Академический Документы
Профессиональный Документы
Культура Документы
DE PROBABILIDADE
3.1 INTRODUÇÃO
1
p(x) = , x = x1 , x2 , ... , xn.
n
∑x i
µ = E(X) = i=1
n
n
∑ (x i − µ)2
σ 2 ( X) = V(X) = i=1
n
74 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
OBSERVAÇÃO :
Em particular, se os valores de X forem equiespaçados, podemos mostrar que:
x1 + x n
µ = E(X) =
2
EXEMPLO
Quando um dado é jogado e o número da face voltada para uma é observado,
o espaço amostral é : S = {1, 2, 3, 4, 5, 6}. Cada elemento de S tem a mesma
probabilidade de ocorrência igual a 1/6.
Portanto temos uma distribuição uniforme da v.a. X = no de pontos, isto é :
p(x) = 1/6 , x = 1, 2, 3, 4, 5, 6.
Graficamente :
p(x)
1/6
1 2 3 4 5 6 x
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 75
Notas de Aula
______________________________________________________________________________________
⎧ p, x = 1
p(x) = P(X = x) = ⎨
⎩ q, x = 0
ou ainda,
A Média e a Variancia:
EXEMPLO
Numa grande indústria têxtil, 80% dos funcionários são mulheres. Seja X a
v.a. que assume o valor 1 quando um funcionário aleatoriamente escolhido é uma
mulher e 0 quando o funcionário é um homem. Uma vez que é considerado
"sucesso" quando o funcionário aleatoriamente escolhido é uma mulher, e 80%
dos funcionários são mulheres, temos que:
p = 0,8 e q = 1 - p = 0,2
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
76 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 77
Notas de Aula
______________________________________________________________________________________
⎛n⎞
P(X=x) = px qn-x + px qn-x + ...+ px qn-x = ⎜ ⎟ px qn-x
⎝x⎠
⎛n⎞
p(x) = P(X=x) = ⎜ ⎟ px qn-x , x = 0 , 1 , ... , n
⎝x⎠
OBSERVAÇÕES :
a) Ao utilizar esta distribuição devemos observar que o resultado definido para ser
"sucesso" terá probabilidade p . O outro resultado será necessariamente definido
como sendo "fracasso" e terá, consequentemente, probabilidade q = 1 - p.
b) Uma vez definido o resultado que será "sucesso", a v.a. X será o número de
"sucessos" observados em n realizações independentes do experimento.
c) Note que a condição de independência é essencial. Caso contrário a função de
probabilidade não poderia ser encontrada da forma mostrada acima.
d) Ainda sobre a independência, podemos encontrá-la quando o experimento se
trata de retirar uma amostra com reposição ou de uma população infinita.
Poderia ser simplesmente a repetição de um experimento tal que possua
probabilidade constante p de um determinado resultado (sucesso).
e) A expressão obtida para P( X = x ) é o k-ésimo termo do desenvolvimento de
(q + p)n segundo o binômio de Newton, daí o nome “distribuição binomial” dado
a essa distribuição.
⎛ n⎞ n!
f) ⎜ ⎟ =
⎝ x⎠ (n - x)! x!
A Média e a Variancia:
Para o cálculo da média e da variancia consideramos o fato de que uma
v.a. X binomial (ou com distribuição binomial) com parâmetros n e p pode ser vista
como uma soma de n v.a.'s independentes de Bernoulli X1, X2, ... , Xn . Assim,
utilizando as propriedades da média e da variancia e a média e variancia de uma
v.a. de Bernoulli, temos que:
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
78 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
EXEMPLO 1:
Considere o experimento binomial onde três moedas são lançadas. Suponha
que as moedas são viciadas de tal forma que a probabilidade de ocorrer cara (H)
seja 0.25 (e, consequentemente, a probabilidade de coroa (T) seja 0.75). Se o
resultado "cara" for chamado de "sucesso", então uma v.a. X igual ao número de
"sucessos" assume valores inteiros de 0 a 3. Os oito possíveis resultados, os valores
correspondentes de X e suas probabilidades são:
Resultado x p(x)
TTT 0 q3 = 0.753
TTH 1 q2.p = (0.75)2(0.25)
THT 1 q.p.q= (0.75)(0.25)(0.75)
HTT 1 p.q2= (0.25)(0.75)2
HHT 2 p2.q= (0.25)2(0.75)
HTH 2 p.q.p= (0.25)(0.75)(0.25)
THH 2 q.p2= (0.75)(0.25)2
HHH 3 p3 = 0.253
⎛3⎞
Assim, p(0) = P(X=0) = 0.753 = ⎜ ⎟ (0.25)0 (0.75)3
⎝0⎠
⎛ 3⎞
p(1) = P(X=1) = 3 (0.25)(0.75)2 = ⎜ ⎟ (0.25)(0.75)2
⎝1 ⎠
⎛ 3⎞
p(2) = P(X=2) = 3 (0.25)2(0.75) = ⎜ ⎟ (0.25)2(0.75)
⎝ 2⎠
⎛3⎞
p(3) = P(X=3) = (0.25)3 = ⎜ ⎟ (0.25)3 (0.75)0
⎝3⎠
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 79
Notas de Aula
______________________________________________________________________________________
Graficamente,
EXEMPLO 2
Num determinado processo de fabricação 10% das peças são consideradas
defeituosas. As peças são acondicionadas em caixas com 5 unidades cada uma.
