Escolar Documentos
Profissional Documentos
Cultura Documentos
1
x = 1,2,..., N 1
p(x ) = N = Ι {1,2,...,N} (x )
0 c/c N
PROPRIEDADES:
1+ N
E(X) =
2
N2 − 1
V(X) =
12
N
1
MX(t) = ∑e
j=1
jt
.
N
Ex1:
Seja ε lançar um dado, então: P(X)
X = { 1, 2, 3, 4, 5, 6 }
p(xi) = 1/6 1/6
E(X) = 3,5
V(X)= 2,92
1 2 3 4 5 6 X
8.1.2. BERNOULLI:
Uma v.a. X tem distr. Bernoulli se sua f.p. for dada por:
p x (1 − p) 1− x x = 0,1 1− x
p( x ) = = p (1 − p) I{0,1} ( x)
x
0 c/c
PROPRIEDADES:
E(X) = p
V(X) = p.q
MX(t) = pet + q
PROCESSO DE BERNOULLI:
8.1.3. BINOMIAL:
Uma v.a. possui distribuição binomial se sua f.p. for dada por:
n n
p(x) = . p x . q n − x x = 0, 1, ..., n = . p x . q n − x I{0,1,...,n} ( x)
x x
n n!
n
C = x = x!( n − x)!
x
X = número de sucessos
n = número de tentativas
p = probabilidade de sucessos em cada tentativa.
PROPRIEDADES:
E(X) = np
V(X) = npq
MX(t) = (pet + q)n
8.1.4. POISSON:
Uma v.a. X tem distr. Poisson se sua f.p. for dada por:
λx .e − λ
x = 0, 1, 2, ... x −λ
λ .e
p( x ) = x! = I{
0 ,1 ,2 ,...}
(x)
x!
0 c/c
PROPRIEDADE:
E(X) = λ
V(X) = λ
M X ( t ) = e λ ( e −1)
t
n ≥ 30
np < 5
λ = np
8.1.5- HIPERGEOMÉTRICA:
Uma v.a. X tem distribuição hipergeométrica se sua f.p. for dada por:
r N − r
r N − r
x n − x
p / x = 0, 1, ..., n x n − x
p( x ) = N = I{0,1,..,n} ( x)
n N
n
0 c/c
Propriedades:
r
E ( X ) = n. = np
N
r N − r N − n
V ( X ) = n.
n N N − 1
M X ( t ) não é utilizado
8.1.6- GEOMÉTRICA:
Uma v.a tem distribuição geométrica se sua f.p. for dada por:
pq x − 1 x = 1, 2, 3, ...
x −1
p( x) = = pq I{ 1, 2 , 3 ,...} ( x)
0 c/c
Propriedades:
1
E (X ) =
p
q
V (X ) = 2
p
p. e t
M X (t) =
1 − qe t
8.1.7- PASCAL:
x − 1 r x− r
p q x = r, r +1, r + 2, ... x − 1 r x− r
p(x) = r − 1 = p q I{ r ,r +1,r +2,...} (x)
0 r − 1
c/c
para r = 1 ⇒ X~Geométrica
Propriedades:
r rq pe t
E(X) = V(X) = M X (t) =
(1 − qe )
r
p p2 t
8.1.8-BINOMIAL NEGATIVA:
Uma v.a. Y tem distribuição binomial negativa se sua f.p. for dada por:
r + y − 1 r y
p q y = 0, 1, 2, ... r + y − 1 r y
p(Y) = y = p q I{0,1,2,...} ( y)
0 y
c/c
Propriedades:
r
rq rq p
E (Y ) = V (Y ) = 2 M Y (t) =
p p 1 − tq
x − 1 r X − r fazendo x = r + y ⇔ y = x - r
p(x) = p q
r − 1
r + y − 1 r r + y − r r + y − 1 r y
p( y) = p q = p q
r −1 y
8.1.9- MULTINOMIAL:
