Escolar Documentos
Profissional Documentos
Cultura Documentos
1. Introdução...........................................................................................................................2
2. Objectivos...........................................................................................................................2
3. Aproximações das Distribuições Binomial e Poisson pela Normal.................................3
4. Aproximação da Distribuição Binomial pela Distribuição Normal................................4
5. Aproximação da Distribuição Poisson pela Distribuição Normal...................................7
6. Aproximação da distribuição Binomial pela distribuição Normal...............................10
6.1. Objectivo...................................................................................................................10
6.2. Distribuição Binomial...............................................................................................10
7. Distribuição de Probabilidades de X ~ b(10 ; 0,5)..........................................................11
8. Distribuições binomiais (n, p)..........................................................................................11
9. Aproximação da binomial pela normal...........................................................................12
9.1. Observações:.............................................................................................................15
10. Conclusão......................................................................................................................21
11. Referências bibliográficas............................................................................................22
1
1. Introdução
2
2. Objectivos
3
3. Aproximações das Distribuições Binomial e Poisson pela Normal
[1] 1.727989e+131
Agora imagine realizar tal tarefa, calcular essa combinação, em 1733… Bem, até
mesmo o cálculo do fatorial n! era complexo e demorado. Tanto que James Stirling
desenvolveu uma equação para aproximar o fatorial, chamada de fórmula de Stirling:
n!=
Diante disso, o cálculo das probabilidades de uma v.a. binomial pode ser aproximado
pela distribuição normal, no mesmo sentido outras distribuições discretas que
dependendo dos seus parâmetros resultarem em uma forma simétrica, podem também,
serem aproximadas por essa mesma distribuição. Para isso algumas restrições são
necessárias, para a aproximação seja feita de forma acurada.
4
Assim temos que,
E[X]=μ=np
V(X)=σ2=np(1−p)
E[X]=μ=np=5
5
V(X)=σ2=np(1−p)=1.58
n=10
p=0.1
n=10
p=0,9
6
Situações em que a aproximação é boa
A aproximação será boa quando:
np>5
ou
n(1−p)>5
E[X]=μ=λ
V(X)=σ2=λ
7
No caso dessa aproximação é necessária outra restrição, no caso, a aproximação será
boa quando,
Exemplos:
λ=5
λ=8
8
Situação em que a aproximação não é boa,
λ=2
9
6. Aproximação da distribuição Binomial pela distribuição Normal
6.1. Objectivo
Verificar como a distribuição normal pode ser utilizada para calcular, de forma
aproximada, probabilidades associadas a uma variável aleatória com distribuição
binomial
• P(S) = P(Sucesso) = p
X : número de sucessos observados nos n ensaios
X tem distribuição binomial com parâmetros n e p
Notação: X ~ b(n ; p)
Exemplo 1:
Uma moeda honesta é lançada n = 10 vezes em idênticas condições. Determinar a
probabilidade de ocorrer cara entre 40% e 70% das vezes, inclusive.
X ~ b(10 ; 0,5)
10
7. Distribuição de Probabilidades de X ~ b(10 ; 0,5)
Para p fixado, à medida que n cresce, os histogramas vão se tornando mais simétricos e
com a forma da curva Normal.
11
9. Aproximação da binomial pela normal
P(Y = 13) é igual a área do retângulo de base unitária e altura igual a P(Y = 13);
similarmente, P(Y = 14), etc...
Logo, P(Y 13) é igual à soma das áreas dos retângulos correspondentes. A idéia é
aproximar tal área pela área sob uma curva normal, à direita de 13
12
X ~ b(n ; p) ❑
⇒ E(X) = np
Var(X) = np(1 – p)
• P( X≥ a) ≈ P(Y≥ a)
• P( X ≤ b) ≈ P(Y ≤ b)
13
(
=P 39−45 ≤
6
Y −45 48−45
6
≤
6 )
=P(-1,0≤ Z ≤ 0,5¿
=P(Z≤ 0,5 ¿−P(Z ≤ 1,0)
=P(Z≤ 0,5 ¿−[1−P(Z ≤ 1,0)]
=A(0,5)-[1-A(1,0)]
=0,6915-0,1587=0,5328
(
b) P(X≥42≈ P ( y ≥ 42 ) =P Z ≥
42−45
6 )
=P(Z≥−0,5¿=P( Z ≤ 0,5)= A( 0,5)
=0,6915.
Probabilidade exata=07164 (distribuição binomial)
(
c) P(X≤ 57 ≈ P ( Y ≤57 )=P Z <
57−45
6 )
=P(Z≤ 2¿= A(2)=0,9773.
Probabilidade exata = 0,9791(dist.binomial)
14
d) P(41¿ X <52 ¿=P (42 ≤ X ≤ 51)≈ P(42≤ Y ≤51)
9.1. Observações:
1. A aproximação da distribuição binomial pela normal é boa quando np(1-p)≥ 3.
2. A demonstração da validade desta aproximação é feita utilizando-se o Teorema
Central do Limite (TCL).
3. A aproximação pode ser melhorada através do uso da "Correção de
Continuidade".
Exemplo 3:
Um sistema é formado por 100 componentes, cada um dos quais com confiabilidade
(probabilidade de funcionar adequadamente num certo período) igual a 0,9.
Se esses componentes funcionarem de forma independente um do outro e se o sistema
funcionar, adequadamente, enquanto pelo menos 87 componentes estiverem
funcionando, qual é a confiabilidade do sistema?
15
n = 100 p = 0,9 Var(X) = np(1 – p) = 100 0,9 0,1 = 9
Confiabilidade do sistema: P(X ≥ 87)
(
=P Y −90 ≥
3
87−90
3 )
=P(Z ≥−1)=P( Z ≤1)
=A(1)=0,8413
igual a 0,8413.
⇒
X: : número de caras em 100 lançamentos❑ X ~ b(100; 0,5)
=P( 40−50
5
≤
5
≤
5 )
Y −50 70−50
=P(2≤ Z ≤ 4 ¿=0,9773.
16
Intervalo simétrico em torno da média: (50 – a, 50 + a)
P(50 - a X 50 + a) = 0,8
P(50 - a X 50 + a) = 0,8
(
=P 50−−50 ≤
5
Y −50 50+a−50
5
≤
5 )
( a
)
=P −a ≤ Z ≤ =0,8
5 5
a = ? , tal que
( a
P −a ≤ Z ≤ =0,8
5 5 )
17
⇒ a
()
❑A 5 =0,9
a
=1,28
5
a=6,4
como desonesta?
18
P(X ≥60 ou X≤ 40, quando p = 0,5)≈ P(Y 60 ) + P( Y 40),
=2(1-A(2))=0,0455
Exemplo 5:
questões?
=P ( )
Y −5 ≥ 10−5 =P ( Z ≥2,59 )=0,0048.
1,93 1,93
⇒
X ~ b(40 ; 0,25) ❑ E(X) = n p = 10 Var(X) = n p(1-p) = 7,5
(
= P y −10 ≥
2,75
20−10
2,75 )
=P ( Z ≥3,63 )=0,0001.
⇒
X ~ b(40 ; 0,20) ❑ E(X) = n p = 8
19
Var(X) = n p (1 – p) = 6,4
(
=P Z ≥
20−8
2,53 )
=P( Z ≥ 4,74) ≈ 0,00
20
10. Conclusão
21
11. Referências bibliográficas
22