Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
E
DISTRIBUIÇÕES DE PROBABILIDADE
1
REFERENCIAL BIBLIOGRÁFICO
• ANDERSON, David R.; SWEENEY, Dennis J. and WILLIAMS, Thomas A.,
Estatística Aplicada à Administração e Economia. São Paulo: Pioneira
Thomson Learning, 2008.
Variável Aleatória
Uma função X que associa a cada elemento w do
espaço amostral W um valor w R é denominada
uma variável aleatória.
Experimento: jogar 1 dado duas vezes e observar o resultado
(P = par e I= impar)
PP X = 0 II
PI X = 1 IP ou PI
X = 2 PP
IP
II
W 0 1 2
3
Variável Aleatória
4
Variável Aleatória
5
Exemplo:
Observa-se o sexo (característica) das crianças em
famílias com três filhos (M: masculino e F: feminino).
Espaço amostral:
W = {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)}
w1 w2 w3 w4 w5 w6 w7 w8
6
Exemplo:
No mesmo experimento...
Espaço amostral:
W = {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)}
w1 w2 w3 w4 w5 w6 w7
w8
7
Variável Aleatória
8
Exemplo:
Observa-se o tempo de vida, em horas, de lâmpadas
produzidas por uma fábrica.
9
VARIÁVEL ALEATÓRIA DISCRETA
Caracterização
Função de probabilidade: É a função que atribui a
cada valor xi da v. a. discreta X sua probabilidade de
ocorrência e pode ser representada pela tabela:
x x1 x2 ... xn
P(X=x) P(X=x1) P(X=x2) ... P(X=xn)
10
Exemplo 1:
A Faculdade de Ciências Econômicas é formada por
35 professores, sendo 21 homens e 14 mulheres.
Uma comissão de 3 professores será constituída
sorteando, ao acaso, três membros da faculdade..
Qual é a probabilidade da comissão ser formada por
pelo menos duas mulheres?
11
Espaço amostral Probabilidade X
(HHH) 21 20 19 0,203 0
35 34 33
(HHM) 21 20 14 0,150 1
35 34 33
(HMH) 21 14 20 0,150 1
35 34 33
(MHH) 14 21 20 0,150 1
35 34 33
(HMM) 21 14 13 0,097 2
35 34 33
(MHM) 14 21 13 0,097 2
35 34 33
(MMH) 14 13 21 0,097 2
35 34 33
(MMM) 14 13 12 0,056 3
35 34 33
x 0 1 2 3
P(X = x) 0,203 0,450 0,291 0,056
Assim, P(X 2) = P(X=2) + P(X=3) = 0,291 + 0,056 = 0,347.
12
Exemplo 2: Um dado é lançado duas vezes, de forma
independente. Qual é a probabilidade da soma dos pontos
nos dois lançamentos ser menor do que 6?
x 2 3 4 5 6 7 8 9 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
Então,
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
14
Podemos estar interessados em outras variáveis aleatórias
definidas para o mesmo espaço amostral.
z -5 -4 -3 -2 -1 0 1 2 3 4 5
P(Z = z) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
17
MÉDIA E VARIÂNCIA
Qual é o valor médio da soma dos pontos (X) no lançamento
de dois dados? W = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), 36 pontos
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), igualmente
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6), prováveis
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
x P(X = x) (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
2 1/36
3 2/36
6/36
4 3/36
5/36
5 4/36
4/36
6 5/36
P(X=x)
3/36
7 6/36
2/36
8 5/36
1\36
9 4/36
10 3/36 0
2 3 4 5 6 7 8 9 10 11 12
x
11 3/36
12 1/36
18
MÉDIA E VARIÂNCIA
Valor Esperado (média): Dada a v.a. X, assumindo os
valores x1, x2, ..., xn, chamamos de valor médio, ou valor
esperado, ou esperança matemática de X o valor
n
E ( X ) x1 P( X x1 ) ... xn P( X xn ) xi P( X xi )
i 1
Notação: = E(X)
No exemplo, para média 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 média, a soma dos pontos no lançamento dos
dois dados é igual a 7.
19
Variância: É o valor esperado da v.a. (X – E(X))2, ou seja,
se X assume os valores x1, x2, ..., xn, então
n
Var( X ) [ xi - E ( X )]2 P( X xi )
i 1
Notação: σ2 = Var(X).
36 36 36 36
210
5,83.
36
Alternativamente, poderíamos calcular
1 2 2 1
E(X ) 2 3 ... 11 12
2 2 2 2 2
36 36 36 36
1974
54 ,83
36
e, portanto, Var(X) = 54,83 – 72 = 5,83.
21
Propriedades:
E(X) = a e Var(X) = 0.
