Вы находитесь на странице: 1из 11

TEMA III

DALGUMAS DISTRIBUIÇÕES DE PROBABILIDADES

Distribuições Discretas

Distribuição Binomial

Se uma experiência aleatória fornece apenas dois resultados possíveis mutuamente


exclusivos e colectivamente exaustivos “sucesso” e “ insucesso”, se p é a probabilidade
de sucesso numa única prova, então a distribuição do número de k sucessos em n provas
independentes é chamada de Distribuição Binomial, e a sua função de probabilidade é
dada por:

n!
Pn (k )  C nn p k q n  k  p k q nk para k  0,1,2,..., n
k!( n  k )!

Propriedades da distribuição binomial

 Possui apenas dois resultados possíveis: sucesso (A) e insucesso ( A ) , ou seja,



  A; A 
 O sucesso ocorre com probabilidade P ( A)  p e
 O insucesso ocorre com a probabilidade P ( A)  q  1  p
 A probabilidade de ocorrência de um acontecimento estudado em cada prova é
constante
 As provas realizadas são independentes

Características da Distribuição Binomial

 E(X) =   np
 Var(X) =  2  npq

Exemplo 3.2: Um estudante conhece bem 60% da matéria dada. Num exame com cinco
perguntas sorteadas ao acaso sobre toda a matéria, qual é a probabilidade de este
estudante responder acertadamente:

a) Quatro perguntas
b) Pelo menos uma pergunta
c) A mais de metada das perguntas.
d) Não mais que 4 perguntas;

Utilizando a fórmula acima com n = 5; p = 0.6 e q = 1-0.6=0.4, teremos:

1
5!
a) P5 (4)  (0.6) 4 (1  0.6) 5 4  0.2592
4!(5  4)!

O mesmo resultado pode ser obtido utilizando a formula em Excel dada por
=Binomdist(k;n;p,false) = Binomdist(4;5;0.6,false)=0.2592

5!
b) P5 ( 1)  1  P5 (0)  (0.6) 0 (1  0.6) 5 0  0.98976
0!(5  0)!

c) P5 ( 3)  P5 (3)  P5 (4)  P5 (5) 

P5 ( 4)  P5 (0)  P5 (1)  P5 ( 2)  P5 (3)  P5 (4)


d)  1  P5 (5)
 Binomdist (4;5;0.6; True )

Distribuição de Poisson

A variável aleatória X diz-se seguir a distribuição de Poisson se for descrita pela seguinte
função de probabilidades:

k e  
Pn (k )  para k  0;1;...
k!

Onde é qualquer número com   0 e  2.71828

Características mais importantes da distribuição de Poisson

Se a v.a. X segue uma distribuição de Poisson com   0 , então

E( X )   e Var ( X )  

Exemplo 3.3: Admita que o número de camiões cavalo que por hora atravessa a portagem
de Maputo segue uma distribuição de Poisson com média igual a 5.
a) qual é a probabilidade de que numa hora, passem pela portagem 4 camiões?

5 4 2.718282 5
Pn ( 4)   0.175467 ou +Poisson(4;5;False)=0.175467
4!

b) Qual é a probabilidade de que, numa hora, pelo menos 1 camião cavalo


atravessem a portagem?

5 0 2.7182825
Pn ( 1)  1  Pn (0)  1   1  0.00674  0.99326
0!

2
Aproximação da Distribuição de Poisson à Distribuição Binomial

Denotemos por k o número de sucessos resultante de n provas independentes, cada uma


com a sua probabilidade de sucesso p. A distribuição do número de sucessos k é
binomial, com média np. Contudo, se o número de provas n é grande e np é de tamanho
moderado (np≤7), esta distribuição pode ser aproximada à distribuição de Poisson com
média λ = np. A função de probabilidade da função de distribuição aproximada é:

(np) k e  np
Pn (k )  para k  0;1;...
k!

Exemplo: Um analista prevê que 3.5% de todas as pequenas empresas vão falir no
próximo ano. Para uma amostra de 100 pequenas empresas, estime a probabilidade de
que pelo menos 3 empresas irão falir no próximo ano, assumindo que a previsão do
analista é correcta.

A distribuição do número de empresas que vão à falência no próximo ano é binomial,


com n = 100 e p = 0.035. Por conseguinte, a média da distribuição é

 x  np  100 * 0.035  3.5

Vamos usar a distribuição de Poisson com λ=3.5 para aproximar a nossa distribuição
Binomial. A função de probabilidade do número de empresas X que irão falir no próximo
ano pode ser aproximada por:

(3.5) k e 3.5
Pn (k )  para k  0;1;...
k!

