Вы находитесь на странице: 1из 16

MODELOS PROBABILSTICOS

DISCRETOS
(BINOMIAL e POISSON)
Modelos probabilsticos
Algumas variveis aleatrias (V.A.) aparecem com bastante frequncia em
situaes prticas de experimentos aleatrios (Ex.: peso, altura, nmero de
descendentes, sexo, espcie, etc.) e justificam um estudo mais
aprofundado.

Nesses casos, a distribuio de probabilidade pode ser descrita de uma maneira
mais fcil atravs de uma lei (modelo) para atribuir probabilidades.

Um mesmo modelo pode ser utilizado para descrever a distribuio de
probabilidade de vrias V.A..

EXEMPLOS DE POSSVEIS MODELOS:
Peso, altura, temperatura V.A. contnua Modelo Normal
Nmero de ???? V.A. discreta (contagem) Modelo de Poisson
Sexo, cor V.A. discreta (binria) Modelo Binomial
Modelo Bernoulli
Na prtica muitos experimentos admitem apenas dois resultados
Exemplo:
1. Uma pea classificada como boa ou defeituosa;
2. O resultado de um exame mdico para deteco de uma doena positivo ou
negativa.
3. Um entrevistado concorda ou no com a afirmao feita;
4. No lanamento de um dado ocorre ou no face 6;
5. No lanamento de uma moeda ocorre cara ou coroa.
Estas situaes tem alternativas dicotmicas e podem ser representadas
genericamente por resposta do tipo sucesso-fracasso.
Esses experimentos recebem o nome de Ensaios de Bernoulli e originam uma
v.a. com distribuio de Bernoulli.
Distribuio de Bernoulli
Uma V.A. (X) de Bernoulli aquela que assume apenas dois valores 1
se ocorrer sucesso (S) e 0 se ocorrer fracasso (F), com
probabilidade de sucesso p, 0 < p <1. Isto , se X(S)=1 e X(F)=0. Logo
a funo de probabilidade dada por:
x
P(X=x)
0 1
1-p p
Notao: X~Bernoulli (p), indica que a v.a. X tem distribuio de Bernoulli com
parmetro p
Se X~Bernoulli(p) pode-se mostrar que:
E(X)=p
Var(X)=p(1-p).
Repeties independentes de um ensaio de Bernoulli do origem ao
modelo Binomial.

=
= = =

c c
x p p
x X P x f
x x
. ; 0
1 , 0 ; ) 1 (
) ( ) (
1
Distribuio Binomial
Considere a repetio de n ensaios de Bernoulli independentes e todos com a
mesma probabilidade de sucesso p. A varivel aleatria que conta o nmero
total de sucessos nos n ensaios de Bernoulli denominada de varivel
aleatria Binomial com parmetros n e p e sua funo de probabilidade dada
por:
Binomial. e coeficient o representa ,
)! ( !
!
. , 0
, , 1 , 0 , ) 1 (
) ( ) (
x n x
n
x
n
onde
c c
n x p p
x
n
x X P x f
x n x

=
|
|
.
|

\
|

=
|
|
.
|

\
|
= = =

Notao, X~B(n,p), para indicar que v.a. X tem distribuio Binomial com
parmetros n e p.
Se X~Binomial(n,p) pode-se mostrar, a partir da Distribuio de
Bernoulli, que:
E(X)=np
Var(X)=np(1-p).
O professor da disciplina de Estatstica elaborou um prova de mltipla escolha
contendo 10 questes, cada uma com 5 alternativas. Suponha que parte dos
estudantes, que vo a fazer a prova, no vo as aulas e no estudaram para a
prova (o que muito frequente). O professor estabeleceu que para ser aprovado,
o aluno deve acertar, pelo menos, duas questes (o que pouco frequente). Qual
a probabilidade de um aluno ser aprovado?
S: questo respondida corretamente
F:questo respondida incorretamente
A probabilidade se sucesso constante e c/ estudante responde
independentemente a questo
Soluo:Seja a v.a. X: nmero de questes respondidas corretamente nas 10
questes. Ento o evento de interesse :

P(S)=1/5 e P(F)=4/5. Logo, X~B(10,1/5).

=
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
= =

c c
x
x
x X P
x x
. , 0
10 , , 1 , 0 ,
5
4
5
1
10
) (
10

A probabilidade de um aluno ser aprovado : 0,44166


4416 , 0 )] 1 ( ) 0 ( [ 1 ) 2 ( 1 ) 2 ( = = + = = < = X P X P X P X P
Exemplo 1
0 2 4 6 8
0
.
0
0
.
2
0
.
4
x
P
(
X
=
x
)
p=0,1
0 2 4 6 8
0
.
0
0
0
.
2
0
x
P
(
X
=
x
)
p=0,3
0 2 4 6 8
0
.
0
0
0
.
1
5
x
P
(
X
=
x
)
p=0,5
0 2 4 6 8
0
.
0
0
0
.
2
0
x
P
(
X
=
x
)
p=0,8
Distribuio Binomial com parmetros n=10 e p
0 5 10 15 20
0
.
0
0
0
.
2
0
x
P
(
X
=
x
)
p=0,1
0 5 10 15 20
0
.
0
0
0
.
1
5
x
P
(
X
=
x
)
p=0,3
0 5 10 15 20
0
.
0
0
0
.
1
0
x
P
(
X
=
x
)
p=0,5
0 5 10 15 20
0
.
0
0
0
.
1
5
x
P
(
X
=
x
)
p=0,8
Distribuio Binomial com parmetros n=20 e p
0 10 20 30
0
.
0
0
0
.
1
5
x
P
(
X
=
x
)
p=0,1
0 10 20 30
0
.
0
0
0
.
1
0
x
P
(
X
=
x
)
p=0,3
0 10 20 30
0
.
0
0
0
.
1
0
x
P
(
X
=
x
)
p=0,5
0 10 20 30
0
.
0
0
0
.
1
5
x
P
(
X
=
x
)
p=0,8
Distribuio Binomial com parmetros n=30 e p
Suponha uma urna com 20 peas boas e 15 peas ruins, extramos da urna
consecutivamente e com reposio 12 peas. Encontre a probabilidade de se
obter 2 peas boas.
Exemplo 2.
S: obter uma pea boa em cada extrao
F: obter uma pea ruim em cada extrao

