Mod Discret Os

Probabilidade I
Modelos Probabilsticos
Mrcio Augusto
14 de dezembro de 2016
Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

14 de dezembro de 2016 1 / 62
Modelos Probabilsticos Discretos
Modelo Uniforme Discreto
Definio 1: Modelo Uniforme Discreto

Uma varivel aleatria X tem distribuio Uniforme Discreta com
parmentro n no conjunto A = {1, 2, ..., n} se sua funo de
probabilidade for:


probabilidade for:
1
p(x) = P (X = x) = para qualquer x A.
n


probabilidade for:
1
p(x) = P (X = x) = para qualquer x A.
n
Chama-se espao paramtrico o conjunto de valores que o parmentro
de uma distribuio pode assumir. Nesse caso, o espao paramtrico
para n N.

Figura: Distribuio Uniforme Discreta

Resultado: Esperaa e Varincia da Uniforme Discreta

Seja X tem distribuio Uniforme Discreta com parmentro n no
conjunto A = {1, 2, ..., n}, Ento


n+1
E(X) =
2
e


n+1
E(X) =
2
e
n2 1
V ar(X) =
12

Modelo de Bernoulli
Na prtica, existem muitos experimentos que admitem apenas dois

resultados.

Modelo de Bernoulli

resultados.
Exemplos:
uma pea classificada como boa ou defeituosa;

Modelo de Bernoulli

resultados.
Exemplos:
o resultado de um exame mdico para deteco de uma doena
positivo ou negativo;

Modelo de Bernoulli

resultados.
Exemplos:
um paciente submetido a um tratamento, durante um perodo de
tempo fixo, cura-se ou no da doena;

Modelo de Bernoulli

resultados.
Exemplos:
um entrevistado concorda ou discorda de uma afirmao feita;

Modelo de Bernoulli

resultados.
Exemplos:
um entrevistado concorda ou discorda de uma afirmao feita;
no lanamento de um dado ocorre ou no a face "5".

Modelo de Bernoulli
Definio 2: Ensaio de Bernoulli

Um ensaio de Bernoulli ou experimento de Bernoulli, um experimento
aleatrio com apenas dois resultados possveis; por conveno, um deles
chamado de "sucesso"e o outro, "fracasso".

Modelo de Bernoulli

Suponha que seja realizado um ensaio de Bernoulli e, baseado nesse

experimento, seja definida a varivel aleatria X:

Modelo de Bernoulli

Suponha que seja realizado um ensaio de Bernoulli e, baseado nesse

experimento, seja definida a varivel aleatria X:
(
1, se ocorre sucesso
X=
0, se ocorre fracasso

Modelo de Bernoulli
Definio 3: Distribuio de Bernoulli

Seja X uma varivel aleatria que assume apenas os valores 0 e 1.
Dizemos ento que X tem distribuio de Bernoulli com parmentro
p (0, 1), em que p = P (X = 1).

Modelo de Bernoulli

p (0, 1), em que p = P (X = 1).
Notao: X Ber(p)

Modelo de Bernoulli

p (0, 1), em que p = P (X = 1).
Notao: X Ber(p)
A funo de probabilidade de X Ber(p)
p(x) = P (X = x) = px (1 p)1x x = 0, 1,

Modelo de Bernoulli

p (0, 1), em que p = P (X = 1).
Notao: X Ber(p)
p(x) = P (X = x) = px (1 p)1x x = 0, 1,
e a a funo de distribuio acumulada dada por :

Modelo de Bernoulli

p (0, 1), em que p = P (X = 1).
Notao: X Ber(p)
p(x) = P (X = x) = px (1 p)1x x = 0, 1,
e a a funo de distribuio acumulada dada por :

