Escolar Documentos
Profissional Documentos
Cultura Documentos
16 Função de Probabilidade
16 Função de Probabilidade
Função de Probabilidade
Função ou distribuição de probabilidade de uma experiência aleatória é a função que a cada evento
possível faz corresponder a probabilidade do evento ocorrer.
Exemplo: Vamos construir a distribuição de probabilidade do sexo do grupo de filhos de uma famílias
com 5 filhos.
Quando o número de experimentos aumenta muito, a freqüência relativa de um evento tende a estabi-
lizar-se num valor considerado a probabilidade do evento. Esta é a Lei dos Grandes Números.
A Curva de Gauss é uma curva de distribuição de probabilidades para um grande número de observa-
ções aleatórias.
Considere uma distribuição de probabilidades onde a média é x e xn é um valor observado com proba-
bilidade pn .
WWW.DOMINACONCURSOS.COM.BR 1
FUNÇÃO DE PROBABILIDADE
É o conjunto de valores considerados normais correspondentes a 68% dos valores observados e com-
preendidos no intervalo | x – ; x + | .
WWW.DOMINACONCURSOS.COM.BR 2
FUNÇÃO DE PROBABILIDADE
A probabilidade de ocorrência num determinado intervalo de resíduos corresponde à área entre a curva
e o eixo horizontal sendo calculado pela integral:
WWW.DOMINACONCURSOS.COM.BR 3
FUNÇÃO DE PROBABILIDADE
Para ser f.d.p. a função não deve ter valores negativos e deve integrar 1 em seu domínio. Vamos
começar definindo esta função como uma função no R para qual daremos o nome de f1. A seguir faze-
mos o gráfico da função. Como a função tem valores positivos para x no intervalo de zero a infinito
temos, na prática, para fazer o gráfico, que definir um limite em x até onde vai o gráfico da função.
Vamos achar este limite tentando vários valores, conforme mostram os comandos abaixo. O gráfico
escolhido e mostrado na Figura 16 foi o produzido pelo comando plot(f1,0,5).
WWW.DOMINACONCURSOS.COM.BR 4
FUNÇÃO DE PROBABILIDADE
Para verificar que a a integral da função é igual a 1 podemos usar a função integrate() que efetua
integração numérica. A função recebe como argumentos o objeto com a função a ser integrada e os
limites de integração. Neste exemplo o objeto é f1 definido acima e o domínio da função é [0,∞]. A saída
da função mostra o valor da integral (1) e o erro máximo da aproximação numérica.
Para fazer cálculos pedidos nos itens (b) e (c) lembramos que a probabilidade é dada pela área sob a
curva da função no intervalo pedido. Desta forma as soluções seriam dadas pelas expressões
cuja representação gráfica é mostrada na Figura 17. Os comandos do R a seguir mostram como fazer
o gráfico de função. O comando plot() desenha o gráfico da função. Para destacar as áreas que cor-
respondem às probabilidades pedidas vamos usar a função polygon(). Esta função adiciona a um grá-
fico um polígono que é definido pelas coordenadas de seus vértices. Para sombrear a área usa-se o
argumento density. Finalmente, para escrever um texto no gráfico usamos a função text() com as co-
ordenadas de posição do texto.
> plot(f1, 0, 5)
> polygon(x = c(1, seq(1, 5, l = 20)), y = c(0, f1(seq(1, 5, l = 20))),
+ density = 10)
> polygon(x = c(0.2, seq(0.2, 0.8, l = 20), 0.8), y = c(0, f1(seq(0.2,
+ 0.8, l = 20)), 0), col = "gray")
> text(c(1.2, 0.5), c(0.1, 0.2), c(expression(p[b], p[c])))
WWW.DOMINACONCURSOS.COM.BR 5
FUNÇÃO DE PROBABILIDADE
• Qual a quantidade que deve ser deixada à disposição para que não falte o produto em 95% dos
dias?
Neste caso definimos um vetor do mesmo tamanho do argumento x para armazenar os valores de f(x) e
a seguir preenchemos os valores deste vetor para cada faixa de valor de x.
A seguir verificamos que a integral da função é 1 e fazemos o seu gráfico mostrado na Figura 18.
> integrate(f2, 0, 3)
WWW.DOMINACONCURSOS.COM.BR 6
FUNÇÃO DE PROBABILIDADE
Agora vamos responder às questões levantadas. Na questão (a) pede-se a probabilidade de que sejam
vendidos mais que 150 kg (1,5 centenas de quilos), portanto a probabilidade P[X > 1, 5]. A probabili-
dade corresponde à área sob a função no intervalo pedido ou seja P[X > 1, 5] = ∫ 1,5∞f(x)dx e esta inte-
gral pode ser resolvida numericamente com o comando:
A venda esperada em trinta dias é 30 vezes o valor esperado de venda em um dia. Para calcular a
esperança E[X] = ∫ xf(x)dx definimos uma nova função e resolvemos a integral. A função integrate re-
torna uma lista onde um dos elementos ($value) é o valor da integral.
[1] 40
Na questão (c) estamos em busca do quantil 95% da distribuição de probabilidades, ou seja o valor
de x que deixa 95% de massa de probabilidade abaixo dele. Este valor que vamos chamar de k é dado
por:
Para encontrar este valor vamos definir uma função que calcula a diferença (em valor absoluto) entre
0.95 e a probabilidade associada a um valor qualquer de x. O quantil será o valor que minimiza esta
probabilidade. Este é portanto um problema de otimização numérica e para resolvê-lo vamos usar a
função optimize() do R, que recebe como argumentos a função a ser otimizada e o intervalo no qual
deve procurar a solução. A resposta mostra o valor do quantil x = 2.452278 e a função objetivo com
valor muito próximo de 0, que era o que desejávamos.
WWW.DOMINACONCURSOS.COM.BR 7
FUNÇÃO DE PROBABILIDADE
$minimum
[1] 2.452278
$objective
[1] 7.573257e-08
A Figura 19 ilustra as soluções dos itens (a) e (c) e os comandos abaixo foram utilizados para obtenção
destes gráficos.
> par(mfrow = c(1, 2), mar = c(3, 3, 0, 0), mgp = c(2, 1, 0))
> plot(f2, -1, 4)
> polygon(x = c(1.5, 1.5, 3), y = c(0, f2(1.5), 0), dens = 10)
> k <- optimise(f, c(0, 3))$min
> plot(f2, -1, 4)
> polygon(x = c(0, 1, k, k), y = c(0, f2(1), f2(k), 0), dens = 10)
> text(c(1.5, k), c(0.2, 0), c("0.95", "k"), cex = 2.5)
Figura 19: Gráficos indicando as soluções dos itens (a) e (c) do Exemplo 2.
Finalmente lembramos que os exemplos discutidos aqui são simples e não requerem soluções numé-
ricas, devendo ser resolvidos analiticamente. Utilizamos estes exemplos somente para ilustrar a obten-
ção de soluções numéricas com o uso do R, que na prática deve ser utilizado em problemas mais
complexos onde soluções analíticas não são triviais ou mesmo impossíveis.
Para uma variável discreta, a FDP fornece os valores de probabilidade para determinados valores de
x. Por exemplo, um fabricante de doces produz um único tipo de doce em várias cores. 30% das balas
são produzidas em amarelo, 10% são laranja, 10% são vermelhas, 20% são verdes e 30% são azuis.
FDP discreta
Este gráfico de barras exibe a FDP para a cor doces. Cada barra representa a probabilidade dos doces
daquela cor expressos como uma porcentagem.
WWW.DOMINACONCURSOS.COM.BR 8
FUNÇÃO DE PROBABILIDADE
A função de densidade de probabilidade (FDP) é uma equação que representa a distribuição de pro-
babilidade de uma variável aleatória contínua. Por exemplo, uma máquina que corta rolhas para garra-
fas de vinho produz rolhas com diâmetros diferentes. No gráfico de barras a seguir para os diâmetros
das rolhas, cada barra representa a porcentagem de rolhas com o diâmetro correspondente.
FDP contínua
A curva é a FDP para o diâmetro da rolha. Use a FDP para identificar as áreas de probabilidades
superiores e inferiores para os valores de uma variável aleatória. Por exemplo, apenas uma pequena
porcentagem das rolhas (1%) tem um diâmetro inferior a 2,8 cm.
Se os limites de especificação para diâmetro de rolha forem de 2,85 cm a 3,15 cm, o FDP pode indicar
valores de densidade de probabilidade de todas as rolhas deste processo que atendam às especifica-
ções.
A forma da FDP é diferente para as diferentes distribuições. A familiar curva em forma de sino repre-
senta a FDP para uma distribuição normal. Enquanto diâmetro da rolha segue uma distribuição normal,
outras medições, como a força necessária para tirar a rolha da garrafa de vinho, pode seguir uma
distribuição diferente. Por exemplo, a FDP para uma distribuição lognormal tem uma cauda direita
longa.
WWW.DOMINACONCURSOS.COM.BR 9
FUNÇÃO DE PROBABILIDADE
FDP lognormal
Como uma garrafa de vinho ocasionalmente requer uma quantidade incomum de força para a retirada
da rolha, as medidas desta força muitas vezes seguem uma distribuição com uma longa cauda direita
como a distribuição lognormal.
A função de distribuição acumulada nos dá uma maneira de descrever como as probabilidades são
associadas aos valores ou aos intervalos de valores de uma variável aleatória. De forma geral, consi-
dere o espaço de probabilidade .
Definição 2.1.1:
A função de distribuição acumulada de uma variável aleatória X é uma função que a cada número real
x associa o valor
Exemplo 2.1.1:
Portanto,
WWW.DOMINACONCURSOS.COM.BR 10
FUNÇÃO DE PROBABILIDADE
Exemplo 2.1.2:
O tempo de validade, em meses, de um óleo lubrificante num certo equipamento está sendo estudado.
Seja . Uma variável de interesse é o próprio tempo de validade e, nesse
caso, definimos . Por exemplo, podemos tomar a seguinte função de distribuição
acumulada de :
Observe que neste exemplo, definimos diretamente a Função de Distribuição Acumulada (FDA) ao
invés da probabilidade. Na maioria das aplicações, partimos da FDA para definirmos o modelo proba-
bilístico. Como exercício, mostre qe esta FDA nos fornece um modelo probabilístico .
A função de distribuição acumulada de uma variável aleatória têm três propriedades básicas:
1. , e ;
2. é não decrescente.
Demonstração:
WWW.DOMINACONCURSOS.COM.BR 11
FUNÇÃO DE PROBABILIDADE
Exemplo 2.1.3:
Para obter a função de distribuição acumulada da variável aleatória , é conveniente separar os vários
casos, de acordo com os valores da variável.
Para , , uma vez que o menor valor assumido pela variável é . No inter-
valo , temos que . E, para , temos
que . Dessa forma, foi definida para
todo real. Assim, temos
Note que as propriedades de função de distribuição são facilmente verificadas e que é não de-
crescente para todo real e, portanto, vale a propriedade 2. O seguinte resultado, nos diz que qualquer
função que satisfaz as propriedades básicas é uma função de distribuição acumulada de alguma
variável aleatória na reta. A demonstração deste resultado será colocada na próxima subseção, junta-
mente com o conceito de -álgebra de Borel na reta.
Teorema 2.1.1:
Toda função satisfazendo as propriedades básicas é uma função de distribuição acumulada de al-
guma variável aleatória.
Exemplo 2.1.4:
Seja X uma variável aleatória com distribuição de Poisson, parâmetro . Mostre que a função de
distribuição de é
Temos: se ,
WWW.DOMINACONCURSOS.COM.BR 12
FUNÇÃO DE PROBABILIDADE
no qual .
Exemplo 2.1.5:
Exemplo 2.1.6:
Qual é a densidade de X?
Exemplo 2.1.7:
WWW.DOMINACONCURSOS.COM.BR 13
FUNÇÃO DE PROBABILIDADE
(iii) ,
toda função que satisfaz (i), (ii) e (iii) é a distribuição de alguma variável aleatória.
Exemplo 2.1.8:
Assim,
então
WWW.DOMINACONCURSOS.COM.BR 14
FUNÇÃO DE PROBABILIDADE
então .
Exemplo 2.1.9:
(a1) e
(a2) temos que
(a3)
b) Decomposição de
(b1)
(b2) . Então,
Então,
Exemplo 2.1.10:
WWW.DOMINACONCURSOS.COM.BR 15
FUNÇÃO DE PROBABILIDADE
Agora , então
e então
Exemplo 2.1.11:
Exemplo 2.1.12:
Exemplo 2.1.13:
Determine a distribuição do tempo de espera até o segundo sucesso em uma sequência de ensaios de
Bernoulli com probabilidade de sucesso.
Seja a variável aleatória que designa o tempo de espera até o segundo sucesso. Note que a proba-
bilidade de ocorrer 2 sucessos em é . Agora o último ensaio ocorre na última
posição então o primeiro ensaio pode ocorrer em qualquer das posições anteriores. Assim,
Exemplo 2.1.14:
Uma massa radioativa emite partículas segundo um processo de Poisson a uma taxa média de 10
partículas por segundo. Um contador é colocado ao lado da massa. Suponha que cada partícula emitida
atinge o contador com probabilidade de , que o contador registra todas as partículas que o atingem,
e que não há iteração entre as partículas(elas se movimentam independentemente).
WWW.DOMINACONCURSOS.COM.BR 16
FUNÇÃO DE PROBABILIDADE
(b) Prove que tem distribuições de Poisson, onde é o número de partículas registradas (conta-
das) até o tempo t, . Qual o parâmetro?
Agora
Agora,
Então
Então,
Esta é uma distribuição que se caracteriza por ter uma função de taxa de falha constante. A distribuição
exponencial é a única com esta propriedade. Ela é considerada uma das mais simples em termos
matemáticos. Esta distribuição tem sido usada extensivamente como um modelo para o tempo de vida
de certos produtos e materiais. Ela descreve adequadamente o tempo de vida de óleos isolantes e
dielétricos, entre outros.
Definição 6.12.1:
A variável aleatória tem distribuição Exponencial com parâmetro , , se tiver função densi-
dade de probabilidade dada por:
WWW.DOMINACONCURSOS.COM.BR 17
FUNÇÃO DE PROBABILIDADE
Utilizamos a notação .
Observação 6.12.1:
A distribuição Exponencial pode ser parametrizada de uma forma alternativa segundo a função densi-
dade de probabilidade dada por
Deixamos claro aqui que, a menos que especifiquemos o contrário, sempre que escreve-
mos estamos nos referindo à parametrização em que é o parâmetro taxa.
Observação 6.12.2:
Notem que a função exponencial, na verdade, é um caso particular da função Gama, pois
se , então
Exemplo 6.12.1:
WWW.DOMINACONCURSOS.COM.BR 18
FUNÇÃO DE PROBABILIDADE
O tempo até a falha do ventilador de motores a diesel tem uma distribuição Exponencial com parâme-
tro horas. Qual a probabilidade de um destes ventiladores falhar nas primeiras 24000 horas
de funcionamento?
Exemplo 6.12.2:
Suponha que o tempo de vida de uma determinada espécie de inseto tenha uma distribuição exponen-
cial de parâmetro dia. Suponha também que estes insetos atinjam a maturidade sexual
após dias de seu nascimento. Qual a função densidade de probabilidade, em dias, dos insetos que
conseguem se reproduzir? E qual a probabilidade de que um inseto reprodutor viva mais de dias?
Seja a distribuição do tempo de vida dos insetos, e a distribuição do tempo de vida dos insetos
que chegam a reprodução. Observem que , assim
Agora falta encontramos qual a probabilidade de que o inseto reprodutor dure mais de 24 dias. Usando
a densidade acima temos que
Exemplo 6.12.3:
Uma fábrica utiliza dois métodos para a produção de lâmpadas. 70% das lâmpadas são produzidas
pelo método e as demais pelo método . A duração da lâmpada depende do método pelo qual ela
foi produzida, sendo que as produzidas pelo método seguem uma distribuição exponencial com pa-
râmetro e as do método seguem uma exponencial de parâmetro . Qual a probabilidade
de que, se escolhermos uma lâmpada ao acaso, ela dure mais de horas?
e, portanto,
Portanto a probabilidade de que uma lâmpada escolhida ao acaso dure mais de 100 horas é de 31%.
