Professional Documents
Culture Documents
De
Estatstica
Braslia, 2008
2.
o experimento que repetido sob as mesmas condies, conduz a resultados, em geral, distintos.
Exemplos:
E1 lanamento de um dado e observar o nmero na face superior.
E2 lanamento de uma moeda e observar o valor na face superior.
E3 lanamento de um dado e uma moeda, nesta seqncia, observar os valores nas faces superiores.
E4 um casal deseja ter trs filhos e observar o sexo, de acordo com a ordem de nascimentos das crianas.
ESPAO AMOSTRAL - S
Definio:
Um espao amostral um conjunto de todas as ocorrncias possveis de um determinado experimento
aleatrio E.
Exemplos: Considere os experimentos aleatrios apresentados anteriormente:
No E1 - S={1, 2, 3, 4, 5, 6}
No E2 - S={k, c}, onde k=cara, C=coroa.
No E3 - S={1k, 2k, 3k, 4k, 5k, 6k, 1c, 2c, 3c, 4c, 5c, 6c}
No E4 - S={MMM, MMF, MFM, MFF, FMM, FMF, FFM, FFF}
EVENTOS (qualquer letra maiscula do alfabeto)
Definio:
Um evento qualquer subconjunto de ocorrncias de um determinado espao amostral S.
Exemplo: Considere o experimento aleatrio E3, com seu respectivo espao amostral S:
S={1k, 2k, 3k, 4k, 5k, 6k, 1c, 2c, 3c, 4c, 5c, 6c}
Determine os seguintes eventos:
A = ocorrncia de valor cara (K)
B = ocorrncia de valor par
C = ocorrncia de valor coroa (C)
D = ocorrncia de valor mpar
E = ocorrncia de nmero primo
F = ocorrncia de valor maior que 4
G = ocorrncia de valor menor ou igual a 3
H = ocorrncia de valor par ou cara (K)
I = ocorrncia de valor par ou mpar
64
EVENTO CERTO
Definio:
aquele evento que se igual ao espao amostral S.
Exemplo: O evento I acima um evento certo.
EVENTO IMPOSSVEL
Definio:
aquele evento que no possui elemento algum.
Exemplo: Os eventos K e L acima so eventos impossveis.
EVENTOS MUTUAMENTES EXCLUSIVOS
Definio:
Dois eventos A e B quaisquer so chamados de mutuamente exclusivos, se eles no podem ocorrer
simultaneamente, isto ,
AB =
Exemplo: Considere os eventos descritos acima:
Os eventos A e C so mutuamente exclusivos, pois AC = .
Os eventos B e D so mutuamente exclusivos, pois BD = .
Os eventos C e J so mutuamente exclusivos, pois CJ = .
Os eventos H e J no so mutuamente exclusivos, pois HJ .
EVENTOS COMPLEMENTARES
Definio:
Dois eventos A e B quaisquer so chamados de complementares se:
AB =
AB = S
Exemplo: Considere os eventos descritos no exemplo acima:
Os eventos A e C so complementares, pois AC = e AC = S.
Os eventos B e D so complementares, pois BD = e BD = S.
Os eventos H e J no so complementares, pois HJ e HJ S.
Os eventos F e K no so complementares, pois FK apesar de FK = S.
Os eventos C e J no so complementares, pois CJ S apesar de CJ = .
65
PROBABILIDADE:
Enfoque Terico
A probabilidade de ocorrncia de um evento A, P(A), um nmero real que satisfaz as seguintes
condies:
a)
0 P(A) 1
b) P(S) = 1
c)
P( A ) = 1 - P(A)
P(A) =
n(A)
n(S)
Exemplo:
Seja o Experimento E o lanamento de um dado e o seu espao amostral dado por: S = {1, 2, 3, 4, 5, 6}. Qual a
probabilidade do evento A Nmeros maiores e iguais a 2?
O Evento A pode ser descrito na forma: A ={2, 3, 4, 5, 6}
n(A) = 5 e n(S) = 6. Logo a probabilidade do evento A P(A) =
n(A)
= 5/6.
