VARIÁVEIS ALEATÓRIAS DISCRETAS
Vamos agora analisar em detalhe algumas variáveis aleatórias discretas, nomeadamente:
• Uniforme
• Bernoulli
• binomial
• binomial negativa (ou de Pascal)
• geométrica • hipergeométrica • poisson • multinomial • hipergeométrica generalizada DISTRIBUIÇÃO UNIFORME
Diz-se que uma v.a. discreta X tem distribuição uniforme se a sua função de probabilidade for dada por:
( )
= = valores outros 0 N ..., , 3 , 2 , 1 x N 1 x pXA v.a. X assume pois um conjunto finito de valores equiprováveis.
O parâmetro que caracteriza esta distribuição é N, um valor inteiro positivo qualquer.
( )
( )
2 1 N ... x p x X E N X i 1 i x i + = = ⋅ ∑ = =( )
=( )
2 −[
( )
]
2 = X E X E X Var = + − ⋅ ∑ = = 2 N 1 i x 2 i 2 1 N N 1 x(
)(
) (
)
4 1 N 6 1 N 2 1 N N N 1 ⋅ + + − + 2 = 12 1 N2 − = DISTRIBUIÇÃO DE BERNOULLISucessão de provas de Bernoulli
Dá-se o nome de provas de Bernoulli a um processo ou experiência caracterizado por repetidas provas que têm lugar nas seguintes condições:
• em cada prova só há dois resultados possíveis, mutuamente exclusivos, denominados sucesso e insucesso.
• a probabilidade de sucesso, designada por p,
mantém-se constante de prova para prova. A probabilidade de
insucesso é designada por q =1− p.
• as provas são independentes, isto é, os resultados obtidos numa certa prova ou sequência de provas não afectam os resultados da(s) prova(s) subsequente(s).
Existem muitas situações reais que respeitam, embora muitas vezes de forma aproximada, as hipóteses subjacentes a um processo de Bernoulli.
Considere-se uma prova de Bernoulli e uma v.a. X que só assume dois valores: o valor 0 quando o resultado da prova é insucesso e o valor 1 quando o resultado da prova
é sucesso. Ao sucesso está associada a probabilidade p e
ao insucesso a probabilidade 1− p = q, fixas.
Diz-se que a v.a. discreta X tem distribuição de Bernoulli se a sua função de probabilidade for dada por:
( )
(
)
⋅ − = = − valores outros 0 1 , 0 x p 1 p x p x 1 x XEsta distribuição tem um só parâmetro p que satisfaz a condição: 0 < p <1 .
O valor esperado e a variância são respectivamente:
( )
X pE =
( )
X p qVar = ⋅
Nestas condições a v.a. X com distribuição de Bernoulli pode definir-se em termos genéricos como:
X – número de sucessos numa prova de Bernoulli DISTRIBUIÇÃO BINOMIAL
A distribuição binomial assenta também no conceito de provas de Bernoulli e é sem dúvida uma das distribuições de probabilidade discretas mais largamente utilizada como modelo teórico adequado a uma grande variedade de situações observáveis na prática.
Esta distribuição é também importante na teoria da amostragem.
A distribuição binomial aparece associada ao seguinte tipo de problema: determinar a probabilidade de, em n provas de Bernoulli, serem obtidos x sucessos (correspondendo à realização de um certo acontecimento A) e portanto
((((
n −−−− x))))
insucessos (não realização de A).
A seguinte sucessão de n provas de Bernoulli é uma sucessão favorável ao objectivo em causa:
provas n insucessos x n sucessos x A ... A ... A A A A ... A ... A A A −
A probabilidade associada a esta sucessão é px qn −x. Reconhece-se facilmente que todas as sucessões favoráveis são equiprováveis e o seu número é
x n
(as diferentes maneiras de obter x sucessos – e portanto
(
n − x)
insucessos – em n provas de Bernoulli).X – número de sucessos em n provas de Bernoulli tem distribuição binomial e escreve-se: X ~ b (n,p) se a sua função de probabilidade for dada por:
( )
(
)
= − = − valores outros 0 n ..., , 2 , 1 , 0 x p 1 p x n x p x n x XOs parâmetros que caracterizam esta distribuição são n e p. O parâmetro n corresponde ao número de provas de Bernoulli a efectuar, sendo n um inteiro positivo qualquer. O parâmetro p corresponde à probabilidade associada ao sucesso e 0 < p <1 . Notar que se X ~ b (n,p) então Y = n – X é também binomial mas, Y ~ b (n,q).
