Clculo das Probabilidades e

Estatstica I
Profa . Juliana Freitas Pires
Departamento de Estatstica
Universidade Federal da Paraba - UFPB
juliana@de.ufpb.br

Modelos de distribuio

Para utilizar a teoria das probabilidades no estudo de um fenmeno concreto, devemos encontrar um modelo probabilstico adequado a tal
fenmeno. Por modelo probabilstico para uma
v.a X entendemos uma forma especfica de funo de distribuio de probabilidade que reflita
o comportamento de X.

Nesse processo de escolha utilizamos, em muitas

situaes, algum modelo clssico. Ns Estudaremos os modelos discretos: Bernoulli, Binomial
e Poisson e o modelo continuo: Normal.

Distribuio Bernoulli
Na prtica muitos experimentos admitem apenas
dois resultados.
Exemplo:
1
2
3
4

Uma pea classificada como boa ou defeituosa;

Cara ou coroa no lanamento de uma moeda.
Um servidor de intranet est ativo ou no ativo.
Houve falha ou no na transmisso de um arquivo;
O resultado de um exame mdico foi positivo ou
negativo para deteco de uma doena.

Distribuio Bernoulli

Seja X uma varivel aleatria com dois resultados possveis: 1 se ocorrer sucesso e 0 se ocorrer
fracasso.

Associaremos p, a probabilidade de sucesso (evento que nos interessa) e 1 p, a probabilidade de

fracasso.

Ento X uma v. a. com distribuio Bernoulli

e sua funo de probabilidade dada por:
xi
0
1
p(xi ) 1 p p
ou P(X = xi ) = pxi (1 p)1xi .

Exemplo

Uma lampada escolhida ao acaso. Considere:

X = A lmpada defeituosa (sucesso).

0 se a lampada no defeituosa
X=
1 se a lampada defeituosa

xi
0
1
p(xi ) 3/7 4/7

Distribuio Bernoulli

Notao: X Bernoulli(p), indica que a v.a

X tem distribuio de Bernoulli com
parmetro p.

Se X Bernoulli(p) pode-se mostrar que:

E(X) = p

Var(X) = p(1 p) = pq.

Obs: Repeties independentes de um ensaio

de Bernoulli do origem ao modelo Binomial.

Distribuio Binomial

Considere a repetio de n ensaios de Bernoulli,

sob as mesmas condies.

Considere todos os ensaios independentes.

A probabilidade de sucesso p e fracasso 1 p se

mantm constante em todos os ensaios.

A varivel aleatria X = nmero de sucessos nas

n realizaes tem distribuio Binomial.

Distribuio Binomial
Considere 3 ensaios de Bernoulli, n = 3.
P(defeituosa)= p = 3/7
P(perfeita)= (1 p) = 4/7

Seja X = o nmero de defeituosas

1

2
3

O experimento consiste de trs ensaios de

Bernoulli idnticos;
Os ensaios so independentes.
As probabilidades p e (1-p) so as mesmas em
cada ensaio;
A v.a. X tem distribuio Binomial.

Distribuio Binomial
X = o nmero de defeituosas
n = 3 X = {0, 1, 2, 3}
P(D) = p = 3/7
P(P ) = 1 p = 4/7
P(X
P(X
P(X
P(X

= 0) = P(P P P )
= 1) = P(P P D) + P(P DP ) + P(DP P )
= 2) = P(DDP ) + P(DP D) + P(P DD)
= 3) = P(DDD)

Distribuio Binomial

P(X = 1) = P(P P D) + P(P DP ) + P(DP P )

4 4 3
4 3 4
3 4 4
= + +
7 7 7
7 7 
7  7 7 7
3 4 4
3

=3
=
(3/7)1 (4/7)2
7 7 7
1
 
3
P(X = 2) =
(3/7)2 (4/7)1
2
 
3
P(X = 3) =
(3/7)3 (4/7)0
3
 
3
P(X = 0) =
(3/7)0 (4/7)3
0

Distribuio Binomial
Considere a repetio de n ensaios de Bernoulli independentes e todos com a mesma probabilidade de
sucesso p. A v.a. que conta o nmero total de sucessos nos n ensaios de Bernoulli tem distribuio
Binomial com parmetros n e p e sua funo de
probabilidade dada por:
 
n x
P(X = x) =
p (1 p)nx , x = 0, 1, . . . , n
x
 
n
n!
em que
=
e lembre-se que 0! = 1.
x
x!(n x)!

