Algumas Distribuições de

Probabilidade e Estatística de
Contagem

Prof. Marcelo Sant’Anna

Sala A-310 (LaCAM) e-mail: mms@if.ufrj.br

Laboratório de Física Corpuscular - aula ex 1

positiva 5 - 2008.1 - IF - UFRJ
Motivação: o quanto seus dados são confiáveis?

Barras de erro !

Dentro de que faixa você espera que seus dados concordem

com outros dados experimentais e com bons modelos teóricos ?

Laboratório de Física Corpuscular - aula ex 2

positiva 5 - 2008.1 - IF - UFRJ
 Caracterização dos dados
N
S
soma S   xi e a média experimental xe 
i 1 N
É freqüentemente conveniente representar o conjunto de dados por uma distribuição de freqüências
correspondente F(x). O valor de F(x) é a freqüência relativa com que o número aparece no conjunto de dados.
Por definição F(x) = (número de ocorrências do valor x)/(número de medidas (N))
A distribuição é automaticamente normalizada, ou seja,

F (x) 1
É possível calcular a média experimental usando a função distribuição
x e   xF ( x )

o desvio de qualquer ponto da média é dado por

 i  xi  x e
Há uma contribuição igual dos desvios positivos e negativos, de modo que
N


1
i 0
“problema”: o que fazer?

Laboratório de Física Corpuscular - aula ex 3

positiva 5 - 2008.1 - IF - UFRJ
Se no entanto, tomarmos os quadrados de cada desvio, resultará sempre em um número positivo.
Podemos então introduzir a variância experimental como

1 N 2
s 
2

N 1 1
i

se um número infinito de medidas fosse acumulados ou quando se

conhecem todos os valores possíveis da população

N 2
1
2 
N
x
i 1
i  x

Laboratório de Física Corpuscular - aula ex 4

positiva 5 - 2008.1 - IF - UFRJ
Alguns Modelos estatísticos
 A distribuição binomial
1  p  (1  p )
N
N  n
  p  (1  p )    p  1  p  N  n
N
1 N

n 0 n 

N  n
 p  1  p 
N n
Defino P n
N
 
n 
N
n   n PnN  N p
n 0

N
  n  n 
2
 2
PnN  N p ( 1  p )
n 0

Laboratório de Física Corpuscular - aula ex 5

positiva 5 - 2008.1 - IF - UFRJ
 Distribuição de Poisson

Se o valor médio =Np de uma distribuição binomial é muito pequeno,

ela se reduz a distribuição de Poisson:

 n 
Pn     e
n!

N
n   n Pn    1
n 0 
 2
N
  n   
2
Pn    
n 0

Laboratório de Física Corpuscular - aula ex 6

positiva 5 - 2008.1 - IF - UFRJ
 Distribuição de Gaussiana (ou Normal)

2
1  x 
1   
P  x ,  ,   e 2  

 2

Laboratório de Física Corpuscular - aula ex 7

positiva 5 - 2008.1 - IF - UFRJ
Estatística de Contagem
 Admitimos que durante um intervalo de tempo t
muito curto a probabilidade de registrar um entre N
possíveis eventos é muito pequena.

 Esta probabilidade será proporcional a N e a t

P(1, t )   N t

Laboratório de Física Corpuscular - aula ex 8

positiva 5 - 2008.1 - IF - UFRJ
Estatística de Contagem
P(1, t )   N t
P(0, t  t )  P(0, t ) 1  P(1, t )

P(0, t  t )  P(0, t ) 1   N t   P(0, t )   N tP(0, t )

P (0, t  t )  P(0, t )
  N P(0, t )
t

dP(0, t )
No limite t  0   N P(0, t )
dt
P ( 0 ,t ) t
dP(0, t )  N t
 P(0, t )
  N  dt P (0, t )  e
1 0

Laboratório de Física Corpuscular - aula ex 9

positiva 5 - 2008.1 - IF - UFRJ
Estatística de Contagem
P(1, t )   N t
P(n, t  t )  P(n, t ) 1  P(1, t )  P(n  1, t ) P(1, t )

P (n, t  t )  P (n, t )   N t P (n, t )  P(n  1, t ) N t

P (n, t  t )  P(n, t )
  N P (n, t )   N P (n  1, t )
t

dP(n, t )
  N P(n, t )   N P(n  1, t )
No limite t  0  dt             

Qual a solução?

Laboratório de Física Corpuscular - aula ex 10

positiva 5 - 2008.1 - IF - UFRJ
Estatística de Contagem
dP(n, t )
  N P(n, t )   N P(n  1, t )
dt

Tentamos solução do tipo: P ( n, t )  f ( n, t ) e   N t

df (n, t )  N t
e   N e  N t f (n, t )   N e  N t f (n, t )   N e  N t f (n  1, t )
dt

df (n, t )
  N f (n  1, t )
dt

Laboratório de Física Corpuscular - aula ex 11

positiva 5 - 2008.1 - IF - UFRJ
Estatística de Contagem
df (n, t )
  N f (n  1, t )
dt
Nova substituição. Tentamos solução do tipo: f ( n, t )   N t   n
g ( n)

n  N t  N g  n   N   N t  g  n  1
n 1 n 1

g  n 1  n  1! C
n g  n   g  n  1   g  n 
g  n  1 n n! n!

Ou seja: P (n, t )  C
  N t  e  N t
n

n! Poisson!

P (n, t ) 
  N t  e  N t
n

Uma vez que: P(0,0)  1

n!
Laboratório de Física Corpuscular - aula ex 12
positiva 5 - 2008.1 - IF - UFRJ
Estatística de Contagem

P(n, t ) 
  N t
n
e  N t

n!
Poisson com  =  N t e, portanto,

 1 1
 
  Nt

Laboratório de Física Corpuscular - aula ex 13

positiva 5 - 2008.1 - IF - UFRJ
Prática

 Análise estatística do erro em suas

contagens na experiência a seguir

Laboratório de Física Corpuscular - aula ex 14

positiva 5 - 2008.1 - IF - UFRJ
Laboratório de Física Corpuscular - aula ex 15
positiva 5 - 2008.1 - IF - UFRJ
Laboratório de Física Corpuscular - aula ex 16
positiva 5 - 2008.1 - IF - UFRJ