Cap 5 - Variáveis Aleatórias Discretas

Estatstica para Cursos de Engenharia e Informtica
Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia So Paulo: Atlas, 2004
Cap. 5 Variveis aleatrias discretas

APOIO: Fundao de Apoio Pesquisa Cientfica e Tecnolgica do Estado de Santa Catarina (FAPESC) Departamento de Informtica e Estatstica UFSC (INE/CTC/UFSC)
BARBETTA, REIS e BORNIA Estatstica para Cursos de Engenharia e Informtica. Atlas, 2004
Varivel aleatria
Uma varivel aleatria pode ser entendida como uma varivel quantitativa, cujo resultado (valor) depende de fatores aleatrios. Exemplos:
nmero de coroas obtido no lanamento de 2 moedas; nmero de itens defeituosos em uma amostra retirada, aleatoriamente, de um lote; nmero de defeitos em um azulejo que sai da linha de produo; nmero de pessoas que visitam um determinado site, num certo perodo de tempo;
Varivel aleatria
Uma varivel aleatria pode ser entendida como uma varivel quantitativa, cujo resultado (valor) depende de fatores aleatrios. Exemplos:
volume de gua perdido por dia, num sistema de abastecimento; resistncia ao desgaste de um certo tipo de ao, num teste padro; tempo de resposta de um sistema computacional; grau de empeno em um azulejo que sai da linha de produo.
Varivel aleatria
Formalmente, uma varivel aleatria uma funo que associa elementos do espao amostral ao conjunto de nmeros reais. X = nmero de coroas obtido no lanamento de 2 moedas
= {(cara, cara), (cara, coroa), {coroa, cara), (coroa, coroa)}
X:
0 1 2 x
Varivel aleatria
varivel aleatria discreta
os possveis resultados esto contidos em um conjunto finito ou enumervel
Ex. 0 1 2 3 4 ...
contnua
os possveis resultados abrangem todo um intervalo de nmeros reais
Ex. 0 tempo de resposta de ...
nmero de defeitos em ...
Varivel aleatria discreta: funo de probabilidade
p( xi ) = P( X = xi )
satisfazendo:
p( xi ) 0
p( x ) = 1
i i
Varivel aleatria discreta: funo de probabilidade

X = nmero obtido no lanamento de um dado comum.
f(x)
p(x)
1/ 6
1/ 6
rea total = 1
6 x
Varivel aleatria discreta: Funo de distribuio acumulada
F ( x) = P ( X x), x
x at x
Varivel aleatria discreta: Funo de distribuio acumulada

X = nmero obtido no lanamento de um dado comum.
0 1 6 2 6 F ( x) = 3 6 4 6 5 6 1 se x < 1 se 1 x < 2 se 2 x < 3 se 3 x < 4 se 4 x < 5 se 5 x < 6 se x 6
0
F(x)
6 x
Varivel aleatria discreta: Valor esperado

Valores possveis Probabilidades
x1 x2 x3 ... xk Total
p1 p2 p3 ... pk 1
= E( X ) = x j p j
j =1
Varivel aleatria discreta: Varincia

Valores possveis x1 x2 x3 ... xk Total Probabilidades p1 p2 p3 ... pk 1
= V ( X ) = (x j )2 p j
2 j =1 k
ou:
V ( X ) = E( X 2 ) 2
onde: E ( X ) = x 2 p j j
2 j =1 k
Desvio padro:
= DP ( X ) = Var ( X )
Propriedades do valor esperado e varincia
a)E(c) = c b)E(X + c) = E(X) + c c) E(cX) = cE(X) d)E(X + Y) = E(X) + E(Y) e) E(X Y) = E(X) E(Y)
a)V(c) = 0 b)V(X + c) = V(X) c) V(cX) = c2V(X) d)DP(cX) = |c|DP(X)
Propriedades do valor esperado e varincia

p(x) Distribuio de X
E(X) Distribuio de Y = X + c p(y) p(z)
x Distribuio de Z = cX
E(X) + c
cE(X)
Variveis aleatrias independentes

