Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula 03
1
P ( X xi ) , i 1, 2, ..., N
N
Distribuição Uniforme Discreta
Ainda,
N
1
E( X )
N
x
i 1
i
e,
N
2
N xi
E X
Var ( X ) E X 2 2
1
N i 1
xi
2
i 1
N
Voltando ao Exemplo 1
Vamos definir a variável aleatória X como sendo o
número sorteado. Assim,
X 1 2 3 ... N Total
P(X = x) 1/N 1/N 1/N ... 1/N N/N
Voltando ao Exemplo 1
(cont.)
Ainda,
N
xi 1 2 ... N
1 1
E( X )
N
i 1 N
1 N ( N 1) N 1
N 2 2
Voltando ao Exemplo 1
(cont.)
e,
N
2
N xi
Var ( X ) E X 2 E X
2
1
i
N i 1
x 2
i 1
N
N (1 N )
2
1 N ( N 1)( 2 N 1) 2 N 2
1
N 6 N 12
Exemplo 2
Um dado equilibrado é lançado. O experimento
consiste em observar a ocorrência da face 5.
Pergunta-se:
(a) Qual a distribuição de probabilidades da
variável de interesse?
(b) Qual o valor esperado?
(c) Qual a variância?
Distribuição de Bernoulli
p( 0 ) P( X 0 ) 1 p ,
p( 1 ) P( X 1 ) p ,
é chamada variável aleatória de
Bernoulli.
Distribuição de Bernoulli
Ainda, não é difícil que,
X E( X ) p
e,
Var ( X ) p (1 p)
2
X
Johann Bernoulli
1667-1748
Suiça
http://www-gap.dcs.st-and.ac.uk/~history/Mathematicians/Bernoulli_Johann.html
Voltando ao Exemplo 2
1, se ocorrer a face 5
X
0, caso contrário
1
X ~ Bernoulli
6
X 0 1 Total
P(X=x) 5/6 1/6 6/6
E(X) = 1/6
Var(X) = (1/6) x [1-(1/6)] = 5/36
Exemplo 3
Um corretor de seguros recebe uma comissão
de R$50,00 a cada novo seguro que vende. A
probabilidade de um determinado perfil de
cliente adquirir o seguro é de 0,20. Suponha que
os clientes comportem-se de maneira
independente. Se o corretor entrevistar 3
clientes, com esses determinado perfil, qual a
probabilidade de 2 negócios serem fechados?
Obs.: Defina X a v.a. ‘número de negócios
fechados pelo corretor’.
Distribuição Binomial
S N (S,S,N) 2
S (S,N,S) 2
S N (S,N,N) 1
N
S (N,S,S) 2
S
N (N,S,N) 1
N
S (N,N,S) 1
N
N (N,N,N) 0
Probabilidades para seqüências
com 1 sucesso
p: probabilidade do cliente comprar
Resultado Probabilidade
SNN p(1-p)(1-p) p(1-p)2
NSN (1-p)p(1-p) p(1-p)2
NNS (1-p)(1-p)p p(1-p)2
P(X = 1) = 3 p (1-p)2
Probabilidades para seqüências
com 2 sucessos
p: probabilidade do cliente comprar
Resultado Probabilidade
SSN pp(1-p) p2(1-p)
SNS p(1-p)p p2(1-p)
NSS (1-p)pp p2(1-p)
P(X = 2) = 3 p2 (1-p)
Probabilidades para seqüências
com 0 e 3 sucessos
Resultado Probabilidade
NNN (1-p)(1-p)(1-p) p0(1-p)3
P(X = 0) = (1-p)3
Resultado Probabilidade
SSS ppp p3(1-p)0
P(X = 3) = p3
Distribuição de probabilidades de X
x P(X=x)
3
0 (1-p)
2
1 3 p (1-p)
2
2 3 p (1-p)
3
3 p
Número de amostras gerando
exatamente k sucessos em n tentativas
Amostras k
(S,S,S) 3
(S,S,N) 2 n n!
Cn,k
k k!(n k)!
(S,N,S) 2
(S,N,N) 1
(N,S,S) 2
3 3!
(N,S,N) 1 C3,2 3
(N,N,S) 1 2 2!( 3 2 )!
(N,N,N) 0
Forma geral
n k nk
P(X k) p ( 1 p)
k
n - número de tentativas
k
k 0, 1, 2, , n.
Distribuição Binomial
Ainda, não é difícil que,
X E ( X ) np
e,
Var ( X ) np(1 p)
2
X
Voltando ao Exemplo 3
Um corretor de seguros recebe uma comissão
de R$50,00 a cada novo seguro que vende. A
probabilidade de um determinado perfil de
cliente adquirir o seguro é de 0,20. Suponha que
os clientes comportem-se de maneira
independente. Se o corretor entrevistar 3
clientes, com esses determinado perfil, qual a
probabilidade de 2 negócios serem fechados?
Obs.: Defina X a v.a. ‘número de negócios
fechados pelo corretor’.
Voltando ao Exemplo 3
k P(X = k)
Amostras k
(S,S,S) 3 3!
0 (.20) 0 (.80) 3 0,512
(S,S,N) 2 0! (3)!
(S,N,S) 2 3!
1 (.20) 1(.80) 2 0,384
(S,N,N) 1! (2)!
1
3!
(N,S,S) 2 2 (.20) 2 (.80) 1 0,096
2! (1)!
(N,S,N) 1
3!
