Escolar Documentos
Profissional Documentos
Cultura Documentos
Teoria de Probabilidades
Ao jogarmos uma moeda para o ar, de modo geral, não podemos afirmar se
vai dar cara ou coroa. Da mesma forma, quando lançamos um dado não
sabemos qual das faces 1, 2, 3, 4, 5, ou 6 ocorrerá. Há numerosos exemplos de
tais situações no campo dos negócios e do governo. A previsão da procura de
um produto novo, o cálculo dos custos de produção, a opinião pública sobre
determinado assunto, a contratação de um novo empregado – tudo isso contém
algum elemento de acaso.
Experiência
aleatória
6
6
Espaço
Amostral
P(X(ω)∈{2,4,6})=3/6=1/2.
Acontecimentos e eventos
aleatórios
Variável
aleatória
8
8
Suponha:
E (experiência aleatória) → jogar uma moeda três vezes
S (espaço amostral) = {(ccc), (kcc), (ckc), (cck), (kkk), (kkc), (kck), (ckk)}
Suponha que:
Característica = número de caras nos 3 lançamentos da
moeda. Quais os valores assumidos pela variável aleatória?
X = 0 {(kkk)} (não sai nenhuma
cara)
X=1 {(kkc)(kck)(ckk)} (sai uma cara)
X = 2 {(kcc)(ckc)(cck)} (saem duas
caras) X = 3 {(ccc)} (saem 3 caras)
Exemplo
1
Duas bolas são retiradas sucessivamente, sem reposição, de uma caixa
que contém 4 bolas vermelhas e 3 pretas. Seja X a variável aleatória “número
de bolas vermelhas retiradas no experimento” Quais os valores assumidos por
“X”?
Solução:
São retiradas duas bolas da caixa. Essas bolas podem ser: a primeira vermelha
ea
segunda também vermelha (VV); ou a primeira vermelha e a segunda preta
(VP); ou a primeira preta a segunda vermelha (PV); ou a primeira preta e a
segunda preta (PP). Então o espaço amostral (o conjunto dos resultados
possíveis) é:
O espaço amostral para este experimento será: {TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH}
Note
O resultado zero caras, ocorre somente uma
vez
9
O resultado 1 cara, ocorre três
vezes
O resultado 2 caras, ocorre três
vezes
O resultado 3 caras, ocorre somente uma
vez
1
0
10
Tipos de variáveis
aleatórias
Exercícios de
fixação
Para testar se assimilou os conceitos acima estudados, pegue num papel e caneta
e responda as seguintes questões antes de consultar as respectivas soluções.
Exemplo
3
Numa urna há 7 bolas brancas e 4 bolas verdes. Cinco bolas são extraídas
dessa urna. Defina a variável aleatória (v.a.) X = número de bolas verdes. Quais
são os possíveis valores de X se as extracções são feitas:
(a) Sem reposição;
(b) com reposição.
Solução:
(a) Como há apenas 4 bolas verdes, os valores de X são 0, 1, 2, 3, 4. Note
que temos bolas brancas em quantidade suficiente para que X = 0 (isto é,
podemos tirar todas brancas).
11
(b) Se as extracções são feitas com reposição, em cada extracção podemos
tirar bola branca.
Logo, os possíveis valores de X são 0, 1, 2, 3, 4,
5.
Exemplo 4
Repita o problema anterior, supondo que a urna tem 4 bolas de cada cor.
Solução:
(a) Nesse caso, temos que ter pelo menos uma bola de cada cor. Logo,
os possíveis valores de X são 1, 2, 3, 4.
(b) Como antes, os valores de X são 0, 1, 2, 3, 4, 5.
Distribuições Discretas de
Probabilidade
11
MM , MR , RM , RR R rapaz , M
rapariga
12
12
X ( ) ={0, 1, 2}
13
Esquematicament
e
X 0 1 2
=1- P( X<1)=1-P(X=0).
Note-se que
P(X=0)+P(X=1)+P(X=2)=1.
