Modelo de distribuição de probabilidade para o número de bolas chamadas até que alguém bata em um bingo Convencional

Transcrição

1 Modelo de distribuição de probabilidade para o número de bolas chamadas até que alguém bata em um bingo Convencional Pedro Ferreira de Lima 1 Cícero Carlos Felix de Oliveira 2 Dr. Cláudio Tadeu Cristiano 3 1 Introdução Considere em um bingo convencional o problema de se avaliar o número esperado de bolas chamadas até que alguém tenha todos os números de sua cartela sorteados, sendo que neste caso é comum dizer que esta pessoa bate o jogo. O primeiro passo é definir a variável aleatória X = Número de bolas chamadas até que alguém bata em um bingo convencional Cada cartela é formada por vinte e quatro números distribuídos em cinco colunas, conforme o exemplo na Figura 1, a seguir: Figura 1: Cartela típica de um bingo. Na primeira coluna são colocados números de 1 até 15, na segunda de 16 á 30, na terceira de 31 á 45, na quarta de 46 á 60 e na última de 61 á 75. Devemos observar que na terceira coluna só podemos colocar quatro números. 1 Doutorando pelo Programa de Pós-Graduação em Biometria e Estatística Aplicada - UFRPE, professor de estatística da URCA - CE, e limapf@yahoo.com.br 2 Doutorando pelo Programa de Pós-Graduação em Biometria e Estatística Aplicada - UFRPE, professor de estatística do IFCE - Campus Crato, e cicerofelixoliveira@bol.com.br 3 Professor do Programa de Pós-Graduação em Biometria e Estatística Aplicada, Universidade Federal Rural de Pernambuco - ctcristino@gmail.com 1

2 É importante observar que o número de cartelas que podem ser produzidas é de: ( 15 C 5 ) 4 15 C 4 = , em que n C k representa o número de combinações k a k de um conjunto com n elementos. Admitindo a possibilidade de que em algum desses sorteios fossem produzidas todas as cartelas possíveis e estimando o peso da cada cartela em 2,5 gramas, ainda seriam necessários cerca de toneladas de papel para produzi-las. É difícil até de imaginar o tamanho da montanha de papel que seria acumulada no final da produção. 2 Resultados e Discussões O número mínimo de bolas sorteadas para que alguém possa bater é de: 24, que é o total de números constantes em cada cartela. Mas para se ter a certeza que alguém baterá ao sortear o vigésima quarta bola, é necessário que todas as cartelas sejam produzidas e mais algumas que não obedecem aos critérios de regularidades na produção das cartelas. Isto porque os sorteios não obedecem a esses critérios. Os 24 primeiros números podem ser sorteados de 75 C 24 = de modos. Se a cartela que contém os primeiros 24 números sorteados foi produzida e vendida, então alguém baterá nesse momento. Considerando que os sorteios são completamente casuais, e que a cartela possa ter sido produzida, então a probabilidade de uma dessas cartelas ser a premiada é de: P(X = 24) = 24 C 24 = 1 Até esse momento apenas uma combinação 24 C 24 foi chamada de um total de: 75 C 24. Se ninguém bateu é porque ou a cartela não foi produzida ou, no caso de ter sido produzida, não foi vendida. Devemos então excluí-la do nosso espaço amostral. Após este procedimento inda restarão: 75 C C 24. A probabilidade de bater ao sortear 25 números é de: P(X = 25) = 75 C C C C C 24 = 25 C C 24 Devemos observar que nesse momento podem existir até 25 C C 24 = 24 combinações de 24 números com possibilidades de serem premiadas. Mas pode ocorrer de nenhuma dessas 24 combinações ser viável para a produção de cartelas, mesmo ha hipótese de viabilidade e produção, pode não ter sido vendida. Isto ocorrendo será necessário o sorteio de mais um 2