(N,N,S) 1 3 (.20) 3 (.80) 0 0,040
3! (0)!
(N,N,N) 0
Total 1,000
Exemplo 4
Um time de basquete não está muito bem
nesta temporada, de tal forma que a
probabilidade de que ganhe um jogo
qualquer é de 20%.
a) Qual a probabilidade de que a primeira
vitória ocorra na quinta partida?
b) Qual é a partida esperada em que
ocorrerá a primeira vitória?
Distribuição Geométrica
Suponha que, ao realizar um experimento, ocorra
o evento A com probabilidade p ou não ocorra A
(ou seja, ocorre AC com probabilidade 1-p).
Repetimos o experimento de forma independente
até que o evento A ocorra pela primeira vez.
Então,
P( X j ) 1 p j 1 p, j 1, 2, 3, ,
1
X E( X )
p
e,
(1 p)
Var ( X )
2
X 2
p
Voltando ao Exemplo 4
Um time de basquete não está muito bem
nesta temporada, de tal forma que a
probabilidade de que ganhe um jogo
qualquer é de 20%.
a) Qual a probabilidade de que a primeira
vitória ocorra na quinta partida?
b) Qual é a partida esperada em que
ocorrerá a primeira vitória?
Solução
b) E(X) = 1 / 0,2 = 5
Distribuição Geométrica
Importante saber (ANPEC)
Se s e t são inteiros positivos, então
P ( X s t | X s ) P ( X t ). Bussab e Morettin
ou
P ( X s t | X s ) P ( X t ). Meyer
Se X ~ Geométrica(p) e se fizermos Z = X – 1,
interpretando Z como o número de falhas que
precedem o primeiro sucesso, então
Z ~ Geométrica(p)
com
P ( Z j ) 1 p p, j 0 , 1, 2 ,
j
Exemplo 5
r N r
k n k
P( X k ) x 0 , 1, ..., min (r,n)
N
n
Distribuição Hipergeométrica
Pode-se demonstrar que
E ( X ) np
e
2 N n
Var ( X ) np( 1 p )
N 1
em que,
p r – é a probabilidade de se obter uma
N
peça defeituosa numa única
extração.
Voltando ao Exemplo 5
X: nº de peças defeituosas
X ~ Hipergeométrica (50, 5, 8)
N = 50 n=8 r=5 k=2
5 50 5 5 45
2 8 2 2 6
P( X 2) 0,152
50 50
8 8
Distribuição Hipergeométrica
Observações
Se N > > n, ou seja N bem grande, quando
comparado com n, então extrações com ou sem
reposição serão praticamente equivalentes, de
modo que as probabilidades dadas pela distribuição
exata (Hipergeométrica) serão aproximadamente
iguais àquelas que seriam obtidas adotando a
distribuição Binomial.
Distribuição Hipergeométrica
Observações (cont.)
Note, também, que o cálculo da variância de uma
variável aleatória (v.a.) com distribuição
Hipergeométrica, onde N – n N – 1, é
aproximadamente igual àquele que seria obtido
caso a v.a. fosse distribuída de acordo com uma
Binomial.
Distribuição Hipergeométrica
Observações (cont.)
Pergunta-se:
Experimento de Poisson
www-gap.dcs.st-and.ac.uk/~history/Mathematicians/Poisson.html
Distribuição de Poisson
E( X ) e 2
Var( X )
Voltando ao Exemplo 6
Uma central telefônica recebe uma média de 5 chamadas por
minuto. Sabe-se que a probabilidade de uma chamada é a
mesma para dois intervalos de tempo de igual tamanho.
Ainda, a chegada ou não de uma chamada num dado instante
de tempo é independente da chegada ou não de um chamada
em outro intervalo de tempo.
Pergunta-se:
X ~ Poisson (5).
e
k 5
5 e
P( X k )
k!
Solução (cont.)
0
5 e 5
P(X 0 ) 0 ,006737947
0!
Solução (cont.)
P ( X 2) P ( X 0) P ( X 1) P ( X 2)
0 5 1 5 2 5
5 e 5e 5 e
0! 1! 2!
0,0067 0,0337 0,084 0,1244
Exemplo 7
De acordo com o enunciado do Exemplo 6, qual a
probabilidade de chegar 10 chamadas num período de 3
minutos?
10 15
15 e
P(Y 10 ) 0,0486
10!
Observe que chegam, em média, 5 chamadas por
minuto. Sendo assim, num período de 3 minutos
chegam em média 15 chamadas. Logo a nova variável
(Y: número de chamadas num período de 3 minutos) é
uma Poisson com parâmetro 15.
A Distribuição de Poisson
como Aproximação da
Distribuição Binomial
Quando n é grande e p é pequeno podemos
usar a distribuição de Poisson com
np
Em geral, n 20 e p 0,05 np 7
Exemplo 8
(1) E(X2) = + 2
(2) E(X) = e- .
(3) E(X) = Var(X) = .
(4) E(X) = /2 e Var(X) = .
(0) F (1) V (2) F (3) V (4) F
Exercício 3
De 15 pessoas que foram a uma reunião, 5 eram
coordenadoras de área. Sorteada uma amostra
sem reposição de 5 pessoas, qual é a
probabilidade de
Proposta do comprador:
20x0,1216 + 10x(0,2702+0,2852) + 8x0,3231 = 10,57
Conclusão: A proposta do comprador é menos
vantajosa para fabricante.