Escolar Documentos
Profissional Documentos
Cultura Documentos
2024
DISTRIBUIÇÕES UNIVARIADAS
Distribuição de Bernuulii
Trata-se de uma distribuição que é usada quando o experimento apresenta apenas dois
resultados possíveis ´´Sucesso ou fracasso´´.
Exemplo 1:
Exemplo 2:
Ao resolver uma questão existem duas respostas: acertar ou errar (sucesso ou fracasso).
Exemplo 3.
Uma questão com 5 alternativas, qual é a probabilidade de acertar uma questão num
chute.
1
𝑃(𝑆) 𝑃(𝑥 = 1) =
5
4
𝑃(𝐹) 𝑃(𝑥 = 0) =
5
𝑞 =1−𝑝
Assim:
𝑝 𝑝𝑎𝑟𝑎 𝑥=1
𝑃(𝑥) = { 𝑞 𝑝𝑎𝑟𝑎 𝑥=0
0 𝑝𝑎𝑟𝑎 𝑥 ≠ 0 𝑜𝑢 𝑥 ≠ 1
𝑃(𝑥) = 𝑃 𝑥 . 𝑞1−𝑥
Variância: 𝑉𝑎𝑟(𝑥) = 𝑝 ∗ 𝑞
Distribuição Binomial
Diz-se que uma variável aleatória discreta X, tem distribuição Binomial ou obedece a lei
da distribuição binomial com parâmetros n e p, quando ela pode tomar valores discretos,
1, 2, 3, ..., n e os níveis de probabilidades p(x) forem calculados pela formula de Bernoulli.
Exemplo.
Resolução:
𝑝(𝑥 = 2) = 0.3750
Variância: 𝑉𝑎𝑟(𝑥) = 𝑛 ∗ 𝑝 ∗ 𝑞
Exemplo.
Um empresário tem 60% de probabilidade de obter sucesso sempre que começa um novo
negócio. Se o empresário começar 3 novos negócios, calcule a probabilidade de obter:
Variância 𝑉𝑎𝑟(𝑥) = 𝜆
Desvio Padrão 𝜎(𝑥) = √𝜆
A distribuição de poisson representa um modelo probabilístico adequado para o estudo
de um grande número de fenómenos observáveis.
Exemplo1.
A probabilidade de sair com defeito um exemplar numa fabrica de livros é de 0.001.
Achar a probabilidade de que numa tiragem de 10000 livros, exactamente 5 destes sejam
defeituosos.
Resolução
Dados 𝑛 = 10000, 𝑝 = 0.001, 𝑥 = 5, entao 𝜆 = 10000 ∗ 0.001 = 10 livros.
𝜆𝑥 ∗ 𝑒 −𝜆 103 ∗ 𝑒 −10
𝑝(𝑥 = 5) = = = 0.0378
𝑥! 5!
Exemplo 2.
Certo posto de bombeiros recebe em media 3 chamadas por dia. Calcular a probabilidade
de:
a) Receber 4 chamadas num dia;
b) Receber 3 ou mais chamadas por dia;
c) Encontrar o desvio padrão do número de chamadas que o posto possa receber
por dia.
Resolução
𝜆𝑥 ∗𝑒 −𝜆 34 ∗𝑒 −3
a) 𝑥 = 4, 𝑝(𝑥) = ⇒ 𝑝(𝑥 = 4) = = 0.1680
𝑥! 4!
30 ∗𝑒 −3
b) 𝑝(𝑥 ≥ 3) = 1 − 𝑝(𝑥 < 3) = 1 − 𝑃(0) + 𝑝(1) + 𝑝(2)) = 1 − [ +
0!
31 ∗𝑒 −3 32 ∗𝑒 −3
++ ]=0.5768
1! 2!
0 𝑠𝑒 𝑥<𝑎
1
𝑓(𝑥) = { 𝑠𝑒 𝑎≤𝑥≤𝑏
𝑏−𝑎
0 𝑠𝑒 𝑥>𝑏
0 𝑠𝑒 𝑥<𝑎
𝑥−𝑎
𝐹(𝑥) { 𝑠𝑒 𝑎≤𝑥≤𝑏
𝑏−𝑎
1 𝑠𝑒 𝑥 > 𝑏
f(x)
a b
F(x)
a b
𝑎+𝑏
1. Media ou esperança matemática: 𝐸(𝑥) = 2
(𝑏−𝑎)2
2. Variância Var (x) = 12
𝑏−𝑎
3. Desvio Padrão:𝜎(𝑥) = 2√3
Exemplo.
Um ponto é escolhido ao acaso no segmento de recta [0; 2]. Qual será a probabilidade de
que o ponto escolhido esteja entre 1 e 3/2.
