discretas Distribuic oes

Departamento de Matematica Escola Superior de Tecnologia de Viseu

Introduc ao
Exemplo 1
a concorrer para 2 vagas de uma empresa Suponha que esta a Rosa e o Inacio. com mais 3 colegas seus: o Joao, De quantas maneiras diferentes pode ser feita a selecc ao? 6 possibilidades: Ha Eu e o Joao; Eu e a Rosa; Eu e o Inacio; e a Rosa; O Joao e o Inacio; O Joao A Rosa e o Inacio.

 de Combinac Denic ao oes

Denic ao
de r objectos escolhidos entre n (r n), O no de combinac oes de n objectos r a r e: i.e., o numero de combinac oes Crn = n r = n! . r !(n r )!

Relembre: n! = n (n 1) ... 1; 0! = 1. dado Retomando o exemplo anterior, o no de possibilidades e o de 4 elementos 2 a 2: pelo n de combinac oes
4 C2 =

4 2

4! =6 2!2!

Exemplo 2
No totoloto, uma aposta simples corresponde a escolher 6 dos 49 numeros existentes. Quantas apostas simples distintas se podem fazer? Resposta:
49 C6 =

49 6

49! = 13983816 6!43!

Prova de Bernoulli

Prova de Bernoulli
Uma experiencia aleatoria que tem apenas dois resultados poss veis: S = Sucesso uma prova de Bernoulli, onde e p = P (S ) e q = 1 p = P (F ) F = Fracasso

de Bernoulli Distribuic ao
Seja X a v.a. que assume dois valores: o valor 1 quando o sucesso e o valor 0 quando o resultado da prova de Bernoulli e fracasso. Entao a func de probabilidade de X e resultado e ao dada por: x 0 1 fX (x ) 1 p p ou por fX (x ) = px (1 p)1x , x = 0, 1; 0, c.c.

Denic ao
de probabilidade assim denida Uma v.a. discreta com func ao de Bernoulli de parametro diz-se que tem distribuic ao p (0 p 1)

E (X ) = p Var (X ) = p(1 p) = pq

 Binomial Distribuic ao

Considere-se a experiencia aleatoria caracterizada pelo seguinte: realizam-se n provas de Bernoulli em identicas condic oes; cada prova tem apenas dois resultados poss veis:sucessoou fracasso; independentes umas das outras, isto e, o as provas sao inuencia os resultados das resultado de cada prova nao restantes; as probabilidades de sucesso, p, e de fracasso, q = 1 p, mantem-se inalteradas de prova para prova.

Binomial Distribuic ao
Denic ao
Seja X o no de sucessos obtidos em n provas de Bernoulli. X tem distribuic Binomial de parametros Entao ao n e p e a sua de probabilidade e dada por: func ao n px (1 p)nx , x = 0, 1, 2, ..., n; x fX (x ) = 0, c.c. Abreviadamente escreve-se: X B (n, p).

E (X ) = np Var (X ) = np(1 p) = npq

 Binomial Distribuic ao

Exemplo 3
O Lu s joga o seguinte jogo: escolhe, ao acaso, um numero de 1 a 6 e em seguida lanc a 3 vezes um dado equilibrado com as faces numeradas de 1 a 6. Se o numero escolhido pelo Lu s sai x vezes (num total de 3 lanc amentos) ele ganha x Euros. Em contrapartida, se o numero escolhido pelo Lu s nunca ele perde 5 Euros. Determine o ganho medio ocorre entao do Lu s ao jogar este jogo. Pretende-se calcular o valor esperado da v.a. Y Ganho do Lu s

Exemplo 3 - cont.
a v.a. Considere-se tambem
X no de vezes que ocorre o no escolhido pelo Lu s, em 3 lanc amentos

uma prova de Bernoulli onde o sucesso e: Cada lanc amento e s S sai o no escolhido pelo Lu e a probabilidade de sucesso p = P (S ) = 1/6 Entao, X B (3, 1/6)

Exemplo 3 - cont.
vamos calcular a probabilidade de, em 3 lanc Para ja amentos s ocorrer 2 vezes, i.e., do dado, o no escolhido pelo Lu P (X = 2). Sejam
Si ocorre o no escolhido pelo Lu s no i esimo lanc amento ocorre o no escolhido pelo Lu Fi nao s no i esimo lanc amento

De quantas maneiras pode ocorrer o acontecimento {X = 2}? i.e., num total de 3 lanc amentos, de quantas maneiras se pode o s? obter 2 vezes o n escolhido pelo Lu S1 S2 F3 SSF 3 S1 F2 S3 SFS =3 2 F1 S2 S3 FSS P (X = 2) = P (SSF ) + P (SFS ) + P (FSS ). Entao,

Exemplo 3 - cont.
independentes, tem-se Uma vez que os lanc amentos sao
P (SSF ) = P (S1 S2 F3 ) = P (S1 )P (S2 )P (F3 ) = p (1p) =
2 1

1 6 1 6 1 6

5 6 5 6 5 6

P (SFS ) = P (S1 F2 S3 ) = P (S1 )P (F2 )P (S3 ) = p (1p) =

2 1

P (FSS ) = P (F1 S2 S3 ) = P (F1 )P (S2 )P (S3 ) = p (1p) =

2 1

Logo,
1 P (X = 2) = P (SSF )+P (SFS )+P (FSS ) = 3p (1p) = 3 6
2 1 2

5 6

3 o no de maneiras diferentes de se obterem e 2 a 2 sucessos em 3 provas de Bernoulli e p2 (1 p) e probabilidade que corresponde a cada uma delas. onde, 3 =

