Aula 05

Simulao (Planejamento de Empresas)
Prof. Paulo Srgio Coelho
Simulao (Planejamento e
Estratgia das Empresas) Prof. Paulo Srgio
Coelho
Aula 05:
Distribuies discretas
Distribuies contnuas
Conceitos Bsicos
Variveis Aleatrias
Espao amostral da varvel X: RX
Variveis Aleatrias Discretas x Contnuas
Funo de massa de probabilidade x Funo de densidade de

probabilidade
Funo de distribuio acumulada
Valor Esperado: E(X)

2
Varincia: V(X) V ( X ) xi E ( X ) p( xi )
RX
V ( X ) E X 2 E ( X )
Desvio Padro: s(X)

Moda
Departamento de Anlises Quantitativas

Faculdade de Cincias Econmicas/UERJ

Exemplo
Considere o experimento de arremessar um dado

comum de jogos
Seja X o nmero de pontos na face que fica para cima
depois do arremesso do dado
RX = {1, 2, 3, 4, 5, 6}
Seja xi
1
2
3
4
5
6
p(xi) 1/21 2/21 3/21 4/21 5/21 6/21

Satisfazendo as duas condies para ser uma
distribuio de probabilidades:
1.
p(xi) 0
2.
p( xi ) 1
RX
Exemplo (cont)
A distribuio acumulada :
xi (-,1) [1,2) [2,3) [3,4) [4,5) [5,6) [6, )

p(xi)
1/21 3/21 6/21 10/21 15/21 21/21
Atendendo as propriedades:
1.
2.
3.
Uma funo no decrescente;

lim x F ( X ) 1
lim x F ( X ) 0
Valor Esperado:
E ( X ) xi p( xi ) = 4,33
R
Varincia: V(X) = 2,22
Desvio Padro: s(X) = 1,49
X


Outro Exemplo
O tempo de vida de um dispositivo usado para

inspecionar fissuras em uma asa de avio dado por
1 x /2
, x0
e
f ( x) 2
0,
caso contrrio
(distribuio exponencial
com mdia de 2 anos)
Outro exemplo (cont.)
A probabilidade de que a vida do dispositivo esteja

entre 2 e 3 anos determinada por:
3
P (2 X 3)
2
1
f ( x)dx e x /2 dx e 3/2 e 1 0, 223 0,368
22
0,145
A distribuio acumulada dada por:

x
1
F ( x) e t /2 dt 1 e x /2
20
A probabilidade que a vida seja de menos que 2 anos:
P (0 X 2) F (2) F (0) 1 e 1 1 e0 0, 632
A probabilidade que a vida esteja entre 2 e 3 anos:
P (2 X 3) F (3) F (2) 1 e 3/2 1 e 1 0, 223 0,368
0,145


Outro exemplo (cont.)
O valor esperado do tempo de vida :

E( X )
RX
xf ( x)dx 1 xe x /2 dx
2 0
E a varincia:
V ( X ) E X 2 E ( X )
E( X 2 )
RX
x 2 f ( x)dx 1 x 2 e x /2 dx
2 0
V ( X ) 8 22 4
s (X ) 4 2
Modelos de Distribuio de Probabilidade
Toda varivel aleatria est associada a uma

distribuio de probabilidades distinta;
A determinao das probabilidades fica simplificada se
conhecermos os modelos tericos de distribuies de
probabilidades
So, na realidade, funes matemticas que permitem o

clculo das probabilidades de forma bastante rpida e simples
Poucos modelos cobrem praticamente todos os problemas
usuais;
Seu uso permite que nos concentremos nos fatores que

efetivamente afetam sua tomada de deciso;
Questes algbricas podem ser desprezadas;



Distribuies tericas na Simulao

Sistemas de Fila
Modelar tempo entre chegadas e tempo de atendimento

Distribuies Exponencial (Gama e Weibull) e Normal (Normallimitada)
Sistemas de Inventrio
Modelar demanda por tempo, tempo entre as demandas e tempo de

espera para chegada de um pedido
Distribuies Geomtrica (Binomial Negativa), Poisson
Sistemas de Confiana e Manuteno
Modelar tempo at a falha