Distribuio Binomial

Notao: X Binomial(n, p) indica que v.a. X

tem distribuio Binomial com parmetros n e p.
A esperana e a varincia de X so:
E(X) = np
Var(X) = np(1 p)

Distribuio Binomial
Considere uma loja de roupas que receba 3 clientes:
p = o cliente faz compra = 0, 30
(1 p) = o cliente no faz compra = 0, 70
X : nmero de clientes que compram
x
0
1
2
3

p(x)
0, 343
0, 441
0, 189
0, 027

 
3
(0, 3)0 (0, 7)3
0
 
3
P(X = 1) =
(0, 3)1 (0, 7)2
1
 
3
P(X = 2) =
(0, 3)2 (0, 7)1
2
 
3
P(X = 3) =
(0, 3)3 (0, 7)0
3
P(X = 0) =

= 0, 343
= 0, 441
= 0, 189
= 0, 027

Exemplo
O time Sport Clube do Recife tem 1/4 de probabilidade de perder sempre que joga em Recife. Se o
time jogar 5 partidas, calcule a probabilidade:
a)
b)
c)
d)
e)

do time perder nenhuma partida.

do time perder exatamente 3 partidas.
do time perder mais de 3 partidas.
do time perder pelo menos uma partida.
Se o time jogar 30 partidas, em quantos
partidas se espera que o time perca?

Exemplo
X = no de partidas que o time perdeu em casa.
p = P(perder)= 1/4
n = 5 partidas
X Binomial(5, 1/4)


0 3
5
a) P(X = 0) = 50 14
= 0, 2373
4


3 3
2
b) P(X = 3) = 53 14
= 0, 2637
4
c) P(X > 3) = P(X = 4)+P(X = 5)


4 3
1


5
= 54 14
+
4
5
0, 0156

1 5
4

3 0
4

d) P(X 1) = 1 - P(X < 1) = 1 - P(X = 0)

= 1 0, 2373 = 0, 7627
e) E(X) = np
E(X) = 30 41

Distribuio de Poisson
Representa a distribuio de probabilidade de uma
varivel aleatria que registra o nmero de ocorrncias em um intervalo de tempo ou espao especficos.

Carros que passam por um cruzamento por

minuto, durante uma certa hora do dia.
Erros tipogrficos por pgina, em um material
impresso.
Defeitos em uma pea fabricada por unidade
(m2, m, etc).
Lmpadas queimadas em uma cidade por dia.
Problemas de filas de espera.

Distribuio de Poisson
Se X uma varivel aleatria que registra o nmero
de ocorrncias em um intervalo especfico e a probabilidade de uma ocorrncia independente e a
mesma para quaisquer dois intervalos de tempo, ento a v.a. X tem distribuio de Poisson com parmetro e sua funo de probabilidade dada por:

x e
P(X = x) =
x!

= valor esperado ou nmero mdio de

ocorrncias em um dado intervalo.
e = 2, 71828

Distribuio de Poisson

Notao: X Poisson() indica que v.a. X

tem distribuio Poisson com parmetro .

Uma varivel aleatria de Poisson no tem limite

superior. X = 0, 1, 2, 3, . . .

P(x) = a probabilidade de x ocorrncias em
um intervalo especfico, considerando o nmero mdio de ocorrncias em tal intervalo.

A esperana e a varincia de X so:

Mdia: E(X) =
Varincia: Var(X) =

Exemplo

Em mdia h 2 chamadas por hora em um certo

telefone. Calcule a probabilidade de:
a)
b)
c)
d)
e)

receber
receber
receber
receber
receber

nenhuma chamada em 1 horas.

uma chamada em 1 horas.
uma chamada em 2 horas.
no mximo 1 chamadas em 2 horas.
pelo menos 1 chamadas em 2 horas.

Exemplo
X = nmero chamadas por hora em um certo telefone
= 2 chamadas por hora

0 e2
a) P(X = 0 = 2) = 2 0!
= 0, 1353

b) P(X = 1 = 2) =

21 e2
1!

= 0, 2706


1 e4
c) P(X = 1 = 4) = 4 1!
= 0, 0732



d) P(X 1 = 4) = P(X = 0 = 4) + P(X = 1 = 4)
0 e4
1 e4
= 4 0!
+ 4 1!
= 0, 0183 + 0, 0732 = 0.0915


e) P(X 1 = 4) = 1 P(X < 1 = 4)
= 1P(X = 0 = 4) = 10, 0183 = 0, 9817