n(S)
PROBABILIDADE CONDICIONAL
Ilustrao:
Seja o experimento aleatrio E: lanar um dado e o evento A = {sair o nmero 3}. Ento:
P(A) =
1
6
1
3
66
P(A B) =
P(A B) n (A B) ,
=
P(B)
n (B)
P(A B)
P(B)
INDEPENDNCIA ESTATSTICA
Um evento A considerado independente de um outro evento B se a probabilidade de A igual
probabilidade condicional de A dado B, isto , se:
P ( A) = P ( A B )
Considerando o teorema do produto podemos afirmar que:
Consequentemente,
P(B) = P(A1B) + P(A2B) +... +P(AnB)
Assim pelo teorema da multiplicao,
P(B) = P(A1)P(B\ A1)+ P(A2)P(B\ A2)+...+ P(AN)P(B\ AN)
Por outro lado, para qualquer i, a probabilidade condicional de Ai dado B definida como
67
P(Ai\B) = P(A i B)
P(B)
Nesta equao, usamos (1) para substituir P(B) e P(AiB) = P(Ai)P(B\ Ai) para substituir P(AiB),
obtendo assim o:
Teorema de Bayes: Suponha A1, A2, ...,An ser uma partio de S e B, um evento qualquer. Ento, para qualquer
i,
P(A i \ B) =
P(A i )P(B \ A i )
P(A1 )P(B \ A1 ) + P(A 2 )P(B \ A 2 ) + ... + P(A n )P(B \ A n )
Exemplos:
Trs mquinas, A, B e C produzem 50%, 30% e 20%, respectivamente do total de peas de uma fbrica.
As percentagens de produo defeituosa destas mquinas so 3%, 4% e 5%. Se uma pea selecionada
aleatoriamente, ache a probabilidade de ela ser defeituosa. Suponha agora que uma pea selecionada
aleatoriamente seja defeituosa. Encontre a probabilidade de ela ter sido produzida pela mquina A
EXERCCIOS
1.
5.
6.
68
7. A probabilidade de trs jogadores acertarem um pnalti so respectivamente 2/3, 4/5 e 7/10. Se cada um
cobrar uma nica vez, qual a probabilidade de:
a) Todos acertarem
b) Ao menos um acertar
c) Nenhum acertar
8.
9.
Sr Ray Moon Dee, ao dirigir-se ao trabalho, usa um nibus ou o metr com probabilidade de 0,2 e 0,8, nessa
ordem. Quando toma o nibus, chega atrasado 30% das vezes. Quando toma o metr, atrasa-se 20% dos
dias. Se o Sr Ray Moon Dee Chegar atrasado ao trabalho em determinado dia, qual a probabilidade dele
haver tomado um nibus?
10. Em certo colgio, 5% dos homens e 2% das mulheres tem mais que 1,80m de altura. Por outro lado, 60%
dos estudantes so homens. Se um estudante selecionado aleatoriamente e tem mais de 1,80m de altura,
qual a probabilidade de que o estudante seja mulher?
69
FUNO DE PROBABILIDADE
Quando utilizamos uma v.a. x para transformar os valores de um espao amostral S em um novo espao
amostral constitudo de nmeros reais, em geral modificamos tambm a funo de probabilidade associada a este
espao amostral. A funo de probabilidade ser representada por p(X=x) ou p(x).
Onde:
p(x) = 1 e
p(x) poder ser expresse por uma tabela, grfico ou frmula:
EXEMPLO:
E lanamento de duas moedas
X nmero de caras obtidas
S = {(c,c) (c,k) (k,c) (k,k)}
A TABELA:
xi
p(xi)
0
0,25
1
0,5
2
0,25
O GRFICO
70
A FRMULA
p(x) =
1 2
, para x = 0, 1, 2
4 x
OBS: Qualquer funo de uma v.a. tambm uma v.a. isto se x uma v.a., ento y =(x) tambm ser.
EXEMPLO:
x v.a. pontos de um dado;
y = x + x v.a. soma dos pontos de dois lanamentos;
z = Max{(x1, x2)} onde (x1, x2) pontos de dois dados.
A distribuio de probabilidade de x ser:
xi
p(xi)
1
1/6
2
1/6
3
1/6
4
1/6
5
1/6
6
1/6
A distribuio de y ser:
(1,1)
(2,1)
S = (3,1)
M
(6,1)
yi
p(yi)
3
2/36
4
3/36
5
4/36
6
5/36
7
6/36
8
5/36
9
4/36
10
3/36
11
2/36
12
1/36
A de z ser:
zi
p(zi)
1
1/36
2
3/36
3
5/36
4
7/36
5
9/36
6
11/36
Exemplo:
No lanamento de dois dados a v.a. x anota a diferena dos pontos das faces superiores. Determine os
valores de x e a funo de probabilidade associada.
EXERCCIO
A urna A contm 3 bolas brancas e 2 bolas pretas. A urna B contm 5 bolas brancas e
1 bola preta. Uma bola retirada ao acaso de cada urna e a v.a. x anota o nmero de bolas
brancas obtidas. Determine os valores de x e a funo de probabilidade.
71
MEDIDAS DE POSIO E
UNIDIMENSIONAL DISCRETA.
VARIABILIDADE
DA
V.
ALEATRIA
x1
p(x1)
x2
p(x2)
x3
p(x3)
...
...
xn
p(xn)
E O DESVIO PADRO:
____
(x) = 2(x)
Exemplo:
No lanamento de uma moeda, a v.a. anota o n de caras obtido. Calcule a mdia a varincia e o desvio
padro da v.a. x.