Distribuio Exponencial (Gama e Weibull) e Lognormal
Outros sistemas
Distribuies Uniforme, Triangular e Beta

Bernoulli, Binomial e Hiperexponencial
10
Distribuio de Bernoulli
Vrias situaes caracterizam-se por apresentar dois estados ...
No lanamento de uma moeda, tirararmos ou no cara;

Em uma linha de montagem, uma pea sair defeituosa ou no;
Ao classificarmos os resultados acima em Sucessos [S] ou

Insucessos [I], poderemos atribuir probabilidades...
p(S)=p; p(I)=q;
p+q=1 q=1-p;
E( X ) p
V (X ) p q
Exemplo:
Definindo tirar 4 ao lanar um dado no viciado como sucesso, temos

p=1/6 e q=5/6.

11

Distribuio Binomial
Se uma Distribuio de Bernoulli repetida n vezes de forma
independente (ou seja, garantindo que um resultado no
influencie o seguinte), obtem-se a Distribuio Binomial. Em
resumo, na Binomial:
Cada tentativa apresenta Sucesso (S) ou Insucesso (I);

A probabilidade de sucesso p
As tentativas so independentes (uma no afeta a outra);
X mede o nmero de sucessos em n tentativas;
Para certo x, dados n, p (ache q = 1 p), usar:

n
p ( X x | n, p ) p x q n x
x
E( X ) n p
sendo
n
n!

x
x !(n x)!
V (X ) n p q
12
Distribuio Binomial
Alternativamente ao uso da frmula, use a funo
DISTRBINOM do Excel:
P(X=k) use DISTR.BINOM(k;n;p;0)

P(Xk) use DISTR.BINOM(k;n;p;1)
Exemplo
Qual a probabilidade de tirarmos 2 caras no lanamento de 3 moedas ? E
tirarmos 3 caras ?
Temos n=3, p=1/2=0.5
Para k=2 caras, no Excel faa DISTR.BINOM(2;3;0.5;0)
Para k=3 caras, no Excel faa ___________________

13

Distribuio Binomial
Exemplo
O percentual de peas defeituosas em uma linha de

produo de 5%;
Considerando uma amostra com 10 peas, qual a
probabilidade de encontramos:
Exatamente 2 peas defeituosas?

At 2 peas defeituosas?
Mais do que 2 peas defeituosas?
14
Distribuio Binomial
Exemplo (cont.)
Supondo amostras com 100 elementos:
qual o valor esperado para o nmero de peas defeituosas em

cada amostra? Como interpretar este resultado?
qual o devio padro para o nmero de peas defeitusas?

15

Distribuio Geomtrica
Ainda relacionado a processos de Bernoulli, considere

agora que X a quantidade de tentativas necessrias
para alcanar o primeiro sucesso.
q x 1 p, x 1, 2,...
p( x)
caso contrrio
0,
E( X )
V (X )
1
p
q
p2
Sem rotina auxiliar no Excel
16
Distribuio Geomtrica
Exemplo
Quarenta por cento das impressoras de jato de tinta so

rejeitadas na inspeo
Qual a probabilidade de que a primeira impressora
aceitvel seja a terceira inspecionada?
Seja Sucesso = ser aceitvel
p 0, 6
e ento
q 0, 4
p (3) q x 1 p 0, 42 0, 6 0, 096
Quando esperado encontrar a primeira impressora

aceitvel? Com que variabilidade?
E( X )
1
1
1, 67
p 0, 6
V (X )
q
p
0, 4
0, 62
1,11

