Baixe o app para aproveitar ainda mais
Prévia do material em texto
20/03/2019 1 Variáveis Aleatórias Discretas Variável Aleatória • Uma Variável Aleatória pode ser entendida como uma variável quantitativa, cujo resultado depende de fatores aleatórios. Ou • É uma função que confere um número real a cada resultado do espaço amostral de um experimento aleatório. ▫ Uma variável aleatória é denotada por uma letra maiúscula, tal como X ▫ Um valor medido (ou contado) da variável aleatória é denotado por uma letra minúscula, tal como x=5. Variável Aleatória Exemplo: ▫ Peso médio de estudantes do ICTE ▫ X=70kg x=(76, 89, 54, 45, 48, 90) ▫ Numero médio de peças defeituosas de um lote de produção ▫ X=5 pças x=(4, 2, 6, 1) • Formalmente, uma variável aleatória é uma função que associa elementos do espaço amostral ao conjunto de números reais. X = número de coroas obtido no lançamento de 2 moedas Ω = {(cara, cara), (cara, coroa), {coroa, cara), (coroa, coroa) 0 1 2 x • Verifique que: ▫ P(X=0) = 1/4 ▫ P(X=1) = 2/4= 1/2 ▫ P(X=2) = 1/4 • É possível ter mais de uma VA associada ao mesmo experimento • Y pode ser uma VA descrevendo a distância no chão entre as duas moedas. Espaço amostral 20/03/2019 2 Variável Aleatória variável aleatória contínua os possíveis resultados abrangem todo um intervalo de números reais discreta os possíveis resultados estão contidos em um conjunto finito ou enumerável 0 1 2 3 4 ... número de defeitos em ... Ex. 0 Ex. tempo de falha de ... Variável Aleatória Discreta (VAD) • Tem um número finito ou contável de possíveis resultados que podem ser listados Exemplos: X = Número de vendas que um vendedor faz em um dia x 1 530 2 4 Variável Aleatória Contínuas: corrente elétrica; comprimento; pressão; temperatura. Exemplos de Variáveis Aleatórias Discretas: número de arranhões em uma superfície; proporção de parte defeituosas em 1000 resultados; número de bits transmitidos e recebidos com erro. Distribuição de Probabilidade • Exemplo: Observa-se o sexo das crianças em famílias com 3 filhos. O espaço amostral é: • Usando o Principio Fundamental da contagem: nr=23 • Ω={(MMM),(MMF),(MFM),(MFF),(FFM),(FMF),(FFM),(FFF)} • Uma variável aleatória de interesse é o sexo masculino: X={número de crianças do sexo masculino}. Evento MMM MMF MFM FMM MFF FMF FFM FFF X 3 2 2 2 1 1 1 0 X 0 1 2 3 P(X=x) 1/8 3/8 3/8 1/8 Distribuição de probabilidade 20/03/2019 3 Distribuição de Probabilidade A distribuição de probabilidade de uma variável aleatória X é uma descrição das probabilidades associadas com os valores possíveis de X. Função de Probabilidade: f(x) • Associada a uma variável aleatória discreta (VAD), temos a função de probabilidade (ou massa de probabilidade) • Uma função que fornece probabilidades para os valores na faixa de uma variável aleatória discreta 2 3 x 3/8 1/8 10 f(x) X = número obtido no lançamento de um dado comum x f(x) 1 2 3 4 5 6 área total = 1 1/6 x p(x) 1 2 3 4 5 6 Função de Probabilidade: f(x) É uma função que associa a cada possível valor de X a sua probabilidade. �(��) = � � = �� Satisfazendo as propriedades: � �� = �(� = ��) ≥ 0 �� �� � ��� = � � = �� = 1 Função de Probabilidade: f(x) - - Propriedades da função de probabilidade Não existe prob. negativa 20/03/2019 4 Exercício 1 Exercício 1 Função de Distribuição Acumulada: F(x) A função de distribuição acumulada (ou cumulativa) F(x) de uma VAD define a probabilidade do experimento resultar em um valor de X menor ou igual a x. xxXPxXPxF i xxi ),()()( x até x Para uma VAD, F(x) satifaz três propriedades: xx i i xfxXPxF )()()( 1)(0 xF Se � ≤ �, então �(�) ≤ �(�) Função de Distribuição Acumulada: F(x) - - - 20/03/2019 5 Exemplo: Se X é o número obtido no lançamento de um dado comum 6 se1 6 5 se 6 5 5 4 se 6 4 4 3 se 6 3 3 2 se 6 2 2 1 se 6 1 1 se0 )( x x x x x x x xF x F(x) 1 2 3 4 5 6 Função de Distribuição Acumulada: F(x) Em um processo de fabricação de semicondutores, duas pastilhas de um lote são testadas. Cada pastilha é classificada como passa ou falha. Suponha que a probabilidade de uma pastilha passar no teste seja 0,8 e que as pastilhas sejam independentes. a) Qual é a probabilidade de que as 2 pastilhas passem no