Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidade e Estatı́stica
Notas de Aula
Versão Parcial
Variáveis aleatórias
Variáveis aleatórias
Variáveis aleatórias
Exemplo
Experimento aleatório: E: lançar uma moeda 3 vezes
Espaço Amostral: S={(k, k, k), (k, c, c), (c, k, c), (c, c, k),
(k, k, c), (k, c, k), (c, k, k), (c, c, c)}
Eventos
A: ocorrer zero cara(k); B: ocorrer uma cara(k)
C: ocorrer duas caras(k); D: ocorrer três caras(k)
Probabilidades calculadas para os eventos
P (A) = 1/8, P (B) = P (C) = 3/8, P (D) = 1/8
Variáveis aleatórias
Exemplo
Experimento aleatório: E: lançar uma moeda 3 vezes
Espaço Amostral: S={(k, k, k), (k, c, c), (c, k, c), (c, c, k),
(k, k, c), (k, c, k), (c, k, k), (c, c, c)}
Eventos
A: ocorrer zero cara(k); B: ocorrer uma cara(k)
C: ocorrer duas caras(k); D: ocorrer três caras(k)
Probabilidades calculadas para os eventos
P (A) = 1/8, P (B) = P (C) = 3/8, P (D) = 1/8
Variável aleatória: X: No. de caras no experimento E.
P (X = 0) = 1/8, P (X = 1) = P (X = 2) = 3/8, P (X = 3) = 1/8
x P (X = x)
x1 → 0 1/8 ← P (X = x1 )
x2 → 1 3/8 ← P (X = x2 )
x3 → 2 3/8 ← P (X = x3 )
x4 → 3 1/8 ← P (X = x4 )
Total 1
x P (X = x)
x1 → 0 1/8 ← P (X = x1 )
x2 → 1 3/8 ← P (X = x2 )
x3 → 2 3/8 ← P (X = x3 )
x4 → 3 1/8 ← P (X = x4 )
Total 1
Variáveis aleatórias
Importante:
B: Bom, C: Curto, L: Longo
Cilindro e esfera são selecionados aleatoriamente
Custo de cada componente: R$ 5,00
Produto com algum componente C ⇒ irrecuperável e vendido
como sucata por R$ 5,00
Cada componente L ⇒ recuperado com um custo adicional de
R$ 5,00
Preço de venda de cada produto: R$ 25,00
x P (X = x)
-5 0,19
5 0,02
10 0,23
15 0,56
Total 1,00
Propriedades:
1. 0 ≤ F (x) ≤ 1
2. Se x ≤ y, então F (x) ≤ F (y) (F é não decrescente)
3. lim F (x) = 1 e lim F (x) = 0
x→+∞ x→−∞
4. F é contı́nua à direita: lim F (x) = F (a), ∀ a ∈ IR
x→a+
X
Propriedades: 0 ≤ f (xi ) ≤ 1, ∀ i = 1, 2, . . . e f (xi ) = 1
i
X: Lucro
X X
E(X) = xf (x) = xP (X = x)
x x
= 15×P (X= −5)+5×P (X= 5)+10×P (X= 10)+15×P (X= 15)
= −5 × 0,19 + 5 × 0,02 + 10 × 0,23 + 15 × 0,56 = 9,85
E(aX + b) = aE(X) + b
V (aX + b) = a2 V (X)
Motivação:
Algumas variáveis aleatórias adaptam-se muito bem a uma
série de problemas práticos.
Construção de modelos probabilı́sticos para situações reais
pode ser muito útil.
Alguns modelos probabilı́sticos para variáveis aleatórias discretas
Bernoulli
Binomial
Geométrico
Hipergeométrico
Poisson
Notação
X ∼ Bernoulli(p)
Leitura: a variável aleatória X tem distribuição Bernoulli de
parâmetro p ou, alternativamente, a variável aleatória X segue o
modelo Bernoulli de parâmetro p .
Nota: 1
X X
E(X) = xf (x) = xP (X = x)
x x=0
= 0 × P (X = 0) + 1 × P (X = 1)
= 0 × p0 (1 − p)1−0 + 1 × p1 (1 − p)1−1
= 0 × (1 − p) + 1 × p
=p
Modelo Binomial
Modelo Binomial
Notação
X ∼ Binomial(n, p)
Modelo Binomial
Modelo Binomial
Exemplo:
Modelo Binomial
Exemplo:
Modelo Binomial
Continuando o exemplo:
Modelo Binomial
Representação gráfica
Modelo Binomial
Exemplo:
Modelo Binomial
Exemplo (continuação):
Modelo Geométrico
Experimento Geométrico
consiste de uma série de ensaios independentes de Bernoulli
a P (sucesso) de cada ensaio é sempre constante e igual a p
Modelo Geométrico
Experimento Geométrico
consiste de uma série de ensaios independentes de Bernoulli
a P (sucesso) de cada ensaio é sempre constante e igual a p
Notação
X ∼ Geométrica(p)
Modelo Geométrico
1 (1 − p)
Seja X ∼ Geométrica(p), então E(X) = e V (X) = .