17

Distribuio de Poisson
Descreve diversos processos aleatrios e bem simples
Conta o nmero de vezes que um evento especfico ocorre em
uma determinada rea de oportunidades (definida por meio de
tempo, extenso, rea, etc.)
Ex.: defeitos na pintura,

nmero de falhas no dia,
nmero de pessoas que chegam ao banco em uma hora
nmero de pulgas no pelo de um cachorro
Descrita por um nico parmetro, a (>0) que aponta para a

prpria mdia da distribuio
e a a x
, x 0,1, 2,...
p( x) x !
0,
caso contrrio
E( X ) a
V (X ) a
18
Caractersticas
A probabilidade de que um evento especfico ocorra em

uma determinada rea de oportunidades a mesma para
todas as reas de oportunidades;
O nmero de eventos que ocorrem em diferentes reas

de oportunidades so independentes
A probabilidade de ocorrncia de dois ou mais eventos

tende a zero quando a rea de oportunidades vai se
tornando menor.

19

Exemplo
Sabe-se que o nmero mdio de acidentes de trabalho

2,5 por ms, e segue uma distribuio de Poisson.
Qual a probabilidade de que no prximo ms nenhum

acidente de trabalho venha a ocorrer?
Qual a probabilidade de que no prximo ms um acidente
de trabalho venha a ocorrer?
Qual a probabilidade de que no prximo ms de trabalho 2
ou mais acidentes de trabalho venham a ocorrer?
20
Frmulas no Excel
possvel usar a funo do Excel:
=DIST.POISSON(x ; a ; 0)
Para distribuio acumulada at x:
=DIST.POISSON(x ; a ; 1)

21
10

Outro exemplo
A demanda durante a espera de

um pedido distribuda por
Poisson, com uma mdia de 10
unidades.
Deseja-se obter a quantidade
de unidades a ser mantida em
estoque (estoque de segurana)
de forma que apenas 5% das
vezes a demanda supere este
estoque de segurana
22
Distribuio Exponencial
Funo de densidade de
probabilidade
Funo de distribuio
acumulada
e x , x 0
f ( x)
caso contrrio
0,
1 e x , x 0
F ( x)
caso contrrio
0,

23
11

Distribuio exponencial
como uma taxa de ocorrncia (quantidade de

ocorrncias por tempo)
modelar o tempo entre chegadas, completamente aleatrio
modelar o tempo de servio, altamente varivel
como uma taxa de falha (1/quantidade mdia de

tempo para falhar)
tempo de vida de um componente que falha instantaneamente
E( X )
1
V (X ) 2
24
Efeito do valor de
2
=2
1,8
1,6
= 1,5
1,4
=1
1,2
1
= 0,5
0,8
0,6
0,4
0,2
0
0
0,2 0,4 0,6 0,8
1,2 1,4 1,6 1,8
2,2 2,4 2,6 2,8

3
25
12

Exemplo
Suponha que a vida de uma lmpada industrial, em
milhares de horas, exponencialmente distribuda com
taxa de falha = 1/3 (uma falha a cada 3.000 horas, em
mdia)
x /3
F ( x) 1 e
A probabilidade de que a lmpada dure menos que 3.000

horas :
P( x 3) F (3) F (0) F (3) 1 e 3/3
A probabilidade de que a lmpada dure entre 2.000 e 3.000

horas :
2/3
P (2 x 3) F (3) F (2) 0, 6321 1 e
1 0,367879 0, 6321
0, 6321 0, 4866 0,1455
A probabilidade de que a lmpada dure mais que a mdia :

P ( x 3) 1 P( x 3)
1 0, 6321
0,3679
26
Probabilidade Acumulada maior do que
A probabilidade que a lmpada dure mais que 5.000

horas :
P ( x 5) 1 P( x 5) 1 1 e 5/3
e 5/3 0,1889
Ou seja:
P( x t ) 1 P( x t ) 1 1 e t e t

