AULA 5 – VARIÁVEIS ALEATÓRIAS E SUAS DISTRIBUIÇÕES DE PROBABILIDADE
PARTE 2
Autor: Anibal Tavares de Azevedo
ESTATÍSTICA I
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
FATORIAL
O símbolo n!, n fatorial, representa o produto de todos os números inteiros de 1 até n. Isto é:
1
* 2
* ...
* ) 1 (
*
!=n n−
n e 0!=1
Além disso:
)!
1 (
*
!=n n− n
EXEMPLO 4: 5!=5*4*3*2*1=120
EXEMPLO 5: (5−5)!=0!=1
EXEMPLO 6: 6!=6*5!=6*120=720
COMBINAÇÕES
Fornece o número de maneiras que um conjunto de n elementos podem ser combinados para formar subconjuntos contendo x elementos.
)!
(
!
!
, x n x
n x
C n C
Cx n x xn
n = −
=
=
=
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 7:
Três opções de cápsulas de café serão escolhidas a partir de um total de cinco. Quantas são as possíveis combinações?
A B C D E
A B C A B D A B E A C D A C E
A D E B C D B C E B D E C D E
)! 10 3 5 (
! 3
! 5
3
5 =
= − C
EXEMPLO 8:
Quantas são as possíveis combinações da Megasena se 6 números são escolhidos a partir de 60 números possíveis?
! 54
! 6
! 54
* 55
* 56
* 57
* 58
* 59
* 60 )!
6 60 (
! 6
! 60
6
60 =
= − C
3
* 4
55
* 56
* 57
* 58
* 59 1
* 2
* 3
* 4
* 5
* 6
55
* 56
* 57
* 58
* 59
*
60 =
=
55
* ) 7
* 2 (
* 57
* ) 19 (
* 3 59
* 4
55
* ) 7
* 8 (
* 57
* ) 3
* 19 (
*
59 =
=
860 . 063 .
=50
Ocorre quando 4 condições são satisfeitas:
DISTRIBUIÇÃO DE PROBABILIDADES BINOMIAIS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
(1) Um teste (prova de Bernoulli) é repetido n vezes em condições idênticas.
(2) Só existem 2 resultados: sucesso ou insucesso.
(3) A probabilidade de sucesso é p e insucesso q=1-p e constantes durante todos os testes.
(4) Os testes são independentes.
X0
A ruína do apostador
X1 X1
Perde (1-p) Ganha (p)
•••
•••
•••
••• ••••••••••••
Xt Fim de jogo Xt
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES p
p -1 +1
-1
Neste livro o protagonista resolve tomar decisões empregando o resultado da jogada de um dado !
DISTRIBUIÇÃO DE PROBABILIDADES BINOMIAIS
Seja x variável aleatória que fornece o número de sucesso em n testes de um experimento binomial. A distribuição de probabilidades de x é denominada de distribuição de probabilidades binomiais. A probabilidade de ocorrer exatamente x sucessos em n testes é dada por:
x n x x
n C p q
x
P( ) = −
Onde:
n – número de testes,
p – probabilidade de sucesso, q – probabilidade de insucesso, x – número de sucessos em n testes e n-x – número de insucesso em n testes.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 9:
Foi verificado que 5% dos produtos de uma empresa são defeituosos. Um inspetor de controle de qualidade seleciona aleatoriamente 2 produtos. Qual a probabilidade de 1 deles ser defeituoso? E pelo menos 1?
Primeiro Produto Segundo Produto
0,95
0,05
P
D DD
DP PD PP
P(P∩∩∩∩P)=0,9025
P(P∩∩∩∩D)=0,0475
P(D∩∩∩P)=0,0475 ∩
P(D∩∩∩∩D)=0,0025 EXEMPLO 9:
Qual a probabilidade de 1 deles ser defeituoso? E pelo menos 1?
0,95
0,05
0,05 0,95
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 9:
Qual a probabilidade de 1 deles ser defeituoso? E pelo menos 1?
1 2 1
1
2 (0,05) (0,95) )
1
(x = = C p q − = C −
P n x x n x
Onde:
n – número de testes = 2,
p – probabilidade de sucesso (defeito)= 0,05, q – probabilidade de insucesso = 0,95,
x – número de sucessos em n testes = 1 e
n-x – número de insucesso em n testes = (2-1) = 1.
