Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1.1. Características:
Média:
𝑛
𝜇 = (𝑋) = ∑ 𝑥. 𝑓(𝑥) = ∑ 𝑥 (𝑘) . 𝑝 𝑥 . 𝑞 𝑛−𝑥 = 𝑛. 𝑝 , isto é, a média de uma variável
aleatória com distribuição binominal é igual ao produto dos parâmetros ‘’n’’ e ‘’p’’.
Variância:
Desvio padrão:
𝜎 = √𝑛𝑝𝑞
1.4. Aplicações:
Solução:
P(X=3)= (53). (0,10)3 . (0,90)2 = 𝟎, 𝟖𝟏%
2. Distribuição multinominal:
2.1. Características:
E a variância:
2.3. Principais propriedades:
𝑛 𝑛
Função Geratriz
𝑡𝑖
M(t)= (∑ 𝑝𝑖𝑒 )
𝑖=1
Solução:
a) .
b) .
c) .
d) .
e) .
.
2) Uma urna tem 6 bolas brancas, 4 pretas e 5 azuis. Retiram-se 8 bolas com
reposição. Qual a probabilidade de sair 4 bolas brancas, 2 pretas e 2 azuis?
Solução:
P1 = P(B) = 6/15 = 2/5
P2 = P(P) = 4/15
P3 = P (A) = 5/15 = 1/3
4.1. Características:
Modelo de distribuição discreta univariada desenvolvida por S.D. Poisson,
publicada em 1838. Através do qual é possível descrever um grande conjunto de
fenômenos aleatórios em que os acontecimentos se repetem no tempo ou no
espaço.
Quanto às características desta distribuição foi postulado que para que a
variável discreta (número de ocorrências por unidade de tempo) seja uma
distribuição de Poisson deve apresentar as quatro condições descritas a seguir:
Os números de ocorrências registrados nos intervalos da partição são
independentes entre si;
A distribuição do número de ocorrências em cada intervalo é a mesma para
todos os intervalos;
A probabilidade de se registrar uma ocorrência num intervalo qualquer de
dimensão Δt, ΔΡ1, é praticamente proporcional à dimensão do intervalo, ou
seja, ΔΡ1= λ.Δt;
A probabilidade de se registrarem duas, três, ou mais ocorrências num
intervalo qualquer de dimensão Δt, ΔΡn (n≥2) é desprezível quando
comparada com a probabilidade ΔΡ1.
𝑡 −1)
Função Geratriz M(t)=𝑒 𝜆(𝑒
Função Característica 𝑖𝜔−1)
ϕ(ω)=𝑒 𝜆(𝑒
Fonte: Probabilidade e Estatística (Ed. McGraw-Hill, 1997).
Solução:
y = número designado de sucessos = 2
λ = o número médio de sucessos num intervalo específico (uma hora) = 5
𝑒 −𝜆 ∙ 𝜆𝑦
𝑝𝑦 (𝑦) =
𝑦!
𝑒 ∙ 52
−5
𝑃(2) =
2!
𝑃(2) = 0,0842 → 𝑷(𝟐) = 𝟖, 𝟒𝟐%
Solução:
λ=3 ônibus/min
Y: número de ônibus que chegam no terminal num intervalo de tempo (t).
𝑒 −𝜆 ∙ 𝜆𝑦
𝑝𝑦 (𝑦) =
𝑦!
𝑒 ∙ 68
−6
𝑃(3) =
8!
𝑷(𝟑) = 𝟎, 𝟏𝟎𝟑𝟑
4. Distribuição normal:
4.1. Características:
A curva normal tem forma de sino;
É simétrica em relação à média;
Prolonga-se de menos infinito o mais infinito (apenas em teoria) (assintótica);
Fica completamente especificada por sua média e seu desvio padrão; há uma
distribuição normal para cada par (média e desvio padrão);
A área total sob a curva é considerada 100% ou igual a um;
A área sob a curva entre dois pontos é a probabilidade de uma variável
normalmente distribuída tomar um valor entre esses pontos;
A probabilidade de uma variável aleatória normalmente distribuída tomar
exatamente determinado valor (pontual) é zero (característica da distribuição
continua);
A área sob a curva entre a média e um ponto arbitrário é função do número
de desvios padrões entre a média e aquele ponto.
E assim:
Calcula-se a variância de utilizando a função geradora de momentos.