27
13

Probabilidade Condicionada
P A | B
P A e B
P B
A probabilidade que a lmpada dure mais que 5.000

horas, sendo que j dura h 4.000 horas :
P ( x 5 | x 4)
P ( x 5)
P ( x 4)
e 5/3
e
4/3
e 1/3
0, 7165
Ou seja:
P( x s t | x t )
P( x s t ) e ( s t )
t e s
P( x t )
e
28
A Distribuio Exponencial e a
O intervalo de tempo entre duas ocorrncias (chegadas)

segue uma distribuio exponencial com parmetro
SE E SOMENTE SE
O nmero de chegadas em um intervalo de tempo
segue uma distribuio de Poisson com mdia
Exemplo:
Processos em uma mquina chegam segundo uma distribuio

de Poisson com mdia de = 2 processos por hora
Neste caso, o tempo mdio de chegada segue uma
distribuio exponencial com o mesmo parmetro . Sabemos
que, neste caso, o valor esperado para a prxima chegada
1/ = 1/2 hora

29
14

Distribuio Gama
Funo Gama
b x b 1e x dx
0
Integrando: b b 1 b 1
Generaliza a noo de fatorial para todos os nmeros

positivos, no apenas inteiros
Funo de densidade de probabilidades:

b 1 bq x
bq
, x0
b bq x e
f ( x)
0,
caso contrrio
b o parmetro de forma e
q o parmetro de escala
30
Distribuio Gama (cont.)

1
V (X )
E( X )
So:
bq 2
q
Distribuio Acumulada:
bq
bq t b 1 e bq t dt ,
1 x
F(X )
1
0,
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
( b )
x0
caso contrrio
b=3
b=2
b=1
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3

31
15

Distribuio Gama e Distribuio Exponencial
Se b um inteiro, ento a distribuio gama pode ser

considerada uma soma de b variveis com distribuio
exponencial de parmetro bq :
Se:
X X 1 X 2 ... X b
sendo
bq e bq x j , x 0
g(x j )
caso contrrio
0,
e ainda Xj mutuamente independentes, ento

b 1 bq x
bq
, x0
b bq x e
f ( x)
0,
caso contrrio
32
Distribuio Gama no Excel
Os parmetros da Distribuio Gama costumam ser

apresentados de diferente forma;
No Excel:
=DIST.GAMA( X ; alfa ; beta ; cumulativo)
Excel
Frmula
Alfa
Beta
bq

33
16

Distribuio (de) Erlang
Se um cliente passa por k estaes de atendimento:

1
Sendo que:
o prximo cliente s entra na primeira estao quando o

cliente anterior tiver sado da ltima
cada estao tem o tempo de servio distribudo
exponencialmente com mdia kq
Ento o tempo total de atendimento tem uma

distribuio Gama com parmetros b e q.
34
Distribuio Erlang Acumulada
A integral da funo de probabilidade acumulada

quando b = k inteiro torna-se:
k 1 e kq x kq x i
1
,
F(X )
i!
i 0
0,
E( X )
V (X )
1
kq
x0
Distribuio de
Poisson com parmetro
kq x;
Probabilidade de k 1
ocorrncias
caso contrrio
moda( X )
k 1
kq

35
17

Distribuio de Erlang
Exemplo
Durante os trs meses mais frios do ano Paulo no vai

na sua casa de praia. Mas para desencorajar possveis
assaltantes ele decidiu manter uma luz acesa.
Criou um mecanismo com duas lmpadas em srie, de
forma que se a primeira falhar a segunda entra em ao.
Nas embalagens das lmpadas est escrito que o tempo
mdio de vida de 1000 horas, distribudas
exponencialmente.
Qual a probabilidade de que uma das lmpadas ainda
esteja acesa quando o professor retornar?
36
Exemplo soluo
Os dados do problema indicam os parmetros:
k = 2 (etapas = lmpadas)
kq = 1/1000 (durao mdia de cada lmpada)
q = 1/2000 (parmetro usado na frmula analtica, mas no
necessrio na funo DIST.POISSON do Excel)
Resolvendo:
P( X 2160) 1 P( X 2160) 1 F (2160)
F (2160) 1 DIST.POISSON(1;2160/1000;1) 1 0,3644 0, 6356
P( X 2160) 1 0,6356 0,3644