3 número. Daí: P(X = 26) = 75 C C C C C C C C 24 = 26 C C 24 Seguindo de maneira análoga obteremos: P(X = k) = 75 C C C C C C C C 24 k C 24 (k 1) C 24 (k 1) C 24 = k C 24 (k 1) C 24 A função de distribuição acumulada F X pode ser resumida como na Tabela 1 a seguir: Tabela 1: Função de probabilidade para o número de bolas chamadas até a batida. X x P(X x) < 0, 01 0,01 0,02 0,02 0,04 0,06 0,09 X x P(X x) 0,14 0,21 0,31 0,46 0,68 1,00 Utilizando o software R calculamos E(X) = 72,96. Uma simples consulta à função F X nos permite concluir que Moda X = 75 e Mediana X 73,5. Com a finalidade de testar o modelo apresentado, simulamos duzentos bingos, nos quais apenas uma cartela esteve em jogo. Os resultados obtidos estão resumidos na Tabela 2, a seguir: Tabela 2: Medidas de resumo (localização) para as 200 simulações realizadas de sorteios com uma única cartela. Mínimo Q 1 Mediana Média Q 3 Máximo , A distribuição de frequências de bolas chamadas até a batida nas simulações é dada na Tabela 3, abaixo: Tabela 3: Frequências de bolas chamadas até a batida nas simulações realizadas. Bolas chamadas até a batida Ocorrências Da Tabela 3, podemos concluir facilmente que a moda é igual a 75, concordando com o valor encontrado teoricamente. 3

4 Como bingo com apenas uma cartela não é o mais comum, também simulamos jogos para os seguintes números de cartelas: n = 200, n = 1000, n = 2000, n = 5000 e n = Na Tabela 4, apresentamos os resumos dessas simulações: Tabela 4: Resumo dos dados obtidos nas simulações n Mínimo Q 1 Mediana Moda Média Q 3 Máximo , , , , , Em cada uma das simulações realizadas, geramos aleatoriamente n cartelas, obedecendo aos mesmos critérios de regularidades impostos na produção das cartelas. Este procedimento foi repetido duzentas vezes, simulando igual número de repetições do jogo nos mesmos moldes. Apresentamos um resumo dos resultados nos histogramas dados na Figura 2 a seguir: Figura 2: Os Histogramas das distribuições empíricas. Para encontrarmos a distribuição de probabilidade da vairiável aleatória: número de bolas 4

5 chamadas até que alguém bata num bingo com n cartelas, ou seja, número de bolas chamadas até que alguma dessas cartelas seja completamente preenchida, consideramos as n variáveis aleatórias independentes X i com i = 1,...n, onde cada X i indica o número de bolas que precisam ser chamadas até que a cartela i ser completamente preenchida. Assim nosso interesse é estudar a distribuição de probabilidade da variável aleatória X = mínimo(x 1,X 2,...,X n ). Devido a isto, faz sentido testarmos, para cada n, a hipótese de que a distribuição de X (ver [1]) é dada por: H 0 : F X (x) = 1 [1 F X (x)] n, x Nas Tabelas 5 e 6, dadas a seguir, apresentamos as distribuições empíricas F 0 e as teóricas F X para os valores de n anteriormente mencionados. Tabela 5: Distribuições empíricas e teóricas para n igual a 1, 200 e 1000 cartelas n = 1 n = 200 n = 1000 i x i F X (x i ) F 0 (x i ) x i F X (x i ) F 0 (x i ) x i F X (x i ) F 0 (x i ) ,005 0, ,005 0, ,005 0, ,010 0, ,015 0, ,005 0, ,020 0, ,035 0, ,005 0, ,045 0, ,045 0, ,010 0, ,075 0, ,070 0, ,030 0, ,115 0, ,125 0, ,080 0, ,165 0, ,235 0, ,125 0, ,210 0, ,360 0, ,235 0, ,275 0, ,515 0, ,370 0, ,370 0, ,655 0, ,545 0, ,490 0, ,830 0, ,715 0, ,695 0, ,935 0, ,875 0, ,000 1, ,985 0, ,970 0, ,000 1, ,000 0, ,000 1,000 d 0 = 0,076 d 0 = 0,050 d 0 = 0,038 Ao realizarmos testes de Kolmogorov-Smirnov com n = 200, já que em cada caso repetimos o jogo esse número de vezes. Com α = 5%, de acordo com [2], devemos observar que em todos os casos, temos d 0 < D c. Onde: ( ) ln 0,05 2 D c = 0, Em palavras isto quer dizer que os dados não refutam as hipóteses, ou seja, que o mínimo modela bem o problema. Podemos observar que em todos os casos, veja a tabela 7, as diferenças absolutas são bem pequenas, implicando numa diferença relativa inferior a 0,5%. Este fato, reforça a ideia do bom ajuste do modelo proposto. 5

