Distribuições Discretas de Probabilidade - UTFP

Probabilidade e Estatstica
Distribuies Discretas de Probabilidade

Prof. Narciso Gonalves da Silva
www.pessoal.utfpr.edu.br/ngsilva
Muitas variveis aleatrias associadas a experimentos

aleatrios tm propriedades similares e, portanto, podem
ser descritas atravs de uma mesma distribuio de
Introduo
probabilidade, com pressuposies bem definidas.
A escolha da distribuio de probabilidade deve ser

criteriosa de modo que descreva corretamente as
observaes geradas no experimento aleatrio.
2
1. Distribuio Uniforme
Seja uma varivel aleatria X discreta que assume os

valores x1, x2, x3, ... , xn. A funo de probabilidade para
a varivel aleatria X com distribuio uniforme
definida por:
1
P( X = x ) = x {x1, x2 , x3 ,..., xn}
n
3
Esperana Matemtica
n
xi
i=1
E( X ) = =
n
Varincia
n
( xi - )2
i=1
V ( X ) = 2 =
n
4
Exemplo:
Seja o experimento aleatrio em que um dado no
viciado lanado. Considerando a varivel aleatria X
sendo a observao da face que ocorre, determine a
funo de probabilidade.
X = {1, 2, 3, 4, 5, 6}
1 1
P( X = x) = = x {1,2,3,4,5,6}
n 6
5
2. Distribuio de Bernoulli
Esta distribuio se baseia no Experimento de Bernoulli
(Jacques Bernoulli, 1654-1705) que consiste de
experimento onde s pode ocorrer dois resultados: um
chamado de sucesso (S) e outro chamado de fracasso (F).
Exemplos:
a) No lanamento de uma moeda no viciada.
Sucesso = ocorrer cara
Fracasso = no ocorrer cara = ocorrer coroa
b) Uma lmpada escolhida aleatoriamente.

Sucesso = se a lmpada est queimada
Fracasso = se a lmpada no est queimada
6
A varivel aleatria discreta X associada a estes resultados
so de tal forma que:
X = 1 se o resultado for sucesso;
X = 0 se o resultado for um fracasso.
Se p a probabilidade de ocorrer sucesso, ento 1 p = q
ser a probabilidade de ocorrer o fracasso no experimento.
Logo, a funo de probabilidade para a varivel aleatria X
que tem distribuio de Bernoulli definida por:
Ou ainda: P(X = x) = px.q1-x = px.(1 p)1-x
O nico parmetro da funo de probabilidade p.

7
Esperana Matemtica
E(X) = = 1.p + 0.q = p
Varincia
V(X) = 2 = (1 p)2.p + (0 p)2.q = p.q
Observaes:
1) Quanto maior a probabilidade de sucesso, maior a
esperana matemtica;
2) A varincia ser mxima quanto p = q = 0,5.
8
Exemplo:
Experimento aleatrio = um dado lanado e o resultado
observado. Considere a varivel aleatria X = 1 quando
ocorre face 4 e X = 0 quando no ocorre face 4. Determine
a funo de probabilidade para a varivel aleatria X.
Resposta: P(X = x) = (1/6)x.(5/6)1-x
9
3. Distribuio Binomial
Est distribuio recebe este nome em homenagem
Isaac Newton (1643-1727).
Suponha que se realize o Experimento de Bernoulli n
vezes independentemente e que a varivel aleatria
discreta X represente o nmero de sucessos que ocorre
com probabilidade p, ou seja, X = {0, 1, 2, 3, ... , n}.
Considere inicialmente a seguinte sequncia:
SSS...SFFF...F
Como realizou-se n vezes o Experimento de Bernoulli,
ento est sequncia tem x sucessos e (n x) fracassos.
Considerando a independncia e que a probabilidade de
sucesso p e a de fracasso q so contantes para todas as
n realizaes do experimento, ento a probabilidade de
ocorrncia desta sequncia : p.p.p...p.q.q.q...q = px.qn-x. 10
Pode-se obter x sucessos e (n x) fracassos em n
realizaes do experimento atravs de Cn,x sequncias
possveis, e todas com a mesma probabilidade px.qn-x.
Sendo assim, a probabilidade de obter x sucessos em n
realizaes do experimento :
P(X = x) = px.qn-x + px.qn-x + ... + px.qn-x = Cn,x.px.qn-x
()
Fazendo Cn,x =
n
x
() n x n-x
P( X = x ) = .p .q
x
Os parmetros da funo de probabilidade da
distribuio binomial so n e p.
11
()
Observaes:
n n!
1) = recebe o nome de nmero binomial.
x (n - x )! x!
(L-se n sobre x)
2) Uma vez definido o resultado que ser sucesso, a

