Organizao
Modelos para Variveis Aleatrias Discretas Distribuio Bernoulli Distribuio Binomial Distribuio Poisson
Varivei aleatrias so classicadas de acordo com sua distribuio de probabilidades. Modelos mais comuns para variveis discretas:
Bernoulli Binomial Poisson
Distribuio Bernoulli
fracasso
ou num
= 1, = 0,
Dizemos que
com parmetro p .
Bernoulli(p ).
Estatstica para Farmacuticas
1 2 1 2
b) No lanamento de uma dado a probabilidade de que saia um 5 1 , enquanto a probabilidade de que saia qualquer outro 6 resultado 5 . 6 c) Selecionamos uma pessoa ao acaso e vericamos seu sexo:
masculino, feminino,
Distribuio da Bernoulli
Denio
Uma varivel aleatria X tem distribuio Bernoulli se sua funo de distribuio de probabilidades dada por
P( X = x )
1 p
1p
Esperana da Bernoulli
Seja X uma varivel aleatria com distribuio Bernoulli. Vamos calcular a esperana de X :
E(X ) =
P(X = x ) = 1 (p ) + 0 (1 p ) = p
Varincia da Bernoulli
=
x
A varincia da Bernoulli pode ser obtida por: Var(X ) = E[X E(X )]2 = E[X p ]2
(x p )2
P(X
= x)
= = =
(0 p )2
= 1)
Distribuio de probabilidades de variveis aleatrias no Minitab Considere uma Bernoulli com probabilidade de sucesso 0,3. Vamos gerar uma amostra de 1000 observaes dessa distribuio Bernoulli no Minitab, e calcular sua mdia e varincia amostrais.
1 2 3 4 5
Abra Calc Random Data Bernoulli Em Number of rows of data to generate digite 1000. Em Store in columns digite C1 Em Event probability digite 0,3. Agora calcule as estatsticas descritivas em Stat Basic Statistics Display Descriptive Statistics Compare com os valores tericos
Distribuio Binomial
Suponha n ensaios de Bernoulli independentes, ou seja: Cada enasio resulta em sucesso com probabilidade p e fracasso com probabilidade 1 p Ensaios independentes Seja X o nmero de sucessos nos n ensaios. Dizemos que X tem distribuio Binomial com parmetros n e p . Representamos
X
Bin(n, p )
Exemplos Nmero de caras em 3 lanamentos de moeda Nmero de homens entre duas pessoas selecionadas aleatoriamente O nmero de 5's obtidos em 3 lanamentos de dado
Estatstica para Farmacuticas
Observao (1) Uma varivel aleatria Bernoulli simplesmente uma binomial com n = 1, i.e., uma Binomial(1, p ). Observao (2) Como X o nmero de sucessos em n ensaios de Bernoulli independentes, X pode ser visto como a soma de n v.a.'s Bernoulli independentes, i.e.: Sejam Y1 , Y2 , . . . , Yn v.a.'s com distribuio Bernoulli independentes, ento n X = Yi . i =1
P(X = k ) =
n k
k (1 p )nk ,
= 1, 2, . . . , n
Exemplo Jogamos um dado 4 vezes. Vamos calcular a distribuio do nmero de 6's obtidos nos 4 lanamentos.
Soluo Seja X
Bin 4, 1 . 6
= = =
n pk (1 p)nk k
4 0 4 1 4 2 4 3 4 4
= = =
6 7
Na coluna C1 digite os valores de 0 a 4. Abra Calc Probability Distributions Binomial Maruqe a opo Probability Em Number of trials digite 4 (nmero de vezes que lanamos o dado). Em Event probability digite 1 , que a probabilidade de tirar 6 um 6. Em Input column selecione a coluna C1. Em Optional storage selecione a coluna C2. OK.
Exemplo Uma companhia produz comprimidos vendidos em caixas de 10. Se cada comprimido est fora da especicao com probabilidade 0,01 independentemente dos demais, calcule a probabilidade de que haja pelo menos 1 comprimido fora da especicao numa caixa com 10.
Soluo Se X o nmero de comprimidos fora da especicao numa caixa , ento X Bin (10 ; 0, 01). Queremos P(X 1):
P(X P(X P(X
1) = 0)
Exemplo do apostador O apostador escolhe um nmero entre 1 e 6. Um dado jogado 3 vezes, e se o o nmero escolhido por ele sair i vezes, ele ganha i reais. Por outro lado, se no sair nenhuma vez ele perde 1 real. O jogo justo?
