Professional Documents
Culture Documents
Unidade 3
Distribuições de probabilidade
Distribuições de probabilidade
OBJETIVO
A utilização das probabilidades indica a existência de um elemento de acaso, ou
de incerteza, quanto a ocorrência ou não de um evento.São várias as situações
em que é desejável ter uma medida (avaliação numérica) de quão provável é a
ocorrência de determinado evento futuro: lançamento de um produto, obter bons
lucros em uma operação empresarial, compra de ações etc... Após estudo deste
capítulo, você será capaz de utilizar as distribuições de probabilidade, o que
permitirá a resolução de grande número de problemas práticos.
Variável aleatória é a função que associa a todo evento pertencente a uma par-
tição do espaço amostral um único número real.
A variável aleatória para ser discreta deve assumir valores em um conjunto finito
ou em um conjunto infinito, porém enumerável.
Seja X uma variável aleatória que pode assumir os valores x1, x2, x3, ..., xn. A cada
valor xi correspondem pontos do espaço amostral. Associamos, então, a cada valor xi a
probabilidade pi de ocorrência de tais pontos no espaço amostral. Assim temos:
Os valores x1, x2, x3, ..., xn e seus correspondentes p1, p2, ..., pn definem uma
distribuição de probabilidade.
73
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
p+q=1
Onde:
Para fazer uso da Tabela Distr. Binomial você necessita dos seguintes dados:
N=10 75
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
p=1/5= 0,20
P(X=5)=?
- Cálculo da combinação:
- n: nº de acertos
- n: 0, 1, ..., 10
- p = 1/5 (probabilidade de acertar as questões);
- q = 4/5 (probabilidade de não acertar a questão);
P (x = 5) = 252.(1/5)5.(4/5)(10-5)
P (x = 5) = 252.(0,2)5.(0,8)5 = 0,0264 ou 2,64%
Para fazer uso da Tabela você necessita dos seguintes dados:
76
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
ATENÇÃO!
Quando se diz X no máximo 2, isto significa que temos de considerar as proba-
bilidades de(x=0) de não se encontrar nenhuma peça defeituosa, (x=1) de se
encontrar uma peça defeituosa e (x=2) de se encontrar uma peça defeituosa.
N= 20
P=0,50
X=8
Temos:
n= 100
a)p(x=0)= ?
fazendo a combinação,
temos: = 1 =1
78
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
NOTA:
Para efeito de agilidade e simplificação você pode utilizar a função fatorial e yx
da sua máquina de calcular.
1.2.2. Distribuição de Bernoulli
onde:
E (x) = esperança (valor médio ou média de uma variável aleatória).
V (x) = variância (grau de dispersão de probabilidade em torno da média).
Exemplo: Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma bola dessa
urna. Seja X: número de bolas verdes:
a) Determinar P (x)
b) Calcular E (x) e Var (x)
79
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
b) E (X) = p = 2/5
Uma aplicação imediata deste modelo ocorre quando uma variável aleatória x
admite Distribuição Binomial com n>30 e com p<0,05 (5%). A função pode ser obtida
também por tabela de distribuição de Poisson.
A função de probabilidade é dada por:
e− λ λx
P( X = x) = x = 0,1,2,3,..., n
x!
Onde:
Características: λ = N.p
Exemplo: Uma máquina produz 9 peças defeituosas a cada 1000 peças produ-
zidas. Calcule a probabilidade de que em um lote contenha:
RESOLUÇÃO:
a) p = 9/1000 = 0,009
N = 200
P(x = 8) = ? (peças defeituosas)
80
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
e − λ λx
P( X = x) =
x!
e − 1,8 (1,8) 8
P( X = 8) =
8!
0,1652 . 110,20
P( X = 8) = = 0,00045
40320
a) 4 chamadas no dia x;
b) nenhuma chamada em nenhum dia;
c) 20 chamadas em uma semana;
- λ = 3 (média de 3 chamadas):
a) x = 4
e − 3 (3) 4
P( X = 4) =
4!
0,0497.81
P ( X = 4) = = 0,168
24
NOTA
O valor de λ =3 esta na Tabela de distribuição de Poisson.Basta localizar o
mesmo que esta na primeira linha, e o valor de X=4 que esta na primeira coluna.
