Escolar Documentos
Profissional Documentos
Cultura Documentos
DISTRIBUIÇÕES DE PROBABILIDADE
Aula 07
Professora Fádua Ferreira
faduafantonio@gmail.com
CRONOGRAMA DE AULA
•18/11/2019: Distribuições Discretas de
Probabilidade e Distribuição Binomial;
•25/11/2019: Função de Densidade de
Probabilidade e Distribuição Normal (2ª
chamada da 2ª avaliação);
•02/12/2019: Distribuição Normal - continuação;
•09/12/2019: Revisão;
•16/12/2019: 3ª AVALIAÇÃO.
VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS
O resultado de um experimento probabilístico geralmente é
uma contagem ou uma medida. Quando isso ocorre, esse
resultado é um possível valor de uma variável aleatória.
• Definição
Uma variável aleatória 𝒙 representa um valor numérico
associado a cada resultado de um experimento probabilístico
(ou aleatório).
VARIÁVEIS ALEATÓRIAS
A palavra aleatória indica que 𝑥 é determinado em função de um objeto
escolhido ao acaso. Há dois tipos de variáveis aleatórias: discreta e contínua.
• Definição
1. Uma variável aleatória é discreta quando tem um número finito ou
contável de resultados possíveis que podem ser enumerados.
2. Uma variável aleatória é contínua quando tem um número incontável de
resultados possíveis, representados por um intervalo na reta numérica.
• Dica de estudo
Na maioria das aplicações praticas, as variáveis aleatórias discretas
representam dados contáveis, enquanto as variáveis aleatórias contínuas
representam dados mensuráveis.
VARIÁVEIS ALEATÓRIAS
Você conduz um estudo sobre o número de ligações que um vendedor
faz em um único dia.
Os valores possíveis da variável aleatória 𝑥 são 0, 1, 2, 3, 4 e assim por
diante.
Uma vez que o conjunto de resultados possíveis {0, 1, 2, 3, ...} pode ser
listado, 𝑥 é uma variável aleatória discreta.
Você pode representar esses valores como pontos na reta numérica,
como mostra a Figura 4.3.
Figura 4.3 número de ligações (discreta).
VARIÁVEIS ALEATÓRIAS
Uma forma diferente de conduzir o estudo seria medir o tempo diário (em
horas) que um vendedor passa fazendo ligações.
O tempo gasto fazendo ligações pode ser qualquer número real de 0 a 24
(incluindo frações e decimais), então 𝑥 é uma variável aleatória contínua.
Você pode representar esses valores em um intervalo na reta, mas você não
poderá enumerar todos os valores possíveis (veja a Figura 4.4).
Figura 4.4 Horas gastas em ligações (continua).
EXEMPLO 1
Variáveis discretas e variáveis contínuas
Determine se a variável aleatória 𝑥 é discreta ou contínua. Explique seu
raciocínio.
1. 𝑥 representa o número de empresas, da lista das 500 maiores, que
perderam dinheiro no ano passado.
2. 𝑥 representa o volume de gasolina em um tanque de 21 galões.
Solução
1. O número de empresas que perderam dinheiro no ano passado pode
ser contado: {0, 1, 2, 3, ..., 500}. Logo, 𝑥 é uma variável aleatória
discreta.
2. A quantidade de gasolina no tanque pode ser qualquer volume de 0
a 21 galões. Portanto, 𝑥 é uma variável aleatória contínua.
DISTRIBUIÇÕES DISCRETAS
DE PROBABILIDADE
EXEMPLO 2
Construindo e representando graficamente uma Tabela 4.2 Distribuição de
distribuição discreta de probabilidade frequência dos resultados de um
Um psicólogo industrial aplicou um teste de teste de personalidade.
personalidade para identificar características
Pontuação Frequência
passivo-agressivas em 150 colaboradores. Os
indivíduos recebiam uma pontuação de 1 a 5, 1 24
sendo 1 extremamente passivo e 5 extremamente 2 33
agressivo. Uma pontuação 3 não indicava nenhuma 3 42
das duas características. Os resultados estão 4 30
indicados na Tabela 4.2. Construa uma distribuição 5 21
de probabilidade para a variável aleatória x. Depois,
represente graficamente a distribuição usando um
histograma.