6 Tabela 6: Distribuições empíricas e teóricas para diversos números de cartelas n = 2000 n = 5000 n = i x i F X (x i ) F 0 (x i ) x i F X (x i ) F 0 (x i ) x i F X (x i ) F 0 (x i ) ,005 0, ,005 0, ,020 0, ,025 0, ,010 0, ,035 0, ,055 0, ,010 0, ,070 0, ,085 0, ,015 0, ,130 0, ,140 0, ,030 0, ,225 0, ,210 0, ,050 0, ,350 0, ,340 0, ,100 0, ,570 0, ,470 0, ,160 0, ,785 0, ,650 0, ,260 0, ,910 0, ,810 0, ,385 0, ,965 0, ,920 0, ,535 0, ,000 1, ,985 0, ,730 0, ,995 0, ,880 0, ,000 1, ,970 0, ,995 0, ,000 1,000 d 0 = 0,053 d 0 = 0,038 d 0 = 0,070 Tabela 7: As diferenças entre as principais medidas de tendência de centro, empíricas e teóricas. Número de Média Moda Mediana cartelas Teórica Empírica Dif. Teórica Empírica Dif. Teórica Empírica Dif. n = 1 72,96 72,53 0, ,0 74-1,0 n = ,96 62,19-0, ,5 62-0,5 n = ,79 59,03-0, ,5 59-0,5 n = ,49 57,31 0, ,5 58-0,5 n = ,83 55,86-0, ,5 56-0,5 n = ,61 54,94-0, ,5 55-0,5 6

7 3 Conclusões O modelo que desenvolvemos e testamos, assim como os resultados obtidos pelas simulações, mostram que a medida que o número de cartelas cresce, diminuem os valores das medidas de posições, como as de tendência de centro e as separatrizes, veja Tabela 4. Os testes realizados com os dados simulados, reforçam a ideia de que o modelo está coerente. Considerando a hipótese de perfeição do modelo e na produção e distribuição de todas cartelas, mesmo aquelas que não obedecem as leis de produção, ou seja, todas as combinações possíveis de 24 números tomados dentre 75 possíveis. Considerando esta hipótese, ao chamar a vigésima quarta bola, alguém deveria bater, ou seja F X (x) seria igual a zero, para x < 24 e 1, para x 24. A partir dos cálculos, obtemos que se X = min(x 1,...,X 75 C 24 ), então F X é igual a zero, para x < 27 e 1, para o caso contrário, discordando um pouco do que deveria ocorrer. As simulações não detectam este problema porque as cartelas são geradas de forma independentes, permitindo, por exemplo, que mesmo ao produzir um total 75 C 24 cartelas, alguma combinação possívelmente tenha ficado de fora na produção, certamente porque alguma cartela foi produzida mais de uma vez. Excluindo casos extremos, como o discutido no parágrafo anterior, o modelo descreve bem a natureza do jogo e pode ser usando para se ter uma ideia do tempo esperado até alguém bater, usando o número esperado de bolas a chamar até que alguém bata, de acordo com o número de cartelas que serão distribuídas. Os autores esperam encontrar outras aplicações para o modelo na área de riscos competitivos, que indicaria um excelente potencial para o modelo proposto. Referências [1] Magalhães, M. Nascimento, Probabilidade e Variável Aleatória, 2 a ed., Editora: EDUSP, São Paulo, [2] Bussab, Wilton de O. & Morettin, Pedro A., Estatística Básica 5 a edição, Editora Saraiva, São Paulo,