Encontraremos o valor da probabilidade de 0,1680 ou 16,80%.
b) P(x=0) =?
λ=3
81
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
e − 3 (3)0
P( X = 0) =
0!
0,0497.1
P( X = 0) = = 0,0497
1
NOTA
O valor de λ = 3 esta na Tabela de distribuição de Poisson.Basta localizar o
mesmo que esta na primeira linha, e o valor de X=0 que esta na primeira coluna.
Logo o valor encontrado é de 0,04997.
− 21 20
e (2 1)
( X = 2 0) =
2 0!
-1 0 26
(7,58 x 1 0 ).(2,7 8 x1 0 )
P ( X = 2 0) = = 0,087
18
2,43 x 1 0
- N= 100
p = 1/100 = 0,01
P(x=2)= ?
λ = 100 . 0,01 = 1
e − 1(1) 2
P( X = 2) =
2!
0,3679.1
P( X = 2) = = 0,1840
2
NOTA
O valor de λ = 1 esta na Tabela de distribuição de Poisson.Basta localizar o
mesmo que esta na primeira linha, e o valor de X=2 que esta na primeira coluna.
Encontraremos o valor da probabilidade de 0,1839 ou 18,39%
Uma variável é contínua se o conjunto dos possíveis valores que ela pode assumir
são valores em um intervalo contínuo.
82
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
F (x)
a b x
Se quisermos determinar a probabilidade que o valor da variável aleatória encon-
tra-se no intervalo [a, b] devemos calcular a integral de f (x) neste intervalo, ou seja:
a
1 . P ( a ≤ x ≥ b ) = ∫ f (x) d x
b
2. f (x) ≥ 0 (não negativa)
+∞
3. ∫ f (x) dx = 1
-∞
a
Observamos que P (a ≤ x ≥ b ) = ∫ f (x) dx corresponde à área delimitada pela função
b
f (x), eixo dos X e pelas retas X = a e X = b.
1.3.1. Distribuição normal
Onde:
µ = média
σ = desvio padrão
e = 2,7182
-∞ x=µ +∞
As principais propriedades dessa função são:
X a b
Se quisermos calcular a probabilidade indicada na figura, devemos fazer:
(x − µ )2
−
P(a ≤ X ≤ b) = ∫ab
1
e 2σ 2 dx
σ 2π
que apresenta um certo grau relativo de dificuldade. Usaremos a notação:
X : N( µ σ 2)
(X tem distribuição normal com média µ e variância σ 2).
Seja X : N( µ σ ), definimos:
2
X −µ
Z=
σ
Exemplo: Uma variável aleatória tem distribuição normal com média igual a 20
e desvio padrão igual a 3. Encontre a probabilidade de:
a) 23 < x < 20
O problema admite:
µ = 20 (valor da média)
σ = 3, (valor do desvio padrão)
x = 20 e x = 23. (valores procurados)
84
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
O gráfico da função:
20 23 X
Veja que o que procuramos é a área entre os valores 20 e 23
X −µ
Z=
σ
20−20
Z= =0
3
2 3− 2 0
Z= = 1,0 0
3
Agora podemos fazer uso da tabela de distribuição normal reduzida. Basta cruzar
os valores Z = 0 e Z =1 na tabela e encontrar a probabilidade:
Ir na Tabela de Distr. Normal com o valor de Z=1,00 e encontraremos 0,3413
NOTA:
Os valores de Z sempre se referem de 0 até o valor encontrado.