EXEMPLO 2
Solução
Divida a frequência de cada pontuação pelo número total de indivíduos no
estudo para determinar a estimativa da probabilidade para cada valor da variável
aleatória.
24 33 42
𝑃 1 = = 0,16; 𝑃 2 = = 0,22; 𝑃 3 = = 0,28;
150 150 150
30 21
𝑃 4 = = 0,20; 𝑃 5 = = 0,14
150 150
A distribuição discreta de probabilidade é apresentada na Tabela 4.3:
Tabela 4.3 Distribuição discreta de probabilidades para as possíveis pontuações.
x 1 2 3 4 5
P(x) 0,16 0,22 0,28 0,20 0,14
EXEMPLO 2
Solução
O histograma está indicado na Figura 4.5. Como a
largura de cada barra é um, a área de cada barra é
igual à probabilidade de um resultado particular. Além
disso, a probabilidade de um evento corresponde à
soma de áreas dos resultados incluídos no evento. Por
exemplo, a probabilidade de um evento “ter uma
pontuação de 2 ou 3” é igual à soma das áreas da
segunda e terceira barras. (É como se desse um
tratamento contínuo a uma variável discreta.)
(1) (0,22) + (1) (0,28) = 0,22 + 0,28 = 0,50.
Interpretação: É possível verificar que a distribuição é
aproximadamente simétrica.
EXEMPLO 3
Verificando uma distribuição de probabilidade
Verifique que a distribuição da Tabela 4.1 é uma distribuição de
probabilidade.
Tabela 4.1 Distribuição de probabilidade de chuva para três dias.
Dias de chuva Contagem Probabilidade
0 1 0,216
1 3 0,432
2 3 0,288
3 1 0,064
EXEMPLO 3
• Solução
Se a distribuição é uma distribuição de probabilidade, então
(1) cada probabilidade está entre 0 e 1, inclusive, e
𝑃 = 0,216; 𝑃 = 0,432; 𝑃 = 0,288; 𝑃 = 0,064
(2) a soma de todas as probabilidades é igual a 1.
Σ𝑃(𝑥) = 0,216 + 0,432 + 0,288 + 0,064 = 1.
Interpretação: Como ambas as condições são preenchidas, a
distribuição é uma distribuição de probabilidades.
EXEMPLO 4
Identificando distribuições de probabilidade
Determine se as distribuições dos itens a seguir são distribuições de
probabilidade. Explique seu raciocínio.
1. x 5 6 7 8 2. x 1 2 3 4
P(x) 0,28 0,21 0,43 0,15 P(x) 1/2 1/4 5/4 -1
• Solução
1. Cada probabilidade está entre 0 e 1, mas a soma de todas as
probabilidades é 1,07, que é maior que 1. Portanto, esta não é uma
distribuição de probabilidade.
2. A soma de todas as probabilidades é igual a 1, mas P(3) e P(4) não estão
entre 0 e 1. Portanto, esta não é uma distribuição de probabilidades. As
probabilidades nunca podem ser negativas ou maiores do que 1.
EXEMPLO 5
Encontrando a média de uma distribuição de probabilidade
A distribuição de probabilidade para o teste de personalidade discutido no Exemplo 2 está apresentada na
Tabela 4.5. Encontre a pontuação média.
Tabela 4.5 Distribuição de probabilidade para o teste de personalidade
𝑥 𝑃(𝑥)
1 0,16
2 0,22
3 0,28
4 0,20
5 0,14
∑𝑃 𝑥 = 1
EXEMPLO 5
• Solução
Use a tabela para organizar seus cálculos, como indicado na Tabela 4.6. Da tabela, você pode verificar que a
pontuação média é aproximadamente 2,9. (Note que a média é arredondada para uma casa decimal a mais
que os valores possíveis da variável aleatória x.)
𝑥 𝑃(𝑥) 𝑥𝑃(𝑥)
1 0,16 1(0,16) = 0,16
2 0,22 2(0,22) = 0,44
3 0,28 3(0,28) = 0,84
4 0,20 4(0,20) = 0,80
5 0,14 5 (0,14) = 0,70
∑𝑃 𝑥 = 1 ∑𝑥𝑃 𝑥 = 2,94 ≈ 2,9
Interpretação: Lembre que uma pontuação de 3 representa um indivíduo que não exibe nem características
passivas nem agressivas, e a média é ligeiramente menor que 3. Então, a característica de personalidade média
não é nem extremamente passiva, nem extremamente agressiva, mas é levemente mais próxima à passividade.
