4 DistribuicoesTeoricas

1
1
DISTRIBUIES TERICAS
Mtodos Quantitativos I
Cincias Empresariais 2 ano
2
Introduo
Quando se estuda uma populao qualquer, faz-se
analisando certas caractersticas, isto , algumas variveis
desse populao.
Para conhecer o comportamento duma populao basta
conhecer a sua distribuio e o valor dos parmetros
caracterizadores dessa distribuio.
Conhecer o valor dos parmetros caracterizadores duma
populao muito dispendioso logo utiliza-se uma amostra
representativa.
2
Introduo
As variveis aleatrias associadas a grande parte das
experincias podem ser representadas por famlias de
distribuies estatsticas.
3
So modelos matemticos cujas
propriedades (ex: mdia,
varincia) so funo de poucos
parmetros
Existe uma diversidade infinita de famlias de distribuies
estatstica. Ns vamos estudar as que possuem maior
aplicao.
DISTRIBUIES DISCRETAS
4
3
5
Distribuies discretas Distribuio de Bernoulli
Considere-se uma experincia aleatria.
Dois resultados possveis:
sucesso
insucesso
Com probabilidades associadas de:
P( ) = p
P( ) = q = 1 p
Ento
Uma experincia com estas caractersticas
uma prova de Bernoulli.
A
A
A
A
{ } A A S ; =
6
Caractersticas das experincias:
1. Em cada experincia s existem dois resultados possveis,
mutuamente exclusivos, denominados de sucesso e insucesso.
2. A probabilidade de ocorrncia de cada resultado mantm-se
inalterada de experincia para experincia. Sendo p a
probabilidade de sucesso ento q = 1-p o insucesso.
3. Os resultados associados a cada experincia so
independentes.
4
7
Exemplo:
Empresa pretende verificar se uma campanha publicitria
vantajosa ou no num determinado programa.
Para tal, questiona telespectadores acerca do interesse que tm
no programa.
Existem 2 respostas possveis: sim, vejo o programa ou no, no
vejo o programa.
uma prova de Bernoulli se:
Admitir s dois resultados possveis: sim ou no;
As probabilidades associadas forem fixas: (p) para sim e (1-p) para
no;
Houver independncia nas entrevistas efectuadas.
8
Considere-se uma prova de Bernoulli e uma varivel aleatria X que s admite
dois valores:
0 quando o resultado insucesso;
1 quando o resultado sucesso.
Com probabilidades associadas de:
P(1) = p
P(0) = q = 1-p
Diz-se que a varivel aleatria discreta X tem uma distribuio de Bernoulli se
a sua funo de probabilidade dada por:
O nico parmetro desta funo p satisfaz a condio 0 p 1.

= = =
0
) 1 .(
) ( ) (
1 x x
p p
x f x x P
, se x = 0; 1
, outros valores
5
9
Distribuies discretas Distribuio Binomial
Exemplo:
Considere-se uma sucesso de 5 provas de Bernoulli, em cada
uma das quais pode ocorrer ou no determinado acontecimento
A.
A = sucesso sendo P(A) = p
O espao de resultados 2
5
pois so 5 provas com 2 resultados
possveis cada.
Se se quiser saber qual a probabilidade de obter 2 vezes o
acontecimento A, s possvel atravs da Distribuio
Binomial.
10
Distribuio Binomial est associada ao conceito das provas de
Bernoulli.
Qual a probabilidade de, em n provas de Bernoulli serem obtidos x
sucessos (realizao do acontecimento A) e portanto (n x)
insucessos (no realizao de A).
A A A A A A ... A ...
2
n
sequncias possveis diferentes, todas elas com a mesma
probabilidade:
A A A A A
x sucessos (n - x) insucessos
x n x
p p

) 1 (
6
11
No entanto, existem maneiras diferentes de se obterem x
sucessos.
Definindo-se X nmero de sucessos em n provas de Bernoulli, fica:
com x=0, 1, ... e 0 p 1
x n x n
x
p p C x f x X P