Os valores de Z a direita são no máximo 50% e Z a esquerda no máximo 50%
b) 23 < x < 24
P (23 > X > 24) = P (1,00 < Z < 1,33) ⇒ 0,4082 – 0,3413 = 0,0669
µ = 100
σ =5
a) P (100 ≤ X ≤ 106)
X −µ
Z=
σ
106 − 100
Z= = 1,2 0
5
100 − 100
Z= =0
5
Gráfico da função, eixo X:
100 106
b) P (89 ≤ X ≤ 107)
X −µ
Z=
σ
8 9 − 100
Z= = −2,2
5
107 − 100
Z= = 1,4 0
5
Pela tabela, Z = -2,20 ⇒ 0,4860 e Z = 1,40 ⇒ 0,4192. Temos que:
c) P (112 ≤ X ≤ 116)
X −µ
Z=
σ
86
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
112 − 100
Z= = 2,4
5
116 − 100
Z= = 3,2
5
Pela tabela, Z = 2,40 ⇒ 0,4918 e Z = 3,2 ⇒ 0,4993 Temos que:
P (112 ≤ X ≤ 116) = P (2,4 ≤ Z ≤ 3,2) =
= P (0 ≤ Z ≤ 3,2) - P (0 ≤ Z ≤ 2,4) =
= 0,4918 - 0,4993 = 0,0075
d) P (X ≤ 108)
X −µ
Z=
σ
108 − 100
Z= = 1,6
5
Pela tabela, Z = 1,60 ⇒ 0,4452. Temos que:
P (X ≤ 108) = P (Z ≤ 1,6) = 0,5 – P (0 ≤ Z ≤ 1,6) =
= 0,5 - 0,4452 = 0,0548
-2,88 0 Z
87
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
Exemplo: Uma fábrica de carros sabe que os motores de sua fabricação têm
duração normal com média de 150.000 Km e desvio padrão de 5000 Km. Qual a
probabilidade de um carro, escolhido ao acaso, fabricado por esta empresa, ter um
motor que dure:
µ = 150.000
σ = 5.000 e X = 170
15 0 170 X
O valor tabelado para Z = 4 é 0,499:
P (X ≤ 170.000) = P (Z ≤ 4) =
= 0,5 + P (0 ≤ Z ≤ 4) = 0,5 + 0,499 = 0,999
88
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
a) Nenhum erro;
b) Exatamente 2 erros.
6- Em uma estrada, passam em média 1,7 carros por minuto. Qual a probabilidade
de passarem dois carros em dois minutos? (Distrib. Poisson)
10. Uma fábrica produz tecidos com 2,2 defeitos, por peça. Determine a proba-
bilidade de haver ao menos dois defeitos em duas peças. (Distrib. Poisson)
12. Um pregão da Bolsa de Valores motrs que naquele dia 40% das empresas
tiveram aumento do valor da ações, enquanto as demais ficaram estáveis ou perde-
ram o valor. Um fundo negocia com ações de 10 empresas. Calcule a probabilidade
de que neste dia:
a)todas as ações do fundo máx. duas empresas não tenha se valorizado;
b)todas as ações do fundo tenham se valorizado;
c) todas as ações do fundo tenham sido desvalorizadas ou ficaram estáveis.
a) P ( x ≤ 1) = P(x = 0) + P(x = 1)
= 0,5488 + 0,3093
= 0,8781 ou 87,81%
P(x=0) = 20,19%
2) λ = 3 chamadas/dia
a) P(x = 4) = ? R.:16,8%
Logo λ = 4
b) P(x ≤ 3) = 1 - [P(X=0)+P(X=1)+P(X=2)]
= 1 - [0,0498 + 0,1494 + 0,2240]
= 57,6%
3) λ = 3 chamadas/hora
a) P(x = 3) = ? R.:22,40%
b) P(x ≤ 4) = ?
3 chamadas _____ 60 minutos
λ _____ 90 minutos
λ = 4, 5
P(x ≤ 4) = 1 - [P(X=0)+P(X=1)+P(X=2)+P(X=3)]
= 1 - [0,011 + 0,05 + 0,1125 + 0,1687]
= 65,78%
a) P(x = 0) = 44,93 %
b) P(x = 2) = 14,38 %
91
ANÁLISE ESTATÍSTICA
Unidade 3
Distribuições de probabilidade
6) λ = 1,7 carros/minuto
7) X −µ
Z=
σ
Dados:
a)
X=700
X= 1000
b) P(X> 800) =
X=0 11,08%
X=1 24,38%
; = 64,5%
R.: 14,3%
12)
a) p=60% (as empresas tiveram desvalorização logo é sucesso)
N=10
=0,0177 = 1,77%
b) p(x=10)=0,0001 ou 0,01%
p=40%
c) p=60%
P(x=10)=0,006 ou 0,60%
REFERÊNCIAS BIBLIOGRÁFICAS
CRESPO, Antônio Arnot C. Estatística Fácil, Editora Saraiva. São Paulo, 2002.
93