) E X. ) = 0 2 ( 1 p ) p = p. ) E 2 ( X ) = p p 2 = p ( 1 p ) ( ) = i 1 n. ( ) 2 n E( X) = ( ) = 1 p ( ) = p V ( X ) = E ( X 2 E X

Transcrição

1 3.5 A distribuição uiforme discreta Defiição: X tem distribuição uiforme discreta se cada um dos valores possíveis,,,, tiver fução de probabilidade P( X = i ) = e represeta-se por, i =,, 0, c.c. X ~ Uif {,, }. Se X tem distribuição Uif{,,}, etão P( X = i) =, i =,, 0, c.c. ( ) = i E X = + i= V( X) = E( X ) E X = ( ) = i + Eemplo: Seja X uma variável aleatória que cota o úmero de potos obtidos o laçameto de um i= dado equilibrado, etão X~Uif{,,6} P( X = i) =, i =,,6 6 0, c.c. E( X) = 6 + = 3.5 V( X) = 6 = 35 = 3.6 A distribuição biomial Defiição: uma eperiêcia ou prova de Beroulli é uma eperiêcia aleatória só com dois resultados possíveis (um deles chamado "sucesso" e o outro "isucesso"). Seja P(sucesso) = p, 0 < p < Variável aleatória de Beroulli (ou com distribuição de Beroulli) de parâmetro p: X - úmero de sucessos observados quado se realiza uma prova de Beroulli com P(sucesso) = p ( ) = p ( ) = p P X = 0 P X = 0 < p < Eemplos: ou P ( X = ) = p ( p ),, a) Laçameto de uma moeda. Podemos covecioar sucesso=cara. p = 0. 5, se a moeda for perfeita. b) Numa caia estão 00 peças, das quais 0 são defeituosas. Etracção de uma peça ao acaso. Sucesso=defeituosa. p = 0. E ( X ) = 0 ( p ) + p = p E ( X ) = 0 ( p ) + p = p V ( X ) = E ( X ) E ( X ) = p p = p ( p ) Represeta-se X ~ Ber ( p ) 3

2 Variável aleatória Biomial (ou com distribuição Biomial) de parâmetros e p: X - úmero de sucessos em provas de Beroulli realizadas de forma idepedete e com P(sucesso)= p em cada prova X ~ Bi (, p ) Valores possíveis de X: 0,,, Eemplos: a) Laçameto de uma moeda perfeita vezes cosecutivas. X - úmero de caras observado F - cara (sucesso), C - coroa (isucesso) Etão X ~ Bi, P ( X = 0 ) = P ( C, C, C, C ) = P ( X = ) = P ( F, C, C, C ) + P ( C, F, C, C ) + P X = + P ( C, C, F, C ) + P ( C, C, C, F ) = ( ) = P ( F, F, C, C ) + P ( F, C, F, C ) + + P ( F, C, C, F ) + P ( C, F, F, C ) + + P ( C, F, C, F ) + P ( C, C, F, F ) = = 6 P ( X = 3 ) = = P ( X = ) = É razoável admitir que os laçametos são idepedetes. 5 Verificar que P ( X = 0 ) + + P ( X = ) = 6 b) Laçameto de um dado perfeito 0 vezes cosecutivas X - úmero de vezes que sai a face 6 Sucesso=sair a face 6, p = 6 Admitido que os laçametos são idepedetes P ( X = 0 ) = P X = 5 ( ) = 0 P ( X = ) = 0 X ~ Bi 0, 0 P ( X = ) = ,,,, 9 0 Em geral: Se X ~ Bi (, p ) etão ( ;, p ) = Pode mostrar-se que ( ) = P( X = ) E X V X ( ) = P ( X = ) = p p p ( ),,, E ( X ) = p( p ), 7 8

3 Cálculo de probabilidades: pequeo: usar a epressão grade: - programas em computador ou calculadora - tabelas. Em geral o que está tabelado é a fução de distribuição, mas P ( X = k ) = P ( X k ) P ( X k ) = = F X ( k ) F X ( k ) - Também há métodos aproimados (a ver posteriormete) 3.7 A distribuição geométrica Defiição: Cosidere-se uma sucessão de provas de Beroulli idepedetes, com P(sucesso)=p (costate). Seja X - úmero de provas realizadas até à obteção do primeiro sucesso (iclusive) Diz-se que X tem distribuição geométrica de parâmetro p, X ~ Geo ( p ) Valores possíveis de X:,, 3, P ( X = ) = p P ( X = ) = ( p ) p P ( X = 3 ) = ( p ) p... 9 ( ; p ) = ( p ) p, =,, 3, 0 Pode mostrar-se que se X ~ Geo ( p ), etão µ X = E X + = ( ) = ( p ) p = σ X = V ( X ) = p p p 3.8 A distribuição hipergeométrica Eemplo: Caia com 00 peças das quais 0 são defeituosas. São efectuadas 5 etracções ao acaso, sem reposição. Seja X - úmero de peças defeituosas ecotradas Eemplo: Problema das 0 chaves, com reposição. X - º de tetativas ecessárias para ecotrar a chave certa X ~ Geo ( 0. ), porque as tetativas são provas de Beroulli idepedetes e com P(sucesso)=0. (costate). E ( X ) = 0. = 0 e V ( X ) = = 90 (comparar com a situação sem reposição!) (0 def. e 90 ão def.) Valores possíveis: 0,,, 3,, 5 P ( X = 0 ) = P ( X = ) =

