Escolar Documentos
Profissional Documentos
Cultura Documentos
Distribuições de Probabilidade
Com uso do R
2 de março de 2021
Sumário
Sumário
Distribuição Bernoulli
Exemplos:
Uma peça é escolhida, ao acaso, de um lote contendo 500 peças: esta peça
é defeituosa ou não.
Distribuição Bernoulli
Distribuição Bernoulli
Esperança de X:
E(X) = p
Distribuição Bernoulli
Esperança de X:
E(X) = p
Variância de X:
V(X) = p(1 − p)
Distribuição binomial
Distribuição binomial
Notação: X ∼ B(n, p)
Distribuição binomial
Distribuição binomial
Distribuição binomial
Distribuição binomial
Distribuição binomial
Distribuição binomial
Distribuição binomial
Distribuição binomial
Ensaios 1 2 3 4 5 6 7 8
Resultados s s s f f f f f
Resultados s f s f s f f f
Resultados s f f f s s f f
.. ..
. .
Distribuição binomial
Distribuição binomial
Fórmula geral
Probabilidade de x sucessos em n ensaios é
n
· px · (1 − p)n−x
x
onde
n n!
=
x x! · (n − x)!
Distribuição binomial
Visualizando:
Binomial(10, 0.1) Binomial(10, 0.9)
0.4
0.4
0.3
0.3
P(X=x)
P(X=x)
0.2
0.2
0.1
0.1
0.0
0.0
0 2 4 6 8 10 0 2 4 6 8 10
x x
0.15
0.20
0.15
0.10
P(X=x)
P(X=x)
0.10
0.05
0.05
0.00
0.00
0 2 4 6 8 10 0 5 10 15 20
x x
Distribuição binomial
Esperança de X:
E(X) = np
Distribuição binomial
Esperança de X:
E(X) = np
Variância de X:
V(X) = np(1 − p)
Distribuição binomial
Exercício 1:
Uma usina hidroelétrica tem 5 geradores que funcionam
independentemente, cada um com probabilidade 0,98 de estar em
operação. Qual a probabilidade de que exatamente dois estejam
em funcionamento em determinado instante?
Resolução:
Y = número de geradores em funcionamento
p = 0,98 = probabilidade de um gerador estar em funcionamento
(a probabilidade de sucesso)
n=5
P(X = 2)?
5
P(X = 2) = · 0,982 · (1 − 0,98)3 = 10 · 0,982 · 0,023 =
2
0,000077
Profa. Gecynalda Gomes Distribuições de Probabilidade 2 de março de 2021 16 / 61
Modelos probabilísticos para variáveis aleatórias
Distribuição binomial
Exercício 2:
Um fabricante de peças de automóveis garante que uma caixa de
suas peças conterá, no máximo, 2 defeituosas. Se a caixa contém
18 peças, e a experiência tem demonstrado que esse processo de
fabricação produz 5% das peças defeituosas, qual a
probabilidade de que:
(a) nenhuma peça seja defeituosa?
Distribuição Poisson
Distribuição Poisson
Aplicações:
Distribuição Poisson
Contra-exemplo:
Chegada de requisições em um servidor Web
Premissa de independência não é válida: existe dependência entre
requisições para o arquivo HTML e as imagens embutidas nele.
Distribuição Poisson
Distribuição Poisson
e−λ λx
P(X = x) = , x = 0, 1, 2, . . . .
x!
Notação: X ∼ Poisson(λ)
Distribuição Poisson
Visualizando:
0.3
λ=1
λ=4
λ = 10
0.2
P(X=x)
0.1
0.0
0 5 10 15 20
x
Profa. Gecynalda Gomes Distribuições de Probabilidade 2 de março de 2021 23 / 61
Modelos probabilísticos para variáveis aleatórias
Distribuição Poisson
Esperança de X:
E(X) = λ
Distribuição Poisson
Esperança de X:
E(X) = λ
Variância de X:
V(X) = λ
Distribuição Poisson
Exercício 1:
Considere que o número de emails que chegam a um servidor de
emails no intervalo t segundos é distribuído como Poisson com
parâmetro 0,3t. Calcule a seguintes probabilidades:
(a) Exatamente três mensagens chegarão num intervalo de
10 seg.
Distribuição Poisson
Exercício 1:
Considere que o número de emails que chegam a um servidor de
emails no intervalo t segundos é distribuído como Poisson com
parâmetro 0,3t. Calcule a seguintes probabilidades:
(a) Exatamente três mensagens chegarão num intervalo de
10 seg.
e−0,3t (0,3t)x
P(X = x) =
x!
Distribuição Poisson
Exercício 1:
Considere que o número de emails que chegam a um servidor de
emails no intervalo t segundos é distribuído como Poisson com
parâmetro 0,3t. Calcule a seguintes probabilidades:
(a) Exatamente três mensagens chegarão num intervalo de
10 seg.
e−0,3t (0,3t)x
P(X = x) =
x!
e−0,3·10 (0,3 · 10)3
P(X = 3) = = 0,224
3!
