Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução
Neste capítulo trataremos de algumas distribuições de probabilidades discretas e contínuas que, pela sua
importância merecem um estudo especial. Tais distribuições partem de pressupostos de certas hipóteses
claramente definidas. Como diversas situações da natureza muitas vezes aproximam se dessas hopóteses, os
modelos a serem apresentados são úteis no estudo das tais situações, dai a sua importância; por outro lado,
embora nos capitulos anteriores, em diversos casos os conhecimentos adiquiridos sejam suficientes para
resolver problemas aqui tratados, existe o problemas da sistematização da solução, o que indiscutivelmente
contribui para sua facilidade.
Exemplos:
O sexo de um indivíduo;
Pretende-se estudar a incidência de uma certa doença numa certa população. X pode indicar se a doença
está presente (X=1) ou ausente (X=0) num indivíduo da população (seleccionado ao acaso).
O factor Rh do sangue das pessoas (ou é positivo ou é negativo;
P(X) =
Para representar que uma variável aleatório X segue uma distribuição de Bernoulli de parámetros 1 e p, se
escreve:
Nessas condições a v.a. X tem distribuição de Bernoulli, e o cálculo da sua função de probabilidade é dada
por:
Exemplo 1. Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma bola dessa urna.
Seja X” nº de bolas verdes dentro da urna”
Calcular P(X), E(X), Var(X).
Solução:
X=
Propriedades
O cálculo da probabilidade de um evento A deve satisfazer as seguintes propriedades:
a)
c) P( ) = 0
Para representar que uma variable aleatório X segue uma distribuição Binomial de parámetros n e p, se
escreve:
Nessas condições a v.a. X tem distribuição Binominal, e sua função de probabilidade é dada por:
Exemplo 2: Uma amostra aleatória de 15 pessoas é obtida de uma população em que 40% têm uma
determinada posição política. Determina a probabilidade de exatamente 6
indivíduos na amostra terem essa determinada posição política?
Solução:
Seja: X” posição política de uma determinada população”
n = 15; p = 40% e x = 6
X ~ Bin (15; 0.4)
Solução:
Seja X” O número de meninos numa família de 5 crianças”
X ~ Bin(5; 0.51) então
a) n = 5; p = 0.51; q = 1 – 0.51 = 0.49; x = 3
d) n = 5; p = 0.51; q = 0.49
E(X) = n * p = 5 * 0.51 = 2.55
Var(X) = n * p * q = 5 * 0.51 * 0.49 =1.2495
R: Na família das 5 crianças, espara-se em media nascimento de 3 menino com uma variância de
1.2495.
Exemplos:
Usuários de computador ligados à Internet;
Clientes chegando ao caixa de um supermercado;
Acidentes com automóveis em uma determinada estrada;
Número de carros que chegam a um posto de gasolina;
Número de aviões seqüestrados em um dia;
Número de requisições para um servidor em um intervalo de tempo t;
Número de peças defeituosas substituídas num veículo durante o primeiro ano de vida.
Onde:
x – número de sucessos do acontecimentob em n provas independentes;
Exemplo 4: O número de navios petroleiros que chegam por dia a uma refinaria segue a distribuição de
Poisson com parâmetro = 2. As actuais instalações do porto têm capacidade para atender o atracamento
de 3 navios no máximo por dia. Se por acaso chegarem mais navios, os que excederem a 3 são mandados
para outro porto mais distante.
X ~ P(2)
= 2, x = 4
c) (2.0) Qual o número esperado de navios que conseguem atracar na refinaria por dia?
A distribuição normal é uma das mais importantes distribuições da estatística, conhecida também como
Distribuição de Gauss ou Gaussiana. Além de descrever uma série de fenômenos físicos e financeiros, possui
grande uso na estatística inferencial.
A distribuição normal depende inteiramente de dois parâmetros que são a média e desvio padrão, ou seja,
conhecendo-se estes consegue-se determinar qualquer probabilidade em uma distribuição Normal.
