DISTRIBUIÇÕES DE PROBABILIDADES Distribuição Binomial
Rua Professor Veiga Simão | 3700 - 355 Fajões | Telefone: 256 850 450 | Fax: 256 850 452 | www.agrupamento-fajoes.pt | E-mail: geral@agrupamento-fajoes.pt
Probabilidade de um acontecimento • Qual a probabilidade de ser homem e de ser mulher? • P(homem) = 0,5 • P(mulher) = 0,5 • A probabilidade é um número entre 0 e 1, sendo que a soma das probabilidades de todos os resultados possíveis deve ser 1.
50% homens 50% mulheres 2
Modelo de probabilidades POPULAÇÃO Opinião a respeito do governo
20%
AMOSTRA: 1 pessoa observada ao acaso
Modelo probabilístico Resultado
Probab.
50% 30% bom/ótimo regular sem opinião
bom/ótimo regular Sem opinião
0,20 0,30 0,50 3
Variável aleatória Função que a cada elemento do espaço amostral faz corresponder um número real
X = número de faces comuns em 2 lançamentos de uma moeda; = {(nacional, nacional), (comum, nacional), (nacional, comum), (comum, comum)} X: 0
1
2
x
4
Exemplos de variáveis aleatórias: • Vida útil (em horas) de um televisor. • Número de peças com defeito num lote produzido. • Número de acidentes registados durante um mês na Autoestrada. • Na internet, o tempo (em segundos) para uma determinada mensagem chegar ao seu destino: Se a mensagem chega (X = 1), ou não (X = 0), ao seu destino
5
Variáveis aleatórias variável aleatória discreta
os possíveis resultados estão contidos num conjunto finito ou enumerável
0 1 2 3 4 ... número de defeitos em ...
contínua
os possíveis resultados abrangem todo um intervalo de números reais
0 tempo de resposta de ... 6
Distribuição de probabilidades X = núm. de faces comuns em dois lançamentos de uma moeda 0,50 xi
p(x = xi)
0 1 2
0,25 0,50 0,25
0,25
0,25
p(x)
0 x
1
2 7
Construção de distribuições de probabilidades Sortear 2 bolas com reposição
X = número de bolas pretas na amostra 8
Sortear 2 bolas com reposição X = número de bolas pretas na amostra
(10)
(20) 3/5
3/5
2/5
2/5
3/5 2/5
xi p(x = xi) 0 9/25 (0,36) 1 12/25 (0,48) 2 4/25 (0,16) 9
Sortear 2 bolas sem reposição X = número de bolas pretas na amostra (10)
(20) 2/4
3/5
2/4
2/5
3/4 1/4
xi p(x=xi) 0 6/20 (0,30) 1 12/20 (0,60) 2 2/20 (0,10) 10
Sortear 2 bolas X = número de bolas pretas na amostra Distrib. de X com reposição
xi p(x=xi) 0 0,36 1 0,48 2 0,16
Distrib. de X sem reposição
xi p(x=xi) 0 0,30 1 0,60 2 0,10 11
Mais um exemplo: Considera que numa grande rede de computadores, em 60% dos dias ocorre alguma falha. Construir a distribuição de probabilidades para a variável aleatória X = número de dias com falhas na rede, considerando o período de observação de três dias.