E, portanto:
1) Um criador de suínos constatou que o peso médio de 800 animais era de 64 kg, e
desvio-padrão de 15 kg. Caso esse peso esteja distribuído de forma normal, quantos
porcos pesarão entre 42 kg e 73 kg?
Solução:
µ = 64 e σ = 15
𝑋−𝜇
𝑍= ~ 𝑁(0, 1)
𝜎
𝑋 − 64
𝑍𝑖 =
15
42 − 64
𝑍42 = = −1,47
15
73 − 64
𝑍73 = = 0,6
15
Solução:
A variável padronizada para os 10% (0,1) é Z = 1,2816.
µ = 40 min. e σ = 12 min.
𝑋−𝜇
𝑍= ~ 𝑁(0, 1)
𝜎
𝑋 − 40
𝑍= = 1,2816
12
𝑋 = 40 + 12(1,2816) = 𝟓𝟓, 𝟑𝟖 min.
Lista de atividades:
1)
a) P = 1/5 = 0,2
n=6
q=1-p= 0,8
k=3
b) E(x)= n.p
E(x)= 6.0,2
E(x)=1,2
2) P=0,7
N=6
Q=0,3
K=0
3)
P(2,2,1) = (7!/2! 2! 1!).(2/7)².(2/5)².(1/3)²
P(2,2,1) = (210).(4/49).(4/25).(1/9)
P(2,2,1) = 0,304761
4)
X1 = lâmpadas verdes = 40% = 0,4
X2 = lâmpadas azuis = 30% = 0,3
X3 = lâmpadas amarelas = 30% = 0,3
N1 = verdes = 2
N2 = azuis = 2
N3 = amarelas = 1
(λt)𝑦
𝑃 = 𝑒 −λt
𝑦!
−0,0002∙3000
(0,0002 ∙ 3000)0
𝑃(0) = 𝑒
0!
𝑃(0) = 0,5488
(0,0002 ∙ 3000)1
𝑃(1) = 𝑒 −0,0002∙3000
1!
𝑃(1) = 0,3293
𝑃 = 𝑃(0) + 𝑃(1)
𝑃 = 0,5488 + 0,3293
𝑷 = 𝟎, 𝟖𝟕𝟖𝟏
6)
1
a) λ = 200 = 0,005
𝑦=0
𝑡 = 20
(λt)𝑦
𝑃 = 𝑒 −λt
𝑦!
(0,005 ∙ 20)0
𝑃(0) = 𝑒 −0,005∙20
0!
𝑃(0) = 0,9048 → 𝑷(𝟎) = 𝟗𝟎, 𝟒𝟖%
1
b) λ = 200 = 0,005
𝑦=1
𝑡 = 10 ∙ 20 = 200
(λt)𝑦
𝑃 = 𝑒 −λt
𝑦!
(0,005 ∙ 200)1
−0,005∙200
𝑃(1) = 𝑒
1!
𝑃(1) = 0,3679 → 𝑷(𝟏) = 𝟑𝟔, 𝟕𝟗%
7)
a)
𝑋1 − 𝑋̅
𝑍1 =
𝜎
700 − 800
𝑍1 =
50
𝒁𝟏 = −𝟐
𝑋2 − 𝑋̅
𝑍2 =
𝜎
900 − 800
𝑍2 =
50
𝒁𝟐 = 𝟐
𝑃(0<X<2)=0,47
𝑃(−2<x<2)=𝑃(-2<x<0)+𝑃(0<x<2)
𝑃(0<x<2)+𝑃(0<x<2)=0,47+0,47=0,94
b)
𝑥 (𝑋−𝜇)2
1 −
𝐹(𝑥) = ∫ ( 𝑒 2𝜎2 )𝑑𝑥
0 𝜎√2𝜋
850 (𝑥−800)²
1 −
𝐹(𝑥) = ∫ 𝑒 2.50² 𝑑𝑥
0 50√2𝜋
𝑭(𝟖𝟓𝟎) = 𝟎, 𝟎𝟎𝟒𝟖
8)
6 𝑝𝑟𝑜𝑑𝑢𝑡𝑜𝑠
𝜇 = 20𝑔 . 6 = 120𝑔
𝜎 = 2𝑔 . 6 = 12𝑔
𝐸𝑚𝑏𝑎𝑙𝑎𝑔𝑒𝑚
µ = 30𝑔
𝜎 2 = 25𝑔
Total: µ = 150𝑔 𝜎 = 37𝑔
X− µ
Z=
𝜎
163 − 150
Z= = 0,35
37