chamadas em um intervalo de meia hora? - 21 Exemplo 1 (Dist. Poisson ) Solução: • λ = 4 → é o número médio de chamadas/hora; • t = 0,5 hora → é o intervalo de tempo em análise; • K = 3 → é o no de ocorrências no intervalo em análise; P(X=3) = e- 4 . 0,5 ( 4 . 0,5 ) 3 . = e- 2 (2) 3 3! 6 P(X=3) = e- 2 (2) 3 = 0,135335 . 8 = 1,082682 6 6 6 P(X=3) = 0,1804 = 18,04% - 22 Exemplo 2 (Dist. Poisson ) Observa-se defeitos nos fios fabricados para tear com uma média de 0,2 defeitos/metro (Considereque o processo de fabricação aproxima-se a uma Dist. Poisson). Ao inspecionar pedaços de fios com 6m de comprimento, qual a probabilidade se obter zero defeito nessa amostra? Solução: • λ = 0,2 → é o número médio de defeitos/metro; • t = 6m → é o intervalo de comprimento em análise; • K = 0 → é o no de ocorrências no intervalo em análise; P(X=0) = e- 0,2 . 6 ( 0,2 . 6 ) 0 . = e- 1,2 (1,2) 0 0! 1 P(X=0) = 0,301194 . 1 = 30,12% - 23 Função do Excel DISTRBINOM (núm_s; tentativas; prob_s; cumulativo) • A função estatística DISTRBINOM retorna a probabilidade simples ou acumulada do número de tentativas bem-sucedidas núm_s, conforme o valor do argumento cumulativo. • Se o argumento cumulativo for FALSO, a função retornará a probabilidade do número exato de sucessos núm_s • Se o argumento cumulativo for VERDADEIRO, a função retornará a probabilidade acumulada desde o valor 0 até o valor núm_s informado. - 24 Exemplo 2 (resolução com excel) Solução: Se X é a variável aleatória que representa "o número de caras" então: - 25 Exemplo 3 • Um vendedor de seguros vende apólices a cinco homens, todos de mesma idade e de boa saúde. De acordo com as tabelas atuariais, a probabilidade de um homem dessa idade estar vivo daqui a 30 anos é de 2/3. determinar a probabilidade de estarem vivos neste prazo: a) Os cinco homens vivam mais 30 anos; b) No máximo um homem viva mais 30 anos; c) pelo menos um homem viva mais 30 anos; - 26 Exemplo 3 (Dist. Binomial serve?) • Experimento deve ser repetido um número finito de vezes (5 tentativas). • As provas repetidas devem ser independentes (cada homem independe das demais). • Em cada prova deve aparecer um dos dois possíveis resultados complementares: sucesso e insucesso (estar vivo ou morto) • No decorrer do experimento, a probabilidade p de sucesso e a probabilidade do insucesso serão mantidas constantes (p+q=1) ou seja (2/3+1/3=1). - 27 a) Os cinco homens • n=5 • k=5 • p = 2/3 = 0,667 - 28 b) No máximo 1 homem • n=5 k 1 p=2/3 q= 1-2/3=1/3, logo: • P(x 1 ) = P(x=0) + P(x=1) , • então P(x=0) = ? • então P(x=1) = ? • Assim, • P(x 1 ) = P(x=0) + P(x=1)=0,0041+0,0412 = 0,0453 - 29 c) Pelo menos 1 homem • n=5 k 1 p=2/3 q= 1-2/3=1/3, logo devemos calcular as probabilidades de: • P(x 1) = P(x=1) + P(x=2) + P(x=3) + P(x=4) + P(x=5), • porém sabendo da propriedade das probabilidades complementares P(A)+P(A)=1 , isto é: • Assim, ao invés de calcular 5 distribuições, podemos calcular apenas uma Binomial ( P(x=0) ) queremos sabeacumulado r P(x = 0) P(x = + P(x = 1) + P(x = 2) + + P(x = 5) 1 P(x = 1) + P(x = 2) + + P(x = 5) 1 - 0) bnncvc - 30 c) pelo menos 1 homem • n=5 • k 1 • p=2/3 • logo P(x=0)=? • P(x 1 )= 1 – P(x=0) = 1- 0,0041 =0,9959 portanto, - 31 Exercícios 1) Em um grupo de 4 crianças, qual a probabilidade de encontrar uma criança com mais de 6 anos de idade, sabendo que neste estudo a probabilidade de se ter uma criança com mais de 6 anos é de 80% ? Resp.: P(x=1)= 2,56% (n=4, p=0.8, q=0.2 e x=1) 2) Para o exercício anterior qual a probabilidade de nenhuma criança no grupo ter mais de seis anos ? Resp.: P(x=0)= 0,16% (n=4, p=0.8, q=0.2 e x=0) 3) Em uma rede de lanchonete verifica-se 88% dos pedidos sendo preenchidos corretamente. Diante desse estudo, em uma amostra de 3 pedidos, qual a probabilidade dos três estarem corretamente preenchidos? Resp.: P(x=3)= 68,15% (n=3, p=0.88, q=0.12 e x=3) 4) Para o exercício anterior qual a probabilidade de pelo menos 2 pedidos serem corretamente preenchidos ? Resp.: P(x ≥ 2) = P(x=2) + P(x=3) = 27,88% + 68,15% = 96,03% - 32 Exercícios 5) Sabendo-se que um serviço de Internet apresenta uma média de 8 falhas/mês, qual a probabilidade deste serviço apresentar 5 falhas em um mês? Resp.: P(x=5)= 9,16% ( λ =8, t = 1, x=5) 6) Para o exercício anterior qual a probabilidade deste serviço apresentar nenhuma falha em um mês ? Resp.: P(x=5)= 0,03% ( λ =8, t = 1, x=0) 7) No Banco Banorte verificou-se em um determinado Caixa Eletrônico, uma média de 3 falhas/semana. Para um período de 140 dias, qual a probabilidade deste Caixa Eletrônico apresentar 35 falhas? Resp.: P(x=35)= 0,01% ( λ =3 fal/sem, t = 140 dias, x=35) 8) No Banorte verificou-se uma média de 3 clientes/minuto na última hora de funcionamento. Neste horário, qual a probabilidade em determinado minuto, chegarem exatamente 2 clientes? Resp.: P(x=2)= 22,40% ( λ =3, t = 1, x=2) - 33 Resolva os exercícios !! - 34 Fim da Aula !!
Compartilhar