37
18

Outro exemplo
Um exame mdico realizado em trs etapas. Cada

etapa tem tempo mdio de realizao de 20 minutos,
distribudos exponencialmente
k = 3 etapas
kq = 1/20, ento q = 1/60
Qual a probabilidade de que o exame total dure 50 minutos ou
menos? P( X 50) F (50) 1 DIST.POISSON(2;50/20;1)
P ( X 50) 1 0,5438 0, 4562
Qual o tempo esperado do exame?
Qual o tempo modal?
moda( X )
E( X )
60
k 1 3 1
40
kq
1/ 20
38
Distribuio de Weibull
Amplia possibilidades da funo exponencial
Funo de densidade de probabilidade:
Parmetros:
a 1 x v
a x v
b , xv
f ( x) b b e

caso contrrio
0,
v, parmetro de localizao ( < v < )

b, parmetro de escala (b > 0)
a, parmetro de forma (a > 0)
Funo de Probabilidade Acumulada:

a
x v
F ( x) 1 e b , x v
0,
caso contrrio

39
19

Funes de Densidade
Grficos
v=0
a = 0,5
b = 0,5
2
1,8
1,6
1,4
v=0
a = 3,0
b = 1,0
v=0
a = 1,0
b = 1,0
1,2
1
0,8
v=0
a = 2,0
b = 1,0
0,6
0,4
0,2
0
0
0,2 0,4 0,6 0,8
1,2 1,4 1,6 1,8
2,2 2,4 2,6 2,8
3
40
Distribuio de Weibull
Valor Esperado e Varincia
O valor esperado da Distribuio de Weibull :
1
E ( X ) v b 1
a
x 1 t
x t e dt
Onde
0
pode ser calculada no Excel fazendo =EXP(LNGAMA(x))
A varincia da Distribuio de Weibull :

2 1 2
V ( X ) b 1 1
a a


41
20

Distribuio Weibull e a
Quando v = 0 e a = 1, a distribuio de Weibull

reduzida a:
1 x/ b
, x0
e
f ( x) b
0,
caso contrrio
Que uma distribuio exponencial com mdia
42
Distribuio de Weibull no Excel

43
21

Exemplo
O tempo de falha para um painel de tela plana tem uma

Distribuio de Weibull com v = 0, a = 1/3, e b = 200
horas.
Qual o tempo mdio para falhar?

1
E ( X ) v b 1
a
0 200 4
200 6
Qual a probabilidade de que uma unidade falhe antes de

2.000 horas?
P ( X 2.000) F (2000) DIST.WEIBULL(2000;1/ 3; 200;1)
0,8840
44
Outro Exemplo
O tempo para uma aeronave pousar e liberar a pista de

pouso em um importante aeroporto internacional segue
uma Distribuio de Weibull com v = 1,34 minutos,
a = 0,5, e b = 0,04 minutos
Qual a probabilidade de que uma aeronave em aproximao

leve mais que 90 segundos para pousar e liberar a pista?
P( X 90) 1 P( X 90) 1 F (90)

1 DIST.WEIBULL(1,5 1,34;0,5;0, 04;1)
1 0,8647
0,1353

45
22

Distribuio Normal
Tambm chamada de Distribuio de Gauss ou

Gaussiana
Notao especial: X
Funo de densidade:
f ( x)
N ,s 2
s 2
1 x

e 2 s
Distribuio Normal
Propriedades
1. limx - f(x) = 0 e limx f(x) = 0
O valor de f(x) se aproxima de zero quando x se torna muito pequeno

(negativo) ou muito grande (positivo)
2. f ( x) = f ( + x)
A funo de densidade de probabilidade simtrica
3. O mximo valor da funo de densidade de probabilidade

ocorre em x =
Ou seja, a mdia e a moda so iguais

f(x)

47
23

Funo de Probabilidade Acumulada e
Distribuio Normal Padro
A Funo de Probabilidade Acumulada da Distribuio

Normal :
F ( x) P( X x)
1 t

e 2 s
dt
Esta integral calculada por mtodos numricos;

