Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - Parte III

Introduo
Aproximao da Normal para Binomial

Aproximao da Normal para Poisson
Variveis Aleatrias Contnuas e Distribuio
de Probabilidades - parte III
Erica Castilho Rodrigues
23 de Abril de 2012
Erica Castilho Rodrigues Variveis Aleatrias Contnuas e Distribuio de Probabilidades
Introduo
Introduo
Introduo
Objetivos
Ao nal deste captulo voc deve ser capaz de:
Calcular probabilidades aproximadas usando a

distribuio normal.
Aplicar essa aproximao par o caso de variveis com as

seguintes distribuies:
binomial;
hipergeomtrica;
Poisson.
Introduo
Vimos na aula anterior que a normal pode aproximar a

distribuio de diversas variveis aleatrias.
Esse resultado conhecido como Teorema Central do

Limite.
Teorema Central do Limite
Seja X uma varivel aleatria com mdia e desvio

padro .
Retiramos uma amostra de tamanho n de X.
Seja

X a mdia dessa amostra.
Temos que
X
/
n
=
n
i =1
X
i
n
n
N(0, 1)
quando o n aumenta.
Introduo
Exemplo:
Seja X a durao das conversar telefnicas em uma

cidade.
No sabemos a distribuio de X, mas sabemos que

E(X) = 3 Var (X) = 9 .
Coletamos uma amostra de 50 chamadas.
Qual a probabilidade de que a mdia dessa amostra no

ultrapasse 4 minutos?
P
_
X < 4
_
= P
_

X 4
_
9/50
<
4 3
_
9/50
_
P(Z < 2, 36) = 0, 9909.
Introduo
Introduo
Em muitos sistemas fsicos o modelo binomial o mais

apropriado.
Em alguns casos o tamanho da amostra n ca muito

grande.
Ento ca difcil calcular probabilidades envolvendo a

binomial.
Vimos que uma binomial uma soma de Bernoullis.
Portanto uma Binomial pode ser aproximada por uma

Normal.
Desde que o n seja sucientemente grande.

Introduo
A rea de cada barra a probabilidade binomial de x.
As reas das barras podem ser aproximadas pelas reas

abaixo da funo densidade da normal.
Introduo
Se X tem distribuio Binomial(10; 0,5).
Se queremos calcular P(3 X 7).
Isso chamado correo de continuidade.

Introduo
A correo de continuidade necessria pois estamos

aproximando uma varivel discreta por uma contnua.
Por exemplo:
P(X 4) = P(X < 4, 5)
P(X < 4) = P(X < 3, 5)
P(X > 4) = P(X > 4, 5)
P(X 4) = P(X > 3, 5)
(desenhar no quadro)
Introduo
Exemplo:
Considere um canal digital de comunicao.
O nmero de bits transmitidos com erro podem ser

modelados por uma Binomial.
A probabilidade de um bit ser transmitido com erro

1 10
5
.
16 milhes de bits so transmitidos.
Qual a probabilidade de ter 150 ou menos erros?

Introduo
Exemplo: (soluo)
Seja X o nmero de bits transmitidos com erro.
X tem distribuio Binomial com n = 16 milhes e

p = 1 10
5
.
A probabilidade requerida
P(X 150) =
150
x=0
_
16.000.000
x
_
(10
5
)
x
(110
5
)
16.000.000x
Essa probabilidade muito difcil de se calcular.
Podemos usar a aproximao pela normal.
Vejamos como isso feito.

Introduo
Aproximao da Binomial pela Normal
Seja X uma varivel com distribuio Binomial(n,p).
A varivel
Z =
X np
_
np(1 p)
ser aproximadamente uma varivel normal padro.
Precisamos aplicar a correo de continuidade.
Temos que
P(X x) = P(X x + 0, 5) P
_
Z
x + 0, 5 np
_
np(1 p)
_
P(X x) = P(X x 0, 5) P
_
Z
x 0, 5 np
_
np(1 p)
_
A aproximao boa para np > 5 e n(1 p) > 5.

Introduo
Lembre que para uma varivel Binomial X

E(X) = np Var (X) = np(1 p) .
A expresso
Z =
X np
_
np(1 p)
uma frmula para padronizar X.
As probabilidades envolvendo X podem ser aproximadas

usando a normal padro.
A aproximao boa quando n grande relativo a p.