) 0475 ,
0 (
* 2 05 , 0
* 95 , 0
* 2 ) 1
(x = = =
P
Primeiro Produto Segundo Produto
0,95
0,05
P
D DD
DP PD PP
P(P∩∩∩∩P)=0,9025
P(P∩∩∩∩D)=0,0475
P(D∩∩∩P)=0,0475 ∩
P(D∩∩∩∩D)=0,0025 EXEMPLO 9:
Qual a probabilidade de 1 deles ser defeituoso? E pelo menos 1?
0,95
0,05
0,05 0,95
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 9:
) 2 (
) 1 (
) 1
(x ≥ = P x = + P x = P
Qual a probabilidade de 1 deles ser defeituoso? E pelo menos 1?
2 2 2
2
2 (0,05) (0,95) )
2
(x = = C p q − = C −
P n x x n x
Onde:
n – número de testes = 2,
p – probabilidade de sucesso (defeito)= 0,05, q – probabilidade de insucesso = 0,95,
x – número de sucessos em n testes = 2 e
n-x – número de insucesso em n testes = (2-2) = 0.
0025 ,
0 05 , 0
* 05 , 0
* 1 ) 2
(x = = =
P
0025 , 0 0475 , 0
* 2 ) 2 (
) 1 ( ) 1
(x ≥ = P x = +P x = = +
P
FORMATO DA BINOMIAL
Para qualquer número de testes n, a distribuição de probabilidades binomial é:
•Simétrica se p = 0,5;
•Assimétrica à direita se p < 0,5;
•Assimétrica à esquerda se p > 0,5.
EXEMPLO 10:
Para n = 4:
p=0,5 p=0,3 p=0,8
x p(x) p(x) p(x)
0 0,0625 0,2401 0,0016
1 0,2500 0,4116 0,0256
2 0,3750 0,2646 0,1536
3 0,2500 0,0756 0,4096
4 0,0625 0,0081 0,4096
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
FORMATO DA BINOMIAL
Para qualquer número de testes n, a distribuição de probabilidades binomial é:
•Simétrica se p = 0,5;
•Assimétrica à direita se p < 0,5;
•Assimétrica à esquerda se p > 0,5.
EXEMPLO 10:
Para n = 4:
0,1000 0,1500 0,2000 0,2500 0,3000 0,3500 0,4000 0,4500
p=0,50 p=0,30 p=0,80
FORMATO DA BINOMIAL
Para qualquer número de testes n, a distribuição de probabilidades binomial é:
•Simétrica se p = 0,5;
•Assimétrica à direita se p < 0,5;
•Assimétrica à esquerda se p > 0,5.
EXEMPLO 10:
Para n = 4:
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
MÉDIA ARITMÉTICA E DESVIO=PADRÃO DA BINOMIAL
A média e o desvio-padrão da distribuição de probabilidade binominal são dados por:
= np µ
= npq δ
µµµµ- média aritmética n – número de testes p – probabilidade de sucesso
δδδδ- desvio-padrão n – número de testes
p – probabilidade de sucesso, q = 1-p.
As mesmas condições das binomiais, exceto pelo fato de que os experimentos não são independentes. Neste caso, a probabilidade de ocorrer exatamente x sucessos é dada por:
DISTRIBUIÇÃO DE PROBABILIDADES HIPERGEOMÉTRICAS
n N
x r n xN r
C C x C
P( ) = − −
Onde:
N – número total de elementos da população,
r – sucessos na população (N-r = insucessos na pop.), n – número de testes (tamanho da amostra),
x – sucessos em n testes (n-x = insucessos na amostra).
Sucessos na pop. e na amostra
Insucessos na pop. e na amostra Total na pop. e na amostra
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 10:
Uma empresa remeteu 25 peças para uma loja, mas 5 destas tinham defeito. Quando isto foi descoberto, 4 peças das 25 tinham sido vendidas. Qual a probabilidade de que 3 das 4 vendidas serem perfeitas e 1 ter defeito?
EXEMPLO 10:
Uma empresa remeteu 25 peças para uma loja, mas 5 destas tinham defeito. Quando isto foi descoberto, 4 peças das 25 tinham sido vendidas. Qual a probabilidade de que 3 das 4 vendidas serem perfeitas e 1 ter defeito?
4 25
1 5 3
20 *
) 3
( C
C C
C C x C
P
n N
x r n xN
r =
=
= − −
Onde:
N – número total de elementos da população = 25, r – sucessos (perfeitas) na população = 20 (N-r = 5), n – número de testes = 4,
x – sucessos (perfeitas) em n testes = 1 (n-x = 3).