EXERCCIO:
Calcule a mdia a varincia e o desvio padro da v.a. x dada abaixo.
xi
p(xi)
2
0,3
5
0,4
8
0,2
10
0,1
Quando definimos a v.a. discreta associamos a cada ponto xi do espao amostral um valor real p(xi)
72
1.
2.
0 p(xi) 1
p(xi) = 1
Para a v.a. contnua no poderemos usar tal processo, pois no existe uma funo que associa cada
ponto p de um intervalo um valor real.
Para a v.a. contnua definiremos:
1.
2.
f(xi) 0
A rea da regio compreendida sobre o grfico da funo e o eixo ox igual a 1.
MEDIDAS DE POSIO E
UNIDIMENSIONAL CONTNUA.
DE
VARIABILIDADE
DE
UMA
V.A.
VALOR ESPERADO:
E(x) =
x f(x)dx E(x ) = x
2
f(x)dx
e o D.P. =
(x ) = 2 (x )
Y
X
1
2
3
4
5
6
(1 1) (1 2)
4
...
6
(1 6)
...
...
(6 1 )
...
(6 6)
73
A tabela de Probabilidade :
X
1
2
3
4
5
6
1/36
1/36
...
6
1/36
...
...
1/36
...
1/36
2.
Contnua
1. f(x,y) 0
p(x i , y j ) = 1
2.
i =1 j =1
f(x, y)dxdy = 1
P ( X = x) = P( X = xi , < y <
Distribuio Marginal de X: ou
P( X = x ) = P( x , y )
j i j
i
74
Distribuio Marginal de X: ou
P(Y = y ) = P( x , y )
i i j
j
Exemplo: anterior
Y
X
1
2
3
4
5
6
p(x)
p(y)
1/36
1/36
...
...
1/36
1/6
1/36
1/6
...
1/36
1/6
1/6
1
75
EXEMPLO:
Dada a distribuio de probabilidade conjunta de (X,Y) pela tabela abaixo. Verificar se X e Y so independentes.
y\x
0
1
2
p(xi)
0
0,1
0,04
0,06
0,2
1
0,2
0,08
0,12
0,4
2
0,2
0,08
0,12
0,4
p(yj)
0,5
0,2
0,3
1
76
E(x ) = x i p(x i )
E(x ) = x f ( x i ) dx
E(y ) = y j p(y j )
E(y ) = y f ( y j ) dy
E(xy ) = x i y j p(x i y j )
E(xy ) = x y j f ( x i y j ) dxdy
A varincia, o desvio padro, a covarincia e o coeficiente de correlao sero calculados a partir das
frmulas abaixo.
2 (x ) = E(x 2 ) - [E(x)]2
2 (y ) = E(y 2 ) - [E(y)]2
(xy)
cov(xy)
(x ) ( y )
Exerccios Resolvidos.
1. Uma carta retirada aleatoriamente de um baralho comum de 52 cartas, e a v.a. X anota o nmero de
damas obtidos nessa retirada. Determinar os valores de X e a funo de probabilidade associada.
Soluo
Seja S o espao amostral da retirada de uma carta do baralho S = { AO, 2O, ..., 10O, ..., JO, DO, KO, AP,
2P, ..., 10P, ..., JP, DP, KP, AE, 2E, ..., 10E, ..., JE, DE, KE, AC, 2C, ..., 10C, ..., JC, DC, KC}
Onde: AO a carta s de Ouro 2O a carta 2 de Ouro e assim sucessivamente
A v.a. X anota o nmero de damas obtido, veja que aqui no foi mencionado o naipe, logo estamos
interessados somente se sai (1) ou no (0) uma carta de damas. As probabilidades bem como os valores que a
v.a. X pode assumir esto discriminados na distribuio de probabilidade abaixo.
X
0
1
p(x)
48/52
4/52
2. A tabela a seguir d as probabilidades de um oficial de justia receber 0, 1, 2, 3, 4 ou 5, relatrios de
violao de liberdade condicional em um dia qualquer.
X
p(x)
0
0,15
1
0,25
2
0,36
3
0,18
4
0,04
5
0,02
77
a)
Soluo
A mdia pode ser denotada por E(x) ou por , assim:
E(x) = xi.p(xi) = 0.(0,15) + 1.(0,25) + 2.(0,36) + 3.(0,18) + 4.(0,04) + 5.(0,02) = 1,77
Para calcularmos o Desvio padro, que ser denotado por D.P. ou por (x), deveremos antes encontra a
varincia que ser:
Var(x) = 2(x) = E(x2) [E(x)]2
Onde
E(x2) = xi2.p(xi) = 02.(0,15) + 12.(0,25) + 22.(0,36) + 32.(0,18) + 42.(0,04) + 52.(0,02) = 4,45
Assim a varincia de x ser:
2(x) = E(x2) [E(x)]2 = 4,45 [1,77]2 = 1,32
Como estamos interessados no desvio padro teremos que tirar a raiz quadrada da varincia. Logo:
(x) = 1,14
3. A tabela abaixo fornece a probabilidade de que um sistema de computao fique fora de operao um
dado perodo por dia durante a fase inicial de instalao do sistema. Calcular:
a) O nmero esperado de vezes que o computados fique fora de operao por dia
b) O desvio padro desta distribuio de probabilidade.
Nmero de perodo X
Probabilidade p(x)
4
0,01
5
0,08
6
0,29
7
0,42
8
0,14
9
0,06
Soluo
Nmero de perodo X
Probabilidade p(x)
x.p(x)
x^2.p(x)
4
0,01
0,04
0,16
5
0,08
0,4
2
6
0,29
1,74
10,44
7
0,42
2,94
20,58
8
0,14
1,12
8,96
9
0,06
0,54
4,86
Total
1
6,78
47
a) E(x) = 6,78
b) 2(x) = E(x2) [E(x)]2 = 47 [6,78]2 = 1,032
(x) = 1,016
4. O trem do metr para no meio de um tnel. O defeito pode ser na antena receptora ou no painel de
controle. Se o defeito for na antena, o conserto poder ser feito em 5 minutos. Se o defeito for no painel, o
conserto poder ser feito em 15 minutos. O encarregado da manuteno acredita que a probabilidade de o
defeito ser no painel de 60%. Qual a expectativa do tempo de concerto?
Soluo
Se o defeito for na antena o conserto dever ser feito em 5 minutos.
Se o defeito for no painel estima-se um conserto em 15 minutos. Logo a distribuio de probabilidade
ser:
X
p(x)
5
0,4
15
0,6
Soluo
78
Y = 2x + 5
E(y) = E(2x) + E(5) =
E(y) = 2E(x) + 5 = ?
Calculando a esperana de x e a esperana de x2 teremos:
X
2
3
5
p(x)
0,3
0,5
0,2
E(x) = 2.(0,3) + 3.(0,5) + 5.(0,2) = 3,1
Logo E(y) = 2(3,1) + 5 = 11,2
Descubra como encontrar a Var(Y)!!!!!!!
3
2
1 x , 0 x 1
6. Seja f ( x ) = 2
0, caso contrrio
a) f(x) uma legitima Funo Densidade de Probabilidade (f.d.p)?
b) Encontre a mdia e o Desvio padro da v.a.x.
Soluo
Para que uma funo f(x) seja uma legitima f.d.p. ela dever satisfazer as seguintes condies:
f(x) 0
1.
2.
f ( x)dx = 1
0
Observe que a funo foi definida no intervalo de [0,1] e recebe o valor 0 para qualquer outro intervalo.
Logo a 1 condio j foi verdadeira. Para provar a Segunda deveremos resolver a integral:
1
3
2
0 2 1 x dx = 1 =
1
3
3 1
1 x 2 dx = x 0
20
2
1
x 3 3 2
= =1
3 0 23
E(x) =
1
1
2
0 x . f ( x)dx = 1= x . 32 (1 x 2 )dx = 1 = 32 (x x 3 )dx = 32 x2
0
0
1
x 4 3 1 3
= =
4 0 24 8
E(x2)
1
x
0
1
1
. f ( x)dx = 1 = x 2 . 3 (1 x 2 ) dx = 1 = 3 (x 2 x 4 )dx = 3 x
0 2
2 0
2 3
3 1
3 2 3 1
= = =
2 15 15 5
0
5 1
x
5
Logo a varincia ser: 2(x) = E(x2) [E(x)]2 = 1/5 [3/8]2 = 19/320 = 0,0594
7. Considere a seguinte distribuio conjunta de probabilidade. Encontre as marginais de X e Y e
verifique se X e Y so independentes.