P(CC) = P(C)xP(C)=0.5*0.5=0.25.
14
Note que neste caso, a cara pode sair na primeira moeda que lançamos ou
na segunda, isto é, CK ou KC, então é necessário calcular as probabilidades de
CK e de KC e somar.
P(KC) = P(K)xP(C)=0.5*0.5=0.25.
x f(x)
0 0,25
1 0,50
2 0,25
Total 1,00
n
Note que f(xi) 1 , isto é o somatório das probabilidades de X=1, X=2 e X=
3,
i1
é igual a 1, com efeito, 0.25 +0.5+0.25 =1; e qualquer probabilidade é maior
ou
igual a zero e menor ou igual a
um.
Agora calcule a distribuição de probabilidades na experiencia aleatória:
Jogar 3 moedas e observar o resultado.
Solução
S:{(ccc)(cck)(ckc)(kcc)(kkk)(kkc)(kck)
(ckk)} X= número de caras (c)
Assim, escrevemos que f(x) = P(X = x), ou seja, f(3) = P(x = 3). O conjunto
dos pontos ordenados (x, f(x)) é chamado de Função Probabilidade, Função Massa
de Probabilidade ou Distribuição de Probabilidade da variável
aleatória
14
14
discreta X.
Propriedades:
15
P(X
x) f (x)
0
f (x) 1
n
f ( xi ) 1
i1
X = {número de meninas}
valores
diferentes, X={0,1,2,3}, cada um deles representando 0, 1, 2 e 3 meninas,
resultando nas probabilidades iguais a 0.14, 0.39, 0.36 e 0.11,
respectivamente,
como mostrado na tabela abaixo.
X p(x)
0 0.14
16
1 0.13+0.13+0.13=0.39
2 0.12+0.12+0.12=0.36
3 0.11
A função de probabilidade de X é a
seguinte:
Obtemos, por exemplo, p(X=4) = 3/36, pois (1,3), (2,2) e (3,1) e são os pontos
de
A cuja soma das componentes é 4. Então P(X = 4) = P({(1,3),(2,2),(3,1)})
=3/36
Função de Distribuição de
Probabilidades
A função distribuição acumulada (fda) descreve completamente a
distribuição da probabilidade de uma variável aleatória de valor real X. Para
15
cada número real x, a fda é dada por:
16
16
Propriedade
s
1. F (-∞) = P(X ≤ -∞) = 0
2. F(+∞) = P(X ≤ +∞) = 1
3. P(a< X ≤b) =F(b)- F(a)
F(b) = P(x ≤ b)
F(a) = P(x ≤ a)
4. P(a ≤ x ≤b) = F(b) – F(a) + P(x = a)
Exemplo
8:
Experiência (E): Lançamento de 2
moedas
17
Espaço amostral: S = { (cc) (ck) (kc) (kk)
} X = n° de caras obtidas
a) Calcule a função de probabilidade.
b) Calcule a probabilidade de sair pelo menos uma
cara. c) Calcule a função de distribuição da variável
X.
d) Construa os gráficos das funções acima.
Solução:
a) Função de Probabilidade
O caro estudante já aprendeu que para determinar a função de probabilidade de
X, é preciso calcular as probabilidades dos valores possíveis de X, isto é,
P(X=0), P(X=1) e P(X=2). E vimos anteriormente que essas probabilidades
são 1/4, 2/4,
1/4, respectivamente. Portanto, a função de probabilidade de X, é
representada a seguir:
Atenção!
A função de distribuição é definida não apenas para os valores assumidos
pela variável aleatória X, mas para todos os números reais.
Ou seja:
F(x) = 0 se x < 0
F(x) = 1/4 se 0 ≤ x < 1
F(x) =3/4 se 1 ≤ x < 2
F(x) = 1 se x ≥ 2
E representa-se da seguinte
forma:
d) Gráficos das
funções.
