Você está na página 1de 49

Probabilidade e Modelos

Probabilsticos
2 Parte: modelos probabilsticos para
variveis aleatrias contnuas, modelo
uniforme, modelo exponencial, modelo
normal

Distribuio de Probabilidades
A

distribuio de probabilidades, ou
modelo probabilstico, indica, para uma
varivel aleatria, quais so os resultados
que podem ocorrer e qual a
probabilidade
de
cada
resultado
acontecer.

Exemplo 1

Construir a

distribuio de
probabilidades
para o ngulo ()
obtido neste
experimento.

X = varivel aleatria que


indica o ngulo formado

f(x)
1
360

rea = 1

0o

360o

x
4

Exemplo 1
Qual

a probabilidade de obter um ngulo entre


30o e 60o?
f(x)
1
360

P(30o < X < 60o)


= rea = 0,0833
0o

360o

x
5

Distribuio Uniforme
f(x)
1

1
f(x) =

x
6

Distribuio Uniforme

f(x)

b-a
P(a < X < b) =

E( X )


Var ( X )

12

Distribuio Exponencial
bastante empregada

em situaes onde se
trabalha com o intervalo entre ocorrncias de
determinado evento.
Ex:
tempo entre chegada de pessoas a uma fila,
tempo de vida de material eletrnico,
tempo de atendimento de um pedido de
suprimento de materiais,
tempo entre chegadas de arquivos num
servidor

Distribuio Exponencial
H

uma forte relao entre a distribuio


exponencial e a distribuio de Poisson.
Se uma varivel aleatria X de Poisson tem mdia
de ocorrncias em um intervalo de tempo, ento
o intervalo de tempo T entre ocorrncias segue
uma distribuio exponencial e tem mdia de 1/.

Poisson e exponencial
Se

chegam, em mdia, 2 pessoas por minuto em


uma fila, o tempo mdio entre a chegada de
pessoas fila 0,5 minuto.
Se so atendidos, em mdia, 10 pedidos de
suprimentos por dia, o tempo mdio de
atendimento de um pedido 0,1 dia.

10

Distribuio Exponencial
A

funo densidade de probabilidade que


identifica uma varivel exponencial :

f(t) =

-t
e ,

t>0

- parmetro da distribuio ( > 0

11

Distribuio Exponencial
f(t)

E (T )
f(t) = e - t, t > 0

Var (T )

P(T > t0) = e - t0

t0

12

Justificativa para a frmula da exponencial


0
A primeira ocorrncia
ser depois do tempo t

T>t

Nenhuma ocorrncia
em [0, t]

Xt = 0

T = tempo at a prxima ocorrncia (distrib. exponencial)


Xt = nm. de ocorrncias at t (distrib. de Poisson)

(t ) e
P( X t k )
k!
k

P(T > t ) P( X t 0) e

(distrib. exponencial)
13

Exerccio 1
O

setor de manuteno de uma empresa fez um


levantamento das falhas de um importante
equipamento, constatando que h, em mdia, 0,75
falha por ano e que o tempo entre falhas segue
uma distribuio exponencial. Qual a
probabilidade do equipamento no falhar no
prximo ano?
14

Resposta
= 0,75

P(T > t) = e - t
P(T > 1) = e -(0)1 = 0,4724 ou 47,24%

15

Exerccio 2
A

vida til de um certo componente eletrnico


, em mdia, 10.000 horas e apresenta
distribuio exponencial. Qual a percentagem
esperada de componentes que apresentaro
falhas em menos de 10.000 horas?

16

Resposta
= 1 / 10000 = 0,0001

P(T < t) = 1 - e - t
P(T < 10.000) = 1 - e -(0,0001)(10000) =
= 1 - 0,3679 =
= 0,6321 ou 63,21%

17

Exerccio 2 cont.
A

vida til de um certo componente eletrnico


, em mdia, 10.000 horas e apresenta
distribuio exponencial. Aps quantas horas se
espera que 25% dos componentes tenham
falhado?

18

Resposta
= 1 / 10000 = 0,0001
P(T > t) = e - t
P(T > t) = e -(0,0001) t = 1 - 0,25 = 0,75
-(0,0001) t = ln(0,75)
t = 2.876,82 horas
19

Exemplo 2 (Distribuio normal)

Selecionar, aleatoriamente, de uma certa universidade,


um estudante do sexo masculino. Seja X a sua altura, em
centmetros.
Apresenta-se, a seguir, uma possvel distribuio de
probabilidades para este caso.
f(x)

130

140

150

160

170

180

altura (em cm.)