n1 ! n 2 ! ... n k
Propriedades:
1
a ≤ x ≤ b
f ( x ) = b − a
1
= I[
a ,b ]
(x)
b− a
0 c/c
0 x<a
(x − a ) (x − a )
F( x ) = a ≤ x ≤ b = I [ a ,b ) ( x ) + I (x)
(b − a ) (b − a )
[ b ,∞ )
1 x>b
PROPRIEDADES:
E( X ) =
a +b
V(X) =
(b - a )2 M (t ) =
e bt − e at
2 12
X
(b − a )t
f(x) F(x)
-
1/b-a
x x
a b a b
Uma v.a. X tem distr. exponencial com parâmetro λ > 0, se sua f.d.p. for dada
por:
f ( x ) = λ e − λx I [ 0 ,∞ )
(x) ,λ >0
PROPRIEDADES:
1 1 λ
E( X ) = V(X) = M X (t ) = ,t < λ
λ λ 2
λ −t
x
F ( x ) = P( X ≤ x ) = ∫ λe −λt dt = 1 − e −λx , x ≤ 0
0
-λx
Assim: P(X>x) = e
Demo:
Função Gama:
Γ( p) = ∫ x p −1e − x dx p>0
0
[ ]
∞
Γ(p) = −e ∫ − e (p − 1)x dx =
−x ∞
.x p−1 0 − | −x p−2
0
∞
= 0 + (p − 1) ∫ e − x x p−2 dx =
0
= (p − 1)Γ(p − 1)
Se p for inteiro positivo p=n. Aplicando a relação acima repetidas vezes teremos:
Γ(n ) = (n − 1)Γ(n − 1) =
= (n − 1)(n − 2 )Γ(n − 2 ) =
= (n − 1)(n − 2 )...Γ(1)
∞
e também verifica-se:
∞
Γ (1 / 2) = ∫ x −1/ 2 e − x dx = π
0
Distribuição Gama:
Seja X um v.a. contínua, que tome somente valores não negativos. Então,
X ~ GAMA(α,λ) se sua f.d.p., for dada por:
λα r −1 − λx
x e ,x > 0
f ( x ) = Γ(α ) Γ(α) = (α-1)!
0
c/c
p/ α ≥ 1 eλ=>0
Gamma Distribution
1 Shape,Scale
1,1
0,8
density
0,6
0,4
Profa. Sonia Isoldi Marty
0,2 Gama Müller Página 9
0
0 1 2 3 4 5 6
x
Notas de Aula de Probabilidade A
ocorrência acontece..
PROPRIEDADES:
2.
α
α α λ
E (X) = V(X) = 2 M X (t) = , p/ t < λ
λ λ λ − t
PROPRIEDADES:
2. lim f X ( x ) = 0
x →±∞
8. Valor esperado : µ
9.Variância = σ2
IMPORTÂCIA:
xi − µ
1
1 − z2
f ( z) = e 2
p/ z =
2π σ
z x2
1 −
F( z) = Φ( z) = ∫
2 π −∞
e 2 dz ⇒ valor tabelado
1. 0 ≤ Z ≤ 1,2 R: 0,3849
2. -0,68 ≤ Z ≤ 0 0,2517
3. -0,46 ≤ Z ≤ 2,21 0,6637
4. Z ≤ -0,6 0,2743
5. Z ≥ 0,62 0,2676
6. 0,18 ≤ Z ≤ 0,26 0,0312
7. -0,95 ≤ Z ≤ -0,41 0,1698
8. Z < -1,51 e Z > 1,51 0,1310
9. Z > -0.5 0,6915
1. BINOMIAL:
quando n ≥ 30
np ≥ 5
então: µ = np
σ2 = npq
2. POISSON:
quando λ ≥ 10
então: µ = λ
σ=λ
1
x a −1 (1 − x) b −1 ,0 < x < 1
f ( x) = B(a, b )
0
c/c
1
onde : B(a, b) = ∫ x a −1 (1 − x) b −1 Função Beta
0
Obs:
1. A densidade beta é apropriada para modelar proporções, por causa do seu
domínio (o intervalo (0,1)) e também pela variedade de formas que ela pode
assumir.