)!
4 25 (
! 4
! 25
)!
1 5 (
! 1
!
* 5 )!
3 20 (
! 3
! 20
−
−
= −
4506 , 12650 0
5
* 1140 =
=
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 10 – FORMA ALTERNATIVA:
Uma empresa remeteu 25 peças para uma loja, mas 5 destas tinham defeito. Quando isto foi descoberto, 4 peças das 25 tinham sido vendidas. Qual a probabilidade de que 3 das 4 vendidas serem perfeitas e 1 ter defeito?
4 25
3 20 1
5 *
) 1
( C
C C
C C x C
P
n N
x r n xN
r =
=
= − −
Onde:
N – número total de elementos da população = 25, r – sucessos (defeitos) na população = 5 (N-r = 20), n – número de testes = 4,
x – sucessos (defeitos) em n testes = 1 (n-x = 3).
)!
4 25 (
! 4
! 25
)!
3 20 (
! 3
!
* 20 )!
1 5 (
! 1
! 5
−
−
= −
4506 , 12650 0
1140
*
5 =
=
Ocorre quando 3 condições são satisfeitas:
DISTRIBUIÇÃO DE PROBABILIDADES DE POISSON
(1) X deve ser variável aleatória discreta.
(2) As ocorrências devem ser aleatórias.
(3) As ocorrências devem ser independentes.
Exemplos que seguem distribuição de Poisson:
(A)Número de acidentes em uma rodovia em 1 semana;
(B)Número de clientes que entram em um supermercado em 1 hora;
(C)Número de aparelhos de televisão vendidos em 1 semana.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
Número de passageiros que chegam em um aeroporto
Número de pacientes que chegam em um consultório
A chegada de pacientes em um consultório ou em um aeroporto não são aleatórias, pois os horários de chegadas são agendados e a distribuição de Poisson não pode ser aplicada. A fórmula de distribuição de probabilidade de Poisson é:
) !
( x
x e P
x λ
λ −
=
Onde: λλλλ é a média aritmética do
EXEMPLO 11:
Uma empresa oferece exame gratuito de seus produtos por 7 dias. Foi observado que em média 2 de 10 produtos vendidos são devolvidos. Usando Poisson, encontrar a probabilidade de exatamente 6 produtos de 40 vendidos serem devolvidos.
1221 , 720 0
) 00033546 ,
0 (
* ) 14 , 262 (
! 6 8 ) !
6 (
8
6 = =
=
=
= − e−
x x e
P
x λ
λ
Observar que se 2 em 10 são devolvidos, então:
2 em 10 são devolvidos λ em 40 são devolvidos
Logo, λ = 8 produtos devolvidos.
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
EXEMPLO 12:
O Exemplo 11 pode ser resolvido utilizando-se uma binomial. Para tanto, observar que a probabilidade de sucesso (probabilidade produto devolvido) é p = 2/10 = 0,20, o número de testes é n = 40 (produtos vendidos) e o número de sucessos é x = 6 (produtos devolvidos).
6 40 6 6
) 40
6
(x = = C p q − = C p q − P n x x n x
34 6(0,8) )
2 , 0 ( )!* 6 40 (
! 6
! 40
= −
1246 , 0 00050706 ,
0
* 000064 ,
0
* 380 . 838 .
3 =
=
Na verdade, para n grande, isto é n > 25 e µµµµ ≤≤≤≤ 25, é mais fácil usar a Poisson do que a binomial. Se n > 25 e µµµµ > 25 é melhor usar a distribuição Normal (próximo capítulo).
EXEMPLO 13:
Uma loja consegue vender 0,9 carros em média por dia.
Calcular e desenhar o gráfico da distribuição de Poisson associada para valores do número de vendas de 0 até 6 carros.
x P(x)
0 0,4066 1 0,3659 2 0,1647 3 0,0494 4 0,0111 5 0,0020 6 0,0003
0 0,1 0,2 0,3 0,4 0,5
1 2 3 4 5 6 7
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES
MÉDIA ARITMÉTICA E DESVIO-PADRÃO DA POISSON
A média e o desvio-padrão da distribuição de probabilidade de Poisson são dados por:
λ µ =
λ δ =
µµµµ- média aritmética λλλλ– média de ocorrências
δδδδ- desvio-padrão λλλλ– média de ocorrências