Escolar Documentos
Profissional Documentos
Cultura Documentos
Ano 2008
$sto ", para todos os eventos x1 , x2 ,..., xk, " atri!udo o mesmo valor 1/k, ou ainda, os eventos ocorrem com eq%ipro!a!ilidade. Exemplo 1. &ma rifa tem '(( !il)etes numerados de ' a '((. *en)o + !il)etes consecutivos numerados de ,' a ,+, e meu colega tem outros + !il)etes, com os n-meros ', '', ,., /0 e .1. 2uem tem a maior possi!ilidade de ser sorteado3 Soluo. 4ela defini o acima ocorre que todos os '(( !il)etes do sorteio apresentam a mesma
. Se am!os os
indivduos apresentam o mesmo n-mero de !il)etes, logo a pro!a!ilidade de serem sorteados " a mesma
Exemplo 2. Sendo X uma varivel seguindo o modelo &niforme 5iscreto, com valores no conjunto 6', ,, 1, ..., '(7, pergunta-se# a.
d.
b.
e.
c.
f.
Exemplo 3. &ma manufatura deve escol)er ' funcionrio por semana para fazer inspe o em suas mquinas antes de cada turno de tra!al)o. 8esse caso poder )aver repeti o, ou seja, um mesmo funcionrio pode ser escol)ido em semanas consecutivas. Se ) '( funcionrios nesse setor, qual " a
pro!a!ilidade algum funcionrio ser escol)ido para fazer a inspe o3 E, se no ocorresse repeti o at" que o -ltimo dos '( participe da escala, o que muda3
Modelo de Bernoulli
5izemos que uma varivel aleatria X segue o modelo de Bernoulli se puder atri!uir (9zero: a ocorr;ncia de fracasso e '9um: a ocorr;ncia de sucesso, respectivamente. Se p " a pro!a!ilidade de sucesso, (< p 1, ento X pi 0 p 1 1-p
=u Exemplo 4. Sa!e-se que a ocorr;ncia de pe as com algum tipo de imperfei o em uma lin)a de produ o " de '(>. Escol)em-se tr;s pe as, ao acaso, e deseja-se verificar o n-mero de pe as defeituosas nesse grupo, evento que ser representado por 5. ?onstrua uma rvore de pro!a!ilidades que contemple todas as possi!ilidades essa averigua o.
Probabilidade 9(,':1 9(,.: 9(,':, 9(,.: 9(,':, 9(,.: 9(,':, 9(,.:, 9(,': 9(,.:, 9(,': 9(,.:, 9(,': 9(,.:1
@ ta!ela anterior permite concluir que a ocorr;ncia de n ensaios independentes de Aernoulli e todos com mesma pro!a!ilidade de sucesso p " representada pela fun o de pro!a!ilidade dada por#
8o
caso
do
eBemplo,
pode-se
representar a varivel X# 8-mero de pe as que apresentam algum tipo de imperfei o a fun o de pro!a!ilidade ser dada por# X pi 0 9(,.:1 1 19(,.:,9(,': 2 19(,.:9(,':, 3 9(,':1
=u ainda,
=nde# CD(E
CD'E
CD,E
CD1E
Modelo Binomial
?onsidere a repeti o de n ensaios de Aernoulli independentes e todos com a mesma pro!a!ilidade de sucesso p. @ varivel aleatria que conta o n-mero total de sucessos " denominada Ainomial com parFmetros n e p e sua fun o de pro!a!ilidade " dada por#
=nde
escol)er su!grupos distintos de taman)o k em um grupo de taman)o nE tam!"m ser usada a nota o X~B(n,p 6@ varivel aleatria discreta X tem segue o modelo !inomial com parFmetros n e p7. Exemplo 5: Sa!e-se, que na maioria das sele Ges de estgio, a eBig;ncia pela flu;ncia em outro idioma " fator requerido e diferencial para o profissional candidato. 4or eBperi;ncia verificou-se que apenas +> dos candidatos que !uscam vagas de estgio em grandes empresas t;m a flu;ncia em outro idioma. &ma empresa seleciona ao acaso '+ candidatos para sua sele o de estgio e deseja-se verificar qual a pro!a!ilidade de nen)um deles apresentar flu;ncia em outro idioma. E, qual a pro!a!ilidade de todos os candidatos serem fluentes em outro idioma3 Soluo. Supon)a que temos '+ ensaios de Aernoulli independentes, dos quais a pro!a!ilidade de sucesso, ou seja, a pro!a!ilidade de ser fluente em outro idioma " dada por (,(+, logo temos um modelo de pro!a!ilidade que representa !em esses eventos dado por#