2. Quando a=b=1 a Distribuição Beta se reduz a Distribuição Uniforme no
intervalo (0,1)
1
,-∞ < x < +∞ e β > 0
{
f ( x) = πβ 1 + [( X − α ) / β ]2 }
0
c/c
Obs: A distribuição de Cauchy pode ser considerada uma distribuição patológica, pois
ela não apresenta média e variância. Entretanto a distribuição de Cauchy tem sua
importância em diversas áreas do conhecimento científico na fisica por exemplo essa
distribuição é solução de um equação diferencial que descreve um determinado tipo de
oscilador, em matemática é uma das soluções para a equação de laplace, entre diversas
outras finalidades. A distribuição de Cauchy, cujo o nome foi dado em homenagem ao
famoso matemático Augustin-louis Cauchy.
f ( x) =
0 c/c
Obs:
1. Se b=1 a Distr. Weibull se reduz a Distr. Exponencial
2. A distribuição Weibull foi proposta originalmente por W. Weibull (1954) em estudos
relacionados ao tempo de falha devido a fadiga de metais. Ela é frequentemente usada
para descrever o tempo de vida de produtos industriais.
Obs: Assim como a distribuição Weibull, a distribuição Log-Normal é muito usada para
caracterizar tempo de vida de produtos e materiais. Isto inclui fadiga de metal,
semicondutores, diodos e isolação elétrica.
Obs: A função logística descrevendo uma curva sigmoidal simétrica é uma função
probabilística amplamente utilizada, principalmente em estudos de crescimento
populacional.
8.3-EXERCÍCIOS:
8.3.1- Uma urna contém 16 bolas brancas e 14 pretas. Calcular a probabilidade de ao
serem retiradas 5 bolas, 3 serem brancas, quando a amostragem for feita:
a) com reposição
b) sem reposição
8.3.4- Uma moeda é lançada sucessivamente, qual a probabilidade de que a face cara
apareça 2 vezes na 3ª jogada?
8.3.7- Uma caixa contém 5 bolas vermelhas, 4 brancas e 3 azuis. Extrai-se uma bola ao
acaso, anota-se a cor, repondo-se em seguida a bola na caixa. Determine a probabilidade
de que, de 6 bolas assim escolhidas, 3 sejam vermelhas, 2 brancas e 1 azul.
8.3.8-.O número de vezes que um adulto respira, por minuto, depende da idade e varia
grandemente de pessoa para pessoa. Suponha que a distribuição dessa variável aleatória
seja normal, com média de 16 e desvio padrão igual a 4. Se uma pessoa é escolhida,
aleatoriamente, e o número de respirações por minuto, quando em repouso, for anotado,
qual é a probabilidade desse valor exceder 22?
8.3.10-. Suponha que o peso de uma população de suínos está normalmente distribuído
com µ = 230kg e σ = 20kg. Qual a probabilidade de ocorrência de suínos com pesos
entre 220 e 280kg?
8.3.11-Um novo modelo de rádio portátil foi desenvolvido com base no fato de que
50% de todos os consumidores são mulheres. Se uma amostra de 400 compradores for
selecionada aleatoriamente, qual é a probabilidade de o número de mulheres dessa
amostra ser maior que 175?
8.3.12-Sabe-se que 30% de todas as chamadas destinadas a uma mesa telefônica são
chamadas DDD. Se 1200 chamadas chegarem a essa mesa, qual é a probabilidade de
pelo menos 50 serem DDD?
8.3.13-Em média, um navio atraca em certo porto a cada dois dias. Qual a probabilidade
de que, a partir da partida de um navio, se passem 4 dias antes da chegada do próximo
navio?