Distribuição Poisson
Exercício 1:
Considere que o número de emails que chegam a um servidor de
emails no intervalo t segundos é distribuído como Poisson com
parâmetro 0,3t. Calcule a seguintes probabilidades:
(a) Exatamente três mensagens chegarão num intervalo de
10 seg.
e−0,3t (0,3t)x
P(X = x) =
x!
e−0,3·10 (0,3 · 10)3
P(X = 3) = = 0,224
3!
(b) No máximo 20 mensagens chegarão num período de 20
seg.
(c) O número de mensagens num intervalo de 5 seg está
entre 3 e 7 mails.
Profa. Gecynalda Gomes Distribuições de Probabilidade 2 de março de 2021 25 / 61
Modelos probabilísticos para variáveis aleatórias
Distribuição Poisson
Exercício 2:
Em média há duas chamadas por hora num certo telefone.
Calcule:
(a) a probabilidade de se receber no máximo 3
chamadas em duas horas.
Distribuição exponencial
Distribuição Weibull
Distribuição gama
1.0
1.0
0.8
0.8
gamma(3,3) Weibull(2,1)
gamma(4,3) Weibull(3,2)
gamma(1,1) Weibull(1,1)
0.6
0.6
f(x)
f(x)
0.4
0.4
0.2
0.2
0.0
0.0
0 1 2 3 4 5 0 1 2 3 4 5
x x
Distribuição exponencial
Distribuição exponencial
Histogram of x
1e−03
8e−04
6e−04
Density
4e−04
2e−04
0e+00
Distribuição exponencial
1 1
e− α x ,
x≥0
f (x) = α
0 , caso contrário
Notação: X ∼ exp(α)
Distribuição exponencial
Propriedades:
A função de distribuição é dada por:
Z x 0 , x<0
1 − α1 s x
F(x) = P(X ≤ x) = e ds = 1 − e− α , x≥0
0 α
R∞ 1 −1x
E(X) = 0 xαe
α dx = α
Distribuição exponencial
Propriedades:
P(X > s + t e X > s) P(X > s + t)
P(X > s + t|X > s) = = =
P(X > s) P(X > s)
1
e− α (s+t) 1
= e− α t
− α1 s
e
para quaisquer s, t > 0.
Este resultado mostra que a distribuição exponencial apresenta a
propriedade de “não possuir memória”.
Isto significa que a probabilidade de “sobreviver” mais t unidades de
tempo é a mesma, quer já se tenham passado s unidades de tempo, ou 0
unidades.
Ou seja, não há envelhecimento. Esta hipótese é frequentemente razoável
para a vida de materiais eletrônicos.
Profa. Gecynalda Gomes Distribuições de Probabilidade 2 de março de 2021 34 / 61
Modelos probabilísticos para variáveis aleatórias Modelos probabilísticos contínuos
Distribuição exponencial
Exercício:
Uma lâmpada tem a duração de acordo com a densidade
exponencial com α = 1000. Determinar:
(a) a probabilidade de que essa lâmpada queime antes de
1000 horas;
(b) a probabilidade de que ela queime depois de sua
duração média;
(c) a variância da distribuição do tempo de duração dessa
lâmpada.
Distribuição gama
Uma variável aleatória contínua X, que assume valores não-negativos,
terá uma distribuição gama com parâmetros α > 0 e β > 0, se sua
função densidade de probabilidade for dada por:
1 x
xβ−1 e− α , x≥0
αβ Γ(β)
f (x) =
0 , caso contrário
Distribuição gama
Gama(3, 2)
0.6
0.5
0.4
Densidade
0.3
0.2
0.1
0.0
0 1 2 3 4 5
Distribuição gama
Notação: X ∼ Gama(β, α)
Propriedades:
1 x
Se β = 1 tem-se f (x) = e− α . Portanto, a distribuição
α
exponencial é um caso particular da distribuição gama.
E(X) = βα
V(X) = βα2
Um caso particular muito importante da distribuição gama será
obtido se β = n/2 e α = 2, em que n é um inteiro positivo. Esta
distribuição é denominada qui-quadrado com n graus de
liberdade.
Distribuição gama
Exercício:
Os tempos de resposta em um terminal de computador online
têm aproximadamente uma distribuição gama com média de 4
segundos e variância de 8 segundos ao quadrado. Escreva a
função de densidade de probabilidade para o tempo de resposta.
Qual a probabilidade de o tempo de resposta exceder 5 segundos?
Distribuição Weibull
β
x β
β xβ−1 e−( α )
, x≥0
f (x) = α
0 , caso contrário
Distribuição Weibull
Weibull(2, 2)
0.4
0.3
Densidade
0.2
0.1
0.0
0 1 2 3 4 5 6
Distribuição Weibull
Notação: X ∼ Weibull(β, α)
Propriedades:
1 x
Se β = 1 tem-se f (x) = e− α . Portanto, a distribuição
α
exponencial é também um caso particular da distribuição
Weibull.
