Escolar Documentos
Profissional Documentos
Cultura Documentos
professorederlima.blogspot.com
Introdução
Vamos estudar agora modelos teóricos de distribuição
de probabilidades, aos quais o experimento aleatório
estudado possa ser adaptado, o que permitirá a
solução de um grande numero de problemas práticos;
Distribuições Contínuas e Discretas
• Distribuição Binomial
• Distribuição de Poisson
• Distribuição Geométrica
Distribuição Binomial
• A distribuição binomial é adequada para descrever
situações em que os resultados de uma variável
aleatória podem ser agrupados em apenas duas classes
ou categorias.
• As categorias devem ser mutuamente excludentes, de
forma que não haja dúvidas na classificação do
resultado da variável nas categorias e coletivamente
exaustivas, de forma que não seja possível nenhum
outro resultado diferente das categorias.
• Por exemplo, um produto manufaturado pode ser
classificado como perfeito ou defeituoso, a resposta de
um questionário pode ser verdadeira ou falsa, as
chamadas telefônicas podem ser locais ou
interurbanas.
Distribuição Binomial
• Mesmo variáveis contínuas podem ser divididas em
duas categorias, como por exemplo, a velocidade
de um automóvel pode ser classificada como
dentro ou fora do limite legal.
• Geralmente, denomina-se as duas categorias como
sucesso ou falha. Como as duas categorias são
mutuamente excludentes e coletivamente
exaustivas:
P
(s
uce
ss
o)P
(f
alh
a)1
• Conseqüentemente, sabendo-se que, por exemplo,
a probabilidade de sucesso é P(sucesso) = 0,6, a
probabilidade de falha é P(falha) = 1-0,6 = 0,4.
Distribuição Binomial
• Condições de aplicação:
• são feitas n repetições do experimento, onde n é
uma constante;
• há apenas dois resultados possíveis em cada
repetição, denominados sucesso e falha
• a probabilidade de sucesso (p) e de falha (1- p)
permanecem constante em todas as repetições;
• as repetições são independentes, ou seja, o
resultado de uma repetição não é influenciado por
outros resultados.
Distribuição Binomial
Seja um processo composto de uma seqüência de n
observações independentes com probabilidade de sucesso
constante igual a p, a distribuição do número de sucessos
seguirá o modelo Binomial:
P( x)
n
x p x (1 p)n x x = 0,1,....,n
n
x
n!
x!( n x)!
Exemplo 1
P( x) p (1 p)
n
x
x n x
temos : n 5, x 3, p
1
2
3
5 1 1 53
P (3) 3 (1 )
2 2
1 1 1 10
P (3) 10. 3 . 2 10. 5 0,3125ou 31,25%
2 2 2 32
Exemplo 2
P ( x 3) p x 0 p x 1 p x 2 p x 3
0 8 1 7 2 6 3 6
1 1 1 1 1 1 1 1
P ( x 3) C 8
0 . C 18 . C 28 . C 38 .
2 2 2 2 2 2 2 2
8 8 8 8
1 1 1 1
P ( x 3) 8. 28. 56.
2 2 2 2
1 8 28 56 93
P ( x 3) 8 8 8 8 0,3632ou 36,32%
2 2 2 2 256
P(x)
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0 1 2 3 4 5 6 7
P(x)
Distribuição de Poisson
Distribuição de Poisson
Distribuição de Poisson
Distribuição de Poisson
• Exemplo:
Suponhamos que a Receita Federal tenha informações
que o numero médio de declarações preenchidas com
fraude seja de 2 a cada 1000 declarações. Através da
distribuição de Poisson calcule as seguintes
probabiliades:
a) De 2 declarações preenchidas com fraudes.
b) De menos de duas declarações preenchidas com
fraude.
Distribuição de Poisson
• Resolução:
a) = 2 x=2 e 2 0,1353
0,1353.2 2 0,5412
P ( 2) 0,2706 27,06%
2! 2
b) P(<2) = P(0) + P(1)
0,1353.20 0,1353
P ( 0) 0,1353 13,53%
0! 1
0,1353.21 0,1353.2
P (1) 0,2706 27,06%
1! 1
P (0) P (1) 13,53 27,06 40,59%
Distribuição Geométrica
Exemplo