Você está na página 1de 7

DISTRIBUIO EXPONENCIAL A distribuio exponencial geralmente aplicada a dados com forte assimetria como aqueles cujo histograma tem

m a forma da figura 1B, ou seja de J invertido. Sua densidade de probabilidade tem a forma:

fX e X
e sua funo de distribuio de probabilidade do tipo:

FX e X 1 e X
0

O nico parmetro, , estimado por

1 X

Com isso, a funo cumulativa de probabilidade assume a forma geralmente encontrada na literatura, ou seja:

FX 1 e
Onde:

X X

X : o valor de tempo em mdia

X : a mdia de tempos
A esperana e a varincia da distribuio exponencial so obtidas atravs das expresses: X = 1/ e s2 = 1/2, respectivamente. A distribuio exponencial um caso especial da distribuio gamma com o parmetro = 1. A distribuio exponencial freqentemente usada em estudos de confiabilidade como sendo o modelo para o tempo at a falha de um equipamento muito utilizado para componentes Eletrnicos Exemplos 1) O tempo entre paralisaes no-programadas, em uma usina de energia eltrica, tem uma distribuio exponencial, com uma mdia aritmtica de 20 dias. Encontre a probabilidade de que o tempo entre duas paralisaes no programveis seja: a) Menor do que 14 dias. b) Maior do que 21 dias. c) Menor do que 7 dias. Soluo:

X~Exp (20)

X: tempo entre paralisaes no-programadas (em dias).

2) Determine o intervalo de tempo tal que a probabilidade de nenhuma conexo ocorrer neste intervalo seja 0,90. o mesmo que dizer um intervalo em que a probabilidade de ocorrer 1 conexo seja de 0,10

3) Em uma grande rede corporativa de computadores, as conexes dos usurios ao sistema podem ser modeladas como um processo de Poisson, com mdia de 25 conexes por hora. Qual a probabilidade de no haver conexes em um intervalo de 6 minutos?

DISTRIBUIO DE POISSON A distribuio de Poisson usada para encontrar a probabilidade de um nmero designado de sucessos por unidade de intervalos (tempo, comprimento, chamadas, etc). As outras condies exigidas para se aplicar a distribuio de Poisson so tambm exigidas para a distribuio binomial, isto : 1) Deve existir somente dois resultados mutuamente exclusivos (sucessos, fracassos, ser chamado ou no, etc.); 2) Os eventos devem ser independentes;

3) O nmero mdio de sucessos por unidade de intervalo deve permanecer constante.

uma curva matemtica usada na estatstica e na simulao de resultados para representar a probabilidade de que determinado evento ocorra, quando a probabilidade mdia conhecida. Representa a distribuio de probabilidade de uma varivel aleatria que registra o nmero de ocorrncias sobre um intervalo de tempo ou espao especficos. A distribuio de Poisson foi descoberta por Simon-Denis Poisson(17811840) e publicada, conjuntamente com a sua teoria da probabilidade, em 1838 no seu trabalho Recherches sur la probabilit des jugements en matires criminelles et matire civile ("Inqurito sobre a probabilidade em julgamentos sobre matrias criminais e civis"). O trabalho focava-se em certas variveis aleatrias N que contavam, entre outras coisas, o nmero de ocorrncias discretas (por vezes chamadas de "chegadas") que tinham lugar durante um intervalo de tempo de determinado comprimento. A probabilidade de uma ocorrncia a mesma para quaisquer dos intervalos de tempo - no existe nenhuma regio ou espao com maior probabilidade que a outra. Quase no existe nenhuma probabilidade de acontecer mais de uma ocorrncia num mesmo ponto - aproximadamente zero. A ocorrncia ou no ocorrncia em qualquer intervalo independente da ocorrncia ou noocorrncia em qualquer intervalo - uma ocorrncia no interfere na outra. A distribuio de Poisson representa um modelo probabilstico adequado para o estudo de um grande nmero de fenmenos observveis. Eis alguns exemplos:

Chamadas telefnicas por unidade de tempo; Defeitos por unidade de rea; Acidentes por unidade de tempo; Chegada de clientes a um supermercado por unidade de tempo; Nmero de glbulos sangneos visveis ao microscpio por unidade de rea; Nmero de partculas emitidas por uma fonte de material radioativo por unidade de tempo. Exemplos

1) Uma central telefnica tipo PABX recebe uma mdia de 5 chamadas por minuto. Qual a probabilidade deste PABX no receber nenhuma chamada durante um intervalo de 1 minuto? X = v. a. n de chamadas em um intervalo de tempo = taxa de ocorrncia de chamadas (nesperado de chamadas) 2) Determinar a probabilidade de haver 4 peas defeituosas numa amostra de 300, extrada de um grande lote onde h 2% de defeituosas. Aplicando-se a frmula da distribuio binomial teremos: N = 300 X=4 p = 2% = 2/100 = 0,02 Utilizando a distribuio de Poisson, teremos:

DISTRIBUIO BINOMIAL Em teoria das probabilidades e estatstica, a distribuio binomial a distribuio de

probabilidade discreta do nmero de sucessos numa sequncia de n tentativas tais que as tentativas so independentes; cada tentativa resulta apenas em duas possibilidades, sucesso ou fracasso (a que se chama de tentativa de Bernoulli); a probabilidade de cada tentativa,p, permanece constante. A probabilidade de obtermos k sucessos e n - k fracassos em n tentativas, obtida pelo termo geral do Binmio de Newton: L-se como nmero binomial de numerador n e denominador k, ou ento como nmero

binomial n sobre k.