varivel aleatria X representa o nmero de sucessos
observados em n realizaes independentes do
experimento.
3) A independncia pode ser obtida quando se tratar de

retirada de amostra com reposio
12
Esperana Matemtica
Sendo X1, X2, X3, ... , Xn os experimentos de Bernoulli.
Ento: X = X1 + X2 + X3 + ... + Xn.
E(X) = = E(X1) + E(X2) + E(X3) + ... + E(Xn)
E(X) = = p + p + p + ... + p
E(X) = = n.p
Varincia
V(X) = 2 = V(X1) + V(X2) + V(X3) + ... + V(Xn)
V(X) = 2 = p.q + p.q + p.q + ... + p.q
V(X) = 2 = n.p.q
13
Exemplos:
1) Um experimento aleatrio consiste em lanar 8
moedas no viciadas. Determine a probabilidade de
ocorrer exatamente 4 coroas.
2) Numa fbrica, 10% dos copos de vidro se quebram
ao serem colocados em caixas que comportam 5
copos. Escolhendo ao acaso uma caixa, determine a
probabilidade de:
a) Haver 3 copos quebrados;
b) Haver algum copo quebrado.
3) A probabilidade de sair coroa no lanamento de uma
moeda viciada quatro vezes a probabilidade de sair
cara. Qual a probabilidade de sair 4 coroas em 6
lanamentos desta moeda?
14
4. Distribuio Geomtrica
Considere a varivel aleatria discreta X sendo o nmero
de observaes de um Experimento de Bernoulli at a
ocorrncia de um sucesso com probabilidade p, ou seja,
o nmero de tentativas at obter o primeiro sucesso.
1 tentativa: p
2 tentativa: q.p
3 tentativa: q.q.p = q2.p
4 tentativa: q.q.q.p = q3.p

xa tentativa: qx-1.p = (1 p)x-1.p
Diz-se, ento, que est varivel aleatria X est

geometricamente distribuda com parmetro p e tem
funo de probabilidade dada por:
P(X = x) = p.(1 p)x 1 onde x X = {1, 2, 3, ... } 15
Esperana Matemtica
1
E(X) = =
p
Varincia
q 1- p
V(X) = = 2 =
2
p p2
16
Exemplos:
1) Uma urna tem 5 bolas verdes e 4 brancas. Qual a
probabilidade que se tenha que tirar 5 bolas com
reposio at sair uma branca?
Resposta: (5/9)4.(4/9) = 1,73%
2) Qual a probabilidade de ocorrer a primeira face 2 no

6 lanamento de um dado no viciado?
Resposta: (5/6)5.(1/6) = 6,70%
17
5. Distribuio de Pascal
Na Distribuio de Pascal (Blaise Pascal, 1623-1662),

tambm conhecida por Distribuio Binomial Negativa, a
varivel aleatria discreta X representa o nmero de
observaes de um Experimento de Bernoulli at a
ocorrncia de k sucessos.
A funo de probabilidade para a varivel aleatria X
dada por:
Sendo p e k os parmetros da Distribuio de Pascal,

com x {k, k+1, k+2, ... }.
18
Observaes:
1) k o nmero de sucesso desejado e x o nmero de

tentativas para que o k-simo sucesso ocorra.
2) A varivel aleatria da Distribuio Binomial representa

o nmero de sucessos em n realizaes do Experimento
de Bernoulli enquanto que a varivel aleatria da
Distribuio de Pascal o nmero de tentativas para se
ter k sucessos.
3) Quando ocorre o k-simo sucesso na x-sima

