Probabilidade e Estatstica

Distribuies de Probabilidade
Daniel Henrique Breda Binoti

Centro Universitrio So Camilo. Todos os direitos reservados

Modelos de Distribuies Discretas

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio de Bernoulli

Aplicaes:
Na seleo de um chip extrado de um lote, podemos querer
saber somente se ele perfeito ou no;
Na seleo de uma pea fabricada, queremos saber somente se
ela satisfaz ou no as especificaes exigidas pelo consumidor;
Em uma transmisso digital, podemos estar interessados somente
em saber se o bit transmitido tem erro ou no;

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio de Bernoulli
Uma lmpada escolhida ao acaso

Sucesso:
Ensaio de Bernoulli A lmpada defeituosa

X = 0 se a lmpada no defeituosa
X = 1 se a lmpada defeituosa

P(X=1) = 3/5
P(X=0) = 2/5

Nmero de ensaios = 1

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio de Bernoulli

Seja X uma V.A. com dois resultados possveis:

Fracasso
Sucesso
X x1 = 1 sucesso; P(X=1) = p
X x1 = 0 fracasso; P(X=0) = 1 p = q

Valor esperado: E(X) = X = p

Varincia: Var(X) = 2 = pq

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Binomial

No modelo Binomial um mesmo experimento de Bernoulli

repetido n vezes, independentemente, e a v.a. de interesse
representa o nmero de sucessos a serem obtidos nos n ensaios.
1. As n tentativas so independentes;
2. Cada tentativa resulta em somente dois resultados possveis,
designados como sucesso e falha;
3. A probabilidade de um sucesso em cada tentativa, denotada por
p, permanece constante.

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Binomial

A varivel aleatria X, que igual ao nmero de tentativas

que resultam em um sucesso, uma varivel aleatria
binomial com parmetros 0<p<1 e n = 1, 2,..... A funo de
probabilidade de X :

= 1 = 0, 1, ,

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Binomial

3 Ensaios de Bernoulli, n = 3
P(defeituosa) = p = 3/7
P(no defeituosa) = 1 p = 4/7

Seja X o nmero de defeituosas

1. O experimento consiste de trs ensaios idnticos;
2. Dois resultados so possveis;
3. As probabilidades p e (1 p) so as mesmas em cada ensaio;
4. Os ensaios so independentes (com reposio).

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Binomial
P(defeituosa) = p = 3/7
P(no defeituosa) = (1 p) = 4/7

Seja X o nmero de defeituosas

S= { 111, 110, 101, 011, 001, 010, 100, 000}

X = 0 -> {000} P(001) = 4/7 4/7 3/7 = 48/343

X = 1 -> {001, 010, 100}
X = 2 -> {110, 101, 011}
X = 3 -> {111}
P(010) = 4/7 3/7 4/7 = 48/343
P(100) = 3/7 4/7 4/7 = 48/343
P(X=1) = P(001) + P(010) + P(100)
P(X=1) = 3 48/343

Centro Universitrio So Camilo. Todos os direitos reservados

Distribuio Binomial

Seja X o nmero de defeituosas

P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 48/343

3
P( X 1) 3 / 7 4 / 7
1 2

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Binomial

n x
P( X x) p 1 p n x
x
onde:
p(x) = a probabilidade de x sucessos em n ensaios
n = o nmero de ensaios

p = probabilidade de um sucesso em um ensaio

(1-p) = probabildidade de um fracasso em um ensaio

X B(n,p)

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Binomial
Seja X uma V.A. Binomial com parmetros n e p,
onde p a probabilidade de sucesso.

X {0,1,2,..n}

Valor esperado: E(X) = X = np

Varincia: Var(X) = 2 = npq

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo
Considere uma loja de roupas que receba 3 clientes
p = o cliente faz compra = 0,30
(1-p) = o cliente no faz compra = 0,70

x p(x) X - nmero de clientes que compram

3!
0 0,343 (0,30)0 (0,70)3
0!3!
3!
1 0,441 (0,30)1(0,70)2
1!2!
2 0,189 3!
(0,30)2 (0,70)1
2!1!
3!
3 0,027 (0,30)3(0,70)0
3!0!

Total 1,00

Centro Universitrio So Camilo. Todos os direitos reservados

Exemplo: Representao Grfica

P(x)
0.50
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00 x
0 1 2 3

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo: Caractersticas

Valor esperado Varincia

E(X) = = np Var(X) = 2 = np(1 p)

Considerando o exemplo, temos

E(X) = = 3 0,30 = 0,90

Var(X) = 2 = np(1-p)= 3 0,30 0,70 = 0,63

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplos

Esquematize a funo de probabilidade de uma

distribuio binomial, com n=10 e p=0,01, e comente a
forma da distribuio.
A) Qual o valor mais provvel de X?
B) Qual o valor menos provvel de X?