Cada valor de e s resultar em valores diferentes
t
Transformao: z
s
E a integral normal padro est tabelada:
F ( z ) P( Z z )
e t
/2
dt
Que resulta sempre no mesmo valor

48
Distribuio Normal
Exemplo:
Analisando os pesos de
itens trasportados por
aquela empresa, chegouse concluso de que eles
so normalmente
distribudos, com mdia
1.000kg e desvio-padro
150kg.
X: peso do item a ser transportado

X N( 1000, s 2 1502)
rea = ?
1.000

24

Distribuio Normal
Exemplo Excel
O Excel permite que calculemos a probabilidade

acumulada de -infinito at um valor qualquer:
Resultado da funo
DIST.NORM.N
P ( X x) F ( x) DIST.NORM.N( x;1.000;150;1)
Distribuio Normal
Exemplo Excel
Calculamos ento:
P ( X 1.150) F (1.150)

25

Distribuio Normal
Outro exemplo:
Considerando ainda os pesos dos itens

trasportados por aquela empresa
(mdia = 1.000 e desvio padro = 150)
Qual a probabilidade de encontrarmos
itens pesando mais que 1.210 kg?
rea = ?
P ( X 1.210) 1 F (1.210)
1 DIST.NORM.N(1210;1000;150;1)
1 0,9192 0, 0808
1.000
1.210
Distribuio Normal
E mais outro exemplo
Deseja-se saber agora a probabilidade de encontrar itens

pesando entre 800kg e 1.100kg;
Probabilidade
Procurada
800
1.000 1.100

26

Calculo em duas etapas

P(X< 1.100)
1.100
P(X< 800)
800
P(X<1.100) - P(X< 800)

800
1.000 1.100
Clculos - Excel
1.100
800
800
1.000 1.100

27

Outra situao
Exemplo (Inversa da Distribuio)
Para o mesmo conjunto de dados, diga qual o peso que est

associado a uma probabilidade de 40%, ou seja, existe 40%
de probabilidade que o peso seja at quanto?
40%
A distribuio uniforme
Um determinado valor assume a mesma probabilidade

de ocorrncia em qualquer lugar do intervalo (a ; b)
1
, se a x b
f (X ) b a
0,
caso contrrio
A distribuio Uniforme normalmente chamada de

Distribuio Retangular:
Distribuio Acumulada:
f (X )
0,
xa
xa
F ( x)
, a xb
b a
1,
xb
1
ba
b

57
28

A distribuio uniforme
f (X )
1
ba
P( x1 X x2 ) F ( x2 ) F ( x1 )
x2 x1
ba
a
Funo de densidade
de probabilidade
x1
x2
Funo de distribuio
acumulada
58
Mdia e Varincia da Distribuio
Valor Esperado:
Varincia:
A distribuio uniforme vital para a simulao:
Nmeros aleatrios so uniformemente distribudos entre 0 e

1;
Nmeros aleatrios sero usados para gerar amostras de
variveis aleatrias de qualquer outra distribuio

59
29

Distribuio Uniforme
Exemplo 1
Deseja-se simular a operao de um armazm

Aproximadamente a cada 3 minutos um operador de
empilhadeira chamado para uma certa localizao
Dispondo apenas destas informaes possvel usar
uma distribuio uniforme, com a maior varincia
possvel:
2
max V ( X )
s.r.
b a
12
ab
3
2
b 6a
Quanto menor o a,
maior o b e portanto
maior a diferena (b
a)
Com apenas estas informaes podemos usar uma

distribuio uniforme com a = 0 e b = 6.
60
Distribuio Uniforme
Exemplo 2
O nibus passa a cada 20 minutos naquele ponto, desde

as 6:40h at as 20:40h.
Um passageiro que no conhecia esta agenda ia todas as
manhs para o ponto em um horrio aleatrio
(distribuio uniforme) entre as 7:00h e 7:30h
Qual a probabilidade de que este passageiro espere
mais do que 5 minutos pelo nibus?
f (X )
1
30
30
O nibus passar as 7:00h,

as 7:20h e as 7:40h
A probabilidade do
passageiro chegar
minutos exatamente as 7:00h (ou as
aps 7h 7:20h) zero