= = = ) 1 .( . ) ( ) (
n
x
C
12
Sendo X uma varivel aleatria que representa o n. de sucessos em n provas
de Bernoulli, ento:
X segue uma distribuio binomial
Em notao simblica,
Em que:
N o n. de vezes que se realiza a experincia
p a probabilidade de obter o sucesso
) ; ( p N B X
FUNO DE PROBABILIDADE

= = =
0
) 1 .( .
) ( ) (
x n x n
x
p p C
x f x X P
, se x = S
x
, outros valores
7
13
Exemplo:
Um tcnico dos servios da preveno rodoviria afirma que 1 em
cada 10 acidentes devido a cansao. Determine a probabilidade
de que em cada 5 acidentes haja 3 devido a cansao.
X n. de acidentes devido a cansao
) 1 , 0 ; 5 ( B X 1 , 0
10
1
) ( = = cansao P
0081 , 0 ) 1 , 0 1 .( 1 , 0 . ) 3 (
) 1 .( . ) (
2 3 5
3
= = =
= =

C X P
p p C x X P
x n x n
x
14
Na tabela da Binomial:
1) verificar qual o N (neste exemplo 5)
2) verificar qual a probabilidade de sucesso p (neste exemplo 0,1)
3) verificar qual a probabilidade pontual que queremos calcular
(neste caso P(X=3))
4) encontrar o valor da probabilidade na tabela.
8
15
Distribuies discretas Distribuio Poisson
Exemplos:
N. de chamadas telefnicas que chegam, em certo, perodo de
tempo, a uma central telefnica.
N. de doentes que chegam a um hospital, por unidade de tempo.
Processo de Poisson
Suponha a ocorrncia de um certo acontecimento num determinado
intervalo de tempo (ou outra qualquer medida), se se
verificarem as seguintes condies:
1. N. de ocorrncias so variveis aleatrias independentes;
2. Para intervalos com a mesma dimenso, a probabilidade de
ocorrncia do acontecimento a mesma;
3. A probabilidade de se verificarem duas ou mais ocorrncias num
perodo muito pequeno negligencivel, quando comparada com a
probabilidade de se verificar apenas uma ocorrncia.
16
Sendo X uma varivel aleatria que representa o nmero de ocorrncias no
intervalo de tempo [0; t] e o nmero mdio dessas ocorrncias, ento:
X segue uma distribuio de Poisson
Em notao simblica,
= = =
0
!
) . (
) ( ) (
.
x
t
e
x f x X P
x
t

FUNO DE PROBABILIDADE
, se x {0;1;2...}
, outros valores
) ( ~ Poisson X >
9
17
Exemplo:
Durante o horrio de almoo (das 12 s 14h), o n. mdio de
automveis que chegam a um parque de estacionamento do
centro da cidade de 360. Qual ser a probabilidade de, durante
1 minuto, chegarem 2 automveis ao parque?
X n. de automveis que chegam a um parque de estacionamento num
minuto
) 3 ( = Poisson X
2240 , 0
! 2
3
. ) 2 (
2
3
= = =

e X P
uto carros min / 3
60 60
360
=
+
=
18
Na tabela da Poisson:
1) verificar qual o (neste exemplo 3)
2) verificar qual a probabilidade pontual que queremos calcular (neste
caso P(X=2))
3) encontrar na tabela o valor para a probabilidade acumulada (P(X2)).
Posteriormente, fazer o seguinte clculo: P(X=2)=P(X2)-P(X1)
10
DISTRIBUIES CONTNUAS
19
20
Distribuies contnuas Distribuio Normal
utilizada para descrever fenmenos que se traduzam atravs
de variveis aleatrias contnuas.
a distribuio contnua mais utilizada pelas seguintes razes:
a distribuio adequada para descrever muitos dos fenmenos do
mundo real, por exemplo, peso ou altura;
muito usada na inferncia estatstica devido ao Teorema do Limite
Central (TLC).
O TLC indica que a distribuio de aproximadamente normal,
desde que a amostra seja suficiente grande (usualmente n30) e
a distribuio da populao tenha varincia finita.
Muitas tcnicas estatsticas so exactas no caso de distribuies
normais.
Algumas variveis aleatrias podem ser aproximadas por uma
varivel aleatria contnua. (ex. distribuio Binomial ou Poisson).
X
11
21
Exemplos de distribuies normais
22
A distribuio normal definida atravs de 2 parmetros: valor esperado
ou mdia ( ) e varincia ( ).
Em notao simblica,
A funo densidade de probabilidade para todo o valor real X :
2
2
1
2
.
. . 2
1
) (
|
\
|

