Escolar Documentos
Profissional Documentos
Cultura Documentos
6 de agosto de 2008
Considere um experimento E e seu espao amostral = {a1 , a2 , . . . , an }. Varivel aleatria qualquer funo que associa a cada elemento do espao amostral um valor nmerico.
As variveis aleatrias (v.a.) podem ser classicadas em: discretas (se assumir valores num conjunto enumeravel com certa probabilidade) contnua (se seu conjunto de valores qualquer intervalo dos nmeros reais, o que seria um conjunto no enumervel).
Uma distribuio de probabilidade de uma varivel aleatria uma relao dos distintos valores
xi
de
juntamente com as
= xi ) = p (xi ) = pi , i = 1, 2, . . .
ou ainda
X P X x1 p1 x2 p2 x3 p3
= xi )
... ...
Para que uma funo P (X = xi ) = p (xi ) seja uma distribuio de probabilide, necessrio que: 1. 2. 3.
P X
( (
= xi ) 0 e (
P X
= xi ) 1
P X P X
= xi ) = 1
= x ) = p (x )
Exemplo: No lanamento de duas moedas, a varivel aleatria X anota o nmero de caras obitdas. Os valores de X e a funo de probabilidade associada so: = (C , C ); (C , K ); (K , C ); (K , K ), onde C coroa e K cara. Evento
X CC CK KC KK
1 0 1/4
2 1 2/4 2 1/4
Valores de X Probabilidade P (X = x )
Exerccio: No lanamento de dois dados, a varivel aleatria S anota a soma das faces superiores do dado. Determine os valores de S e a funo de probabilidade associada.
( ) = P (X = x )
Para calcularmos probabilidades associadas a uma varivel aleatria temos basicamente de saber calcular as probabilidades dos eventos:
P X
= x) e
P X
x)
Outras probabilidades calculam-se como combinaes dessas duas. Assim, no exemplo acima:
P X
9) = 1 P (X 8)
(6 X 8) = P (X 8) P (X < 6) = P (X 8) P (X 5)
Um valor esperado simplesmente uma mdia dos possveis resultados pesados de acordo com a sua probabilidade de ocorrncia, isto :
E X
( ) = =
x1 P X
= x1 ) + x2 P (X = x2 ) + . . . + xn P (X = xn ) ( = xi )
xi P X
i =1
Exerccio: Um comerciante espera vender um automvel at sexta-feira. A expectativa de que venda na segunda-feira de 50%. Na tera-feira de 30%, na quarta-feira de 10%, na quinta-feira e na sexta-feira de 5%. Seu lucro de 3.000 u.m. se vender na segunda-feira diminui 40% a cada dia. Calcule o valor esperado de lucro deste negociante nesta venda.
L P L
( = l)
3.000 0,50
1.800 0,30
1080 0,10
648 0,05
388,80 0,05
Se de R$ 20,00 o lucro por unidade vendida, qual o lucro esperado nas vendas de uma semana?
Varincia
A varincia da varivel aleatria
X
denida por:
2 = Var (X ) = E [(X )2 ] = E (X 2 ) 2
1. 2. 3. 4.
Var X
( )>0 ( a) = Var (X ) )=
2 b Var (X ) 2 b Var (X )
Var X
Var bX Var a
( bX ) =
1. 2. 3. 4.
Dp X Dp X
( )>0 a) = Dp (X ) ) = |b|Dp (X )
Dp bX Dp a
( bX ) = |b|Dp (X )
1. 2. 3. 4.
Os possveis valores que a varivel aleatria X pode assumir; A funo de probabilidade associada varivel aleatria X ; O valor esperado da varivel aleatria X ; A varincia e o desvio-padro da varivel aleatria X .
Se uma varivel aleatria X s pode assumir os valores 0 e 1 com ( = 0) = q e P (X = 1) = p com p + q = 1, ento diremos que a varivel aleatria X admite distribuio de Bernoulli.
P X
Discrio do modelo
1. 2. 3. 4.
= {0 , 1 } P (X = 0) = q e P (X = 1) = p ; E (X ) = p ; Var (X ) = p q e Dp (X ) = p q
X
= x ) = p x q 1x
onde
= 1 p.
Exemplo: No lanamento de uma moeda, a varivel aleatria anota o nmero de caras obtidas. 1. 2. 3. 4.
X
P X E X
= 1) = 1/2;
Dp X
Var X
1/4 = 1/2.
Exerccio: Uma urna contm 15 bolas brancas e 25 bolas vermelhas. Uma bola retirada da urna e a varivel aleatria B anota o nmero de bolas brancas obtidas. Calcule a mdia e o desvio-padro de B.
Ditribuio Binomial
Caracterstica do modelo
Esta distribuio de probabilidade utilizada na descrio de situaes, nas quais tem-se n repeties independentes, sendo que em cada repetio apresenta apenas dois resultados possveis, que podem ser denotados como "sucesso"ou "fracaso". Alm disso, assume-se que a probabilidade de "sucesso"a cada nova repetio do experimento constante e igual a p e que deseja-se contar quantos "sucessos"teve-se em n tentativas.
Discrio do modelo
1. 2. 3. 4.
= {0, 1, 2, , n}; n k nk P (X = k ) = , k = 0, 1, 2 , n e k p q
Dp X
n k
n! k !(nk )!
( ) = n p; Var (X ) = n p q e
E X
( )=
pq
Exemplo: Uma empresa produz 10% de peas defeituosas. As peas so embaladas em caixas que contm 12 peas. Calcule a probabilidade de um cliente comprar uma caixa contendo: a) nenhuma pea defeituosa; b) uma pea defeituosa. Temos 1. X - nmero de peas defeituosas na caixa. X = {0, 1, 2, , 12}; 2. P (defeituosa) = 0, 10 = p , P (no defeituosa) = 0, 90 = q ; 3. P (X = k ) = 12 0, 10k 0, 9012k . k Resposta a):
P X
= 0) =
Resposta b)
P X
= 1) =
Distribuio de Poisson
uma distribuio de probabilidade discreta que se aplica a ocorrncia de eventos ao longo de intervalos especicados. A varivel aleatria o nmero de ocorrncia do evento no intervalo. Os intervalos pode ser de tempo, distncia, rea, volume ou alguma unidade similar. Uma varivel aleatria 1. 2. 3. 4.
X P X E X X
= {0, 1, 2, }; ( = k) = ( ) = ; ( ) = .
e k k! , k
Var X
Uma distribuio de Poisson difere de uma distribuio binomial nestes aspectos fundamentais: 1. A distribuio binomial afetada pelo tamanho da amostra n e pela probabilidade p , enquanto que a distribuio de Poisson afetada apenas pela mdia ; 2. Na distribuio binomial, os valores possveis da varivel aleatria X so 0, 1, 2, , n, mas a distribuio de Poisson tem os valores de X de 0, 1, 2, , sem qualquer limite superior.
Obs: O parmetro ocorrncia.
Exemplo: Suponha que o nmero de carros que chegam a uma la do guich de um pedgio tem distribuio de Poisson a uma taxa de trs carros por minuto, calcule a probabilidade de que cheguem cinco carros em um minuto.