Cap 5 - Variáveis Aleatórias Discretas

BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica.
Atlas, 2004
Estatstica para Cursos de Engenharia e
Estatstica para Cursos de Engenharia e
Informtica
Informtica
Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia
So Paulo: Atlas, 2004
Cap. 5
Cap. 5
Variveis aleatrias
Variveis aleatrias
discretas
discretas
APOIO:
Fundao de Apoio Pesquisa Cientfica e Tecnolgica do Estado de Santa Catarina
(FAPESC)
Departamento de Informtica e Estatstica UFSC (INE/CTC/UFSC)
BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica. Atlas, 2004
Varivel aleatria
Varivel aleatria
Uma varivel aleatria pode ser entendida como uma
varivel quantitativa, cujo resultado (valor) depende de
fatores aleatrios.
Exemplos:
nmero de coroas obtido no lanamento de 2 moedas;
nmero de itens defeituosos em uma amostra retirada,
aleatoriamente, de um lote;
nmero de defeitos em um azulejo que sai da linha de produo;
nmero de pessoas que visitam um determinado site, num certo
perodo de tempo;
Varivel aleatria
Varivel aleatria
Uma varivel aleatria pode ser entendida como uma
varivel quantitativa, cujo resultado (valor) depende de
fatores aleatrios.
Exemplos:
volume de gua perdido por dia, num sistema de abastecimento;
resistncia ao desgaste de um certo tipo de ao, num teste
padro;
tempo de resposta de um sistema computacional;
grau de empeno em um azulejo que sai da linha de produo.
Varivel aleatria
Varivel aleatria
Formalmente, uma varivel aleatria uma funo
que associa elementos do espao amostral ao conjunto
de nmeros reais.
X= nmero de coroas obtido no lanamento de 2 moedas
0 1 2
x
={(cara, cara), (cara, coroa), {coroa, cara), (coroa, coroa)}
X:
Varivel aleatria
Varivel aleatria
varivel
aleatria
discreta
os possveis resultados esto
contidos em um conjunto
finito ou enumervel
contnua
os possveis resultados
abrangem todo um intervalo
de nmeros reais
0
1 2 3 4 ... 0
nmero de defeitos em ...
Ex.
Ex.
tempo de resposta de ...
Varivel aleatria discreta: funo de
probabilidade
probabilidade
) ( ) (
i i
x X P x p = =
0 ) (
i
x p
satisfazendo:
=
i
i
x p 1 ) (
probabilidade
probabilidade
X= nmero obtido no lanamento de um dado comum.
x
p(x)
1 2 3 4 5 6
1
/
6
x
f(x)
1 2 3 4 5 6
rea total =1
1
/
6
Varivel aleatria discreta: Funo de
distribuio acumulada
= x x X P x F ), ( ) (
x
at x
<
<
<
<
<
<
=
6 se 1
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 se 0
) (
x
x
x
x
x
x
x
x F
x
F(x)
1 2 3 4 5 6

1
0
X= nmero obtido no lanamento de um dado comum.
Varivel aleatria discreta: Valor esperado
Varivel aleatria discreta: Valor esperado
=
= =
k
j
j j
p x X E
1
) (
1 Total
p
1
p
2
p
3
...
p
k
x
1
x
2
x
3
...
x
k
Probabi-
lidades
Valores
possveis
Varivel aleatria discreta: Varincia
Varivel aleatria discreta: Varincia
1 Total
p
1
p
2
p
3
...
p
k
x
1
x
2
x
3
...
x
k
Probabi-
lidades
Valores
possveis

=
= =
k
j
j j
p x X V
1
2 2
) ( ) (
2 2
) ( ) ( = X E X V
=
=
k
j
j j
p x X E
1
2 2
) (
) ( ) ( X Var X DP = =
ou:
onde:
Desvio padro:
Propriedades do valor esperado e varincia
a)V(c) = 0
b)V(X + c) = V(X)
c) V(cX) = c
2
V(X)
d)DP(cX) = |c|DP(X)
a)E(c) = c
b)E(X + c) = E(X) + c
c) E(cX) = cE(X)
d)E(X + Y) = E(X) + E(Y)
e) E(X Y) = E(X) E(Y)
Distribuio de Y = X + c
Distribuio de Z = cX
x
p(x)
Distribuio de X
E(X)
z
p(z)
cE(X)
y
p(y)
E(X) + c
Variveis aleatrias independentes
Variveis aleatrias independentes
X1, X2, ..., Xn podem ser consideradas variveis
aleatrias independentes se o conhecimento de uma
no altera as distribuies de probabilidades das demais.
Vale para variveis aleatrias independentes:
V(X + Y) = V(X) + V(Y)
V(X Y) = V(X) + V(Y)
Modelos discretos
Modelos discretos
Distribuio de Bernoulli de
parmetro p (0 < p < 1)
1 Total
1 p
p
0
1
p(x) x
E(X) = p
V(X) = p.(1 p)
<
<
=
1 se
1 0 se
0 se
1
1
0
) (
x
x
x
p - x F
Modelos discretos
Modelos discretos
Distribuio Binomial
X = X
1
+ X
2
+ ... + X
n
onde X
1
, X
2
, ..., X
n
so variveis aleatrias independentes,
sendo cada uma delas com distribuio de Bernoulli de
parmetro p constante (0 < p < 1).
Ou seja,
Modelos discretos
Modelos discretos
Distribuio Binomial
X = nmero de sucessos em n ensaios
ensaios independentes e
com P{sucesso} = p,
constante para todo ensaio (0 < p < 1).
Modelos discretos
Modelos discretos
Distribuio Binomial, n = 4:
SSFF
SFSF
SFFF SFFS SSSF
FSFF FSSF SSFS
FFSF FSFS SFSS
FFFF FFFS FFSS FSSS SSSS
Valores de X: 0 1 2 3 4
Probab.: (1-p)
4
4p(1-p)
3
6p
2
(1-p)
2
4p
3
(1-p) p
4
Modelos discretos
Modelos discretos
Distribuio Binomial
( )
x n x
p . p .
x
n
x p

