Em muitas situações nos deparamos com a situação em que o número de ensaios é grande () e é pequeno (), no cálculo da função binomial, o que nos leva a algumas dificuldades, pois, como podemos analisar, para muito grande e pequeno, fica relativamente difícil calcularmos a probabilidade de sucessos a partir do modelo binomial, isto é, utilizando a função de probabilidade
Observamos que podemos reescrever a expressão acima da seguinte forma
e, tomando , segue que
Se tomarmos o limite quando , obtemos que
e
para e .
Assim temos que
Tal expressão é devida a Poisson e é muito utilizada para calcular probabilidades de ocorrências de defeitos "raros" em sistemas e componentes.
Uma variável aleatória discreta segue a distribuição de Poisson com parâmetro , , se sua função de probabilidade for dada por
Utilizamos a notação ou . O parâmetro indica a taxa de ocorrência por unidade medida.
Considere um processo que têm uma taxa de defeitos por unidade. Qual a probabilidade de uma unidade qualquer apresentar:
a) dois defeitos?
b) um defeito?
c) zero defeito?
Neste caso, temos que com . Então
a) ;
b. ;
c. .
Suponha que uma aplicação de tinta em um automóvel é feita de forma mecânica, e pode produzir defeitos de fabricação, como bolhas ou áreas mal pintadas, de acordo com uma variável aleatória que segue uma distribuição de Poisson de parâmetro . Suponha que sorteamos um carro ao acaso para que sua pintura seja inspecionada, qual a probabilidade de encontrarmos, pelo menos, defeito? E qual a probabilidade de encontrarmos de a defeitos?
A probabilidade de encontrarmos pelo menos um defeito é dada por:
Já a probabilidade de encontrarmos entre 2 e 4 defeitos é de
Suponha que 10% das crianças de um determinado bairro do Rio de Janeiro prefiram sorvete de baunilha ao de chocolate. Qual a probabilidade de que, se entrevistarmos crianças deste bairro, exatamente duas prefiram soverte de baunilha?
Podemos resolver este problema de duas maneiras. A primeira é a partir da utilização da distribuição binomial com parâmetros e . A segunda, através da distribuição de Poisson de parâmetro que, embora não seja tão exata quanto a binomial, é bem mais simples de ser calculada. Calculemos primeiramente pela distribuição binomial.
Já pelo método de Poisson temos
Embora pelo método de Poisson tenhamos um erro associado a aproximação da distribuição binomial (que é a distribuição exata), este erro, em muitos casos, não chega a ser significativo.
Suponhamos que em uma indústria farmacêutica 0,001% de um determinado medicamento sai da linha de produção somente com o excipiente, ou seja, sem nenhum princípio ativo. Qual a probabilidade de que em uma amostra de 4 mil medicamentos mais de 2 deles esteja somente com o excipiente.
Vamos calcular esta probabilidade usando a aproximação de poisson, pois além de ser uma aproximação muito boa neste caso é bem mais fácil de ser calculada.
Para usarmos a distribuição de Poisson primeiramente devemos encontrar o , o qual é dado por . Assim
Assim a probabilidade de que existam mais de 2 medicamentos com apenas o excipiente é de 0,078%.
Seja uma variável aleatória discreta com distribuição de Poisson, com parâmetro , ou seja, . Então sua função geradora de momentos é dada por:
O valor esperado de , que frequentemente é chamado de taxa de defeitos, é dado por:
Outra forma de calcularmos o valor esperando é utilizando a função geradora de momentos, pois . Desta forma temos que:
e então,
Da mesma forma como feito para a esperança vamos usar a função gerradora de momentos para calcular a a variância, pois temos que . Assim
e então,
de onde segue que
Em muitas situações nos deparamos com a situação em que o número de ensaios é grande () e é pequeno (), no cálculo da função binomial, o que nos leva a algumas dificuldades, pois, como podemos analisar, para muito grande e pequeno, fica relativamente difícil calcularmos a probabilidade de sucessos a partir do modelo binomial, isto é, utilizando a função de probabilidade
Observamos que podemos reescrever a expressão acima da seguinte forma
e, tomando , segue que
Se tomarmos o limite quando , obtemos que
e
para e .
Assim temos que
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar