Escolar Documentos
Profissional Documentos
Cultura Documentos
Professora
Kelly Alonso
F ( x) P ( X x)
Assim, para todo x pertencente aos números reais,
a função de distribuição acumulada descreve a
probabilidade de ocorrer um valor até x.
2
Exemplo: O Departamento de Estatística é formado por 35
professores, sendo 21 homens e 14 mulheres. Uma comissão de 3
professores será constituída sorteando, ao acaso, três membros do
departamento. Qual é a probabilidade da comissão ser formada por
pelo menos duas mulheres? Faça a distribuição acumulada.
Vamos definir a v.a. → X: nº de mulheres na comissão.
A função de distribuição acumulada será dada por:
0, se x 0
0 , 203 , se 0 x 1
F ( x) 0 , 653 , se 1 x 2
0 ,944 , se 2 x 3
F(x) 1, s e x 3
1
0.944
0.653
0.203
0 1 2 3 x
Existem algumas distribuições de probabilidade para variáveis discretas
que pela sua freqüência de uso vale a pena estudar mais
detalhadamente. Estas distribuições apresentam expressões para o
cálculo das probabilidades, isto é, as probabilidades f(x) podem ser
avaliadas através de um modelo matemático conhecido. Entre esses
modelos vamos conhecer: Binomial, Hipergeométrica e Poisson.
Distribuição de Bernoulli
Na prática muitos experimentos admitem apenas dois resultados. Exemplo:
1. Uma peça é classificada como boa ou defeituosa;
2. Um entrevistado concorda ou não com a afirmação feita;
3. No lançamento de um dado ocorre ou não face 6;
4. No lançamento de uma moeda ocorre cara ou coroa.
x 0 1 0 Se x < 0
f (x) 1 p Se 0 ≤ x < 1
P(X=x) 1-p p
1 Se x 1
Notação: X~Bernoulli (p), indica que a v.a. X tem distribuição de Bernoulli
com parâmetro p
Se X~Bernoulli(p) pode-se mostrar que:
E(X)= p
Var(X)= p(1-p).
x n! n
C n
x!n x ! x
Distribuição Binomial
n x n x
P X x p q ; x 0,1,..., n
x
Média:
EX np
Variância:
2 Var X npq
Distribuição Binomial
Exemplo 1: Uma moeda é lançada cinco vezes seguidas e
independentes. Calcule a probabilidade de serem obtidas 3 caras
nessas cinco provas.
Solução:
Temos que n 5 e p 1 2 . Seja X o número de caras.
n x n x
P X x p q ; x 0,1,..., n
x
3 2
5 1 1 5
P X 3
3 2 2 16
Distribuição Binomial
Exemplo 2: A probabilidade dos pais com certo tipo de olhos
azuis-castanhos terem um filho com olhos azuis é 1/4. Se uma
família desse tipo tem 4 filhos, qual a probabilidade de:
a) Ter exatamente 1 filho com olhos azuis?
b) No máximo 1 filho tenha olhos azuis?
c) Qual o valor esperado de filhos com olhos azuis?
Solução:
Temos que n 4 e p 1 4 . Seja X o número de filhos com olhos azuis.
3
4 1 3 27
P X 1
1 4 4 64
Distribuição Binomial
b) Queremos saber P X 1 , então:
P X 1 P x 0 P x 1
0 4
4 1 3 81
mas P X 0
0 4 4 256
81 27 189
P X 1
256 64 256
1
E x n p 4 1
4
Distribuição HIPERGEOMÉTRICA
Cada experimento tem dois possíveis resultados:
“sucesso” e “falha” e os n experimentos não são independentes.
Selecionamos n elementos sem reposição de um conjunto de N
elementos, dos quais r são sucessos e N-r são falhas. A v.a.
hipergeométrica é definida como X é o número de sucessos em n
elementos selecionados:
r N r
x n x
P X x
N
Média: n
nr
E x
N
Variância:
nr N r N n
2 Var x
N N N 1
12
Distribuição HIPERGEOMÉTRICA
Exemplo 1: De 10 professores da UFF, 5 estão na universidade
há mais de 4 anos. Se 6 professores são escolhidos
aleatoriamente deste grupo, qual a probabilidade que exatamente
3 estejam na UFF há mais de 4 anos?
Solução:
Temos que N 10 , n 6 , r 5 e N r 5
5 5
3 3
PX 3 0,476
10
6
Exemplo 2: Placas de vídeo são expedidas em lotes de 30 unidades.
Antes que a remessa seja aprovada, um inspetor escolhe
aleatoriamente cinco placas do lote e as inspeciona. Se nenhuma
das placas inspecionadas for defeituosa, o lote é aprovado. Se uma
ou mais forem defeituosas, todo o lote é inspecionado. Supondo
que haja três placas defeituosas no lote, qual é a probabilidade de
que o controle da qualidade aponte para a inspeção total?
X: Número de placas defeituosas na amostra
P ( X 1) 1 P ( X 0)
3 30 3 27
0 5 0 5
p ( 0) 0,5665
30 30
5 5
Logo , P ( X 1) 1 0,5665 0,4335
A probabilidade de que o controle da qualidade aponte para a
inspeção total é de 0,4335.
Distribuição de Poisson
Distribuição de Poisson
Siméon Denis
Poisson
(1781-1840)
Distribuição adequada para
descrever eventos raros, porém com um
grande número de tentativas.
Exemplos: decaimento radiativo, picada
de um mosquito infectado com a malária.
16
Distribuição de Poisson
Na prática muitos experimentos consistem em observar a
ocorrência de eventos discretos em um intervalo contínuo
(unidade de medida).
Exemplos:
1. Número de consultas a uma base de dados em um minuto.
2. Número de casos de Dengue por quilômetro quadrado no estado
de SP.
3. Número de machas (falhas) por metro quadrado no esmaltado de
uma geladeira.
4. Número de chamadas que chegam a uma central telefônica de
uma empresa num intervalo de tempo (digamos das 8,0 a.m. às
12,0 a.m.).
5. Número de autos que chegam ao Campus entre 7,0 a.m. a 10,0
a.m.
Distribuição de Poisson
Geralmente utilizada em problemas que se conta o
número de ocorrências por unidade de medida. Uma unidade de
medida pode ser: tempo (segundo, minuto, ...), área (cm², m², ...),
volume (cm³, m³, ...). A v.a. da Distribuição de Poisson é definida
como X é o número de ocorrências por unidade de medida:
x
e
P X x ; x 0,1,2,...
x!
*Onde é o número médio de ocorrências durante uma dada unidade
de medida. é o parâmetro da distribuição de Poisson.
P X 4 1 P X 4 1 P X 0 P X 1 P X 2 P X 3 P X 4
2,50 e2,5 2,51 e2,5 2,52 e2,5 2,53 e2,5 2,54 e2,5
P X 4 1 0,1088
0! 1! 2! 3! 4!