22
Distribuição de Probabilidades
Distribuições
discretas
Distribuições de
probabilidade
Distribuições
contínuas
Distribuições Discretas
Uniforme ou Retangular
Binomial
Formas da Binomial Negativa ou de Pascal
distribuição Geométrica
discretas Poisson
Multinomial ou Polinomial
Hipergeométrica
Distribuições Contínuas
UNIFORME OU RETANGULAR
NORMAL
BIVARIADA NORMAL
EXPONENCIAL
LOGNORMAL
DISTRIBUIÇÕES
WEIBULL
CONTÍNUAS
QUI-QUADRADO 2
( formas)
t DE STUDENT
F DE SNEDECOR
GAMA
BETA
ERLANG
Distribuição Normal
Um pouco de história
No século XVIII, astrônomos e outros
cientistas observaram que medidas
repetidas de mensurações como a distância
à lua variavam como na figura, quando
coletadas em grande número.
0,10 0,15
0,1
0,05
0,05
0,00 0
,5
,6
,7
,8
,9
,1
,2
,3
,4
,5
30
5
29
29
29
29
29
30
30
30
30
30
19
21
23
25
26
28
30
Distribuição Normal
50% 50%
média
µ a b
OBSERVAÇÃO:
x - µ = distância do ponto considerado à média
x-µ número de desvios padrões a contar da média. Ex.: 2,5
z= desvios padrões
z = valor z ou score z. Pode-se obter valores negativos de z para valores
de x inferiores à média
Distribuição Normal
µ x 0 z
Distribuição Normal
µ = 100,0
= 10,0
(42 – 40)/1 = 2
S=1
escala efetiva 37 38 39 40 41 42 43
Como calcular Z ? -3 -2 -1 0 +1 +2 +3
µ x x-µ (x - µ)/ = z
média desvio padrão valor considerado diferença diferença relativa
µ z µ+z resultado
média desvio padrão valor z cálculo valor efetivo
20 1 3 20 + 3(1) 23
50 3 -1 50 + 3(-1) 47
60 2 -2 60 + 2(-2) 56
68%
95,5%
99,7%
Distribuição Normal - Tabela
0 z
Distribuição Normal - Consultando a tabela
.. 1,25
.
1,0 00 01 02 03 04 05 06 ...
1,2
1,1
0,3944
olhando
.. a tabela
.
Distribuição Normal - Consultando a tabela
Probabilidade de uma
variável aleatória normal
tomar um valor z entre a
média e o ponto situado a
z desvios padrões
0 z
Distribuição Normal - Cálculo da probabilidade
0,3413 0,3413
Exemplos
-1 0 +1 Determinando a área (probabilidade)
sob a curva entre dois pontos
entorno da média
0,1359
1) Após 28 dias de curagem, o cimento de uma certa marca tem uma resistência
compressiva média de 4000psi. Suponha que a resistência tem uma distribuição normal
com desvio-padrão de 120psi. Qual a probabilidade de se comprar um pacote de
cimento com resistência compressiva de 28 dias menor que 3850psi?
N(;) = N(4000,120) psi X = 3850psi
P(z ≤ -1,25)
X 3850 4000
z 1,25 3850 4000
120
Área em vermelho = z = -1,25 = 0,3944
-1,25
2) Uma grande empresa faz uso de milhares de lâmpadas elétricas que permanecem
acessas continuamente. A vida de uma lâmpada pode ser considerada como uma
variável aleatória normal com vida média de 50 dias e desvio-padrão de 15 dias.
Se no dia 1º de agosto foram instaladas 8000 lâmpadas novas, aproximadamente
quantas deverão ser substituídas no dia 1º de setembro?
f(x)
50
N(,) = N(50;15) dias X = 31 dias
X 31 50
z 1,27
15
20 31 35 X
10,20 X
Consultando tabela
temos: 0 2,22 Z
4) O tempo médio que demora para uma viatura de uma determinada cia da PMMG
de Ipatinga atender a uma chamada de emergência é de 8 minutos com desvio-
padrão de 3 minutos. Considere o tempo médio como uma variável normalmente
distribuída para calcular a probabilidade de uma chamada esperar menos de 4
minutos.
f(x)
X 48
z 1,33
3 4 8 X
-1,33 0 Z
Consultando
a tabela: P( x 4) P( Z 1,33) 0,5 0,4082 0,0918 9,18%
Distribuição Normal - Exemplos
ESTATÍSTICA NO CONTROLE DA PRODUÇÃO INDUSTRIAL
5) Um máquina produz peças com o diâmetro médio de 2,00” e o desvio-padrão
de 0,01”. As peças que se afastam da média por mais de 0,03” são consideradas
defeituosas. Qual é a percentagem de peças defeituosa?
f(x)
N(,) = N(2,00;0,01)
X1 = 2,03 e X2=1,97 2
X 2,03 2
z1 3
0,01
X 1,97 2
z2 3 1,97 2 2,03 X
0,01
-3 0 3 Z
z (Z o ) X
-1,65 0,049471 z
N(,) = N(8;1,8) anos
? 0,05
X 8
X=? -1,64 0,050503
1,6449
1,8
1,65 (1,64) 1,65 ( Zx)
0,049471 0,050503 0,049471 0,05
X 5,04anos
Z 0, 05 1,6449