Você está na página 1de 39

INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE

EXPERIMENTOS

VARIVEL ALEATRIA

73
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARIVEL ALEATRIA (V.A.)

Definio: Uma funo X que associa um valor x a cada


elemento w do espao amostral , denominada varivel
aleatria (v.a.).
Exe.: lanar duas moedas e observar suas faces: cara (C) ou coroa (K)
X: nmero de vezes que foi obtida a face cara
CC
CK CC 2
KC CK 1
KK
KC 1
KK 0
W 0 1 2
74
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARIVEL ALEATRIA
Um mesmo experimento pode estar associado a diversas variveis
aleatrias diferentes.
Exemplo: lanamento de dois dados e observao de suas faces.
W = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}.
X: soma das duas faces (1,3) X = 4
Y: diferena entre as duas faces (1,3) Y = -2
Z: mximo entre as duas faces (1,3) Z = 3
W: 1 se as duas faces so iguais; 0 caso contrrio (1,3) W = 0
75
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
TIPOS DE VARIVEIS ALEATRIA

Uma varivel aleatria pode ser classificada como discreta ou


contnua.
Varivel aleatria discreta: assume um nmero finito, ou infinito
enumervel, de valores (geralmente decorre de processos de
contagem).
Exemplos
X: nmero de gros de milho de um sabugo que contm fungos.
Y: nmero de alunos que comparecero prxima aula.
Z: nmero de arranhes em uma superfcie.
W: proporo de lmpadas com defeito entre 200 testadas.
76
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
TIPOS DE VARIVEIS ALEATRIA

Varivel aleatria contnua: assume um nmero infinito no


enumervel de valores ( ).

Exemplos:
X: peso de um rato aps um tratamento com laser.
Y: tempo de durao de uma bateria.
Z: quantidade de toxina em uma amostra de 10 gramas de milho.
W: densidade de um material aps ser submetido a uma alta
temperatura.

77
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARIVEIS ALEATRIAS DISCRETAS
Uma varivel aleatria discreta caracterizada por sua funo de
probabilidade (fp).
Definio 5: Funo de probabilidade a funo que atribui a cada
valor xi da v. a. discreta X sua probabilidade de ocorrncia.
A funo de probabilidade pode ser representada pela seguinte tabela:

x x1 x2 x3 ...
P(X=x) P(X=x1) P(X=x2) P(X=x3) ...
Ela deve atender os seguintes requisitos:
0 P( X xi ) 1 e P( X x ) 1
i
i

78
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARIVEIS ALEATRIAS DISCRETAS

Exemplo 13: (3-21 Montgomery e Runger adaptado) Em um


processo de fabricao de semicondutores, trs pastilhas de um
lote so testadas. Cada pastilha classificada como passa (p) ou
falha (f). Suponha que a probabilidade de uma pastilha passar no
teste seja de 0,8 e que as pastilhas sejam independentes.
Determine a funo de probabilidade da varivel aleatria X
definida como o nmero de pastilhas de um lote que passa no
teste.

79
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARIVEIS ALEATRIAS DISCRETAS

Exemplo 13: (3-21 Montgomery e Runger)


P (ocorrncia ppp) (0,8)(0,8)(0,8) 0,51
P (ocorrncia ppf) (0,8)(0,8)(0,2) 0,13

w ppp ppf pfp pff fpp fpf ffp fff


x 3 2 2 1 2 1 1 0
Probabilidade 0,51 0,13 0,13 0,03 0,13 0,03 0,03 0,01
Assim, obtemos que a funo de probabilidade de X escrita como
x 0 1 2 3
P(X=x) 0,01 0,09 0,39 0,51
80
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS

VALOR ESPERADO
Todas as medidas que estudamos na anlise descritiva possuem
uma medida correspondente para variveis aleatrias. A primeira
medida que estudaremos a mdia de uma varivel aleatria.

