Escolar Documentos
Profissional Documentos
Cultura Documentos
Lı́via Dutra
Exemplo 1
Selecionar duas peças, medir suas espessuras e classificá-las se obe-
decem ou não às especificações de fabricação.
Seja a variável aleatória X : número de peças que obedecem às
especificações.
Suponha ainda que cada peça segue às especificações independen-
temente com probabilidade 0,8.
Lı́via Dutra 1
Podemos construir a seguinte tabela:
x 0 1 2
P(X = x) 0,04 0,32 0,64
Lı́via Dutra 2
Podemos fazer uma representação gráfica da distribuição de proba-
bilidades de X :
P(X = x)
0,64
0,32
0,04 x
1 2
Lı́via Dutra 3
→ A distribuição de probabilidades de uma variável aleatória X é
uma descrição das probabilidades associadas aos valores possı́veis de
X.
Lı́via Dutra 4
Função de Probabilidade
Função de Probabilidade
Para uma variável aleatória discreta X , com valores possı́veis
x1 , x2 , · · · , xn , a função de probabilidade é uma função que satis-
faz:
1. f (xi ) ≥ 0;
Pn
2. i=1 f (xi ) = 1;
3. f (xi ) = P(X = xi ).
Lı́via Dutra 5
→ Voltando ao Exemplo 1: a função de probabilidade para a VA
número de peças que obedecem às especificações (X ) é
0, 04, para x = 0
0, 32, para x = 1
f (x) =
0, 64, para x = 2
0, para x ∈/ {0, 1, 2}
Lı́via Dutra 6
Exemplo 2
Seja a variável aleatória X o número de peças selecionadas em uma
linha de produção até encontrar a primeira peça que não segue de-
terminadas especificações de fabricação.
Considere que a probabilidade de uma peça seguir às especificações
é de 0,8 e elas são independentes.
Lı́via Dutra 7
Para encontrar a distribuição de probabilidades:
P(X = 1) = P({n}) = 0, 2
P(X = 2) = P({sn}) = 0, 8 × 0, 2 = 0, 16
P(X = 3) = 0, 8 × 0, 8 × 0, 2 = 0, 128
..
.
P(X = x) = 0, 8x−1 0, 2.
Lı́via Dutra 8
P+∞
Precisamos verificar se x=1 f (x) = 1.
+∞
X +∞
X
f (x) = 0, 8x−1 0, 2
x=1 x=1
+∞
X
= 0, 2 0, 8x−1
x=1
0, 2
= =1
1 − 0, 8
Lı́via Dutra 9
A representação gráfica para a distribuição de probabilidades de X
é:
f (x)
0,2
0,16
0,13
0,10
...
x
1 2 3 4
Lı́via Dutra 10
Continuação do Exemplo 2
Qual é a probabilidade de ser preciso selecionar até 3 peças para
encontrar uma fora das especificações?
Lı́via Dutra 11
Continuação do Exemplo 2
Qual é a probabilidade de ser preciso selecionar até 3 peças para
encontrar uma fora das especificações?
Lı́via Dutra 11
→ Algumas vezes é útil ser capaz de expressar probabilidades acu-
muladas.
Lı́via Dutra 12
Função de Distribuição Acumulada
1. 0 ≤ F (x) ≤ 1
2. Se a ≤ b ⇒ F (a) ≤ F (b)
Lı́via Dutra 13
→ Observe que mesmo se a VA X puder assumir somente valores
inteiros, a função de distribuição acumulada poderá ser definida em
valores não inteiros.
→ Voltando ao Exemplo 1, a distribuição de probabilidades da VA
X é
x 0 1 2
f (x) 0,04 0,32 0,64
Lı́via Dutra 14
→ Observe que mesmo se a VA X puder assumir somente valores
inteiros, a função de distribuição acumulada poderá ser definida em
valores não inteiros.
