Baixe o app para aproveitar ainda mais
Prévia do material em texto
Processos Estocásticos Catiúscia Borges cborges@unicarioca.edu.br É a função que associa cada elemento do espaço amostral (𝑆) de um experimento aleatório, um número real, ou seja, 𝑓: 𝑆 → ℜ. As variáveis aleatórias podem ser classificadas como discretas ou contínuas. Tema 04 -Distribuição de Probabilidades - Valor Esperado - Distribuição Binomial Variável Aleatória Discreta (VAD): é aquela em que todos os possíveis valores da variável, podem ser listados numa tabela, com as probabilidades correspondentes. Variável Aleatória Continua (VAC): é aquela em que não podem ser listados todos os possíveis valores fracionários da variável, e assim, as probabilidades determinadas por uma função matemática, são retratadas, por uma função densidade ou por uma curva de probabilidade. Variáveis Aleatórias A Distribuição de probabilidade de uma variável aleatória discreta X é a função P(X = x) que determina a probabilidade de X assumir o valor x. Para uma variável aleatória contínua é a função que determina a probabilidade de X assumir valores em um determinado intervalo. Distribuição de Probabilidades Discreta A distribuição de probabilidade discreta pode ser interpretada pela transformação das frequências relativas em probabilidades, como no exemplo a seguir: Distribuição de Probabilidades: Na tabela abaixo está registrado o número de caminhonetes solicitados em uma agencia de aluguel de carros, durante um período de 50 dias. Demanda possível(X) (caminhonetes) Numero de dias Probabilidade P(X) 3 3 3/50 = 0,06 4 7 7/50 = 0,14 5 12 12/50 = 0,24 6 14 14/50 = 0,28 7 10 10/50 = 0,20 8 4 4/50 = 0,08 50 50/50 = 1 Baseado nela, calcular: a)a probabilidade de serem solicitados exatamente 7 caminhonetes em um dia escolhido aleatoriamente; b)a probabilidade de serem solicitados seis ou mais caminhonetes Assim teremos: a) P(X=7) = 10/50 = 0,20 b) P(X ≥ 6) = P(X=6) + P(X=7) + P(X=8) = =14/50 + 10/50 + 4/50 = 0,28 + 0,20 + 0,08 = 0,56 Baseado nela, calcular: a)a probabilidade de serem solicitados exatamente 7 caminhonetes em um dia escolhido aleatoriamente; b)a probabilidade de serem solicitados seis ou mais caminhonetes Assim teremos: a) P(X=7) = 10/50 = 0,20 b) P(X ≥ 6) = P(X=6) + P(X=7) + P(X=8) = =14/50 + 10/50 + 4/50 = 0,28 + 0,20 + 0,08 = 0,56 Considere uma distribuição de probabilidade discreta. Então o valor esperado dessa variável é definido por: 𝐸 𝑋 = 𝑥𝑖 . 𝑝(𝑥𝑖) Valor Esperado Suponha um jogo de tabuleiro onde o pião deve andar o número correspondente a face superior de um dado honesto, no entanto, se o dado for igual a 6 o pião deve ficar no lugar. Determine o número de casas que um indivíduo deve esperar andar em uma jogada qualquer, considerando a probabilidade de ocorrência de cada face. Valor Esperado Resultados 1 2 3 4 5 6 X 1 2 3 4 5 0 P(Xo) (probabilidade de ocorrência de cada face) 1/6 1/6 1/6 1/6 1/6 1/6 𝐸 𝑥 = 1 . 1 6 + 2. 1 6 + 3. 1 6 + 4. 1 6 + 5. 1 6 + 0. 1 6 = 1 6 + 2 6 + 3 6 + 4 6 + 5 6 + 0 6 = 15 6 = 2,5 Valor Esperado Resultados 1 2 3 4 5 6 X 1 2 3 4 5 0 P(Xo) (probabilidade de ocorrência de cada face) 1/6 1/6 1/6 1/6 1/6 1/6 Processo de Bernoulli: Uma sequência de testes resulta em um processo de amostragem de BERNOULLI, sempre que forem obedecidas as seguintes regras: Em cada tentativa existirem somente dois resultados possíveis, mutuamente exclusivos, chamados SUCESSO E FRACASSO. As séries de tentativas e/ou observações, são constituídas de eventos independentes. O processo é estacionário, isto é, a probabilidade de sucesso, indicado por “p” , permanece constante de tentativa para tentativa. A probabilidade de falha, indicada apor “q” , é (1-p), pois p + q = 1. Distribuição Binomial Exemplo: Suponhamos um experimento de 10 lançamentos de uma moeda, onde queremos observar como sucesso o efeito “cara”. Observe que: 1º) Em cada lançamento há somente dois resultados possíveis: sucesso (cara) ou falha (coroa). 2º) As séries de tentativas são independentes. 3º) O processo é estacionário, ou seja, a probabilidade de sucesso p (cara) é sempre igual a 1 / 2. Distribuição Binomial É uma das distribuições discretas de probabilidade, mais comuns em estatística. É aplicável sempre que o processo de amostragem for do tipo BERNOULLI. A probabilidade de se obter exatamente “k” sucessos em “n” repetições, é denominada por : 𝐵 𝑛, 𝑘, 𝑝 = 𝑛 𝑘 𝑝𝑘𝑞𝑛−𝑘 , onde k é o número de sucessos, n é o número de tentativas e/ou observações, e p é a probabilidade de sucesso em cada tentativa; 𝑛 𝑘 é o coeficiente binomial dado por 𝑛 𝑘 = 𝐶𝑘 𝑛 = 𝑛! 𝑘! . 𝑛−𝑘 ! . 𝑃 𝑋 = 𝑘 = 𝑛! 𝑘! . 𝑛 − 𝑘 ! .𝑝𝑘𝑞𝑛−𝑘 k = número de sucessos n = número de tentativas, isto é, “n” repetições p = probabilidade de sucesso em uma tentativa q = probabilidade de fracasso em uma tentativa Nota: q = 1 - p Exemplos: 1) Em uma maternidade estão programados o nascimento de 8 crianças. Determine a probabilidade de que 6 dessas crianças sejam meninas. Há duas maneiras de utilizarmos o coeficiente binominal para resolvermos esta questão: 1ª) S = “nascimento de 8 crianças” 𝑛 𝑆 = 28 = 256 A = “6 meninas” 𝑛 𝐴 = 𝐶6 8 = 8! 6! . 8−6 ! = 8.7.6! 6!.2! = 8.7 2 = 28 Assim pela definição de probabilidade: 𝑃 𝐴 = 28 256 ≅ 0,1094 ⇒ 10,94% Exemplos: 1) Em uma maternidade estão programados o nascimento de 8 crianças. Determine a probabilidade de que 6 dessas crianças sejam meninas. Há duas maneiras de utilizarmos o coeficiente binominal para resolvermos esta questão: 1ª) S = “nascimento de 8 crianças” 𝑛 𝑆 = 28 = 256 A = “6 meninas” 𝑛 𝐴 = 𝐶6 8 = 8! 6! . 8−6 ! = 8.7.6! 6!.2! = 8.7 2 = 28 Assim pela definição de probabilidade: 𝑃 𝐴 = 28 256 ≅ 0,1094 ⇒ 10,94% Propriedades: Média - Medida de tendência central µ = 𝑛 . 𝑝 Variância - Medida de dispersão 𝜎2 = 𝑛 . 𝑝 . 𝑞 Desvio Padrão - Medida de dispersão 𝜎 = 𝑛 . 𝑝 . 𝑞
Compartilhar