EXEMPLO 6
Encontrando a variância e o desvio padrão
A distribuição de probabilidade para o teste de personalidades
discutido no Exemplo 2 é mostrado na Tabela 4.7. Encontre a variância
e o desvio padrão da distribuição de probabilidade.
Tabela 4.7 Distribuição de probabilidade para o teste de personalidade
x P(x)
1 0,16
2 0,22
3 0,28
4 0,20
5 0,14
EXEMPLO 6
• Solução Então, a variância é
Do Exemplo 5 você sabe que, antes de 𝜎 = 1,6164 ≈ 1,6
arredondar o valor, a média da distribuição é m E o desvio padrão é:
= 2,94. Use uma tabela para organizar seu
𝜎= 𝜎 =
1,6164 ≈ 1,3
trabalho,
conforme mostrado na Tabela 4.8:
Interpretação: A maioria dos valores x difere da
Tabela 4.8 Calculo da variância e desvio padrão média não mais que 1,3 ponto.
para o teste de personalidade.
x P(x) 𝒙−𝝁 𝒙−𝝁 𝟐 𝒙 − 𝝁 𝟐 𝑷(𝒙)
1 0,16 -1,94 3,7636 0,602176
2 0,22 -0,94 0,8836 0,194392
3 0,28 0,06 0,0036 0,001008
4 0,20 1,06 1,1236 0,224720
5 0,14 2,06 4,2436 0,594104
∑𝑃 𝑥 = 1 ∑ 𝑥 − 𝜇 𝑃 𝑥 = 1,6164
VALOR ESPERADO
A média de uma variável aleatória representa o que você esperaria
acontecer com a média de milhares de testes (população). Ela também
é chamada de valor esperado.
• Definição
O valor esperado de uma variável aleatória discreta é igual a média da
variável aleatória.
Valor esperado = 𝐸 𝑥 = 𝑋 = Σ𝑥𝑃(𝑥).
Embora as probabilidades nunca possam ser negativas, o valor
esperado de uma variável aleatória pode ser negativo.
EXEMPLO 7
Encontrando um valor esperado
Em um sorteio, 1.500 bilhetes são vendidos a $ 2 cada, para prêmios de
$ 500, $ 250, $ 150 e $ 75. Você compra um bilhete. Qual é o valor
esperado do seu ganho?
• Solução
Para encontrar o ganho para cada prêmio, subtraia o preço do bilhete
do prêmio. Por exemplo, o seu ganho para o prêmio de $ 500 é:
$ 500 – $ 2 = $ 498
e o seu ganho para o prêmio de $ 250 é:
$ 250 – $ 2 = $ 248.
EXEMPLO 7
• Solução
Escreva a distribuição de probabilidade para os ganhos possíveis (ou resultados).
Note que um ganho representado por um número negativo é uma perda (veja a
Tabela 4.9).
Tabela 4.9: Distribuição de probabilidade da variável Ganho.
Ganho, 𝒙 $ 498 $ 248 $ 148 $ 73 -$ 2
Probabilidade, 𝑃(𝑥) 1 1 1 1 1496
1500 1500 1500 1500 1500
RESUMO
VARIÁVEL ALEATÓRIA DISCRETA
ESTATÍSTICA FÓRMULA
𝑛
MÉDIA 𝑋= 𝑥𝑖 𝑃(𝑥𝑖 )
𝑖=1
VALOR ESPERADO 𝐸 𝑋 =𝑋
𝑛
VARIÂNCIA 𝜎2 = 𝑥𝑖 − 𝑋 2 𝑃(𝑥𝑖 )
𝑖=1
DESVIO PADRÃO 𝜎=
𝜎2
DISTRIBUIÇÕES BINOMIAIS
EXPERIMENTOS BINOMIAIS
Há muitos experimentos probabilísticos para os quais os
resultados de cada tentativa podem ser reduzidos a dois
resultados: sucesso e fracasso.
Por exemplo, quando um jogador de basquete tenta um lance
livre, ele pode fazer a cesta ou não.