X1, X2, ..., Xn podem ser consideradas variveis aleatrias independentes se o conhecimento de uma no altera as distribuies de probabilidades das demais. Vale para variveis aleatrias independentes: V(X + Y) = V(X) + V(Y) V(X Y) = V(X) + V(Y)
Modelos discretos
Distribuio de Bernoulli de parmetro p (0 < p < 1)
E(X) = p
x 0 1 Total p(x) 1p p 1
V(X) = p.(1 p)
0 F ( x) = 1 - p 1 se x < 0 se 0 x < 1 se x 1
Modelos discretos
Distribuio Binomial
X = X1 + X2 + ... + Xn
onde X1, X2, ..., Xn so variveis aleatrias independentes, sendo cada uma delas com distribuio de Bernoulli de parmetro p constante (0 < p < 1). Ou seja,
Modelos discretos
Distribuio Binomial X = nmero de sucessos em n ensaios ensaios independentes e com P{sucesso} = p, constante para todo ensaio (0 < p < 1).
Modelos discretos
Distribuio Binomial, n = 4:
SSFF SFSF SFFS FSSF FSFS FFSS
FFFF Valores de X:
SFFF FSFF FFSF FFFS
SSSF SSFS SFSS FSSS
SSSS
Probab.:
(1-p)4
4p(1-p)3 6p2(1-p)2 4p3(1-p)
p4
Modelos discretos
Distribuio Binomial
n x n x p( x) = . p .(1 p ) x
n n! = x (n x )! x!
(x = 0, 1, ..., n)
E(X) = n.p
V(X) = n.p.(1 p)
Modelos discretos
Distribuio Binomial
binomial com n = 5 e p = 0,5
p(x)
0,4 0,3 0,2 0,1 0 0 1 2 3 4 5
0,4 0,3 0,2 0,1 0 0 1 2 3 4 5
binomial com n = 5 e p = 0,25

p(x)
E(X) = 2,5
E(X) = 1,25
Modelos discretos
Ex. 5.2 - Binomial n = 10 e p = 0,7
Tabela da binomial
Qual a probabilidade da maioria tambm acessar a p24? P(X > 5) = = p(6) + p(7) + p(8) + p(9) + + p(10) n 10 x 0 1 2 3 4 5 6 7 8 9 10 0,70 0,0000 0,0001 0,0014 0,0090 0,0368 0,1029 0,2001 0,2668 0,2335 0,1211 0,0282
= 0,8497 X>5
Modelos discretos
Distribuio Hipergeomtrica
Amostra com n itens Lote com N itens: r defeituosos N r bons Amostragem aleatria com reposio Distribuio binomial
Amostra com n itens Distribuio hipergeomtrica
Amostragem aleatria sem reposio
Modelos discretos
Distribuio Hipergeomtrica
r N r x n x p( x) = N n
E(X) = n.p V(X) = n.p.(1 p). N n N 1
[x = 0, 1, ..., min(r, n)]
(p = r N)
Modelos discretos
Distribuio de Poisson
Na prtica, muitas situaes nas quais interessa o nmero de observaes de uma varivel em um intervalo contnuo (tempo ou espao) podem ser convenientemente explicadas pela distribuio de Poisson.
chamadas telefnicas por minuto, mensagens que chegam a um servidor por segundo acidentes por dia, defeitos por m2, etc..
Exemplos:
Modelos discretos
Distribuio de Poisson. Suposies:
Os nmeros de ocorrncias em quaisquer intervalos so independentes. A probabilidade de duas ou mais ocorrncias simultneas zero. O nmero mdio de ocorrncias () constante em todo o intervalo considerado.
Modelos discretos
Distribuio de Poisson. Uma justificativa:
X = nm. de ocorrncias em [t, t+1] t t+1 n intervalos de amplitude 1/n, com n a p = probab. de ocorrncia em cada intervalo
na pa0 npa >0
n x P ( X = x) p (1 p ) n x x
P ( X = x)
xe
x!
(x = 1, 2, ...)
Modelos discretos
e p( x) = x!
x = 0, 1, 2, ...
E(X) = V(X) =
Modelos discretos
0.8
Probabilidade
= 0,4
0.6
0.4
0.2
0 0 2 4 X
10
0.3
Modelos discretos
Probabilidade
0.25 0.2 0.15 0.1 0.05 0 0 2 4
=2
10
X

Cap 5 - Variáveis Aleatórias Discretas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cap 5 - Variáveis Aleatórias Discretas

Título original:

Enviado por

Direitos autorais:

Formatos disponíveis

Estatstica para Cursos de Engenharia e Informtica

Cap. 5 Variveis aleatrias discretas

nmero de defeitos em ...

Varivel aleatria discreta: funo de probabilidade

Varivel aleatria discreta: funo de probabilidade

Varivel aleatria discreta: Funo de distribuio acumulada

Varivel aleatria discreta: Funo de distribuio acumulada

Varivel aleatria discreta: Valor esperado

Varivel aleatria discreta: Varincia

Propriedades do valor esperado e varincia

a)V(c) = 0 b)V(X + c) = V(X) c) V(cX) = c2V(X) d)DP(cX) = |c|DP(X)

Propriedades do valor esperado e varincia

E(X) Distribuio de Y = X + c p(y) p(z)

Variveis aleatrias independentes

SFFF FSFF FFSF FFFS

SSSF SSFS SFSS FSSS

4p(1-p)3 6p2(1-p)2 4p3(1-p)

binomial com n = 5 e p = 0,25

Amostra com n itens Distribuio hipergeomtrica

Amostragem aleatria sem reposio

[x = 0, 1, ..., min(r, n)]

0.25 0.2 0.15 0.1 0.05 0 0 2 4

Interesses relacionados

Você também pode gostar