Escolar Documentos
Profissional Documentos
Cultura Documentos
6.1
Exemplo 6.1a Um crculo dividido em dois setores de mesmo tamanho (180 cada um), aos quais so atribudos os nmeros 1 e 2. Um ponteiro preso ao centro do crculo e girado, conforme mostra a figura ao lado. Seja a varivel aleatria
discreta X = nmero do setor apontado quando o ponteiro pra
de girar. A distribuio de probabilidades de X, considerando
que todos os pontos sejam equiprovveis, pode ser especificada
pela funo de probabilidade da Figura 6.1.
Figura 6.1 Trs formas de apresentao da funo de probabilidade do experimento aleatrio do exemplo 6.1a.
Figura 6.2
Exemplo 6.1c Imagine que o crculo seja dividido em 8, 16 e 32 setores. A Figura 6.3 mostra a funo de probabilidade de X em cada caso.
Figura 6.3 Representaes grficas das funes de probabilidade dos experimentos aleatrios do Exemplo 6.1c.
fcil verificar que medida que aumentamos o nmero de divises no
crculo, o nmero de possveis setores (resultados de uma varivel aleatria discreta) vai aumentando, e a probabilidade de cada resultado ocorrer (representada pela rea de um retngulo) vai sendo reduzida. Teoricamente, o crculo
pode ser dividido em infinitos setores, o que torna invivel a representao tabular ou grfica da distribuio de probabilidades, da forma como fizemos no
Exemplo 6.1. Em termos matemticos, teramos:
6.1.1
Figura 6.4
Note que os eventos associados a uma varivel aleatria contnua so intervalos (ou coleo de
intervalos) dos nmeros reais. Com base na funo
densidade de probabilidade, podemos calcular probabilidades de eventos desse tipo. Por exemplo,
qual a probabilidade do ponteiro parar no intervalo [30, 60]? Tomando a rea do retngulo indicado na figura ao lado, temos:
Observe que a incluso ou excluso dos extremos no altera a probabilidade, pois uma linha tem rea nula. Ou seja, para uma varivel aleatria contnua, a probabilidade de ocorrer um particular valor igual a zero.
6.1.2
(6.2)
Considere a funo densidade de probabilidade do Exemplo 6.3:
Vamos obter a funo de distribuio acumulada. Como a expresso matemtica se altera no ponto zero, devemos considerar os dois seguintes casos:
Cabe observar que possvel obter qualquer probabilidade atravs da funo de distribuio acumulada. Para a < b, temos:
(6.3)
(6.4)
(6.5)
Retomando o Exemplo 6.3, o clculo de P(T > 3) pode ser feito aplicando (6.4):
Dada a funo de distribuio acumulada F, podemos obter a funo densidade de probabilidade f por:
(6.6)
para todo ponto x em que F derivvel.2 Assim, a funo F tambm caracteriza
a distribuio de probabilidades de uma varivel aleatria.
6.1.3
Uma varivel aleatria contnua X, com funo densidade de probabilidade f, tem valor esperado e varincia definidos por:
(6.7)
(6.8)
EXERCCIOS
1.
2.
b)
c)
[20, 24] tem a mesma probabilidade. Como pode ser descrita, grfica e algebricamente, a funo densidade de probabilidade? Sob essa densidade,
calcule:
3.
Calcule:
6.2
6.2.1
Distribuio uniforme
Relembremos o Exemplo 6.2, onde tnhamos um crculo e um ponteiro que era colocado a girar. A varivel
aleatria de interesse era X = ngulo formado entre a posio que o ponteiro pra e a linha horizontal do lado direito.
Sups-se, tambm, no existir regio de preferncia para o
ponteiro parar. Nessas codies, podemos considerar que
todo intervalo de mesma amplitude, contido em [0o, 360),
tem a mesma probabilidade de ocorrncia. um experimento tpico em que a chamada distribuio uniforme apropriada.
Uma varivel aleatria X tem distribuio uniforme de parmetros e ,
sendo > , se sua densidade especificada por:
(6.10)
Em conseqncia, sua distribuio acumulada dada por (ver Figura 6.5):
(6.11)
Figura 6.5
Representao grfica da funo densidade de probabilidade e da funo de distribuio acumulada de uma varivel aleatria com distribuio uniforme em [, ].
(6.12)
(6.13)
6.2.2
Distribuio exponencial
Para chegarmos formulao matemtica da distribuio exponencial, vamos considerar a equivalncia entre os dois seguintes eventos:
Figura 6.7
Em geral, mais fcil partir do complemento de F(t) para calcular as probabilidades, ou seja, para t > 0,
(6.16)
Exemplo 6.3 (continuao) Dada a varivel aleatria T = tempo de
resposta na consulta a um banco de dados por minutos) com funo densidade
de probabilidade
(6.18)
Um exemplo do clculo do valor esperado e da varincia de uma exponencial foi feito na Seo 6.1.3. Observe que podemos obter os mesmos resultados
com (6.17) e (6.18).