Distribuições Contínuas

Distribuição Normal

Chama-se normal a distribuição de probabilidade de uma v.a. contínua que é descrita


pela seguinte função de densidade:

2
1
f ( x) = . e1 / 2[( x ) /\ ] -<X<

 x 2
(1)

Onde μ e δ representam respectivamente a média e o desvio-padrão

3
Curva Normal

O gráfico da densidade de distribuição normal chama-se curva normal (de Gaus)


f(x)

X
- x +

 x- 68.26%  x+


 x-2 98.84%  x+2

x-3 99.74% x+3

Figura 8. Áreas abaixo da curva normal

b   2
P(a  x  b) =  fxdx   e1/ 2[( x ) /\ ] dx  0.6826
a  
(2)

Características da Distribuição Normal

 A função de densidade de probabilidade de uma v.a. com distribuição normal tem a


forma de sino;
 É simétrica em relação a média x
 A função de densidade de distribuição é máxima no seu valor médio, mas achatada
nos seus extremos. Isto é, a probabilidade de obter um valor de uma v.a.
normalmente distribuída à média que nos afastamos da sua média, torna-se cada
vez mais pequena.
 Aproximadamente 68% da área abaixo da curva de distribuição normal está entre
x  x,
2 aproximadamente 95% da área esta entre x  2  2x , e

aproximadamente 99.7% por centos da área esta entre x  3 2x como indica


a Fig 8.

4
 A distribuição normal é completamente descrita pelos seus parâmetros, x e

x.
2

 A combinação linear de dois ou mais variáveis aleatórias normalmente distribuídas,


é em si também normalmente distribuída.

Exemplo 3.4: Sabe-se que X, a venda diária de pão numa padaria, segue a distribuição
normal com média 70 pães e variância 9, isto é, X ~ N (70, 9). Qual é a probabilidade de
que num dado dia, a venda de pão seja maior que 75 pães?

Uma vez que X segue a distribuição normal com média 70 e variância 9, segue que

X   75  70
Z   1.67
 3

Segue a distribuição normal padrão. Queremos saber P(Z>1.67)

A função de distribuição cumulativa (FDC) da distribuição normal padrão pode-se


encontrar na Tabela da área abaixo da curva de distribuição normal para valores de Z
entre 0 e 3.99.

Por exemplo, esta Tabela mostra que a probabilidade de que Z se encontre entre 0 e 1.3 é
0.4032 (ou 40.32%). A probabilidade de que Z se encontre no intervalo entre 0 e 2.5 é
o.4938 (ou 49.38%).

Uma vez que a distribuição normal é simétrica, a probabilidade de que Z se encontre -1.3
e 0 é também igual a 0.4032, ou a probabilidade de que se encontre entre -2.5 e 0 é igual
a 0.4938.

Por causa da simetria, a Tabela da distribuição normal padrão é dada para valores
positivos de Z. As áreas à direita de Z = 0 e à esquerda de Z = 0 são ambas iguais a 0.5, e
em conjunto são iguais à unidade.

No nosso exemplo, queremos saber a probabilidade de que Z>1.67 o que é muito simples,
porque sabemos a partir da Tabela de Distribuição normal Padrão de que:

P(0  Z  1.67)  0.4525 P( Z  1.67)  0.5000  0.49525  0.0475

Assim, a probabilidade de que a venda diária de pão exceda 75 pães é 0.0475 ou 4.75%.

Exemplo 3.5: Continue com o exemplo anterior. Mas suponha que queremos agora saber
a probabilidade de venda diária de pão de 75 ou menos.

Pode facilmente verificar que a probabilidade procurada é 0.5000 – 0.4525 = 0.9525

5
Exemplo 3.6: Continue com o exemplo. Suponha agora que queremos saber a
probabilidade de que a venda de pão se situe entre 65 e 75 pães.

Para obter esta probabilidade procedemos da seguinte forma:

65  70 75  70
Z1   1.67 Z2   1.67
3 3

Da Tabela sabemos que P (1.67  Z  0)  0.4525 e P (0  Z  1.67)  0.4525 por


causa da simetria.

Por conseguinte, P (1.67  Z  1.67)  2 x 0.4525  0.9050 , isto é, a probabilidade de


que o volume de venda se situe entre 65 e 75 por dia é de aproximadamente igual a
90.5%.

Exemplo 3.7: retomemos de novo o exemplo anterior, mas assume agora que queremos
achar a probabilidade de que o volume de venda diária de pão exceda 75 ou é inferior a
65 pães por dia.

Podemos facilmente verificar que esta probabilidade é 0.0475 + 0.0475 = 0.095.