tentativa, j ocorreu (k 1) sucessos e (x k) fracassos
entre as primeiras (x 1) tentativas.
19
Esperana Matemtica
k
E(X) = =
p
Varincia
k.q k.(1 - p)
V(X) = = 2 =
2
p p2
20
Exemplos:
1) De cada 100 produtos confeccionados, 5 tem defeitos.
Qual a probabilidade que o 5 produto inspecionado
seja o 2 com defeito?
Resposta: 4.(0,05)2.(0,95)3 = 0,86%
2) Uma mquina produz 10% de peas defeituosas. Qual

a probabilidade que a mquina tenha que fabricar 6
peas para se conseguir 3 sem defeitos?
Resposta: 10.(0,90)3.(0,10)3 = 0,73%
21
6. Distribuio Hipergeomtrica
Considere um conjunto de N elementos, dos quais k
elementos tem um determinada caracterstica (k N). So
extrados n elementos sem reposio deste conjunto
(n N).
A varivel aleatria discreta X que representa o nmero de
elementos dentre os n elementos que tero a referida
caracterstica determina uma distribuio de probabilidade
denominada hipergeomtrica.
A funo de probabilidade para esta varivel aleatria X
dada por:
com 0 x n e x k
22
Esperana Matemtica
k
E(X) = = n.p sendo p =
N
Varincia
V(X) = 2 = n.p.q. N - n
N -1
23
Observaes:
1) Na distribuio hipergeomtrica a probabilidade de sucesso no
constante em todas as realizaes do experimento, uma vez que
os eventos no so independentes, ou seja, as amostras so
extradas sem reposio.
2) O fator (N n)/(N 1) denominado fator de correo para
populao finita. A amostragem com reposio (modelo binomial)
equivalente amostragem de populao infinita porque a
probabilidade de sucesso permanece constante para as n
realizaes do experimento. Na amostragem sem reposio (modelo
hipergeomtrico) a populao finita.
3) No modelo hipergeomtrico, se n pequeno com relao a N, o
fator de correo tende 1. Neste caso, a distribuio
hipergeomtrica pode ser aproximada pela distribuio binomial
fazendo p = k/N.
24
Exemplos:
1) Qual a probabilidade de sair 2 cartas pretas em 5
extraes de um baralho comum, sem reposio.
Resposta: 32,51%
2) Uma caixa tem 12 lmpadas das quais 5 esto
queimadas. So escolhidas aleatoriamente 6
lmpadas da caixa. Qual a probabilidade que duas
lmpadas estejam queimadas?
Resposta: 37,88%
3) Retirou-se 6 cartas de um baralho comum sem
reposio. Qual a probabilidade que 4 cartas sejam
figuras?
Resposta: 1,90%
25
7. Distribuio Multinomial
A distribuio multinomial que tambm conhecida por
distribuio polinomial, uma extenso da distribuio
binomial para mais de um evento.
Considere um experimento aleatrio realizado n vezes,
com k possveis resultados. Sejam X1, X2, X3, .... Xk as
variveis aleatrias discretas que denotam o total de
ocorrncias de cada um dos k resultados tais que
n = n1 + n2 + n3 + ... + nk.

polinomialmente distribuda dada por:
26
Esperana Matemtica
E(Xi) = n.pi com i = 1, 2, 3, ... , k
Varincia
V(Xi) = n.pi.qi com i = 1, 2, 3, ... , k
27
Exemplos:
1) Um dado no viciado lanado 8 vezes. Qual a
probabilidade de aparecer 1 vez a face 2, 3 vezes a
face 5 e 4 vezes a face 6?
Resposta: 0,016%
2) Uma caixa tem 6 bolas brancas, 4 verdes e 2
amarelas. So retiradas 6 bolas com reposio.
Determine a probabilidade de sair 2 bolas brancas, 3
amarelas e 1 verde.
Resposta: 2,31%
28
8. Distribuio de Poisson
Na distribuio de Poisson (Simon-Denis Poisson)