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

Um processo de fabricao tem 100 pedidos de consumidores

para preencher. Cada pedido requer uma pea componente que
comprada de um fornecedor. No entanto, tipicamente, 2% dos
componentes so identificados como defeituosos, podendo os
componentes ser considerados independentes.

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

A. Se o fabricante estocar 100 componentes, qual ser a

probabilidade de que as 100 ordens possam ser preenchidas
sem refazer o pedido dos componentes?
B. Se o fabricante estocar 102 componentes, qual ser a
probabilidade de que as 100 ordens possam ser preenchidas
sem refazer o pedido dos componentes?
C. Se o fabricante estocar 105 componentes, qual ser a
probabilidade de que as 100 ordens possam ser preenchidas
sem refazer o pedido dos componentes?

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

Geralmente, em cerca de 80% dos chamados que um certo tcnico

em computao recebe para resolver panes nos computadores de
clientes ele constata que o problema decorreu da presena de
algum vrus. Suponha que, em um determinado dia, esse tcnico vai
visitar seis desses clientes cujos computadores necessitam de
conserto, e admita tambm que os seis clientes no se comunicam
por meio de computadores ( o que garante a independncia da
existncia de vrus em cada computador).

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Geomtrica

3 Ensaios de Bernoulli, n = 3
P(defeituosa) = p = 3/7
P(no defeituosa) = 1 p = 4/7

Seja Y o nmero de lmpadas defeituosas retiradas antes de se

retirar uma no defeituosa
1. O experimento consiste em trs ensaios idnticos;
2. Dois resultados so possveis;
3. As probabilidades p e (1-p) so as mesmas em cada ensaio;
4. Os ensaios so independentes (com reposio).

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

Calcule a probabilidade de que:

A. Pelo menos quatro entre os seis computadores estejam
com vrus.
B. No mximo dois dentre eles estejam com vrus.
C. Todos os seis estejam com vrus.

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Geomtrica

Considere um experimento aleatrio que esteja bem relacionado

quele usado na definio de uma distribuio binomial.
Novamente, suponha uma srie de tentativas de Bernoulli
(tentativas independentes, com probabilidade constante p de um
sucesso em cada tentativa). Entretanto, em vez de serem em
nmero fixo, as tentativas so agora realizadas at que um
sucesso seja obtido. Seja a varivel aleatria X o nmero de
tentativas at que o sucesso seja atingido.

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Geomtrica

Considerando uma sequncia de Ensaios de Bernoulli, a Distribuio

Geomtrica pode ser vista como a probabilidade de ocorrer k ensaios at que
haja o primeiro sucesso

= = 1

X G(p)

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Geomtrica

Qual a probabilidade de que seja

tirada a primeira lmpada no
defeituosa na terceira tentativa?

Seja Y o nmero de tentativas antes de

se retirar uma lmpada boa

P(Y=2) = P(defeituosa) P(defeituosa) P(no defeituosa)

P(Y=2) = 3/7 3/7 4/7
P(Y=2) = (3/7) 4/7

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Geomtrica

Observe que:

= = 1 = 1

=0 =0 =0
(progresso geomtrica)

= =1
1 1
Valor Esperado Varincia

1 1
= =

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

Uma linha de produo possui probabilidade de 0,01 de produzir uma pea

defeituosa. Sabendo que a produo interrompida para regulagem toda vez
que uma pea defeituosa produzida, estude o comportamento da
probabilidade em funo da quantidade de peas produzidas antes de ocorrer a
primeira defeituosa.

Q ~ quantidade de peas boas produzidas antes de uma defeituosa

= = 0,01 0,99 , = 0,1,2,

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

P(Q=k)
0.01

0.008

0.006

0.004

0.002

0 k
0 4 8 12 16 20 24 28 32 36 40 44 48

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

A probabilidade de uma pastilha conter uma partcula grande de

contaminao de 0,01. Se for considerado que as pastilhas sejam
independentes, qual ser a probabilidade de que exatamente 125
pastilhas necessitem ser analisadas antes que uma partcula grande
seja detectadas?
Seja X o nmero de amostras analisadas at que uma partcula
grande seja detectada. Ento X uma varivel aleatria geomtrica,
com p = 0,01. A probabilidade requerida :

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio de Poisson

Representa a distribuio de probabilidade de uma varivel

aleatria que registra o nmero de ocorrncias sobre um
intervalo de tempo ou espao especficos.
Propriedades do experimento Poisson:
A probabilidade de uma ocorrncia a mesma para quaisquer
dois intervalos de tempo.
A ocorrncia ou no ocorrncia em qualquer intervalo
independente da ocorrncia ou no-ocorrncia em qualquer
outro intervalo

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio de Poisson

Carros que passam por um cruzamento por minuto, durante uma certa hora
do dia.