Soluo
O clculo das marginais de X e Y feito da seguinte forma:
x
y
1
3
5
p(x)
2
0,05
0,2
0,25
4
0,08
0,15
0,07
6
0,05
0,05
0,1
p(y)
79
X
Y
2
0,05
0,2
0,25
0,5
1
3
5
p(x)
4
0,08
0,15
0,07
0,3
6
0,05
0,05
0,1
0,2
p(y)
0,05+0,08+0,05=0,18
0,4
0,42
1
P(Y=1)
P(X=2)
Para saber se X e Y so independentes devemos verificar para todos os casos se P(X=xi,Y = yj) = P(X=xi).P(Y =
yj), ento:
Probabilidade
Conjunta
de X e Y
P(X = 2 , Y = 1)
X
Y
2
0,05
0,2
0,25
0,5
4
0,08
0,15
0,07
0,3
P(X=2)
Probabilidade
Marginal
de X quando xi = 2
1
3
5
p(x)
6
0,05
0,05
0,1
0,2
p(y)
0,05+0,08+0,05=0,18
0,4
0,42
1
P(Y=1)
Probabilidade
Marginal
de Y quando yj = 1
-2
0,1
0,2
1
2
p(x)
a)
b)
c)
d)
e)
-1
0,2
0,1
4
0
0,1
5
0,3
0
p(y)
Soluo
X
Y
1
2
p(x)
Distribuio
de Probabilidade
de X e sua Marginal
Distribuio
de Probabilidade
de Y e sua Marginal
-2
0,1
0,2
0,3
-1
0,2
0,1
0,3
4
0
0,1
0,1
5
0,3
0
0,3
1
0,6
0,6
0,6
2
0,4
0,8
1,6
Total
1
1,4
2,2
-2
0,3
-0,6
1,2
-1
0,3
-0,3
0,3
4
0,1
0,4
1,6
p(y)
y.p(y)
y^2.p(y)
x
p(x)
x.p(x)
x^2.p(x)
p(y)
0,6
0,4
1
A varincia de y :
Var(y) = E(yy) - [E(y)]2
Var(y) = 2,2 - (1,4)2 = 0,24
D.P. = 0,49
E(y)
E(y2)
5
0,3
1,5
7,5
Total
1
1
10,6
E(x)
E(x2)
A varincia de x :
Var(x) = E(x2) - [E(x)]2
Var(x) = 10,6 - (1)2 =9,6
D.P. = 3,09
80
Cov(x, y ) =
0,5
= - 0,3
(x ) . (y )
0,49 . 3,09
Se utilizarmos P(X=xi,Y = yj) = P(X=xi).P(Y = yj) verificaremos que em alguns casos ela no ser satisfeita para
algum i e j, logo X e Y no so independentes.
81
Exerccios
1.
Sabe-se que a chegada de clientes a uma loja de material computacional, durante intervalos aleatoriamente
escolhidos de 10 minutos, segue uma distribuio de probabilidade dada na tabela abaixo. Calcule o nmero
esperado de chegada de clientes por intervalo de 10 minutos, e calcule tambm o desvio padro das
chegadas.
Nmero de chegadas X
Probabilidade p(x)
0
0,15
1
0,25
Respostas E(x) = 2
2.
15
0,05
Respostas
16
0,1
17
0,25
e
18
0,3
19
0,2
20
0,1
Var(x)= 1,66
2
0,15
E(x) = 4
3
0,2
e
4
0,25
5
0,19
6
0,1
7
0,05
8
0,02
Var(x)= 2,52
Dada a v.a.
x
p(x)
-1
0,2
2
0,3
5
0,4
8
0,1
4
x-3
3
K
, para x = 1, 3, 5, 7
x
a) Calcule o valor de K
6.
5
0,05
Var(x)= 1,9
E(x) = 17,8
1
0,04
Respostas
5.
4
0,1
Nmero de vendas X
Probabilidade p(x)
4.
3
0,2
A venda de uma revista mensal em uma banca segue uma distribuio de probabilidade dada na tabela
abaixo. Calcule o valor esperado e a varincia.
Nmero de revistas em
Milhares X
probabilidade de X
3.
2
0,25
b) Calcule P(x = 5)
1
x, se 0 x 1
f ( x) = 2
0, caso contrrio
82
7.
X
Y
0
1
2
p(x)
8.
1
0,2
0,08
0,12
2
0,2
0,08
0,12
p(y)
M
p(m)
a)
b)
c)
d)
9.
0
0,1
0,04
0,06
1
0,6
3
0,4
N
p(n)
5
0,3
10
0,5
12
0,2
X
Y
1
0,2
a
4
5
p(x)
2
0,15
0,15
3
b
0,15
p(y)
X
Y
-1
0
1
-1
0
1/5
0
0
1/5
1/5
1/5
1
0
1/5
0
a) Encontre a cov(X,Y)
b) Ache a Correlao de X e Y
c) Verifique se x e Y so independentes.
83
Discreta: uma varivel aleatria considerada discreta se toma valores que podem ser contadas. Exemplos
de variveis aleatrias discretas so
nmero de terremotos;
Contnua1: uma varivel aleatria considerada contnua quando pode tomar qualquer valor de um
determinado intervalo. Alguns exemplos de v.a. contnua so apresentados a seguir:
alturas de rvore;
DISTRIBUIES DISCRETAS
PROVAS INDEPENDENTES. FRMULA DE BERNOULLI.
A frmula de Bernoulli designada atravs dos ensaios de Bernoulli, que na realidade so
ensaios independentes repetidos, cada um deles com apenas dois resultados possveis e cujas probabilidades
permanecem constantes durante toda a realizao dos ensaios. usual denotarmos as duas probabilidades por p e
por q = 1-p, e nos referimos ao resultado que tem probabilidade p como um sucesso S e q como um fracasso F.