Introduo
Exemplo:
Considere o exemplo da comunicao digital.
X o nmero de bits transmitidos com erro.
X tem distribuio Binomial com n = 16 milhes e

p = 1 10
5
.
Podemos calcular probabilidade de X 150 da seguinte

forma
P(X 150) = P(X 150, 5)
= P
_
X 160
_
160(1 10
5
)
150, 5 160
_
160(1 10
5
)
_
P(Z 0, 75) = 0, 227 .
Observe que
np = (16 10
6
)(1
5
) = 160 e n(1 p) > 160 .
A aproximao deve ser boa nesse caso.

Introduo
Exemplo:
Considere o exemplo da transmisso de bits.
50 bits so transmitidos.
A probabilidade de que ocorra um erro p = 0, 1.
Qual a probabilidade de que 2 ou menos erros ocorram?

Introduo
Exemplo: (soluo)
Usando a distribuio binomial

P(X 2) = P(X = 0) + P(X = 1) + P(X = 2)
_
50
0
_
(0, 9)
50
+
_
50
1
_
(0, 9)
49
(0, 1)+
_
50
2
_
(0, 9)
48
(0, 1)
2
= 0, 112.
Usando a distribuio Normal

P(X 2) = P
_
X 5
_
50(0, 1)(0, 9)
2, 5 5
_
50(0, 1)(0, 9)
_
= P(Z 1, 18) = 0, 119 .
Mesmo a amostra no sendo muito grande o resultado

aproximado bom.
Introduo
Exemplo:
Queremos agora calcular a probabilidade de X 9

P(X 9) = P(X 8, 5) P
_
Z
8, 5 5
2, 12
_
= P(Z 1, 65) = 0, 05 .
Se quisermos calcular probabilidade de X = 5

P(X = 5) = P(4, 5 X 5, 5) = P
_
4, 5 5
2, 12
Z
5, 5 5
2, 12
_
= P(0, 24 Z 0, 24) = P(Z 0, 24)P(Z < 0, 24) = 0, 19
A probabilidade exata
P(X = 5) = 0, 1849 .
A aproximao boa.
Introduo
Se np ou n(1 p) forem pequenos:
a aproximao distorcida.
Dois casos so ilustrados abaixo:

Introduo
A distribuio Binomial uma boa aproximao para

Hipergeomtrica.
Desde que o tamanho da amostra n seja pequeno com

relao ao total N.
Uma regra prtica aproximar a Hipergeomtrica pela

Binomial se
n
N
< 0, 1 .
Relembre que
p =
K
N
proporo de sucessos na populao.
Introduo
Ento podemos aproximar a hipergeomtrica pela Normal

desde que
n
N
< 0, 1 np > 5 n(1 p) > 5 .
Veja o esquema abaixo.

Introduo
Introduo
A distribuio de Poisson pode ser vista como limite de

uma Binomial.
Quando o nmero de tentativas aumenta e a probabilidade

diminui.
Ento a normal tambm pode ser usada para aproximar a

distribuio de Poisson.
Introduo
Aproximao da Poisson pela Normal
Seja X uma varivel com distribuio Poisson().
Temos que
E(X) = Var (X) = .
Ento
z =
X
aproximadamente uma varivel Normal Padro.

Introduo
Exemplo:
Considere que o nmero de partculas em uma superfcie

segue uma distribuio Poisson.
Suponha que esperamos observar 1000 partculas por m

2
.
Analisamos um metro quadrado da superfcie.
Qual a probabilidade de observarmos 950 ou menos

partculas?
Introduo
Exemplo: (soluo)
Podemos calcular a probabilidade de maneira exata

P(X 950) =
950
x=0
e
1000
1000
x
x!
.
Essa soma computacionalmente difcil de ser calculada.
Podemos aproximar a probabilidade por

P(X 950) P
_
Z
950 + 0, 5 1000
1000
_
P(Z 1, 58) =
0, 057 .
Introduo
Exemplo:
Estamos analisando as vendas em um supermercado.
Sabemos que a procura diria por arroz em kg uma

varivel aleatria.
Temos ainda que o valor esperado dessa varivel 40 kg

e sua varincia 25 kg
2
.
Foram encomendados 14500 kg para suprir o prximo

ano.
Qual a probabilidade do stoque de arroz cobrir a demanda

nesse perodo?
Considere que o ano tem 364 dias.