6
AULA PRÁTICA - FICHA 3

1. O número de ovos postos por minuto em certo aviário tem a distribuição Poisson com
média igual a um.
a) Determine a probabilidade do número de ovos postos por minuto ser superior ao
dobro da variância.
b) Qual a probabilidade de em 5 minutos serem postos menos de 3 ovos?

2. Depois de um período de 30 minutos uma dada máquina é inspeccionada,


necessitando de ser afinada (em média) uma em cada 20 vezes. Calcule:
a) A média do número de afinações, numa semana em que a máquina trabalha 20
horas;
b) A probabilidade de, em 8 horas de trabalho, Se fazer pelo menos uma
afinação

3. O tempo do primeiro serviço de uma viatura num agente é uma variável normalmente
distribuida com média de 70 minutos e variância de 81 minutos2
a) Se um carro for levado ao seu primeiro serviço neste agente, qual é a
probabilidade de que este estaria pronto dentro de uma hora.
b) Qual é a percentagem do primeiro serviço que será concluído entre 50 e 60
minutos.
c) O agente de serviços tem uma política de oferecer aos seus clientes desconto
de 15% no custo do primneiro serviço se este não for concluido dentro de 80
minutos. De uma amostra de 80 clientes que trouxeram suas viaturas para o
primeiro serviço, quantos são prováveis de receber o desconto de 15%.

4. O número de carros vendidos semanalmente num stand tem a distribuição binomial


de parâmetro n e p. Se a média do número de carros vendidos semanalmente é 1.25 e
a variância é 0.9375, qual a percentagem de semanas em que as vendas são inferiores
a 2 unidades?

5. O número de nascimentos, por hora, numa certa maternidade é uma variável aleatória
com distribuição de Poisson. Sabendo que a probabilidade de não haver nascimentos
durante uma hora é de 0.368, determine a probabilidade de ocorrerem pelo menos 3
nascimentos, numa hora qualquer.

6. Um banco recebe em média 3 cheques sem cobertura por dia. Achar a probabilidade
de receber:

7
a) Pelo menos 2 cheque sem cobertura num dia qualquer?
b) Menos que 2 cheques sem cobertura num dia qualquer?
c) Nenhum cheque sem cobertura num dia qualquer?

7. Um técnico de Biologia Marítima está interessado em analisar o tempo de


sobrevivência de peixes de águas tropicais, quando são transferidos para águas mais
frias. Depois de uma longa série de experiencias, verificou que a vida média deste
tipo de peixes em águas de temperaturas mais baixas é de 90 dias com variância de
100 dias2 de acordo com uma distribuição normal. Qual é a probabilidade de que
possa sobreviver:

a. Menos de 120 dias

b. Mais de 100 dias

8. Um processo produz fios para uma companhia de telefone local. Quando o processo
opera corretamente, o diâmetro do fio segue a distribuição normal com média 27.8
polegadas e variância 9 polegadas2. Qual é a probabilidade de que uma peça escolhida
ao acaso, apresente um diâmetro superior a 26.8 polegadas?

9. A probabilidade de que um bilhete de lotaria ganhe sendo igual a P=0.075, determinar


o número de bilhetes que se deve adquirir para que com uma probabilidade P não
inferior a 0.95 esperar que pelo menos um ganhe. Admite que o número de bilhetes
segue a distribuição de Poisson.

10. Suponha que X tem uma distribuição binomial, com parâmetros n e p. Sabendo que
E(X) = 5 e Var(X) = 4, determine n e p.

11. Um departamento de polícia recebe em média 5 participações por dia. Qual a


probabilidade de receber:
a. Pelo menos 1 participação num dia qualquer?
b. Três participações num dia, sabendo que no dia anterior recebeu 2?
c. Não mais que 4 participações num dia qualquer?

12. Uma empresa produz lâmpadas cuja vida segue uma distribuição normal com média
1200 horas e desvio padrão 250 horas. Se uma lâmpada é escolhida aleatoriamente da
produção da empresa, qual é a probabilidade de que a sua vida útil esteja entre 900
horas e 1300 horas?

13. O tempo (em segundos) que um concorrente a emprego seleccionado leva para
realizar certa tarefa é uma variável normalmente distribuída com média 120 e desvio
padrão igual a 16. Determine a probabilidade de um candidato seleccionado
aleatoriamente:
a. Completará a tarefa entre 100 e 150 segundos;

8
b. Completará a tarefa entre 75 e 100 segundos;
c. Completará a tarefa dentro dos 75 segundos;
d. Completará a tarefa em 150 segundos ou mais;

14. Achar a probabilidade de que a v.a. normal X com esperança matemática e desvio
padrão iguais, respectivamente, a 10 e 2 assuma um valor no intervalo (12;14).