Seja
Soluo Pra saber se o jogo justo ou no, devemos calcular a esperana do ganho. X o nmero de vezes que sai o nmero escolhido pelo apostador. Ento X Bin 3, 1 . Seja Y o do ganho do apostador em cada aposta, ento: 6
P(Y = 1) P(Y = 1) P(Y = 2) P(Y = 3)
= = = =
P(X = 0) = P (X = 1 ) = P (X = 2 ) = P(X = 3) =
3 0 3 1 3 2 3 3
1 6 1 6 1 6 1 6
1 6 1 1 1 6 2 1 1 6 3 1 1 6 1
A esperana do ganho :
E(Y ) = 1
Propriedades da Binomial
Esperana
Seja
Ento Assim,
n ensaios.
n
i =1
Logo,
Bin(n, p ).
E(X ) = E
Mas
i =1
Yi
n
=
i =1
(E(Yi ))
Yi
Bernoulli (p ) E(Yi ) = p .
Logo,
E(X) =
n i=1
(p) = np
Estatstica para Farmacuticas
Varincia
Var(X ) = np (1 p ) Resumo - Propriedades da Binomial
E(X ) = np
Var(X ) = np (1 p )
Binomial 10 ; 0,6
0.35 0.30 0.20 0.25 0.20 0.15 0.10 0.05 0.05 0.00 0 2 4 6 8 10 0.00 0 5 10 15 20 0.15 0.25
Binomial 20 ; 0,3
0.10
Exemplo dos comprimidos (de novo) 1 Vamos gerar no Minitab uma amostra de 1000 observaes da Binomial envolvida no exemplo dos comprimidos 2 Faa um histograma dos valores observados 3 Calcule a mdia e varincia amostrais
Distribuio Poisson
A distribuio de Poisson utilizada para descrever a probabilidade do nmero de ocorrncias de eventos em intervalos contnuos, como tempo ou espao.
Exemplo
a) Nmero de sinistros registrados ao longo de um dia em uma companhia de seguros. b) Nmero de pessoas propensas a adquirir um produto em uma determinada regio. c) Nmero de clientes que chegam a um banco das 10h s 12h. Tambm modela bem a probabilidade de ocorrncia de eventos raros:
Exemplo
a) Nmero de erros de impresso nas pginas de um livro. b) Nmero de pessoas numa comunidade que vivem at os 100 anos de idade. c) Nmero de telefones errados discados num dia .
Estatstica para Farmacuticas
Denio
Uma varivel aleatria tem distribuio Poisson de parmetro sua distribuio de probabilidade dada por e P( X = k ) = k !
se
= 0, 1, 2, . . . = 2, 71828...)
5
0.12 0.10 0.15 0.08 0.06 0.04 0.05 0.02 0.00 0 10 20 30 40 0.00 0 0.10
20
0.20
10
15
20
Propriedades da Poisson
E(X ) =
Var(X ) =
Exemplo Supoha que o nmero de sinistros que uma cia de seguros registra por dia tem distribuio Poisson de parmetro = 3, 2. a) Qual a probabilidade de que em um dia sejam registrados 2 sinistros? b) Qual a probabilidade de que sejam registrados mais do que 2 sinistros?
Soluo
a) P(X = 2) =
3, 22 e 3,2 2 e = 2! 2!
0, 209
= = =
Exerccios
Exerccio (1) Um sistema de comunicao tem 5 componentes e cada um funciona 5 independentemente dos demais com probabilidade 6 . O sistema funciona se pelo menos metade dos componentes funcionam. Calcule a pobabilidade de que o sistema funcione. Exerccio (2) Cada peas produzida por uma fbrica vem com defeito com probabilidade 0,1, independentemente das outras peas. Calcule a probabilidade de que num lote de 10 peas haja: a) uma pea defeituosa. b) duas peas defeituosas. c) pelo menos 3 peas defeituosas Calcule tambm o nmero esperado de peas defeituosas num lote de 100 peas.
Estatstica para Farmacuticas
Exerccio (3) Considere um experimento que consiste em contar o nmero de partculas alfa emitidas por um grama de um determinado material radioativo em um segundo. Sabe-se que a distribuio do nmero dessas partculas aproximadamente Poisson e , em mdia, 3,2 partculas alfa so emitidas por segundo. Determine a probabilidade aproximada de que no mais do que 2 partculas sejam emitidas em 1 segundo. Exerccio (4) Suponha que o nmero de erros de digitao em cada pgina da apostila do curso tenha distribuio Poisson com parmetro = 1 . Calcule a 2 probabilidade de que haja pelo menos um erro de digitao numa pgina qualquer.