190

200

210

20

Exemplo 2
Representar: o evento estudante selecionado tem 180 cm
ou mais (X 180) e sua probabilidade, P(X 180)

f(x)

P(X 180)

130

140

150

160

170

180

altura (em cm.)

190

200

X 180

210

x
21

Distribuio Normal
f(x)
1
f ( x)
2

1 x 2
(
)
e 2

: mdia
: desvio padro

x
22

Caractersticas

rea abaixo da
curva igual a 1
(100% de
probabilidade) .

A varivel
aleatria pode
assumir valores
de - a + .

rea = 1

x
23

Caractersticas

Identificada pela

mdia ( e pelo

desvio padro ( .

x
24

Mdia e Desvio Padro


mesmo e diferentes

x
25

Mdia e Desvio Padro


mesmo e diferentes
=2
=4

X
26

Caractersticas

Simetria
em relao
mdia.

50%

x
27

Exemplo

rea = 68,3%

28

Exemplo

rea = 95,4%

-2

+2

29

Exemplo

rea = 99,7%

-3

+3

30

Normal Padronizada
x-
z=

z - varivel normal padronizada


x - varivel normal
- mdia
- desvio padro
31

Normal Padronizada

-2 - + +2

-2

-1

x
z
32

Exemplo 3
Selecionar, aleatoriamente, de

uma certa
universidade, um estudante do sexo masculino.
Seja X o valor de sua altura, em centmetros.
Admita que nesta universidade os estudantes tm
altura mdia de 170 cm com desvio padro de 10
cm. Qual o escore padronizado de um
estudante com 190 cm?
x = 190.

x-

z=

190 - 170
10

20
=
=2
10
33

Exemplo 3
10
= 10

170

190

x
z

34

Exemplo 3
P(X<190) = P(Z<2)

170

190

x
z

35

Exemplo 3
10
= 10

140 150 160 170

-3

-2

-1

180 190 200

x
z

36

Exerccio 3: uso da tabela


Com base na tabela da normal padronizada,
calcular:
a) P(Z > 1)

0,1587 (tabela)
0

+1

z
37

Exerccio 4
Com base na tabela da normal padronizada,
calcular:
b) P(Z > 1,23)

0,1093 (tabela)
0

1,23

z
38

Exerccio 5
c) P(-2 < Z < 2)

0,0228 (tabela)
-2 0 2

P(-2 < Z < 2) = 1 - 2.(0,0228) = 0,9554


39

Exerccio 6
Selecionar, aleatoriamente, de

uma certa
universidade, um estudante do sexo masculino.
Seja X o valor de sua altura, em centmetros.
Admitindo que nesta universidade os estudantes
tm altura mdia de 170 cm com desvio padro
de 10 cm, qual a probabilidade do estudante
sorteado ter altura superior a 185 cm?
40

Exerccio 6: resposta
x

= 185 cm
z?

( 10 10

x-
z=

185 - 170
10

15
=
= 1,5
10
41

Exerccio 6: resposta
P(Z > 1,5)

0,0668 (tabela)
0

1,5

z
42

Aproximao da binomial pela


normal
Considere

que um aluno ir fazer um teste de


Estatstica. Pelo que estudou ele tem 50% de
probabilidade de responder corretamente uma
questo. Se o teste tem 10 perguntas, seja X o
nmero de respostas corretas.

43

Exemplo 4
Distribuio binomial:
n=10
p=0,5
P(X)

0,246
0,205

0,205

0,117

0,117
0,044
0,001 0,01
-1

0,044
0,01 0,001
3

10

11

nmero de respostas corretas (X)


44

Exemplo 4

Qual a probabilidade de ocorrer mais de 6 corretas?


P(X>6)=P(7)+P(8)+P(9)+P(10)=0,117+0,044+0,010+0,001=0,172
0,246

0,205

P(X>6) = 0,172

0,205

0,117

0,117

0,044
0,001 0,01
-1

0,044
0,01 0,001
3

10

11

45

Aproximao da Binomial
pela Normal

Quando o nmero de ensaios (n) da binomial grande, a


distribuio binomial pode ser aproximada por uma normal
com mdia np e varincia np(1- p).

10

46

Exemplo 4 (de novo)

Qual a probabilidade de ocorrer mais de 6 respostas


afirmativas? (usando a normal)

P(X>6,5)

10

x
47

Exemplo 4 (de novo)

P(X>6,5)

6,5

x
48

Exemplo 4 (de novo)


=5

= 1,581139 x = 6,5
x-

z=

6,5 - 5
1,581139

0,1711

0,95

= 0,95

Lembrando:
a probabilidade.
Exata (pela
binomial)
era de 0,1720
49