Um interessante uso da Distribuição Normal é que ela serve de aproximação para o cálculo de outras
distribuições quando o número de observações fica grande. Essa importante propriedade provem do
Teorema Central do Limite que diz "toda soma de variáveis aleatórias independentes de média finita e
variância limitada é aproximadamente Normal, desde que o número de termos da soma seja suficientemente
grande" (n > 30).
Valores de Z
Se a variável aleatória X com a média µ e o desvio pradrão σ, for expressa em unidades reduzidas (escores
reduzidos), através da variável z, onde , pode-se mostrar que z também é normal com a média
; -α > x < +α
X ~ N(μ,σ2), lê-se “a variável aleatóa X tem distribuição normal com a média µ e desvio padrão σ”;
Z ~ N(0,1), lê-se “a variável aleatóa Z tem distribuição normal com a média 0 e desvio padrão 1”;
1. f(x) é simétrico em relação à origem x = µ, ou φ(z) é simétrico em relação à origem z = 0, E(x) = M o(x) =
Me(x);
3. f(x) tende a zero quando x tende para -α ou +α, o mesmo acontece prar φ(z) quando z tende para -α ou
+α.
; -α > x < +α
A função F(x) é usada para o cálculo de probabilidades através de tabelas que oferecem as áreas
(probabilidades) sob a curva normal padrão. Nas nossas aulas usaremos a tabela conhecida como tabela de
faixa central que dá a área sob a curva normal padrão entre z = 0 e qualquer valor positivo ou negativo de
z.
Os valores de Z devem ser procurados na primeira coluna (unidades e décimas) e na primeira linha
(centésimas). E a probabilidade corresponde é valor da intersecção da coluna e da linha de Z localizado
Caso 1. A probabilidade de que uma variável aleatória normal Z, assuma um valor no intervalo é
se a aproximação = 0.5.
Solução:
Solução:
Caso 2. A probabilidade de que uma variável aleatória normal X, assuma um valor no intervalo ,
; onde: e
Exemplo 7: o salário semanal dos operários industriais é distribuído normalmente em torno de uma média
de 180 cts com um desvio padrão de 25 cts.
a) Encontre a probabilidade de um operário ter um salário semanal situado entre 150 cts e 178 cts;
b) Dentro de que desvio de ambos lados da média, cairão 96% dos salários?
b) ; então:
Caso 3. A probabilidade de que uma variável aleatória normal Z, assuma um valor no intervalo ]
; z1].
ou
Exemplo 8: As alturas dos alunos de determinada escola são normalmente distribuídas com média 1.60 m e
o desvio padrão 0.30 m. Encontre a probabildade de um aluno medir menos de 1.48 m.
Caso 4: A probabilidade de que uma variável aleatória normal Z, assuma um valor no intervalo [z 1; [
Exemplo 10: Um contetor contém 500 caixas de latas de sardinha. A probabilidade de tirar do contetor uma
caixa e esta conter latas fora do prazo é de 0.002. calcular a probabilidade de tirar exactamente do contetor
2 caixas com latas fora do prazo.
a) Usando a distribuição Binominal;
b) Usando a distribuição de Poisson.
Solução:
Seja: X” o número de latas defeituosas numa caixa”
n = 500, p = 0.002; q = 0.998
a) X ~ Bin (500; 0.002) então
b) X ~ N(12*0.5; 12*0.5*0.5); ;
Como estamos aproximar uma destribuição da variável discreta para uma distribuição da variável
contínua, é necessário fazer a correcção dos limites do intervalo de classe das probabilidades,
transformando-os para contínuos.
Exemplo 12: a desitegração radioactiva se realiza em quantidades que seguem a distribuição de Poisson
com a média de 25 segundos por quantidade. Calcule a probabilidade de que a quantidade desintegrada
esteja no intervalo de 23 a 27 iclusive.
a) Usando a distribuição de Poisson;
b) Usando a aproximaç`ao normal.
Solução:
Seja: X” a quantidade da desintegração radioactiva num intervalo de tempo”
a) X ~ P(25)
b) X ~ N(25; 25); ;