EXERCCIOS
6.
7.
b)
c)
Sabendo-se que o transistor j durou 500 horas, calcule a probabilidade de ele durar mais 500 horas.
t)
Essa propriedade conhecida como "falta de memria", pois no importa o que aconteceu no passado (Ts), mas apenas apartirdo momento
em que se inicia a observao, que pode ser considerado como o instante
zero. Nesse contexto, a distribuio exponencial inadequada para representar "tempo de vida" de itens que sofrem efeito de fadiga.
6.2.3
Distribuio normal
Figura 6.10
(6.24)
tem distribuio normal com mdia zero e desvio padro unitrio, ou seja, Z :
N(0,1), que tambm conhecida como distribuio formal padro. Qualquer
rea (probabilidade) sob a densidade de X pode ser avaliada sob a densidade
de Z, conforme ilustra a Figura 6.11. Dessa forma, qualquer problema relativo a
uma distribuio normal pode ser pensado em termos da distribuio normal
padro.
Distribuio de X:
normal com = 170e = 10
Figura 6.11
Distribuio de Z:
normal padro
Transformao do evento {X > 180}, da distribuio normal de parmetros = 170 e = 10, em um evento da distribuio normal
padro: {Z > 1}.
Figura 6.12
Mais formalmente,
(0,42)= P(Z < 0,42) = 1 P(Z> 0,42) = 1 0,3372 = 0,6628
b) P(Z < 0,42). O esquema seguinte mostra esta probabilidade em ter
mos de rea e como podemos usar a simetria da curva para obt-la
na Tabela 3.
Ou seja,
P(Z < - 0,42) = P(Z > 0,41) = 0,3372
c) P ( - 0,42 < Z < 0,42).
Entrando com o valor de rea 0,025 na Tabela 3 do apndice, encontramos o valor de z igual a 1,96. Esse processo ilustrado a seguir.
Exemplo 6.6 Suponha que a absoro de gua (%) em certo tipo de piso cermico tenha distribuio normal com mdia 2,5 e desvio padro 0,6. Selecionando, aleatoriamente, uma unidade desse piso, qual a probabilidade de ele
acusar absoro de gua entre 2% e 3,5%?
x -
x 2,5
0,6
Parax = 2, temos: z =
2 2 5
= 0,83
0,6
3 , 5 2 , 5
e parax = 3,5, temos: z =
=1,67.
0,6
Usando a Tabela 3 do apndice, encontramos
para 2 = 0,83 e z = 1,67 as respectivas reas nas extremidades da curva: 0,2033 e 0,0475 (lembrando
que para valores negativos de z, como - 0,83, procuramos na Tabela 3 seu valor absoluto, 0,83). fcil
observar, pela figura ao lado, que a probabilidade
desejada corresponde ao complemento da soma dessas reas, ou seja:
P(2 <X < 3,5) = P ( - 0,83 < Z < 1,67) = 1 - (0,2033 + 0,0475) =
= 0,7492.
EXERCCIOS
8.
9.
Suponha que o tempo de resposta na execuo de um algoritmo uma varivel aleatria com distribuio normal de mdia 23 segundos e desvio padro de 4 segundos. Calcule:
a)
b)
10. Certo tipo de conserva tem peso lquido (Xx) com mdia de 900 g e desvio padro de 10 g. A embalagem tem peso (X2) com mdia de 100 g e desvio
padro de 4 g. Suponha X1 e X2 independentes e com distribuies norfriais.
a)
b)
6.3
Muitas distribuies de probabilidade aproximam-se da distribuio normal. o caso da binomial quando n grande e da Poisson quando grande.
6.3.1
Figura 6.13
(6.25)
n ( l p) 5
(6.26)
(6.28)
Exemplo 6.7 Historicamente, 10% dos pisos cermicos, que saem de uma linha de produo, tm algum defeito leve. Se a produo diria de 1000 unidades, qual a probabilidade de ocorrer mais de 120 itens defeituosos?
Correo de continuidade
Ao calcularmos probabilidades de eventos oriundos de experimentos binomiais como reas sob uma curva normal, estamos fazendo uma aproximao de
uma varivel aleatria discreta, que s assume valores inteiros, para uma varivel contnua, cujos eventos constituem intervalos de nmeros reais. Nesse contexto, devemos fazer alguns ajustes, como ilustra o exemplo seguinte.
Exemplo 6.8 Seja Y o nmero de caras obtido em dez lanamentos de uma
moeda honesta. Vamos calcular a probabilidade de obter quatro caras usando a
distribuio normal.