Experimentos de probabilidade como esses são chamados de
experimentos binomiais.
EXPERIMENTOS BINOMIAIS
• Definição
Um experimento binomial é um experimento probabilístico que
satisfaz as seguintes condições:
1. O experimento tem um número fixo de tentativas, em que cada
tentativa é independente das outras.
2. Há apenas dois resultados possíveis para cada tentativa, que podem
ser classificados como sucesso (S) ou fracasso (F).
3. A probabilidade de um sucesso é A MESMA para cada tentativa.
4. A variável aleatória 𝑥 conta o número de tentativas com sucesso.
EXPERIMENTOS BINOMIAIS
• Notação para experimentos binomiais
SÍMBOLO DESCRIÇÃO
𝑛 O número de tentativas.
A probabilidade de sucesso em uma
𝑝
única tentativa.
A probabilidade de fracasso em uma
𝑞
única tentativa (𝑞 = 1 – 𝑝).
A variável aleatória representa a
𝑥 contagem do número de sucessos em 𝑛
tentativas: 𝑥 = 0, 1, 2, 3, … , 𝑛.
EXPERIMENTOS BINOMIAIS
Vamos ver um exemplo de experimento binomial.
De um baralho comum de cartas, você escolhe ao
acaso uma carta, verifica se é de paus ou não, e
devolve a carta ao baralho.
Você repete o experimento cinco vezes, então n = 5.
O resultado para cada tentativa pode ser
classificado em duas categorias: S = tirar uma carta
de paus e F = tirar uma carta de outro naipe (Figura
4.6).
As probabilidades de sucesso e fracasso são:
𝟏 𝟏 𝟑
𝒑= 𝒆 𝒒=𝟏− =
𝟒 𝟒 𝟒
EXPERIMENTOS BINOMIAIS
A variável aleatória 𝑥 representa o número de cartas de paus
selecionadas nas cinco tentativas.
Portanto, os valores possíveis da variável aleatória são:
0, 1, 2, 3, 4 e 5.
Se 𝑥 = 2, por exemplo, então exatamente duas das cinco
cartas são de paus, e as outras três não são.
Note que 𝒙 é uma variável aleatória discreta porque seus
valores possíveis são obtidos por meio de contagem.
EXEMPLO 1
Identificando e compreendendo experimentos binomiais
Determine se o experimento é binomial ou não. Caso seja, especifique
os valores de n, p e q, e liste os valores possíveis da variável aleatória x.
Caso não seja, explique o porquê.
1. Um certo procedimento cirúrgico tem 85% de chances de sucesso.
Um médico realiza o procedimento em oito pacientes. A variável
aleatória representa o número de cirurgias com sucesso.
2. Uma jarra contém cinco bolas de gude vermelhas, nove azuis e seis
verdes. Você escolhe três bolas aleatoriamente, sem reposição. A
variável aleatória representa o número de bolas vermelhas.
EXEMPLO 1
• Solução
1. O experimento é binomial porque ele satisfaz as quatro condições de
um experimento binomial. No exemplo, cada cirurgia representa uma
tentativa. Há oito cirurgias e cada uma é independente das outras. Há
apenas dois resultados possíveis para cada cirurgia — ou ela é um
sucesso ou é um fracasso. Além disso, a probabilidade de sucesso para
cada cirurgia é de 0,85. Finalmente, a variável aleatória x representa o
número de cirurgias com sucesso.
• n=8 Número de tentativas.
• p = 0,85 Probabilidade de sucesso.
• q = 1 – 0,85 = 0,15 Probabilidade de fracasso.
• x = 0, 1, 2, 3, 4, 5, 6, 7, 8 Valores possíveis de x.
EXEMPLO 1
• Solução
2. O experimento não é binomial porque ele não satisfaz todas as
quatro condições de um experimento binomial. No experimento, cada
seleção de bola de gude representa uma tentativa, e selecionar uma
bolinha vermelha é um sucesso. Quando a primeira bola é selecionada,
a probabilidade de sucesso é 5/20. Porém, como a bola não é reposta,
a probabilidade de sucesso nas tentativas subsequentes não é mais
5/20. Então, as tentativas não são independentes e a probabilidade de
sucesso não é a mesma para cada tentativa.
