MACS

MATRIA: MODELOS DISCRETOS, MODELOS CONTNUOS E MODELO NORMAL (PROBABILIDADES)

1. Modelos discretos

1.1 MODELO DE POISSON
O modelo de Poisson usado com variveis que representam o nmero de vezes que
determinado fenmeno ocorre num dado perodo de tempo. Alguns exemplos do nosso
quotidiano so, por exemplo, o nmero de chegada de avies, por dia, a um aeroporto; a
entrada \2de doentes num hospital por semana; chegada de chamadas a uma central
telefnica por hora etc.
dado pela seguinte frmula, na qual a varivel aleatria discreta X:





1.2 MODELO GEOMTRICO
O modelo geomtrico utiliza-se quando queremos saber qual a probabilidade de um
determinado acontecimento se realize ao fim de k experincias. Isto significa que para haver
um sucesso ao fim de k experincias, j houve k 1 insucessos.
Contrariamente aos outros modelos, este o nico com a propriedade falta de memria, isto
, qualquer resultado que venha a acontecer no est dependente de resultados anteriores,
isto , independente.
dado pela seguinte frmula:





P (X = k) = e
-

,sendo e o nmero de Neper e um parmetro
(positivo). Para este modelo, o valor esperado e a
varincia so iguais ao parmetro , isto :
P (X = k) =

,onde p a probabilidade de ter sucesso, 1 p
a probabilidade de ter insucesso, X a varivel
aleatria associada experincia e k o nmero da
experincia onde ocorre o valor. O valor esperado
e a varincia so, respetivamente:
1.3 MODELO BINOMIAL
O modelo binomial usado quando uma experincia aleatria tem as seguintes caratersticas:
constituda por n provas (observaes) que se realizam sempre nas mesmas
condies;
em cada prova apenas so possveis dois resultados: o sucesso com probabilidade p e
o insucesso com probabilidade 1 p;
o resultado de cada prova independente dos resultado obtidos nas provas anteriores;
a probabilidade de sucesso constante, ou sejas, no varia de prova para prova
dado pela seguinte frmula:



,onde p a probabilidade de ter sucesso, 1 p a probabilidade de ter insucesso, n o
nmero de provas, X a varivel aleatria associada experincia e k o nmero de vezes que
ocorre o sucesso. O valor esperado e a varincia so, respetivamente:

2. Modelos contnuos

2.1 MODELO UNIFORME
O modelo uniforme est associado a variveis aleatrias contnuas que se encontram
uniformemente distribudas num intervalo qualquer [a, b]. Isto , se, por exemplo,
considerarmos dois intervalos com a mesma amplitude, tm ambos a mesma probabilidade.
Tem como funo densidade de probabilidade:

,sendo o valor mdio dado por:

Ainda no modelo uniforme, ao valor da rea compreendida entre a funo densidade de
probabilidade e o eixo dos xx, num intervalo [c, d] [a, b], corresponde probabilidade
associada aa esse intervalo, isto :




P (X = k) =

2.2 MODELO EXPONENCIAL
O modelo exponencial, semelhana do modelo geomtrico, tambm tem a propriedade de
falta de memria, sendo este o nico caso nos contnuos.
O objetivo deste modelo determinar o tempo at se dar uma ocorrncia. Mais uma vez, no
dependente dos resultados anteriores. Algumas situaes onde se possa aplicar o modelo
exponencial so, por exemplo, no clculo do tempo entre chegadas numa fila de espera,
tempo entre falhas de um dispositivo eletrnico, tempo entre cheadas de pedidos a um
servidor de Internet, etc.
O modelo tem como funo densidade de probabilidade:

,sendo o valor mdio dado por:

O valor da rea compreendida entre esta f.d.p. e o eixo dos xx num intervalo [a, b] igual a:





3. Modelo normal
O modelo normal das mais importantes distribuies contnuas. Para estudarmos este
modelo, precisamos de referir-nos a algumas caratersticas para uma dada varivel aleatria:
- a percentagem de valores de uma varivel aleatria contidos no intervalo de
aproximadamente 68%.
- a percentagem de valores de uma varivel aleatria contidos no intervalo
de aproximadamente 95%.
- a percentagem de valores de uma varivel aleatria contidos no intervalo
de aproximadamente 99,7%.

Sobre a curva que descreve este modelo, tambm chamada de curva de Gauss, podemos
referir vrias caratersticas:
tem a forma de sino;
simtrica relativamente mdia, cujo valor representa o mximo da curva;
definida pela mdia e pelo desvio padro;
a rea total sob a curva igual a 1, ou seja, 100%.
O modelo normal associa probabilidade de um determinado valor de uma varivel pertencer
a um intervalo [a, b], a rea entre a curva normal e o eixo dos xx, entre a e b.
Para facilitar o uso do modelo, existe o chamado modelo normal standard, isto , a mdia 0 e
o desvio padro 1, logo N (0, 1).
Seja X uma varivel aleatria contnua, tal que X ~ N (
Ento, a varivel aleatria

tal que U ~ N (0, 1)

U ~N(0, 1)