Exemplo 6.12.4:
WWW.DOMINACONCURSOS.COM.BR 19
FUNÇÃO DE PROBABILIDADE
Assim
Seja uma variável aleatória com distribuição exponencial com parâmetro . Então sua função gera-
dora de momentos é dada por:
Temos que o valor esperado e a variância de uma variável aleatória X com distribuição exponencial
com parâmetro λ são dados, respectivamente, por
Podemos calcular também o valor esperado e a variância utilizando a função geradora de momentos
WWW.DOMINACONCURSOS.COM.BR 20
FUNÇÃO DE PROBABILIDADE
Observação 6.12.3:
Quando estamos trabalhando com a distribuição exponencial parametrizada com o parâmetro es-
cala temos que
A distribuição exponencial pode ser associada com a distribuição geométrica. Porém antes de tratar-
mos das similaridades da propriedade dessas duas distribuições avaliaremos as características da va-
riável aleatória.
De uma forma bastante resumida imagine uma variável aleatória Poisson, onde temos a contagem do
número de ocorrências em um intervalo. Suponha agora que estejamos interessados em verificar a
probabilidade do tempo transcorrido entre duas ocorrências consecutivas. Essa última é considerada
uma variável aleatória exponencial.
Essa distribuição contínua que pode ser utilizada para descrever as probabilidades envolvidas no tempo
que decorre para que um determinado evento aconteça. Existe uma conexão muito próxima entre a
distribuição exponencial e a de Poisson. Ou seja, é Utilizada para descrever o tempo entre as ocorrên-
cias de sucessivos eventos de uma distribuição de Poisson.As relações entre as distribuições podem
ser associadas a um processo estocástico, chamado de processo de poisson.
Para simplicar a abordagem imagine um processo de chegada sendo monitorando ao longo do tempo
(sendo o tempo uma variável contínua).
Para esse exemplo podemos estar interessados em algumas quantidades, como o número de chega-
das em um determinado intervalo (contínuo). Essa quantidade é descrita por uma variável aleatória
Poisson. Outra quantidade de interesse poderia ser a distribuição do tempo entre chegadas, onde essa
quantidade é uma variável aleatória Exponencial.
Exemplos
WWW.DOMINACONCURSOS.COM.BR 21
FUNÇÃO DE PROBABILIDADE
fX(x)=λe−λx0≤x<∞fX(x)=λe−λx0≤x<∞
Sendo λ>0λ>0
FX(x)=P(X≤x)=1−e−λxx≥0FX(x)=P(X≤x)=1−e−λxx≥0
Sendo λ>0λ>0
E[X]=1λV(X)=1λ2E[X]=1λV(X)=1λ2
Code
Imagine que estejamos analisando um jogo de futebol e temos interesse em caracterizar o número de
gols por partida, essa variável aleatória é uma Poisson. Podemos ainda caracterizar o tempo entre
essas ocorrências, e essa v.a. é uma Exponencial.
Exemplo - Exponencial 1
a. P(X≤0)P(X≤0)
b. P(X≤1)P(X≤1)
c. P(x≥2)P(x≥2)
d. P(1<X<2)P(1<X<2)
WWW.DOMINACONCURSOS.COM.BR 22
FUNÇÃO DE PROBABILIDADE
Solução
Code
a. P(X≤0)P(X≤0)
P(X≤0)=∫00λe−λxdx=0P(X≤0)=∫00λe−λxdx=0
b. P(X≤1)P(X≤1)
P(X≤1)=∫102e−2xdx=−e−2x|10=1−e−2=0.8647
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
_________________________________________________________________________________
WWW.DOMINACONCURSOS.COM.BR 23