Enrico Betoni Rafael Eiras Murillo Baptista

n usp: 7246640

A) Conceber duas experincias, uma em que a varivel aleatria possa ser descrita pela distribuio Binomial e outra pela distribuio de Poisson. As duas experincias concebidas foram: a participao de automveis em acidentes com vtimas, e o nmero de mortes ocorridas por acidentes de transito. B) Explicar com base nas hipteses porque as particulares distribuies foram utilizadas. A Distribuio Binomial caracterizada por: - n provas independentes; - em cada prova, s existem dois resultados: sucesso ou fracasso; - a probabilidade de ocorrer um sucesso p e permanece constante em todas as provas realizadas. Em nosso caso, escolhemos o calculo da probabilidade de um acidente com vtimas ter ocorrido com participao de automveis. Assim, se considerarmos um sucesso p como sendo a porcentagem de participao de automveis em acidentes com vtimas, e um fracasso q como a porcentagem de acidentes com vtimas sem a participao de automveis, poderemos calcular a probabilidade de um automvel participar ou no em um n nmero de acidentes com vtimas. As provas so independentes, j que cada acidente com vtima no influencia na ocorrncia de outro (considerando cada acidente como um evento ocorrido em locais, horrios e condies distintas), e em cada prova h apenas dois resultados: presena de automveis (sucesso) ou ausncia de automveis (fracasso). Alm disso, como a porcentagem de acidentes ocorridos com ou sem automveis um valor constante estimado, pode-se considerar que a probabilidade de ocorrncia de sucessos ou fracassos em cada evento tambm constante. J a Distribuio de Poisson se aplica quando estamos interessados no nmero de sucessos ocorridos em um determinado intervalo contnuo (que pode ser de tempo, comprimento, rea etc.). Como no se sabe qual a probabilidade de sucesso ou fracasso de cada evento separadamente, utilizamos de uma freqncia mdia de sucesso para calcular a probabilidade de ocorrncia de um x nmero de sucessos ao longo de um determinado intervalo de continuo t. Em nosso estudo, consideramos a probabilidade de ocorrncia de mortes ocasionadas por acidentes de transito instantes seguintes ocorrncia dos mesmos (menos de 72h). Dessa forma, seria o a freqncia mdia de mortes/ms, e x a quantidade de mortes ocorridas no intervalo t. Considerando que cada acidente um evento separado e que a as mortes so tambm eventos separados e independentes, de forma que uma morte em um acidente no influencie as outras (aproximao bastante vlida), podemos aplicar a Distribuio de

Poisson a partir destes dados para estimar a probabilidade de um x nmero de mortes ocasionadas por acidentes de trnsitos em um intervalo de tempo t desejado. C) Coletar dados Os dados coletados por ns so reais e extrados de nossas fontes. Aps a coleta destes dados, pudemos enxergar como esses eventos ocorrem, e qual a probabilidade de ocorrer um evento A ou um evento B (no caso da Distribuio Binomial) e qual a probabilidade de ocorrer um certo nmero de sucessos em um determinado perodo de tempo (no caso da Distribuio de Poisson), atravs do histrico de acontecimentos. No caso da Distribuio Binomial, os dados coletados permitiram que soubssemos que nos acidentes com vtima, os automveis tm participao de 53%. No caso da Distribuio de Poisson, a informao que obtivemos de que o nmero de mortes por ano em acidentes de carro em todo o Brasil atinge o ndice de 30.000. D) Estimativa dos parmetros 1 caso Distribuio Binomial: Sendo a mdia da distribuio, n o nmero de provas analisadas, a varincia, p a probabilidade do evento sucesso (participao de automveis) ocorrer e q a probabilidade do evento fracasso (no participao de automveis) ocorrer temos: = np = npq Para o nosso estudo, temos ento que a mdia da distribuio ser a multiplicao do numero de provas pela probabilidade de ocorrncia do evento sucesso (0,53). Caso o nmero de provas (n) fosse, por exemplo 10, teramos a mdia da distribuio igual a 10 x 0,53 = 5,3 participaes de automveis em acidentes com vitimas. Ou seja, caso analisemos 10 eventos em que tivemos acidentes com vitimas, a media da distribuio de que tenhamos 5,3 acidentes envolvendo automveis. A varincia ser calculada pela multiplicao entre o nmero de provas, a probabilidade do evento sucesso e a probabilidade do evento fracasso. No caso de o nmero de provas ser 10, a varincia teria o valor de 10 x 0,53 x 0,47. O valor seria da varincia seria portanto 2,491. 2 caso Distribuio de Poisson Sendo a media da distribuio, a varincia, a frequncia mdia de sucessos e t o intervalo de tempo analisado temos que: = t = t

