Você está na página 1de 16

A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

Probabilidade e Estatı́stica

Prof. Josuel Kruppa Rogenski

1o /2017

1
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

Na amostragem associada à aplicação da distribuição binomial,


é necessária a independência entre as tentativas.
Para casos em que a independência entre eventos não é
necessária, pode-se utilizar a distribuição hipergeométrica.
Aplicações são diversas como testes de eletrônicos, garantia de
qualidade e testes de amostragem por aceitação. A amostragem
sem reposição do item, nesse caso, é necessária.

2
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

Exemplo 1 Deseja-se encontrar a probabilidade de observar


três cartas vermelhas em cinco retiradas, de um baralho
comum de 52 cartas.
O problema é análogo a considerarmos a probabilidade de se
retirar três cartas vermelhas de 26 cartas e duas cartas pretas de
26 cartas disponı́veis.

3
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

Em geral, o problema se resume a selecionar x sucessos de k


itens considerados sucessos e n − x falhas em N − k itens
considerados falhos, em uma amostra aleatória de tamanho n
selecionada de N itens.
O experimento é conhecido como experimento
hipergeométrico e possui as seguintes propriedades:
1. uma amostra aleatória de tamanho n é selecionada sem
reposição de N itens;
2. k dos N itens são classificados como sucessos e N − k são
classificados como falhas.

4
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

O número X de sucessos de um experimento hipergeométrico é


chamado de variável aleatória hipergeométrica. Seus valores
serão denotados por h(x; N, n, k) e dependem do número de
sucessos k em um conjunto N do qual selecionamos n itens.

5
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

O número total   de tamanho n, escolhidas de N


 de amostras
N k
itens é . Há maneiras de selecionarmos x
n x
sucessos em k que estão disponı́veis,
 e para cada
 uma delas,
N−k
podemos escolher n − k falhas em .
n−x

6
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

Assim,   
k N−k
x n−x
h(x; N, n, k) =  
N
n
max{0, n − (N − k)} ≤ x ≤ min{n, k}

7
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

Exemplo 2 Lotes de 40 componentes cada são chamados de


inaceitáveis se contiverem três ou mais itens defeituosos. O
procedimento para a amostragem do lote é selecionar cinco
componentes aleatoriamente e rejeitar o lote se um item
defeituoso for encontrado. Qual é a probabilidade de que
exatamente um item defeituoso seja encontrado na amostra se
há três defeitusos no lote inteiro?

8
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO HIPERGEOM ÉTRICA

A média e a variância de uma distribuição hipergeométrica h(x;


N, n, k) são

nk
E(X) =
N
 
2 N−n k k
σ =n 1−
N−1N N

9
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO GEOM ÉTRICA

Se tentativas independentes repetidas podem resultar em um


sucesso com probabilidade p e uma falha com probabilidade
q = 1 − p, então a distribuição de probabilidade da variável
aleatória X associada ao número da tentativa na qual o
primeiro sucesso ocorre é

g(x; p) = pqx−1 , x = 1, 2, 3...

10
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO GEOM ÉTRICA

Exemplo 3 Em um processo de fabricação, sabe-se que, em


média, um em cada 100 itens apresenta defeitos. Qual é a
probabilidade de que o quinto item inspecionado seja o
primeiro item defeituoso encontrado?

11
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO DE P OISSON

A distribuição de probabilidade da variável aleatória de


Poisson X, que representa o número de resultados que ocorrem
em um certo intervalo de tempo ou em um região especı́fica
denotados por t, é

e−λt (λt)k
p(k; λt)
, k = 0, 1, ..., n.
k!
em que λ representa o número médio de resultados por
unidade de tempo, distância, área ou volume.

12
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO DE P OISSON

Exemplos de uso:
1. número de chamadas recebidas por um telefone no
intervalo de cinco minutos.
2. número de falhas de um computador durante um dia de
trabalho.
3. número de bactérias em uma dada cultura.

13
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO DE P OISSON

E(X) = σ 2 (X) = λt
Observação: Assume-se que a probabilidade de ocorrência de
dois eventos em um intervalo muito pequeno é desprezı́vel.
Quando n é muito grande e p muito pequeno em uma
distribuição binomial, a binomial tende ao resultado da
distribuição de Poisson.

14
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO DE P OISSON

Exemplo 4: Um telefone recebe, em média, cinco chamadas por


minuto. Supondo que a distribuição de Poisson seja adequada
a essa situação, obter a probabilidade de que o telefone nao
receba chamada durante um intervalo de um minuto. Qual a
probabilidade de que o telefone receba no máximo duas
chamadas em quatro minutos.

15
A ULA 10 - D ISTRIBUIÇ ÕES DE PROBABILIDADE DISCRETAS

D ISTRIBUIÇ ÃO DE P OISSON

Exercı́cio 5: Durante um experimento de laboratório, o número


médio de partı́culas que passam por um contador em um
milésimo de segundo é quatro. Qual a probabilidade de que
seis partı́culas entrem no contador em um dado milésimo de
segundo?

16