Cálculo das Probabilidades e Estatística I

Profa . Maria Lídia Coco Terra

Departamento de Estatística
Universidade Federal da Paraíba - UFPB
marialidia@de.ufpb.br

João Pessoa, 11 de julho de 2019

 Modelos de distribuição

• Para utilizar a teoria das probabilidades no estudo de um fenô-

meno concreto, devemos encontrar um modelo probabilístico
adequado a tal fenômeno. Por modelo probabilístico para uma
v.a X entendemos uma forma específica de função de distribui-
ção de probabilidade que reflita o comportamento de X .
• Nesse processo de escolha, lançamos mão, em muitas situa-
ções, de algum modelo clássico. Nós estudaremos os modelos
discretos: Bernoulli, Binomial e Poisson e o modelo continuo:
Normal.
 Distribuição Bernoulli

• Na prática muitos experimentos admitem apenas dois resulta-

dos.

Exemplo:
1 Uma peça é classificada como boa ou defeituosa;
2 O resultado de um exame médico para detecção de uma doença
é positivo ou negativa.
3 Um entrevistado concorda ou não com a afirmação feita;
4 No lançamento de um dado ocorre ou não face 6;
5 No lançamento de uma moeda ocorre cara ou coroa.
 Distribuição Bernoulli

• Estas situações tem alternativas dicotômicas e podem ser repre-

sentadas genericamente por resposta do tipo sucesso-fracasso.
Associaremos p, a probabilidade de sucesso, ao evento que nos
interessa e 1 − p, será a probabilidade de fracasso.
• Esses experimentos recebem o nome de Ensaios de Bernoulli e
originam uma v.a com distribuição de Bernoulli.
 Distribuição Bernoulli

• Uma v.a (X ) de Bernoulli é aquela que assume apenas dois

valores, 1 se ocorrer sucesso (S) e 0 se ocorrer fracasso (F ),
com probabilidade de sucesso p, isto é,

1, se ocorrer sucesso
X =
0, se ocorrer fracasso

• E sua função de probabilidade é dada por:

xi 0 1
p(xi ) 1−p p

ou P(X = xi ) = p xi (1 − p)1−xi .
• Notação: X ∼ Bernoulli(p), indica que a v.a X tem distribui-
ção de Bernoulli com parâmetro p.
 Distribuição Bernoulli

• Se X ∼ Bernoulli(p) pode-se mostrar que:

E(X ) = p e Var(X ) = p(1 − p) = pq.

• Obs: Repetições independentes de um ensaio de Bernoulli dão

origem ao modelo Binomial.
 Exemplo

• No lançamento de uma moeda, a variável aleatória X denota

se cara foi obtida em um lançamento. Calcular E(X ), Var(X ) e
determinar P(X = x).

p = 12

1,
X =
0, q = 1 − p = 21

x 1
1−x
Portanto, P(X = x) = 12 2 .

Daí, E(X ) = 0× 12 +1× 12 = 21 . E, E(X 2 ) = 02 × 21 +12 × 12 = 12 .

1 2
E, Var(X ) = E(X 2 ) − E2 (X ) = 1
= 14 .


2 − 2
 Exercício 8.1

• Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma

bola dessa urna. Seja X : bola verde retirada. Calcular E(X ),
Var(X ) e determinar P(X = x).
 Distribuição Binomial

• Considere a repetição de n ensaios de Bernoulli independentes

e todos com a mesma probabilidade de sucesso p. A variável
aleatória que conta o número total de sucessos nos n ensaios
de Bernoulli é denominada de variável aleatória Binomial com
parâmetros n e p e sua função de probabilidade é dada por:
  
 n x
p (1 − p)n−x , x = 0, 1, . . . , n
P(X = x) = x
0, caso contrário


 
n n!
em que = e lembre-se que 0! = 1.
x x!(n − x)!
 Distribuição Binomial

Notação: X ∼ Bin(n, p) indica que v.a. X tem distribuição

Binomial com parâmetros n e p.

A esperança e a variância de X ∼ Bin(n, p) são:

E(X ) = np
Var(X ) = np(1 − p)
 Distribuição Binomial

• Um experimento é dito ser um experimento Binomial se

a) consiste em n ensaios de Bernoulli;
b) seus ensaios são independentes;
c) a probabilidade de sucesso em cada ensaio é sempre igual a p,
0 < p < 1.
 Distribuição Binomial
• Considere uma loja de roupas que receba 3 clientes:

p = o cliente faz compra = 0, 30

(1 − p) = o cliente não faz compra = 0, 70

X : número de clientes que compram

3!
x =0→ (0, 3)0 (0, 7)3 = 0, 343
x p(x) 0!3!
3!
0 0, 343 x =1→ (0, 3)1 (0, 7)2 = 0, 441
1!2!
1 0, 441 3!
2 0, 189 x =2→ (0, 3)2 (0, 7)1 = 0, 189
2!1!
3 0, 027 3!
x =3→ (0, 3)3 (0, 7)0 = 0, 027
3!0!
 Exercício 8.2
• O professor da disciplina de Estatística elaborou um prova de
múltipla escolha, que consiste em 10 questões, cada uma com
4 alternativas. O professor estabeleceu que para ser aprovado o
aluno deve acertar corretamente pelo menos 8 questões. Qual
a probabilidade de um aluno ser aprovado?
 Exercício 8.3
• O time Sport Clube do Recife tem 1/4 de probabilidade de
perder sempre que joga em Recife. Se o time jogar 5 partidas,
calcule a probabilidade de:
a) do time perder exatamente 3 partidas.
b) do time perder ao menos uma partida.
c) Se o time jogar 60 partidas, em quantos partidas se espera que
o time perca?
 Distribuição de Poisson

• Representa a distribuição de probabilidade de uma variável ale-

atória que registra o número de ocorrências sobre um intervalo
de tempo ou espaço específicos.
• Carros que passam por um cruzamento por minuto, durante uma
certa hora do dia.
• Erros tipográficos por página,em um material impresso.
• Mortes por ataque de coração por ano, numa cidade.
• Problemas de filas de espera.
 Função de Probabilidade de Poisson

(λt)x e −(λt)
P(X = x; T = t) =
x!
• Notação: x ∼ P(λ).
• Uma variável aleatória de Poisson não tem limite superior. x =
0, 1, 2, 3, . . .
• P(x) = a probabilidade de x ocorrências em um intervalo
• λ = coeficiente de proporcionalidade
• e = 2, 71828
• Média: E(X ) = λt
• Variância: Var(X ) = λt
 Exercício 8.4

• Em média há 2 chamadas por hora num certo telefone. Calcular

a probabilidade de:
a) se receber no máximo 3 chamadas em 2 horas.
b) nenhuma chamada em 90 minutos.
 Exercício 8.5
• Suponha 400 erros de impressão distribuídos aleatoriamente em
um livro de 500 páginas. Encontre a probabilidade de que uma
dada página contenha:
a) nenhum erro.
b) exatamente 2 erros.