61
30

Distribuio Uniforme
Exemplo 2 (cont.)
Se o passageiro chegar entre 7:00h e 7:15h ele ter que esperar 5
minutos ou mais pelo nibus das 7:20h
Se o passageiro chegar entre 7:20h e 7:30h ele ter que esperar
mais que 5 minutos pelo nibus das 7:40h
P (0 X 15) P(20 X 30) F (15) F (0) F (30) F (20)
f (X )
1
30
15
20
30
15 0 30 20
0,8333
30
30
O nibus passar as 7:00h,

as 7:20h e as 7:40h
A probabilidade do
passageiro chegar
minutos exatamente as 7:00h (ou as
aps 7h 7:20h) zero
62
f ( x)
Distribuio Triangular
Funo de Densidade
2
ca
de Probabilidade:
2 x a
, a xb
b a c a
2 cx

f ( x)
, bxc
c b c a
0,
caso contrrio
Funo de
Probabilidade
Acumulada:
xa
0,
2
x a
, a xb
b a c a
F ( x)
c x 2
, bxc
1
c b c a
1,
xc

63
31

Distribuio Triangular
Moda, Valor Esperado e Varincia
A moda ocorre em x = b
O valor esperado :
Ocorre que
Como
b 3E ( x ) a c
a b c a 3E ( x ) a c c
2a c
a 2c
E ( x)
3
3
E a Varincia (pouco usada) :

V ( x)
a 2 b 2 c 2 ab ac bc
18
64
Exemplo
O tempo consumido por uma CPU para programas que

ela vai executar tem uma distribuio triangular com
a = 0,05 segundos, b = 1,1 segundos e c = 6,5 segundos.
Qual a probabilidade de que o tempo necessrio para a CPU

executar um programa aleatrio seja de 2,5 segundos ou
menos

65
32

Outro Exemplo
Um sensor eletrnico determina a qualidade de chips de

memria, rejeitando aqueles que falham.
Os dados do sensor indicam que o nmero mnimo de
sensores que falham durante qualquer hora zero, o
nmero mximo 10 e a mdia 4.
Sem maiores informaes o departamento de qualidade
assumiu que a distribuio da quantidade de falhas
segue uma distribuio triangular
1. Qual a moda da distribuio?
2. Qual a mediana da distribuio?
3. Como fica o grfico da funo de densidade?
66
Outro Exemplo
Soluo
1. A moda o valor de b:
4
0 b 10
3
b2
2. A mediana tal que P(x<mediana) = 0,5
Observaremos a < mediana < b ou b < mediana < c?

Como
, conclumos que a mediana
maior do que b
Assim,

67
33

Outro Exemplo
3. Grfico
f ( x)
0,2
A (total)=0,5
A=0,2
2
3,68 4
10
68
Distribuio Lognormal
Quando uma varivel aleatria Y N ( , s 2), ento

X = eY segue uma Distribuio Lognormal com
parmetros e s 2
Funo de densidade
Valor Esperado e Varincia

69
34

Algumas Funes de Densidade

1,8
1,6
E(X) = 1
V(X) = 4
1,4
E(X) = 1
V(X) = 1
1,2
1
0,8
E(X) = 1
V(X) = 0,5
0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 2,6 2,8 3
70
Reconstruindo a Distribuio Normal
Os parmetros da Distribuio Normal podem ser

determinados com base nos parmetros da Distribuio
Lognormal:
E ( x) 2
E ( x) 2 V ( x) 2
E ( x) 2 V ( x) 2
s ln
E ( x) 2
ln