0,
se x<0
X = 1 p, se 0x<1

1, se x1


Modelo de Bernoulli
Figura: Distribuio de Bernoulli

Modelo de Bernoulli
Seja X Ber(p). Ento

Modelo de Bernoulli
Seja X Ber(p). Ento

Esperana
E(X) = 0.(1 p) + 1.p = p

Modelo de Bernoulli
Seja X Ber(p). Ento

Esperana
E(X) = 0.(1 p) + 1.p = p
Varincia
E(X 2 ) = 02 .(1 p) + 12 .p = p

Modelo de Bernoulli
Seja X Ber(p). Ento

Esperana
E(X) = 0.(1 p) + 1.p = p
Varincia
E(X 2 ) = 02 .(1 p) + 12 .p = p
V ar(X) = E(X 2 ) [E(X)]2 = p p2 = p(1 p)

Modelo de Bernoulli
Seja X Ber(p). Ento

Esperana
E(X) = 0.(1 p) + 1.p = p
Varincia
E(X 2 ) = 02 .(1 p) + 12 .p = p
V ar(X) = E(X 2 ) [E(X)]2 = p p2 = p(1 p)
Funo geratriz de momentos
M (t) = E(etX ) = et.0 .(1 p) + et.1 .p = (1 p) + pet

Modelo Binomial
14 de dezembro de 2016 10 /
Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos 62
Modelo Binomial
Definio 4: Experimento Binomial

Um experimento binominal consiste em repeties independentes de
ensaios de Bernoulli com probabilidade p de sucesso, probabilidade essa
que permanece constante em todas as repeties.
Modelo Binomial

Definio 5: Distribuio Binomial

Uma varivel aleatria X tem distribuio Binominal com parmetros
n {1, 2, ...} e p (0, 1), quando esta representa o nmero de sucessos
em n ensaios de Bernoulli, independentes, cada um com probabilidade p
de sucesso.
Modelo Binomial

Definio 5: Distribuio Binomial

Uma varivel aleatria X tem distribuio Binominal com parmetros
n {1, 2, ...} e p (0, 1), quando esta representa o nmero de sucessos
em n ensaios de Bernoulli, independentes, cada um com probabilidade p
de sucesso. Notao: X Bin(n; p)
Modelo Binomial
Funo de probabilidade
Seja X Bin(n; p). Ento, a funo de probabilidade de X dada por:
Modelo Binomial

n x
p(x) = P (X = x) = p (1 p)nx , x = 0, 1, 2, ..., n.
x
Modelo Binomial

n x
p(x) = P (X = x) = p (1 p)nx , x = 0, 1, 2, ..., n.
x
Modelo Binomial
Exemplo 1:
Considere uma prova com 12 questes, cada uma com 4 alternativas.
Supondo que o aluno escolha a resposta ao acaso. Determine:
a) a probabilidade de que ele acerte 6 questes
b) a probabilidade que ele acerte no mximo 2 questes.
Modelo Binomial
Exemplo 1:
Considere uma prova com 12 questes, cada uma com 4 alternativas.
Supondo que o aluno escolha a resposta ao acaso. Determine:
a) a probabilidade de que ele acerte 6 questes
b) a probabilidade que ele acerte no mximo 2 questes.
Exemplo 2:
Um lote de componentes eletrnicos recebido por uma firma. Vinte
componentes so selecionados, aleatoriamente e com reposio, para
teste e o lote rejeitado se pelo menos 3 forem defeituosos. Sabendo
que 5% destes componentes so defeituosos, qual a probabilidade do
lote ser rejeitado?
Modelo Hipergeomtrico
Definio 5: Distribuio Hipergeomtrico

Uma varivel aleatria X tem distribuio Hipergeomtrica com
parmetros N , r e n quando esta representa o nmero de sucessos
dentro de uma amostra de tamanho n extrada, sem reposio, de uma
populao de tamanho N formada por r sucessos e N r fracassos.