Introduo
Exemplo: (soluo)
Seja
X
i
= procura de arroz no dia i
para i = 1, 2, . . . , 364.
Temos que
E(X
i
) = 40kg Var (X
i
) = 25kg
2
A probabilidade requerida
P(
364
i =1
X
i
14500) .
Pelo TCL temos que

364
i =1
X
i
N ((364)(40); (364)(25)) .
Introduo
Temos que
P(
364
i =1
X
i
14500) P
_
364
i =1
X
i
14560
_
364(25)
14500 + 0, 5 14560
_
364(25)
P(Z < 0, 63) = 1 0, 7357 = 0, 2643 .
recomendvel aumentar o estoque?
Sim, com alta probabilidade no conseguir suprir a

demanda.

Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - Parte III

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - Parte III

Enviado por

Direitos autorais:

Formatos disponíveis

Introduo

Aproximao da Normal para Binomial

Calcular probabilidades aproximadas usando a

Aplicar essa aproximao par o caso de variveis com as

Vimos na aula anterior que a normal pode aproximar a

Esse resultado conhecido como Teorema Central do

Seja X uma varivel aleatria com mdia e desvio

Retiramos uma amostra de tamanho n de X.

Seja X a durao das conversar telefnicas em uma

No sabemos a distribuio de X, mas sabemos que

Coletamos uma amostra de 50 chamadas.

Qual a probabilidade de que a mdia dessa amostra no

Em muitos sistemas fsicos o modelo binomial o mais

Em alguns casos o tamanho da amostra n ca muito

Ento ca difcil calcular probabilidades envolvendo a

Vimos que uma binomial uma soma de Bernoullis.

Portanto uma Binomial pode ser aproximada por uma

Desde que o n seja sucientemente grande.

A rea de cada barra a probabilidade binomial de x.

As reas das barras podem ser aproximadas pelas reas

Se X tem distribuio Binomial(10; 0,5).

Se queremos calcular P(3 X 7).

Isso chamado correo de continuidade.

A correo de continuidade necessria pois estamos

Considere um canal digital de comunicao.

O nmero de bits transmitidos com erro podem ser

A probabilidade de um bit ser transmitido com erro

16 milhes de bits so transmitidos.

Qual a probabilidade de ter 150 ou menos erros?

Seja X o nmero de bits transmitidos com erro.

X tem distribuio Binomial com n = 16 milhes e

Essa probabilidade muito difcil de se calcular.

Podemos usar a aproximao pela normal.

Vejamos como isso feito.

Seja X uma varivel com distribuio Binomial(n,p).

Precisamos aplicar a correo de continuidade.

A aproximao boa para np > 5 e n(1 p) > 5.

Lembre que para uma varivel Binomial X

As probabilidades envolvendo X podem ser aproximadas

A aproximao boa quando n grande relativo a p.

Considere o exemplo da comunicao digital.

X o nmero de bits transmitidos com erro.

X tem distribuio Binomial com n = 16 milhes e

Podemos calcular probabilidade de X 150 da seguinte

A aproximao deve ser boa nesse caso.

Considere o exemplo da transmisso de bits.

A probabilidade de que ocorra um erro p = 0, 1.

Qual a probabilidade de que 2 ou menos erros ocorram?

Usando a distribuio binomial

Usando a distribuio Normal

Mesmo a amostra no sendo muito grande o resultado

Queremos agora calcular a probabilidade de X 9

Se quisermos calcular probabilidade de X = 5

Se np ou n(1 p) forem pequenos:

Dois casos so ilustrados abaixo:

A distribuio Binomial uma boa aproximao para

Desde que o tamanho da amostra n seja pequeno com

Uma regra prtica aproximar a Hipergeomtrica pela

Ento podemos aproximar a hipergeomtrica pela Normal

Veja o esquema abaixo.

A distribuio de Poisson pode ser vista como limite de

Quando o nmero de tentativas aumenta e a probabilidade

Ento a normal tambm pode ser usada para aproximar a