→ Voltando ao Exemplo 1, a distribuição de probabilidades da VA
X é
x 0 1 2
f (x) 0,04 0,32 0,64
Lı́via Dutra 14
Note que,
Lı́via Dutra 15
Com isso, podemos escrever a função de distribuição acumulada da
VA X :
0, para x < 0
0, 04, para 0 ≤ x < 1
F (x) =
0, 36, para 1 ≤ x < 2
1, para x ≥ 2
F (x)
0,36
0,04 x
1 2
Lı́via Dutra 16
→ No Exemplo 2, para encontrar a FDA:
F (x)
...
0,5904
0,488
0,36
0,2
x
1 2 3 4 5
Lı́via Dutra 18
→ Dois números são frequentemente utilizados para resumir uma
distribuição de probabilidades de uma variável aleatória. São eles:
Lı́via Dutra 19
Média e Variância
= E (X 2 ) − [E (X )]2 .
Lı́via Dutra 20
De volta ao Exemplo 1
Selecionar duas peças, medir suas espessuras e classificá-las se obe-
decem ou não às especificações de fabricação.
Seja a variável aleatória X : número de peças que obedecem às
especificações.
Suponha ainda que cada peça segue às especificações independen-
temente com probabilidade 0,8.
Lı́via Dutra 21
A distribuição de probabilidades da VA X (número de peças que
seguem às especificações) é
x 0 1 2
P(X = x) 0,04 0,32 0,64
podemos encontrar E (X ) e V (X ).
2
X
E (X ) = xf (x) = 0f (0) + 1f (1) + 2f (2)
x=0
= 0 × 0, 04 + 1 × 0, 32 + 2 × 0, 64
= 1, 6
Lı́via Dutra 22
Para calcular a variância, seja a tabela:
Então, V (X ) = 0, 32.
Lı́via Dutra 23
Algumas Propriedades
Lı́via Dutra 24
Pela Propriedade 8, descrita anteriormente, conseguimos calcular a
variância da uma VA através da seguinte igualdade
V (X ) = E (X 2 ) − [E (X )]2 .
= 0 × 0, 04 + 1 × 0, 32 + 4 × 0, 64
= 2, 88.
Então,
V (X ) = 2, 88 − 1, 62 = 0, 32.
Lı́via Dutra 25
Exemplo 3
Dois novos projetos de produto devem ser comparados, baseando-
se no potencial de retorno. O setor de comercialização sente que
o retorno do projeto A pode ser previsto bem acuradamente como
US$ 3 milhões de dólares. O potencial de retorno do projeto B é
mais difı́cil de estimar. O setor de comercialização conclui que há
uma probabilidade de 0,3 de que o retorno do projeto B seja de US$
7 milhões de dólares, mas há uma probabilidade igual a 0,7 de que
o retorno seja de apenas US$ 2 milhões de dólares. Qual projeto é
preferı́vel?
Lı́via Dutra 26
Seja X o retorno do projeto A. Então, como X assume um único
valor com probabilidade 1, E (X ) = 3 milhões de dólares.
Seja Y o retorno do projeto B.
y 2 milhões 7 milhões
P(Y = y ) 0,7 0,3
Então,
E (Y ) = 2f (2)+7f (7) = 2×0, 7+7×0, 3 = 3, 5 milhões de dólares.
Pelo fato de E (Y ) exceder E (X ), poderı́amos preferir o projeto B. O
valor esperado de retorno do projeto B é maior que o valor esperado
de retorno do projeto A.
Lı́via Dutra 27
Mas, se formos analisar a variabilidade, o retorno do projeto A não
tem variabilidade, e para o retorno do projeto B:
σ 2 = (2 − 3, 5)2 0, 7 + (7 − 3, 5)2 0, 3
= 5, 25 milhões de dólares ao quadrado
Lı́via Dutra 28
Exemplo 4
Resultado a b c d e f
x 0 0 1,5 1,5 2 3
Lı́via Dutra 29