12
Possibilidades
xi
Probabilidade
BBB BBF BFB FBB BFF FBF FFB FFF
0 1 1 1 2 2 2 3
0,4 x 0,4 x 0,4 = 0,064 0,4 x 0,4 x 0,6 = 0,096 0,4 x 0,6 x 0,4 = 0,096 0,6 x 0,4 x 0,4 = 0,096 0,4 x 0,6 x 0,6 = 0,144 0,6 x 0,4 x 0,6 = 0,144 0,6 x 0,6 x 0,4 = 0,144 0,6 x 0,6 x 0,6 = 0,216 13
Distribuição de probabilidade de X:
xi 0 1 2 3 Total
p(x=xi) 0,064 0,288 0,432 0,216 1
0,432
0,288 0,216
0,064
0
1
2
3
número de dias com falhas na rede 14
Média e desvio padrão x p(x)
x1 x2 ... xn
E X xi pi
p1 p2 ... pn
Total
V X xi pi 2
2
1
V X
x
2
i
pi 15
X = número de dias com falhas na rede. xi
p(x=xi)
0 1 2 3
0,064 0,288 0,432 0,216
E X xi pi
= 0(0,064) + 1(0,288) + 2(0,432) + 3(0,216) = 1,8 16
X = número de dias com falha na rede. x
p(x)
0 1 2 3
0,064 0,288 0,432 0,216
V X xi pi 2
2
V(X) = (0 – 1,8)2(0,064) + (1 – 1,8)2(0,288) +(2 – 1,8)2(0,432) + (3 – 1,8)2(0,216) = 0,72
17
DISTRIBUIÇÕES DE PROBABILIDADES FICHA DE TRABALHO Nº7
Rua Professor Veiga Simão | 3700 - 355 Fajões | Telefone: 256 850 450 | Fax: 256 850 452 | www.agrupamento-fajoes.pt | E-mail: geral@agrupamento-fajoes.pt
Experiência de provas repetidas de Bernoulli • consiste em n experiências;
• cada experiência tem somente dois resultados: “sucesso” , “insucesso”; • As experiências são independentes, com P(sucesso) = p (0 < p < 1 constante ao longo das experiências); ====> X = número de sucesso nas n experiências
19
Exemplos de experiências de Bernoulli Número
de faces comuns em 10 lançamentos de uma moeda; Número de itens defeituosos numa amostra de 20 itens (supondo amostragem aleatória e com reposição); Número de eleitores favoráveis a um determinado projeto de lei em uma amostra de 200 entrevistados (supondo amostragem aleatória de uma população muito grande). 20
Cálculo das probabilidades em experiências de Bernoulli X
= número de faces comuns em 3 lançamentos de uma moeda com P(face comum) = p; P(X = 1) = ? X=1
CKK KCK KKC
P(CKK) = p (1 - p)2
P(X = 1) = 3 p (1 - p)2 3
C1 21
O modelo binomial Para um particular x = 0, 1, ..., n:
P( X x ) Cx p 1 p n
x
n x
n p V ( X ) n p (1 p) 22
Novamente o mesmo exemplo:
Considera que numa grande rede de computadores, em 60% dos dias ocorre alguma falha. Construir a distribuição de probabilidades para a variável aleatória X = número de dias com falhas na rede, considerando o período de observação de três dias.
23
X
= número de dias com falhas
binomial com n=3 p = 0,6
1 – p = 0,4
P( X x ) Cx 0,6 0,4 3
x
3 x
24
P( X x ) Cx 0,6 0,4 3
x
3 x
n=3 p = 0,6 P(X=0) = 1.0,60.0,43 = 0,064 P(X=1) = 3.0,61.0,42 = 0,288 P(X=2) = 3.0,62.0,41 = 0,432 P(X=3) = 1.0,63.0,40 = 0,216 25
Distribuição da variável X x
p(x)
0 1 2 3
0,064 0,288 0,432 0,216
Total
0,432
0,288
1
n p 3 0,6 1,8 V ( X ) n p (1 p) 3 0,6 0,4 0,72
0,216
0,064
0
1
2
3 26
Exercício: • Num lote, sabe-se que 10 % das peças são defeituosas. Qual é a probabilidade de, ao retirarem 6 peças ao acaso: – a) uma ser defeituosa? – b) no máximo uma ser defeituosa? – c) pelo menos duas serem defeituosas?
27
DISTRIBUIÇÕES DE PROBABILIDADES FICHA DE TRABALHO Nº8 Doexer1 até exer5
Rua Professor Veiga Simão | 3700 - 355 Fajões | Telefone: 256 850 450 | Fax: 256 850 452 | www.agrupamento-fajoes.pt | E-mail: geral@agrupamento-fajoes.pt
DISTRIBUIÇÕES DE PROBABILIDADES Distribuição Normal
Rua Professor Veiga Simão | 3700 - 355 Fajões | Telefone: 256 850 450 | Fax: 256 850 452 | www.agrupamento-fajoes.pt | E-mail: geral@agrupamento-fajoes.pt
Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade Ê o seguinte:
D e n s id a d e
0 .04
0 .03
0 .02
0 .01
0 .00 30
40
50
60
70
Peso
80
90
1 00
A análise do histograma indica que:
- a distribuição dos valores é aproximadamente simétrica em torno de 70kg;
- a maioria dos valores (88%) encontra-se no intervalo (55;85);
- existe uma pequena proporção de valores abaixo de 48kg (1,2%) e acima de 92kg (1%).
X: peso, em kg, de uma pessoa adulta escolhida ao acaso da população. Como se distribuem os valores da variável aleatória X, isto é, qual a distribuição de probabilidades de X ?
Densidade
0 .03 0
0.01 5
0.00 0 30
40
50
60
70
80
90
10 0
P es o
A curva contínua da figura denomina-se curva Normal.