Função de probabilidade: Construído de forma que o ponto central é “x” e a
altura
é f(x)
17
18
Função de
distribuição
1 0,10
2 0,15
3 0,25
4 0,25
5 0,15
6 0,10
E(x) xi P ( X xi )
i1
E (x)
1* 0,10 2 * 0,15 3* 0,25 4 * 0,25 5* 0,15 6 * 0,10 3,5
Note que o valor que toma a esperança matemática em alguns casos pode não
ser "esperado" no sentido mais geral da palavra - o valor da esperança
pode ser improvável ou inclusive impossível.
Exemplo 11. Em determinado sector de uma loja o número de produtos
vendidos em um dia pelos funcionários é uma variável aleatória P
com a seguinte distribuição de probabilidades (esses números foram obtidos
dos resultados de vários anos de estudo):
Número de 0 1 2 3 4 5 6
produtos
Probabilidade 0.1 0.4 0.2 0.1 0.1 0.05 0.05
de venda
Cada vendedor recebe comissões de venda, distribuídas da seguinte forma: se
ele vende até 2 produtos em um dia, ele ganha uma comissão de $10,00 por
produto vendido. A partir da terceira venda, a comissão passa para $50,00.
Qual é o número médio de produtos vendidos por cada vendedor e qual a
comissão média de cada um deles?
Solução:
O número médio de vendas por funcionário
é
19
E(P) = 0 × 0,1 + 1 × 0,4 + 2 × 0,2 + 3 × 0,1 + 4 × 0,1 + 5 × 0, 05 + 6 × 0, 05 =
20
20
2,05
Com relação à comissão, vamos construir sua fdp:
Número de 0 1 2 3 4 5 6
produtos
Comissão 0 10 20 70 120 170 220
Probabilidade 0.1 0.4 0.2 0.1 0.1 0.05 0.05
de venda
2 [( X ) 2 P ( X )]
Sendo que 2
E[x ]
2
X P(X )
E(x 2 2 2 2 2 2 2
) 1 *0,10 2 *0,15 3 *0,25 4 *0,25 5 *0,15 6 * 0,10 14,3
Portanto, 2
var(x) E (x )
2
14.3 3.5 2.05
Número de Probabilidade
carros alugados P(X)
10 0,25
11 0,30
12 0,35
13 0,10
Total 1,00
a) Calcule o número médio de carros alugados por semana.
Resposta:
E ( X ) [ X . P ( X )] (10 ) ( 0 , 25 ) (11 ) ( 0 , 30 )
(12 ) ( 0 , 35 ) (13 ) ( 0 ,10 ) 11 , 3
b) Calcule a variância do número de carros alugados por semana.
Resposta:
[( X ) . P ( X )]
2 2
2 2 2
(10 11 , 3 ) 0 , 25 (11 11 , 3 ) 0 , 30 ... (13 11 , 3 ) 0 ,10 0 , 91
2
0,9135 0,9558
Solução:
Seja X: o número de aparelhos vendidos em uma semana e seja L o
lucro semanal. Então, L = 500X.
E (X) = 0 × 0,1 + 1 × 0,1 + 2 × 0,2 + 3 × 0,3 + 4 × 0,2 + 5 × 0,1 = 2, 7
E (X2 )= 02 × 0,1 + 12 × 0,1 + 22 × 0,2 + 32 × 0,3 + 42 × 0,2 + 52 × 0,1 = 10, 2
Desvio padrão de X = 1,
706
22
22
Função de Densidade de
Probabilidade
Lembre-se que uma variável aleatória contínua é uma variável que pode
assumir um número infinitamente grande de valores (com certas
limitações práticas). Deste modo, para este tipo de variáveis, que podem
tomar todos os valores num determinado intervalo de valores reais, vamos ter
de considerar distribuições de probabilidades diferentes das dadas nas v.a.’s
discretas. Mais concretamente, iremos descrever a probabilidade de uma v.a.
X que assume um valor no intervalo [a, b] através de uma função f,
convenientemente escolhida, como sendo a área limitada pelo eixo [a, b] e
pelo gráfico da função f (figura em baixo).