X
e x f
FUNO DENSIDADE DE PROBABILIDADE
) ; ( ~
2
N X >
2
12
23
Transformao linear de uma varivel normal
Para o clculo das probabilidades qualquer distribuio normal
transformada na chamada normal-padro.
Esta transformao consiste numa mudana de origem
(subtraco por ) e mudana de escala (diviso por ).
Isto , se a varivel X tem distribuio normal de parmetros e
, ento:
Z normal padro

=
X
Z
2
) (
) (
=
=
X V
X E
24
Transformao linear de uma vv. Normal
Os parmetros da normal padro so:
Assim,
[ ] 0 ) (
1
) ( ) (
1
) ( = = = |
\
|
=
E X E
X
E Z E
[ ] 1 ) 0 (
1
) ( ) (
1
) (
2
2 2
= = = |
\
|
=
V X V
X
V Z V
) 1 ; 0 ( ~ N Z >
13
25
Exemplo:
A variao diria da cotao de fecho de um determinado fundo
pode ser razoavelmente aproximada por uma distribuio normal
com valor esperado 0,2% e desvio padro 1,6%.
a) Qual a probabilidade da prxima variao do preo de fecho
ultrapassar 1%?
b) Qual a probabilidade da prxima variao do preo de fecho se
situar entre 1% e 1,16%?
X variao diria da cotao de fecho de um determinado fundo
) 6 , 1 ; 2 , 0 ( ~
2
N X >
26
a)
ver na tabela abaixo
( )
( ) 3085 , 0 6915 , 0 1 5 , 0 1
5 , 0
6 , 1
2 , 0 1
6 , 1
2 , 0
) 1 (
= = =
> = |
\
|
>
= >
Z P
Z P
X
P X P
14
27
b)
ver na tabela abaixo
( )
( ) ( ) 0342 , 0 6915 , 0 7257 , 0 5 , 0 6 , 0
6 , 0 5 , 0
6 , 1
2 , 0 16 , 1
6 , 1
2 , 0
6 , 1
2 , 0 1
) 16 , 1 1 (
= = < < =
< < = |
\
|
<
<
= < <
Z P Z P
Z P
X
P X P
Distribuies contnuas Distribuio Qui-Quadrado
A distribuio qui-quadrado uma distribuio de
probabilidade contnua que tem um papel fundamental na
inferncia estatstica. Proporciona os elementos necessrios
para fazer inferncia sobre a varincia duma populao a
partir de uma amostra.
Graficamente, apresenta-se
da seguinte forma:
28
15
29
Considere-se um conjunto de GL (graus de liberdade) variveis
aleatrias Zi (i=1,2,3,....,GL) obedecendo s seguintes
condies:
Cada varivel Zi segue uma distribuio normal padronizada, isto ,
Z N (0;1)
As variveis Zi so mutuamente independentes (no existem
relaes entre as variveis)
A varivel X, construda a partir da soma de GL variveis Zi
elevadas ao quadrado, segue uma distribuio qui-quadrado
com GL graus de liberdade, denotada simbolicamente por:
2
2 2
2
2
1
1
2
...
GL
GL
GL
i
i
X
Z Z Z Z X

