CURSO: MATEM

ATICA - BACHARELADO
DISCIPLINA: ESTAT

ISTICA
PROF
a
.: TATIANE
IME - UFG
Aula 02: 13/08/2009
Denicoes
Experimento aleatorio:

E aquele que, mesmo repetido varias vezes sob
condicoes semelhantes, apresentam resultados imprevisveis.
Espaco amostral ():

E o conjunto de todos os possveis resultados de
um experimento aleatorio ().
Os elementos desse conjunto podem ser numericos ou nao.
Exemplos:
1
Escolher um aluno da turma e registrar sua altura (ou peso,
idade) conjunto numerico variavel quantitativa;
2
Escolher um aluno da turma e registrar o sexo (ou local de
nascimento) conjunto nao numerico variavel
qualitativa;
3
Time de futebol preferido do aluno conjunto nao
numerico.
Denicoes
Variavel aleatoria: Seja um experimento e o espaco amostral
associado ao experimento. Uma funcao X que associe a cada elemento
um n umero real x = X() e denominado variavel aleatoria.
A variavel aleatoria e uma funcao cujo domnio e o conjunto e o
contradomnio o conjunto de todos os valores possveis de X, os
X(), com .
Exemplos:
1) X: n umero de caras obtidas no lancamento de uma moeda duas
vezes.
= {cc, ck, kc, kk}, c = cara e k = coroa.
Assim,
x = 0 nenhuma cara (kk);
x = 1 uma cara (ck ou kc);
x = 2 duas caras (cc).
Exemplos
2) X: n umero de clientes que entram em um supermercado entre 10h
e 12h.
= {0, 1, 2, . . .}.
Assim,
x = 0 nenhum cliente entra no supermercado entre 10h e 12h;
x = 1 um cliente entra no supermercado entre 10h e 12h;
x = 2 dois clientes entram no supermercado entre 10h e 12h.
Denicao e exemplos
Denicao: Seja X uma variavel aleatoria. Se o n umero de valores
possveis de X for nito ou innito numeravel, denominaremos X de
variavel aleatoria discreta. Ou seja, os valores possveis de X podem ser
colocados em uma lista como x
1
, x
2
, . . ..
Exemplos:
a) X: n umero de caras obtidas no lancamento de uma
moeda duas vezes;
b) X: n umero de clientes que entram em um supermercado
entre 10h e 12h;
c) X: n umero de bolas vermelhas obtidas em duas extracoes
de uma certa urna;
d) X: n umero de acoes negociadas na Bolsa de Valores de
Sao Paulo;
e) X: n umero de defeitos por unidade de aparelhos
produzidos em uma linha de montagem.
Funcao de Probabilidade - Caso Discreto
X: variavel aleatoria discreta;
x
1
, x
2
, x
3
, . . . os possveis valores que a variavel aleatoria X assume;
A cada resultado x
i
associaremos um n umero p(x
i
) = P(X = x
i
),
denominado probabilidade de x
i
, tal que:
a) p(x
i
) 0 para todo x
i
;
b)

i =1
p(x
i
) = 1
Essa funcao e denominada funcao de probabilidade de X.
A distribuicao de probabilidade de X e dada pelos pares [x
i
; p(x
i
)],
i = 1, 2, . . .
Funcao de Probabilidade - Caso Discreto
Exemplo: Considere a variavel n umero de caras encontradas no
lancamento de tres moedas.
: lancamento de tres moedas;
= {ccc, cck, ckk, ckc, kck, kcc, kkc, kkk};
X = n umero de caras = 0, 1, 2, 3.
Assim,
x = 0 kkk;
x = 1 kkc, kck, ckk;
x = 2 cck, ckc, kcc;
x = 3 ccc.
Temos a distribuicao de probabilidade:
x
i
0 1 2 3
p(x
i
) 1/8 3/8 3/8 1/8
Funcao de Probabilidade - Caso Discreto
Exemplo: Os empregados A, B, C, D ganham 1, 2, 2, 4 salarios mnimos,
respectivamente. Retiram-se amostras com reposicao de 2 indivduos e
mede-se o salario medio da amostra retirada. De a distribuicao de
probabilidade do salario medio amostral dos empregados.
X = salario medio amostral.
Amostras A, A A, B A, C A, D B, A B, B B, C B, D
x
i
1 1,5 1,5 2,5 1,5 2,0 2,0 3,0
Amostras C, A C, B C, C C, D D, A D, B D, C D, D
x
i
1,5 2,0 2,0 3,0 2,5 3,0 3,0 4,0
Distribuicao de probabilidade:
x
i
1 1,5 2,0 2,5 3,0 4,0
p(x
i
) 1/16 4/16 4/16 2/16 4/16 1/16
Funcao de Distribuicao Acumulada - Caso Discreto
Denicao: Se X for uma variavel aleatoria discreta, dene-se Funcao de
Distribuicao Acumulada em um ponto x como a soma das probabilidades
dos valores x
i
menores ou iguais a x. Ou seja,
F(x) = P(X x) =