EXEMPLO 2
Calculando uma probabilidade binomial
Cirurgias do manguito rotador têm 90% de chance de sucesso. A
cirurgia é realizada em três pacientes. Determine a probabilidade de
ela ser um sucesso em exatamente dois pacientes.
EXEMPLO 2
• Solução
Método 1: desenhe um diagrama de árvore e use a regra de multiplicação
(ver Figura 4.7).
Há três resultados que têm exatamente dois sucessos, e cada um tem uma
probabilidade de . Portanto, a probabilidade de uma cirurgia ter sucesso
.
em exatamente dois pacientes é 3 . = 0,243.
EXEMPLO 2
• Solução
Método 2: use a fórmula da probabilidade binomial.
Neste experimento binomial, os valores para n, p, q e x são n = 3, 𝑝 =
, 𝑞 = e x = 2. A probabilidade de exatamente duas cirurgias terem
sucesso é:
3! 9 1 81 1 81
𝑃 2 = =3 =3 = 0,243
3 − 2 ! 2! 10 10 100 10 1000
EXEMPLO 3
Construindo uma distribuição binomial
Em uma pesquisa, adultos americanos
foram solicitados para que indicassem quais
dispositivos eles utilizavam para acessar
mídias sociais. Os resultados estão na
Figura 4.8. Sete adultos que participaram da
pesquisa são selecionados aleatoriamente e
indagados se utilizam um telefone celular
para acessar mídia social. Construa uma
distribuição de probabilidade binomial para
o número de adultos que respondeu sim.
(Fonte: Nielsen U.S. Social Media Survey.)
EXEMPLO 3
• Solução
Da Figura 4.8 podemos observar que 46% dos adultos utilizam um
telefone celular para acessar mídia social. Então, p = 0,46 e q = 0,54.
Como n = 7, os valores possíveis de x são 0, 1, 2, 3, 4, 5, 6 e 7.
EXEMPLO 3
Observe na Tabela 4.10 que todas as probabilidades estão entre 0 e 1 e
que a soma é 1.
EXEMPLO 5
Calculando probabilidades binomiais por meio de fórmulas
Uma pesquisa com adultos americanos descobriu que 62% das
mulheres acreditam que há uma ligação entre jogos violentos e
adolescentes que apresentam comportamento violento. Você seleciona
aleatoriamente quatro mulheres americanas e pergunta se elas
acreditam nessa ligação entre jogos e comportamento violentos.
Encontre a probabilidade de (1) exatamente duas responderem sim, (2)
pelo menos duas responderem sim e (3) menos de duas responderem
sim.
EXEMPLO 5
• Solução
1. Usando n = 4, p = 0,62, q = 0,38 e x = 2, a probabilidade de que
exatamente duas mulheres respondam sim é:
𝑃 2 =𝐶 , 0,62 0,38 = 6 0,62 0,38 ≈ 0,333044
2. Para encontrar a probabilidade de que pelo menos duas mulheres
respondam sim, encontre a soma de P(2), P(3) e P(4).
𝑃 2 =𝐶 , 0,62 0,38 = 6 0,62 0,38 ≈ 0,333044
𝑃 3 =𝐶 , 0,62 0,38 = 4 0,62 0,38 ≈ 0,362259
𝑃 4 =𝐶 , 0,62 0,38 = 1 0,62 0,38 ≈ 0,147763
Logo, a probabilidade de que pelo menos duas respondam sim é:
𝑃 𝑥 ≥ 2 = 𝑃 2 + 𝑃 3 + 𝑃 4 ≈ 0,333044 + 0,362259 + 0,147763 ≈ 0,843
EXEMPLO 5
• Solução
3. Para encontrar a probabilidade de que menos de duas mulheres
respondam sim, encontre a soma de P(0) e P(1).
𝑃 0 = 𝐶 , 0,62 0,38 = 1 0,62 (0,38) ≈ 0,020851
𝑃 1 = 𝐶 , 0,62 0,38 = 4 0,62 0,38 ≈ 0,136083
Logo, a probabilidade de que menos de duas respondam sim é:
𝑃 𝑥 < 2 = 𝑃 0 + 𝑃 1 ≈ 0,020851 + 0,136083 ≈ 0,157
EXEMPLO 6
Encontrando uma probabilidade binomial em uma tabela
Cerca de 10% dos trabalhadores (com idades acima de 16 anos) nos
Estados Unidos vão para seus locais de trabalho usando carona
solidária. Você escolhe oito trabalhadores de forma aleatória. Qual é a
probabilidade de que exatamente quatro deles utilizem a carona
solidária? Use a tabela para encontrar a probabilidade.