Modelo de Poisson
&ma varivel aleatria X tem distri!ui o de pro!a!ilidade de 'oisson com parFmetro K(, se sua fun o de pro!a!ilidade " dada por# 6
=nde o parFmetro " referido como a t#x# de ocorr(nci#. @ nota o ser X~'o( , ou seja, X tem distri!ui o de 4oisson com parFmetro . =!serva o# = modelo de 4oisson " usado com freq%;ncia em eBperimentos fsicos e !iolgicos e, no caso, " a freq%;ncia m"dia ou esperada de ocorr;ncias num intervalo de tempo. &ma das aplica Ges interessantes e que prestam !ons resultados pelo uso do modelo de 4oisson " a o!serva o de eventos que ocorrem segundo uma t#x# de fre)*(nci#. Sempre que )ouver possi!ilidade de tratar um evento que ocorre segundo um valor m"dio, ou valor m"dio esperado, ento, pode-se tentar aplicar o modelo de 4oisson. Exemplo 6. Engen)eiros da compan)ia telefLnica estudam se o modelo de 4oisson pode ser ajustado ao n-mero 8 de c)amadas interestaduais que c)egam, por )ora, a uma central telefLnica, durante o perodo noturno. =s dados coletados, referentes a /+( perodos de uma )ora, esto apresentados a seguir# ?)amadas ( ' , 1 I + / J 0 Mreq%;ncia o!servada . 10 J' ''+ ',+ '(/ J. +( +J 5a ta!ela, tem-se que, por eBemplo, em ',+ perodos de uma )ora ocorreram I c)amadas. =s engen)eiros sugerem uma taBa de ocorr;ncia de I,+ c)amadas por )ora no perodo estudado. Seguindo o modelo indicado, a freq%;ncia esperada de ocorr;ncias com k c)amadas " o!tida multiplicando /+( 9o total de o!serva Ges: pela pro!a!ilidade de k c)amadas. @ssim, para C D,, tem-se
Mreq%;ncia esperada para , c)amadas D se construir essa ta!ela de compara o de resultados o!servados e esperados. ?)amadas Mreq%;ncia o!servada Esperada ( . J,, , ' 10 1,,+ ( , J' J1,' 1 1 ''+ '(.,/ / I ',+ ',1,1 J + '(/ ''',( , / J. 01,, J
. Hogo, pode-
J +( +1,+ /
0 +J +/,1/
= que permite concluir que as freq%;ncias esperadas e o!servadas t;m ader;ncia e o modelo de 4oisson parece ser adequado. *ome cuidado para concluir a funcionalidade do modelo, mas j tem um !om indicativo de qual modelo " mais adequado para representar as c)amadas da central telefLnica.
Modelo Geomtrico
5izemos que uma varivel aleatria X tem distri!ui o de pro!a!ilidade +eom&tric# de parFmetro p 9X~+(p :, se sua fun o de pro!a!ilidade tem a forma
8a interpreta o do modelo Neom"trico, pode-se dizer como sendo o n-mero de ensaios de Aernoulli que precedem o primeiro sucesso. Exemplo 7. &ma lin)a de produ o est sendo analisada para efeito de controle de qualidade das pe as produzidas. *endo em vista o alto padro requerido, a produ o " interrompida para regulagem toda vez que uma pe a defeituosa " o!servada. Se (,(' " a pro!a!ilidade da pe a ser defeituosa, deseja-se verificar o comportamento da varivel )u#ntid#de de pe#s ,o#s produ-id#s #ntes d# 1. defeituos#. @ssim temos, e seu grfico dado pela Migura '
IP(Q=k)
0
10
20
30
40
50
60
k
Figura Gr!fico do modelo Geomtrico de "ar#metro "$%,%
= grfico permite concluir que a pro!a!ilidade reduz a valores pequenos para os maiores valores de k. Em tese, a produ o nunca seria interrompida se no )ouvesse o aparecimento de uma pe a defeituosa.