O numero de frequncia mdia de sucessos () de 30 mil mortes/ano (lembrando que so mortes ocorridas por acidentes de trnsito). Temos portanto que tanto a mdia da distribuio quanto a varincia ser dada pela multiplicao de 30.000 pelo tempo (t) em que analisamos. Lembrando que o tempo t deve ser em anos A mdia e a varincia, ao se analisar esta distribuio em um ano, possuem o valor de 30 mil acidentes. A partir da podemos estimar portanto, uma mdia de sucessos () de 2.500 mortes/ms ou ainda 83 mortes/dia. E) Construir os valores tericos de probabilidades 1 Caso: Transformando as informaes que temos para a linguagem matemtica, sabemos que a probabilidade de em n acidentes com vtimas, k acidentes terem tido a participao de automveis ser: com p = 0,53 e q = 0,47 Portanto:

2 Caso: A probabilidade de k sucessos em um determinado perodo de tempo (t), ser dado por:

Como e^(-30.000t) tende a 0 (zero), devemos mudar o parmetro para =30 (com unidade de mil mortes/ano), ou ainda usar =83 mortes/dia.

F) Construir uma tabela com valores obtidos, valores tericos, erros. Primeiro Caso Numero porcentual de acidentes envolvendo automveis: 2002 47% 2003 52% 2004 55% 2005 40% 2006 42% 2007 45% 2008 60% 2009 55% Mdia: 49,5% Desvio de 7,07% Segundo Caso

Mdias de mortes por ano: 2002 25.815 mortes 2003 27.884 mortes 2004 30.315,5 mortes 2005 39.142,3 mortes 2006 40.017,7 mortes 2007 52.121,5 mortes 2008 57.116 mortes Mdia total: 38.916 mortes/ano Mdia do experimento: 30.000 mortes/ano Desvio de 22,9%

G) Concluses e opinies a respeito da adequao do modelo terico a realidade. Analisando os resultados obtidos ao longo do trabalho, pudemos observar a proximidade de como os fatos acontecem com relao a aproximao que utilizamos para poder adequ-las a modelo de probabilidades conhecidos. No Caso da distribuio Binomial, as porcentagens encontradas ao longo de todos os anos de estudo foram bem prximas a mdia da distribuio, como j se esperava. O histrico de acidentes com automveis envolvendo vitimas nos permite saber estimar e

calcular a probabilidade de que em um acidente com carro conhecido, tenha havido alguma vtima. J no segundo caso, a mdia de mortes por ano em acidentes de carro, ao longo de todos os anos estudados, se aproxima da mdia terica que nos encontramos em nossas fontes de pesquisa. Desse modo, h uma semelhana e uma proximidade entre o modelo terico e o modelo obtido, real. Pode-se dizer, portanto, que, embora no se possa afirmar que em certo perodo de tempo ocorrero certo nmero de vitimas fatais no transito, possvel ter-se uma idia de quantos cidados perdem suas vidas dessa forma e qual a probabilidade de uma quantidade de vitimas perderem suas vidas nos acidentes em um certo perodo de tempo. importante lembrar tambm que devido s ordens de grandeza envolvidas no calculo da probabilidade de mortes por acidentes, deve-se ajustar o valor de e sua unidade para garantir o funcionamento do clculo, da mesma forma que o valor de k mortes deve estar na mesma ordem de grandeza. H) Bibliografia http://www.transitobr.com.br/index2.php?id_conteudo=9 http://ava.producaopoliusp.net/mod/resource/view.php?inpopup=true&id=1745 http://observasaude.fundap.sp.gov.br/