Na equao acima P representa a probabilidade procurada. n o total de tentativas, k o nmero de tentativas que resultam em sucesso, p a probabilidade de obtermos um sucesso e q representa a probabilidade de obtermos um fracasso. Note que n - k representa o nmero de tentativas que resultam em fracasso, assim como q igual a 1 - p, ou seja, sendo p a probabilidade de sucesso, q a probabilidade de fracasso que a complementa, pois s podemos obter um sucesso ou um fracasso, no h uma outra possibilidade. Sendo n k, o nmero binomial dado por:

Exemplos 1) Trs dados comuns e honestos sero lanados. A probabilidade de que o nmero 6 seja obtido mais de uma vez : A probabilidade de que seja obtido 2 vezes mais a probabilidade de que seja obtido 3 vezes. Usando a distribuio binomial de probabilidade: a) Acha-se a probabilidade de que seja obtido 2 vezes:

b) Agora a probabilidade de que seja obtido 3 vezes:

Assim, a resposta :

2)

Um credor est sua procura. A probabilidade dele encontr-lo em casa 0,4. Se ele fizer

5 tentativas, qual a probabilidade do credor lhe encontrar uma vez em casa? Ou o credor vai a sua casa e o encontra, ou ele vai e no o encontra, como em cada tentativa estamos tratando de um sucesso ou de um fracasso e no h outra possibilidade, alm do fato de a

probabilidade ser a mesma em todas as tentativas, vamos resolver o problema utilizando o termo geral do Binmio de Newton: n o nmero de tentativas de encontr-lo, portanto n = 5. k o nmero de tentativas nas quais ele o encontra, portanto k = 1. p a probabilidade de voc ser encontrado, logo p = 0,4. q a probabilidade de voc no ser encontrado, logo q = 1 - 0,4, ou seja, q = 0,6. Substituindo tais valores na frmula temos: O nmero binomial Ento temos: Assim: A probabilidade de o credor o encontrar uma vez em casa igual 0,2592. 3) Qual a probabilidade de obtermos 4 vezes o nmero 3 ao lanarmos um dado 7 vezes? O espao amostral do lanamento de um dado : S = { 1, 2, 3, 4, 5, 6 } Como estamos interessados apenas nos resultados iguais a 4, representamos tal evento por: E={4} Em relao ao nmero de elementos temos que n(E) = 1 e n(S) = 6, portanto a probabilidade da ocorrncia de um 4 em um lanamento : p a probabilidade de sucesso em um lanamento, a probabilidade de fracasso dada por q = 1 p, portantoq = 5/6. n o nmero total lanamentos, ento n = 7. k o nmero de sucessos, logo k = 4. Antes de utilizarmos a frmula , vamos calcular o nmero binomial : assim resolvido:

Agora sim temos todos os dados para podermos aplicar a frmula. Vejamos: A probabilidade
4375

/279936 tambm pode ser representada na sua forma decimal, bastando

realizarmos a diviso de 4375 por 279936, que resulta em aproximadamente 0,0156 e tambm na forma de porcentagem, bastando multiplicarmos 0,0156 por 100% que d 1,56%. Portanto: A probabilidade
4375

/279936, ou aproximadamente 0,0156, ou ainda 1,56%.

------------------------------------ ------------------------------------ Nominal: no existe ordenao, envolvem categorias. Os elementos do conjunto so agrupados em classes ou categorias distintas. As categorias servem apenas para nomear. A ordem em que aparecem as alternativas no implica hierarquia, maior ou menor distncia ou proporo entre elas. A alocao de um cdigo numrico a essas categorias completamente arbitrria.

Ex. sexo, regio, estado civil, cor dos olhos, religio, classificao de defeitos em uma mquina, tipo de habitao So dados que representam um elemento do qual o dado foi coletado. Por exemplo, suponha que comecemos a coletar informaes sobre carros, como o seu nmero de placa, velocidade mxima, ano de fabricao, quilmetros rodados, nmero de portas e a sua cor. Neste caso, o seu nmero de placa seria um dado em escala nominal. O fato de um carro ter como placa o nmero 3456 s tem utilidade para represent-lo e identific-lo em meio outros carros. Um carro com placa 2344 no possui necessariamente nenhuma diferena entre um com placa 2147. Dados apresentados em escala nominal so todos aqueles que apresentam esta caracterstica.