Definio 6: A mdia, valor esperado, esperana ou expectncia


da v.a. discreta X, denotada como ou E(X), dada por

E(X) xi P(X xi )
i

81
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARINCIA
Definio 7: A varincia da v.a. discreta X, denotada por 2,
VAR(X) ou V(X), dada por
2 V(X) E(X - ) 2 ( xi - ) 2 P(X xi )
i

Geralmente mais simples calcular a VAR(X) utilizando uma


frmula equivalente a apresentada na Definio 7 que dada por
2 V(X) E(X 2 ) [ E ( X )]2
em que E(X 2 ) i P(X xi )
x
i
2

82
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
DESVIO PADRO

Definio 8: O desvio padro da varivel aleatria discreta X,


denotada como ou DP(X), dado por

DP(X) VAR(X)

Embora existam diversas outras medidas, se conhecemos a


esperana e a varincia, ou o desvio padro, de uma varivel
aleatria X, j temos uma razovel caracterizao de X.

83
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
VARIVEIS ALEATRIAS DISCRETAS

Exemplo 14: Determine a esperana e a varincia da varivel


aleatria X definida no Exemplo 13.
x 0 1 2 3
P(X=x) 0,01 0,09 0,39 0,51

E(X) 0(0,01) 1(0,09) 2(0,39) 3(0,51) 2,4


E(X 2 ) 0 2 (0,01) 12 (0,09) 2 2 (0,39) 32 (0,51) 6,24
V(X) 6,24 2,4 2 0,48

84
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
PROPRIEDADES DA ESPERANA E DA VARINCIA

1) Se X = a, em que a uma constante, ento

E(X) = a e Var(X) = 0.

2) Se Y = aX + b, em que a e b so constantes, ento

E(Y) = E(aX + b) = aE(X) + b


e
Var(Y) = Var(aX + b) = a2 Var(X).

85
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
PROPRIEDADES DA ESPERANA E DA VARINCIA

3) Se X e Y so variveis aleatrias, ento

E(X+Y) = E(X) + E(Y)


e
se X e Y forem independentes

Var(X+Y) = Var(X) + Var(Y)


e
E(XY) = E(X).E(Y)

86
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS

DISTRIBUIES DE PROBABILIDADE

OU

MODELOS PROBABILSTICOS DISCRETOS

87
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS

MODELOS PROBABILSTICOS OU DISTRIBUIES DE PROBABILIDADE

Muitas variveis aleatrias seguem um mesmo padro de


comportamento. Alguns desses padres aparecem com bastante
frequncia em situaes prticas e justificam um estudo mais
aprofundado.

Dizemos que variveis que apresentam um mesmo padro de


comportamento seguem um mesmo modelo (ou distribuio) de
probabilidade.

88
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO DE BERNOULLI
Na prtica, existem muitos experimentos aleatrios que admitem
apenas dois resultados (tipo dicotmico).
Exemplos:
Lanamento de uma moeda (Cara ou Coroa).
Resultado de um exame sobre a presena de um vrus em uma
amostra de sangue (Positivo ou Negativo).
Resultado da anlise de um produto pela rea de controle de
qualidade de uma empresa (Atende ou no as especificaes).
Anlise de uma amostra de ar em relao presena de um
determinado poluente (Positiva ou Negativa).
89
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO DE BERNOULLI
Experimentos aleatrios que possuem apenas dois resultados
possveis podem ser representadas, genericamente, por
respostas do tipo sucesso-fracasso.
Esses experimentos recebem o nome de Ensaios de Bernoulli e
originam uma varivel aleatria com distribuio de Bernoulli.
Varivel aleatria com distribuio de Bernoulli: uma varivel
aleatria que assume apenas dois valores:
1 se ocorrer sucesso,
0 se ocorrer fracasso.
Geralmente, a probabilidade de sucesso representada por p,
0 < p < 1.
90
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO DE BERNOULLI
Notao: X ~ Bernoulli (p) indica uma varivel aleatria com
distribuio de Bernoulli com parmetro p, isto ,
1, se ocorrer " sucesso"
X
0, se ocorrer " fracasso"
e sua funo de probabilidade pode ser representada pela tabela
X 1 0
ou
P(X=x) p 1-p
E(X) = p,
Segue que
Var(X) = p(1 p).
91
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO DE BERNOULLI
X ~ Bernoulli (p)
x=0,1