Resolução:
0 𝑠𝑒 𝑥<0
1
𝑓(𝑥) = { 𝑠𝑒 0≤𝑥≤2
2−0
0 𝑠𝑒 𝑥>2
Ou então
0 𝑠𝑒 𝑥<0
1
𝑓(𝑥) = { 𝑠𝑒 0≤𝑥≤2
2−0
0 𝑠𝑒 𝑥>2
0 𝑠𝑒 𝑥<0
1
𝐹(𝑥) = { 𝑥 𝑠𝑒 0≤𝑥≤2
2
0 𝑠𝑒 𝑥>2
3 3 1 3 1 1
𝑝 (1 ≤ 𝑥 ≤ ) = 𝐹 ( ) − 𝐹(1) = ∗ − ∗ 1 =
2 2 2 2 2 4
DISTRIBUIÇÃO EXPONENCIAL
0 𝑠𝑒 𝑥<0
𝑓(𝑥) = { −𝜆𝑥
𝜆∗𝑒 𝑠𝑒 𝑥 ≥ 0 𝑜𝑛𝑑𝑒 𝜆 > 0
0 𝑠𝑒 𝑥<0
𝐹(𝑥) = {
1 − 𝑒 −𝜆𝑥 𝑠𝑒 𝑥≥0
1
1. Média ou esperança matemática: 𝐸(𝑥) = 𝜆
1
2. Variância: 𝑣𝑎𝑟(𝑥) = 𝜆2
1
3. Desvio Padrão: 𝜎(𝑥) = 𝜆
Exemplo.
0 𝑠𝑒 𝑥<0
a) 𝐹(𝑥) = {
1 − 𝑒 −3𝑥 𝑠𝑒 𝑥≥0
1 1 1
b) 𝐸(𝑥) = 3 e 𝜎(𝑥) = 3 ; 𝐸(𝑥) = 𝜎(𝑥) = 𝜆
A distribuição normal é uma das mais importantes distribuições das variáveis aleatórias
em estatística. Pois muitos dos fenómenos na vida real são comparados com a distribuição
normal, por exemplo: a altura de um indivíduo, peso, idade, grau de coeficiente de
inteligência, nível de distribuição de gauss, Laplace ou Laplace-Gauss.
Uma variável aleatória continua X diz-se que é normalmente distribuída se a sua função
densidade de probabilidade f(x) é definida pela seguinte formula.
1 1 𝑥−𝜇 2
(− ∗( ) )
𝑓(𝑥) = ∗ 𝑒 2 𝜎 , 𝑐𝑜𝑚 − ∞ < 𝑥 < +∞
𝜎√2𝜋
Se a variável X com média 𝜇 e desvio padrao for expressa em unidades reduzidas (escores
𝑥−𝜇
reduzidos) atraves da variavel Z, onde 𝑧 = , pode se mostrar que z é tambem normal
𝜎
1 2
1
com media 𝐸(𝑧) = 0, e var (x) = 1 e a funcao 𝑓(𝑥) passa para 𝜑(𝑧) = ∗ 𝑒 2𝑧 , 𝑐𝑜𝑚 −
√2𝜋
∞ < 𝑧 < +∞
𝑥 𝑥
1 1 𝑥−𝜇 2
(− ∗( ) )
𝐹(𝑥) = ∫ 𝑓(𝑥)𝑑𝑥 = ∫ ∗ 𝑒 2 𝜎 𝑑𝑥, 𝑐𝑜𝑚 − ∞ < 𝑥 < +∞
−∞ −∞ 𝜎√2𝜋
A função 𝐹(𝑧) é usada para o cálculo de probabilidades atraves de tabelas que oferecem
as areas sob a curva normal padrão. A tabela que será usada nestes apontamentos é a
tabela de faixa central.
Onde 𝑧1 𝑒 𝑧2 são escores reduzidos; Φ(−𝑧) = −Φ(𝑧) a função é impar e Φ(𝑧 > 5) = 0.5
os valores de Φ(𝑧) estão na tabela z.
Exemplo 1.
= Φ(1.86) + Φ(2.70)
= 0.4686 + 0.4965
= 0.9651
Exemplo 2.
Caso 4. 𝑝(𝑧 > 𝑧1 ) = 0.5 + 𝑝(𝑧1 < 𝑧 < 0) 𝑜𝑢 𝑝(𝑧 > 𝑧1 ) = 0.5 − 𝑝(0 < 𝑧 < 𝑧1 )
Exemplo 3.
As estaturas dos alunos de determinada escola são normalmente distribuídas com meia
de 1.60 m e desvio padrão 0.30 m. Encontrar a probabilidade de um aluno ter uma estatura
menor do que 1.48 m.
Resolução:
Dados:
1.48−1.60
Então 𝑧 = = −0.40
0.30
𝑝(𝑥 < 1.48) = 𝑝(𝑧 < −0.40) = 0.5 − 𝑝(−0.40 < 𝑧 < 0)
= 0.5 − 0.1554
= 0.3446
= Φ(1.38) + 0.5
= 0.4162 + 0.5
= 0.9162