Notao: X Hiper(N, r, n)

Notao: X Hiper(N, r, n)
A funo de probabilidade de X definida por

r N r

x nx
P (X = x) = N
x = 0, ..., n
n
Exemplo 1:
Trs bolas so retiradas, sem reposio, de uma urna composta por 4
bolas brancas e 6 bolas verdes. Vamos definir a varivel aleatria
X = nmero de bolas brancas sorteadas.
Encontre a funo de probabilidade de X
Exemplo 1:
Soluo: Os valores possveis de X so 0,1,2,3. Assim,
Exemplo 1:

r N r 4 6

x nx 0
P (X = 0) = N
= 3 = 0, 1667
10
n 3
Exemplo 1:

r N r 4 6

x nx 0
P (X = 0) = N
= 3 = 0, 1667
10
n 3
4
6
1
P (X = 1) = 2 = 0, 5
10
3
Soluo - Continuao:
4
6
2
P (X = 2) = 1 = 0, 3
10
3
Soluo - Continuao:
4
6
2
P (X = 2) = 1 = 0, 3
10
3
4
6
3
P (X = 3) = 10
0 = 0, 0333
3
Seja X Hiper(N, r, n), ento
Definio: Propriedades do Modelo Hipergeomtrico

Esperaa
nr
E(X) =
N
Definio: Propriedades do Modelo Hipergeomtrico

Esperaa
nr
E(X) =
N
Varincia
nr N r N n
V ar(X) =
N N N 1
Distribuio Geomtrica
Definio: Distribuio Geomtrica

Uma varivel aleatria X tem distribuio Geomtrica com parmentro
p quando esta representa o nmero de tentativas at a ocorrncia do
primeiro sucesso em consecutivos ensaios de Bernoulli independentes,
cada um com probabilidade p de sucesso.

Notao: X Geom(p)

Notao: X Geom(p)
A funo de probabilidade de X Geom(p)

Notao: X Geom(p)
A funo de probabilidade de X Geom(p)
P (X = x) = (1 p)x1 p x = 1, 2, 3, ...
Propriedades da Distribuio Geomtrica

Esperana
1
E(X) =
p

Esperana
1
E(X) =
p
Varincia
1p
V ar(X) =
p2

Esperana
1
E(X) =
p
Varincia
1p
V ar(X) =
p2
pet
M (t) =
1 (1 p)et
Exemplo
Um atirador acerta na mosca do alvo, 20% dos tiros. Qual a
probabilidade de ele acertar na mosca pela primeira vez no 10 tiro? E
quantos tiros sero dados em mdia at que o atirador acerte na mosca?
Forma Alternativa da Distribuio Geomtrica

Em vez de definir a varivel geomtrica como o nmero de repeties
at o primeiro sucesso, podemos usar a seguinte definio alternativa:

Y = nmero de fracassos antes do primeiro sucesso

Neste caso, a funo de probabilidade de Y

P (Y = y) = (1 p)y p y = 0, 1, 2, ...

P (Y = y) = (1 p)y p y = 0, 1, 2, ...
Obs: Essa distribuio de probabilidade , s vezes chamada

distribuio geomtrica deslocada.
Propriedades da Distribuio Geomtrica - Forma alternativa

Em termos da varivel geomtrica X apresentada anteriormente,
podemos ver que
Y =X 1

podemos ver que
Y =X 1
Usando essa relao temos:

podemos ver que
Y =X 1
Esperana
1 1p
E(Y ) = E(X) 1 = 1=
p p

podemos ver que
Y =X 1
Esperana
1 1p
E(Y ) = E(X) 1 = 1=
p p
Varincia
1p
V ar(Y ) = V ar(X) =
p2

podemos ver que
Y =X 1
Esperana
1 1p
E(Y ) = E(X) 1 = 1=
p p
Varincia
1p
p2

p
M (t) =
1 (1 p)et
Exemplo
A probabilidade de se encontrar um determinado semfaro aberto
igual a 20%. Qual a probabilidade de passar pelo semfaro sucessivas
vezes e encontra-lo aberto pela primeira vez na quinta passagem?
Distribuio Binomial Negativa (Pascal)
Definio: Distribuio Binomial Negativa (Pascal)

Uma varivel aleatria X tem distribuio Binomial Negativa com
parmetros r e p quando esta representa o nmero de tentativas at a
ocorrncia do r-simo sucesso em consecutivos ensaios de Beroulli
independentes, cada um com probabilidade p de sucesso.