teste? b) Qual é a probabilidade de que a primeira pastilha passar e a segunda falhar? c) Mostre que se trata de uma função de probabilidade. Sl12 Ex18 d) Determine as funções de distribuição acumulada, para x = 0, 1, 2. Exercício 2 Parâmetros de Posição e de Dispersão de uma V.A A média ou valor esperado de uma variável aleatória discreta X: x xfxXE A média é uma medida de centro ou meio da distribuição de probabilidade. A caracterização de uma V.A é feita por meio da média da variância e do desvio padrão Variância e Desvio-Padrão A variância de X, denotada por ��(sigma) ou V(�), é: xx xfxxfxXEXV 22 222 )( s A variância é uma medida de dispersão ou variabilidade na distribuição que indicam a regularidade de um conjunto de dados em função da média aritmética 22 )]([)()( XEXEXVar Onde: � �� =���. �(�) 20/03/2019 6 Variância e Desvio-Padrão O desvio-padrão de X, denotada por σ (sigma), é: 2ss É mais representativo do que a variância, quando comparamos dispersões. Vantagem: é expresso na mesma unidade de medida da variável. Exercício 3 Suponha que a variável x abaixo represente o número de falhas/dia de um determinado equipamento. X 0 1 2 3 4 5 p(x) 0,7 0,2 0,05 0,03 0,01 0,01 a) Verifique se x é uma função de probabilidade; Sl12 Ex22 b) Qual a probabilidade de se obter: no máximo 1 defeito; exatamente 2 defeitos; c) Representar graficamente função de probabilidade; d) Determinar a média e o desvio padrão; e) Montar a função de distribuição acumulada; f) Representar graficamente a função acumulada; Exercício Proposto O número de mensagens enviadas por hora, por meio de uma rede de computadores, tem a seguinte distribuição: X 10 11 12 13 14 15 p(x) 0,08 0,15 0,30 0,20 0,20 0,07 Determine a média e o desvio-padrão do número de mensagens enviadas por hora μ xf (x) * , * , * , * , * , * , , 10 0 08 11 0 15 12 0 30 13 0 20 14 0 20 15 0 07 12 5 σ xf (x) μ * , * , * , * , * , * , , , 2 2 2 2 2 2 2 2 210 0 08 11 0 15 12 0 30 13 0 20 14 0 20 15 0 07 12 5 1 85 σ σ , , 2 1 85 1 36 2 Principais Distribuições de Probabilidade Discretas Uniforme Binomial Geométrica Binomial Negativa (Pascal) Hipergeométrica Poisson 20/03/2019 7 Distribuição Discreta Uniforme Uma variável aleatória X tem uma distribuição discreta uniforme se cada um dos k valores em sua faixa, isto é, ��, ��, … , �� , tiver igual probabilidade. Assim, a função probabilidade é dada por: kpara x ,x ...xP(x) k para outros valores de x 1 2 1 0 Onde k é o numero de ocorrência de x Distribuição Discreta Uniforme Deste modo, a média, a variância e o desvio padrão são: � = � � = � � ΣxMédia �� = 1 � Σ��− Σx � � Variância � = ��Desvio Padrão Exercício 5 Suponha que a VA x seja definida como numero de pontos marcados na face superior de um dado não viciado. a) Montar a distribuição de probabilidade; b) Representar graficamente essa distribuição; c) Calcular a media e o desvio padrão; d) Montar a distribuição acumulada F(x); e) Representar graficamente F(x). Distribuição Binomial 20/03/2019 8 Distribuição Binomial Características: É a MAIS IMPORTANTE de todas as distribuições de VA discreta. Apropriada as situações onde se tem sucesso ou fracasso. Distribuição Binomial Condições de Aplicação: • O experimento é repetido para um número fixo de tentativas. Cada tentativa é independente das outras. • Há apenas dois resultados possíveis de interesse para cada tentativa. Os resultados podem ser classificados como sucesso (s) ou fracasso (f); • A probabilidade de um sucessoP(s) é a mesma para cada tentativa • A variável aleatória X conta o número de tentativas bem-sucedidas. Distribuição Binomial Símbolo Descrição n Número de vezes que uma tentativa é repetida p = P(s) Probabilidade de sucesso em uma única tentativa q = P(f) Probabilidade de fracasso em uma única tentativa (q = 1 – p) X A variável aleatória representa a contagem do número de sucessos em n tentativas: x = 0, 1, 2, 3, … , n. Distribuição Binomial Seja a variável aleatória X, o número de tentativas que resultam em sucesso, com parâmetros 0 < � < 1 e n=0,1, 2, ...., função de probabilidade é: �(� = ��) = � � �� � ���� = �! �! � − � ! �� � (� − �)��� 20/03/2019 9 Exemplo Cirurgias de