Erros tipogrficos por pgina, em um material impresso.

Problemas de filas de espera (pacotes perdidos em roteadores, por exemplo)

Defeitos por unidade (m2, m, etc) por pea fabricada

Mortes por ataque de corao por ano, numa cidade.

Centro Universitrio So Camilo. Todos os direitos reservados

Funo de Probabilidade de Poisson
x e
P(x) X P()
x!
Uma varivel aleatria de Poisson no tem limites.
x = 0,1,2,3,
P(x) = a probabilidade de x ocorrncias em um intervalo
= valor esperado ou nmero mdio de ocorrncias em um intervalo
e = 2,71828

Valor esperado: E(X) =

Varincia: Var(X)=

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

Suponha que observado o nmero de chegadas a uma caixa automtica de

um banco durante um perodo de 15 minutos.

A probabilidade de um carro chegar a mesma para quaisquer dois perodos

de tempo de igual cumprimento.

A chegada ou no chegada de um carro em qualquer perodo de tempo

independente da chegada ou no chegada de um outro carro em qualquer
outro perodo de tempo.

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo
Suponha que o nmero mdio de carros que chegam no
perodo de 15 minutos 10, ento

x e 10 x e 10
P(x)
x! x!
X: nmero de carros que chegam em qualquer perodo de 15 minutos

A probabilidade de 5 chegadas em 15 minutos

105 e 10
P( X 5) 0,0378
5!
E(X) = 10 e Var(X) = 10

Centro Universitrio So Camilo. Todos os direitos reservados

 Exemplo

Em uma seo de uma autoestrada, o nmero de buracos, que bastante

significante para requerer reparo, suposto seguir uma distribuio de Poisson,
com uma mdia de dois buracos por milha.
a) Qual a probabilidade de que no haja buracos que requeiram reparo em
5 milhas de autoestrada?
b) Qual a probabilidade de que no mnimo um buraco requeira reparo em
0,5 milha de autoestrada?
c) Se o nmero de buracos estiver relacionados carga do veiculo na
autoestrada e algumas sees dessa autoestrada estiverem sujeitas a uma
carga pesada de veculos, enquanto outras sees estiverem sujeitas a uma
carga leve de veculos, como voc se sente a respeito da suposio de
distribuio de requerem reparos?
Centro Universitrio So Camilo. Todos os direitos reservados
 Exemplo

O nmero de insucessos de um instrumento de teste para partculas

de contaminao no produto uma varivel aleatria de Poisson,
com uma mdia de 0,02 insucesso por hora.
A) Qual a probabilidade de que o instrumento no falhe em um
turno de 8 horas?
B) Qual a probabilidade de no mnimo um insucesso em um dia de
24 horas?

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Hipergeomtrica

De maneira semelhante distribuio binomial, a distribuio hipergeomtrica:

1. O experimento composto por r ensaios idnticos;

2. O conjunto composto por dois tipos de objetos (ou seja, dois resultados so possveis);
3. No h reposio (os ensaios passam a ser dependentes).

Ensaios de Bernoulli
Binomial
com reposio

Ensaios de Bernoulli
Hipergeomtrica
sem reposio

Centro Universitrio So Camilo. Todos os direitos reservados

Distribuio Hipergeomtrica
Qual a probabilidade de se tirar uma lmpada
defeituosa em trs ensaios sem reposio?

Seja X o nmero de defeituosas

P(001) = 4/7 3/6 3/5 = 36/210

P(010) = 4/7 3/6 3/5 = 36/210
P(100) = 3/7 4/6 3/5 = 36/210

P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 36/210

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Hipergeomtrica
Seja X o nmero de defeituosas

P(X=1) = P(001) + P(010) + P(100)

P(X=1) = 3 36/210
P(X=1) = 3 6/35

3 4 3: nmero de lmpadas def.

1: nmero de sucessos
=1 = 1 2
7 4: nmero de lmpadas no def.
3 2: nmero de fracassos
7: nmero total de lmpadas
3: nmero total de ensaios

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Hipergeomtrica

= = , = 0,1, , min(, )

onde:
( = ): a probabilidade de x sucessos em n ensaios
: nmero de objetos do tipo I (o que quer se retirar)
x: nmero de sucessos
: nmero de objetos do tipo II
: nmero de fracassos
: nmero total de objetos
: nmero total de ensaios

Centro Universitrio So Camilo. Todos os direitos reservados

 Distribuio Hipergeomtrica

Representao:
~(, , )

Fator de correo

Valor Esperado Varincia

= = 1
1

Aonde = (probabilidade de sucesso no conjunto)

Centro Universitrio So Camilo. Todos os direitos reservados