( a ) Qual é a probabilidade de haver exatamente 3 peças defeituosas numa caixa ?
( b ) Qual é a probabilidade de haver duas ou mais peças defeituosas numa caixa ?
( c ) Se a empresa paga uma multa de R$10,00 por caixa em que houver alguma
peça defeituosa, qual o valor esperado da multa num total de 1000 caixas ?
⎛5⎞
( a ) P(3 peças defeituosas) = P(X = 3) = ⎜ ⎟ 0,13 0,9 5−3 = 0,0081
⎝ 3⎠
( b) P(2 ou mais peças defeituosas) = P(X ≥ 2) = 1 - P(X < 2) =
⎡⎛5 ⎞ ⎛5⎞ ⎤
1 - [ P(X=0) + P(X=1) ] = 1 − ⎢⎜ ⎟ 0,10 0,9 5− 0 + ⎜ ⎟ 0,11 0,9 5−1 ⎥ = 0,0815
⎣⎝ 0⎠ ⎝1⎠ ⎦
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
80 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
e −λ λx
p(x) = P(X = x) = , x = 0,1,2,...
x!
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 81
Notas de Aula
______________________________________________________________________________________
EXEMPLO 1:
Se um banco espera receber, em média, 3 cheques sem fundo por dia, qual a
probabilidade de, num dia qualquer, receber:
a) 4 cheques sem fundo;
b) no máximo 2 cheques sem fundo;
c) 5 cheques sem fundo em dois dias consecutivos.
e − 3 3x
p(x) = P(X = x) = , x = 0,1,2,...
x!
Assim,
e −3 34
a) p(4) = P(X = 4) = = 0, 1680
4!
c) Para dois dias, vamos considerar a v.a. Y=número de cheques sem fundo em dois
dias; a média é λ = 6 e a função de probabilidade de Y é:
e −6 6 y
p(y) = P(Y = y) = , y = 0,1,2,...
y!
Assim,
e −6 65
P(Y = 5) = = 0, 1606
5!
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
82 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
EXEMPLO 2:
e −0,2 0,2 x
p(x) = P(X = x) = , x = 0,1,...
x!
⎛ n⎞ x e -np ( np) x
lim ⎜ ⎟
n →∞ ⎝ x ⎠
p (1 − p) n-x
=
x!
p→0
Note que isto significa que quando temos uma situação tipicamente binomial mas se
observa que o número de realizações n é grande e a probabilidade p de sucessos é
pequena, usamos este resultado, ou seja, usamos a distribuição de Poisson com
parâmetro λ = n.p . Este fato faz com que a distribuição de Poisson se adapte bem
aos chamados fenômenos raros, ou seja, pequenas probabilidades de ocorrência do
evento “sucesso”, quando observado o experimento um grande número de vezes.
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 83
Notas de Aula
______________________________________________________________________________________
EXEMPLO 1
Seja uma v.a. X que tem média µ=4. Os gráficos abaixo mostram a
aproximação de Poisson em 2 casos : p = 1/3 ; n = 12 e p = 1/24 ; n = 96.
µ = 4 , p = 1/3 , n =12
p(x)
0 1 2 3 4 5 6 7 8 9 10
Distribuição Binomial =
Distribuição de Poisson =
µ = 4 , p = 1/24 , n =96
p(x)
0 1 2 3 4 5 6 7 8 9 10
EXEMPLO 2
Num certo processo de fabricação no qual artigos de vidro são produzidos,
defeitos (bolhas) ocorrem ocasionalmente, tornando a peça inadequada para venda.
Sabe-se que em média 1 a cada 1000 desses artigos produzidos tem defeito. Qual é
a probabilidade de que uma amostra aleatória de 8000 artigos contenha menos de 7
artigos com defeito ?
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
84 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
e −8 8 x
p(x) = P(X=x) = , x = 0,1,...
x!
e -8 . 8 0 e -8 . 81 e -8 . 8 2 e -8 . 8 3 e -8 . 8 4 e -8 . 85 e -8 . 8 6
= + + + + + + = 0,3134
0! 1! 2! 3! 4! 5! 6!
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 85
Notas de Aula
______________________________________________________________________________________
PROPRIEDADE :
A distribuição geométrica tem a propriedade de “não ter memória” , isto é, a
probabilidade de que o número de provas até o 1o sucesso seja s + t , sabendo-se
que as s primeiras provas foram fracassos, é igual à probabilidade de o número de
provas até o 1o sucesso ser igual às t provas restantes, ou seja :
P( X = s + t / X > s) = P( X = t ) F F ... F F F ...FS
s t
s+t
EXEMPLO
O custo de lançamento de um foguete é de R$ 1.000.000. Se o lançamento
falhar ocorrerá um custo extra de R$ 500.000 em virtude de consertos na plataforma
de lançamento. A probabilidade de um lançamento ser bem sucedido é de 0,3. Os
lançamentos são efetuados até que haja um bem sucedido.
( a ) Qual a probabilidade de serem lançados mais de 3 foguetes ?
( b ) Sabendo-se que até o 2o lançamento ainda não houve sucesso, qual a
probabilidade de se conseguir sucesso no 4o lançamento ?
( c ) Qual o custo esperado do projeto ?
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
86 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
P( X = 4 ∩ X > 2 ) P( X = 4) P( X = 4)
( b ) P(X = 4 / X > 2) = = = =
P( X > 2) P( X > 2) 1- P( X ≤ 2)
P( X = 4) (0,3)(0,7) 4-1
= = =
1-[ P( X = 1) + P( X = 2) 1-[(0,3)(0,7) 1-1 + (0,3)(0,7) 2-1 ]
= 0,21 .
⎛ x -1⎞ r x-r
p(x) = P(X = x) = ⎜ ⎟ pq , x = r, r +1, r + 2, ...
⎝ r -1⎠
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 87
Notas de Aula
______________________________________________________________________________________
EXEMPLO
Num processo de fabricação 20% dos objetos produzidos são defeituosos.
Qual é a probabilidade de precisarmos retirar somente 10 objetos para ter 5
defeituosos ? Ou em outras palavras, qual é a probabilidade do 5o objeto defeituoso
aparecer na 10ª retirada ?
n!
P(X 1 = x 1 , X 2 = x 2 , ... , X k = x k ) =
x x x
p 1 p 2 ... p k
1 2 k
x 1 ! x 2 ! ... x k !
k k
onde : ∑x
i=1
i =n e ∑p
i=1
i =1
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
88 ESTATÍSTICA
Notas de Aula
_______________________________________________________________________________________
EXEMPLO
Uma fábrica tem sua produção composta de 30% da máquina A, 20% da
máquina B e 50% da máquina C. Retirando-se 9 peças da produção :
( a ) Qual a probabilidade de serem 4 da máquina A, 2 da máquina B e 3 da
máquina C ?
( b ) Qual a probabilidade de não haver nas 9 peças nenhuma da máquina B ?
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR
ESTATÍSTICA 89
Notas de Aula
______________________________________________________________________________________
x
n
A função de probabilidade é :
⎛ r ⎞ ⎛N − r⎞
⎜ ⎟⎜ ⎟
⎝ x⎠ ⎝ n − x ⎠
p(x) = P(X = x) = , x = 0, 1, . . . ( r ou n )
⎛N⎞
⎜ ⎟
⎝n⎠
EXEMPLO
Uma caixa contém 12 lâmpadas das quais 5 estão queimadas. São escolhidas 6
lâmpadas ao acaso para a iluminação de uma sala. Qual a probabilidade de que :
( a ) exatamente duas estejam queimadas ?
( b ) pelo menos uma esteja boa ?
N=12 n=6 r=5 X = no de lâmpadas queimadas retiradas .
⎛ 5 ⎞ ⎛12 − 5⎞
⎜ ⎟⎜ ⎟
⎝2⎠ ⎝ 6 − 2 ⎠
( a ) P( X = 2) = = 0,3787 .
⎛12 ⎞
⎜ ⎟
⎝6⎠
___________________________________________________________________________________
Marcia Olandoski Erbano Depto. de Informática CEFET-PR