Exerccio (5) Um total de 4 nibus carregam 148 torcedores indo para o estdio. Os nibus carregam respectivamente 40, 33, 25 e 50 torcedores. Um torcedor escolhido ao acaso entre os 148. Seja X o nmero de torcedores no nius desse torcedor escolhido. Um dos motoristas dos 4 nibus tambm aleatoriamente escolhido. Seja Y o nmero de torcedores do nibus desse motorista escolhido. a) O que voc acha que maior, E(X ) ou E(Y ) ? b) Calcule E(X ) e E(Y ).
Resoluo
Exerccio (1) Um sistema de comunicao tem 5 componentes e cada um funciona independentemente dos demais com probabilidade 5 . O sistema funciona se pelo 6 menos metade dos componentes funcionam. Calcule a pobabilidade de que o sistema funcione. nmero de componentes que funcionam. O que queremos P(X 3):
P(X 3) = P(X = 3) + P(X = 4) + P(X = 5)
Soluo
Mas
Bin
(5, 5 ). 6
Ento,
= = =
5 3 5 4 5 5
Logo,
Exerccio (2) Cada peas produzida por uma fbrica vem com defeito com probabilidade 0,1, independentemente das outras peas. Calcule a probabilidade de que num lote de 10 peas haja: a) 0 peas defeituosas. b) uma pea defeituosa. c) pelo menos 2 peas defeituosas Calcule tambm o nmero esperado de peas defeituosas num lote de 100 peas.
Soluo
Seja
Bin(10; 0, 1).
= = = =
10 (0, 1)0 (0, 9)10 0, 3487 0 10 (0, 1)1 (0, 9)9 0, 3874 1 1 P(X < 2) = 1 (P(X = 0) + P(X = 1)) 1 (0, 3487 + 0, 3874) 0, 2639
Exerccio (3) Sabe-se que a distribuio do nmero dessas partculas aproximadamente Poisson e, em mdia, 3,2 partculas alfa so emitidas por segundo. Determine a probabilidade de que no mais do que 2 partculas sejam emitidas em 1 segundo.
Soluo Seja X o nmero de partculas emitidas por segundo. X Queremos P(X 2).
E(X ) = 3, 2 =
Ou seja,
Poisson().
= = = = =
e 0 e e
1 2
0! 1!
= =
e 3,2 3, 20 e e
3,2 3, 21 3,2 3, 22
0! 1!
0, 0408 0, 1304
Exerccio (4) Suponha que o nmero de erros de digitao em cada pgina da apostila do 1 curso tenha distribuio Poisson com parmetro = 2 . Calcule a probabilidade de que haja pelo menos um erro de digitao numa pgina qualquer.
Soluo Seja X
P(X = k ) = P(X 1) =
= = =
1 2
k!
e 2
1 P( 1 1 1
= 0) 1 1 0 2 2 0!
e 2
1
e 2
0, 393
Exerccio (5) Um total de 4 nibus carregam 148 torcedores indo para o estdio. Os nibus carregam respectivamente 40, 33, 25 e 50 torcedores. Um torcedor escolhido ao acaso entre os 148. Seja X o nmero de torcedores no nius desse torcedor escolhido. Um dos motoristas dos 4 nibus tambm aleatoriamente escolhido. Seja Y o nmero de torcedores do nibus desse motorista escolhido. Calcule E(X ) e E(Y ).
Soluo Para calcular E(X ) precisamos da distribuio de X . X {40, 33, 25, 50}:
P(X = 40) = E(X )
= = =
40 ; 148
P(X = 33) =
= x)
33 ; 148
P(X = 25) =
25 ; 148
P(X = 50) =
50 . 148
25 P(X = 25) + 33 P(X = 33) + 40 P(X = 40) + 50 P(X = 50) 33 40 50 25 + 33 + 40 + 50 25 148 148 148 148 39, 28
x P(X
Soluo Para calcular E(Y ) precisamos da distribuio de Y . Y {40, 33, 25, 50}:
P(X = 40) = P(X = 33) = P(X = 25) = P(X = 50) = ; E(Y )
1 4
= = = =
y P(Y
= y)