O valor esperado e a variância para esta distribuição são respectivamente:
( )
X n pE = ⋅
( )
X n p qVar = ⋅ ⋅
Estas expressões podem ser obtidas pela definição ou recorrendo à função geradora de momentos, GX
( )
t :( )
( )
n x(
)
n x 0 x x t x t X p 1 p x n e e E t G − = − ∑ = =(
t)
n q ep⋅ +
= em que q =1− p
ASPECTO GRÁFICO DA DISTRIBUIÇÃO BINOMIAL (em função dos parâmetros n e p)
• para p = 0,5 a distribuição binomial é simétrica, qualquer que seja o valor de n.
• para p < 0,5 a distribuição é assimétrica positiva ou enviesada à esquerda.
• para p > 0,5 a distribuição binomial é assimétrica negativa ou enviesada à direita.
• quanto mais afastado estiver p de 0,5 mais enviesada é a distribuição.
• Mesmo para valores de p diferentes de 0,5 quanto maior for n, mais próxima da simetria estará a distribuição.
DISTRIBUIÇÃO BINOMIAL NEGATIVA
Considere-se uma sucessão de provas de Bernoulli. Seja a v.a. X – número de provas a realizar, até se obterem k sucessos.
Admitamos então que se realizam x provas em que ocorrem k sucessos e portanto (x – k) insucessos; a x-ésima prova é sempre um sucesso. Representando o sucesso por A e o insucesso por A temos o seguinte esquema:
( ) ( ) A A A ... A A A A A A provas 1 x sucessos 1 k − −
que salienta o facto de nas primeiras (x – 1) provas ocorrerem ( k – 1 ) sucessos e na x-ésima prova ocorrer sempre o último sucesso pretendido. Este esquema representa apenas uma das maneiras de obter ( k – 1 ) sucessos em ( x – 1 ) provas.
O número de maneiras diferentes de obter ( k – 1 ) sucessos em ( x – 1 ) provas é dado por:
(
)
(
k 1) (
! x k)
! ! 1 x 1 k 1 x − − − = − −As probabilidades associadas ao sucesso e ao insucesso são respectivamente:
P(A) = p e P( A ) = 1 – p = q
Em resumo, diz-se que a v.a. discreta X definida como:
X – número de provas a realizar até se obterem k sucessos
tem distribuição binomial negativa e escreve-se: X ~ bn (k,p) se a sua função de probabilidade for dada por:
( )
(
)
+ = − − − = − valores outros 0 ... , 1 k , k x p 1 p 1 k 1 x x p k x k XOs parâmetros que caracterizam esta distribuição são k e p. O parâmetro k é um inteiro positivo fixado à partida e corresponde ao número de sucessos pretendidos. O parâmetro p corresponde à probabilidade associada ao sucesso e 0 < p <1 . O valor esperado e a variância para esta distribuição são respectivamente:
( )
p k X E =( )
(
2)
2 p q k p p 1 k X Var = ⋅ − = ⋅Estas expressões podem ser obtidas pela definição ou recorrendo à função geradora de momentos, GX
( )
t :( )
( )
k(
)
x 0 x x t k t x t X p 1 p x 1 k x e e e E t G ∑ − + − = = ∞ =(
)
( ) (
)
k t k t k t t e q 1 e p p 1 e 1 e p = ⋅ ⋅ − ⋅ − − ⋅ − ⋅ = em que q =1− p (demonstração ...) DISTRIBUIÇÃO GEOMÉTRICAEsta distribuição é um caso particular da binomial negativa quando k = 1, isto é, considere-se uma sucessão de provas de Bernoulli e seja a v.a. X – número de provas a realizar, até se obter o primeiro sucesso.
Então a caracterização desta variável obtém-se a partir da anterior fazendo k = 1.
X – número de provas a realizar até se obter o primeiro sucesso
tem distribuição geométrica e escreve-se: X ~ g (p) se a sua função de probabilidade for dada por:
( ) (
x 1 p)
p x 1,2,...pX = − x−1 ⋅ =
O parâmetro p corresponde à probabilidade associada ao sucesso e 0 < p <1 .
O valor esperado e a variância para esta distribuição são respectivamente:
( )
p 1 X E =( ) (
2)
2 p q p p 1 X Var = − =Estas expressões podem ser obtidas pela definição ou recorrendo à função geradora de momentos, GX