x
i
x
p(x
i
).
Propriedades:
1
0 F(x) 1
2
lim
x
F(x) = 0
3
lim
x
F(x) = 1
Funcao de Distribuicao Acumulada - Caso Discreto
Exemplo: Uma populacao de 1000 criancas foi analisada num estudo
para determinar a efetividade de uma vacina contra um tipo de alergia.
No estudo, as crian cas recebiam uma dose de vacina e, apos um mes,
passavam por um novo teste. Caso ainda tivessem tido alguma reacao
alergica, recebiam outra dose da vacina. Ao m de 5 doses todas as
criancas foram consideradas imunizadas. Os resultados completos estao
na tabela a seguir:
Doses 1 2 3 4 5
Frequencia 245 288 256 145 66
Assim, temos a distribuicao de probabilidade
Doses 1 2 3 4 5
p
i
0,245 0,288 0,256 0,145 0,066
Funcao de Distribuicao Acumulada - Caso Discreto
1
Supondo que uma crianca dessa populacao e sorteada ao acaso,
qual sera a probabilidade dela ter recebido 2 doses? 0,288
2
Suponha agora que desejamos calcular a probabilidade da crianca
ter recebido ate 2 doses:
F(2) = P(X 2)
= P(X = 1) + P(X = 2)
= 0, 245 + 0, 288
= 0, 533
Funcao de Distribuicao Acumulada - Caso Discreto
Os valores completos da funcao de distribuicao acumulada sao:
F(x) =
_

_
0 se x < 1;
0, 245 se 1 x < 2;
0, 533 se 2 x < 3;
0, 789 se 3 x < 4;
0, 934 se 4 x < 5;
1 se x 5.
Valor esperado de uma variavel aleatoria discreta
Exemplo: Uma seguradora paga R$ 30.000, 00 em caso de acidente de
carro e cobra uma taxa de R$ 100, 00. Sabe-se que a probabilidade de
que um carro sofra acidente e de 3%. Suponhamos que entre 100 carros
segurados, 97 dao lucro de R$ 1.000, 00 e 3 dao prejuzos de R$
29.000, 00 (30.000, 00 1.000, 00). Quanto se espera a seguradora
ganhar por carro segurado?
Lucro total = 97 1000, 00 3 29.000, 00 = 10.000, 00
Lucro medio por carro =
10.000,00
100,00
= 100, 00
Valor esperado de uma variavel aleatoria discreta
X: lucro por carro
E(X): lucro medio por carro
E(X) =
97 1000 3 29.000
100
=
97
100
1000
3
100
29000
= 0, 97 1000 0, 03 29000
= x
1
p(x
1
) + x
2
p(x
2
)
onde
x
1
= 1000, p(x
1
) = 0, 97, x
2
= 29000, p(x
2
) = 0, 03
Valor esperado de uma variavel aleatoria discreta
Denicao: Dada a v.a. X discreta, assumindo os valores x
1
, x
2
, . . . , x
n
,
chamamos de valor esperado, ou esperanca matematica de X o valor
E(X) =
x
=
n

i =1
x
i
p(x
i
).
Propriedades da Esperanca Matematica:
1
E(k) = k, k constante;
2
E(kX) = kE(X), k constante;
3
E(X Y) = E(X) E(Y);
4
E
_

n
i =1
X
i
_
=

n
i =1
E(X
i
);
5
E(aX b) = aE(X) b, a e b constantes.
Variancia e desvio padrao - Caso Discreto
Outra caracterstica numerica importante em uma distribuicao de
probabilidade e a variancia. A variancia e uma medida que da o grau de
dispersao (ou de concentracao) dos valores da variavel em torno da
media.
Denicao: Chamamos de variancia da v.a. X discreta o valor
Var (X) =
2
x
= E
_
[X E(X)]
2
_
.
Ou ainda,
Var (X) = E(X
2
) [E(X)]
2
,
onde,
E(X
2
) =
n

i =1
x
2
i
p(x
i
).
Variancia e desvio padrao - Caso Discreto
Denicao: O desvio padrao da variavel X e a raiz quadrada da variancia
de X, isto e

x
=
_
Var (X).
Propriedades da Variancia:
1
Var (k) = 0, k constante;
2
Var (kX) = k
2
Var (X), k constante;
3
Var (aX b) = a
2
Var (X), a e b constantes.
Variancia e desvio padrao - Caso Discreto
Exemplo: Suponha que um gerente de loja tenha construdo a seguinte
distribuicao para as vendas de fogoes por
x
i
(vendas) 0 1 2 3 4
p
i
0,20 0,30 0,30 0,15 0,05
O n umero esperado de venda semanal sera:
E(X) = 0(0, 20)+1(0, 30)+2(0, 30)+3(0, 15)+4(0, 05) = 1, 55