1
Obviamente p e q 0 e que p+q = 1. O espao amostral associado a cada ensaio individualmente formado por
um dos dois pontos.
EXEMPLO:
Suponhamos o lanamento de uma moeda (honesta), ocorre sucesso quando aparecer cara. Ento o
espao amostral ser S ou F, para um lanamento.
P(x = 1) = p = P(S)
P(x = 0 ) = 1 p = q = P(F)
ento:
P(X = x ) = p x (1 p )
1 x
P(SSFSFF...FS) = ppqpqq...qp.
EXEMPLO 1:
Suponhamos o lanamento de uma moeda honesta 3 vezes, onde a ocorrncia de cara, corresponde ao
sucesso. Ento o nmero de elementos do espao amostral ser 23 = 8. Abaixo est indicado o espao amostral
com suas respectivas probabilidades:
SSS p 3
2
SSF p q
EspaoAmostral =
2
SFS p q
SFF pq 2
FSS p 2 q
FSF pq 2
FFS pq 2
FFF q 3
85
EXEMPLO 2:
Supor que em certa comunidade a probabilidade de uma pessoa ter problemas de psicose seja igual a
0.01. Se definimos:
P(Y=y)
0,99
0,01
DISTRIBUIO BINOMIAL
Vamos supor que estamos interessados em calcular a probabilidade de se obter exatamente
duas faces 4 em trs lanamento de um dado.
possvel descrever este procedimento atravs das seguintes combinaes:
(44N) ou (4N4) ou (N44)
em termos de probabilidade ficaria:
P[(44N) (4N4) (N44)]
Como esses trs eventos so mutuamente exclusivos, ento:
P[(44N) (4N4) (N44)] = P(44N) + P(4N4) + P(N44)]=( 5 1 1 + 1 5 1 + 1 1 5 )
6 6 6 6 6 6 6 6 6
As probabilidades destes trs casos so iguais podendo ser escritas da seguinte forma:
2
1
5
=3
6
3 2
n!
3!
=
(n - x )! x! (3 2)!3!
n
k
SSF p 2 q
SFS p 2 q
FSS p 2 q
n = 3 n 3
= = = 3 maneiras
k = 2 k 2
86
Da,
3
P( x = 2 ) = p 2 q 1 = 3 p 2 q 1
2
1 , se ocorrer sucesso no i - simo ensaio
Xi =
0 , se ocorrer falha no i - simo ensaio
onde i = 1, 2, 3, ..., n
Se Xi ~ Bernoulli(1,p), ento a seqncia (X1, X2, ..., Xn) poder obter 2n resultados do tipo
(0,0,1,1,...,0), (0,0,...,1,1), (1,1,...,1).
Se X = Xi, ento X = nmero de sucessos nos n ensaios, da,
n
P(x = 0 ) = p 0 q n 0
0
n
P(x = 1) = p1 q n 1
1
K
n
P(x = k ) = p k q n k
k
para k = 0, 1, 2, ... , n.
Neste caso dizemos que:
X ~ Binomial(n,p)
Se x = x1+ x2+ ... + xn, onde cada xi ~ Bernoulli(1,p) apresenta, respectivamente, uma esperana
matemtica e varincia E(xi) =p e Var(xi) =p(1-p), ento, para a distribuio binomial teremos:
P(x = 0) = p 0 (1 p ) = q n
n
87
Exerccios
1. A probabilidade de um atirador acertar o alvo de 25%. Se ele atirar cinco vezes, qual a probabilidade dele
acertar dois tiros.
2. Suponha que 1% dos programas que do entrada no guich de atendimento ao aluno, no CPD da UCB, no
so executados devido a erros. Se em um dado dia 500 programas do entrada no referido guich, calcule:
a) A probabilidade de que todo a os programas tenham sido executados
b) O nmero esperado de programas no executados devido a erro de impresso.
3. Os registros de uma pequena companhia indicam que 40% das faturas por ela emitidas so pagas aps o
vencimento. De 14 faturas expedidas, determine a probabilidade de:
a)
Nenhuma ser paga com atraso.
b)
No mximo 2 serem pagas com atraso.
c)
Ao menos 3serem pagas com atraso.
88
DISTRIBUIO NORMAL
uma das mais importantes distribuies de probabilidades, sendo aplicada em inmeros
fenmenos e constantemente utilizada para o desenvolvimento terico da inferncia estatstica. tambm
conhecida como distribuio de Gauss, Laplace ou Laplace-Gauss.
Seja X uma v.a. (varivel aleatria) contnua. X ter distribuio normal se:
f ( x) =
1 X
<x<
( z) =
1
2
1
z2
2
A notao utilizada :
X~N(0,1)
que lida da seguinte forma: a v.a. X se aproxima a uma distribuio normal padronizada com mdia 0 e
varincia 1. As probabilidades, isto , as reas sob esta curva esto tabeladas.