Notao: X BN (r, p)

Notao: X BN (r, p)
A funo de probabilidade de X BN (r, p)

x1 r
P (X = x) = p (1 p)xr x = r, r + 1, r + 2, r + 3, ...
r1
Propriedades da Distribuio Binomial Negativa (Pascal)

Seja X BN (r, p), ento
Esperana
r
E(X) =
p

Esperana
r
E(X) =
p
Varincia
1p
V ar(X) = r
p2

Esperana
r
E(X) =
p
Varincia
1p
V ar(X) = r
p2

r
pet

M (t) =
1 (1 p)et
Distribuio Binomial vs Binomial Negativa

Na distribuio binomial negativa, o nmero de repeties do
experimento de Bernoulli varivel e o nmero de sucessos um
nmero fixo (pr-estabelecido), enquanto que na distribuio Binomial,
o nmero de repeties fixo e a varivel de interesse o nmero de
sucessos.
Distribuio Binomial vs Binomial Negativa

Na distribuio binomial negativa, o nmero de repeties do
experimento de Bernoulli varivel e o nmero de sucessos um
nmero fixo (pr-estabelecido), enquanto que na distribuio Binomial,
o nmero de repeties fixo e a varivel de interesse o nmero de
sucessos.
Distribuio
Parmetro
Binomial Binomial Negativa
N de repeties fixo varivel aleatria
N de sucessos varivel aleatria fixo
Exemplo
Deseja-se produzir 5 peas boas, em uma mquina que d 20% de peas
defeituosas. Qual a probabilidade de ser necessrio fabricar 8 peas
para se conseguir as 5 peas boas?
Forma Alternativa da Distribuio Binomial Negativa (Pascal)

Assim como no caso da distribuio geomtrica, podemos definir a
varivel binomial negativa como
Y = nmero de fracassos antes do r-simo sucesso

Isso significa que a ltima repetio corresponde ao r-simo sucesso e

antes dele temos k fracassos e r 1 sucessos. Logo, antes do ltimo
sucesso, temos um total de k + r 1 repeties.

Isso significa que a ltima repetio corresponde ao r-simo sucesso e

antes dele temos k fracassos e r 1 sucessos. Logo, antes do ltimo
sucesso, temos um total de k + r 1 repeties. Neste caso, a funo de
probabilidade de Y

y+r1 r
P (Y = y) = p (1 p)y y = 0, 1, 2, ...
r1
Propriedades da Distribuio Binomial Negativa (Pascal) - Forma

alternativa
podemos ver que
Y =X r

alternativa
podemos ver que
Y =X r

alternativa
podemos ver que
Y =X r
Esperana
r(1 p)
E(Y ) =
p

alternativa
podemos ver que
Y =X r
Esperana
r(1 p)
E(Y ) =
p
Varincia
r(1 p)
p2

alternativa
podemos ver que
Y =X r
Esperana
r(1 p)
E(Y ) =
p
Varincia
r(1 p)
p2

r
p
M (t) =
1 (1 p)et
Distribuio Poisson
Introduo
Suponhamos que estejamos observando um determinado fenmeno
de interesse por um certo perodo de tempo de comprimento t = 1
com o interesse de contar o nmero de vezes X que um
determinado evento ocorre.
Distribuio Poisson
Introduo
A distribuio de Poisson est associada com um processo de
contagem chamado Processo de Poisson.
Distribuio Poisson
Introduo
Aplicaes:
O nmero de erros de impresso em uma pgina;
Distribuio Poisson
Introduo
Aplicaes:
O nmero de chamadas telefnicas em uma central;
Distribuio Poisson
Introduo
Aplicaes:
O nmero de clientes que entram em uma agncia bancaria;
Distribuio Poisson
Introduo
Aplicaes:
O nmero de clientes que entram em uma agncia bancaria;
O nmero de bactrias em uma superfcie.
Distribuio Poisson
Definio: Processo de Poisson