microfraturas no joelho têm 75% de chance de sucesso em pacientes com problemas degenerativos no joelho. A cirurgia é realizada em três pacientes. Encontre a probabilidade da cirurgia ser bem-sucedida em exatamente dois pacientes. Exercício 6 Em seu percurso matinal diário, um determinado sinal de trânsito demorado está verde 20% das vezes em que você se aproxima dele. Suponha que cada manhã represente uma tentativa independente. a) Em cinco manhãs, qual é a probabilidade de que o sinal esteja verde exatamente um dia? b) Em 20 manhãs, qual é a probabilidade de que o sinal esteja verde em mais de 4 dias? Distribuição Binomial • Se X for uma variável aleatória binomial com parâmetros p, q e n, a média e a variância são: � = � � = �� �� = ��� = ��(� − �) Teorema de Chebyshev – Regra Prática A variável X tem � dados com média �� e desvio-padrão ��. • �� ± 1 X ��. Em uma distribuição simétrica com forma de sino, a porcentagem dos dados contidos no intervalo de um desvio padrão ao redor da média é de 68%. • �� ± 2 X ��. Em uma distribuição simétrica com forma de sino, a porcentagem dos dados contidos no intervalo de dois desvios padrão ao redor da média é de 95%. • �� ± 3 X ��. Para todas as distribuições, a porcentagem de dados contidos no intervalo de três desvios padrão ao redor da média será próximo de 99,9%. 20/03/2019 10 Exercício 8 Em Pitsburgo, Pensilvânia, cerca de 56% dos dias em um ano são nublados obtendo uma distribuição simétrica em forma de sino. Encontre a média, variância e desvio padrão para o número de dias nublados durante o mês de junho. Interprete os resultados de acordo com o Teorema de Chebyshev. Distribuição Geométrica Uma distribuição de probabilidade discreta satisfaz as seguintes condições: • Tentativas independentes são repetidas até que um sucesso ocorra • A probabilidade de sucesso p é constante para cada tentativa • A variável aleatória X o número de tentativas até que o primeiro sucesso ocorra • A probabilidade de que o primeiro sucesso ocorra na tentativa x, com x=1,2,..., sendo � = 1 − �, é: �(� = ��) = � � � ��� Exemplo Por experiência, você sabe que a probabilidade de que você faça uma venda em um telefonema qualquer é de 0,23. Encontre a probabilidade de que sua primeira venda em um dia qualquer ocorra na quarta ou quinta ligação. Distribuição Geométrica Se X for uma variável aleatória geométrica com parâmetro p, a média e a variância são: � = � � = � � �� = � � = � − � �� 20/03/2019 11 Exercício 9 Suponha que cada uma das suas chamadas para uma estação popular de rádio tenha uma probabilidade de 0,02 de se completar; ou seja, de não obter um sinal de ocupado. Considere que suas chamadas sejam independentes. a) Qual é a probabilidade de que sua primeira chamada a se completar seja sua décima tentativa? b) Qual é a probabilidade de se necessitar mais de cinco chamadas para que a ligação se complete? c) Qual é o número médio necessário de chamadas para que a ligação se complete? Distribuição Binomial Negativa (Pascal) • A probabilidade de sucesso p e de falha q (1-p) permanecem constante em todas as repetições • As repetições são independentes, ou seja, o resultado de uma repetição não é influenciado por outros resultados • O experimento é repetido até que se obtenha r sucesso • A variável aleatória X representa o número de repetições até que r sucessos ocorram. Distribuição Binomial Negativa Seja a variável aleatória X, o número de tentativas até que r sucessos ocorram, com parâmetros 0 < � < 1 e n=1, 2, ...., função de probabilidade é: �(� = ��) = � − � � − � (� − �)���� �� em que � = �, � + 1, � + 2,… Distribuição Binomial Negativa Se X for uma variável aleatória binomial negativa com parâmetro p, a média e a variância são: � = � � = � � �� = � � = � � − � �� 20/03/2019 12 Exercício 10 Um site da internet contém três servidores idênticos. Somente um deles é usado para operar o site, os outros dois são sobressalentes que podem ser ativados no caso do sistema principal falhar. A probabilidade de uma falha no computador principal é de 0,0005. (a) Supondo que cada solicitação represente uma tentativa independente, qual será o número médio de solicitações