Exemplo 3 - cont.
de probabilidade da v.a. Y . Determinemos agora a func ao
P (Y = 5) = P (X = 0) = P (Y = 1) = P (X = 1) = P (Y = 2) = P (X = 2) = P (Y = 3) = P (X = 3) = x fY (x ) 5 0.5787 3 0 3 1 3 2 3 3 1 6 1 6 1 6 1 6
0

5 6 5 6 5 6 5 6

= 0.5787
2

= 0.3472
1

= 0.0694
0

= 0.0046

1 0.3472

2 0.0694

3 0.0046

E (Y ) = 5 0.5787 + 1 0.3472 + 2 0.0694 + 3 0.0046 = 2.3937

Hipergeometrica Distribuic ao
Exemplo 4
Numa empresa com 25 funcionarios, dos quais 10 sao homens, pretende-se seleccionar 6 para frequentar uma acc ao prossional no estrangeiro. Determine a de formac ao probabilidade desse grupo ser constitu do equitativamente por homens e mulheres. Consideremos o acontecimento S Sucesso de um homem para frequentar a acc de formac selecc ao ao ao e a v.a. X no de homens seleccionados para a amostra de tamanho n .

Exemplo 4 - cont.

de tamanho M = 25, onde k = 10 e o Temos uma populac ao no de sucessos, de onde extra mos uma amostra de tamanho n = 6, sem reposic ao. as extracc nao sao Por serem feitas sem reposic ao oes nao podem ser consideradas independentes, i.e, as extracc oes provas de Bernoulli independentes. a distribuic de X nao e binomial. Entao ao a func de probabilidade de X . Determinemos entao ao

Exemplo 4-cont.
A probabilidade do grupo ser constitu do equitativamente por dada por P (X = 3): homens e mulheres e 10 3 25 6 15 3

fX (3) = P (X = 3) =

= 0.3083

Mais geralmente, 10 x 25 6 15 6x k x M k nx M n

fX (x ) = P (X = x ) =

Exemplo 4-cont.
No calculo de P (X = x ) temos: 25 M denominador = = no de resultados 6 n poss veis, i.e., no de maneiras diferentes de seleccionar n = 6 funcionarios em M = 25; 10 15 10 M k numerador = = x 6x x nx onde no de resultados favoraveis,
10 k o no de maneiras diferentes de = e x x seleccionar x homens entre k = 10 15 M k o no de maneiras diferentes de = e 6x nx seleccionar n x = 6 x mulheres entre M k = 15.

Hipergeometrica: de probabilidade Distribuic ao func ao

Generalizando: de tamanho M , onde k e o numero uma populac ao de sucessos; uma amostra de tamanho n retirada sem reposic ao; a variavel aleatoria X que representa o numero de sucessos na amostra de tamanho n. Entao,

0 @

k x

fX (x ) =

10 1 A@ M k A x 0 n1 , M @ A
n

x=max{0,n-(M-k),...,min(n,k)}; outros valores.

0,

Escreve-se abreviadamente X H (M , k , n).

 Hipergeometrica: Distribuic ao valor Esperado e variancia

k E(X)=n M

k M k M n Var(X)=n M M M 1

de Poisson Distribuic ao
de Poisson e usada para tratar fenomenos A distribuic ao aleatorios que envolvem a contagem de ocorrencias num dado intervalo, geralmente de tempo ou de espac o.

Exemplos
no de chamadas telefonicas recebidas por uma empresa numa hora; existentes num metro de tecido de uma pec no de nos a acabada de fabricar; no de clientes que entra numa loja de conveniencia no per odo de almoc o; no de acidentes que ocorrem na A25 numa semana; no de peixes doentes num metro quadrado de area de uma ba a polu da.

 de Poisson Distribuic ao
Nem todos os fenomenos de contagem de ocorrencias podem ser de Poisson. No convenientemente modelados usando a distribuic ao entanto, se:

independente do o numero de ocorrencias em determinado intervalo e coincidente com numero de ocorrencias noutro intervalo qualquer, nao o primeiro; a probabilidade de haver x ocorrencias num intervalo de amplitude t , o considerando depende exclusivamente do n x e da amplitude t . Isto e, iguais as dois intervalos distintos mas com a mesma amplitude, sao probabilidades de se registarem x ocorrencias em cada um; a probabilidade de mais de uma ocorrencia num intervalo aproximadamente igual zero, portanto sucientemente pequeno e desprezavel; a probabilidade de haver exactamente uma ocorrencia num intervalo aproximadamente proporcional ao tamanho sucientemente pequeno e do intervalo

o numero entao, de ocorrencias num intervalo qualquer de amplitude uma variavel de Poisson t, e aleatoria X com distribuic ao

de Poisson Distribuic ao
de Poisson de parametro a Se X tem distribuic ao entao de probabilidade de X e dada por func ao fX (x ) = 0,
e x x! ,

x=0,1,2,...; outros valores.

Escreve-se abreviadamente X Po() sao iguais ao A media e a variancia desta distribuic ao parametro : E (X ) = e Var (X ) = .

 de Poisson Distribuic ao

Sendo num intervalo de amplitude t . X no de ocorrencias de Poisson e se e o numero Se X tem distribuic ao medio de = t e o numero ocorrencias por unidade, entao medio de ocorrencias num intervalo de amplitude t . Assim, e x et (t )x fX (x ) = = , x = 0, 1, 2, 3, ... x! x!

de Poisson Distribuic ao

Exerc cio (exerc. 11 da cha no 4)

a ` media Suponhamos que os clientes entram num armazem de de 60 por hora. Usando adequadamente a distribuic ao Poisson: a) determine a probabilidade de que num intervalo de 5 entre ninguem no armazem. minutos nao b) o intervalo de tempo tal que a probabilidade de que nao no armazem durante o dito intervalo seja entre ninguem de 0.5.
Sol: a)0.0067; b) Intervalo de aproximadamente 0.7 minutos.