Escolar Documentos
Profissional Documentos
Cultura Documentos
Texto de Apoio de Estatistica II 2024 Ustm
Texto de Apoio de Estatistica II 2024 Ustm
É o tipo de variável que assume um número finito de valores possíveis ou número infinito
enumerável. De um modo geral, os valores de X pertencem ao conjunto dos inteiros. Uma
variável aleatória discreta está bem definida se pudermos indicar os possíveis valores x 1,
x2,..., xn que ela pode assumir e as respectivas probabilidades p(x1), p(x 2),..., p(xn). Se
conhecermos a os pares (xi; p(xi)), para todo i, conhecemos a distribuição de probabilidades
da variável aleatória X.
Dada uma v.a. discreta, assumindo os valores x 1, x2,..., xn , chamamos valor médio ou
esperança de X ao valor:
E (X) = ∑Pi. Xi
1
2
Condições:
a) f(x) ≥0 b)
b) ∫ 𝑓(𝑡)𝑑𝑡 = 1
3. DISTRIBUIÇÃO BINOMIAL
2
3
P (X = k) = Cnk . P k . q (n-k)
Onde:
P – probabilidade de sucesso
p = (1 – p) ou q – probabilidade de fracasso
n – total de ensaios
k – número de sucessos da amostra
Afinal, cada caixa de ovos comporta 6 unidades. Com relação às probabilidades temos duas
opções: inteiro ou quebrado. Para representar a incidência dos ovos quebrados utilizaremos p;
para representar a probabilidade de o ovo estar inteiro utilizaremos q. Já sabemos, também,
que é de 5% a probabilidade de um dos ovos quebrar.
3
4
Nesse caso, p é que recebe esse dado. Na porcentagem, temos um número como referencial
que é o 100. Assim, para sabermos quais as chances para que um dos ovos quebre é preciso
subtrair p de q.
Assim, teremos:
Ou seja, as chances do ovo não se quebrar, de ficar inteiro, são de 95%. Mas não podemos
utilizar esses números em forma de porcentagem na fórmula.
Precisamos transformá-los para que fiquem em forma unitária. Para fazer essa transformação
basta dividir a porcentagem por 100.
Caso tenha dúvida se o cálculo está correcto basta somar os valores correspondentes a p e q.
Essa soma deve dar 1 como a seguir:
Já temos os valores de p, q, n, mas e o valor de k? O valor dessa variável é obtido pelo evento
que se deseja realizar o cálculo da probabilidade.
No nosso exemplo, queremos saber quais as chances do consumidor adquirir uma caixa com
2 ovos quebrados. P(x=2)?
4
5
4. DISTRIBUIÇÃO DE POISSON
Esta é uma distribuição associada a “eventos raros”. As razões para isso se tornarão mais
claras a medida que a aplicação desse modelo for descrita. Os eventos podem ser:
Acidentes automotivos
Erros de digitação
Chegada de um cliente em um banco
Entre outros eventos
Seja λ a média de eventos em um intervalo de tempo, área ou volume, ou ainda a taxa média
de ocorrência por unidade medida. Seja a variável aleatória X a contagem do número de
eventos ocorrendo no intervalo. Então sob certas condições pode ser demonstrado que,
P(X=k) = e –k . λ k / k!
5
6
Exemplo 1
Um vendendor de seguro de vida vende em média 3 seguros de vida por semana. Utilize a
distribuição de Poisson para calcular em que uma dada semana ele irá vender,
a. Alguns seguros.
Solução
a. Alguns seguros.
Alguns seguros significa “1 ou mais seguros”. Para resolvermos esse problema devemos
utilizar o complemento.