Modelos Discretos de Probabilidade

Uniforme, Bernoulli, Binomial, Poisson, Geomtrico

Prof. MSc. Herivelto Tiago Marcondes dos Santos

Ano 2008

Modelo Uniforme Discreto

Seja X uma varivel aleatria cujos valores possveis so representados por x1 , x2 ,..., xk. Ento, diz-se que X segue o modelo uniforme discreto se sua fun o de pro!a!ilidade " dada por#

$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

pro!a!ilidade de serem sorteados,

. 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.

Evento DDD DDDC DDCD DCDD DDC DC DC DDC DC DCD DCDCDC

Probabilidade 9(,':1 9(,.: 9(,':, 9(,.: 9(,':, 9(,.: 9(,':, 9(,.:, 9(,': 9(,.:, 9(,': 9(,.:, 9(,': 9(,.:1

X 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

" o coeficiente Ainomial e significa o n-mero de possi!ilidades que pode-se

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#

, isto ", para a ocorr;ncia de pessoas que so

fluentes em outro idioma, a pro!a!ilidade de sucesso " (,(+. 4or outro lado, se o desejo " sa!er qual a possi!ilidade de ocorr;ncia de pessoas que no so fluentes em outro idioma, a pro!a!ilidade de sucesso " (,.+ e o modelo de pro!a!ilidade ser#

. !" mud#n# de $#ri%$el & feit# #pen#s p#r#

no ocorrer confuso entre #ptos e no #ptos7. Hogo, a pro!a!ilidade de nen)um dos candidatos serem fluentes em outro idioma " igual a e a pro!a!ilidade de todos serem fluentes " 9(,(+:'+ (. 5a pode-se concluir que a possi!ilidade no )aver pessoas fluentes em outro idioma " de I/,11> por"m com a possi!ilidade de +1,JJ> de )aver ao menos um candidato com as caractersticas desejadas. 5e outra maneira, " improvvel que todos os candidatos ten)am flu;ncia em outro idioma afinal a pro!a!ilidade de todos serem fluentes " nula.

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.