Grfico
X~Bernoulli(0.2)

92
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO BINOMIAL
Repeties independentes de um ensaio de Bernoulli,
com a mesma probabilidade de ocorrncia de sucesso, do
origem ao modelo binomial.
Exemplo 15: O tempo de decomposio de uma sacola ecolgica
fabricada com determinado material considerado adequado se ele
for inferior a 3 meses. No entanto, apenas 1/6 das sacolas ecolgicas
de determinada indstria atingem esse objetivo. Se selecionarmos
aleatoriamente 3 sacolas dessa indstria:
a) qual a probabilidade de duas delas terem decomposio em
tempo adequado?
b) Qual a probabilidade de pelo menos duas terem decomposio em
tempo adequado?
93
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO BINOMIAL
Exemplo 15:
Denotamos,

S: sucesso, a decomposio foi em tempo adequado;


F: fracasso , a decomposio no foi em tempo adequado.

Temos que p = P(sucesso) = 1/6 e


q = 1 p = P(fracasso) = 5/6

W = {SSS, SSF, SFS, FSS, SFF, FSF, FFS, FFF}

94
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
Exemplo 15:
Estamos interessados no nmero total de sucessos que, no caso,
temos uma v.a. X: nmero de sacolas que tiveram tempo de
decomposio adequado.
W Prob X
p S (SSS) p3 3
p S q
F (SSF) p 2q 2
p S (SFS) p2q 2
S q
p
F q
F (SFF) pq2 1
p S (FSS) p 2q 2
q p
S q F (FSF) pq2 1
p S (FFS) pq2 1
F
q
F q F (FFF) q3 0
95
95
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO BINOMIAL
Exemplo 15:
A funo de probabilidade de X dada por:
Probabilidades binomiais para n = 3 e P(S) = p
no. de sucessos probabilidades p = 1/6
0 p0q3 125/216=0,5787
1 3p1q2 75/216=0,3472
2 3p2q 15/216=0,0694
3 p3q0 1/216=0,0046

96
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO BINOMIAL
Exemplo 15:
Podemos escrever essa funo como

3
P(X k) p k q 3 - k , k 0, 1, 2, 3.
k

Soluo:
a) Para n = 3 e p = 1/6, temos que P(X=2)=0,0694.
b) P(X 2)=P(X=2)+P(X=3)= 0,0694+0,0046=0,074
Obs.: P(X > 1)=P(X 2)

97
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO BINOMIAL

A varivel aleatria X correspondente ao nmero de sucessos em n


ensaios de Bernoulli independentes e com mesma probabilidade p
de sucesso tem distribuio binomial com parmetros n e p.
Sua funo de probabilidade dada por

n
P (X k) p k (1- p)n- k , k 0, 1, ... , n.
k

Essa distribuio d a probabilidade de k sucessos em n tentativas, onde a


probabilidade de xito em cada tentativa a mesma e designada por p,
sendo que as sucessivas tentativas so independentes entre si.

98
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS

MODELO BINOMIAL

Notao: X ~ b(n; p).

Resultado: Se X ~ b(n; p), ento

mdia: = E(X) = np
varincia: 2 = Var(X) = np(1-p)

99
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
Distribuio binomial no R Commander (Item a)):
Distribuies -> Distribuies Discretas -> Distribuio Binomial
-> Probabilidades da binomial

Sada do R

100
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
Item b): Distribuies -> Distribuies Discretas -> Distribuio Binomial
-> Probabilidades das caudas da binomial

101
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
Tabela da distribuio Binomial.

