Вы находитесь на странице: 1из 29

MODELOS

PROBABILSTICOS
JOS PLCIDO CMARA NETO
MODELOS PROBABILSTICOS DISCRETOS
1. Distribuio binomial
2. Distribuio de Poisson
3. Distribuio geomtrica
4. Distribuio hipergeomtrica
DISTRIBUIO BINOMIAL
Em cada ensaio considera-se somente a ocorrncia ou no-ocorrncia de um certo evento que
ser denominado sucesso (S) e cuja no-ocorrncia ser denominada falha (F).
Os ensaios so independentes.
A probabilidade de sucesso, que denotaremos por p a mesma para cada ensaio. A
probabilidade de falha ser denotada por 1-p.
EXEMPLO
Uma moeda no viciada lanada vrias vezes. Qual a probabilidade de que obtermos 5 caras
antes de obtermos 3 coroas?
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Varincia
DISTRIBUIO DE POISSON
Nmero de ensaios muito grande
Probabilidade tendendo a zero
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana

Varincia
DISTRIBUIO GEOMTRICA
Consideremos uma sequncia ilimitada de ensaios de Bernoulli, com probabilidade de sucesso
p em cada ensaio. Designemos sucesso como S e falha por F. Deve-se realizar ensaios at que
ocorra o primeiro sucesso.
Espao amostral (n-1 F, ensimo termo: S)

Propriedade da falta de memria


EXEMPLO
Um pesquisador est realizando um experimentos qumico independentes e sabe que a
probabilidade de que cada experimento apresente uma reao positiva $ 0,3 $. Qual a
probabilidade de que menos de 5 reaes negativas ocorram antes da primeira positiva?
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Varincia
DISTRIBUIO HIPERGEOMTRICA
Considere uma populao com N objetos nos quais M so classificados como do tipo A e N-M
so classificados como do tipo B. Por exemplo, em um lote de 100 (N) peas temos 10 (M) peas
defeituosas e 90 (N-M) peas conformes. Tomamos uma amostra ao acaso, sem reposio e no
ordenada de n objetos. Seja X a varivel aleatria que conta o nmero de objetos classificados
como do tipo A na amostra. Ento a distribuio de probabilidade de X dada por:
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Varincia
MODELOS PROBABILSTICOS CONTNUOS
1. Distribuio uniforme
2. Distribuio normal
3. Distribuio qui-quadrado
4. Distribuio t de Student
DISTRIBUIO UNIFORME
A distribuio uniforme a mais simples distribuio contnua, entretanto uma das mais
importantes e utilizadas dentro da teoria de probabilidade. A distribuio uniforme tem uma
importante caracterstica a qual a probabilidade de acontecer um fenmeno de mesmo
comprimento a mesma.
EXEMPLO
A ocorrncia de panes em qualquer ponto de uma rede telefnica de 7 km foi modelada por
uma distribuio Uniforme no intervalo [0, 7]. Qual a probabilidade de que uma pane venha a
ocorrer nos primeiros 800 metros? E qual a probabilidade de que ocorra nos 3 km centrais da
rede?
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Varincia
DISTRIBUIO NORMAL
Distribuio mais importante
DISTRIBUIO NORMAL
Para mdia e desvio do universo desconhecidos

Normal padronizada
EXEMPLO
Suponha que a espessura mdia de arruelas produzidas em uma fbrica tenha distribuio
normal com mdia 11,15mm e desvio padro 2,238mm. Qual a porcentagem de arruelas que
tem espessura entre 8,70mm e 14,70mm?
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Varincia
DISTRIBUIO QUI-QUADRADO
Soma de normais padronizadas ao quadrado
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana

Varincia
DISTRIBUIO T DE STUDENT
A distribuio t de Student uma das distribuies mais utilizadas na estatstica, com aplicaes
que vo desde a modelagem estatstica at testes de hipteses.
FUNO GERADORA DE MOMENTOS,
ESPERANA E VARINCIA
Funo geradora de momentos

Esperana

Varincia