Escolar Documentos
Profissional Documentos
Cultura Documentos
Distribuições Discretas
Distribuição de Bernoulli
Definição
Prova ou experiência de Bernoulli é uma experiência aleatória
que apenas tem dois resultados possíveis: A que se designa por
sucesso e Ā designado por insucesso. O sucesso ocorre com
probabilidade p e o insucesso com probabilidade q=1-p.
Exemplo 4.1
Suponha que, com o objectivo de medir a audiência de determinado
programa de televisão, se pergunta a um potencial telespectador se
viu ou não aquele programa. Trata-se de uma prova de Bernoulli?
Definição
Diz-se que uma v.a. X tem distribuição de Bernoulli de
parâmetro p, e representa-se por X∩B(p), se a sua função de
probabilidade for dada pela expressão seguinte:
⎧ p, se k = 1
⎧ p (1 − p)
k 1− k
, se k = 0,1 ⎪
P(X = k ) = ⎨ ou P(X = k ) = ⎨q, se k = 0
⎩0, se k ≠ 0,1 ⎪0, se k ≠ 0,1
⎩
Média e variância de X∩B(p)
µ=E[X]=p
σ2=var(X)=p(1-p)
Exemplo 4.2
O lançamento ao ar de uma moeda perfeita (não viciada), constitui
um exemplo de uma experiência binomial
Problema:
Considere-se uma experiência que consiste na repetição de n
provas independentes de Bernoulli com p, probabilidade de
sucesso, constante de prova para prova.
Seja X a v. a., número de sucessos observados ao fim de n provas.
Qual a função de probabilidade da v.a. X?
Definição
Diz-se que uma v.a. X tem distribuição Binomial de parâmetros n e
p, e representa-se por X∩Bin(n, p), se a sua função de
probabilidade for dada pela expressão seguinte:
⎧⎛ n ⎞ k n−k
⎪⎜⎜ ⎟⎟ p (1 − p ) , se k = 0,1,2,..., n
P( X = k ) = ⎨⎝ k ⎠
⎪0, c.c.
⎩
a) exactamente 5 pessoas
b) pelo menos 10 pessoas
c) entre 3 e 5 pessoas (inclusive)
Propriedades:
Se X ∩ Bin(n, p) então Y= n-X ∩ Bin(n, 1-p)
k
⎛ k ⎞
Y = ∑ X i ∩ Bin⎜ ∑ ni , p ⎟
i =1 ⎝ i =1 ⎠
Definição
Diz-se que uma v.a. X tem distribuição hipérgeométrica de
parâmetros N, n e D, e representa-se por X ∩ Hiper(N, n, D), se
tiver f.m.p:
⎧ ⎛ D ⎞⎛ N − D ⎞
⎪ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟
⎪⎪ ⎝ ⎠⎝
k n − k ⎠ , se k = max(0, D + n − N ),..., min( D, n)
P(X = k ) = ⎨ ⎛N⎞
⎪ ⎜⎜ ⎟⎟
⎪ ⎝n⎠
⎪⎩0, c.c.
D
µ = np, com p =
N
N −n
var(X) = np (1 − p )
N −1
⎧ e−λ λ k
⎪ , se k = 0,1,2,..., n
P ( X = k ) = ⎨ k!
⎪0, c.c.
⎩
e λ>0
Exemplo 4.5
O número de pedidos de ambulância que chegam, por dia, a
determinado posto de socorros, é em média de 2. Calcule a
probabilidade de que:
n
Y = ∑ X i ∩ Poi(λ1 + λ2 + ... + λn )
i =1
Exemplo 4.6
Admite-se com frequência que o número de acidentes ocorridos em
fábricas obedece a uma distribuição de Poisson. Suponha que
numa determinada fábrica os acidentes ocorrem segundo uma taxa
média de 0,5 por semana. Se X representar o número de acidentes
a ocorrer nas próximas semanas 6 semanas, qual o número
esperado de acidentes e qual a probabilidade de ocorrer no máximo
3 acidentes?
Regra prática
Em geral, a distribuição de Poisson fornece uma boa aproximação
da distribuição binomial quando n>20 e p≤0.05
Exemplo 4.7
Uma companhia de seguros possui 10000 apólices no ramo vida
referente a acidentes de trabalho. Sabe-se que, por ano, a
probabilidade de determinado indivíduo morrer de acidente de
trabalho é de 0.0001.
Qual a probabilidade de a companhia ter de pagar por ano a pelo
menos 4 dos seus segurados?