= 2 fogoes
Para variancia, temos
Var (X) = 3, 65 (1, 55)
2
= 1, 25
E o desvio padrao e:

x
=
_
1, 25 = 1, 12

= 1 fogao
Distribuicoes
1
Distribui cao de Bernoulli;
2
Distribui cao Binomial;
3
Distribui cao de Poisson;
4
Aproximacao das Probabilidades Binomiais com as Probabilidades
da Distribuicao de Poisson.
Distribuicao de Bernoulli
Consideremos uma unica tentativa de um experimento aleatorio.
Podemos ter sucesso ou fracasso nessa tentativa.
Seja p a probabilidade de sucesso e q a probabilidade de fracasso,
com p + q = 1.
X: n umero de sucessos em uma unica tentativado experimento.
X =
_
0 fracasso;
1 sucesso,
com P(X = 0) = q e P(X = 1) = p.
A v.a. X tem distribuicao de Bernoulli e sua funcao de
probabilidade e dada por
P(X = x) = p
x
q
1x
.
Exerccio: Mostre que E(X) = p e Var (X) = pq.
Distribuicao de Bernoulli - Exemplo
Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma bola dessa
urna. Se X: o n umero de bolas verdes. Determine P(X = x), E(X) e
Var (X).
X =
_
_
_
0 fracasso q =
30
50
=
3
5
1 sucesso p =
20
50
=
2
5
P(X = x) =
_
2
5
_
x
_
3
5
_
1x
, E(X) = p =
2
5
e
Var (X) = pq =
2
5

3
5
=
6
25
.
Distribuicao Binomial
Consideremos agora n tentativas independentes de um mesmo
experimento aleatorio. Cada tentativa admite apenas dois
resultados: fracasso com probabilidade q e sucesso com
probabilidade p, p + q = 1.
X: n umero de sucessos em n tentativas.
A v.a. X tem distribuicao Binomial e sua funcao de probabilidade e
dada por
P(X = x) =
_
n
x
_
p
x
q
nx
,
onde x e o n umero de sucessos e n x e o n umero de fracassos.
Notacao: X B(n, p)
E(X) = np e Var (X) = npq.
Distribuicao Binomial - Exemplos
Exemplo 1: Uma moeda e lancada 20 vezes. Qual a probabilidade de
sarem 8 caras?
X: n umero de sucessos (caras)
P(c) = 1/2 e n = 20 logo,
X B(20, 1/2).
Entao,
P(X = 8) =
_
20
8
_
(1/2)
8
(1/2)
12
= 0, 12.
Distribuicao Binomial - Exemplos
Exemplo 2: Numa cria cao de coelhos, 40% sao machos. Qual a
probabilidade de nascer pelo menos 2 coelhos machos num dia em que
nasceram 20 coelhos?
X: n umero de coelhos machos (sucesso), X = 0, 1, 2, 3, . . . , 20
P(coelhos machos) = 0, 40 e n = 20 logo,
X B(20; 0, 40).
Entao,
P(X 2) = 1 P(X < 2) = 1 {P(X = 0) + P(X = 1)}
= 1
__
20
0
_
(0, 40)
0
(0, 60)
20
+
_
20
1
_
(0, 40)
1
(0, 60)
19
_
= 0, 99
Distribuicao de Poisson
Consideremos a probabilidade de ocorrencia de sucessos em um
determinado intervalo.
X: n umero de sucessos no intervalo.
A expressao que da a probabilidade de x sucessos em um intervalo t
(tempo, area, . . . ) e:
P(X = x, t) =
e
t
(t)
x
x!
,
onde
x = n umero de ocorrencias (sucessos);
= coeciente de proporcionalidade, ou taxa de frequencia
por unidade de tempo, area, etc;
t = tempo, area, etc;
e = base dos logaritmos naturais (2,71828).
Distribuicao de Poisson
Notacao: X P(t).
E(X) = Var (X) = t.
A distribuicao de Poisson e muito usada na distribuicao do n umero
de:
carros que passam por um cruzamento por minuto, durante
uma certa hora do dia;
mortes por ataque de coracao por ano, numa cidade;
erros tipogracos por pagina, em um material impresso;
etc.
Distribuicao de Poisson - Exemplo
Numa central telefonica chegam 300 telefonemas por hora.
X: n umero de chamadas por minuto.
=
300
60
= 5 proporcao de chamadas por minuto.
Qual a probabilidade de que:
a) num minuto nao haja nenhuma chamada;
t = 1 e = 5 t = 5
P(X = 0) =
e
5
5
0
0!
= 0, 006738
Distribuicao de Poisson - Exemplo
b) em 2 minutos haja 2 chamadas;
t = 2 e = 5 t = 10
P(X = 2) =
e
10
10
2
2!
= 0, 002270
c) em t minutos nao haja chamadas.
t minutos e = 5 t = 5t
P(X = 0) =
e
5t
(5t)
0
0!
= e
5t
Aproximacao das Probabilidades Binomiais com as
Probabilidades da Distribuicao de Poisson
Muitas vezes, no uso da binomial, acontece que n e muito grande
n e p e muito pequeno (p 0). Nesses casos o calculo das
probabilidades torna-se difcil.
Podemos entao fazer uma aproximacao da binomial pela
distribuicao de Poisson.
Consideremos
1
n (maior que o maior valor tabelado, n > 30)
2
p 0
3
0 < np 10
Aproximacao das Probabilidades Binomiais com as
Probabilidades da Distribuicao de Poisson
Nessas condi coes, se X B(n; p), queremos calcular
P(X = x) =
_
n
x
_
p
x
q
nx
Entao temos a aproximacao:
P(X = x)
e
np
(np)
x
x!
.
Aproximacao das Probabilidades Binomiais com as
Probabilidades da Distribuicao de Poisson - Exemplo
Exemplo: A probabilidade de uma lampada se queimar ao ser ligada e
1/100. Numa instala cao com 100 lampadas, qual a probabilidade de 2
lampadas se queimarem ao serem ligadas?
X: n umero de lampadas queimadas.
X B
_
100;
1
100
_
Logo, usando a distribuicao Binomial temos:
P(X = 2) =
_
100
2
_
(0, 01)
2
(0, 99)
98