(1781-1840), a varivel aleatria discreta X representa o
nmero de sucessos que ocorrem num certo intervalo
contnuo.
Por exemplo:
1) Nmero de acidentes de carros por dia que ocorrem
numa determinada cidade.
2) Nmero de chamadas telefnica recebidas por hora
em uma central telefnica.
3) Nmero de defeitos de soldagem numa chapa de 1 m2.
29
dada por:
x {0, 1, 2, 3, ... }
e 2,718
o parmetro da distribuio que denota a mdia de

ocorrncia de sucesso no intervalo considerado.
Esperana Matemtica
E(X) = =
Varincia
V(X) = 2 = 30
Um Experimento de Poisson possui as seguintes
caractersticas:
1) O nmero de sucessos que ocorrem num intervalo ou
regio especfica independente daquele que ocorre em
qualquer outro intervalo ou regio disjunto.
2) A probabilidade de ocorrncia de um nico sucesso
que ocorre num intervalo pequeno proporcional ao
comprimento do intervalo e no depende do nmero de
sucessos que ocorrem fora deste intervalo.
Observao:
Uma aproximao da Distribuio Binomial pode ser feita
pela Distribuio do Poisson fazendo = n.p. Quanto
maior o valor de n e menor o valor de p melhor ser a
aproximao. 31
Exemplos:
1) Num determinado aeroporto chegam, em mdia, 6
avies por dia. Determine a probabilidade de um certo
dia chegar dois ou mais avies.
Resposta: 98,26%
2) O nmero de telefonemas recebidos numa central
telefnica de 20 por hora. Qual a probabilidade da
central receber 8 telefonemas em meia hora?
Resposta: 11,27%
3) Um dado no viciado foi lanado 30 vezes. Qual a
probabilidade de sair 10 faces 2?
Resposta: Binomial = 1,3% e Poisson = 1,8%
32
Exerccio
Um urna contm 3 bolas vermelhas, 2 verdes e 5 brancas.
Determine:
a) A probabilidade que a 7 bola retirada com reposio seja a 1
vermelha;
Resp. Geomtrica: (0,7)6.(0,3) = 3,53%
b) A probabilidade que em 10 bolas retiradas com reposio, 3
sejam vermelhas;
Resp. Binomial: 120.(0,3)3.(0,7)7 = 26,68%
c) A probabilidade que de 5 bolas extradas sem reposio, 2 sejam
vermelhas;
Resp. Hipergeomtrica: (3.35)/252 = 13,89%
d) A probabilidade que a 10 bola retirada com reposio seja a 3
vermelha.
Resp. Pascal: 36.(0,3)3.(0,7)7 = 8%
33

Distribuições Discretas de Probabilidade - UTFP

Diunggah oleh

Informasi Dokumen

Judul Asli

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

Distribuições Discretas de Probabilidade - UTFP

Diunggah oleh

Hak Cipta:

Format Tersedia

Probabilidade e Estatstica

Distribuies Discretas de Probabilidade

Muitas variveis aleatrias associadas a experimentos

probabilidade, com pressuposies bem definidas.

A escolha da distribuio de probabilidade deve ser

Seja uma varivel aleatria X discreta que assume os

b) Uma lmpada escolhida aleatoriamente.

Ou ainda: P(X = x) = px.q1-x = px.(1 p)1-x

O nico parmetro da funo de probabilidade p.

Resposta: P(X = x) = (1/6)x.(5/6)1-x

2) Uma vez definido o resultado que ser sucesso, a

3) A independncia pode ser obtida quando se tratar de

Diz-se, ento, que est varivel aleatria X est

2) Qual a probabilidade de ocorrer a primeira face 2 no

Na Distribuio de Pascal (Blaise Pascal, 1623-1662),

Sendo p e k os parmetros da Distribuio de Pascal,

1) k o nmero de sucesso desejado e x o nmero de

2) A varivel aleatria da Distribuio Binomial representa

3) Quando ocorre o k-simo sucesso na x-sima

2) Uma mquina produz 10% de peas defeituosas. Qual

A funo de probabilidade para a varivel aleatria X

Na distribuio de Poisson (Simon-Denis Poisson)

o parmetro da distribuio que denota a mdia de

Anda mungkin juga menyukai