+ + + = =
=
2
GL
30
A funo densidade de probabilidade de X :
Onde T (argumento) designa-se por funo gama e expressa-se por:
( )
( ) 1
2 2
2
. .
2
. . 2
1
) (

=
GL
x
GL
x e
GL
T
X f
+

=
0
1
. . ) ( dx e x u T
x u
) 0 ( > x
) 0 ( > u
16
31
medida que GL cresce, a distribuio da varivel X que
segue uma qui-quadrado tende para uma distribuio normal.
Valor Esperado
E(X) = GL
Varincia
V(X) = 2.GL
32
Exemplo:
Admitindo que a varivel X segue uma Qui-Quadrado com 3 GL,
pretende-se determinar:
Consultando a tabela temos:
352 , 0 ) 95 , 0 (
2
3
=
) 95 , 0 (
2
3
348 , 9 ) 025 , 0 (
2
3
=
) 025 , 0 (
2
3
e
17
33
Distribuies contnuas Distribuio t-student
A distribuio t-student importante para a estatstica porque
permite fazer inferncias sobre a mdia de uma populao a partir de
uma amostra.
Graficamente, apresenta-se da seguinte forma:
34
Considere a varivel Z (normal-padro),
e a varivel V (Qui-Quadrado)
que so independentes.
A distribuio da varivel aleatria X obtida por
uma distribuio t-student com GL
graus de liberdade
GL
V
Z
X =
2
GL
V
) 1 ; 0 ( N Z
GL
t X
18
35
A distribuio t-student afigura-se semelhante normal padro,
isto , simtrica em torno do zero.
medida que aumentam os graus de liberdade, a distribuio t-student
tende para a normal padro.
( ) [ ]
( )
|
\
| +
|
|
\
|
+
+
=
2
) 1 (
2
1 .
2 / . .
2 / 1
) (
GL
GL
x
GL T GL
GL T
X f
36
Parmetros para a distribuio t-student
Valor Esperado
E(X) = 0 para GL>1
Varincia
V(X) = GL / (GL-2) para GL>2
19
37
Exemplo:
Determine:
( )
( ) 025 , 0
050 , 0
3
3
t
t
( ) 182 , 3 025 , 0
3
= t
( ) 353 , 2 050 , 0
3
= t
Distribuies contnuas Distribuio F-Snedecor
A distribuio F proporciona a base terica para comparar
varincias amostrais e fazer inferncias sobre as varincias
populacionais.
Graficamente, apresenta-se
da seguinte forma:
38
20
39
Considerem-se 2 variveis aleatrias independentes
A distribuio F com GL1 e GL2 graus de liberdade apresenta-se
da seguinte forma:
2
2
1
2
2
1
GL
GL
X
GL
GL
=
2
1
GL
2
2
GL
2 1
,GL GL
F X
40
Onde T a funo gama.
[ ]
( )( )
( )
( )
) .( 5 , 0
1 2
1 . 5 , 0 . 5 , 0
2 1
2 1
2 1
2 1
1 1
.
. /
.
. 5 . 0 . . 5 . 0
) ( 5 . 0
) (
GL GL
GL GL
x GL GL
x GL GL
GL GL T
GL GL T
X f
+
+
+
=
) 0 ( > x
21
41
Parmetros da distribuio F-Snedecor
Valor Esperado
para GL
2
>2
Varincia
para GL
2
>4
2
) (
2
2
=
GL
GL
X E
) 4 ).( 2 (
) 2 .( . 2
) (
2 2 1
2 1 2

+
=
GL GL GL
GL GL GL
X V
42
Exemplo:
Determine:
( )
( ) 025 , 0
10 , 0
1 , 4
1 , 6
F
F
( ) 58 , 899 025 , 0
1 , 4
= F
( ) 20 , 58 10 , 0
1 , 6
= F

4 DistribuicoesTeoricas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

4 DistribuicoesTeoricas

Uploaded by

Copyright:

Available Formats

1

You might also like