P(a<X<b)
a b
b
P(a X b ) f ( X ) dx
a
2 1 2
a) ; b)
9
xdx
23
dx x 4 dx
2
x
dx xf)2
x dx ; c) e) 2
Exemplo 14: seja X uma variável aleatória contínua com a seguinte função:
24
24
25
2x par
0 x 1
af (x)
0 caso contrario
Solução: para mostrar que f(x) é uma função de densidade, temos que
mostrar que f(x) cumpre as seguintes propriedades:
A função densidade de probabilidade f(x) é sempre positiva, para todo
x
pertencente a X: f(x)>0
A área sob a função f(x) entre os limites menos infinito e mais infinito
da
variável aleatória contínua X é igual a um ou 100%:
f (x)d(x) 1
1
que mostrar f (x)d(x) 1. Com efeito,
0
que
1
2
1 x 1
2 2 2
2xdx 2 x 0 1 0 1
2 0
0
a) Determine a constante c tal que a função f(x) seja uma função de densidade.
b) P (1 X 2 )
Calcule
Resolução se
a) Como a f(x) satisfaz a propriedade 1
26
3
3
3 cx
e como esta integral deve ser igual a
2
f ( x ) dx cx dx 9c
1,
0
3
0
1
temos c
9
2
3
2 1 2 x 8 1 7
P (1 X 2 ) x dx
1
9 27 27 27 27
1
Exemplo 16:
c
para 0 X 4
f (x) x
0 em qualquer outra parte
a) Qual é o valor de c ?
b)
Resolução:
4
4 c 4 dx 1
a) dx c
c(2 x) 4c como 4c 1 c
0 4
0 0
x x 4
1 1
4 dx
b) P ( X 1)
1
1 / 2 x
1
( 4 1)
4 x 2 2
Exemplo 18. Seja X uma variável aleatória contínua (v.a.c.) com a seguinte
f.d.p.:
1
x 0 x 2
f (x) 2
caso contrario
0
Encontre a F(x) (função de distribuição acumulada)
Solução:
Você tem que integrar f(x) de menos infinito até mais infinito
x
25
F (x) P(X f (t)dt
x)
26
26
x 2 x
2
1 t x
27
0 x 0
2
x
F (x) 0 x 2
4
1 x 2
Fica assim pois para x <0, f(x) = 0 por tanto F(x)=0 e para x > 2, F(x) =1,
pois toda as probabilidades já estão concentrada nos intervalo [0, 2]
Calcular a esperança de
28
X.
Variância de Variáveis Aleatórias
Contínuas
Suponhamos que, para uma variável aleatória X, verificamos que E(X) = 2.
Qual é o significado disso? Como vimos acima, significa que se
considerarmos um grande número de determinações de X, digamos x1 , ... ,
xn , ao calcularmos a média desses valores de X ela estará próxima de 2, se n
for grande.
Exemplo 20: Suponhamos que X seja uma variável aleatória contínua com
fdp
Calcule
Var(X).
Temos
que
27
e
Portanto, temos
que
28
29
30
31
32
33
34
35
36
28
2
x
1 X 2
Exemplo 21: Dada a f (x)
função 3
0 em caso contr a rio
a) Calcular a
E(X)
b) 2
(x)
Calcular
Resolução
2
2 4
2 x 1 2 1 x 4 1 15
a) E(x) X dx
3
x dx 1 . 25
1
3 3 1
3 4 3 12 12
1
b) Para primeiro
(x) vamos
calcular calcular
2
2
x 3
=
2
E x
2
1
x
2
dx 2.2 Logo
3 15
E (x)
2 2 2
(x) E x
2 2
(x) 2 . 2 (1 . 25 ) 0 . 6375
29
30
30
31
32
32
33
34
0, outro caso
a) Determine o valor de c para que f(x) seja fdp.
b) Calcule a probabilidade de encontrar uma pes soa com
renda acima de
1 unidade monetária.
c) Escreva a função de distribuição de probabilidades.
d) Qual é a renda média nesta localidade?