Escolar Documentos
Profissional Documentos
Cultura Documentos
de Probabilidade
Pedro Paulo Balestrassi
https://pedro.unifei.edu.br
ppbalestrassi@gmail.com
35-36291161 / 999012304 (cel)
Pratique:
https://pedro.unifei.edu.br/quiz/VA
https://pedro.unifei.edu.br/quiz/Discretas
Um experimento que
pode resultar em
diferentes valores,
mesmo que repetido sob
as mesmas condições é
denominado Experimento
Aleatório
S={PP,PN,NP,NN}
Variável Aleatória X
Números Reais x
P(X) foi calculado usando a seguinte função de probabilidade (aceitando que uma
válvula não influencie na outra):
Que Distribuição
P( X = x n ) = f ( x n ) = (1 / 4) ( 3 / 4)
n −1
com n = 1, 2, 3, ...
é essa?
observe que ocorre um resultado positivo precedido de n - 1 negativos.
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 6
Uma função de distribuição acumulada F(x)
tem somatória de probabilidades igual a 1
Use
<Calc>
<Calculator>
Sum(X*f(x))
Z 2 = X + 2 Z 2 = {17, 12, 7, - 3}
E ( Z 2 ) = E ( X + 2) = 2 + E ( X ) = 11.85
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 9
Uma Variável Aleatória possui média e
também Variância
Definimos a variância de X
denotada por Var(X), S2 ou
[ ]
Var ( X ) = E ( X − E ( X )) 2
σ2, da seguinte maneira: Var ( X ) = E [( X − µ ) ]
2
Use
<Calc> <Calculator>
E(X)=9,85
Sum(((X-9,85)**2)*f(x))
T 2 3 4 5 6 7
p 0,1 0,1 0,3 0,2 0,2 0,1
E ( X ) = ∑ xi f ( xi )
[
Var ( X ) = E ( X − µ ) 2 ] Faça o Quiz!
Variáveis Aleatórias
The triangular distribution is appropriate for use when you have little or no data
available, but you know the minimum, maximum, and most likely values of
a random variable.
∑ f (x ) = 1
• Distribuição de Bernoulli A soma das
frequências é i
• Distribuição Binomial
unitária i =1
• Distribuição de Poisson
• Distribuição Geométrica
P( X = xi ) = f (xi )
• Distribuição de Pascal
• Distribuição Multinomial A probabilidade
• Distribuição Hipergeométrica é a frequência
S = {Sucesso, Fracasso} P( X = 1) = p
f(x)=p(x)
P( X = 0) = q
X: Número de sucessos
q
Resultado da prova Sucesso Fracasso
p
X 1 0
p(x) p q
x
0 1
E (X) = 0 . q + 1 . p = p
Var (X) = E(X2)-[E(X)]2 = [(02.q) + (12.p)] - p2 = p (1-p) = pq
1
Gere no Minitab, números seguindo a 0
distribuição de Bernoulli 0
1
.
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 17
Entenda a Distribuição acumulada de
Bernoulli
q
p {
As provas são independentes
umas das outras (o
conhecimento do resultado
de uma prova, Sucesso ou
Fracasso, não influencia no
resultado seguinte).
0 1 x
n x
Para n experimentos de P( X = x ) = p (1 − p ) n − x x = 0,1,2,n
Bernoulli, tem-se a x
Distribuição Binomial =0 para outros valores
Pode ser mostrar que E(X) = np e Var (X) = npq
n x
P( X = x ) = p (1 − p ) n − x x = 0,1,2,n n n!
x = Cn , x =
x x!(n − x )!
=0 para outros valores
E(X) = np e Var (X) = npq
Faça no Minitab
k
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 24
Distribuição Binomial: Pratique 2/3
E(x) = np = 20.(0.2) = 4
20
P ( X = x) = (0.2 ) (0.8)
x 20 − x
DP(X)= npq = 1788
.
x
4 0,2 2
8 0,5 4
20 0,8 12
100 0,6 63
X:Bin(12;0.7)
e −4 46
P ( X = 6) = = 0.1042
6!
