UNIVERSIDADE DE ITUNA FACULDADE DE ENGENHARIA ENGENHARIA DE PRODUO

Estfane Caroline Ferreira Rodrigues

Trabalho de Logstica Distribuies

ITANA

2 2012 UNIVERSIDADE DE ITUNA FACULDADE DE ENGENHARIA ENGENHARIA DE PRODUO

Estfane Caroline Ferreira Rodrigues

TRABALHO DE LOGSTICA Distribuies

Trabalho de pesquisa apresentado disciplina Logstica II do curso de Engenharia de Produo Finalidade: Estudo sobre 10 distribuies estatsticas Orientador: Prof. Marcio Barbosa

ITANA

3 2012

Sumrio
Estfane Caroline Ferreira Rodrigues.....................................................................................2 Sumrio........................................................................................................................................3 DISTRIBUIO UNIFORME...................................................................................................3 DISTRIBUIO TRIANGULAR..............................................................................................4 DISTRIBUIO NORMAL.......................................................................................................6 DISTRIBUIO POISSON.......................................................................................................6 DISTRIBUIO WEIBULL......................................................................................................7 DISTRIBUIO EXPONENCIAL............................................................................................8 DISTRIBUIO LOG NORMAL.............................................................................................8 DISTRIBUIO CHI QUADRADO......................................................................................9 DISTRIBUIO ERLANG......................................................................................................10 DISTRIBUIO BINOMIAL..................................................................................................10 CONCLUSO...........................................................................................................................11

DISTRIBUIO UNIFORME
Em estatstica e probabilidade, a distribuio uniforme a distribuio de probabilidades contnua mais simples de conceituar: a probabilidade de se gerar qualquer ponto em um intervalo contido no espao amostral proporcional ao tamanho do intervalo.

A aplicao deste tipo de probabilidade ocorre onde o fluxo contnuo, como por exemplo numa fbrica de refrigerantes , onde os mesmos so engarrafados. Seja [a,b] o espao amostral. Ento tem-se que a funo densidade de probabilidade, para , :

A maioria das linguagens de programao, pacotes estatsticos ou planilhas de clculo possuem um gerador de nmeros aleatrios, que gera a partir de uma distribuio uniforme, com valores entre 0 e 1. Esse nmero chamado de pseudo-aleatrio, porque possvel repetir a mesma sequncia a partir de uma semente aleatria.
A esperana matemtica definida por:

= E(X) = (a + b) 2 E a varincia por: 2 = V(X) = (a + b) 2 12

DISTRIBUIO TRIANGULAR
A distribuio triangular a distribuio de probabilidade contnua que possui um valor mnimo a, um valor mximo b e uma moda c, de modo que a funo densidade de probabilidade zero para os extremos (a e b), e afim entre cada extremo e a moda, de forma que o grfico dela um tringulo. Sua funo densidade de probabilidade :

Caractersticas da distribuio

5 Parmetros:

Suporte:

Funo de probabilidade acumulada: = Mdia:

Mediana: Moda: Varincia:

Obliquidade: Curtose:

Entropia:

Funo geradora de momentos:

Funo caracterstica: A Distribuio Triangular normalmente usada quando existe uma ideia subjetiva da populao, atravs dos seus extremos e da sua moda.

DISTRIBUIO NORMAL
A Distribuio normal uma das mais importantes distribuies da estatstica, conhecida tambm como Distribuio de Gauss ou Gaussiana. Foi desenvolvida pelo matemtico francs Abraham de Moivre. Alm de descrever uma srie de fenmenos fsicos e financeiros, possui grande uso na estatstica inferencial. inteiramente descrita por seus parmetros de mdia e desvio padro, ou seja, conhecendo-se estes consegue-se determinar qualquer probabilidade em uma Normal. Um interessante uso da Distribuio Normal que ela serve de aproximao para o clculo de outras distribuies quando o nmero de observaes fica grande. Essa importante propriedade provem do Teorema Central do Limite que diz que "toda soma de variveis aleatrias independentes de mdia finita e varincia limitada aproximadamente Normal, desde que o nmero de termos da soma seja suficientemente grande" A funo densidade de probabilidade da distribuio normal com mdia e varincia 2 (de forma equivalente, desvio padro ) assim definida,

Se a varivel aleatria X segue esta distribuio escreve-se: X ~ N(,2). Se = 0 e = 1, a distribuio chamada de distribuio normal padro e a funo de densidade de probabilidade reduz-se a,

DISTRIBUIO POISSON
Outro modelo bastante utilizado em aplicaes prticas a distribuio de Poisson. Ela freqentemente usada para modelar dados de contagem, i.e. o nmero de ocorrncias de um certo fenmeno, durante um intervalo fixo de tempo ou regio fixa do espao. Alguns

7 exemplos so: o nmero de chamadas recebidas por uma central telefnica durante uma hora, o nmero de defeitos por unidade de comprimento de uma fita magntica, o nmero de n metides encontrados por unidade de superfcie de solo, o nmero dirio de novos casos de cncer de mama, etc. Neste caso, o nmero de ocorrncias X por intervalo fixo (de tempo ou espao) tem distribuio de Poisson e a probabilidade de exatamente k ocorrncias dada por: P(X = k) = kexp- , > 0, k = 0, 1, . . . . k! sendo e a base do logaritmo natural (e = 2, 71828 . . . ). A constante (que sempre positiva) pode ser interpretada como o nmero esperado (ou nmero mdio) de ocorrncias por unidade de tempo ou espao. Assim, a mdia de uma varivel aleatria com distribuio de Poisson igual a e pode-se mostrar que a varincia igual a sua mdia, E(X) = V ar(X) = .

DISTRIBUIO WEIBULL
A distribuio de Weibull, nomeada pelo seu criador Waloddi Weibull, uma distribuio de probabilidade contnua, usada em estudos de tempo de vida de equipamentos e estimativa de falhas. Sua funo de densidade :

para

e f(x;k,) = 0 para x < 0, aonde k > 0 o parmetro de forma e > 0 o

parmetro de escala da distribuio. A distribuio de Weibull usualmente plotada em uma escala especfica (grfico de Weibull), no qual a funo representada por uma reta. Esta distribuio mostra uma boa aderncia a dados de falha de equipamentos, necessitando de menos ocorrncias que outras distribuies.

DISTRIBUIO EXPONENCIAL
Freqentemente usada para modelar o tempo entre eventos que ocorrem a uma taxa mdia constante. Se X uma v.a. com distribuio exponencial sua funo de densidade de probabilidade tem a forma: f(x) = e-_x, x > 0, > 0, sendo o parmetro da distribuio. Usamos a notao X ~ Exponencial(). Pode-se mostrar que o valor mdio de X 1/ e sua varincia 1/2. calculadas como: Probabilidades so facilmente

DISTRIBUIO LOG NORMAL

Em probabilidade e estatstica, uma varivel aleatria X tem a distribuio log-normal quando o seu logaritmo densidade tem a distribuio normal. Logo, sua funo de

A importncia da distribuio log-normal se deve a um resultado anlogo ao Teorema do Limite Central: assim como uma distribuio normal aparece quando so somadas vrias distribuies independentes (para ver o enunciado mais preciso, consulte o artigo sobre o teorema), a distribuio log-normal aparece naturalmente como o produto de vrias distribuies independentes (sempre positivas). Por exemplo, em Finanas, o preo de uma ao no futuro pode ser modelado como o efeito de vrios pequenos ajustes independentes, ou seja:

Ou seja, aplicando o log, temos que ser aproximado por uma log-normal.

a soma de vrias variveis aleatrias

independentes, ou seja, pode ser aproximado por uma distribuio normal - portanto Pn pode

DISTRIBUIO CHI QUADRADO

O coeficiente Chi-Quadrado (ler qui-quadrado), ou chi quadrado, normalmente escrito como um valor da disperso para duas variveis de escala nominal, usado em alguns testes estatsticos. Ele diz-nos em que medida que os valores observados se desviam do valor esperado, caso as duas variveis no estivessem correlacionadas. Quanto maior o chi-quadrado, mais significante a relao entre a varivel dependente e a varivel independente. Este valor est relacionado com uma distribuio, chamada Distribuio Chi-Quadrado. A Distribuio Chi-quadrado com k graus de liberdade a distribuio gama com parmetros (k/2, 1/2). Quanto maior o nmero de casos (n) ou o nmero de linhas ou colunas da tabela de contingncia, maior ser o Chi-quadrado. Por isso no faz sentido comparar o Chi-quadrado de duas relaes entre variveis. Para o efeito existem outros coeficientes, entre os quais o coeficiente de contingncia. A distribuio Chi-quadrado pode ser simulada a partir da distribuio normal. Por definio, se forem k distribuies normais padronizadas (ou seja, mdia 0 e desvio

padro 1) independentes, ento a soma de seus quadrados uma distribuio Chi-quadrado com k graus de liberdade:

10 Um corolrio imediato da definio que a soma de duas Chi-quadrado independentes tambm uma Chi-quadrado:

DISTRIBUIO ERLANG

A varivel aleatria X que igual ao comprimento do intervalo at que r folhas ocorram um processo de Poisson com mdia uma varivel aleatria descreve o comprimento ats que a primeira varivel seja obtida em um processo de Poisson. Com mdia >0, tem uma distribuio de Erlang com parmetros e r. A funo densidade de probabilidade dada por:

A funo distribuio cumilativa de uma varivel aleatria de Erlang X pode ser obtida calculando pelo uso de simplificaes algbricas. , ento a funo densidade de

probabilidade de X pode ser obtida por diferenciao da funo distribuio cumulativa e

DISTRIBUIO BINOMIAL

Em teoria das probabilidades e estatstica, a distribuio binomial a distribuio de probabilidade discreta do nmero de sucessos numa seqncia de n tentativas tais que as tentativas so independentes; cada tentativa resulta apenas em duas possibilidades, sucesso ou fracasso (a que se chama de tentativa de Bernoulli); a probabilidade de cada tentativa, p, permanece constante. Se a varivel aleatria X que contm o nmero de tentativas que

11 resultam em sucesso tem uma distribuio binomial com parmetros n e p escrevemos X ~ B(n, p). A probabilidade de ter exatamente k sucessos dado pela funo de probabilidade:

para

e onde

uma combinao.

Se a X ~ B(n, p) (isto , X uma varivel aleatria binomialmente distribuda), ento o valor esperado de X :

e a varincia

CONCLUSO
Os mtodos estatsticos para anlise de dados esto associados ao conceito de incerteza. Uma forma de quantificar o grau de incerteza (ou aleatoriedade) e atravs do conceito de probabilidade. Conclu-se que estes modelos envolvem parmetros cujo conhecimento necessrio para calcular probabilidades.

12