Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
- DISTRIBUIO BINOMIAL -
Varivel Aleatria
Uma funo X que associa a cada elemento do
espao amostral um valor x R denominada uma
varivel aleatria
aleatria, sendo o conjunto de resultados
possveis do experimento.
Experimento: jogar 1 dado duas vezes e observar o resultado
(P = par e I = impar)
X: nmero de vezes que saiu face par em 2 lances do dado
PP
X = 0 II
X = 1 IP ou PI
X = 2 PP
PI
IP
II
2
2
Varivel Aleatria
Uma varivel aleatria pode ser classificada em:
Varivel aleatria discreta
Uma v.a. discreta quando o conjunto de valores possveis
que ela assume for finito ou infinito enumervel.
Exemplos:
1) Observa-se o sexo (caracterstica) das crianas em
famlias com trs filhos (M: masculino e F: feminino).
Espao amostral:
= {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)}
1
MMM
3
MMF
MFM
FMM
MFF
FMF
FFM
FFF
x1
P(X=x1)
...
...
x2
P(X=x2)
xn
P(X=xn)
0 P( X = xi ) 1
P( X = x ) = 1
i
i =1
6
Exemplo 1:
O Departamento de Estatstica formado por 35
professores, sendo 21 homens e 14 mulheres. Uma
comisso de 3 professores ser constituda sorteando,
ao acaso, trs membros do departamento.
Qual a probabilidade da comisso ser formada por
pelo menos duas mulheres
mulheres?
Vamos definir a v.a.
X: n. de mulheres na comisso.
Quais so os possveis valores que X pode assumir?
7
Espao amostral
Probabilidade
21 20 19
= 0,203
35 34 33
21 20 14
= 0 ,150
35 34 33
21 14 20
= 0,150
35 34 33
14 21 20
= 0,150
35 34 33
21 14 13
= 0,097
35 34 33
14 21 13
= 0,097
35 34 33
14 13 21
= 0,097
35 34 33
14 13 12
= 0,056
35 34 33
(HHH)
(HHM)
(HMH)
(MHH)
(HMM)
(MHM)
(MMH)
(MMM)
X
0
1
1
1
2
2
2
3
P(X = x)
0,203
0,450
0,291
0,056
Funo de probabilidade de X:
x
10
11
12
P(X=x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Ento,
P(X < 6) = P(X=5) + P(X=4) + P(X=3) + P(X=2)
= 4/36 + 3/36 + 2/36 + 1/36
= 10/36 = 0,278
10
1.
Lan
amento
10
10 11
10 11 12
11
P(X = x)
1/36
2/36
3/36
36 pontos
igualmente
provveis
6/36
5/36
4/36
5/36
6/36
5/36
2/36
4/36
1\36
10
3/36
11
3/36
12
1/36
P(X=x)
4/36
3/36
7
x
10
11
12
12
E( X ) = x1 P( X = x1) +...+ xn P( X = xn ) = xi P( X = xi )
i=1
i=
Notao: = E(X)
No exemplo, para mdia de X (soma de pontos), temos:
E(X) = 2(1/36) + 3(2/36) + ... + 11(2/36) + 12(1/36)
= 252/36 = 7,
ou seja, em mdia, a soma dos pontos no lanamento dos
dois dados igual a 7.
13
Var( X ) = [ xi - E ( X )]2 P( X = xi )
i =1
Notao:
2 = Var(X).
Var( X ) = E ( X 2 ) [ E ( X )]2 .
Desvio Padro: definido como a raiz quadrada
positiva da varincia, isto ,
DP( X ) = Var( X ) .
Notao:
= DP(X).
14
No exemplo,
x
10
11
12
P(X=x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
2
Var(X) = (2 - 7)
=
210
36
1
2
1
2
2 2
2
+ (3 - 7) +... + (11- 7)
+ (12- 7)
36
36
36
36
= 5,83.
=
+
+
+
+
E(X ) 2
3
... 11
12
36
36
36
36
1974
=
= 54 ,83
36
2
Propriedades:
1) Se P(X = a) = 1, ento
E(X) = a
Var(X) = 0.
16
Exemplos:
Exemplos:
uma pea classificada como boa ou defeituosa;
o resultado de um exame mdico para deteco de uma
doena positivo ou negativo;
um paciente submetido a um tratamento, durante um
perodo de tempo fixo, cura-se ou no da doena;
um entrevistado concorda ou no com a afirmao feita;
no lanamento de um dado ocorre ou no a face 5.
17
E(X) = p,
Var(X) = p(1 p).
Modelo Binomial
Exemplo: Um dado equilibrado lanado 3 vezes.
Qual a probabilidade de se obter a face 5 duas vezes?
Denotamos,
S: sucesso, ocorrer face 5;
F: fracasso, no ocorrer face 5.
fcil ver que p = P(sucesso) = 1/6 e
q = 1 p = P(fracasso) = 5/6
= {SSS, SSF, SFS, FSS, SFF, FSF, FFS, FFF}
20
X
3
(SSF)
p 2q
(SFS)
p2q
q
p
F
S
(SFF)
(FSS)
pq2
p 2q
1
2
(FSF)
pq2
(FFS)
pq2
(FFF)
q3
q
F
Prob
p3
(SSS)
F
q
F
21
probabilidades
p = 1/6
q3
125/216=0,5787
3pq2
75/216=0,3472
3p2q
15/216=0,0694
p3
1/216=0,0046
3
=
k
p k q 3 - k , k = 0, 1, 2, 3.
Distribuio binomial:
A v.a. X correspondente ao nmero de sucessos em n
ensaios de Bernoulli independentes e com mesma
probabilidade p de sucesso, tem distribuio binomial
com parmetros n e p.
Sua funo de probabilidade dada por
P (X = k)
n
=
k
p k (1 - p) n- k , k = 0, 1, ... , n.
24
Comentrios::
Comentrios
A expresso para a varincia de uma v.a. binomial parece
ser bastante razovel:
A quantidade np(1-p) maior quando p = 0,5 e
diminui conforme p se aproxima de 0 ou de 1.
Quando p muito grande ou muito pequeno,
quase todos os resultados tomam o mesmo valor -por exemplo, quase todo mundo fuma ou quase
todo mundo no fuma -- e a variabilidade entre os
resultados pequena.
Se metade da populao assume o valor 0 e a
outra metade assume o valor 1, mais difcil
predizer qualquer resultado particular; nesse caso, a
variabilidade relativamente grande.
25
26
28
29
30
x
Pr
0 3.167635e-02 0,0317
1 1.267054e-01 0,1267
2 2.322932e-01 0,2323
3 2.581036e-01 0,2581
4 1.935777e-01 0,1936
5 1.032414e-01 0,1032
6 4.014945e-02 0,0401
7 1.147127e-02 0,0115
8 2.389848e-03 0,0024
9 3.540516e-04 0,0004
10 3.540516e-05 0,0000
11 2.145767e-06 0,0000
12 5.960464e-08 0,0000
Ento,
a) P(X 6) = 0,0401+ 0,0115+
0,0024+0,0004 = 0,0544.
b) P(X 1) = 0,0317 + 0,1267 =0,1584.
c) E(X) = np = 120,25 = 3,
ou seja, entre 12 pacientes picados com
uma agulha infectada com hepatite B,
em mdia, 3 desenvolvem a doena.
Var(X) = np(1-p)
= 120,25 0,75 = 2,25.
DP(X) = 2,25 = 1,5
31
32
P(X>5)
33