E(X) = αΓ β1 + 1
h i2
2 2 1
V(X) = α Γ β + 1 − Γ β + 1
Distribuição Weibull
Propriedades:
0 , x<0
F(x) = P(X ≤ x) =
x β
1 − e−( α ) , x≥0
Distribuição Weibull
Exercício:
O tempo de vida, em horas, de um componente eletrônico segue
a distribuição Weibull com α = 0,4 e β = 0,5.
(a) Qual é a vida média do componente?
(b) Calcule a variância do tempo de vida desse
componente.
(c) Qual é a probabilidade do tempo de vida desse
componente ultrapassar 30 horas?
Distribuição normal
Distribuição normal
Distribuição normal
Normal(10, 16)
0.10
0.08
0.06
Densidade
0.04
0.02
0.00
0 5 10 15 20
Distribuição normal
Distribuição normal
Propriedades:
E(X) = µ e V(X) = σ 2 (σ - desvio padrão);
A curva normal é simétrica com relação a sua média µ, ou seja
f (µ + x) = f (µ − x);
P(µ − x ≤ X ≤ µ) = P(µ ≤ X ≤ x + µ);
P(X > µ) = P(X < µ) = 0,5.
Distribuição normal
0.05
0.04
µ = 165
µ = 179
0.03
Densidade
0.02
0.01
0.00
Distribuição normal
0.08
0.06
σ = 5
σ = 7
σ = 12
Densidade
0.04
0.02
0.00
Distribuição normal
Distribuição normal
Distribuição normal
Teorema
X−µ
Se X ∼ N (µ, σ 2 ) então a variável transformada Z = tem distribuição
σ
N (0, 1), isto é,
1
f (z) = √ exp(−z2 /2), −∞ < z < ∞.
2π
Distribuição normal
X−µ a−µ
Portanto, P(X ≤ a) = P ≤ = P(Z ≤ z), com
σ σ
X−µ
Z= .
σ
As probabilidades para a distribuição normal (0,1) também chamada de
Normal Padrão ou Normal Padronizada estão tabeladas.
Pelo exposto, vemos que através da tabela podemos obter as
probabilidades para qualquer outra distribuição normal.
Como a curva normal padrão é uma função simétrica em relação 0:
f (z) = f (−z);
P(−z ≤ Z ≤ 0) = P(0 ≤ Z ≤ z);
P(Z > 0) = P(Z < 0) = 0,5.
Distribuição normal
Exercício:
Uma enchedora automática de garrafas de refrigerante está
regulada para que o volume médio de líquido em cada garrafa
seja de 1000 cm3 e o desvio padrão de 10 cm3 . Pode-se admitir
que a distribuição da variável seja normal.
(a) Qual a probabilidade de garrafas em que o volume de
líquido é menor que 990 cm3 ?
(b) Qual a probabilidade de garrafas em que o volume de
líquido não se desvia da média em mais que dois
desvios-padrão?
Distribuição normal
Veja na Tabela abaixo as principais distribuições no R.
Distribuição Nome no R Argumentos
beta beta shape1, shape2, ncp
binomial binom size, prob
binomial negativa nbinom size, prob
Cauchy cauchy location, scale
qui-quadrado chisq df, ncp
exponencial exp rate
F f df1, df2, ncp
gama gamma shape, scale
geométrica geom prob
hipergeométrica hyper m, n, k
log-normal lnorm meanlog, sdlog
logística logis location, scale
normal norm mean, sd
Poisson pois lambda
t-Student t df, ncp
uniforme unif min, max
Weibull weibull shape, scale
Wilcoxon wilcox m, n
Distribuição normal
Exercícios
Os exercícios abaixo com indicação de página foram retirados de: Magalhães,
M.N. & Lima, A.C.P. (2001) Noções de Probabilidade e Estatística. 3 ed. São
Paulo, IME-USP. 392p.
(Ex 5, pag 77) Sendo X uma variável seguindo o modelo Binomial com
parâmetro n = 15 e p = 0.4, calcule (usando o R):
1 P(X ≥ 14)
2 P(8 < X ≤ 10)
3 P(X < 2 ou X ≥ 11)
4 P(X ≥ 11 ou X > 13)
5 P(X > 3 e X < 6)
6 P(X ≤ 13|X ≥ 11)
Exercícios
1 P(X ≤ 115)
2 P(X ≥ 80)
3 P(X ≤ 75)
4 P(85 ≤ X ≤ 110)
5 P(|X − 90| ≤ 10)
6 O valor de a tal que P(90 − a ≤ X ≤ 90 + a) = γ, γ = 0.95
OBRIGADA!