71
35

Exemplo
A taxa de retorno de um investimento voltil

modelada como tendo uma distribuio lognormal com
mdia (valor esperado) igual a 20% e Varincia 5%.
Quais os parmetros da Distribuio Lognormal?
ln
E ( x) 2
E ( x) 2 V ( x) 2
E ( x) 2 V ( x) 2
s ln
E ( x) 2
202
ln
2
2
20 5
2,9654
0, 0606
202 52
ln
202
72
Distribuies Empricas Contnuas
As distribuies empricas so observadas e no podem

ser ajustadas a um modelo terico
A soluo usada somente quando no h alternativa, pois a

existncia de parmetros desejvel para anlises posteriores
Uma varivel aleatria contnua pode ser modelada

atravs de uma distribuio de frequncia:
Intervalo
Frequncia
Frequncia
Relativa
Frequncia
Acumulada
0 < x 0,5
21
0,21
0,21
0,5 < x 1,0
12
0,12
0,33
1,0 < x 1,5
29
0,29
0,62
1,5 < x 2,0
18
0,19
0,81
2,0 < x 2,5
0,08
0,89
2,5 < x 3,0
11
0,11
1,00

73
36

Grficos das Funes de Densidade e Distribuio
Acumulada
0,3
Funo de Densidade
0,25
de Probabilidade
0,2
0,15
0,1
0,05
0
0
0,5
1,5
2,5
Funo de Distribuio
0,9
0,8
Acumulada
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0
0,5
1,5
2,5

74
37

Aula 05

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aula 05

Uploaded by

Copyright:

Available Formats

Simulao (Planejamento de Empresas)

Prof. Paulo Srgio Coelho

Funo de massa de probabilidade x Funo de densidade de

Valor Esperado: E(X)

Desvio Padro: s(X)

Prof. Paulo Srgio Coelho

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

Considere o experimento de arremessar um dado

p(xi) 1/21 2/21 3/21 4/21 5/21 6/21

Prof. Paulo Srgio Coelho

xi (-,1) [1,2) [2,3) [3,4) [4,5) [5,6) [6, )

Uma funo no decrescente;

Prof. Paulo Srgio Coelho

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

O tempo de vida de um dispositivo usado para

Prof. Paulo Srgio Coelho

Outro exemplo (cont.)

A probabilidade de que a vida do dispositivo esteja

A distribuio acumulada dada por:

A probabilidade que a vida seja de menos que 2 anos:

P (0 X 2) F (2) F (0) 1 e 1 1 e0 0, 632

A probabilidade que a vida esteja entre 2 e 3 anos:

P (2 X 3) F (3) F (2) 1 e 3/2 1 e 1 0, 223 0,368

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

Outro exemplo (cont.)

O valor esperado do tempo de vida :

Modelos de Distribuio de Probabilidade

Toda varivel aleatria est associada a uma

So, na realidade, funes matemticas que permitem o

Seu uso permite que nos concentremos nos fatores que

Questes algbricas podem ser desprezadas;

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

Distribuies tericas na Simulao

Modelar tempo entre chegadas e tempo de atendimento

Modelar demanda por tempo, tempo entre as demandas e tempo de

Sistemas de Confiana e Manuteno

Modelar tempo at a falha

Distribuies Uniforme, Triangular e Beta

No lanamento de uma moeda, tirararmos ou no cara;

Ao classificarmos os resultados acima em Sucessos [S] ou

Definindo tirar 4 ao lanar um dado no viciado como sucesso, temos

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

Cada tentativa apresenta Sucesso (S) ou Insucesso (I);

Para certo x, dados n, p (ache q = 1 p), usar:

P(X=k) use DISTR.BINOM(k;n;p;0)

Prof. Paulo Srgio Coelho

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

O percentual de peas defeituosas em uma linha de

Exatamente 2 peas defeituosas?

Prof. Paulo Srgio Coelho

Supondo amostras com 100 elementos:

qual o valor esperado para o nmero de peas defeituosas em

qual o devio padro para o nmero de peas defeitusas?

Prof. Paulo Srgio Coelho

Departamento de Anlises Quantitativas

Simulao (Planejamento de Empresas)

Ainda relacionado a processos de Bernoulli, considere

Prof. Paulo Srgio Coelho