Suponha que procede contagem do nmero de acontecimentos
ocorridos ao longo do tempo. Tem-se um processo de Poisson com
parmetro > 0 (taxa mdia) quando se verificam as seguintes
condies:
Distribuio Poisson

condies:
O nmero de acontecimentos que ocorrem em dois intervalos
disjuntos so independentes;
Distribuio Poisson

condies:
A probabilidade de ocorrer exatamente um acontecimento em
qualquer intervalo de amplitude t arbitrariamente pequena
aproximadamente t;
Distribuio Poisson

condies:
A probabilidade de ocorrer exatamente um acontecimento em
qualquer intervalo de amplitude t arbitrariamente pequena
aproximadamente t;
A probabilidade de ocorrerem dois ou mais acontecimentos em
qualquer intervalo de t arbitrariamente pequeno
aproximadamente igual a zero.
Distribuio Poisson
Definio: Distribuio de Poisson

Diz-se que uma varivel aleatria X tem distrio de Poisson com
parmetro se sua funo de probabilidade dada por
x e
P (X = x) = , x = 0, 1, 2, ...; > 0
x!
Distribuio Poisson
Definio: Distribuio de Poisson

Diz-se que uma varivel aleatria X tem distrio de Poisson com
parmetro se sua funo de probabilidade dada por
x e
P (X = x) = , x = 0, 1, 2, ...; > 0
x!
Notao: X P oi()
Distribuio de Poisson
Propriedades da Distribuio de Poisson

Seja X P oi(), ento

Seja X P oi(), ento
Esperana
E(X) =

Seja X P oi(), ento
Esperana
E(X) =
Varincia
V ar(X) =

Seja X P oi(), ento
Esperana
E(X) =
Varincia
V ar(X) =

t 1)
M (t) = e(e
Observao
Se os acontecimentos num processo de Poisson ocorrem a uma taxa
mdia de , por unidade de tempo, ento o nmero de ocorrncias num
intervalo de amplitudo t > 0 tem distribuio de Poisson de parmetro
t, assim
Observao
Se os acontecimentos num processo de Poisson ocorrem a uma taxa
mdia de , por unidade de tempo, ento o nmero de ocorrncias num
intervalo de amplitudo t > 0 tem distribuio de Poisson de parmetro
t, assim
(t)x et
P (X = x) = , x = 0, 1, 2, ...; > 0
x!
Exemplo
Uma central telefnica recebe uma mdia de 5 chamadas por minuto.
Suponha que as chamadas cheguem segundo uma distribuio de
Poisson. Qual a probabilidade da central telefnica
(a) no receber nenhuma chamada em um minuto?
(b) receber no mximo 2 chamadas em 2 minutos?
Modelos Probabilsticos Contnuos
Distribuio Exponencial
Definio
Uma varivel aleatria X contnua tem distribuio exponencial com
parmetro se sua fdp dada por
(
ex , x > 0
f (x) =
0, x 0,
onde > 0.
Notao: X Exp()
Motivao:
Suponha que eventos ocorram ao longo do tempo e que o nmero
de eventos ocorridos dentro de um intervalo de tempo unitrio
possa ser considerado uma varivel aleatria com distribuio de
Poisson de mdia ;
A motivao principal para a criao da distribuio exponencial
vem da distribuio do tempo de espera pela chegada do primeiro
acontecimento;
indica o nmero mdio de ocorrncias em um intervalo de tempo
unitrio.
Funo de Distribuio
Se X Exp() ento sua funo de distribuio dada por:
F (x) = 1 ex , x > 0
Caractersticas Importantes
Se X Exp() ento:
Esperana
1
E(X) =