89
1
2
0,39 .
3. f(x) tende a zero quando x tende para ou (z) tende a zero quando z tende para ;
4. f(x) tem dois pontos de inflexo cujas abcissas valem + e - ou (z) tem dois pontos de inflexo
cujas abcissas valem -1 e +1.
90
Stevenson, William J. Estatstica aplicada administrao. Harper & Row do Brasil, So Paulo, 1986, p.461
91
Exemplos:
1.
Para cada item abaixo monte a curva normal, pinte a rea e encontre a probabilidade.
a)
b)
c)
2. As alturas dos alunos de determinada escola so normalmente distribudas com mdia 1,60m e desvio
padro de 0,30m. Encontre a probabilidade de um aluno medir:
a)
b)
Mais de 1,75
c)
Menos de 1,48
d)
Qual deve ser a medida mnima para escolhermos 10% dos mais altos?
92
s(x)
s(X) = 2
p = 0,3
Parmetro
2 (x )
(x )
p
Fazendo uso da estimativa por ponto encontramos uma dificuldade a de que amostras diferentes
conduzem normalmente a estimativas diferentes. A variabilidade no pode ser controlada neste processo.
O controle estatstico desta variabilidade nos leva ento a fixar a estimao atravs de um intervalo.
INTERVALO DE CONFIANA
um intervalo real, centrado na estimativa pontual que dever conter o parmetro com determinada
probabilidade. Esta probabilidade ser conhecida como nvel de confiana associado ao intervalo.
A notao mais usual para o nvel de confiana 1- .
Se pensarmos em uma diferena entre o valor estimado e o parmetro, j que diferentes amostras
conduzem a valores diferentes de estimadores, estaremos calculando o erro-padro de estimativa.
e = |estimativa parmetro |
O controle da preciso se resumir na determinao do erro-padro da estimativa.
DISTRIBUIO AMOSTRAL DAS MDIAS
Considere a seguinte populao x={2, 3, 4, 5}.
Esta populao apresenta = 3,5 2 (x ) = 1,25 (x ) = 1,12
Se ns considerarmos todas as amostras de tamanho n=2 que podemos obter com reposio teremos:
A1 = (2,2)
A2 = (2,3)
A3 = (2,4)
A4 = (2,5)
A5 = (3,3)
A6 = (3,4)
A7 = (3,5)
A8 = (4,4)
A9 = (4,5)
A10 = (5,5)
x1 = 2
x 2 = 2,5
x3 = 3
x 4 = 3,5
x5 = 3
x 6 = 3,5
x7 = 4
x8 = 4
x 9 = 4,5
x 10 = 5
93
Podemos calcular a mdias das mdias bem como a sua varincia e o seu desvio-padro, assim:
x = 3,5 2 (x ) = 0,75 (x ) = 0,87
Note que:
A mdia das mdias igual a mdia populacional : x = ;
A varincia das mdias amostrais mantm com a varincia populacional a seguinte relao :
2 (x ) =
2 (x )
n
2
1,25
No exemplo: 2 (x ) = (x ) =
= 0,75
2
n
Se a varivel aleatria x admite distribuio Normal de probabilidade com mdia e desvio padro
(x ) , ento a distribuio amostral das mdias tambm normal com mdia x = e desvio padro
2 (x ) =
2.
2 (x )
;
n
2 (x ) =
2 (x )
, a medida que o nmero n de elementos tende a infinito.
n
EXEMPLO:
1. Uma v.a. x tem distribuio normal com mdia 20 e desvio-padro de 3. Calcule a probabilidade de que uma
amostra de 20 elementos selecionada ao acaso tenha mdia maior que 21.
O INTERVALO DE CONFIANA PARA A MDIA POPULACIONAL
Como j foi estudado para se transformar uma distribuio Normal x em uma distribuio Normal z
utilizamos a mudana de varivel z =
x -
(x )
2
anteriormente x = e 2 (x ) = (x ) , logo: z = x - .
(x )
n
parmetro estimado, isto representa a rea central sob a curva normal entre os pontos
- z e z ,
2
94
Observe que a rea total sob a curva normal unitria. Se a rea central 1- ., a notao
, e a notao
. Desta forma:
P( - z < z <
2
z ) = 1-
2
x -
e utilizando alguns clculos matemticos encontraremos a
(x )
n
(x )
(x )
= 1
< < x + z
p x - z
n
n
2
2
Para calcular esta expresso deveremos pressupor o conhecimento do desvio-padro populacional, e que a
amostragem foi obtida com reposio. Alm disso importante salientar que z
2
(x ) representa o erro-padro
n
de estimativa, e que os limites so estabelecidos pelos valores (estimativa erro, estimativa +erro)
EXEMPLO:
1.