A distribuição Normal é uma das mais importantes distribuições contínuas de probabilidade pois: Muitos fenômenos aleatórios comportam-se de forma próxima a essa distribuição. Exemplos:
1.
altura;
2.
pressão sangüínea;
3.
peso.
Pode ser utilizada para calcular, de forma aproximada, probabilidades para outras distribuições.
Nem todos os fenômenos se ajustam à distribuição Normal. Exemplo: Y: Duração, em horas, de uma lâmpada de certa marca.
A experiência sugere que esta distribuição deve ser assimétrica - grande proporção de valores entre 0 e 500 horas e pequena proporção de valores acima de 1500 horas.
Modelos Contínuos de Probabilidade Variável Aleatória Contínua: • Assume valores num intervalo de números reais. • Não é possível listar, individualmente, todos os possíveis valores de uma v.a. contínua.
• Associamos probabilidades a intervalos de valores da variável.
Nota: No caso das variáveis aleatórias contínuas, apenas interessa determinar a probabilidade correspondente a um intervalo, não fazendo sentido determinar a probabilidade num ponto. A probabilidade em qualquer ponto é sempre zero.
Propriedades dos Modelos Contínuos Uma v.a. X contínua é caracterizada por uma função densidade de probabilidade f(x) com as seguintes propriedades: (i) A área sob a curva de densidade é 1; (ii) P(a X b) = área sob a curva da densidade f(x) e acima do eixo x, entre os pontos a e b; (iii) f(x) 0, para todo x; (iv) P(X = x0) = 0, para x0 fixo.
Assim, P(a < X < b) = P(a X < b) = P(a < X b) = P(a X b).
A DISTRIBUIÇÃO NORMAL
A v. a. X tem distribuição Normal com parâmetros e se a sua função densidade de probabilidade é dada por: Notação : X ~ N( ; )
1. é o valor esperado (média) de X ( - < < ); 2. 2 é a variância de X ( 2 > 0).
Propriedades de X ~ N(;)
• E(X) = (média ou valor esperado); • Var(X) = 2 (e portanto, DP(X) = ); • f (x) 0 quando x ; • x = é ponto de máximo de f (x); • - e + são pontos de inflexão de f (x);
• a curva Normal é simétrica em torno da média .
A distribuição Normal depende dos parâmetros e
N( 1; )
N( 2; )
1
2
Curvas Normais com o mesmo desvio padrão mas médias diferentes (2 > 1).
x
Influência de na curva Normal N(;1) 2 > 1
N(;2)
Curvas Normais com mesma média , mas com variâncias diferentes (2 > 1).
Cálculo de probabilidades P(a < X < b)
Área sob a curva e acima do eixo horizontal (x) entre a e b.
a
b
Denotamos : A(z) = P(Z ď&#x201A;Ł z), para z ď&#x201A;ł 0.
Exemplo: Seja Z ~ N (0; 1), calcular a) P(Z 0,32)
P(Z 0,32) = 0,6255.
b) P(0 < Z 1,71)
P(0 < Z 1,71) = 0,4564
Obs.:
P(Z < 0) = P(Z > 0) = 0,5.
c) P(1,32 < Z 1,79)
P(1,32 < Z 1,79) = 0,0567
d) P(Z 1,5)
P(Z > 1,5) = 0,0668
e) P(Z –1,3)
P(Z – 1,3) = 0,0968
Obs.: Pela simetria, P(Z – 1,3) = P(Z 1,3).
f) P(-1,5 Z 1,5)
g) P(–1,32 < Z < 0)
P(–1,32 < Z < 0) = 0,4066
Valores Tabelados:
Z (i)
P( - X + ) = 0,683.
(ii) P( – 2 X + 2 ) = P(– 2 Z 2 ) = 0,954. (iii) P( – 3 X +3 ) = P( –3 Z 3 ) = 0,998.
DISTRIBUIÇÕES DE PROBABILIDADES CONCLUSÃO DA FICHA DE TRABALHO Nº8
Rua Professor Veiga Simão | 3700 - 355 Fajões | Telefone: 256 850 450 | Fax: 256 850 452 | www.agrupamento-fajoes.pt | E-mail: geral@agrupamento-fajoes.pt
FIM
Rua Professor Veiga Sim찾o | 3700 - 355 Faj천es | Telefone: 256 850 450 | Fax: 256 850 452 | www.agrupamento-fajoes.pt | E-mail: geral@agrupamento-fajoes.pt