Varincia
1
V ar(X) =
2
Funo geradora de momentos

M (t) = , t<
t
Mediana
ln2
Md =

Moda: A distribuio exponencial no tem moda, uma vez que a
funo densidade decrescente com x e que o domnio aberto.
Exemplo 1
Seja X uma varivel aleatria exponencial com mdia 4. Calcule
a) P (X > 1)
b) P (1 X 2)
Propriedade de Falta de Memria

Se s e t so nmero reais positivos e X Exp(), ento
P (X > s + t|X > t) = P (X > s)
Parametrizao Alternativa
Alguns autores apresentam a distribuio exponencial em termos do
1
parmetro = > 0. Nesse caso, a fdp fica

1 ex/ , x > 0

f (x) =
0, x 0,
Alm disso, nessa parametrizao

1 1
E(X) = , V ar(X) = 2 , M (t) = ,t <
1 t
Distribuio Gama
Definio: Funo Gama

Chama-se funo Gama a funo de varivel real, estritamente positiva,
definida por: Z
() = x1 ex dx, > 0
0
Propriedades da Funo Gama

() R 1 x
Dados > 0 e > 0, = 0 x e dx;

Dados > 1, () = ( 1)( 1);
Dando n {1, 2, 3, ...}, (n) = (n 1)!.
Distribuio Gama
Definio: Distribuio Gama

Uma varivel aleatria contnua X tem distribuio gama com
parmetros > 0 e > 0 se sua funo densidade dada por
1 x1 ex , x > 0

f (x) = ()
0, x 0,

os parmetros da distribuio so > 0 e > 0.
Notao: X Gama(, )
Distribuio Gama
Caractersticas Importantes
Se X Gama(, ) ento:
Esperana

E(X) =

Varincia

V ar(X) =
2

M (t) = , t<
t
Distribuio Gama
Parametrizao Alternativa
Assim como no caso da distribuio exponencial, alguns autores
1
apresentam a distribuio gama em termos do parmetro = > 0.

Nesse caso, a fdp fica
1 x1 ex/ , x > 0

f (x) = ()
0, x 0,

Alm disso, nessa parametrizao

2 1 1
E(X) = , V ar(X) = , M (t) = ,t <
1 t
Distribuio Gama - Casos Particulares
A seguir so apresentados trs casos particulares da distribuio Gama.

1 Distribuio Exponencial
Quando, na distribuio gama, o parmetro = 1 temos a distribuio
exponencial com parmetro . Nesse caso, para x > 0, a fdp
1 11 1 x
f (x) = x e = ex
(1)
2 Distribuio de Erlang
Quando o parmetro da distrbribuio gama um inteiro positivo,
= k, a distribuio gama conhecida como distribuio de Erlang de
ordem k, e sua fdp
1 k1 k x 1
f (x) = x e = xk1 k ex , x > 0.
(k) (k 1)!
Temos que:
k k
E(X) = V ar(X) = 2

3 Distribuio Qui-quadrado
n
Quando, na distribuio gama, o parmetro = , com n inteiro
2
1
positivo, e o parmetro = a distribuio chamada de distribuio
2
Qui-quadrado com n graus de liberdade e a sua fdp
n/2
1 1 1
f (x) = x(n/2)1 e(1/2)x = x(n/2)1 ex/2 , x >
(n/2) 2 (n/2)2n/2
Notao: X 2(n)
3 Distribuio Qui-quadrado - Caractersticas importantes

Se X 2(n) ento:
Esperana
n/2
E(X) = =n
1/2
Varincia
n/2
V ar(X) = = 2n
(1/2)2
n
1 2 , t < 1.
M (t) =
1 2t 2
Distribuio de Weibull
Definio
Uma varivel aleatria X tem distribuio de Weibull com parmetros
> 0 e > 0 se sua funo densidade de probabilidade dada por
1 (x/)
f (x) = x e , x>0

Definio
Uma varivel aleatria X tem distribuio de Weibull com parmetros
> 0 e > 0 se sua funo densidade de probabilidade dada por
1 (x/)
f (x) = x e , x>0