EXEMPLO 6
• Solução
Uma parte da Tabela B.2 no Apêndice B
é mostrada na Tabela 4.11. Usando a
distribuição para n = 8 e p = 0,1, você
pode encontrar a probabilidade de x = 4,
conforme destacado nas áreas da tabela.
Interpretação: Portanto, a probabilidade
de que exatamente quatro dos oito
trabalhadores utilizem a carona solidária
é 0,005. Como 0,005 é menor que 0,05,
podemos considerar o evento como
incomum.
REPRESENTANDO GRAFICAMENTE
DISTRIBUIÇÕES BINOMIAIS
Exemplo 7
Representando graficamente uma distribuição binomial
Cerca de 60% dos sobreviventes de câncer têm idade acima dos 65
anos. Você seleciona aleatoriamente seis sobreviventes de câncer e
pergunta se possuem idade acima dos 65 anos. Construa uma
distribuição de probabilidade para a variável aleatória x. Depois,
represente-a graficamente.
EXEMPLO 7
Solução
Para construir a distribuição binomial, calcule a probabilidade para
cada valor de x. Usando n = 6, p = 0,6 e q = 0,4 obtêm-se os valores
apresentados na Tabela 4.12.
Tabela 4.12: Distribuição de probabilidades para o numero de
sobreviventes de câncer com mais de 65 anos.
𝑥 0 1 2 3 4 5 6
𝑃(𝑥) 0,004 0,037 0,138 0,276 0,311 0,187 0,047
EXEMPLO 7
Solução Figura 4.11: Sobreviventes de
Como uma variável discreta assume câncer com 65 anos ou mais.
valores no conjunto dos números
inteiros, a representação matemática
usual é por meio de gráfico de barras
ou segmentos verticais.
Interpretação: Do histograma,
podemos observar que seria incomum
para nenhum, um ou todos os seis
sobre
EXEMPLO 7
Note que, no Exemplo 7, o histograma é assimétrico à
esquerda.
O gráfico de uma distribuição binomial com p > 0,5 é
assimétrico à esquerda enquanto, para p < 0,5, o
gráfico é assimétrico à direita.
Para p = 0,5, o gráfico da distribuição binomial é
simétrico.
• Variância:
• Desvio padrão:
EXEMPLO 8
Calculando e interpretando a média, a variância e o desvio
padrão
Em Pittsburgh, Pensilvânia, cerca de 56% dos dias em um ano
são nublados. Calcule a média, a variância e o desvio padrão
para o número de dias nublados durante o mês de junho.
Interprete os resultados e determine quaisquer valores
incomuns.
EXEMPLO 8
Solução
Há 30 dias no mês de junho. Usando n = 30, p = 0,56 e q = 0,44 você
poderá encontrar a média, a variância e o desvio padrão conforme
apresentado a seguir:
• 𝐸(𝑋) = 𝑛𝑝 = 30 × 0,56 = 16,8 MÉDIA
• 𝜎 = 𝑛𝑝𝑞 = 30 × 0,56 × 0,44 ≈ 7,4 VARIÂNCIA
• 𝜎 = 𝑛𝑝𝑞 = 7,4 ≈ 2,7 DESVIO PADRÃO
EXEMPLO 8
Interpretação:
Em média, há 16,8 dias nublados durante o mês de junho.
O desvio padrão é de aproximadamente 2,7 dias. Valores que distam
mais do que dois desvios padrões da média são considerados
incomuns.
Como 16,8 – 2(2,7) = 11,4, um mês de junho com 11 dias nublados ou
menos seria incomum.
Da mesma forma, como 16,8 + 2(2,7) = 22,2, um mês de junho com 23
dias nublados ou mais também seria incomum.
PRÓXIMA AULA
VARIÁVEIS ALEATÓRIAS CONTÍNUAS
DISTRIBUIÇÃO NORMAL