p p2
Modelo Geométrico
Exemplo:
Modelo Geométrico
Continuação do exemplo:
Modelo Geométrico
Continuação do exemplo:
Modelo Geométrico
Continuação do exemplo:
Modelo Geométrico
Continuação do exemplo:
DP (X) 3,46
CV (X) = = = 0,865 = 86,5%
E(X) 4
Modelo Geométrico
Continuação do exemplo:
P (X > 6 ∩ X > 4)
P (X > 4 + 2|X > 4) = P (X > 6|X > 4) =
P (X > 4)
P6
P (X > 6) 1 − P (X ≤ 6) 1 − x=1 p(1 − p)x−1
= = =
P (X > 4) 1 − P (X ≤ 4) 1 − 4x=1 p(1 − p)x−1
P
Modelo Geométrico
Continuação do exemplo:
P (X > 2) = 1 − P (X ≤ 2) = 1 − [P (X = 1) + P (X = 2)]
= 1 − [0,2500 + 0,1875] = 0,5625
a1 (1 − q n )
Nota: Soma PG finita: S =
1−q
Modelo Geométrico
Representação gráfica
Modelo Geométrico
P (X ≥ m + n|X ≥ m) = P (X ≥ n).
Modelo Hipergeométrico
Experimento Hipergeométrico
uma série de N objetos, dos quais K são classificados como
sucessos (objetos com caracterı́stica(s) de interesse) e N − K
são classificados como fracassos, K ≤ N .
uma amostra de tamanho n, n ≤ N , é selecionada ao acaso e
sem reposição dos N objetos.
Modelo Hipergeométrico
Experimento Hipergeométrico
uma série de N objetos, dos quais K são classificados como
sucessos (objetos com caracterı́stica(s) de interesse) e N − K
são classificados como fracassos, K ≤ N .
uma amostra de tamanho n, n ≤ N , é selecionada ao acaso e
sem reposição dos N objetos.
Definição [Modelo Hipergeométrico]
Considere um experimento hipergeométrico e seja X a v.a. que
corresponde ao número de sucessos na amostra. Diremos que
X segue o modelo hipergeométrico com função de probabilidade
K N −K
x n−x
f (x) = P (X = x) = N
, máx{0, n+K−N } ≤ x ≤ mı́n{n, K}.
n
Notação
X ∼ Hipergeométrica(N, K, n)
Ronald Targino Nojosa Probabilidade e Estatı́stica
Variáveis aleatórias discretas
Variáveis aleatórias
Modelos discretos
Modelo Hipergeométrico
K
em que p = .
N
Modelo Hipergeométrico
Exemplo:
Modelo Hipergeométrico
Representação gráfica
Modelo Hipergeométrico
Continuação do exemplo:
Modelo Hipergeométrico
Continuação do exemplo:
Modelo Hipergeométrico
1 K N −K 1
X x n−x
X n
Nota:P (X ≤ 1) = N
≈ px (1 − p)n−x , p = K
N.
n
x
x=0 x=0
Pesquisa eleitoral
Modelo Poisson
Exemplos
número de bactérias por 0,01 mm2 de uma certa cultura,
observado numa plaqueta de microscópio
número de partı́culas radioativas emitidas numa determinada
unidade de tempo
número de partı́culas indesejadas na fabricação de discos
ópticos de armazenamento
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
e−λ λx
f (x) = P (X = x) = , x = 0,1,2,. . . ,
x!
em que e = 2,718282 (número de Euler).
Notação
X ∼ Poisson(λ)
Modelo Poisson
Importante
Usar unidades consistentes no cálculo de probabilidades, médias e
variâncias. Por exemplo, se o
no. médio de falhas por mm de fio for 3,4, então o
no. médio de falhas em 10mm de fio será 34 e o
no. médio de falhas em 100mm de fio será 340.
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Modelo Poisson
Respostas:
Modelo Poisson
Modelo Poisson
e−5 5x
P (X = x) = , x = 0, 1, 2, ....
x!
e−5 51
(a) P (X = 1) = = 0,0337.
1!
e−5 50 e−5 51
(b) P (X ≤ 1) = P (X = 0) + P (X = 1) = + =
0! 1!
0.0067 + 0,0337 = 0,0404 .
(c) P (X ≥ 2) = 1 − P (X < 2) = 1 − P (X ≤ 1) = 0,9596.
(d) Tem-se X ∼ Poisson(10). Portanto, P (X = 8) = 0,1126.
Modelo Poisson
e−λ λx
n x
≈ p (1 − p)n−x , com λ = np,
x! x
para x = 0,1,2,. . . , n.
Modelo Poisson
Exemplo:
p = 0,001; n = 2000; λ = 2
Usando a Poisson: P (X > 4) = 1 − P (X ≤ 3) = 0,05265
Usando a binomial: P (X > 4) = 0,05256
Conteúdo visto