Notao: X W eibull(, )
Funo de Distribuio
A funo de distribuio de uma varivel aleatria X W eibull(, )
dada por
Funo de Distribuio
dada por

F (x) = 1 e(x/) , x > 0.
Funo de Distribuio
dada por

F (x) = 1 e(x/) , x > 0.
Alm disso,
+1
E(X) =

Funo de Distribuio
dada por

F (x) = 1 e(x/) , x > 0.
Alm disso,
+1
E(X) =

e
2 +2 2 +1
V ar(X) =

Distribuio Beta
Definio: Funo Beta

Chama-se funo Beta a funo de duas variveis, estritamente
positiva, definida por:
Distribuio Beta
Definio: Funo Beta

Z 1
Beta(, ) = x1 (1 x)1 dx, > 0 e > 0.
0
Distribuio Beta
Definio: Funo Beta

Z 1
Beta(, ) = x1 (1 x)1 dx, > 0 e > 0.
0
Relao entre funo Beta e funo Gama

()()
Beta(, ) = .
( + )
Distribuio Beta
Propriedades da Funao Beta

1 Beta(, ) = Beta(, )
Distribuio Beta

1 Beta(, ) = Beta(, )
2 Beta(1, 1) = 1
Distribuio Beta

1 Beta(, ) = Beta(, )
2 Beta(1, 1) = 1
3 Beta(1/2, 1/2) =
Distribuio Beta
Definio: Distribuio Beta

Uma varivel aleatria contnua X tem distribuio beta com
parmetros > 0 e > 0 se sua fdp dada por
Distribuio Beta

1
f (x) = x1 (1 x)1 , 0<x<1
Beta(, )
Distribuio Beta

1
f (x) = x1 (1 x)1 , 0<x<1
Beta(, )
Usando a relao entre as funes Gama e Beta, podemos reescrever a

fdp da distribuio Beta por:
Distribuio Beta

1
f (x) = x1 (1 x)1 , 0<x<1
Beta(, )

( + ) 1
f (x) = x (1 x)1 , 0<x<1
()()
Distribuio Beta

1
f (x) = x1 (1 x)1 , 0<x<1
Beta(, )

( + ) 1
f (x) = x (1 x)1 , 0<x<1
()()
Notao: X Beta(, )
Distribuio Beta
Esperana e Varincia da Distribuio Beta

Se X Beta(, ) temos
Distribuio Beta

Se X Beta(, ) temos

E(X) =
+
Distribuio Beta

Se X Beta(, ) temos

E(X) =
+
e

V ar(X) =
( + + 1)( + )2
Distribuio de Pareto
Definio
Uma varivel aleatria X tem distribuio de Pareto com parmetros
> 0 e b > 0 se sua fdp dada por
Definio
+1
b
f (x) = , xb
b x
Definio
+1
b
f (x) = , xb
b x
Notao: X P areto(, b)
Definio
+1
b
f (x) = , xb
b x
Notao: X P areto(, b)
A Funo de Distribuia de X dada por

b
F (x) = 1 , xb
x
Esperana e Varincia da Distribuio de Pareto

Se X P areto(, b) temos

b
E(X) = , >1
1

b
E(X) = , >1
1
e
b2
V ar(X) = >2
( 1)2 ( 2)
Distribuio de Cauchy
Definio
Uma varivel aleatria tem uma distribuio de Cauchy com parmetro
, < < , se sua fdp dada por
Distribuio de Cauchy
Definio
Uma varivel aleatria tem uma distribuio de Cauchy com parmetro
, < < , se sua fdp dada por
1 1
f (x) = , < x <
1 + (x )2
Distribuio t-Student
Definio
Uma varivel aleatria X tem distribuio t-Student (ou simplesmente
t), com n > 0 graus de liberdade, se sua fdp dada por
Definio

n+1
n+1
x2

2 2
f (x) = 1 + , xR
n( n2 ) n
Definio

n+1
n+1
x2

2 2
f (x) = 1 + , xR
n( n2 ) n
Notao: X t(n)
Caractersticas importantes
Se X t(n) ento:
Se X t(n) ento:
Esperana
E(X) = 0 para n > 1 e indefinido caso contrrio
Se X t(n) ento:
Esperana
Varincia
n
n 2, n>2