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 29
Distribuição de Poisson: Pratique 1/2
e − λ λx
P( X = x) = X = 0, 1, 2,
x!
λ = µ = np, σ = µ = np , E ( X ) = Var ( X )
4 2
12 3
20 12
100 63
X:Poisson(4)
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 30
Distribuição de Poisson: Pratique 2/2
200
5
P( X ≤ 5) = ∑ (0.04) k (0.96) 5− k
k =0 k
Aproximação da
λ = np = (200) (0.04) = 8 Distribuição Binomial
2000
P( X = 3) = (0.001) 3 (0.999)1997
3
O cálculo desses números dá origem a considerável dificuldade. Pela aproximação
de Poisson temos:
e −2 23
λ = np = (2000) (0.001) = 2 P( X = 3) = = 0.1804
3!
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 34
Poisson~Binomial 2/2
e − λ λx
P( X = x) = X = 0, 1, 2,
x!
λ = µ = np, σ = µ = np , E ( X ) = Var ( X )
λ = np = (2000) (0.001) = 2
P ( X > 4) = 1 − [ P ( X = 4) + P( X = 3) + P ( X = 2 ) + P ( X = 1) + P ( X = 0 )]
e −2 2 4 e −2 2 3 e −2 2 2 e −2 2 e −2 2 0
= 1− + + + +
4 ! 3! 2 ! 1! 0 !
16 8 4
= 1 − e − 2 + + + 2 + 1 = 0.055
24 6 2
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 35
Distribuição Geométrica: provas de Bernoulli em
uma distribuição “sem memória”
Exemplo
(cada dia é uma prova de Bernoulli e não guarda “memória” do que aconteceu
anteriormente)
p
f ( x) = P( X = x ) = q x −1 p x = 1, 2, 3, ...
=0 outros valores
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 37
Distribuição Geométrica: pratique 1/3
1
f ( x) = P( X = x ) = q x −1 p x = 1, 2, 3, ... µ = E( X ) =
p
=0 outros valores q
σ 2 = Var ( X ) =
p2
Assim:
E [C(X)]= E [30.000 X] - E (5.000)
= 30.000 E(X) - 5.000 = 30.000 . 1/p - 5.000
Se a probabilidade de sucesso em uma simples prova é de,
digamos 0,25, então E[C(X)] = $ 115.000.
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 39
Distribuição Geométrica: pratique 3/3
1
f ( x) = P( X = x ) = q x −1 p x = 1, 2, 3, ... µ = E( X ) =
p
=0 outros valores q
σ 2 = Var ( X ) =
p2
2 2
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 41
Distribuição de Pascal: pratique 2/2
(Ou Binomial Negativa) r
E( X ) =
p
k − 1 r k − r
f ( x) = P( X = k ) = p .q , k = r , r + 1,.. Var ( X ) = rq
r − 1 2
p
Ex.: A probabilidade de que um experimento seja bem sucedido é 0,8, Se o
experimento for repetido até que quatro resultados bem sucedidos tenham
ocorrido, qual será o número esperado de repetições necessárias?
P(X = x)
4
E( X ) = =5
(0.8)
x
4 5 6 7
Distribuições de Probabilidade | Pedro Paulo Balestrassi | pedro.unifei.edu.br 42
Distribuição Multinomial: um exemplo
(Não existe automaticamente no Minitab)
n!
P( X 1 = n1 , X 2 = n2 , , X k = nk ) = p1n1 p2n2 pknk
n1!n2 !nk !
Ex.: Uma barra de comprimento especificado é fabricada. Admita-se que o
comprimento real X (polegadas) seja uma v.a. uniformemente distribuída sobre
[10,12]. Suponha que se deseje investigar a ocorrência de três eventos: