Variáveis Aleatórias Contínuas - Parte 3

Aproximao da Normal para Binomial
Aproximao da Normal para Poisson
Variveis Aleatrias Contnuas e Distribuio

de Probabilidades - parte III
Erica Castilho Rodrigues
09 de Maio de 2014
Variveis Aleatrias Contnuas e Distribuio de Probabilidad


Objetivos
Ao final deste captulo voc deve ser capaz de:
I
Calcular probabilidades aproximadas usando a

distribuio normal.
Aplicar essa aproximao par o caso de variveis com as

seguintes distribuies:
I
binomial;
hipergeomtrica;
Poisson.

Vimos na aula anterior que a normal pode aproximar a

distribuio de diversas variveis aleatrias.
Esse resultado conhecido como Teorema Central do
Limite.
Teorema Central do Limite

I
Seja X uma varivel aleatria com mdia e desvio

padro .
I
I
Retiramos uma amostra de tamanho n de X .

a mdia dessa amostra.
Seja X
Temos que
Pn

X n
X
= i=1 i
N(0, 1)
/ n
n
quando o n aumenta.

Exemplo:
I
Seja X a durao das conversar telefnicas em uma

cidade.
No sabemos a distribuio de X , mas sabemos que

E (X ) = 3 Var (X ) = 9 .
Coletamos uma amostra de 50 chamadas.
Qual a probabilidade de que a mdia dessa amostra no

ultrapasse 4 minutos?
!
4

4
3
X
<4 =P p
P X
<p
P(Z < 2, 36) = 0, 9909.
9/50
9/50


Em muitos sistemas fsicos o modelo binomial o mais

apropriado.
Em alguns casos o tamanho da amostra n fica muito

grande.
Ento fica difcil calcular probabilidades envolvendo a

binomial.
Vimos que uma binomial uma soma de Bernoullis.
Portanto uma Binomial pode ser aproximada por uma

Normal.
Desde que o n seja suficientemente grande.

I
I
A rea de cada barra a probabilidade binomial de x.

As reas das barras podem ser aproximadas pelas reas
abaixo da funo densidade da normal.

Se X tem distribuio Binomial(10; 0,5).

Se queremos calcular P(3 X 7).
Isso chamado correo de continuidade.

A correo de continuidade necessria pois estamos

aproximando uma varivel discreta por uma contnua.
Por exemplo:
P(X 4) = P(X < 4, 5)
P(X < 4) = P(X < 3, 5)
P(X > 4) = P(X > 4, 5)
P(X 4) = P(X > 3, 5)
(desenhar no quadro)

Exemplo:
I
Considere um canal digital de comunicao.
O nmero de bits transmitidos com erro podem ser

modelados por uma Binomial.
A probabilidade de um bit ser transmitido com erro

1 105 .
16 milhes de bits so transmitidos.
Qual a probabilidade de ter 150 ou menos erros?

Exemplo: (soluo)
I
Seja X o nmero de bits transmitidos com erro.
X tem distribuio Binomial com n = 16 milhes e

p = 1 105 .
A probabilidade requerida
P(X 150) =

150
X
16.000.000
x=0
(105 )x (1105 )16.000.000x
Essa probabilidade muito difcil de se calcular.
Podemos usar a aproximao pela normal.
Vejamos como isso feito.

Aproximao da Binomial pela Normal

I
Seja X uma varivel com distribuio Binomial(n,p).
A varivel
Z =p
X np
np(1 p)
ser aproximadamente uma varivel normal padro.

I
I
Precisamos aplicar a correo de continuidade.

Temos que
P(X x ) = P(X x + 0, 5) P
P(X x ) = P(X x 0, 5) P
x + 0, 5 np
Z p
np(1 p)
x 0, 5 np
Z p
np(1 p)
A aproximao boa para np > 5 e n(1 p) > 5.

!
!

Lembre que para uma varivel Binomial X

E (X ) = np
Var (X ) = np(1 p) .
A expresso
Z =p
X np
np(1 p)
uma frmula para padronizar X .

I
As probabilidades envolvendo X podem ser aproximadas

usando a normal padro.
A aproximao boa quando n grande relativo a p.

Exemplo:
I
Considere o exemplo da comunicao digital.
X o nmero de bits transmitidos com erro.
X tem distribuio Binomial com n = 16 milhes e

p = 1 105 .
Podemos calcular probabilidade de X 150 da seguinte

forma
P(X 150) = P(X 150, 5)
=P
150, 5 160
p
p
5
160(1 10 )
160(1 105 )
X 160
P(Z 0, 75) = 0, 227 .

Exemplo:
I
Observe que
np = (16 106 )(15 ) = 160 e n(1 p) > 160 .
A aproximao deve ser boa nesse caso.

Exemplo:
I
Considere o exemplo da transmisso de bits.
50 bits so transmitidos.
A probabilidade de que ocorra um erro p = 0, 1.
Qual a probabilidade de que 2 ou menos erros ocorram?

Exemplo: (soluo)
I Usando a distribuio binomial
P(X 2) = P(X = 0) + P(X = 1) + P(X = 2)

I

50
50
50
50
49
(0, 9) +
(0, 9) (0, 1)+
(0, 9)48 (0, 1)2 = 0, 112.
0
1
2
Usando a distribuio Normal

P(X 2) = P
X 5
50(0, 1)(0, 9)
2, 5 5
p
50(0, 1)(0, 9)
= P(Z 1, 18) = 0, 119 .

I
Mesmo a amostra no sendo muito grande o resultado

aproximado bom.

Exemplo:
I Queremos agora calcular a probabilidade de X 9

8, 5 5
P(X 9) = P(X 8, 5) P Z
2, 12
= P(Z 1, 65) = 0, 05 .
I
Se quisermos calcular probabilidade de X = 5

5, 5 5
4, 5 5
Z
P(X = 5) = P(4, 5 X 5, 5) = P
2, 12
2, 12
= P(0, 24 Z 0, 24) = P(Z 0, 24)P(Z < 0, 24) = 0, 19

I
A probabilidade exata
P(X = 5) = 0, 1849 .
A aproximao boa.

Se np ou n(1 p) forem pequenos:

I
I
a aproximao distorcida.
Dois casos so ilustrados abaixo:

A distribuio Binomial uma boa aproximao para

Hipergeomtrica.
Desde que o tamanho da amostra n seja pequeno com

relao ao total N.
Uma regra prtica aproximar a Hipergeomtrica pela

Binomial se
n
< 0, 1 .
N
Relembre que
K
p=
N
proporo de sucessos na populao.

Ento podemos aproximar a hipergeomtrica pela Normal

desde que
n
< 0, 1
N
np > 5
n(1 p) > 5 .
Veja o esquema abaixo.


A distribuio de Poisson pode ser vista como limite de

uma Binomial.
Quando o nmero de tentativas aumenta e a probabilidade

diminui.
Ento a normal tambm pode ser usada para aproximar a

distribuio de Poisson.

Aproximao da Poisson pela Normal

I
Seja X uma varivel com distribuio Poisson().
Temos que
E (X ) =
Ento
Var (X ) = .
X
z=
aproximadamente uma varivel Normal Padro.

Exemplo:
I
Considere que o nmero de partculas em uma superfcie

segue uma distribuio Poisson.
Suponha que esperamos observar 1000 partculas por m2 .
Analisamos um metro quadrado da superfcie.
Qual a probabilidade de observarmos 950 ou menos

partculas?

Exemplo: (soluo)
I
Podemos calcular a probabilidade de maneira exata

P(X 950) =
950 1000
X
e
1000x
x=0
x!
Essa soma computacionalmente difcil de ser calculada.
Podemos aproximar a probabilidade por

950 + 0, 5 1000
P(Z 1, 58) =
P(X 950) P Z
1000
0, 057 .

Exemplo:
I
Estamos analisando as vendas em um supermercado.
Sabemos que a procura diria por arroz em kg uma

varivel aleatria.
Temos ainda que o valor esperado dessa varivel 40 kg

e sua varincia 25 kg 2 .
Foram encomendados 14500 kg para suprir o prximo

ano.
Qual a probabilidade do stoque de arroz cobrir a demanda

nesse perodo?
Considere que o ano tem 364 dias.

Exemplo: (soluo)
I Seja
Xi = procura de arroz no dia i
I
para i = 1, 2, . . . , 364.
Temos que
E (Xi ) = 40kg
Var (Xi ) = 25kg 2
A probabilidade requerida
364
X
Xi 14500) .
P(
i=1
Pelo TCL temos que

364
X
i=1
Xi N ((364)(40); (364)(25)) .

Temos que
364
X
P(
Xi 14500) P
i=1
P364
X 14560
14500 + 0, 5 145
i=1
p i
p
364(25)
364(25)
P(Z < 0, 63) = 1 0, 7357 = 0, 2643 .

I
recomendvel aumentar o estoque?
Sim, com alta probabilidade no conseguir suprir a

demanda.

Variáveis Aleatórias Contínuas - Parte 3

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Variáveis Aleatórias Contínuas - Parte 3

Caricato da

Copyright:

Formati disponibili

Aproximao da Normal para Binomial

Aproximao da Normal para Poisson

Variveis Aleatrias Contnuas e Distribuio

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Aproximao da Normal para Binomial

Aproximao da Normal para Poisson

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Calcular probabilidades aproximadas usando a

Aplicar essa aproximao par o caso de variveis com as

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Vimos na aula anterior que a normal pode aproximar a

Teorema Central do Limite

Seja X uma varivel aleatria com mdia e desvio

Retiramos uma amostra de tamanho n de X .

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Seja X a durao das conversar telefnicas em uma

No sabemos a distribuio de X , mas sabemos que

Coletamos uma amostra de 50 chamadas.

Qual a probabilidade de que a mdia dessa amostra no

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Aproximao da Normal para Binomial

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Em muitos sistemas fsicos o modelo binomial o mais

Em alguns casos o tamanho da amostra n fica muito

Ento fica difcil calcular probabilidades envolvendo a

Vimos que uma binomial uma soma de Bernoullis.

Portanto uma Binomial pode ser aproximada por uma

Desde que o n seja suficientemente grande.

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

A rea de cada barra a probabilidade binomial de x.

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Se X tem distribuio Binomial(10; 0,5).

Isso chamado correo de continuidade.

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

A correo de continuidade necessria pois estamos

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Considere um canal digital de comunicao.

O nmero de bits transmitidos com erro podem ser

A probabilidade de um bit ser transmitido com erro

16 milhes de bits so transmitidos.

Qual a probabilidade de ter 150 ou menos erros?

Erica Castilho Rodrigues

Variveis Aleatrias Contnuas e Distribuio de Probabilidad

Aproximao da Normal para Binomial

Seja X o nmero de bits transmitidos com erro.

X tem distribuio Binomial com n = 16 milhes e