O departamento de recursos humanos de uma grande empresa informa que o tempo de execuo de tarefas
que envolvem participao manual varia de tarefa para tarefa, mas que o desvio padro permanece
aproximadamente constante, em 3 minutos.Uma nova tarefa est sendo implantada na empresa. Uma amostra
aleatria do tempo de execuo de 50 destas novas tarefas forneceu o valor mdio de 15 minutos. Determine
um intervalo de confiana de 95% para o tempo mdio de execuo desta nova tarefa.
95
Deciso
Aceita-se H0
Rejeita-se H0
Estado da Natureza
H0 verdadeira
H0 falsa
Deciso Correta
Erro tipo II
Erro tipo I
Deciso Correta
Estado da Natureza
Inocente
Culpado
Deciso Correta
Erro tipo II
Erro tipo I
Deciso Correta
O erro Tipo I, no caso, seria julgar o ru culpado, quando na verdade ele inocente.
O erro Tipo II seria julgar o ru inocente, quando na verdade ele culpado.
2. Deciso de um mdico sobre uma cirurgia
Deciso
Opera
No Opera
Estado da Natureza
Precisa Operar
No Precisa Operar
Deciso Correta
Erro tipo II
Erro tipo I
Deciso Correta
O erro Tipo I seria no operar, quando na verdade o paciente precisa ser operado.
O erro Tipo II seria operar, quando o paciente no precisa ser operado.
Na realizao dos testes, controlaremos o erro tipo I, procurando diminuir a probabilidade de sua ocorrncia.
Quando controlarmos os nveis e , estaremos realizando um Teste de Hiptese.
96
TIPOS DE TESTES.
1 Tipo - H 0 : parmetro = r
H a : parmetro > r
H 0 : parmetro = r
2 Tipo -
H a : parmetro < r
H 0 : parmetro = r
3 Tipo -
H a : parmetro r
Identificar H0;
Identificar Ha (ateno, pois Ha define o tipo de teste a ser empregado)
Construir a regio crtica para o teste escolhido;
Calcular o estimador e verificar se ele se situa na regio de aceitao ou na regio de rejeio da hiptese
H0.
Deciso do teste Se o estimador estiver na regio de aceitao se Aceita H0
Se o estimador estiver na regio de rejeio, Rejeita-se H0.
x -
(x )
n
H 0 : = b
1 Teste - H : > b
a
x -
(x )
n
2 Teste
H 0 : = b
H a : < b
(x )
n
3 Teste
H 0 : = b
H a : b
x -
(x )
n
97
EXEMPLO
1. Uma amostra Aleatria de 40 elementos retirados de uma populao normal com desvio padro igual a 3
apresentou um valor mdio igual a 60. Teste, ao nvel de significncia de 5%, a hiptese de que a mdia populacional
seja igual a 59, supondo a hiptese alternativa >59.
Soluo:
H 0 : = 59
H a : > 59
Ao nvel de 5% de significncia, a regio crtica para a hiptese nula :
O valor de zt = 1,64 proveniente da tabela normal onde no corpo podemos procurar o valor de 0,5 - 0,05.
O valor de zc dado por:
zc =
x - = 60 - 59 = 2,11
(x )
3
n
40
Como o valor de zc = 2,11 est na regio de rejeio para a hiptese H0. No temos motivos para aceitar H0.
2. Uma amostra aleatria de 20 elementos selecionados de uma populao normal com varincia 3 apresentou
mdia 53. Teste ao nvel de significncia de 5% a hiptese =50.
Soluo
H 0 : = 50
H a : 50
Ao nvel de 5% de significncia, a regio crtica para a hiptese nula :
zc =
x - = 53 - 50 = 7,755
(x )
1,73
n
20
Como o valor de zc = 7,755 est na regio de rejeio para a hiptese H0. No temos motivos para aceitar H0.
98
Exerccios
1. Uma agncia de empregos alega que os candidatos por elas colocados nos ltimos 6 meses tm salrios de
R$9.000,00 anuais, em mdia. Uma agncia governamental extraiu uma amostra aleatria daquele grupo,
encontrando um salrio mdio de R$8.000,00, com desvio-padro de R$1.000,00 com base em 50 empregados.
Teste a afirmao da agncia, contra a alternativa de que o salrio mdio inferior a R$9.000,00, ao nvel de
significncia de 0,05.
2. A DeBug Company vende um repelente de insetos que alega ser eficiente pelo prazo de 400 horas no mnimo. Uma
anlise de nove itens escolhidos aleatoriamente acusou uma mdia de eficincia de 380 horas. Teste a alegao da
companhia, contra a alternativa que a durao inferior a 400 horas, ao nvel de 0,01, se o desvio-padro 90 horas.
99