até a falha de todos os três servidores? (b) Qual é a probabilidade de todos os três servidores falharem em até cinco solicitações? Distribuição Hipergeométrica • Considere o problema básico de inspeção por amostragem, em que observamos uma retirada de n itens de um lote com N itens, sendo r defeituosos. Avaliamos o número X de itens defeituosos na amostra. A variável aleatória X aparenta ser binomial, mas só é realmente binomial se: • A seleção da amostra é aleatória (para garantir a mesma probabilidade p de sair item defeituoso em todos os ensaios); • Com reposição (para garantir independência entre ensaios). Distribuição Hipergeométrica A segunda condição não costuma ser satisfeita na prática. Se a amostragem for aleatória, mas sem reposição, a distribuição de X é conhecida como hipergeométrica de parâmetros N, n e r. Distribuição Hipergeométrica r: objetos classificados como sucessos N: total de objetos do lote n: quantidade de objetos selecionados para amostra X: número de sucessos na amostra �(� = ��) = � � � � − � � − � � � 20/03/2019 13 Distribuição Hipergeométrica Se X for uma variável aleatória hipergeométrica � = � � = �� �� = � � = �� � − � �− � �− � � = � � sendo Fator de correção para população finita Se a amostragem fosse com reposição, então X seguiria uma distribuição binomial. Exercício 11 Uma batelada de peças contém 100 peças de um fornecedor local de tubos e 200 peças de um fornecedor de tubos de um estado vizinho. Quatro peças são selecionadas ao acaso. (a) Qual será a probabilidade de que elas sejam todas provenientes do fornecedor local? (b) Qual é a probabilidade de duas ou mais peças na amostra serem provenientes do fornecedor local? (c) Qual é a probabilidade de no mínimo uma peça na amostra ser proveniente do fornecedor local? (d) Calcule e interprete E(X) e VAR(X). Simeon Denis Poisson (1781-1840) lim( ) n Binomial Poisson Distribuição de Poisson Sendo n o numero de vezes que uma tentativa é repetida • A distribuição de Poisson é adequada para descrever situações onde existe uma probabilidade de ocorrência em um campo ou intervalo contínuo, geralmente tempo ou área. • Por exemplo, o no de acidentes por mês, no de defeitos por metro quadrado, no de clientes atendidos por hora. • Nota-se que a variável aleatória é discreta (número de ocorrência), no entanto a unidade de medida é contínua (tempo, área). Distribuição de Poisson 20/03/2019 14 • A distribuição de Poissson fica completamente caracterizada por um único parâmetro (lambda) que representa a taxa média de ocorrência por unidade de medida. • A equação para calcular a probabilidade de x ocorrências é dada por: • Para a soma das Probabilidades : Distribuição de Poisson �(� = ��) = ��� � �� �! � = �,�, �,… λ xe .λ f ( x ) x ! 0 Distribuição de Poisson � = � � = s² = � � = • A Média (esperança) e a variância da distribuição de Poisson são: OBS: A média e a variância de uma variável aleatória de Poison sãoiguais. Por exemplo uma contagem de partículas segue a distribuição de Poisson com média 25 e variância de 25 e o desvio padrão seria 5. Assim a informação da variabilidade seria muito facilmente obtida. Contrariamente, se a variância do dados de contagem for muito maior que a media dos mesmo dados, então a Distribuição de Poisson não será um bom modelo para distribuição de variável aleatória. O número de defeitos de pintura segue uma distribuição de Poisson com λ = 2. Então, a probabilidade que uma peça apresente mais de 4 defeitos de pintura virá dada por: 24 0 2 1 ( 4) 1 1 0,945 0,055 5,5% ! x x e P X x Exemplo Exercício 12 Contaminação é um problema na fabricação de discos ópticos de armazenagem. O número de partículas de contaminação que ocorrem em um disco óptico tem uma distribuição de Poisson, e o número médio de partículas por cm2 de superfície do disco é 0,1. A área do disco sob estudo é igual a 100 cm2. Encontre: (a) A probabilidade de 12 partículas de contaminação ocorrerem na área de um disco sob estudo. (b) A probabilidade de nenhuma partícula de contaminação ocorrer na área do disco sob estudo. (c) A probabilidade de 12 ou menos partículas ocorrerem na área do disco (trabalho).
Compartilhar