V ar(X) = , 1<n2

indefinida, caso contrrio
Se X t(n) ento:
Esperana
Varincia
n
n 2, n>2

V ar(X) = , 1<n2

indefinida, caso contrrio

No existe
62
Distribuio F de Snedecor
Definio
Uma varivel aleatria X tem distribuio F de Snedecor,com n > 0 e
m > 0 graus de liberdade, se sua fdp dada por
Definio

n+m

2 n n n
2 ( 2 1)
n n+m
2
f (x) = n m x 1 + x , x>0
( 2 )( 2 ) m m
Definio

n+m

2 n n n
2 ( 2 1)
n n+m
2
f (x) = n m x 1 + x , x>0
( 2 )( 2 ) m m
Notao: X Fn,m
Se X Fn,m ento:
Se X Fn,m ento:
Esperana
m
E(X) = para m > 2
m2
Se X Fn,m ento:
Esperana
m
E(X) = para m > 2
m2
Varincia
2m2 (n + m 2)
V ar(X) = para n > 4
n(m 4)(m 2)2
Se X Fn,m ento:
Esperana
m
E(X) = para m > 2
m2
Varincia
2m2 (n + m 2)
V ar(X) = para n > 4
n(m 4)(m 2)2

No existe 14 de dezembro de 2016 62 /
Distribuio Beta
Definio
Distribuio Beta
Definio
Distribuio Beta
Definio

Mod Discret Os

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Mod Discret Os

Diunggah oleh

Hak Cipta:

Format Tersedia

Probabilidade I

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 1: Modelo Uniforme Discreto

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 1: Modelo Uniforme Discreto

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 1: Modelo Uniforme Discreto

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Figura: Distribuio Uniforme Discreta

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Resultado: Esperaa e Varincia da Uniforme Discreta

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Resultado: Esperaa e Varincia da Uniforme Discreta

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Resultado: Esperaa e Varincia da Uniforme Discreta

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Na prtica, existem muitos experimentos que admitem apenas dois

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Na prtica, existem muitos experimentos que admitem apenas dois

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Na prtica, existem muitos experimentos que admitem apenas dois

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Na prtica, existem muitos experimentos que admitem apenas dois

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Na prtica, existem muitos experimentos que admitem apenas dois

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Na prtica, existem muitos experimentos que admitem apenas dois

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 2: Ensaio de Bernoulli

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 2: Ensaio de Bernoulli

Suponha que seja realizado um ensaio de Bernoulli e, baseado nesse

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 2: Ensaio de Bernoulli

Suponha que seja realizado um ensaio de Bernoulli e, baseado nesse

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 3: Distribuio de Bernoulli

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 3: Distribuio de Bernoulli

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 3: Distribuio de Bernoulli

A funo de probabilidade de X Ber(p)

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 3: Distribuio de Bernoulli

A funo de probabilidade de X Ber(p)

e a a funo de distribuio acumulada dada por :

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Definio 3: Distribuio de Bernoulli

A funo de probabilidade de X Ber(p)

e a a funo de distribuio acumulada dada por :

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Figura: Distribuio de Bernoulli

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Seja X Ber(p). Ento

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Seja X Ber(p). Ento

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Seja X Ber(p). Ento

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Seja X Ber(p). Ento

V ar(X) = E(X 2 ) [E(X)]2 = p p2 = p(1 p)

Mrcio Augusto (UFG) Probabilidade I Modelos Probabilsticos

Seja X Ber(p). Ento

V ar(X) = E(X 2 ) [E(X)]2 = p p2 = p(1 p)