102
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO POISSON
A distribuio de Poisson adequada para descrever situaes onde
existe uma prob. de ocorrncia em um campo ou intervalo contnuo,
geralmente tempo ou rea.
No controle estatstico de qualidade o modelo de Poisson usado, s
vezes, para determinar probabilidades de nmeros de defeitos que
ocorrem por unidade de inspeo de determinado produto.
Em algumas situaes podemos nos deparar com problemas em que o
nmero de ensaios n grande e p pequeno, no clculo da distr.
Binomial.
A distribuio de Poisson deriva da distribuio binomial no caso limite
de eventos (independentes) raros em um grande nmero de tentativas.
Exemplos: 1) n de chamadas telefnicas que chegam a uma central em um certo intervalo
de tempo; 2) n de navios que chegam em um porto em um dia; 3) n de defeitos em um
metro quadrado de uma chapa metlica; 4) n de coliformes fecais em um ml de gua; 5)
Erros tipogrficos por pgina, em um material impresso.
103
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO POISSON
Assim temos que, se X uma v.a. com distribuio de Poisson de
parmetro , ento sua funo de prob. dada por:

Em que:
exp = exponencial (valor da base da exponencial natural: 2,718281828)
= parmetro da dist. e indica a taxa mdia de ocorrncia por unidade
medida.

Alm disso, X a v.a. em estudo e x o valor que X recebe.

104
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO POISSON

Esta distribuio muito utilizada para calcular probabilidades de


ocorrncias de defeitos "raros" em sistemas e componentes.
Notao: X ~ Poisson().

mdia: = E(X) =
varincia: 2 = Var(X) =

105
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
MODELO POISSON
Exemplo1: Considere um processo que tm uma taxa de 0,2 defeitos
por unidade. Qual a probabilidade de uma unidade qualquer
apresentar:
a) Dois defeitos?
b) um defeito?
c) nenhum defeito?

106
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
Distribuio Poisson no R Commander
Distribuies -> Distribuies Discretas -> Distribuio Poisson -> Probabilidades da
dist. Poisson

107
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
Tabela da distribuio Poisson.

108
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS

Casa Poisson: Suponha que 10% das crianas de um determinado


bairro de So Carlos prefiram sorvete de baunilha ao de chocolate.
Qual a probabilidade de que, se entrevistarmos 20 crianas deste
bairro, exatamente 2 duas prefiram soverte de baunilha? Resolva
utilizando a distribuio Binomial e a de Poisson.

109
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
OUTRAS DISTRIBUIES DISCRETAS
Tipos de Modelo Modelo Caracterstica
Discretos Uniforme Varivel em estudo possui a mesma
probabilidade de assumir cada um dos seus
possveis valores.
Poisson A varivel observada identifica o resultado de
uma contagem no experimento (nmero de
insetos em uma determinada rea, por exemplo).

Geomtrico Nmero de experimentos necessrios at a


ocorrncia de um dado resultado de interesse.
Binomial Modela o nmero de tentativas
Negativa necessrias para se obter r sucessos.
Hipergeomtrico Varivel em estudo somente pode assumir dois
possveis valores em cada uma das n repeties
do experimento e a probabilidade de ocorrncia
de cada um no constante (usualmente
experimentos sem reposio).
110
INTRODUO AO PLANEJAMENTOS E ANLISE ESTATSTICA DE
EXPERIMENTOS
EXERCCIOS
Exerccio 6: (3-71 Montgomery e Runger adaptado) As linhas telefnicas
em um sistema de reservas de uma companhia area esto ocupadas em
40% do tempo. Suponha que os eventos em que as linhas estejam todas
ocupadas sejam independentes. Considere que 10 chamadas aconteam.

a) Qual a probabilidade de que exatamente em 3 chamadas as linhas


estejam ocupadas?
b) Qual a probabilidade de que no mnimo uma chamada no esteja
ocupada?
c) Qual o nmero esperado de chamadas ocupadas?

111