Académique Documents
Professionnel Documents
Culture Documents
0, fracasso P(0) = 1 - p
Varivel aleatria X
1, sucesso P(1) = p
E ( X ) = 0(1 p ) + 1( p ) = p
V ( X ) = p p 2 = p (1 p )
Ex:
Experimento: lanamento de um dado;
Sucesso se sair a face 5.
P ( X = 0) = 5 / 6 E( X ) = 1/ 6
P ( X = 1) = 1 / 6 V ( X ) = (1 / 6)(5 / 6) = 5 / 36
Distribuio binomial
Experimento binomial
Consiste de n experimentos (ensaios) de
Bernoulli;
Para cada ensaio existe dois possveis
resultados: sucesso ou fracasso;
A probabilidade de sucesso p. A
probabilidade de fracasso (1-p);
Os ensaios so independentes.
Distribuio binomial
Experimento binomial
Definimos a varivel aleatria X tal que:
X = o nmero de sucessos num experimento
binomial, ou seja, o nmero de sucessos
ocorridos em n repeties independentes do
experimento de Bernoulli.
Distribuio binomial
Ex: Um dado lanado 10 vezes, qual a probabilidade
da face 5 sair 4 vezes?
Pensando em algo mais simples:
Se o dado for lanado 2 vezes, qual a probabilidade de ambos
ensaios resultarem em sucesso?
9
5 1
probabilid ade = (SSSSSSSSSF)
6 6
Distribuio binomial
Qual a probabilidade de 9 sucessos e uma falha?
9
5 1
probabilid ade = 10
6 6
n k nk
P ( X = k ) = p (1 p )
k
X ~ b ( n, p )
Distribuio binomial
Ex: Uma moeda lanada 20 vezes. Qual a
probabilidade de sarem 8 caras?
X = 0 ,1 , 2 ,..., 20
n k
P ( X = k ) = p (1 p ) n k
k
n = 20 8 12
k = 8 20 1 1
P ( X = 8) = 1 = 0,12013
p = 1/ 2 8 2 2
Distribuio binomial
Valor esperado e varincia
E ( X ) = np
V ( X ) = np (1 p )
Ex:
Um dado lanado 21 vezes. Seja X o nmero de vezes que
sair a face 5. Calcule o valor esperado e a varincia de X.
p = 1/ 6 1
E ( X ) = 21 = 3,5
6
1 1
V ( X ) = 21 1 = 2,916667
6 6
Distribuio binomial
Ex:
X ~ B (4,5% )
E ( X ) = np = 4 0,05 = 0,2
V ( X ) = np (1 p ) = 4 0,05 0,95 = 0,19
X 0 1 2 3 4
p(xi) 0,8145 0,1715 0,0135 0,0015 0,0000
4 4 4
P ( X = 0) = (0,05 ) (0,95) P ( X = 2) = (0,05 ) (0,95) P ( X = 4) = (0,05 ) (0,95)
0 4 2 2 4 0
0 2 4
4 4
P ( X = 1) = (0,05 ) (0,95 ) P ( X = 3) = (0,05 ) (0,95)
1 3 3 1
1 3
Distribuio binomial
X 0 1 2 3 4
p(xi) 0,8145 0,1715 0,0135 0,0015 0,0000
( )
V ( X ) = E X 2 E 2 ( X ) = 0,239 0,2 2 = 0,19
( )
E X 2 = 0 2 0,8145 + 12 0,1715 + 2 2 0,0135 + 32 0,0015 + 4 2 0 = 0,239
Distribuio Hipergeomtrica
Semelhante binomial exceto que a amostragem sem
reposio de uma populao finita com N itens.
Parmetros:
N: nmero de itens na populao;
r: nmero de sucessos na populao;
n: tamanho da amostra.
r r
k n k , max( 0, n + r ) k min( r , n)
P( X = k ) =
n
X ~ hip ( , r , n)
Valor esperado e varincia
r
E(X ) = n
r r n
V (X ) = n 1
1
Distribuio Hipergeomtrica
Ex:
Em uma remessa de dez iPods, dois esto danificados e oito esto
bons. A recepo de mercadorias da loja Best Buy testa uma amostra de
trs iPods aleatoriamente para verificar se esto defeituosos. Calcule:
a) a probabilidade de ter um iPod danificado na amostra;
b) a probabilidade de haver ao menos um iPod danificado.
a) r r
k nk
P ( X = k ) =
n
2 10 2 2! 8!
1 3 1 1!( 2 1)! 2!(8 2)! = 2 28 = 0,4667
P ( X = 1) = =
10 10! 120
3 3!(10 3)!
Distribuio Hipergeomtrica
b)
2 10 2
2 3 1 1 8
P ( X = 2 ) = = = 0,0667
10 120
3
Distribuio geomtrica
Descreve o nmero de ensaios de Bernoulli at que o
primeiro sucesso seja observado.
P ( X = k ) = p (1 p ) k 1
1
E(X ) =
p
1 p
V (X ) = 2
p
Distribuio geomtrica
Ex:
Por experincia, voc sabe que a probabilidade de que voc far uma
venda em qualquer telefone dado 0,23. Encontre a probabilidade de que
sua primeira venda, em qualquer dia dado, ocorra na quarta ou quinta
ligao.
P ( X = k ) = p (1 p ) k 1
P ( X = 4) = 0,23(0,77 ) 3 = 0,105003
P ( X = 5) = 0,23(0,77) 4 = 0,080852
E( X ) =
V (X ) =
Distribuio de Poisson
Ex:
Um telefone recebe, em mdia, cinco chamadas por minuto.
Supondo que a distribuio de Poisson seja adequada nessa
situao, obter a probabilidade de que o telefone no receba
chamadas durante um intervalo de um minuto.
X : Nmero de chamadas por minuto.
E( X ) = 5 =
e k
P( X = k ) =
k!
e 5 5 0
P ( X = 0) = = e 5 = 0,0067
0!
Distribuio de Poisson
Qual a probabilidade de obter no mximo duas chamadas em quatro minutos?
= 5 4 = 20
P ( X 2) = P ( X = 0) + P ( X = 1) + P ( X = 2) =
20 0 20 1 20 2
e 20 e 20 e 20 20 20
= + + = e (1 + 20 + 200 ) = 221e
0! 1! 2!
Distribuio de Poisson
Para n muito grande e um p muito pequeno:
np
n k e ( np ) k
P ( X = k ) = p (1 p ) n k , k = 0 ,1 , 2 ,..., n .
k k!
Ex:
A probabilidade de uma lmpada se queimar ao ser ligada
1/100. Numa instalao de 100 lmpadas, qual a probabilidade
de 2 lmpadas queimarem ao serem ligadas?
100
P ( X = 2) = (0,01)2 (0,99) 98 = 0,1848
2
1 e 1 (1) 2
= np = 100 =1 P ( X = 2) = = 0,18394
100 2!
Questo
A probabilidade de algum passar em um
determinado teste na primeira tentativa de
15%. Se 10 pessoas fizerem o teste na prxima
vez que ele for oferecido,qual a probabilidade
de:
a) ningum passar?
b) exatamente 4 passarem?
c) no mximo 3 passarem?
d) no mnimo 3 passarem?
e) Qual o valor esperado do nmero de pessoas passarem?
f) Qual a varincia do nmero de pessoas passarem?