= 0, 18486481.
Aproximacao das Probabilidades Binomiais com as
Probabilidades da Distribuicao de Poisson - Exemplo
Usando a aproxima cao pela Poisson:
np = 100 0, 01 = 1.
Assim,
P(X = 2)

=
e
1
1
2
2!
= 0, 18393972
Denicao e exemplos
Denicao: Seja X uma variavel aleatoria. Se o contradomnio de X e
um intervalo, denominaremos X de variavel aleatoria contnua.
Exemplos:
a) X: a quantidade de leite que uma vaca produz em um dia;
b) X: o comprimento de pregos produzidos por uma
maquina;
c) X: a altura de alunos de uma certa serie;
d) X: A medida da tensao da bateria de um detector de
fumaca pode ser qualquer valor entre 0 volt e 9 volt.
Funcao densidade de probabilidade
Denicao: Dizemos que f (x) e uma funcao contnua de probabilidade
ou funcao densidade de probabilidade para uma variavel aleatoria
contnua X, se satisfaz duas condicoes:
(i) f (x) 0, para todo x (, );
(ii) A area denida por f (x) e igual a 1, ou seja,
_

f (x)dx = 1.
Observacao: A area sob a funcao f denida pelo intevalo [a, b]:
P(a X b) =
_
b
a
f (x)dx,
para a b.
Funcao densidade de probabilidade
Pela forma como atribumos as probabilidades no caso contnuo, teremos
area zero sob qualquer valor individual, isto e,
P(X = k) = 0,
para qualquer k. Portanto, em se tratando de v.a. contnuas, a
probabilidade de ocorrencia de um valor isolado e sempre zero e,
consequentemente, as probabilidades calculadas sobre os intervalos
[a, b], [a, b), (a, b] e (a, b) sao as mesmas, para quaisquer valores de a e b.
Funcao de Distribuicao Acumulada - Caso Contnuo
Denicao: Se X for uma variavel aleatoria contnua, dene-se Funcao de
Distribuicao Acumulada como:
F(x) = P(X x) =
_
x

f (t)dt, x (, ).
Para todos os valores de x para os quais F(x) e derivavel temos:
d
dx
F(x) = f (x).
Se a e b forem dois n umeros reais quaisquer,
P(a < X b) = F(b) F(a).
Valor esperado de uma variavel aleatoria contnua
O valor esperado ou media da v.a. contnua X, com f.d.p. dada por
f (x), e dada pela expressao:
E(X) =
x
=
_

x f (x)dx.
Variancia de uma variavel aleatoria contnua
A variancia e:
Var (X) =
2
x
=
_

(x
x
)
2
f (x)dx.
Ou diretamente,
Var (X) = E(X
2
)
2
x
,
onde,
E(X
2
) =
_

x
2
f (x)dx.
Exerccio
A quantia gasta anualmente, em milhoes de reais, na manutencao do
asfalto em uma cidade do interior e representada pela variavel Y com
densidade dada por:
f (y) =
_
_
_
8
9
y
4
9
, se 0, 5 y < 2
0, caso contrario.
Obtenha:
a) P(Y < 0, 8).
b) O valor esperado de Y.
c) A variancia de Y.