Pelas caractersticas do experimento, Y tem distribuio binomial com
n = 1 0 e p = 0,5. Ento, a mdia e o desvio padro so dados por:
np
Figura 6.14
Aproximao da probabilidade do evento {Y = 4} (em termos da distribuio binomial) para a probabilidade do evento {3,5 < X < 4,5}
(em termos da distribuio normal).
O procedimento de subtrair e somar meia unidade para construir um intervalo em torno de valores inteiros conhecido como correo de continuidade.
Esta correo deve ser usada ao aproximar um evento de uma varivel aleatria que s assume valores inteiros para um evento de uma varivel aleatria
contnua.
A Figura 6.15 ilustra as diversas situaes possveis de probabilidade associada a uma varivel aleatria discreta, assumindo valores em {0, 1, 2, ...},
aproximada por probabilidade associada a uma varivel aleatria contnua, a
qual pode assumir qualquer valor real.
Figura 6.15
6.3.2
Correo de continuidade ao aproximar uma varivel aleatria discreta por uma varivel aleatria contnua.
Figura 6.16
EXERCCIOS
11. De um lote de produtos manufaturados, extramos 100 itens ao acaso. Se
10% dos itens do lote so defeituosos, calcular a probabilidade de:
a)
b)
12. Uma empresa de auxlio lista telefnica recebe, em mdia, sete solicitaes por minuto, segundo uma distribuio de Poisson. Qual a probabilidade de ocorrer mais de 80 solicitaes nos prximos 10 minutos?
6.4
Figura 6.17
Podemos, tambm, calcular a mdia (x') e o desvio padro (s) dos dados e
verificar se os intervalos
3(5)
Configurao de cinco pontos com as posies relativas mais verossmeis possveis sob um modelo normal
Figura 6.19
Grfico de probabilidade normal referente a 40 leituras de temperatura de um pasteurizador e o efeito de um valor discrepante.
valor observado
Figura 6.20
EXERCCIOS COMPLEMENTARES
13. O setor de manuteno de uma empresa fez um levantamento das falhas
de um importante equipamento, constatando que h, em mdia, 0,75 falha
por ano e que o tempo entre falhas segue uma distribuio exponencial.
Qual a probabilidade de o equipamento no falhar no prximo ano?
b)
Quantos metros de linha podero ser percorridos para que a probabilidade de aparecimento de algum defeito seja de 10%?
17. Num laticnio, a temperatura do pasteurizador deve ser de 75C. Se a temperatura ficar inferior a 70C, o leite poder ficar com bactrias malficas
ao organismo humano. Observaes do processo mostram que valores da
temperatura seguem uma distribuio normal com mdia 75,4C e desvio
padro 2,2C.
a)
b)
b)
Se a tarefa colocada para execuo 200 vezes. Qual a probabilidade de ela demorar mais do que 325 segundos em pelo menos 50 vezes?
2 1 . Os dados histricos de uma rede de computadores sugerem que as conexes com essa rede, em horrio normal, seguem uma distribuio de Poisson
com mdia de cinco conexes por minuto. Calcule t0, tal que se tenha probabilidade igual a 0,90 de que ocorra pelo menos uma conexo antes do
tempo t0.
2 2 . O padro de qualidade recomenda que os pontos impressos por uma impressora estejam entre 3,7 e 4,3 mm. Uma impressora imprime pontos,
cujo dimetro mdio igual a 4 mm e o desvio padro 0,19 mm. Suponha que o dimetro dos pontos tenha distribuio normal.
a)
b)
Qual deveria ser o desvio padro para que a probabilidade do item (a)
atingisse 95%?
23. Certo tipo de cimento tem resistncia compresso com mdia de 5.800
kg/cm 2 , e desvio padro de 180 kg/cm 2 , segundo uma distribuio normal.
Dada uma amostra desse cimento, calcule as seguintes probabilidades:
a)
b)
c)
d)
se quer a garantia de que haja 95% de probabilidade de o cimento resistir a determinada presso, qual deve ser o valor mximo dessa presso?
24. Uma empresa fabrica dois tipos de monitores de vdeo. suposto que as
durabilidades deles seguem distribuies normais, sendo o monitor Ml
com mdia de 6 anos e desvio padro 2,3 anos; e o monitor M2 com mdia
de 8 anos e desvio padro 2,8 anos. Ml tem 2 anos de garantia e M2 tem 3
anos. A empresa lucra R$ 100,00 a cada Ml vendido e R$ 200,00 a cada
M2 vendido, mas se deixarem de funcionar no perodo de garantia, a empresa perde R$ 300,00 (no caso de M l ) e R$ 800,00 (no caso de M2). Em
mdia, qual o tipo de monitor que gera mais lucro?