Você está na página 1de 14

Distribuição de Probabilidade

 Prof.: Joni Fusinato


 joni.fusinato@ifsc.edu.br
 jfusinato@gmail.com
Modelos de Probabilidade

• Utilizados para descrever fenômenos ou situações que


encontramos na natureza, ou experimentos por nós
construídos.

• São expressos por uma família de distribuições de probabilidade


que dependem de um ou mais parâmetros.

• O modelo deve representar, na medida do possível, a


complexidade que envolve o mundo real da população em
estudo.
Distribuição de Probabilidade

• São modelos matemáticos que relacionam um valor da variável


em estudo com a sua probabilidade de ocorrência.

• Há dois tipos de distribuição de probabilidade:

• Distribuições Discretas: quando a variável que está sendo


medida só pode assumir certos valores como números inteiros.

• Distribuições Contínuas: quando a variável que está sendo


medida é expressa em uma escala contínua.
Distribuição Discreta
de Probabilidade

Modelo de Modelo Modelo de


Bernoulli Binomial Poison
Modelo de Bernoulli
O que as perguntas abaixo têm em comum?

• Diminuirão os casos de dengue no próximo ano?


• Haverá uma alta do trigo este ano?
• Uma moeda lançada vai dar coroa?
O tipo de resposta: Sim ou Não

Probabilidade de sucesso: p
Probabilidade de fracasso: q = 1 - p

Onde o parâmetro 0 ≤ p ≤ 1 é a probabilidade de sucesso.


Modelo de Bernoulli
Exemplo: Considere o lançamento de um dado e a ocorrência de um
número superior a 2 em cada lançamento.
Defina e determine a probabilidade de sucesso em cada lançamento.

x = 1, sucesso A probabilidade de sucesso é p = 4/6 = 2/3


x = 0, fracasso
Modelo Binomial
Considere agora as seguintes perguntas:

– Quantas vezes vão ocorrer casos de dengue no próximo ano?


– Quantas vezes vai haver uma alta do trigo nos próximos 20 anos?
– Se lançarmos uma moeda 5 vezes, quantas vezes teremos cara?

Muitas vezes, não queremos saber apenas se algo ocorre


ou não. Queremos saber quantas vezes ela ocorre.
Modelo Binomial
• A distribuição binomial resolve problemas de contagem
respondendo perguntas do tipo “quantos” em experimentos
onde:

 Há dois resultados possíveis e mutuamente excludentes

• A probabilidade de sucesso e de falha são constantes em todas


as repetições.
• Os eventos são independentes.
Modelo Binomial

Onde:
P(x): Probabilidade de x “sucessos” em n repetições
n: número de repetições
x: número de sucessos; x = 0, 1, 2, ...
p = probabilidade de sucesso
q = probabilidade de fracasso
Numa linha de produção a probabilidade de se obter uma peça
defeituosa (sucesso) é de 10%. Toma-se uma amostra de 10 peças
para serem inspecionadas. Qual a probabilidade de se obter:
a) Uma peça defeituosa?
b) Nenhuma peça defeituosa?
c) Duas peças defeituosas?
p = 0,1
q = 0,9
n = 10
x = 1, 0, 2
Modelo de Poisson
• Usado para modelar o número de ocorrências de um evento por um certo
período de tempo ou por um certo volume ou por uma certa área.

• As suposições básicas para a utilização do modelo são:

 As condições do experimento permanecem constantes no decorrer do tempo,


isto é, a taxa média de ocorrência (λ) é constante ao longo do tempo.
 Intervalos de tempo disjuntos são independentes, isto é, a informação sobre o
número de ocorrências em um período nada revela sobre o número de
ocorrências em outro período.

P(X = k) ou P(X = x) Probabilidade de x


ocorrências em um intervalo de tempo
(ou área ou volume).

µ = λ: frequência média de sucesso no


intervalo considerado.
Exemplo 1: Um processo fabril apresenta uma taxa média
de 0,2 defeitos por unidade produzida. Qual a probabilidade de
uma unidade escolhida aleatoriamente:
a) Ser perfeita?
b) Apresentar 2 defeitos?

µ = 0,2 defeito/unidade
Modelo de Poisson
Exemplo 2: A aplicação de tinta em um automóvel é feita de forma
mecânica, e pode produzir defeitos de fabricação, como bolhas ou
áreas mal pintadas, de acordo com uma variável aleatória X que
segue uma distribuição de Poisson de parâmetro µ = 1. Ao
escolhermos um carro ao acaso para que sua pintura seja
inspecionada, qual a probabilidade de encontrarmos, pelo menos 1
defeito? E qual a probabilidade de encontrarmos de 2 a 4 defeitos?

P(X  1)  1  P(X  1) P(2  X  4)  P(X  2)  P(X  3)  P(X  4)


e 1 10 e1 12 e1 13 e1 14
P(X  1)  1  P(2  X  4)     0,2606
0! 2! 3! 4!
P(X  1)  0, 6321  63, 21% P(2  X  4)  26, 06%
https://www.youtube.com/watch?v=gIEV5DG1AXw – Distribuição
Binomial

https://www.youtube.com/watch?v=2Fvq56lBYYQ – Distribuição de
Poisson

https://www.youtube.com/watch?v=Ofeid6knLso – Resolução de
Exercícios usando a distribuição de Poisson

https://www.youtube.com/watch?v=Q2sJxJFRz9s – Como fazer a


combinação usando a calculadora Casio