= 1 ) (
(x = 0, 1, ..., n)
( ) ! !
!
x x n
n
=
x
n
E(X) = n.p V(X) = n.p.(1 p)

Modelos discretos
Modelos discretos
Distribuio Binomial
p(x)
x
E(X) =2,5
0
0,1
0,2
0,3
0,4
0 1 2 3 4 5
binomial com n = 5 e p = 0,25 binomial com n = 5 e p = 0,5
x
p(x)
E(X) =1,25
0
0,1
0,2
0,3
0,4
0 1 2 3 4 5
Modelos discretos
Modelos discretos
Ex. 5.2 - Binomial n = 10 e p = 0,7
Qual a probabilidade da maioria tambm
acessar a p24?
P(X > 5) =
= p(6) + p(7) + p(8) + p(9) + + p(10)
= 0,8497
n x 0,70
10 0 0,0000
1 0,0001
2 0,0014
3 0,0090
4 0,0368
5 0,1029
6 0,2001
7 0,2668
8 0,2335
9 0,1211
10 0,0282
Tabela da binomial
X > 5
Modelos discretos
Modelos discretos
Distribuio Hipergeomtrica
Lote comN itens:
r defeituosos
N r bons
Amostra comn itens
Amostragem aleatria
comreposio
Amostragem aleatria
semreposio
Distribuio
binomial
Distribuio
hipergeomtrica
Amostra com n itens
Modelos discretos
Modelos discretos
Distribuio Hipergeomtrica
=
n
N
x n
r N
x
r
x p ) (
[x = 0, 1, ..., min(r, n)]
E(X) = n.p
V(X) = n.p.(1 p).
1
N
n N
(p = r N)
Modelos discretos
Modelos discretos
Distribuio de Poisson
Na prtica, muitas situaes nas quais interessa o nmero de
observaes de uma varivel em um intervalo contnuo
(tempo ou espao) podem ser convenientemente explicadas
pela distribuio de Poisson. Exemplos:
chamadas telefnicas por minuto,
mensagens que chegam a um servidor por segundo
acidentes por dia,
defeitos por m2, etc..
Modelos discretos
Modelos discretos
Distribuio de Poisson. Suposies:
Os nmeros de ocorrncias em quaisquer intervalos so
independentes.
A probabilidade de duas ou mais ocorrncias simultneas zero.
O nmero mdio de ocorrncias () constante em todo o intervalo
considerado.
Modelos discretos
Modelos discretos
Distribuio de Poisson. Uma justificativa:
X = nm. de ocorrncias em [t, t+1]
t t+1
n intervalos de amplitude 1/n, com n a
p= probab. de ocorrncia em cada intervalo
x n x
p p
x
n
x X P

= ) 1 ( ) (
n a
p a0
n pa >0
!
) (
x
e
x X P
x

=
(x = 1, 2, ...)
Modelos discretos
Modelos discretos
!
) (
x
e
x p
x

=
x = 0, 1, 2, ...
E(X) = V(X) =
Modelos discretos
Modelos discretos
0 2 4 6 8 10
X
0
0.2
0.4
0.6
0.8
P
r
o
b
a
b
i
l
i
d
a
d
e
= 0,4
Modelos discretos
Modelos discretos
P
r
o
b
a
b
i
l
i
d
a
d
e
= 2
0 2 4 6 8 10
X
0
0.05
0.1
0.15
0.2
0.25
0.3

Cap 5 - Variáveis Aleatórias Discretas

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap 5 - Variáveis Aleatórias Discretas

Enviado por

Direitos autorais:

Formatos disponíveis

BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica.

E(X) = n.p V(X) = n.p.(1 p)

Você também pode gostar