4 ,, P ( X = ) = Comparação das probabilidades: Sem reposição: Com reposição: P ( X = 0 ) P ( X = 3 ) = P ( X = ) = P ( X = 5 ) = P ( X = ) = ,,,, 3,, 5 00 Nota: Se as etracções forem efectuadas com reposição (o que em termos práticos é estraho!...) têm-se 5 provas de Beroulli idepedetes com P(sucesso) costate e igual a 0., logo X ~ Bi ( 5, 0. ). 3 P ( X = ) P ( X = ) P ( X = 3 ) P ( X = ) P ( X = 5 ) A situação com reposição, embora irrealista, dá probabilidades próimas das calculadas para o caso sem reposição (mais adiate será idicado em que casos a aproimação é razoável). Defiição: Cosidere-se um cojuto de N objectos em que K são do tipo (ou sucessos) N-K são do tipo (ou isucessos) são realizadas etracções ao acaso e sem reposição (com K N e N ). Seja Valores possíveis: Se K e N K,,,, Se > K e N K,,,, Se K e > N K, Se > K e > N K, K = ( N K ),, = ( N K ),, K X - úmero de objectos do tipo ecotrados Etão X tem distribuição hipergeométrica ou, eglobado todos os casos, = ma ( 0, ( N K )),, mi ( K, ) X ~ Hip ( N, K, ) ( ; N, K, ) = K N K N Pode mostrar-se que se X ~ Hip ( N, K, ), etão E ( X ) = p e V ( X ) = p( p ) N N ode p = K N 5 6

5 , Se N grade e pequeo em relação a N ( < 0. N ), pode usar-se a distribuição biomial para calcular valores aproimados das probabilidades: P ( X = ) com p = K N. p p ( ),,, a Pode represetar-se por X ~ Bi (, p ) A distribuição de Poisso A distribuição de Poisso pode ser vista como um limite "especial" da distribuição biomial: Supoha-se que aumeta e que p dimiui de tal forma que E ( X ) = p se matém costate, seja λ essa costate, etão tem-se P ( X = ) = = ( ) = ( ) = ( ) = p ( p ) = ( + ) p p p = ( + ) λ λ λ = ( + ) λ λ λ = + λ λ λ e λ 8 logo lim P ( X = ) = e λ λ,,,, λ, p= λ ( > 0 ) Defiição: Dado um itervalo de úmeros reais supoha-se que certas ocorrêcias surgem aleatoriamete ao logo do itervalo. Se o itervalo puder ser subdividido em subitervalos de comprimeto suficietemete pequeo de modo a que se verifique: ) A probabilidade de mais do que uma ocorrêcia um subitervalo é zero. ) A probabilidade duma ocorrêcia um subitervalo é costate e proporcioal ao comprimeto do subitervalo. 3) As ocorrêcias os diversos subitervalos são idepedetes. 9 (A uma "eperiêcia" estas codições chama-se Processo de Poisso) Se o úmero médio de ocorrêcias o itervalo total for λ > 0 e se X - úmero de ocorrêcias o itervalo total etão X tem distribuição de Poisso de parâmetro λ, e X ~ Poisso ( λ ) ( ; λ ) = e λ λ,,,, Verificação: P ( X = ) = e λ λ = e λ e λ = 0

6 Pode mostrar-se que: ( ) = e λ λ E X E X ( ) = e λ λ = λ = λ + λ V ( X ) = E ( X ) E ( X ) = λ Eemplos de situações em que pode ser aplicada a distribuição de Poisso: úmero de acidetes por semaa um determiado cruzameto ou secção de estrada (ão tedo em cota os acidetes em cadeia...) úmero de clietes que chegam a uma loja ou serviço um determiado itervalo de tempo (ão tedo em cota as chegadas em grupo...) úmero de defeitos em peças ou materiais produzidos cotiuamete (tecidos, fios, etc.) Cuidado com as uidades: Eemplo: sabemos (por observação aterior) que o úmero médio de defeitos por m de um certo tipo de tecido é. Se admitirmos que estamos as codições do Processo de Poisso, etão: ( ) ( ) º. de defeitos em 0 m ~ Poisso λ = 0 º. de defeitos em 00 m ~ Poisso λ = 00 etc. Qual a probabilidade de ão haver defeitos uma peça com 5 m? E pelo meos 0 defeitos? X - º. de defeitos em 5 m X ~ Poisso ( 0) P ( X = 0 ) = e 0 0 P ( X 0) = P ( X < 0) = ( complemetar ) = P ( X 9 ) = ( discreta em iteiros ) = F X ( 9 ) = ( defiição de F X ( )) = 0. 5 ( tabelas ) Nota: dado o resultado com que começamos (a distribuição de Poisso como limite da distribuição Biomial) podemos também usar a distribuição de Poisso para calcular probabilidades aproimadas da distribuição biomial quado grade e p pequeo (regra prática: > 0 e p < 0. ). 3