15. O número diário de doentes com complicações cardiovasculares que chegam a uma
determinada unidade de cuidados intensivos segue uma lei de Poisson com média 4. A
unidade de cuidados intensivos pode atender 6 doentes por dia. Caso o número de
doentes exceda aquele número, os doentes são transferidos para uma outra unidade.
Qual é a probabilidade de:
a. Em certo dia, não ser necessário transferir doentes para uma outra unidade?
b. Em certo dia, chegarem àquela unidade 5 doentes, sabendo que no dia anterior
chegaram apenas dois doentes?

16. Encontrar a probabilidade de que a v.a. normal X cuja esperança matemática e desvio
padrão são iguais a 20 e 5, respectivamente, assuma um valor no intervalo [15;25]

17. A cabine telefônica de uma repartição atende 100 pessoas. A probabilidade de que
durante 1 minuto uma pessoa chame à mesa é igual a 0.02. Qual dos dois
acontecimentos é mais provável: durante 1 minuto não chame nenhuma pessoa;
Chame 3 pessoas

18. A probabilidade de que um bilhete de lotaria ganhe sendo igual a P=0.075, determinar
a média de bilhetes que se deve adquirir para que com uma probabilidade P não
inferior a 0.95 esperar que pelo menos um ganhe. Admite que o número de bilhetes
segue a distribuição de Poisson.

19. Se a probabilidade de um carro furar um pneu durante a passagem pela ponte sobre o
rio Save for de 0.004, qual é a probabilidade de que em 1000 carros haja menos 3 a
sofrer tal percalço?

20. Dada a variável X normalmente distribuída com média 15 e variância 16, achar a
probabilidade de que X seja maior que 18.

21. Um grande grupo de estudantes obteve um resultado do teste que é uma variável
normalmente distribuída com média 60 e desvio padrão 15. Qual é a proporção de
estudantes que obteve resultados entre 85 e 95?

22. A probabilidade de se obter um resultado positivo em cada uma das n experiências


sendo 0.9, determinar o valor de n que permita esperar com a probabilidade de 0.98
um resultado positivo em pelo menos 150 experiências.

23. Uma empresa pesqueira tem 0.832 de probabilidade de obter lucro sempre que
exporta o seu pescado para os países ocidentais. Se a empresa pesqueira exportar 25

9
vezes num determinado ano, calcule a probabilidade de: a) obter lucro exactamente
25 vezes; b) obter lucro pelo menos 24 vezes; c) obter lucros não mais que 2 vezes.

24. A taxa de desemprego numa certa cidade é de 10%. É obtida uma amostra aleatória de
100 pessoas. Qual a probabilidade de a amostra ter, pelo menos, 3 pessoas
desempregadas.

25. Um departamento de polícia recebe em média 5 solicitações por hora. Qual a


probabilidade de receber 2 solicitações numa hora seleccionada aleatoriamente?

26. A experiência passada indica que uma média de 6 clientes por hora param para
colocar gasolina numa bomba.
a) Qual é a probabilidade de 3 clientes pararem qualquer hora?
b) Qual é a probabilidade de 3 clientes ou menos pararem em qualquer hora?
c) Qual é o valor esperado e o desvio padrão para esta distribuição?

27. Sabendo que o tempo gasto pelos indivíduos para resolver um teste é normalmente
distribuído com média de 20 minutos e desvio-padrão de 4 minutos, determine a
probabilidade de que uma pessoa gaste para resolver um teste: (a) entre 16 e 22
minutos; (b) entre 22 e 25 minutos; (c) mais do que 23 minutos; (d) menos que 16
minutos.

28. Numa pesquisa salarial, verificou-se que o salário de determinada categoria segue
uma distribuição normal com média de 15.000 u.m. e desvio-padrão de 2.000 u.m.
Determine: (a) a probabilidade de que um empregado tenha salário entre 17.000 u.m.
e 18.000 u.m.; (b) quantos empregados entre 1.000, tem salário superior a 18.000
u.m.?

29. Os prazos da gravidez têm distribuição normal com média de 268 dias e desvio
padrão de 15 dias. Com base nessa informação, determine a probabilidade de uma
gravidez durar 308 dias ou mais.

30. Uma fábrica de pneumáticos fez um teste para medir o desgaste de seus pneus e
verificou que ele obedecia a uma distribuição normal com média igual a 48.000 Km e
desvio padrão de 2.000 Km. Calcule a probabilidade de um pneu escolhido ao acaso:
a) durar mais que 46.000 Km; b) durar entre 45.000 e 50.000 Km.

10
11