Escolar Documentos
Profissional Documentos
Cultura Documentos
discretas importantes:
Distribuio Uniforme Discreta
1
P(X = x i ) =
N
Distribuio de Bernoulli
- uma pea produzida por uma cia. pode ser perfeita ou defeituosa;
Mdia: =p
Varincia: 2 = pq = p(1 p)
Desvio padro: = pq = p(1 p)
Exemplos:
-Lanamento de uma moeda honesta: podemos associar cara a sucesso
e coroa a fracasso. Alm de igualmente provvel a distribuio de
probabilidade do tipo Bernoulli:
1/2 se x=1
Distribuio de Bernoulli: P(x) =
1/2 se x=0
= 1/2 2 = 1 / 4 = 1/2
n n!
Distribuio Binomial: Pn (X = k) = p k q n k = p k q n k
k k!(n k)!
mdia: = np
varincia: 2 = n pq
desvio padro: = n pq
n=10
p=0,5
n=10 n=10
p=0,3 p=0,6
n
n i
Pn (X k) = (p ) (1 p )
n i
i=k i
i =0 i
Exemplos
5 5 5
(b) P5 (X < 3) = P (0) + P(1) + P (2) = (0.5) 0 (0.5) 50 + (0.5)1 (0.5) 51 + (0.5) 2 (0.5) 5 2
0 1 2
5 5 5 5
(c) P5 (X 3) = P (0) + P(1) + P(2) + P (3) = (0.5) 0 (0.5) 50 + (0.5)1 (0.5)51 + (0.5) 2 (0.5) 5 2 + (0.5) 3 (0.5) 53
0 1 2 3
Temos :
5 5!
(a ) P5 (X = 3) = (0.1) 3 (0.9)53 = (0.1) 3 (0.9) 2
3 3!(5 3)!
5 5
(b) P5 (X 2) = 1 P5 (X < 2) = 1 ( P (0) + P (1)) = 1 (0.1) 0 (0.9) 50 (0.1)1 (0.9) 51
0 1
5 5!
(c) P5 (X = 0) = (0.1) 0 (0.9)50 = (0.9) 5 = (0.9) 5 = 0,59049
0
0! (5 0)!
(d) Neste item, temos uma nova varivel aleatria Y = nmero de caixas com
peas defeituosas . Ento temos que calcular o a probabilidade de uma caixa
ter pea defeituosa:
P(uma caixa ter pea defeituosa) =1-P(uma caixa no ter pea defeituosa)
= 1 - P(X=0) = 0, 4095
E a multa esperada:
Distribuio Hipergeomtrica
r N r
k n k
P(X = k) =
N
n
onde
N = tamanho da populao
r = nmero de sucessos na populao
N r = nmero de insucessos na populao
n = tamanho da amostra
k = nmero de sucessos na amostra
n k = nmero de insucessos na amostra
r N r 4 6
k n k 2 1 (6)(6)
P(X = 2) = = = = 0,3
N 10 120
n 3
Distribuio geomtrica
Mdia: = 1/p
Varincia: 2 = q/p2
Distribuio de Poisson
Aplicada quando:
Voc estiver interessado em contar o nmero de vezes em
que um evento especfico ocorre em um determinado
intervalo (de tempo, de comprrimento, de rea, volume,)
A probabilidade de que um evento especfico ocorra em um
determinado intervalo a mesma para todas os intervalos
O nmero de eventos que ocorrem em um determinado
intervalo independente do nmero de eventos que
ocorrem em outros intervalos
A probabilidade de que dois ou mais eventos venham a
ocorrer em um determinado intervalo se aproxima de zero
medida que o intervalo se torna menor.
amostra
* *
* * *
Poro de um rolo de papel * = defeito
* * * *
tempo
amostra
* = chamada telefnica
A distribuio de Poisson til para descrever o nmero de ocorrncias num
Intervalo contnuo (tempo, distncia).
Ex: Defeitos por centmetro quadrado, acidentes por dia, vacas por acre,
e k
P(X = k) =
k!
onde:
k = nmero de ocorrncias ( 0, 1, 2, 3, 4, 5,..., )
= t =nmero mdio (valor esperado) de ocorrncias no
intervalo t
= taxa mdia por unidade (de tempo, de distncia, de rea)
t = nmero de unidades (de tempo, distncia, rea, volume,)
e = 2,71828 (base dos logaritmos naturais)
e 2 e 0,50 (0,50)2
P(X = 2) = = = 0,0758
k! 2!
e k e 1,5(1,5)k
P(X = k) = =
k! k!
e 1,5(1,5)0
(a) P(X = 0) = = 0,223
0!
e 1,5(1,5)1
(b) P(X = 1) = = 0,334
1!
(c) P(X < 2) = P(0) + P(1) = 0,557
Temos: Taxa de chegada: = 3 trens/hora
intervalo de tempo: t = 0,5 h
mdia de chegadas: = t = 3 . 0,5 = 1,5
e k e 1,5(1,5)k
P(X = k) = =
k! k!
E portanto:
e 1,5(1,5)0
(a) P(X = 0) = = 0,223
0!
e 1,5(1,5)1
(b) P(X = 1) = = 0,334
1!
(c) P(X < 2) = P(0) + P(1) = 0,557
0,70
0,60
= 0,50 0,50
= 0,40
P(x)
X 0,50 0,30
0 0,6065 0,20
1 0,3033 0,10
2 0,0758
0,00
3 0,0126 0 1 2 3 4 5 6 7
4 0,0016 x
5 0,0002
P(X = 2) = 0,0758
6 0,0000
7 0,0000
Forma da Distribuio de Poisson
= 0,5 =3
0,70 0,25
0,60
0,20
0,50
0,15
0,40
P(x)
P(x)
0,30 0,10
0,20
0,05
0,10
0,00 0,00
0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12
x x
Binomial Poisson
Resultados Inteiros de 0 a n Inteiros de 0 a +
possveis
Observaes Contagem de Contagem de sucessos
sucessos ou falhas somente
parmetros nep
k e 6 4 e 6
P(X = 4) = = = 0,135 (mais fcil de calcular)
k! 4!
Tabela resumo
n k n p
Binomial k p (1 p) ,k = 0,1,2...,n n, p np np(1-p)
e k
Poisson , k = 0, 1, 2,...,
k!
r N r
k n k nr r N n
, k = 0, 1, 2,...
nr
N, r, n 1
Hipergeomtrica N N N N N 1
n