A probabilidade se sucesso constante em cada extrao e os resultado
so independentes em cada extrao.

Soluo: Seja a v.a. X: nmero de peas boas (sucessos) nas 12 extraes
da urna. Ento o evento de interesse :


P(S)=4/7 e P(F)=3/7. Logo, X~B(12,4/7).

=
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
= =

c c
x
x
x X P
x x
. , 0
12 , , 1 , 0 ,
7
3
7
4
12
) (
12

0.0045 ) 5 ( = = X P
A probabilidade de obter 5 bolas brancas :
Modelo de Poisson
Na prtica muitos experimentos consistem em observar a ocorrncia de
eventos discretos em um intervalo contnuo (unidade de medida).

Exemplos:
1. Nmero de consultas a uma base de dados em um minuto.
2. Nmero de casos de Dengue por quilmetro quadrado em Lavras.
3. Nmero de manchas (falhas) por metro quadrado no esmaltado de uma
geladeira.
4. Nmero de chamadas que chegam a uma central telefnica de uma empresa
num intervalo de tempo (digamos das 8,0 a.m. s 12,0 a.m.).
5. Nmero de carros que chegam ao Campus entre 7,0 a.m. a 9,0 a.m.

Onde: X: nmero de eventos discretos em t unidades de medida,
: media de eventos discretos em uma unidade de medida,
t: unidade de medida
= t: media de eventos discretos em t unidades de medida
Notao: X~P(), para indicar que a v.a. X tem distribuio de Poisson com
parmetro .

Pode-se mostrar que se X~P(), ento E(X)= , Var(X)=
Uma varivel discreta X tem distribuio de Poisson com parmetro se sua
funo de probabilidade dada por:

=
= = =

. . ; 0
, 2 , 1 , 0
!
) ( ) (
c c
x
x
e
x X P x f
x

Distribuio de Poisson
Exemplo. Suponha que a central telefnica de uma empresa de grande porte
recebe em mdia 3 chamadas cada 4 minutos. Qual a probabilidade que a
central recepcione 2 ou menos chamadas em um intervalo de 2 minutos?
Se X: nmero de chamadas que recebe a central telefnica da empresa
em 2 minutos, ento,
X ~P(). Aqui t=2 e =3/4=0,75, ento

=(0,75)(2)=1,5, ou seja, X~P(1,5)
. 808847 , 0 ]
2
5 , 1
5 , 1 1 [ ) 2 ( ) 1 ( ) 0 ( ) 2 (
.... 3 , 2 , 1 , 0 ,
!
5 , 1
) (
2
5 , 1
5 , 1
= + + = = + = + = =
= =

e X P X P X P X P
x
x
e
x f
x
0 40 80
0
.
0
0
0
.
1
5
x
P
(
X
=
x
)
P(4)
0 40 80
0
.
0
0
0
.
0
8
x
P
(
X
=
x
)
P(10)
0 40 80
0
.
0
0
0
.
0
6
x
P
(
X
=
x
)
P(20)
0 40 80
0
.
0
0
0
.
0
4
x
P
(
X
=
x
)
P(50)
A Distribuio Poisson Como Aproximao da Distribuio Binomial
A distribuio Binomial para x sucessos em n ensaios de Bernoulli
dada por:
. , , 0 , ) 1 ( ) ( n x p p
x
n
x X P
x n x
=
|
|
.
|

\
|
= =

Se =np, p=/n, substituindo p na funo probabilidade temos
x
n
x
x n x
n
n
x n
x
n n n n x
n
x X P
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
+

|
.
|

\
|

|
.
|

\
|
=
|
.
|

\
|

|
.
|

\
|
|
|
.
|

\
|
= =


1
1
!
1
1
2
1
1
1 1 ) (
!
) ( ,
x
e
x X P temos n Fazendo
x


= =
Na prtica, se n > 50 e p < 0.10 ou np < 7 a aproximao de Poisson
para probabilidades binomiais ser considerada adequada.
Exemplo. A probabilidade de que um rebite utilizado na superfcie da asa de
uma aeronave seja defeituosa de 0,001. H 400 rebites na asa. Qual a
probabilidade de que seja instalados no mais de um rebite defeituoso?
Se X: nmero de rebites defeituosos na asa da aeronave. Ento, X~B(4000,
0,001)
( ) ( )

= + =
|
|
.
|

\
|
=
1
0
400
9385 . 0 2683 . 0 6702 . 0 999 , 0 001 , 0
400
) 1 (
x
x x
x
X P
Usando a aproximao de Poisson, =400(0,001)=4 X~P(0.4)

= + = =
1
0
4 . 0
. 9384 . 0 2681 . 0 6703 . 0
!
4 . 0
) 1 (
x
x
x
e
X P

Вам также может понравиться